一种量子图像卷积方法技术

技术编号:18446294 阅读:392 留言:0更新日期:2018-07-14 10:56
本发明专利技术涉及一种量子图像卷积方法,属于量子图像处理技术领域。该方法包含如下步骤:S1:将原始图像的像素点采用坐标变换的形式和周期性边界条件,改变原始图像的像素点的横坐或纵坐标,得到该像素点在邻域内像素点的信息;S2:将邻域内像素点与模板上相应位置的权重相乘获得对应的权重积,然后把所有的权重积相加,得到一个像素点的卷积;S3:对图像的每一个像素点重复执行步骤S1‑S2,获得任意模板和图像的卷积结果。本发明专利技术利用量子加法器和量子乘法器实现了在量子计算机上计算任意模板和一幅图像的卷积,与经典算法相比有很大的优越性。

A quantum image convolution method

The invention relates to a quantum image convolution method, which belongs to the field of quantum image processing technology. The method includes the following steps: S1: the pixels of the original image are used in the form of coordinate transformation and the periodic boundary conditions to change the horizontal or longitudinal coordinates of the pixels of the original image, and the information of the pixels in the neighborhood of the pixels is obtained. S2: the corresponding pixel points in the neighborhood and the corresponding position on the mould board are multiplied to obtain the correspondence. And then add all the weight products to the convolution of a pixel point; S3: repeat S1 S2 for every pixel point of the image, and obtain the convolution result of any template and image. The invention uses quantum adder and quantum multiplier to calculate the convolution of an arbitrary template and one image on a quantum computer, which is superior to the classical algorithm.

【技术实现步骤摘要】
一种量子图像卷积方法
本专利技术属于量子图像处理领域,涉及一种量子图像卷积方法。
技术介绍
量子图像处理领域是量子计算与图像处理的交叉学科,此领域起步较晚。是一个非常年轻有活力的领域,2003年,Beach等和Venegas-Andraca等定义了量子图像处理(QuantumImageProcessing),之后开始受到大量学者的关注。量子图像处理领域发展前期主要致力于图像在量子计算机中存储(图像的量子表示模型)及恢复(将量子图像转化为经典图像)的研究,初步解决了量子图像处理的一个关键问题,即如何将图像储存在量子系统中并将其读出,量子图像处理算法的研究则远远不够。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种在量子计算机上计算一个任意模板和一幅图像的卷积的方法。为达到上述目的,本专利技术提供如下技术方案:一种量子图像卷积方法,该方法包含如下步骤:S1:将原始图像的像素点采用坐标变换的形式和周期性边界条件,改变原始图像的像素点的横坐或纵坐标,得到该像素点在邻域内像素点的信息;S2:将邻域内像素点与模板上相应位置的权重相乘获得对应的权重积,然后把所有的权重积相加,得到一个像素点的卷积;S3:对图像的每一个像素点重复执行步骤S1-S2,获得任意模板和图像的卷积结果。进一步,步骤S1具体为:S11:获取原始图像任意点的邻域信息,将图像尺寸为2n×2n,灰度值范围为[0,2q]的原始图像表示为:其中,Y,X=0,1,...,2n-1,n,q均为正整数,i的取值范围为[0,q-1],和|YX>分别为原始图像的灰度信息和位置信息,|YX>=|yn-1,yn-2,...,y0>|xn-1,xn-2,...,x0>,xi,yi∈{0,1}分别为原始图像位置的纵坐标和横坐标;S12:进行量子位移操作,获得该像素点在邻域内像素点的信息,P(|i>)=|i′>=|(i+c)mod22n>,i∈{0,1,...,22n-1}其中,i是位置YX的十进制表示,i′为移位操作后的位置信息,i′=i+cmod22n,c为移动的步数,c∈{1,...,22n-1};S13:假定模板上的权重均为1,将相邻像素点的灰度值相加。进一步,步骤S3中,将图像的每一个像素点全部耦合在一起组成一个计算前的量子态,其中,|fw(Y,X)>为某个邻域像素点的灰度值,w则为相应模板位置上的权重值,|f(Y,X)>为存放最终的和的量子位。本专利技术的有益效果在于:1、利用量子加法器和量子乘法器实现了在量子计算机上计算任意模板和一幅图像的卷积。2、由于量子比特存储信息的高效性,此方法和经典算法相比有很大的优越性。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚,本专利技术提供如下附图进行说明:图1为本专利技术方法的流程图;图2(a)为一幅2×2大小的图像,2(b)为将其横坐标加1后得出左侧邻域像素点信息的图像;图3为将量子态和送入一个多位加法器的线路图;图4为多位量子加法器线路图;图5为量子乘法器的线路图;图6为右移操作;图7为量子图像卷积线路图。具体实施方式下面将结合附图,对本专利技术的优选实施例进行详细的描述。图1为本专利技术方法的流程图,以下部分也是对此技术路线中的各个内容进行的详细描述。(1)获得任意像素点的邻域信息本实施例所选择的图像表示模型如式(1)所示,对于图像尺寸为2n×2n,灰度值范围为[0,2q]的图像,可表示为:其中,Y,X=0,1,...,2n-1,和|YX>分别存储图像的灰度信息和位置信息。|YX>=|yn-1,yn-2,...,y0>|xn-1,xn-2,...,x0>,xi,yi∈{0,1}分别为图像位置的纵坐标和横坐标,图2(a)展示了一幅2×2的图像,其数学形式为:图2(b)展示了将图2(a)的横坐标加1以制备其左侧邻域像素点信息的图像,此过程使用了量子移位操作P,量子移位操作的作用效果如式(3)所示。P(|i>)=|i′>=|(i+c)mod22n>,i∈{0,1,...,22n-1}(3)其中i是位置YX的十进制表示,i′=i+cmod22n,c∈{1,...,22n-1}。本专利技术采用了周期性边界条件,经过横坐标加1移位后图像的数学表达式为:假设模板上的权重都是1,然后让相邻像素点灰度值相加。如图3所示,将和送入一个多位的加法器,此多位加法器量子线路图如图4所示,则输入状态为:式(5)中输入加法器的量子叠加态共有16项,即中四个不同的坐标和中四个不同的坐标分别进行相乘。而加法器的功能则是把每一项中相应比特进行相加,而实质需要的是和中的四项中有相同位置坐标的项分别相加。为了方便观察,本专利技术把和位置信息耦合在一起的像素点灰度值的信息省略,只观察位置信息的作用,这样得到的输出态为:可以看出,除了4个包含相同位置信息的项|00>|00>、|01>|01>、|10>|10>和|11>|11>,对其余12项前面的灰度值进行相加是没有意义的,而需要的只是和图像具有相同像素点数目的4项,因此本实施例忽略其余的12项,和原始的表达方式不同的是,现在的一幅图像需要两个重叠的坐标来识别位置。如果将此结果和另外一个邻域像素点相加,将再多出两个比特的位置信息,如果位置信息用2n位量子比特表示,那么每次这种形式的运算都会导致结果中多出2n位的量子比特。因此本专利技术需要在最后提取信息的时候多添加几位受控量子比特,而使得中间的算法步骤并不受影响。为了方便起见,在下面的结果表示中,本实施例省略重叠的位置信息而只写出一个坐标信息。要进行卷积运算需要让像素点灰度值和模板值进行相乘然后相加,考虑上面例子中的输入状态中,本实施例忽略前面的系数,每一项,即每个像素点的表现形式为|f(Y,X)>|fw1(Y,X)>|YX>|YX>,其中f(Y,X)为像素点灰度值,fw1(Y,X)为相应模板位置w1位置上的邻域像素值,考虑到最后结果中本实施例只保留一个坐标信息,因此本实施例把输入状态中的每一项,即每个像素点的表现形式化为|f(Y,X)>|fw1(Y,X)>|YX>对分析更加容易,而对计算并不会产生任何影响,如此便可以进行卷积计算了。(2)求一个像素的卷积有了邻域信息之后,本实施例将邻域内像素点和模板上相应位置的权重相乘,量子乘法器的量子线路图如图5所示,图5中向下的箭头为右移操作,右移操作的量子线路图如图6所示。然后把9个相乘后的积相加,就可以计算出任意模板和一幅图像中一个像素的卷积结果。(3)求一幅图像的卷积以上步骤(1)、(2)是制备出一个邻域像素点的方法,同理可以制备出所有所需要的邻域像素点,然后和模板中相应位置上的权重值一样,全部耦合在一起组成一个计算前的量子态。其一般形式为:其中,|fw(Y,X)>为某个邻域像素点的灰度值,w则为本文档来自技高网...

【技术保护点】
1.一种量子图像卷积方法,其特征在于:该方法包含如下步骤:S1:将原始图像的像素点采用坐标变换的形式和周期性边界条件,改变原始图像的像素点的横坐或纵坐标,得到该像素点在邻域内像素点的信息;S2:将邻域内像素点与模板上相应位置的权重相乘获得对应的权重积,然后把所有的权重积相加,得到一个像素点的卷积;S3:对图像的每一个像素点重复执行步骤S1‑S2,获得任意模板和图像的卷积结果。

【技术特征摘要】
1.一种量子图像卷积方法,其特征在于:该方法包含如下步骤:S1:将原始图像的像素点采用坐标变换的形式和周期性边界条件,改变原始图像的像素点的横坐或纵坐标,得到该像素点在邻域内像素点的信息;S2:将邻域内像素点与模板上相应位置的权重相乘获得对应的权重积,然后把所有的权重积相加,得到一个像素点的卷积;S3:对图像的每一个像素点重复执行步骤S1-S2,获得任意模板和图像的卷积结果。2.根据权利要求1所述的一种量子图像卷积方法,其特征在于:步骤S1具体为:S11:获取原始图像任意点的邻域信息,将图像尺寸为2n×2n,灰度值范围为[0,2q]的原始图像表示为:其中,Y,X=0,1,...,2n-1,n,q均为正整数,i的取值范围为和|YX>分别为原始图像的灰度信息和位置信息,|YX>=|yn-1,yn-2,...,y0>|...

【专利技术属性】
技术研发人员:袁素真黄斐黄铉晴吴一玄路永乐罗元袁建国
申请(专利权)人:重庆邮电大学
类型:发明
国别省市:重庆,50

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1