基于Transformer的天文亮源污染去除网络

本发明公开了一种去除天文亮源污染的网络，该网络基于U‑Net架构，结合Transformer特征提取模块，构建了一种分层编解码网络。在特征提取部分，使用了多尺度稀疏通道Transformer模块(MSCTB)，该模块包括Top‑k稀疏注意力(TKSA)，通道注意力机制(CAB)和多尺度双门控前馈网络(MDGFN)。其中，Top‑k稀疏注意力机制将特征稀疏化，自适应地保留最有用的自我注意力值，进而实现更高效地特征聚合；通道注意力机制根据不同通道的重要性分配不同的权重，从而增强网络对关键特征的捕捉能力；多尺度双门控前馈网络使两个分支互相作为彼此的权重，增强非线性建模能力，以捕获更多的多尺度信息。在每一级编解码中引入了残差连接，以恢复细节信息。此外，还引入了一种多尺度Patch Embedding，获得不同大小的感受野，提供多层次的语义信息；在同一级的编码器和解码器之间添加了跳跃连接，有效的将编码器的信息传递到解码器。本网络的提出不仅提高了亮源污染去除的效果，还对亮源污染图像的后续研究具有重要意义。