《量子圖像理解中低層圖像特徵的表示和提取》是依託北京工業大學，由姜楠擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：量子圖像理解中低層圖像特徵的表示和提取
- 項目類別：青年科學基金項目
- 項目負責人：姜楠
- 依託單位：北京工業大學
項目摘要,結題摘要,
項目摘要
量子態所具有的疊加和糾纏性質，使量子計算機比經典計算機具有更強的存儲和計算能力。量子計算適合用來解決在經典計算機上處理起來效率不高的問題，圖像理解便是其中之一。本項目研究量子圖像理解中的一個關鍵環節：量子圖像的低層特徵提取。針對顏色、紋理和形狀這三大低層特徵，首先解決其量子表示（即存儲）問題，然後給出量子提取算法，最後進行理論分析。存儲時，將特徵看成是矩陣，矩陣中每個元素具有坐標和值兩個屬性，特徵就存儲在坐標和值的糾纏態中。提取特徵時，拋開經典算法的束縛，按算法的量子實現原理分割為7個模組，先給出7個模組的量子算法，然後以此為基礎設計出各種低層特徵提取的量子算法。項目創新點包括提出基於錯位存儲的像素間操作方法，以及基於二叉樹的顏色分割方法。本項目探索用量子計算這一新型計算方法降低圖像理解時空複雜度，解決其中量子圖像低層特徵的表示和提取問題，為推動圖像理解的發展提供一些新的理論和技術。
結題摘要
量子態所具有的疊加和糾纏性質，使量子計算機比經典計算機具有更強的存儲和計算能力。量子計算適合用來解決在經典計算機上處理起來效率不高的問題，圖像理解便是其中之一。本項目研究量子圖像理解中的一個關鍵環節：量子圖像的低層特徵提取。針對顏色、紋理和形狀這三大低層特徵，首先解決其量子表示（即存儲）問題，然後給出量子提取算法，最後進行理論分析。存儲時，將特徵看成是矩陣，矩陣中每個元素具有坐標和值兩個屬性，特徵就存儲在坐標和值的糾纏態中。提取特徵時，拋開經典算法的束縛，按算法的量子實現原理分割為7個模組，先給出7個模組的量子算法，然後以此為基礎設計出各種低層特徵提取的量子算法。本項目探索用量子計算這一新型計算方法降低圖像理解時空複雜度，解決其中量子圖像低層特徵的表示和提取問題，為推動圖像理解的發展提供一些新的理論和技術。項目執行期間，項目組在國內外主流學術期刊上發表高水平論文9篇，全部為SCI檢索，另有2篇處於審稿階段。出版學術專著1部。申請國家發明專利6項，其中2項已授權。2015.8-2016.9在美國Purdue University做訪問學者，從事量子圖像處理方面的研究；2017年10月，前往日本橫濱國立大學、神奈川大學和崇城大學就量子圖像處理進行短期學術交流。培養碩士畢業生4人，在讀博士生1人，在讀碩士生4人，其中4人獲得國家獎學金，4人獲得北京工業大學優秀碩士學位論文以及北京市優秀畢業生，1人獲得北京工業大學科技之星。項目組圓滿完成了項目計畫書制定的研究計畫，達到了預期的研究目標。
