近年来随着深度学习的不断发展与普及,利用卷积神经网络对受损图像进行复原的研究越来越热门。单图像去雨方法能够对有雨图像进行预处理,在去除雨线的同时恢复出图像原有的特征信息,增强图像处理系统在不同气象条件下的鲁棒性。现有的单图像去雨方法取得了一定的研究成果,但仍存在雨线残留、细节丢失和去雨实时性差等问题。本文对现有的单图像去雨方法进行了介绍和分析,并在这些方法研究的基础上,结合非局部特征融合与图像修复技术到单图像去雨任务中。针对现有方法存在的问题,本文提出了一种基于多尺度非局部网络的单图像去雨方法,该方法首先利用多尺度特征金字塔结构和多尺度特征融合策略提取雨线特征,并引入轻量的非局部注意力机制保证提取到的特征更加丰富的同时提高网络速度,最后利用提取到的特征图像重构出期望的去雨图像。受到图像修复技术的启发,并侧重于解决雨线残留和细节丢失问题,本文提出了一种基于图像修复技术的单图像去雨方法,该方法首先利用多流网络结构定位到雨线位置,并通过基于部分卷积的图像修复技术进行精准修复,最后恢复出高质量的去雨图像。实验结果表明,两种去雨方法在合成和自然数据集上都取得了很好的效果,均可以更有效地去除雨线,并且能够保证输出端的图像具有更丰富的细节信息。本文提出的去雨方法可以广泛地应用于无人驾驶、无人机飞行和安防监控等实际场景中,具有重要的研究意义和价值。