在图像处理的研究过程中,所拍摄的图像是否清晰对于分析图像的特性至关重要,在影响图像清晰度的各种因素中,恶劣天气对于图像的拍摄有严重影响,其中雨天是不可避免的因素之一。因此,对雨天所拍摄图像上的雨滴以及雨条纹的去除,是确保图像清晰度的必不可少的研究过程。目前,去除附着图像上雨滴的方法主要包括传统方法,基于非生成对抗网络以及基于生成对抗网络的方法。其中传统方法耗时费力,效果显著性不强,非生成对抗网络方法去雨在恢复图像清晰度上还有欠缺,泛化性有待增强,目前已有的基于生成对抗网络的方法去除雨滴对于有雨区域关注太足,导致忽略图像全局依赖性的问题出现,以及去除雨条纹对雨条纹特征提取缺失。针对以上问题,本文提出改进的生成对抗网络对去除雨天拍摄图片上所附着的雨滴和雨条纹进行研究。（1）针对图像附着雨滴的问题,本文提出一种结合自注意和多尺度生成对抗网络的方法。由于对图像全局依赖性关注不足,在生成网络的自编码结构中加入自注意层以获取图像的全局信息;为了从细节层面提升图像的清晰度,引入多尺度判别器,可从图像的不同分辨率角度逐步优化生成网络,从而确保处理后图像清晰度的恢复。通过参数选择以及实验研究,加入自注意层和多尺度判别器后,通过实验证明,有雨图像和去雨图像相比,峰值信噪比提升0.17,结构相似性提升0.0374。综合实验结果及对比实验,结合自注意和多尺度的生成对抗网络对于雨滴去除效果更好。（2）针对图像附着雨条纹的问题,本文提出一种特征融合生成对抗网络的方法。由于雨条纹相比雨滴形状较小,分布更密集,因此去除雨条纹过程中容易忽略雨条纹边缘以及细节信息。首先通过小波变换分离出图像高频信息,并通过卷积和SE（Squeeze-and-Excitation）模块提取并增强图像高频特征,然后将高频特征和网络所提取原雨条纹图像的特征进行叠加融合,以便网络更准确学习雨条纹特征最终去除,恢复清晰图像。通过实验证明,图像的峰值信噪比和结构相似性分别提升0.74和0.0233。因此,特征融合有利于雨条纹的有效去除。对于雨滴去除本文采用自注意生成网络和多尺度判别网络结合,对于雨条纹去除本文采用特征融合生成对抗网络的方法,本文通过在定量和定性两方面进行总结分析,说明本文所提的改进生成对抗网络对雨天拍摄照片上的雨滴和雨条纹的去除效果都有所提升,图像的清晰度恢复更高。由于图像去雨在研究图像处理过程中属于准备步骤,因此,最后,本文搭建图像去雨原型系统,包含本文所研究的图像去除雨滴以及图像去除雨条纹,实现不同模型的可视化操作,并且可以展示并保存去雨结果。