本文提出了一种基于引导传输图（Guided Transmission Map）的新型编码器-解码器网络（EDN-GTM），用于单幅图像去雾。所提出的EDN-GTM以常规的RGB雾霾图像及其通过暗通道先验估计得到的传输图作为网络输入。该方法以U-Net作为核心网络结构，用于图像分割，并引入多种改进策略，包括空间金字塔池化模块和Swish激活函数，从而实现当前最先进的去雾性能。在标准基准数据集上的实验结果表明，EDN-GTM在PSNR和SSIM等评价指标上均优于大多数传统及基于深度学习的图像去雾方法。此外，该方法还被验证在目标检测任务中具有良好的适用性。具体而言，在自动驾驶场景下的目标检测图像预处理应用中，EDN-GTM能够有效去除雾霾，使mAP（平均精度均值）指标提升4.73%。代码已开源，地址为：https://github.com/tranleanh/edn-gtm。