Mapping typologies through digital processing

Abstract

[EN] In the present project thermography techniques are used in order to detect moistures and faults in the walls of silos of Burjassot. In addition, this document combines the information of visible spectral images with thermal photographs to improve the results obtained in the project. To detect the faults and moistures in the silos of Burjassot classification by pixel processes are used. Furthermore, this research brings a program of classification adapted to the conditions of the silos. The project zone is located in the city of Burjassot in the courtyard of the silos near to the city hall of Burjassot. Burjassot has his metropolitan area adjacent to the city of Valencia. The information used in this project to realize the classification processes are images basically, corresponding to the visible spectral band and thermographic band of the electromagnetic spectrum. The classification processes used in this work analyze the digital levels of each pixel of the image and classify each pixel in a defined class previously. To define the classes of classification is needed to study the surface elements of the silo and the spectral response of each material found in the silos. The elements that have similar spectral properties are grouped in the same defined class. The classification process is based on pixel and this classification process needs classification algorithms to group the pixels in a determinate class. The classification algorithms used in this project are maximum likelihood and k nearest neighbors. Both algorithms are supervised but another unsupervised classification algorithm named k-means is implemented in the created software in this project to give more options to the user although this algorithm is not used in the final results. The project compares the obtained results of the maximum likelihood algorithm with the k nearest neighbors algorithms and try to improve the k nearest algorithm modifying the source code of the algorithm in order to obtain better results. The classification algorithms are implemented in a program made by the author in Pyhton language in order to be used by the users easily. The program has a lot of useful tools in the field of remote sensing and photogrammetry as extraction of digital levels or measurements of temperature referred to thermal images. This program is specially adapted to the silos but can be used to another works if the users respect the limitations. The obtained results of the realized classification were satisfactory reaching values of success of 91.53% in the maximum likelihood classification and 86.11% in the k nearest neighbor algorithm.

[ES] En el presente proyecto se utilizan imágenes termográficas con el fin de identificar daños y humedades en el interior de los silos de Burjassot. También se pretende demostrar la importancia de utilizar combinaciones de imágenes termográficas y del espectro visible para mejorar los resultados al detectar posibles daños. Para detectar los daños en los silos se ha optado por utilizar técnicas de clasificación de imágenes por pixel. Además este trabajo pretende ofrecer un producto final en forma de software de clasificación de imágenes para ser usado por el usuario. La zona donde se ha realizado el proyecto corresponde al interior del patio de los silos de Burjassot que está situado al lado del ayuntamiento de la ciudad. La ciudad de Burjassot es colindante a la ciudad de Valencia. Los datos utilizados en este proyecto corresponden a imágenes tomadas en los silos tanto térmicas como imágenes correspondientes al espectro visible. Los procesos de clasificación realizados en el presente proyecto toman los valores digitales de los píxeles de las imágenes y clasifican cada pixel en función de los valores obtenidos de sus niveles digitales en las clases que se hayan definido previamente. Para definir las clases de clasificación del proyecto primeramente se debe realizar un estudio sobre los elementos que se encuentren en los silos y analizar las respuestas espectrales de estos elementos para agruparlos en las clases de clasificación correspondientes. Los procesos de clasificación que se utilizan en este documento están basados en píxel, es decir, la unidad mínima de clasificación es el píxel. Las clasificaciones por pixeles se apoyan en algoritmos de clasificación, los algoritmos usados en este proyecto corresponden al algoritmo de máxima verosimilitud (maximum likelihood) y el k vecinos más cercanos (k nearest neighbors). Ambos algoritmos mencionados anteriormente corresponden a algoritmos supervisados, sin embargo, en este proyecto se ha decidido implementar un algoritmo no supervisado con el fin de completar aún más el trabajo aunque este algoritmo no supervisado no se emplea a la hora de realizar la fase de resultados. El algoritmo no supervisado añadido a este proyecto es el algoritmo de las k-medias (k-means). Uno de los objetivos del proyecto es comparar el algoritmo de máxima verosimilitud con el algoritmo de los k vecinos más cercanos y tratar de mejorar el segundo algoritmo mencionado adaptándolo a las condiciones de los silos y obtener mejores o similares resultados al algoritmo de máxima verisimilitud. La modificación del algoritmo se realiza a través de código programado. Anexo a este proyecto se pretende crear un producto en forma de software donde se implementarán los algoritmos de clasificación programados para ser usados de forma sencilla por los usuarios. El lenguaje de programación utilizado en el programa es Python, dicho programa contendrá importantes herramientas en el ámbito de la teledetección y la fotogrametría para trabajar con imágenes, tales como extracción de niveles digitales o medición de temperaturas en imágenes térmicas. El programa ha sido ideado para trabajar en el ámbito de los silos de Burjassot, pero puede ser usado para otros fines siempre y cuando se respeten las limitaciones que conlleva emplearlo para fines distintos al mencionado. Finalmente los resultados obtenidos han sido satisfactorios obteniendo fiabilidades finales del 91.53% en las clasificaciones realizadas con el algoritmo de clasificación de máxima verosimilitud y fiabilidades de 86.11% en el algoritmo de k vecinos más cercanos.

[CA] En el present projecte s'utilitzen imatges termográfiques a fi d'identificar danys i humitats a l'interior dels sitges de Burjassot. També es pretén demostrar la importància d'utilitzar combinacions d'imatges termográfiques i de l'espectre visible per a millorar els resultats al detectar possibles danys. Per a detectar els danys en les sitges s'ha optat per utilitzar tècniques de classificació d'imatges per píxel. A més este treball pretén oferir un producte final en forma de software de classificació d'imatges per a ser usat per l'usuari. La zona on s'ha realitzat el projecte correspon a l'interior del pati dels sitges de Burjassot que està situat al costat de l'ajuntament de la ciutat. La ciutat de Burjassot és limítrof a la ciutat de València. Les dades utilitzades en aquest projecte corresponen a imatges preses en els sitges tant tèrmiques com imatges corresponents a l'espectre visible. Els processos de classificació realitzats en el present projecte prenen els valors digitals dels píxels de les imatges i classifiquen cada píxel en funció dels valors obtinguts dels seus nivells digitals en les classes que s'hagen definit prèviament. Per a definir les classes de classificació del projecte primerament s'ha de realitzar un estudi sobre els elements que es troben en les sitges i analitzar les respostes espectrals d'estos elements per a agruparlos en les classes de classificació corresponents. Els processos de classificació que s'utilitzen en aquest document estan basats en píxel, és a dir, la unitat mínima de classificació és el píxel. Les classificacions per píxels es recolzen en algoritmes de classificació, els algoritmes usats en aquest projecte corresponen a l'algoritme de màxima versemblança (maximum likelihood) i el k veïns més pròxims (k nearest neighbors) . Ambdós algoritmes mencionats anteriorment corresponen a algoritmes supervisats, no obstant això, en este projecte s'ha decidit implementar un algoritme no supervisat a fi de completar encara més el treball encara que este algoritme no supervisat no s'empra a l'hora de realitzar la fase de resultats. L'algoritme no supervisat afegit a este projecte és l'algoritme de les k-mitges (k-means). Un dels objectius del projecte és comparar l'algoritme de màxima versemblança amb l'algoritme dels k veïns més pròxims i tractar de millorar el segon algoritme mencionat adaptant-ho a les condicions dels sitges i obtindre millors o semblants resultats a l'algoritme de màxima versemblança. La modificació de l'algoritme es realitza a través de codi programat. Annex a este projecte es pretén crear un producte en forma de software on s'implementaran els algoritmes de classificació programats per a ser usats de forma senzilla pels usuaris. El llenguatge de programació utilitzat en el programa és Python, el dit programa contindrà importants ferramentes en l'àmbit de la teledetecció i la fotogrametria per a treballar amb imatges, com ara extracció de nivells digital o mesurament de temperatures en imatges tèrmiques. El programa ha sigut ideat per a treballar en l'àmbit de les sitges de Burjassot, però pot ser usat per a altres fins sempre que es respecten les limitacions que comporta emprar-ho per a fins diferents del mencionat. Finalment els resultats obtinguts han sigut satisfactoris obtenint fiabilitats finals del 91.53% en les classificacions realitzades amb l'algoritme de classificació de màxima versemblança i fiabilitats de 86.11% en l'algoritme de k veïns més pròxims.