乐谱图像倾角快速检测方法

计算机光学乐谱识别技术是将传统的纸质型乐谱转化为计算机能够“读懂”的数字音乐，在计算机音乐领域中具有重要的应用价值、乐谱识别系统的输入是乐谱扫描图像，而扫描过程中出现的图像倾斜现象，会给识别过程中的谱线定位和谱段切割带来诸多困难，必须对图像作有效的倾斜校正以保证系统的性能。为此，提出了一种快速的乐谱图像倾角检测方法。该方法首先利用乐谱文档的自身结构特点，对图像进行预处理，滤除乐谱图像中不具备方向性的干扰像素，然后通过多组图像水平投影队列间的交叉相关性计算对倾角进行检测。其特点是在确保检测倾角精度的同时具有非常高的执行效率。实验结果表明这一方法是有效、实用的。     

基于模板匹配和神经网络的乐谱图象符头基元检测与识别

符头基元的检测与识别是光学乐谱识别技术的核心与关键之一.本文提出一种改进的模板匹配结合神经网络仲裁的方法,对乐谱图象中的符头基元进行检测和识别.在模板匹配阶段,利用乐谱的先验知识对符头的搜索范围进行有效限定,减少了匹配过程中搜索的"盲目性".匹配完成后,提取图象中的垂直直线,对相互连接的候选符头和垂直直线进行编码,通过BP神经网对编码样本的训练,实现音符构成规则的智能学习,最后由神经网络完成符头基元的仲裁确认.实验数据表明,与原有的模板匹配方法比较,该方法的整体识别性能体现出了明显的优势,具有较高的实用价值.     

计算机光学乐谱识别技术

计算机光学乐谱识别是计算机技术在音乐领域的发展和应用，主要利用图像处理，模式识别，文档图像分析等相关技术，把乐谱图像转化成通用的数字音乐格式，OMR实现传统乐谱数字化，在计算机音乐、计算机辅助音乐教学，数学音乐图书馆等众多领域有着广泛的应用前景，OMR包括乐谱图像预处理，谱线检测与删除，原始音符对象识别和特征音符对象解释与重组等主要过程，音符对象的识别，解释与重组是其中的难点和关键。     

基于MIDI1.0协议的工尺谱乐谱音乐信息数字存储格式

描述了工尺谱记谱法（GCN,Gong-che Notation）的一些基本知识,指出了它和五线谱记谱法之间的异同点,然后利用MIDI1.0协议提出了具有兼容性的工尺谱乐谱的CGCN（Code of GCN）类MIDI文件的文件结构,最后对CGCN类MIDI文件的软件接口设计进行了必要的说明。提出的工尺谱乐谱的类MIDI文件结构具有较强的兼容性、鲁棒性和容错性,能实现音乐作品的音序信息和乐谱信息的同步传播,有效解决了工尺谱乐谱译谱过程中的歧义性问题,使中国传统音乐作品在数字时代得到良好的传播和复用。     

支持笔输入的乐谱编辑器

设计并实现了一个支持笔输入的乐谱编辑器,用户使用笔和书写板输入乐谱手势符号,利用基于网格编码的单笔划手势识别算法识别手势符号,生成与输入相应的乐谱,具有实时播放的功能。与传统交互界面的乐谱编辑器相比较,该系统的交互方式更加符合人们对乐谱的书写和认知习惯,使乐谱的输入过程变得简单、自然、高效。     

乐谱识别的预处理和环境参数测定

提出了一种乐谱计算机识别的预处理及环境参数测量的方法。乐谱经归描仪给输入，要作预处理，确定谱表位置、测定谱线宽度、去除噪音、删除谱线等一系列识别前阶段的工作，要为乐谱分割和识别以及自动演奏作好前期准备，计算机系统实验表明，乐谱识别的预处理和环境参数测定是非常有效的。     

基于残差门控循环卷积和注意力机制的端到端光学乐谱识别方法

光学乐谱识别对推动音乐智能化与数字化有着重大意义。传统的乐谱识别流程冗杂,易导致错误积累,但目前基于序列建模的乐谱识别方法不能从全尺度上获取音符上下文信息,在识别效果上仍有提升空间。为此,提出一种基于残差门控循环卷积和注意力机制的端到端光学乐谱识别方法。以残差门控循环卷积作为骨干网络,丰富模型提取上下文信息能力;结合一个注意力机制解码器,能更好地挖掘乐谱特征信息及其内部相关性,增强模型表征能力并对乐谱图像中的音符及音符序列进行识别。实验结果表明,改进后的网络与原卷积循环神经网络（CRNN）模型相比,符号错误率和序列错误率均显著下降。     

基于测度学习支持向量机的钢琴乐谱难度等级识别

现有钢琴乐谱难度分类主要由人工方式完成,效率不高,而自动识别乐谱难度等级的算法对类别的拟合度较低。因此,与传统将乐谱难度等级识别归结为回归问题不同,本文直接将其建模为基于支持向量机的分类问题。并结合钢琴乐谱分类主观性强、特征之间普遍存在相关性等特点,利用测度学习理论有难度等级标签乐谱的先验知识,依据特征对难度区分的贡献度,改进高斯径向基核函数,从而提出一种测度学习支持向量机分类算法——ML-SVM算法。在9类和4类难度两个乐谱数据集上,我们将ML-SVM算法与逻辑回归,基于线性核函数、多项式核函数、高斯径向基核函数的支持向量机算法以及结合主成分分析的各个支持向量机算法进行了对比,实验结果表明我们提出算法的识别正确率优于现有算法,分别为68.74%和84.67%。所提算法有效提高了基于高斯径向基核函数支持向量机算法在本应用问题中的分类性能。     

智能音乐辅助系统：乐谱获取与学习的创新方案

设计和实现基于语音识别与编辑的自动作曲系统,旨在解决视觉障碍者和音乐初学者在乐谱访问和音乐理解方面的困难。研究内容包括音符识别、音符编辑和多种文件生成。通过音符识别算法和语音技术的集成,用户的音频输入可以转换为乐谱中的音符和时值。音符编辑功能允许用户灵活地修改音符的音高。系统能够生成多种文件格式,例如,图片、音频、可编辑版乐谱和盲文文件,以满足用户的展示和编辑需求。该研究对音乐辅助技术的发展具有重要意义,为视觉障碍者和音乐初学者提供了创新的学习工具和音乐创作方式。未来,自动作曲系统有望进一步发展,提高算法准确性、用户体验和创作自由度。同时,与其他领域技术的融合将进一步扩展其功能和应用场景,推动音乐辅助技术的进一步发展。     

基于数学形态学和记谱法的数字乐谱音乐信息提取

从图像处理的角度,对乐谱记谱法的基本规则进行了分析.利用记谱法符号图元之间的结构关系,运用数学形态学的基本算法,提取数字乐谱的音乐信息,从而将音乐信息转化为MIDI文件,实现音乐乐谱的重构和提供乐谱传播的音响载体.实验结果表明,系统对钢琴乐谱的音乐信息提取的正确率达到了94.4%,能满足实际应用的需要,为音乐数字图书馆、音乐教育、音乐理论分析等提供了新的途径.     

位平面和SIFT相结合的图像匹配方法

针对传统的相关匹配算法计算量大,对图像旋转敏感等问题,提出了一种位平面和尺度不变特征变换（SIFT）相结合的图像匹配算法。将待拼接的两幅图像[A、][B]各自分解为8个位平面,对两幅图像都选择前4个具有视觉信息的位平面[A1A2A3A4]和[B1B2B3B4];对[A1A2、][A2A3、][A3A4]图像进行异或运算,得到3幅图像。由于异或后的图像[A1A2]具有足够的细节部分,轮廓却不清晰,图像[A3A4]轮廓清晰,但是丢失了太多细节,而图像[A2A3]具有清晰的轮廓,又具有足够的细节信息,所以采用图像[A2A3],然后与原图像[A]进行异或得到[A],同时采用同样的方法得到图像[B],再次采用SIFT算法进行点对匹配,利用欧氏距离进行图像匹配,最后利用RANSAC进行图像容错处理,得到一幅匹配图像。实验结果表明,该算法有效地提高了匹配速度,对图像明暗变化、尺度旋转等具有较强的健壮性。     

融合局部特征和全局特征的手指静脉识别方法

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点。为了进一步提高手指静脉识别系统的性能,提出了一种融合局部特征和全局特征的手指静脉识别方法。应用局部二元模式方法提取手指静脉局部特征,利用海明距离计算匹配得分;应用双向两维主成分分析方法提取手指静脉全局特征,利用欧式距离计算匹配得分;在得分级上融合二者的匹配得分以产生识别结果。实验结果表明,局部特征与全局特征具有较好的互补性,有效地提高了识别精度。     

基于相交颜色直方图的图像检索算法

提出一种基于相交颜色直方图的图像检索算法,该算法首先计算示例图像和被检索图像的相交颜色直方图,然后计算两直方图的相交距离,同时考虑各色在两图像中的分布情况。实验结果表明该算法不受背景颜色的影响。     

车牌字符识别的预处理算法

文章介绍了车牌图像的二值化和字符分割算法。提出了一种图像二值化的改进算法,应用简单统计法及Roberts边缘检测算子,在具有噪声以及灰度不均匀的复杂背景中提取出待识别的字符,同时运用数学形态学进行二值图去噪。最后讨论了基于投影法的车牌字符分割方法,取得了较满意的结果。     

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。     

基于Bit平面和广义PCA的人脸识别

提出了一种结合Bit平面信息和广义PCA进行人脸识别的新算法。利用人脸图像的Bit平面信息，经特征融合来构造新的人脸，在此基础上再进行广义PCA分析。实验表明，该文提出的方法不仅能提高人脸的识别率，而且在人脸特征空间的维数较低时，识别率已经达到稳定。     

基于硬件加速器的高分辨率图像匹配算法及应用

受限于硬件资源,SAD加速器只能实现较小图像的匹配。本文提出了一种高分辨率图像匹配算法,将较大图像的匹配拆分成SAD加速器支持的基本计算粒度,同时保证匹配精度和实现效率。并将该算法应用到二级金字塔算法中,取得了较好的效果。     

HMM-based writer identification in music score documents without staff-line removal

Writer identification from musical score documents is a challenging task due to its inherent problem of overlapping of musical symbols with staff-lines. Most of the existing works in the literature of writer identification in musical score documents were performed after a pre-processing stage of staff-lines removal. In this paper we propose a novel writer identification framework in musical score documents without removing staff-lines from the documents. In our approach, Hidden Markov Model (HMM) has been used to model the writing style of the writers without removing staff-lines. The sliding window features are extracted from musical score-lines and they are used to build writer specific HMM models. Given a query musical sheet, writer specific confidence for each musical line is returned by each writer specific model using a log-likelihood score. Next, a log-likelihood score in page level is computed by weighted combination of these scores from the corresponding line images of the page. A novel Factor Analysis-based feature selection technique is applied in sliding window features to reduce the noise appearing from staff-lines which proves efficiency in writer identification performance. In our framework we have also proposed a novel score-line detection approach in musical sheet using HMM. The experiment has been performed in CVC-MUSCIMA data set and the results obtained show that the proposed approach is efficient for score-line detection and writer identification without removing staff-lines. To get the idea of computation time of our method, detail analysis of execution time is also provided.     

大规模显微图像拼接算法

针对大规模显微图像拼接中的误差累积问题,提出了一种新的图像拼接模型。首先利用基于区域的对准方法,按照由粗到细的分层对准策略,提高图像对准的速度与准确性。然后,利用所有重叠图像对的对准约束,建立了一种图像拼接模型,并通过求解线性方程组得到拼接模型的最优解,从而实现了大规模显微图像的自动拼接。从实验结果看,该算法有效地消除了误差的累积效应,获得了理想的拼接效果。     

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。