在遥感影像中自动、快速、准确的获取人造地物是数字城市建设的重要前提和关键。在航空影像上进行关键地物识别或自动探测时，阴影的存在不可避免。本文在国家自然科学基金项目“基于认知信息论的遥感影像识别”的资助下，针对城市航空影像中阴影检测和消除展开研究，具体内容如下： 首先以认知信息论为基础，建立了OAR阴影认知模型，尝试探讨一种基于知识的目标识别模型。然后经过蓝色主量、高色调等特征分类，并结合区域生长、形态学算子算法完成阴影自动检测。其中，高色调是蓝色成分为主特征的补充，它通过自适应色调阈值定量描述。区域生长在特征提取的结果上进一步搜索漏检阴影而得到更完整的阴影形状，最后用形态学算子消除噪声。实验证明了本方法对高分辨城市航空影像的适用性。然后，在检测结果上进行阴影消除，针对中心/环绕Retinex算法模型中计算量过大的问题，应用卷积定理提高处理速度。 快速处理是本文的另一个研究重点，本文引入并行技术，研究阴影检测并行算法。首先基于二叉树原理设计任务的收发过程。然后设计出混合并行模式下阴影检测方法：基于相并行的特征提取和主从模式的区域生长。相并行充分考虑了特征提取中计算负载平衡特点，以简单的方式完成算法中的计算和迭代同步过程。对区域生长，设计了基于二级优先队列的资源调度方式，通过局部优先生长、关键任务优先处理等分级优先策略解决了负载平衡问题，通过缓冲发送技术减少了通信次数，具有良好的性能。阴影消除时，通过全局转置算法完成二维傅立叶变换并行算法。