双边递归网络的单幅图像去雨项目RecDerain，挺适合想深入研究图像去噪和分层建模的你。它用的是比较少见的双边 LSTM 结构，可以让背景和雨纹相互“交流”，比那种只看残差的方案聪明不少。

两个递归网络互相耦合着走，意思是你不仅能分得清雨和背景，还能提高分得准的几率——尤其在细节多、雨纹又密的时候，效果真的还不错。

从平台上看，模型训练在PyTorch里跑，数据集准备则需要MATLAB来。有点麻烦，但也能看出人家在训练前做了不少功夫。训练用的那几个数据集比如Rain100H和Rain100L，覆盖面也比较全。

你要是平时用 Python 写深度学习，又对图像去雨有需求，真的可以试试。注意版本别搞错了：Python 3.6、PyTorch >= 0.4.0、cuda-10.0这些都得配对上。

哦对了，还可以顺便看看它评测用的几个去雨网络，比如 SRN、DnCNN 之类的，也蛮有参考价值。想找代码？你可以去看看类似DnCNN 图像去噪 MATLAB 实现这样的链接。