图像去雨是计算机视觉领域的一项重要任务,目前受到越来越多人的关注。雨会给捕获的图像和视频带来视觉降级。特别是在大雨中,雨条纹可能会造成背景场景的严重遮挡。雨条纹的累积与水粒子一起在背景上形成一层面纱,显著降低了场景的对比度并降低了能见度。人类视觉和许多计算机视觉算法都受到这种退化的影响,因为这些算法中的大多数都假设天气晴朗,没有雨条纹和雨水积累的干扰。因此,从雨中恢复图像背景信息,称为图像去雨,在许多实际应用中是非常需要的。在深度神经网络中拥有较好的特征学习和特征表达能力的网络就是生成对抗网络,所以在本文中选择了生成对抗网络作为单幅图像去雨模型的基础网络结构。利用对抗博弈训练的思想去生成清晰的无雨图像。为此,本文开展了基于生成对抗网络单幅图像去雨研究,主要工作内容包括:(1)基于生成式对抗网络和单幅图像去雨特点,本文设计出了一种针对单幅图像去雨的神经网络模型。在生成网络部分选择了编码解码结构作为去雨图像的生成结构,同时为了在不使性能降低的前提下使得神经网络模型尽可能的减少计算资源和计算机时间,在模型中主要采用了卷积操作。(2)基于注意力生成对抗网络去雨方法进行改进,通过分析发现该方法能够很好去除图像中雨滴但对图像存在的雨线去除较差。在影响图像的整体质量中,雨滴与雨水条纹不同。由于大多数雨滴都是透明的,因此仍然可以通过雨滴反射一些背景信息,从而为图像恢复提供有价值的信息。针对此点本文在网络结构中添加了雨线提取模块,提高对图像中雨线的关注,以及在损失函数设计中加入颜色损失,使得生成图像更加真实。通过实现对比,改进后的方法具有一定的优越性。(3)利用注意力生成对抗网络去雨改进方法,设计并实现了一个基于微信小程序移动端的单幅图像去雨系统。对单幅图像去雨系统从需求分析、系统概要设计、系统详细设计与实现以及系统测试进行了分析阐述。最后,测试结果表明了系统的可用性和实用性。