既存の霧除去アルゴリズムによる処理後に画像の色彩が暗く、視覚的忠実度が低く、細部特徴が失われる問題に対して、本論文では多尺度残差特徴融合に基づく画像霧除去アルゴリズムを提案する。まず、異なるスケールで画像特徴を抽出することでネットワークの頑健性を高める多尺度並列特徴層を設計する。次に、複数の畳み込み層間の情報伝達と接続を実現し、特徴の利用率を向上させ特徴抽出速度を加速する残差ネットワーク接続層を設計する。さらに、注意機構を組み込んだ深層特徴情報融合層を設計し、画像の重要情報に重点を置き、画像の鮮明さを効果的に向上させ背景ノイズの干渉を低減する。最後に、霧除去理論および露光融合に基づく色補正強化方法を設計し、ネットワークによる霧除去後の画像の色彩の暗さの問題を解決する。実験結果は、提案した霧除去強化アルゴリズムがSOTS、OTS、RTTS公開データセットでピーク信号対雑音比（PSNR）21.37 dB、構造類似度（SSIM）82％、平均二乗誤差（MSE）473.6を達成し、霧天候による画像品質劣化現象を効果的に改善し、性能向上を示したことを示している。

画像霧除去;多尺度畳み込み;残差接続;注意機構;画像融合