El uso de cámaras de video para obtener información de la zona costera se ha extendido en los últimos años, debido al alcance espacial y temporal y el bajo costo del equipo. Con esto se han desarrollado técnicas para realizar mediciones en las imágenes. Estas requieren supervisión, lo que limita el número de imágenes que pueden ser analizadas. En este trabajo se desarrolló una metodología para clasificar imágenes digitales según las características morfodinámicas observadas y reducir el conjunto de imágenes a unos prototipos representativos de todo el conjunto. Esta clasificación se realiza por medio de mapas auto-organizativos. Los mapas auto organizativos son redes neuronales competitivas no supervisadas diseñadas para trabajar en espacios multidimensionales. La metodología desarrollada se aplico en dos playas; la primera, macromareal, se estudio la evolución morfodinámica según el modelo de Wright y Short 1984. En la segunda, micromareal, se estudio, la evolución de la línea de costa.

The use of video cameras to study the coastal zone has been developed in the last years, due to the spatial and temporal possibilities. A large number of techniques to obtain measurements of images were developed too. Most of these techniques require the human supervision, this limit the number of images to be analyzed. In this Thesis, a methodology to classify digital images based on the morphodynamic and reduce the number of images to a few prototypes is proposed. The classification is done by means of Sel-Organizative Maps (SOMs). The SOMs are a competitive and unsupervised neural networks, specifically designed to deal with high dimensional data The methodology proposed was applied to two beaches. In the first one, macrotidal, the morphodynamic evolution was studied using the Wright and Short Model 1984. In the last one, a microtidal beach, the coastline evolution was studied.