量子衍生图像分解和边缘检测

doi:10.3724/SP.J.1087.2013.01089

计算机应用 ›› 2013, Vol. 33 ›› Issue (04): 1089-1091.DOI: 10.3724/SP.J.1087.2013.01089

量子衍生图像分解和边缘检测

谢可夫¹,许悟生²

1. 湖南师范大学计算机教学部，长沙 410081
2. 湖南师范大学物理与信息学院，长沙 410081

收稿日期:2012-09-25 修回日期:2012-11-23 发布日期:2013-04-23 出版日期:2013-04-01
通讯作者: 谢可夫
作者简介:谢可夫(1956-),男,江西奉新人,教授,博士,主要研究方向：数字图像处理；许悟生(1986-),男,湖南湘乡人,硕士研究生，主要研究方向：数字图像处理。
基金资助:
湖南省自然科学基金资助项目(12JJ3071)

Quantum-inspired image decomposition and edge detection

XIE Kefu¹,XU Wusheng²

1. Computer Eduction Department, Hunan Normal University,Changsha Hunan 410081, China
2. College of Physics and Information Science, Hunan Normal University, Changsha Hunan 410081, China

Received:2012-09-25 Revised:2012-11-23 Online:2013-04-23 Published:2013-04-01
Contact: XIE Kefu

摘要/Abstract

摘要： 针对数字图像的分解问题，研究了一种基于量子理论的新分解方法,该方法借鉴量子叠加态建立图像像素之间的关联,将一幅数字图像分解为一系列特征子图的叠加。分析了特征子图的意义，并在此基础上给出了一种边缘检测算子的生成规则。利用该规则构造的一种新的图像边缘检测算法被提出，计算机仿真结果验证了该规则的有效性和提出的边缘检测算法的优越性。

关键词: 量子衍生, 图像分解, 特征子图, 算法生成规则, 边缘检测

Abstract: A new approach based on quantum theory for the decomposition of image was proposed in this paper. An image can be decomposed into a series of characteristic sub-images according to the relation between the pixels built by means of a superposition of states in quantum mechanics in this approach. The characteristics of these sub-images were analyzed and a rule used to generate an operator for the detection of image edge was given on the basis of this. A new algorithm for image edge detection was proposed with the rule. The computer simulation results show the effectiveness of the rule and the superiority of the algorithm proposed here.

Key words: quantum-inspired, image decomposition, characteristic sub-image, algorithm production rule, edge detection

中图分类号:

谢可夫许悟生. 量子衍生图像分解和边缘检测[J]. 计算机应用, 2013, 33(04): 1089-1091.

XIE Kefu XU Wusheng. Quantum-inspired image decomposition and edge detection[J]. Journal of Computer Applications, 2013, 33(04): 1089-1091.

参考文献

［1］ELDAR Y C, OPPENHEIM A V. Quantum signal processing［J］. IEEE Transactions on Signal Processing, 2002, 19(6): 12-32.

［2］HAN K-H, KIM J-H. Quantum-inspired evolutionary algorithm for a class of combinatorial optimization［J］. IEEE Transactions on Evolutionary Computation, 2002,6(6): 580 -593.

［3］PURUSHOTHAMAN G, KARAYIANNIS N B. Quantum Neural Networks (QNNs): inherently fuzzy feedforward neural networks［J］. IEEE Transactions on Neural Networks,1997,8(3): 679 -693.

［4］ZHOU JIE. Automatic detection of premature ventricular contraction using quantum neural networks［C］// Proceedings of Third IEEE Symposium on Bioinformatics and Bioengineering. Piscataway, NJ: IEEE Press, 2003:169-173 .

［5］龙海侠，须文波，孙俊.基于量子行为的微粒子群优化算法的图像分割［J］.计算机工程与应用，2006，42(28):54-55.

［6］封晓强，何铁军. 基于量子进化算法的交通图像稀疏分解［J］. 南京理工大学学报:自然科学版，2010，34(1):41-44.

［7］TSENG C-C, HWANG T-M. Quantum digital image processing algorithms［C］// 16th IPPR Conference on Computer Vision,Graphics and Image Processing, Kinmen: [s.n.], 2003:827-834.

［8］谢可夫. 量子衍生图像处理方法的研究［D］.长沙: 中南大学，2007.

［9］符小薇，丁明跃，周成平,等. 基于量子概率统计的医学图像增强研究［J］.电子学报，2010，38(7):1590-1596.

［10］NIELSEN M A, CHUANG I L.量子计算和量子信息:1［M］.赵千川,译.北京:清华大学出版社,2004.

［11］王鹏，李建平. 量子信号处理［J］.计算机应用研究，2008，25(4):1033-1035.

［12］梅文博，杜慧茜.基于量子理论的信号处理研究进展［J］ . 科技导报,2008，26(2):85-89.

[1]	孔哲, 李寒, 甘少伟, 孔明茹, 何冰涛, 郭子钰, 金督程, 邱兆文. 基于非对称多解码器和注意力模块的三维肾脏影像结构分割模型[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2216-2224.
[2]	袁卿宇, 高铁杠. 基于像素预测和秘密图像共享的可逆信息隐藏[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 780-787.
[3]	宋杰, 于裕, 骆起峰. 基于RCF的跨层融合特征的边缘检测[J]. 计算机应用, 2020, 40(7): 2053-2058.
[4]	滕旭, 张晖, 杨春明, 赵旭剑, 李波. 基于循环一致性对抗网络的数码迷彩伪装生成方法[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 566-570.
[5]	李翠锦, 瞿中. 基于深度学习的图像边缘检测算法综述[J]. 《计算机应用》唯一官方网站, 2020, 40(11): 3280-3288.
[6]	景年昭, 杨维. 基于RCF的精细边缘检测模型[J]. 计算机应用, 2019, 39(9): 2535-2540.
[7]	宋小娜, 芮挺, 王新晴. 结合语义边界信息的道路环境语义分割方法[J]. 计算机应用, 2019, 39(9): 2505-2510.
[8]	付久鹏, 曾国辉, 黄勃, 方志军. 基于双向快速探索随机树的狭窄通道路径规划[J]. 计算机应用, 2019, 39(10): 2865-2869.
[9]	赖传滨, 韩越兴, 顾辉, 王冰. 基于深度学习的虚拟边界检测方法[J]. 计算机应用, 2018, 38(11): 3211-3215.
[10]	杨帆, 李建平, 李鑫, 陈雷霆. 基于多任务深度卷积神经网络的显著性对象检测算法[J]. 计算机应用, 2018, 38(1): 91-96.
[11]	石陆魁, 张延茹, 张欣. 基于时空模式的轨迹数据聚类算法[J]. 计算机应用, 2017, 37(3): 854-859.
[12]	刘国奇, 李晨静. 基于贝塞尔滤波改进的测地活动轮廓图像分割模型[J]. 计算机应用, 2017, 37(12): 3536-3540.
[13]	龙鹏, 鲁华祥. LoG边缘算子改进的加权引导滤波算法[J]. 计算机应用, 2015, 35(9): 2661-2665.
[14]	宦海, 黄凌霄, 张雨, 卢松. 基于最大内切圆的椭圆孔组检测[J]. 计算机应用, 2015, 35(4): 1101-1105.
[15]	宋健飞, 高莉. 基于四元数的改进型最小核值相似区边缘检测[J]. 计算机应用, 2015, 35(3): 826-829.

量子衍生图像分解和边缘检测

Quantum-inspired image decomposition and edge detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics