计算机视觉系统被广泛应用于各个行业,包括视频监控、视觉跟踪和导航、智能交通、娱乐产业等方面。室内情况下的计算机视觉系统已被普遍使用和研究,而一些室外条件,例如雨、雪、雾,仍然是计算机视觉系统的具有挑战性的问题。本文研究的是雨这一恶劣天气对视频质量的影响以及如何检测和去除图像中的雨滴。针对降雨天气引起的图像质量退化的问题,本文提出了一种新的雨滴检测和去除的方法,不仅能够有效地去除视频图像中的雨滴,还能够有效消除相机运动所带来的阻碍,且适用于各种不同的下雨场景。对于已有算法由于检测精度不够,导致去雨效果不理想的问题,本文提出一种基于雨的多种特性的检测方法,提高了检测精度,为雨滴去除奠定了良好的基础。本文提出的检测算法首先利用雨的空间特征,比如雨线的亮度和结构,初步检测视频帧中可能的雨线,并对这些区域进行标记。然后,基于一种高斯分布模型选出候选雨线。最后,在块匹配的过程中利用先进的时间特性改善检测到的区域,使之更加精确。该方法综合利用了雨的多种特性,保证了雨线检测的精度,可以发现各种强度的雨线,也不会受相机运动的影响。在此基础上,本文提出一种更有效的去雨方法。在雨滴检测之后,针对当前帧的每个被标记的像素块使用非雨块匹配算法,用于相邻的帧之间以找出和有雨像素区域相似的块。如果找到相似的块,就使用时空非局部均值滤波对块中的雨区进行重构,达到去除雨滴的目的。最后,执行一个特定的后处理算法,增强能见度,消除闪烁。与以前的方法不同,该方法运用了时空NLM滤波的方法去除雨线,保留了图像细节,并减轻了模糊现象,在主观视觉质量方面更胜一筹。同时,本文提出的算法仅仅需要5个在时间上相邻的帧就能达到去雨的目的,且能够有效地抑制噪声。