无需去除谱线的乐谱文档基于 HMM 的书写者识别
计算机视觉与模式识别
2017-07-31 v2
摘要
由于乐谱符号与谱线重叠这一固有问题，从乐谱文档中进行书写者识别是一项具有挑战性的任务。文献中关于乐谱文档书写者识别的现有工作，大多是在去除谱线的预处理阶段之后进行的。本文提出了一种无需从文档中去除谱线即可进行乐谱文档书写者识别的新框架。在我们的方法中，使用隐马尔可夫模型 (HMM) 在不去除谱线的情况下对书写者的书写风格进行建模。从乐谱行中提取滑动窗口特征，并利用这些特征构建特定于书写者的 HMM 模型。给定一张查询乐谱，每个特定于书写者的模型利用对数似然分数为每行乐谱返回特定于书写者的置信度。接下来，通过页面中对应行图像分数的加权组合，计算页面级别的对数似然分数。在滑动窗口特征中应用了一种基于因子分析的特征选择技术，以减少由谱线产生的噪声，这证明了其在书写者识别性能上的有效性。在我们的框架中，我们还提出了一种使用 HMM 在乐谱中进行谱行检测的新方法。实验在 CVC-MUSCIMA 数据集上进行，结果表明所提出的方法在不去除谱线的情况下，对于谱行检测和书写者识别均十分有效。为了解我们方法的计算时间，还提供了执行时间的详细分析。
引用
@article{arxiv.1707.06828,
title = {HMM-based Writer Identification in Music Score Documents without Staff-Line Removal},
author = {Partha Pratim Roy and Ayan Kumar Bhunia and Umapada Pal},
journal= {arXiv preprint arXiv:1707.06828},
year = {2017}
}
备注
Expert Systems with Applications, Elsevier(2017)