一种乐谱识别系统及识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108416359A(43)申请公布日2018.08.17(21)申请号201810193256.7(22)申请日2018.03.09(71)申请人湖南女子学院地址410004湖南省长沙市井湾子中意一路160号(72)发明人彭静唐宇王炜(74)专利代理机构长沙新裕知识产权代理有限公司43210代理人周跃仁(51)Int.Cl.G06K9/46(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06K9/00(2006.01)权利要求书4页说明书8页附图1页(54)发明名称一种乐谱识别系统及识别方法(57)摘要本发明属于乐谱识别领域，公开了一种乐谱识别系统及识别方法，图像输入模块、图像预处理模块、低秩图像模块、差分图像模块、谱线生成模块、谱线删除模块、音符图像模块、音符对比识别模块、音符输出模块；输入的乐谱通过图像预处理模块进行预处理；通过预处理的乐谱生成低秩图像模块和差分图像模块；生成的低秩图像模块和差分图像模块进入到谱线生成模块；生成的谱线进入到谱线删除模块进行谱线的删除；删除谱线的乐谱生成音符图像模块；生成的音符图像模块进入到音符对比识别模块进行对比识别。本发明对比识别完成的音符进入到音符输出模块进行最后的乐谱输出。本发明增加了乐谱识别的效率，非常适合推广使用。CN108416359ACN108416359A权利要求书1/4页1.一种乐谱识别方法，其特征在于，所述乐谱识别方法包括：待识别乐谱通过图像输入模块进行输入；输入的乐谱通过图像预处理模块进行预处理；通过预处理的乐谱生成低秩图像模块和差分图像模块；所生成的低秩图像模块和差分图像模块进入到谱线生成模块；所生成的谱线进入到谱线删除模块进行谱线的删除；所删除谱线的乐谱生成音符图像模块；所生成的音符图像模块进入到音符对比识别模块进行对比识别；所对比识别完成的音符进入到音符输出模块进行最后的乐谱输出。2.如权利要求1所述的乐谱识别方法，其特征在于，采用五线谱谱线检测和删除方法来进行，将输入的乐谱图像转换成乐谱图像矩阵D，将矩阵D分解为低秩矩阵A和稀疏矩阵E两个矩阵之和，即D＝A+E，求解优化问题的目标函数：表示：在约束条件为A的秩小于r且D＝A+E时，使得E的F-范数最小；对此优化问题的目标函数进行松弛到如下凸优化问题：含义为在约束条件为D＝A+E，使得A的核范数最小，E的1范数为惩罚项，其中，核范数是矩阵奇异值的和，1范数是绝对值之和，D∈Rm×n，A∈Rm×n，E∈Rm×n，Rmxn表示m行n列的实数矩阵，λ表示拉格朗日乘子向量，||·||F表示F-范数，||·||*表示核范数，||·||1表示1-范数，||·||2表示2-范数，||·||∞表示无穷范数；使用增广拉格朗日乘子法求解上述优化问题，构造增广拉格朗日函数：迭代公式为：A表示低秩矩阵，E表示稀疏矩阵，Y表示拉格朗日乘子初始值为Y0＝D/max(||Y||2,λ-1||Y||∞)，μ表示罚因子初始值为k表示迭代次数初始值为0；得到输入矩阵D的低秩矩阵A，得到谱线信息；求解谱线所在行与其上或下一行存在差异的差分图像模块矩阵C：C＝H*D；其中，C∈Rm×n，H∈Rn×n为：2CN108416359A权利要求书2/4页C表示差分图像模块矩阵属于m行n列的实数矩阵，H表示高通滤波矩阵属于n行n列的实数矩阵；得到的差分图像模块矩阵，再通过和低秩图像模块矩阵进行“与”运算之后，得到的图像矩阵再与原图像矩阵进行“异或”运算，得到结果，公式如下：S＝C||A；B＝SxorD；B即为所求符号矩阵。3.一种如权利要求1所述乐谱识别方法的乐谱识别系统，其特征在于，所述乐谱识别系统包括：图像输入模块、图像预处理模块、低秩图像模块、差分图像模块、谱线生成模块、谱线删除模块、音符图像模块、音符对比识别模块、音符输出模块并依次连接。4.如权利要求3所述的乐谱识别系统，其特征在于，所述低秩图像模块的图像检测方法包括：提取图像预处理模块处理的图像的颜色特征和自适应LBP算子特征；多特征低秩矩阵表示模型；s.t.xi＝XiAi+Ei，i＝L…，K其中α是大于0的系数，用来度量噪声和野点带来的误差；等价为以下模型：提取自适应LBP算子特征算法的具体步骤如下：(1)将输入系统的图像转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：(2)利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的3CN108416359A权利要求书3/4页绝对值之和，求其平均值：利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：(3)根据实验数据