La normalisation relative du rayonnement est une technique fondamentale pour l'analyse de la télédétection multitemporale, mais les méthodes traditionnelles présentent souvent des limites dans le traitement des distorsions non linéaires, des perturbations dues aux valeurs aberrantes et des conditions hétérogènes de couverture terrestre. Pour relever ces défis, cet article propose un cadre probabiliste basé sur la diffusion, modélisant l'incohérence radiative comme une combinaison de résidus déterministes et de perturbations aléatoires. Dans ce cadre, le processus direct simule les caractéristiques multi-sources des distorsions radiatives par la superposition de bruit structuré et aléatoire, tandis que le processus inverse repose sur une stratégie d'optimisation variationnelle à double objectif, permettant de reconstruire la cohérence radiative tout en préservant les détails de l'image originale, réalisant ainsi une modélisation fine des distorsions radiatives complexes au niveau mathématique. Le concept clé est un réseau d'attention spatio-spectral, qui intègre des modules d'attention spatiale et spectrale pour renforcer dynamiquement la réponse des bandes clés et la structure texturale locale lors de l'extraction des caractéristiques, assurant une capture efficace des dépendances inter-bandes et du contexte spatial multi-échelle. Pour améliorer davantage l'adaptabilité du modèle dans des scénarios complexes, une stratégie de prétraitement basée sur l'indice de similarité structurelle a été conçue, guidant l'entraînement du modèle grâce à la sélection automatique de zones pseudo-invariantes stables, réduisant efficacement les interférences dues aux changements du couvert terrestre, améliorant la représentativité des échantillons d'entraînement et la stabilité de la convergence du modèle. Des expériences complètes réalisées sur un jeu de données Sentinel-2 multitemporel montrent que la méthode proposée surpasse systématiquement les méthodes comparatives sur les indicateurs quantitatifs, offrant une précision de correction radiative plus élevée et une fidélité spectrale accrue, tout en démontrant des avantages significatifs en cohérence des indices de végétation et en conservation des détails texturaux. En résumé, ce réseau piloté par diffusion propose une solution pratique et adaptable pour la normalisation relative du rayonnement des images de télédétection à grande échelle et peut être étendu à l'avenir à des applications telles que la fusion multi-capteurs et l'analyse de séries temporelles.

normalisation relative du rayonnement;modèle de diffusion;mécanisme d'attention;apprentissage profond