CN103186897B - 获取图像差异度量结果的方法及装置 - Google Patents

Abstract

本发明公开了一种获取图像差异度量结果的方法及装置。其中，该方法包括：通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个相同位置上的像素点的颜色和结构差异度量值；根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值；根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。通过本发明，能够实现提高图像差异检测结果的准确性。

Description

获取图像差异度量结果的方法及装置

技术领域

本发明涉及图像处理领域，具体而言，涉及一种获取图像差异度量结果的方法及装置。

背景技术

印前人员在完成作业后，需要把原图和作业图相互对比，以检查是否有层排错，对象大小不一致等因为工作人员不小心而造成的错误。印前人员在编辑文档的过程中，颜色调整频繁，图像差异的产生总是伴随图像结构内容的改变，差异比较更加关注结构的变化。

目前针对图像差异进行检查的方法主要包括人眼观察、图像颜色做差、图像显著特征对比，统计比较等方法。其中，颜色做差的方法主要通过比较两幅图像对应位置点的颜色值差异，得到一个颜色差异图，对颜色差异图可以使用一个阈值二值化得到二值图，然后对得到的二值图进行膨胀、腐蚀和滤波等操作，最终得到检测出的差异。基于统计特征的图像相似度评价方法，首先计算两幅图各自的多个整体统计特征，比如均值、方差等，然后比较两幅图的整体统计特征，给出两幅图的整体相似度指标。

上述各种检测方式都存在一定的缺陷，例如：人眼观察方式存在效率低，漏检率高的缺陷；图像颜色做差的方法快速，但是存在对图像内容的小偏移过于敏感，检出内容较多不易排查的缺陷；基于统计特征的图像相似度评价方法，由于该方法是整体的统计特征的比较，差异定位不准确，需要后续差异排查工作。

目前针对相关技术的图像差异检测方式由于对图像内容的小偏移过于敏感或者差异定位不准确，而导致检测内容不易排查或排查不准确的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术的图像差异检测方式由于对图像内容的小偏移过于敏感或者差异定位不准确，而导致检测内容不易排查或排查不准确的问题，目前尚未提出有效的问题而提出本发明，为此，本发明的主要目的在于提供一种获取图像差异度量结果的方法及装置，以解决上述问题。

为了实现上述目的，根据本发明的一个方面，提供了一种获取图像差异度量结果的方法，该方法包括：通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个相同位置上的像素点的颜色和结构差异度量值；根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值；根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。

进一步地，通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个像素点的颜色和结构差异度量值包括：通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str；根据如下公式得到颜色和结构差异度量值S_cs：S_cs＝w_clrDist_clr+w_strDist_str，其中，w_clr，w_str分别表示颜色、结构差异的比重。

进一步地，通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str包括：获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；通过在第二像素点的预定邻域内查询与第一像素点的颜色相似值最大的像素点，来获取第一像素点和第二像素点的第一颜色相似度；通过在第一像素点的预定邻域内查询与第二像素点的颜色相似值最大的像素点，来获取第一像素点和第二像素点的第二颜色相似度；通过计算第一颜色相似度与的第二颜色相似度的平均值，来获取两张图像在同位置上的像素点的颜色差异度量值Dist_clr。

进一步地，通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str包括：获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；通过在第二像素点的预定邻域内查询与第一像素点的结构相似值最大的像素点，来获取第一像素点和第二像素点的第一结构相似度；通过在第一像素点的预定邻域内查询与第二像素点的结构相似值最大的像素点，来获取第一像素点和第二像素点的第二结构相似度；通过计算第一结构相似度与的第二第二结构相似度的平均值，来获取两张图像在同位置上的像素点的结构差异度量值Dist_str。

进一步地，根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值包括：获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；通过最近邻算法在第二像素点的预定邻域内计算得到对应第一像素点的最近邻像素点，根据比较第二像素点和第一像素点的最近邻像素点的位移差而得到的偏移量来获取第一像素点的第一偏移差异度；通过最近邻算法在第一像素点的预定邻域内计算得到对应第二像素点的最近邻像素点，根据比较第一像素点和第二像素点的最近邻像素点的位移差而得到的偏移量来获取第二像素点的第二偏移差异度；通过计算第一偏移差异度与的第二偏移差异度的平均值，来获取两张图像在同位置上的像素点的偏移一致性差异度量值Dist_con。

进一步地，根据偏移量获取偏移差异度包括：获取任意一个像素点x在其临近区域内的相似结构点p，并读取相似结构点p对应的偏移量△x_p；根据如下公式来获取任意一个像素点的偏移差异度Dist_con1：

其中，N_x为x点的一个邻域，△x_p为N_x中点p的偏移量，w_p为该像素点相似度权值，为平均偏移量。

进一步地，根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果包括：通过如下公式来获取差异度量结果S：S＝w_clrDist_clr+w_strDist_str+w_conDist_con，其中w_con为偏移一致性度量权值，表示偏移一致性在整个差异中的比重。

进一步地，在根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果之后，方法还包括：根据差异度量结果得到两个图像对应的差异图；根据差异图的直方图分布来获取分割门限，并根据分割门限对差异图进行二值化处理，以获取差异图的差异检测结果。

为了实现上述目的，根据本发明的另一方面，提供了一种获取图像差异度量结果的装置，该装置包括：第一获取模块，用于通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个相同位置上的像素点的颜色和结构差异度量值；第二获取模块，用于根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值；检测模块，用于根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。

进一步地，第一获取模块包括：比较模块，用于通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str；第一计算模块，用于根据如下公式得到颜色和结构差异度量值S_cs：S_cs＝w_clrDist_clr+w_strDist_str，其中，w_clr，w_str分别表示颜色、结构差异的比重。

进一步地，第二获取模块包括：第三获取模块，用于获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；第二计算模块，用于通过最近邻算法在第二像素点的预定邻域内计算得到对应第一像素点的最近邻像素点，根据比较第二像素点和第一像素点的最近邻像素点的位移差而得到的偏移量来获取第一像素点的第一偏移差异度；第三计算模块，用于通过最近邻算法在第一像素点的预定邻域内计算得到对应第二像素点的最近邻像素点，根据比较第一像素点和第二像素点的最近邻像素点的位移差而得到的偏移量来获取第二像素点的第二偏移差异度；第四计算模块，用于通过计算第一偏移差异度与的第二偏移差异度的平均值，来获取两张图像在同位置上的像素点的偏移一致性差异度量值Dist_con

进一步地，检测模块包括：第五计算模块，用于通过如下公式来获取差异度量结果S：S＝w_clrDist_clr+w_strDist_str+w_conDist_con，其中w_con为偏移一致性度量权值，表示偏移一致性在整个差异中的比重。

进一步地，装置还包括：第四获取模块，用于根据差异度量结果得到两个图像对应的差异图；处理模块，用于根据差异图的直方图分布来获取分割门限，并根据分割门限对差异图进行二值化处理，以获取差异图的差异检测结果。

通过本发明，采用通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个像素点的颜色和结构差异度量值；根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点与其最近邻像素点的偏移一致性差异度量值；根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果，解决了相关现有技术的图像差异检测方式由于对图像内容的小偏移过于敏感或者差异定位不准确，而导致检测内容不易排查或排查不准确的问题，进而实现提高图像差异检测结果的准确性的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的获取图像差异度量结果的装置的结构示意图；

图2a-2b是根据本发明实施例的两张图像中相似点的结果示意图；

图2c是根据图2a-2b所述实施例的x点的偏移容忍范围的示意图；

图3是根据本发明实施例的局部结构相似的结构示意图；

图4a是根据本发明实施例的获取最近邻像素点的自我繁殖示意图；

图4b是根据本发明实施例的获取最近邻像素点的互相繁殖示意图；

图5是根据本发明实施例的获取图像差异度量结果的方法的流程图；

图6是根据图5所示实施例的获取最近邻像素点的方法流程图；

图7是根据本发明实施例的获取图像差异度量结果的方法的详细流程图；

图8a是根据本发明实施例的第一图像的示例图；

图8b是根据本发明实施例的第二图像的示例图；

图8c是根据本发明实施例的第一图像与第二图像对比后的差异图的示例图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

图1是根据本发明实施例的获取图像差异度量结果的装置的结构示意图；图2a-2b是根据本发明实施例的两张图像中相似点的结果示意图；图2c是根据图2a-2b所述实施例的x点的偏移容忍范围的示意图。

如图1所示，该装置可以包括：第一获取模块10，用于通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个相同位置上的像素点的颜色和结构差异度量值；第二获取模块30，用于根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值；检测模块50，用于根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。

本申请上述装置通过第一获取模块10来得到两张图像相同对应位置的两个点的差异，然后通过第二获取模块30得到邻域内相似结构的点的偏移一致性差异度量，检测模块50利用上述两个模块的结果来得到两个图像的差异度量结果，实现在比较相似性时同时考虑颜色和结构信息，同时通过利用图像结构分布的局部一致性，来确定结构偏移的可靠性，从而减少错误的偏移容忍，提高了图像差异检测结果的准确性。即上述实施例排除偏移引起的差异的同时具有较高的图像差异定位准确性。

本申请上述实施例中的第一获取模块10可以包括：比较模块101，用于通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str；第一计算模块102，用于根据如下公式得到颜色和结构差异度量值S_cs：S_cs＝w_clrDist_clr+w_strDist_str，其中，w_clr，w_str分别表示颜色、结构差异的比重。本申请上述实施例通过比较两幅图像相同对应位置的两个点，各自在对方的一个子区域中通过比较颜色和结构查找最近邻像素点，而得到这两个点的差异度量值。

具体的，如图2a和图2b所示的实施例，比较模块101可以实现通过基于相互最近邻查找结果的计算规则来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str。

在实施过程中，图2a和图2b中分别进行两幅图像中相同对应位置的两个点的比较，假设在当前点位置为x时，如图2c所示，图像内容最多可以向右偏移W个像素。

图2a所示的实施例中，图A中的x点在图B中的对应点x的一个大小2w*2w的邻域内寻找到的最相似的点为X_a，相似度为Dis_a。

图2b所示的实施例中，图B中的x点在图A中的对应点x的一个大小2w*2w的邻域内寻找到的最相似的点为X_b，相似度为Dis_b。

从而得到x点的差异为Dis＝(Dis_a+Dis_b)/2。在本申请中，可以利用得到Dis的计算过程得到每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str，即寻找到颜色或结构最相似的点及其相似度。

然后通过第一计算模块来通过公式S_cs＝w_clrDist_clr+w_strDist_str计算得到颜色和结构差异度量值S_cs。其中，Dist_clr为颜色的均方误差，Dist_str为结构差异。w_clr，w_str分别表示颜色、结构差异的比重。结构差异为像素点邻域梯度直方图的距离。

而且可以按照上式定义的颜色和结构差异度量来计算得到每个点的最少颜色差异和最近邻偏移量。

本申请上述实施例中的第二获取模块30可以包括：第三获取模块，用于获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；第二计算模块，用于通过最近邻算法在第二像素点的预定邻域内计算得到对应第一像素点的最近邻像素点，根据比较第二像素点和第一像素点的最近邻像素点的位移差而得到的偏移量来获取第一像素点的第一偏移差异度；第三计算模块，用于通过最近邻算法在第一像素点的预定邻域内计算得到对应第二像素点的最近邻像素点，根据比较第一像素点和第二像素点的最近邻像素点的位移差而得到的偏移量来获取第二像素点的第二偏移差异度；第四计算模块，用于通过计算第一偏移差异度与的第二偏移差异度的平均值，来获取两张图像在同位置上的像素点的偏移一致性差异度量值Dist_con。

其中，根据偏移量获取偏移差异度可以具体通过如下方式得到：首先获取任意一个像素点x在其临近区域内的相似结构点p，并读取相似结构点p对应的偏移量△x_p；然后，根据如下公式来获取任意一个像素点的偏移差异度Dist_con1：其中，N_x为x点的一个邻域，△x_p为N_x中点p的偏移量，w_p为该像素点相似度权值，为平均偏移量，

图3是根据本发明实施例的局部结构相似的结构示意图；图4a是根据本发明实施例的获取最近邻像素点的自我繁殖示意图；图4b是根据本发明实施例的获取最近邻像素点的互相繁殖示意图。

具体的，结合如图2a和图2b所示的实施例，如图3所示，本申请可以通过下述方式完成局部结构相似性的处理。

由于点x附近与其具有相似结构的所有点，偏移后应该具有相同的偏移量，基于这样的思想引入结果偏移一致性度量。

首先根据局部结构的相似性度量当前点x与其领域内其他点的结构相似性。如图3所示，x为当前点，N_x为x点需要考察结构相似性的一个领域，对于这个领域内的每个点分别取各自所在的小区域，如图3所示的R_x，R_y，R_z和R_k，分别将各个子区域与点x所在的小区域比较块相似性，可以使用如下公式定义两个小区域的相似性，也称作相似度权值w_p，当w_p为1时表征相似度一致，w_p为0时表征完全不相似。

其中R_p为N_x中的点p所在的子区域，w_p为相似度权值。σ是相似度方差，为一个常数。dis为块距离，定义如下：

其中n为小区域中点的个数。

该实施例实现了，在找完图像中的所有邻近点后，为两个图的各个点分别找出各自局部领域内与自己具有相似结构的点，例如在图2a和2b中找到x点附近与其具有相似结构的所有点，这些点在图像偏移过后由于应该具有相同的偏移量，因此，可以通过上述公式来判断每一个点与其局部结构相似点是否具有结构偏移的一致性，进一步排除偏移引起的差异。也即将颜色、结构和偏移一致性差异结合到一起形成一个可以有效判断偏移的差异度量，以此度量两幅图像得到一个差异图，对差异图进行直方图分析自动选择一个合适的门限进行二值化，得到最终的差异检测结果。

本申请上述各个实施例中计算最近邻像素点的方式可以如图4a和图4b所示的实施方式。

本申请可以采用迭代求解近似最近邻像素点的办法，每次迭代过程中逐点更新每个点最近邻匹配关系，直到最近邻映射关系区域稳定收敛为止。

首先，如图4a所示，在初始化步骤中，图A和图B各自随机建立最近邻映射关系：随机为A图的每个点在B图对应点的一个小区域内随机取一个点作为其最近邻，同时也为B图中的每个点在A图对应点的一个小区域内随机取一个点作为其最近邻。

然后，进入自我繁殖过程，即图A和图B各自根据图像内容的一致性更新最近邻映射关系。对于A图中每个点繁殖其邻域中好的匹配结果，如图4a所示，x是y的邻域点，x的最近邻匹配点为x_b，匹配很准确，但y的匹配点为y_b0，匹配结果不准确，因此，y根据在A图中与x的相互关系，繁殖x好的匹配结果，找到y_b。同理按照相同的方法更新B图中点的匹配关系。具体的，是利用图像内容的连续性完成自我繁殖，如果A图的x点在B图中匹配到的最近邻点x_b，则根据x和y在A图中的相对位置关系，和x点的匹配结果x_b，在B图中x_b的领域内找到对应的y_b，此时A图的y点在B图中匹配到的邻点y_b0，通过分别比较y_b0、y_b与y的相似性，从而判读y_b是不是y点更好的匹配像素点。同理得到其他像素点的最邻像素点。这时y点与x_b也具有相同的颜色和结构，但是选y_b作为y的最近邻更加合理，更符合图像内容的连续一致性，偏移量更能反映图像内容真实的偏移。此外，A图和B图同一位置点的匹配结果也可以用来改善匹配的结果。

接着，在完成自我繁殖之后进入随机更新的流程，即随机再次获取A图中每个像素点在B图中的相似点，然后返回自我繁殖的步骤，直至每个像素点都找到近似最优的最近邻象素点。

优选地，在提高上述遍历过程，可以在其中穿插相互繁殖的算法，相互繁殖是指图A和图B繁殖对方好的的匹配结果。如图4b所示，图B为图A右偏移dx的结果。图A的x点匹配准确，其最近邻是x_b，偏移量为dx。图B的x点根据图A的x点的匹配情况，反方向检测偏移为-dx的位置x_a并与原匹配点x_a0做比较，x_a点是更准确的匹配点，更新图B的x点的最近邻匹配点为x_a点。同理，A图的点x根据上述方法繁殖图B点x的匹配结果。这种互相繁殖可以应用在遍历自我繁殖和随机更新的过程中，可以加快找到最近邻像素点的匹配结果。例如，图4a所示的实施例中，可能需要通过自我繁殖和随机更新的多次遍历才可以寻找到y_b来替换y_b0，现在可以在执行自我繁殖和随机更新的过程中插入使用相互繁殖的方式，在某一次遍历结束之后不需要再次随机更新，可以采用反方向健侧偏移-dx的位置并与y_b0比较，一次就可以得到y_b，从而提高了寻找到y_b来替换y_b0的速度。

在一个点完成自我更新和相互更新之后，进行一次随机最近邻更新，每一个点在比较图的对应位置附近的一个子区域内的再次随机采样最近邻匹配点，如果采样到更好的匹配位置则更新最近邻。

本申请上述实施例中的检测模块50可以包括：第五计算模块，用于通过如下公式来获取差异度量结果S：S＝w_clrDist_clr+w_strDist_str+w_conDist_con，其中w_con为偏移一致性度量权值，表示偏移一致性在整个差异中的比重。该实施例具体实现了了本发明在进行两个图像对比的过程中除了考虑颜色和结构信息的度量外，还通过利用图像结构分布的局部一致性，进一步判断局部结构偏移的一致性，减少错误的偏移容忍。

本申请上述实施例的装置还可以包括：第四获取模块，用于根据差异度量结果得到两个图像对应的差异图；处理模块，用于根据差异图的直方图分布来获取分割门限，并根据分割门限对差异图进行二值化处理，以获取差异图的差异检测结果。

图5是根据本发明实施例的获取图像差异度量结果的方法的流程图；图6是根据图5所示实施例的获取最近邻像素点的方法流程图；图7是根据本发明实施例的获取图像差异度量结果的方法的详细流程图。

如图5所示该方法包括如下步骤：

步骤S102，图1中的第一获取模块10实现了通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个相同位置上的像素点的颜色和结构差异度量值。

步骤S104，通过图1中的第二获取模块30来实现根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值。

步骤S106，通过图1中的检测模块50来实现根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。

本申请上述方法在通过比较两幅图像对应位置的两个点各自在对方的一个子区域中的最近邻得到两个点的相似度，其中，可以通过比较颜色和结构查找点的最近邻像素点，在通过两个点的相似度得到两张图像相同对应位置的两个点的差异之后，获取该点在邻域内相似结构的点的偏移一致性差异度量，进一步排除偏移引起的差异。最后利用上述两个结果来得到两个图像的差异度量结果，实现在比较相似性时同时考虑颜色和结构信息，同时通过利用图像结构分布的局部一致性，来确定结构偏移的可靠性，从而减少错误的偏移容忍，提高了图像差异检测结果的准确性。

上述实施例将颜色、结构和偏移一致性差异结合到一起形成一个可以有效判断偏移的差异度量，以此度量两幅图像得到一个差异图，对差异图进行直方图分析自动选择一个合适的门限进行二值化，得到最终的差异检测结果。该结果在排除偏移引起的差异的同时具有较高的图像差异定位准确性。

本申请上述实施例中，通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个像素点的颜色和结构差异度量值的步骤可以包括：通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str；根据如下公式得到颜色和结构差异度量值S_cs：S_cs＝w_clrDist_clr+w_strDist_str，其中，w_clr，w_str分别表示颜色、结构差异的比重。

具体的，上述实施例结合图2a和图2b所示的实施例，可以实现通过基于相互最近邻查找结果的计算规则来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str。在实施过程中，图2a和图2b中分别进行两幅图像中相同对应位置的两个点的比较，假设在当前点位置为x时，如图2c所示，图像内容最多可以向右偏移W个像素。

本申请上述实施例中，通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str包括：获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；通过在第二像素点的预定邻域内查询与第一像素点的颜色相似值最大的像素点，来获取第一像素点和第二像素点的第一颜色相似度；通过在第一像素点的预定邻域内查询与第二像素点的颜色相似值最大的像素点，来获取第一像素点和第二像素点的第二颜色相似度；通过计算第一颜色相似度与的第二颜色相似度的平均值，来获取两张图像在同位置上的像素点的颜色差异度量值Dist_clr。

具体的，该实施例先如图2a所示的实施例，图A中的x点在图B中的对应点x的一个大小2w*2w的邻域内寻找到的颜色最相似的点，并得到两者的第一颜色相似度，然后，在如图2b所示的实施例，图B中的x点在图A中的对应点x的一个大小2w*2w的邻域内寻找到的颜色最相似的点，并得到两者的第二颜色相似度，最后通过计算两个颜色相似度的平均值来得到x点的颜色差异度量值Dist_clr。

本申请上述实施例中，通过比较第一图像与第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str包括：获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；通过在第二像素点的预定邻域内查询与第一像素点的结构相似值最大的像素点，来获取第一像素点和第二像素点的第一结构相似度；通过在第一像素点的预定邻域内查询与第二像素点的结构相似值最大的像素点，来获取第一像素点和第二像素点的第二结构相似度；通过计算第一结构相似度与的第二结构相似度的平均值，来获取两张图像在同位置上的像素点的结构差异度量值Dist_str。

具体的，该实施例先如图2a所示的实施例，图A中的x点在图B中的对应点x的一个大小2w*2w的邻域内寻找到的结构最相似的点，并得到两者的第一结构相似度，然后，在如图2b所示的实施例，图B中的x点在图A中的对应点x的一个大小2w*2w的邻域内寻找到的结构最相似的点，并得到两者的第二结构相似度，最后通过计算两个结构相似度的平均值来得到x点的结构差异度量值Dist_str。

本申请上述实施例中，根据颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值包括：获取第一图像上的第一像素点和第二图像上的第二像素点，第一像素点和第二像素点在两张图像上具有相同的位置；通过最近邻算法在第二像素点的预定邻域内计算得到对应第一像素点的最近邻像素点，根据比较第二像素点和第一像素点的最近邻像素点的位移差而得到的偏移量来获取第一像素点的第一偏移差异度；通过最近邻算法在第一像素点的预定邻域内计算得到对应第二像素点的最近邻像素点，根据比较第一像素点和第二像素点的最近邻像素点的位移差而得到的偏移量来获取第二像素点的第二偏移差异度；通过计算第一偏移差异度与的第二偏移差异度的平均值，来获取两张图像在同位置上的像素点的偏移一致性差异度量值。

本申请上述各个实施例中，根据偏移量获取偏移差异度包括如下步骤：获取任意一个像素点x在其临近区域内的相似结构点p，并读取相似结构点p对应的偏移量△x_p；根据如下公式来获取任意一个像素点的偏移差异度值Dist_con1：其中，N_x为x点的一个邻域，△x_p为N_x中点p的偏移量，w_p为该像素点相似度权值，为平均偏移量，该实施例实现了，在找完图像中的所有领近点后，为两个图的各个点分别找出各自局部领域内与自己具有相似结构的点，例如在图2a和2b中找到x点附近与其具有相似结果的所有点，这些点在图像偏移过后由于应该具有相同的偏移量，因此，可以通过上述公式来判断每一个点与其局部结构相似点是否具有结构偏移的一致性，进一步排除偏移引起的差异。根据上述差异计算规则，计算两幅图像各个点最终的差异，最终得到一副表征两幅图差异的差异图。

由上可知，系统先用上述方法得到图A中的偏移差异度(即得到第一偏移差异度)，在用同样的方式得到图B的偏移差异度(即得到第二偏移差异度)，将二者求平均值得到最后的偏移一致性差异度量值。

如图6所示，本申请上述实施例中获取最近邻像素点的流程如下：

首先，如图4a所示，在初始化步骤中，图A和图B各自随机建立最近邻映射关系：随机为A图的每个点在B图对应点的一个小区域内随机取一个点作为其最近邻，同时也为B图中的每个点在A图对应点的一个小区域内随机取一个点作为其最近邻。

然后，进入自我繁殖过程，即图A和图B各自根据图像内容的一致性更新最近邻映射关系。对于A图中每个点繁殖其邻域中好的匹配结果，如图4a所示，x是y的邻域点，x的最近邻匹配点为x_b，匹配很准确，但y的匹配点为y_b0，匹配结果不准确，因此，y根据在A图中与x的相互关系，繁殖x好的匹配结果，找到y_b。同理按照相同的方法更新B图中点的匹配关系。具体的，是利用图像内容的连续性完成自我繁殖，如果A图的x点在B图中匹配到的最近邻点x_b，则根据x和y在A图中的相对位置关系，和x点的匹配结果x_b，在B图中x_b的领域内找到对应的y_b，此时A图的y点在B图中匹配到的邻点y_b0，通过分别比较y_b0、y_b与y得到它们的相似性，从而判读y_b是不是y点更好的匹配像素点。同理得到其他像素点的最邻像素点。这时y点与x_b也具有相同的颜色和结构，但是选y_b作为y的最近邻更加合理，更符合图像内容的连续一致性，偏移量更能反映图像内容真实的偏移。此外，A图和B图同一点的匹配结果也可以用来改善匹配的结果。

接着，在完成自我繁殖之后进入随机更新的流程，即随机再次获取A图中每个像素点在B图中的相似点，然后返回自我繁殖的步骤，直至每个像素点都找到所有的最近邻象素点。

本申请上述实施例中，根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果具体可以为：通过如下公式来获取差异度量结果S：

S＝w_clrDist_clr+w_strDist_str+w_conDist_con，其中w_con为偏移一致性度量权值，表示偏移一致性在整个差异中的比重。该实施例实现将颜色、结构和偏移一致性差异结合到一起形成一个可以有效判断偏移的差异度量，以此度量两幅图像得到一个差异图。

优选地，在根据颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果之后，方法还可以包括：根据差异度量结果得到两个图像对应的差异图；根据差异图的直方图分布来获取分割门限，并根据分割门限对差异图进行二值化处理，以获取差异图的差异检测结果。该实施例将最后分析得到的差异图，根据图像改变部分差值分布的特点，选定一个合理的分割门限，对差值图进行二值化处理得到变化的前景区域。

具体的，如图7所示，上述实施例首先获取两个图像中相同对应点各自在对方的一个领域内根据颜色和结构的相似性找出最近邻，并记录偏移量，然后对于两幅图的每一个点，分别在他们的领域内找出局部结构相似的点，并计算每一个点与其局部结构相似点的偏移一致性，最后结合颜色、结构差异和局部偏移量一致性，一起度量两幅的差异，得到一个差异图，在通过分析该差异图的直方图分布情况来自动计算二值化门限得到该差异图的二值化差异图以及得到最终的差异结果

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图8a是根据本发明实施例的第一图像的示例图；图8b是根据本发明实施例的第二图像的示例图；图8c是根据本发明实施例的第一图像与第二图像对比后的差异图的示例图。

通过本发明的实施例计算可知，图8a和8b中的五边形只有位置上的偏移，此外图8b比较图8a来说增加了一个三角形，通过容忍图像内容上的偏移，最后的差异结果图8c中得到的结果是检测出三角区域的变化。

从以上的描述中，可以看出，本发明实现了如下技术效果：本申请解决了相关现有技术的图像差异检测方式由于对图像内容的小偏移过于敏感或者差异定位不准确，而导致检测内容不易排查或排查不准确的问题，进而实现提高图像差异检测结果的准确性的效果。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术第二员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种获取图像差异度量结果的方法，其特征在于，包括：

通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个所述相同位置上的像素点的颜色和结构差异度量值；

根据所述颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值；

根据所述颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。

2.根据权利要求1所述的方法，其特征在于，通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个像素点的颜色和结构差异度量值包括：

通过比较所述第一图像与所述第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str；

根据如下公式得到所述颜色和结构差异度量值S_cs：S_cs＝w_clrDist_clr+w_strDist_str，其中，w_clr，w_str分别表示颜色、结构差异的比重。

3.根据权利要求2所述的方法，其特征在于，通过比较所述第一图像与所述第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str包括：

获取所述第一图像上的第一像素点和所述第二图像上的第二像素点，所述第一像素点和所述第二像素点在两张图像上具有相同的位置；

通过在所述第二像素点的预定邻域内查询与所述第一像素点的颜色相似值最大的像素点，来获取所述第一像素点和所述第二像素点的第一颜色相似度；

通过在所述第一像素点的预定邻域内查询与所述第二像素点的颜色相似值最大的像素点，来获取所述第一像素点和所述第二像素点的第二颜色相似度；

通过计算所述第一颜色相似度与所述的第二颜色相似度的平均值，来获取两张图像在同位置上的像素点的颜色差异度量值Dist_clr。

4.根据权利要求2所述的方法，其特征在于，通过比较所述第一图像与所述第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str包括：

获取所述第一图像上的第一像素点和所述第二图像上的第二像素点，所述第一像素点和所述第二像素点在两张图像上具有相同的位置；

通过在所述第二像素点的预定邻域内查询与所述第一像素点的结构相似值最大的像素点，来获取所述第一像素点和所述第二像素点的第一结构相似度；

通过在所述第一像素点的预定邻域内查询与所述第二像素点的结构相似值最大的像素点，来获取所述第一像素点和所述第二像素点的第二结构相似度；

通过计算所述第一结构相似度与所述的第二结构相似度的平均值，来获取两张图像在同位置上的像素点的所述结构差异度量值Dist_str。

5.根据权利要求2所述的方法，其特征在于，根据所述颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值包括：

获取所述第一图像上的第一像素点和所述第二图像上的第二像素点，所述第一像素点和所述第二像素点在两张图像上具有相同的位置；

通过最近邻算法在所述第二像素点的预定邻域内计算得到对应所述第一像素点的最近邻像素点，根据比较所述第二像素点和所述第一像素点的最近邻像素点的位移差而得到的偏移量来获取所述第一像素点的第一偏移差异度；

通过最近邻算法在所述第一像素点的预定邻域内计算得到对应所述第二像素点的最近邻像素点，根据比较所述第一像素点和所述第二像素点的最近邻像素点的位移差而得到的偏移量来获取所述第二像素点的第二偏移差异度；

通过计算所述第一偏移差异度与所述的第二偏移差异度的平均值，来获取两张图像在同位置上的像素点的所述偏移一致性差异度量值Dist_con。

6.根据权利要求5所述的方法，其特征在于，根据偏移量获取偏移差异度包括：

获取任意一个像素点x在其临近区域内的相似结构点p，并读取所述相似结构点p对应的偏移量△x_p；

根据如下公式来获取任意一个像素点的偏移差异度Dist_con1：

其中，N_x为x点的一个邻域，△x_p为N_x中点p的偏移量，w_p为该像素点相似度权值，为平均偏移量。

7.根据权利要求6所述的方法，其特征在于，根据所述颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果包括：

通过如下公式来获取所述差异度量结果S：

S＝w_clrDist_clr+w_strDist_str+w_conDist_con，其中w_con为偏移一致性度量权值，表示偏移一致性在整个差异中的比重。

8.根据权利要求1所述的方法，其特征在于，在根据所述颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果之后，所述方法还包括：

根据所述差异度量结果得到两个图像对应的差异图；

根据所述差异图的直方图分布来获取分割门限，并根据所述分割门限对所述差异图进行二值化处理，以获取所述差异图的差异检测结果。

9.一种获取图像差异度量结果的装置，其特征在于，包括：

第一获取模块，用于通过比较第一图像与第二图像中相同位置上的像素点的颜色相似度以及结构相似度，来获取每一个像素点的颜色和结构差异度量值；

第二获取模块，用于根据所述颜色和结构差异度量值计算得到每一个像素点的偏移量，并根据每一个像素点的偏移量来计算任意一个像素点的偏移一致性差异度量值；

检测模块，用于根据所述颜色和结构差异度量值和偏移一致性差异度量值，来得到两个图像的差异度量结果。

10.根据权利要求9所述的装置，其特征在于，所述第一获取模块包括：

比较模块，用于通过比较所述第一图像与所述第二图像在相同位置上的像素点的颜色相似度以及结构相似度，来分别获取每一个像素点的颜色差异度量值Dist_clr和结构差异度量值Dist_str；

第一计算模块，用于根据如下公式得到所述颜色和结构差异度量值S_cs：S_cs＝w_clrDist_clr+w_strDist_str，其中，w_clr，w_str分别表示颜色、结构差异的比重。

11.根据权利要求9中所述的装置，其特征在于，所述第二获取模块包括：

第三获取模块，用于获取所述第一图像上的第一像素点和所述第二图像上的第二像素点，所述第一像素点和所述第二像素点在两张图像上具有相同的位置；

第二计算模块，用于通过最近邻算法在所述第二像素点的预定邻域内计算得到对应所述第一像素点的最近邻像素点，根据比较所述第二像素点和所述第一像素点的最近邻像素点的位移差而得到的偏移量来获取所述第一像素点的第一偏移差异度；

第三计算模块，用于通过最近邻算法在所述第一像素点的预定邻域内计算得到对应所述第二像素点的最近邻像素点，根据比较所述第一像素点和所述第二像素点的最近邻像素点的位移差而得到的偏移量来获取所述第二像素点的第二偏移差异度；

第四计算模块，用于通过计算所述第一偏移差异度与所述的第二偏移差异度的平均值，来获取两张图像在相同位置上像素点的所述偏移一致性差异度量值Dist_con。

12.根据权利要求11所述的装置，其特征在于，所述检测模块包括：

第五计算模块，用于通过如下公式来获取所述差异度量结果S：

S＝w_clrDist_clr+w_strDist_str+w_conDist_con，其中w_con为偏移一致性度量权值，表示偏移一致性在整个差异中的比重。

13.根据权利要求9所述的装置，其特征在于，所述装置还包括：

第四获取模块，用于根据所述差异度量结果得到两个图像对应的差异图；

处理模块，用于根据所述差异图的直方图分布来获取分割门限，并根据所述分割门限对所述差异图进行二值化处理，以获取所述差异图的差异检测结果。