随着计算机视觉在工农业生产、天文学、医学及军事学等领域的广泛应用,其在日常生活中受到越来越多的人关注。然而,作为现实生活中常见的一种光学现象,阴影的存在给计算机视觉任务带来一定的困难,如目标识别、图像分割和边缘检测等,因此有效地检测阴影成为计算机视觉技术亟待解决的问题。通过阅读大量文献,全面分析国内外研究现状,利用机器学习等相关理论知识,对单幅户外彩色图像的阴影检测方法进行深入研究。首先,介绍彩色图像的基本概念,并对所涉及到的机器学习知识进行简单介绍,主要包括均值漂移、随机森林、卷积神经网络的理论知识。其次,提出一种基于随机森林实现单幅户外彩色图像阴影检测的方法。首先对图像进行预处理,其次深入分析单幅图像阴影检测相关特征,并选取亮度特征、颜色特征、纹理特征、梯度方向特征作为阴影检测特征;然后使用Mean Shift对图像进行分割后提取特征,并进行归一化,将阴影特征输入到随机森林分类器,得到区域对信息;最后根据区域对信息结合阴影特征完成阴影检测。然后,通过研究单幅户外彩色图像阴影特点,提出一种基于卷积神经实现阴影检测的方法。首先设计一种基于全局语义信息的网络模型结构,然后将标注好的阴影检测图像样本输入模型,进行多次迭代训练,得到较好的训练模型,最后将待测单幅图像输入模型进行阴影检测。最后,对所提两种单幅户外彩色图像阴影检测方法进行实验验证,并与已有的静态阴影检测方法对比分析实验结果。