传统的去雾卷积神经网络只将模糊图像的特征映射学习到相应的无模糊图像，这通常会导致一些重要的特征丢失，如纹理信息。本文提出了一种有效的边缘辅助i注意力网络(EAA-Net)用于单幅图像去雾，目的是保持纹理信息，提高去雾结果的整体质量。该网络主要由三部分组成，即去雾分支(DB)、边缘分支(EB)和特征融合残差块(FFRB)。为了解决去雾过程中纹理信息丢失的问题，将EB的前向信息与DB的信息连接起来，然后将融合结果传递给FFRB。此外，在去雾分支中引入多级信息增强模块作为去雾单元，可以增强多级特征信息，达到更好的去雾效果。在基准数据集上进行的大量实验表明，所提出的EAA-Net与一些最新的最先进的方法相比表现良好，其中包括更好的细节和颜色保持能力，以及在定量和定性方面的竞争性结果。