An approach for using off-the-shelf object-based image analysis software to detect and count birds in large volumes of aerial imagery
Une approche pour l'utilisation d'un logiciel d'analyse d'images orientée objet grand public afin de détecter et de compter les oiseaux dans un grand volume d'images aériennes

Dominique Chabot, droneMetrics
Christopher Dillon, droneMetrics
Charles M. Francis, Canadian Wildlife Service, Environment and Climate Change Canada

DOI: http://dx.doi.org/10.5751/ACE-01205-130115

Full Text: HTML   
Download Citation


Abstract

Computer-automated image analysis techniques can save time and resources for detecting and counting birds in aerial imagery. Sophisticated object-based image analysis (OBIA) software is now widely available and has proven effective for various challenging detection tasks, but there is a need to develop accessible and readily adaptable procedures that can be implemented in an operational context. We developed a systematic, repeatable approach using commercial off-the-shelf OBIA software, and tested its effectiveness and efficiency to detect and count Lesser Snow Geese (Chen caerulescens caerulescens) in large numbers of images of breeding colonies across the Canadian Arctic that present a variety of landscapes, numerous confounding features, and varying illumination conditions and exposure levels. Coarse-scale review of analysis results was necessary to remove conspicuous clusters of commission errors, thus rendering the technique semiautomated. It was effective for imagery with spatial resolutions of 4–5 cm, producing overall accurate estimates of goose numbers compared to manual counts (R2 = 0.998, regression coefficient = 0.974) in 41 test images drawn from several breeding colonies. The total automated count (19,920) across all test images exceeded the manual count (19,836) by just 0.4%. We estimate the typical time required to review images for errors to be only 5–10% of that required to count birds manually. This could reduce the person-time required to analyze aerial photos of the major Arctic colonies of Snow Geese from several months to several days. Our approach could be adapted to many other bird detection tasks in aerial imagery by anyone possessing at least basic skills in image analysis and geographic information systems.

Résumé

Les techniques d'analyse d'images comptées automatiquement par ordinateur peuvent sauver du temps et de l'argent pour détecter et compter les oiseaux sur des photographies aériennes. Des logiciels sophistiqués d'analyse d'images orientée objet (OBIA; object-based image analysis en anglais) sont maintenant disponibles à grande échelle et leur efficacité a été démontrée pour diverses tâches de détection complexes; toutefois, le besoin de créer des procédures accessibles et facilement adaptables qui puissent être mises en place en contexte opérationnel demeure. Nous avons élaboré une approche systématique et répétable à partir d'un logiciel OBIA grand public et avons testé son efficacité et sa précision à détecter et à compter les Petites Oies des neiges (Chen caerulescens caerulescens) sur un grand nombre d'images de colonies de reproduction dans l'Arctique canadien, territoire qui présente une variété de paysages, de nombreux éléments confondants et des degrés divers de conditions lumineuses et d'exposition. Il a été nécessaire de faire une revue des résultats d'analyses à une échelle grossière afin d'enlever les agrégations évidentes d'erreurs de commission, permettant ainsi de semi-automatiser la technique. Le logiciel s'est avéré efficace avec les images ayant une résolution spatiale de 4-5 cm, produisant des estimations globales du nombre d'oies dont la précision était comparable à celle de comptes manuels (R2 = 0,998, coefficient de régression = 0, 974) réalisés sur 41 images tests tirées de plusieurs colonies. Le compte automatisé total (19 920) à partir de toutes les images tests a excédé le compte manuel (19 836) de 0,4 % seulement. Nous avons estimé que le temps généralement requis pour repasser les images à la recherche d'erreurs était de 5 à 10 % seulement de celui requis pour compter les oiseaux manuellement. L'usage de ce logiciel permettrait de réduire le temps-personne requis pour analyser les photos aériennes des principales colonies d'Oies des neiges dans l'Arctique de plusieurs mois à plusieurs jours. Notre approche pourrait être adaptée à de nombreuses autres tâches de détection d'oiseaux sur des images aériennes par toute personne possédant au moins des notions de base en analyse d'images et en systèmes d'information géographique.

Key words

abundance estimation; aerial surveys; automation; census techniques; data analysis; image processing; population monitoring; remote sensing

Copyright © 2018 by the author(s). Published here under license by The Resilience Alliance. This article  is under a Creative Commons Attribution-NonCommercial 4.0 International License.  You may share and adapt the work for noncommercial purposes provided the original author and source are credited, you indicate whether any changes were made, and you include a link to the license.

Avian Conservation and Ecology ISSN: 1712-6568