Digitalkameras und Mobiltelefone ermöglichen es uns, wertvolle Momente bequem zu dokumentieren. Obwohl die Qualität von digitalen Bildern stetig verbessert wird, bleibt das Aufnehmen hochwertiger Fotos von digitalen Bildschirmen eine Herausforderung, da die Fotos oft durch Moiré-Muster (Moiré patterns) beeinträchtigt werden. Diese Muster sind das Ergebnis der Interferenz zwischen den Pixelgittern des Kamerasensors und des Gerätebildschirms. Moiré-Muster können die visuelle Qualität von Fotos erheblich schädigen. Dennoch haben bisher nur wenige Studien sich mit der Lösung dieses Problems beschäftigt. In dieser Arbeit stellen wir ein neues multiresolutionales vollkonvolutionales Netzwerk (multiresolution fully convolutional network) vor, das Moiré-Muster automatisch aus Fotos entfernt. Da Moiré-Muster über einen breiten Frequenzbereich verteilt sind, führt unser vorgeschlagenes Netzwerk eine nichtlineare multiresolutionale Analyse des Eingangsbildes durch, bevor es berechnet, wie Moiré-Artefakte in jedem Frequenzband eliminiert werden können. Zudem erstellen wir einen umfangreichen Benchmark-Datensatz mit über 100.000 Bildpaaren zur Untersuchung und Bewertung von Algorithmen zur Entfernung von Moiré-Mustern. Unser Netzwerk erreicht auf diesem Datensatz den aktuellen Stand der Technik im Vergleich zu existierenden Lernarchitekturen für Probleme der Bildrestauration.