Background and Staff Line Removal for Music Score Recognition :광학악보인식을 위한 배경과 오선제거

Nguyen, Trung Quy

추천

검색

자료유형: 학위논문

저자정보: Nguyen, Trung Quy (전남대학교, 전남대학교 대학원)

지도교수: 김수형

발행연도: 2014

저작권: 전남대학교 논문은 저작권에 의해 보호받습니다.

이용수1

초록· 키워드

본 논문에서 인쇄된 악보영상을 대상으로 하여 모바일 카메라 기반의 광학악보인식(OMR)을 위한 강력한 전처리방법을 제안한다. 촬영된 영상은 조명, 흐림, 낮은 해상도, 왜곡 등에 영향을 받고 복잡한 배경이 포함된 악보도 고려하였다. 우리는 음악 기호 또는 오선과 겹치는 배경을 제거할 수 있는 새로운 이진화 방법을 제안한다. 그러하여, 선택한 4개의 복잡한 배경을 가진 악보에서 우리의 제안된 방식을 상용 OMR 소프트웨어인 ‘sharpEye’에 적용하였으며, 인식률이 향상된 결과를 보여주었다. 기호인식 시스템을 통해 오선의 높이와 오선간격이 여러 번 사용되었고 이것은 악보인식에 큰 영향을 미친다. 강력하고 정확한 오선높이와 오선간격은 필수적이다. 어떠한 오선의 높이와 간격은 이진화를 위해 제안되었다. 그러나 복잡한 배경을 가진 악보의 경우, 일반적인 이진화 알고리즘에서 안정적이지 못한 결과를 보인다. 이러한 현상은 부정확한 악보높이와 간격측정으로 일어난다. 우리는 먼저 에지영상에서 런-렝스 인코딩 기술을 이용하여 오선높이와 공간을 추정하였다. 복잡한 배경을 포함한 악보에서도 강인하고 정확한 결과를 보여준다. 오선제거는 광학악보인식 시스템에서 기본적인 단계 중 하나이다. 오선을 제거하기 위한 이유는 기호 인식의 효율성 및 정확성을 향상시키기 위해 각 줄로부터 음악 기호를 분리하기 위해서 이다. 먼저, 모든 오선들이 검출되고 우리의 제안된 방법에 의해 제거된다. 지금까지도 이러한 처리는 많은 악보들이 낡았고 많은 변형이 될 수 있기 때문에 도전적인 연구이다. 우리는 ICDAR 2011 데이터셋에서 평가하였으며, 제안된 방법과 Line Track Height(LTH) 알고리즘과 비교하였다. 변형된 악보를 포함하여 제안된 알고리즘의 성능이 더 나은 결과를 보여주었다.

In this thesis, we propose a robust pre-processing module for printed camera-based Optical Music Score (OMR) Recognition on mobile device. The captured images likely suffer from many distortions such as illumination, blur, low resolution, etc…… The complex background music sheets are considered. We proposed a novel binarization method which is able to remove almost background which overlaps (or not) with music symbol or staff line. Therefore, we show that the recognition rate is increased when apply our preprocessing step to sharpEye which is a commercial OMR software on four selected complex background music sheet image. Through any symbol recognition system, the staff line height and staff line space are used many times and have a big impact on recognition module. The robust and accurate staff line height and staff line space are essential. Some staff line height and staff line space are proposed for binary image. But in case of complex background music sheet image, the binarization results from common binarization algorithm are not satisfied. It can cause in-correct staff line height and staff line space estimation. We propose a robust staff line height and staff line space estimation by using run-length encoding technique on edge image. The result is robust and accurate even in complex background cases. Staff line removal is one of fundamental stages of an Optical Music Recognition (OMR) system. The reasons for removing the staff lines lie on the need to isolate the musical symbols from staff line to improve the efficiency and accuracy of symbol recognition. First, all the staff lines are detected and then removed by our proposed staff line removal algorithm. Up to now, this task is a challenge because many music manuscripts are old and suffer from a lot of deformation. We evaluate our method on ICDAR 2011 dataset for staff removal competition. We compare our method with LineTrack Height (LTH) algorithm. Our proposed method can give better results even in deformed cases.

Table of Contents
LIST OF FIGURES ii
LIST OF TABLES iv
(Abstract) v
1 INTRODUCTION 1
2 CONTRIBUTIONS 3
3 RELATED WORKS 3
4 PROPOSED METHODS 6
4.1 Staff line height and staff line space estimation based on edge image 6
4.2 Proposed background removal method 11
4.2.1 Region of Interest extraction 11
4.2.2 Mask Based Local thresholding 11
4.2.3 Uniform region classification 11
4.3 Staff line detection and removal 14
4.3.1 Staff line detection using stable path 14
4.3.2 Adaptive Line Track Height Algorithm 15
5 EXPERIMENTAL RESULTS 17
5.1 Applying the proposed background removal to SharpEye 17
5.2 Quantitative evaluation of background removal 18
5.3 Staff line removal 19
5.3.1 Evaluation metrics 19
5.3.2 Evaluation results 20
6 CONCLUSIONS 22
ACKNOWLEDGMENTS 23
REFERENCES 24
Appendix A: Our proposed binarization result of figure 4 29
Appendix B: Binarization result of adaptive thresholding (used for pre-processing evaluation) 30
Appendix C: Binarization result of SharpEye‘s binarization algorithm 31

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)