Imagens multiespectrais são utilizadas em diferentes aplicações, que vão desde sensoriamento remoto a processos médicos. No caso de imagens multiespectrais oriundas de microscopia confocal de varredura à laser (Confocal Laser Scanning Microscopy-CLSM), a extração da informação se inicia pela conversão das assinaturas espectrais, em uma imagem RGB. Esta imagem é a referência para a seleção da região de interesse, da qual se obtém a assinatura espectral média, originada do arquivo multiespectral (LSM). Mesmo utilizando um padrão muito bem estabelecido de conversão, alguns pontos devem ser considerados: i) o processo de conversão reduz a informação, a uma ordem de 10^-145%; ii) a cor é uma experiência sensorial, subjetiva e pessoal, interferindo na seleção da região de interesse e; iii) a assinatura é obtida pela média espectral, da região de interesse, selecionada manualmente.Assim, esta tese de doutorado propõem um método de mapeamento e visualização das informações de imagens multiespectrais, combinando um algoritmo de agrupamento não supervisionado(kmeans) e um algoritmo que define uma paleta de cores coerentes com a informação espectral das regiões mapeadas. Aplicou-se o método em três casos de estudos de tecidos vegetais: i) no pré-tratamento de paredes celulares da cana-de-açúcar; ii) na plasticidade foliar do Jacaranda caroba e; iii) no uso de assinaturas espectrais na classificação de plantas do Cerrado. Os resultados demonstraram que o método é bastante robusto, permitindo de forma inovadora a: visualização, análise e comparação de imagens multiespectrais qualitativa e quantitativamente, e que seu uso é viável em qualquer área de pesquisa que utilize imagens multiespectrais.

Multispectral images are used in different applications, ranging from remote sensing images to medical images. In the case of multispectral images derived from confocal laser scanning microscopy (CLSM), the extraction of information begins with the conversion of spectral signatures in an RGB image. This is the reference for selecting the region of interest, from which it gets the average spectral signature, originated from multispectral file (LSM). Even using a very well established pattern of conversion, some points should be considered: i) the conversion process reduces the information on the order of 10^-145%; ii) the color is a sensory experience, subjective and personal, interfering in the selection of the interest region and; the signature is obtained by the spectral average, from interest region which is selected manually. Thus, this doctoral thesis proposes a method of mapping and visualization of multispectral imaging information, combining an unsupervised clustering algorithm (kmeans) and an algorithm that defines a consistent color palette with the spectral information of mapped regions. The proposed method was applied in three cases plant tissue studies: i) in the pre-treating the cell walls of sugarcane; ii) in the leaf plasticity of Jacaranda caroba; iii) in the use of spectral signatures in the Cerrado plant classification. The results showed that the proposed method is quite robust. It presents innovation to the visualization and analysis of multispectral images and makes possible a qualitative and quantitative comparison of a group of multispectral images. Besides that, its use is feasible in any area of research, which are using multispectral images.