Nous proposons un réseau de dégommage d’images basé sur un modèle physique, conçu pour traiter le brouillard dans les images. Contrairement à la plupart des méthodes existantes de dégommage basées sur des réseaux entraînables en bout à bout, notre approche intègre explicitement le modèle physique du processus de brouillard dans la conception du réseau, et effectue le dégommage dans un espace de caractéristiques profondes. Nous introduisons une unité de dégommage de caractéristiques efficace (FDU, Feature Dehazing Unit), qui est appliquée dans l’espace de caractéristiques profondes afin d’extraire des informations utiles pour le dégommage, en s’appuyant sur le modèle physique du brouillard. La FDU est intégrée dans une architecture d’encodeur-décodeur utilisant un apprentissage par résidus, permettant ainsi à notre réseau d’être entraîné de manière end-to-end tout en facilitant efficacement la suppression du brouillard. Les modules d’encodeur et de décodeur sont respectivement utilisés pour l’extraction de caractéristiques et la reconstruction de l’image claire. L’apprentissage par résidus est adopté afin d’améliorer la précision et de simplifier l’entraînement des réseaux neuronaux profonds. Nous analysons l’efficacité du réseau proposé et démontrons qu’il parvient à dégommer efficacement les images, offrant des performances supérieures ou comparables aux méthodes de pointe actuelles.