1.一种基于卷积神经网络的单图像去雨方法，其特征在于，包括：利用RK 块来代替残差块以更高效地提取特征；利用特征转换连结操作来处理多尺度雨线；

其中，卷积神经网络的网络架构由四部分组成：（1）由一个被ReLU函数激活的卷积层构成的输入层来提取较浅层的特征：                                         (7)（2）一系列的RK块来提取更高层的特征：              (8)

其中RK块是由四个不同的非线性映射模块G和一个通道注意力加权操作Squeeze‑and‑Excitation（SE）组成的：   (9)

每个非线性映射模块由两个卷积层堆叠而层：         (10)

    (11)

    (12)

    (13)

在四个不同的非线性映射模块提取后，引入了SE模块来逐个通道地对有用通道的信息进行加权，对无用通道的信息进行抑制；

（3）卷积神经网络中越深层的卷积层的感受野越大，这对处理小尺度的雨线是不利的；

因此在每个RK块提取特征后，都会用一个特征转换连接（Feature Transmission joint）来将处理前的特征和处理后的特征进行融合以防止关键信息的损失：                  (14)其中，FT表示特征转换连接，[·,·]是特征拼接操作；

（4）最后，用一个没有激活函数的卷积层将抽取到的深度特征解码成被修复的无雨图像：                                         (15)。

2.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1所述方法的步骤。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1所述方法的步骤。

4.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1所述的方法。