Angesichts der Trennung von Ziel und Hintergrund in einer großen Anzahl von CT-Bildern fossiler Dinosauriereierschalen sowie der Probleme traditioneller Extraktionsmethoden, die umständlich, ungenau sind und viel manuellen Aufwand erfordern, wodurch eine vollständige Automatisierung nicht möglich ist, wurde eine automatische Zieltrennung basierend auf Informationsentropie vorgeschlagen. Zunächst werden die Entropie-Parameter manuell an Trainingsproben erlernt und als Parameter für die automatische Trennung großer Mengen von CT-Bildern verwendet; dann wird der Segmentierungsschwellenwert basierend auf dem Helligkeitshistogramm der Graustufenbilder bestimmt; anschließend erfolgt die automatische Trennung mittels Informationsentropie-Algorithmus; schließlich wird basierend auf dem Segmentierungsschwellenwert und dem Entropiewert die endgültige Trennung und Extraktion des Zielbereichs realisiert. Die Methode erzielte gute Trennungs- und Extraktionsergebnisse, mit Segmentierungsschwellenwerten im Bereich von 66 bis 188 und Entropiewerten zwischen 0,43 und 0,65. Bewertungsversuche basierend auf 3.329 ursprünglichen 16-Bit-Dinosauriereierschalen-CT-Schnittbildern zeigten, dass die vorgeschlagene Methode eine hohe Effizienz bei der automatischen Trennung und Extraktion einer großen Anzahl von CT-Bildern erreicht, mit bis zu 98,89 %, und dabei die Ziel-Calzit korrekt extrahiert sowie relativ vollständige Ziel- und Kantendetails erhält, wodurch eine gute Genauigkeit und Geschwindigkeit der Trennungsbearbeitung gewährleistet ist.

CT-Bilder; fossile Dinosauriereierschale; Informationsentropie; Segmentierungsschwellenwert; automatische Trennung und Extraktion