实例介绍
【实例简介】
音乐简谱识别与演奏系统。 不错的开发文档
甘肃科学学报 1991年第4期 矩均存在,且唯一地被f(x,y)所确定;反之,f(x,y)也由它的各阶矩唯一地确定 中心矩可以表示如下 F (x-x)P(y-y)f (x, y) dxdy 式中 mio. y p,q=0,1,2 对于数字图象,由阵列表示,它的p+q阶矩由下式给出: yI (X, y q=0,1,2 M和N分别是图象在水平方向和垂直方向上的维数, f(x,y)是图象在点(x,y)处的灰度值。 从矩的定义可以看出,矩保存着图象的信息,原图象可以由它的所有阶矩重构;足够多的 组矩可以近似地重构原图象。 图象的中心矩由下式计算: 卩p=∑ Σ(x-x)P(yy)f(x,y) =0 式中 Im p,q=0,1,2,3 看鲁 3.3矩的快速算法 目前已经有了一些快速算法,如δ算法和递归算法等。由于δ算法是针对二值图象提出来的, 冈此选用δ算法。本文主要介绍δ算法 δ算法本质上是基于行程码( run length code)的一种计算矩的快速算法。用直接法计算矩mp 的过程是首先由函数f(x,y)乘以相应的x"y,然后将结果求和。对于二值化的图象来说,函数 f(x,y)在背景点取值为0而其它点取值为1 四音符的特征提取 根据经验,人们已经知道,三阶以上的矩对噪声很敏感,通常选用三阶及三阶以下的矩作为 特征量 当选用三阶及三阶以下的矩作为特征量时,有十个一般矩、八个中心矩、及八十一个面积特 征 用尤拉间距作为相似度的测量,实验结果见表1。 从表1中看出,面积特征〔已分块)、中心矩作为特征时,系统的识别率高,而其它组特征的 识別率则比较低。最终,我们选择了0阶、2阶和3阶的总共8个中心矩和面积作为特征。 五改进措施 从表1中可知,如果只用8个中心矩作为特征,以尤拉距离作为相似度测量时,识别率不能 令人满意。为此,必须采取一些改进措施来进一步提高识别率。改进措施有两个,即加增特征量 的数日和分类 o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 徐毅敏等:音乐简谐的识别与演奏系统 29 表1 特征 误识数目 平均识别率% 样本1 样本2 样本3 样本4 样本5 般矩 31 35 40 39 30 22.2 中心矩 8 84.9 面积特征 3 95.1 注:每个样本45个音符 5.1分块法 增加特征量的数目,如果以提高矩的阶数来实现,因高阶矩对噪声十分敏感,所以识别率不 会提高。如果选用中心矩外的其它矩,因中心矩与其它矩(一般矩、规格化中心矩和矩不变量)相 关性较大,识别率仍不会提高 如果将每个音符分成若干块,对每一块分别计算它的中心矩,特征量数目会成倍地增加,但 是也存在这样一个矛盾:如果划分的块数太多,特征量的数目剧增,将大大增加识别的时间,如 果划分的块数太少,又不能满足提高识别率的要求。因此,折衷考虑,将一个音符划分成相同大 小的四块。如图4所示。 0 0 个音符的大小为90×90像素点。按图4 所示的方法划分后,每块的大小为45×45象素 点。原来的90×90矩形的四个顶点分别作为划 B B2 分后的四个小块B1、B2、B3和B4的座标原点。 座标轴的方向图4中已经标出。 分别计算每小块的1阶、2阶和3阶中心 矩,总共有32个中心矩作为特征。这样,特征量 的数目增加了三倍。表2示出了分块前和分块后 系统的识别情况。 0 图4 表2 误识数目 平均识别率% 样本1 样本2 样本3 样本4 样本5 未改进 47 32 41 62.6 分块后 10 4 9 92.8 分类后 4 2 3 97.2 注:每个样本107个音符 5.2分类 由于音符相似度较大,采用分类的办法可解决这个问题。将所有音符分为五类,全音符一类, 半音符一类,四分之一音符一类,八分之一音符一类,其余为一类 六结论 本文首次把面积法、矩法方法用于音乐简谱的识别,根据简谱的特点,找到了一组适合于简 谱的特征量,用分块的方法分别计算出各块的中心矩,来提高简谱的识别率。从特征库的建立到 音符的识别过程都通过软件自动实现。在计算矩的过程中,采用了一种快速算法,从而大大减少 o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 30 甘肃科学学报 1991年第4期 了矩的计算时间,在判别过程中,通过快速算法,使整个识别过程的时间缩短。 矩法方法的音符模拟实验在第二部分所述的计算机模拟识别系统上完成,软件用 TURBO PASCAL语言实现。调用了其中的 SOUND过程演奏取得了良好的效果。在样本质量比较差的情 况下,识别率分别达到95%和97%左右。如果实验条件得到改善,识别率可进一步提高,演奏效 果将进一步提高。 参考文献 [1]陈尚勒,魏鸿骏:【模式识别理论及应用》,成都电讯工程学院出版社1985 [2] J.W. ROACH and J. E. TATEM, Using domain knowledge in low-level visual processing to inte pret handwriting music, Pattern Recognition Volume 21, Jan, 1988,p33-p44 [3] D. S. Prerau, Da-re-mi: A program that recognizes music notation, Computer Human.9,25-29 (1975) [4]C. Arcell and G. S. Dibaja, a thining algorithm based on prominence detection, Pattern Recog- nition13(3),225-235(1981). [5] L. T. Waston, K. I. Arvind, R. W. Ehrich and R. M. Haralick, Extraction of lines and regions from grey tone line drawing images, Pattern Recognition 17(5),493-507(1984) [6] M. K. Hu, Visual Pattern Recognition by moment invariants, IRE Ttans, Inform. Theory Vol, IT-8,P179-187,Feb1962. 73 G. L. Cash and M. Hatamian, Optical Character Recognition by the method of moments,Com put. Graphics and Image Processing, Vol 39, No. 3, Sep, 1987, p291-310 8] J. Mantas, An overview of character recognition methodologies. Pattern Recognition. Vol, 19, No.6,p425-430,1986. 9]S. SEl-Dabi, R. Ramsis and A. Kamel Arabic character recognition system. P.R. Vol 23 No.5,p485-p495,1990 o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 徐毅敏等:音乐简谱的识别与演奏系统 31 RECOGNITION AND PLAY SYSTEM OF NUMBERED MUSICAL NOTATION Xu Yimin and jing gi g gang (Department of Electronics Information Science Lanzhou University, 730000, China) Zhang Yanbo (Department of physics, Lanzhou University, 730000, China) Kang Xiaohu Department of physics, Lanzhou Medical College, 730000, China) ABSTRACT In this paper, it is the first time to apply area measuring and moments calculation method to the recognition of musical notations. Based on the earnest study of recognition theory a set of feature vectors suitable for the recognition of musical notations is selected according to the characteristics of the notations. a block division method is proposed that increases recogition rate drastically. The procedures of feature dictionary building and recognition are carried out automatically by software. As a fast moment calculating method is used, the recognition speed is Imorove d a lot. When experimented on a subset of the main tone of kewang,, a recognition rate 95.1% of area measuring and 97. 2% of moment computation is obtained despite the bad quality of the test samples Key words: Moment, pattern recognition, area mothod, numbered musical notation. o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 【实例截图】
【核心代码】
音乐简谱识别与演奏系统。 不错的开发文档
甘肃科学学报 1991年第4期 矩均存在,且唯一地被f(x,y)所确定;反之,f(x,y)也由它的各阶矩唯一地确定 中心矩可以表示如下 F (x-x)P(y-y)f (x, y) dxdy 式中 mio. y p,q=0,1,2 对于数字图象,由阵列表示,它的p+q阶矩由下式给出: yI (X, y q=0,1,2 M和N分别是图象在水平方向和垂直方向上的维数, f(x,y)是图象在点(x,y)处的灰度值。 从矩的定义可以看出,矩保存着图象的信息,原图象可以由它的所有阶矩重构;足够多的 组矩可以近似地重构原图象。 图象的中心矩由下式计算: 卩p=∑ Σ(x-x)P(yy)f(x,y) =0 式中 Im p,q=0,1,2,3 看鲁 3.3矩的快速算法 目前已经有了一些快速算法,如δ算法和递归算法等。由于δ算法是针对二值图象提出来的, 冈此选用δ算法。本文主要介绍δ算法 δ算法本质上是基于行程码( run length code)的一种计算矩的快速算法。用直接法计算矩mp 的过程是首先由函数f(x,y)乘以相应的x"y,然后将结果求和。对于二值化的图象来说,函数 f(x,y)在背景点取值为0而其它点取值为1 四音符的特征提取 根据经验,人们已经知道,三阶以上的矩对噪声很敏感,通常选用三阶及三阶以下的矩作为 特征量 当选用三阶及三阶以下的矩作为特征量时,有十个一般矩、八个中心矩、及八十一个面积特 征 用尤拉间距作为相似度的测量,实验结果见表1。 从表1中看出,面积特征〔已分块)、中心矩作为特征时,系统的识别率高,而其它组特征的 识別率则比较低。最终,我们选择了0阶、2阶和3阶的总共8个中心矩和面积作为特征。 五改进措施 从表1中可知,如果只用8个中心矩作为特征,以尤拉距离作为相似度测量时,识别率不能 令人满意。为此,必须采取一些改进措施来进一步提高识别率。改进措施有两个,即加增特征量 的数日和分类 o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 徐毅敏等:音乐简谐的识别与演奏系统 29 表1 特征 误识数目 平均识别率% 样本1 样本2 样本3 样本4 样本5 般矩 31 35 40 39 30 22.2 中心矩 8 84.9 面积特征 3 95.1 注:每个样本45个音符 5.1分块法 增加特征量的数目,如果以提高矩的阶数来实现,因高阶矩对噪声十分敏感,所以识别率不 会提高。如果选用中心矩外的其它矩,因中心矩与其它矩(一般矩、规格化中心矩和矩不变量)相 关性较大,识别率仍不会提高 如果将每个音符分成若干块,对每一块分别计算它的中心矩,特征量数目会成倍地增加,但 是也存在这样一个矛盾:如果划分的块数太多,特征量的数目剧增,将大大增加识别的时间,如 果划分的块数太少,又不能满足提高识别率的要求。因此,折衷考虑,将一个音符划分成相同大 小的四块。如图4所示。 0 0 个音符的大小为90×90像素点。按图4 所示的方法划分后,每块的大小为45×45象素 点。原来的90×90矩形的四个顶点分别作为划 B B2 分后的四个小块B1、B2、B3和B4的座标原点。 座标轴的方向图4中已经标出。 分别计算每小块的1阶、2阶和3阶中心 矩,总共有32个中心矩作为特征。这样,特征量 的数目增加了三倍。表2示出了分块前和分块后 系统的识别情况。 0 图4 表2 误识数目 平均识别率% 样本1 样本2 样本3 样本4 样本5 未改进 47 32 41 62.6 分块后 10 4 9 92.8 分类后 4 2 3 97.2 注:每个样本107个音符 5.2分类 由于音符相似度较大,采用分类的办法可解决这个问题。将所有音符分为五类,全音符一类, 半音符一类,四分之一音符一类,八分之一音符一类,其余为一类 六结论 本文首次把面积法、矩法方法用于音乐简谱的识别,根据简谱的特点,找到了一组适合于简 谱的特征量,用分块的方法分别计算出各块的中心矩,来提高简谱的识别率。从特征库的建立到 音符的识别过程都通过软件自动实现。在计算矩的过程中,采用了一种快速算法,从而大大减少 o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 30 甘肃科学学报 1991年第4期 了矩的计算时间,在判别过程中,通过快速算法,使整个识别过程的时间缩短。 矩法方法的音符模拟实验在第二部分所述的计算机模拟识别系统上完成,软件用 TURBO PASCAL语言实现。调用了其中的 SOUND过程演奏取得了良好的效果。在样本质量比较差的情 况下,识别率分别达到95%和97%左右。如果实验条件得到改善,识别率可进一步提高,演奏效 果将进一步提高。 参考文献 [1]陈尚勒,魏鸿骏:【模式识别理论及应用》,成都电讯工程学院出版社1985 [2] J.W. ROACH and J. E. TATEM, Using domain knowledge in low-level visual processing to inte pret handwriting music, Pattern Recognition Volume 21, Jan, 1988,p33-p44 [3] D. S. Prerau, Da-re-mi: A program that recognizes music notation, Computer Human.9,25-29 (1975) [4]C. Arcell and G. S. Dibaja, a thining algorithm based on prominence detection, Pattern Recog- nition13(3),225-235(1981). [5] L. T. Waston, K. I. Arvind, R. W. Ehrich and R. M. Haralick, Extraction of lines and regions from grey tone line drawing images, Pattern Recognition 17(5),493-507(1984) [6] M. K. Hu, Visual Pattern Recognition by moment invariants, IRE Ttans, Inform. Theory Vol, IT-8,P179-187,Feb1962. 73 G. L. Cash and M. Hatamian, Optical Character Recognition by the method of moments,Com put. Graphics and Image Processing, Vol 39, No. 3, Sep, 1987, p291-310 8] J. Mantas, An overview of character recognition methodologies. Pattern Recognition. Vol, 19, No.6,p425-430,1986. 9]S. SEl-Dabi, R. Ramsis and A. Kamel Arabic character recognition system. P.R. Vol 23 No.5,p485-p495,1990 o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 徐毅敏等:音乐简谱的识别与演奏系统 31 RECOGNITION AND PLAY SYSTEM OF NUMBERED MUSICAL NOTATION Xu Yimin and jing gi g gang (Department of Electronics Information Science Lanzhou University, 730000, China) Zhang Yanbo (Department of physics, Lanzhou University, 730000, China) Kang Xiaohu Department of physics, Lanzhou Medical College, 730000, China) ABSTRACT In this paper, it is the first time to apply area measuring and moments calculation method to the recognition of musical notations. Based on the earnest study of recognition theory a set of feature vectors suitable for the recognition of musical notations is selected according to the characteristics of the notations. a block division method is proposed that increases recogition rate drastically. The procedures of feature dictionary building and recognition are carried out automatically by software. As a fast moment calculating method is used, the recognition speed is Imorove d a lot. When experimented on a subset of the main tone of kewang,, a recognition rate 95.1% of area measuring and 97. 2% of moment computation is obtained despite the bad quality of the test samples Key words: Moment, pattern recognition, area mothod, numbered musical notation. o1994-2010ChinaAcademicJournalElectronicPublishinghoUse.Allrightsreservedhttp://www.cnki.net 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论