买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利图聚类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115761287B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211368794.8，技术领域涉及：G06V10/762；该发明授权图聚类方法是由桂志鹏;彭德华;吴华意设计研发完成，并于2022-11-03向国家知识产权局提交的专利申请。

本图聚类方法在说明书摘要公布了：本发明公开了一种图聚类方法，包括：提取所有图像的多种图像特征降维到低维空间并进行拼接，将所有图像划分为内部点、边界点；计算所有内部点的距离矩阵，并将距离矩阵转化为权重矩阵；构建所有内部点的最大生成树并根据最大生成树构建路径相似度矩阵；根据相似度矩阵计算度矩阵和拉普拉斯矩阵；将所有内部点按照度的大小进行降序排列，将未被赋予簇标签的点逐个加入到簇中并计算该点的MeanCut值；若MeanCut的值较之前降低，则遍历下一个点；否则，拒绝当前点加入到簇中；从头遍历未赋予簇标签的点，生成下一个簇，直到所有内部点被赋予簇标签；对于每个边界点，将距离最近的内部点标签赋予它，生成最终的聚类结果。本发明能够提高图像聚类精度和效率。

本发明授权图聚类方法在权利要求书中公布了：1.一种图聚类方法，其特征在于，包括如下步骤： 步骤1、输入所有待识别和分类的图像，提取每张图像的多种图像特征，将每种高维图像特征降维到相同维度的低维空间，并进行拼接获得所有图像的低维图像特征，搜索所有图像在特征空间的K最邻近对象，并计算每个图像到其K最邻近对象的密度梯度因子，根据设定的密度梯度因子阈值将所有图像划分为内部点、边界点； 步骤2、计算所有内部点的距离矩阵从而获得所有图像之间的边长矩阵，再根据边长矩阵计算获得所有图像之间的边权重矩阵； 步骤3、构建所有内部点的最大生成树，并根据最大生成树结合所有图像之间的边权重矩阵计算获得所有图像之间的相似度的相似度矩阵； 步骤4、根据步骤3获得的相似度矩阵构建每张图像与其他图像的相似度的度矩阵以及拉普拉斯矩阵； 步骤5、将所有内部点按照度的大小进行降序排列，将未被赋予簇标签的点逐个加入到簇中并根据度矩阵和拉普拉斯矩阵计算该点的MeanCut值；若MeanCut的值较之前降低，则遍历下一个点；否则，拒绝当前点加入到簇中，并完成当前这个簇的提取；然后从头遍历未赋予簇标签的点，生成下一个簇，直到所有内部点被赋予簇标签； 步骤6、对于每个边界点，将距离最近的内部点标签赋予给它，生成最终的聚类结果，从而实现对不同图像进行识别和分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。