.png){kind=icon}
返回
A Mixed Distortion Image Correction Method Based on Improved U-Net
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04702-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于制造工艺和镜头组装精度问题，数字相机在成像时通常会产生非线性畸变。现有的大多数基于深度学习的校正方法针对的是同类型畸变，且受限于数据集。部分校正方法泛化性能较差。为解决上述问题，我们基于相机的混合畸变模型构建了一个包含原始图像和畸变图像的混合畸变数据集。针对混合畸变模型提出了一种基于U-Net网络的全新畸变校正模型，将畸变校正任务转化为图像像素级位移预测问题。同时，为两种输出设计了多重加权损失函数。实验表明，该模型优于传统算法，且具有良好的泛化性和鲁棒性。
Keyword:
Mixed distorted image data set
Deep Learning
Adaptive U-Net network
Multiple weighted loss function
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏Radial Lens Distortion Correction Using Convolutional Neural Networks Trained with Synthesized Images使用合成图像训练的卷积神经网络进行径向透镜畸变校正
PREAI
分享收藏分享收藏ECA-Net: Efficient Channel Attention for Deep Convolutional Neural NetworksEca-net: 深度卷积神经网络的高效信道关注
OAAI
OAAI分享收藏
查看更多内容