雨天拍摄的图像或者视频由于雨水在其上的遮挡,使得采集到的户外场景图像或视频严重降质,呈现出对比度低、整体图像偏亮、重要图像信息被遮盖、清晰度不高等特点。导致图像细节信息的可辨识度大大降低,无法满足目标检测、物体识别、监控侦查等多个领域的需求,给生产生活中各方面都造成了极大的影响,而图像/视频去雨技术作为改善图像质量的关键,有着十分重要的研究意义和价值。因此,本文基于时空先验信息分别提出针对单幅图像和视频的去雨算法,并针对重雨情况的去雨算法进行了补充与改进。本文的主要工作包括如下三方面:（1）研究了基于图层分解与深度细节网络的单幅图像去雨算法。首先通过对雨天图像特性的分析得出其图像的细节信息和雨线信息主要包含在高频部分（细节层）中,因此将雨天图像分解为高频部分与低频部分分别进行处理;同时,经过实验选取引导滤波算法实现了雨天图像的图层分解;并将高频部分作为ResNet的训练数据,回归雨图与其对应的清晰图像之差;训练好的深度细节网络可以用来进行单幅图像的去雨操作。实验结果验证了该算法无论是在合成的雨天图像还是在真实场景的雨天图像上,都可以去除雨线影响得到清晰的背景图像,并能够保留图像细节等信息。（2）研究了面向重雨情况下的去雨算法。已有的单幅图像去雨算法在图像雨水密集时的处理结果很不理想,重雨天气可能会造成类似雾天的散射效应。因此,首先分析了雨水密度及雨雾的存在对图像的影响;然后,重新建立了含有雨雾的重雨条件下雨天图像的成像模型,以更适应重雨情形;针对含有雨雾的雨图,分析了去雨去雾的影响关系,通过实验得到先去雨后去雾的结果更优;同时,利用带有雨水密度标签的图像集训练得到雨水密度分类器。最终得到针对重雨情况下的单幅图像去雨算法,根据雨水密度检测结果选取不同策略的方案。实验结果表明,该算法在重雨情况下能取得更优的处理效果,算法的鲁棒性更高。（3）研究了基于雨线检测与时空非局部均值滤波的视频去雨算法。雨天拍摄的视频中的雨线具有其特有的几何特征与色度特性,由此根据其色度、宽长比及下落角度对雨线进行检测,尽可能准确地提取视频各帧中的雨区,避免算法模糊非雨线区域的边缘细节,造成信息丢失;之后结合雨天视频中雨线时域信息,采用时空非局部均值滤波算法,针对前面检测到的雨线候选区域进行处理。实验结果表明,该算法可以有效地去除视频图像中含有的雨线、恢复视频场景可见度。