为了缩小模态间的异质性差异并缓解多个方面词带来的情感混淆，提出一种基于细粒度图像-方面的情感增强多模态方面级情感分析。具体地，该模型经过文本图像编码后，首先利用形容词-名词对将与方面词相关的图像信息加入到文本方面词中，并通过细粒度图像-方面跨模态注意力机制优化图像表征，得到细粒度方面词-图像特征；接着，基于句法结构引入情感得分，得到基于方面词的文本情感特征；最后，进行模态融合得到最终情感预测结果。在Twitter-2015和Twitter-2017数据集上，与基线模型TMSC相比，提出模型值准确率分别提高了0.25百分点和0.16百分点，充分证明了细粒度的图文匹配和情感增强操作有助于提高分类效果。