本发明公开了一种基于深度学习的智能终端夜景图像增强方法，该方法包括：采集用于模型训练的图像样本，并构建图像数据集；构建基于Retinex理论的卷积神经网络；将图像数据集进行配对，并作为训练数据输入至卷积神经网络，使用随机梯度下降算法进行训练，得到该网络的夜景图像增强模型；使用Ghost模块替换夜景图像增强模型中的深度卷积层，在保证图像质量的基础上，大量减少模型参数；输入测试图像，在已训练好的卷积神经网络中进行一次前向传播，端到端地输出增强后的夜景图像。其目的在于，改善现有超级夜景技术中的硬件要求高、成像质量低及深度网络模型在智能终端运行受限等问题，降低硬件成本、提高夜景图像增强效率。