Le démoiréage d’images est une tâche de restauration d’images multifacette, impliquant à la fois la restauration des textures et celle des couleurs. Dans cet article, nous proposons un nouveau réseau de neurones convolutifs à bande passante multi-échelle (MBCNN) pour traiter ce problème. En tant que solution end-to-end, le MBCNN résout séparément les deux sous-problèmes. Pour la restauration des textures, nous introduisons un filtre passe-bande apprenable (LBF) afin d’apprendre un prior fréquentiel spécifique à l’élimination des textures de moiré. Pour la restauration des couleurs, nous proposons une stratégie en deux étapes de cartographie des tons : une première étape consiste à appliquer une cartographie tonale globale afin de corriger un décalage global des couleurs, suivie d’un ajustement local fin par pixel pour affiner la restitution des couleurs. Une étude d’ablation permet de démontrer l’efficacité de chacun des composants du MBCNN. Les résultats expérimentaux obtenus sur deux jeux de données publics montrent que notre méthode surpasse de manière significative les approches de pointe, avec une amélioration de plus de 2 dB en PSNR.