动态天气图像复原是一项极富挑战的研究内容。雨雪等频繁的恶劣天气使视频图像严重退化，降低了图像的价值，严重影响了视觉系统的性能。雨天气对目标检测，跟踪等的影响同样不容忽视。由此，必须对受雨天气影响的图像进行复原，最小化雨天气对图像应用的影响，以确保系统可以良好地工作。首先研究了雨滴物理性质及空间分布等，由于雨滴的均匀分布特性，尝试用几种经典的滤波算法进行雨天复原。然后总结了现有雨天复原算法的优点与不足，并重现部分算法。据此，选取实时性较好的帧差法与去除效果较为理想的聚类算法作为两个重点研究对象。在帧差法的研究中，分析了雨滴在不同颜色空间的特性。由于在HSV颜色空间中只有V通道上的图像受雨滴干扰，这样只需要对V通道上的雨滴进行处理就可以达到与三通道同时处理的效果，大大地提高了运行速度。因此，提出了基于HSV颜色空间的改进的帧差法对雨天图像进行复原。而现有的三帧差法和五帧差法都存在漏检的现象，针对这一现象，引进了中值与均值之差的约束条件来解决漏检问题。实验结果表明，该算法对静态雨天图像复原有很好的效果。对于模糊C均值算法，由于其需要对每帧图像中的每个像素点进行逐点的扫描，降低了处理速度。为解决这一问题，应用图像并行处理技术使电脑的多核都参与进来并行处理，着实提高了运行速度。为了加强模糊C均值算法在特大雨上的处理效果，先改进了去除雨滴的方法，之后在滤波算法的研究中发现中值滤波对此有一定的帮助，于是将模糊C均值算法与中值滤波相结合，更好的完成了特大雨天情况下的图像复原。