雨作为一种常见的天气现象,会影响户外拍摄图像的视觉效果,模糊和覆盖图像特征信息,进而影响大部分计算机视觉算法的性能。因此,为了提升图像的视觉效果,保证计算机视觉算法的性能稳定,图像去雨方法得到了广泛的关注和研究。近年来,图像去雨方法的研究取得了一定成果,但仍存在雨线去除不彻底、不完全,去雨方法模糊图像的原始信息和去雨方法无法达到实时性等问题。本文对当前图像去雨方法的研究进展进行了分析,并在这些方法研究的基础上,将卷积神经网络应用到了图像去雨方法中。首先提出了一种基于多尺度卷积神经网络的单幅图像去雨方法,该方法利用卷积神经网络提取有雨图像的雨线特征,并且利用膨胀卷积使得得到的特征更加丰富,最后利用这些特征重建去雨图像。实验结果表明,基于多尺度卷积神经网络的去雨方法可以在保持图像原有信息的同时,有效去除图像中的雨线。对于视频中的动态场景,首先利用相位一致性特征和雨线色度特征检测出图像中雨线的位置,然后将单幅图像去雨方法扩展到视频图像去雨,实现空间域的雨线去除,最后利用帧间信息实现时间域的雨线去除,得到去雨视频图像。实验结果表明,所提方法可以有效去除视频中的雨线,提高图像的视觉效果,同时可以保持视频的时域连续性。