针对低光照图像增强任务中缺少正常光照的参考图像问题,提出了一种基于生成对抗网络的无参考低光照图像增强方法,即在不需要参考图像的条件下可训练得到低光照图像增强模型.为实现低光照图像增强过程中保留图像细节和全局一致性,本文了提出了改进的基于空间和通道的自注意力融合模块以及图像全局信息感知的自适应实例化归一化模块.由于训练过程中无法获得参考图像,本文进一步提出基于图像自身信息感知的自颜色损失函数,从而提升生成对抗网络复原低光照图像中颜色信息的能力.实验结果表明,本文方法在低光照图像增强中保留细节信息和恢复低光照场景颜色上具有良好作用.与已有的低光照图像增强方法相比,本文方法在主观视觉效果和无参考自然图像指标Natural　Image　Quality　Evaluator(NIQE)上均有提升.