在城市交通、公共信息安全、边防、视频监控等许多领域,计算机视觉系统有着重要的应用价值,但是在恶劣天气(如雨、雪)下,采集的图像清晰度会降低,另外,雨、雪等噪声还会造成视频监控系统中运动估计的不正确,降低压缩率,制约着监控视频的存储系统。为此,本文从时域和频域两个角度分析,提出了两种不同的视频图像去雨方法,从而获得清晰图像。本文主要研究内容如下:(1)从时域角度出发,提出了一种基于雨滴特性改进的视频图像去雨算法。本文先分析了雨滴的时域亮度波动特性和色彩约束特性。首先,通过雨滴亮度值波动特性和改进的K均值聚类方法实现雨滴的初步分类,再结合雨滴色彩约束特性对初步分类的结果进行优化,减少误检和漏检。最后,利用统计特性计算被雨滴污染的像素亮度值,从而完成视频图像中雨滴的去除。(2)从频域角度出发,提出了一种基于双树复小波融合改进的视频图像去雨算法。由于雨滴主要存在于图像的高频部分中,首先,通过双树复小波对图像进行分解,分成低频子图像和高频子图像。针对高频子图像,提出一种基于局部能量和匹配度的融合策略。针对低频子图像,提出一种基于主成分分析的融合策略。最后,通过双树复小波逆变换进行图像重构,得到融合的无雨图像。另外,在图像预处理部分,本文提出了一种基于双边滤波和高频提升滤波的图像增强算法。实验结果表明,本文所提出的两种算法去雨效果较理想,并具有较好的鲁棒性。