Ввиду недостатков существующих методов удаления теней в глобальном моделировании сравнительных отношений, ограниченных возможностей региональной дифференцированной обработки, а также склонности к остаточным теням и искажениям на границах предложена сеть удаления теней на основе регионального сравнения и восприятия границ. Во-первых, разработан многоуровневый механизм внимания с использованием дополнительных пространственных представлений и усиления ключевых областей для улучшения структурной согласованности изображений; во-вторых, создан модуль восприятия теней, применяющий дифференцированные стратегии обработки признаков к теневым и не теневым областям для повышения непрерывности границ теней и зон перехода; затем предложен механизм визуального сравнительного внимания для улучшения способности определения межрегиональных сравнительных отношений в глобальном масштабе; наконец, разработана совместная функция потерь с динамической регулировкой весов, направляющая модель к совместной оптимизации точности пикселей, структурной согласованности и цветовой стабильности. Экспериментальные результаты показывают, что на наборе данных ISTD среднее значение PSNR улучшилось на 1,57 дБ по сравнению с 8 представительными методами, на наборе SRD — на 2,03 дБ по сравнению с 10 методами, при этом предложенный метод с 12,3 млн параметров эффективно балансирует качество восстановления и сложность модели. Метод значительно снижает ошибки яркости на уровне пикселей и эффективно подавляет остатки теней и искажения на границах, обеспечивая более естественное и надежное удаление теней.

Удаление теней;Многоуровневое внимание;Восприятие теней;Визуальное сравнительное внимание;Межрегиональное сравнение