Neste trabalho de doutorado, propomos a utilização de classificadores e técnicas de aprendizado de máquina para extrair informações relevantes de um conjunto de dados (e.g., imagens) para solução de alguns problemas em Processamento de Imagens e Visão Computacional.Os problemas de nosso interesse são: categorização de imagens em duas ou mais classes, detecção de mensagens escondidas, distinção entre imagens digitalmente adulteradas e imagens naturais, autenticação, multi-classificação, entre outros.Inicialmente, apresentamos uma revisão comparativa e crítica do estado da arte em análise forense de imagens e detecção de mensagens escondidas em imagens. Nosso objetivo é mostrar as potencialidades das técnicas existentes e, mais importante, apontar suas limitações. Com esse estudo, mostramos que boa parte dos problemas nessa área apontam para dois pontos em comum: a seleção de características e as técnicas de aprendizado a serem utilizadas. Nesse estudo, também discutimos questões legais associadas à análise forense de imagens como, por exemplo, o uso de fotografias digitais por criminosos.Em seguida, introduzimos uma técnica para análise forense de imagens testada no contexto de detecção de mensagens escondidas e de classificação geral de imagens em categorias como indoors, outdoors, geradas em computador e obras de arte.Ao estudarmos esse problema de multi-classificação, surgem algumas questões: como resolver um problema multi-classe de modo a poder combinar, por exemplo, características de classificação de imagens baseadas em cor, textura, forma e silhueta, sem nos preocuparmos demasiadamente em como normalizar o vetor-comum de características gerado? Como utilizar diversos classificadores diferentes, cada um, especializado e melhor configurado para um conjunto de características ou classes em confusão? Nesse sentido, apresentamos, uma técnica para fusão de classificadores e características no cenário multi-classe através da combinação de classificadores binários. Nós validamos nossa abordagem numa aplicação real para classificação automática de frutas e legumes.Finalmente, nos deparamos com mais um problema interessante: como tornar a utilização de poderosos classificadores binários no contexto multi-classe mais eficiente e eficaz? Assim, introduzimos uma técnica para combinação de classificadores binários (chamados classificadores base) para a resolução de problemas no contexto geral de multi-classificação. vii