Las imágenes de radar de apertura sintética (SAR) están inevitablemente intercaladas con ruido de moteado debido a su mecanismo de imagen coherente, lo que dificulta en gran medida la investigación y aplicación relacionadas posteriores. En estudios recientes, el aprendizaje profundo se ha convertido en una herramienta efectiva para el despeje de imágenes de teledetección. Sin embargo, preservar más detalles de textura mientras se elimina el ruido de moteado sigue siendo una tarea desafiante en el campo del despeje de imágenes SAR. Además, la mayoría de los algoritmos de despeje están diseñados específicamente para un aspecto específico y carecen seriamente de generalizabilidad. Por lo tanto, para eliminar el ruido de moteado en las imágenes SAR, se propone una nueva red de descomposición en el dominio de frecuencia de extremo a extremo (SAR-FDD). El método primero realiza una descomposición en el dominio de frecuencia para generar información de alta y baja frecuencia. En la rama de alta frecuencia, se emplea un filtro de media para eliminar efectivamente el ruido. Luego, se utiliza un marco interactivo de doble rama para aprender los detalles y la información estructural de las imágenes SAR, reduciendo efectivamente los moteados al aprovechar completamente las características de diferentes frecuencias. Además, se entrena un modelo de desenfoque ciego para manejar imágenes SAR ruidosas con niveles de ruido desconocidos. Los resultados experimentales demuestran que el SAR-FDD logra buenos efectos visuales y métricas de evaluación objetiva altas en conjuntos de pruebas SAR simulados y reales (relación señal a ruido pico (PSNR): 27.59 +/- 1.57 e índice de similitud estructural (SSIM): 0.78 +/- 0.05 para diferentes niveles de ruido de moteado), demostrando su sólido rendimiento de desenfoque y capacidad para preservar texturas de bordes.