学位论文 > 优秀研究生学位论文题录展示
基于多音频特征的音乐可视化设计方法
作 者: 张艳鹏
导 师: 孙博文
学 校: 哈尔滨理工大学
专 业: 计算机应用技术
关键词: 音乐可视化 音乐分类 分形维数 特征提取 主旋律提取
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 11次
引 用: 0次
阅 读: 论文下载
内容摘要
一直以来,音乐都是一种表达情感的艺术形式,但是传统意义上的听音乐已经不能满足人们对色彩斑斓世界的追求,因此音乐可视化应运而生。又恰逢计算机技术在图像处理、虚拟现实、数字信号处理等方面有了长足发展,使得音乐可视化技术近些年如鱼得水,得到了研究人员及企业公司的重视,从而在娱乐、商业、教育等领域有了现实应用。音乐可视化把听觉系统与视觉系统进行了有机的结合,加强了音乐的体验感受,为各类人群提供了服务。随着生活水平的日益提高,人们对精神文化生活越来越重视。在欣赏音乐可视化的时候人们想要看到更加层次多变的可视化效果,想要根据不同音乐类型看到不同音乐可视化的区别,想要更加理解音乐的主旨。为了解决这些问题,本文从音乐自动分类,基于多特征的可视化方法,基于主旋律突出显示的可视化方法这几方面对音乐可视化问题进行了研究。在音乐自动分类方法上。本文提出了基于音乐分形维数特征对音乐进行自动分类。首先对音乐整体进行一维分形维数特征计算,然后构建音乐特征分类指标实现对三种不同音乐风格进行分类,并用不同图像元素对应不同风格音乐。在基于多特征的音乐可视化方面。本文以音乐的风格已经分类完成为基础,设计了一种基于多个音频特征的综合可视化方法。首先对音乐多特征进行提取,然后对这些特征进行综合可视化设计,实现了让图像表达更多音乐信息。在突出主旋律的可视化方法上面。本文首先对结构性音乐特征进行提取并计算,得出音乐主辅旋律。然后基于分离的主辅旋律进行综合可视化设计实现突出主旋律的可视化方法。最后,本文用各个方法对应的实验数据和效果对各个方法的可行性与准确性进行了验证。
|
全文目录
摘要 5-6 Abstract 6-10 第1章 绪论 10-17 1.1 课题来源背景及研究意义 10-11 1.2 国内外研究现状 11-15 1.2.1 音乐的特征提取 11-12 1.2.2 情感检测及表达 12-13 1.2.3 音乐可视化系统 13-14 1.2.4 虚拟现实与音乐可视化 14 1.2.5 一些音乐可视化的实现技术 14-15 1.3 本文主要内容与组织结构 15-17 第2章 音乐自动分类方法设计 17-22 2.1 分形与音乐 18-20 2.1.1 分形 18 2.1.2 分形维数 18-19 2.1.3 音乐与分形 19-20 2.2 音乐的分形维数计算 20-21 2.3 本章小结 21-22 第3章 音频多特征提取 22-29 3.1 预处理 22-25 3.1.1 分帧和加窗 23-24 3.1.2 静音帧判别 24-25 3.2 时域特征提取 25-26 3.3 频域特征提取 26-28 3.4 本章小结 28-29 第4章 多音轨 MIDI 主旋律提取 29-36 4.1 MIDI 介绍 29-30 4.2 多音轨 MIDI 文本文档建立 30-32 4.2.1 MIDI 基本格式 30-31 4.2.2 MIDI 文档建立 31-32 4.3 多音轨 MIDI 的主旋律提取 32-35 4.3.1 主副音轨特征提取 32-33 4.3.2 主旋律提取 33-34 4.3.3 实验结果分析 34-35 4.4 本章小结 35-36 第5章 音乐可视化综合设计 36-49 5.1 音乐自动分类方法的实验与分析 37-40 5.1.1 实验过程 37-40 5.1.2 实验结果分析 40 5.2 基于多特征的可视化表达 40-44 5.2.1 多特征的提取 40-43 5.2.2 多特征的可视化设计 43 5.2.3 例子说明 43-44 5.2.4 实验结果分析 44 5.3 突出主旋律的音乐可视化表达设计 44-48 5.3.1 多音轨 MIDI 特征提取 44-45 5.3.2 突出主旋律显示的音乐可视化表达设计 45-46 5.3.3 例子说明 46-47 5.3.4 实验结果分析 47-48 5.4 本章小结 48-49 结论 49-51 参考文献 51-55 攻读硕士学位期间发表的学术论文 55-56 致谢 56
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- HJ1-CCD交叉辐射定标,TP751
- 基于模糊聚类的图像检索方法研究及其系统实现,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 纤维布与混凝土正拉粘结性能的试验研究,TU528.572
- 基于特征描述的图像匹配方法研究,TP391.41
- 基于视觉的人体行为检测识别研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|