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！

龙图腾网获悉中国计量大学申请的专利一种基于形变图像相似性学习的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：CN119888292B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510377988.1，技术领域涉及：G06V10/762；该发明授权一种基于形变图像相似性学习的聚类方法是由朱余杰;朱文杰;董英杰设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本一种基于形变图像相似性学习的聚类方法在说明书摘要公布了：本发明涉及一种基于形变图像相似性学习的聚类方法，S1.输入未对齐的图像数据矩阵；S2.初始化谱特征矩阵和旋转变换向量，利用未对齐的图像数据矩阵，初始化关联矩阵；S3.设置迭代次数t，利用初始化关联矩阵、谱特征矩阵和旋转变换向量，采用交替优化策略，依次迭代初始化后的关联矩阵、谱特征矩阵和旋转变换向量，直到迭代次数结束，获得优化后的谱特征矩阵；S4.离散化优化后的谱特征矩阵，得到最终的聚类结果。本发明通过设计一种高效形变图像聚类方法，实现对未对齐图像的精准聚类，可用于对形变图像的聚类研究。

本发明授权一种基于形变图像相似性学习的聚类方法在权利要求书中公布了：1.一种基于形变图像相似性学习的聚类方法，其特征在于，包括： S1.输入未对齐的图像数据矩阵，其中，表示图像样本的维数，表示图像 样本的个数，表示实数域； S2.初始化谱特征矩阵和旋转变换向量，利用未对齐的图像数据 矩阵，初始化关联矩阵，其中，表示聚类的数目，表示旋转向量的维数； S3.设置迭代次数t，利用初始化的关联矩阵、谱特征矩阵和旋转变换向量，采用交替优化策略，依次迭代优化关联矩阵、谱特征矩阵和旋转变换向量，直到迭代次数结束，获得优化后的谱特征矩阵； S4.离散化优化后的谱特征矩阵，得到最终的聚类结果； 初始化谱特征矩阵、旋转变换向量和关联矩阵，包括： 初始化谱特征矩阵为一个随机矩阵，所有元素不小于0； 初始化旋转变换向量为全1向量； 利用未对齐的图像数据矩阵，初始化关联矩阵，计算公式如下： 其中，是矩阵的第i行第j列元素，和分别表示矩阵的第i列向量和第j列 向量，是控制参数，表示向量的2范数，的k近邻表示在N个图像样本中距离最近的个图像样本，的k近邻表示在N个图像样本中距离最近的个图像样本； 所述交替优化策略包括： S31.固定谱特征矩阵和旋转变换向量，优化关联矩阵，计算公式如下： 其中，表示系数矩阵，是的转置矩阵，的第j列向量的计算公式如下： 其中，是权重参数，表示单位矩阵，表示单位矩阵的转置，表示谱关系 矩阵，表示谱关系矩阵的第j列向量，表示复合旋转矩阵，表示复合旋转矩阵的 第j列向量，表示的逆矩阵； 其中，谱关系矩阵的计算公式如下： 其中，表示谱关系矩阵的第i行第j列元素，和分别表示谱特征转置矩阵 的第i列和第j列向量； 其中，复合旋转矩阵的计算公式如下： 其中，表示空间卷积运算，表示的转置； S32.固定关联矩阵和旋转变换向量，优化谱特征矩阵的方法是通过计算拉普拉 斯矩阵的前个最小非0特征向量构成的矩阵，其中，拉普拉斯矩阵第i行第j列元素 的计算公式如下： S33.固定关联矩阵和谱特征矩阵，优化旋转变换向量的公式如下： 其中，表示第j个形变图像的旋转变换量，表示的增量，计算公式为： 其中，表示系数矩阵的第j列向量，表示第j个图像在旋转变换向量处雅各比 矩阵的广义逆矩阵，计算公式为： 其中，为偏导符号，是对应的微分变量。

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中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258号；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”。