پردازش تصویر کوانتومی

از ویکی‌پدیا، دانشنامهٔ آزاد

در علوم رایانه‌ای، پردازش تصویر کوانتومی (QIP)، در آغاز پیدایش برای محاسبه‌ها و پردازش اطلاعات کوانتومی کاربرد داشت و برای ایجاد و کار با تصویرهای کوانتومی استفاده می‌شد.[۱][۲]با توجه به برخی از ویژگی‌های ذاتی محاسبات کوانتومی، به‌ ویژه درباره درهم‌ تنیدگی و موازی‌ بودن، پیش‌بینی می‌شود که فناوری‌های پردازش تصویر کوانتمی (QIP) از نظر سرعت محاسبات، امنیت و حداقل نیازهای ذخیره‌سازی، چنان قابلیت‌ها و عملکردهایی را ارائه بدهند که از معادل‌های سنتی خود پیشی بگیرند.[۲][۳]

تاریخچه[ویرایش]

محققان کار خود در سال ۱۹۹۷ بر روی تشخیص تصویرهای متعامد متمرکز در یک سامانه کوانتومی آغاز کردند. به دنبال آن تلاش‌هایی با استفاده از الگوریتم‌های کوانتومی برای جستجوی الگو‌های خاص در تصویرهای باینری[۴]و تشخیص وضعیت هدف‌‌های خاص انجام شد. [۵]

البته در نخست تفسیر‌های بیش‌‌تر مبتنی بر نورشناسی (اپتیک)، برای تصویر برداری کوانتومی به‌طور تجربی[۶] نشان داده شد و پس از هفت‌ سال[۷] رسمیت یافت.

در سال ۲۰۰۳، با ارائه شبکه کیوبیت که اولین مدل عمومی منتشر شده برای ذخیره‌ سازی، پردازش و بازیابی تصویرها با استفاده از سامانه‌‌های کوانتومی به‌ شمار می‌‌آمد.[۸][۹]

پس از آن در سال ۲۰۰۵، نوع دیگری از نمایش را به نام Real Ket[۱۰] را ارائه کردند که هدف آن رمزگذاری تصویرهای کوانتومی به عنوان مبنایی برای کاربردهای بیش‌ تر در QIMP بود. علاوه بر این، در سال ۲۰۱۰ Venegas-Andraca و Ball روشی را برای ذخیره و بازیابی شکل‌‌های هندسی دوتایی در سامانه‌‌های مکانیکی کوانتومی ارائه کردند که در آن نشان داده شده است کیوبیت‌‌های حداکثر درهم‌ تنیده را می‌توان برای بازسازی تصویرها، بدون استفاده از هیچ‌گونه استفاده کرد.[۱۱]

از نظر فنی، این تلاش‌ های پیشگام با مطالعه‌ های بعدی مرتبط با آن‌ ها را می‌ توان به سه دسته تقسیم کرد:[۳]

  • پردازش تصویر دیجیتال با کمک کوانتومی (QDIP): هدف این برنامه‌ ها بهبود وظیفه‌ ها و برنامه‌ های پردازش تصویر دیجیتال یا کلاسیک است.[۲]
  • تصویر برداری کوانتومی مبتنی بر اپتیک (OQI)[۱۲]
  • پردازش تصویر کوانتومی با الهام از کلاسیک (QIP)[۲]

یک بررسی از نمایش تصویر کوانتومی در[۱۳] منتشر شده است. علاوه بر این، کتاب به‌ تازگی منتشر شده پردازش تصویر کوانتومیف،[۱۴] مقدمه‌ ای جامع برای پردازش تصویر کوانتومی ارائه می‌دهد که بر گسترش وظیفه‌ های پردازش تصویر معمولی به چارچوب محاسبه‌ های کوانتومی تمرکز دارد. این کتاب نمایش‌ های تصویر کوانتومی موجود و عملیات آن‌ ها را خلاصه می‌کند، کاربرد های تصویر کوانتومی احتمالی و پیاده‌ سازی آن‌ ها را بررسی می‌کند و پرسش‌ های باز و روند توسعه آینده را مورد بحث قرار می‌ دهد.

دستکاری تصویر کوانتومی[ویرایش]

بسیاری از تلاش‌ ها در QIP بر روی طراحی الگوریتم‌ هایی برای دستکاری موقعیت و اطلاعات رنگ رمز گذاری شده با استفاده از نمایش انعطاف‌ پذیر تصویر های کوانتومی (FRQI) و انواع مختلف آن متمرکز شده است. به عنوان مثال، تبدیل‌ های هندسی سریع مبتنی بر FRQI شامل جابه‌ جایی (دو نقطه‌ای)، چرخش، چرخش‌ های (متعامد)[۱۵] و تبدیل‌ های هندسی محدود برای محدود کردن این عملیات به ناحیه مشخصی از یک تصویر[۱۶] در ابتدا پیشنهاد شد.

به‌ تازگی، ترجمه تصویر کوانتومی مبتنی بر NEQR برای ترسیم موقعیت هر عنصر تصویر در یک تصویر ورودی به موقعیت جدیدی در یک تصویر خروجی[۱۷] و مقیاس‌ گذاری تصویر کوانتومی برای تغییر اندازه یک تصویر کوانتومی[۱۸] مورد بحث قرار گرفت.

در حالی که شکل کلی تبدیل رنگ مبتنی بر FRQI برای اولین بار با استفاده از گیت‌های تک-کیوبیتی مانند گیت‌های X, Z و H ارائه شد.[۱۹] سپس اپراتور کانال مورد علاقه مبتنی بر تصویر کوانتومی چند کاناله (Col) که مستلزم تغییر مقدار مقیاس خاکستری کانال رنگی از پیش انتخاب شده و عملگر تعویض کانال (CS) برای تعویض مقدار های مقیاس خاکستری بین دو کانال به‌ طور کامل مورد بحث قرار گرفت.

برای نشان دادن امکان‌ سنجی و قابلیت الگوریتم‌ ها و کاربرد های QIMP، پژوهشگران همیشه ترجیح می‌دهند وظیفه‌ های پردازش تصویر دیجیتال را بر اساس QIR هایی که پیش‌تر داریم شبیه‌ سازی کنند. با استفاده از گیت‌ های کوانتومی پایه و عملیات فوق، تا کنون پژوهشگران به استخراج ویژگی‌ های تصویر کوانتومی،[۲۰] مقایسه تصویر، تثبیت،[۲۱][۲۲] تقسیم‌ بندی تصویر کوانتومی،[۲۲] مورفولوژی تصویر کوانتومی،[۲۳] فیلتر کوانتومی تصویر کوانتومی، طبقه‌ بندی تصویر های کوانتومی،[۲۴] تصویر کوانتومی در میان سایر موارد، کمک کرده‌اند.

به‌طور ویژه، فناوری‌ های امنیتی مبتنی بر QIMP، همان‌ طور که در بحث‌ های بعدی ارائه می‌ شود، توجه گسترده‌ ای از پژوهشگران را به خود جلب کرده است. به‌ طور مشابه، این پیشرفت‌ ها منجر به کاربرد های زیادی در زمینه‌ های واترمارک،[۲۵][۲۶][۲۷] رمزگذاری،[۲۸] و steganography[۲۹] (پنهان‌ سازی یک پیام کوچک درون فایل بزرگ‌ تری که به‌ ظاهر حاوی چیز دیگری است) شده است که فناوری‌ های امنیتی اصلی برجسته‌ شده در این زمینه را تشکیل می‌دهند.

به‌طور کلی، کار هایی که پژوهشگران در این زمینه دنبال می‌ کنند، بر گسترش کاربرد QIMP برای تحقق الگوریتم‌ های پردازش تصویر دیجیتالی شبیه به کلاسیک متمرکز است، پیشنهاد فن‌ آوری برای تحقق فیزیکی سخت‌ افزار QIMP، یا صرفاً به چالش‌ های احتمالی که می‌ تواند مانع تحقق برخی از پروتکل‌ های QIMP شود.

تبدیل تصویر کوانتومی[ویرایش]

با رمزگذاری و پردازش اطلاعات تصویر در سامانه‌های مکانیکی کوانتومی، چارچوبی از پردازش تصویر کوانتومی ارائه می‌شود که در آن یک حالت کوانتومی خالص اطلاعات تصویر را رمزگذاری می‌کند: برای رمزگذاری مقادیر پیکسل در دامنه‌های احتمال و موقعیت‌های پیکسل در حالت‌های پایه محاسباتی خواهیم داشت:

با فرض یک تصویر F = (Fi,j)M x L، که Fi,j نشان دهند مقدار پیکسل در مکان (i,j) با مقدارهای i = ۱ , ۲ , … , M و j = ۱ , ۲ , … , L و بردار f با اجزای ML که می‌توان آن را با فرض این‌که M اولین ستون F و M بعدی ستون دوم F و … باشد، تشکیل داد.

دسته بزرگی از عملیات تصویر خطی هستند، به عنوان مثال، تبدیل واحد، پیچیدگی (convolution)، و فیلتر خطی. در محاسبه‌های کوانتومی، تبدیل خطی را می‌توان به صورت ⟩g⟩ = Û|f| با حالت تصویر ورودی ⟨f| و حالت تصویر خروجی ⟨g| نشان داد. یک تحول واحد می‌تواند به عنوان یک تکامل واحد اجرا شود. برخی از تبدیل‌های اصلی و رایج تصویر (مانند تبدیل موجک فوریه، هادامارد و هار) را می‌توان به شکل G = PFQ، با تصویر G و یک ردیف (ستون) تبدیل ماتریس P(Q) بیان کرد.

سپس عملگر واحد متناظر Ü را می‌توان به صورت Û = QT⊗P نوشت. چندین تبدیل تصویر دو بعدی که معمولاً مورد استفاده قرار می‌گیرند، مانند تبدیل موجک هار، فوریه و هادامارد، به‌طور تجربی بر روی یک رایانهٔ کوانتومی نشان داده شده‌اند، با سرعت نمایی بیش از آن‌ها. همتایان کلاسیک علاوه بر این، یک الگوریتم کوانتومی بسیار کارآمد جدید برای تشخیص مرز بین نواحی مختلف یک تصویر پیشنهاد شده و به‌صورت تجربی پیاده‌سازی می‌شود. این الگوریتم تنها به یک دروازه کیوبیت در مرحله پردازش، مستقل از اندازه تصویر نیاز دارد.

پانویس[ویرایش]

  1. Venegas-Andraca, Salvador Elías (2005). "Discrete quantum walks and quantum image processing" (به انگلیسی). {{cite journal}}: Cite journal requires |journal= (help)
  2. ۲٫۰ ۲٫۱ ۲٫۲ ۲٫۳ Iliyasu, A.M. (2013). "Towards realising secure and efficient image and video processing applications on quantum computers" (https://doi.org/10.3390%2Fe15082874). Entropy. 15 (8): 2874–2974. Bibcode:2013Entrp..15.2874I (https://ui.adsabs.harvard.edu/abs/2013Entr p..15.2874I). doi:10.3390/e15082874 (https://doi.org/10.3390%2Fe15082874).
  3. ۳٫۰ ۳٫۱ Yan, F. ; Iliyasu, A.M. ; Le, P.Q. (2017). "Quantum image processing: A review of advances in its security technologies" (https://doi.org/10.1142%2FS0219749917300017). International Journal of Quantum Information. 15 (3): 1730001–44. Bibcode:2017IJQI...1530001Y (https:// ui.adsabs.harvard.edu/abs/2017IJQI...1530001Y). doi:10.1142/S0219749917300017 (http s://doi.org/10.1142%2FS0219749917300017).
  4. Beach, G. ; Lomont, C. ; Cohen, C. (2003). "Quantum image processing (QuIP)". Proceedings of the 32nd Applied Imagery Pattern Recognition Workshop: 39–40. doi:10.1109/AIPR.2003.1284246 (https://doi.org/10.1109%2FAIPR.2003.1284246). ISBN 0-7695-2029-4. S2CID 32051928 (https://api.semanticscholar.org/CorpusID:32051928).
  5. Schutzhold, R. (2003). "Pattern recognition on a quantum computer". Physical Review A. 67 (6): 062311. arXiv:quant-ph/0208063 (https://arxiv.org/abs/quant-ph/0208063). Bibcode:2003PhRvA..67f2311S (https://ui.adsabs.harvard.edu/abs/2003PhRvA..67f2311S). doi:10.1103/PhysRevA.67.062311 (https://doi.org/10.1103%2FPhysRevA.67.062311).
  6. Pittman, T.B. ; Shih, Y.H. ; Strekalov, D.V. (1995). "Optical imaging by means of two-photon quantum entanglement". Physical Review A. 52 (5): R3429–R3432. Bibcode:1995PhRvA..52.3429P (https://ui.adsabs.harvard.edu/abs/1995PhRvA..52.3429P). doi:10.1103/PhysRevA.52.R3429 (https://doi.org/10.1103%2FPhysRevA.52.R3429). PMID 9912767 (https://pubmed.ncbi.nlm.nih.gov/9912767).
  7. Lugiato, L.A. ; Gatti, A. ; Brambilla, E. (2002). "Quantum imaging". Journal of Optics B. 4 (3): S176–S183. arXiv:quant-ph/0203046 (https://arxiv.org/abs/quant-ph/0203046). Bibcode:2002JOptB...4S.176L (https://ui.adsabs.harvard.edu/abs/2002JOptB...4S.176L). doi:10.1088/1464-4266/4/3/372 (https://doi.org/10.1088%2F1464-4266%2F4%2F3%2F372). S2CID 9640455 (https://api.semanticscholar.org/CorpusID:9640455).
  8. Venegas-Andraca, S.E. ; Bose, S. (2003). "Quantum Computation and Image Processing: New Trends in Artificial Intelligence" (https://www.ijcai.org/Proceedings/03/Papers/276.pdf) (PDF). Proceedings of the 2003 IJCAI International Conference on Artificial Intelligence: 1563–1564.
  9. Venegas-Andraca, S.E. ; Bose, S. (2003). Donkor, Eric; Pirich, Andrew R; Brandt, Howard E (eds.). "Storing, processing, and retrieving an image using quantum mechanics". Proceedings of SPIE Conference of Quantum Information and Computation. Quantum Information and Computation. 5105: 134–147. Bibcode:2003SPIE.5105..137V (https://ui.ads abs.harvard.edu/abs/2003SPIE.5105..137V). doi:10.1117/12.485960 (https://doi.org/10.111 7%2F12.485960). S2CID 120495441 (https://api.semanticscholar.org/CorpusID:120495441).
  10. Latorre, J.I. (2005). "Image compression and entanglement" (https://archive.org/details/arxiv- quant-ph0510031). arXiv:quant-ph/0510031 (https://arxiv.org/abs/quant-ph/0510031). Bibcode:2005quant.ph.10031L (https://ui.adsabs.harvard.edu/abs/2005quant.ph.10031L).
  11. Venegas-Andraca, S.E. ; Ball, J. (2010). "Processing Images in Entangled Quantum Systems". Quantum Informatiom Processing. 9 (1): 1–11. doi:10.1007/s11128-009-0123-z (h ttps://doi.org/10.1007%2Fs11128-009-0123-z). S2CID 34988263 (https://api.semanticschola r.org/CorpusID:34988263).
  12. Gatti, A. ; Brambilla, E. (2008). "Quantum imaging". Progress in Optics. 51 (7): 251–348. doi:10.1016/S0079-6638(07)51005-X (https://doi.org/10.1016%2FS0079-6638(07)5 1005-X).
  13. Yan, F. ; Iliyasu, A.M. ; Venegas-Andraca, S.E. (2016). "A survey of quantum image representations". Quantum Informatiom Processing. 15 (1): 1–35. Bibcode:2016QuIP...15....1Y (https://ui.adsabs.harvard.edu/abs/2016QuIP...15....1Y). doi:10.1007/s11128-015-1195-6 (https://doi.org/10.1007%2Fs11128-015-1195-6). S2CID 31229136 (https://api.semanticscholar.org/CorpusID:31229136).
  14. Yan, Fei; Venegas-Andraca, Salvador E. (2020). Quantum Image Processing (https://www.s pringer.com/gp/book/9789813293304). Springer. ISBN 978-9813293304.
  15. Le, P. ; Iliyasu, A. ; Dong, F. ; Hirota, K. (2010). "Multi-dimensional color image storage and retrieval for a normal arbitrary quantum superposition state". IAENG International Journal of Applied Mathematics. 40 (3): 113–123.
  16. Le, P. ; Iliyasu, A. ; Dong, F. ; Hirota, K. (2011). "Strategies for designing geometric transformations on quantum images" (https://core.ac.uk/download/pdf/82724999.pdf) (PDF). Theoretical Computer Science. 412 (15): 1406–1418. doi:10.1016/j.tcs.2010.11.029 (https:// doi.org/10.1016%2Fj.tcs.2010.11.029).
  17. Wang, J. ; Jiang, N. ; Wang, L. (2015). "Quantum image translation". Quantum Information Processing. 14 (5): 1589–1604. Bibcode:2015QuIP...14.1589W (https://ui.adsabs.harvard.ed u/abs/2015QuIP...14.1589W). doi:10.1007/s11128-014-0843-6 (https://doi.org/10.1007%2Fs 11128-014-0843-6). S2CID 33839291 (https://api.semanticscholar.org/CorpusID:33839291).
  18. Jiang, N. ; Wang, J. ; Mu, Y. (2015). "Quantum image scaling up based on nearest-neighbor interpolation with integer scaling ratio". Quantum Information Processing. 14 (11): 4001– 4026. Bibcode:2015QuIP...14.4001J (https://ui.adsabs.harvard.edu/abs/2015QuIP...14.4001 J). doi:10.1007/s11128-015-1099-5 (https://doi.org/10.1007%2Fs11128-015-1099-5). S2CID 30804812 (https://api.semanticscholar.org/CorpusID:30804812).
  19. Le, P. ; Iliyasu, A. ; Dong, F. ; Hirota, K. (2011). "Efficient colour transformations on quantum image". Journal of Advanced Computational Intelligence and Intelligent Informatics. 15 (6): 698–706. doi:10.20965/jaciii.2011.p0698 (https://doi.org/10.20965%2Fjaciii.2011.p0698).
  20. Zhang, Y. ; Lu, K. ; Xu, K. ; Gao, Y. ; Wilson, R. (2015). "Local feature point extraction for quantum images". Quantum Information Processing. 14 (5): 1573–1588. Bibcode:2015QuIP...14.1573Z (https://ui.adsabs.harvard.edu/abs/2015QuIP...14.1573Z). doi:10.1007/s11128-014-0842-7 (https://doi.org/10.1007%2Fs11128-014-0842-7). S2CID 20213446 (https://api.semanticscholar.org/CorpusID:20213446).
  21. Yan, F. ; Iliyasu, A. ; Yang, H. ; Hirota, K. (2016). "Strategy for quantum image stabilization" (htt ps://doi.org/10.1007%2Fs11432-016-5541-9). Science China Information Sciences. 59 (5): 052102. doi:10.1007/s11432-016-5541-9 (https://doi.org/10.1007%2Fs11432-016-5541-9).
  22. ۲۲٫۰ ۲۲٫۱ Yan, F. ; Iliyasu, A. ; Le, P. ; Sun, B. ; Dong, F. ; Hirota, K. (2013). "A parallel comparison of multiple pairs of images on quantum computers". International Journal of Innovative Computing and Applications. 5 (4): 199–212. doi:10.1504/IJICA.2013.062955 (https://doi.or g/10.1504%2FIJICA.2013.062955).
  23. Sun, B. ; Iliyasu, A. ; Yan, F. ; Garcia, J. ; Dong, F. ; Al-Asmari, A. (2014). "Multi-channel information operations on quantum images". Journal of Advanced Computational Intelligence and Intelligent Informatics. 18 (2): 140–149. doi:10.20965/jaciii.2014.p0140 (http s://doi.org/10.20965%2Fjaciii.2014.p0140).
  24. Caraiman, S. ; Manta, V. (2013). "Quantum image filtering in the frequency domain" (https://d oi.org/10.4316%2FAECE.2013.03013). Advances in Electrical and Computer Engineering. 13 (3): 77–84. doi:10.4316/AECE.2013.03013 (https://doi.org/10.4316%2FAECE.2013.0301 3).
  25. Iliyasu, A. ; Le, P. ; Dong, F. ; Hirota, K. (2012). "Watermarking and authentication of quantum images based on restricted geometric transformations". Information Sciences. 186 (1): 126– 149. doi:10.1016/j.ins.2011.09.028 (https://doi.org/10.1016%2Fj.ins.2011.09.028).
  26. Heidari, S. ; Naseri, M. (2016). "A Novel Lsb based Quantum Watermarking". International Journal of Theoretical Physics. 55 (10): 4205–4218. Bibcode:2016IJTP...55.4205H (https://u i.adsabs.harvard.edu/abs/2016IJTP...55.4205H). doi:10.1007/s10773-016-3046-3 (https://do i.org/10.1007%2Fs10773-016-3046-3). S2CID 124870364 (https://api.semanticscholar.org/C orpusID:124870364).
  27. Ruan, Y. ; Chen, H. ; Tan, J. (2016). "Quantum computation for large-scale image classification" (https://www.researchgate.net/publication/305644388). Quantum Information Processing. 15 (10): 4049–4069. Bibcode:2016QuIP...15.4049R (https://ui.adsabs.harvard.e du/abs/2016QuIP...15.4049R). doi:10.1007/s11128-016-1391-z (https://doi.org/10.1007%2Fs 11128-016-1391-z). S2CID 27476075 (https://api.semanticscholar.org/CorpusID:27476075).
  28. Zhou, R. ; Wu, Q. ; Zhang, M. ; Shen, C. (2013). "Quantum image encryption and decryption algorithms based on quantum image geometric transformations. International". Journal of Theoretical Physics. 52 (6): 1802–1817. doi:10.1007/s10773-012-1274-8 (https://doi.org/10. 1007%2Fs10773-012-1274-8). S2CID 121269114 (https://api.semanticscholar.org/CorpusI D:121269114).
  29. Jiang, N. ; Zhao, N. ; Wang, L. (2015). "Lsb based quantum image steganography algorithm". International Journal of Theoretical Physics. 55 (1): 107–123. doi:10.1007/s10773-015- 2640-0 (https://doi.org/10.1007%2Fs10773-015-2640-0). S2CID 120009979 (https://api.sem anticscholar.org/CorpusID:120009979).