针对PTZ摄像机的深层单张图像畸变矫正方法
计算机视觉与模式识别
2025-04-10 v1
摘要
PTZ摄像机配备广角镜头广泛应用于监控，但常需进行图像畸变矫正 due to其固有的非线性畸变。当前深度学习方法通常难以保持细粒度几何细节，导致畸变矫正不准确。本文提出了一种前向畸变与后向错位网络(FDBW-Net)，用于广角图像畸变矫正。该网络首先使用前向畸变模型合成 barrel 畸变图像，减少像素冗余并防止模糊。网络采用带注意力机制的金字塔上下文编码器生成包含几何细节的后向错位流。随后，使用多尺度解码器恢复受畸变影响的特征并输出矫正后的图像。我们在多样化数据集上验证了FDBW-Net的性能：公共基准、AirSim 渲染的PTZ摄像机图像以及真实场景PTZ摄像机数据集。结果表明，FDBW-Net在畸变矫正方面实现了最先进(SOTA)性能，显著提升了PTZ摄像机在实际视觉应用中的适应性。
引用
@article{arxiv.2504.06965,
title = {A Deep Single Image Rectification Approach for Pan-Tilt-Zoom Cameras},
author = {Teng Xiao and Qi Hu and Qingsong Yan and Wei Liu and Zhiwei Ye and Fei Deng},
journal= {arXiv preprint arXiv:2504.06965},
year = {2025}
}
备注
Accepted to ICME 2025