Grover量子搜索算法的改进及其在图像检索中的应用

论文摘要

以量子并行计算为基础的Grover量子搜索算法,对于长度为N的无序数据库搜索,计算复杂度仅为O（N）。Grover量子搜索算法在进行搜索时,随着搜索目标数的增加获得正确结果的概率大幅度下降,并且当搜索的目标数占数据总数的一半时,无论搜索多少次,所得的概率都为1/2,此时算法是无效的。本文研究了Grover量子搜索算法及其改进,并将其应用于图像检索。主要的研究工作有：首先,研究了Grover量子搜索算法,并在经典计算机上模拟实现了量子Grover算法。分析了原始Grover算法存在的缺点,研究了已有三种改进的Grover算法,在此基础上设计了一种改进的自适应相位旋转的Grover量子搜索算法。其次,研究了基于纹理特征的图像检索,用基于灰度共生矩阵、灰度-梯度共生矩阵和双树复小波变换的三种方法分别对图像的纹理特征进行了提取。最后,将改进后的Grover量子搜索算法用于图像检索。仿真结果表明,该算法在图像检索中能得到较好的检索效果。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 本论文的主要研究内容
• 第二章 Grover量子搜索算法
• 2.1 量子信息论基础
• 2.1.1 量子计算基础
• 2.1.2 量子逻辑门
• 2.1.3 量子并行性
• 2.2 Grover量子算法
• 2.2.1 基于黑箱的搜索思想
• 2.2.2 Grover量子算法搜索步骤
• 2.2.3 Grover算法模拟及结果分析
• 2.3 本章小结
• 第三章 Grover量子搜索算法的改进
• 3.1 基于π/2相位旋转的改进算法
• 3.2 基于分段固定相位旋转的改进算法
• 3.3 基于自适应相位的改进算法
• 3.4 基于改进的自适应相位旋转算法
• 3.6 本章小结
• 第四章 Grover算法在图像检索中的应用
• 4.1 基于纹理特征的图像检索技术
• 4.1.1 纹理概述
• 4.1.2 基于灰度共生矩阵的特征值提取
• 4.1.3 基于灰度-梯度共生矩阵的特征值提取
• 4.1.4 基于双树复小波变换的特征值提取
• 4.2 图像检索的原型系统
• 4.2.1 检索系统框架
• 4.2.2 查询方式
• 4.2.3 图像的相似性度量
• 4.3 基于Grover算法的图像检索
• 4.3.1 基于原始Grover算法的图像检索仿真与性能分析
• 4.3.2 基于Grover改进算法的图像检索仿真与性能分析
• 4.4 本章小结
• 第五章 总结
• 致谢
• 参考文献