经典数字图像处理技术已经在日常生活中发挥了重要作用,例如商品识别、自助付款、车辆识别、刷脸解锁、刷脸支付和自动驾驶。然而图像数量的增长以及分辨率的提高给经典数字图像处理技术的存储和计算带来了严峻挑战。量子图像处理技术结合了量子计算与经典数字图像处理技术,利用量子叠加和量子纠缠等性质改善经典数字图像处理技术的计算效率和存储能力。按照图像初级处理到图像高级处理的顺序,本文依次研究了量子图像空间域滤波算法、量子图像缩放算法、量子图像相似性度量算法、量子图像降维算法和量子人脸识别。本文研究内容探索和拓展了量子计算在数字图像处理领域的应用,一方面为数字图像处理技术的发展和应用提供了新的思路,另一方面展现了量子计算潜在的应用场景,对量子计算理论完善和应用推广有一定的实用价值和指导意义。具体研究内容如下:（1）针对已有量子图像空间域滤波算法消耗大量量子比特资源问题,首先基于线性酉组合方法提出了新的量子一维线性卷积和量子二维线性卷积,然后基于量子二维线性卷积实现了量子图像空间域滤波算法,包括量子图像平滑算法、量子图像锐化算法和量子图像边缘检测算法。算法复杂度分析表明,相比于其他量子算法,本文量子算法减少了量子比特资源的消耗。（2）针对已有基于双线性插值的量子图像缩放算法要求图像尺寸和缩放比例为指数型问题,本文基于广义新型增强量子图像表示模型和双线性插值方法提出了量子图像缩放算法。首先使用广义新型增强量子图像表示模型存储任意尺寸大小的图像,然后依据双线性插值方法给出缩放前后的颜色值对应关系,利用量子算术、量子加一等具有特殊功能的量子操作实现了量子图像缩放算法。算法复杂度分析表明,相比于其他量子算法,本文量子算法允许图像尺寸和缩放比例是任意整数大小。（3）针对已有量子图像相似性度量算法局限于灰度图像以及相似值依赖于量子测量次数问题,本文首先基于新型增强量子图像表示模型和量子计数方法提出了量子二值图像相似性度量算法,然后利用量子图像二值化过程将量子灰度、彩色图像相似性度量问题转化为量子二值图像相似性度量问题。算法复杂度分析表明,相比于其他量子算法,本文量子算法减少了量子测量次数。（4）针对经典多维缩放方法的高时间复杂度限制了其实际应用问题,本文基于量子奇异值估计方法提出了量子多维缩放算法。首先使用量子随机存取模型和量子线性方程求解方法计算出平方和距离矩阵对应的量子态,然后使用量子奇异值估计方法得到降维后图像对应的量子态。算法复杂度分析表明,相比于经典版本的计算效率,本文量子算法提供了多项式加速。（5）针对量子图像处理技术实际应用场景探索较少问题,本文基于量子最小二乘支持向量机以及上述本文提出的量子算法实现了量子人脸识别。量子人脸识别的训练过程与预测过程相似。首先使用规范任意的叠加态模型存储量子图像,接着使用量子图像空间域滤波算法抑制量子图像的噪音部分,然后使用量子多维缩放算法进行图像降维,最后训练过程使用量子最小二乘支持向量机得到预测模型,预测过程使用预测模型得到预测结果。