Supervised classification processes for the characterization of heritage elements, case study: Cuenca-Ecuador
Loading...
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
ISPRS
Abstract
The proper control of built heritage entails many challenges related to the complexity of heritage elements and the extent of the area to be managed, for which the available resources must be efficiently used. In this scenario, the preventive conservation approach, based on the concept that prevent is better than cure, emerges as a strategy to avoid the progressive and imminent loss of monuments and heritage sites. Regular monitoring appears as a key tool to identify timely changes in heritage assets. This research demonstrates that the supervised learning model (Support Vector Machines - SVM) is an ideal tool that supports the monitoring process detecting visible elements in aerial images such as roofs structures, vegetation and pavements. The linear, gaussian and polynomial kernel functions were tested; the lineal function provided better results over the other functions. It is important to mention that due to the high level of segmentation generated by the classification procedure, it was necessary to apply a generalization process through opening a mathematical morphological operation, which simplified the over classification for the monitored elements.
Resumen
El control adecuado del patrimonio construido conlleva muchos desafíos relacionados con la complejidad de los elementos del patrimonio y la extensión del área a ser administrada, para lo cual los recursos disponibles deben ser utilizados eficientemente. En este escenario, el enfoque de conservación preventiva, basado en el concepto de prevenir es mejor que curar, surge como una estrategia para evitar la pérdida progresiva e inminente de monumentos y sitios patrimoniales. El monitoreo regular aparece como una herramienta clave para identificar cambios oportunos en los activos del patrimonio. Esta investigación demuestra que el modelo de aprendizaje supervisado (Support Vector Machines - SVM) es una herramienta ideal que respalda el proceso de monitoreo que detecta elementos visibles en imágenes aéreas como estructuras de techos, vegetación y pavimentos. Se probaron las funciones de núcleo lineales, gausianas y polinómicas; la función lineal proporcionó mejores resultados sobre las otras funciones. Es importante mencionar que debido al alto nivel de segmentación generado por el procedimiento de clasificación, fue necesario aplicar un proceso de generalización mediante la apertura de una operación morfológica matemática, que simplificó la clasificación excesiva para los elementos monitoreados.
Keywords
Roof structures