琵琶工尺谱谱字识别方法研究

论文摘要

工尺谱是中国传统音乐的主要记谱方法,常见的大多数中国传统乐器的乐谱都以工尺谱为载体进行传承,如琵琶工尺谱等。但是,琵琶工尺谱均为纸质的,且记谱法并不普及,不利于传统琵琶音乐的传播和继承。随着光学字符识别(Optical Character Recognition,OCR)和光学乐谱识别(Optical Music Recognition,OMR)技术的发展,纸质的五线谱、简谱乐谱和汉字文档等实现了数字化转换,这也为实现琵琶工尺谱的数字音乐转换奠定了相关的技术基础。本文针对纸质琵琶工尺谱的谱字识别方法进行研究,对中国传统音乐在数字化背景下的传承与传播具有十分重要的意义。本文在综合分析了国内外乐谱识别与数字化实现技术的基础上,探讨和分析了琵琶工尺谱谱字识别流程中各个环节的关键技术与方法,并依据琵琶工尺谱所具有的记谱特点与图像特性,建立了适合于琵琶工尺谱谱字识别的实现方法。在琵琶工尺谱的谱字提取方法上,本文提出了一种基于像素跟踪的乐谱分割方法,通过逆时针旋转扩展扫描建立谱字的像素连通域最小包围盒,使得分割出的谱字或其部件更干净、精确,同时也突破了基于笔划的图像分割的传统模式,减少了分割的后处理程序。在琵琶工尺谱谱字的特征提取上,根据毛笔谱字的特点,采用均匀网格的方法提取谱字特征,算法简单且易于实现。在琵琶工尺谱谱字的分类识别方法上,应用了基于神经网络的分类器设计技术,对采用BP和RBF两种神经网络模型设计的琵琶工尺谱谱字分类器的运算性能和识别正确率进行了比较与分析,并依据琵琶工尺谱谱字特点进行了改进。本文构建并开发出了一款琵琶工尺谱的谱字识别实验系统,包括琵琶工尺谱谱字识别的预处理、特征提取和分类识别三大模块。实验系统的识别结果表明,该系统性能良好,识别速度快,并且能达到较好的识别效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 琵琶工尺谱谱字识别方法的研究现状
• 1.2.1 工尺谱简介
• 1.2.2 光学乐谱识别方法的研究现状
• 1.2.3 琵琶工尺谱谱字识别方法的研究现状
• 1.3 论文的研究内容及组织结构
• 1.3.1 论文的研究内容
• 1.3.2 本文的组织结构
• 第二章 琵琶工尺谱乐谱图像的获取与预处理
• 2.1 琵琶工尺谱乐谱图像的获取
• 2.2 琵琶工尺谱乐谱图像的预处理
• 2.2.1 二值化处理
• 2.2.2 平滑去噪处理
• 2.2.3 细化处理
• 2.3 本章小结
• 第三章 琵琶工尺谱乐谱图像的谱字提取方法
• 3.1 常用的脱机手写体汉字分割方法
• 3.1.1 直方图投影法
• 3.1.2 笔划跟踪法
• 3.1.3 包围盒合并方法
• 3.2 基于像素跟踪的乐谱分割方法
• 3.2.1 像素跟踪
• 3.2.2 逆时针旋转扩展扫描算法
• 3.2.3 算法的实现
• 3.3 实验结果及分析
• 3.4 本章小结
• 第四章 琵琶工尺谱的谱字特征提取方法
• 4.1 常用的脱机手写体毛笔字特征提取方法
• 4.1.1 基于笔划的特征提取
• 4.1.2 模糊方向线素法
• 4.1.3 非主流毛笔字特征提取方法
• 4.2 基于网格的琵琶工尺谱谱字特征提取方法
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 基于神经网络的琵琶工尺谱谱字识别方法
• 5.1 基于 BP 神经网络的琵琶工尺谱谱字识别方法
• 5.1.1 BP 神经网络模型
• 5.1.2 BP 神经网络数学模型
• 5.1.3 BP 神经网络学习算法
• 5.1.4 BP 神经网络的优缺点与改进
• 5.2 基于 RBF 神经网络的琵琶工尺谱谱字识别方法
• 5.2.1 RBF 神经网络模型
• 5.2.2 RBF 神经网络数学模型
• 5.2.3 RBF 神经网络训练
• 5.2.4 RBF 神经网络的优缺点
• 5.3 BP 与 RBF 的实验结果比较分析
• 5.3.1 BP 网络的 MATLAB 实现
• 5.3.2 RBF 网络的 MATLAB 实现
• 5.4 本章小结
• 第六章 琵琶工尺谱谱字识别实验系统的实现
• 6.1 琵琶工尺谱谱字识别实验系统的框架
• 6.2 基于 MATLAB 的琵琶工尺谱谱字识别实验系统的实现
• 6.3 琵琶工尺谱谱字识别实验系统的界面与功能
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 本文研究的主要贡献与成果
• 7.2 今后研究方向展望
• 参考文献
• 作者在攻读硕士学位期间公开发表的论文
• 作者在攻读硕士学位期间所作的项目
• 致谢