我们考虑的是通用的深度图像增强问题，即将输入图像转换为感知上更优的图像。最近的图像增强方法通过执行风格迁移和图像修复来处理这一问题。这些方法主要分为两类：基于训练数据的方法和训练数据独立的方法（即深度内部学习方法）。我们在深度内部学习框架下执行图像增强。我们的图像增强深度内部学习框架增强了内容特征和风格特征，并使用上下文内容损失来保留增强图像中的图像上下文。我们在有雾和噪声图像的增强中展示了结果。为了验证结果，我们使用了结构相似性和感知误差，后者在衡量图像中存在的非真实变形方面非常有效。我们表明，所提出的框架在图像增强方面优于相关的最新工作。