Search

Submitted by João Gabriel Camacho Presotto (joao.presotto@unesp.br) on 2021-10-19T01:42:06Z No. of bitstreams: 1 Dissertacao Mestrado Joao Gabriel.pdf: 18506751 bytes, checksum: d2c49077514340130e847b920e3cbbe2 (MD5) Rejected by Adriana Ap. Puerta Buzzá (dripuerta@rc.unesp.br), reason: Prezado João, O documento enviado para a coleção Campus Unesp Rio Claro foi recusado pelo(s) seguinte(s) motivo(s): - Capa, página de rosto - seguir modelo recomendado pelo Programa de Pós-graduação - Alterar dados conforme Unidade que defendeu o trabalho. Por exemplo: Rio Claro. Disponível em: https://www.ibilce.unesp.br/#!/biblioteca/servicos-oferecidos/normalizacao/estrutura-do-trabalho-academico/ - dúvidas ver com seu Programa de Pós-graduação. Template Pós-graduação - Mestrado: https://www.ibilce.unesp.br/Home/Biblioteca753/normalizacao/template-pos-graduacao_mestrado.docx - Folha de aprovação encontra-se incompleta. Falta informação do resultado "Aprovado" e natureza (tese, dissertação, monografia, trabalho de conclusão de curso e outros); nome da instituição à qual o trabalho é apresentado, indicando o título pretendido (mestre, bacharel, especialista etc). - FAPESP: O apoio/financiamento da FAPESP deve ser mencionado de forma destacada, por meio da apresentação no capítulo “Agradecimentos” do nome e do número do processo FAPESP que financiou a pesquisa, conforme o seguinte modelo: processo nº aaaa/nnnnn-d, Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) - (Exigência cláusula 7ª Portaria CTA nº 03/2019 – FAPESP). Maiores informações: https://ib.rc.unesp.br/#!/biblioteca/aprenda-com-a-biblioteca/repositorio---teses-e-dissertacoes/ http://ib.rc.unesp.br/Home/Biblioteca37/repositorio_fluxograma_unesp_rioclaro.jpg Em caso de dúvidas entre em contato pelos e-mails: repositoriounesp@reitoria.unesp.br e/ou stati.rc@unesp.br Solicitamos que realize uma nova submissão seguindo as orientações destacadas. Agradecemos a compreensão. Atenciosamente, Biblioteca Campus Rio Claro Repositório Institucional UNESP https://repositorio.unesp.br on 2021-10-20T12:40:04Z (GMT) Submitted by João Gabriel Camacho Presotto (joao.presotto@unesp.br) on 2021-10-20T13:24:12Z No. of bitstreams: 1 Dissertacao Mestrado Joao Gabriel_new.pdf: 17404982 bytes, checksum: b8881191cee8aeae49012867160e1d4b (MD5) Approved for entry into archive by Adriana Ap. Puerta Buzzá (dripuerta@rc.unesp.br) on 2021-10-22T12:34:29Z (GMT) No. of bitstreams: 1 presotto_jgc_me_rcla.pdf: 17404982 bytes, checksum: b8881191cee8aeae49012867160e1d4b (MD5) Made available in DSpace on 2021-10-22T12:34:29Z (GMT). No. of bitstreams: 1 presotto_jgc_me_rcla.pdf: 17404982 bytes, checksum: b8881191cee8aeae49012867160e1d4b (MD5) Previous issue date: 2021-08-27 Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Apesar dos impressionantes avanços recentes nas técnicas de aprendizado de máquina, principalmente na compreensão de dados multimídia, desafios significativos ainda persistem. Um dos principais desafios em cenários reais apresenta-se na escassa disponibilidade de dados rotulados. Nesse contexto, desenvolver métodos capazes de explorar as informações presentes em dados não rotulados de modo a mitigar os problemas associados à insuficiência de dados rotulados é um desafio de suma importância. Métodos de aprendizado fracamente supervisionado conseguem lidar com tais restrições ao trabalhar com rótulos estimados ou aproximados como maneira de potencializar informações úteis de treinamento. Nessa linha de pesquisa, apresentaremos dois métodos de aprendizado fracamente supervisionado capazes de analisar as relações entre os dados rotulados e não rotulados, de modo a expandir pequenos conjuntos de treinamento rotulados. Ambos recorrem a um modelo de ranqueamento e utilizam diferentes estratégias para analisar as informações de similaridade codificadas nos dados não rotulados e identificar fortes relações de similaridade com os dados rotulados. Tais relações são consideradas durante a etapa de expansão do conjunto de treinamento. Os métodos foram avaliados em conjunto com diferentes classificadores supervisionados e semi-supervisionados, incluindo uma recente rede convolucional baseada em grafos. Foram considerados cinco diferentes coleções de imagens públicas e os vetores de características de cada imagem foram obtidos através de diferentes descritores visuais. Ganhos positivos de acurácia foram obtidos por ambos os métodos nos mais diferentes cenários quando comparados aos classificadores treinados sem o auxílio de nossos métodos e a técnicas de expansão similares, evidenciando a robustez das abordagens propostas. Despite the impressive recent advances in machine learning techniques, especially in multimedia data understanding, significant challenges remain. One of the main challenges in real-world scenarios is the limited availability of labeled data. In this context, developing methods capable of exploiting the information encoded in the unlabeled data to mitigate the problems associated with insufficient labeled data, and to overcome this issue is something of paramount importance. Weakly supervised learning methods are capable to handle such restrictions by working with estimated or approximate labels as a way to maximize useful training information. In this line of research, we will present two weakly supervised methods that can analyze the relationships between labeled and unlabeled data to expand small labeled training sets. Both use a ranking model and different strategies to examine similarity information encoded in the unlabeled data to identify strong similarity relationships with the labeled data. Such relations will be considered during the training set expansion step. The methods were evaluated in conjunction with different supervised and semi-supervised classifiers, including a recent graph convolutional network. Five different public image datasets were considered with different visual descriptors. Positive accuracy gains were achieved by both methods in the different scenarios when compared to classifiers trained without the aid of our methods and compared to similar expansion techniques, evidencing the strength of both. FAPESP: 19/04754-6.

Orientador: Marco Antonio Garcia de Carvalho Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia Resumo: A Clorose Variegada dos Citros (CVC) é uma doença que afeta boa parte da produção de citros no Brasil, provocando expressivo prejuízo econômico à agricultura. Usualmente, é necessário conhecer o grau dessa doença na cultura de citros a fim de identificar o melhor tratamento. A análise de textura das folhas das plantas infectadas por meio de técnicas de processamento digital de imagens consiste em uma importante abordagem para análise do grau de comprometimento da cultura afetada pela CVC. Este trabalho propõe uma abordagem de análise de folhas de tabaco através do ranqueamento de imagens, uma técnica importante da área de Content-Based Image Retrieval (CBIR). Os ranqueamentos são calculados a partir de duas funções de distância, a Euclidiana e a de Canberra. As imagens são analisadas através de três descritores de textura: GLCM, LBP e Haralick. Com o intuito de melhorar os resultados obtidos foi aplicado um algoritmo de aprendizado não-supervisionado, o RL-Sim (RankedLists-Similarities), que consiste na obtenção de um novo ranqueamento a partir daquele inicialmente calculado. Experimentos foram realizados utilizando um conjunto de imagens cedido pelo Instituto Agronômico de Campinas (IAC). A performance dos métodos propostos é comparada à classificação manual realizada, de acordo com o grau de infecção da planta. Os resultados experimentais demonstram que a abordagem proposta atingiu níveis de eficiência da ordem de 37,33% a48,37% de acordo com a métrica Precision, indicando a necessidade de novos estudos afim de tornar esta abordagem totalmente adequada ao auxílio da análise de folhas de plantas infectadas Abstract: The Citrus Variegated Chlorosis (CVC) affects a significant part of citrus production in Brazil and causes expressive economic loss to agriculture. Usually, it is necessary to know the degree of this disease in the citrus to identify the best and correct treatment. The texture analysis of the leaves of infected plants by means of digital image processing techniques is an important method to analyze the degree of impairment affected by CVC. This paper proposes an approach to analyze tobacco leaves using image ranking, an important technique from the Content-Based Image Retrieval (CBIR) domain. Rankings are computed through two distance functions: Euclidean and Canberra. The images are analyzed by using three texture descriptors: GLCM, LBP and Haralick. With the intention of improving the retrieved results, an unsupervised distance learning algorithm was applied, the RL-Sim (RankedLists-Similarities), which consists in obtaining a new ranking from the one that was initially computed. Experiments were performed using a set of images provided by the Instituto Agronômico de Campinas (IAC). The performance of the methods is compared to the manual image classification, according to the degree of CVC infection. Experiment results demonstrate that the proposed approach achieved eficiency levels from 37,33% to 48,37% according to the Precision metric, which indicates the need of new studies to make sure this approach is totally proper to be used as an assistance to the analysis of infected plant leaves Mestrado Tecnologia e Inovação Mestra em Tecnologia

OBJETIVO: Utilizar o poder de processamento da tecnologia de grades computacionais para viabilizar a utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo. MATERIAIS E MÉTODOS: A técnica de recuperação de imagens baseada em conteúdo é composta de duas etapas seqüenciais: análise de textura e algoritmo de medida de similaridade. Estas são aplicadas em imagens de joelho e cabeça, nas quais se avaliaram a eficiência em recuperar imagens do mesmo plano e a seqüência de aquisição em um banco de 2.400 imagens médicas para testar a capacidade de recuperação de imagens baseada em conteúdo. A análise de textura foi utilizada inicialmente para pré-selecionar as 1.000 imagens mais semelhantes a uma imagem de referência escolhida por um clínico. Essas 1.000 imagens foram processadas utilizando-se o algoritmo de medida de similaridade na grade computacional. RESULTADOS: A precisão encontrada na classificação por análise de textura foi de 0,54 para imagens sagitais de joelho e de 0,40 para imagens axiais de cabeça. A análise de textura foi útil como filtragem, pré-selecionando imagens a serem avaliadas pelo algoritmo de medida de similaridade. A recuperação de imagens baseada em conteúdo utilizando o algoritmo de medida de similaridade aplicado nas imagens pré-selecionadas por análise de textura resultou em precisão de 0,95 para as imagens sagitais de joelho e de 0,92 para as imagens axiais de cabeça. O alto custo computacional do algoritmo de medida de similaridade foi amortizado pela grade computacional. CONCLUSÃO: A utilização da abordagem mista das técnicas de análise de textura e algoritmo de medida de similaridade no processo de recuperação de imagens baseada em conteúdo resultou em eficiência acima de 90%. A grade computacional é indispensável para utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo, que de outra forma seria limitado a supercomputadores.

OBJETIVO: Utilizar o poder de processamento da tecnologia de grades computacionais para viabilizar a utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo. MATERIAIS E MÉTODOS: A técnica de recuperação de imagens baseada em conteúdo é composta de duas etapas seqüenciais: análise de textura e algoritmo de medida de similaridade. Estas são aplicadas em imagens de joelho e cabeça, nas quais se avaliaram a eficiência em recuperar imagens do mesmo plano e a seqüência de aquisição em um banco de 2.400 imagens médicas para testar a capacidade de recuperação de imagens baseada em conteúdo. A análise de textura foi utilizada inicialmente para pré-selecionar as 1.000 imagens mais semelhantes a uma imagem de referência escolhida por um clínico. Essas 1.000 imagens foram processadas utilizando-se o algoritmo de medida de similaridade na grade computacional. RESULTADOS: A precisão encontrada na classificação por análise de textura foi de 0,54 para imagens sagitais de joelho e de 0,40 para imagens axiais de cabeça. A análise de textura foi útil como filtragem, pré-selecionando imagens a serem avaliadas pelo algoritmo de medida de similaridade. A recuperação de imagens baseada em conteúdo utilizando o algoritmo de medida de similaridade aplicado nas imagens pré-selecionadas por análise de textura resultou em precisão de 0,95 para as imagens sagitais de joelho e de 0,92 para as imagens axiais de cabeça. O alto custo computacional do algoritmo de medida de similaridade foi amortizado pela grade computacional. CONCLUSÃO: A utilização da abordagem mista das técnicas de análise de textura e algoritmo de medida de similaridade no processo de recuperação de imagens baseada em conteúdo resultou em eficiência acima de 90%. A grade computacional é indispensável para utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo, que de outra forma seria limitado a supercomputadores.OBJECTIVE: To utilize the grid computing technology to enable the utilization of a similarity measurement algorithm for content-based medical image retrieval. MATERIALS AND METHODS: The content-based images retrieval technique is comprised of two sequential steps: texture analysis and similarity measurement algorithm. These steps have been adopted for head and knee images for evaluation of accuracy in the retrieval of images of a single plane and acquisition sequence in a databank with 2,400 medical images. Initially, texture analysis was utilized as a preselection resource to obtain a set of the 1,000 most similar images as compared with a reference image selected by a clinician. Then, these 1,000 images were processed utilizing a similarity measurement algorithm on a computational grid. RESULTS: The texture analysis has demonstrated low accuracy for sagittal knee images (0.54) and axial head images (0.40). Nevertheless, this technique has shown effectiveness as a filter, pre-selecting images to be evaluated by the similarity measurement algorithm. Content-based images retrieval with similarity measurement algorithm applied on these pre-selected images has demonstrated satisfactory accuracy - 0.95 for sagittal knee images, and 0.92 for axial head images. The high computational cost of the similarity measurement algorithm was balanced by the utilization of grid computing. CONCLUSION: The approach combining texture analysis and similarity measurement algorithm for content-based images retrieval resulted in an accuracy of > 90%. Grid computing has shown to be essential for the utilization of similarity measurement algorithm in the content-based images retrieval that otherwise would be limited to supercomputers.

Dissertação de Mestrado, Processamento de Linguagem Natural e Indústrias da Língua, Faculdade de Ciências Humanas e Sociais, Universidade do Algarve, 2014 The object of this master thesis is Image Summarisation and more specifically the automatic human action description from static images. The work has been organised into three main phases, with first one being the data collection, second the actual system implementation and third the system evaluation. The dataset consists of 1287 images depicting human activities belonging in fours semantic categories; "walking a dog", "riding a bike", "riding a horse" and "playing the guitar". The images were manually annotated with an approach based in the idea of crowd sourcing, and the annotation of each sentence is in the form of one or two simple sentences. The system is composed by two parts, a Content-based Image Retrieval part and a Natural Language Processing part. Given a query image the first part retrieves a set of images perceived as visually similar and the second part processes the annotations following each of the images in order to extract common information by using a graph merging technique of the dependency graphs of the annotated sentences. An optimal path consisting of a subject-verb-complement relation is extracted and transformed into a proper sentence by applying a set of surface processing rules. The evaluation of the system was carried out in three different ways. Firstly, the Content-based Image Retrieval sub-system was evaluated in terms of precision and recall and compared to a baseline classification system based on randomness. In order to evaluate the Natural Language Processing sub-system, the Image Summarisation task was considered as a machine translation task, and therefore it was evaluated in terms of BLEU score. Given images that correspond to the same semantic as a query image the system output was compared to the corresponding reference summary as provided during the annotation phase, in terms of BLEU score. Finally, the whole system has been qualitatively evaluated by means of a questionnaire. The conclusions reached by the evaluation is that even if the system does not always capture the right human action and subjects and objects involved in it, it produces understandable and efficient in terms of language summaries. O objetivo desta dissertação é sumarização imagem e, mais especificamente, a geração automática de descrições de ações humanas a partir de imagens estáticas. O trabalho foi organizado em três fases principais: a coleta de dados, a implementação do sistema e, finalmente, a sua avaliação. O conjunto de dados é composto por 1.287 imagens que descrevem atividades humanas pertencentes a quatro categorias semânticas: "passear o cão", "andar de bicicleta", "andar a cavalo" e "tocar guitarra". As imagens foram anotadas manualmente com uma abordagem baseada na ideia de 'crowd-sourcing' e a anotação de cada frase foi feita sob a forma de uma ou duas frases simples. O sistema é composto por duas partes: uma parte consiste na recuperação de imagens baseada em conteúdo e a outra parte, que envolve Processamento de Língua Natural. Dada uma imagem para procura, a primeira parte recupera um conjunto de imagens percebidas como visualmente semelhantes e a segunda parte processa as anotações associadas a cada uma dessas imagens, a fim de extrair informações comuns, usando uma técnica de fusão de grafos a partir dos grafos de dependência das frases anotadas. Um caminho ideal consistindo numa relação sujeito-verbo-complemento é então extraído desses grafos e transformado numa frase apropriada, pela aplicação de um conjunto de regras de processamento de superfície. A avaliação do sistema foi realizado de três maneiras diferentes. Em primeiro lugar, o subsistema de recuperação de imagens baseado em conteúdo foi avaliado em termos de precisão e abrangência (recall) e comparado com um limiar de referência (baseline) definido com base num resultado aleatório. A fim de avaliar o subsistema de Processamento de Linguagem Natural, a tarefa de sumarização imagem foi considerada como uma tarefa de tradução automática e foi, portanto, avaliada com base na medida BLEU. Dadas as imagens que correspondem ao mesmo significado da imagem de consulta, a saída do sistema foi comparada com o resumo de referência correspondente, fornecido durante a fase de anotação, utilizando a medida BLEU. Por fim, todo o sistema foi avaliado qualitativamente por meio de um questionário. Em conclusão, verificou-se que o sistema, apesar de nem sempre capturar corretamente a ação humana e os sujeitos ou objetos envolvidos, produz, no entanto, descrições compreensíveis e e linguisticamente adequadas. Erasmus Mundus

Traditionally, local shape descriptors or color and texture based descriptors are used to describe the content of images. Although, these solutions achieving good results, they are not able to distinguish scenes that contain objects with the same colors, but with a different spatial organization or do not supports partial matching. In this work we focus on a particular case of the partial matching that is to find individual objects in images that contain various objects. Since the color is one of the most visually distinguishable properties, we propose a new descriptor based only on color able to find pictures of objects that are contained in other images. Although our descriptor has shown better results when compared to related works, this new color descriptor is not able to discriminate objects topologically different but having the same colors. To overcome this problem, we also propose a new approach to the partial matching of images that combine color and topological features on a single descriptor. This new descriptor, first performs a simplification process of the original image, which identifies the color regions that make up the image. Then, we represent the spatial information among the color regions using a topological graph, where vertices represent the color regions and the edges represent the spatial connections between them. To calculate the descriptor from this graph representation, we use the spectral theory of graphs, avoiding the need to make a direct comparison between graphs. To support the partial matching, we propose a decomposition of the main graph into several subgraphs, and also calculate descriptors for these subgraphs. Tradicionalmente, descritores de forma, ou descritores baseados em cor e textura, são utilizados para descrever o conteúdo visual das imagens. Embora essas abordagens apresentem bons resultados, elas não são capazes de diferenciar adequadamente imagens que contêm objetos com as mesmas cores, mas com organização espacial diferente ou não suportam a pesquisa parcial de imagens. Neste trabalho focamos em um caso particular da pesquisa parcial de imagens, que é encontrar objetos em imagens que contenham vários objetos, não deixando de lado a pesquisa total (encontrar imagens similares à original). Dado que a cor é uma das propriedades visuais mais discriminativas, propomos um novo descritor baseado somente em cor capaz de encontrar imagens de objetos que estão contidos em outras imagens. Embora tenha apresentado melhores resultados quando comparado a trabalhos correlatos, esse novo descritor de cor não é capaz de discriminar objetos topologicamente diferentes mas que possuam as mesmas cores. Com o intuito de resolver esse problema, também propomos uma nova abordagem para a recuperação parcial de imagens que combina características topológicas e de cor em um único descritor. Esse novo descritor primeiramente realiza um processo de simplificação da imagem original, onde são identificadas as regiões de cor que compõem a imagem. Após esse processo de simplificação, a organização espacial das regiões de cor previamente identificadas é representada por meio de um grafo topológico, onde os vértices representam as regiões de cor e as arestas representam as conexões entre essas regiões. O descritor topológico é então calculado a partir do grafo de topologia utilizando a teoria espectral de grafos, evitando a necessidade de se realizar uma comparação direta entre grafos. Para suportar a pesquisa parcial de imagens, é realizada uma decomposição do grafo principal em diversos subgrafos. Mestre em Ciência da Computação

Conselho Nacional de Desenvolvimento Científico e Tecnológico The number of images available has grown considerably and, as a consequence there is a growing interest in retrieving images in large databases. For this purpose, the intrinsic image features should be represented in such a way that two images can be perceptually differentiated. In general, the image features analyzed are: color, shape and/or texture. In pattern recognition and related areas, shape is one of the most widely image features exploited in content based image retrieval systems. In this work, we are interested in describing shapes using salience points. Saliences are defined as the points of high curvature along shape contour. These points are very useful for shape description, because they have the ability to represent a shape in a compact manner, invariant to rotation and translation. The main contribution of this work is a new shape descriptor proposed to analyze the similarity between shapes represented by its salience points. This descriptor utilizes three techniques proposed in this work: a salience point detector robust to noise, a salience representation using angular relative position and curvature value, and a distance function to analyze the similarity between two shapes. Experiments were made in order to illustrate the performance of the proposed descriptor while comparing it with other shape-based descriptors in the literature. From the experiments we can note that the proposed descriptor can retrieve images visually similar, requiring low space for storing the extracted features. O número de imagens disponíveis tem aumentado consideravelmente e, como consequência, há um interesse crescente na busca por imagens em grandes bases de dados. Para isso, as características intrínsecas da imagem devem ser representadas de tal maneira que se possa realmente diferenciar perceptualmente duas imagens. Em geral, as características mais analisadas em uma imagem são: cor, forma e/ou textura. Em reconhecimento de padrões e áreas afins, a forma é uma das características mais amplamente utilizada e explorada em sistemas de recuperação de imagens baseado em conteúdo. O interesse deste trabalho é descrever formas usando seus pontos de saliência. Esse pontos são definidos como aqueles que possuem altos valores de curvatura ao longo do contorno da forma e eles são bastante úteis para a caracterização de formas, devido à sua capacidade de representação compacta, invariante a rotação e translação. A principal contribuição desse trabalho é a proposta de um novo descritor que analisa a similaridade de formas via identificação e caracterização dos pontos de saliências. Esse descritor utiliza três abordagens propostas neste trabalho: um detector de pontos de saliência robusto a ruídos, uma proposta de representação das saliência através de sua posição relativa angular e seu valor de curvatura, e uma medida para analisar a similaridade entre formas. Experimentos foram realizados a fim de ilustrar o desempenho do descritor proposto quando comparado com outros descritores de formas encontrados na literatura. A partir dos experimentos observa-se que o descritor proposto consegue recuperar imagens visualmente semelhantes, além de exigir pouco espaço para armazenamento das características extraídas. Mestre em Ciência da Computação

The similarity classification and retrieval based on shape descriptors are processes of great importance in pattern recognition and content-based shape retrieval tasks. The development of efficient shape descriptors is still a challenge. This work focuses on the development of new extractors to characterize shapes in 2D and 3D space using Hilbert space-filling curves and discrete wavelet transform decomposition. Several experiments are conducted using 2D and 3D silhouettes databases. The descriptors proposed are invariant under translation transformations and some experiments to assess the robustness on scale and rotation transformations and on occlusion, articulation and deformation effects were performed and obtained excellent results. A classificação e recuperação por similaridade baseadas em descritores de formas são processos de grande importância em tarefas de reconhecimento de padrões e recuperação de formas baseada em conteúdo. O desenvolvimento de descritores eficientes para caracterizar a forma ainda é um desafio. Este trabalho se concentra no desenvolvimento de novos extratores para caracterizar formas no espaço 2D e 3D usando curvas de preenchimento de espaço de Hilbert e decomposição da transformada discreta de wavelet. Diversos experimentos são realizados utilizando bases de dados de silhuetas 2D e 3D. Os descritores propostos são invariantes a transformações de translação e alguns experimentos para avaliar a robustez quanto a rotação, a escala, a oclusões, a articulações e a deformações foram realizados e obtiveram excelentes resultados. Mestre em Ciência da Computação

OBJETIVO: Utilizar o poder de processamento da tecnologia de grades computacionais para viabilizar a utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo. MATERIAIS E MÉTODOS: A técnica de recuperação de imagens baseada em conteúdo é composta de duas etapas seqüenciais: análise de textura e algoritmo de medida de similaridade. Estas são aplicadas em imagens de joelho e cabeça, nas quais se avaliaram a eficiência em recuperar imagens do mesmo plano e a seqüência de aquisição em um banco de 2.400 imagens médicas para testar a capacidade de recuperação de imagens baseada em conteúdo. A análise de textura foi utilizada inicialmente para pré-selecionar as 1.000 imagens mais semelhantes a uma imagem de referência escolhida por um clínico. Essas 1.000 imagens foram processadas utilizando-se o algoritmo de medida de similaridade na grade computacional. RESULTADOS: A precisão encontrada na classificação por análise de textura foi de 0,54 para imagens sagitais de joelho e de 0,40 para imagens axiais de cabeça. A análise de textura foi útil como filtragem, pré-selecionando imagens a serem avaliadas pelo algoritmo de medida de similaridade. A recuperação de imagens baseada em conteúdo utilizando o algoritmo de medida de similaridade aplicado nas imagens pré-selecionadas por análise de textura resultou em precisão de 0,95 para as imagens sagitais de joelho e de 0,92 para as imagens axiais de cabeça. O alto custo computacional do algoritmo de medida de similaridade foi amortizado pela grade computacional. CONCLUSÃO: A utilização da abordagem mista das técnicas de análise de textura e algoritmo de medida de similaridade no processo de recuperação de imagens baseada em conteúdo resultou em eficiência acima de 90%. A grade computacional é indispensável para utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo, que de outra forma seria limitado a supercomputadores. OBJECTIVE: To utilize the grid computing technology to enable the utilization of a similarity measurement algorithm for content-based medical image retrieval. MATERIALS AND METHODS: The content-based images retrieval technique is comprised of two sequential steps: texture analysis and similarity measurement algorithm. These steps have been adopted for head and knee images for evaluation of accuracy in the retrieval of images of a single plane and acquisition sequence in a databank with 2,400 medical images. Initially, texture analysis was utilized as a preselection resource to obtain a set of the 1,000 most similar images as compared with a reference image selected by a clinician. Then, these 1,000 images were processed utilizing a similarity measurement algorithm on a computational grid. RESULTS: The texture analysis has demonstrated low accuracy for sagittal knee images (0.54) and axial head images (0.40). Nevertheless, this technique has shown effectiveness as a filter, pre-selecting images to be evaluated by the similarity measurement algorithm. Content-based images retrieval with similarity measurement algorithm applied on these pre-selected images has demonstrated satisfactory accuracy - 0.95 for sagittal knee images, and 0.92 for axial head images. The high computational cost of the similarity measurement algorithm was balanced by the utilization of grid computing. CONCLUSION: The approach combining texture analysis and similarity measurement algorithm for content-based images retrieval resulted in an accuracy of > 90%. Grid computing has shown to be essential for the utilization of similarity measurement algorithm in the content-based images retrieval that otherwise would be limited to supercomputers.