Neste trabalho foi desenvolvida uma metodologia de avaliação e monitoramento de pacientes com úlceras de perna baseada nas características dos tecidos internos dessas feridas. Os tecidos internos podem ser classificados como granulado, fibrina e necrosado, e a avaliação da área de cada um desses tecidos fornece para o clínico dados referentes ao estado da úlcera.A metodologia extrai essas informações a partir de imagens digitalizadas das lesões. Para tanto, a área referente à úlcera é segmentada e em seguida a área interna processada por uma rede neural, que tem o propósito de classificar cada ponto para um dos tecidos analisados. Os algoritmos desenvolvidos operam sobre imagens coloridas, já que cada tecido em uma imagem só pode ser identificado por sua cor. Este trabalho propõe ainda uma metodologia de extração de características das lesões através de uma forma não invasiva utilizando, para tanto, algoritmos de visão computacional. / The aim of this work was the development of a monitoring and evaluation methodology of leg ulcers patients based on the features of the inner tissues of these wounds. The internal tissues can be classified as granulation, slough and necrotic, and the evaluation of the area of each one of these tissues can be used by the specialist to help with the patient''s diagnosis. The methodology extracts these information from the wound digitized images. For this, the wound area is segmented and the inner region or the segmented area is processed by a neural network that classifies each point of the analyzed tissues. The developed algorithms operate on color images since each tissue in an image can only be analyzed by its colors. In this work has also proposed a feature extraction methodology of the wounds through a non-invasive way using computer vision algorithms.

Cone Beam Computed Tomography (CBCT) is a medical imaging technique routinely employed for diagnosis and treatment of patients with cranio-maxillo-facial defects. CBCT 3D reconstruction and segmentation of bones such as mandible or maxilla are essential procedures in orthodontic treatments. However, CBCT images present characteristics that are not desirable for processing, including low contrast, inhomogeneity, noise, and artifacts. Besides, values assigned to voxels are relative Hounsfield Units (HU), unlike traditional Computed Tomography (CT). Such drawbacks render CBCT segmentation a difficult and time-consuming task, usually performed manually with tools designed for medical image processing. We introduce two interactive two-stage methods for 3D segmentation of CBCT data: i) we first reduce the CBCT image resolution by grouping similar voxels into super-voxels defining a graph representation; ii) next, seeds placed by users guide graph clustering algorithms, splitting the bones into mandible and skull. We have evaluated our segmentation methods intensively by comparing the results against ground truth data of the mandible and the skull, in various scenarios. Results show that our methods produce accurate segmentation and are robust to changes in parameter settings. We also compared our approach with a similar segmentation strategy and we showed that it produces more accurate segmentation of the mandible and skull. In addition, we have evaluated our proposal with CT data of patients with deformed or missing bones. We obtained more accurate segmentation in all cases. As for the efficiency of our implementation, a segmentation of a typical CBCT image of the human head takes about five minutes. Finally, we carried out a usability test with orthodontists. Results have shown that our proposal not only produces accurate segmentation, as it also delivers an effortless and intuitive user interaction. / Tomografia Computadorizada de Feixe Cônico (TCFC) é uma modalidade para obtenção de imagens médicas 3D do crânio usada para diagnóstico e tratamento de pacientes com defeitos crânio-maxilo-faciais. A segmentação tridimensional de ossos como a mandíbula e a maxila são procedimentos essências em tratamentos ortodônticos. No entanto, a TCFC apresenta características não desejáveis para processamento digital como, por exemplo, baixo contraste, inomogeneidade, ruído e artefatos. Além disso, os valores atribuídos aos voxels são unidades de Hounsfield (HU) relativas, diferentemente da Tomografia Computadorizada (TC) tradicional. Esses inconvenientes tornam a segmentação de TCFC uma tarefa difícil e demorada, a qual é normalmente realizada por meio de ferramentas desenvolvidas para processamento digital de imagens médicas. Esta tese introduz dois métodos interativos para a segmentação 3D de TCFC, os quais são divididos em duas etapas: i) redução da resolução da TCFC por meio da agrupamento de voxels em super-voxels, seguida da criação de um grafo no qual os vértices são super-voxels; ii) posicionamento de sementes pelo usuário e segmentação por algoritmos de agrupamento em grafos, o que permite separar os ossos rotulados. Os métodos foram intensamente avaliados por meio da comparação dos resultados com padrão ouro da mandíbula e do crânio, considerando diversos cenários. Os resultados mostraram que os métodos não apenas produzem segmentações precisas, como também são robustos a mudanças nos parâmetros. Foi ainda realizada uma comparação com um trabalho relacionado, gerando melhores resultados tanto na segmentação da mandíbula quanto a do crânio. Além disso, foram avaliadas TCs de pacientes com ossos faltantes e quebrados. A segmentação de uma TCFC é realizada em cerca de 5 minutos. Por fim, foram realizados testes com usuarios ortodontistas. Os resultados mostraram que nossa proposta não apenas produz segmentações precisas, como também é de fácil interação.

Made available in DSpace on 2015-03-04T18:50:41Z (GMT). No. of bitstreams: 1 capitulo00.pdf: 149755 bytes, checksum: a2f94dd5a3a96753bd5a54659a575c98 (MD5) Previous issue date: 2006-04-07 / Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro / Main memory limitations can lower the performance of segmentation applications for large images or even make it undoable. In this work we integrate the T-Surfaces model and Out-of-Core isosurface generation methods in a general framework for segmentation of large image volumes. T-Surfaces is a parametric deformable model based on a triangulation of the image domain, a discrete surface model and an image threshold. Isosurface generation techniques have been implemented through an Out-of-Core method that uses a kd-tree structure, called Meta-Cell technique. By using the Meta-Cell framework, we present an Out-of-Core version of a segmentation method based on T-Surfaces and isosurface extraction. The Gradient Vector Flow (GVF) is an approach based on Partial Differential Equations. This method has been applied together with snake models for image segmentation through boundary extraction. The key idea is to use a diffusion-reaction PDE in order to generate a new external force field that makes snake models less sensitivity to initialization as well as improves the snake s ability to move into boundary concavities. In this work, we firstly review basic results about global optimization conditions of the GVF and numerical considerations of usual GVF schemes. Besides, we present an analytical analysis of the GVF and a frequency domain analysis, which gives elements to discuss the dependency from the parameter values. Also, we discuss the numerical solution of the GVF based in a SOR method. We observe that the model can be used for Multiply Connected Domains and applied an image processing approach in order to increase the GVF efficiency. / Limitações de memória principal podem diminuir a performance de aplicativos de segmentação de imagens para grandes volumes ou mesmo impedir seu funcionamento. Nesse trabalho nós integramos o modelo das T-Superfícies com um método de extração de iso-superfícies Out-of-Core formando um esquema de segmentação para imagens de grande volume. A T-Superficie é um modelo deformável paramétrico baseado em uma triangulação do domínio da imagem, um modelo discreto de superfície e um threshold da imagem. Técnicas de extração de isso-superfícies foram implementadas usando o método Out-of-Core que usa estruturas kd-tree, chamadas técnicas de Meta-Células. Usando essas técnicas, apresentamos uma versão Out-of-Core de um método de segmentação baseado nas T-Superfícies e em iso-superfícies. O fluxo do Vetor Gradiente (GVF) é um campo vetorial baseado em equações diferenciais parciais. Esse método é aplicado em conjunto com o modelo das Snakes para segmentação de imagens através de extração de contorno. A idéia principal é usar uma equação de difusão-reação para gerar um novo campo de força externa que deixa o modelo menos sensível a inicialização e melhora a habilidade das Snakes para extrair bordas com concavidades acentuadas. Nesse trabalho, primeiramente serão revistos resultados sobre condições de otimização global do GVF e feitas algumas considerações numéricas. Além disso, serão apresentadas uma análise analítica do GVF e uma análise no domínio da frequência, as quais oferecem elementos para discutir a dependência dos parâmetros do modelo. Ainda, será discutida a solução numérica do GVF baseada no método de SOR. Observamos também que o modelo pode ser estendido para Domínios Multiplamente Conexos e aplicamos uma metodologia de pré-processamento que pode tornar mais eficiente o método.

Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Devido a subjetividade na interpretação de imagens, os sistemas de diagnóstico auxiliado por computador (CADx) têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia de investigação da potencialidade diagnóstica de um sistema computacional na classificação de achados suspeitos em imagens de ultrassom modo-B e de elastografia da mama. A base de dados foi constituída por 31 lesões malignas e 52 benignas e um conjunto adicional contendo 206 lesões de ultrassom modo-B (144 benignas e 62 malignas) para a realização dos testes de aprendizado de máquina. O contorno foi determinado automaticamente e através do delineamento manual de três radiologistas sob a imagem de ultrassom modo-B e, em seguida, mapeado na imagem elastográfica. As lesões foram classificadas pelo sistema CADx desenvolvido para ultrassom modo-B e elastografia do tipo strain. Os dados foram avaliados por meio da sensibilidade, especificidade e AUC. O sistema CADx desenvolvido proporcionou equivalência diagnóstica para a classificação das lesões a partir das diversas formas de determinação do contorno (manual e automática), permitindo a redução da variabilidade. Além disso, o sistema apontou resultados superiores à análise visual do radiologista que, quando considerado o resultado fornecido pela associação entre as imagens de ultrassom modo-B e elastografia, proporcionou um aumento comparativo de cerca de 7% em sensibilidade e 17,2% em especificidade nos testes com o sistema CADx usando o contorno feito pelo radiologista mais experiente. Além disso, constatou-se uma influência positiva no uso da ferramenta computacional pelos radiologistas, pois, na média, seus índices de sensibilidade e especificidade diagnóstica aumentaram também em relação à situação de análise convencional, passando de 87,1% e 55,8% para 90,3% e 73,1%, respectivamente. / Many procedures have been developed to aid in the early detection and diagnosis of breast cancer. In this context, Computer-Aided Diagnosis (CADx) systems were designed to provide to the specialist a reliable second opinion. This study presents the proposal of investigating the diagnostic ability of a computational system in the characterization of suspicious findings in B-mode ultrasound and breast elastography imaging. The database consisted of 31 malignant and 52 benign lesions and an additional data set containing 206 lesions (144 benign and 62 malignant) seen only on the B-mode ultrasound for performing the machine learning tests. Three radiologists drew manually the contour of the lesions in B-mode ultrasound and we used an automatic technique to segment the lesions. Then, the contour was mapped in the elastography image. The lesions were classified using the CADx system developed for B-mode ultrasound and strain elastography. We calculated the sensitivity, specificity and AUC to evaluate the data. The developed CADx system provided a diagnostic concordance in the classification of breast lesions from the different ways of contour determination (manual and automatic), allowing to reduce the diagnostic variability. In addition, the CADx system showed superior results to the visual analysis of the radiologist. When the radiologist associated both examinations (B-mode ultrasound and elastography), his visual analysis provided 87.10%, 55.77% and 0.714 of sensitivity, specificity and AUC, respectively. When we considered the result provided by the association between B-mode ultrasound and elastography images, the CADx system provided a comparative increase of about 7% of sensitivity and 17.2% of specificity, using the contour delimited by the most experienced radiologist. In addition, a positive influence was observed in the use of the computational tool by radiologists, since, on average, their sensitivity and specificity indexes also increased in relation to the conventional analysis, from 87.1% and 55.8% to 90.3% and 73.1%, respectively.

The taxonomical identification of freshwater green microalgae is highly relevant problem in Phycology. In particular, the taxonomical identification of samples from the Selenastraceae family of algae is considered particularly problematic with many known inconsistencies. Biologists manually inspect and analyze microscope images of alga strains, and typically carry out several complex and time-consuming procedures that demand considerable expert knowledge. Such practical limitations motivated this investigation on the applicability of image processing, pattern recognition and visual data mining techniques to support the biologists in tasks of species identification. This thesis describes methodologies for the classification of green alga images, considering both traditional automated classification processes and also a user-assisted incremental classification process supported by Neighbor Joining tree visualizations. In this process, users can interact with the visualizations to introduce their knowledge into the classification process, e.g. by selecting suitable training sets and evaluate the results, thus steering the classification process. In order for visualization and classification to be feasible, accurate features must be obtained from the images capable of distinguishing between the different species of algae. As morphological shape properties are a fundamental property in identifying species, suitable segmentation and shape feature extraction strategies have been developed. This was particularly challenging, as different alga species share common morphological characteristics. Two segmentation methodologies are introduced, in which one relies on the level set method and the other is based on the region growing principle. Although the contour-based approach is capable of handling the uneven conditions of green alga images, its computation is time-consuming and not suitable for real time applications. A specialized formulation of the region-based methodology is proposed that considers the specific characteristics of the green alga images handled. This second formulation was shown to be more efficient than the level set approach and generates highly accurate segmentations. Once accurate alga segmentation is achieved, two descriptors are proposed that capture alga shape properties, and also an effective general shape descriptor that computes quantitative measures from two signatures associated to the shape properties. Experimental results are described that indicate that the proposed solutions can be useful to biologists conducting alga identification tasks once it reduces their effort and attains satisfactory discrimination among species. / A identificação taxonômica de algas verdes de água doce é um problema de extrema relevância na Ficologia. Identificar espécies de algas da família Selenastraceae é uma tarefa complexa devido às inconsistências existentes em sua taxonomia, reconhecida como problemática. Os biólogos analisam manualmente imagens de microscópio de cepas de algas e realizam diversos procedimentos demorados que necessitamde conhecimento sólido. Tais limitaçõesmotivaramo estudo da aplicabilidade de técnicas de processamento de imagens, reconhecimento de padrões e mineração visual de dados para apoiar os biólogos em tarefas de identificação de espécies de algas. Esta tese descreve metodologias computacionais para a classificação de imagens de algas verdes, nas abordagens tradicional e baseada em classificação visual incremental com participação do usuário. Nesta última, os usuários interagem com visualizações baseadas em árvores filogenéticas para utilizar seu conhecimento no processo de classificação, como por exemplo, na seleção de instâncias relevantes para o conjunto de treinamento de um classificador, como também na avaliação dos resultados. De forma a viabilizar o uso de classificadores e técnicas de visualização, vetores de características devem ser obtidos das imagens de algas verdes. Neste trabalho, utiliza-se extração de características de forma, uma vez que a taxonomia da família Selenastraceae considera primordialmente as características morfológicas na identificação das espécies. No entanto, a obtenção de características representativas requer que as algas sejam precisamente segmentadas das imagens. Esta é, de fato, uma tarefa altamente desafiadora considerando a baixa qualidade das imagens e a maneira pelas quais as algas se organizam nas imagens. Duas metodologias de segmentação foram introduzidas: uma baseada no método Level Set e outra baseada no algoritmo de crescimento de regiões. A primeira se mostrou robusta e consegue identificar com alta precisão as algas nas imagens, mas seu tempo de execução é alto. A outra apresenta maior precisão e é mais rápida, uma vez que as técnicas de pré-processamento são especializadas para as imagens de algas verdes. Uma vez segmentadas as algas, dois descritores para caracterizar as imagens foram propostos: um baseado em características geométricas básicas e outro que utiliza medidas quantitativas calculadas a partir das assinaturas de forma. Resultados experimentais indicaram que as soluções propostas têm um bom potencial para serem utilizadas em tarefas de identificação taxonômica de algas verdes, uma vez que reduz o esforço nos procedimentos manuais e obtém-se classificações satisfatórias.

Esta tese se concentra em aplicar os modelos de mistura de distribuições na segmentação de imagens SAR polarimétricas multi-look. Dentro deste contexto, utilizou-se o algoritmo SEM em conjunto com os estimadores obtidos pelo método dos momentos para calcular as estimativas dos parâmetros do modelo de mistura das distribuições Wishart, Kp ou G0p. Cada uma destas distribuições possui parâmetros específicos que as diferem no ajuste dos dados com graus de homogeneidade variados. A distribuição Wishart descreve bem regiões com características mais homogêneas, como cultivo. Esta distribuição é muito utilizada na análise de dados SAR polarimétricos multi-look. As distribuições Kp e G0p possuem um parâmetro de rugosidade que as permitem descrever tanto regiões mais heterogêneas, como vegetação e áreas urbanas, quanto regiões homogêneas. Além dos modelos de mistura de uma única família de distribuições, também foi analisado o caso de um dicionário contendo as três famílias. Há comparações do método SEM proposto para os diferentes modelos com os métodos da literatura k-médias e EM utilizando imagens reais da banda L. O método SEM com a mistura de distribuições G0p forneceu os melhores resultados quando os outliers da imagem são desconsiderados. A distribuição G0p foi a mais flexível ao ajuste dos diferentes tipos de alvo. A distribuição Wishart foi robusta às diferentes inicializações. O método k-médias com a distribuição Wishart é robusto à segmentação de imagens contendo outliers, mas não é muito flexível à variabilidade das regiões heterogêneas. O modelo de mistura do dicionário de famílias melhora a log-verossimilhança do método SEM, mas apresenta resultados parecidos com os do modelo de mistura G0p. Para todos os tipos de inicialização e grupos, a distribuição G0p predominou no processo de seleção das distribuições do dicionário de famílias. / The main focus of this thesis consists of the application of mixture models in multi-look polarimetric SAR image segmentation. Within this context, the SEM algorithm, together with the method of moments, were applied in the estimation of the Wishart, Kp and G0p mixture model parameters. Each one of these distributions has specific parameters that allows fitting data with different degrees of homogeneity. The Wishart distribution is suitable for modeling homogeneous regions, like crop fields for example. This distribution is widely used in multi-look polarimetric SAR data analysis. The distributions Kp and G0p have a roughness parameter that allows them to describe both heterogeneous regions, as vegetation and urban areas, and homogeneous regions. Besides adopting mixture models of a single family of distributions, the use of a dictionary with all the three family of distributions was proposed and analyzed. Also, a comparison between the performance of the proposed SEM method, considering the different models in real L-band images and two widely known techniques described in literature (k-means and EM algorithms), are shown and discussed. The proposed SEM method, considering a G0p mixture model combined with a outlier removal stage, provided the best classication results. The G0p distribution was the most flexible for fitting the different kinds of data. The Wishart distribution was robust for different initializations. The k-means algorithm with Wishart distribution is robust for segmentation of SAR images containing outliers, but it is not so flexible to variabilities in heterogeneous regions. The mixture model considering the dictionary of distributions improves the SEM method log-likelihood, but presents similar results to those of G0p mixture model. For all types of initializations and clusters, the G0p prevailed in the distribution selection process of the dictionary of distributions.

A segmentaçãoo de imagens é fundamental para a visão computacional. Com essa finalidade, a textura tem sido uma propriedade bastante explorada por pesquisadores. Porém, a existência de diversos métodos de extração de textura, muitas vezes específicos para determinadas aplicações, dificulta a implementação de sistemas de escopo mais geral. Tendo esse contexto como motivação e inspirado no sucesso dos sistemas de visão naturais e em sua generalidade, este trabalho propõe a combinação de métodos por meio da seleção de características baseada na saliência das sinapses de um perceptron multicamadas (MLP). É proposto, também, um método alternativo baseado na capacidade do MLP de apreender textura que dispensa o uso de técnicas de extração de textura. Como principal contribuição, além da comparação da heurística de seleção proposta frente à busca exaustiva segundo o critério da distância de Jeffrey-Matusita, foi introduzida a técnica de Equalização da Entrada, que melhorou consideravelmente a qualidade da medida de saliência. É também apresentada a segmentação de imagens de cenas naturais, como exemplo de aplicação / Segmentation is a crucial step in Computer Vision. Texture has been a property largely employed by many researchers to achieve segmentation. The existence of a large amount of texture extraction methods is, sometimes, a hurdle to overcome when it comes to modeling systems for more general problems. Inside this context and following the excellence of natural vision systems and their generality, this work has adopted a feature selection method based on synaptic conexions salience of a Multilayer Perceptron and a method based on its texture inference capability. As well as comparing the proposed method with exhaustive search according to the Jeffrey-Matusita distance criterion, this work also introduces, as a major contribution, the Input Equalization technique, which contributed to significantly improve the segmentation results. The segmentation of images of natural scenes has also been provided as a likely application of the method

A tarefa de encontrar faces em imagens é extremamente complexa, pois pode ocorrer variação de luminosidade, fundos extremamente complexos e objetos que podem se sobrepor parcialmente à face que será localizada, entre outros problemas. Com o avanço na área de visão computacional técnicas mais recentes de processamento de imagens e inteligência artificial têm sido combinadas para desenvolver algoritmos mais eficientes para a tarefa de detecção de faces. Este trabalho apresenta uma metodologia de visão computacional que utiliza redes neurais MLP (Perceptron Multicamadas) para segmentar a cor da pele e a textura da face, de outros objetos presentes em uma imagem de fundo complexo. A imagem resultante é dividida em regiões, e para cada região são extraídas características que são aplicadas em outra rede neural MLP para identificar se naquela região contem face ou não. Para avaliação do software implementado foram utilizados dois banco de imagens, um com imagens padronizadas (Banco AR) e outro banco com imagens adquiridas na Internet contendo faces com diferentes tons de pele e fundo complexo. Os resultados finais obtidos foram de 83% de faces detectadas para o banco de imagens da Internet e 88% para o Banco AR, evidenciando melhores resultados para as imagens deste banco, pelo fato de serem padronizadas, não conterem faces inclinadas e fundo complexo. A etapa de segmentação apesar de reduzir a quantidade de informação a ser processada para os demais módulos foi a que contribuiu para o maior número de falsos negativos. / The task of finding faces in images is extremely complex, as there is variation in brightness, backgrounds and highly complex objects that may overlap partially in the face to be found, among other problems. With the advancement in the field of computer vision techniques latest image processing and artificial intelligence have been combined to develop more efficient algorithms for the task of face detection. This work presents a methodology for computer vision using neural networks MLP (Multilayer Perceptron) to segment the skin color and texture of the face, from other objects present in a complex background image. The resulting image is divided into regions and from each region are extracted features that are applied in other MLP neural network to identify whether this region contains the face or not. To evaluate the software two sets of images were used, images with a standard database (AR) and another database with images acquired from the Internet, containing faces with different skin tones and complex background. The final results were 83% of faces detected in the internet database of images and 88% for the database AR. These better results for the database AR is due to the fact that they are standardized, are not rotated and do not contain complex background. The segmentation step, despite reducing the amount of information being processed for the other modules contributed to the higher number of false negatives.

A manutenção dos ecossistemas florestais da Amazônia é, sem dúvida, de suma importância para preservação da biodiversidade do planeta. Utilizar e avaliar dados de última geração que forneçam informações sobre estes ecossistemas torna-se então fundamental para o gerenciamento dos mesmos. Projeto pioneiro realizado na década de 1970, o RADAM teve como objetivo levantar, a partir de imagens de RADAR obtidas na banda X, informações sobre os recursos naturais da Amazônia. O avanço dos sistemas sensores baseados nas tecnologias de RADAR (Radio Detection and Ranging), com a introdução de plataformas capazes de imagear a superfície em comprimentos de onda maiores e em mais de uma polarização, trouxe uma nova perspectiva no campo de estudo destes recursos. Este trabalho emergiu a partir da constatação da necessidade, e possibilidade, de se obter informações mais precisas e atualizadas sobre o ambiente amazônico, levando em conta, inclusive, a velocidade das transformações que recaem sobre essa região. O objetivo primário do estudo foi analisar o potencial das imagens produzidas pelos radares de abertura sintética (SAR) nas bandas L e nas polarizações HH, HV e VV, na avaliação de tipologias vegetais da porção leste da Ilha de Marajó. Entendemos que essa pequena parcela do ambiente amazônico nos cede uma chave de padrões de classificação que podem ser replicados em outras regiões da Amazônia Legal, ou mesmo, em novos projetos de mapeamento similares ao RADAM. Os resultados obtidos por meio de análises das imagens de radar e através do estudo de diversas propostas de classificação fitogeográfica, evidenciaram um alto potencial de utilização destes recursos, bem como a possibilidade de avançarmos na escala de análise, produzindo mapeamentos de maior detalhe e mais abrangentes do ponto de vista das classes vegetais. A tecnologia para incrementar o mapeamento da região amazônica, de forma mais criteriosa e precisa, já existe há algum tempo e está disponível às instituições nacionais. Dar esse salto, importantíssimo para o conhecimento, preservação e monitoramento daquele que é considerado hoje o bioma mais importante do mundo, só depende de uma mudança nos critérios e de uma atualização das ferramentas usadas até o momento. / The maintenance of forest ecosystems in the Amazon is undoubtedly of great importance to the preservation of the planets biodiversity. The utilization and analysis of last generation data about these ecosystems become fundamental for their management. A pioneer project in the 1970 decade, the RADAM project had the objective of gathering information about Amazon natural resources from RADAR images obtained in the band X. The progress in sensor systems based on RADAR (Radio Detection and Ranging) technologies, with the introduction of platforms capable of imaging the surface in bigger wavelengths and in more than one polarization, brought a new perspective in the study area of these resources. This work emerged from the constatation of the need and possibility of obtaining more precise and updated information about the Amazon environment, inclusive considering the speed of the transformations that occur in this region. The primary objective of the study was to analyze the potential of the produced images by Synthetic Aperture Radars (SAR) in bands L and in polarizations HH, HV and VV, for the evaluation of vegetal typology of the east portion of Marajo Island. We understand that this little portion of the Amazon environment gives us a key of classification patterns that can be reapplied in other regions of Legal Amazon, or even in new mapping projects similar to RADAM. The results obtained from radar images analysis and through the study of several propositions for phytogeographic classification evidenced a high potential for the utilization of these resources, as well as the possibility of making progresses in the analysis scale, producing more detailed and comprehensive mappings from the point of view of vegetal classes. The technology to improve the mapping of Amazon region in a more criterious and precise manner has already existed for some time now and is available for national institutions. Making this leap, greatly important to knowledge, preservation and monitoring of what is considered the most important biome in the world only depends on a change in criteria and an updating of the tools that have been used up to this moment.

Made available in DSpace on 2015-03-05T18:23:08Z (GMT). No. of bitstreams: 0 Previous issue date: 19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A segmentação do público constitui-se em uma ferramenta para a manutenção da mídia impressa revista no mercado mundializado e funciona como aparato para que esse tipo de publicação acompanhe as mudanças de seu leitor e atualize-o. Nessa dinâmica de segmentação, a maior parte dos periódicos funda-se na divisão por gêneros – feminino e masculino. A presente dissertação tem como meta a investigação da relação que a revista segmentada por gênero propõe ao leitor, através do exame das estratégias discursivas e configurações expressivas de que ela se utiliza no processo de atribuição de valores concernentes ao segmento de público que pretende atingir. Para tanto, o trabalho focaliza o tratamento do tema relacionamento entre homem e mulher nas revistas femininas Nova e Malu e nas masculinas Vip e PHT, utilizando uma metodologia fundada na semiótica discursiva (Greimas), articulada com a noção de mito barthesiano e com a classificação de variações enunciativas proposta por Verón. Os resultados desta pesquisa demonstr / Public segmentation has become a tool to managing printed-media magazine in the global market. It works as an apparatus for this sort of publication to follow the changes of its readers and be updated. Under this segmentation dynamics, most periodicals are based in gender division - feminine and masculine. This dissertation aims at investigating the relationship the public-segmented magazine presents the reader through the analysis of discursive strategies and expressive features used in the process of attributing values regarding the segment of the public targeted at. To do so, the work focuses the treatment given to the thematic of relationship between man and woman in the feminine magazines Nova and Malu and the masculine Vip and PHT, through an analysis method based on Greima’s discursive semiotics, articulated to the notion of Barthesian myth and the Verón’s classification of enunciative variations. The results show basically that the two masculine periodicals use very similar discursive strategies and e