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！

龙图腾网获悉湖北工业大学申请的专利基于自适应聚类和线性规划最优化选点的点画生成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：CN116452686B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310197951.1，技术领域涉及：G06T11/00；该发明授权基于自适应聚类和线性规划最优化选点的点画生成方法是由李军;董红亮;向彦伯;钮焱设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本基于自适应聚类和线性规划最优化选点的点画生成方法在说明书摘要公布了：本发明公开了一种基于自适应聚类和线性规划最优化选点的点画生成方法，该算法首先采用超像素预处理图像，将原图像划分为颜色接近的超像素块，减小问题处理规模。但该像素块依然存在颜色跳跃子集，进一步依据颜色密度峰值自适应聚类方法将超像素块划分为更小的像素子聚类，并用三角形手肘法验证，确保在子聚类内部颜色无明显跳跃。然后依据子聚类内部颜色均值确定生成采样半径，最后，根据图像相似度指标SSIM确定线性规划最优目标的选点模型，实验证明，在视觉效果和SSIM、PSNR评分等方面，本发明所提出的彩色点画生成算法均优于现有大部分方法，在低成本彩色黑白打印，像素画方面有着广泛的应用。

本发明授权基于自适应聚类和线性规划最优化选点的点画生成方法在权利要求书中公布了：1.基于自适应聚类和线性规划最优化选点的点画生成方法，其特征在于，包括以下步骤： 步骤1，采用SLIC超像素算法对图像进行初步划分，将输入图像分割为一系列具有边界清晰且空间紧凑的超像素块，在后续的处理中用超像素块代替像素作为基本单位进行操作； 步骤2，采用基于颜色密度峰值自适应聚类算法和三角形手肘法进一步将超像素块自适应划分为合适的子聚类， 步骤2中基于颜色密度峰值自适应聚类算法的具体实现方式如下； 步骤2.1，首先进行预处理，获得密度决策图； 步骤2.2，然后进行预聚类，将决策图中的点按其密度的升序排序，计算最大密度差和平均密度差，将决策图中最大密度变化点左侧的数据点视为噪声点并剔除，选取密度大于平均值和扩散距离大于平均值的点作为初始聚类中心，其中平均值是由剔除噪声点后的所有数据点的密度值求平均得到，记聚类中心点列表为，即初始聚类有个； 步骤2.3，最后根据初始聚类中心的点对点距离进行合并聚类； 步骤2.1中获得密度决策图的具体实现方式如下； 2.2.1，记每个超像素点集合为，集合内部内的点由三元组构成，，分别代表不同的点号，代表该点不同的颜色，分别代表该点的横坐标和纵坐标； 定义计算任意两点i和j之间的颜色距离，由欧式距离和颜色差值的指数相乘构成； 1 2.1.2，根据高斯核函数定义局部点密度： 设定截断距离为，的计算公式为： 3 2.1.3，计算任意点的扩散距离 对于密度最高的数据点，扩散距离是像素点对之间所有距离的最大值，对于任何其他像素点，扩散距离是从其到密度大于它的所有像素点的所有距离的最小值，因此像素点的扩散距离可以按以下两种情况计算： 4 2.1.4，以密度为横坐标，扩散距离为纵坐标，绘制决策图； 步骤3，采用基于SSIM值的目标优化模型选取子聚类中最合适的点； 步骤4，所有选中的点赋予原图中的原色，其余点改为背景色，形成新的彩色点画图像。

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湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28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”。

以上内容由龙图腾AI智能生成。