一种融合多尺度线性注意力的密集星场宇宙线识别方法及系统技术方案

技术编号:46083950 阅读:7 留言:0更新日期:2025-08-12 18:06
本发明专利技术公开了一种融合多尺度线性注意力的密集星场宇宙线识别方法,包括:获取待检测密集星场图像和已训练的密集星场宇宙线识别模型;将待检测密集星场图像数据输入编码阶段,在编码阶段进行处理,获得编码阶段经最大池化操作的输出;将编码阶段经最大池化操作的输出作为颈部阶段的输入,在颈部阶段进行处理,获得颈部阶段的输出;将颈部阶段的输出作为解码阶段转置卷积操作的输入、多头自注意力机制的输入,将转置卷积操作的输出、多头自注意力机制的输出、编码阶段经LSK模块的输出进行拼接作为解码阶段第一个第一卷积块操作的输入,再经解码阶段的第二个第一卷积块及第二卷积块处理后输出待检测密集星场图像的分类掩膜结果。本发明专利技术在高密度星系区域能保持较高的检测精度,凸显了其在复杂观测场景下的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种融合多尺度线性注意力的密集星场宇宙线识别方法及系统,属于基于计算机视觉的图像处理领域。


技术介绍

1、宇宙线是来自宇宙空间的高能带电粒子,主要由质子和氦核组成,当它们撞击天文探测器(如哈勃太空望远镜、詹姆斯·韦伯太空望远镜等)时,会在图像中形成高亮噪声,表现为随机分布的亮斑或条纹。这些噪声不仅干扰天文观测数据的准确性,还会影响后续的天体测量、光谱分析等科学任务。特别是在密集星场(如星系团、恒星密集区域)中,宇宙线的形态与真实天体(如恒星、星系)的边缘特征高度相似,使得传统方法难以有效区分,导致误检或漏检,降低数据质量。

2、目前,天文图像中的宇宙线识别主要依赖多帧图像合成和单帧图像分析。多帧方法利用多次观测的中值叠加或超分辨率重建来消除宇宙线,但这种方法需要多次重复观测,不仅耗时,而且无法应用于瞬变天体之类的单次曝光场景。单帧方法则主要基于传统图像处理(如边缘检测、形态学滤波)或深度学习(如卷积神经网络)。传统算法依赖人工设计的特征,难以适应复杂的天文背景;而现有的深度学习模型虽然能自动学习宇宙线特征,但在密集星场中仍存在两大本文档来自技高网...

【技术保护点】

1.一种融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,所述第一卷积块包括深度可分离卷积操作、Relu、EMA模块;所述第二卷积块采用二维卷积操作。

3.根据权利要求1所述的融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,所述获取获取待检测密集星场图像和已训练的密集星场宇宙线识别模型,具体为:

4.根据权利要求1所述的融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,所述密集星场宇宙线识别模型的损失函数是由二分类交叉熵损失函数改...

【技术特征摘要】

1.一种融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,所述第一卷积块包括深度可分离卷积操作、relu、ema模块;所述第二卷积块采用二维卷积操作。

3.根据权利要求1所述的融合多尺度线性注意力的密集星场宇宙线识别方法,其特征在于,所述获取获取待检测密集星场图像和已训练的密集星场宇宙线识别模型,具体为:

4.根据权利要求1所述的融合多尺度线性注意力...

【专利技术属性】
技术研发人员:陶俊羲卫守林
申请(专利权)人:昆明理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1