Análisis de imagen para el conteo automático de objetos en imágenes biológicas

Abstract

RESUMEN: Estimar el número de objetos o partículas en una imagen o en un video, que al final es una secuencia de imágenes, es algo en lo que siempre ha habido intereses, desde el gobierno para controlar a sus habitantes, hasta organizaciones ecológicas para llevar control de poblaciones de ciertas especies de fauna y flora. El primer método para contar partículas en una imagen que a cualquiera se le ocurre es hacerlo a mano, pero normalmente se espera tener que contar un gran número de partículas, resultando el método manual demasiado cansado. El método CountEm utiliza un muestreo geométrico y sistemático para realizar una estimación del tamaño de la población pseudo-manual, superpone una rejilla de ventanas de muestreo definida por unos parámetros sobre la imagen y se contarán las partículas de dichas ventanas de muestreo para dar una estimación. Esto convierte una tarea tediosa y poco práctica de contar a mano, en algo más simple, más fácil de verificar y que no consume tanto tiempo, esto no quiere decir que no se pueda mejorar. En este proyecto trataremos de buscar un método que pueda dar una estimación inicial del tamaño de la población para que CountEm pueda elegir unos parámetros iniciales para la rejilla más adecuados y de manera automática. Para ello se estudiarán y analizarán dos métodos de procesado digital de imágenes, uno de ellos más simple y otro que estará basado en machine learning.

ABSTRACT: Estimating the number of objects or particles in an image or video, which is basically a sequence of images, is something that has always been of interests, from the government to control its inhabitants, to environmental organizations to keep track of populations of certain species of fauna and flora. The first method of counting particles in an image that anyone can think of is do it by hand, but normally one expects to have to count a large number of particles, making the manual method too tiring. The CountEm method uses a geometric and systematic sampling to make a pseudo-manual population size estimate, superimposes a square grid of quadrats defined by some parameters on the image, and the particles in those quadrats will be counted to give an estimate. This makes the tedious and impractical task of counting by hand simpler, easier to verify and less time consuming, but this does not mean that it cannot be improved. In this project we will try to find a method which can give an initial population size estimate so that CountEm can choose a more suitable initial square grid parameters automatically. In order to do so, two methods of digital image processing will be studied and analyzed, one of them will be simpler and the other based on machine learning.