阴影作为图像退化的一种特殊形式，其存在会对机器视觉图像的信息造成一定的损失或干扰，这在计算机图像处理过程中将直接导致相应区域的边缘提取、目标识别以及影像匹配等算法的结果不稳定甚至失败。论文围绕静态图像阴影的检测与去除方法这一主题展开，着重研究基于阴影特征进行阴影检测与去除的方法。论文首先概括了静态图像阴影处理算法的背景及意义，总结了不同阴影检测与去除算法的发展历程和现状；然后介绍了阴影的分类和性质，研究了阴影的特点和光谱性质，同时以这些理论为基础，总结现有的阴影检测与阴影去除算法原理。论文提出了一种基于成对区域的阴影检测与去除方法。该算法通过聚类和区域合并策略对图像进行区域分割，根据成对分割区域的特性，利用支持向量机建立分类模型实现阴影检测，通过计算直射光强度与环境光强度的比率，进行阴影去除。仿真实验结果表明，该算法有效降低了算法的时间复杂度，同时也提高了检测精度，阴影去除效果与原始无阴影图像较为接近，取得了比较理想的效果。论文最后提出了一种基于颜色比率的阴影检测和去除方法，该算法在使用景物提取进行阴影检测的基础上，将阴影区域分为全影区和半影区，分别计算全影区和半影区的阴影比例因子，进行阴影去除，最终通过实验证明了算法的有效性。