动态场景的非均匀盲去模糊一直是图像复原领域中的一个难题。针对目前的模糊图像复原算法不能很好地解决多样性模糊源的问题，提出了一种端到端的基于多尺度网络的运动模糊图像复原算法。所提算法使用修剪过的残差块作为基本单元，且在每一级尺度上都采用相同的非对称编解码网络。为了更好地提取输入图像特征，在编码端使用引入注意力机制的残差模块，还加入了空间金字塔池化层。编码端和解码端中间的循环单元可以获取图像的空间信息，从而利用图像空间的连续性来进行非均匀运动模糊图像的复原。测试结果显示，在GoPro数据集上所提算法的峰值信噪比（PSNR）达到33.69 dB，结构相似性（SSIM）达到0.953 7，且能够更好地复原模糊图像的细节信息，而在Blur数据集上所提算法的PSNR为31.47 dB，SSIM为0.904 7。实验结果表明，与尺度递归网络和深度层次化多patch网络相比，所提算法取得了更优的模糊图像复原效果。
