相対放射正規化は多時相リモートセンシング解析の基盤技術ですが、従来の方法は非線形歪み、異常値の干渉、および異質な地表被覆条件の処理においてしばしば限界があります。これらの課題に対処するため、本論文では拡散ベースの確率的フレームワークを提案し、放射の不一致を決定論的残差とランダム摂動の組み合わせとしてモデル化します。このフレームワークにおいて、順方向過程は構造化ノイズとランダムノイズの重ね合わせにより放射歪みの多源的特性をシミュレーションし、逆方向過程は二重目的変分最適化戦略に基づき放射の一貫性を再構築しながら元画像の詳細特徴を保持し、数学的観点から複雑な放射歪みの精緻なモデル化を実現します。核心設計は空間-スペクトル注意ネットワークであり、空間およびスペクトルの二重注意モジュールを融合することで特徴抽出過程において重要な波長帯の応答と局所的テクスチャ構造を動的に強化し、帯域間の依存関係と多スケール空間コンテキストの効率的な捕捉を可能にします。複雑なシーンでのモデル適応能力をさらに向上させるため、構造的類似性指標に基づく前処理戦略を設計し、安定した疑似不変領域を自動選択してモデル学習を誘導し、地物変化による干渉を効果的に低減し、学習サンプルの代表性とモデル収束の安定性を強化します。マルチタイムフェーズSentinel-2データセットを用いた総合的な実験により、提案手法は既存の比較手法に対し定量評価指標で継続的に優れており、高い放射補正精度とスペクトル忠実度のみならず、植生指数の一貫性およびテクスチャ詳細の保持においても顕著な優位性を示しています。総括すると、本拡散駆動ネットワークは大規模リモートセンシング画像の相対放射正規化に対する実践的で適応可能なソリューションを提供し、将来的にはマルチセンサー融合や時系列解析などの応用へ拡張可能です。

相対放射正規化;拡散モデル;注意機構;深層学習