宇宙微波背景辐射(CMB)是宇宙大爆炸的余晖,是人类认识早期宇宙的物理极限,此外CMB在传播的过程中受到宇宙演化后期的影响,这些影响都会在CMB上留下痕迹。因此,CMB光子是天文学中最重要的观测信号之一,对于研究宇宙起源和发展有重要意义,加深对于宇宙组分、物质构成和一系列基本物理过程的理解。在CMB观测过程中会受到多种信号的污染,本文首次将深度学习应用于去除CMB前景污染,对CMB的热力图和极化图进行深入研究。对于CMB热力图,本文使用深度残差自编码器模型,均方误差降低为传统天文学方法NILC的1.71%,处理速度是传统天文学方法NILC的10.48倍。CMB极化图分为Q和U两个极化方向,本文在深度残差自编码器基础上提出跨层连接残差自编码器模型,Q方向极化图均方误差降低为传统天文学方法NILC的0.83%,U方向极化图均方误差降低为传统天文学方法NILC的0.29%,获得几乎完全纯净的极化图。