多尺度稀疏通道Transformer网络在天文强光源污染图像重建中的创新应用

本文提出多尺度稀疏通道Transformer网络（MSCformer），通过Top-k稀疏注意力（TKSA）和通道注意力模块（CAB）的协同作用，结合多尺度双门控前馈网络（MDGFN），显著提升天文图像中强光源污染的去除效果。在SDSS数据集上实现PSNR 45.093dB、SSIM 0.978的突破性性能，为天文观测和卫星成像提供新范式。

　　

Highlight

本研究创新性地提出多尺度稀疏通道Transformer网络（MSCformer），通过整合Top-k稀疏注意力（TKSA）与通道注意力模块（CAB），实现天文图像强光源污染的高精度去除。

Dataset

数据源自斯隆数字巡天项目（SDSS²），该数据库包含多周期高质量天文图像，通过特殊合成技术生成含模拟光晕和星爆的RGB测光图像，为模型训练提供真实噪声环境下的基准数据。

Methods

核心模块MSCTB融合三大创新设计：

1. 1.

   TKSA机制动态筛选最具信息量的特征

2. 2.

   CAB模块实现跨通道自适应权重分配

3. 3.

   MDGFN通过双门控结构增强多尺度特征表达

Results and analysis

实验显示MSCformer在SDSS数据集上实现PSNR 45.093dB、SSIM 0.978的突破性指标，较现有技术提升显著。可视化结果证实其对复杂光污染模式的去除能力，尤其在保留背景星系微弱特征方面表现突出。

Conclusion

该网络通过多尺度特征融合与稀疏注意力机制，为天文图像重建领域提供新范式。未来可扩展至X射线天文等更多频段的图像修复应用。