随着计算机视觉系统在各个领域的应用越来越广泛,对系统的鲁棒性和稳定性要求也随之提高。为了保证户外视觉系统全天候正常地工作,必须要求系统能够适应不同的天气状况。本文研究了户外计算机视觉系统中常遇到的恶劣天气下图像质量退化的机理,并重点研究了雨天气下退化图像的复原问题,采用基于物理模型和非物理模型的天气退化图像复原方法,对雨天气退化图像进行了复原。复原后图像的视觉效果明显改善,清晰程度显著提高。该研究结果对提高户外视觉系统的性能有重要的作用。最后,对图像中的雨场景进行仿真,与真实的雨场景进行比较,仿真效果较好。本文主要对雨天气下退化图像的复原技术进行了研究,根据雨的物理特性和光度特性,分析了雨的光度模型和动力学模型,利用这两种物理模型对雨的表像进行描述,建立相应的算法检测和去除图像中的雨,并将基于物理模型的天气退化图像复原方法和简单的图像处理方法进行了比较。通过分析雨的物理特性得知,图像中雨的视觉极大依赖于相机的参数,如曝光时间、场景深度等。针对不同的普通场景,调整采用不同的相机参数组合,可以很好的去除图像中的雨。实验结果表明,采用该方法可以使我们在获取视频图像的过程中就减小雨,甚至去除雨,而不用采取任何的后期图像处理算法。分析雨帧间的时间独立性,简单的3D世界假设和一投影相机模型,直接对视频序列操作,对视频序列增加人工雨。并利用大气散射模型,对添加雨的图像增加了雨雾效果。然后,利用统计信息,去除视频图像中的雨。弥补了过去基于图像的雨场景生成都着重在雨滴运动的模拟,而忽视了雨场景中常见的视觉特点,雨雾效果。仿真结果表明,此方法比传统采用粒子系统模拟雨的方法更简单、占用内存小。