量子关联成像技术,又称为“鬼成像”,是一种起源于量子理论、利用量子的纠缠特性或光场的强度涨落特性进行成像的全新方式。与传统的成像方式不同的是鬼成像可以在不包含物体的光路上恢复出物体图像,这一特性称为非定域性。因此,近些年来成为量子光学领域的前沿和热点之一。论文研究了鬼成像在光学加密和物体分类中的应用方法,具体内容如下:(1)论文在基于计算鬼成像、光学加密理论的基础上,考虑到分数阶傅立叶变换具有独特的变换阶数这一特性,提出一种基于分数阶傅立叶变换的鬼成像光学加密方法。在此方法中,将分数阶傅里叶变换引入鬼成像,使得设计的散斑具有分数阶阶数的性质。用接收到的桶探测值恢复物体的像的时候,若不能准确地知道预先设定的分数阶阶数,那么就无法恢复正确的图像,因此分数阶傅里叶变换具有加密的作用。在此基础上,进行了相关的仿真和实验,仿真和实验结果证明了基于分数阶傅立叶变换的鬼成像光学加密方法的可行性,并且具有很高的成像安全性。(2)物体分类一直是机器学习和深度学习的核心问题,论文将鬼成像技术应用于物体的分类中,提出一种基于线性判别分析的鬼成像物体分类方法。与传统的物体分类方法不同的是,本方法首先需要设计出用于特定任务的散斑,然后可以在不需要事先得到未知物体的图片便可对未知物体进行分类;同时通过理论分析可知用该方法进行鬼成像时,照射的散斑次数较少,即只需物体的类别数减一个散斑。论文对本文提出的方法进行了手写体数字识别的仿真,根据美国国家标准技术研究所混合数据库(Mixed National Institute of Standards and Technology data base,MNIST)设计出用于鬼成像物体分类的散斑。仿真结果表明,对于十类手写体数字的分类识别,本文所提出的方法仅仅使用9个散斑就能以96.91%的准确率对未知数字图像进行分类。