摘要
在基于地面的短波红外（SWIR）天文观测中，探测器读出电路中的温度漂移通常会引入非线性的、空间分布不均匀的条纹噪声以及高斯噪声，这使得微弱的恒星目标容易被掩盖，难以检测。为了解决这一挑战，我们提出了一种基于结构引导的加权低秩去噪方法，用于处理红外恒星图像。该方法不仅超越了传统的空间滤波和标准低秩分解技术，还将物理先验与数学优化结合到一个统一的框架中。首先，利用恒星目标的点扩散函数（PSF）特性构建了一个分层结构滤波器，并将其进一步转换为自适应的先验权重。这种设计在迭代优化过程中既能保留微弱目标的能量，又能有效抑制噪声。其次，通过利用图像的全局空间相关性，将残余条纹和背景共同建模为低秩分量，以实现有效分离。最后，引入了双边随机投影（BRP）技术来加速加权软阈值迭代过程。在真实的基于地面的观测数据上的实验，以及消融研究和敏感性分析表明，该方法能够在低信噪比（SNR）条件下有效抑制结构化的条纹干扰，同时保留微弱的恒星目标。此外，加速模块进一步提高了计算效率，使得该框架更适用于实际的实时处理。
