图像阴影是计算机图像处理的难点和重点。当成像设备进行图像采集时，阴影将进入到图像场景中，引起图像质量的下降，影响计算机图像处理。例如，在视频图像中造成目标分割、目标跟踪、目标识别等处理结果的不稳定甚至失败；在图像中降低图像的美感，干扰后续计算机图像处理结果，加大场景分析难度等。阴影去除能减少阴影的影响和干扰提高计算机图像处理精度。阴影检测是阴影去除的前提，本文将研究图像阴影检测，为阴影去除提供依据。Salvador等人将阴影检测方法分为基于模型的阴影检测和基于特征的阴影检测。其中基于特征的阴影检测因计算量更小，实时性更高而备受关注，目前已成为图像阴影检测的主流算法，得到了非常广泛的应用。基于特征的阴影检测通常利用分割算法将阴影和非阴影分割开，通过处理有效的特征进行识别和检测阴影。在分割算法上，目前主要利用Mean Shift算法分割阴影图像，但在分割图像时容易产生过分割导致分割错误以及区域数目众多，加大了特征提取的难度，不利于后续处理，因此分割效果直接影响了阴影检测效果的优劣。在特征处理上，利用支持向量机SVM对特征进行分类和预测已成为了阴影检测的主流算法。该方法利用SVM训练特征得到模型检测阴影，但是在特征训练中将所有的特征都整合到一个模型中，不利于描述阴影的特性。在分割算法中，本文针对Mean Shift分割阴影图像的不足，根据OTSU方差分类算法的特点，提出了基于OTSU和Mean Shift的阴影分割算法。在特征处理中，为了在Mean Shift分割后的特征提取中充分利用区域特征以及特征之间的关联性来描述阴影特性，本文充分选取了阴影有效特征，并提出了SVM双模型阴影检测机制。实验结果表明，本文提出的高效阴影分割算法和基于SVM双模型的阴影检测在各种图像场景中均取得了较好的效果。