Οπτική Αναγνώριση Τυπωμένων Μουσικών Συμβόλων Και Μετατροπή Τους Σε Μουσικό Περιεχόμενο

Abstract

Η οπτική αναγνώριση μουσικής είναι ο κλάδος που ασχολείται με την εξαγωγή της μουσικής πληροφορίες που υπάρχει σε ένα έγγραφο μουσικής. Εντάσσεται στην κατηγορία «Ανάλυση δομημένων εγγράφων» και έχει αναπτυχθεί κυρίως στον χώρο της δυτικής μουσικής αλλά και σε άλλες μορφές μουσικής γραφής. Στόχος της οπτικής αναγνώρισης μουσικής είναι η παραγωγή ψηφιακών μορφών που αντιπροσωπεύουν μουσικές ακολουθίες όπως είναι το πρωτόκολλο MIDI και το MusicXML. Στην ιστορία εξέλιξης του αντικειμένου έχει διατυπωθεί μεγάλος αριθμός τεχνικών αναγνώρισης, περισσότερες εκ των οποίων εστιάζουν τη διαδικασία γύρω από την επιτυχή κατάτμηση της παρτιτούρας στα επιμέρους σύμβολα. Τα επιστημονικά εργαλεία που χρησιμοποιούνται για την υλοποίηση αυτών των τεχνικών υπάγονται στο πεδίο της «Ανάλυσης Εικόνας» και εκτείνονται από βασικές δομικές και μορφολογικές διαδικασίες μέχρι και τεχνικές αντιστοίχησης προτύπου και εξαγωγής χαρακτηριστικών γνωρισμάτων. Αν και το πρόβλημα της οπτικής αναγνώρισης μουσικής έχει τεθεί εδώ και 50 χρόνια, δεν έχει καταφέρει να επιλυθεί με τέτοια ακρίβεια ώστε να αποτελέσει αξιόπιστο εργαλείο στη διάθεση του μουσικού. Στην παρούσα διπλωματική εργασία κατατίθενται και αποδομούνται το σύνολο των βασικών όψεων και προβλημάτων της οπτικής αναγνώρισης μουσικής. Μελετάται η συνεισφορά προτάσεων και τεχνικών που κατά την άποψή μας συνέβαλλαν αποφασιστικά στην επίλυση των προβλημάτων που ανακύπτουν και γίνεται επιλογή μεθόδων που συναρθρώνουν ένα στιβαρό, μεγάλης ακρίβειας σύστημα οπτικής αναγνώρισης. Επιπλέον εισάγουμε δύο μεθόδους αποτελεσματικού εντοπισμού του πενταγράμμου και σταδιακής κατάτμησης και ταξινόμησης της εικόνας. Οι δύο αυτές μέθοδοι αποτελούν και τα βασικά συστατικά αποτελεσματικότητας του συστήματος αφού επιτρέπουν την εξαγωγή θετικών αποτελεσμάτων σε μεγάλο εύρος δειγμάτων εισόδου. Στην εργασία περιλαμβάνονται απεικονίσεις των αποτελεσμάτων κάθε τμήματος του συστήματος OMR, τα πειραματικά αποτελέσματα τεσσάρων σκαναρισμένων παρτιτούρων με σχολιασμό των αποτελεσμάτων τους καθώς και ο πλήρης κώδικας των ενοτήτων εντοπισμού του πενταγράμμου, των νοτών, της κατάτμησης και της ταξινόμησης στο Παράρτημα. Ελπίζουμε με αυτόν τον τρόπο να συμβάλλουμε στο αναπτυσσόμενο πεδίο της χρήσης των υπολογιστών με σκοπό την ανάκτηση, διακίνηση και αναπαράσταση μουσικής, και όχι μόνο, πληροφορίας.