天气对人类的日常生活和生产活动产生着十分重要的影响。从夏商时代开始,人们已经开始从事农业生产,从此开始靠“天”生活,有专门的占卜师来记录和预测天气。随着科技的发展,人们对于天气现象的认识越来越深入,各种科技手段的应用使天气的预测也越来越准确,但是恶劣天气仍然会对我们的日常生活产生很多影响,如何减小这些恶劣天气对于计算机视觉应用的影响是本文研究的根本目的。本文设计了两个新颖的图像天气检测算法和有雨图像除雨算法。通过实验验证以及和其他同类算法对比,这些算法运行的效果较好,并将其应用于本文研究的图像天气检测及去除系统中。该系统可以识别户外图像的天气,给室外视频处理和其他计算机视觉应用提供基础的支持,其次,它可以对有雨有雾天气的图像进行图像恢复,去除雨迹和雾霾的影响,使图像变得更加清晰。受到近年来深度学习技术在许多计算机视觉问题上优秀的表现启发,不同于传统的图像分类和图像恢复方法,本文使用深度学习技术解决图像天气检测和恢复问题,主要完成了以下三项工作:(1)首先收集2万张不同种类天气的图像,构建了一个包括阴晴雨雪四类天气图像的数据集,并使用深度卷积神经网络进行天气检测。将不同天气的图像作为网络的输入,使用随机梯度下降法对神经网络进行训练,使用训练后的网络来提取图像特征,将特征输入分类器中将图像分类成阴晴雨雪四类天气的图像。(2)将有雨图像作为输入,无雨清晰图像作为输出,训练出一个深度残差网络模型,并将这个深度残差网络模型嵌入到图像恢复的即插即用的交替方向乘子法的框架中,得到一个效果更加明显的图像除雨模型。(3)实现了工程可用的上述图像天气检测和除雨算法,以及基于暗通道的去雾算法,并应用于图像天气检测及去除系统中,该系统可以高效准确的提供天气检测和雨图恢复,图像除雾的服务。