面向X光发音视频的舌位轮廓自动提取方法 .pdfVIP

面向X光发音视频的舌位轮廓自动提取方法

1.绪论

-研究背景与意义

-国内外相关研究现状

-主要研究内容和目标

2.舌位轮廓自动提取技术综述

-常用的舌位轮廓提取方法

-特征点定位技术在舌位轮廓提取中的应用

-相关算法的优缺点分析

3.X光发音视频舌位轮廓自动提取方法设计

-X光发音视频数据预处理

-舌位轮廓特征点定位算法设计

-舌位轮廓形状建模方法

4.实验与结果分析

-实验数据集介绍

-不同算法间的比较分析

-实验结果定量评估

5.结论与展望

-实验结论总结

-存在问题及未来研究方向第1章节：绪论

随着计算机技术的不断发展，自动化提取语音发音过程中口腔

舌位信息的技术已成为语音识别和语音合成研究领域的重要研

究方向。这些技术是通过分析讲话者的口腔声道的位置和形状，

从而推断出口腔内的音频信号，从而提取出口腔的舌位轮廓。

而X光发音视频技术作为一种新兴的声学数据采集方式，可

以获取口腔内各个部位的运动信息，对于研究音素的发音过程

以及语音障碍病人的康复治疗具有重要意义。因此，X光发音

视频的舌位轮廓自动提取方法成为了目前研究的热点之一。

1.1研究背景与意义

传统语音识别技术主要使用声学特征进行音素识别，但由于声

学特征受到环境噪声和说话人个体差异的影响，识别精度并不

是非常高。因此，从其他角度获取声音信息，如利用口形、舌

位等信息进行语音识别，成为了当前语音识别研究领域的热点。

随着计算机视觉和图像处理技术的不断进步，通过对口腔内的

运动轨迹进行研究，可以实现对人类声音产生机制的深入分析。

X光发音视频是一种全新的获得口腔内部信息的方法，它可以

在发音时实时采集口腔内各个部位的运动信息，包括舌位，喉

部和唇部等，从而提供了好的机会来解决传统语音识别技术的

不足。因此，如何实现从X光发音视频中自动提取出舌位轮

廓成为了一个重要的研究课题。

1.2国内外相关研究现状

在国内外，相关研究者已提出了不少舌位轮廓自动提取方法。

在概括这些研究的基础上，早期的方法利用了基于FFD算法

的特征点定位算法来提取舌位轮廓。该方法能够较好的提取出

边界轮廓，但当舌头移动较快时，轮廓形变较复杂，提取精度

会有所下降。后来，研究者提出了基于ActiveShapeModel

（ASM）的方法。ASM算法是利用统计形状模型来建立目标

形状（如舌位轮廓）的模型，然后在这个模型的基础上通过优

化算法实现自动提取。此算法利用概率分布来描述目标的形状

变化范围，可以精确和准确地提取边缘轮廓，但计算量较大。

还有一种趋势是利用深度学习技术来提高自动提取舌位轮廓的

精度和效果，如卷积神经网络（CNN）和循环神经网络

（RNN）等。这些方法可以学习到更多的舌位轮廓形态信息，

提高了自动化提取的精度。

1.3主要研究内容和目标

本论文主要研究X光发音视频的舌位轮廓自动提取方法。具

体来说，通过对X光发音视频数据进行预处理，提取出视频

中的舌部图像信息。设计基于特征点定位的算法，自动识别和

定位舌位轮廓的关键点。此外，还设计了一种以舌位轮廓为基

础的形状建模方法，提高轮廓的提取精度。最后，在实验中，

对比分析了不同算法的性能并进行了量化评估，以验证所提出

方法在精度和实用性方面的有效性。研究成果能够为语音识别

和声控技术领域的研究提供有力支撑。第2章节：X光发音视

频的特点和采集过程

X光发音视频采集是一项专业的技术，需要专用设备和专业技

术人员来操作。本章将介绍X光发音视频的特点和采集过程。

2.1X光发音视频的特点

X光发音视频技术是一种先进的医学成像技术，它能够采集到

口腔内运动和形状信息，具有以下特点：

1.非侵入性采集：采集过程完全无创伤，对测试者无任何影响；

2.实时采集：采集设备能够实时获取口腔内部运动和形状信息，

适用于语音锻炼与矫正等方向；

3.无误差：通过对采集到的X光图像进行数学算法处理，实

现对口腔内部结构的准确展示。

2.2X光发音视频采集过程

X光发音视频的采集过程是一项复杂的工作，需要专业的设备

和专业的技术人员来完成。通常，X光发音视频采集可以分为

以下三个步骤：

1.病患准备：在进行X光发音视频采集之前，病患需要确认

喉部和口腔没有异样。此外，要求患者保持安静、放松状态及

正常呼吸。

2.参数设置：在进行X光发音视频采集之前，需要对采集设

备进行一些参数设置，包括扫描视图的设置，X光管的设置，

增益、曝光时间、电压等参数的配置。

3.语音发音：X光发音