In the recent years we have witnessed great interest in content-based image retrieval with emphasis in the development of visual feature extractors and similarity measures. In this paper we propose a novel approach to represent the visual feature space, taking into account the uncertainty presents in the extraction feature process. The idea is to re- present each dimension of the feature space by a fuzzy set, according to the fuzzy partition associated to this dimension. Because the fuzzy representation is strongly dependent of the fuzzy partition, we also propose a novel automatic unsupervised method to obtain the fuzzy partition for each dimension of the feature space based on Fuzzy C-Means clustering. We tested the fuzzy representation, constructed from di erent fuzzy partitions, using synthetic data sets and real data sets. The evaluation of the tests indicated that the fuzzy representation constructed from the proposed fuzzy partition provides excellent results. Finally, di erent similarity measures were applied to the proposed fuzzy representation, indicating that the results are not strongly sensitive to the choice of the similarity measure.Dissertação (Mestrado)Nos últimos anos temos visto um grande interesse na recuperação de imagens baseados em conteúdo, com ênfase no desenvolvimento de extratores de características visuais e medidas de similaridade. Neste trabalho, propomos uma nova abordagem para representar o espaço visual de características, levando em conta as incertezas presentes no processo de extração de carac- terística. A idéia é representar cada dimensão do espaço característica por um conjunto difuso, de acordo com a partição difusa associada a essa dimensão. Devido à represen- tação difusa ser fortemente dependente da partição difusa, propomos também um novo método automático e não supervisionado para obter a partição difusa para cada dimensão do espaço característica com base na técnica de agrupamento Fuzzy C-Means. Nós testamos a representação difusa, construída a partir de diferentes partições di- fusas, usando base de dados sintéticas e base de dados reais. A avaliação dos testes indicaram que a representação difusa gerada a partir da partição difusa proposta fornece excelentes resultados. Finalmente, diferentes medidas de similaridades foram aplicadas à representação difusa proposta, indicando que os resultados não são fortemente sensíveis à escolha da medida de similaridade.