سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طراحی و پیاده سازی سیستم تشخیص علائم موسیقی توسط الگوریتم های پردازش تصویر

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,414

This Paper With 12 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

RSTCONF01_629

Index date: 21 November 2015

طراحی و پیاده سازی سیستم تشخیص علائم موسیقی توسط الگوریتم های پردازش تصویر abstract

نت موسیقی یکی از ابزارهایی است که برای ثبت و نگهداری آثار موسیقی از گذشته تاکنون مورد استفاده قرار گرفته است. در مرورزمان نماد ها و علائم موسیقی جهت ثبت آثار موسیقی در محتوا دچار تحولاتی عمیق گردید، و رفته رفته به پیچیدگی این علائم اضافه شد. پس از ورود صنعت دیجیتال به این عرصه ساختار نت نگاری از شکل دستی و سنتی به فرم دیجیتال تبدیل گردید.پس از ورود علم پردازش تصویر دیجیتال به دنیای تکنولوژی امروزی، مقوله ی ثبت و نگهداری آثار و همچنین نشر موسیقی نیز دچار تحول گردید. این تکنولوژی باعث شد بحث تشخیص موسیقی نوری بوجود آید.در تشخیص موسیقی نوری هدف پردازش و آنالیزصفحه ی نت موسیقی می باشد. در این پردازش می توان علائم و نمادهای موسیقی را استخراج نمود. در تحقیقات پیشین روش هایی جهت استخراج علائم موسیقی توسط الگوریتم های پردازش تصویر ارائه شده است. عمدتا این روش ها شامل سه قسمتپیش پردازش، جداسازی علائم و همچنین تشخیص علائم می شود. روش پیشنهادی که در این تحقیق جهت تشخیص علائم بیانشده است علاوه بر استفاده از روش های پیشین استفاده از روش های مبتنی برخواص موروفولوژی در پردازش تصویر می باشد که در تحقیقات پیشین کمتر از آن استفاده شده است

طراحی و پیاده سازی سیستم تشخیص علائم موسیقی توسط الگوریتم های پردازش تصویر Keywords:

طراحی و پیاده سازی سیستم تشخیص علائم موسیقی توسط الگوریتم های پردازش تصویر authors

محمدرضا صارمی

کارشناسی ارشد مکاترونیک، گروه کامپیوتر دانشکده ی فنی مهندسی دانشگاه آزاد اسلامی علوم و تحقیقات تهران

آرش شریفی

استاد یار، دکتری هوش مصنوعی، گروه کامپیوتر دانشکده فنی مهندسی دانشگاه آزاد اسلامی علوم و تحقیقات تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Ana Maria Rebelo, "Robust Optical Recognition of Handwritten ...
Musical Scores based On Domain Knowledge" , PhD The sisUniversity ...
Chen, Yung-Sheng; Feng-Sheng Chen; Chin-Hung Teng, "Restoring image orientation and ...
R. M. Haralic, S. R. Sternberg, and X. Zhuang, "Image ...
Bolan Su; Shijian Lu; Pal, U.; Tan, C.L., " An ...
_ W. Piatkowska; L. Nowak; M. Pawlowski;M. Ogorzalek, "Stafflines Pattern ...
J. Calvo-Zaragoza, I. Barbancho, Lorenzo J. Tardon, Ana M Barbancho, ...
Y. Fang, T. Gui-fa, _ Visual music Score detection with ...
Nicolaou, A; Slimane, F.; Maergner, V.; Liwicki, . "Local Binary ...
نمایش کامل مراجع

مقاله فارسی "طراحی و پیاده سازی سیستم تشخیص علائم موسیقی توسط الگوریتم های پردازش تصویر" توسط محمدرضا صارمی، کارشناسی ارشد مکاترونیک، گروه کامپیوتر دانشکده ی فنی مهندسی دانشگاه آزاد اسلامی علوم و تحقیقات تهران؛ آرش شریفی، استاد یار، دکتری هوش مصنوعی، گروه کامپیوتر دانشکده فنی مهندسی دانشگاه آزاد اسلامی علوم و تحقیقات تهران نوشته شده و در سال 1394 پس از تایید کمیته علمی کنفرانس بین المللی پژوهش در مهندسی، علوم و تکنولوژی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تصویر دیجیتال، تشخیص موسیقی نوری، قطعه بندی، دسته بندی، مورفولوژی، علامت های موسیقی هستند. این مقاله در تاریخ 30 آبان 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1414 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که نت موسیقی یکی از ابزارهایی است که برای ثبت و نگهداری آثار موسیقی از گذشته تاکنون مورد استفاده قرار گرفته است. در مرورزمان نماد ها و علائم موسیقی جهت ثبت آثار موسیقی در محتوا دچار تحولاتی عمیق گردید، و رفته رفته به پیچیدگی این علائم اضافه شد. پس از ورود صنعت دیجیتال به این عرصه ساختار نت نگاری از شکل ... . این مقاله در دسته بندی موضوعی پردازش تصویر طبقه بندی شده است. برای دانلود فایل کامل مقاله طراحی و پیاده سازی سیستم تشخیص علائم موسیقی توسط الگوریتم های پردازش تصویر با 12 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.