今天分享的论文是实验室发表在IEEE ISPA2024（CCF C类会议）的文章。这篇文章介绍了一种名为QGIP的框架，该框架旨在桥接量子灰度图像处理与应用之间的过程。文章首先提出了一种通用的量子线性恢复算法（QLR），用于在图像处理过程中的线性变换阶段之后进行灰度图像恢复。该算法通过减少时间复杂度，从经典算法的O(2^n)降至O(n)，极大地提高了处理效率。接着，文章还提出了两种基于基本编码的量子资源优化压缩方法，适用于可选的无损图像存储。文章进一步在IBM Quantum平台进行了模拟验证，结果证明了该方法的正确性和高效性。
实验背景
在量子图像处理领域，现有的量子灰度图像恢复方法只能通过经典计算机计算上一步酉变换的逆矩阵，然后通过哈密顿模拟将其分解为单量子门和CNOT门的组合，重新编译到量子计算机中；或者对量子图像重新编码，再经历一系列的图像操作 U1 到 Uk−1 来进行图像恢复。这两种方法都难以有效衔接后续的图像应用过程，且耗费大量的量子资源。
实验设计
文章基于HHL算法，提出了基于幅值编码的量子灰度图像复原算法QLR，如下图所示：
由于幅值编码无法精确恢复图像数据，本文提供了两种可选的灰度图像压缩方法：QDEG和QREG。这两个算法在量子资源利用方面，相较于当前的量子图像表示方式，进一步优化了效率。通过QLR算法，QDEG，QREG以及现有量子基础算法和模块，构建了QGIP量子灰度图像处理框架：
实验结果
文章的实验部分在IBM Quantum平台上进行了模拟仿真，结果显示，与经典图像处理过程相比，QGIP在资源消耗方面获得了显著的优化。
