Las escalas espaciales (desde centenares de metros hasta kilómetros) y temporales (horas, días) que caracterizan la dinámica del litoral, hacen que las técnicas de medida clásicas sean limitadas y muy costosas, para estudiar el comportamiento de estos sistemas costeros. La incorporación de las técnicas de medida mediante imágenes de vídeo (denominado comúnmente videometria costera), permiten hoy en día describir procesos físicos sobre un amplio rango de escalas espaciales y temporales algo impensable hasta hace muy poco tiempo.

Un sistema de videometría costera consiste en cámaras instaladas en la costa que permiten la captación de imágenes y su referenciación espacial. Los productos derivados del tratamiento de las imágenes obtenidas de este sistema dan información directa muy interesante para las distintas actividades que se desarrollan en la zona y que dependen del oleaje, corrientes y marea (condiciones hidrodinámicas) tanto como de la configuración de la playa, dunas, canales y barras (elementos sedimentarios).Pero intentando ir un paso más allá, tomando como base esta herramienta, en los últimos años se ha realizado un importante avance en la capacidad de realizar una previsión fiable de las condiciones del mar en las playas en base a estas imágenes.

En los temporales de mar que tienen impacto en costa, conocer las características del oleaje es un factor determinante. En particular el sistema actualmente operativo en la DAEM/Euskalmet para la determinación del riesgo por impacto en litoral se basa en la determinación de los denominados índices de rebase.

Conocer con antelación estos índices es clave para anticiparse a un potencial impacto que un evento adverso puede generar en la costa vasca y el grado potencial de inundabilidad que puede generar en las zonas sensibles a estas situaciones. Hoy en día, mediante herramientas de predicción meteorológicas y oceanográficas se estima el valor de los futuros impactos costeros. Pero su seguimiento no es en tiempo real.

Además, para su validación posterior la DAEM dispone de información que provienen de boyas, plataformas océano-meteorológicas, así como más recientemente de sistemas de videometría costera. Entre los productos habituales de los sistemas de videometría se encuentran las imágenes denominadas timestack, resultado de la acumulación sucesiva de los pixeles en una línea predefinida durante un intervalo de tiempo y con una frecuencia también definida. Se muestra a continuación una imagen ejemplo.

Imagen 1: Imagen timestack ejemplo generada en la playa y paseo de Zarautz.

El análisis de estas imágenes permite entre otras aplicaciones el seguimiento de los procesos de ascenso y descenso del oleaje sobre el talud de la costa, lo que se denomina run up (elevación del nivel del mar por efectos del oleaje).

El proyecto POCTEFA MAREA “Modelización y Ayuda a la toma de decisión frente a los Riesgos costeros en el espacio Euskal Atlántico” que tiene entre otros objetivos poner en marcha y compartir sistemas de observación y de seguimiento en tiempo real del litoral (sistemas vídeo, estaciones océano-meteorológicas, correntímetros, sensores de niveles extremos de lámina de agua…), con el fin de estudiar los procesos claves para las problemáticas asociadas en nuestra costa a temporales con oleajes extremos en un contexto de cambio climático y subida del nivel del mar (rebase del oleaje, agitación portuaria, daños en infraestructura, erosión de playas).

En este proyecto en el que la DAEM y AZTI son socios se han elegido Zarautz y Biarritz como zonas piloto para el desarrollo de herramientas que mejoren el conocimiento y el seguimiento de los de los procesos de inundación y erosión asociados al oleaje. En concreto la base de datos de la estación de videometría de Zarautz instalada en 2010 en el marco de un convenio de colaboración entre AZTI y el Ayuntamiento de Zarautz se define como herramienta clave para dicho fin. EN paralelo y durante el desarrollo del proyecto MAREA se ha instalado una nueva estación de videometría en la playa de Biarritz.

El grupo de Computer Vision de Tecnalia Research & Innovation es experto en la mejora y pre-procesado de imagen, así como en su interpretación automática mediante técnicas de aprendizaje automático. En el marco del proyecto POCTEFA MAREA, el grupo de Computer Vision de Tecnalia ha contribuido al desarrollo de algoritmia que permita en tiempo real y de forma automática mediante el procesamiento de imágenes timestack dar información sobre la caracterización de los procesos asociados al oleaje.

Descripción del problema

El sistema de videometría costera (KostaSystem) desarrollado por AZTI y utilizado por la DAEM está formado por varias cámaras fijas que cubren diferentes entornos costeros (playa y puertos). La información que se obtienen de dichas cámaras se procesa obteniendo lo que se denominan imágenes timestack, que se obtienen de la composición obtenida a partir de la acumulación sucesiva de pixeles situados en una línea predefinida durante un intervalo y una frecuencia dada.

Imagen 2: Transecto en Zarautz

El objetivo de la colaboración del grupo de Computer visión Tecnalia con el DAEM en el marco del proyecto POCTEFA MAREA, ha sido el estudio e implementación de una aplicación SW que permita en tiempo real y de forma automática mediante el procesamiento de las imágenes timestack dar información sobre la caracterización de los procesos asociados al oleaje.

El objetivo último es aportar conocimiento en lo referente a técnicas de análisis de imagen para aislar diferentes señales relativas a variaciones del nivel del mar a partir de las imágenes tipo timestack.

Como objetivos específicos:

  • Desarrollar e implementar un algoritmo para determinar el run-up a partir de las imágenes timestack, realizando el seguimiento de los procesos de ascenso y descenso del oleaje sobre el talud de la costa.

  • Desarrollar e implementar un algoritmo para el conteo del número de rebases a partir de las imágenes timestack.

Para ello, se emplearon las imágenes timestack de las estacines de videometría de Zarautz y de Biarritz.

Run-ups

Para el desarrollo del algoritmo de run-ups se partió de un dataset de 35 imágenes timestack con variabilidad suficiente de las playas de Zarautz y Biarritz. Esas imágenes anotadas fueron el Groundtruth para la posterior validación de los algoritmos seleccionados.

Imagen 3: Grountruth Imagen run-up

Se seleccionaron, implementaron y validaron dos algoritmos Almar y Otsu con el objetivo de testear cuál de ellos daba mejores resultados con las 35 imágenes del dataset. Ambos métodos están programados en Matlab. Tecnalia implemento el método Almar y AZTI el método Otsu.

Almar, Rafael & Blenkinsopp, Chris & Almeida, Luis Pedro & Cienfuegos, Rodrigo & Catalán, Patricio. (2017). Wave runup video motion detection using the Radon Transform. Coastal Engineering. 130. 46-51. 10.1016/j.coastaleng.2017.09.015. Nobuyuki Otsu (1979). "A threshold selection method from gray-level histograms". IEEE Trans. Sys., Man., Cyber. 9 (1): 62–66. DOI:10.1109/TSMC.1979.4310076.

El método de Otsu (1979) es una técnica aceptada ya que arroja buenos resultados sobre todo en playas con pendiente. Sin embargo, esos resultados ya no son tan fiables en otro tipo de playas, por ejemplo, las disipativas. En este caso el método Almar et al. 2017 basado en la transformada de Radon, más aceptado por la comunidad científica.

El método Almar tiene tres parámetros de entrada: (imagen, max, min) y requiere fijar la variable denominada “smoothing length” (número de pixeles en el eje tiempo que utiliza el método). En el caso de tamaño del píxel, los resultados eran óptimos con un valor de 3. El máximo y mínimo hay que definirlos de forma manual para cada imagen. Por lo tanto, automatizar la búsqueda de esos valores es fundamental para poder aplicar de forma automática este método.

Imagen 4: Resultado algoritmo run up Almar y Otsu Imagen 4: Resultado algoritmo run up Almar y Otsu

Rebases

En el algoritmo de rebases, Tras un análisis previo de las imágenes se decide clasificar los mismos en función de su extensión o nivel de afección en dos tipos:  parciales y totales. Se ha comprobado que en el paseo de Zarautz durante los eventos de inundación existen rebases que, aunque producen una inundación del paseo no tienen la suficiente intensidad para llegar a cubrir, toda la anchura de este (del orden de los 15-20 m). Sin embargo, los rebases más energéticos si llegan a cubrir todo el paseo golpeando con fuerza en las estructuras y edificaciones que bordean el mismo.

Será el propio usuario el que de forma manual definirá la posición de dos barreras virtuales en la imagen timestack a analizar (ver Figura 4): barrera naranja y barrera azul. En caso de que un rebase supere la barrera naranja, será rebase total, y si el rebase supera la barrera azul pero no la naranja rebase parcial.

Imagen 5: Barreras virtuales definidas por el usuario para cálculo de rebases.

El algoritmo que se ha desarrollado se basa en la detección de los puntos donde la intensidad cambia y es independiente de la hora (día, noche) o de artefactos como brillos, etc. Como primer paso, se transforma la imagen de RGB a LAB y se procesa únicamente el canal L de forma que lo que se analiza finalmente es la intensidad de la imagen.

El algoritmo no permite tener un rebase completo y parcial en el mismo píxel, es decir, al mismo tiempo y en caso de que el algoritmo cuente más rebases completos que parciales aplica una corrección de manera que busca un rebase parcial próximo que pueda corresponder a ese rebase completo. En caso de no encontrarlo se elimina.

La salida del algoritmo será:

  • Número de rebases parciales y el tiempo.
  • Número de rebases completos y el tiempo
  • Velocidad rebases completos, en unidades [v] = pixel x / pixel y
  • Gráfico de la posición de los rebases y gráficas de la luminosidad en las dos líneas de pixel.
Imagen 6: Gráficas de salida del programa de detección de run-up.Imagen 6: Gráficas de salida del programa de detección de run-up.

Para la validación del algoritmo de rebases, se han considerado 48 imágenes con variabilidad suficiente (imágenes de día, imágenes de noche, imágenes con muchos rebases e imágenes con pocos rebases).

Conclusiones

Algoritmo Run-up

Se comprobó que ninguno de los métodos (Almar o Otsu) funciona de forma satisfactoria para todo el conjunto de imágenes analizados (considerando los distintos tipos de playa, oleaje e iluminación). Aunque en términos absolutos el método Otsu con una configuración de parámetros es la que arroja mejores resultados, la implementación más adecuada es la combinación de ambos métodos, de forma que la entrada de los parámetros de entrada del método Almar se haga con los resultados del método Otsu.

Estos resultados pueden mejorar en el futuro incorporando a la información de cada imagen metadatos como la localización estimada de la zona de ascenso-descenso sobre el perfil de playa y su amplitud en base a el nivel de la marea y la intensidad del oleaje previstos.

Algoritmo Rebases

El algoritmo demuestra ser una herramienta capaz de funcionar de forma adecuada en las diferentes condiciones de luz (noche/día, nubes/sol, etc) y tipología de rebase existentes en la base de datos de la estación de Zarautz.

De las 48 imágenes del dataset, el 60% de las imágenes han sido bien procesadas, ya que el conteo realizado con el algoritmo respecto al groundtruth solo se diferencia como máximo en 1 rebase. Un 35% de las imágenes ha tenido una diferencia máxima de 5 rebases con respecto al groundtruth y solamente en un 5% de las imágenes, la diferencia máxima respecto al groundtruth es de 10 rebases.

En lo que a las imágenes analizadas óptimamente se refiere (60%), en su mayoría son imágenes con pocos rebases, pero cabe destacar que la herramienta en ningún caso ha generado falsos positivos en el caso de imágenes con 0 rebases. Esto es muy conveniente, ya que en la práctica no caben esperar falsas alertas.

El 35% de las imágenes, donde la diferencia del algoritmo respecto al groundtruth no ha superado los 5 rebases, la diferencia se ha producido generalmente en los rebases parciales, pero la mayoría de ellos ha registrado correctamente los rebases completos. Estas imágenes tenían entre 10 y 20 rebases parciales.

Por último, en el caso de las imágenes (5%) con una diferencia máxima de 10 rebases en los dos conteos, cabe destacar que son imágenes timestack donde hoy muchos rebases, un mínimo de 25 rebases parciales. Son situaciones en las que el sistema cuenta menos rebases de los producidos, debido a la dificultad de diferenciar rebases muy próximos en el tiempo.