Zur Lösung der Probleme bestehender Schattenentfernungsmethoden, wie unzureichender globaler Kontrastbeziehungsmodellierung, begrenzter differenzierter Bereichsverarbeitung sowie Schattenresten und Randartefakten, wird ein Schattenentfernungsnetzwerk auf Basis von regionalem Kontrast und Randwahrnehmung vorgeschlagen. Zunächst wird ein mehrskaliger Aufmerksamkeitsmechanismus entwickelt, der komplementäre räumliche Darstellungen sowie die Verstärkung von Schlüsselbereichen zur Verbesserung der Bildstrukturkonsistenz nutzt; zweitens wird ein Schattenwahrnehmungsmodul konstruiert, das differenzierte Merkmalsverarbeitungsstrategien für schattierte und nicht schattierte Bereiche anwendet, um die Kontinuität von Schattenrändern und Übergangsbereichen zu verbessern; anschließend wird ein visueller Kontrastaufmerksamkeitsmechanismus vorgeschlagen, der die Fähigkeit zur Definition regionalübergreifender Kontrastbeziehungen auf globaler Ebene verbessert; schließlich wird eine gemeinsame Verlustfunktion mit dynamischer Gewichtungsanpassung entwickelt, die das Modell bei der gemeinsamen Optimierung von Pixelgenauigkeit, Strukturkonsistenz und Farbkonstanz unterstützt. Experimentelle Ergebnisse zeigen, dass der PSNR auf dem ISTD-Datensatz im Durchschnitt um 1,57 dB gegenüber 8 repräsentativen Methoden verbessert wurde, auf dem SRD-Datensatz um 2,03 dB im Vergleich zu 10 Methoden. Gleichzeitig erreicht diese Methode mit 12,3 Millionen Parametern eine effektive Balance zwischen Rekonstruktionsqualität und Modellkomplexität. Die Methode reduziert signifikant den Pixelhelligkeitsfehler und unterdrückt effektiv Schattenreste sowie Randartefakte und erzielt so eine natürlichere und zuverlässigere Schattenentfernungswirkung.

Schattenentfernung;mehrskalige Aufmerksamkeit;Schattenwahrnehmung;visuelle Kontrastaufmerksamkeit;regionenübergreifender Kontrast