随着科技进步，技术发展，多媒体信息也越来越多的进入了人们的生活中，其中，图像信息是人们较为常见的一种视觉信息。图像是信息的一种有效载体，人们可以从图像中获得许多信息，比如说图像中人物、动物等对象。但与之相伴的是，图像中也可能也会存在一些没用的干扰信息，比如说阴影。在计算机视觉中，图像中阴影的存在会减少许多计算机视觉算法的可靠性，同时也会对一些计算机任务产生影响，如图像分割、场景分析、图像中的目标检测、目标追踪等等，所以阴影的检测与去除是提高上述视觉任务性能的一个重要预处理工作。通过对现有的阴影去除算法的分析和研究，本文发现一个问题，即虽然目前很多阴影去除方法能够有效的去除阴影，但是图像阴影去除后原阴影的位置还是不能很好的融入图像本身。本文提出一种基于颜色一致性的图像阴影去除算法，通过颜色调整使得阴影部分的颜色能更好地融合于整幅图像。文中在阴影边界处进行了颜色一致性处理，对边界及其所包围的阴影区域进行重新着色，以达到更好的效果。实验结果证明了该算法的有效性。本文首先利用一种自适应平滑滤波方法对图像进行了双边滤波，计算滤波处理后的图像的梯度值，然后在这个渐变图像上应用分水岭分割算法，之后对模糊阴影边缘用精确的边缘检测器检测，之后再用一个CRF方程式来限定相邻边界。分水岭分割的一个不好的后果是它在图像的光滑区域会产生边界。为了弥补这一点，本文仅保留这些结合了图像的强大的边缘的界限。为此，我们使用Canny算子来处理模糊阴影（弱边界）边缘，之后输出图像阴影检测的结果，即图像的mask。在进行阴影检测后，本文使用一个简单的光照模型构造图像的光亮环境，之后确定消除阴影的阴影系数，恢复阴影区域的光亮信息。本文为使阴影部分的颜色能更好地融合于整幅图像，使用颜色兼容性的相关研究对去除阴影后的图像进行再处理，在阴影边界处进行了颜色一致性处理，对边界及其所包围的阴影区域进行重新着色，视觉上达到了更好的效果。简单来说就是使目标物体（即去除阴影后的图像部分）通过颜色调整更加融合整幅图像本文的主要内容分为六部分，第一部分是本文算法的研究背景以及国内外研究现状；第二部分是对阴影消除过程中所用到的基础知识的介绍，包括阴影属性、光学以及色彩原理等；第三部分是现有阴影检测方法以及本文所使用的方法；第四部分是对经典阴影消除算法的介绍以及本文所使用方法的说明；第五部分是本文的实验结果的展示；第六部分是对本文的总结以及对以后研究重点的展望。