光声计算层析成像（PACT）不需要外源性对比剂便可获取厘米级深度的光声图像。然而，来自皮肤的高强度光声信号遮盖了皮下深层组织信息，阻碍了感兴趣区域光声图像的正面显示和分析。因此，笔者提出了融合多尺度感知和残差连接的U型深度学习模型，并采用该模型实现了PACT光声图像中皮肤信号的智能分割。首先，提出以单类皮肤区域标注为基准标签图像的非像素级皮肤区域标注方法，该方法不需要像素级图像标注，能够显著降低数据处理的复杂度；然后，设计了皮肤完整性拟合和皮肤掩膜生成算法，并采用该算法实现了PACT图像中皮肤信号的自动去除。使用PACT成像实验获得的人体腿部外周血管光声图像验证了所提方法在皮肤组织高精度智能提取和去除方面的正确性和有效性。与现有的皮肤去除工作相比，本文所提皮肤去除算法对MAP图像的重建误差下降了50%~70%，峰值信噪比平均提升了约4.5 dB，为深层组织PACT图像的高清晰显示提供了一条有效途径。