(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210417687.3 (22)申请日 2022.04.20 (71)申请人 咪咕文化科技有限公司 地址 100032 北京市西城区德胜门外大街 11号5幢40 0室(德胜园区) 申请人 中国移动通信集团有限公司 (72)发明人 卢志强　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 刘瑞花 (51)Int.Cl. G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 基于曼哈顿距离的图像聚类方法、 终端设备 及存储介质 (57)摘要 本发明公开了基于曼哈顿距离的图像聚类 方法、 终端设备及可读 存储介质， 该方法包括： 对 各个待聚类图像预处理， 得到每个待聚类图像的 多个特征图像矩阵； 根据每个待聚类图像的多个 特征图像矩阵， 确定每个待聚类图像的曼哈顿距 离； 根据每个待聚类图像的曼哈顿距离， 确定每 个待聚类图像的无向图； 将无向图输入至第一预 设学习模型， 以得到每个待聚类图像的图聚类指 示矩阵； 根据每个待聚类图像的图聚类指示矩阵 确定每个待聚类图像的聚类标签。 本发明的方法 实现对待聚类图像中离群值和噪声进行处理以 使获得的无向图能较好地表征多特征图像数据 底层真实的簇结构， 以提高获得的无向图的质 量， 以通过无向图使 得最终获取得到的聚类标签 更准确提高聚类精度。 权利要求书2页 说明书9页 附图5页 CN 114821140 A 2022.07.29 CN 114821140 A 1.一种基于曼哈顿距离的图像聚类方法， 其特征在于， 所述基于曼哈顿距离的图像聚 类方法包括： 对各个待聚类图像进行 预处理， 得到每 个所述待聚类图像的多个特 征图像矩阵； 根据每个所述待聚类图像的多个特征图像矩阵， 确定每个所述待聚类图像的曼哈顿距 离； 根据每个所述待聚类图像的曼哈顿距离， 确定每 个所述待聚类图像的无向图； 将所述无向图输入至第 一预设学习 模型， 以得到每个所述待聚类图像的图聚类指示矩 阵； 根据每个所述待聚类图像的图聚类指示矩阵确定每 个所述待聚类图像的聚类标签。 2.如权利要求1所述的方法， 其特征在于， 所述根据每个所述待聚类图像的多个特征图 像矩阵， 确定每 个所述待聚类图像的曼哈顿距离的步骤 包括： 获取每个所述待聚类图像的每 个特征图像矩阵中矩阵点数据之间的差值； 确定所述差值对应的两个所述矩阵点数据属于同类型 数据时的概 率值； 根据每个所述特征图像矩阵的矩阵点数据对应的所述差值以及所述概率值， 确定每个 所述待聚类图像的曼哈顿距离 。 3.如权利要求2所述的方法， 其特征在于， 所述根据每个所述特征图像矩阵对应的所述 差值以及所述 概率值， 确定每 个所述待聚类图像的曼哈顿距离的步骤 包括： 获取所述差值对应的两个所述矩阵点数据对应的权 重值； 根据每个所述特征图像矩阵对应的所述差值、 所述概率值以及权重值， 确定每个所述 待聚类图像的曼哈顿距离 。 4.如权利要求3所述的方法， 其特征在于， 所述根据每个所述特征图像矩阵的矩阵点数 据对应的所述差值、 所述概率值以及权重值， 确定每个所述待聚类图像的曼哈顿距离的步 骤包括： 根据所述矩阵点数据对应的所述差值、 所述差值、 所述概率值以及权重值， 确定所述矩 阵点数据的乘积值； 获取每个所述特征图像矩阵的所有所述矩阵点数据的乘积值的和值， 确定每个所述待 聚类图像的曼哈顿距离 。 5.如权利要求1所述的方法， 其特征在于， 所述将所述无向图输入至第一预设学习模 型， 以得到每 个所述待聚类图像的图聚类指示矩阵的步骤之后， 还 包括： 将所述图聚类指示矩阵输入至第二预设学习模型， 以优化所述图聚类指示矩阵； 根据优化后的所述图聚类指示矩阵更新所述图聚类指示矩阵。 6.如权利要求5所述的方法， 其特征在于， 所述第 二预设学习模型为根据 所述无向图确 定度矩阵， 获取所述图聚类指示矩阵的转置矩阵， 并根据所述度矩阵、 所述无向图、 所述转 置矩阵以及所述图聚类指示矩阵进行建模获得。 7.如权利要求1所述的方法， 其特征在于， 所述根据每个所述图聚类指示矩阵确定对应 所述待聚类图像的聚类标签的步骤 包括： 确定每个所述图聚类指示矩阵中每张图像对应标签 类型的概 率值； 获取每张图像对应标签 类型的概 率值中最大概 率值对应的标签 类型； 根据最大概 率值对应的标签 类型确定所述待聚类图像的聚类标签。权　利　要　求　书 1/2 页 2 CN 114821140 A 28.一种基于曼哈顿距离的图像聚类装置， 其特征在于， 所述基于曼哈顿距离的图像聚 类装置包括： 预处理模块， 用于对各个待聚类图像进行预处理， 得到每个所述待聚类图像的多个特 征图像矩阵； 第一确定模块， 用于根据每个所述待聚类图像的多个特征图像矩阵， 确定每个所述待 聚类图像的曼哈顿距离； 第二确定模块， 用于根据每个所述待聚类对象的曼哈顿距离， 确定每个所述待聚类图 像的无向图； 输入模块， 用于将所述无向图输入至第一预设学习模型， 以得到每个所述待聚类图像 的图聚类指示矩阵； 第三确定模块， 用于根据每个所述图聚类指示矩阵确定对应所述待聚类图像的聚类标 签。 9.一种终端设备， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的基于曼哈顿距离的图像聚类程序， 所述基于曼哈顿距离的图像聚类程序 被所述处理器执行时实现如权利要求 1‑7中任一项 所述的基于曼哈顿距离的图像聚类方法 的步骤。 10.一种可读存储介质， 其特征在于， 其上存储有基于曼哈顿距离的图像聚类程序， 所 述基于曼哈顿距离的图像聚类程序被处理器执行时实现权利要求 1‑7中任一项 所述的基于 曼哈顿距离的图像聚类方法的步骤。权　利　要　求　书 2/2 页 3 CN 114821140 A 3