La normalisation relative de la radiation est une technique fondamentale pour l’analyse multi-temporelle en télédétection, mais les méthodes traditionnelles présentent souvent des limites face aux distorsions non linéaires, aux valeurs aberrantes et aux conditions hétérogènes de couverture du sol. 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 avant simule les caractéristiques multi-sources des distorsions radiatives par la superposition de bruit structuré et aléatoire, tandis que le processus arrière s’appuie sur une stratégie d’optimisation variationnelle à double objectif, reconstruisant la cohérence radiative tout en conservant les détails originaux de l’image, permettant ainsi une modélisation fine des distorsions radiatives complexes au niveau mathématique. La conception clé est un réseau d’attention spatio-spectral qui, par la fusion de modules d’attention spatiale et spectrale, renforce dynamiquement la réponse des bandes clés et des structures texturales locales lors de l’extraction des caractéristiques, permettant une capture efficace des dépendances inter-bandes et du contexte spatial multi-échelle. Pour améliorer l’adaptabilité du modèle en scénarios complexes, une stratégie de prétraitement basée sur l’indice de similarité structurelle a été développée, guidant l’entraînement du modèle par une sélection automatique de régions stables pseudo-invariantes, réduisant ainsi efficacement les interférences dues aux changements d’objets, et renforçant la représentativité des échantillons d’entraînement ainsi que la stabilité de la convergence du modèle. Les expérimentations complètes sur un ensemble de données multi-temporelles Sentinel-2 démontrent que la méthode proposée surpasse continuellement les approches comparatives sur les indicateurs quantitatifs, offrant non seulement une meilleure précision de correction radiative et une fidélité spectrale plus élevée, mais aussi des avantages significatifs en termes de cohérence des indices de végétation et de préservation des détails texturaux. En résumé, ce réseau diffusif fournit une solution pratique et adaptable pour la normalisation relative de la radiation des grandes images de télédétection, avec un potentiel de développement futur vers la fusion multi-capteurs et l’analyse de séries temporelles.

Normalisation relative de la radiation;Modèle de diffusion;Mécanisme d’attention;Apprentissage profond