九十年代以来,计算机的处理能力日益增强,平板、手机摄像头、数码相机、扫描仪等图像拍摄设备的普及,使得计算机视觉系统广泛应用于全社会各个领域,大到卫星航空航海、小到交通医疗安防,数字视频、图像等视觉数据在众多领域发挥着重要的作用。然而在实际生活中,各个渠道获取的图像数据,在拍摄采集过程中,不免会遭受恶劣天气的影响而导致获取的图像数据在一定程度上出现降低质量的情况,如雨雪雾等的存在对图像造成遮挡或反射,使得目标图像细节丢失或能见度和清晰度大大下降,严重影响到图像特征的提取,从而影响相关视觉算法的有效性,进而干扰航空探测、户外监控、智能导航等应用系统的正常使用。因此针对恶劣天气中获取的降质图像的清晰度还原及增强算法成为国内外学者纷纷投入研究的其中一个重要课题。常见的恶劣天气有雾、雪、雨等,针对不同类型的天气下获取的图像,当前已有大量关于图像去雾、去雪、去雨等研究。由于雾、雪等物理特征相对简单,且已有较多相对成熟的研究,而雨天气频发性较高,且雨线的形状和尺度和密度等特征多样,因此更具有挑战性,更有研究的必要性。本文致力于研究出有效的图像质量增强算法,提高雨天气下获取的降质单幅图像的质量,主要是基于雨像素的位置,提出有效的修补模型,修补被雨线破坏的背景区域,去除雨线遮挡的影响,最终得到无雨的干净图像。具体的,本文以重叠采样的图像块为基本单位,将雨像素和非雨像素的先验特征作为线索,采取先检测、后修补的两阶段策略,高效且快速的解决单幅图像去雨问题。本文的研究算法及创新贡献概括如下:a)去雨的第一步是要尽可能准确地标记出雨像素的位置,因此本文首次利用雨的亮度先验和雨的方向先验提出了一种较为精确的检测策略,建立尽可能标记全部雨像素同时过滤掉被误标记的非雨背景像素的检测模型,较为准确地标记雨像素位置。b)本文修补算法基于对图像块的相似性扩展和利用,在相似块匹配过程中结合粗细粒度的两步块匹配算法,在一定程度上达到高精度的匹配目的。c)定位标记到图像中的雨线后,下一步利用雨线位置信息对被雨破坏的像素进行修补。本文提出两种修补模型:1.利用相似块组成的相似矩阵具有低秩属性的先验建立基于低秩矩阵补全算法的修补模型。2.利用相似块的位置先验信息建立基于最小值滤波的修补模型。对比实验表明,本文提出的单幅图像去雨算法能消除明显雨线,并且大程度上保证图像细节不被破坏,无论是主观观察还是在客观评估标准上,均有比较出色的结果,更重要的是,本文算法对大雨图像的处理也表现出一定的优势。