画像のぼかし除去は、ぼけた画像から鮮明な画像を復元することを目的とする古典的なコンピュータビジョンの問題である。この問題を解決するため、従来の手法は複雑なネットワーク構造を設計するためにエンコード-デコードアーキテクチャを採用している。しかし、これらの多くは受容 field を拡大するために繰り返しアップサンプリングおよびダウンサンプリング構造を使用しており、これによりサンプリング過程でテクスチャ情報が損失される。また、複数の段階を設計する手法も存在するが、収束の難しさを引き起こす場合がある。そこで本研究では、拡張畳み込み（dilated convolution）を用いることで、高い空間解像度を維持しつつ大きな受容 field を獲得する。異なる受容 field を効果的に活用することで、より優れた性能を達成可能となる。さらに、アップサンプリングおよびダウンサンプリングの回数を削減し、シンプルなネットワーク構造を設計した。また、ウェーブレット変換を活用した新規モジュールを提案し、ネットワークが高周波成分の明瞭なテクスチャ情報を効果的に復元するのを支援している。実データおよび合成データを用いた定性的・定量的評価の結果、本手法は従来のアルゴリズムと同等の性能を達成しつつ、はるかに低い学習要件で実現可能であることが示された。本研究のソースコードおよび事前学習済みモデルは、https://github.com/FlyEgle/SDWNet にて公開されている。