朱德利，熊 昌，胡雪奎，李 炜，王 青

1.重庆师范大学 计算机与信息科学学院，重庆 401331

2.重庆市数字农业服务工程技术研究中心，重庆 401331

下雨是一种常见的天气现象，当在雨天进行拍摄任务时，雨条纹会对场景中的内容进行遮挡和干扰，从而使拍摄到的图像质量下降，直接导致主观视觉效果变差，并降低后续计算机视觉系统的性能，对无人驾驶、道路监控等实际应用产生极大的影响。因此，如何改善有雨图像的清晰化问题受到国内外科研工作者的广泛关注。然而，单幅图像中并不具有视频信号中丰富的时空相关性，不能利用这些时空特征，这进一步增加了单幅有雨图像清晰化的难度。因而，对单幅图像去雨问题进行研究具备极大的意义。

目前，单幅图像去雨的方法可大致分为两类，基于模型驱动和基于数据驱动。其中，基于模型驱动的方法侧重于挖掘和利用图像的先验知识，并将其用到解决反问题时的约束和建模中去，再通过设计优化算法求解模型，获得无雨图像；而基于数据驱动的方法，主要是以深度学习为代表，通过构建神经网络，并采用仿真数据和反向传播算法对神经网络进行监督训练，让网络从数据中自行学习有雨图像到无雨图像的映射关系。

Kim 等[1]通过非均值滤波器将雨条纹移除，但是该方法的缺点是物理模型限制了其性能。Kurihata等人[2]使用PCA 来学习雨的形状，并试着将测试图像中的一个区域与所学雨的区域相匹配。……