Die Bildharmonisierung ist ein wesentlicher Schritt bei der Bildkomposition, der das Erscheinungsbild des zusammengesetzten Vordergrunds anpasst, um die Inkonsistenzen zwischen Vorder- und Hintergrund zu beheben. Bestehende Methoden operieren hauptsächlich im korrelierten $RGB$RGB-Farbraum, was zu verflochtenen Merkmalen und einer begrenzten Darstellungsfähigkeit führt. Im Gegensatz dazu bietet der dekorrelierte Farbraum (z.B. $Lab$Lab) dekorrelierte Kanäle, die entwirrte Farb- und Beleuchtungsstatistiken bereitstellen. In dieser Arbeit untersuchen wir die Bildharmonisierung in dualen Farbräumen, die verflochtene $RGB$RGB-Merkmale durch entwirrte $L$L, $a$a, $b$b-Merkmale ergänzt, um den Arbeitsaufwand im Harmonisierungsprozess zu reduzieren. Das Netzwerk besteht aus einem $RGB$RGB-Harmonisierungskern, einem $Lab$Lab-Codierungsmodul und einem $Lab$Lab-Steuerungsmodul. Der Kern ist ein U-Netzwerk, das das zusammengesetzte Bild in ein harmonisiertes Bild übersetzt. Drei Encoder im $Lab$Lab-Codierungsmodul extrahieren unabhängig voneinander drei Steuercodes aus den $L$L, $a$a, $b$b-Kanälen, die verwendet werden, um die Decoder-Merkmale im Harmonisierungskern über das $Lab$Lab-Steuerungsmodul zu beeinflussen. Unser Code und unser Modell sind unter \href{https://github.com/bcmi/DucoNet-Image-Harmonization}{https://github.com/bcmi/DucoNet-Image-Harmonization} verfügbar.