画像の幾何歪み補正は、多くのコンピュータビジョンアプリケーションにおける重要な前処理ステップです。現在の深層学習に基づく幾何歪み補正手法は主に単一の画像歪み補正問題を解決しており、そこで本論文では改良されたU-Netネットワークを用いた画像混合歪み補正手法を提案します。まず、混合歪みを含む画像データセットを構築する方法を提案し、訓練データセットの不足および歪みタイプの単一性の問題を解決しました。次に、U-Netネットワークに空間注意機構を組み合わせて画像特徴の抽出と歪み座標マップの再構築を行い、画像補正問題を歪んだ画像のピクセル単位の座標移動変化予測問題に変換し、座標差損失と画像再サンプリング損失を組み合わせた損失関数を設計して補正の精度を効果的に向上させました。最後に、アブレーション実験により本手法の各モジュールの性能を検証しました。最新の深層学習ベースの歪み補正手法と比較し、定量的指標および主観的評価の両面で優れた性能を示し、歪み画像の空間座標補正における平均絶対誤差は0.2519でした。また、GoProカメラで取得した光学画像に対して補正実験を行い、本手法の歪み画像補正の有効性をさらに検証しました。

混合歪み補正;U-Net;空間注意;座標差損失;再サンプリング損失