图像阴影的去除是一个极具挑战性的任务,它需要研究者在检测图像中阴影的同时充分理解周边场景的语义。大部分去阴影的方法首先定位阴影区域,然后利用重建算法去除本影和半影。然而,想要精准的检测出阴影区域是一个非常困难的任务。基于物理因素的阴影去除方法,在适应于高质量图像的同时会忽略周边场景的语义信息。基于统计学的阴影去除方法需要人工标注阴影特征,阴影去除的效果很大程度上取决于人工标注阴影区域的精确度。基于深度学习的方法在去阴影等图像处理领域取得了具有竞争力的结果。很多学者基于深度学习方法去除图像中的阴影,并取得了高质量的结果,本文基于深度残差网络训练模型去除单幅图像中的阴影。本文基于深度神经网络,结合基于物理因素的阴影去除方法实现单幅图像去阴影。本文基于残差网络训练模型,残差网络能够有效避免由于网络层数过深出现的梯度弥散和梯度爆炸现象。本文训练的网络模型具有较好的泛化能力,受外界环境的干扰较小。在背景结构复杂,纹理丰富以及非固定光源的情况下依然能取得高质量的去阴影效果。本文提出的方法在公开的数据集以及实验数据集上都可以取得高质量的结果,因此,本文训练的网络能够准确检测出阴影区域并实现去除。