Pour résoudre les problèmes des méthodes existantes de suppression d'ombres tels qu'une modélisation insuffisante des relations de contraste global, une capacité limitée de traitement différencié des régions et la présence résiduelle d’ombres ainsi que des artefacts aux frontières, une réseau de suppression d’ombres basé sur le contraste régional et la perception des frontières est proposé. Tout d’abord, un mécanisme d’attention multi-échelle est conçu en utilisant des représentations spatiales complémentaires et un renforcement des zones clés pour améliorer la cohérence de la structure de l’image ; ensuite, un module de perception des ombres est construit, appliquant des stratégies différenciées de traitement des caractéristiques aux zones ombrées et non ombrées, améliorant la continuité des frontières des ombres et des zones de transition ; puis, un mécanisme d’attention au contraste visuel est proposé pour améliorer la capacité de définition des relations de contraste interrégionales à l’échelle globale ; enfin, une fonction de perte conjointe est conçue, utilisant une stratégie d’ajustement dynamique des poids pour guider le modèle vers une optimisation conjointe de la précision des pixels, de la cohérence structurelle et de la stabilité des couleurs. Les résultats expérimentaux montrent que sur le jeu de données ISTD, la PSNR moyenne augmente de 1,57 dB par rapport à 8 méthodes représentatives, et sur le jeu de données SRD, la PSNR moyenne augmente de 2,03 dB par rapport à 10 méthodes. Par ailleurs, ce méthode avec 12,3 millions de paramètres réalise un équilibre efficace entre qualité de reconstruction et complexité du modèle. Cette méthode réduit significativement l’erreur de luminosité au niveau des pixels et supprime efficacement les résidus d’ombre et les artefacts aux frontières, obtenant un effet de suppression d’ombre plus naturel et fiable.

suppression d'ombres;attention multi-échelle;perception des ombres;attention au contraste visuel;contraste interrégional