El procesamiento de imágenes desempeña un papel crucial en mejorar el rendimiento de los modelos en diversos campos como la conducción autónoma, cámaras de vigilancia y multimedia. Sin embargo, capturar imágenes ideales bajo condiciones de iluminación favorable no siempre es factible, especialmente en condiciones climáticas desafiantes como la lluvia, la niebla o la nieve, que pueden dificultar el reconocimiento de objetos. Este estudio tiene como objetivo abordar este problema centrándose en generar imágenes limpias mediante la restauración de imágenes deterioradas por gotas de lluvia. Nuestro modelo propuesto consta de una red de máscara de gotas de lluvia y una red de eliminación de gotas de lluvia. La red de máscara de gotas de lluvia se basa en la arquitectura U-Net, que aprende la ubicación, forma y brillo de las gotas de lluvia. La red de eliminación de gotas de lluvia es una red generativa adversarial basada en U-Net y consta de dos módulos de atención: el módulo de máscara de gotas de lluvia y el módulo de bloque de convolución residual. Estos módulos se utilizan para localizar áreas de gotas de lluvia y restaurar las regiones afectadas. Se utilizan múltiples funciones de pérdida para mejorar el rendimiento del modelo. Las métricas de evaluación de calidad de imagen del método propuesto, como los puntajes de SSIM, PSNR, CEIQ, NIQE, FID y LPIPS, son 0,832, 26,165, 3,351, 2,224, 20,837 y 0,059, respectivamente. Las evaluaciones comparativas contra modelos de vanguardia demuestran la superioridad de nuestro modelo propuesto en base a resultados cualitativos y cuantitativos.