随着智能设备的不断普及,人们在日常的生活中频繁接触图像。图像中包含大量的信息元素,人类可以通过将图像作为载体进行信息交流。在日常生活中我们使用手机或相机拍摄照片时,得到的图像不是单一时间内的一幅即时图像,而是一段时间内的情景,在拍照的过程中,相机会产生曝光,在这短短几秒里,所拍摄的物体产生位移或照相机自身发生了位移都可能会导致像素点发生错乱,产生一种非均匀模糊,造成图像信息受损而无法传递有效信息。去模糊一直以来是图像领域中的一个比较难解决的问题。本课题针对这种模糊进行研究,分析目前的动态场景中的非均匀盲去模糊算法中存在的不足,提出了一种基于多尺度残差注意块的大编码小解码网络结构,通过一种从粗到精的策略来实现单幅图像去模糊网络的结构设计。本课题算法改进主要涵盖了三个方面的内容:（1）通过研究网络中编码部分因特征提取能力不足导致图像细节丢失问题构建了一个大编码结构,设计了一个融合了注意力机制的多尺度残差块用于加强特征提取,增强丰富细节的修复,在每个编码块中采用连续三个融合了注意力机制的多尺度残差块,首先使用一个5×5的卷积层来提取初始特征,然后将这些特征输入到多尺度残差注意块中,采用不同的卷积核提取多尺度特征,结合两个注意力机制可以实现在不同颜色通道和空间分布下更加自适应的去模糊效果,实现校正特征空间及不同颜色通道区域,更好的提高图像细节恢复,解决了因特征提取能力弱导致的图像细节丢失问题。（2）通过研究网络中存在感受野小,不能健全全局信息导致恢复后图像纹理信息不连贯,图案不清晰等问题构建了一个用于扩大感受野的模块,在编码块设计了一个具有多个扩张率的并行扩张卷积,在不增加内核大小的情况下增大感受野并在不同尺度的对象中进行特征的提取,捕捉多尺度包含上下文信息的特征,健全全局信息,提取出包含丰富纹理信息的图案,提高图像恢复质量,解决了因感受野小而导致恢复图像纹理不连贯,视觉上不美观的问题。（3）通过研究网络中存在传递的特征质量低导致恢复后图像存在伪影等问题,在每两个阶段之间构建了一个用于提高特征传输有效性的块,设计了一个特征过滤块,利用现场监督机制来重新加权局部特征,将提取到的特征进行过滤,实现对包含较少信息特征的抑制,提高输入特征的有效性,减少伪影,实现更好的去模糊效果。解决了因低质量或无效特征传输导致恢复后图像存在伪影的问题。通过最近的算法与本文算法在Go Pro数据集、低光照真实世界环境Real Blur-R以及在Kohler等数据集中进行实验对比,验证了本文提出算法的有效性,证明了本文提出的算法在修复图像细节信息方面以及去除伪影方面有着比较好的表现。