视频和图像作为视觉信息的主要表现形式,是人们获取信息的主要渠道。然而在雨雪天气中获取视觉信息时,雨雪会降低视频图像的视觉效果,造成信息遮挡或缺失,使得计算机对视频图像的后续分析和处理变得更加困难。因此,去除不良天气对视频图像的影响,能够有效地提高视频图像的视觉效果,有助于增加计算机对视频图像分析和处理的准确性和可靠性。本文针对视频图像去雨雪问题,对现有的视频图像去雨雪技术进行深入研究和分析。基于经典的Kim方法,本文提出了改进的雨雪去除方法。由于Kim方法没有充分考虑参数的自适应问题,所以本文在经典Kim模型的第二项引入一个自适应参数,用以提高视频图像的雨雪去除效果。然后结合噪声期望最大化算法的噪声效益思想,将视频图像中的雨雪当作噪声进行去除,从而将引入自适应参数后的模型抽象为背景和噪声两个部分,并提出了基于矩阵补全的自适应参数模型。本文基于改进的雨雪去除模型,提出了基于矩阵补全的自适应去雨雪算法。在EM算法和噪声期望最大化算法的启发下,定义了参数化噪声期望最大定理,并给出了本文算法的理论证明。在实验中,首先使用合成雨视频验证该参数的有效性。然后,使用网格搜索法找到去除效果最好的参数。最后,本文应用各类雨雪视频验证了所提算法的有效性及优异性。为了进一步验证本文算法的雨雪去除性能,本文将所提算法与经典的视频去雨雪方法进行比较,并使用六项图像质量评价指标评估本文算法在各类雨雪视频上的去除性能。实验数据表明,本文算法能够有效地检测和去除视频图像中的雨和雪,并在去除雨雪的同时,更加如实地保留视频图像中的关键信息和场景结构。恢复的视频和图像也更加接近真实的视频和图像,去除性能也更优于所比较的视频去雨雪方法。