Günümüzde Gelişmiş Sürüş Destek Sistemleri (GSDS) ve otonom sürüş teknolojileri, çevresel algılama süreçlerinde büyük ölçüde kamera tabanlı görsel verilere dayanmaktadır. Ancak yağmur, sis ve kar gibi olumsuz hava koşulları, görüntü kalitesini düşürerek nesne algılama, şerit takibi ve sahne yorumlama gibi kritik görevlerin doğruluğunu ciddi biçimde azaltmaktadır. Bu çalışmada, yüksek doğruluk ve hesaplama verimliliği ile öne çıkan Restormer mimarisi temel alınarak gelişmiş bir görüntü iyileştirme modeli önerilmiştir. Modelin eğitimi için proje kapsamında kontrollü bir deney düzeneği kullanılarak farklı yoğunluk seviyelerinde hava koşullarını içeren özgün, çeşitli ve dengeli bir veri seti oluşturulmuştur. Geliştirilen model, yağmur damlacıkları, sis kaynaklı bulanıklık ve kar örtüsünün neden olduğu görsel bozulmaları etkin şekilde giderecek biçimde optimize edilmiştir. Performans değerlendirmesi PSNR ve SSIM metrikleri kullanılarak gerçekleştirilmiş, ayrıca gerçek zamanlı çalışabilirliği belirlemek amacıyla çıkarım süresi ve FPS analizleri detaylı olarak incelenmiştir. Elde edilen bulgular, önerilen modelin hem görüntü kalitesini anlamlı düzeyde artırdığını hem de düşük gecikme ile çalışarak gerçek zamanlı sistemlere entegre edilebileceğini göstermektedir. Bu çalışma, özellikle akıllı ulaşım sistemleri, otonom araç teknolojileri ve kent güvenliği uygulamaları için yüksek katma değer sunan yenilikçi bir yaklaşım ortaya koymaktadır.