近几年来，随着遥感技术的快速发展，卫星传感器的空间分辨率在不断地提高，高分辨率遥感影像的应用范围也越来越广，主要包括地形图绘制、变化检测、数字化城市建设等方面。然而，阴影的存在会对高分辨率遥感影像的处理结果带来很多不利影响，如图像匹配、地物的识别与提取等。因此，准确提取高分辨率遥感影像中的建筑物阴影并将其去除掉，是目前遥感影像图像处理方面的一项重要工作。在对国内外阴影检测与去除算法系统研究的基础上，发现现有的算法存在很多局限条件，并且处理结果不是很理想，误检率较高。针对这些问题，本文对现有的算法进行了相应的改进，并提出了新的算法。主要工作内容如下：（1）研究了阴影的特性及影像的预处理操作。详细介绍了阴影的形状、类型及光谱特性，对遥感影像进行对比度变换及中值滤波等预处理，方便后续的阴影处理。（2）提出了形态学法进行地物阴影的检测。通过顶帽变换和底帽变换，增强了图像的对比度。选取合适的高度阈值，采用形态学法提取出地物阴影区域。（3）提出了区域生长分割法的地物阴影检测算法。将经预处理后的遥感影像转换为灰度图像，直方图归一化后结合区域生长函数，选取合适的高度阈值，实现地物阴影的提取。实验结果表明，此方法可以准确地将地物阴影提取出来。（4）提出了地物阴影中树木阴影的检测与去除方法。通过构造Lab、HSI颜色模型进行树木检测，并对阴影中的树木阴影部分进行去除实验。结果表明，Lab颜色模型能够很好地实现高分辨率多光谱遥感影像中的树木区域的检测与去除。（5）在分析和总结现有的建筑物阴影去除算法的基础上，改进了Wallis滤波算法，并提出了一种结合颜色恒常性理论的阴影去除算法。通过实验和定量评价，验证了这两种算法较传统的阴影去除算法精度更高。