Pixel-level image fusion is designed to combine multiple input images into a fused image, which is expected to be more informative for human or machine perception as compared to any of the input images. Due to this advantage, pixel-level image fusion has shown notable achievements in remote sensing, medical imaging, and night vision applications. In this paper, we first provide a comprehensive survey of the state of the art pixel-level image fusion methods. Then, the existing fusion quality measures are summarized. Next, four major applications, i.e., remote sensing, medical diagnosis, surveillance, photography, and challenges in pixel-level image fusion applications are analyzed. At last, this review concludes that although various image fusion methods have been proposed, there still exist several future directions in different image fusion applications. Therefore, the researches in the image fusion field are still expected to significantly grow in the coming years.

Image fusion combines information from multiple images of the same scene to get a composite image that is more suitable for human visual perception or further image-processing tasks. In this paper, we compare various multi-resolution decomposition algorithms, especially the latest developed image decomposition methods, such as curvelet and contourlet, for image fusion. The investigations include the effect of decomposition levels and filters on fusion performance. By comparing fusion results, we give the best candidates for multi-focus images, infrared–visible images, and medical images. The experimental results show that the shift-invariant property is of great importance for image fusion. In addition, we also conclude that short filter usually provides better fusion results than long filter, and the appropriate setting for the number of decomposition levels is four.

Crafting an edge-based real-time object detector for unmanned aerial vehicle (UAV) aerial images is challenging because of the limited computational resources and the small size of detected objects. Existing lightweight object detectors often prioritize speed over detecting extremely small targets. To better balance this trade-off, this paper proposes an efficient and low-complexity object detector for edge computing platforms deployed on UAVs, termed EUAVDet (Edge-based UAV Object Detector). Specifically, an efficient feature downsampling module and a novel multi-kernel aggregation block are first introduced into the backbone network to retain more feature details and capture richer spatial information. Subsequently, an improved feature pyramid network with a faster ghost module is incorporated into the neck network to fuse multi-scale features with fewer parameters. Experimental evaluations on the VisDrone, SeaDronesSeeV2, and UAVDT datasets demonstrate the effectiveness and plug-and-play capability of our proposed modules. Compared with the state-of-the-art YOLOv8 detector, the proposed EUAVDet achieves better performance in nearly all the metrics, including parameters, FLOPs, mAP, and FPS. The smallest version of EUAVDet (EUAVDet-n) contains only 1.34 M parameters and achieves over 20 fps on the Jetson Nano. Our algorithm strikes a better balance between detection accuracy and inference speed, making it suitable for edge-based UAV applications.

Automatic ultrasound image segmentation improves the efficiency of clinical diagnosis and decreases the workload of doctors. Many ultrasound image segmentation methods only focus on capturing local details and global dependencies, whereas ignoring large-scale context information. However, it is essential to extract large-scale context features for large targets in images. To enhance the capability of feature extraction of the model for targets with various sizes and improve segmentation performance, we propose an effective multilevel feature extraction network (SLG-Net) which can extract features from local small details, large-scale context to global dependencies. The SLG-Net is parallel dual-encoder architecture which consists of a CNN encoder and a transformer encoder. Specifically, the CNN encoder improves the representation and interaction of fine feature and large-scale context feature for targets of different sizes by large-small kernel attention (LSKA) modules. The LSKA module firstly extracts features by parallel small kernel module and large-scale feature selection (LSFS) module. The extracted features from above modules are added for further information interaction through a following multi-scale feature interaction module. To fully leverage the feature extraction capability of large kernel convolutions and decrease the number of parameters, we design the large kernel decomposition module (LKDM) to extract large-scale context features in LSFS module. The transformer encoder is used to capture global features for compensating the limitations of CNN encoder. To merge multilevel features, a multi-scale feature fusion module is introduced after the dual-encoder. In addition, at the skip connection, a multi-scale attention module is integrated to retain significant shallow features for subsequent fusion of deep and shallow features. Experiments on three public ultrasound datasets indicate that the proposed network accomplishes the prominent performance for ultrasound image segmentation. It shows the potential of our study to promote intelligence in clinical medicine.