论文部分内容阅读
本论文系统地分析了传统生物识别的研究现状和存在的问题。围绕如何提高掌纹、指纹和虹膜图像预处理效果和特征匹配效率进行深入研究，提出了利用量子算法对传统生物识别的不同过程进行改进的方法。 首先，本论文采用量子边缘检测算法对传统定位分割过程进行改进。将图像灰度变化用量子纠缠表征，定位分割结果用量子叠加态的线性厄米算子平均值来表示。仿真结果显示出本论文所采用的量子边缘检测算法定位分割精度更高，且抗噪声能力优于传统算法。 其次，本论文采用量子中值滤波算法对传统滤波去噪过程进行改进。利用量子滤波窗口的特征生成测量算子，使窗口塌缩生成随局部特征变化的二值图像窗模板，对量子比特表示的图像进行滤波处理。仿真结果显示本论文所采用的量子中值滤波算法具有更强的噪声滤除能力。 然后，本论文采用量子傅里叶变换算法对传统特征提取过程进行改进。利用量子并行性计算特性，对指纹子图像的特征提取过程进行计算，分析表明本文所采用的量子傅里叶变换算法在执行速度上有了指数级的提高。 最后，本论文提出了一种生物特征图像匹配的新方法。对经典量子Grover算法中的Oracle算子进行改进，利用处于叠加态的索引进行寻址，并使用幺正变换和比特翻转增加匹配图像的概率幅，设计了利用此算法进行图像匹配的方案。从实验结果中可以看出改进后的量子识别算法和传统识别算法相比能有效地提高匹配效率。