红外图像识别的Transformer频域可学习性方法

摘要

伴随工业自动化的发展,红外图像识别技术更多地应用于自动化生产领域。红外图像存在噪点多、图像质量差、色彩信息缺失等特点。针对上述特点,提出一种从红外图像频率信息出发,对红外图像进行识别的检测方法——红外图像频域检测方法(IFDM)。首先,有别于传统图像处理,该方法从频域角度出发,通过离散傅里叶变换,将图像信息变换到频域,有利于更好地把握红外图像特有的结构特征;其次,在频域进行可学习的频率信息筛选,增强了模型的特征提取能力;最后,引入了Transformer结构,相较于CNN结构,该结构能更好地整合图像中的全局信息。通过在3个特有的红外图像数据集上进行测试,与其他算法在准确率以及模型收敛速度层面进行比较,验证了该方法的可行性。