[发明专利]一种基于PCNN处理的纸质简谱电子化播放装置有效

专利信息
申请号: 202010073751.1 申请日: 2020-01-22
公开(公告)号: CN111275043B 公开(公告)日: 2021-08-20
发明(设计)人: 邓翔宇;杨雅涵 申请(专利权)人: 西北师范大学
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06N3/04;G06N3/08;G06T5/00;G06T7/11;G10H1/00;G06F16/683
代理公司: 北京金宏来专利代理事务所(特殊普通合伙) 11641 代理人: 许振强
地址: 730070 甘肃*** 国省代码: 甘肃;62
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 pcnn 处理 纸质 简谱 电子 播放 装置
【说明书】:

发明公开了一种基于PCNN处理的纸质简谱电子化播放装置,属于电子播放技术领域。由硬件部分和软件两部分组成,其中硬件部分包括通信接收模块和音乐播放模块;软件部分包括计算机图像处理模块、模式识别模块和通信模块。本发明中的纸质简谱电子化技术突破了纯手工的乐谱数字化瓶颈,为乐谱数字化提供了一条智能、高效、快捷的新途径。不仅是为建立数字音乐图书馆提供了技术支撑,同时多媒体音乐教学逐渐成为音乐课堂的重要教学方式,利用纸质简谱识别技术进行自动演唱,有利于简谱在音乐教学中的普及和发展;本发明不仅对传统文化的保护和传承具有重要研究意义,在应用领域也具有潜在的市场推广价值。

技术领域

本发明属于电子播放技术领域,具体涉及一种基于PCNN处理的纸质简谱电子化播放装置。

背景技术

音乐是人类的第二语言,是人类精神生活中的一个重要且最具魅力的领域。乐谱类型分为五线谱与简谱,简谱虽然不是国际上常用的形式,但是在我国是应用最普遍的记谱法之一。纸质简谱电子化装置的实现不仅仅为建立数字音乐图书馆提供了技术支撑。同时多媒体音乐教学逐渐成为音乐课堂的重要教学方式,利用纸质简谱识别技术进行自动演唱,有利于简谱在音乐教学中的普及和发展;在数字娱乐行业中,实现纸质简谱图像歌词自动转化和播放,应用于数字产品,有潜在的商业应用价值。

目前计算机光学乐谱识别(OMR)技术正处于发展阶段,并没有大规模的生产和应用。随着社会进步和科技的进步,计算机光学乐谱识别(OMR)技术将会越来越受到人们的青睐。也正是因为计算机光学乐谱识别(OMR)技术处于发展阶段,他还存在着一些较为普遍的问题。

在计算机多媒体技术决速发展的今天,各种音乐编辑软件层出不穷,如Encore、GoldWave等,它们使“乐谱进入计算机”已经不成为问题。然而,目前利用编辑软件进行乐谱数字化大部分还是一种纯手工的方式,即“手工录入—校对—修改”的方法,这样就要求录入人员必须其有一定的音乐专业知识,而且输入工作量大,效率低。因此,在纸质乐谱电子化的进程中,不可避免地产生了低速的音乐信息输人与高速信息处理之间的矛盾。

发明内容

本发明的目的在于克服现有技术的不足,提供一种基于PCNN处理的纸质简谱电子化播放装置,实现将纸质简谱中的简谱部分及歌词信息完整地提取出来,并转化为播放器可识别的数据文件。

为了实现上述发明目的,本发明采用以下技术方案:

一种基于PCNN处理的纸质简谱电子化播放装置,由硬件和软件两部分组成,其中硬件部分包括通信接收模块和音乐播放模块;而软件部分则包括计算机图像处理模块、模式识别模块和通信模块。

利用PCNN处理的纸质简谱电子化播放装置的方法,包括如下步骤:

1)拍摄任意光照条件下的简谱图像,获取真实拍摄的待处理纸质简谱图像。

2)对待处理的纸质简谱图像,采用自适应分块PCNN的处理方法,再通过构造的DNN神经网络得到分割图像,建立分块图像数据集,利用分块PCNN进行迭代处理,人工标注分割次数,测定每个分块的灰度特征与PCNN迭代次数的关系。

3)对简谱图像进行预处理,将步骤2)处理得到的全局分割图进行简谱图像的倾斜校正和斑点去噪。

4)采用预设的水平投影法,分别实现对音符区域中的音调、音符和汉字区域中歌词的准确提取。

5)采用预设的卷积神经网络对提取出的音调、音符以及歌词进行识别,从而生成音乐文件。

6)通过UDP协议中的Socket通信来将音乐文件传送给树莓派,并用其自带的aplay软件对接收到的音乐文件进行自动播放。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北师范大学,未经西北师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010073751.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top