多时相遥感影像间相对辐射归一化操作是一项基础的遥感数据预处理工作。目前对选用的多时相遥感数据进行应用时通常会遇到影像之间的太阳照度几何、大气状态以及传感器差异等方面的不一致,这导致了相同位置上的辐射值随时间发生变化,然而这种变化并不意味着对应地物的真实物理变化。这样,应用多时相遥感影像进行土地覆盖变化检测或者图像拼接之前,需要对所使用的遥感影像进行相对辐射归一化处理从而使得不同时相、跨传感器遥感数据之间的辐射一致性得以保持,或者使得这些数据之间具有直接的辐射可比性。本文利用覆盖南京市的2010年8月19日获取的Landsat 5 TM数据和2013年10月14日获取的Landsat 8 OLI数据(轨道号120/038),以2013年影像作为参考影像,采用基于像元的伪不变特征(Pseudo-invariant features,PIFs)法、时不变点群(Temporally invariant clusters,TIC)法、全景影像回归(Wall-to-wall regression,WTW)法、多元变化检测(Multivariate alternation detection,MAD)法、暗-亮归一化(Dark bright set normalization,DB)法、自动控制散点归一化(Automatic scattergram-controlled regression,ASCR)法和随机森林归一化(Random forest normalization,RF)法,以及基于分布的最大-最小归一化(Maximum-minimum regression,MM)法、平均值-标准偏差归一化(Mean-standard regression,MS)法、直方图匹配法(Histogram matching,HM)和顺序转换法(Ordinal conversion,OC)共11种方法对2010年的图像进行相对辐射归一化操作。然后采用信息熵、光谱扭曲度、平均梯度、边缘强度、空间频率、交叉熵、峰值信噪比、交互信息量等8个客观评价指标对不同相对辐射归一化方法的性能进行了评价。再基于评价效果较好的4个相对辐射归一化方法生成的归一化后图像对,采用变化向量分析技术提取变化-未变化区域,并借助对应年份的Google图像目视解译结果对变化检测结果进行精度验证。研究结果表明:(1)从目视效果看,经过相对辐射归一化处理的影像其光谱特征均与参考影像接近,归一化后的影像空间信息保留完整,未破坏地物的光谱特征;(2)综合各客观评价指标评价值发现基于随机森林归一化方法的效果最优,其次是多元变化检测法、时不变点群法、顺序转换法、全景影像回归法、伪不变特征法、平均值标准差法、自动控制散点回归法、直方图匹配法、最大最小值归一化法和暗亮集归一化法;(3)利用归一化后图像进行变化-未变化区域的变化检测应用时,所得变化检测结果验证总体精度排序如下:随机森林归一化方法(79%)>多元变化检测法(76%)>时不变点群法(74.33%)>平均值标准差法(70.33%)。基于随机森林归一化方法产生的图像对,在客观评价指标方面以及变换检测应用方面的效果都表现优秀,可以推荐其成为跨传感器、多时相遥感影像间进行相对辐射归一化工程应用的首选方法。