计算机视觉系统被广泛地应用于目标检测、特征提取、物体识别等诸多领域,但雨雪等恶劣天气条件会使视频和图像的质量退化,导致计算机视觉算法的性能受到严重影响,效果显著下降。因此,图像的雨雪去除有助于提升各类计算机视觉算法的有效性和准确性。一般来讲,根据处理的数据类型,去雨算法的研究分为基于视频数据的算法和基于单幅图像的算法两大类。基于视频的去雨算法可利用多帧信息,且已有重大进展,相对而言单幅图像的去雨算法可利用的信息较少,因而难度较大。本文对现有的视频和图像雨雪去除算法进行研究与比较,并针对单幅图像的去雨这一领域,提出自己的改进算法,完善了单幅图像去雨算法的效果。基于现有的基于图像分解的单幅图像去雨经典算法,本文提出了一种优化图像高频部分几何分量的去雨方法。首先,采用平滑滤波做图像分解,得到雨图像的高频部分;然后结合稀疏表示与近邻传播算法分离出图像高频部分的雨分量,用图像的高频部分减去雨分量并做平滑处理,以此作为几何分量。其次,对稀疏表示过程得到的字典进行再分类,完善雨分量与非雨分量的区分,最后完成图像恢复。另外,对于目前经典的基于图像分解的去雨算法,其效果严重依赖于稀疏表示和字典学习,为此本文又提出一种基于低秩表示的单幅图像去雨算法。首先对雨图像进行双边滤波得到其低频部分和高频部分,并对高频部分进行分块和计算HOG特征,将每个子块的HOG特征向量合并为特征矩阵作为低秩表示的输入。然后,对低秩表示输出的系数矩阵进行子空间聚类,并通过方差大小判断哪些子块属于雨字块从而进行去除,最终将去除雨子块后的高频图像与双边滤波得到的低频图像进行叠加,合成最终的去雨图像。通过实验证明,本文所提出的两种算法能够更好地保留图像的细节信息,且去雨效果也比较理想。