计算机视觉系统广泛应用于智能交通、公共安全、边防海关、体育赛事报导等诸多领域。但是恶劣天气(如雨,雪,雾等)条件下摄取的视频和图像不仅严重地降低视觉质量,而且还制约许多计算机视觉算法的性能(如跟踪,识别,检索等)。一般来说,按所处理的对象或可利用的信息来分,针对这些数据的去雨雪算法研究可以分为基于视频数据(或多帧图像)和基于单幅图像两大类算法。其中视频数据的去除雨雪研究虽然已经取得了重大进展,但是对于视频中的动态背景或者背景中存在运动物体的情况,绝大多数视频去雨雪方法在识别雨线或雪花的效果较差。而在许多情况下(如从网络上下载的图像,用照相机拍摄的图像)只有单幅图像。因为单幅图像没有时域信息可以利用,所以大部分应用在视频上的去雨雪方法难以应用在单幅图像上。事实上,单幅图像去雨雪的方法既可以避免动态背景或背景存在运动物体的问题,又可以提高一些针对图像的处理算法(如图像检索)的性能。基于此,本文的主要研究内容是针对单幅图像的去雨雪研究,以提高有雨或有雪图像的视觉质量,主要的内容和成果如下：一、从边缘的像素和周围像素的关系上研究雨雪的特性。首先将图像中所有的边缘分为：阶跃边缘,山脊状边缘和山谷状边缘,而雨雪在图像中属于较小的山脊状边缘。之后我们从理论上和实验上证明了使用引导滤波得到的低频部分能区分这三种边缘,得到低频部分是没有雨雪的。二、提出了基于多次引导滤波的单幅图像去雨雪方法。因为低频部分是没有雨雪的,可以把低频部分修改成没有雨雪的参考图像。然后对高频部分进行引导滤波得到没有雨雪的高频部分,再将没有雨雪的高频部分回加到低频部分,就可以得到没有雨雪的恢复图像。接着通过取最小值进一步恢复山谷状边缘。最终通过再次的引导滤波得到更精确的去雨雪后的恢复图像。三、设计了一个引导Lo的平滑滤波器。通过对之前的Lo梯度最小化进行理论分析和实验分析,设计出了一个引导的Lo平滑滤波器。该引导的Lo平滑滤波器可以根据引导图像的梯度大小对输入图像进行平滑,而不像引导滤波器是根据引导图像的结构进行平滑保边。通过实验得到,在给定的情况下,设计的引导的L0平滑滤波器比传统的引导滤波器效果更好。四、提出了基于引导L0平滑滤波器的单幅图像去雨雪方法。通过将没有雨雪的低频图像作为引导L。平滑滤波器的引导图像,对带有真实背景信息的输入图像进行平滑,得到没有雨雪的恢复图像。由于低频图像中丢失了山谷状边缘的丢失,可以通过在恢复图像和输入图像取最小值得到最终结果。通过实验可知,这里所提出单幅图像去雨雪算法的结果比提出的多次引导滤波算法的效果更好。