本书在总结多波段图像融合的研究现状、存在问题及发展趋势的基础上，提出了模型和数据双驱动的多波段图像融合概念、理论与方法。本书内容主要集中于模型和数据双驱动的多波段图像自适应分解重构方法、多波段图像自适应融合规则构建方法、基于GAN的多波段图像同步自适应融合方法、多波段图像的同步超分与融合方法等8个方法，不仅实现了原图像成像效果不理想情况下的高清融合，而且初步实现了人工神经网络设计的可预期性、可解释性和可控性。
本书可作为计算机视觉或电子信息处理专业研究生的教学参考用书，也可供相关领域的科研人员参考。

第1章 绪论
1.1 多波段图像融合的背景及意义
1.2 多波段图像融合的国内外研究现状
1.2.1 模型驱动的融合方法及其问题
1.2.2 基于数据驱动的融合方法研究现状
1.3 多波段图像融合存在的问题及解决思路
1.3.1 存在的问题
1.3.2 解决思路——双驱动的图像融合
1.4 本书的研究思路和章节安排
1.4.1 研究思路
1.4.2 章节安排
1.5 本章小结
1.6 本章参考文献
第2章 多波段图像自适应融合关键技术
2.1 概述
2.2 图像预处理
2.2.1 图像去噪
2.2.2 图像增强
2.3 深度学习训练数据集构建
2.3.1 自适应分解重构网络训练集构建
2.3.2 自适应融合网络训练集构建
2.3.3 多波段图像同步融合数据集构建
2.3.4 红外超分图像数据集构建
2.4 深度学习模型构建
2.4.1 AE构建
2.4.2 CNN构建
2.4.3 残差神经网络（ResNet)构建
2.4.4 生成对抗网络（GAN）构建及其改进
2.4.5 注意力机制
2.4.6 编码-解码网络构建
2.4.7 密集连接网络构建
2.5 深度学习模型训练方法
2.5.1 反向传播算法
2.5.2 模型训练优化方法
2.6 多波段图像融合结果评价
2.6.1 主观评价
2.6.2 客观评价
2.7 本章小结
2.8 本章参考文献
第3章 多波段图像自适应分解重构方法
3.1 概述
3.2 研究思路
3.3 自适应分解重构网络构建与训练
3.3.1 网络构建
3.3.2 网络训练
3.4 消融实验
3.4.1 网络参数的影响与选择
3.4.2 学习率的影响与选择
3.4.3 堆叠个数的影响与选择
3.4.4 激活函数的影响与选择
3.5 实验结果比较
3.5.1 主观评价
3.5.2 客观评价
3.6 本章小结
3.7 本章参考文献
第4章 多波段图像自适应融合规则构建方法
4.1 概述
4.2 研究思路
4.3 自适应融合网络构建与训练
4.3.1 网络构建
4.3.2 网络训练
4.4 消融实验
4.4.1 正则项系数的选择与影响
4.4.2 激活函数的选择与影响
4.4.3 附加项的影响
4.4.4 网络层数及卷积核个数的影响
4.5 实验结果比较
4.5.1 主观评价
4.5.2 客观评价
4.6 本章小结
4.7 本章参考文献
第5章 基于GAN的多波段图像同步自适应融合方法
5.1 概述
5.2 研究思路
5.3 网络构建与训练
5.3.1 网络构建
5.3.2 网络训练
5.4 消融实验
5.4.1 学习率的影响
5.4.2 梯度损失权重的影响
5.5 实验结果分析
5.5.1 主观评价
5.5.2 客观评价
5.6 本章小结
5.7 本章参考文献
第6章 基于注意力机制的多波段图像自适应融合方法
6.1 概述
6.2 研究思路
6.3 注意力机制网络构建与训练
6.3.1 网络构建
6.3.2 网络训练
6.4 消融实验
6.4.1 注意力机制的影响
6.4.2 网络结构的影响
6.5 实验结果分析
6.5.1 主观评价
6.5.2 客观评价
6.6 本章小结
6.7 本章参考文献
第7章 多波段图像的MDGAN同步融合方法
7.1 概述
7.2 研究思路
7.3 多波段图像的MDGAN同步融合网络构建方法
7.3.1 MDGAN网络结构
7.3.2 多任务损失函数构建
7.4 消融实验
7.4.1 反馈密集网络（FDN）的影响
7.4.2 损失函数的影响
7.5 实验结果分析
7.5.1 主观评价
7.5.2 客观评价
7.6 本章小结
7.7 本章参考文献
第8章 多波段图像的多对比度超分融合方法
8.1 概述
8.2 研究思路
8.3 多对比度超分融合网络构建方法
8.3.1 多对比度超分融合网络结构
8.3.2 多任务损失函数构建
8.4 消融实验
8.4.1 红外超分图像的影响
8.4.2 网络结构的影响
8.5 实验结果分析
8.5.1 主观评价
8.5.2 客观评价
8.6 本章小结
8.7 本章参考文献
第9章 多波段图像的WGAN-GPSR & Fusion同步超分与融合方法
9.1 概述
9.2 研究思路
9.3 WGAN-GPSR & Fusion网络构建方法
9.3.1 WGAN-GPSR & Fusion网络结构
9.3.2 多任务损失函数构建
9.4 消融实验
9.4.1 多任务损失函数的影响
9.4.2 网络结构的影响
9.5 实验结果分析
9.5.1 主观评价
9.5.2 客观评价
9.6 本章小结
9.7 本章参考文献
第10章 多波段图像的DenseSR&Fusion同步超分与融合方法
10.1 概述
10.2 研究思路
10.3 DenseSR & Fusion网络构建方法
10.3.1 DenseSR & Fusion网络结构
10.3.2 损失函数构建
10.4 消融实验
10.4.1 局部遍历算子的影响
10.4.2 SSIM损失的影响
10.5 实验结果分析
10.5.1 主观评价
10.5.2 客观评价
10.6 本章小结
10.7 本章参考文献