针对现有的弱光照图像增强算法强烈依赖于Retinex理论,需人工调整参数等问题,提出一种基于卷积神经网络的弱光照图像增强算法。首先,利用四种图像增强手段处理弱光照图像得到四张派生图,四张派生图为:限制对比度自适应直方图均衡派生图、伽马变换派生图、对数变换派生图、亮通道增强派生图。然后,将弱光照图像及其四张派生图输入到卷积神经网络中,经过卷积神经网络的激活,最终输出增强图像。本文算法直接端到端地实现弱光照图像到正常光照图像的映射,不需要按照Retinex模型先估计光照图像或反射率图像,也无需调整任何参数。在合成弱光照图像的实验中,本文算法的平均MSE、PSNR、SSIM指标均优于其他算法。在真实弱光照图像实验中,本文算法的平均NIQE、熵指标为所有对比方法中最优,平均对比度增益指标在所有方法中排名第二。实验结果表明,相较于其他方法,本文算法鲁棒性较好,经本文算法增强后,图像的细节更丰富、对比度更高、拥有更好的视觉效果和图像质量。本文算法结合了传统的图像增强手段和新兴的深度学习算法,为弱光照图像增强的研究提供了新思路。