一种跨批次图像增量的对比方法、装置、设备及介质与流程

本技术涉及图像处理领域，尤其涉及一种跨批次图像增量的对比方法、装置、设备及介质。

背景技术：

1、图像设备固件持续迭代升级，每一轮版本更新后都需要对成像效果开展回归测试，通过将当前批次拍摄图像与历次历史测试样本进行比对，评价固件调整带来的图像质量变化，同时长期追踪多版本迭代过程中图像画质的整体演变规律，精准识别成像缺陷波动，因此针对不同测试批次的图像开展对比分析工作具备重要的工程应用价值。

2、现有技术中，通过人工方式开展跨批次图像对比，测试人员完成单批次图像获取后，手动调取当前批次图像与历史批次的图像分析记录逐项比对，以此完成固件迭代前后成像效果的对照评价。

3、然而，现有技术中存在图像对比效率低的技术问题。不同批次的测试图像通常涵盖多种测试场景类型，同一测试场景在不同批次中的图像分组需要相互配对后方可进行有意义的对比，而现有的人工标注配对方式耗费大量人力与时间，导致图像对比效率较低。

技术实现思路

1、本技术实施例提供一种跨批次图像增量的对比方法、装置、设备及介质，用以解决现有技术中图像对比效率低的技术问题。

2、第一方面，本技术实施例提供一种跨批次图像增量的对比方法，包括：

3、对获取的待处理的批次图像进行识别处理，获取所述待处理的批次图像中的多个测试场景组以及每个所述测试场景组对应的场景指纹；

4、对每个所述测试场景组对应的场景指纹，从历史批次中的历史场景指纹中，获取匹配的候选的历史场景指纹；其中，所述候选的历史场景指纹中历史场景关键词与所述场景指纹中场景关键词的相似度大于第一预设阈值，且所述历史场景指纹中的组内图像数量与所述场景指纹中的组内图像数量相同；

5、对每个所述测试场景组对应的场景指纹，根据所述场景指纹，以及匹配的候选的历史场景指纹，获取综合相似度，并从所述综合相似度中获取最高的综合相似度，并根据最高的综合相似度，确定所述测试场景组的标记是否为匹配成功；

6、对所述待处理的批次图像中的每个测试场景组，根据预设的等级量化映射规则，并基于视觉语言模型，获取所述测试场景组对应的结构化指标；其中，所述结构化指标包括：所述测试场景组的场景标识、批次编码和所述测试场景组中影像质量维度的指标集合；

7、对标记为匹配成功的测试场景组，将所述测试场景组对应的结构化指标，分别与所述测试场景组匹配成功的历史场景组的结构化指标进行对比，获取所述待处理的批次图像的增量对比结果。

8、在一种可能的实施方式中，所述影像质量维度包括：曝光、白平衡、噪点、纹理、对焦和/或综合，所述影像质量维度的指标集合包括：缺陷等级、等级量化分数、缺陷描述摘要和判定置信度；

9、则所述将所述测试场景组对应的结构化指标，分别与所述测试场景组匹配成功的历史场景组的结构化指标进行对比，获取所述待处理的批次图像的增量对比结果，包括：

10、根据所述测试场景组对应的结构化指标中的影像质量维度的指标集合，分别与所述测试场景组匹配成功的历史场景组的结构化指标中的影像质量维度的指标集合，逐维度对比，获取每个影像质量维度的变化量；其中，所述历史场景组的结构化指标是从预设存储端进行数据读取得到的。

11、在一种可能的实施方式中，还包括：

12、获取多个批次图像的增量对比结果，和每个批次图像下的结构化指标；

13、根据所述每个批次图像下的结构化指标，构建时序序列；其中，所述时序序列包括：场景模式、影像质量维度和数据点列表，所述数据点列表包括：批次编码、分析时间戳、缺陷等级、等级量化分数和样本数；

14、根据所述时序序列，采用线性回归和显著性检验，获取每个影像质量维度的趋势方向、线性拟合程度和显著性概率；

15、根据所述多个批次图像的增量对比结果、所述每个影像质量维度的趋势方向、所述线性拟合程度和所述显著性概率，获取综合趋势结果。

16、在一种可能的实施方式中，所述根据所述时序序列，采用线性回归和显著性检验，获取每个影像质量维度的趋势方向、线性拟合程度和显著性概率，包括：

17、根据所述时序序列中的每个历史数据点对应的分析时间戳与待处理的批次图像的分析时间戳之间的时间跨度，分别确定每个历史数据点的时间衰减权重；其中，所述时间衰减权重随所述时间跨度的增大而单调递减；

18、将所述时间衰减权重小于预设过期阈值的历史数据点标记为过期数据；

19、以所述时间衰减权重作为加权系数，对所述时序序列中未被标记为过期数据的各历史数据点的等级量化分数进行加权线性回归，得到加权斜率和所述线性拟合程度；

20、根据所述加权斜率和预设的斜率阈值，获取每个影像质量维度的趋势方向；

21、当所述时序序列中未被标记为过期数据的历史数据点数量大于或等于预设数量时，基于所述加权斜率进行显著性检验，得到所述显著性概率。

22、在一种可能的实施方式中，所述综合趋势结果包括综合趋势分数和趋势洞察报告，所述根据所述多个批次图像的增量对比结果、所述每个影像质量维度的趋势方向、所述线性拟合程度和所述显著性概率，获取综合趋势结果，包括：

23、根据每个影像质量维度的趋势方向，分别确定每个影像质量维度对应的趋势分数；

24、将每个影像质量维度对应的趋势分数分别乘以各自对应的预设维度权重后求和，得到综合趋势分数；

25、根据显著性概率与预设显著性阈值的比对结果，确定每个影像质量维度对应的显著性等级；

26、对每个影像质量维度的趋势方向进行分类，得到改善维度列表、回归维度列表和稳定维度列表；

27、基于所述多个批次图像的增量对比结果，以及各影像质量维度的趋势方向、线性拟合程度和显著性概率，生成回归告警标志与回归严重级别；

28、将所述每个影像质量维度对应的趋势分数、所述综合趋势分数、所述每个影像质量维度对应的显著性等级、所述改善维度列表、所述回归维度列表、所述稳定维度列表、所述回归告警标志和所述回归严重级别，均输入大语言模型，得到所述趋势洞察报告。

29、在一种可能的实施方式中，还包括：

30、当获取到测试场景组对应的结构化指标时，根据测试场景组匹配成功所确立的与历史场景组的对应关系，确定测试场景组对应的历史场景组；

31、在将测试场景组的结构化指标作为新数据点加入历史场景组对应的时序序列前，利用基于历史场景组中的未被标记为过期数据的历史数据点拟合得到的加权线性回归方程对所述新数据点进行预测，得到预测值；

32、若所述新数据点的实际等级量化分数与所述预测值之间的偏差超过预设检测阈值，则将所述新数据点标记为突变点；其中，所述预设检测阈值为预设倍数与历史场景组所对应的时序序列中全部未被标记为过期数据的历史数据点的残差标准差的乘积。

33、在一种可能的实施方式中，所述对获取的待处理的批次图像进行识别处理，获取所述待处理的批次图像中的多个测试场景组以及每个所述测试场景组对应的场景指纹，包括：

34、对所述待处理的批次图像中的场景标识进行识别处理，获取多个测试场景组；其中，每个测试场景组中的图像的场景标识相同；

35、从每个测试场景组中提取场景信息，并基于所述场景信息，构建所述测试场景组对应的场景指纹；

36、其中，所述场景信息包括：测试场景组的文件名模式、测试场景组的序号分组标识、场景关键词、组内图像数量、批次编码和分析时间戳。

37、在一种可能的实施方式中，所述对每个所述测试场景组对应的场景指纹，根据所述场景指纹，以及匹配的候选的历史场景指纹，获取综合相似度，包括：

38、对每个所述测试场景组的场景指纹，分别获取所述场景指纹与每个匹配的候选的历史场景指纹之间的场景关键词的相似度、文件名模式的相似度和序号的相似度；

39、基于所述场景指纹与每个匹配的候选的历史场景指纹之间的场景关键词的相似度、文件名模式的相似度和序号的相似度，以及预设的权重，分别获取所述场景指纹与每个匹配的候选的历史场景指纹之间的综合相似度。

40、在一种可能的实施方式中，还包括：

41、分别根据每个场景指纹的最高综合相似度，以及预设的置信度分级，分别确定每个场景指纹的置信度信息；

42、则所述根据预设的等级量化映射规则，并基于视觉语言模型，获取所述测试场景组对应的结构化指标，包括：

43、响应于置信度信息为高置信度，根据预设的等级量化映射规则，并基于视觉语言模型，分别获取标记为匹配成功，且置信度信息为高置信度的测试场景组对应的结构化指标；

44、响应于置信度信息为中置信度，以及对置信度信息为中置信度的测试场景组的确认信号，根据预设的等级量化映射规则，并基于视觉语言模型，分别获取标记为匹配成功，且置信度信息为中置信度的测试场景组对应的结构化指标。

45、在一种可能的实施方式中，所述根据最高的综合相似度，确定所述测试场景组的标记是否为匹配成功，包括：

46、若所述最高的综合相似度大于或等于第二预设阈值，则确定所述测试场景组的标记为匹配成功；

47、或者，

48、若所述最高的综合相似度小于所述第二预设阈值，则确定所述测试场景组的标记为匹配不成功。

49、第二方面，本技术实施例提供一种跨批次图像增量的对比装置，包括：

50、识别模块，用于对获取的待处理的批次图像进行识别处理，获取所述待处理的批次图像中的多个测试场景组以及每个所述测试场景组对应的场景指纹；

51、指纹获取模块，用于对每个所述测试场景组对应的场景指纹，从历史批次中的历史场景指纹中，获取匹配的候选的历史场景指纹；其中，所述候选的历史场景指纹中历史场景关键词与所述场景指纹中场景关键词的相似度大于第一预设阈值，且所述历史场景指纹中的组内图像数量与所述场景指纹中的组内图像数量相同；

52、确定模块，用于对每个所述测试场景组对应的场景指纹，根据所述场景指纹，以及匹配的候选的历史场景指纹，获取综合相似度，并从所述综合相似度中获取最高的综合相似度，并根据最高的综合相似度，确定所述测试场景组的标记是否为匹配成功；

53、指标获取模块，用于对所述待处理的批次图像中的每个测试场景组，根据预设的等级量化映射规则，并基于视觉语言模型，获取所述测试场景组对应的结构化指标；其中，所述结构化指标包括：所述测试场景组的场景标识、批次编码和所述测试场景组中影像质量维度的指标集合；

54、对比模块，用于对标记为匹配成功的测试场景组，将所述测试场景组对应的结构化指标，分别与所述测试场景组匹配成功的历史场景组的结构化指标进行对比，获取所述待处理的批次图像的增量对比结果。

55、第三方面，本技术实施例提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

56、所述存储器存储计算机执行指令；

57、所述处理器执行所述存储器存储的计算机执行指令时，用于实现如第一方面任一项所述的跨批次图像增量的对比方法。

58、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时，用于实现如第一方面任一项所述的跨批次图像增量的对比方法。

59、第五方面，本技术实施例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，用于实现如第一方面任一项所述的跨批次图像增量的对比方法。

60、本技术实施例提供的一种跨批次图像增量的对比方法、装置、设备及介质，通过先对待处理的批次图像识别处理得到多个测试场景组以及对应的场景指纹，依据场景关键词相似度大于第一预设阈值、组内图像数量相同的条件筛选候选的历史场景指纹，再计算综合相似度并取最高综合相似度来确定测试场景组是否标记为匹配成功，对待处理的批次图像中的每个测试场景组，基于视觉语言模型结合等级量化映射规则获取结构化指标，对标记为匹配成功的测试场景组，将结构化指标和相匹配的历史场景组的结构化指标对比得到增量对比结果，依靠上述流程自动完成不同批次测试场景组的配对，省去人工标注配对操作，减少人力与时间消耗，解决了现有技术中图像对比效率低的技术问题。