Коррекция геометрических искажений изображений является ключевым этапом предварительной обработки во многих приложениях компьютерного зрения. Современные методы коррекции искажений на основе глубокого обучения в основном решают задачу коррекции одиночных искажений изображений. В связи с этим в данной работе предложен метод коррекции смешанных искажений изображений на основе улучшенной сети U-Net. Во-первых, предложен метод построения набора данных с изображениями со смешанными искажениями, который решает проблему нехватки обучающих данных и однотипности искажений. Во-вторых, используется сеть U-Net в сочетании с пространственным механизмом внимания для извлечения признаков изображения и восстановления карты координат искажений, преобразующий задачу коррекции изображения в задачу предсказания смещения координат каждого пикселя искаженного изображения. Разработана функция потерь, объединяющая потерю разницы координат и потерю повторной выборки, что эффективно повышает точность коррекции. Наконец, проведены абляционные эксперименты для проверки производительности модулей предложенного метода. По сравнению с передовыми методами коррекции искажений на основе глубокого обучения, экспериментальные результаты показывают хорошее качество по количественным показателям и субъективной оценке, средняя абсолютная ошибка коррекции пространственных координат искаженного изображения составляет 0.2519. Также проведён эксперимент по коррекции оптических изображений, полученных камерой GoPro, что дополнительно подтверждает эффективность метода.

Коррекция смешанных искажений;U-Net;пространственное внимание;потеря разницы координат;потеря повторной выборки