通常在获取图像时,由于阴影的作用及影响,会使图像存在不同程度的降质现象。阴影是一种由成像条件引起的降质现象,它使目标反映的信息量缺损或受到干扰,削弱图像中的光学信息,降低图像的解译精度和速度,严重影响图像的各种定量分析和应用。阴影是由于光源被物体遮挡而产生的,意味着图像信息的损失会对后续的图像匹配、模式识别、地物提取等工作产生影响,因此对图像中的阴影进行研究与处理是十分有必要的。本文主要研究基于单幅图像阴影检测与去除的算法,重点介绍基于阴影特征的方法进行阴影去除。首先论述阴影去除算法的背景及意义,国内外各种阴影检测与去除算法的研究现状；然后介绍了图像成像的理论知识及阴影的类型和性质。阴影性质是阴影检测算法的理论依据,本文借鉴了比率图方法中亮度信息在阴影检测中尤为重要的思想,考虑到阴影区域的面积通常是比较大的连通区域,阴影区域与非阴影区域相比具有较低的亮度值的特点,提出了一种结合亮度平均值和区域生长的阴影检测算法。这种算法首先需要对RGB空间的阴影图像做前期预处理,进一步得到对比度增强的灰度图像;然后对灰度图像进行二值化后,基于二值图像对阴影中心进行粗糙定位,从而计算出阴影中心在HSI空间的亮度平均值；最后由得到的亮度平均值和阴影中心点,对阴影区域做区域生长和边缘膨胀后得到最终的阴影区域。该算法既利用了图像阴影中心位置的亮度信息,又利用了图像阴影中心位置的颜色信息,使阴影检测的结果与真实阴影区域更加接近,提高了算法的自动检测的精度。最后通过仿真实验对本文算法的有效性进行了验证。阴影检测是进行阴影去除的必备前提条件,阴影去除算法的最终结果直接依赖于检测到的阴影区域的好坏。在传统阴影检测方法的基础上提出了一种新颖的算法—基于子区域匹配的阴影去除算法。通过纹理分割和匹配,将阴影区域和非阴影区域分成不同的子区域,再通过匹配子区域对实现自适应光照转移。这一算法不仅能够对复杂纹理以及亮度条件的阴影图像进行处理,还能够使阴影区域中像素点的颜色、亮度、纹理恢复到非阴影区域正常光照的效果,周围场景的表现更为连续。实验结果表明本文的阴影去除算法在质量和性能两方面都能得到比较好的效果。最后,在C++/GUI平台上,编程实现了阴影检测与去除软件系统的设计,完成了阴影去除的整体实现过程。