1.本发明实施例涉及计算机技术领域,具体涉及一种图像差异性分析方法及装置。
背景技术:2.现有的图像差异性分析方法中,采用的是像素点逐帧比较的方式,若像素值差值为0,则两图相应的像素点不存在差异;若像素值差值不为0,则两图相应的像素点存在差异。
3.现有的这种图像差异性分析方法,准确性很低。比如,一张图片中是空桌子,另一张图片中桌子上放置了一个颜色相近的笔,现有方法由于计算出桌子和笔的像素值相同,因此很难识别出笔的存在,因此导致图像间差异性分析的准确性很低。
技术实现要素:4.针对现有技术存在的缺陷,本发明实施例提供一种图像差异性分析方法及装置。
5.本发明实施例提供一种图像差异性分析方法,包括:获取待分析的第一图像和第二图像;利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的;将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域;根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值;根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
6.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值,包括:获取所述网格区域的坐标范围;针对所述坐标范围中的坐标点,根据所述第一特征信息图谱计算所述第一图像中至少一个预设特征参数的取值,根据所述第二特征信息图谱计算所述第二图像中所述至少一个预设特征参数的取值;对于每个预设特征参数,根据所述第一图像中所述预设特征参数的取值及所述第二图像中所述预设特征参数的取值,计算所述坐标点的所述预设特征参数的特征参数差异值;根据所述坐标点的所述至少一个预设特征参数的所述特征参数差异值得到所述坐标点的坐标点差异值;根据所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值得到所述网格区域的区域差异值。
7.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述坐标点的所述至少一个预设特征参数的所述特征参数差异值得到所述坐标点的坐标点差异值,包括:将所述坐标点的所述至少一个预设特征参数的所述特征参数差异值求和,得到所述坐标点的坐标点差异值;所述根据所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值得到所述网格区域的区域差异值,包括:将所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值求和,得到所述网格区域的区域差异值。
8.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述第一图像中所
述预设特征参数的取值及所述第二图像中所述预设特征参数的取值,计算所述坐标点的所述预设特征参数的特征参数差异值,包括:计算所述第一图像中和所述第二图像中所述预设特征参数的取值的差值的绝对值;根据所述预设特征参数的取值的差值的绝对值得到所述坐标点的所述预设特征参数的特征参数差异值。
9.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述预设特征参数的取值的差值的绝对值得到所述坐标点的所述预设特征参数的特征参数差异值,包括:将所述预设特征参数的取值的差值的绝对值进行归一化处理后,得到所述坐标点的所述预设特征参数的特征参数差异值。
10.根据本发明实施例提供的一种图像差异性分析方法,所述至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数。
11.根据本发明实施例提供的一种图像差异性分析方法,在所述根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域之后,所述方法还包括:基于所述差异区域的坐标信息在所述第一图像中标记出所述差异区域,形成第一可视化标记图像并输出;基于所述差异区域的坐标信息在所述第二图像中标记出所述差异区域,形成第二可视化标记图像并输出。
12.根据本发明实施例提供的一种图像差异性分析方法,在所述利用预先训练好的特征计算模型,对所述第一图像和所述第二图像分别进行特征提取之前,所述方法还包括:对所述第一图像及所述第二图像进行图像预处理;其中,所述图像预处理包括统一所述第一图像及所述第二图像的图像尺寸大小、图像像素密度及图像格式。
13.本发明实施例还提供一种图像差异性分析装置,包括:接收模块,用于:获取待分析的第一图像和第二图像;提取模块,用于:利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的;划分模块,用于:将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域;计算模块,用于:根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值;确定模块,用于:根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
14.本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述图像差异性分析方法的步骤。
15.本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述图像差异性分析方法的步骤。
16.本发明实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述图像差异性分析方法的步骤。
17.本发明实施例提供的图像差异性分析方法及装置,通过获取待分析的第一图像和第二图像,利用通过深度学习预先训练好的特征计算模型,对第一图像和第二图像分别进行特征提取,得到第一特征信息图谱和第二特征信息图谱,将第一图像和第二图像的坐标重合部分划分为多个网格区域,根据第一特征信息图谱和第二特征信息图谱计算网格区域的区域差异值,根据网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区
域,可以准确地分析出两幅图像之间的差异区域,提高了图像差异性分析的准确性。
附图说明
18.为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
19.图1是本发明实施例提供的图像差异性分析方法的流程示意图;
20.图2是本发明实施例提供的图像差异性分析装置的结构示意图;
21.图3是本发明实施例提供的电子设备的结构示意图。
具体实施方式
22.为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
23.图1是本发明实施例提供的图像差异性分析方法的流程示意图。如图1所示,该方法包括:
24.步骤s1、获取待分析的第一图像和第二图像。
25.获取待分析的第一图像和第二图像,第一图像和第二图像是待进行差异性分析的一对图像。
26.步骤s2、利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的。
27.特征计算模型用于对第一图像和第二图像分别进行特征提取,得到第一特征信息图谱和第二特征信息图谱,需要在进行图像差异性分析之前,预先训练好特征计算模型。
28.训练特征计算模型之前,通过自主采集图像数据集的方式,构建成“图像对”数据集,对所有的“图像对”数据进行人工差异性标注,标注出一对图像之间的不同区域,也即具有差异性的区域。该“图像对”中的数据形式为一对图像。二者之间具有较大幅度的相似性,具有一定的程度的差异性。
29.通过深度学习的方法,使用多个卷积层、多个池化层、多个激活层、一个全连接层顺次连接来构建一个用于图像特征信息迭代学习的深度学习网络结构;其中,卷积层,用于学习图像的表层特征信息;池化层,用于对特征图谱进行降采样处理,去除冗余杂质;激活层,用于增加深度学习的非线性;全连接层,将所有输出特征转换为一个一维向量。
30.在训练特征计算模型时,将上述自主构建好的“图像对”数据集输入到搭建好的深度学习网络结构中,通过深度学习迭代训练的方式来不断学习“图像对”数据集中的所有图像差异性信息,训练结束后,生成特征计算模型。生成的特征计算模型具有计算出两幅图像之间差异性的功能。
31.步骤s3、将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域。
32.可以将图像的左下角的坐标点作为坐标原点。第一图像和第二图像的尺寸可能相同或不同。若第一图像和第二图像的尺寸相同,则第一图像和第二图像的坐标范围完全重合。若第一图像和第二图像的尺寸不同,则取第一图像和第二图像的坐标重合部分进行差异性分析。
33.将第一图像和第二图像的坐标重合部分划分为多个网格区域。网格区域的个数、大小可以根据需要设定。
34.步骤s4、根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值。
35.第一特征信息图谱和第二特征信息图谱中包括了提取到的差异性信息。根据第一特征信息图谱和第二特征信息图谱计算各个网格区域的区域差异值。区域差异值的高低表示了相应网格区域对应的第一图像和第二图像的差异化程度。
36.步骤s5、根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
37.预设区域差异阈值用于评价是否构成差异区域,可以根据设置的网格区域的大小进行适应性调整。若某个网格区域的区域差异值大于预设区域差异阈值,则确定该网格区域为差异区域。若某个网格区域的区域差异值小于或等于预设区域差异阈值,则确定该网格区域不为差异区域。
38.本发明实施例提供的图像差异性分析方法,通过获取待分析的第一图像和第二图像,利用通过深度学习预先训练好的特征计算模型,对第一图像和第二图像分别进行特征提取,得到第一特征信息图谱和第二特征信息图谱,将第一图像和第二图像的坐标重合部分划分为多个网格区域,根据第一特征信息图谱和第二特征信息图谱计算网格区域的区域差异值,根据网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域,可以准确地分析出两幅图像之间的差异区域,提高了图像差异性分析的准确性。
39.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值,包括:获取所述网格区域的坐标范围;针对所述坐标范围中的坐标点,根据所述第一特征信息图谱计算所述第一图像中至少一个预设特征参数的取值,根据所述第二特征信息图谱计算所述第二图像中所述至少一个预设特征参数的取值;对于每个预设特征参数,根据所述第一图像中所述预设特征参数的取值及所述第二图像中所述预设特征参数的取值,计算所述坐标点的所述预设特征参数的特征参数差异值;根据所述坐标点的所述至少一个预设特征参数的所述特征参数差异值得到所述坐标点的坐标点差异值;根据所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值得到所述网格区域的区域差异值。
40.在根据第一特征信息图谱和第二特征信息图谱计算网格区域的区域差异值时,首先获取网格区域的坐标范围。可以根据第一图像和第二图像的坐标范围及网格区域的划分方式预先确定网格区域的坐标范围并记录。
41.设置至少一个预设特征参数用于差异性分析。针对网络区域的坐标范围内的每个坐标点,根据第一特征信息图谱计算第一图像中至少一个预设特征参数的取值,根据第二特征信息图谱计算第二图像中至少一个预设特征参数的取值。在计算预设特征参数的取值时,可以根据坐标点所能够拆解的像素点进行计算。
42.对应每个坐标点,根据第一图像中预设特征参数的取值和第二图像中相应预设特征参数的取值,计算该预设特征参数的特征参数差异值。根据每个坐标点的至少一个预设特征参数的特征参数差异值得到坐标点的坐标点差异值。其中,坐标点差异值表示坐标点维度下两个图像的差异情况。
43.根据网格区域的坐标范围内的坐标点的坐标点差异值得到网格区域的区域差异值。区域差异值表示网格区域维度下两个图像的差异情况。
44.本发明实施例提供的图像差异性分析方法,通过设置至少一个预设特征参数,针对网格区域的坐标范围中的坐标点,根据第一特征信息图谱计算第一图像中至少一个预设特征参数的取值,根据第二特征信息图谱计算第二图像中至少一个预设特征参数的取值,对于每个预设特征参数,根据第一图像中预设特征参数的取值及第二图像中预设特征参数的取值,计算坐标点的预设特征参数的特征参数差异值,根据坐标点的至少一个预设特征参数的特征参数差异值得到坐标点的坐标点差异值,根据网格区域的坐标范围内的坐标点的坐标点差异值得到网格区域的区域差异值,进一步提高了图像差异化分析的准确度。
45.根据本发明实施例提供的图像差异性分析方法,所述根据所述坐标点的所述至少一个预设特征参数的所述特征参数差异值得到所述坐标点的坐标点差异值,包括:将所述坐标点的所述至少一个预设特征参数的所述特征参数差异值求和,得到所述坐标点的坐标点差异值;所述根据所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值得到所述网格区域的区域差异值,包括:将所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值求和,得到所述网格区域的区域差异值。
46.在根据坐标点的至少一个预设特征参数的特征参数差异值得到坐标点的坐标点差异值时,将坐标点的至少一个预设特征参数的特征参数差异值求和,得到坐标点的坐标点差异值。在根据网格区域的坐标范围内的坐标点的坐标点差异值得到网格区域的区域差异值时,将网格区域的坐标范围内的坐标点的坐标点差异值求和,得到网格区域的区域差异值。
47.本发明实施例提供的图像差异性分析方法,通过将坐标点的至少一个预设特征参数的特征参数差异值求和,得到坐标点的坐标点差异值,将网格区域的坐标范围内的坐标点的坐标点差异值求和,得到网格区域的区域差异值,在保证图像差异化分析准确性的基础上,提高了计算的简便性和快速性。
48.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述第一图像中所述预设特征参数的取值及所述第二图像中所述预设特征参数的取值,计算所述坐标点的所述预设特征参数的特征参数差异值,包括:计算所述第一图像中和所述第二图像中所述预设特征参数的取值的差值的绝对值;根据所述预设特征参数的取值的差值的绝对值得到所述坐标点的所述预设特征参数的特征参数差异值。
49.在根据第一图像中预设特征参数的取值及第二图像中预设特征参数的取值,计算坐标点的预设特征参数的特征参数差异值时,通过计算第一图像中和第二图像中预设特征参数的取值的差值的绝对值,根据预设特征参数的取值的差值的绝对值得到坐标点的预设特征参数的特征参数差异值。可以直接将预设特征参数的取值的差值的绝对值作为相应坐标点下相应预设特征参数的特征参数差异值。
50.本发明实施例提供的图像差异性分析方法,通过计算第一图像中和第二图像中预
设特征参数的取值的差值的绝对值,根据预设特征参数的取值的差值的绝对值得到坐标点的预设特征参数的特征参数差异值,进一步在保证图像差异化分析准确性的基础上,提高了计算的简便性和快速性。
51.根据本发明实施例提供的一种图像差异性分析方法,所述根据所述预设特征参数的取值的差值的绝对值得到所述坐标点的所述预设特征参数的特征参数差异值,包括:将所述预设特征参数的取值的差值的绝对值进行归一化处理后,得到所述坐标点的所述预设特征参数的特征参数差异值。
52.在根据预设特征参数的取值的差值的绝对值得到坐标点的预设特征参数的特征参数差异值时,根据设置的至少一个预设特征参数的不同,预设特征参数之间可能存在差值绝对值的大小和差异情况明显不成正比的情况。比如,有的预设特征参数的特征参数差异值很大,有的预设特征参数的特征参数差异值很小,但是二者反映的图像的差异性却相近。
53.针对这种情况,为得到更准确的图像差异性分析结果,在根据预设特征参数的取值的差值的绝对值得到坐标点的预设特征参数的特征参数差异值时,将预设特征参数的取值的差值的绝对值进行归一化处理后,得到坐标点的预设特征参数的特征参数差异值。
54.本发明实施例提供的图像差异性分析方法,通过将预设特征参数的取值的差值的绝对值进行归一化处理后,得到坐标点的预设特征参数的特征参数差异值,进一步提高了图像差异性分析的准确性。
55.根据本发明实施例提供的一种图像差异性分析方法,所述至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数。
56.本发明实施例选取能够充分反映图像之间差异性的参数加入到至少一个预设特征参数之中。至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数。下面以至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数为例,来说明差异区域的确定过程。
57.将一组“图像对”img_a和img_b传入到特征计算模型;通过特征计算模型,可得出img_a和img_b的特征信息图谱,分别记为feature_map_a,feature_map_b。对feature_map_a,feature_map_b分别进行特征信息比对计算,比对计算包括:比对计算二者中同一点的纹理特征信息、颜色特征信息、边缘大小特征信息、特征信息等。记该点为p点,二者之间位于p点的差异性总体如下所示:
[0058][0059]
其中,diff(a,b)
p
表示img_a和img_b在p点的坐标点差异值;表示img_a在p点的颜色特征参数的取值,表示img_b在p点的颜色特征参数的取值,表示img_a在p点的尺寸特征参数的取值,表示img_b在p点的尺寸特征参数的取值,表示img_a在p点的纹理特征参数的取值,表示img_b在p点的纹理特征参数的取值,表示img_a在p点的边缘特征参数的取值,表示img_b在p点的边缘特征参数的取值,表示img_a和img_b在p点的颜色特征参数的特征参数差异值,表示img_a和img_b在p点的尺寸特征参数的特征参数差异值,表示img_a和img_b在p点的纹理特征参数的特征参数
差异值,表示img_a和img_b在p点的边缘特征参数的特征参数差异值。
[0060]
其中,函数diff(x,y)的计算为:
[0061]
diff(x,y)=α|x-y|,α为用于归一化处理的差异化条件系数。
[0062]
若p点所在的网格区域a共存在n个坐标点,分别标记为1~n,则p点所在的网格区域a的区域差异值表示为:
[0063][0064]
其中,diff(a,b)a表示img_a和img_b在网格区域a的区域差异值,表示img_a在i点的颜色特征参数的取值,表示img_b在i点的颜色特征参数的取值,表示img_a在i点的尺寸特征参数的取值,表示img_b在i点的尺寸特征参数的取值,表示img_a在i点的纹理特征参数的取值,表示img_b在i点的纹理特征参数的取值,表示img_a在i点的边缘特征参数的取值,表示img_b在i点的边缘特征参数的取值,表示img_a和img_b在i点的颜色特征参数的特征参数差异值,表示img_a和img_b在i点的尺寸特征参数的特征参数差异值,表示img_a和img_b在i点的纹理特征参数的特征参数差异值,表示img_a和img_b在i点的边缘特征参数的特征参数差异值。
[0065]
利用同样的方式得到各个网格区域的区域差异值。将各个网格区域的区域差异值和预设区域差异阈值进行比较,确定区域差异值大于预设区域差异阈值的网格区域为img_a和img_b两个图像的差异区域。
[0066]
本发明实施例提供的图像差异性分析方法,通过设定至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数,通过预设特征参数的合理化设置进一步提高了图像差异性比对的准确性。
[0067]
根据本发明实施例提供的一种图像差异性分析方法,在所述根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域之后,所述方法还包括:基于所述差异区域的坐标信息在所述第一图像中标记出所述差异区域,形成第一可视化标记图像并输出;基于所述差异区域的坐标信息在所述第二图像中标记出所述差异区域,形成第二可视化标记图像并输出。
[0068]
根据网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域之后,根据差异区域的坐标信息分别在第一图像和第二图像中标记出差异区域,形成第一可视化标记图像和第二可视化标记图像并输出。
[0069]
网格区域的坐标信息可以表示为(x,y,w,h),x,y代表网格某个顶点的横坐标和纵坐标、w代表宽度、h代表高度;x,y代表网格哪个顶点的横坐标和纵坐标可以预先设定好,这样根据网格区域的坐标信息(x,y,w,h)便可以确定网格区域在原始图像中的坐标位置。
[0070]
比如,将img_a和img_b两个图像的差异区域通过坐标信息标记原始图像img_a和img_b中,最后可得到res_a_b和res_b_a两幅可视化标记图像;其中:
[0071]
res_a_b表示以img_a为主导,在img_a中标记出相对于img_b的差异区域;
[0072]
res_b_a表示以img_b为主导,在img_b中标记出相对于img_a的差异区域。
[0073]
本发明实施例提供的图像差异性分析方法,通过基于差异区域的坐标信息在第一图像中标记出差异区域,形成第一可视化标记图像并输出,基于差异区域的坐标信息在第二图像中标记出差异区域,形成第二可视化标记图像并输出,实现了图像差异性分析结果输出的简便性及可视化。
[0074]
根据本发明实施例提供的一种图像差异性分析方法,在所述利用预先训练好的特征计算模型,对所述第一图像和所述第二图像分别进行特征提取之前,所述方法还包括:对所述第一图像及所述第二图像进行图像预处理;其中,所述图像预处理包括统一所述第一图像及所述第二图像的图像尺寸大小、图像像素密度及图像格式。
[0075]
为便于对待进行差异性分析的第一图像和第二图像进行整体分析,在利用预先训练好的特征计算模型,对第一图像和第二图像分别进行特征提取之前,对第一图像及第二图像进行图像预处理;其中,图像预处理包括统一第一图像及第二图像的图像尺寸大小、图像像素密度及图像格式。还可以根据情况对第一图像和第二图像进行图像增强处理。
[0076]
同理,为训练得到特征提取更准确的特征计算模型,在训练特征计算模型之前,也可以对“图像对”进行上述图像预处理。
[0077]
本发明实施例提供的图像差异性分析方法,通过对第一图像及第二图像进行包括统一第一图像及第二图像的图像尺寸大小、图像像素密度及图像格式的图像预处理,进一步提高了图像差异性分析的准确性。
[0078]
需要说明的是,本实施例所给出的多个优选实施方式,在逻辑或结构相互不冲突的前提下,可以自由组合,本发明对此不做限定。
[0079]
下面对本发明实施例提供的图像差异性分析装置进行描述,下文描述的图像差异性分析装置与上文描述的图像差异性分析方法可相互对应参照。
[0080]
图2是本发明实施例提供的图像差异性分析装置的结构示意图。如图2所示,该装置包括接收模块10、提取模块20、划分模块30、计算模块40及确定模块50,其中:接收模块10用于:获取待分析的第一图像和第二图像;提取模块20用于:利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的;划分模块30用于:将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域;计算模块40用于:根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值;确定模块50用于:根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
[0081]
本发明实施例提供的图像差异性分析装置,通过获取待分析的第一图像和第二图像,利用通过深度学习预先训练好的特征计算模型,对第一图像和第二图像分别进行特征提取,得到第一特征信息图谱和第二特征信息图谱,将第一图像和第二图像的坐标重合部分划分为多个网格区域,根据第一特征信息图谱和第二特征信息图谱计算网格区域的区域差异值,根据网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域,可以准确地分析出两幅图像之间的差异区域,提高了图像差异性分析的准确性。
[0082]
根据本发明实施例提供的一种图像差异性分析装置,计算模块40在用于根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值时,具体用于:获取所述网格区域的坐标范围;针对所述坐标范围中的坐标点,根据所述第一特征信息
图谱计算所述第一图像中至少一个预设特征参数的取值,根据所述第二特征信息图谱计算所述第二图像中所述至少一个预设特征参数的取值;对于每个预设特征参数,根据所述第一图像中所述预设特征参数的取值及所述第二图像中所述预设特征参数的取值,计算所述坐标点的所述预设特征参数的特征参数差异值;根据所述坐标点的所述至少一个预设特征参数的所述特征参数差异值得到所述坐标点的坐标点差异值;根据所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值得到所述网格区域的区域差异值。
[0083]
本发明实施例提供的图像差异性分析装置,通过设置至少一个预设特征参数,针对网格区域的坐标范围中的坐标点,,根据第一特征信息图谱计算第一图像中至少一个预设特征参数的取值,根据第二特征信息图谱计算第二图像中至少一个预设特征参数的取值,对于每个预设特征参数,根据第一图像中预设特征参数的取值及第二图像中预设特征参数的取值,计算坐标点的预设特征参数的特征参数差异值,根据坐标点的至少一个预设特征参数的特征参数差异值得到坐标点的坐标点差异值,根据网格区域的坐标范围内的坐标点的坐标点差异值得到网格区域的区域差异值,进一步提高了图像差异化分析的准确度。
[0084]
根据本发明实施例提供的一种图像差异性分析装置,计算模块40在用于根据所述坐标点的所述至少一个预设特征参数的所述特征参数差异值得到所述坐标点的坐标点差异值时,具体用于:将所述坐标点的所述至少一个预设特征参数的所述特征参数差异值求和,得到所述坐标点的坐标点差异值;所述根据所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值得到所述网格区域的区域差异值,包括:将所述网格区域的所述坐标范围内的坐标点的所述坐标点差异值求和,得到所述网格区域的区域差异值。
[0085]
本发明实施例提供的图像差异性分析装置,通过将坐标点的至少一个预设特征参数的特征参数差异值求和,得到坐标点的坐标点差异值,将网格区域的坐标范围内的坐标点的坐标点差异值求和,得到网格区域的区域差异值,在保证图像差异化分析准确性的基础上,提高了计算的简便性和快速性。
[0086]
根据本发明实施例提供的一种图像差异性分析装置,计算模块40在用于根据所述第一图像中所述预设特征参数的取值及所述第二图像中所述预设特征参数的取值,计算所述坐标点的所述预设特征参数的特征参数差异值时,具体用于:计算所述第一图像中和所述第二图像中所述预设特征参数的取值的差值的绝对值;根据所述预设特征参数的取值的差值的绝对值得到所述坐标点的所述预设特征参数的特征参数差异值。
[0087]
本发明实施例提供的图像差异性分析装置,通过计算第一图像中和第二图像中预设特征参数的取值的差值的绝对值,根据预设特征参数的取值的差值的绝对值得到坐标点的预设特征参数的特征参数差异值,进一步在保证图像差异化分析准确性的基础上,提高了计算的简便性和快速性。
[0088]
根据本发明实施例提供的一种图像差异性分析装置,计算模块40在用于根据所述预设特征参数的取值的差值的绝对值得到所述坐标点的所述预设特征参数的特征参数差异值时,具体用于:将所述预设特征参数的取值的差值的绝对值进行归一化处理后,得到所述坐标点的所述预设特征参数的特征参数差异值。
[0089]
本发明实施例提供的图像差异性分析装置,通过将预设特征参数的取值的差值的绝对值进行归一化处理后,得到坐标点的预设特征参数的特征参数差异值,进一步提高了
图像差异性分析的准确性。
[0090]
根据本发明实施例提供的一种图像差异性分析装置,所述至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数。
[0091]
本发明实施例提供的图像差异性分析装置,通过设定至少一个预设特征参数包括纹理特征参数、颜色特征参数、尺寸特征参数及边缘特征参数,通过预设特征参数的合理化设置进一步提高了图像差异性比对的准确性。
[0092]
根据本发明实施例提供的一种图像差异性分析装置,所述装置还包括标记模块,在确定模块50根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域之后,标记模块用于:基于所述差异区域的坐标信息在所述第一图像中标记出所述差异区域,形成第一可视化标记图像并输出;基于所述差异区域的坐标信息在所述第二图像中标记出所述差异区域,形成第二可视化标记图像并输出。
[0093]
本发明实施例提供的图像差异性分析装置,通过基于差异区域的坐标信息在第一图像中标记出差异区域,形成第一可视化标记图像并输出,基于差异区域的坐标信息在第二图像中标记出差异区域,形成第二可视化标记图像并输出,实现了图像差异性分析结果输出的简便性及可视化。
[0094]
根据本发明实施例提供的一种图像差异性分析装置,所述装置还包括预处理模块,在提取模块20利用预先训练好的特征计算模型,对所述第一图像和所述第二图像分别进行特征提取之前,预处理模块用于对所述第一图像及所述第二图像进行图像预处理;其中,所述图像预处理包括统一所述第一图像及所述第二图像的图像尺寸大小、图像像素密度及图像格式。
[0095]
本发明实施例提供的图像差异性分析装置,通过对第一图像及第二图像进行包括统一第一图像及第二图像的图像尺寸大小、图像像素密度及图像格式的图像预处理,进一步提高了图像差异性分析的准确性。
[0096]
图3是本发明实施例提供的电子设备的结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(communications interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行图像差异性分析方法,该方法包括:获取待分析的第一图像和第二图像;利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的;将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域;根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值;根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
[0097]
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施
例所述方法的全部或部分步骤。而前述的存储介质包括:u盘、移动硬盘、只读存储器(rom,read-only memory)、随机存取存储器(ram,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0098]
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的图像差异性分析方法,该方法包括:获取待分析的第一图像和第二图像;利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的;将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域;根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值;根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
[0099]
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的图像差异性分析方法,该方法包括:获取待分析的第一图像和第二图像;利用预先训练好的特征计算模型,对所述第一图像进行特征提取得到第一特征信息图谱,并对所述第二图像进行特征提取得到第二特征信息图谱;其中,所述特征计算模型是基于图像对作为输入,以所述图像对的不同区域的标记结果作为标签通过深度学习训练得到的;将所述第一图像和所述第二图像的坐标重合部分划分为多个网格区域;根据所述第一特征信息图谱和所述第二特征信息图谱计算所述网格区域的区域差异值;根据所述网格区域的区域差异值和预设区域差异阈值的比较结果确定差异区域。
[0100]
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
[0101]
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如rom/ram、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0102]
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。