[发明专利]基于改进型的视觉词典树的图像闭环检测方法

权利要求书

1.一种基于改进型的视觉词典树的图像闭环检测方法，其特征在于，包括如下步骤：

步骤1，利用分层的K均值聚类方案建立视觉词典树，使用所述视觉词典树中的每个节点以及每个节点的TF-IDF熵而得出的得分向量描述至少两张预定帧的图像；

步骤2，对步骤1中的图像进行相似性计算；

步骤2-1，利用图像P和图像Q在同一单词得分权重的最小值来表示单词的相似性得分；

步骤2-2，当存在图像M、图像P以及图像Q时，若图像M和图像Q的相似性得分与图像P和图像Q间的相似性得分相同，则转入步骤2-3；

步骤2-3，改进相似性得分的计算公式，如下：

其中，表示图像P和图像Q在视觉词典树中第l层上第i个节点的相似性得分，表示图像P在视觉词典树中第l层上第i个节点的得分向量，图像Q在视觉词典树中第l层上第i个节点的得分向量；

步骤2-4，当每幅图像存在的单词个数远远小于视觉词典树中所有单词的数量，即图像中许多单词的得分权重为0时，改进相似性得分的计算公式为：

其中，表示图像P和图像Q在视觉词典树中第l层上第i个节点的相似性得分，表示图像P在视觉词典树中第l层上第i个节点的得分向量，图像Q在视觉词典树中第l层上第i个节点的得分向量；

步骤2-5，基于图像P和图像Q在视觉词典树中第l层上第i个节点的相似性得分的计算公式，定义图像P和图像Q在第l层的相似性得分的计算公式为：

其中，l表示视觉词典树的层数，i代表第l层的节点数，表示图像P和图像Q在视觉词典树中第l层上第i个节点的相似性得分；

步骤2-6，基于图像P和图像Q在第l层的相似性得分的函数，定义图像P和图像Q在第l层的相似性得分的增量，以避免图像P和图像Q的相似性在视觉词典树中从上往下的重复累计，定义所述图像P和图像Q在第l层的相似性得分的增量为：

其中，S^l(P,Q)表示图像P和图像Q在第l层的相似性计算得分，S^l+1(P,Q)表示图像P和图像Q在第l+1层的相似性计算得分；

步骤2-7，基于步骤2-6中相似性得分的增量，定义P、Q两幅图像之间的相似性计算得分的公式为：

其中，K(P,Q)表示图像P和图像Q的相似性计算得分，S^l(P,Q)表示图像P和图像Q在第l层的相似性计算得分，S^l+1(P,Q)表示图像P和图像Q在第l+1层的相似性计算得分，S^L(P,Q)表示图像P和图像Q在第L层的相似性计算得分，表示视觉词典树的匹配强度系数；

步骤3，利用图像在时间和空间上的约束关系来对误正闭环进行处理。