由于大气中雾霾等悬浮颗粒物的影响，户外图像往往伴随着低对比度和低能见度的问题。现有的去雾方法不能充分利用图像的局部特征信息，不能完全提取图像的全局细节特征。因此，存在除雾不完全和图像细节丢失等问题。因此，本文提出了一种基于小波变换和注意机制的T形图像去雾网络。具体来说，该网络通过对图像进行多重离散小波分解和重构，获得雾图像的边缘细节特征，并提出了一个考虑图像全局特征和局部信息提取的特征注意模块，增强了网络在图像视觉感知和细节纹理方面的学习。其次，在特征提取过程中，提出了T-连接方法来获取多尺度图像特征，扩展了网络的表示能力。最后，对重建的无雾图像进行颜色平衡，得到最终的恢复图像。在合成数据集和真实数据集上的大量实验结果表明，该网络比现有的其他网络模型具有更好的性能。