No abstract

A new method is proposed for the extraction of morphometric characteristics of plant leaf structures. A sample of 10 species of the genus Passiflora (P. coriacea Juss., P. foetida L., P. miersii Mast., P. organensis Gardner, P. pohlii Mast., P. suberosa L., P. amethystina J.C. Mikan, P. caerulea L., P. gibertii N.E.Br., P. maliformis L.) was used in an experiment to test the method. This genus shows a wide range of leaf forms, but there are some species pairs or groups whose morphological similarity makes their correct identification difficult. The multiscale function of the Minkowski fractal dimension was applied to digital images of leaves to generate complexity measures of their internal (veins) and external (leaf outline) form. The results of the leaf characteristic extraction method, as well as its potential as the basis for an identification mechanism, are discussed for the 10 species. The method was very accurate in correctly differentiating among species, since no leaf was erroneously identified. A small number of leaves per species was sufficient for establishing a characteristic pattern for each of them, which constitutes an important advantage of the method in the recognition and classification procedure.Key words: image processing, fractal dimension, plant taxonomy, morphometry, Passiflora.

Inicialmente gostaria de expressar minha sincera admiração pelo Prof. Odemir Bruno, e agradecê-lo pela orientação e confiança durante esse período. Obrigado pelos valiosos ensinamentos e principalmente por me mostrar o que é ser um verdadeiro pesquisador. Agradeço aos colegas que conquistei no ICMC durante esse período. Em especial ao Roberto Platz, Christian Bones, Maurício Falvo, Mario Pazoti, Júlio Torelli, entre outros. Se não fossem vocês e os períodos de descontração esse trabalho nunca chegaria ao fim. Agradeço também aos professores e funcionários do ICMC-USP. Especialmente a Profa. Agma Traina e Prof. João Batista pelas inúmeras sugestões sobre o desenvolvimento desse trabalho. E as meninas da pós-graduação Elizabeth, Laura e Ana Paula. Vocês que na maioria das vezes estão por trás desse trabalho, mas, nem sempre recebem os méritos justos. Meus sinceros agradecimentos. Não poderia deixar de agradecer aos meus eternos mestres: Profs. Joaquim Felipe, José Pacheco, Gustavo Batista, Saulo Rosa e todos aqueles que contribuíram para minha formação. Em especial gostaria de agradecer ao, antes professor e hoje amigo Mario Kubo, por sempre me incentivar em seguir a carreira acadêmica. Agradeço também aos meus colegas de graduação que depois se tornaram companheiros na pósgraduação: Jean Domingos, Lucas Baggio, Matheus Pires e Thiago Gaspar. Agradeço ao Prof. Giancarlo Oliveira, Prof. Luís Bernacci e Juliano Gomes de Pádua, pelas valiosas contribuições para realização desse trabalho.À minha família meu enorme agradecimento. Especialmente aos meus pais Roberto e Marilda, sem vocês eu não estaria aqui. Obrigado por sempre deixar eu escolher meus caminhos e, nas minhas escolhas sempre me apoiar. Agradeço também a minha namorada Fernanda. Você que abriu mão de muitos momentos de convívio e sofreu pela minha ausência quando o dever do estudo me chamava. Também não posso deixar de citar minha profunda admiração por todos meus avôs e avós. À minha Vó Terezinha, que me ensinou muito do que eu sei, meu infinito amor.Agradeço à Deus por trilhar meus caminhos durante todos esses anos e, enfim chegar até aqui. Que tua presença constante sempre ilumine meu futuro.

This paper proposes a new methodology to extract biometric features of plant leaf structures. Combining computer vision techniques and plant taxonomy protocols, these methods are capable of identifying plant species. The biometric measurements are concentrated in leaf internal forms, specifically in the veination system. The methodology was validated with real cases of plant taxonomy, and eleven species of passion fruit of the genus Passiflora were used. The features extracted from the leaves were applied to the neural network system to perform the classification of species. The results showed to be very accurate in correctly differentiating among species with 97% of success. The computer vision methods developed can be used to assist taxonomists to perform biometric measurements in plant leaf structures.