摘要
我们提出了一种新颖的深度学习方法用于阴影去除。受阴影形成物理模型的启发，我们采用线性光照变换来建模图像中的阴影效果，使得阴影图像可以表示为无阴影图像、阴影参数和遮罩层的组合。我们使用两个深度网络，即SP-Net和M-Net，分别预测阴影参数和阴影遮罩。该系统使我们能够去除图像上的阴影效果。我们在最具挑战性的阴影去除数据集（ISTD）上训练和测试了我们的框架。与现有最先进的方法相比，我们的模型在阴影区域的均方根误差（RMSE）方面实现了40%的误差减少，将RMSE从13.3降低到7.9。此外，我们基于图像分解系统通过修改阴影参数生成新的合成阴影图像，创建了一个增强版的ISTD数据集。在该新增强版ISTD数据集上训练我们的模型进一步将阴影区域的RMSE降低至7.4。