| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| ·衍生信息处理方法的意义 | 第12-15页 |
| ·人工神经网络 | 第12-13页 |
| ·遗传算法 | 第13-14页 |
| ·衍生方法的特点和意义 | 第14-15页 |
| ·量子衍生方法的产生与发展 | 第15-20页 |
| ·量子衍生方法的产生背景 | 第15-17页 |
| ·量子力学数学体系 | 第17页 |
| ·量子衍生方法的国内外研究现状 | 第17-20页 |
| ·展望和讨论 | 第20-24页 |
| ·关于新的量子衍生图像处理算法的思考 | 第20-22页 |
| ·数字图像处理中的几个实际问题 | 第22-24页 |
| 第二章 量子力学和量子信息理论基础 | 第24-42页 |
| ·量子力学假设 | 第24-29页 |
| ·量子态的描述 | 第24-26页 |
| ·态叠加原理 | 第26-27页 |
| ·量子系统的演化 | 第27-28页 |
| ·量子测量 | 第28-29页 |
| ·复合系统 | 第29页 |
| ·量子比特 | 第29-37页 |
| ·单量子比特 | 第30-31页 |
| ·多量子比特 | 第31-33页 |
| ·多量子位系统的测量和坍缩 | 第33-34页 |
| ·纯态和投影测量 | 第34-36页 |
| ·量子态纠缠 | 第36-37页 |
| ·量子力学算子 | 第37-41页 |
| ·线性厄米算子 | 第37-38页 |
| ·线性厄米算子的本征值和本征态 | 第38-39页 |
| ·线性厄米算子的平均值 | 第39-40页 |
| ·线性加权投影算子的平均值 | 第40-41页 |
| ·总结和讨论 | 第41-42页 |
| 第三章 量子衍生数学形态学算法 | 第42-62页 |
| ·引言 | 第42-43页 |
| ·数学形态学极其改进形式 | 第43-46页 |
| ·灰度数学形态学 | 第43-44页 |
| ·软数学形态学 | 第44-45页 |
| ·模糊数学形态学 | 第45-46页 |
| ·量子衍生数学形态学基础 | 第46-51页 |
| ·叠加态结构元素 | 第46-48页 |
| ·基于叠加态结构元素的数学形态学运算 | 第48-51页 |
| ·量子衍生坍缩形态滤波 | 第51-56页 |
| ·坍缩形态滤波原理及实现 | 第52-56页 |
| ·受噪声污染的图像边缘检测 | 第56-59页 |
| ·坍缩形态学梯度 | 第57页 |
| ·自适应图像边缘检测 | 第57-59页 |
| ·总结和讨论 | 第59-62页 |
| 第四章 量子衍生自适应中值滤波 | 第62-77页 |
| ·引言 | 第62-63页 |
| ·量子信号处理(QUANTUM SIGNAL PROCESSING,QSP)框架 | 第63页 |
| ·中值滤波 | 第63-68页 |
| ·图像变换 | 第68-72页 |
| ·灰度图像和图像窗口的量子比特(quBit)表示 | 第68-70页 |
| ·量子Hadamard门操作 | 第70-71页 |
| ·窗口的自适应调整 | 第71-72页 |
| ·自适应中值滤波 | 第72-76页 |
| ·自适应中值滤波 | 第72-73页 |
| ·自适应中值滤波的改进 | 第73-76页 |
| ·总结和讨论 | 第76-77页 |
| 第五章 量子衍生边缘检测 | 第77-91页 |
| ·引言 | 第77-78页 |
| ·基于卷积运算的边缘检测 | 第78-81页 |
| ·数学基础和算子实现 | 第78-80页 |
| ·边缘检测与生理视觉特征 | 第80-81页 |
| ·量子衍生边缘检测原理 | 第81-87页 |
| ·图像像素的叠加态关联 | 第81-82页 |
| ·线性加权投影算子 | 第82-83页 |
| ·边缘检测 | 第83-84页 |
| ·量子衍生边缘检测的视觉补偿特性 | 第84-87页 |
| ·量子衍生边缘检测的概率诠释 | 第87-89页 |
| ·Prewitt边缘检测的概率解释 | 第87-88页 |
| ·条件概率下的量子衍生边缘检测 | 第88-89页 |
| ·总结与讨论 | 第89-91页 |
| 第六章 智能图像滤波 | 第91-105页 |
| ·引言 | 第91-92页 |
| ·智能中值-开闭滤波的原理 | 第92-93页 |
| ·中值-开闭滤波 | 第92页 |
| ·中值-开闭智能滤波的实现结构 | 第92-93页 |
| ·量子衍生遗传算法 | 第93-96页 |
| ·染色体编码 | 第93-94页 |
| ·量子衍生遗传算法的构造 | 第94-96页 |
| ·中值-开闭滤波模板的优化 | 第96-99页 |
| ·模板的量子染色体表示和观测 | 第97-98页 |
| ·适应度函数和种群的进化 | 第98-99页 |
| ·智能滤波仿真实验 | 第99-104页 |
| ·总结与讨论 | 第104-105页 |
| 第七章 结论与展望 | 第105-109页 |
| ·本文的主要创新工作和结论 | 第105-107页 |
| ·进一步的研究展望 | 第107-109页 |
| 参考文献 | 第109-118页 |
| 致谢 | 第118-119页 |
| 攻读学位期间主要的研究成果目录 | 第119页 |