基于新型CQIR表示模型的量子彩色图像分割算法研究

Quantum image segmentation is the basis of quantum image analysis and understanding. To segment the quantum images quickly and effectively is of great significance. Color images have richer color information, but currently quantum image segmentation is still for grayscale images, and it is urgent to research efficient quantum color image segmentation algorithms. Therefore, in this project, we will design quantum image segmentation algorithm. The representation model of the quantum color image（CQIR） is established through the improvement and extension of the expression of the two-dimensional superposition quantum gray image. Analyze the relationship between pixel and its neighborhoods in CQIR representation model, use quantum shift operation to extract neighborhood information, and design quantum adder and multiplier to complete fast quantum color image filtering algorithm. Multidimensional gradient fusion method is studied to obtain gradient images, quantum logic gates are used to design quantum comparators for non-maximal suppression, and quantum morphological operations are used to connect edge breakpoints. Finally, highly parallel quantum color image segmentation algorithm is achieved. At the same time, the project will design the quantum circuit of the quantum color image segmentation algorithm, and verify the effectiveness of the algorithm with a small-size image in a classical computer. This project will provide solid theoretical and technical support for quantum color image feature extraction and target recognition research.

量子图像分割是量子图像分析和理解的基础，对量子图像进行快速、有效地分割具有重要意义。彩色图像拥有更丰富的颜色信息，但目前量子图像分割还处于单一的针对灰度图像的分割，急需研究高效的量子彩色图像分割算法。因此，本项目围绕量子彩色图像分割算法展开研究，通过对二维叠加态量子灰度图像表达式进行改进和扩展，建立量子彩色图像的表示模型（CQIR）；分析CQIR表示模型中像素与其邻域之间的关系，利用量子移位操作提取邻域信息，并设计量子加法器和乘法器，完成快速量子彩色图像滤波算法设计；对多维梯度融合方法进行研究，获得梯度图像，利用量子逻辑门设计量子比较器，进行非极大值抑制，并采用量子形态学运算对边缘断点进行连接，最终实现高度并行的量子彩色图像分割算法。项目拟同时设计该算法的量子线路，并在经典计算机中用小尺寸图像对算法的有效性进行验证。本项目为量子彩色图像特征提取及目标识别领域的研究提供坚实的理论和技术支撑。

量子图像分割是量子图像分析和理解的基础，对量子图像进行快速、有效地分割具有重要意义。有别于经典图像，量子图像作为整体存储于一个量子叠加态中，叠加态的每个分量为图像的各个像素。此存储机制有利于对图像进行并行处理，但也同时给像素级的操作带来了困难。如何充分利用叠加态的优势并针对劣势提出巧妙的解决办法，是本项目关注的重点。. 本项目首先利用置零门对量子彩色图像存储过程进行优化，然后以辅助图像的形式将像素的邻域信息提取出来并与原图像共用位置信息，共同存储于同一个量子叠加态中，基于此存储形式设计了高效的量子彩色图像中值滤波算法；利用前述滤波算法对量子图像进行去噪，并设计了两种抗噪性能较好的图像边缘检测算法，分别为量子LoG边缘检测算法和量子Canny边缘检测算法，并分析了算法的时间复杂度。. 本项目利用可编程量子计算机和量子编程语言研究了基于NEQR表达式的量子图像分割算法。首先设计了高效的量子比较器，将其应用到量子双阈值分割算法中，并在IBM Quantum Experience云平台中的量子模拟器中完成对“量子图像表达式制备—量子图像分割处理—量子图像测量”的实验仿真过程。对不同尺寸量子图像进行处理时的编译时间、测量次数以及基础量子逻辑门个数等实验参数进行了分析，并说明了这些参数之间的关系。实验结果表明，本分割算法时间复杂度低，具有很高的并行性。本项目的研究为量子图像特征提取及目标识别领域的研究提供坚实的理论和技术支撑，具有很好的应用前景。