Las imágenes de alta calidad son difíciles de obtener en entornos complejos, como subterráneos o submarinos. El bajo rendimiento de las imágenes capturadas en condiciones de poca luz restringe significativamente el desarrollo de diversas aplicaciones de ingeniería. Sin embargo, los algoritmos existentes muestran distorsión de color o sobreexposición al abordar imágenes con iluminación no uniforme. Además, introducen ruido de alto nivel al procesar imágenes extremadamente oscuras. En este documento, proponemos una nueva estructura de red generativa adversaria (GAN) para generar imágenes mejoradas de alta calidad, llamada redes generativas adversarias basadas en bloques antiatención (AABGAN). Específicamente, proponemos AAB para suprimir aberraciones cromáticas no deseadas y establecer una relación de mapeo entre diferentes canales. El módulo de agrupación piramidal de agregación profunda guía la red al combinar información de contexto a varias escalas. Además, diseñamos una nueva función de pérdida múltiple para ajustar las imágenes al rango más adecuado para la visión humana. Los resultados de experimentos extensos muestran que nuestro método supera a los métodos de mejora de imágenes no supervisados de última generación en términos de reducción de ruido y tiene un resultado bien percibido.