Measuring and analyzing color and texture information in anatomical leaf cross sections: an approach using computer vision to aid plant species identification

Currently, studies on leaf anatomy have provided an important source of characters helping taxonomic, systematic, and phylogenetic studies. These studies strongly rely on measurements of characters (such as tissue thickness) and qualitative information (structures description, presence-absence of structures). In this work, we provide a new computational approach that semiautomates the collection of some quantitative data (cuticle, adaxial epidermis, and total leaf thickness) and accesses a new source of information in leaf cross-section images: the texture and the color of leaf tissues. Our aim was to evaluate this information for plant identification purposes. We successfully tested our system identifying eight species from different phylogenetic positions in the angiosperm phylogeny from the neotropical savanna of central Brazil. The proposed system checks the potential of identifying the species for each extracted measure using the Jeffrey-Matusita distance and composes a feature vector with the most important metrics. A linear discriminant analysis with leave-one-out to classify the samples was used. The experiments achieved a 100% success rate in terms of identifying the studied species accessing the above-described parameters, demonstrating that our computational approach can be a helpful tool for anatomical studies, especially ones devoted to plant identification and systematic studies. Key words: taxonomy, plant identification, feature extraction, Jeffrey-Matusita distance, linear discriminant analysis. Habituellement, les etudes de l'anatomie foliaire constituent une source importante de caracteres supportant les etudes taxonomiques, systematiques et phylogenetiques. Ces etudes s'appuient fortement sur des mesures de traits (comme l'epaisseur des tissus) et sur des informations qualitatives (description des structures, presence-absence de structures). Les auteurs proposent ici une nouvelle approche de calcul en recoltant certaines donnees quantitatives en mode semi-automatise (cuticule, epiderme adaxial et epaisseur totale de la feuille) et en donnant acces a une nouvelle source d'information a partir d'images de sections transverses de feuilles : la texture et la couleur des tissus foliaires. L'objectif est d'evaluer cette information aux fins de l'identification des plantes. Les auteurs ont teste leur systeme avec succes en identifiant huit especes provenant de positions phylogenetiques differentes dans la phylogenie des angiospermes, provenant de la Savane neotropicale au centre du Bresil. Le systeme propose verifie la capacite d'identification des especes pour chacune des mesures retenues et, en utilisant la distance de Jeffrey-Matusita, compose un vecteur de fonctionnalites avec les mesures les plus importantes. Les auteurs ont utilise une analyse discriminante lineaire par elimination un a un pour classifier les echantillons. L'experience s'est soldee avec un succes de 100 % en termes d'identification des especes etudiees, en utilisant les parametres decrits plus haut, ce qui demontre que l'approche informative des auteurs peut etre utile pour les etudes anatomiques, surt out celles qui sont destinees a l'identification des plantes et aux etudes systematiques. Mots-cles : taxonomie, identification des plantes, extraction des fonctionnalites, distance de Jeffrey-Matusita, analyse discriminante lineaire. [Traduit par la Redaction]
Introduction Since the 18th and 19th centuries, botanists have been studying vegetative and reproductive characteristics to identify and classify the various diverse groups of plants and also to infer the [...]