本文提出了一种新型的低光照图像增强方法，通过协同利用信噪比感知的Transformer模型与卷积神经网络，实现基于空间变化操作的动态像素增强。具体而言，对于信噪比（SNR）极低的图像区域，采用长距离建模操作以有效恢复细节；而对于其他区域，则采用短距离操作以保持局部结构的完整性。为此，我们引入信噪比先验信息，指导特征融合过程，并设计了一种新型自注意力机制，以避免来自极低信噪比噪声区域的无效token干扰模型学习。大量实验表明，所提框架在七个代表性基准测试上均以相同网络结构实现了优于当前最优（SOTA）方法的性能。此外，我们还开展了一项大规模用户研究，邀请100名参与者对结果进行主观评价，进一步验证了本方法在感知质量方面的显著优势。