伴随着航空航天与摄影技术的进步,遥感影像成为大面积获取地面信息最快速便捷的途径,在目标检测与识别、影像分割与变化检测等方面都有广泛应用。但是光照条件和地形高低起伏,以及高分辨率城市影像中的密集高大建筑物,都会因遮挡关系造成阴影。阴影虽然有助于感官三维场景的建立,但是会对地表信息的提取造成干扰,降低影像质量,对于影像解译、定量反演、以及细节信息的提取都有消极的影响。为了消除阴影在遥感影像应用中的诸多问题,需要还原阴影处纹理和色彩信息,进而提高遥感影像的使用效率。本文针对单张遥感影像进行阴影检测与去除的理论与方法开展研究,按地形将遥感影像分为山地区域与城市区域,分别讨论DEM辅助下Landsat遥感影像的山地区域阴影检测与地形辐射校正,以及没有DEM辅助的高分辨率城市遥感影像阴影检测与去除方法,并结合深度学习的理论基础,对其在阴影检测方面的应用进行了初步实验。本文围绕高分辨率遥感影像阴影检测与去除中的难点问题展开研究,主要内容如下:(1)回顾国内外在地形辐射校正、阴影检测与去除等领域的研究现状,总结现有的方法与思路。(2)针对山区地形起伏,阐述该类区域阴影的成因与分类,在DEM辅助下对Landsat卫星影像进行山区阴影检测、地形辐射校正与阴影去除的研究。(3)阐述高分辨率城市遥感影像的阴影检测与粗差剔除,分析了深度学习在阴影检测领域的问题和应用,结合图像分割、矩匹配与局部优化等方法进行阴影的去除研究。(4)通过实验更为全面地验证本文提出的阴影检测与去除算法,阐述并分析方法的适用性和局限性。实验结果表明本文方法改善了传统地形辐射校正的效果,在DEM的辅助下可以在山区得到更为理想的阴影去除效果,在城市区域本文方法可以得到更精确的阴影检测结果,结合深度学习阴影检测可以得到更好的阴影结果,从而得到较为准确的阴影范围,并实现了基于四波段高分辨率遥感影像的全自动阴影去除。