Относительная радиационная нормализация является фундаментальной технологией многовременного дистанционного зондирования, однако традиционные методы часто имеют ограничения при обработке нелинейных искажений, помех от выбросов и неоднородных условий покрытия поверхности. В ответ на эти вызовы в данной работе предложена диффузионная вероятностная модель, моделирующая радиационное несоответствие как комбинацию детерминированных остатков и случайных возмущений. В этой модели прямой процесс имитирует мультипричинные особенности радиационных искажений путем наложения структурированного и случайного шума, а обратный процесс опирается на двуцелевую вариационную оптимизацию, одновременно восстанавливая радиационную согласованность и сохраняя детали исходного изображения, что позволяет тонко моделировать сложные радиационные искажения на математическом уровне. Основным элементом является пространственно-спектральная сеть внимания, которая путем объединения пространственных и спектральных модулей внимания динамически усиливает отклик ключевых полос и локальных текстурных структур в процессе извлечения признаков, эффективно захватывая зависимости между полосами и многомасштабный пространственный контекст. Для повышения адаптивности модели в сложных сценариях разработана предварительная стратегия обработки на основе индекса структурного сходства, которая направляет обучение модели через автоматический отбор стабильных псевдо-постоянных областей, эффективно снижая влияние изменений земного покрова и усиливая представительность обучающих выборок и стабильность сходимости модели. Комплексные эксперименты на многоэпохном наборе данных Sentinel-2 показали, что предложенный метод последовательно превосходит существующие подходы по количественным метрикам, обеспечивая более высокую точность радиационной коррекции и спектральную достоверность, а также демонстрирует значительные преимущества в согласованности вегетационных индексов и сохранении текстурных деталей. В целом, данная диффузионная сеть предоставляет практическое и адаптивное решение для относительной радиационной нормализации крупномасштабных дистанционных изображений, что в дальнейшем может быть расширено на многодатчиковое слияние и анализ временных рядов.

Относительная радиационная нормализация;диффузионная модель;механизм внимания;глубокое обучение