Las Redes Neuronales Convolucionales (CNN) han logrado resultados notables en el campo del mejoramiento de imágenes infrarrojas. Sin embargo, la investigación sobre el mecanismo de percepción visual y los indicadores de evaluación objetiva para imágenes infrarrojas mejoradas aún no es lo suficientemente profunda. Para que la evaluación subjetiva y objetiva sean más consistentes, este artículo utiliza una métrica perceptual para evaluar el efecto de mejora de imágenes infrarrojas. La métrica perceptual imita el proceso de conversión temprana del sistema visual humano y utiliza la distancia piramidal Laplaciana normalizada (NLPD) entre la imagen mejorada y la radiancia de escena original para evaluar el efecto de mejora de la imagen. Basado en esto, este artículo diseña un algoritmo de mejora de imágenes infrarrojas que es más propicio para la percepción visual humana. El algoritmo utiliza una Red Convolucional Totalmente Liviana (FCN), con NLPD como medida de similitud, y entrena la red de manera auto-supervisada minimizando el NLPD entre la imagen mejorada y la radiancia de escena original para lograr la mejora de imágenes infrarrojas. Los resultados experimentales muestran que el método de mejora de imágenes infrarrojas en este artículo supera a los métodos existentes en cuanto a calidad de percepción visual, y debido al uso de una red liviana, también es el método de mejora más rápido actualmente.