影除去のための新しい深層学習手法を提案します。影形成の物理モデルに着想を得て、線形照明変換を使用して画像内の影効果をモデル化し、影付き画像を影なし画像、影パラメータ、およびマット層の組み合わせとして表現します。当手法では、SP-ネットとM-ネットという2つの深層ネットワークを使用して、それぞれ影パラメータと影マットを予測します。このシステムにより、画像から影効果を除去することが可能となります。最も困難な影除去データセット（ISTD）で当フレームワークの訓練とテストを行い、最新手法と比較して影領域における平方根平均二乗誤差（RMSE）で40%の誤差削減を達成しました。RMSEは13.3から7.9に低下しました。さらに、影パラメータを変更することで新しい合成影画像を生成する画像分解システムに基づいて、拡張ISTDデータセットを作成しました。この新しい拡張ISTDデータセットでのモデル訓練により、影領域におけるRMSEがさらに7.4に低下しました。