摘要：实现矿区遥感图像增强处理,有助于提升后续图像判别以及相关监测分析效率。以往矿区遥感图像增强一般采用滤波、灰度变换等方法,往往会导致图像大量细节信息丢失,在很大程度上影响了后续判读分析。近年来,深度学习方法逐步应用于图像增强处理,但该方法很大程度上依赖于模型设计和参数合理取值,需要进行大量的试验和优化方可取得理想效果。将深度学习方法(Deep Learning,DL)与离散小波变换(Discrete Wavelet Transform,DWT)相结合,提出了一种基于离散小波域深度残差学习的矿区遥感图像增强算法。首先将图像进行单级二维离散小波变换,得到4个子带;然后将4个子带系数输入深度学习残差网络,预测相应的残差图像增加4个子带图像和残差图像作为二维小波变换的新子带;最后通过二维离散小波逆变换得到增强图像。试验结果表明:所提算法相对于直方图均衡化和超分辨率重建等方法而言,无论在图像视觉效果以及峰值信噪比、结构相似性、均方误差等评价指标上都具有较好优势,反映出将离散小波变换与深度学习方法相结合,有助于提升矿区遥感图像视觉效果,方便后续图像解译判读工作。