真实雨天图片300张，可以用来做去雨模型泛化测试。

Rain800数据集原本是拼接的两幅图在一起，不方便同时训练多个数据集的方式，因此对其进行了分割重组以方便使用。

雨雾天气严重影响了户外拍摄图像质量,针对图像去雾存在的边缘伪影问题,提出了一种基于流形粒子滤波的去雾新方法,通过优化大气透射率,获得精确的透射率,解决了景深边缘伪影问题;针对去雨雾存在雨痕和不清晰问题,提出了一种优化注意生成对抗网络的去雨雾方法,通过将高斯模型与生成对抗网络相结合,去除背景干扰,提高了背景层与雨线分离的准确性,同时在生成对抗网络中加入流形粒子滤波去雾模块,恢复出清晰无雨雾图。采用自然场景雨雾天图像进行测试,并进行定性定量分析比较。实验结果表明,与现存去雨算法相比,所提算法能较好地去除图像中的雨线,且细节特征更加丰富,同时去雾模块的加入显著提高了图像清晰度,客观指标也得到了提升。

多阶段渐进式图像恢复网络 MPRNet 的训练数据集，包括 13711 对有雨无雨图，论文链接 https://arxiv.org/abs/2102.02808，原数据集在谷歌云盘不便下载。

图像恢复网络 MPRNet 去雨测试数据集 Test2800。

图像恢复网络 MPRNet 去雨测试数据集 Test1200。

MPRNet 去雨使用的测试数据集包括Rain100H，Rain100L，Test100。

图像去雨逐步优化循环网络 PreNet 源代码。

rain1200数据集，里面包含rain图片和norain图片，用于图像去雨方向的数据集，含有1200个无雨和有雨图片

基于深度学习框架 pytorch 实现的图像去雨代码，注释丰富适合新手学习，网络取得的效果也相对较好，代码针对图像去雨去雾去模糊等任务都是通用的。