deepCR 0.3.1

deepCR：基于深度学习的天文图像宇宙射线去除

使用训练的卷积神经网络从天文图像中识别和去除宇宙射线。目前支持哈勃太空望远镜ACS-WFC和WFC3-UVIS相机。

此包实现了以下论文中描述的方法

deepCR：基于深度学习的宇宙射线拒绝
Keming Zhang & Joshua Bloom 2020
发表于《天体物理学杂志》
arXiv:1907.09500

文档和教程

目前可用的模型

ACS-WFC: Kwon, Zhang & Bloom 2021

WFC3-UVIS: Chen et al. 2024

安装

pip install deepCR

或者您也可以从源代码安装

git clone https://github.com/profjsb/deepCR.git
cd deepCR/
pip install .

快速入门

快速下载HST ACS/WFC和WFC3/UVIS图像

wget -O jdba2sooq_flc.fits https://mast.stsci.edu/api/v0.1/Download/file?uri=mast:HST/product/jdba2sooq_flc.fits
wget -O ietx1ab1q_flc.fits https://mast.stsci.edu/api/v0.1/Download/file?uri=mast:HST/product/ietx1ab1q_flc.fits

from deepCR import deepCR
from astropy.io import fits
image = fits.getdata("jdba2sooq_flc.fits")[:512,:512]

# Create an instance of deepCR for ACS-WFC
mdl = deepCR(mask="ACS-WFC")
# mdl = deepCR(mask="WFC3-UVIS") for WFC3-UVIS

# Apply the model
mask = mdl.clean(image, threshold = 0.5)
# 0.5 threshold usually works for ACS/WFC
# 0.1-0.2 for WFC3/UVIS (see Chen et al. 2024)

# Probabilistic mask could be helpful in determining threshold
prob_mask = mdl.clean(image, binary=False)

# Optional inpainting with median filtering
mask, cleaned_image = mdl.clean(image, threshold = 0.5, inpaint=True)

对于大图像，您可能需要启用mdl.clean(..., segment=True, patch=512)选项以防止内存溢出。此选项将输入图像分割成512x512的小方块以输入模型，其中CR掩码被重新拼接在一起。在这种情况下，您也可以通过指定n_jobs>1来启用多进程。请注意，如果您使用GPU，这不会加快速度！

贡献

我们非常希望从社区中获得错误修复、新功能和新的训练模型（尤其是地面成像和光谱学）。请复制此存储库并提交包含您更改的PR。如果您为您的更改添加一些测试，这将特别有帮助。