摘要：针对现有去雾算法处理后图像色彩暗淡、视觉保真度差、细节特征丢失的问题,本文提出一种基于多尺度残差特征融合的图像去雾算法。首先,设计多尺度并行特征层,旨在从不同尺度下提取图像特征以提升网络的鲁棒性;然后,设计残差网络连接层,实现多个卷积层之间信息的传递和连接,提高特征的利用率,加快特征提取速度;接着,设计嵌入注意力机制的深度特征信息融合层重点关注图像关键信息,有效提高图像的清晰度,降低背景噪声干扰;最后,设计基于去雾理论及曝光融合的色彩矫正增强方法,用于解决网络去雾后图像色彩暗淡的问题。实验结果表明,所提的去雾增强算法在SOTS、OTS、RTTS公开数据集上的峰值信噪比(PSNR)、结构相似性(SSIM)、均方误差(MSE)分别达到了21.37 dB、82%、473.6,有效改善因雾霾天气造成的图像质量退化现象,性能更佳。