CN110473134A - 一种基于gneqr的量子图像置乱方法 - Google Patents
一种基于gneqr的量子图像置乱方法 Download PDFInfo
- Publication number
- CN110473134A CN110473134A CN201910649429.6A CN201910649429A CN110473134A CN 110473134 A CN110473134 A CN 110473134A CN 201910649429 A CN201910649429 A CN 201910649429A CN 110473134 A CN110473134 A CN 110473134A
- Authority
- CN
- China
- Prior art keywords
- quantum
- image
- scramble
- coordinate
- bit
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000002096 quantum dot Substances 0.000 claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims description 44
- 210000004291 uterus Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000001429 stepping effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000017105 transposition Effects 0.000 description 3
- 230000005283 ground state Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种基于GNEQR的量子图像置乱方法,包括将一幅经典图像运用GNEQR的量子图像表达式存储为一幅量子图像;利用量子比特受控门对所述量子图像进行第一部分坐标置乱,以改变原始量子图像的坐标信息,将原始量子图像中的像素位置重新排列;进行位平面置乱操作,以将进行第一部分坐标置乱后的量子图像像素信息进行置乱;利用量子比特受控门对量子图像进行第二部分坐标置乱,以改变位平面置乱后的量子图像坐标信息,对经过位平面置乱后的量子图像像素位置进行重新排列。本发明解决了矩形图像的图像置乱问题,运用GNEQR的量子图像表示方法,只需要n+8个量子比特即可表示一幅大小为2k×2n‑k的灰度图像,用n+10个量子比特表示相同大小的彩色图像。
Description
技术领域
本发明涉及图像加密与信息安全领域,具体的来说是涉及一种基于GNEQR(广义的新型增强量子图像表示)的量子图像置乱方法。
背景技术
量子图像是量子计算与经典图像相结合的研究领域,一幅经典图像通过量子态的叠加原理可以转换为适用于量子计算的量子图像。量子计算的并行性和叠加性是量子图像置乱优于经典图像置乱的根本。
在量子计算中,量子比特是存储消息的基本单元,单量子比特有两个线性独立的基态,分别用符号|0>和|1>表示,量子比特满足量子态的叠加原理,用|ψ>表示量子叠加态,|ψ>=a|0>+b|1>,其中a和b是两个复数。
张量积能够实现将两个或若干个向量子空间组合成更大的向量空间,用符号表示,量子态|j>,|k>的张量积表示为:以量子基态|0>和|1>为例,量子态张量积的矩阵表示如下:
对于矩阵U的n次张量积可简写成对于量子态|k>的n次张量积也可简写成
量子线路可以由一序列的量子比特门构成,在量子线路的表示图中,每条线都表示量子线路的连线,量子线路的执行顺序是从左到右。在量子线路中,所有的矩阵变换都是酉变换,这是因为酉变换是可逆的,且消耗的能量最小。酉矩阵满足U+U=I,其中U+是U的共轭转置矩阵,U是一个2×2的酉矩阵,I是单位阵。是I的n次张量积。量子比特门主要有单量子比特门和多量子比特门这两类。常见的单量子比特门的符号及其矩阵表示如图1所示。一类重要的多量子比特门是受控U门,受控U门主要由两部分构成,分别是控制量子比特和目标量子比特。在量子线路图中通常用圆圈表示受控量子比特,当控制位为1时,用黑点表示,当控制位为0时,用白点表示。具体的量子线路图如图2所示。
量子比特受控门的表达式如下:
是一个2p×2p的酉矩阵,是一个2p×2p的单位矩阵,是有q个控制量子比特和p个目标量子比特构成的量子比特受控门,和的区别在于,的控制量子比特在上,目标量子比特在下。的目标量子比特在上,控制量子比特在下。其中为了简化表示多条量子线路,图2的后两幅图给出了等价的量子线路表示,其中
量子线路设计取决于量子图像表达式的选择,GNEQR的量子图像可以用n+8个量子比特存储一幅2n个像素的灰度图像,用n+10个量子比特存储一幅2n个像素的彩色图像。具体的表达式如下:
其中,|x>=|in-1...ik>和|y>=|ik-1…i0>分别表示图像的X轴坐标和Y轴坐标,i0,...ik,...,in-1∈{0,1}.|f(x,y)>表示图像在坐标点(x,y)处的像素值,f(x,y)∈Cm
当m=8时,|Ψ8>表示一幅2n-k×2k的灰度图像。
当m=24时,|Ψ24>表示一幅2n-k×2k的彩色图像。此时,式将被重写为:
其中:|fR(x,y)>,|fG(x,y)>,|fB(x,y)>表示彩色图像在坐标点(x,y)处的像素值,且|fR(x,y)>,|fG(x,y)>,|fB(x,y)>∈C1={0,1}。分别表示彩色图像RGB三个通道的颜色分量。
所以彩色图像的GNEQR的表达式为:
量子图像分块的思想已经有人提出来了:先将原始图像分成若干个子块,经过第一次分块,得到大小为2×2的子块,经过第二次分块,得到大小为4×4的子块,经过t次分块,其中t∈{1,2,…,min(k,n-k)},将一幅2n-k×2k的图像分割成大小为2min(m,n)×2min(m,n)的子块,子块的数量为2n-min(m,n)×2m-min(m,n)。
量子图像的矩阵变换有很多,这里介绍后文需要用到的3种矩阵变换,假设矩阵W是一个n×n的方阵,WT是矩阵W的转置,Wlr是将矩阵W的所有列进行左右翻转,Wud是将矩阵W的所有行进行上下翻转。
量子图像置乱方法是利用量子计算技术实现图像置乱,从而达到图像加密的作用。现存的量子图像置乱方法实现是正方形图像的置乱,无法解决矩形图像的置乱,且无法高效同时实现对彩色图像和灰度图像的置乱。
发明内容
有鉴于此,本发明的目的是提供一种基于GNEQR的量子图像置乱方法,既可以实现对灰度图像的置乱,也可以实现对彩色图像的置乱;且该方法既可以实现对矩形图像的置乱,也可以实现对正方形图像的置乱。
本发明通过以下技术手段解决上述技术问题:
一种基于GNEQR的量子图像置乱方法,包括:
将一幅经典图像运用GNEQR的量子图像表达式存储为一幅量子图像;
利用量子比特受控门对所述量子图像进行第一部分坐标置乱,以改变原始量子图像的坐标信息,将原始量子图像中的像素位置重新排列;
进行位平面置乱操作,以将进行第一部分坐标置乱后的量子图像像素信息进行置乱;
利用量子比特受控门对量子图像进行第二部分坐标置乱,以改变位平面置乱后的量子图像坐标信息,对经过位平面置乱后的量子图像像素位置进行重新排列。
进一步,将一幅经典图像运用GNEQR的量子图像表达式存储为一幅量子图像,所述GNEQR的量子图像表达式为:
当n=2k时,量子态|φ1>表示一幅大小为2k×2k的灰度图像,其中表示H的k次张量积;|f(x,y)>表示灰度图像在坐标点(x,y)处的像素值。
进一步,利用量子比特受控门对所述量子图像进行第一部分坐标置乱时,用模块N1和N2实现正方形图像的坐标置乱,用模块P1和P2实现矩形图像的坐标置乱;模块N1和N2是由模块和n个非门组合而成,模块P1和P2是由模块和n个非门组合而成;其中,k表示对图像进行第k次分块。
进一步,利用量子比特受控门对所述量子图像进行第一部分坐标置乱,具体步骤为:
构造酉矩阵U0,U1,所述酉矩阵U0,U1的表达式为:
其中,是张量运算符号,I是单位矩阵,是对单位矩阵I进行7次张量运算;
按以下公式运用量子比特受控门实现坐标置乱:
其中,U0,U1是2n×2n的酉矩阵;是量子比特受控门;
将公式带入GNEQR的量子图像表达式中,可得:
|φ2>=UC|φ1>
其中,|φ2>是经过第一部分量子图像坐标置乱后得到的量子图像。
进一步,按照以下公式对经过第一部分量子图像坐标置乱后得到的量子图像进行位平面置乱操作:
其中,|φ3>是经过第一部分量子图像坐标置乱后得到的量子图像,BS是位平面置乱操作,I是单位矩阵,是对单位矩阵I进行2n次张量运算。
进一步,利用量子比特受控门对量子图像进行第二部分坐标置乱时,用模块N3和N4实现正方形图像的坐标置乱,用模块P3和P4实现矩形图像的坐标置乱;模块N3和N4是由模块和n个非门组合而成,模块P3和P4是由模块和n个非门组合而成,其中,k表示对图像进行第k次分块。
进一步,利用量子比特受控门对量子图像进行第二部分的坐标置乱,具体步骤包括:
构造酉矩阵U2,U3:
其中,其中是张量运算符号,I是单位矩阵;
运用量子比特受控门实现坐标置乱:
其中,U2,U3是2n×2n的酉矩阵, C1 1(U3)是受控量子门;
将公式应用到量子图像|φ3>中,可得:
其中,|φ4>是最终的量子图像置乱结果,是对单位矩阵I进行6次张量运算。
本发明的有益效果:本发明解决了矩形图像的图像置乱问题,为后续矩形图像的置乱提供的思路,运用GNEQR的量子图像表示方法,只需要n+8个量子比特即可表示一幅大小为2k×2n-k的灰度图像,用n+10个量子比特表示相同大小的彩色图像。
本发明既可以实现对灰度图像的置乱,也可以实现对彩色图像的置乱;且该方法既可以实现对矩形图像的置乱,也可以实现对正方形图像的置乱。应用的领域更加宽泛。
附图说明
图1基本量子门及其矩阵表示
图2为本发明中的多量子比特门受控U门的表示图;
图3为本发明中模块的量子线路图;
图4为本发明中模块的量子线路图;
图5为本发明中模块N1的量子线路图;
图6为本发明中模块N2的量子线路图;
图7为本发明中模块P1 k的量子线路图;
图8为本发明中模块的量子线路图;
图9为本发明中模块P1的量子线路图;
图10为本发明中模块P2的量子线路图;
图11为本发明中模块BS的量子线路图;
图12为本发明中模块的量子线路图;
图13为本发明中模块的量子线路图;
图14为本发明中模块N3的量子线路图;
图15为本发明中模块N4的量子线路图;
图16为本发明中模块的量子线路图;
图17为本发明中模块的量子线路图;
图18为本发明中模块P3的量子线路图;
图19为本发明中模块P4的量子线路图;
图20为本发明中正方形灰度图像的整体量子线路图;
图21为本发明中正方形彩色图像的整体量子线路图;
图22为本发明中矩形灰度图像的整体量子线路图;
图23为本发明中矩形彩色图像的整体量子线路图;
图24为本发明中8*8灰度图像的整体量子线路图;
图25为本发明中8*16灰度图像的整体量子线路图;
图26为本发明的方法的流程图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明:
如图1所示,本发明的一种基于GNEQR的量子图像置乱方法,包括:
S1;将一幅经典图像运用GNEQR的量子图像表达式存储为一幅量子图像。
所述GNEQR的量子图像表达式为:
当n=2k时,量子态|φ1>表示一幅大小为2k×2k的灰度图像,其中表示H的k次张量积;|f(x,y)>表示灰度图像在坐标点(x,y)处的像素值。
S2:利用量子比特受控门对所述量子图像进行第一部分坐标置乱,以改变原始量子图像的坐标信息,将原始量子图像中的像素位置重新排列。
利用量子比特受控门对所述量子图像进行第一部分坐标置乱时,用模块N1和N2实现正方形图像的坐标置乱,用模块P1和P2实现矩形图像的坐标置乱;模块N1和N2是由模块和n个非门组合而成,模块P1和P2是由模块和n个非门组合而成;其中,k表示对图像进行第k次分块。其作用是实现对子块的k-1次置乱操作,最后在对整幅图像进行旋转操作。模块和的量子线路图分别如图3、图4所示;N1和N2的量子线路如图5、图6所示;模块和的量子线路图分别如图7、图8所示;P1和P2的量子线路如图9、图10所示。
模块的每一步操作的效果如下:
模块的每一步操作的效果如下:
其中,[]T表示转置操作,[]lr表示将矩阵的所有列进行左右翻转,[]ud表示将矩阵的所有行进行上下翻转。
利用量子比特受控门对所述量子图像进行第一部分坐标置乱,具体步骤为:
构造酉矩阵U0,U1,所述酉矩阵U0,U1的表达式为:
其中,是张量运算符号,I是单位矩阵,是对单位矩阵I进行7次张量运算;
按以下公式运用量子比特受控门实现坐标置乱:
其中,U0,U1是2n×2n的酉矩阵;是量子比特受控门;
将公式带入GNEQR的量子图像表达式中,可得:
|φ2>=UC|φ1>
其中,|φ2>是经过第一部分量子图像坐标置乱后得到的量子图像。
S3:进行位平面置乱操作,以将进行第一部分坐标置乱后的量子图像像素信息进行置乱。
具体的,按照以下公式对经过第一部分量子图像坐标置乱后得到的量子图像进行位平面置乱操作:
其中,|φ3>是经过第一部分量子图像坐标置乱后得到的量子图像,BS是位平面置乱操作,I是单位矩阵,是对单位矩阵I进行2n次张量运算。
S4:利用量子比特受控门对量子图像进行第二部分坐标置乱,以改变位平面置乱后的量子图像坐标信息,对经过位平面置乱后的量子图像像素位置进行重新排列。
利用量子比特受控门对量子图像进行第二部分坐标置乱时,用模块N3和N4实现正方形图像的坐标置乱,用模块P3和P4实现矩形图像的坐标置乱;模块N3和N4是由模块和n个非门组合而成,模块P3和P4是由模块和n个非门组合而成,其中,k表示对图像进行第k次分块。其作用是实现对子块的k-1次置乱操作,最后在对整幅图像进行旋转操作。模块和的量子线路图分别如图12、图13所示,N3和N4的量子线路如图14、图15所示;模块和的量子线路图分别如图16、图17所示;P3和P4的量子线路如图18,图19所示。
模块的每一步操作的效果如下:
模块的每一步操作的效果如下:
其中,[]T表示转置操作,[]lr表示将矩阵的所有列进行左右翻转,[]ud表示将矩阵的所有行进行上下翻转。
利用量子比特受控门对量子图像进行第二部分的坐标置乱,具体步骤包括:
构造酉矩阵U2,U3:
其中,其中是张量运算符号,I是单位矩阵;
运用量子比特受控门实现坐标置乱:
其中,U2,U3是2n×2n的酉矩阵,和是受控量子门;
将公式应用到量子图像|φ3>中,可得:
其中,|φ4>是最终的量子图像置乱结果,是对单位矩阵I进行6次张量运算。当图像为正方形时,灰度图像的量子置乱线路如图20所示,当图像为矩形时,灰度图像的量子置乱线路如图22所示。
由公式和可知,若|φ5>和|φ6>分别表示正方形和矩形的彩色图像,相应的置乱描述如下:
|φ7>=UG|φ5> (5)
|φ8>=URG|φ6> (6)
其中,UG和URG分别表示正方形和矩形灰度图像的整体置乱过程,正方形RGB三通道彩色图像的量子置乱线路如图21所示。矩形RGB三通道彩色图像的量子置乱线路如图23所示。
实施例一:
一幅8×8的量子灰度图像图像
步骤一:首先,运用GNEQR的量子图像表达式将一幅经典图像存储为一幅量子图像,具体的操作如下:
步骤二:用模块N1和N2实现正方形图像的坐标置乱,模块N1和N2是由模块和n个非门组合而成,其中,k表示对图像进行第k次分块。其作用是实现对子块的k-1次置乱操作,最后在对整幅图像进行旋转操作。具体过程如下:
构造酉矩阵U0,U1:
其中是张量运算符号,I是单位矩阵,是对单位矩阵I进行7次张量运算。
运用量子比特受控门实现坐标置乱
其中,U0,U1是2n×2n的酉矩阵。和是受控量子门,具体的说明参见背景技术章节的公式。
将公式带入GNEQR的量子图像表达式中,可得:
|φ2>=UC|φ1>
其中,|φ2>是经过第一部分量子图像坐标置乱后得到的图像。
步骤三:用模块BS实现图像的位平面置乱,将位平面操作BS应用到公式|φ2>=UC|φ1>,得到:
其中,BS是位平面置乱操作,I是单位矩阵,是对单位矩阵I进行2n次张量运算。|φ3>是经过位平面置乱后的图像。
步骤四:用模块N3和N4实现正方形图像的坐标置乱,模块N3和N4是由模块和n个非门组合而成,其中,k表示对图像进行第k次分块。其作用是实现对子块的k-1次置乱操作,最后在对整幅图像进行旋转操作。具体过程如下:
构造酉矩阵U2,U3:
其中是张量运算符号,I是单位矩阵,运用量子比特受控门实现坐标置乱
其中,U2,U3是2n×2n的酉矩阵。和是受控量子门,具体的说明见背景技术章节的公式。
将公式应用到量子图像|φ3>中,可得:
其中,|φ4>是最终的量子图像置乱结果。是对单位矩阵I进行6次张量运算。灰度图像的量子置乱线路如图24所示。
实施例2:
一幅8×16的量子灰度图像图像
步骤一:首先,运用GNEQR的量子图像表达式将一幅经典图像存储为一幅量子图像,具体的操作如下:
步骤二:用模块P1和P2实现矩形图像的坐标置乱,模块P1和P2是由模块和n个非门组合而成;其中,k表示对图像进行第k次分块。其作用是实现对子块的k-1次置乱操作,最后在对整幅图像进行旋转操作。具体过程如下:
构造酉矩阵U0,U1
其中是张量运算符号,I是单位矩阵,是对单位矩阵I进行7次张量运算。
运用量子比特受控门实现坐标置乱
其中,U0,U1是2n×2n的酉矩阵,和是受控量子门,具体的说明见技术背景章节的公式。
将公式应用到表示量子图像的中,可得:
其中,是经过第一部分量子图像坐标置乱后得到的图像。
步骤三:用模块BS实现图像的位平面置乱,将位平面操作BS应用到公式|φ2>=UC|φ1>,得到:
其中,BS是位平面置乱操作,I是单位矩阵,是对单位矩阵I进行2n次张量运算。是经过位平面置乱后的图像。
步骤四:用模块P3和P4实现矩形图像的坐标置乱,模块P3和P4是由模块和n个非门组合而成;其中,k表示对图像进行第k次分块。其作用是实现对子块的k-1次置乱操作,最后在对整幅图像进行旋转操作。具体过程如下:
构造酉矩阵U2,U3
其中是张量运算符号,I是单位矩阵,运用量子比特受控门实现坐标置乱
其中,U2,U3是2n×2n的酉矩阵。和是受控量子门,具体的说明参见背景技术章节的公式(1)。
将公式应用到量子图像中,可得:
其中,是最终的量子图像置乱结果。是对单位矩阵I进行6次张量运算。灰度图像的量子置乱线路如图25所示。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (7)
1.一种基于GNEQR的量子图像置乱方法,其特征在于:包括:
将一幅经典图像运用GNEQR的量子图像表达式存储为一幅量子图像;
利用量子比特受控门对所述量子图像进行第一部分坐标置乱,以改变原始量子图像的坐标信息,将原始量子图像中的像素位置重新排列;
进行位平面置乱操作,以将进行第一部分坐标置乱后的量子图像像素信息进行置乱;
利用量子比特受控门对量子图像进行第二部分坐标置乱,以改变位平面置乱后的量子图像坐标信息,对经过位平面置乱后的量子图像像素位置进行重新排列。
2.根据权利要求1所述的一种基于GNEQR的量子图像置乱方法,其特征在于:将一幅经典图像运用GNEQR的量子图像表达式存储为一幅量子图像,所述GNEQR的量子图像表达式为:
当n=2k时,量子态|φ1>表示一幅大小为2k×2k的灰度图像,其中表示H的k次张量积;|f(x,y)>表示灰度图像在坐标点(x,y)处的像素值。
3.根据权利要求2所述的一种基于GNEQR的量子图像置乱方法,其特征在于:利用量子比特受控门对所述量子图像进行第一部分坐标置乱时,用模块N1和N2实现正方形图像的坐标置乱,用模块P1和P2实现矩形图像的坐标置乱;模块N1和N2是由模块和n个非门组合而成,模块P1和P2是由模块P1 k,和n个非门组合而成;其中,k表示对图像进行第k次分块。
4.根据权利要求3所述的一种基于GNEQR的量子图像置乱方法,其特征在于:利用量子比特受控门对所述量子图像进行第一部分坐标置乱,具体步骤为:
构造酉矩阵U0,U1,所述酉矩阵U0,U1的表达式为:
其中,是张量运算符号,I是单位矩阵,是对单位矩阵I进行7次张量运算;
按以下公式运用量子比特受控门实现坐标置乱:
其中,U0,U1是2n×2n的酉矩阵;和是量子比特受控门;
将公式带入GNEQR的量子图像表达式中,可得:
|φ2>=UC|φ1>
其中,|φ2>是经过第一部分量子图像坐标置乱后得到的量子图像。
5.根据权利要求4所述的一种基于GNEQR的量子图像置乱方法,其特征在于:按照以下公式对经过第一部分量子图像坐标置乱后得到的量子图像进行位平面置乱操作:
其中,|φ3>是经过第一部分量子图像坐标置乱后得到的量子图像,BS是位平面置乱操作,I是单位矩阵,是对单位矩阵I进行2n次张量运算。
6.根据权利要求5所述的一种基于GNEQR的量子图像置乱方法,其特征在于:利用量子比特受控门对量子图像进行第二部分坐标置乱时,用模块N3和N4实现正方形图像的坐标置乱,用模块P3和P4实现矩形图像的坐标置乱;模块N3和N4是由模块和n个非门组合而成,模块P3和P4是由模块P3 k,和n个非门组合而成;其中,k表示对图像进行第k次分块。
7.根据权利要求6所述的一种基于GNEQR的量子图像置乱方法,其特征在于:利用量子比特受控门对量子图像进行第二部分的坐标置乱,具体步骤包括:
构造酉矩阵U2,U3:
其中,其中是张量运算符号,I是单位矩阵;
运用量子比特受控门实现坐标置乱:
其中,U2,U3是2n×2n的酉矩阵,和是受控量子门;
将公式应用到量子图像|φ3>中,可得:
其中,|φ4>是最终的量子图像置乱结果,是对单位矩阵I进行6次张量运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910649429.6A CN110473134B (zh) | 2019-07-18 | 2019-07-18 | 一种基于gneqr的量子图像置乱方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910649429.6A CN110473134B (zh) | 2019-07-18 | 2019-07-18 | 一种基于gneqr的量子图像置乱方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110473134A true CN110473134A (zh) | 2019-11-19 |
CN110473134B CN110473134B (zh) | 2021-02-19 |
Family
ID=68508163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910649429.6A Active CN110473134B (zh) | 2019-07-18 | 2019-07-18 | 一种基于gneqr的量子图像置乱方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473134B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11284947A (ja) * | 1998-03-30 | 1999-10-15 | Sanyo Electric Co Ltd | スクランブル画像生成方法、画像再生装置およびデジタルvtr |
CN103886542A (zh) * | 2014-03-24 | 2014-06-25 | 北京工业大学 | 量子Arnold图像置乱方法 |
CN105631796A (zh) * | 2015-12-17 | 2016-06-01 | 广东工业大学 | 基于比特置乱的量子混沌图像加密方法 |
CN105931175A (zh) * | 2016-04-28 | 2016-09-07 | 广西师范大学 | 一种基于混沌技术的新型图像置乱方法 |
CN106683041A (zh) * | 2016-12-12 | 2017-05-17 | 长春理工大学 | 一种基于neqr表达式的量子图像错切方法 |
CN107862212A (zh) * | 2017-11-27 | 2018-03-30 | 河海大学 | 一种基于像素位的图像置乱方法 |
CN108335312A (zh) * | 2018-01-23 | 2018-07-27 | 华东交通大学 | 灰度图像的量子形态学梯度算法的设计与实现方法 |
CN108984849A (zh) * | 2018-06-21 | 2018-12-11 | 广西师范大学 | 一种基于量子叠加态的量子比较器设计方法 |
-
2019
- 2019-07-18 CN CN201910649429.6A patent/CN110473134B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11284947A (ja) * | 1998-03-30 | 1999-10-15 | Sanyo Electric Co Ltd | スクランブル画像生成方法、画像再生装置およびデジタルvtr |
CN103886542A (zh) * | 2014-03-24 | 2014-06-25 | 北京工业大学 | 量子Arnold图像置乱方法 |
CN105631796A (zh) * | 2015-12-17 | 2016-06-01 | 广东工业大学 | 基于比特置乱的量子混沌图像加密方法 |
CN105931175A (zh) * | 2016-04-28 | 2016-09-07 | 广西师范大学 | 一种基于混沌技术的新型图像置乱方法 |
CN106683041A (zh) * | 2016-12-12 | 2017-05-17 | 长春理工大学 | 一种基于neqr表达式的量子图像错切方法 |
CN107862212A (zh) * | 2017-11-27 | 2018-03-30 | 河海大学 | 一种基于像素位的图像置乱方法 |
CN108335312A (zh) * | 2018-01-23 | 2018-07-27 | 华东交通大学 | 灰度图像的量子形态学梯度算法的设计与实现方法 |
CN108984849A (zh) * | 2018-06-21 | 2018-12-11 | 广西师范大学 | 一种基于量子叠加态的量子比较器设计方法 |
Non-Patent Citations (1)
Title |
---|
黎海生 等: "A Quantum Image Representation Based on Bitplanes", 《IEEE ACCESS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110473134B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Multimodal transfer: A hierarchical deep convolutional neural network for fast artistic style transfer | |
CN100440293C (zh) | 显示装置、显示方法 | |
CN106204712B (zh) | 分段线性不规则光栅化 | |
CN104881839B (zh) | 一种基于并行加速的热点图生成方法 | |
CN105261049B (zh) | 一种图像连通区域快速检测方法 | |
CN106228504B (zh) | 基于明文和密钥构造加密参数的数字图像加密方法 | |
CN102402793A (zh) | 计算机图形处理 | |
CN109964204A (zh) | 用于处理图形的方法和系统 | |
JP2009075869A (ja) | 多視点画像描画装置、方法及びプログラム | |
CN102651142A (zh) | 图像渲染方法和装置 | |
Yang et al. | Reduce shadow size in aspect ratio invariant visual secret sharing schemes using a square block-wise operation | |
CN109002894A (zh) | 一种基于量子叠加态的量子加法器设计方法 | |
WO2022206556A1 (zh) | 图像数据的矩阵运算方法、装置、设备及存储介质 | |
US8107724B2 (en) | Method and system for predictive scaling of colour mapped images | |
CN100365700C (zh) | 字符显示装置和字符显示方法 | |
CN107610034A (zh) | 基于混沌系统和二维可逆细胞自动机的图像加密方法 | |
Wu et al. | Color visual cryptography scheme using meaningful shares | |
Yamaoka et al. | Visualization of high-resolution image collections on large tiled display walls | |
Wu et al. | Image autoregressive interpolation model using GPU-parallel optimization | |
CN104881837B (zh) | 基于超混沌系统的密钥动态选取的图像加密方法 | |
CN102622723A (zh) | 基于cuda及边缘检测的图像插值 | |
CN110473134A (zh) | 一种基于gneqr的量子图像置乱方法 | |
JP2001333437A (ja) | 画像表示装置、画像表示方法および記録媒体 | |
CN106021228B (zh) | 一种利用知识地形图进行文本分析的方法及系统 | |
CN105160622B (zh) | 基于fpga的图像超分辨率的实现方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 541004 No. 15 Yucai Road, Qixing District, Guilin, the Guangxi Zhuang Autonomous Region Patentee before: Guangxi Normal University |