一种混合量子图像边缘检测器在 NISQ 时代的应用
提出了一种基于八方向 Sobel 算子的新型量子 Sobel 边缘检测算法,通过设计具体的量子电路,不仅减少了边缘信息的损失,还能同时计算量子图像中所有像素的八个方向的梯度值。该算法的复杂度可以降低到 O (n^2 + q^2),比其他经典或量子算法更低,并且模拟实验证明该算法可以检测出更多的边缘信息,尤其是对角边缘。
Oct, 2023
提出了一种基于局部自适应阈值的量子分割算法,该算法利用量子机制为灰度图像中的所有像素同时计算局部阈值,并将图像快速分割为二值图像。设计了几个量子电路单元,包括中值计算、量子二值化等,并通过使用较少的量子比特和量子门设计了一个完整的量子电路来分割 NEQR 图像。对于一个具有 2^n × 2^n 个像素和 q 个灰度级的图像,我们的算法的复杂度可以降低到 O (n^2+q),与经典方法相比具有指数级的加速。最后,在 IBM Q 上进行实验以展示我们的算法在噪声中等比例量子(NISQ)时代的可行性。
Oct, 2023
应用量子迁移学习检测灰度图像中的裂纹,比较了 PennyLane 的标准量子位和 IBM 的 qasm_simulator 以及真实后端的性能和训练时间,提供了他们的执行效率的见解。
Jul, 2023
提出了一种改进的 NEQR 图像的双阈值量子分割算法,利用较少的量子比特将复杂灰度图像分割成清晰的三值图像,并且可以对 n 个阈值进行 n+1 次分割,通过设计可行的量子比较器和可扩展的量子电路对 NEQR 图像进行分割,实验结果表明该算法能够有效地进行图像分割。
Oct, 2023
该研究探索了量子计算和机器学习的交叉领域,着重评估数据重新上传方案和补丁生成对抗网络模型等混合量子 - 经典算法在小规模量子设备上的有效性,并通过实际实现和测试揭示了这些算法与经典对应算法相当或更好的性能,突显了在机器学习任务中利用量子算法的潜力。
Apr, 2024
本文中提出了一种基于量子机制的量子图像分割算法,可解决传统基于灰度形态学的算法在处理大规模数据时的实时性问题,并通过在灰度图像的所有像素上同时执行形态学操作,快速将图像分割为二值图像。通过设计并结合多个量子电路单元,包括膨胀、腐蚀、底帽变换和顶帽变换等,构建了用于分割 NEQR 图像的完整量子电路。对于一个 2^n * 2^n 图像,其复杂度可以降低到 O (n^2+q),相比传统算法速度提升是指数级的。最后,实验在 IBM Q 上展示了我们的算法在噪声中等规模量子(NISQ)时代的可行性。
Oct, 2023
通过训练和应用机器学习模型来识别和纠正量子处理图像中的噪声问题,我们可以弥补量子计算机产生的噪音并以高效率获取类似于经典计算机的处理结果。
Feb, 2024