Análisis de Imagen y Estereología aplicadas al conteo de partículas

Abstract

RESUMEN: El problema de dimensionar poblaciones de gran tamaño es muy recurrente en muchos ámbitos científicos, sociales o biológicos. En la actualidad, nos encontramos con varios métodos muy extendidos tales como el conteo manual exhaustivo, el método de densidad o la visión automatizada por computadora. Todos ellos conllevan limitaciones importantes en cuanto a precisión y/o tiempo de ejecución. En este trabajo, nos centraremos en el problema de estimar una población de partículas (personas, aves, árboles, etc.) a partir de imágenes aéreas fijas. El método CountEm, nos permite hacerlo con errores bajos y predecibles de manera insesgada independientemente del tamaño de la población. Sin embargo la varianza muestral puede variar dependiendo de la distribución espacial de la población. Vamos a simular patrones de partículas con diferentes distribuciones espaciales y con la ayuda del método de Mone Carlo, analizaremos los coeficientes de error empírico para cada una de ellas. Teniendo en cuenta los resultados obtenidos, proponemos adaptar el protocolo de elección de los parámetros iniciales del estimador de CountEm.

ABSTRACT: Population size estimation is relevant to biological and social sciences. Current methods include exhaustive manual counting, computer vision, or the density method. Unfortunately, all of them have important limitations in precision and/or counting time. Here we address population size estimation with the CountEm method on fixed images. The CountEm method allows unbiased population size estimation with low and predictable errors, irrespective of population size. The sampling variance depends on the spatial distribution of the population. We simulate point populations with different spatial distributions and calculate their empirical coefficients of error. Based on the results, we propose to adapt the protocol to select sampling parameters in the CountEm method.