本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法，属于钢铁显微组织图像预测技术领域，包括获取C‑Mn数据集；对C‑Mn数据集进行预处理及扩充；对自编码器进行改进；构建编码器与解码器网络模型；应用编码器模型进行特征提取；构建PCA模型；构建XGBoost模型；将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中，得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络，通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题，此外，结合机器学习模型提高了显微组织图像生成模型的泛化能力。