Diese Arbeit stellt ein Bild-Entnebelungsmodell vor, das auf einem Faltungsneuralen Netzwerk (CNN) basiert und als All-in-One-Dehazing-Netzwerk (AOD-Net) bezeichnet wird. Es ist auf der Grundlage eines neu formulierten atmosphärischen Streuungsmodells entworfen. Im Gegensatz zu den meisten vorherigen Modellen, die die Transmissionsmatrix und die atmosphärische Lichtstärke getrennt schätzen, generiert AOD-Net direkt das klare Bild durch ein leichtgewichtiges CNN. Diese neuartige end-to-end-Architektur ermöglicht eine einfache Integration von AOD-Net in andere tiefe Modelle, beispielsweise Faster R-CNN, um hochwertige Aufgaben auf nebeligen Bildern zu verbessern. Experimentelle Ergebnisse auf sowohl synthetischen als auch natürlichen nebeligen Bild-Datensätzen zeigen eine überlegene Leistung gegenüber dem Stand der Technik hinsichtlich PSNR, SSIM und subjektiver visueller Qualität. Darüber hinaus beobachten wir bei der Kombination von AOD-Net mit Faster R-CNN eine erhebliche Verbesserung der Objekterkennungsleistung auf nebeligen Bildern.