随着数字化城市建设的快速发展,快速高效地获取建筑物高度信息尤为重要。虽然目前国内城市的建筑物高度信息已经较为完善,但是国外未知的大区域建筑群高度信息依旧匮乏,以及根据高分影像监测机场周围净空高变化的问题仍亟待解决。通过建筑物阴影反演其高度是获取建筑物高度信息的重要途径之一,但仅根据太阳、卫星、建筑物及其阴影的几何关系并不能获取全部建筑物的高度信息。综上,针对不同类别建筑物阴影需要用不同的方法进行高度反演的问题,本文首先通过U-Net提取建筑物阴影,然后提出了一种基于建筑物多边形的阴影去噪方法,最后根据一定规则对去噪后的建筑物阴影进行分类,并在北京和新疆部分地区的数据集进行实验,主要工作内容如下:（1）建立建筑物阴影提取的小样本量数据集,同时在模型中添加BN和残差连接以缓解U-Net模型出现过拟合现象,优化模型性能。（2）根据太阳、卫星以及建筑物及其阴影的空间位置关系,分别对简单地形和复杂地形下的建筑物和阴影进行模拟分析,并且详细的推导其空间关系的判断公式,同时借鉴LCZ分类思想将其应用于建筑物群分类,并且通过实例验证。（3）提出了一种以建筑物多边形为附加条件的阴影去噪方法,此方法解决了传统阴影去噪不完全、不准确的问题,不仅能将深度学习提取的建筑物阴影噪声很好的去除,而且可以将建筑物与其阴影一一匹配。（4）以能否通过渔网法进行建筑物高度反演为出发点,根据面积阈值、矩形度、边界指数等分类指标将建筑物阴影分为Ⅰ建筑物阴影过小、Ⅱ建筑物阴影纵向粘连、Ⅲ建筑物阴影投影至相邻建筑物、Ⅳ适用于渔网法的建筑物阴影四类,为更准确的获取建筑物高度信息奠定了基础。研究表明:将本文稍加改进后的U-Net网络应用于北京和新疆地区提取建筑物阴影,提取精度分别为93.18%和96.24%。将本文阴影分类方法应用于北京和新疆地区建筑物阴影分类,其实验结果总体kappa系数为0.7390,Macro＿F1值为0.7201,一定程度上说明此方法的有效性。继续深入研究北京和新疆5个实验区域可知无法用渔网法反演建筑物高度的比例分别为36.59%、29.17%、23.53%、25.93%和16.67%。本文为不同类别的建筑物阴影需采用不同方法计算其高度信息提供了一定的基础。