自然场景图像中的阴影去除是十分具有挑战性的任务。阴影是在自然场景中采集图像时的一个常见的现象。阴影往往会导致采集到的图像,出现色彩改变、亮度不足或者信息缺失等一系列问题。自然图像的阴影去除,在计算机视觉任务以及一些其他应用中具有重要意义。到目前为止,国内外研究者针对自然场景图像中的阴影去除已经做很多探索,并提出了诸多有效的解决方法。然而复杂背景下图像严重退化(阴影很深)时的阴影去除质量依然有待于进一步提升。近年来深度学习技术在大数据集上得到成功应用,本文选择基于深度学习技术对自然场景图像中的阴影去除展开深入的研究。研究内容与创新点如下:(1)提出了基于注意力生成网络的阴影去除方法。该方法利用了生成对抗网络的结构,其中生成网络通过注意力生成网络形成对图像阴影部分区域的注意,并将该注意图与输入图像一起通过上下文自动编码器生成无阴影图像,然后利用判别网络对输出结果进行有效性评价。本文创新地设计了一种基于注意的图像阴影分解层,使用它来关注图像中的阴影位置,还可以提取图像中阴影区域的轮廓信息,并以注意力作为自动编码器的约束条件。实验表明这是一种先进有效的图像阴影去除方法,它可以有效去除复杂场景下的阴影。(2)提出了基于生成修复模型的阴影去除方法。该方法可以在网络训练中利用周围图像特征作为参考,用适当的模拟内容代替严重阴影区域。该模型是全卷积神经网络,它可以在测试时间内,处理任意位置的阴影或者是大小不等的阴影。实验表明,本文提出的方法在严重的阴影情况下获得的阴影去除效果比现有方法更好。这种方法不要求能精确重建无阴影区域的内容,目的是实现更逼真的阴影去除,即使在严重的阴影情况下,也能够为退化图像提供更美观且更逼真的去除结果。