本发明提供了一种Retinex卷积神经网络及低光图像增强的方法,属于图像处理与图像分析的技术领域。以Retinex理论为背景,将深度学习框架作为基础,利用卷积神经网络搭建了网络结构,提供了低光图像增强的网络模型及训练流程,解决了低光图像颜色失真、细节丢失、网络结构复杂等问题。本发明将Retinex理论与卷积神经网络相结合,通过对反射率和照度分别利用卷积来提取图像特征使增强后的图像细节突出、亮度自然、色彩真实。本发明能够获得低光图像的真实信息并能进一步优化低光图像的细节,解决了低光图像包括噪声、细节丢失等的增强问题,在安全与监控、夜间摄影、医疗影像以及军事和航空等领域具有很好的应用潜力和价值。