雨天是常见的恶劣天气,图像受雨滴影响会产生严重退化,导致计算机自动检测、跟踪等性能的降低。生成对抗网络具有强大的特征学习和特征表达能力,将其与注意力机制相结合,可以根据注意力机制所关注的区域,以对抗训练的思想生成更高质量的图像,为计算机视觉应用提供了新的技术和手段。它在图像的雨滴去除中,已取得较好效果。去除雨滴的影响,还原背景场景,将有利于图像后续处理。为此,本文主要工作内容如下:首先,本文对基于注意力生成对抗网络的雨滴去除方法进行分析,该方法将注意力机制与生成对抗网络相结合,在进行雨滴去除时,采用雨滴图像与干净图像相减来引导循环网络生成雨滴注意力图,只关注了雨滴区域的恢复,忽略了雨滴图像中背景物体的边缘结构,导致去雨之后的边缘细节模糊。本文针对此不足,利用导向图滤波获取雨滴区域及边缘信息,采用循环神经网络引导雨滴区域生成雨滴注意力图,将雨滴注意力图加入到生成对抗网络模型中训练,并在模型中引入特征空间、像素空间上的损失,以调整雨滴去除效果的细节,使得生成图像更加清晰。分别在雨滴密集和稀疏的两种情况下,将本文方法与其他去雨方法进行对比实验,并将实验结果进行分析比较。实验表明,本文优化的去雨方法在视觉效果和客观指标上具有较好的效果。然后,将优化后的雨滴去除方法应用于视频图像去雨中。考虑到视频去雨的实效性与视频相邻帧之间的较小差异,本文对视频分帧后,只对奇数帧进行操作,先对雨滴视频帧进行压缩,然后用优化之后的注意力生成对抗网络去雨方法进行雨滴去除。实验结果表明本文方法应用到窗内拍摄的雨滴视频具有较好的雨滴去除效果。