一种基于深度学习的大视场图像杂散光噪声抑制方法

一种基于深度学习的大视场图像杂散光噪声抑制方法，涉及光电望远镜技术领域，解决现有杂散光抑制方法不适合应用于大视场小口径望远镜，且去噪方法难以应对噪声复杂多变的真实场景，对月光和薄云噪声的抑制能力有限的问题，本方法构建金字塔式可变形卷积大核注意机制去噪模型，通过将金字塔结构与可形变卷积大核注意力机制结合，提高空间目标图像杂散光噪声的抑制能力。使用存在杂散光干扰条件下的空间目标图像作为模型的输入，构建金字塔结构，扩大感受野，通过多次下采样和上采样构建更深的特征金字塔，使模型能够捕获不同尺度的杂散光特征；此外，增加可变形卷积大核注意机制，更加聚焦于边缘特征，从而更好地去除杂散光干扰。