Ввиду недостатков существующих методов удаления теней, таких как недостаточное моделирование глобальных контрастных связей, ограниченная способность дифференцированной обработки регионов, а также склонность к остаточным теням и артефактам на границах, предложена сеть удаления теней на основе регионального контраста и восприятия границ. Во-первых, разработан многоуровневый механизм внимания с использованием дополнительных пространственных представлений и усиления ключевых областей для повышения согласованности структуры изображения; во-вторых, создан модуль восприятия тени с применением дифференцированной обработки признаков для теневых и безтеневых областей, что улучшает непрерывность границ теней и зон перехода; затем предложен механизм визуального контрастного внимания для улучшения способности определения межрегиональных контрастных связей на глобальном уровне; наконец, разработана совместная функция потерь с динамической стратегией регулирования весов, направляющая модель к совместной оптимизации точности пикселей, структурной согласованности и цветовой стабильности. Экспериментальные результаты показывают, что на наборе данных ISTD средний PSNR улучшился на 1,57 дБ по сравнению с восемью типичными методами, а на наборе данных SRD – на 2,03 дБ по сравнению с десятью методами. При этом предложенный метод с 12,3 млн параметров эффективно балансирует качество реконструкции и сложность модели. Метод значительно снижает ошибку яркости на уровне пикселей и эффективно подавляет остаточные тени и артефакты на границах, обеспечивая более естественное и надежное удаление теней.

удаление теней; многоуровневое внимание; восприятие тени; визуальное контрастное внимание; межрегиональный контраст