[发明专利]一种基于空间文化模因分析的城市风格分类方法

权利要求书

1.一种基于空间文化模因分析的城市风格分类方法，其特征在于，包括以下步骤：

对数据集的样本进行预处理，去除噪声样本；

通过训练神经网络获取风格特征，及每个样本的风格特征向量；

利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过所述字典计算城市间的模因距离；

计算风格距离、稀疏表示和风格类型，并根据所述风格距离、所述风格类型和所述稀疏表示进行城市文化模因分析，根据所述字典和所述模因距离对城市图片进行风格分类，并根据所述风格距离将城市间的风格差异进行量化；

所述模因距离Dist通过下列公式进行计算：

differ＝arr1-arr2

dist＝Frobenius(differ

len1＝Frobenius(arr1)

len2＝Frobenius(arr2)

denom＝(len1+len2)/2

Dist＝1-(dist/denom)

其中，Frobenius代表对向量求范数，即求解矩阵各项元素的绝对值平方的和,arr1,arr2表示两个二维矩阵转换为一维向量后的向量，其中二维矩阵为字典；

其中，城市的稀疏表示是城市的稀疏矩阵与城市字典的乘积；风格距离是不同城市的稀疏矩阵按列进行求和再平均后的值的欧式距离。

2.根据权利要求1所述的基于空间文化模因分析的城市风格分类方法，其特征在于，所述对数据集中的样本进行预处理，去除噪声样本，包括如下步骤：删除与图片无关的视频信息，再利用GMM聚类算法对图片进行聚类，只保留有关建筑的图片，再对图片进行相似性筛选，去除重复图片。

3.根据权利要求1所述的基于空间文化模因分析的城市风格分类方法，其特征在于，运用深层卷积神经网络提取城市图像的风格特征，其中，选取深层卷积神经网络的第4层获取多张特征图，每张特征图的一维表示为A＝(a₁,a₂,……,a_14*14)^T，计算对应特征图的均值和标准差得到A^*＝(a_mean,a_std)，由该层所有特征图所组成的向量特征得到图像的风格特征向量，所述风格特征向量表示为：

4.根据权利要求1所述的基于空间文化模因分析的城市风格分类方法，其特征在于，基于稀疏表示的字典分类过程如下：

L(y)＝arg_iMIN{||y-D_iA_i||₂}

其中A_i＝[A_i1,A_i2,…,A_in]，A_i1，A_i2，…，A_in为第1个、第2个、第n个城市的稀疏矩阵，n指的是i类别的样本数，A′＝[A′₁,A′₂,…,A′_c],A′_i是与类别i相关的系数向量，D_i指的是第i类样本的字典，c指的是类别数，y是新的测试样本信号，a是A_i矩阵中的某一向量，γ是一个标量常数。

5.根据权利要求4所述的基于空间文化模因分析的城市风格分类方法，其特征在于，根据下列公式进行计算城市整体风格的风格稀疏表示：

S_i＝D_iA_{i_mean}，

其中A_ik是稀疏矩阵A_i的n个列向量，D_i是i个类别的字典，A_{i_mean}指的是稀疏矩阵的列平均值。