图像处理领域中的阴影检测与去除是一项非常重要的基本任务,可以用于复原场景,提取特征和检测特定目标。它广泛用于农业,气象,电信,智能交通,遥感,医学等领域。目前,阴影检测和去除方法的研究已经取得了一些成果,但是阴影生成的随机性,多样性和复杂性给现有算法和各种算法带来了一定的局限性。难以满足应用需求。因此,深入研究和优化各种阴影检测和去除算法以提高阴影检测和去除算法的通用性具有重要的现实意义。本文重点研究和说明阴影检测和针对静止图像的阴影去除。主要介绍了图像阴影检测和去除依赖的原理和方法;分析了图像阴影的种类,对阴影在各个情况下具备的不同性质进行了探讨;整理并阐述了一些经典以及近年来新兴的检测和去除并对他们进行了分类;提出了一种自然阴影图像阴影检测算法、一种去除算法以及针对文档阴影的去除算法。主要工作内容如下:首先,针对自然阴影检测领域准确性与速度之间无法达成较好平衡的情况,提出了一种基于HSI颜色空间和OTSU阈值划分的阴影检测算法。该方法可以避免暗色明亮区域对阴影检测产生的影响,并且在图像存在不均匀颜色纹理的情况下仍然可以准确针对不同纹理进行阴影检测,可以做到较高的检测准确度,同时也具有较低的复杂度,运算时间短。其次,针对自然阴影图像去除阴影,提出了一种泊松方程结合半影展开的阴影去除方法,利用泊松方程性质对阴影内部区域做光照恢复,而对于阴影与非阴影交界处的半影部分则采用半影展开的方式进行消除,实验证明,该方法的具有很好的去除效果,处理后的图片无明显阴影残留痕迹。最后,针对自然阴影图像中一类特别的阴影图像:文档阴影图像,提出了一种阴影检测与去除的方法。首先利用最大期望拟合的高斯混合模型,通过SVM预分类来得到初始簇心,再利用高斯混合模型进行聚类,得到阴影遮罩。针对文档阴影去除时受文档内容影响较大的问题,这里结合了注水算法来获得真实光照背景,利用朗伯表面模型的原理,最终计算出无阴影光照图。实验证明,该方法对于光照恢复效果好,并对图像细节无破坏,可以获得质量良好的无阴影文档图像。