量子衍生圖像處理方法的研究.pdf

1、量子衍生方法研究如何借鑒和利用量子理論的基本概念、原理和公理化數(shù)學體系來建立在當前計算機上實現(xiàn)的、用于解決某些具體問題的新方法或改進方法。量子衍生圖像處理方法是量子衍生方法在圖像處理領域的拓展，它為該領域的理論研究和技術實現(xiàn)提供了一種新的觀念和思路。 本文將量子理論作為一種基于量子力學基本假設集的公理化數(shù)學體系，應用該體系的數(shù)學原理創(chuàng)建和描述了所提出的各種圖像處理方法。具體內容包括： 應用量子態(tài)疊加和測量原理，改造傳統(tǒng)的

2、數(shù)學形態(tài)學。本文提出并構造用于形態(tài)運算的一種新的結構元素，即疊加態(tài)結構元素，并構造了基于疊加態(tài)結構元素的坍縮形態(tài)學運算。在坍縮形態(tài)學運算中，疊加態(tài)結構元素可隨移動位置的改變調整其大小和形狀，這種調整通過一個測量算子對疊加態(tài)結構元素的測量來實現(xiàn)。本文提出了一種根據(jù)圖像局部特征生成測量算子的方法，在此基礎上建立了圖像的自適應形態(tài)濾波和自適應形態(tài)學邊緣檢測方法。計算機仿真結果表明，這種自適應形態(tài)濾波比傳統(tǒng)的形態(tài)濾波有更強的噪聲濾除能力，成功地

3、解決了傳統(tǒng)的形態(tài)濾波算法中結構元素的選擇問題；自適應形態(tài)學邊緣檢測方法可以不需要預濾波，直接地從受噪聲污染的圖像中檢測出圖像的邊緣信息，避免了傳統(tǒng)處理方式中預濾波對圖像邊緣的破壞。 提出了一種自適應圖像中值濾波方法。在這種自適應中值濾波算法中，模板可根據(jù)移動位置之鄰域的灰度分布生成。在具體實現(xiàn)時，首先將該鄰域內各像素灰度分別轉化為量子比特并施加量子門操作，再對變換和操作后的像素進行隨機觀測使其坍縮生成中值運算模板。由于這種模板與

4、圖像的局部特征相適應，因此這種自適應中值濾波方法有更好的濾波效果。本文給出了這種自適應中值濾波方法的數(shù)學描述和它的計算機仿真實現(xiàn)。仿真結果表明，這種自適應中值濾波能在更好地保留圖像細節(jié)同時有效地濾除噪聲，而且對噪聲的強度不敏感。 利用量子理論公理體系創(chuàng)建新的圖像邊緣檢測方法。本文提出可用量子疊加態(tài)來表示圖像像素之間的關聯(lián)，由此像素灰度的變化便表現(xiàn)為量子態(tài)的糾纏，因此可用線性厄米算符在量子疊加態(tài)中的平均值來判斷圖像的邊緣。理論和計

5、算機仿真實驗均證明，這種新的邊緣檢測方法具有視覺補償功能，能在圖像的高或低灰度區(qū)域有效地檢測出微弱灰度變化引起的邊緣效應。因此該方法更符合機器視覺的要求。在一定的條件下，該方法能退化到基于梯度的邊緣檢測方法，并且其合理性可由概率理論予以解釋。提出了一種圖像智能濾波方法并仿真實現(xiàn)。針對基于模板的非線性圖像濾波算法的模板優(yōu)化問題，本文提出了一種智能圖像濾波機制。該機制由學習優(yōu)化和濾波兩個過程構成。通過對樣本圖像集的學習生成優(yōu)化模板，再用所得