一种基于数据驱动的非连续畸变校正方法

本发明公开了一种基于数据驱动的非连续畸变校正方法，包括：采用精密测角法在视场范围内采集均匀分布的训练数据，包括多探测器拼接成像系统的像点畸变坐标和对应的理想坐标；构建多分支深度学习网络模型，包括多个专用分支、一个融合层、一个共享层和一个输出层；对精密测角获得的训练数据进行预处理，利用预处理后的训练数据对多分支深度学习网络模型进行训练；利用训练完的多分支深度学习网络模型，对任一输入实测坐标点，获取其校正后的坐标。利用本发明，可以解决当前多镜头多探测器拼接成像系统中存在的光学畸变非连续性和非线性导致的全像面畸变精确表征困难的问题。