在室外场景下拍摄的图像极易遭受降雨影响,导致其能见度呈现明显下降。一方面,附着在相机镜头上的雨滴会对拍摄场景造成大面积的局部遮挡,并导致遮挡区域发生不同程度的几何形变;另一方面,区别于雨滴,分布在镜头外的雨线则会对拍摄场景带来密集的小面积局部遮挡。由于清晰度降低,有雨图像不仅观看的主观体验较差,更对语义分割、目标检测等机器视觉任务带来了巨大挑战。因此,迫切需要探索高效可靠的图像去雨算法,提升并改善图像能见度。目前的单图像去雨算法在去除雨滴条纹和恢复图像细节上取得了显著的成果,但是却难以扩展到具有多种外观属性的雨滴或者雨线上,其局限性具体展现在以下两个方面:（1）现有的图像去雨算法所采用的形状固定的卷积滤波器难以捕获形状差异巨大的雨滴,无法对不同形状、尺寸和透明度的雨滴进行有效建模和去除,造成去雨图像中雨滴的残留;（2）参数固定的预训练滤波器无法捕捉分布密度和下落方向各异的雨线,造成去雨算法在不同类型雨线数据集上的泛化性能较差。本文根据恶劣天气条件下雨滴和雨线的不同外观属性,分别研究单幅图像上内容自适应的雨滴和雨线去除算法:（1）针对单幅图像雨滴去除研究,本文首先构建了一个大规模室外场景下的合成雨滴数据集,来有效模拟雨滴的形状、尺寸和透明度等物理特征,然后提出了一种基于多尺度形状自适应的雨滴去除算法,通过估计雨滴分布的位置信息来准确判别雨滴图像区域和无雨滴背景区域,设计密集增强可变形卷积模块来建模雨滴的物理形变,提高去雨滴网络对不同类型雨滴的几何感知能力,从而自适应地恢复雨滴图像区域的背景纹理,采用分图像区域融合的策略合成去雨滴图像,在修复雨滴图像区域背景纹理的同时,保留了无雨滴背景区域的清晰图像结构,极大地提升了雨滴图像的恢复质量。（2）针对单幅图像雨线去除研究,本文提出了一种基于多尺度纹理自适应的雨线去除算法,设计带有门控融合机制的跨尺度特征融合模块,在空间域和通道域对相邻不同尺度的雨线特征进行选择性的提取和传递,抑制了冗余特征的干扰,增强特征所包含的丰富语义信息和纹理细节,通过引入额外的高斯滤波器来进一步提取不同像素空间位置的自适应特征,从而能够在不同的局部图像块上自适应地捕获雨线特征的纹理变化,提升去雨模型对不同类型雨线的鲁棒性和泛化能力。