遥感影像已经在自然灾害监控、地貌变换监测、灾情营救等领域广泛应用。但遥感影像中阴影的存在会引起阴影区域部分或者全部信息的丢失，削弱影像中的光学特征信息，从而影响后续遥感影像的处理操作。阴影的检测与提取是阴影处理的前提，阴影检测的精度直接关系到遥感影像处理的精度，因此阴影检测对于遥感影像处理十分关键。当前阴影检测算法的研究方法从多角度多方面展开，但仍存在着一些困难，如遥感影像缺少图像背景信息、对先验知识的依赖，对参数选择的不确定以及精确度和复杂度之间无法平衡等问题。针对遥感影像阴影检测算法的特点，本文分析了C₃通道分量和Laplacian算子的优缺点。针对它们各自存在的不足，做出以下改进：改进了C₃通道分量，使其灰度值均匀分布，增强了影像对比度，更有利于区分阴影与非阴影；改进了Laplacian边缘检测算子，克服了此算子对噪声极度敏感的缺点，提高了边缘检测的准确性。本文研究并改进了基于C₃通道分量的阴影检测算法，弥补了此算法的局限性，提出了一种融合C₃通道分量与边缘检测的阴影检测算法。该算法的主要步骤为：将遥感影像转换成C₃通道分量，并采用本文改进策略对C₃通道分量进行规范化；再采用本文改进后的Laplacian算子检测阴影区域边界，去掉伪阴影边缘，确定阴影区域的边界；最后经过图像叠加、色彩处理、阈值选择等提取出阴影区域。本文实现了提出的阴影检测算法，构建了本文算法的实验平台，并通过对多种样本影像进行实验，验证了本文算法的有效性。实验结果和评估结论表明本文算法提高了阴影检测的正确率，降低了将非阴影检测为阴影的错误率，且方法简单，适应性强。由于阴影本身形成的复杂性与多样性，以及实际中只能提供遥感图像有限的场景信息，要从根本上检测出全部的阴影还存在很多难点。本文只对阴影检测算法的前几个步骤做了初探，没有对阴影提取算法后续步骤做出改进，这是下一步研究的目标。