top of page
This site was designed with the
.com
website builder. Create your website today.Start Now

Com o decorrer dos anos a degradação de partituras antigas constitui um problema de perda de informação histórica de grande valor. Torna-se então necessário garantir a preservação destes documentos. Este procedimento é dispendioso para ser efetuado manualmente, o que torna necessária existir outra solução para o fazer. Com vista a realizar essa função surgem os sistemas de reconhecimento ótico de música (OMR), que tem como propósito a preservação de partituras.  A função deste tipo de sistemas é a transformação de folhas de música num formato legível por um computador.

 

 Ã‰ necessário por isso proceder-se a várias etapas até à tradução de uma imagem com caracteres musicais para uma linguagem passível de ser entendida por uma máquina. Os sistemas OMR normalmente estão divididos em 3 fases: reconhecimento dos símbolos musicais, reconstrução da notação musical e construção da representação final. O trabalho desta dissertação foca-se na primeira destas etapas, o reconhecimento de símbolos musicais. Este primeiro módulo está por sua vez dividido em 3 fases. A deteção e remoção de linhas, a segmentação de símbolos musicais e o reconhecimento dos mesmos. A deteção de linhas deve ser realizada numa fase inicial do processamento, para tornar o processo de reconhecimento dos símbolos musicais possível de ser realizado. Em seguida é necessária a sua remoção sem destruir os símbolos musicais. E por fim o sistema deve ser capaz de segmentar e identificar os símbolos. Este trabalho vai focar-se nas etapas de remoção de linhas e de deteção e identificação de símbolos, no domínio das imagens a tons de cinzento.

 

Assim os objetivos desta dissertação serão os seguintes:

  • Deteção de linhas de uma partitura;

  • Remoção das linhas de pauta;

  • Segmentação dos símbolos;

 

Pretendo então, com esta dissertação, dar as seguintes contribuições para a comunidade científica e preservação cultural:

  • Introduzir um novo algoritmo de deteção e remoção de linhas de partituras em imagens em cinzento;

  • Introduzir um novo algoritmo para segmentar os símbolos musicais em imagens em cinzento;

  • Novos estudos e análises de métodos de deteção de objetos aplicados a partituras de imagens em cinzento;

 

Este site foi criado no âmbito da Dissertação do Mestrado Integrado em Engenharia Electrotecnica e de Computadores da Faculdade de Engenharia  da Universidade do Porto.

​

Tem como objectivos divulgar os aspectos do trabalho relacionados com a apresentação do projecto, planeamento, progressos atingidos e repositório dos documentos de organização do mesmo.

 

Apresentação

Objectivos

Referências

  1. Asa Ben-Hur e Jason Weston. A User's Guide to Support Vector Machines. Colorado State University, Princeton, NJ 08540 USA.

  2. Bainbridge, D. e T. I. M. Bell. "The challenge of optical music recognition." Language Resources and Evaluation no. 35 (2):95-121.2001.

  3. Bradski, G. "The OpenCV Library." Dr. Dobb’s Journal of Software Tools. doi: citeulike-article-id:2236121.2000.

  4. Cardoso, J. S. e A. Rebelo. "Robust staffline thickness and distance estimation in binary and gray-level music scores", em Istanbul.2010.

  5. Cui, J., H. He e Y. Wang. "An adaptive staff line removal in music score images", em Beijing.2010.

  6. Desaedeleer, Arnaud F. "Reading Sheet Music", Department of Computing, University of London - Imperial College London - Technology and Medicine.2006.

  7. dos Santos Cardoso, J., A. Capela, A. Rebelo, C. Guedes e J. Pinto da Costa. "Staff detection with stable paths." IEEE Transactions on Pattern Analysis and Machine Intelligence no. 31 (6):1134-1139. doi: 10.1109/TPAMI.2009.34.2009.

  8. "ICDAR / GREC 2013 Competition on Music Scores". Acedido a 7/02/2014. http://dag.cvc.uab.es/muscima/.

  9. "Notação musical". Acedido a 7/02/2014. http://pt.wikipedia.org/wiki/Nota%C3%A7%C3%A3o_musical.

  10. Otsu, Nobuyuki. "A Threshold Selection Method from Gray-Level Histograms." Systems, Man and Cybernetics, IEEE Transactions on no. 9 (1):62-66. doi: 10.1109/TSMC.1979.4310076.1979.

  11. Piatkowska, W., L. Nowak, M. Pawłowski e M. Ogorzałek. Stafflines pattern detection using the swarm intelligence algorithm. 2012. Warsaw. http://www.scopus.com/inward/record.url?eid=2-s2.0- 84868017012&partnerID=40&md5=2fe810466cd5726ee4745382d07aef79.

  12. Pinto, Telmo, Ana Rebelo, Gilson Giraldi e Jaime S. Cardoso. "Music score binarazation based on domain knowledge."

  13. Pravesjit, S. e A. Thammano. "Segmentation of historical lanna handwritten manuscripts". Comunicação apresentada em Intelligent Systems (IS), 2012 6th IEEE International Conference. 6-8 Sept. 2012.2012.

  14. Rajput, G. S. G. e R. Horakeri. "Zone based handwritten Kannada character recognition using crack code and SVM". Comunicação apresentada em Advances in Computing, Communications and Informatics (ICACCI), 2013 International Conference on. 22-25 Aug. 2013.2013.

  15. Rebelo, A., G. Capela e J. S. Cardoso. "Optical recognition of music symbols." International Journal on Document Analysis and Recognition no. 13 (1):19-31.2010.

  16. Rebelo, A. e J. S. Cardoso. "Staff line detection and removal in the grayscale domain", em Washington, DC.2013.

  17. Rebelo, A., J. Tkaczuk, R. Sousa e J. S. Cardoso. "Metric learning for music symbol recognition", em Honolulu, HI.2011.

  18. Rokach, Lior. Pattern Classification Using Ensemble Methods. World Scientific Publishing Co.: SGP.2009.

  19. Solomon, Chris, Stuart Gibson e Toby Breckon. Fundamentals of Digital Image Processing : A Practical Approach Using Matlab. Hoboken, NJ, USA: Wiley.2010.

  20. Sotoodeh, M. e F . T ajeripour . "Staff detection and removal using derivation and connected component analysis", em Shiraz.2012.

  21. Su, B., S. Lu, U. Pal e C. L. Tan. "An effective staff detection and removal technique for musical documents", em Gold Coast, QLD.2012.

  22. Tajeripour, F. e M. Sotoodeh. "A novel staff removal method for printed music image." IEICE Electronics Express no. 9 (7):609-615. doi: 10.1587/elex.9.609.2012.

  23. T ambouratzis, T . "Identification of key music symbols for optical music recognition and on-screen presentation", em San Jose, CA.2011.

  24. Visaniy, Muriel, V. C. Kieu, Alicia Fornes e Nicholas Journet. "ICDAR 2013 Music Scores Competition: Staff Removal."1407-1411. doi: 10.1109/icdar.2013.284.2013.

bottom of page