本文将图像去雾问题转化为图像到图像的翻译任务，提出了一种增强型Pix2Pix去雾网络（Enhanced Pix2pix Dehazing Network, EPDN），该方法无需依赖物理散射模型即可生成无雾图像。EPDN基于生成对抗网络（GAN）架构，并引入一个精心设计的增强模块。受视觉感知“全局优先”理论的启发，判别器引导生成器在粗尺度上生成具有伪真实感的图像，而紧随生成器之后的增强模块则负责在细尺度上生成高度真实的去雾结果。该增强模块包含两个基于感受野模型的增强单元，能够同时在色彩还原与细节恢复方面显著提升去雾效果。嵌入的GAN与增强模块采用联合训练策略。在合成数据集和真实世界数据集上的大量实验结果表明，所提出的EPDN在PSNR、SSIM、PI等客观指标以及主观视觉效果方面均优于当前最先进的方法。