| ABSTRACT | 第5-6页 |
| 摘要 | 第7-13页 |
| Symbol Table | 第13-14页 |
| Abbreviations Table | 第14-18页 |
| Chapter 1 Introduction | 第18-26页 |
| 1.1 Background and Significance | 第18-19页 |
| 1.2 Overview of Present Research Status | 第19-23页 |
| 1.2.1 Image Fusion | 第19-21页 |
| 1.2.2 Convolutional Neural Networks | 第21-22页 |
| 1.2.3 Near Infrared Image | 第22页 |
| 1.2.4 Image Enhancement | 第22-23页 |
| 1.2.5 Image Denoising | 第23页 |
| 1.3 Contributions and Overview | 第23-26页 |
| Chapter 2 Related Work | 第26-40页 |
| 2.1 Color Space | 第26-27页 |
| 2.2 Image Fusion | 第27-29页 |
| 2.3 Fusion Level | 第29-30页 |
| 2.3.1 Pixel Level Fusion | 第29页 |
| 2.3.2 Feature Level Fusion | 第29-30页 |
| 2.3.3 Decision Level Fusion | 第30页 |
| 2.4 Image Denoising | 第30-32页 |
| 2.4.1 Traditional Methods | 第31页 |
| 2.4.2 Deep Learning Methods | 第31-32页 |
| 2.5 Convolutional Neural Networks | 第32-34页 |
| 2.6 Fusion Methods | 第34-37页 |
| 2.6.1 Takeuchi’s Method | 第35页 |
| 2.6.2 Honda’s Method | 第35-36页 |
| 2.6.3 Sugimura's Method | 第36-37页 |
| 2.6.4 Son's Method | 第37页 |
| 2.7 Summary | 第37-40页 |
| Chapter 3 Deep Fusion of RGB and NIR Paired Images Using Convolutional NeuralNetworks | 第40-52页 |
| 3.1 Introduction | 第40-43页 |
| 3.2 Network Architecture | 第43-47页 |
| 3.2.1 DenoisingNet | 第43-44页 |
| 3.2.2 EnhancingNet | 第44-46页 |
| 3.2.3 FusionNet | 第46-47页 |
| 3.3 Experimental Results | 第47-51页 |
| 3.3.1 Visual Comparison | 第47-50页 |
| 3.3.2 Quantitative Results | 第50-51页 |
| 3.4 Conclusion | 第51-52页 |
| Chapter 4 RGB-NIR Image Fusion for Hidden Texture Recovery Using Pyramid Fea-ture Selection and Attention Map | 第52-68页 |
| 4.1 Introduction | 第52-54页 |
| 4.2 Related Work | 第54-56页 |
| 4.3 Proposed Method | 第56-59页 |
| 4.3.1 Network Architecture | 第56-57页 |
| 4.3.2 Loss Function | 第57-58页 |
| 4.3.3 Dataset Generation | 第58-59页 |
| 4.4 Experimental Results | 第59-65页 |
| 4.4.1 Fusion Result | 第60-61页 |
| 4.4.2 Ablation Study | 第61-62页 |
| 4.4.3 Comparison with Other Methods | 第62-65页 |
| 4.5 Conclusion | 第65-68页 |
| Chapter 5 Low Light Image Enhancement Using Multispectral Fusion and Convolu-tional Neural Networks | 第68-80页 |
| 5.1 Introduction | 第68-69页 |
| 5.2 Proposed Method | 第69-74页 |
| 5.2.1 Network Architecture | 第69-72页 |
| 5.2.2 Loss Function | 第72-73页 |
| 5.2.3 Dataset Generation | 第73-74页 |
| 5.3 Experimental Results | 第74-79页 |
| 5.3.1 Fusion Results | 第75页 |
| 5.3.2 Ablation Study | 第75-77页 |
| 5.3.3 Comparison with Other Methods | 第77-79页 |
| 5.4 Conclusion | 第79-80页 |
| Chapter 6 Summary and Future Work | 第80-82页 |
| 6.1 Summary | 第80-81页 |
| 6.2 Future Work | 第81-82页 |
| Reference | 第82-88页 |
| Acknowledgement | 第88-90页 |
| Biograph | 第90-91页 |
