针对现有图像去模糊算法在处理边缘丢失时出现弥散和伪影以及在视频处理中使用全帧去模糊方式导致不满足实时性需求的问题，提出一种基于主动判别机制的自适应生成对抗网络图像去模糊（ADBGAN）算法。首先，提出一种自适应模糊判别机制，开发了自适应模糊处理网络模块对输入图像进行模糊先验判断。在采集到输入时提前判断输入图像的模糊程度，从而剔除足够清晰的输入帧以提升算法运行效率。然后，在精细特征提取过程中引入注意力机制中的激励环节，从而在特征提取的流程中进行权重归一化来提升网络对精细特征的恢复能力。最后，在生成器架构中改进了特征金字塔精细特征恢复结构，并采用更轻量化的特征融合流程提高运行效率。为验证算法的有效性，在开源数据集GoPro和Kohler上进行了详细的对比实验。实验结果显示，在GoPro数据集中ADBGAN的视觉保真度是尺度循环网络（SRN）算法的2.1倍，并在峰值信噪比（PSNR）上较SRN算法提升了0.762 dB，具有良好的图像信息恢复能力；在视频数据处理时间上ADBGAN大幅超越了测试的所有算法，实测处理时间较SRN减少了85.9%。ADBGAN能够高效生成信息质量更高的去模糊图像。
