现有的单幅图像去雨算法难以充分发掘不同维度注意力机制的相互作用，因此提出一种基于联合注意力机制的单幅图像去雨算法。该算法包含通道注意力机制和空间注意力机制：通道注意力机制检测各通道雨线特征的分布，并差异化各个特征通道的重要程度；空间注意力机制则针对通道内雨线分布的空间关系，以局部到全局的方式积累上下文信息，从而高效准确地去雨。此外，引入深度残差收缩网络，以利用残差模块中嵌入的软阈值非线性变换子网络来通过软阈值函数将冗余信息置零，从而提升CNN在噪声中保留图像细节的能力。在公开降雨数据集与自构建的降雨数据集上进行实验，相较于单一空间注意力算法，联合注意力去雨算法的峰值信噪比（PSNR）提升4.5%，结构相似性（SSIM）提升0.3%。实验结果表明，所提算法可以有效地进行单幅图像去雨和图像细节的信息保留，在目视效果和定量指标上均优于对比算法。
