雨雪是我国常见的天气现象。在雨雪天气下拍摄户外景象时,雨滴或雪花的干扰容易在拍摄图像上造成遮挡效果,显著降低图像的能见度,为后续处理和识别过程带来负面的影响。图像去雨/雪的任务是去除图像中的雨/雪造成的遮挡效应,还原出原有的清晰图像,使观察者能看清图像的具体细节。本文针对图像去雨滴和图像去雪花两个任务进行了研究,前者旨在移除透过带雨滴玻璃进行拍摄时所得图像中的雨滴遮挡效应,后者旨在去除在下雪天所拍摄图像中的雪花遮挡效应。这两个任务极具挑战性。首先,雨滴/雪花造成了图像背景信息严重丢失,使得图像结构难以辨识和复原。其次,图像上的雨滴/雪花的大小和外观具有很大的可变性,这使得雨滴/雪花区域的检测异常困难。以上两个任务的一个关键是要准确且鲁棒地找出雨滴/雪花的遮挡区域,获得雨滴/雪花的空间信息,并作为一个先验知识指导图像修复过程。本文针对雨滴/雪花的形状特性,提出了一种椭圆形状注意力机制,用于图像雨滴/雪花区域的检测。通过数学推导,本文给出了该椭圆形状注意力机制的一种卷积实现方式。这种方式使得该注意力模块能直接有效地插入到任意的卷积神经网络中。通过把该形状注意力机制与通道注意力机制结合到残差卷积神经网络中,本文提出一个新颖的空间-通道双重注意力深度网络,实现了有效的图像去雨滴和图像去雪花。通过在基准数据上的实验,本文验证了所提出的形状注意力机制以及所提出的双重注意力深度网络的有效性。本文的研究成果能为其他恶劣天气下的图像处理任务提供借鉴和新思路。