نُقدِّم شبكةً تعقيمًا مُبنية على القوانين الفيزيائية لاستخلاص السحابة من الصور. على عكس معظم الطرق الحالية القائمة على الشبكات القابلة للتدريب من الطرف إلى الطرف، نأخذ بعين الاعتبار بشكل صريح نموذج الفيزياء الخاص بعملية التعتيم عند تصميم الشبكة، ونُزيل السحابة في فضاء الميزات العميق. ونُقدِّم وحدة استخلاص فعّالة للسمات (FDU)، والتي تُطبَّق في فضاء الميزات العميقة لاستكشاف الميزات المفيدة لاستخلاص السحابة بناءً على النموذج الفيزيائي. وتُدمج وحدة FDU في هيكل مكوَّن من معالج ترميز (Encoder) ومعالج ترميز عكسي (Decoder) مع تعلم متكرر (Residual Learning)، بحيث يمكن تدريب الشبكة بشكل من الطرف إلى الطرف، وتساعد بشكل فعّال في إزالة السحابة. ويُستخدم معالج الترميز لاستخراج الميزات، بينما يُستخدم معالج الترميز العكسي لإعادة بناء الصورة الواضحة. ويُطبَّق التعلم المتكرر لزيادة الدقة وتيسير تدريب الشبكات العصبية العميقة. ونُحلِّل فعالية الشبكة المقترحة، ونُظهر أنها قادرة على إزالة السحابة من الصور بشكل فعّال، وبأداء متميز مقارنةً بالأساليب الحالية المتميزة.