Fusion of infrared and visible image is a technology which combines information from two different sensors for the same scene. It also gives extremely effective information complementation, which is widely used for the monitoring systems and military fields. Due to limited field depth in an imaging device, visible images can’t identify some targets that may not be apparent due to poor lighting conditions or because that the background color is similar to the target. To deal with this problem, a simple and efficient image fusion approach of infrared and visible images is proposed to extract target’s details from infrared images and enhance the vision in order to improve the performance of monitoring systems. This method depends on maximum and minimum operations in neutrosophic fuzzy sets. Firstly, the image is transformed from its spatial domain to the neutrosophic domain which is described by three membership sets: truth membership, indeterminacy membership, and falsity membership. The indeterminacy in the input data is handled to provide a comprehensive fusion result. Finally, deneutrosophicised process is made which means that the membership values are retransformed into a normal image space. At the end of the study, experimental results are applied to evaluate the performance of this approach and compare it to the recent image fusion methods using several objective evaluation criteria. These experiments demonstrate that the proposed method achieves outstanding visual performance and excellent objective indicators.

红外和可见图像的融合是一种将来自两个不同传感器的信息组合到同一场景的技术。它还提供了极为有效的信息补充，已广泛用于监视系统和军事领域。由于成像设备中的景深有限，可见图像无法识别某些目标，这些目标可能由于照明条件较差或背景颜色与目标相似而看不见。为了解决这个问题，提出了一种简单有效的红外与可见光图像融合方法，从红外图像中提取目标细节，增强视觉效果，以提高监控系统的性能。此方法取决于中智模糊集的最大和最小运算。首先，图像从其空间域转换为中智域，并由三个隶属集描述：真隶属，不确定隶属和虚假隶属。处理输入数据中的不确定性以提供全面的融合结果。最后，进行了去中智处理，这意味着将隶属度值重新转换为正常图像空间。在研究结束时，将实验结果应用于评估该方法的性能，并将其与使用几种客观评估标准的最新图像融合方法进行比较。这些实验表明，所提出的方法具有出色的视觉性能和出色的客观指标。和虚假会员资格。处理输入数据中的不确定性以提供全面的融合结果。最后，进行了去中智处理，这意味着将隶属度值重新转换为正常图像空间。在研究结束时，将实验结果应用于评估该方法的性能，并将其与使用几种客观评估标准的最新图像融合方法进行比较。这些实验表明，所提出的方法具有出色的视觉性能和出色的客观指标。和虚假会员资格。处理输入数据中的不确定性以提供全面的融合结果。最后，进行了去中智处理，这意味着将隶属度值重新转换为正常图像空间。在研究结束时，将实验结果应用于评估该方法的性能，并将其与使用几种客观评估标准的最新图像融合方法进行比较。这些实验表明，所提出的方法具有出色的视觉性能和出色的客观指标。实验结果被用于评估这种方法的性能，并将其与使用几种客观评估标准的最新图像融合方法进行比较。这些实验表明，所提出的方法具有出色的视觉性能和出色的客观指标。实验结果被用于评估这种方法的性能，并将其与使用几种客观评估标准的最新图像融合方法进行比较。这些实验表明，所提出的方法具有出色的视觉性能和出色的客观指标。