영상 기하학적 왜곡 보정은 많은 컴퓨터 비전 응용 분야에서 핵심 전처리 단계입니다. 현재 딥러닝 기반의 기하학적 왜곡 보정 방법은 주로 단일 왜곡 보정 문제를 해결하며, 이에 본 논문에서는 개선된 U-Net 네트워크를 기반으로 한 이미지 복합 왜곡 보정 방법을 제안합니다. 먼저, 복합 왜곡이 포함된 이미지 데이터셋을 구축하는 방법을 제시하여 학습 데이터셋 부족 및 왜곡 유형 단일화 문제를 해결하였습니다. 다음으로, U-Net 네트워크와 공간 주의 메커니즘을 결합하여 이미지 특징 추출 및 왜곡 좌표 맵 재구성을 수행하였으며, 이미지 보정 문제를 왜곡 이미지의 픽셀 단위 좌표 변위 변화 예측 문제로 전환하였고, 좌표 차 손실과 이미지 재샘플링 손실을 결합한 손실 함수를 설계하여 보정 정확도를 효과적으로 향상시켰습니다. 마지막으로, 소거 실험을 통해 본 방법의 각 모듈 성능을 검증하였습니다. 최신 딥러닝 기반 왜곡 보정 방법과 비교한 실험 결과, 본 방법은 정량적 지표 및 주관적 평가에서 우수한 성능을 보였으며, 왜곡 이미지 공간 좌표 보정의 평균 절대 오차는 0.2519였습니다. 또한 GoPro 카메라로 촬영한 광학 이미지에 대한 보정 실험을 수행하여 본 방법의 왜곡 이미지 보정 효과를 추가로 검증하였습니다.

복합 왜곡 보정;U-Net;공간 주의;좌표 차 손실;재샘플링 손실