CN106683041B - 一种基于neqr表达式的量子图像错切方法 - Google Patents

一种基于neqr表达式的量子图像错切方法 Download PDF

Info

Publication number
CN106683041B
CN106683041B CN201611139949.5A CN201611139949A CN106683041B CN 106683041 B CN106683041 B CN 106683041B CN 201611139949 A CN201611139949 A CN 201611139949A CN 106683041 B CN106683041 B CN 106683041B
Authority
CN
China
Prior art keywords
quantum
image
miscut
axis
adder
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611139949.5A
Other languages
English (en)
Other versions
CN106683041A (zh
Inventor
闫飞
陈克寒
赵建平
蒋振刚
杨华民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201611139949.5A priority Critical patent/CN106683041B/zh
Publication of CN106683041A publication Critical patent/CN106683041A/zh
Application granted granted Critical
Publication of CN106683041B publication Critical patent/CN106683041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T3/18—

Abstract

本发明涉及一种基于NEQR表达式的量子图像错切方法,其特征在于：利用NEQR表达式对量子图像进行编译，NEQR表达式通过量子序列的基本态来存储像素的灰度值，因此，图像在量子系统中的存储是通过两个纠缠的量子序列实现的，分别表示像素的灰度信息与位置信息，对于NEQR量子图像的错切操作，可以分为对x轴的错切和对y轴的错切；量子图像沿x轴错切时，图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系；利用量子乘法器计算量子图像在错切操作中每行像素的平移量，然后，通过量子插值操作将该平移量转化为整数，最后，利用量子加法器求得错切操作后量子图像的位置信息。

Description

一种基于NEQR表达式的量子图像错切方法
技术领域
本发明涉及一种基于NEQR表达式的量子图像错切方法,是一种量子图像处理的基本操作，属于计算机图像处理技术领域。
背景技术
图像的错切在经典计算机图像处理领域是基本操作之一，它可以让图像的几何分解变得简单、迅速、高效，因而广泛应用于很多图像处理算法。近年来，随着量子计算和量子信息技术的发展，量子图像处理受到了广泛的关注，而对量子图像进行错切操作的研究还处于空白。一幅量子图像可以由多种量子表达式来表示，NEQR(Novel Enhanced QuantumRepresentation)表达式即为其中一种。本发明通过对错切矩阵的探究，以及对量子加法器、量子乘法器、量子插值操作的合理运用，实现了对NEQR量子图像的错切操作，解决了这个在量子图像处理领域的关键问题。
发明内容
本发明的目的在于提供一种基于NEQR表达式的量子图像错切方法，首先，利用量子乘法器计算量子图像在错切操作中每行像素的平移量，然后，通过量子插值操作将该平移量转化为整数，最后，利用量子加法器求得错切操作后量子图像的位置信息。
本发明的技术方案是这样实现的：一种基于NEQR表达式的量子图像错切方法,其特征在于：首先，利用NEQR表达式对量子图像进行编译，NEQR表达式通过量子序列的基本态来存储像素的灰度值，因此，图像在量子系统中的存储是通过两个纠缠的量子序列实现的，分别表示像素的灰度信息与位置信息，其定义如下所示：
Figure DEST_PATH_IMAGE001
其中
Figure 900173DEST_PATH_IMAGE002
表示一幅大小为
Figure DEST_PATH_IMAGE003
，灰度范围为
Figure 150764DEST_PATH_IMAGE004
的NEQR量子图像，
Figure DEST_PATH_IMAGE005
表示图像中像素的位置信息，而
Figure 973226DEST_PATH_IMAGE006
表示相应像素的颜色信息，它由含有q个量子位的量子序列表示,即
Figure DEST_PATH_IMAGE007
，其中，
Figure 53309DEST_PATH_IMAGE008
为量子位的基本态
Figure DEST_PATH_IMAGE009
或
Figure 314526DEST_PATH_IMAGE010
。
对于NEQR量子图像的错切操作，可以分为对x轴的错切和对y轴的错切；由于错切方向不同，最终图像产生的错切效果也不同，其错切矩阵及相应公式为：
Figure DEST_PATH_IMAGE011
其中，
Figure 294989DEST_PATH_IMAGE012
是图像沿x轴的错切矩阵，
Figure DEST_PATH_IMAGE013
是图像沿y轴的错切矩阵。显然，随着图像中每行像素沿x轴（或y轴）的线性平移，最后会令图像产生错切的效果。角度
Figure 288353DEST_PATH_IMAGE014
为错切参数，设置了图像错切过程中的平移量，具体过程如下：
步骤1、在量子系统中准备一幅用NEQR表达式编译的量子图像，其由两个纠缠的量子序列基本态组成。通过设置错切参数
Figure 104999DEST_PATH_IMAGE014
来计算函数
Figure DEST_PATH_IMAGE015
的值，并用量子态进行表示。
步骤2、量子图像沿x轴错切时，图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系。因此，利用量子乘法器计算
Figure 655061DEST_PATH_IMAGE016
，从而求得每行像素在x轴上的平移量。在量子计算中，通过量子加法器的n次迭代即可实现量子乘法操作
Figure DEST_PATH_IMAGE017
，其中每个加法器的运算结果均作为下一步加法器的一个输入，同时利用量子自加器“S-A”对加法器的另一个输入进行自加操作，并通过
Figure 178446DEST_PATH_IMAGE018
判断其取值为
Figure DEST_PATH_IMAGE019
或
Figure 670607DEST_PATH_IMAGE020
(其中i表示加法器的迭代步骤)。当执行到最后一个加法器时，输出结果即为多位量子乘法器的输出结果。
步骤3、通过步骤2中计算的像素平移量通常为小数，利用量子插值操作以一种合理的方式将小数转化为整数，进而确定像素平移后的位置信息。在此过程中，将二进制小数的精度确定为小数点后四位，并通过小数的最高位来判断是否需要向整数进位，然后利用量子加法器将整数部分与进位相加得到插值操作的结果。
步骤4、利用量子加法器，将像素平移量
Figure DEST_PATH_IMAGE021
与x轴坐标值相加，从而得到
Figure 223817DEST_PATH_IMAGE022
作为像素平移后的x坐标。当所有像素均以该规则进行计算平移后，生成的图像即为进行错切操作后的量子图像。
本发明的积极效果如下：将经典图像处理中的错切操作拓展到量子计算领域，同时提出了进行量子位乘法运算的量子乘法器和将二进制小数进行整数化的量子插值算法；弥补了量子图像处理领域对该方法研究的空白，为后续量子图像处理算法的研究提供了坚实的基础。
附图说明
图1为量子乘法器的线路图。
图2为量子自加器的线路图。
图3为量子插值操作的线路图。
图4为量子图像错切操作的线路图。
图5为量子图像的错切示例：(a)为原图，(b)为沿
Figure DEST_PATH_IMAGE023
轴错切效果图，(c)为沿
Figure 561257DEST_PATH_IMAGE024
轴错切效果图。
具体实施方式
下面结合附图对本发明做进一步的描述：一种基于NEQR表达式的量子图像错切方法,其特征在于：首先，利用NEQR表达式对量子图像进行编译，NEQR表达式通过量子序列的基本态来存储像素的灰度值，因此，图像在量子系统中的存储是通过两个纠缠的量子序列实现的，分别表示像素的灰度信息与位置信息，其定义如下所示：
Figure 204728DEST_PATH_IMAGE001
其中
Figure DEST_PATH_IMAGE025
表示一幅大小为
Figure 352944DEST_PATH_IMAGE026
，灰度范围为
Figure DEST_PATH_IMAGE027
的NEQR量子图像，
Figure 144183DEST_PATH_IMAGE028
表示图像中像素的位置信息，而
Figure DEST_PATH_IMAGE029
表示相应像素的颜色信息，它由含有q个量子位的量子序列表示,即
Figure 222997DEST_PATH_IMAGE030
，其中，
Figure DEST_PATH_IMAGE031
为量子位的基本态
Figure 32559DEST_PATH_IMAGE009
或
Figure 866523DEST_PATH_IMAGE032
。
对于NEQR量子图像的错切操作，可以分为对x轴的错切和对y轴的错切；由于错切方向不同，最终图像产生的错切效果也不同，其错切矩阵及相应公式为：
Figure DEST_PATH_IMAGE033
其中，
Figure 817161DEST_PATH_IMAGE034
是图像沿x轴的错切矩阵，
Figure DEST_PATH_IMAGE035
是图像沿y轴的错切矩阵。显然，随着图像中每行像素沿x轴（或y轴）的线性平移，最后会令图像产生错切的效果。角度
Figure 512716DEST_PATH_IMAGE036
为错切参数，设置了图像错切过程中的平移量，具体过程如下：
步骤1、在量子系统中准备一幅用NEQR表达式编译的量子图像，其由两个纠缠的量子序列基本态组成。通过设置错切参数
Figure 927517DEST_PATH_IMAGE036
来计算函数
Figure DEST_PATH_IMAGE037
的值，并用量子态进行表示。
步骤2、量子图像沿x轴错切时，图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系。因此，利用量子乘法器（如图1所示）计算
Figure 870065DEST_PATH_IMAGE038
，从而求得每行像素在x轴上的平移量。在量子计算中，通过量子加法器的n次迭代即可实现量子乘法操作
Figure DEST_PATH_IMAGE039
，其中每个加法器的运算结果均作为下一步加法器的一个输入，同时利用量子自加器“S-A”（如图2所示）对加法器的另一个输入进行自加操作，并通过
Figure 619584DEST_PATH_IMAGE040
判断其取值为
Figure DEST_PATH_IMAGE041
或
Figure 102518DEST_PATH_IMAGE042
(其中i表示加法器的迭代步骤)。当执行到最后一个加法器时，输出结果即为多位量子乘法器的输出结果。
步骤3、通过步骤2中计算的像素平移量通常为小数，利用量子插值操作（如图3所示）以一种合理的方式将小数转化为整数，进而确定像素平移后的位置信息。在此过程中，将二进制小数的精度确定为小数点后四位，并通过小数的最高位来判断是否需要向整数进位。图中
Figure DEST_PATH_IMAGE043
为整数部分，
Figure 388137DEST_PATH_IMAGE044
为小数部分，通过C-NOT门实现小数部分的进位操作，然后利用量子加法器将整数部分与进位相加得到插值操作的结果
Figure DEST_PATH_IMAGE045
。
步骤4、利用量子加法器，将像素平移量
Figure 563903DEST_PATH_IMAGE046
与x轴坐标值相加，从而得到
Figure DEST_PATH_IMAGE047
作为像素平移后的x坐标。当所有像素均以该规则进行计算平移后，生成的图像即为进行错切操作后的量子图像，实现该过程的量子线路如图4所示，其中“MULTI”为量子乘法器，用来计算
Figure 489134DEST_PATH_IMAGE048
的值，而
Figure DEST_PATH_IMAGE049
为错切公式中的
Figure 25026DEST_PATH_IMAGE050
；“IP”为量子插值操作，旨在将
Figure DEST_PATH_IMAGE051
转化为整数；“ADDER”表示一个量子加法器，将
Figure 148840DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE053
进行加法运算得到错切后图像的位置信息。当量子图像沿y轴错切时，其原理和计算方法与沿x轴错切一致。图5所示为8×8大小的图像沿x轴和y轴错切时所产生的不同结果（错切参数
Figure 246240DEST_PATH_IMAGE054
），其中ROI（Region of Interest）为左上角的4×4区域。

Claims (1)

1.一种基于NEQR表达式的量子图像错切方法,其特征在于：首先，利用NEQR表达式对量子图像进行编译，NEQR表达式通过量子序列的基本态来存储像素的灰度值，因此，图像在量子系统中的存储是通过两个纠缠的量子序列实现的，分别表示像素的灰度信息与位置信息，其定义如下所示：
Figure FDA0004043912910000011
其中|I>表示一幅大小为2n×2n，灰度范围为[0,2q-1]的NEQR量子图像，|yx>表示图像中像素的位置信息，而|f(y,x)>表示相应像素的颜色信息，它由含有q个量子位的量子序列表示,即
Figure FDA0004043912910000012
其中，
Figure FDA0004043912910000013
为量子位的基本态|0>或|1>；
对于NEQR量子图像的错切操作，可以分为对x轴的错切和对y轴的错切；由于错切方向不同，最终图像产生的错切效果也不同，其错切矩阵及相应公式为：
Figure FDA0004043912910000014
其中，Mx是图像沿x轴的错切矩阵，My是图像沿y轴的错切矩阵；显然，随着图像中每行像素沿x轴的线性平移或每列像素沿y轴的线性平移，最后会令图像产生错切的效果；θ为错切参数，设置了图像错切过程中的平移量，具体过程如下：
步骤1、在量子系统中准备一幅用NEQR表达式编译的量子图像，其由两个纠缠的量子序列基本态组成；通过设置错切参数θ来计算函数|tan(θ/2)>的值，并用量子态进行表示；
步骤2、量子图像沿x轴错切时，图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系；因此，利用量子乘法器计算|y>×|tan(θ/2)>，从而求得每行像素在x轴上的平移量；在量子计算中，通过量子加法器的n次迭代即可实现量子乘法操作ax＝20ax0+21ax1+…+2n-1axn-1，其中每个加法器的运算结果均作为下一步加法器的一个输入，同时利用量子自加器“S-A”对加法器的另一个输入进行自加操作，并通过xi判断其取值为|0>或|2ia>，其中i表示加法器的迭代步骤；当执行到最后一个加法器时，输出结果即为多位量子乘法器的输出结果；
步骤3、通过步骤2中计算的像素平移量通常为小数，利用量子插值操作以一种合理的方式将小数转化为整数，进而确定像素平移后的位置信息；在此过程中，将二进制小数的精度确定为小数点后四位，并通过小数的最高位来判断是否需要向整数进位，然后利用量子加法器将整数部分与进位相加得到插值操作的结果；
步骤4、利用量子加法器，将像素平移量|y>×|tan(θ/2)>与x轴坐标值相加，从而得到|x>+|y>×|tan(θ/2)>作为像素平移后的x坐标；当所有像素均根据平移量|y>×|tan(θ/2)>进行x轴方向的计算平移后，生成的图像即为进行错切操作后的量子图像。
CN201611139949.5A 2016-12-12 2016-12-12 一种基于neqr表达式的量子图像错切方法 Active CN106683041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611139949.5A CN106683041B (zh) 2016-12-12 2016-12-12 一种基于neqr表达式的量子图像错切方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611139949.5A CN106683041B (zh) 2016-12-12 2016-12-12 一种基于neqr表达式的量子图像错切方法

Publications (2)

Publication Number Publication Date
CN106683041A CN106683041A (zh) 2017-05-17
CN106683041B true CN106683041B (zh) 2023-03-07

Family

ID=58868082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611139949.5A Active CN106683041B (zh) 2016-12-12 2016-12-12 一种基于neqr表达式的量子图像错切方法

Country Status (1)

Country Link
CN (1) CN106683041B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633292B (zh) * 2017-09-29 2021-03-09 长春理工大学 一种基于量子结构的机器人情感空间建模方法
CN109741236B (zh) * 2018-12-12 2022-11-11 四川大学 一种在ibm量子实验平台实现的量子图像阈值分割方法
CN110473134B (zh) * 2019-07-18 2021-02-19 广西师范大学 一种基于gneqr的量子图像置乱方法
CN111832734B (zh) * 2020-07-17 2023-10-17 重庆邮电大学 一种量子图像乘法运算的设计方法及其仿真实现方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09312763A (ja) * 1996-05-22 1997-12-02 Canon Inc 画像処理装置
CN102567963A (zh) * 2011-11-10 2012-07-11 西安电子科技大学 基于量子多目标聚类的遥感图像分割方法
CN103778593A (zh) * 2014-01-14 2014-05-07 南昌大学 基于图像关联分解的量子图像加密方法
CN104217391A (zh) * 2014-08-26 2014-12-17 长春理工大学 一种多通道量子图像的加密方法
CN104966306A (zh) * 2015-07-07 2015-10-07 长春理工大学 一种基于测量的复杂背景下量子视频动目标检测方法
WO2016054285A1 (en) * 2014-10-01 2016-04-07 Lyrical Labs Video Compression Technology, LLC Method and system for unsupervised image segmentation using a trained quality metric
CN106127669A (zh) * 2016-06-29 2016-11-16 广东工业大学 基于保面积Baker映射的混沌图像加密方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8897586B2 (en) * 2012-06-15 2014-11-25 Comcast Cable Communications, Llc Dynamic generation of a quantization matrix for compression of a digital object

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09312763A (ja) * 1996-05-22 1997-12-02 Canon Inc 画像処理装置
CN102567963A (zh) * 2011-11-10 2012-07-11 西安电子科技大学 基于量子多目标聚类的遥感图像分割方法
CN103778593A (zh) * 2014-01-14 2014-05-07 南昌大学 基于图像关联分解的量子图像加密方法
CN104217391A (zh) * 2014-08-26 2014-12-17 长春理工大学 一种多通道量子图像的加密方法
WO2016054285A1 (en) * 2014-10-01 2016-04-07 Lyrical Labs Video Compression Technology, LLC Method and system for unsupervised image segmentation using a trained quality metric
CN104966306A (zh) * 2015-07-07 2015-10-07 长春理工大学 一种基于测量的复杂背景下量子视频动目标检测方法
CN106127669A (zh) * 2016-06-29 2016-11-16 广东工业大学 基于保面积Baker映射的混沌图像加密方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Moving Target Detection in Multi-Channel Quantum Video;Fei Yan等;《2015 IEEE International Symposium in Intelligent Signal Processing》;20150517;1-4 *
NEQR: a novel enhanced quantum representation of digital images;Yi Zhang等;《Quantum Information Processing》;20130815;第12卷(第08期);2833-2860 *
混合量子粒子群图像分割算法IS-MQPS;高颖慧 等;《计算机工程与科学》;20150115;第37卷(第01期);125-132 *
量子图像处理问题综述;宋显华 等;《智能计算机与应用》;20141201;第04卷(第06期);11-14 *

Also Published As

Publication number Publication date
CN106683041A (zh) 2017-05-17

Similar Documents

Publication Publication Date Title
Valueva et al. Application of the residue number system to reduce hardware costs of the convolutional neural network implementation
CN106683041B (zh) 一种基于neqr表达式的量子图像错切方法
He et al. Learning depth from single images with deep neural network embedding focal length
KR102647858B1 (ko) 컨볼루션 신경망 계산을 위한 저전력 하드웨어 가속 방법 및 시스템
JP7304148B2 (ja) ニューラルネットワークにおいてコンボリューション演算を処理する方法及びその装置
JP2018514856A (ja) 空間的変換モジュール
CN108198196B (zh) 基于Sobel算子的量子图像边缘检测的设计与实现方法
Chervyakov et al. Residue number system-based solution for reducing the hardware cost of a convolutional neural network
Liu et al. An optimized quantum representation for color digital images
CN107066234B (zh) 一种量子乘法器的设计方法
Yan et al. Quantum image rotation by an arbitrary angle
Li et al. Quantum representation and basic operations of digital signals
Mann et al. Development of a robust CNN model for capturing microstructure-property linkages and building property closures supporting material design
CN115423688A (zh) 量子线路图及基于双线性插值的量子彩色图像缩放方法
JP2023541350A (ja) 表畳み込みおよびアクセラレーション
Blachut et al. Real-time efficient fpga implementation of the multi-scale lucas-kanade and horn-schunck optical flow algorithms for a 4k video stream
US9151842B2 (en) Method and apparatus for time of flight sensor 2-dimensional and 3-dimensional map generation
CN111428863A (zh) 一种基于近似乘法器的低功耗卷积运算电路
Pezzotti et al. Linear tsne optimization for the web
CN109741236B (zh) 一种在ibm量子实验平台实现的量子图像阈值分割方法
CN108898228B (zh) 一种不破坏源操作数的量子加法器设计方法
CN111832734B (zh) 一种量子图像乘法运算的设计方法及其仿真实现方法
US11531896B2 (en) Neural network circuit providing for operations with bit shifting and rounded values of weight information
CN112949841A (zh) 一种基于Attention的CNN神经网络的训练方法
CN112183731A (zh) 一种面向点云的高效二值化神经网络量化方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant