目标检测技术的发展为人们提供了便利,使各种相应任务执行效率得到了极大的提升。然而图像上存在不均匀的模糊,目标检测框架的运行效果会被降低,因此对面向目标检测的运动模糊修复框架的研究具有重要意义。本文以提高模糊图的检测效果为目标,对图像去模糊框架进行了研究,具体研究内容如下:(1)三通道多尺度修复框架本文针对图像中模糊程度差异较大的情况,设计了三通道多尺度修复框架。通过设置不同的通道,使用不同的下采样机制和修复模块,对数据进行不同程度的数据丢弃及不同力度的数据修复重构。这样可以使每一个通道更好的适配相应程度的模糊,从而使得图像中各个程度的模糊得到高效的去除。(2)层间注意力机制针对层间结果传递时可能会存在额外噪声引入的问题,本文使用了层间注意力机制。在进行层间传递的时候,由于每层网络对图像整体使用同一方式进行修复,因此输入图像模糊程度与修复层不匹配时会存在过度修复的情况。这些过度修复的内容会引入额外噪声使后续框架的修复效果降低。为解决这一问题,本文在三通道多尺度修复框架中引入层间注意力机制,设计了基于注意力机制的多尺度内容修复网络(Attention-based Multi-scale Network,AMNet)。(3)基于轮廓生成的二阶段修复策略由于目标检测需要具有较清晰边缘的输入,因此本文设计了基于轮廓生成的二阶段修复框架(Edge Generating-based Two-stage Deblurring Framework,EGTDFram)。由于本文所涉及的模糊包含程度较大的模糊,因此噪声和信号混杂较为严重,难以直接从模糊轮廓中修复出潜在清晰轮廓。为了解决这一问题,本文直接从原始模糊图中生成潜在清晰轮廓图,然后结合内容修复网络进行整体修复。(4)模糊图检测系统本文设计并实现了模糊图检测系统,该系统实现了模糊图修复,模糊图检测,修复图检测等功能。通过将本文的框架嵌入到应用系统中,提高应用系统对模糊图的检测精准度,并且以此验证本文框架的实用性。