إزالة خطوط المطر من صورة واحدة قد جذبت اهتمامًا كبيرًا، حيث يمكن أن يحطم المطر بشدة جودة الصورة ويؤثر على أداء المهام البصرية الخارجية الحالية. رغم أن الطرق الحديثة القائمة على الشبكات العصبية التلافيفية (CNN) قد أبلغت عن نتائج واعدة، فإن إزالة المطر لا تزال مشكلة مفتوحة لسببين رئيسيين. أولاً، البيانات المصنعة للمطر الحالية لديها واقعية محدودة فقط فيما يتعلق بنمذجة خصائص المطر الحقيقية مثل شكل المطر، الاتجاه والشدة. ثانياً، لا توجد مقاييس عامة للمقارنة الكمية على صور المطر الحقيقية، مما يجعل التقييم الحالي أقل موضوعية. التحدي الرئيسي هو أنه لا يمكن التقاط أزواج الصور الحقيقية (المطيرة/النظيفة) في نفس الوقت.في هذا البحث، نعالج مشكلة إزالة المطر من صورة واحدة بطريقتين. أولاً، نقترح طريقة شبه آلية تدمج الأولويات الزمنية والإشراف البشري لإنتاج صورة نظيفة ذات جودة عالية من كل سلسلة مدخلات لصور المطر الحقيقية. باستخدام هذه الطريقة، قمنا ببناء مجموعة بيانات كبيرة تتكون من حوالي 29,500 زوج من الصور (المطيرة/خالية من المطر) التي تغطي نطاقًا واسعًا من مشاهد المطر الطبيعية. ثانياً، لتحسين تغطية التوزيع العشوائي لخطوط المطر الحقيقية، نقترح شبكة انتباه فضائية جديدة (SPANet) لإزالة خطوط المطر بطريقة محلية إلى عالمية. تظهر التجارب الواسعة أن شبكتنا تؤدي بشكل أفضل مقارنة بأحدث طرق إزالة المطر.