浮选现场环境恶劣、光照条件复杂多变，针对现场采集的浮选图像易出现曝光不足、颜色失真等问题，提出了一种低照度图像颜色深度编解码校正及多尺度增强方法。首先，将低照度图像从RGB转换至HSV空间，针对明度（V）分量，采用非下采样剪切波变换（NSST）进行多尺度分解；其次，提出基于全局空间模块的色彩编解码网络，通过挤压提取、色彩编码、色彩解码、颜色校正构建颜色深度编解码校正网络模型，对色度（H）、饱和度（S）分量进行颜色校正；然后，采用自适应模糊集增强V分量的低频子带图像，利用尺度相关系数有效滤除V分量中各高频子带的噪声成分，同时使用非线性增益函数对高频边缘系数进行显著增强处理；最后，对增强后的V分量各子带图像作NSST反变换重构，并将重构后的V分量与校正后的H分量、S分量融合转换回RGB空间。通过实验验证，与当前的主流方法相比，本文方法CIEDE平均降低14.835　8,PSNR平均提高8.48　dB，结构相似度平均提高31.32%，连续边缘像素比保持在91%以上。本文方法显著改善了图像的亮度，提升了对比度、清晰度和信息熵，使图像颜色更接近真实色彩，保留了更多纹理细节，并在有效抑制噪声的同时，实现了边缘增强。