无人机低空遥感技术是一种新发展起来的地理空间信息快速采集技术,与其他遥感影像相比,无人机影像分辨率高,影像细节更多,这使得城市区域由建筑物高差引起的阴影问题变得十分突出。阴影的存在对图像解译与密集匹配造成严重影响,因此阴影处理是无人机影像预处理中的重要研究问题。现有阴影检测算法存在检测精度低、算法自动性差,灰度值偏高的半影区域存在检测不完整的现象。现有补偿方法存在补偿后色彩失真,影像细节信息丢失,补偿后区域地物差异不明显等缺点。本文针对阴影处理算法中自动化程度低、检测精度低,补偿后地物色彩失真等缺陷,对检测与补偿算法进行改进,主要研究内容如下:1)本文在基于抠图算法的软阴影检测法与基于彩色不变模型的检测法的研究基础上,提出了一种抠图算法精化阴影区域的自动检测算法。根据阴影区域灰度值偏低的特点,采用高斯混合模型算法对影像灰度分布进行拟合,求解阴影概率图;将阴影概率图作为抠图算法的约束条件,利用抠图算法对边界拟合的优势,对预测阴影概率图进行精化处理;顾及阴影检测算法的完整性,采用基于对象的阴影检测方法,分区域计算每个区域平均阴影概率值,采用阈值法逐区域判断得到阴影检测结果。2)本文在顾及地物差异补偿法及非局部正则化阴影区域两种补偿算法的基础上进行研究,提出一种顾及地物类别信息基于区域匹配的阴影补偿算法。利用LBP纹理特征对检测阴影结果进行逐区域匹配,通过约束紧致度参数与距离参数,找到阴影区域对应的同质非阴影区域,考虑阴影覆盖地物类型的差异性对线性阴影补偿模型进行精化,利用非阴影区域的灰度信息对阴影像素进行修正。3)本文采用C++平台实现算法,实验结果表明,本文检测算法很好的解决了半影区域检测不完整的问题,该算法整体检测精度约为90%,算法无需人工干预,自动化程度高。本文补偿算法能够对阴影区域进行较好恢复,提高了阴影区域的亮度与方差信息,补偿后影像的细节信息丰富,目视效果来看,补偿结果与地物真实色彩具有良好的一致性。