[发明专利]一种量子Canny边缘检测方法

说明书

本发明涉及一种量子Canny边缘检测方法，属于量子图像处理领域。该方法包括以下步骤：步骤1，选择有利于实现并行处理的NEQR量子图像表示模型；步骤2，构造量子乘法器和量子比较器；步骤3，执行图像平滑；步骤4，寻找高亮梯度；步骤5，采用双阈值处理进行边缘连接。本发明设计了具有去噪功能的量子Canny边缘检测算法，相较经典Canny边缘检测算法，其时间复杂度有指数级降低。本发明相较经典Canny边缘检测算法，其时间复杂度有指数级降低，而且Canny算子检测出的边缘图大都为图像的真实边缘，很少有不连续的情况。

技术领域

本发明属于量子图像处理领域，涉及一种量子Canny边缘检测方法。

背景技术

量子图像处理领域是量子计算与图像处理的交叉学科，此领域起步较晚。是一个非常年轻有活力的领域，2003年，Beach等和Venegas-Andraca等定义了量子图像处理(Quantum Image Processing)，之后开始受到大量学者的关注。量子图像处理领域发展前期主要致力于图像在量子计算机中存储(图像的量子表示模型)及恢复(将量子图像转化为经典图像)的研究，初步解决了量子图像处理的一个关键问题，即如何将图像储存在量子系统中并将其读出。而量子图像处理算法的研究则远远不够，量子算法的有效性和量子并行性密切相关，对于量子图像处理算法而言，若选择合适的表示模型，设计合理的演化步骤，则可实现量子并行处理。

边缘检测是图像识别、目标跟踪等很多量子图像处理算法的基础。近三年来，基于图像表示模型的量子边缘检测算法开始受到关注。2013年，Caraiman等设计了频域中的量子图像滤波算法，取得了一定的效果。本发明拟在时域中实现量子图像滤波算法，算法将提出滤波掩膜在图像中进行并行遍历的方法，将对其他涉及到遍历过程的量子图像处理算法具有一定的启发性。2015年，张毅等提出了量子Sobel边缘检测算法，但此算法基于经典的Sobel算子理论，并且所得到的最终量子态并不是边缘图像，而是原始图像与边缘图像的叠加态，还需要一个复杂的过程将边缘图像提取出来，于是有必要尝试设计不同的量子边缘检测算法，以提高算法的效果和效率。

发明内容

有鉴于此，本发明的目的在于提供一种量子图像边缘检测的方法。分为三个大步骤：首先是执行图像平滑，然后寻找高亮梯度最后进行边缘连接。图像平滑部分可以利用一个离散化的高斯滤波器和原始图像进行卷积达到减小噪声的目的；寻找高亮梯度部分首先要计算图像的梯度以及在相应位置上的方向，然后进行边缘细化操作；最后一部分边缘连接采用双阈值处理，即滞后阈值。

为达到上述目的，本发明提供如下技术方案：

一种量子Canny边缘检测方法，包括以下步骤：

S1：选择有利于实现并行处理的NEQR量子图像表示模型；

S2：构造量子乘法器和量子比较器；

S3：执行图像平滑；

S4：寻找高亮梯度；

S5：采用双阈值处理进行边缘连接。

进一步，所述量子乘法器用于计算任意一个模板和一幅图像的卷积结果，实现图像平滑和计算梯度；所述量子比较器用于比较邻域内两个像素灰度值的大小，实现梯度方向、非极大值抑制和边缘连接。

进一步，所述执行图像平滑具体为：利用一个离散化的高斯滤波器和原始图像进行卷积实现减小噪声。

进一步，所述寻找高亮梯度具体为：先计算图像的梯度以及在相应位置上的方向，梯度最大值作为真正的梯度，最大梯度值的方向即为边缘方向，然后执行最大值抑制，即检测上一步得到的梯度值g_m在梯度方向上是否是极大值；若是，不做任何处理，否则，将该像素点置零。

本发明的有益效果在于：

(1)本发明提出了具有去噪功能的量子Canny边缘检测算法。