作为新兴的交叉学科,量子计算已经成为了人们竞相追逐的研究热点,其在密码破译、信息传输等学科也已获得了突破性的进展,同时人们正在尝试将量子计算独特的性能优势应用于其他领域当中。随着传感器技术和液晶显示技术的不断发展,人们目前采集和显示的图像分辨率越来越高,应用传统技术针对这些数字图像进行处理开始出现性能瓶颈,所以人们试图通过使用量子计算来解决传统图形图像处理过程中遇到的困难,量子图像处理应运而生。然而就目前而言该领域仍旧处于初始阶段,一些诸如特征提取、图像识别等算法依然无法达到很好的处理效果。其中一个重要原因就是人们所设计的量子图像存储模型过于理想化,对于真实世界的图像噪声未有考虑。因此量子图像噪声修复就成为了一个亟待解决的问题。由于噪声类型多样化,噪声强度大小不一,对于这个问题目前还没有相关的算法设计。因此本课题针对现在依旧存在的量子图像噪声修复问题开展相关的研究,研究的内容主要有以下几个方面:1、量子图像表示模型在量子图像处理算法设计之前,我们首先需要将图像数据保存在量子态中,针对目前已有的量子图像表示模型,我们分别进行介绍和分析并筛选出最优的一种模型NEQR模型作为我们的基础模型。同时我们针对该模型略作调整,改变了其图像色彩值的表示方式,使得该模型能够更好的进行图像色彩变换。2、量子图像靶向型修复算法研究为了有针对性的进行噪声处理,我们选择两种常见的噪声类型(椒盐噪声与高斯噪声)开展靶向型量子修复算法研究。所谓的靶向型算法就是针对不同的噪声类型设计不同的修复算法。借助于已有的量子电路模型我们进行相关的量子线路设计,可以验证两种算法的可行性;经过算法复杂度的分析,与经典数字图像处理领域中的噪声修复算法相比,我们所提出的这两种方法均能获得指数量级的性能提升。为了更好的展示量子算法独特优势,我们之后通过模拟实验展示图像处理效果,然后采用一种度量标准(峰值信噪比)再进行量化比较。3、量子图像自适应修复算法研究针对真实图像进行噪声修复时我们往往无法提前知道图像所含有的噪声类型,所以我们设计了一种自适应的量子图像噪声修复算法实现噪声类型的预判,然后再有目的性的选择相应的量子算法进行处理。经过量子线路的设计,算法的可行性得以验证,同时借助算法复杂度的分析,该量子算法优越的处理性能也可以进一步被证明。我们在最后的实验中采用两个常见的数据集模拟量子算法的实际操作,通过图表可以看出噪声类型的判断基本准确,噪声处理效果良好。量子图像处理抗干扰算法的提出不仅解决了经典数字图像处理所面临的算法性能问题,同时还能给复杂的量子图像处理算法例如特征提取、模式识别等提供显示效果更好的图像,从而提高此类算法的处理精度。论文的最后,我们对于量子图像处理领域所面临的挑战和今后的发展方向进行了展望。