前沿性：关注量子图像处理技术这一前沿研究热点，将量子计算技术用于图像处理问题。
实用性：结合作者团队新研究成果，包含大量算法及其应用方案，具有较强的实用性。

本书系统阐述了量子图像处理及其关键技术。本书内容共分9章，分别介绍了量子图像处理的研究意义和背景与现状、量子图像表示模型、量子图像处理算法、量子图像恢复、量子图像加密、量子水印、量子图像边缘检测、量子图像的分类识别、量子图像仿真实现。
    本书旨在为量子图像处理领域的科研人员提供具有较强实用性的参考，可作为物理和计算机专业开设量子计算相关课程的教学参考书，也可作为量子计算与量子图像处理的短期专题讲座培训用书。本书结构清晰、内容翔实，对初次接触量子图像处理领域的研究人员，特别是非物理专业的科研技术人员具有一定的参考价值。

第1章 绪论\t1
1.1  量子图像处理的研究意义  1
1.2  量子图像处理的背景与现状  2
参考文献  4
第2章  量子图像表示模型  7
2.1  量子图像表示模型及其特点  7
2.1.1  Qubit Lattice模型  8
2.1.2  Real Ket模型  9
2.1.3  Entangled Image模型  9
2.1.4  FRQI模型  10
2.1.5  NEQR模型  12
2.1.6  GQIR模型  14
2.1.7  NAQSS模型  16
2.1.8  QRCI模型  17
2.1.9  QIRHSI模型  19
2.2  量子图像表示模型分类  26
2.2.1  量子图像颜色模型  26
2.2.2  量子图像坐标模型  28
2.3  本章小结  29
参考文献  29
第3章  量子图像处理算法  32
3.1  几何变换  32
3.1.1  两点交换  32
3.1.2  对称翻转  33
3.1.3  局部翻转  35
3.1.4  正交旋转  35
3.2  色彩处理  36
3.2.1  量子图像的颜色运算  36
3.2.2  伪彩色处理  39
3.2.3  量子色图  40
3.2.4  量子伪彩色编码实现  42
3.3  图像分割  44
3.3.1  基于量子搜索的图像分割  44
3.3.2  量子图像分割线路  45
3.3.3  分割后量子图像的显示  48
3.4  本章小结  49
参考文献  50
第4章  量子图像恢复  51
4.1  量子图像去噪算法  51
4.1.1  基于NEQR模型的去噪算法  51
4.1.2  基于量子小波变换的图像去噪方法  58
4.2  量子图像复原算法  66
4.2.1  基于R-L算法的量子图像复原算法  66
4.2.2  基于约束的最小二乘法滤波的量子图像复原算法  74
4.3  本章小结  81
参考文献  81
第5章  量子图像加密  84
5.1  图像置乱算法  84
5.1.1  量子仿射变换  84
5.1.2  量子Hilbert变换  89
5.1.3  量子随机行走  90
5.1.4  骑士巡游变换  91
5.2  图像加密算法  92
5.2.1  离散余弦变换  92
5.2.2  DNA编码  93
5.2.3  混沌映射  94
5.2.4  量子受控翻转  97
5.3  量子图像加密方案设计  98
5.3.1  基于交替量子随机行走和离散余弦变换的图像加解密方案  98
5.3.2  基于DNA编码与交替量子随机行走的图像加密方案  107
5.3.3  基于量子随机行走和多维混沌映射的图像加密方案  111
5.3.4  基于量子受控翻转的图像加密方案  115
5.4  本章小结  119
参考文献  120
第6章  量子水印  122
6.1  量子信息隐藏  122
6.1.1  量子LSB算法  122
6.1.2  量子傅里叶变换  125
6.1.3  量子小波变换  128
6.2  量子水印算法  131
6.2.1  基于量子LSB分块的水印算法  131
6.2.2  基于量子傅里叶变换的量子水印算法  135
6.2.3  基于量子Haar小波变换的水印算法  136
6.2.4  基于莫尔条纹的量子信息隐藏  139
6.3  本章小结  143
参考文献  143
第7章  量子图像边缘检测  145
7.1  图像边缘检测技术  145
7.1.1  Sobel算子图像边缘检测  146
7.1.2  Prewitt算子图像边缘检测  147
7.1.3  Kirsch算子图像边缘检测  148
7.1.4  Canny算子图像边缘检测  149
7.2  基于Kirsch算子的量子图像边缘检测算法  151
7.2.1  算法流程  152
7.2.2  算法复杂度和仿真结果分析  155
7.3  基于改进Sobel算子的量子图像边缘检测算法  158
7.3.1  量子线路设计  158
7.3.2  算法流程  162
7.3.3  算法实现  163
7.3.4  仿真结果与分析  167
7.4  本章小结  169
参考文献  169
第8章  量子图像的分类识别  172
8.1  量子神经网络  172
8.2  量子卷积神经网络  176
8.3  基于量子卷积神经网络的手写数字识别  178
8.3.1  混合量子经典卷积神经网络模型  178
8.3.2  量子卷积神经网络模型  184
8.4  本章小结  188
参考文献  189
第9章  量子图像仿真实现  191
9.1  主流量子仿真SDK介绍  192
9.2  FRQI和NEQR量子图像的仿真  195
9.2.1  制备FRQI图像量子态  195
9.2.2  四像素灰度FRQI图像仿真实现  196
9.2.3  制备NEQR量子态  200
9.2.4  四像素灰度NEQR图像仿真实现  200
9.3  小图像和大图像的量子边缘检测QHED算法  201
9.3.1  量子概率图像编码  201
9.3.2  量子Hadamard边缘检测  203
9.4  本章小结  206
参考文献  207