人眼中存在两种受体细胞,视锥细胞和视杆细胞。这两种细胞会根据周围环境亮度的不同将视觉分为明视觉、中间视觉和暗视觉。在图像采集的过程中,暗视觉环境下采集到的图像会因为周围环境光照不足,设备接收到的反射光线较弱,影响图像成像的质量,使图像整体呈现黑暗状态,导致人眼不能直接获取图像中的有用信息,对图像的进一步处理也产生了影响。由于暗视觉环境下的图像存在亮度低、对比度低和内容不清晰等问题,而卷积神经网络在图像生成方面具有很大的优势。因此,本论文结合卷积神经网络,提出了一种暗视觉环境下的图像增强算法。论文的主要工作包括:1.针对暗视觉环境下的图像亮度过低的问题。本论文结合Retinex算法原理,将采集到的暗视觉环境下的图像进行分解,得到光照图像和反射图像,将分解出的光照图像进行反转,再将反转之后的图像与暗视觉环境下的图像进行连接,输入到改进后的生成网络中,从而达到提高增强图像的整体亮度的目的;2.针对图像增强过程中出现的图像细节丢失,像素偏差的问题。本论文结合U-Net网络的结构特点,对生成网络进行了改进。结合人眼对图像视觉感知过程的特点,添加了基于图像结构相似度的损失函数,使图像能更好的满足人眼视觉要求;3.针对采集图像时引入的图像噪声和增强后图像存在部分颜色偏差的问题。本论文利用Dn CNN去噪网络对增强后的图像以及暗视觉环境下图像的反射图像进行去噪处理,再将两幅去噪后的图像叠加在一起,实现了对图像去噪和颜色校正的图像优化处理。最后,本论文将改进后的方法与其他四种图像增强方法进行对比,并且分别进行了主观评价和客观评价。实验结果表明,使用本论文提出的方法获得的图像的亮度和细节都有所提高,图像整体视觉效果也得到改善。