近年来,图像字幕任务被用于处理大量视觉数据。但是图像字幕只能概括性描述图片整体内容,无法定位两张图片的差异。而随着视觉数据多样化,大量相似图片出现,急需一个能够定位差异并描述差异的模型,图像变化字幕应运而生。图像变化字幕近几年得到了广泛研究,但是现有模型定位变化区域算法精度不高以及解码视觉数据的网络结构简单,以至于无法准确的描述出两张图片的区别。对此,本文提出了两个模型,均致力提高定位变化区域算法以及字幕解码算法的精度。针对现有模型存在的问题,本文提出基于双向差异定位与语义一致性推理的图像变化字幕算法模型（BLCC）。该模型针对检测差异算法精度不高问题提出双向差异定位模块,提高了检测变化的精度。针对字幕解码网络精度不高问题,提出语义一致性推理模块。利用该模块保证视觉数据与文本数据的一致性,提高了模型的精度。本文通过三个数据集上进行实验,从定性和定量两方面验证了该模型的性能。在此基础上,本文进一步提出基于语义关系感知的图像变化字幕算法模型,该模型首先引入自相关和互相关算法,为变化前后两张图片提取了更加丰富的语义信息,有效提升了检测差异算法的准确性。进一步地,该模型结合词性分析算法,为生成的每一个单词设置先验信息,实现了非视觉性单词使用更少的视觉信息,相较于BLCC模型,该模型有效提升了应对混淆干扰因素和场景变化问题的鲁棒性。