虽然深度卷积神经网络（CNNs）在建模特定噪声和去噪方面表现出非凡的能力，但在处理现实世界中的噪声图像时仍然表现不佳。主要原因在于现实世界的噪声更为复杂和多样。为了解决盲去噪问题，本文提出了一种新颖的金字塔真实图像去噪网络（PRIDNet），该网络包含三个阶段。首先，在噪声估计阶段，利用通道注意力机制重新校准输入噪声的通道重要性。其次，在多尺度去噪阶段，通过金字塔池化提取多尺度特征。最后，在特征融合阶段，采用核选择操作自适应地融合多尺度特征。在两个真实噪声照片数据集上的实验表明，我们的方法在定量指标和视觉感知质量方面均能与最先进的去噪器相媲美。代码可在 https://github.com/491506870/PRIDNet 获取。