图像复制-粘贴篡改会给社会发展和个人信誉造成严重的不良影响。因此,图像复制-粘贴篡改检测研究对加强社会公信力、维护司法公正、保护国家信息内容安全等方面具有十分重要的意义。随着图像处理技术的日益成熟,传统图像复制-粘贴篡改检测方法也显露出诸多局限性。一方面由于图像质量越来越高,基于图像关键特征检测算法的复杂性也随之增加;另一方面由于图像后处理操作越来越复杂,在图像检测过程中需要提取的特征越来越多,消耗大量计算资源。因此,论文利用量子所具有的叠加、纠缠特性和量子计算的并行性优势,研究量子聚类算法解决篡改图像关键点特征匹配过程中效率低、计算复杂等问题。主要研究工作可以归纳为如下两个方面:1.针对图像复制-粘贴检测提取关键点数量多、传统聚类算法易陷入局部最优导致图像复制-粘贴检测过程中特征点匹配准确率不高的问题,探索了一种基于量子粒子群聚类算法的图像复制-粘贴检测方法。该方法首先通过SIFT算法提取出特征关键点向量;然后使用量子粒子群算法对特征关键点向量进行聚类,在聚类簇中进行关键点匹配;最后根据RANSAC算法去除错误匹配点,检测出图像复制-粘贴篡改点对。实验结果表明,该方法与在一定程度上提高了图像复制-粘贴检测的准确率,并且对后处理图像也能表现出良好的性能。2.针对图像复制-粘贴检测提取的特征向量维数高、特征匹配效率不高等问题,探索了一种基于量子k-means聚类算法的图像复制-粘贴检测方法。该方法首先根据SIFT和A-KAZE提取图像关键点特征子描述向量;然后将特征点描述向量做酉变换和黑箱Oracle操作进行量子化处理,通过量子模距离选取聚类中心,采用量子相似性查找进行聚类;最后对每个聚类簇中的特征关键点进行特征匹配得到图像复制-粘贴篡改点匹配对。实验结果表明,该方法在图像检测中降低了时间消耗,具有一定的抗旋转、缩放、压缩、噪声等后处理操作的能力。