当前,卷积运算在图像处理以及其它许多领域有着广泛的应用。而人工智能下的卷积神经网络运算过程是重复操作计算,该过程计算缓慢且需要大量的计算步骤。尤其是随着信息革命的到来,互联网上的数据以指数爆炸的形式增长,而且加上卷积神经网络的网络结构的不断复杂、网络层数的不断增加,导致卷积神经网络在通常训练的过程中需要大量的计算资源来处理信息,经典卷积运算无法满足强人工智能对当今社会对计算速度和计算效率的要求。但是量子计算作为世界上公认的不同于经典计算的新型计算模式,主要是依据量子力学方法在量子信息单元上完成操作处理,在计算效率上由于量子态的叠加与并行计算能力的存在,使得量子计算比经典计算具有更高的优势。本文将传统卷积计算与量子并行计算的原理相结合,设计得到一种全新的计算模型即量子卷积计算,量子卷积计算模型综合了量子与卷积二者各自的优点,既具备量子并行计算与量子态叠加较快的运算速率,又具备卷积在图像处理上的特征增强与图像滤波的优势。本文所做的工作如下:1.研究了将经典信息量子化编码处理为量子信息,因经典信息无法运用到量子计算中,需将经典信息用量子图像表示（QIMR）模型编码处理为量子信息。2.设计一维量子卷积计算模型,经典卷积计算包括相乘、移位、求和,通过对量子门研究设计出相应的量子态张量积计算、量子比特概率幅置换、加法计算的算法原理,设计一维量子卷积线路模型图。3.在一维的基础上设计二维量子卷积计算模型,二维量子卷积计算不同于一维量子卷积计算的是因维度的扩展需在一维线路设计中额外增加概率福置换模块,设计二维量子卷积计算线路图。