In diesem Paper wird das Problem der Bildentnebelung als ein Bild-zu-Bild-Übersetzungsproblem formuliert, und es wird das Enhanced Pix2pix Dehazing Network (EPDN) vorgeschlagen, das ein nebelfreies Bild generiert, ohne auf das physikalische Streuungsmodell angewiesen zu sein. Das EPDN basiert auf einem generativen adversarialen Netzwerk (GAN), das durch einen sorgfältig entworfenen Verbesserungsblock ergänzt wird. Inspiriert durch die Theorie der visuellen Wahrnehmung mit global-first-Prinzip leitet der Diskriminator den Generator an, auf grober Skala ein pseudo-realistisches Bild zu erzeugen, während der nachfolgende Verbesserungsblock den Generator dazu veranlasst, auf feiner Skala ein realistisches Entnebelungsbild zu produzieren. Der Verbesserungsblock besteht aus zwei Verbesserungseinheiten, die auf dem Rezeptivfeldmodell basieren und sowohl die Farbgenauigkeit als auch die Detailtreue der Entnebelung verstärken. Das eingebettete GAN wird gemeinsam mit dem Verbesserungsblock trainiert. Umfangreiche Experimente an synthetischen und realen Datensätzen zeigen, dass das vorgeschlagene EPDN im Vergleich zu aktuellen State-of-the-Art-Methoden hinsichtlich PSNR, SSIM, PI sowie subjektiver visueller Qualität überlegen ist.