简谱轻松DIY

让你对简谱文档编辑中的各种密密麻麻的符号毫不畏惧！     

统计与结构结合的工程图纸符号识别方法

提出一种统计识别与结构识别相结合的符号识别方法,以识别工程图纸中的各种符号,并达到了很好的识别效果。     

基于MATLAB的简谱识别算法研究

该文介绍了运用MATLAB软件实现简谱识别的算法。该算法主要实现图像的预处理、分割以及匹配识别等功能,关键是对音符进行准确的分割,因为这直接影响到识别效果的好坏。     

音乐课件中简谱的快速输入

音乐课件中的简谱如何快速输入,本文介绍四种输入的方法,解决简谱的输入,使课件更加完美。     

数学表达式识别方法综述

数学表达式的识别是将科学和工程文献中的数学公式转变成电子文档的一种形式。数学表达式的识别由符号识别和结构分析组成，符号识别又分两大阶段，即符号的分割和识别。本文介绍了目前数学表达式识别的研究现状，给出了数学表达式识别的过程和已提出的符号识别方法和结构分析方法。     

乐谱图像中的音符识别方法

面向多声部乐谱,实现基于结构模式的音符识别方法。在音符基元抽取阶段,提出基于游程分析的符干、符头、符梁3类基元抽取算法,具有较好的抗相交和抗粘连干扰能力。在音符结构分析阶段,采用“作用场”描述音符基元关系,将音符分为6类子结构,可缩小基元搜索范围。在此基础上细分音符结构,遵循关键子结构优先定位原则实现音符基元重组,可降低分析复杂度且具有良好的基元冗余排错能力。实验结果表明,该方法能快速准确识别多声部乐谱中的音符,在音符排列密集、结构复杂时适应能力较强。     

输入简谱也轻松

简谱该怎样输入呢?使用画图输入简单易学,但修改不便,适合应急。充分挖掘Word2010中文字和图形功能,也能轻松输入简谱。对于很多音乐老师来说,输入简谱是个棘手的问题,而简谱在制作音乐试卷或设计音乐课件时,又会经常遇到。很多音乐老师选择了逃避,避开要输入简谱的环节,使用其他的方法替代(如上网下载或扫描纸质原谱)。本文就教各位音乐老师几种歌谱输入的方法,让你以后能面对简谱不再退缩。     

PPT也能轻松演示简谱

音乐组的同事要上公开课,拜托我做一个音乐课件,中间要用到一大段简谱,我从网上下载了几款简谱编辑软件试用了一下,发现除了难以上手外,文件格式也是个问题。有没有在PPT中录入简谱的好方法呢？其实有两款字体非常适合制作简谱。     

中文简谱的图像分割与歌词提取研究

为准确获取简谱的歌词信息,提出一种中文简谱的图像分割与歌词提取方案。在图像分割阶段,利用投影法与中文歌谱的高层领域知识分离歌词与乐音、标题等区域;在歌词提取阶段,设计包围盒算法提取歌词,合并属于同一个字的包围盒,区分标点符号,并与歌词包围盒分开存储。实验结果表明,该方案具有较好的歌词提取效果,平均歌词提取率可达97.48%。     

巧用“画图”制作歌曲简谱

县里要举行教学基本功大赛,要求参加者必须使用教学课件,朋友被选中代表学校参加,她讲的是一节音乐课,使用PPT制作课件,在课件中需要制作一个歌曲简谱,简谱中有许多专用符号,在PPT中无法制作出来,这下可难倒了她。     

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。     

自然交互研究--笔式简谱编辑器的设计与实现

自然交互是指用户可以用自己熟悉的日常技能与计算机进行交互。中国有大量的音乐爱好者使用简谱,但是针对简谱编辑的编辑软件却相对较少,并且现有软件的交互方式不够自然,降低了用户对软件的使用效率。他们需要一种更自然、更方便使用的简谱编辑软件。该文介绍了一个基于笔式输入的简谱编辑器原型系统的设计和实现。基于对现有软件、简谱特性和可利用的新技术的综合分析,设计并实现了这个原型系统。对此原型系统进行了非正式的用户实验之后,对结果进行了分析,并提出了修改的方案。     

FRED和DWT在乐音音符识别中的应用研究

乐音音符识别和自动记谱在音乐创作领域和音乐数据库检索技术中有很重要的应用价值,但目前还没有比较成熟的乐音音符识别方法。该文通过深入研究乐音的物理特性和音乐特性,提出一种识别乐音音符的方法,该方法实现在频域的精确定位,取得了非常好的识别效果,具有较高的应用价值。     

Automatic Recognition of Isolated Monophonic Musical Instrument Sounds using kNNC

The instrument recognition system described in this paper classifies isolated monophonic musical instrument sounds using six features: cepstral coefficients, constant Q transform frequency spectrum, multidimensional scaling analysis trajectories, RMS amplitude envelope, spectral centroid and vibrato. Sounds from nineteen instruments of definite pitch, covering the note range C3–C6 and representing the major musical instrument families and subfamilies were used to test the system. Nearest neighbor classification was utilised and results were evaluated in terms of accuracy and reliability. Using the leave-one-out test strategy yielded an accuracy of 93% in instrument recognition, 97% in instrument family recognition, and 100% for sustain/impulsive instruments.     

音乐信息检索下的乐器识别综述

高效精准的乐器识别技术可以有效地推动声源分离、音乐识谱、音乐流派分类等研究的深入发展,可广泛应用于播放列表生成、声学环境分类、乐器智能教学和交互式多媒体等众多领域。近年来,随着乐器识别研究的不断推进,乐器识别系统在性能上有了大幅提高,但依旧存在着部分乐器难以识别、乐器音频特征提取较为困难、复音乐器识别精准度较低等诸多问题,如何借助人工智能技术对乐器进行高效精准的识别成为当前研究的热点和难点。针对当前研究现状,从乐器识别常用音频特征、乐器识别模型及方法和常用数据集三个方面进行综述,并对当前研究中存在的局限性和未来发展趋势进行总结,为乐器识别研究提供一定的借鉴参考。     

Recognition of handwritten musical notes by a modified Neocognitron

A neural network for recognition of handwritten musical notes, based on the well-known Neocognitron model, is described. The Neocognitron has been used for the what pathway (symbol recognition), while contextual knowledge has been applied for the where (symbol placement). This way, we benefit from dividing the process for dealing with this complicated recognition task. Also, different degrees of intrusiveness in learning have been incorporated in the same network: More intrusive supervised learning has been implemented in the lower neuron layers and less intrusive in the upper one. This way, the network adapts itself to the handwriting of the user. The network consists of a 13×49 input layer and three pairs of simple and complex neuron layers. It has been trained to recognize 20 symbols of unconnected notes on a musical staff and was tested with a set of unlearned input notes. Its recognition rate for the individual unseen notes was up to 93%, averaging 80% for all categories. These preliminary results indicate that a modified Neocognitron could be a good candidate for identification of handwritten musical notes.     

A Coarse-to-Fine Method for Shape Recognition

In this paper the deformation invariant curve matching problem is addressed. The proposed approach exploits an image pyramid to constrain correspondence search at a finer level with those at a coarser level. In comparison to previous methods, this approach conveys much richer information： curve topology, affine geometry and local intensity are combined together to seek correspondences. In experiments, the method is tested in two applications, contour matching and shape recognition, and the results show that the approach is effective under perspective and articulated deformations.     

一种非限制性的手写数字的识别方法

本文从语义,句法模式识别观点,提出一种基于模型指导的有限状态属性自动机,进行特征抽取。对每一种典型的畸变模型设计一个有限状态属性文法及其相应的属性自动机,采用自下而上和自上而下相结合的控制策略,并在低层次引入知识指导,减少了工作量和不确定性。基于上述方法实现的非限制性手写数字识别系统,经过对１１００个非限制性手写数字样本的测试,平均识别率达９５．２％,拒识率为４．６％,误识率为０．２％。     

小波系数特征的目标识别方法

提出一种基于小波系数特征的目标识别方法.通过对图像的小波变换系数进行有选择的保留和抛弃,并对保留的系数进行非线性的处理来突出目标的主要轮廓信息,归一化处理后提取出目标的特征向量;将该特征向量应用于支持向量机进行分类识别.实验证明该方法有效的改进了目标识别效果.