本发明提供一种基于深度学习的弱激光图像增强方法及装置，包括获取第一激光下的第一图像，以及第二激光下的第二图像；对所述第一图像进行标注处理作为数据标签，并输入至预先构建好的深度网络进行训练，得到优化后的弱激光图像增强模型；将所述第二图像输入至优化后的弱激光图像增强模型，获取增强后的弱激光图像。本发明通过将所用的DCNN网络进行改进，在每个特征层加入残差模块，得到改进的DCNN网络；形成测量用的弱激光图像增强模型，进行轻量化处理；将待测物体的弱激光图像进行数据预处理后，输入所得弱激光图像增强模型，输出增强后的激光图像；对输出结果进行分析处理，可(56)对比文件向卓龙 等.结构光投影三维面形测量及纹理贴图方法 《.光电工程》.2022,第49卷(第12期),220169-1-13.王庆丰 等.彩色编码结构光测量水中物体的三维面形《.四川大学学报（自然科学版）》.2009,第46卷(第4期),1-6.胡俊 等.卷积神经网络的激光图像增强算法《.激光杂志》.2020,第41卷(第9期),147-150.Zhoujie Wu 等.High-speed and high-efficiency three-dimensional shapemeasurement based on Gray-coded light.《Image and Video Processing》.2013,1-33.Miya Nakajima 等.Laser ImageEnhancement Algorithm Based on ImprovedEnlightenGAN《.electronics》.2023,1-13.孙博文 等.基于组合激光结构光的视觉传感器《.清华大学学报》.2019,第59卷(第6期),445-552.