La imagen de desempañado de imágenes de teledetección (RSID) tiene como objetivo eliminar la neblina de las imágenes de teledetección para mejorar su calidad. Aunque los métodos de desempañado basados en aprendizaje profundo existentes han logrado un progreso significativo, todavía es difícil eliminar por completo la neblina desigual, lo que a menudo conduce a diferencias de color o estructura entre la imagen desempañada y la imagen original. Para superar esta dificultad, proponemos la red de desempañado de atención cruzada a múltiples escalas (MCADNet), que ofrece una solución potente para RSID. MCADNet integra una convolución de múltiples núcleos y un mecanismo de atención de múltiples cabezas en la arquitectura U-Net, lo que permite una extracción efectiva de información a múltiples escalas. Además, reemplazamos las conexiones de salto tradicionales con un módulo de compuerta basado en atención cruzada, mejorando la extracción y fusión de características en diferentes escalas. Esta sinergia permite que la red maximice la similitud general entre la imagen restaurada y la imagen real, al tiempo que restaura los detalles de las áreas de textura compleja en la imagen. Evaluamos MCADNet en dos conjuntos de datos de referencia, Haze1K y RICE, demostrando su rendimiento superior. Los experimentos de ablación verifican aún más la importancia de nuestras elecciones de diseño clave en la mejora de la efectividad del desempañado.