Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Staff removal using image operator learning

Texto completo
Autor(es):
Montagner, Igor S. ; Hirata, Nina S. T. ; Hirata, Jr., Roberto
Número total de Autores: 3
Tipo de documento: Artigo Científico
Fonte: PATTERN RECOGNITION; v. 63, p. 310-320, MAR 2017.
Citações Web of Science: 4
Resumo

Staff removal is an image processing task that aims to facilitate further analysis of music score images. Even when restricted to images in specific domains such as music score recognition, solving image processing problems usually requires the design of customized algorithms. To cope with image variabilities and the growing amount of data, machine learning based techniques emerge as a natural approach to be employed in image processing problems. In this sense, image operator learning methods are concerned with estimating, from sample pairs of input-output images of a transformation, a local function that characterizes the image transformation. These methods require the definition of some parameters, including the local information to be considered in the processing which is defined by a window. In this work we show how to apply the image operator learning technique to the staff line removal problem. We present an algorithm for window determination and show that it captures visual information relevant for staff removal. We also present a reference window set to be used in cases where the training set is not sufficiently large. Experimental results obtained with respect to synthetic and handwritten music scores under varying image conditions show that the learned image operators are comparable with especially designed state-of-the-art heuristic algorithms. (AU)

Processo FAPESP: 11/23310-0 - Projeto automático de operadores de imagens: extensão e contextualização para reticulados não necessariamente booleanos
Beneficiário:Igor dos Santos Montagner
Linha de fomento: Bolsas no Brasil - Doutorado Direto
Processo FAPESP: 15/17741-9 - Combinação de características locais e globais em aprendizagem de operadores de imagens
Beneficiário:Nina Sumiko Tomita Hirata
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 11/00325-1 - Desafios em projeto multinível de operadores morfológicos
Beneficiário:Nina Sumiko Tomita Hirata
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 14/21692-0 - Explorando representações de alto nível em aprendizado automático de operadores
Beneficiário:Igor dos Santos Montagner
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto