摘要：为解决量子计算机上图像的形态学处理问题,研究了几种量子图像的形态学处理方法。首先,提出了一种改进的任意大小图像的量子描述方法,该方法对于像素值和像素位置均采用量子基态描述,其中描述像素位置的量子基态数量等于像素个数。随后,通过设计“膨胀、腐蚀”这两种基本操作的量子线路,设计出几种二值图像的量子形态学处理方法,包括:图像去噪、边界提取、骨架提取。最后,通过经典计算机上的仿真,验证了所设计的几种量子形态学方法的执行效果,并基于所用基本量子门数量分析了量子线路的复杂度。研究结果表明,本工作提出的方法可以实现对经典方法的加速。

摘要：为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理离散样本和权值的时域聚合运算,采用梯度下降法实现网络参数的调整.以漫湾水电站的月径流数据预报为例,实验结果表明,两种算法性能接近,均优于基于正交基展开的过程神经网络.

摘要：为解决量子计算机上索引图像的描述问题,提出一种量子索引图像描述方法.该方法中量子索引图像包含量子数据矩阵和量子调色板矩阵2种数据结构,每种数据结构均基于量子比特序列的基态进行信息表示;在此基础上,提出一种基于EzStego的量子索引图像信息隐写算法,首先计算量子调色板矩阵中每个颜色的相对亮度值,然后根据相对亮度值对颜色排序并分配亮度序号,最后根据每个颜色的亮度序号及其位置索引,结合嵌入的秘密信息对量子数据矩阵中的像素索引值进行更新,得到嵌入秘密信息后的量子数据矩阵.利用Matlab在经典计算机上采用USC-SIPI图像数据库数据进行仿真实验,从视觉质量、嵌入容量和鲁棒性三方面验证了该方法的可行性和有效性.实验结果表明,文中方法可在将来的量子计算机上执行.

摘要：为解决量子彩色图像滤波问题,该文提出一种基于量子傅里叶变换的频域滤波方法。首先采用新颖的增强量子描述(NEQR)方案将彩色图像描述为量子图像,然后对该量子图像实施傅里叶变换,采用基于滤波函数定义的量子Oracle将变换后的图像划分为不同频率的图像,最后通过逆量子傅里叶变换将这些不同频率的量子图像变换到空域,通过对空域量子图像实施测量即可得到不同频率的经典滤波图像。文中给出了具体的量子滤波线路,以彩色图像平滑、锐化、周期噪声消除为例,验证了提出方案的正确性。

摘要：为提高人工神经网络的逼近能力,该文从研究隐层神经元的映射机制入手,提出基于量子比特在Bloch球面的绕轴旋转构造神经网络模型的新思想。首先将样本线性变换为量子比特的相位,并使量子比特在Bloch球面上分别绕着3个坐标轴旋转,旋转角度即为网络参数。然后通过投影测量可以得到量子比特的球面坐标,将这些坐标值提交到隐层激励函数,可得隐层神经元的输出。输出层采用普通神经元。基于L-M(Levenberg-Marquardt)算法设计了该模型的学习算法。实验结果表明,该文提出的模型在逼近能力、泛化能力、鲁棒性能方面,均优于采用L-M算法的普通神经网络。

摘要：针对手工设计神经网络结构成本较高、基于锚框的分类回归任务计算量较大以及小目标检测能力较弱的问题,文中使用基于神经网络结构搜索的EfficientNet-B3作为特征提取网络,改进基于双向特征金字塔网络的特征融合方法作为特征融合网络,利用关键点估计代替锚框,执行分类与回归任务,提出基于关键点估计的实时道路元素检测算法.在BDD100K数据集上的实验表明,文中算法在实时检测的基础上可达到较优的检测效果,在小目标上检测精度较高.

摘要：为解决量子彩色图像的水印嵌入和抽取问题,提出一种采用新颖的增强量子图像描述和格雷码置乱的实现方案.对于嵌入过程,首先采用受控非门对于水印图像像素的位置和颜色同时置乱;然后将置乱后水印图像的幅度从2n?2n扩展到2n+1?2n+2,将像素颜色值由24比特(每通道8比特)改为3比特(每通道1比特);最后将扩展后水印图像的颜色值,通过模2加运算嵌入到幅度为2n+1?2n+2载体图像颜色值的最低位中.抽取过程为嵌入的逆过程.仿真结果表明,该方案在可视化质量、噪声下的鲁棒性能、水印图像置乱效果和计算复杂度4个方面优于对比方案.

摘要：为提高过程神经网络的逼近和泛化能力,从研究过程神经元信息处理的量子计算实现机理入手,提出基于量子旋转门及多位受控非门的物理意义构造量子过程神经元的新思想.将离散化后的过程式输入信息作为受控非门的控制位,经过量子旋转门作用后控制目标量子位的状态,以目标量子位处于状态|1〉的概率幅作为量子过程神经元的输出.以量子过程神经元为隐层,普通神经元为输出层,可构成量子过程神经网络.基于量子计算机理推导了该模型的学习算法.将该模型用于太阳黑子数年均值预测,应用结果表明,所提方法与普通过程神经网络相比,预测精度有所提高,对于复杂预测问题具有一定理论意义和实用价值.

摘要：为解决量子计算机上彩色图像的描述及加密问题,该文提出一种基于量子比特相位旋转的新方法。首先通过将像素灰度值映射为量子比特的相位,将彩色图像描述成一个量子叠加态,其中基态描述像素的位置,而对应的概率幅即为该像素的灰度值。然后基于量子比特的相位旋转,设计了一些简单的图像处理方法。最后提出了一种新的彩色图像加密算法,该算法包括像素位置的置乱和量子比特的旋转两个过程。所提方法可在将来的量子计算机上执行。经典计算机上的仿真结果验证了方法的有效性。

摘要：提出一种自适应分组差分萤火虫算法求解连续空间优化问题.利用自适应分组策略对种群进行分子群寻优,基于均匀设计理论调整算法参数,通过云模型算法来改进最优个体的随机扰动行为,引入个体能效吸引力来改进非最优个体更新方式.最后,利用差分变异算法和混沌理论完成个体变异.典型复杂函数测试表明,所提出的算法具有很好的收敛精度和计算速度.