大气中烟雾等粒子的存在会导致肉眼捕获场景的能见度降低。大多数传统的去雾方法都是预期估计雾霾场景的透射率、大气光，并利用大气散射模型恢复无雾图像。这些方法尽管取得了显著进展，但由于过分依赖苛刻的先验条件，在缺乏相应先验条件下的去雾效果并不理想。因此，提出一种端到端的一体化除雾网络，使用增强生成器的条件生成对抗网络（CGAN）直接恢复无雾图像。生成器端以U-Net作为基础架构，通过“整合-加强-减去”的促进策略，用一个简单有效的增强解码器，增强解码器中特征的恢复。另外，加入了多尺度结构相似性（MS-SSIM）损失函数，增强图像的边缘细节恢复。在合成数据集和真实数据集上的实验中，该模型的峰值信噪比（PSNR）和结构相似性（SSIM）明显优于传统的暗通道先验（DCP）、一体化除雾网络（AOD-Net）、渐进式特征融合网络（PFFNet）、条件Wasserstein生成对抗网络（CWGAN）去雾模型。实验结果表明，相较于对比算法，所提网络能够恢复出更接近于地面真相的无雾图像，除雾效果更优。
