【阴影去除】Shadow Removal

@[toc]Shadow Removal

Shadow Removal

深度学习在阴影去除问题中的应用已经取得了显著的进展。阴影去除是计算机视觉中的一个重要任务，旨在从图像中去除阴影，恢复无阴影的图像。

1. 问题定义

阴影去除的目标是从带有阴影的图像中恢复出无阴影的图像。阴影通常会导致图像局部区域的亮度和颜色失真，影响图像的质量和后续的图像分析任务（如目标检测、分割等）。

2. 深度学习在阴影去除中的应用

深度学习通过自动学习图像特征和复杂的映射关系，显著提升了阴影去除的效果。以下是一些常见的深度学习方法：

2.1 基于卷积神经网络（CNN）的方法

ST-CGAN（Spatial-Temporal Conditional GAN）：ST-CGAN是一种基于条件生成对抗网络（cGAN）的方法，通过引入空间和时间信息来去除阴影。该方法在动态场景中表现良好。

DSC（Deep Shadow Context Network）：DSC网络通过引入上下文信息来去除阴影，能够更好地处理复杂场景中的阴影。

2.2 基于生成对抗网络（GAN）的方法

Mask-ShadowGAN：该方法使用GAN框架，通过生成阴影掩码来指导阴影去除过程。生成器和判别器共同学习阴影区域的分布，从而生成无阴影的图像。

CycleGAN：CycleGAN通过无监督学习的方式