1.一种基于语谱图纹理特征的音频场景识别方法,其特征在于该方法的具体步骤是:步骤(1):将输入音频集随机划分成训练音频和测试音频;
步骤(2):将输入训练音频和测试音频提取出语谱图,并进行规范化处理;
步骤(3):采用二维Gabor滤波器对训练音频和测试音频的语谱图进行变换,具体如下:建立L个二维Gabor滤波器,二维Gabor滤波器有M个尺度和N个方向;因此有L=M×N;若输入音频语谱图为D(x,y),x=1,2,...,W,y=1,2,...,H;其中W和H分别为语谱图的宽度和高度;经过二维Gabor滤波后,得到Gabor系数为G(m,n,i,j),其中m为Gabor系数的尺度索引;n为Gabor系数的方向索引;0≤m≤M-1,0≤n≤N-1;
L个二维Gabor滤波器的设计步骤如下:对于二维离散Gabor滤波器,有如下公式:x′=x cosθ
y′=y cosθ
θ
构造L=M×N个Gabor滤波器后,将输入音频频谱图经过L个Gabor滤波器进行滤波,得到Gabor系数G(m,n,x,y),计算公式如下:G(m,n,x,y)=D(x,y)*f(x,y,f其中,D(x,y)为输入音频语谱图,f(x,y,f步骤(4):求取Gabor滤波结果G(m,n,x,y)的幅度,采用公式如下:其中,A(m,n,x,y)为Gabor滤波结果幅度;RE(G(m,n,x,y))为Gabor滤波结果G(x,y,m,n)的实部;IM(G(m,n,x,y))为Gabor滤波结果G(x,y,m,n)的虚部;
步骤(5):对音频频谱图的不同尺度的Gabor滤波结果幅度A(m,n,x,y)求取像素距离d=1,方向为θ=0°,θ=45°,θ=90°和θ=135°四个方向的灰度共生矩阵,具体是:将Gabor滤波结果幅度A(m,n,x,y)的取值归一化到[0,255]范围,同时计算方向为θ=0°,θ=45°,θ=90°和θ=135°四个方向的灰度共生矩阵,记为CM步骤(6):计算得到四个方向灰度共生矩阵的归一化矩阵,具体计算公式如下:步骤(7):对四个方向的灰度共生矩阵计算二阶矩、熵、对比度和均匀度,计算方法如下:二阶矩计算公式为:
熵计算公式为:
对比度计算公式为:
均匀度计算公式为:
步骤(8):将四个方向的二阶矩,熵,对比度和均匀度组合成特征向量,公式如下:F={WM
WC
步骤(9):将特征向量F合并音频场景类别送到支持向量机中进行训练,得到训练后的支持向量机;
步骤(10):将测试音频同样按步骤(1)到步骤(8)提取出特征向量F,送到训练后的支持向量机中进行测试,得到音频场景分类结果。