我院交通运输专业研究生綦丽华作为第一作者在《Knowledge-Based Systems》（KBS）上发表题为“Learning Adaptive Frequency-Prompt Denoising Transformer for UAV Nighttime Tracking”的学术论文。王海军副教授为通讯作者，山东航空学院为唯一署名和通讯单位。《KBS》是由Elsevier集团出版的人工智能领域国际权威期刊，2025年影响因子为7.6，属于中科院SCI一区TOP期刊。

针对在低光条件下无人机跟踪性能受限于机载摄像头硬件，以及复杂环境下普遍存在的噪声与模糊问题，本研究提出基于频域提示的降噪Transformer网络（FPDT）。具体而言，设计了一个轻量级自适应频率提示学习模块（AFP-LM），其中FLB通过频域分析实现高频与低频特征的自适应分离与交互；PB则动态生成频率提示，引导模型抑制高频噪声，从而提升跟踪器的特征提取能力。为进一步强化跨域特征表示，引入双向交叉融合模块（BCFM），实现频域与空间域信息的双向交互。此外，解码器中集成的多卷积头转置交叉注意力机制（MDCA）可促进多尺度特征交叉融合。结果表明，FPDT在多个无人机夜间跟踪基准测试中均取得优异性能，为真实场景下无人机夜间跟踪的应用开发提供了有力的技术支撑。

图1 基于频域提示降噪Transformer网络（FPDT）的无人机夜间跟踪框架图

图2 DarkTrack2021 数据集下跟踪性能定性比较的可视化结果

该研究得到了山东航空学院研究生创新基金(SHSYCX13)的支持。

原文链接：https://doi.org/10.1016/j.knosys.2025.114341