圖像是人們獲取以及交換信息的主要來源,圖像處理的應(yīng)用體現(xiàn)在人們生活中的方方面面。雖然傳統(tǒng)的信息處理技術(shù)在數(shù)字圖像處理方面的應(yīng)用取得了良好的效果,但也存在一些弊端。近年來量子信息技術(shù)的發(fā)展,為解決數(shù)字圖像處理問題開辟了一條新道路。量子衍生方法是量子信息技術(shù)的一個分支,它并不依賴于物理級的量子設(shè)備,而是利用量子力學(xué)的基本原理以及數(shù)學(xué)理論,在電子計算機上改進已經(jīng)存在的經(jīng)典信號算法或創(chuàng)造新的信號算法。隨著量子衍生技術(shù)的發(fā)展,基于量子衍生的各種圖像處理算法也隨之而出,并得到快速的發(fā)展,在此基礎(chǔ)之上,本文研究了基于量子衍生的圖像增強、圖像去噪以及圖像邊緣檢測這三種關(guān)鍵的圖像處理技術(shù),主要工作如下:（1）提出一種基于量子衍生的小波域圖像增強算法。首先給出了改進的量子衍生增強算子,然后結(jié)合小波變換的低高頻系數(shù)特性,在重構(gòu)的低頻圖像中引入改進的量子衍生增強算子對圖像的近似信息進行增強。隨后利用Pal-King模糊增強算法對重構(gòu)的高頻圖像進行細節(jié)增強。最后對增強的低頻重構(gòu)圖像和高頻重構(gòu)圖像進行線性疊加,進一步增強圖像的邊緣以及紋理等細節(jié)信息,得到整體對比度與細節(jié)信息同時增強的圖像。實驗結(jié)果表明,本文算法增... 

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 量子信息技術(shù)的研究現(xiàn)狀
        1.2.2 量子衍生技術(shù)的研究現(xiàn)狀
        1.2.3 量子衍生圖像處理的研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文的結(jié)構(gòu)安排
第2章 量子信息理論與基礎(chǔ)
    2.1 量子信息處理數(shù)學(xué)基礎(chǔ)
        2.1.1 向量
        2.1.2 內(nèi)積
        2.1.3 外積
        2.1.4 張量積
    2.2 量子比特
    2.3 量子力學(xué)基本假設(shè)
        2.3.1 狀態(tài)空間
        2.3.2 量子系統(tǒng)態(tài)矢量的演化
        2.3.3 量子系統(tǒng)的測量
        2.3.4 復(fù)合系統(tǒng)
    2.4 灰度圖像的量子比特表示
    2.5 本章小結(jié)
第3章 基于量子衍生的小波域圖像增強算法
    3.1 經(jīng)典的圖像對比度增強方法
        3.1.1 灰度級變換
        3.1.2 直方圖技術(shù)
        3.1.3 小波變換
    3.2 基于量子衍生的小波域圖像增強算法
        3.2.1 圖像歸一化
        3.2.2 Pal-King模糊增強算法
        3.2.3 基于量子衍生的小波域圖像增強算法
        3.2.4 算法實現(xiàn)步驟
    3.3 實驗結(jié)果與分析
        3.3.1 主觀分析
        3.3.2 客觀評價
    3.4 本章小結(jié)
第4章 改進的量子衍生自適應(yīng)中值濾波算法
    4.1 圖像噪聲簡介
    4.2 中值濾波去噪技術(shù)
    4.3 改進的量子衍生自適應(yīng)中值濾波算法
        4.3.1 圖像的量子Hadamard變換
        4.3.2 改進的量子衍生自適應(yīng)中值濾波算法原理
        4.3.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 基于量子衍生的圖像邊緣檢測算法
    5.1 經(jīng)典的微分邊緣檢測方法
    5.2 Prewitt邊緣檢測算子的量子衍生實現(xiàn)
    5.3 量子衍生邊緣檢測算法
        5.3.1 改進的量子衍生邊緣檢測算子構(gòu)造規(guī)則
        5.3.2 邊緣檢測模板的構(gòu)造
        5.3.3 量子衍生邊緣檢測算法的定義
    5.4 實驗結(jié)果與分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文與參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]基于直方圖均衡化圖像增強的兩種改進方法[J]. 董麗麗,丁暢,許文海.  電子學(xué)報. 2018(10)
[2]一種新的自適應(yīng)量子遺傳算法研究[J]. 馬瑩,王懷曉,劉賀,陳志龍.  計算機工程與應(yīng)用. 2018(20)
[3]直方圖均衡化圖像增強的改進算法[J]. 王世剛,游敏娟,宋莉.  中國醫(yī)療器械雜志. 2017(03)
[4]一種改進正態(tài)逆高斯分布模型的圖像去噪算法[J]. 蘭小艷,陳莉,賈建,林皓.  計算機應(yīng)用研究. 2017(10)
[5]側(cè)掃聲吶圖像分割的中性集合與量子粒子群算法[J]. 趙建虎,王曉,張紅梅,胡俊,簡曉敏.  測繪學(xué)報. 2016(08)
[6]基于小波變換的低照度圖像自適應(yīng)增強算法[J]. 李慶忠,劉清.  中國激光. 2015(02)
[7]量子衍生神經(jīng)網(wǎng)絡(luò)模型及其在圖像恢復(fù)中的應(yīng)用[J]. 肖紅,李盼池.  智能系統(tǒng)學(xué)報. 2013(06)
[8]量子衍生圖像分解和邊緣檢測[J]. 謝可夫,許悟生.  計算機應(yīng)用. 2013(04)
[9]基于量子理論的圖像中值濾波[J]. 謝可夫,許悟生.  計算機工程. 2013(01)
[10]遺傳算法研究進展[J]. 馬永杰,云文霞.  計算機應(yīng)用研究. 2012(04)

博士論文
[1]基于量子力學(xué)的圖像處理方法研究[D]. 付曉薇.華中科技大學(xué) 2010
[2]基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強算法的研究[D]. 閆海霞.吉林大學(xué) 2009
[3]量子衍生圖像處理方法的研究[D]. 謝可夫.中南大學(xué) 2007

碩士論文
[1]基于量子神經(jīng)網(wǎng)絡(luò)車牌識別系統(tǒng)的研究[D]. 孫立剛.東北石油大學(xué) 2015
[2]基于量子理論的圖像融合算法研究[D]. 付游.湖南師范大學(xué) 2015
[3]一種基于高斯與椒鹽混合噪聲去噪算法研究[D]. 張英.西安科技大學(xué) 2014
[4]量子遺傳算法及其在圖像自適應(yīng)增強中的應(yīng)用研究[D]. 黃蓓.江南大學(xué) 2005



本文編號：3731452