量子圖像處理及其關(guān)鍵技術(shù)

第1章 緒論 1
1.1　量子圖像處理的研究意義　1
1.2　量子圖像處理的背景與現(xiàn)狀　2
參考文獻(xiàn)　4

第2章　量子圖像表示模型　7
2.1　量子圖像表示模型及其特點(diǎn)　7
2.1.1　Qubit Lattice模型　8
2.1.2　Real Ket模型　9
2.1.3　Entangled Image模型　9
2.1.4　FRQI模型　10
2.1.5　NEQR模型　12
2.1.6　GQIR模型　14
2.1.7　NAQSS模型　16
2.1.8　QRCI模型　17
2.1.9　QIRHSI模型　19
2.2　量子圖像表示模型分類　26
2.2.1　量子圖像顏色模型　26
2.2.2　量子圖像坐標(biāo)模型　28
2.3　本章小結(jié)　29
參考文獻(xiàn)　29

第3章　量子圖像處理算法　32
3.1　幾何變換　32
3.1.1　兩點(diǎn)交換　32
3.1.2　對(duì)稱翻轉(zhuǎn)　33
3.1.3　局部翻轉(zhuǎn)　35
3.1.4　正交旋轉(zhuǎn)　35
3.2　色彩處理　36
3.2.1　量子圖像的顏色運(yùn)算　36
3.2.2　偽彩色處理　39
3.2.3　量子色圖　40
3.2.4　量子偽彩色編碼實(shí)現(xiàn)　42
3.3　圖像分割　44
3.3.1　基于量子搜索的圖像分割　44
3.3.2　量子圖像分割線路　45
3.3.3　分割后量子圖像的顯示　48
3.4　本章小結(jié)　49
參考文獻(xiàn)　50

第4章　量子圖像恢復(fù)　51
4.1　量子圖像去噪算法　51
4.1.1　基于NEQR模型的去噪算法　51
4.1.2　基于量子小波變換的圖像去噪方法　58
4.2　量子圖像復(fù)原算法　66
4.2.1　基于R-L算法的量子圖像復(fù)原算法　66
4.2.2　基于約束的最小二乘法濾波的量子圖像復(fù)原算法　74
4.3　本章小結(jié)　81
參考文獻(xiàn)　81

第5章　量子圖像加密　84
5.1　圖像置亂算法　84
5.1.1　量子仿射變換　84
5.1.2　量子Hilbert變換　89
5.1.3　量子隨機(jī)行走　90
5.1.4　騎士巡游變換　91
5.2　圖像加密算法　92
5.2.1　離散余弦變換　92
5.2.2　DNA編碼　93
5.2.3　混沌映射　94
5.2.4　量子受控翻轉(zhuǎn)　97
5.3　量子圖像加密方案設(shè)計(jì)　98
5.3.1　基于交替量子隨機(jī)行走和離散余弦變換的圖像加解密方案　98
5.3.2　基于DNA編碼與交替量子隨機(jī)行走的圖像加密方案　107
5.3.3　基于量子隨機(jī)行走和多維混沌映射的圖像加密方案　111
5.3.4　基于量子受控翻轉(zhuǎn)的圖像加密方案　115
5.4　本章小結(jié)　119
參考文獻(xiàn)　120

第6章　量子水印　122
6.1　量子信息隱藏　122
6.1.1　量子LSB算法　122
6.1.2　量子傅里葉變換　125
6.1.3　量子小波變換　128
6.2　量子水印算法　131
6.2.1　基于量子LSB分塊的水印算法　131
6.2.2　基于量子傅里葉變換的量子水印算法　135
6.2.3　基于量子Haar小波變換的水印算法　136
6.2.4　基于莫爾條紋的量子信息隱藏　139
6.3　本章小結(jié)　143
參考文獻(xiàn)　143

第7章　量子圖像邊緣檢測(cè)　145
7.1　圖像邊緣檢測(cè)技術(shù)　145
7.1.1　Sobel算子圖像邊緣檢測(cè)　146
7.1.2　Prewitt算子圖像邊緣檢測(cè)　147
7.1.3　Kirsch算子圖像邊緣檢測(cè)　148
7.1.4　Canny算子圖像邊緣檢測(cè)　149
7.2　基于Kirsch算子的量子圖像邊緣檢測(cè)算法　151
7.2.1　算法流程　152
7.2.2　算法復(fù)雜度和仿真結(jié)果分析　155
7.3　基于改進(jìn)Sobel算子的量子圖像邊緣檢測(cè)算法　158
7.3.1　量子線路設(shè)計(jì)　158
7.3.2　算法流程　162
7.3.3　算法實(shí)現(xiàn)　163
7.3.4　仿真結(jié)果與分析　167
7.4　本章小結(jié)　169
參考文獻(xiàn)　169

第8章　量子圖像的分類識(shí)別　172
8.1　量子神經(jīng)網(wǎng)絡(luò)　172
8.2　量子卷積神經(jīng)網(wǎng)絡(luò)　176
8.3　基于量子卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別　178
8.3.1　混合量子經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)模型　178
8.3.2　量子卷積神經(jīng)網(wǎng)絡(luò)模型　184
8.4　本章小結(jié)　188
參考文獻(xiàn)　189

第9章　量子圖像仿真實(shí)現(xiàn)　191
9.1　主流量子仿真SDK介紹　192
9.2　FRQI和NEQR量子圖像的仿真　195
9.2.1　制備FRQI圖像量子態(tài)　195
9.2.2　四像素灰度FRQI圖像仿真實(shí)現(xiàn)　196
9.2.3　制備NEQR量子態(tài)　200
9.2.4　四像素灰度NEQR圖像仿真實(shí)現(xiàn)　200
9.3　小圖像和大圖像的量子邊緣檢測(cè)QHED算法　201
9.3.1　量子概率圖像編碼　201
9.3.2　量子Hadamard邊緣檢測(cè)　203
9.4　本章小結(jié)　206
參考文獻(xiàn)　207