在用数码相机拍摄电子显示屏或具有较多细节纹理的物体时,经常会出现彩色的水波纹样式的图案,即为摩尔纹。摄屏图像中的摩尔纹严重影响了图像质量和视觉效果。在硬件层面上的摩尔纹去除方法主要是在镜头前添加低通滤镜或调整相机感光器件的频率的方式,但这些方法在日常拍摄中通常难以实施并且对硬件的配置要求较高,因此人们开始寻求使用图像处理算法来去除图像中的摩尔纹。由于摩尔纹的不规则性,利用几何分析或传统的图像处理方法很难去除所有样式的摩尔纹。由于近年来摩尔纹的图像数据集的出现,本文选择利用深度学习框架,提出了一种可以维持图像感知一致的摩尔纹去除方法,即追求摩尔纹去除后的图像和原图像在视觉感知上有同等质量。由于数据集的限制,本文主要针对在拍摄屏幕时产生的摩尔纹。本文认为在摩尔纹图像的恢复问题上,应该注重恢复后图像与干净图像在视觉主观上的一致性,即感知一致性,而感知一致性往往不能通过客观的图像质量评价标准如均方误差(MSE)来衡量。因此通过在训练中引入感知损失来维持输出图像与干净图像的感知一致性。另外,本文认为如果已知摩尔纹的位置信息,对其去除会有进一步的指导作用。本文的主要贡献如下:1、提出了一个多尺度的残差网络,应用于摩尔纹去除问题。2、在损失函数中引入感知损失,使得网络的输出图像与干净图像在主观的视觉感知上保持一致。3、提出了一个通过测量对应像素颜色的角度差来提取摩尔纹蒙版的方法,将该蒙版作为额外信息加入训练,进一步对图像中摩尔纹的去除起指导作用。实验结果表明,本文提出的方法对于摩尔纹有很好的去除作用。最后,将本文的方法与其他去摩尔纹的工作和常用图像去噪方法做对比,通过定量和定性分析,证明了本文方法的有效性。