乐谱图像乐符分割技术*

提出基于图段拓扑关系的谱线删除方法,以避免谱线过删除现象;提出双向游程编码结合使用的符干分割方法,克服了现有方法对复杂音符适应性差、分割结果不完整等缺陷;提出音符先验知识引导下的符头切割与检测算法,以解决粘连符头的切分问题;提出基于块状体分割和特征检测的符梁分割算法,设计了适用于乐谱版面的文字和线条提取算法。该方法应用在乐谱识别系统中分割乐符具有良好的性能,尤其对乐谱内容复杂、乐符排列密集等情况有较强适应能力。     

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。     

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。     

基于局部二进制模式的乐谱谱线检测与删除

谱线检测与删除是光学乐谱识别中重要和关键的环节之一。在乐谱中,谱线往往与大多数符号交叉或重叠,即存在像素属于谱线像素同时也属于符号像素的情况,因此删除谱线并且不破坏音乐符号并非易事。研究目标是需要删除仅仅属于谱线的像素,观察乐谱图像可以发现谱线像素与非谱线像素局部纹理存在差异,主要表现为谱线像素的局部纹理与谱线宽度相关,简洁明了,而非谱线像素的局部纹理除了存在仅与自己本身相关的情况,还存在与交叉点相关的情况。因此,采用局部二进制模式通过提取局部纹理特征,获得谱线像素与非谱线像素局部纹理的差异,对谱线与非谱线像素进行检测分类,进而将谱线像素删除。该方法不仅可以删除理想状态下乐谱谱线,对弯曲状态下乐谱谱线同样适用。实验结果证明了该方法在像素误差、片段误差等性能指标上优于现有常用方法。     

多声部乐谱图象识别系统

文章提出一个完整的系统，将多声部乐谱原文转换成可编辑乐谱文本。系统首先在乐符检测阶段将图象切分为谱表，然后再其切分成个别对象。     

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。     

乐谱图象中谱线的检测与删除方法研究

谱线的检测和删除是光学乐谱识别中一个重要和关键的环节,是下一步进行音符分割和识别的前提.针对直接投影方法无法检测倾斜谱线这一不足,提出一种计算若干区域水平投影队列间的交叉相关性的方法来矫正倾斜图象,然后通过投影峰值检测谱线.该方法的优点是具有较高的执行效率,且能够在一定程度上"拉直"谱线的局部弯曲和变形缺陷.在删除谱线时,提出基于游程邻接图段分析的删除方法,充分利用了谱线段的整体和宏观特征,避免了传统方法的"误删"现象发生,较好的保持了音符的完整性.实验结果表明了上述方法的正确性和有效性.     

数字图像净化在乐谱识别中的应用研究

本文针对电子音乐制作中扫描结果不理想而影响识别效果的问题，提出了对乐谱的初始扫描结果进行预处理的构思，借助专业知识分析了预处理．的工作原理。给出了具体的实现过程。实验结果表明。对乐谱的扫描结果进行必要的预处理能提高乐谱识别的准确率，并取得满意的演奏效果，从技术上对常用音乐制作软件的功能起到很好的补充、辅助作用。     

基于OMR技术的乐谱图像匹配算法

提出了一种数字乐谱图像识别与匹配方法，采用光学乐谱识别(OMR)技术识别数字乐谱图像建立对应的MIDI文件，利用一一对应算法进行匹配，根据相似度来判断同一音乐作品的不同数字版本的乐谱图像，并在理论上就此算法的有效性进行了论证。同时，仿真实验结果表明这一方法能有效地实现对不同数字版本的同一音乐作品的乐谱图像的识别、归类与校正。     

简谱识别方法研究

简谱是大家非常熟悉和常用的乐谱之一,但是在目前光学乐谱识别领域中对它的研究几乎空白,研究的焦点都集中在五线谱识别上。在深入分析简谱特征的基础上,提出了一整套简谱识别的实现方法。输入的光学简谱经预处理后,首先通过每行的小节线特征提取出简谱部分,然后通过投影法和种子填充算法定位出简谱符号基元的位置,并由此采用不同的识别算法识别出每个简谱符号基元的类型,最后通过组装把各个简谱符号组装成音乐特征符,形成数字化乐谱。实验表明,这套方法对印刷乐谱的识别达到了令人满意的效果,是一项有意义的研究。     

A novel method to musicalize shape and visualize music and a novel technique in music cryptography

Since many years ago, musicians have composed music based on the images that they have had in their minds. On the other hand, music affects people’s imagination while hearing it. This research provides a method that can transform shape to music and music to shape. This method defines musical notations for horizontal, diagonal and vertical line segments, filled circle and curve with different colors, which are the basis of many shapes in transforming shapes into music. Then these primary mappings are generalized to more complex forms to transform any shape. Moreover, music can be transformed into shape by this method. For this transformation, primary musical notations such as simple notes, notes joined by a legato, notes with a staccato, notes joined by a legato and have crescendo or decrescendo and notes with an accent or a trill are defined. These primary musical notations are generalized to more complex forms to transform any music into shape. Also, the method of this research can be used in music cryptography. It employs mapping of notes in a twelve-tone equal musical system into shapes and mappings of shapes with an equal line width and different colors into music.

     

基于遗传算法的智能作曲技术研究

为了利用遗传算法进行智能作曲,对由计算机自动生成音符序列和音频文件的具体问题进行了讨论。计算机根据预先设定的参数生成初始乐段群体,将对各乐段的人工评估结果作为适应度函数值,分别设定选择、交换和突变规则,通过时值修正来解决进化过程中乐曲每小节各音符的时值之和的不稳定问题,完成了音符序列的计算机生成问题。音频文件的产生通过建模和编码的方法实现。建立表示振幅与频率、时值之间关系的振动模型,其频率因子和时值因子分别取自音符编码中音高分量所映射的频率值和时值分量所映射的时间,根据此模型,结合数字音频技术,最终生成WAV音频文件,从而完成了音符到音频文件的转换。与目前MIDI形态的计算机音乐相比,WAV形态的计算机音乐具有很强的丰富性、灵活性和稳定性。实验表明,利用这种交互式遗传算法所创作的乐曲能基本满足部分人的情感表达需要和审美标准,对促进计算机音乐技术的发展有重要的科学意义。     

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。     

基于数字水印和加密技术的Internet音乐保护

提出了一种基于数字水印和加密技术的Internet音乐保护方法,并针对两种适用于Internet在线传输的音乐格式：压缩音乐和MIDI,提出了两种快速和鲁棒性强的数字水印加入方法,以保护Internet在线音乐的知识产权。对于压缩音乐,采用部分解压来加入水印且加入方法与音乐内容紧密相关;对于MIDI,水印被加在一些虚拟音符中,这些虚拟音符随机地隐藏在MIDI音符中。     

Algorithms for musical composition: a question of granularity

Early approaches to computer-generated music are examined, and it is argued that making music is concerned with a higher level of granularity than that of the notes on music paper. Work in artificial intelligence shows that low-level decisions such as the selection of individual notes may actually be subordinate to a model-based control structure, the models being examples of how problems have been resolved. It is suggested that the search for algorithmic rules should be directed by two questions: how to identify units of material of the appropriate granularity, and, given a collection of those units, how to properly assemble them     

A music notation construction engine for optical music recognition

Optical music recognition (OMR) systems are used to convert music scanned from paper into a format suitable for playing or editing on a computer. These systems generally have two phases: recognizing the graphical symbols (such as note‐heads and lines) and determining the musical meaning and relationships of the symbols (such as the pitch and rhythm of the notes). In this paper we explore the second phase and give a two‐step approach that admits an economical representation of the parsing rules for the system. The approach is flexible and allows the system to be extended to new notations with little effort—the current system can parse common music notation, Sacred Harp notation and plainsong. It is based on a string grammar and a customizable graph that specifies relationships between musical objects. We observe that this graph can be related to printing as well as recognizing music notation, bringing the opportunity for cross‐fertilization between the two areas of research. Copyright © 2003 John Wiley & Sons, Ltd.     

一种二胡音乐的WAVE转MIDI的设计方法

文中的目的是介绍一种将WAVE格式的二胡音乐文件转换成MIDI格式的设计过程。具体方法如下：首先,利用小波变换和快速傅里叶变换联合提取出音符的基频;其次,根据MIDI音乐的消息格式,将得到的各基频转换成相应的MII音符;再次,根据二胡音乐的特性,设定双门限阈值筛选出有效的音符。最后加入其他控制信息,最终结果是组合成MI-DI的音轨文件。经实验得出结论,该方法针对二胡音乐的音高提取有较高的准确率,同时能够生成所需的有效MIDI文件。     

隐式特征和循环神经网络的多声部音乐生成系统

音乐生成是一种使用算法来生成音乐序列的研究。本文针对音乐样本特征提取以及自动作曲问题提出了一种基于音乐隐式特征和循环神经网络（recurrent neural network, RNN）的多声部音乐生成算法。该方法通过使用栈式自编码器对多声部音乐序列每个时间步的音符隐式特征进行提取,结合长短期记忆循环神经网络（long short-term memory, LSTM）,以序列预测的方式搭建了基于隐式特征的音乐生成模型。仿真结果表明,该音乐生成算法在使用相同风格的音乐数据训练后,得到的模型可以生成旋律与和弦匹配较好的多声部音乐数据。