阴影是日常生活中的自然现象,它们可以为视觉场景的理解提供重要信息,例如光照环境、场景结构、物体形状等信息。然而阴影的存在也会对场景分析造成干扰,令目标识别、图像分割和本征分解等图像处理工作效果变差。因此,自动检测并消除阴影是计算机视觉领域的一个重要课题。单幅图像的自动阴影检测与消除在图像处理领域是非常具有挑战性的问题,现有的算法多利用色度、纹理和梯度相似性或深度学习的方法,实现简单场景的阴影检测与消除。对于复杂场景,由于其结构多样和投影信息复杂,难以构建数据集,利用传统方法或深度学习方法都难以达到理想的阴影检测与消除效果。且复杂场景光照变化和几何结构多样,如何在阴影消除的同时保留图片原有的光照渐变信息和几何信息,以及还原图片的真实性,是一个具有挑战性的问题。为了解决复杂场景阴影的自动检测与消除问题,本文提出一种基于图像深度信息的阴影检测与消除算法。该算法利用图像的深度信息估计出各个像素点的法线信息、点云位置信息及空间邻域范围,通过比较各个像素点及其空间局部邻域像素点间的法线、空间位置和色度信息的相似度,估算出每个像素点的阴影置信度值,并对阴影置信度进行优化得到最终的阴影检测结果,解决了复杂场景阴影检测困难的难题。然后利用估算的阴影检测结果,构建阴影消除全局优化算法,消除场景中阴影的同时,恢复原图像中的光照渐变信息及色度信息,保证阴影消除结果的真实性,得到视觉友好的阴影消除结果。本文的研究内容及主要贡献分为以下几点:(1)提出基于多尺度滤波的阴影置信度估计算法,减少纹理影响的同时保留复杂的阴影边界信息;(2)利用拉普拉斯算子构建优化方程对阴影置信度进行插值优化,得到更完善的阴影检测结果的同时,保留了阴影信息的相对强度及阴影边界梯度信息,有助于复杂阴影及软阴影的边界消除;(3)提出一种基于非局部邻域的阴影消除优化算法,利用阴影消除前后,图像的色度信息以及环境光照信息保持不变的原理,提出色度约束项并改进了法线相似度的计算方法,恢复了阴影消除结果的色度信息以及明暗渐变信息,保留了结果的真实性。实验结果表明,不论对于简单场景还是复杂场景,该算法都有较好的阴影检测与消除效果。最后,通过与其他算法的阴影检测和阴影消除结果进行视觉比较和客观评价,证明了本算法的有效性和鲁棒性。