本发明公开了一种基于深度学习的宽谱段高光谱图像重构方法，包括：S1：利用传感器获取待测区域的图像数据；S2：对所述图像数据进行预处理，得到所述图像数据的影像数据集；S3：对所述影像数据集进行数据增强，将经过数据增强的所述影像数据集随机划分成训练影像数据及测试影像数据，并将所述训练影像数据输入到Unet网络中进行训练，得到训练网络模型；S4：利用损失函数循环提高所述训练网络模型的训练精度S5：当所述训练网络模型的训练精度符合要求时，将所述测试影像数据输入到所述Unet网络中进行测试，得到由多光谱图像数据重构得到的高光谱数据；本发明通过改进Unet网络结构，使得此网络结构专门适用于高光谱重构，网络训练效率高。