针对相机抖动、拍摄物体快速运动以及低快门速度等因素造成的图像非均匀模糊，提出一种结合多尺度特征融合和多输入多输出编-解码器的去模糊算法。首先使用多尺度特征提取模块来提取较小尺度模糊图像的初始特征，该模块使用扩张卷积来以较少的参数量获得更大的感受野。其次，通过特征注意力模块来自适应地学习不同尺度特征中的有效信息，该模块利用小尺度图像的特征来生成注意图，能够有效地减少冗余特征。最后，使用多尺度特征渐进融合模块逐步融合不同尺度的特征，使得不同尺度特征信息能够进行互补。相比以往的使用多个子网堆叠的多尺度方法，文中使用单个网络就能提取多尺度特征，从而降低了训练难度。为了评估网络的去模糊效果和泛化性能，提出的算法在基准数据集GoPro、HIDE和真实数据集RealBlur上均进行了测试。在GoPro和HIDE数据集上的峰值信噪比值分别为31.73 dB和29.39 dB，结构相似度值分别为0.951和0.923，其结果均高于目前先进的去模糊算法，并且在真实数据集RealBlur上也取得了最佳效果。实验结果表明，提出的去模糊算法相比现有算法去模糊更为彻底，能有效地复原图像的边缘轮廓和纹理细节信息，并且能够提升后续高级计算机视觉任务的鲁棒性。