| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题的研究背景及意义 | 第12页 |
| ·琵琶工尺谱谱字识别方法的研究现状 | 第12-17页 |
| ·工尺谱简介 | 第12-14页 |
| ·光学乐谱识别方法的研究现状 | 第14-15页 |
| ·琵琶工尺谱谱字识别方法的研究现状 | 第15-17页 |
| ·论文的研究内容及组织结构 | 第17-20页 |
| ·论文的研究内容 | 第17-19页 |
| ·本文的组织结构 | 第19-20页 |
| 第二章 琵琶工尺谱乐谱图像的获取与预处理 | 第20-27页 |
| ·琵琶工尺谱乐谱图像的获取 | 第20页 |
| ·琵琶工尺谱乐谱图像的预处理 | 第20-26页 |
| ·二值化处理 | 第21-24页 |
| ·平滑去噪处理 | 第24-25页 |
| ·细化处理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 琵琶工尺谱乐谱图像的谱字提取方法 | 第27-39页 |
| ·常用的脱机手写体汉字分割方法 | 第27-31页 |
| ·直方图投影法 | 第27-29页 |
| ·笔划跟踪法 | 第29-30页 |
| ·包围盒合并方法 | 第30-31页 |
| ·基于像素跟踪的乐谱分割方法 | 第31-36页 |
| ·像素跟踪 | 第32页 |
| ·逆时针旋转扩展扫描算法 | 第32-33页 |
| ·算法的实现 | 第33-36页 |
| ·实验结果及分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 琵琶工尺谱的谱字特征提取方法 | 第39-45页 |
| ·常用的脱机手写体毛笔字特征提取方法 | 第39-42页 |
| ·基于笔划的特征提取 | 第39-40页 |
| ·模糊方向线素法 | 第40-41页 |
| ·非主流毛笔字特征提取方法 | 第41-42页 |
| ·基于网格的琵琶工尺谱谱字特征提取方法 | 第42-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于神经网络的琵琶工尺谱谱字识别方法 | 第45-58页 |
| ·基于 BP 神经网络的琵琶工尺谱谱字识别方法 | 第46-51页 |
| ·BP 神经网络模型 | 第46页 |
| ·BP 神经网络数学模型 | 第46-48页 |
| ·BP 神经网络学习算法 | 第48-49页 |
| ·BP 神经网络的优缺点与改进 | 第49-51页 |
| ·基于 RBF 神经网络的琵琶工尺谱谱字识别方法 | 第51-53页 |
| ·RBF 神经网络模型 | 第51-52页 |
| ·RBF 神经网络数学模型 | 第52页 |
| ·RBF 神经网络训练 | 第52-53页 |
| ·RBF 神经网络的优缺点 | 第53页 |
| ·BP 与 RBF 的实验结果比较分析 | 第53-57页 |
| ·BP 网络的 MATLAB 实现 | 第53-54页 |
| ·RBF 网络的 MATLAB 实现 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 琵琶工尺谱谱字识别实验系统的实现 | 第58-69页 |
| ·琵琶工尺谱谱字识别实验系统的框架 | 第58-60页 |
| ·基于 MATLAB 的琵琶工尺谱谱字识别实验系统的实现 | 第60-63页 |
| ·琵琶工尺谱谱字识别实验系统的界面与功能 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| ·本文研究的主要贡献与成果 | 第69-70页 |
| ·今后研究方向展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第74-75页 |
| 作者在攻读硕士学位期间所作的项目 | 第75-76页 |
| 致谢 | 第76页 |