A normalização relativa da radiação é uma técnica fundamental para a análise de sensoriamento remoto multitemporal, mas os métodos tradicionais frequentemente apresentam limitações ao lidar com distorções não lineares, interferências de valores atípicos e condições heterogêneas de cobertura do solo. Para enfrentar esses desafios, este artigo propõe uma estrutura probabilística baseada em difusão, modelando a inconsistência radiométrica como uma combinação de resíduos determinísticos e perturbações aleatórias. Nesse quadro, o processo direto simula as características multifonte das distorções radiométricas por meio da sobreposição de ruído estruturado e ruído aleatório, enquanto o processo inverso baseia-se em uma estratégia de otimização variacional de duplo objetivo, reconstruindo a consistência radiométrica ao mesmo tempo em que preserva os detalhes da imagem original, realizando assim uma modelagem refinada das distorções radiométricas complexas em nível matemático. O design central é uma rede de atenção espaço-espectral, que, através da fusão dos módulos de atenção espacial e espectral duais, reforça dinamicamente a resposta das bandas-chave e estruturas locais de textura durante o processo de extração de características, permitindo a captura eficiente das dependências inter-bandas e do contexto espacial multiescala. Para aprimorar ainda mais a adaptabilidade do modelo em cenas complexas, foi projetada uma estratégia de pré-processamento baseada no índice de similaridade estrutural, orientando o treinamento do modelo pela seleção automática de regiões pseudo-invariantes estáveis, reduzindo efetivamente as interferências causadas por mudanças nas superfícies e aumentando a representatividade das amostras de treinamento e a estabilidade da convergência do modelo. Experimentos abrangentes baseados no conjunto de dados multitemporal Sentinel-2 mostram que o método proposto supera consistentemente os métodos comparativos existentes em métricas quantitativas, não apenas apresentando maior precisão na correção radiométrica e fidelidade espectral, mas também vantagens significativas na consistência do índice de vegetação e na preservação dos detalhes texturais. Em resumo, essa rede baseada em difusão oferece uma solução prática e adaptável para a normalização radiométrica relativa de imagens de sensoriamento remoto em larga escala, com potencial para futura expansão para fusão multisensorial e análise de séries temporais.

normalização relativa da radiação; modelo de difusão; mecanismo de atenção; aprendizagem profunda