CN111222503A - 一种古琴减字谱指法的手写谱字识别方法 - Google Patents
一种古琴减字谱指法的手写谱字识别方法 Download PDFInfo
- Publication number
- CN111222503A CN111222503A CN202010297656.XA CN202010297656A CN111222503A CN 111222503 A CN111222503 A CN 111222503A CN 202010297656 A CN202010297656 A CN 202010297656A CN 111222503 A CN111222503 A CN 111222503A
- Authority
- CN
- China
- Prior art keywords
- handwritten
- spectrum
- character
- standard
- recognized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开的一种古琴减字谱指法的手写谱字识别方法,包括:S001建立标准减字符号库;S002预处理待识别手写谱字和标准减字符号库;S003获取待识别手写谱字特征图;S004计算待识别手写谱字和标准减字符号特征信息;S005匹配待识别手写谱字特征信息和标准减字符号特征信息,计算两者的相关度;S006根据相关度与谱字组织结构特点,综合判断待识别手写谱字包含的标准减字符号及其位置;本发明能够自动识别古琴谱手写谱字,对多余干扰笔画有较高鲁棒性;通过数字化手抄琴谱,显著提高琴谱传承的效率,节约人工抄录时间与人力成本,避免因手抄传承出现的大量琴谱遗失与错漏,为实现减字谱的数字可编辑化奠定基础。
Description
技术领域
本发明属于古琴谱手写谱字识别的技术领域,具体涉及一种古琴减字谱指法的手写谱字识别方法。
背景技术
古琴艺术历史悠久,是中国最古老的弹拨乐器,已有三千多年的历史,最初以文字记录,即文字谱,由于文字谱过于繁复,不便使用和传承,后经唐代著名琴家曹柔减化,发展成为减字谱。
古琴艺术是最具民族特色的文化遗产之一,被誉为艺术性的哲学或哲学性的艺术,以“琴棋书画”四艺之首的特殊地位绵延几千年,得到了充分的发展,随着被联合国纳入“人类口头和非物质遗产代表作”,有关古琴的传承和保护得到了普遍关注和重视。在这种背景下,如何充分利用现代数字信息智能技术,为弘扬和保护古琴艺术做一些技术性的研究和开发工作显得迫切需要。
由于古琴减字没有被收录在现有的文字编码库中,而古琴减字又多达上万个,对古琴减字编码也非易事,古琴谱又多为手抄本,这都严重阻碍了古琴艺术的传承,所以古琴减字谱的数字化成为我们面临的又迫切需要解决的一个重要课题。
因此,有必要提供一种能够对古琴手写谱字包含的减字符号做出判断,且面向古琴谱手写谱字的识别方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供一种古琴减字谱指法的手写谱字识别方法,能够实现古琴减字谱数字化,使得利用现代图像处理技术手段保存手写古琴减字谱成为可能, 并且将极大地推动古琴艺术的传播。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种古琴减字谱指法的手写谱字识别方法,包括:
S001、建立标准减字符号库;
S002、预处理待识别手写谱字与标准减字符号库;
S003、获取待识别手写谱字的特征图;
S004、计算待识别手写谱字和标准减字符号特征信息;
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息,通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度;
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度,对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
进一步的,所述步骤S001,具体包括:
S0201、获取标准体减字谱的谱字图片,通过平滑以及二值化处理得到背景像素灰度值
为255、笔画像素灰度值为0的谱字图,以谱字图的右上角为原点建立像素坐标系,将谱字图
中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为,并裁剪顶点为
的矩形区域,将得到的裁剪图片归纳为SP集合;
S0202、挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合, 将SPr集合中非左
手指法部分的笔画像素灰度值重置为255,从而得到左手指法标准符号库;同理,分别得到
左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库,
将左手指法标准符号库、左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库
和右手弦位标准符号库归纳为标准减字符号库,并将标准减字符号库中的裁剪图片大小调
整至像素,得到标准图片。
进一步的,所述步骤S002,具体包括:
S0302、对待识别手写谱字图和匹配的标准图片的大小进行对比,当或时,将待识别手写谱字图放大至像素,当且时,
并将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺寸均缩放至像素,为向下取整记。
进一步的,所述步骤S003,具体包括:
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为, 将步骤S002得到的待识别手写谱字图中所有像素灰度值归
纳集合记为,集合元素的下标表示该像素灰度值在标准图
片或待识别手写谱字图中的位置;
进一步的,所述步骤S004,具体包括:
S0501、将待识别手写谱字特征图的大小记为,将待识别手写谱字特征图像素
灰度值为i的个数记为,且,则待识别手写谱字特征图中每个像素灰度
值出现的概率 ,从而待识别手写谱字特征图的信息熵为,同理,得到标准减字符号库中的标准图片信息熵为 ,其中为标准减字符号库中的标准图片的每个像素灰度值
出现的概率;
S0502、记待识别手写谱字特征图的像素点灰度值为, 记标准图片中像素点灰
度值为,其中,x和y分别为像素点的横、纵坐标,并且,
记 ,其中,i和j为像素点灰度值,且,则待识别手写谱字特征图的像素点灰度值与标准图片
的像素点灰度值联合概率为,从而待识别手写谱字特征
图与标准图片的联合熵为、互信息为 ,将互信息归一化得 ;
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向,垂
直方向梯度算子为水平方向梯度算子为,,, ,其中 , 分别为待识别手写谱字
特征图在像素点(x,y)处的垂直梯度和水平梯度,为待识别手写谱字特征图在像
素点(x,y)处的像素灰度值,则指的是像素点在点(x,y)处梯度的方向,且 ,同理,得到的标准图片像素点在点(x,y)处的梯度方向为 ,其中 ,分别为标准图片在像素点
(x,y)处的垂直梯度和水平梯度,且 ;
进一步的,所述步骤S005,具体包括:
进一步的,所述步骤S006,具体包括:
S0702、引入阈值参数 ,引入权重因子、K*,且,并建立评价计算方式为:,其中,,;得出判定待识别手写谱字图的评价标准为:,,其中:max为求取集合元素的最大值;式(1)为该待识别书写谱字图中没有左手指法符号;式(2)为该待识别手写谱字图中有左手指法符号,且该待识别手写谱字图中包含的左手指法符号为:以集合中元素的下标为编号的左手指法标准符号库的标准图片中所示符号;其中越大表示匹配度越高,时为最佳匹配;同理,可得待识别手写谱字图中还包含有哪些其他减字符号。
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字,则选取的手写谱字共为个,其中,为左手指法标准符号库对应选取的手写谱字个数,为左手徽位标准符号库对应选取的手写谱字个数,为装饰弹法标准符号库对应选取的手写谱字个数,为右手指法标准符号库对应选取的手写谱字个数,为右手弦位标准符号库对应选取的手写谱字个数;
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配,其中,在步骤S006时,取 ,当时,取, 当时,取,记对应的,其中a=1或0;将N个手写谱字经过上述匹配后得到集合记为 , ,其中,的下标为选取的N个手写谱字的编号,表示编号为s的手写谱字值,表示编号为s的手写谱字值,记集合中值为1的元素个数为 ,取阈值参数 ,取权重因子 ,取权重因子 ,其中,min为求取集合元素的最小值。
(三)有益效果
本发明提供了一种古琴减字谱指法的手写谱字识别方法。具备以下益效果:本发明通过扫描仪或视觉传感器对古琴谱手写谱字实现离线或在线提取,对提取的待识别手写谱字以及标准减字符号库中的标准图片进行预处理,建立待识别手写谱字特征图模型,计算待识别手写谱字的特征信息和标准减字符号库中标准图片(即标准减字符号)的特征信息,通过计算得出待识别手写谱字的特征信息与标准减字符号特征信息的相关度,根据待识别手写谱字与标准减字符号的相关度,对待识别手写谱字特定位置包含的标准减字符号做出综合判断;本发明利用古琴谱谱字全局降维特征信息,使用待识别手写谱字与标准减字符号的互信息和笔画相似度的加权值作为是否包含相关减字符号的鉴定标准,能够对待识别手写谱字包含的减字符号作出鉴定,满足离线和在线自动识别古琴谱手写谱字包含的减字符号,为后续自动输出标准谱字提供必要的可靠的信息。该方法能够自动识别古琴谱手写谱字字,并且对旋转、平移、缩放具有较高的鲁棒性,在充分保证识别速度和精度的情况下大大节约了人工录谱成本,显著提高录谱效率,并且能够杜绝人工录谱的误录,实现古琴减字谱的数字化,使得利用现代图像处理技术手段保存手写古琴减字谱成为可能,必将为弘扬和保护古琴艺术做出重要贡献。
附图说明
图1为本发明实施例一提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图;
图2为本发明实施例一提供的减字结构示意图;
图3为本发明实施例一提供的像素坐标系示意图;
图4为本发明实施例二提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图,如图1所示,一种古琴减字谱指法的手写谱字识别方法,包括:
S001、建立标准减字符号库;
S002、预处理待识别手写谱字与标准减字符号库;
S003、获取待识别手写谱字的特征图;
S004、计算待识别手写谱字和标准减字符号特征信息;
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息,通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度;
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度,对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
具体的,通过扫面议或视觉传感器获取待识别的手写的古琴减字谱图片,将得到的古琴减字谱图片分割成单个谱字图片,图像坐标系示意图如图3所示,谱字结构示意图如图2所示。
谱字中的字是古琴乐谱新构造的谱字,具备指导音律的作用;减字符号中的字是汉字的意思,通过减少汉字的某些笔画获得的减字符号。
单个谱字可以由单个减字符号构成,也可由多个减字符号构成,一旦称其为谱字,则是将其放在了乐谱之中,与前后的谱字相关联,具备音律指导作用,可以产生旋律,不同于单独某个减字符号。
考虑到泛音的谱字,只指示了某种音色,并没有指定指法,重复的谱字不指代某种音色或者指法,只是标志重复某一段而已。
本发明通过扫描仪或视觉传感器对古琴谱手写谱字实现离线或在线提取,对提取的待识别手写谱字以及标准减字符号库中的标准图片进行预处理,建立待识别手写谱字特征图模型,计算待识别手写谱字的特征信息和标准减字符号库中标准图片(即标准减字符号)的特征信息,通过计算得出待识别手写谱字的特征信息与标准减字符号特征信息的相关度,根据待识别手写谱字与标准减字符号的相关度,对待识别手写谱字特定位置包含的标准减字符号做出综合判断;本发明利用古琴谱谱字全局降维特征信息,使用待识别手写谱字与标准减字符号的互信息和笔画相似度的加权值作为是否包含相关减字符号的鉴定标准,能够对待识别手写谱字包含的减字符号作出鉴定,满足离线和在线自动识别古琴谱手写谱字包含的减字符号,为后续自动输出标准谱字提供必要的可靠的信息。该方法能够自动识别古琴谱手写谱字字,并且对旋转、平移、缩放具有较高的鲁棒性,在充分保证识别速度和精度的情况下大大节约了人工录谱成本,显著提高录谱效率,并且能够杜绝人工录谱的误录。
所述步骤S001,具体包括:
S0201、获取标准体减字谱的谱字图片,所获得的标准谱字图片背景像素灰度值较大,
谱字笔画像素灰度值较低,通过平滑以及二值化处理得到背景像素灰度值为255、笔画像素
灰度值为0的谱字图,以谱字图的右上角为原点建立像素坐标系,像素坐标系如图3所示,将
谱字图中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为,并裁剪谱字图,留下顶点为构成的矩形区域,将得到的裁剪图片归纳为SP集合,
谱字结构划分为图2所示;
S0202、人工挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合, 将SPr集合中
非左手指法部分的笔画像素灰度值重置为255,且保持裁剪图片大小不变,从而得到左手指
法标准符号库;同理,分别得到左手徽位标准符号库、装饰弹法标准符号库、右手指法标准
符号库和右手弦位标准符号库,将左手指法标准符号库、左手徽位标准符号库、装饰弹法标
准符号库、右手指法标准符号库和右手弦位标准符号库统一归纳为标准减字符号库,并将
标准减字符号库中的裁剪图片大小调整至像素,得到标准图片。
所述步骤S002,具体包括:
S0301、获取待识别手写谱字的图像,通过去噪、平滑、裁剪,使得待识别手写谱字的图
像的最上端、最下端、最左端、最右端均存在像素灰度值为0的像素点,对图片进行二值化,
获得背景像素灰度值为255、笔画像素灰度值为0的待识别手写谱字图,将待识别手写谱字
图大小调整至像素;
S0302、对待识别手写谱字图的大小和匹配的标准图片的大小进行对比,当或时,将待识别手写谱字图放大至像素,当且时,并将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺
寸均缩放至像素,为向下取整记。
所述步骤S003,具体包括:
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为, 将步骤S002得到的待识别手写谱字图中所有像素灰度值归
纳集合记为,集合元素的下标1、2、3……表示该像素灰度值
在标准图片或待识别手写谱字图中的位置;
所述步骤S004,具体包括:
S0501、将待识别手写谱字特征图的大小记为,将待识别手写谱字特征图像素
灰度值为i的个数记为,且,则待识别手写谱字特征图中每个像素灰度
值出现的概率 ,从而待识别手写谱字特征图的信息熵为 ,同理,得到标准减字符号库中的标准图片信息熵为 ,其中为标准减字符号库中的标准图片的每个像素灰度值
出现的概率;
S0502、记待识别手写谱字特征图的像素点灰度值为, 记标准图片中像素点灰
度值为,其中,x和y分别为像素点的横、纵坐标,并且,
记 ,其中,i和j为像素点灰度值,且,则待识别手写谱字特征图的像素点灰度值与标准图片的
像素点灰度值联合概率为 ,从而待识别手写谱字特征
图与标准图片的联合熵为、互信
息为,将互信息归一化得 ;
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向,垂
直方向梯度算子为,水平方向梯度算子为,, , ,其中 , 分别为待识别手写谱字特征图在像素点(x,y)处的垂直梯度和
水平梯度,为待识别手写谱字特征图在像素点(x,y)处的像素灰度值,
则指的是像素点在点(x,y)处梯度的方向,且 ,同理,得到的标准图
片像素点在点(x,y)处的梯度方向为,其中 , 分别为标准图片在像素点(x,y)处的垂直梯度和水平梯度,且 ;
S0504、将区间 等分为9个左闭右开的子区间,将等分后得到的子区间记为,其中,将待识别手写谱字特征图的梯度方向落在子区间的个数记为 其中梯度方向落在区间的个数还包括梯度方向为的个数,,同理,得
到的标准图片的梯度方向落在子区间的个数为 。
所述步骤S005,具体包括:
所述步骤S006,具体包括:
S0702、引入阈值参数 ,引入权重因子、K*,且,并建立评价计算方式为:,其中,, ;得出判定待识别手写谱字图的评价标准为:,,其中:max为求取集合元素的最大值;式(1)为该待识别书写谱字图中没有左手指法符号;式(2)为该待识别手写谱字图中有左手指法符号,且该待识别手写谱字图中包含的左手指法符号为:以集合中元素的下标为编号的左手指法标准符号库的标准图片中所示符号;其中越大表示匹配度越高,时为最佳匹配;同理,可得待识别手写谱字图中还包含有哪些其他减字符号。
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字,则选取的手写谱字共为个,其中,为左手指法标准符号库对应选取的手写谱字个数,为左手徽位标准符号库对应选取的手写谱字个数,为装饰弹法标准符号库对应选取的手写谱字个数,为右手指法标准符号库对应选取的手写谱字个数,为右手弦位标准符号库对应选取的手写谱字个数;
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配,其中,在步骤S006时,取,当时,取, 当时,取,记对应的,其中a=1或0;将N个手写谱字经过上述匹配后得到集合记为,,其中,的下标为选取的N个手写谱字的编号,表示编号为s的手写谱字值,表示编号为s的手写谱字值,记集合中值为1的元素个数为 ,取阈值参数,取权重因子,取权重因子,其中,min为求取集合元素的最小值。
图4为本发明实施例二提供的一种面向古琴谱手写谱字识别方法的流程示意图,如图4所示,一种面向古琴谱手写谱字识别方法,包括:
建立标准减字符号库,将在线或离线获得的古琴减字谱分割成单个谱字,对获得的待识别手写谱字以及标准减字符号(标准减字符号库中的标准图片上的笔画结构即标准减字符号)进行预处理,建立待识别手写谱字特征图模型,计算待识别手写谱字和标准减字符号特征信息,通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度,根据待识别手写谱字和标准减字符号的相关度以及特征图,对待识别手写谱字特定位置包含的标准减字符号做出综合判断。其中,谱字的减字符号结构的匹配顺序一次为左手指法符号,左手徽位符号,右手指法符号,右手弦位符号,其他减字符号,当待识别手写谱字无左手指法符号时,跳过左手徽位符号的匹配而直接匹配右手指法符号,当待识别手写谱字无右手指法符号时,跳过右手弦位符号的匹配而直接匹配其他减字符号,当其他减字符号全部匹配完之后,统计识别到的减字符号,根据划分的减字结构和识别出的减字符号生成标准谱字并输出,当没有待识别减字时,结束流程,当还有待识别手写谱字时,重复上述流程继续识别下一个手写谱字。本方法能够自动识别古琴谱手写谱字,并且对旋转、平移、缩放具有较高的鲁棒性,在充分保证识别速度和精度的情况下大大节约了人工录谱成本,显著提高录谱效率,并且能够杜绝人工录谱的误录。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种古琴减字谱指法的手写谱字识别方法,其特征在于:包括:
S001、建立标准减字符号库;
S002、预处理待识别手写谱字与标准减字符号库;
S003、获取待识别手写谱字的特征图;
S004、计算待识别手写谱字和标准减字符号特征信息;
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息,通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度;
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度,对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
2.根据权利要求1所述的一种古琴减字谱指法的手写谱字识别方法,其特征在于:所述步骤S001,具体包括:
S0201、获取标准体减字谱的谱字图片,通过平滑以及二值化处理得到背景像素灰度值
为255、笔画像素灰度值为0的谱字图,以谱字图的右上角为原点建立像素坐标系,将谱字图
中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为,并裁剪顶点为
的矩形区域,将得到的裁剪图片归纳为SP集合;
4.根据权利要求3所述的一种古琴减字谱指法的手写谱字识别方法,其特征在于:所述步骤S003,具体包括:
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为, 将步骤S002得到的待识别手写谱字图中所有像素灰度值归
纳集合记为,集合元素的下标表示该像素灰度值在标准图片
或待识别手写谱字图中的位置;
5.根据权利要求4所述的一种古琴减字谱指法的手写谱字识别方法,其特征在于:所述步骤S004,具体包括:
S0501、将待识别手写谱字特征图的大小记为,将待识别手写谱字特征图像素
灰度值为i的个数记为,且,则待识别手写谱字特征图中每个像素灰度值
出现的概率,从而待识别手写谱字特征图的信息熵为,
同理,得到标准减字符号库中的标准图片信息熵为,其中为
标准减字符号库中的标准图片的每个像素灰度值出现的概率;
S0502、记待识别手写谱字特征图的像素点灰度值为, 记标准图片中像素点灰
度值为,其中,x和y分别为像素点的横、纵坐标,并且,
记,其中,i和j为像素点灰度值,且,则待识别手写谱字特征图的像素点灰度值与标准图片的
像素点灰度值联合概率为,从而待识别手写谱字特征图
与标准图片的联合熵为、互
信息为,将互信息归一化得;
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向,垂
直方向梯度算子为,水平方向梯度算子为,, ,,其中,分别为待识别手写谱字特征图在像素点(x,y)处的垂直梯度和水平
梯度,为待识别手写谱字特征图在像素点(x,y)处的像素灰度值,则指的
是像素点在点(x,y)处梯度的方向,且,同理,得到的标准图片像素
点在点(x,y)处的梯度方向为,其中 ,
分别为标准图片在像素点(x,y)处的垂直梯度和水平梯度,且;
7.根据权利要求6所述的一种古琴减字谱指法的手写谱字识别方法,其特征在于:所述步骤S006,具体包括:
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字,则选取的手写谱字共为个,其中,为左手指法标准符号库对应选取的手写谱字个数,为左手徽位标准符号库对应选取的手写谱字个数,为装饰弹法标准符号库对应选取的手写谱字个数,为右手指法标准符号库对应选取的手写谱字个数,为右手弦位标准符号库对应选取的手写谱字个数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010297656.XA CN111222503B (zh) | 2020-04-16 | 2020-04-16 | 一种古琴减字谱指法的手写谱字识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010297656.XA CN111222503B (zh) | 2020-04-16 | 2020-04-16 | 一种古琴减字谱指法的手写谱字识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222503A true CN111222503A (zh) | 2020-06-02 |
CN111222503B CN111222503B (zh) | 2020-09-08 |
Family
ID=70826948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010297656.XA Expired - Fee Related CN111222503B (zh) | 2020-04-16 | 2020-04-16 | 一种古琴减字谱指法的手写谱字识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222503B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111883089A (zh) * | 2020-07-28 | 2020-11-03 | 张驰 | 一种生成可视化古琴琴谱的方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1761205A (zh) * | 2005-11-18 | 2006-04-19 | 郑州金惠计算机系统工程有限公司 | 基于内容的网络色情图像和不良图像检测系统 |
CN101593270A (zh) * | 2008-05-29 | 2009-12-02 | 汉王科技股份有限公司 | 一种手绘形状识别的方法及装置 |
CN101944081A (zh) * | 2010-09-17 | 2011-01-12 | 厦门大学 | 一种古琴减字谱的计算机生成、编辑方法与系统 |
CN103886586A (zh) * | 2014-02-18 | 2014-06-25 | 南京邮电大学 | 一种基于互信息和梯度信息结合的医学图像配准方法 |
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
CN105373794A (zh) * | 2015-12-14 | 2016-03-02 | 河北工业大学 | 一种车牌识别方法 |
CN106446952A (zh) * | 2016-09-28 | 2017-02-22 | 北京邮电大学 | 一种乐谱图像识别方法及装置 |
CN107729826A (zh) * | 2017-09-29 | 2018-02-23 | 苏州安斯特灵智能科技有限公司 | 药品包装图像识别方法及其装置 |
CN109032383A (zh) * | 2018-09-13 | 2018-12-18 | 广东工业大学 | 基于手写识别的输入方法 |
CN109508712A (zh) * | 2018-11-14 | 2019-03-22 | 衡阳师范学院 | 一种基于图像的汉语文字识别方法 |
-
2020
- 2020-04-16 CN CN202010297656.XA patent/CN111222503B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1761205A (zh) * | 2005-11-18 | 2006-04-19 | 郑州金惠计算机系统工程有限公司 | 基于内容的网络色情图像和不良图像检测系统 |
CN101593270A (zh) * | 2008-05-29 | 2009-12-02 | 汉王科技股份有限公司 | 一种手绘形状识别的方法及装置 |
CN101944081A (zh) * | 2010-09-17 | 2011-01-12 | 厦门大学 | 一种古琴减字谱的计算机生成、编辑方法与系统 |
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
CN103886586A (zh) * | 2014-02-18 | 2014-06-25 | 南京邮电大学 | 一种基于互信息和梯度信息结合的医学图像配准方法 |
CN105373794A (zh) * | 2015-12-14 | 2016-03-02 | 河北工业大学 | 一种车牌识别方法 |
CN106446952A (zh) * | 2016-09-28 | 2017-02-22 | 北京邮电大学 | 一种乐谱图像识别方法及装置 |
CN107729826A (zh) * | 2017-09-29 | 2018-02-23 | 苏州安斯特灵智能科技有限公司 | 药品包装图像识别方法及其装置 |
CN109032383A (zh) * | 2018-09-13 | 2018-12-18 | 广东工业大学 | 基于手写识别的输入方法 |
CN109508712A (zh) * | 2018-11-14 | 2019-03-22 | 衡阳师范学院 | 一种基于图像的汉语文字识别方法 |
Non-Patent Citations (2)
Title |
---|
CHUANZHEN LI: "Optical Music Notes Recognition for Printed Music Score", 《2018 11TH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 * |
潘知枭: "古琴减字谱图像的文本切分与提取", 《心智与计算》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111883089A (zh) * | 2020-07-28 | 2020-11-03 | 张驰 | 一种生成可视化古琴琴谱的方法、装置及存储介质 |
CN111883089B (zh) * | 2020-07-28 | 2023-08-08 | 张驰 | 一种生成可视化古琴琴谱的方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111222503B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543667B (zh) | 一种基于注意力机制的文本识别方法 | |
CN110544251B (zh) | 基于多迁移学习模型融合的大坝裂缝检测方法 | |
US7336827B2 (en) | System, process and software arrangement for recognizing handwritten characters | |
CN111401361B (zh) | 一种端到端的轻量级深度车牌识别方法 | |
CN106845384B (zh) | 一种基于递归模型的手势识别方法 | |
CN112036383B (zh) | 一种基于手静脉的身份识别方法及装置 | |
CN111860525B (zh) | 一种适用于端子排的自底向上光学字符识别方法 | |
CN111783757A (zh) | 一种基于ocr技术的复杂场景下身份证识别方法 | |
CN109766886B (zh) | 一种基于图像识别的水位识别方法 | |
CN103927532B (zh) | 基于笔画特征的笔迹配准方法 | |
CN108171127A (zh) | 一种基于深度学习的发票自动识别方法 | |
CN110180186A (zh) | 一种地形图转换方法及系统 | |
CN108764140B (zh) | 一种基于Ricci曲率流的三维人脸识别方法 | |
CN112966685B (zh) | 用于场景文本识别的攻击网络训练方法、装置及相关设备 | |
CN110929640A (zh) | 一种基于目标检测的宽幅遥感描述生成方法 | |
CN111222503B (zh) | 一种古琴减字谱指法的手写谱字识别方法 | |
CN115713772A (zh) | 变电站面板文字识别方法、系统、设备及存储介质 | |
CN114359538A (zh) | 一种水表读数定位与识别方法 | |
CN110705535A (zh) | 一种试卷版面文字行自动检测的方法 | |
CN110766708B (zh) | 基于轮廓相似度的图像比较方法 | |
CN110188671B (zh) | 一种利用机器学习算法分析笔迹特征的方法 | |
CN115713776A (zh) | 一种基于深度学习的通用证件结构化识别方法和系统 | |
CN111582193B (zh) | 坏例识别及其模型优化方法、装置及计算机存储介质 | |
CN115482405A (zh) | 基于深度学习的单模板匹配的方法 | |
Mzoughi et al. | Extraction of leaf parts by image analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200908 |
|
CF01 | Termination of patent right due to non-payment of annual fee |