在低光条件下拍摄的照片会因曝光不足而产生一系列的视觉问题，如亮度低、信息丢失、噪声和颜色失真等。为了解决上述问题，提出一个结合注意力的双分支残差低光照图像增强网络。首先，采用改进InceptionV2提取浅层特征；其次，使用残差特征提取块（RFB）和稠密残差特征提取块（DRFB）提取深层特征；然后，融合浅层和深层特征，并将融合结果输入亮度调整块（BAM）调整亮度，最终得到增强图像。同时，结合注意力机制设计特征融合块（FFM）捕获重要的特征信息，以帮助恢复低光照图像的暗部区域。此外，引入一个联合损失函数从多方面衡量网络训练损失。实验结果表明，相较于鲁棒的视网膜大脑皮层模型（RRM）、Zero-DCE（Zero-Reference Deep Curve Estimation）和EnlightenGAN（Enlighten Generative Adversarial Network），在LOL（LOw-Light）数据集上，所提网络的峰值信噪比（PSNR）指标分别提高了49.9%、40.0%和18.5%；在LOL-V2数据集上，结构相似性（SSIM）指标分别提高了20.3%、50.0%和34.5%。所提网络在提高低光照图像亮度的同时降低了噪声，减少了颜色失真和伪影，得到的增强图像更加清晰自然。
