dc.description.abstract | Resumo: A progressiva escassez dos recursos naturais tem conduzido a um uso cada vez mais racional destes materiais, independente de sua origem e aplicação. Dentre tais recursos, a madeira e sua exploração têm despertado grande interesse, principalmente por ser, muitas vezes, extraída de florestas nativas e da anuência que estas têm sobre o planeta. Além disso, as transações comerciais de madeira envolvem grandes montantes e são suscetíveis a fraudes. Estes logros decorrem da entrega de madeira extraída de espécies com menor valor comercial do que o acordado entre as partes e tentativas de exploração de espécies em iminente extinção. Garantir a autenticidade de madeiras constitui uma necessidade tanto de seus compradores quanto das agencias fiscalizadoras. Fatores como o elevado numero de espécies, a falta de pressionais capacitados, o exaustivo processo de reconhecimento e a perda de características naturais (folhas, casca e cor) tornam ainda mais difícil garantir a autenticidade das madeiras. Inserido neste contexto, este trabalho focou a construção de um sistema robusto para a classificação de espécies florestais utilizando as características texturais presentes nas imagens microscópicas de madeira, a representação no espaço de dissimilaridade e os sistemas compostos por múltiplos classificadores. Para isso, explorou-se diferentes alternativas para representar as características texturais. Para permitir a aplicação dos modelos de classificação a espécies não consideradas durante seu treinamento, buscou-se definir os melhores valores para os parâmetros inerentes ao processo de construção dos classificadores no espaço de dissimilaridade. Buscando ainda melhorar o desempenho do sistema, também foram propostos e avaliados métodos para seleção e/ou combinação de classificadores, além da avaliação das taxas de reconhecimento em diferentes níveis da Botânica, visto que nem sempre é preciso chegar à classificação em nível de espécie. Testados em uma base de imagens construída para o desenvolvimento deste trabalho, as estratégias e os métodos de seleção dinâmica de classificadores propostos demonstraram sua efetividade e superioridade com relação tanto aos classificadores individualmente quanto aos demais métodos testados. | pt_BR |