面向 NISQ 时代的混合量子图像边缘检测器

边缘是灰度值强度突然变化的图像位置。它们是理解和分割图像最重要的特征之一。边缘检测是数字图像处理中的标准任务，例如使用滤波技术来解决。然而，待处理的数据量迅速增长，甚至将超级计算机推向极限。量子计算有望相比经典比特数，在量子比特数方面实现指数级更低的内存占用。在本文中，我们基于量子人工神经元的想法，提出了一种用于量子边缘检测的混合方法。我们的方法可在量子计算机上实际实现，尤其是在当前噪声中等规模量子（NISQ）时代的那些计算机上。我们比较了该方法的六种变体，以减少电路数量，从而减少量子边缘检测所需的时间。利用我们方法的可扩展性，我们可以实际检测比以往大得多的图像中的边缘。