Dual-Stream-Entkoppeltes Super-Resolution-Verfahren für Textbilder von Bambusstreifen

Verblasste Bambustexte wieder zum Leben erwecken

Jahrhundertelang notierten chinesische Beamte und Gelehrte Gesetze, Briefe und Gedanken auf dünnen Streifen aus Bambus und Holz. Heute überdauern viele dieser alten Aufzeichnungen nur noch als fragile, dunkle Fragmente, deren Tinte verlaufen und deren Oberflächen gerissen sind. Historiker und Restauratoren sind auf digitale Bilder dieser Streifen angewiesen, doch die Schrift ist häufig zu unscharf, um sie klar zu lesen oder zu rekonstruieren. Diese Studie stellt einen neuen Bildverarbeitungsansatz vor, der die Zeichen schärft und zugleich das ursprüngliche Material respektiert — und so ein klareres Fenster zur frühen chinesischen Geschichte öffnet.

Warum alte Bambusaufzeichnungen so schwer lesbar sind

Bambus- und Holzstreifen sind organisch, und die Zeit war ihnen nicht wohlgesonnen. Feuchtigkeit, Schimmel und mechanische Belastung führen dazu, dass Fasern ausfransen, Tinte sich ausbreitet und Flächen verfärben. Selbst mit guten Kameras und Infrarotaufnahmen zeigen die resultierenden Bilder verschmierte Striche, verrauschte Texturen und fehlende Details. Einfache digitale Tricks wie Vergrößern oder Glätten lassen die Ränder der Schrift oft noch unschärfer erscheinen. Moderne KI-Methoden zur Schärfung von Textbildern wurden überwiegend an Straßenschildern und gedruckten Wörtern in Alltagsaufnahmen trainiert, nicht an fragiler, vertikal geschriebener Kalligraphie auf gealtertem Bambus. In der Folge glätten sie häufig wichtige Strichformen weg oder erzeugen irreführende Strukturen.

Ein Zwei-Pfad-Ansatz für Schrift und Hintergrund

Die Forschenden schlagen ein neues Rekonstruktionsmodell mit dem Namen DSF-SRFormer vor, das Schrift und Bambusoberfläche als zwei verschiedene, aber verwandte Probleme behandelt. Anstatt alles in einem einzigen Merkmalsbündel zu verarbeiten, trennt das System zunächst, was zu den Zeichen gehört, von dem, was zum Hintergrund gehört. Ein Pfad konzentriert sich auf die dunklen Tintenstriche, der andere auf die helleren Fasern, Flecken und Texturen des Streifens. Innerhalb des Textpfads achtet ein spezielles Modul auf die vorherrschenden Pinselrichtungen der chinesischen Kalligraphie — horizontal, vertikal und diagonal — sodass das Modell korrekte Formen verstärken kann, wo Linien biegen, sich kreuzen oder auslaufen. Parallel dazu arbeitet der Hintergrundpfad über mehrere Skalen hinweg, um sowohl feine Fasern als auch größere Verfärbungen zu erfassen, wodurch Rauschen bereinigt werden kann, ohne sinnvolle Markierungen zu löschen.

Umgang mit langen Streifen vertikaler Schrift

Über einzelne Zeichen hinaus zeigen vollständige Bambusstreifen lange Textspalten, die sich über weite Distanzen erstrecken. Um mit diesem Layout fertigzuwerden, entwerfen die Autorinnen und Autoren einen "Long-Strip"-Aufmerksamkeitsmechanismus, der jedes Bild in sich überlappende, vertikale Bänder zerschneidet. Innerhalb jedes Bands lernt das Modell, wie sich Striche entlang der Zeilen und über die Spalten hinweg fortsetzen, und verbindet anschließend benachbarte Bänder sanft, damit Zeichen über den gesamten Streifen hinweg konsistent bleiben. Dieses Design erfasst langfristige Beziehungen — etwa wie Striche an einer Stelle eines Zeichens zu anderen weiter unten in Beziehung stehen — und hält gleichzeitig den Rechenaufwand überschaubar. Durch die Rekonstruktion sowohl auf Zeichenebene als auch auf Gesamtreihenebene zielt die Methode darauf ab, Bilder zu erzeugen, die für menschliche Expertinnen und Experten schärfer und besser lesbar sind.

Messung schärferer Striche und saubererer Flächen

Zum Trainieren und Testen ihres Systems stellte das Team einen großen Satz von Zeichenbildern aus Bambusstreifen, Seidenhandschriften und handschriftlichen Entwürfen zusammen und generierte dann realistische digitale Schäden, die Faserstrukturen, Tintenausbreitung, Alterungsflecken und andere Defekte nachahmen. Sie bereiteten außerdem Vollstreifenbilder vor, die aus einer bestehenden Sammlung ausgegrabener Texte abgeleitet wurden. Während des Trainings wird das Modell nicht nur angeleitet, die ursprünglichen Pixel zu reproduzieren, sondern auch Kanten scharf zu halten und ein insgesamt ansprechendes Erscheinungsbild zu bewahren. Die Autorinnen und Autoren vergleichen DSF-SRFormer mit vielen etablierten Schärfmethoden, von klassischer Interpolation bis zu fortgeschrittenen Deep-Learning- und Diffusionsmodellen. In mehreren Testsets und bei sowohl moderater als auch starker Hochskalierung erzielt das neue Modell durchweg höhere Werte für Treue und visuelle Qualität; visuelle Beispiele zeigen kontinuierlichere Striche und weniger ablenkende Artefakte.

Von der digitalen Bereinigung zur historischen Einsicht

Die Ergebnisse deuten darauf hin, dass die sorgfältige Trennung von Schrift und Trägermaterial sowie die Anpassung der Verarbeitung an das besondere Layout von Bambusstreifen klarere Rekonstruktionen ermöglicht, als wenn man alles als generische Bilddaten behandelt. Zwar stößt der Ansatz noch an Grenzen — etwa beim Umgang mit sehr unterschiedlichen Textgrößen oder bei der Ausweitung über Infrarotaufnahmen hinaus —, doch verbessert er bereits die Lesbarkeit schwieriger Quellen und erzielt zudem konkurrenzfähige Leistungen bei modernen Benchmarks für Straßentext. Für Historikerinnen und Historiker, Archäologinnen und Archäologen sowie Restauratorinnen und Restauratoren bedeutet dies schärfere digitale Ansichten antiker Dokumente, die das Identifizieren von Zeichen, das Restaurieren fehlender Teile und das Interpretieren längst verstummter Stimmen des frühen China erleichtern.

Zitation: Wang, W., Wang, T., Hu, X. et al. Dual-stream disentangled super-resolution for bamboo slip text images. npj Herit. Sci. 14, 229 (2026). https://doi.org/10.1038/s40494-026-02495-7

Schlüsselwörter: Bambusstreifen, antike Handschriften, Bild-Superauflösung, digitale Restaurierung, chinesische Kalligraphie