Angesichts der Mängel bestehender Methoden zur Schattenentfernung bei der globalen Modellierung von Vergleichsbeziehungen, der begrenzten Fähigkeit zur differenzierten regionalen Behandlung sowie der Neigung zu Schattenresten und Randartefakten wird ein Schattenentfernungsnetzwerk basierend auf regionalem Vergleich und Randwahrnehmung vorgeschlagen. Zunächst wird ein mehrskaliger Aufmerksamkeitsmechanismus entworfen, der ergänzende räumliche Darstellungen und die Verstärkung wichtiger Regionen zur Verbesserung der Bildstrukturkonsistenz nutzt; zweitens wird ein Schattenwahrnehmungsmodul entwickelt, das differenzierte Merkmalsverarbeitungsstrategien für Schatten- und Nichtschattenbereiche anwendet, um die Kontinuität der Schattenränder und Übergangsbereiche zu erhöhen; anschließend wird ein visueller Vergleichsaufmerksamkeitsmechanismus vorgeschlagen, der die Fähigkeit zur Definition von Vergleichsbeziehungen über Regionen hinweg auf globaler Ebene verbessert; schließlich wird eine gemeinsame Verlustfunktion mit einer dynamischen Gewichtungsanpassungsstrategie entworfen, die das Modell zur kooperativen Optimierung von Pixelgenauigkeit, Strukturkonsistenz und Farbkonstanz anleitet. Experimentelle Ergebnisse zeigen, dass der PSNR auf dem ISTD-Datensatz im Vergleich zu 8 repräsentativen Methoden durchschnittlich um 1,57 dB verbessert wird, auf dem SRD-Datensatz im Vergleich zu 10 Methoden durchschnittlich um 2,03 dB, wobei diese Methode mit 12,3 Millionen Parametern ein effektives Gleichgewicht zwischen Rekonstruktionsqualität und Modellkomplexität erzielt. Diese Methode reduziert signifikant die Helligkeitsfehler auf Pixelebene und unterdrückt effektiv Schattenreste sowie Randartefakte, wodurch eine natürlichere und zuverlässigere Schattenentfernung erreicht wird.

Schattenentfernung;Mehrskalige Aufmerksamkeit;Schattenwahrnehmung;Visuelle Vergleichsaufmerksamkeit;Regionenübergreifender Vergleich