視覺(jué)樂(lè)譜識(shí)別關(guān)鍵技術(shù)研究.pdf

1、光學(xué)樂(lè)譜識(shí)別技術(shù)將數(shù)字化樂(lè)譜圖像轉(zhuǎn)化為計(jì)算機(jī)能理解的代碼格式，對(duì)音樂(lè)信息處理具有重要意義，同時(shí)對(duì)發(fā)展農(nóng)村音樂(lè)教育、娛樂(lè)水平，甄選有利于農(nóng)業(yè)生產(chǎn)的音樂(lè)作品等工作提供技術(shù)支持。以便攜式數(shù)碼相機(jī)設(shè)備采集的視覺(jué)圖像更適合農(nóng)業(yè)的作業(yè)環(huán)境，經(jīng)濟(jì)優(yōu)勢(shì)明顯。受點(diǎn)聚焦和自然環(huán)境因素的影響，視覺(jué)樂(lè)譜圖像具有背景復(fù)雜、光照不均勻、五線譜傾斜、彎曲、模糊等問(wèn)題，嚴(yán)重影響了樂(lè)譜識(shí)別效果。文章針對(duì)視覺(jué)五線譜圖像識(shí)別的難點(diǎn)，對(duì)樂(lè)譜自動(dòng)定位、二值化、譜線檢測(cè)及樂(lè)符識(shí)別

2、等關(guān)鍵問(wèn)題的解決方法進(jìn)行了探討，以期提高印刷體視覺(jué)樂(lè)譜的識(shí)別效率。本文主要貢獻(xiàn)和創(chuàng)新點(diǎn)如下:
　　(1)將非監(jiān)督特征學(xué)習(xí)理論引入到樂(lè)譜自動(dòng)定位方法中。不依賴于五線譜的結(jié)構(gòu)特點(diǎn)，以圖像塊為判別單元，通過(guò)K-means聚類算法提取圖像塊特征，采用支撐向量機(jī)進(jìn)行分類，利用同類結(jié)果的連通域搜索確定樂(lè)譜位置。與其他特征提取方法的比較表明，非監(jiān)督特征學(xué)習(xí)方法在視覺(jué)圖像塊分類適應(yīng)性和復(fù)雜性上都具有一定優(yōu)越性，當(dāng)漢字為干擾因素時(shí)降低了樂(lè)譜檢測(cè)的錯(cuò)

3、誤率。
　　(2)提出了基于灰度差分的雙層區(qū)域劃分方法，以動(dòng)態(tài)多閾值二值化方法解決視覺(jué)樂(lè)譜圖像不規(guī)則區(qū)域自然光照不均勻問(wèn)題。該方法以灰度差分變化率區(qū)分前景與背景圖像塊，再依據(jù)前景圖像塊的背景灰度值，將前景圖像塊集合劃分成光照強(qiáng)度相對(duì)一致的區(qū)域，最后對(duì)每個(gè)區(qū)域采用簡(jiǎn)單的Otus閾值進(jìn)行二值化。這種層次處理方式，與全局閾值、局部閾值及其它樂(lè)譜二值化方法相比，不受光照方向等限制，可以劃分出不規(guī)則形狀的二值化區(qū)域，有效提高了圖像二值化效果

4、。
　　(3)改進(jìn)了基于像素游程的細(xì)化算法和拐點(diǎn)的提取算法。通過(guò)直接在筆畫交叉位置出現(xiàn)斷點(diǎn)的方式，降低了細(xì)化后圖像矢量線段提取的復(fù)雜度;在雙角度閾值拐點(diǎn)提取方法基礎(chǔ)上，通過(guò)粗判斷細(xì)分析的方法，改進(jìn)拐點(diǎn)位置判斷的準(zhǔn)確度，從而提高矢量線度提取的精度。
　　(4)在矢量線段分析基礎(chǔ)上，提出了一種以折線模擬彎曲譜線的音高識(shí)別方法。首先，在一個(gè)小節(jié)范圍內(nèi)，對(duì)水平線段的組合方式進(jìn)行了分析，改進(jìn)了最短路徑譜線檢測(cè)算法，確定譜線段組;然后，

5、以水平線段及相鄰線段間的補(bǔ)充線段形成的折線表示譜線;最后，根據(jù)符頭所在位置調(diào)整譜線間距參數(shù)，識(shí)別音高。以折線表示譜線，與校正彎曲譜線方法相比，具有方法簡(jiǎn)單、效果穩(wěn)定性好的特點(diǎn)。
　　(5)提出了一種基于細(xì)化圖像斷點(diǎn)分析的樂(lè)符分割方法。在不去除譜線情況下，以譜線斷點(diǎn)為種子，設(shè)定規(guī)則以區(qū)域增長(zhǎng)算法完成對(duì)譜線上樂(lè)符的切分;同時(shí)，針對(duì)帶有譜線的樂(lè)符識(shí)別問(wèn)題，改進(jìn)了方向梯度直方圖(Histogram of OrientedGradient，