Los sistemas de procesamiento de imágenes robustos requieren imágenes de entrada que se asemejen estrechamente a escenas del mundo real. Sin embargo, factores externos, como condiciones ambientales adversas o errores en la transmisión de datos, pueden alterar la imagen capturada, lo que lleva a la pérdida de información. Estos factores pueden incluir condiciones de iluminación deficientes en el momento de la captura de la imagen o la presencia de ruido, lo que requiere procedimientos para restaurar los datos a una representación lo más cercana posible a la escena real. Este proyecto de investigación propone una arquitectura basada en un autoencoder capaz de manejar tanto condiciones de iluminación deficientes como ruido en imágenes digitales simultáneamente, en lugar de procesarlos por separado. La metodología propuesta ha demostrado superar a técnicas competidoras especializadas en reducción de ruido o mejora de contraste. Esto se apoya tanto en métricas numéricas objetivas como en evaluaciones visuales utilizando un conjunto de validación con características de iluminación variables. Los resultados indican que la metodología propuesta restaura eficazmente las imágenes al mejorar el contraste y reducir el ruido sin requerir pasos de procesamiento separados.