随着互联网的发展与普及,人们的版权保护意识愈发强烈。可见水印是一种被广泛运用的图像版权保护方式。研究如何有效地去除这些水印可为发明更健壮的水印图像技术提供启示。此外,可见水印影响了图像质量以及视觉效果,不利于某些基础计算机视觉任务,如文字检测识别、图像分割等任务的进行。鉴于此,亟需展开图像水印去除的研究。水印的形状、尺寸、位置、透明度等变化的特点给水印去除任务带来了困难。虽然目前存在的一些主流图像水印去除方法利用卷积神经网络实现图像到图像的转换翻译,取得了不错的去除效果,但是这些方法使用的图像水印数据集多为灰度水印,不满足实际应用需求。此外,这些方法不具有很强的可解释性并且无法将水印从原始图像中分离。本文针对可见水印去除任务展开如下研究:（1）数据集是帮助训练优秀网络的一个重要因素。针对现存水印数据集LVW存在的问题,本文构建了一个彩色大规模水印数据集CLWD,该数据集主要包含彩色水印,填补当前彩色水印数据集的空白。本文通过实验验证了CLWD相对于LVW的优越性和挑战性。（2）为实现水印与无水印图像的分离、增强网络的可解释性并提升网络的性能,本文结合传统的水印图像分解模型,设计一个二阶段的生成器水印分解网络WDNet。其中,第一阶段预测整个水印图像的粗略分解;第二阶段以水印区域为中心,在像素级别优化去除效果。本文展示了被分离的水印可以帮助扩增数据集去进一步提升网络性能,最终实现网络终生学习的目的。在数据集LVW和CLWD的大量实验一致表明本文提出的WDNet在精度和效率上都优于目前最先进的方法。（3）针对水印与背景图颜色相近造成的水印难以被识别和去除问题,本文从水印位置选择和透明度设计两个方向出发,使得图像中的水印更难以被去除给发明更健壮的水印图像构造技术提供方向。