数字全息成像是一种获得三维物体的波前信息的关键技术，获得高质量的全息图是其首要条件，由于受到图像传感器的约束及实验环境的影响，所获得的数字全息图带有散斑噪声及分辨率低等问题。为了克服这一约束，采用了一种基于深度学习的方法来提高全息图质量、图像分辨率及条纹信噪比。结果表明，所研究算法可以应用于采集的多尺度全息图，而且获得的高质量全息图重建效果更好，减少散斑噪声影响，并比较了三种损失函数在该网络训练中的性能。