Single-Image Shadow Removal Using Deep Learning: A Comprehensive Survey

去除阴影的目标是恢复阴影区域内的图像内容，追求照明的均匀分布，以保持阴影和非阴影区域之间的一致性。与其他图像恢复任务相比，阴影去除面临两个独特的挑战：1）阴影的模式是任意的、多变的，通常具有高度复杂的痕迹结构，使得“无痕迹”的图像恢复变得困难。2）阴影造成的退化是空间非均匀的，导致阴影和非阴影区域之间的照明和颜色不一致。近年来，深度学习为主导的解决方案在这一领域取得了重要进展，采用了各种学习策略、网络架构、损失函数和训练数据。然而，对基于深度学习的阴影去除技术的全面且深入的综述仍然缺乏。本文是第一篇全面调查，涵盖了从技术细节到应用的各个方面。我们重点介绍了基于深度学习的单幅图像阴影去除方法的主要进展，全面回顾了以前在各个类别中的研究，并提供了对这些发展的历史进程的见解。此外，我们还总结了定量和定性的性能比较。除了阴影去除方法的技术方面，我们还探讨了该领域未来的潜在方向。

深度学习在单图像去除阴影方面的应用研究

本文综述了深度学习在单图像去除阴影方面的技术细节和应用，提出了一些新的思路和方案，并对历史发展进行了回顾和总结。

本文首次提供了全面的深度学习单图像去除阴影技术综述，包括技术细节、应用和性能比较等方面。同时，本文还探讨了该领域未来的研究方向。

最近的相关研究包括：Deep Joint Rain Detection and Removal from a Single Image (CVPR2017)、Learning to See in the Dark (CVPR2018)、Dual Illumination Estimation for Robust Shadow Removal (CVPR2019)等。