光學(xué)樂譜識別技術(shù)研究與實現(xiàn).pdf

1、紙質(zhì)樂譜向數(shù)字化樂譜的轉(zhuǎn)換，是人類音樂活動與計算機音樂處理之間進行信息交流的必經(jīng)之路。光學(xué)樂譜識別是將紙質(zhì)樂譜掃描輸入計算機后，對樂譜圖像加以處理、識別、分析，最終獲得樂譜的計算機數(shù)字表達的過程。光學(xué)樂譜識別技術(shù)突破了純手工的樂譜數(shù)字化瓶頸，為樂譜數(shù)字化提供了一條智能、高效、快捷的新途徑，具有重要的理論研究意義和應(yīng)用價值。 本文以印刷體多聲部五線譜為研究對象，從譜線定位與刪除、音符識別、樂譜專用符號識別、樂譜重建與語義解釋四個方

2、面，對樂譜識別的關(guān)鍵技術(shù)進行了系統(tǒng)深入地研究，在多個環(huán)節(jié)上提出了行之有效的新思路和新方法。 譜線定位與刪除是樂譜識別的首要環(huán)節(jié)。在譜線定位方面，本文提出了基于交叉相關(guān)性的樂譜圖像變形校正與譜線定位算法，其本質(zhì)是利用“化整為零、相關(guān)計算”的思想，對基于水平投影的譜線定位方法的一種改進。該算法在保持了投影方法計算簡單、抗噪聲能力強的原有優(yōu)勢的同時，彌補了其對變形敏感的不足，有效解決了現(xiàn)有統(tǒng)計和結(jié)構(gòu)兩類譜線定位方法存在的抗變形和抗噪聲

3、之間的矛盾。 在譜線刪除方面，本文針對譜線刪除過程中存在的“過刪除”問題，提出了基于圖段拓撲關(guān)系的譜線刪除算法。與現(xiàn)有譜線刪除方法相比，該算法在提高刪除單元表達層次的同時，強調(diào)對刪除單元周邊環(huán)境特征的分析和判斷，能夠更全面、清晰地觀察到譜線與非譜線像素的區(qū)別，從而明顯減少譜線“過刪除”現(xiàn)象的發(fā)生，保證了樂譜圖形符號在譜線刪除之后的完整性。 音符識別是樂譜識別的核心與關(guān)鍵。本文根據(jù)音符的多樣性和多態(tài)性特點，確定了基于結(jié)構(gòu)的

4、音符識別方案，將其識別過程劃分為基元抽取和結(jié)構(gòu)分析兩個階段。 在音符基元抽取方面，提出了基于垂直游程編碼的粗提取、基于水平游程編碼的精檢測的符干抽取方法，克服了現(xiàn)有方法對復(fù)雜音符適應(yīng)性差、抽取結(jié)果不完整等缺陷：設(shè)計了一種先分割、后特征檢測的實心符頭抽取方法，該方法利用音符先驗知識和已有的譜線、符干識別結(jié)果對符頭進行切割，解決了粘連符頭的切分難題；提出一種基于塊狀體分割和特征檢測的尾橋抽取方法，避開了傳統(tǒng)的直線抽取方法所無法處理的

5、尾橋粘連問題。 在音符結(jié)構(gòu)分析方面，提出了一種基于作用場的音符結(jié)構(gòu)分析方法。該方法將物理學(xué)中的作用場概念引入到音符基元的關(guān)系表達，實現(xiàn)了知識性、魯棒性和精確性三者的統(tǒng)一。在此基礎(chǔ)上，定義了六個音符子結(jié)構(gòu)，建立了關(guān)鍵結(jié)構(gòu)優(yōu)先定位的音符結(jié)構(gòu)分析模型，實現(xiàn)了音符基元數(shù)據(jù)向音符對象的重建。該模型體現(xiàn)了人工識譜時突出重點特征、從整體到細節(jié)的思維習(xí)慣，不僅減少了分析的復(fù)雜度，而且具有較強的基元冗余排錯能力。 對于音符除外的其它樂譜符

6、號即樂譜專用符號，提出了一種基于幾何、中心矩和穿刺三類特征的神經(jīng)網(wǎng)絡(luò)識別方法。上述三類特征能夠很好地兼顧統(tǒng)計特征的抗噪性和結(jié)構(gòu)特征對細微差別的分類能力，體現(xiàn)了各類樂譜專用符號的實際特點，并采用具有強大非線性分類能力的BP神經(jīng)網(wǎng)絡(luò)作為符號分類器，取得了良好的識別效果。最后，本文通過建立“樂譜結(jié)構(gòu)樹”，實現(xiàn)了由散亂圖形符號數(shù)據(jù)到樂譜數(shù)據(jù)的有機組織和重建。討論了音樂事件序列的生成方法，實現(xiàn)了樂譜語義解釋及其語義內(nèi)容的標準MIDI格式文件輸出。