中文簡譜的歌詞提取與識(shí)別研究.pdf

1、隨著光學(xué)樂譜識(shí)別技術(shù)在五線譜識(shí)別上的日趨成熟，簡譜識(shí)別的研究也逐漸引起了學(xué)者的關(guān)注，簡譜是我國廣泛使用的音樂記譜法之一，目前對(duì)樂譜中歌詞信息提取的研究較少。本論文結(jié)合計(jì)算機(jī)圖像處理、樂譜識(shí)別技術(shù)與簡譜記譜法知識(shí)，對(duì)中文簡譜的歌詞提取與識(shí)別進(jìn)行了研究，這對(duì)減少人工輸入中文歌詞的工作量、實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)演唱、歌詞搜索以及簡譜的推廣與傳播具有重要意義。
　　 本論文分析中文簡譜的結(jié)構(gòu)特點(diǎn)，在簡譜圖像預(yù)處理、圖像分割、歌詞提取、歌詞識(shí)別等

2、各個(gè)階段進(jìn)行詳細(xì)設(shè)計(jì)，并進(jìn)行實(shí)驗(yàn)與分析，其主要內(nèi)容與工作包括：
　　 (1)在圖像分割階段，分析簡譜的結(jié)構(gòu)特點(diǎn)，利用投影法與簡譜高層領(lǐng)域知識(shí)相結(jié)合的方法，把歌詞區(qū)域同音符、標(biāo)題等區(qū)域進(jìn)行分離獲得歌詞圖像；并對(duì)隨機(jī)采集的100張簡譜圖像進(jìn)行實(shí)驗(yàn)與分析，歌詞區(qū)域分割平均正確率達(dá)到了99.11％，實(shí)驗(yàn)表明，本論文提出的中文簡譜圖像分割算法具有較好的性能。
　　 (2)在歌詞提取階段，采用基于種子的順時(shí)針螺旋式向外延伸的包圍盒算

3、法，根據(jù)簡譜記譜法的高層領(lǐng)域知識(shí)，設(shè)計(jì)豎直線段結(jié)構(gòu)體對(duì)歌詞圖像每個(gè)歌詞行單獨(dú)進(jìn)行數(shù)學(xué)形態(tài)學(xué)膨脹運(yùn)算，解決了上下結(jié)構(gòu)歌詞包圍盒及內(nèi)嵌包圍盒的合并問題；在包圍算法的基礎(chǔ)上,提出了滑動(dòng)窗口算法，合并左右結(jié)構(gòu)歌詞包圍盒，解決了左右結(jié)構(gòu)歌詞錯(cuò)誤分離與標(biāo)點(diǎn)符號(hào)去除的問題，這對(duì)簡譜中水平間距大小不一的歌詞具有良好的提取效果；同時(shí)，對(duì)隨機(jī)采集的100張簡譜圖像進(jìn)行了實(shí)驗(yàn)與分析，歌詞提取平均正確率為94.86％，實(shí)驗(yàn)證明，本論文提出的基于滑動(dòng)窗口、數(shù)學(xué)形

4、態(tài)學(xué)運(yùn)算與包圍盒相結(jié)合的歌詞提取算法是有效的歌詞提取方法。
　　 (3)在歌詞識(shí)別階段，針對(duì)歌詞規(guī)模大、字形結(jié)構(gòu)復(fù)雜的特點(diǎn)，本論文設(shè)計(jì)了基于RBF神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的兩級(jí)分類器方法，首先利用歌詞粗網(wǎng)格特征與RBF網(wǎng)絡(luò)進(jìn)行粗分類，將較大規(guī)模字符集分解為多類的小規(guī)模字符集，然后利用歌詞半穿越特征與BP網(wǎng)絡(luò)進(jìn)行細(xì)分類識(shí)別出歌詞；最后，對(duì)隨機(jī)采集的100張簡譜圖像進(jìn)行了歌詞識(shí)別實(shí)驗(yàn)與分析，歌詞識(shí)別平均正確率為68.50％，實(shí)驗(yàn)