Face aux problèmes des méthodes actuelles de suppression des ombres, notamment l’insuffisance de modélisation des relations de contraste global, la capacité limitée de traitement différencié des régions, ainsi que la tendance à générer des résidus d’ombre et des artefacts de bord, nous proposons un réseau de suppression des ombres basé sur le contraste régional et la perception des frontières. D’abord, un mécanisme d’attention multi-échelle a été conçu, utilisant des représentations spatiales complémentaires et le renforcement des zones clés pour améliorer la cohérence de la structure de l’image ; ensuite, un module de perception des ombres a été construit, adoptant une stratégie de traitement différenciée des caractéristiques entre zones ombrées et non ombrées pour améliorer la continuité des frontières des ombres et leurs zones de transition ; puis, un mécanisme d’attention de contraste visuel a été proposé pour renforcer la capacité de définition des relations de contraste transrégionales à l’échelle globale ; enfin, une fonction de perte conjointe a été conçue, avec une stratégie de réglage dynamique des poids, guidant 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 qu’au sein du jeu de données ISTD, le PSNR a été amélioré en moyenne de 1,57 dB par rapport à huit méthodes représentatives, et sur le jeu de données SRD, il a été amélioré en moyenne de 2,03 dB par rapport à dix méthodes. Par ailleurs, notre méthode avec 12,3 millions de paramètres réalise un équilibre efficace entre la qualité de reconstruction et la complexité du modèle. Cette méthode réduit significativement l’erreur de luminosité au niveau du pixel et supprime efficacement les résidus d’ombre et les artefacts de bord, aboutissant à un effet de suppression des ombres plus naturel et fiable.

suppression des ombres; attention multi-échelle; perception des ombres; attention au contraste visuel; contraste transrégional