为解决现有增强方法在处理光源多而杂，亮度分布不均匀的夜间交通图像时容易出现过度曝光、图像模糊的问题，提出了一种基于双融合Unet抑光曲线估计的夜间交通图像增强算法。首先，引入辉光分解模型对输入图像进行抑光操作，去除人造光源影响的同时会抑制图像噪声；其次，使用双融合Unet网络，设计的双融合模块在编解码过程中能够融合更多层次的特征信息，在提取光照信息时保留了更多的图像细节，预测出更贴切于输入图像的光照分布图；最后，将抑光图像，原始夜间交通图像以及其网络提取的光照参数图作为输入，利用改进的曲线估计算法对输入的夜间交通图像进行增强迭代，使得图像得到更好的视觉增强。实验结果表明，所提算法在主观和客观比较下均取得最好的效果，证明了我们的方法的有效性，尤其是在光源多且分布不均匀的情况下。