Proponemos restaurar imágenes de baja luz que sufren de degradación severa utilizando un enfoque de aprendizaje profundo. Existe una brecha significativa entre las imágenes de baja luz y las reales, que los métodos anteriores no han logrado abordar con alineación de dominio. Para abordar esto, presentamos una red de alineación de dominio que aprovecha codificadores duales y una pérdida de alineación de dominio. Específicamente, entrenamos dos codificadores duales para transformar imágenes de baja luz y reales en dos espacios latentes y alineamos estos espacios utilizando una pérdida de alineación de dominio. Además, diseñamos un módulo Convolution-Transformer (CTM) durante el proceso de codificación para extraer de manera integral tanto características locales como globales. Los resultados experimentales en cuatro conjuntos de datos de referencia demuestran que nuestro método propuesto A Domain Alignment Network (DANet) supera a los métodos de vanguardia.