إعادة تعيين الصورة (Image deblurring) هي مشكلة كلاسيكية في رؤية الحاسوب تهدف إلى استعادة صورة واضحة من صورة مشوّشة. لحل هذه المشكلة، تستخدم الطرق الحالية بنية التشفير-الإعادة (Encode-Decode) لتصميم شبكات معقدة تحقق أداءً جيدًا. ومع ذلك، تعتمد معظم هذه الطرق على هياكل تكرارية للترقية والتخفيض (up-sampling و down-sampling) لتوسيع مجال الاستقبال (receptive field)، مما يؤدي إلى فقدان معلومات النسيج أثناء عملية العينة، كما أن بعضها يُصمم على مراحل متعددة، ما يسبب صعوبات في التقارب. لذلك، يستخدم نموذجنا الت convolution المُوسَّع (dilated convolution) لتمكين الحصول على مجال استقبال واسع مع دقة فضائية عالية. وباستغلال فعّال لمجالات الاستقبال المختلفة، يمكن لطريقتنا تحقيق أداءً أفضل. وبهذا الأساس، قلّلنا من عدد عمليات الترقية والتخفيض، وصممنا بنية شبكة بسيطة. علاوة على ذلك، قمنا بطرح وحدة جديدة تعتمد على تحويل الموجات (wavelet transform)، والتي تساعد بشكل فعّال الشبكة على استعادة تفاصيل النسيج عالية التردد الواضحة. أظهرت التقييمات الكمية والكيفية على مجموعات بيانات حقيقية واصطناعية أن طريقة إزالة الضبابية لدينا تُنافس الخوارزميات الحالية من حيث الأداء، مع متطلبات تدريب أقل بكثير. يمكن الوصول إلى الشفرة المصدرية والنماذج المُدرّبة مسبقًا من خلال الرابط التالي: https://github.com/FlyEgle/SDWNet.