Für Bilder mit einem bimodalen Grauwert-Histogramm sind traditionelle zweidimensionale Histogramm-Schwellenwertsegmentierungsmethoden zwar relativ effektiv, liefern jedoch bei Grauwert-Histogrammen ohne Gipfel, mit einem Gipfel oder mehreren Gipfeln schlechte Segmentierungsergebnisse. Da die aus der zweidimensionalen Histogrammabbildung erhaltene zweidimensionale Überlebensfunktion Vorteile wie kontinuierliche Dichte und einheitliche Form aufweist, wird in diesem Artikel eine schnelle zweidimensionale Schwellenwertsegmentierungsmethode basierend auf der kumulativen verbleibenden Tsallis-Entropie der Bild-zweidimensionalen Überlebensfunktion vorgeschlagen. Die Methode konstruiert zunächst die zweidimensionale Überlebensfunktion basierend auf dem zweidimensionalen Histogramm und definiert dann die zweidimensionale kumulative verbleibende Tsallis-Entropie-Ziel-Funktion zur Berechnung des Schwellenwertes der Segmentierung basierend auf der zweidimensionalen Überlebensfunktion. Durch einen rekursiven Algorithmus wird die Zeitkomplexität der Ziel-Funktionsberechnung auf <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi>O</mi><mo stretchy="false">(</mo><msup><mrow><mi>L</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup><mo stretchy="false">)</mo></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/FF27A01C-8BE0-4781-B244-1F662977C64D-M001.jpg"><?fx-imagestate width="8.80533314" height="3.21733332"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/FF27A01C-8BE0-4781-B244-1F662977C64D-M001c.jpg"><?fx-imagestate width="8.80533314" height="3.21733332"?></graphic></alternatives></inline-formula> reduziert. Abschließend wird basierend auf der rekursiven Form des zweidimensionalen kumulativen verbleibenden Tsallis-Entropie-Kriteriums der optimale Schwellenwertvektor für die Segmentierung erhalten. Die vorgeschlagene Methode wurde hinsichtlich Zeit und Fehlklassifikationsrate (ME) mit 2 schnellen zweidimensionalen Schwellenwertsegmentierungsmethoden, 2 Clustersegmentierungsmethoden und 1 aktiver Kontursegmentierungsmethode auf 26 synthetischen und 76 realen Bildern verglichen. Die experimentellen Ergebnisse zeigen, dass in synthetischen und realen Bildern im Vergleich zur zweitbesten Methode in Bezug auf die Leistung die vorgeschlagene Methode die Zeit im Durchschnitt um 0,013 s verkürzt und den ME-Wert im Durchschnitt um 0,051~0,089 senkt. Die vorgeschlagene schnelle zweidimensionale kumulative verbleibende Tsallis-Entropie-Schwellenwertsegmentierungsmethode übertrifft nicht nur die 5 Vergleichsmethoden in der Rechenleistung, sondern weist auch deutliche Vorteile in Segmentierungsanpassungsfähigkeit und Segmentierungsgenauigkeit auf.

Schwellenwertsegmentierung; zweidimensionales Histogramm; zweidimensionale Überlebensfunktion; kumulative verbleibende Tsallis-Entropie; schneller rekursiver Algorithmus