本发明涉及一种针对成像中直流分量变化的深度学习样本增强方法，包括以下步骤，S1、样本选取；S2、特征提取；S3、训练图像集数据处理；S4、目标图像集数据处理；S5、网络设计；S6、网络训练；S7、迭代训练；S8、网络使用。本发明利用在不同成像环境下得到的样本图像，进行直方图统计，利用对抗神经网络训练出不同成像环境下的直方图转换网络；然后利用网络输出的直方图对原图进行直方图规定化，从而生成模拟不同成像环境下，且效果接近真实的样本图像，实现样本增强，用于设备上深度学习网络模型的训练，从而提高模型的泛化能力，无需重新训练。