随着信息技术的不断发展,计算机处理图像信息的能力持续提升,并在人脸识别、遥感图像解析和自动驾驶等多个领域得到广泛应用。通常情况下,图像自身质量的高低直接决定了该图的信息处理结果好坏。当为低光照图像时,因其亮度低、质量差,不仅导致人眼观察的困难,而且使得机器视觉系统不能准确捕捉图像特征,进而造成严重偏差甚至错误结果。因此,如何有效增强低光照图像质量,在理论与应用层面都具有重要研究价值和意义。此外,在对增强后的图像进行质量评价方面,现有的图像评价指标在实际应用中并不能客观准确地衡量图像的亮度与颜色变化。为此,本文主要基于低光照图像增强方法和图像质量评价指标进行相关研究,主要工作如下:（1）针对当前低光照图像有监督深度学习增强算法主要度学实际应用时需要大量高-低光照图像匹配数据,而实际应用中难以获取相应数据集,且在模型训练过程中需要耗费大量计算机资源的问题,本文给出一种基于注意力机制的无监督图像循环增强网络,由强注意力模块与循环增强子网络构成,前者提取图像重要特征信息,后者通过多次循环迭代增强图像的整体亮度。实验结果表明该模型资源消耗少、运行速度快,在有效提高低光照图像亮度的同时,可以保留局部纹理信息。（2）针对低光照图像深度学习增强算法无法有效恢复图像颜色的问题,这里提出一种基于同态滤波与颜色校正的低光照图像增强处理方法,先采用同态滤波处理低光照图像的低频和高频信息,再通过偏色检测和颜色校正恢复低光照图像的颜色;并根据低光照图像的特点,选取合适的评价指标对增强后的图像亮度和颜色进行客观度量。实验结果表明,该方法能够有效恢复低光照图像颜色。（3）根据上述研究所给的低光照图像增强算法,在深入分析图像增强功能需求的基础上,设计开发了相应的低光照图像增强应用系统,主要包括文件模块、图像增强处理模块、图像质量评价模块和自定义图像增强模块,满足了基于本文的低光照图像增强算法的实际需求。综述所述,本文提出的基于注意力机制的无监督图像循环增强网络和基于同态滤波与颜色校正的低光照图像增强处理方法,以及选取的图像亮度和颜色客观评价指标为低光照图像增强和质量评价提供了新的解决思路;据此设计、开发的低光照图像增强应用软件系统为其实际应用提供了技术支持。