في هذا البحث، نقترح خوارزمية فعالة لاستعادة صورة واضحة مباشرة من صورة ضبابية مدخلة. تعتمد الخوارزمية المقترحة على شبكة عصبية قابلة للتدريب من النهاية إلى النهاية تتكون من مشفّر (Encoder) ومشفّر عكسي (Decoder). يستخدم المشفّر لالتقاط سياق الصور المدخلة المشتقة، بينما يتم استخدام المشفّر العكسي لتقييم مساهمة كل مدخل في النتيجة النهائية الخالية من الضباب باستخدام التمثيلات المُتعلمة التي تنسب إلى المشفّر. تتبني الشبكة المقترنة استراتيجية دمج جديدة تستمد ثلاثة مداخل من صورة ضبابية أصلية عن طريق تطبيق توازن اللون الأبيض (White Balance - WB)، تعزيز التباين (Contrast Enhancing - CE)، وتصحيح جاما (Gamma Correction - GC). نقوم بحساب خرائط الثقة البكسلية بناءً على الاختلافات في الظهور بين هذه المداخل المختلفة لدمج المعلومات الخاصة بالمداخل المشتقة والحفاظ على المناطق ذات الرؤية الجيدة. يتم إنتاج الصورة النهائية الخالية من الضباب عن طريق التحكم في السمات الهامة للمداخل المشتقة. لتدريب الشبكة، نقدم نهجًا متعدد المقاييس بحيث يمكن تجنب ظواهر الهالو. تظهر النتائج التجريبية الواسعة على الصور المصطنعة والواقعية أن الخوارزمية المقترحة تؤدي بشكل أفضل مقابل الخوارزميات الأكثر تقدمًا في المجال.