本发明具体涉及一种有雾图像的视觉增强方法，包括：将有雾图像和清晰图像视为两种类型的数据域空间，将有雾图像的去雾和清晰图像的雾化构成对偶任务；基于对偶学习机制训练两个跨数据域空间转换映射的生成对抗网络模型；首先将源域图像输入对应模型的生成器，得到映射图像；其次把映射图像和目标域图像输入对应模型的判别器进行对抗鉴别，并计算对抗损失；然后把映射图像输入对应模型逆任务模型的生成器得到逆映射图像；再基于逆映射图像和源域图像计算重构损失；最后将对抗损失和重构损失组合成优化函数，用以训练对应的模型。本发明能够训练得到与有雾天气的实际情况更吻合的模型，且无需通过人工合成的方式产生训练样本。