نقترح طريقة جديدة لإزالة الضباب من الصورة الواحدة بشكل شامل، تُسمى شبكة الهرم المتصلة كثيفاً لإزالة الضباب (Densely Connected Pyramid Dehazing Network - DCPDN)، والتي يمكنها تعلم خريطة النقل والضوء الجوي وإزالة الضباب معاً. يتم تحقيق التعلم الشامل من خلال دمج نموذج التشتت الجوي مباشرة في الشبكة، مما يضمن أن الطريقة المقترحة تتبع بدقة النموذج الفيزيائي للتشتت لإزالة الضباب. مستوحاة من الشبكات الكثيفة التي يمكنها تعظيم تدفق المعلومات عبر الخصائص من مستويات مختلفة، نقترح بنية مشفر-فاكِّه متصل كثيفاً جديدة مع وحدة تجميع هرمي متعددة المستويات لتقدير خريطة النقل. يتم تحسين هذه الشبكة باستخدام دالة خسارة جديدة تحافظ على الحواف. لدمج المعلومات الهيكلية المتبادلة بين خريطة النقل المقدرة ونتيجة إزالة الضباب بشكل أكبر، نقترح مُميزاً مشتركاً يستند إلى إطار شبكات المعادلات التوليدية المتنافسة (Generative Adversarial Network - GAN) لتحديد ما إذا كانت الصورة المُخلَّصة من الضباب وخريطة النقل المقدرة حقيقية أم مزيفة. تم إجراء دراسة تقليصية لتوضيح فعالية كل وحدة عند تقدير خريطة النقل ونتيجة إزالة الضباب. أظهرت التجارب الواسعة أن الطريقة المقترحة حققت تحسينات كبيرة على أفضل الطرق الحالية. سيتم توفير الرمز البرمجي في: https://github.com/hezhangsprinter