La neige est un phénomène atmosphérique extrêmement complexe, généralement composé de flocons de neige, de traînées de neige et d’un effet de voile (similaire à la brume ou au brouillard). Dans cette étude, nous proposons un algorithme de déneigement d’image unique afin de traiter la diversité des particules de neige en termes de forme et de taille. Premièrement, afin de mieux représenter la forme complexe de la neige, nous utilisons la transformée en ondelettes à arbre double et introduisons une perte basée sur les ondelettes complexes dans le réseau. Deuxièmement, nous proposons un paradigme de décomposition hiérarchique au sein du réseau pour mieux comprendre les différentes tailles des particules de neige. Enfin, nous introduisons un nouveau type de caractéristique appelé canal contradictoire (CC) spécifiquement conçu pour les scènes enneigées. Nous observons que les régions contenant des particules de neige présentent généralement une intensité plus élevée dans le canal CC que les régions sans neige. Nous exploitons cette caractéristique discriminante pour concevoir une perte basée sur le canal contradictoire, améliorant ainsi les performances du processus de suppression de la neige. Par ailleurs, en raison des limites des bases de données existantes sur la neige, afin de simuler de manière exhaustive divers scénarios enneigés, nous proposons une grande base de données appelée Comprehensive Snow Dataset (CSD). Les résultats expérimentaux montrent que la méthode proposée surpasse avantageusement les méthodes existantes sur trois bases de données synthétiques ainsi que sur des données réelles. Le code source et la base de données sont disponibles à l’adresse suivante : https://github.com/weitingchen83/ICCV2021-Single-Image-Desnowing-HDCWNet.