阴影是一种由成像条件引起的图像降质现象，它使地物目标反映的信息量缺损或受到干扰，降低图像的解译精度，严重影响图像的各种定量分析与应用。为了消除阴影对后续图像处理带来的不利影响，必须对图像中的阴影区域进行去除。目前典型的阴影去除方法主要分为两类：基于泊松方程的阴影去除算法和基于阴影因子估计的阴影去除算法。第一类方法操作简单，但由于简单地将阴影边界梯度设置为零，导致恢复后图像中阴影边界的纹理丢失严重。第二类方法将阴影分为全影和半影，且分别对其进行处理，去除结果比传统方法具有较好的改进。然而，该类方法需多次人机交互，复杂度较高。而且这两类方法都必须确定精确的阴影边界，边界定位的精确程度直接影响阴影去除效果，这对于纹理丰富或场景复杂的图像本身就是一个难点。针对这些问题和不足，本文的主要工作和创新之处体现在以下方面：1、分析了阴影的光谱和几何特性，总结了当前的阴影去除方法的优缺点，提出了基于Fisher判别的光照无关图去阴影算法。该方法不需要检测阴影边界，只需利用光照无关图与各波段灰度图像之间的线性关系，重构出无阴影的彩色图像。针对传统的光照无关图通过遍历获取最佳投影方向，速度慢且精度不高的问题，提出了利用Fisher判别方法快速精确地取得最佳投影方向，从而获得精确的光照无关图。2、提出了基于梯度域的阴影去除算法。先确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化地修正，得到无阴影图像的梯度场。最后利用泊松方程，恢复出阴影区域内的信息。该算法操作简单，且阴影区域内纹理细节得到了较好恢复。通过以上工作，本文实现了复杂场景下阴影快速有效地去除，同时阴影区域内的纹理细节得到了较好地恢复，且不需要多次人机交互。通过对多幅图像进行实验，验证了算法的有效性和可行性。