In diesem Paper stellen wir ein mehrskaliges, durch Boosting verbessertes Entnebelungsnetzwerk mit dichter Merkmalsfusion vor, das auf der U-Net-Architektur basiert. Das vorgeschlagene Verfahren beruht auf zwei Prinzipien, nämlich Boosting und Fehler-Rückführung, wobei wir zeigen, dass diese Ansätze gut für das Entnebelungsproblem geeignet sind. Durch die Integration der Strengthen-Operate-Subtract-Boosting-Strategie im Decoder des vorgeschlagenen Modells entwickeln wir einen einfachen, jedoch wirksamen verbesserten Decoder, der die Wiederherstellung des nebelfreien Bildes schrittweise ermöglicht. Um das Problem der Erhaltung räumlicher Informationen in der U-Net-Architektur zu lösen, entwerfen wir ein Modul zur dichten Merkmalsfusion unter Verwendung des Rückprojektions-Rückführungs-Schemas. Wir zeigen, dass das Modul zur dichten Merkmalsfusion gleichzeitig fehlende räumliche Informationen aus hochauflösenden Merkmalen kompensieren und nicht benachbarte Merkmale effektiv ausnutzen kann. Umfassende Evaluationen belegen, dass das vorgeschlagene Modell gegenüber den aktuellen Stand der Technik auf Benchmark-Datensätzen sowie auf realen nebelbelasteten Bildern hervorragende Ergebnisse erzielt.