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！

龙图腾网获悉安徽师范大学申请的专利一种基于改进密度峰的图像聚类方法及系统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：CN117115492B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202311081239.1，技术领域涉及：G06V10/762；该发明授权一种基于改进密度峰的图像聚类方法及系统是由黄帆;孙丽萍;郑子昂;任威;罗永龙设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本一种基于改进密度峰的图像聚类方法及系统在说明书摘要公布了：本发明揭示了利用密度峰聚类算法进行图像处理的方法和系统，包括如下步骤：S1、获取待聚类的图像数据；S2、计算每个图像数据的局部密度和距离；S3、根据图像的局部密度和距离将图像划分为若干簇；S4、利用层次聚类合并簇，得到最终的图像聚类结果。上述方案无需指定初始图像数据即初始聚类中心，聚类结果也与选取的初始图像数据无关，因此可以解决现有技术中在对图像数据进行聚类时，因初始聚类中心选择不合理导致图像处理失败的问题。

本发明授权一种基于改进密度峰的图像聚类方法及系统在权利要求书中公布了：1.一种基于改进密度峰的图像聚类方法，其特征在于，包括以下步骤： 步骤1、获取待聚类的图像数据； 步骤2、计算每个图像数据的局部密度和距离； 步骤3、根据局部密度和距离，将图像分成若干个簇； 步骤4、利用层次聚类合并簇，得到最终的图像聚类结果； 所述步骤1中，假设所有图像的像素均为G×M，将第1张图像进行灰度化处理，形成大小为G×M的矩阵X1＝x1,x2,…,xM，对剩余的N-1张图像做相同的处理，形成大小为N×M的图像样本集X＝{X1,X2,…,XN}，X1,X2,…,XN表示样本点； 所述步骤2中，根据步骤1得到的图像样本集X，首先计算每个样本点的k近邻集，进而获得每个样本的k互近邻集和非k互近邻集，依据每个样本点k互近邻集和非k互近邻集来计算局部密度和距离； 所述步骤2包括以下步骤： 步骤2.1：对于大小为N×M的图像样本集，记作X＝{X1,X2,…,XN}，计算任意两个样本点Xi和Xj间的欧式距离： 步骤2.2：根据步骤2.1计算得到的欧式距离值，计算每个样本点的k近邻集，k近邻集的定义如下： KNNXi＝{xj∈X|dXi,Xj≤dXi,Xk}； 其中，Xk是Xi第k近的样本点； 步骤2.3：根据k近邻集来计算每个样本点的k互近邻集和非k互近邻集，样本点Xi的k互近邻集MNNXi定义为： MNNXi＝{Xj|Xj∈KNNXi,Xi∈KNNXj}； 样本点Xi的非k互近邻集NMNNXi定义为： 步骤2.4：根据k互近邻集和非k互近邻集来计算每个样本点的局部密度，样本点Xi的局部密度定义为： 步骤2.5：根据k互近邻集和非k互近邻集来计算每个样本点的距离，样本点Xi的距离定义为： 其中，

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安徽师范大学，其通讯地址为：241000 安徽省芜湖市弋江区花津南路安徽师范大学；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。