图像处理 | 基于扩散模型的多时相遥感影像的 相对辐射归一化
图像处理 | 基于扩散模型的多时相遥感影像的 相对辐射归一化
摘要:相对辐射归一化是多时相遥感分析的基础技术,但传统方法在处理非线性畸变、异常值干扰及异质地表覆盖条件时往往存在局限性。针对这些挑战,本文提出了一种基于扩散的概率框架,将辐射不一致性建模为确定性残差与随机扰动的组合。在该框架中,前向过程通过结构化噪声与随机噪声的叠加模拟辐射畸变的多源特性,而后向过程则依托双目标变分优化策略,在重建辐射一致性的同时保留原始影像的细节特征,从而在数学层面上实现了对复杂辐射畸变的精细化建模。其核心设计是空间-光谱注意力网络,该网络通过融合空间与光谱双注意力模块,在特征提取过程中动态强化关键波段响应与局部纹理结构,实现对跨波段依赖关系和多尺度空间上下文的高效捕获。为进一步提升模型在复杂场景下的适应能力,研究设计了基于结构相似性指数的预处理策略,通过自动筛选稳定伪不变区域引导模型训练,有效降低地物变化带来的干扰,增强训练样本的代表性与模型收敛的稳定性。基于多时相哨兵2号数据集的综合实验表明,所提方法在定量评价指标上持续优于现有对比方法,不仅具备更高的辐射校正精度和光谱保真度,还在植被指数一致性和纹理细节保留方面展现出显著优势。综上,该扩散驱动网络为大规模遥感影像相对辐射归一化提供了一种实践适应性的解决方案,未来可进一步拓展至多传感器融合与时间序列分析等应用场景。