La correction des distorsions géométriques d'images est une étape clé de prétraitement dans de nombreuses applications de vision par ordinateur. Les méthodes actuelles de correction des distorsions géométriques basées sur l'apprentissage profond traitent principalement le problème de correction d'une seule distorsion d'image. À cet égard, cet article propose une méthode de correction des distorsions mixtes d'images basée sur un réseau U-Net amélioré. Tout d'abord, une méthode de construction d'un jeu de données d'images avec distorsions mixtes est proposée, résolvant le problème de la rareté des données d'entraînement et de la simplicité des types de distorsion. Ensuite, un réseau U-Net combiné à un mécanisme d'attention spatiale est utilisé pour l'extraction des caractéristiques de l'image et la reconstruction de la carte des coordonnées de distorsion, transformant le problème de correction d'image en une prédiction des déplacements des coordonnées pixel à pixel de l'image déformée. Une fonction de perte combinant la perte des différences de coordonnées et la perte de rééchantillonnage est conçue, améliorant efficacement la précision de la correction. Enfin, des expériences d'ablation valident les performances des différents modules de la méthode proposée. Comparée aux dernières méthodes de correction de distorsion basées sur l'apprentissage profond, cette méthode présente de bonnes performances tant en termes d'indicateurs quantitatifs qu'en évaluation subjective, avec une erreur absolue moyenne de correction des coordonnées spatiales de l'image déformée de 0,2519. Une expérience de correction sur des images optiques acquises par une caméra GoPro a également été réalisée, confirmant davantage l'efficacité de la méthode pour la correction d'images déformées.

Correction des distorsions mixtes;U-Net;attention spatiale;perte de différence de coordonnées;perte de rééchantillonnage