雾天拍摄的图像存在颜色失真、图像细节模糊的问题，对成像设备采集到的图像质量造成了负面印象。针对雾天搜集图像存在的降质问题，提出了一种基于多尺度空洞卷积的对抗去雾网络。去雾网络的生成器由不同空洞率的卷积模块组成，结合多尺度的策略增加感受野并增强去雾效果；判别器采用多个卷积模块构成，用于区分生成的去雾图像与真实无雾图像；通过计算去雾图像和真实无雾图像之间的感知距离，优化图像的纹理结构并减少噪声信号。实验结果显示，提出算法在公开数据集上获得的峰值信噪比值为22.410 dB，结构相似性值为0.844，色差值为10.545。定量和定性评估表明，采用空洞卷积和感知损失技术设计的去雾网络能够有效地恢复图像的颜色信息和纹理结构。

针对光学成像设备在雾天搜集到的图像存在的降质问题，提出了一种基于对偶学习的从源域到目标域转换的对偶去雾网络以实现图像去雾功能。网络首先采用对偶生成对抗网络直接学习有雾图像与无雾图像之间的双向映射关系，并将有雾到无雾图像的映射作为初步的去雾结果，随后采用预训练模型在特征空间计算去雾图像与真实无雾图像的特征向量，运用欧式距离作为损失函数最小化特征向量之间的距离，以保证去雾图像在特征层面与真实无雾图像接近。实验结果表明，对偶去雾网络得到的去雾结果具有较高的峰值信噪比和较低的色差值，并能够有效保留图像的结构信息。