低光照图像增强（Low-light Image Enhancement, LLIE）是一个病态的逆问题，其原因在于缺乏理想光照条件下目标图像的先验知识。在低光照条件下，图像主要面临两大问题：直方图动态范围受限，以及信噪比低导致的颜色分布不一致。为解决上述问题，本文提出一种名为FLIGHT-Net的新方法，该方法基于一系列神经网络结构模块构建。首个模块通过像素级、场景依赖的光照自适应调整来优化光照条件；第二个模块则生成最终输出图像，包含通道注意力机制与去噪子模块。所提出的神经网络架构具有极高的效率，仅需25K参数即可实现当前最优的增强性能。该方法的代码、预训练模型及增强结果图像将对外公开。