城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异，最终导致分类精度下降。针对可见光图像中的阴影和颜色失真问题提出了一种改进办法：第一阶段针对阴影导致的被掩盖区域谱信息缺失问题，对阴影区域进行采样、分析，通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影。第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型（DSM）]中的差异特征，剔除冗余，获取准确的树木区域，弥补颜色失真使得树木区域提取不完全的缺陷。实验结果与人工获取的真实数据对比显示，该方法与传统的Dempster-Shafer (D-S)证据理论融合方法相比，分类精度有了明显的提高。

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法。假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题。在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域。结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光。