蔡小爱，张海民

(1.宣城职业技术学院 信息与财经学院,安徽 宣城 242000;2.安徽信息工程学院 计算机与软件工程学院,安徽 芜湖 241000)

0 引 言

图像中蕴含的不同特征为图像管理、存储、分类以及聚类等工作带来了前所未有的挑战[1-3]，如何有效对图像中的不同特征进行准确聚类，降低图像冗余特征对图像特征聚类结果的影响已经成为图像处理领域需要共同面对的问题。[4,5]

针对图像处理问题，相关学者与研究人员经过了长时间的研究与实践，得出了不同的聚类方法。文献[6]提出了基于多模态特征的医学图像聚类方法，对不同帧的图像进行特征提取，采用惯性测量单元对相机云顶进行解算，根据解算结果获取前后两帧图像中的特征点，进行特征点匹配，得到匹配结果，根据匹配结果对特征进行融合。实验结果表明，该方法可以适应不同的动态场景，但是该方法存在聚类结果精准度不高的问题，影响聚类结果的可靠性。文献[7]提出了自适应空间信息MRF的FCM遥感图像聚类方法，根据遥感图像中的空间结构特征，建立空间引力模型，同时，建立一个描述空间信息的马尔科夫随机场，将其引入带空间引力模型中，对图像中的边缘细节信息进行保存，从而实现对遥感图像的聚类。实验结果表明，该方法的聚类效果优于一般聚类方法，但是在聚类效率方面还有待提升。文献[8]提出了基于因子图模型的动态图半监督聚类算法，该方法通过捕捉动态图的节点属性与边邻接属性，获取节点的快照信息，并对这些信息进行分类聚类。……