量子圖像處理及其關鍵技術
馬鴻洋 邱田會 王淑梅 田艷兵 史鵬
- 出版商: 人民郵電
- 出版日期: 2024-08-01
- 定價: $779
- 售價: 8.5 折 $662
- 語言: 簡體中文
- 頁數: 207
- ISBN: 7115633940
- ISBN-13: 9787115633941
-
相關分類:
量子 Quantum
下單後立即進貨 (約4週~6週)
商品描述
本書系統闡述了量子圖像處理及其關鍵技術。本書內容共分9章，分別介紹了量子圖像處理的研究意義和背景與現狀、量子圖像表示模型、量子圖像處理算法、量子圖像恢復、量子圖像加密、量子水印、量子圖像邊緣檢測、量子圖像的分類識別、量子圖像模擬實現。
本書旨在為量子圖像處理領域的科研人員提供具有較強實用性的參考，可作為物理和電腦專業開設量子計算相關課程的教學參考書，也可作為量子計算與量子圖像處理的短期專題講座培訓用書。本書結構清晰、內容翔實，對初次接觸量子圖像處理領域的研究人員，特別是非物理專業的科研技術人員具有一定的參考價值。
作者簡介
馬鴻洋
2019—2022年山東省物理學類專業及大學物理課程教學指導委員會委員；2018至今教育 部高等學校物理學類專業教學指導委員會華東地區工作委員會委員、量子密碼委員會委員、中國電子學信息論分委會委員、大數據與智能信息處理技術委員會委員、山東省物理學會理事會理事、山東省光學工程學會理事、青島市物理學會理事會理事。 主要研究方向為網絡空間安 全、量子保密通信、量子計算、機器學習和深度學習。完成教學科研課題一項,獲青島理工大學優 秀科研成果三等獎一項。 邱田會 青島理工大學副教授。主要研究方向為量子光學和量子信息。主持國家自然科學基金青年基金和理論物理專款各一項，主持山東省自然科學基金培養基金項目一項, 作為項目組主要成員參與國家和省部級項目6項。在光的可逆存儲、原子相乾調控、電磁誘導周期介質性質和應用等方面發表SCI論文20餘篇。
目錄大綱
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狀 2
參考文獻 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 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 量子圖像坐標模型 28
2.3 本章小結 29
參考文獻 29
第3章 量子圖像處理算法 32
3.1 幾何變換 32
3.1.1 兩點交換 32
3.1.2 對稱翻轉 33
3.1.3 局部翻轉 35
3.1.4 正交旋轉 35
3.2 色彩處理 36
3.2.1 量子圖像的顏色運算 36
3.2.2 偽彩色處理 39
3.2.3 量子色圖 40
3.2.4 量子偽彩色編碼實現 42
3.3 圖像分割 44
3.3.1 基於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 分割後量子圖像的顯示 48
3.4 本章小結 49
參考文獻 50
第4章 量子圖像恢復 51
4.1 量子圖像去噪算法 51
4.1.1 基於NEQR模型的去噪算法 51
4.1.2 基於量子小波變換的圖像去噪方法 58
4.2 量子圖像復原算法 66
4.2.1 基於R-L算法的量子圖像復原算法 66
4.2.2 基於約束的最小二乘法濾波的量子圖像復原算法 74
4.3 本章小結 81
參考文獻 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 離散餘弦變換 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 97
5.3 量子圖像加密方案設計 98
5.3.1 基於交替量子隨機行走和離散餘弦變換的圖像加解密方案 98
5.3.2 基於DNA編碼與交替量子隨機行走的圖像加密方案 107
5.3.3 基於量子隨機行走和多維混沌映射的圖像加密方案 111
5.3.4 基於量子受控翻轉的圖像加密方案 115
5.4 本章小結 119
參考文獻 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 基於量子LSB分塊的水印算法 131
6.2.2 基於量子傅里葉變換的量子水印算法 135
6.2.3 基於量子Haar小波變換的水印算法 136
6.2.4 基於莫爾條紋的量子信息隱藏 139
6.3 本章小結 143
參考文獻 143
第7章 量子圖像邊緣檢測 145
7.1 圖像邊緣檢測技術 145
7.1.1 Sobel算子圖像邊緣檢測 146
7.1.2 Prewitt算子圖像邊緣檢測 147
7.1.3 Kirsch算子圖像邊緣檢測 148
7.1.4 Canny算子圖像邊緣檢測 149
7.2 基於Kirsch算子的量子圖像邊緣檢測算法 151
7.2.1 算法流程 152
7.2.2 算法復雜度和模擬結果分析 155
7.3 基於改進Sobel算子的量子圖像邊緣檢測算法 158
7.3.1 量子線路設計 158
7.3.2 算法流程 162
7.3.3 算法實現 163
7.3.4 模擬結果與分析 167
7.4 本章小結 169
參考文獻 169
第8章 量子圖像的分類識別 172
8.1 量子神經網絡 172
8.2 量子捲積神經網絡 176
8.3 基於量子捲積神經網絡的手寫數字識別 178
8.3.1 混合量子經典捲積神經網絡模型 178
8.3.2 量子捲積神經網絡模型 184
8.4 本章小結 188
參考文獻 189
第9章 量子圖像模擬實現 191
9.1 主流量子模擬SDK介紹 192
9.2 FRQI和NEQR量子圖像的模擬 195
9.2.1 制備FRQI圖像量子態 195
9.2.2 四像素灰度FRQI圖像模擬實現 196
9.2.3 制備NEQR量子態 200
9.2.4 四像素灰度NEQR圖像模擬實現 200
9.3 小圖像和大圖像的量子邊緣檢測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 203
9.4 本章小結 206
參考文獻 207
