Multikanal‑Multizentrum bewegungskompensierte Single‑Pixel‑Bildgebung eines beliebig 2D bewegten starren Körpers

Scharfere Bilder mit weniger Pixeln

Bildgebende Technologien basieren meist auf großen, komplexen Kamerachips mit Millionen winziger Pixel. Es gibt jedoch einen anderen Ansatz: Stattdessen nur einen einzigen Lichtsensor verwenden und den Rest durch intelligente Muster und Rechenverfahren erledigen lassen. Diese Arbeit zeigt, wie sich die Single‑Pixel‑Idee weiterentwickeln lässt, sodass man kleine, schnell bewegte Objekte, die sich drehen, wenden oder teilweise aus dem Sichtfeld rutschen, in Echtzeit verfolgen und klar abbilden kann.

Warum ein Pixel ausreichen kann

Bei der Single‑Pixel‑Bildgebung wird eine Szene mit einer Folge strukturierter Muster beleuchtet oder gefiltert, und ein einzelner Detektor misst für jedes Muster nur die gesamte Helligkeit. Durch mathematische Kombination all dieser Messwerte lässt sich ein vollständiges Bild rekonstruieren. Dieser Ansatz ist besonders attraktiv, wenn leistungsfähige Detektorarrays teuer oder unpraktisch sind, etwa im Terahertz‑, Röntgen‑ oder Einzelphotonenbereich. Er funktioniert auch gut mit komprimierter Abtastung, sodass deutlich weniger Messungen nötig sind als bei herkömmlichen Kameras. Es gibt jedoch einen gravierenden Haken: Das Objekt muss während der Musterfolge normalerweise stillstehen. Bewegt es sich, passen die Messungen nicht mehr zusammen, was zu Unschärfen und Geisterbildern im Endbild führt.

Die Herausforderung bewegter, rotierender Ziele

Frühere Versuche, Bewegung in der Single‑Pixel‑Bildgebung zu berücksichtigen, konzentrierten sich auf einfache, geradlinige Bewegungen. Sie setzten oft auf zusätzliche „Locator“‑Muster in der Sequenz zur Positionsschätzung oder auf Vorschaubilder bzw. externe Kameras zur Bewegungserfassung. Diese Tricks verringern entweder die effektive Bildrate, setzen periodische Bewegungen voraus oder stoßen an ihre Grenzen, wenn Objekte gleichzeitig translate und rotieren. Rotationen sind besonders schwierig: Schon ein kleiner Fehler bei der Winkelabschätzung kann am Rand des Objekts große Verschiebungen verursachen und feine Details verwischen. Bestehende Verfahren verlieren zudem häufig die Spur, wenn das Objekt teilweise aus dem Sichtfeld driftet — ein häufiges Problem bei realen Tracking‑Aufgaben.

Ein neuer Weg, Bewegung zu folgen und einzufrieren

Die Autoren stellen MC3‑SPI (Multichannel Multicentroid Motion‑compensated Single‑Pixel Imaging) vor, ein Verfahren, das starre Objekte mit beliebiger zweidimensionaler Bewegung — einschließlich beliebiger Kombinationen aus Translation und Rotation — verfolgt und abbildet, ohne die zeitliche Auflösung aufzugeben. Die zentrale Idee ist, eine Handvoll speziell ausgewählter Fourier‑Muster zu codieren, die wie globale Lineale über dem Sichtfeld liegen. Indem man untersucht, wie sich die Phase des Signals dieser Muster verschiebt, kann das System das Schwerpunktzentrum des Objekts auf etwa ein Drittel Pixel Genauigkeit bestimmen. Da das Licht in Rot‑, Grün‑ und Blaukanäle aufgeteilt wird, liefert jede Farbe ihren eigenen Schwerpunkt; zusammen definieren diese drei Punkte in jedem Messframe sowohl die Position als auch die Orientierung des Objekts. Mit diesen Informationen läuft das Verfahren sozusagen den Film rückwärts: Es wendet vor der Kombination zu einem Bild die umgekehrten Translationen und Rotationen auf die Muster selbst an — ein Schritt, den die Autoren inverse bewegungskompensierte Transformation nennen.

Mehr sehen mit weniger Messungen

Durch Simulationen und Experimente zeigen die Forschenden, dass Fourier‑Muster für diese Art der Bewegungskorrektur besonders gut geeignet sind, weil sie auch nach Verschiebung und Rotation nahezu orthogonal bleiben und so die Rekonstruktionsqualität bei niedrigen Abtastraten erhalten. Im Gegensatz dazu verlieren andere verbreitete Musterfamilien, etwa Hadamard‑Muster, unter Bewegungskompensation schneller ihre Orthogonalität und benötigen mehr Messungen, um vergleichbare Bildqualität zu erreichen. Mit ihrem optimierten Fourier‑Schema verfolgt und rekonstruiert das Team erfolgreich farbige Ziele wie die Buchstaben „BIT“, eine Cartoonfigur und eine Spielzeugrakete, die komplexe 2D‑Bewegungen ausführen. Selbst wenn das Objekt am Rand des Sichtfeldes entlanggleitet, sodass kein einzelner Frame es vollständig enthält, kann MC3‑SPI seine wahre Bahn durch Ausnutzung der redundanten Schwerpunktinformationen aus den drei Farbkanälen rekonstruieren und über die Zeit dennoch ein scharfes Vollfarbbild aufbauen.

Vom Labordemo zu schnellen, praktischen Systemen

Ein wesentlicher Vorteil des Verfahrens ist die Geschwindigkeit. Zur Bewegungsbestimmung sind pro Frame nur sechs Lokalisationsmuster erforderlich, sodass das System bei der maximalen Modulationsrate eines handelsüblichen digitalen Mikrospiegelgeräts prinzipiell tausendfach pro Sekunde verfolgen könnte. Der grundlegende Rekonstruktionsschritt — das Summieren bewegungskompensierter Muster — ist ebenfalls extrem schnell, um Größenordnungen schneller als iterative Optimierungsalgorithmen und liefert dennoch klare Ergebnisse bei Abtastraten von nur 5 %. Komplexere Algorithmen können später hinzugefügt werden, wenn höhere Bildqualität erforderlich ist und die Zeit dies erlaubt. Da MC3‑SPI mit handelsüblichen Komponenten funktioniert und in Standard‑Single‑Pixel‑Setups integrierbar ist, lässt es sich mit hyperspektralen, dreidimensionalen oder zeitaufgelösten Verfahren kombinieren und könnte detaillierte Bilder schneller, schwächerer oder schwer zugänglicher Ziele in Anwendungen von der Mikroskopie bis zur Fernerkundung ermöglichen.

Was das für die Bildgebung der Zukunft bedeutet

Im Kern zeigt diese Arbeit, wie sich ein einfaches Single‑Pixel‑System in eine flinke, bewegungsbewusste Kamera verwandeln lässt, die mit agilen, rotierenden Objekten Schritt hält und trotzdem scharfe Bilder liefert. Durch die kluge Wahl der Beleuchtungsmuster, die Nutzung der Farbkanäle zur Definition mehrerer Referenzpunkte am Objekt und die softwareseitige Kompensation seiner Bewegung überwinden die Autoren den lange bestehenden Zielkonflikt zwischen Geschwindigkeit, Auflösung und Bewegungsempfindlichkeit in der Single‑Pixel‑Bildgebung. Das eröffnet einen praktischen Weg zu kompakten, preiswerten Bildgebungssystemen, die die Welt nicht nur „einfrieren“, sondern ihr in Echtzeit folgen.

Zitation: Shao, C., Cao, Y., Li, S. et al. Multichannel multicentroid motion-compensated single pixel imaging of a 2D arbitrarily moving rigid-body target. Commun Eng 5, 61 (2026). https://doi.org/10.1038/s44172-026-00619-2

Schlüsselwörter: Single‑Pixel‑Bildgebung, Bewegungsverfolgung, Computational Imaging, Fourier‑Muster, Hochgeschwindigkeitsbildgebung