本文主要研究音樂聲的音色感知特征與圖像的紋理之間的關(guān)聯(lián)關(guān)系并建立音色與紋理的匹配模型.首先對Brodatz紋理庫中的圖片提取紋理特征,然后利用紋理特征對紋理圖片進(jìn)行系統(tǒng)聚類和多維尺度分析,挑選出18張用來做主觀評價實驗的紋理圖片.通過主觀評價實驗,得到音色感知特征值以及音色和紋理的匹配關(guān)系數(shù)據(jù),并基于此數(shù)據(jù)分別計算了匹配（或不匹配）的音色感知特征紋理特征之間的皮爾遜相關(guān)系數(shù),相關(guān)系數(shù)絕對值最高達(dá)0.75,證明了二者之間存在強(qiáng)烈關(guān)聯(lián).最后使用邏輯回歸、隨機(jī)森林、多層感知神經(jīng)網(wǎng)絡(luò)對音色感知特征和紋理之間的匹配關(guān)系進(jìn)行預(yù)測,得到了準(zhǔn)確率較高的預(yù)測模型,說明通過音色感知特征和紋理特征預(yù)測二者匹配關(guān)系是可行的. 

【文章來源】：復(fù)旦學(xué)報(自然科學(xué)版). 2020,59(03)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

篩選出的紋理圖片

圖5是紋理特征值對音色特征值變化的散點圖，橫軸是音色素材m的某個音色特征，縱軸是音色素材m對應(yīng)紋理的某個平均特征．從圖5中可以看出，部分音色特征與紋理特征之間存在比較明顯的關(guān)聯(lián)關(guān)系，并且匹配與不匹配的相關(guān)性是相反的，如與嘶啞-協(xié)和匹配的紋理的粗細(xì)度隨著協(xié)和程度的增大而增大，而與嘶啞協(xié)和不匹配的紋理粗細(xì)度隨著協(xié)和程度增大而減�。�

從圖6可以看出，各個模型的精準(zhǔn)度都比較理想，邏輯回歸算法的精準(zhǔn)度達(dá)到0.9．表3中3種算法的10折交叉驗證的AUC的平均值均在0.9以上．綜合圖6和表3的結(jié)果，邏輯回歸算法的建模結(jié)果略好于隨機(jī)森林和多層感知器神經(jīng)網(wǎng)絡(luò)的．可能是由于紋理和音色感知特征之間的關(guān)系近似于線性關(guān)系，并且本文數(shù)據(jù)量和特征量較少，因此邏輯回歸作為1種更加簡單的線性算法，更適合于本文的數(shù)據(jù)．但不論是哪種算法，模型的精準(zhǔn)度都在0.708以上，說明使用音色感知特征和紋理特征來判斷二者之間是否匹配是可行的．4 結(jié)語

【參考文獻(xiàn)】：
期刊論文
[1]基于多層感知器-Fisher判別分析的車用保險杠紅外光譜鑒別[J]. 何欣龍,王繼芬,李青山,何亞,姜曉佳,李超,彭山珊.  中國測試. 2019(05)
[2]基于灰度共生矩陣的遙感圖像分類研究[J]. 廖敏,陳國鄭.  科學(xué)技術(shù)創(chuàng)新. 2018(28)
[3]基于RSSI的多維標(biāo)度室內(nèi)定位算法[J]. 石欣,印愛民,陳曦.  儀器儀表學(xué)報. 2014(02)
[4]GMRF隨機(jī)場在紋理特征描述與識別中的應(yīng)用[J]. 王業(yè)琴,王輝.  計算機(jī)工程與應(yīng)用. 2011(25)
[5]基于分形維數(shù)的圖像紋理特征表示方法[J]. 趙瑩,胡靜,黎明,遲冬祥.  上海電機(jī)學(xué)院學(xué)報. 2011(01)
[6]基于小波變換的紋理特征提取[J]. 王水璋,冀小平,閆文娟.  科技情報開發(fā)與經(jīng)濟(jì). 2008(11)

碩士論文
[1]音樂和顏色的情緒性關(guān)聯(lián)[D]. 張聰聰.華東師范大學(xué) 2014



本文編號：3004265