近年来,随着人造卫星的发射,遥感技术开始应用于气象观测,地理测绘,城市规划,资源环境监测等多个领域。通过遥感技术,人们可以解译遥感图像从而获取图像中的信息加以利用。但是由于受地理环境影响,太阳光线在传播过程中被山川树木或者城市中的高大建筑物等地物遮挡从而形成阴影。阴影的存在有利有弊,一方面,我们可以利用阴影对城市中建筑物进行估算高度或者形状等操作;另一方面,阴影的存在会导致遥感图像中阴影区域的信息丢失,例如纹理信息、颜色特征等,降低图像的质量,影响后续对遥感图像进行图像检测、目标识别、分类等操作。因此,近年来,为了解决这一不利影响,国内外众多专家学者提出了对遥感图像阴影区域进行处理的研究课题。对于遥感图像阴影区域的处理主要分为阴影检测和阴影信息增强。阴影检测可以提取阴影区域的轮廓信息,这是在进行阴影信息增强操作的前提条件;而阴影信息增强则是通过恢复或者补偿阴影区域的信息,提高图像质量,以便对遥感图像的识别,提取等操作。但是由于部分遥感图像中阴影区域较小且分布较为广泛,因此在对这类遥感图像进行阴影检测和阴影信息增强时容易产生极大的误差。所以本文研究的主要目的是在不损失遥感图像的色彩信息和细节信息的前提下,尽可能的增强图像的对比度,增强图像阴影区域的细节信息。本文主要选取广西壮族自治区桂林市山区喀斯特地貌作为研究对象,主要针对该地区遥感图像阴影信息增强算法进行探究。桂林山水为世界著名的喀斯特地貌,其地表特征主要为峰林-洼地,受此地貌影响,该地区的遥感图像中的阴影多为山体阴影。此类阴影的特征是多且小,山体阴影分布较为疏散,且容易与河流特征混淆,对后续遥感图像的阴影检测、阴影去除以及地物识别、信息提取或者地物分类等操作产生一定的影响。因此本文以此作为探究对象,通过增强图像阴影信息,与非阴影区域形成强烈的对比,为后续图像处理做了铺垫。本文通过对现有算法的比较研究,提出适合于本文研究对象的阴影信息增强算法。通过与基于HSI色彩空间的阴影信息增强算法和基于多尺度Retinex阴影信息增强算法的优缺点进行比较研究,本文提出了一种基于HSI色彩空间的多尺度Retinex的阴影信息增强算法。现有多尺度Retinex算法大多独立处理RGB三通道,虽然解决了单尺度Retinex算法中色彩失真问题,但是却破坏了RGB三通道的关系,造成曝光过度或者曝光不足以及产生光晕等影响。因此提出基于HSI色彩空间的多尺度Retinex算法,先将RGB色彩空间的分量映射到HSI空间,在HSI色彩空间中,对亮度分量进行增强;同时根据相关系数对饱和度分量进行自适应调整,最后将处理过的图像再转换回RGB色彩空间,得到阴影信息增强后图像。使用该算法不仅解决了单尺度Retinex算法对研究对象中水体的影响,同时也解决了多尺度Retinex算法中的色彩失真问题,达到较好的阴影信息增强效果。在HSI色彩空间下,亮度与色调并不能完全分离开来。因此,针对这一问题,本文提出基于Lab的多尺度Retinex阴影信息增强算法。在第三章方法的基础上,将图像从RGB色彩空间变换到Lab色彩空间。在Lab色彩空间下,仅对L分量进行多尺度Retinex处理,既能改变亮度分量,又能保证色度通道值不变,不会引发色度过度失真的问题。