Fig. 1. Model of this paper

Fig. 2. SKFF Model

Fig. 3. Intermediate feature layer model

Fig. 4. CGA model

Fig. 5. CGAFusion

Fig. 6. Jump connection processing effects

Fig. 7. Synthetic Fog Image Generation

Fig. 8. Shows the dehazing results of different methods. In （a1）-（a2）， foggy images from the Foggy_Cityscapes dataset are presented. In （a3）-（a4）， foggy images from the 4K-HAZE dataset are displayed. In （a5）-（a6）， foggy images from the DKITTI dataset are depicted. Subfigures （b） through （i） represent dehazing results using various methods： （b） Dark Channel Prior， （c） AOD-Net， （d） Wavelet-Net， （e） FFA-Net， （f） EPDN， （g） DehazeFormer， （h） the proposed method， and （i） the ground truth image

Fig. 9. Enlarged View of the Red Region in the Fifth Dehazed Image of Figure 7； Among them， （ak） foggy image； （bk） the result of dark channel dehazing； （ck） the result of AOD-Net dehazing； （dk） the result of Wavelet-Net dehazing； （ek） the result of FFA-Net dehazing； （fk） the result of EPDN dehazing； （gk） the result of DehazeFormer dehazing； （hk） the result of the proposed method dehazing； （ik） the real image ； k=2，4，5

Fig. 10. Comparison of PSNR and SSIM for Different Dehazing Algorithms

Fig. 11. Subjective Comparison of Ablation Experiments

Table 1. Comparative analysis of performance on the foggy_cityscapes

Table 2. Comparative Analysis of Performance on the 4K-HAZE Dataset

Table 3. Comparative analysis of performance on the DKITTI Dataset

Table 4. Ablation study