近日，我院胡衡教授团队联合信息工程学院吕鹏远副教授团队在国际地球科学和遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（中科院１区 TOP IF：8.6）发表题为《QSCDNet: A Hybrid Quantum Spectral Change Detection Network for Hyperspectral Image Change Detection》的论文，胡衡教授为论文通讯作者。该项工作探索了量子计算在高光谱遥感影像解译中的应用，为高效精准解译遥感数据提供了新思路，论文被审稿人认为“The quantum computing provides a new way for hyperspectral image processing”。
高光谱遥感影像具有“图谱合一”的优势，可精准捕捉精细地物类型变化。然而，随着多源高光谱影像数据量的剧增，经典计算即将面临计算效率与热耗效应的双重挑战。由于量子的叠加与纠缠特性，量子计算有望实现指数级降低计算复杂度的目标。
QSCDNet网络原理图
该论文提出了一种面向高光谱影像变化检测的双分支混合量子神经网络 (QSCDNet)，其核心是基于高维希尔伯特空间建模光谱变化的不确定性问题。该网络包含以下核心模块：1)量子分支，由多个二维量子光谱变化卷积块构成，通过参数化量子电路建模独立于伪变化影响的光谱变化多样化表达形式，从而更有效地提取光谱特征变化信息; 2)CNN分支，基于通道注意力网络架构设计，提供传统网络的特征变化表征; 3)跨域特征融合模块，融合量子分支与CNN分支的输出特征，实现变化信息的互补增强。该方法在三个公开高光谱变化检测数据集上进行了测试，并与前沿相关方法进行对比，证明了量子计算处理高光谱遥感数据的应用潜力。
文章链接：https://ieeexplore.ieee.org/document/11122532
