作为信息处理领域的重要分支,数字图像处理在武器制导、医学治疗和网络检索等诸多方面都有广泛应用。随着数字图像获取技术的飞速发展,图像分辨率以及图像采集频率都急剧增加。然而经典计算的运算能力已基本达到极限,这导致了目前经典图像处理已无法继续实现高精确性和高实时性的兼得。为了寻求更高的计算性能,新型计算模型的探索从未停歇。作为最受关注的新型模型,量子计算一直是信息处理领域的研究热点。尤其在Shor大数质因子分解和Grover搜索等量子算法提出之后,人们逐渐认识到量子计算有望突破经典计算极限,从而为整个信息处理领域带来颠覆性的剧变。然而目前针对图像处理的量子计算理论研究尚处于起步阶段,人们仍徘徊于如何利用量子信息表征图像的问题,很难设计出能解决实际问题的量子图像处理算法,故仍然无法利用量子机制的特性来解决图像处理所遇到的挑战。为了解决这一问题,本文的研究构建了一套完整的量子图像处理体系,其良好地利用了量子机制实现了高精确性、高实时性图像处理,从而解决了经典图像处理的性能难题。从底层图像存储,到中层图像预处理,再到上层图像分类,本文自底向上分三个层次完成整个量子图像处理体系的构建:1.量子图像存储模型为了利用量子机制进行图像处理,我们首先需要将图像信息以特定的方式保存在量子态中。针对现有的量子图像存储模型在图像色彩信息存储方式上所存在的缺陷,本文首次利用量子序列的计算基态保存图像像素的色彩信息,提出了一种新型量子图像存储模型NEQR。相比目前最优的模型FRQI,NEQR能够更灵活方便地进行多种图像几何变换和色彩变换,量子图像压缩率提高约1.5倍。同时,该模型能够实现经典图像的重建。新型量子图像存储模型适用于所有的点阵图像。我们将该模型进行改进并设计了QUALPI模型,首次将以对数极坐标的方式采样的图像信息存储在量子态中。因此,相比现有的存储模型,新型量子图像存储模型适用范围更广,可用性更强,更适合作为整个量子图像处理体系的底层模型。2.量子图像预处理算法图像像素级信息无法直接用于图像内容的理解。因此,基于量子图像信息,我们研究了量子图像预处理算法,从量子图像中挖掘出带有语义的抽象信息。在该层次的研究中,我们设计了四种具有代表性的量子图像预处理算法:1)量子图像边缘提取算法。该算法利用Grover算法思想在像素中查找所有具有边缘特性的像素点,相比于经典的Sobel边缘提取算法,能够取得指数量级的性能提升。2)量子图像直方图绘制算法。该算法利用量子累加器将具有相同色彩值的像素进行分组统计,相比于经典直方图计算方法,能够取得平方量级的性能提升。3)量子图像特征提取算法。该算法利用量子图像间的加减法操作完成为图像像素的快速掩模计算,相比于经典特征提取方法,能够取得指数量级的性能提升。4)量子图像配准算法。该算法利用量子Fourier变换的思想将参考图像扩张成量子图像库,再利用Grover算法在图像库中进行搜索。相比朴素的经典配准方法,该算法取得约四次方量级的性能提升。3.基于相似性检测的量子图像分类算法图像分类是图像处理的终极目标之一。基于图形的图像分类是目前最重要的研究方法之一。而针对量子图像的特征提取研究已在量子图像与图形之间搭建了通路。因此,本文利用量子漫步工具针对图像相似性度量开展了一系列研究,从而实现了基于图形的图像分类识别工作。本文首次利用量子漫步设计了检测最大公共子图的不精确算法Qwalk。通过对量子漫步相干相消性的研究发现:利用量子漫步能够快速地检测出图形间的同构子结构。将这些结构按序合并,即得到近似的最大公共子图检测结果。实验发现,相比于目前其他不精确算法,Qwalk具有更好的通用性,精确性和抗噪性,将其利用在图像聚类测试中也具有更高的精准度。同时在目前通用的不精确算法中,该算法的时间复杂度最低。接着,本文利用量子漫步设计了一种新的度量图相似性的图核函数QW。通过对量子漫步相干相长性的研究发现:量子漫步能够将图形间的微小差异放大,故利用量子漫步提取的图形的特征具有更好的区分能力。因此我们利用量子漫步的状态迁移构建图的特征向量从而实现图相似性的度量。实验发现,相比于目前几种流行的图核函数,QW在针对真实图库进行分类测试时,分类精度提升约5%-15%。同时,该图核优于其他图核,它能够针对余谱图和正则图等特殊图组进行区分。为了解决QW计算复杂度高的问题,我们设计了一种快速迭代方法,使得QW与几种经典图核的计算开销在同一量级上。因此,新图核具有更好的分类性能和适用性。量子图像处理体系的构建不仅解决了经典图像处理的性能问题,而且从信息存储模型出发的自底向上的研究思路也同样适于为信息处理领域其他分支如何利用未来量子计算研究提供指导。