JP3095069B2 - 文字認識装置、学習方法および文字認識プログラムを記録した記録媒体 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、紙などに書かれた
文字を光学センサで取り込んで読み取る光学的文字認識
装置および文字認識装置の学習方法に関し、特に複数の
文字認識手段を組み合わせて用いることを特徴とする文
字認識装置に関する。

【０００２】

【従来の技術】従来、この種の文字認識装置では、単一
の文字認識手段を用いるものが一般的であった。このよ
うな文字認識装置では、認識対象を特定の限られた側面
からしか捕らえられないため、認識精度に限界があっ
た。

【０００３】そこで近年では、複数の文字認識手段を組
み合わせて文字を読み取る文字認識装置が用いられるよ
うになってきている。尚、ここでいう複数の文字認識手
段を組み合わせた文字認識装置とは、全く異なる特徴抽
出方式や特徴分類方式を組み合わせて、それぞれの手法
から認識結果を得るものから、方式の枠組みは同じで単
に２値化閾値などのパラメータを複数種類用意していく
つかの認識結果を得るものまで、複数の認識結果を得
て、それらを統合して単一の文字認識結果を出力する装
置全般を指すものとする。

【０００４】ここで問題となるのは、複数の認識手段か
らそれぞれ得られる複数の認識結果からどのようにして
１つの認識結果を決定するか、ということである。この
問題に対しての従来技術の一例が、特開昭６２−１９１
９８９号公報「パターン認識方法」（以下、第１の先行
技術と呼ぶ）や特開昭６２−２１１９０９１号公報「文
字認識判定方式」（以下、第２の先行技術と呼ぶ）に記
載されている。これら第１および第２の先行技術に記載
されている方式では、複数の認識手段の後段に多数決回
路を備えることにより、できるだけ多くの文字認識手段
が出力する認識結果の文字コードを文字認識装置全体と
しての認識結果として出力している。

【０００５】また、従来技術の別の一例が特開平８−２
７２９０７号公報（以下、第３の先行技術と呼ぶ）に記
載されている。この第３の先行技術に記載された「文字
認識装置および方法」では、ある文字ｗ_qが第ｉ番目の
認識手段（ｉ＝１，２，・・・、Ｎ）の出力する認識結
果中の第ｘ_qi位候補として現れたとして、ベクトルＸ_q
＝（ｘ_q1，ｘ_q2，・・・，ｘ_qN）を評価して、最も信頼
のおける認識結果を選び出している。なお、ベクトルＸ
_qの評価には多層ニューラルネットワークを用い、ニュ
ーラルネットワークの出力が最も大きくなるような文字
を最終的な認識結果として出力している。認識結果中の
順位ｘ_qiの代わりとして認識結果の信頼性の尺度として
認識スコアｓ_qiを用いても良い。

【０００６】更に、本発明に関連する他の先行技術も種
々知られている。例えば、特開平５−２６６０号公報
（以下、第4の先行技術と呼ぶ）には、棄却文字数を大
幅に減少させ、認識精度を著しく向上することができる
「文字認識装置」が記載されている。この第4の先行技
術では、少なくとも2種の文字分類手段を併用すること
により誤読される文字数を減らすと同時に、各文字分類
手段が出力する候補の文字コードに対して計算された評
価値の大小比較と１回のしきい値判定処理で棄却判定を
行っている。

【０００７】また、特開平７−１６０８３０号公報（以
下、第5の先行技術と呼ぶ）には、認識精度を高くした
ニューロネットワークを使った「ニューロを用いた文字
認識装置」が開示されている。すなわち、第５の先行技
術では、小領域ネットワークにより小領域毎の学習を行
い、この学習結果を利用した統合ネットワークにおり更
に学習を行い、その学習結果を利用して文字認識を行っ
ている。

【０００８】更に、特開平２−１６５２８７号公報（以
下、第６の先行技術と呼ぶ）には、各段階が独立して
（単独で）出力するあいまい性のある結果と、他の段階
の出力から決定されるあいまい性のある結果を統合し
て、１文字領域を切り出し、１文字認識及び用語照合に
関する知識を相互にすべて活用することにより、全体と
して最もふさわしい結果を得るようにして、文字切り出
しの信頼性を高めた「文字列入力方式」が開示されてい
る。

【０００９】更にまた、特開平３−９７０８６号公報
(以下、第７の先行技術と呼ぶ)には、予め位置を限定さ
れてグレイ値像で存在する文字を分類するための方法で
あって、加工片に打刻または打印された文字又は加工片
に浮き出された文字を任意の照明条件のもとで確実に認
識する「文字認識方法」が開示されている。この第７の
先行技術に開示された文字認識方法は、利用される学習
可能な文字認識装置をトレーニングする段階と、文字を
認識する段階とを含む。トレーニングする段階は、認識
すべき文字を含む文字集合に相応する数および様式の、
直線群により表示された基準文字（アイデアル）を発生
し、またこの基準文字を学習可能な文字認識装置の作業
メモリのなかに記憶する過程と、各規準文字の各画素に
１つの方向を対応付ける過程と、期待値に対する１つの
分散関数を定める過程と、基準文字をグレイ値像から決
定されたグレイ値エッジ方向と比較するため１つの角度
比較関数を定める過程と、分散関数および角度比較関数
により評価マトリックスを作成する過程とを有する。ま
た、文字を認識する段階は、認識すべきディジタル化さ
れた文字を文字認識装置のなかに書込み、それによって
当該のグレイ値像を準備する過程と、当該の文字の分類
が実行可能であるように、認識すべき文字を前処理する
過程と、前処理された文字をすべての予め文字認識装置
により学習された基準文字と比較する過程と、部分特徴
が最大数の部分特徴により認識すべき文字と合致する基
準文字を決定するための多数決判定を実行する過程と、
文字認識装置のその後の処理のために文字認識装置から
１つの結果信号を発生する過程とを有する。

【００１０】

【発明が解決しようとする課題】しかしながら、上述し
た第１乃至第３の先行技術には、それぞれ、次に述べる
ような問題点がある。

【００１１】第１及び第２の先行技術では、単純な多数
決によって複数の認識結果の中から１つの認識結果を選
択するので、それぞれの認識手段が全く異なる認識結果
を出力した場合には、どの認識手段の出力も選ぶことが
できずに読み取り不能に陥る。また、各々の認識手段の
重要度を対等、或いは入力画像に拘らず一定として扱う
ので、それぞれの認識手段の得手不得手といった特性を
反映させることが出来ない。

【００１２】一方、第３の先行技術は、第１及び第２の
先行技術と比べて、１）すべての認識手段の認識結果が
破棄されて読み取り不能に陥ることが少ない、２）認識
手段ごとの特性がいくらか反映される、３）ニューラル
ネットワークにより複数認識結果の統合手続きが学習で
獲得できるなどの点で優れている。

【００１３】しかしながら、この第3の先行技術では、
ある認識結果の文字が正しいかどうかを評価するのに、
その文字がそれぞれの認識手段が出力する候補文字の第
何位に現れているかを基にしているが、対象としている
文字によらず、単一の評価関数ｆ（Ｘ）を用いているた
めに、その認識結果がどういう文字であるかを考慮に入
れることができない。元来、実世界で用いられている文
字体系の中には、数字やひらがなのように変形が頻繁に
起こる文字や、“７”に対する“ク”のように、他の文
字と類似した文字が存在するため、読み誤りやすさは文
字ごとに異なる。それにも拘らず、この第３の先行技術
に開示された方式では、そのような文字ごとの誤りやす
さを考慮せずに、単一の基準で複数の認識結果の間の優
劣を決めて最終的な認識結果を出力している。そのた
め、第３の先行技術では、相違点の微妙な類似文字を確
実に正しいとして出力したり、正しく認識することが比
較的容易な文字が入力されても認識結果を一意に決定で
きずに、破棄してしまうことがある。

【００１４】さらに、第３の先行技術では、準備されて
いる複数の認識手段が出力する認識結果をすべてニュー
ラルネットワークへの入力として使用しているが、多数
の認識手段が同一の認識結果を出力している場合など
は、この種の情報は冗長であり、複数の認識結果として
は無駄が多く、処理時間も必要以上に費やすことにな
る。

【００１５】そこで、本発明は、これら従来技術の有す
る問題を解消すべく、複数の文字認識手段を組み合わ
せ、それらが出力する認識結果を、個々の文字の誤りや
すさの傾向や個々の認識手段の特性に応じて、かつ高速
に統合することによって、誤りや棄却が少なくかつ高速
な文字認識装置を提供することを目的とする。

【００１６】また、本発明の他の目的は、上記複数の文
字認識手段が出力する文字認識結果を統合する手続きを
サンプルの学習により獲得できる文字認識装置を提供す
ることにある。

【００１７】尚、上述した第４の先行技術は、少なくと
も２種の文字分類手段を併用することにより誤読される
文字数を減らすと同時に、各文字分類手段が出力する候
補の文字コードに対して計算された評価値の大小比較と
１回のしきい値判定処理で棄却判定を行うことにより棄
却される文字数を大幅に減らして、認識精度を著しく向
上された技術思想を開示しているにすぎず、上記本発明
の目的を達成するための手段については何ら開示してい
ない。

【００１８】また、上述した第５の先行技術は、単なる
ニューロネットワークを使った文字認識装置を開示して
いるにすぎず、上記本発明の目的を達成するための手段
については何ら開示していない。

【００１９】更に、上述した第６の先行技術は、文字枠
なしで書かれた手書き文字列に対して高精度に文字列の
入力を行う技術思想を開示しているにすぎず、本発明の
目的を達成するための手段については何ら開示していな
い。

【００２０】更にまた、上述した第７の先行技術も、予
め位置を限定されてディジタル・グレイ値像で存在する
文字を認識するための方法を開示しているにすぎず、本
発明の目的を達成するための手段については何ら開示し
ていない。

【００２１】

【課題を解決するための手段】本発明は、上記の目的を
達成するために次のような技術的構成を採用する。すな
わち、本発明による文字認識装置は、複数の文字認識手
段と、これら複数の文字認識手段が出力する複数の仮の
文字認識結果を受け取る認識結果統合手段とを備え、そ
の認識結果統合手段は、いくつかの段階の論理規則に従
って、複数の仮の文字認識結果から最終的な（統合し
た）文字認識結果を決定することを特徴とする。

【００２２】上記論理規則は、ＩＦ−ＴＨＥＮ規則であ
って、例えば、「第ｉの文字認識手段の第１位認識候補
がＡでかつ第ｊの文字認識手段の第１位認識候補がＢな
らば、最終的な文字認識結果はＡ」というようなもので
ある。

【００２３】また、ここで用いられる論理規則は、文字
認識装置の設計者が経験に基づいて決めるのではなく、
予め収集された事例データセットの正解例の集まりから
所定の手続きによって、出来る限り簡略化された論理規
則が人手を介せずに獲得される。なお、事例データセッ
トとは、例えば、「第1の文字認識手段の第1位候補がＣ
₁、第2の文字認識手段の第１位候補がＣ₂、・・・、第
ｎの文字認識手段の第1位候補がＣ_nのときに正解はＤで
あった」というようなものである。

【００２４】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して詳細に説明する。

【００２５】図１を参照して、本発明の一実施の形態に
係る文字認識装置について説明する。図示の文字認識装
置は、画像記憶手段１０と、第1乃至第Ｎ（Ｎは２以上
の整数）の文字認識手段２１，２２、・・・、２Ｎと、
認識結果統合手段３０と、事例データ記憶手段４０と、
論理記憶生成手段５０とを備えている。

【００２６】画像記憶手段１０は、入力された文字画像
を光学センサ（図示せず）で取り込んで格納する。第１
乃至第Ｎの文字認識手段２１〜２Ｎは、画像記憶手段１
０より受け取った文字画像を仮に認識し、それぞれ、第
１乃至第Ｎの仮の文字認識結果を出力する。第１乃至第
Ｎの仮の文字認識結果は、文字コードのセットを示して
いる。認識結果統合手段２０は、第1乃至第Ｎの文字認
識手段２１〜２Ｎが出力する第１乃至第Ｎの仮の文字認
識結果（即ち、文字コードのセット）を受け取って、後
述するような論理規則に従って、第１乃至第Ｎの仮の文
字認識結果を統合し、統合した文字認識結果を、単一の
最終的な文字認識結果として、即ち読取結果を出力す
る。

【００２７】事例データ記憶手段４０は、認識結果統合
手段３０において使用される論理規則を構成する際の学
習サンプルである事例データを格納する。論理規則生成
手段５０は、事例データ記憶手段４０に記憶された事例
データを後述するように処理し、認識結果統合手段３０
において使用される論理規則を生成する。

【００２８】尚、この技術分野において周知のように、
各文字認識手段において文字認識を行う場合には、入力
画像に対して前処理を行うのが一般的である。そのよう
な前処理としては、多値画像をより扱いやすい２値画像
に変換する２値化処理、文字の大きさやストロークの間
隔、傾き等を整形する正規化処理、画像中の細かな汚れ
やかすれを除くノイズ除去処理などが考えられる。ここ
では図示しないが、必要に応じて導入しても良い。ま
た、これらの前処理は前後関係を問わず、任意の順序で
適用することができる。

【００２９】次に、図１に示した文字認識装置の動作に
ついて説明する。

【００３０】入力画像はスキャナ等（図示せず）によっ
て光学的に入力され、画像記憶手段１０に格納され、さ
らに、第１乃至第Ｎの文字認識装置２１〜２Ｎへと送ら
れる。

【００３１】第１乃至第Ｎの文字認識装置２１〜２Ｎ
は、それぞれ、異なる手順に従って文字画像を認識し、
第１乃至第Ｎの仮の文字認識結果を出力する。尚、各文
字認識手段２１〜２Ｎは、画像記憶手段から受け取った
文字画像に対して、必要であれば上述した前処理を施
し、文字画像から文字の識別に必要ないくつかの特徴量
を抽出し、それらと辞書（図示せず）に登録された参照
特徴とを比較し、尤も類似していると判断される参照特
徴に対応する文字コードを出力する。

【００３２】なお、ここでは各々の文字認識手段は、た
だ１つの仮の文字認識結果、すなわち、第１位候補を出
力しているとして説明するが、例えば、第１位から第５
位までの認識候補を出力するというように、いくつかの
文字コードを出力していも良い。その場合は、第１位か
ら第５位までのそれぞれの認識候補を別個の文字認識手
段から出力された１つずつの仮の文字認識記結果と考え
て、これ以降の処理を同様の手順で行えば良い。

【００３３】それぞれの文字認識手段は、前処理や特徴
抽出、識別の内部における処理内容が異なり、したがっ
て文字認識の出力傾向がある程度異なる。例えば、特徴
抽出で画像各部の濃淡パターンを抽出するものと、文字
の輪郭の方向を抽出するもののように、特徴抽出処理全
体の内容が異なるとか、あるいは前処理の中の２値化処
理における閾値パラメータの値が異なるなどの部分的な
差異でも良い。

【００３４】認識結果統合手段３０は、第１乃至第Ｎの
文字認識手段２１〜２Ｎから、第１乃至第Ｎの仮の文字
認識結果（Ｃ₁，Ｃ₂，・・・，Ｃ_N）を受け取り、後述
する論理規則に従って、１つの最終的な文字認識結果Ｄ
を出力する。ただし、ここに、Ｃ₁，Ｃ₂，・・・，Ｃ_N
は、それぞれ、第１乃至第Ｎの文字認識手段２１〜２Ｎ
が出力する第１乃至第Ｎの文字認識結果の文字コードで
あり、Ｄは認識結果統合結合手段３０が文字コード
Ｃ₁，Ｃ₂，・・・，Ｃ_Nを統合することによって、得る
最終的な文字認識結果の文字コードである。

【００３５】以下では（Ｃ₁，Ｃ₂，・・・，Ｃ_N）の個
々の要素Ｃ_i（１≦ｉ≦Ｎ）を条件属性、Ｄを決定属性
と呼ぶことにする。認識結果統合手段３０は、条件属性
（Ｃ₁，Ｃ₂，・・・，Ｃ_N）と決定属性Ｄの関係に関わ
るいくつかの論理規則を記憶しており、受け取った条件
属性にこれらの論理規則を適用することによって、決定
属性、すなわち、出力すべき最終的な文字認識結果を決
定する。

【００３６】ここに論理規則は、ＩＦ Ｐ_C ＴＨＥＮ
Ｐ_Dと表される。そして、Ｐ_Cは条件属性に関する基本
命題Ｃ_i＝ｃ（ｉ＝１，２，・・・、Ｎかつｃは実際の
文字コード）、またはそれらのいくつかを論理積〓およ
び論理和〓で連結した命題であり、Ｐ_Dは決定属性に関
する基本命題Ｄ＝ｄ（ｄは実際の文字コード）である。

【００３７】たとえば、ＩＦ（（Ｃ₁＝‘Ａ’）〓
（（Ｃ₄＝‘Ａ’）〓（Ｃ₅＝‘Ａ’）））ＴＨＥＮ（Ｄ
＝‘Ａ’）という論理規則は、「第１の文字認識手段２
１から出力される第１の仮の文字認識結果Ｃ₁が‘Ａ’
であり、かつ第４の文字認識手段２４から出力される第
４の仮の文字認識結果Ｃ₄と第５の文字認識手段２５か
ら出力される第５の仮の文字認識結果Ｃ₅のうち少なく
とも１つの仮の文字認識結果が‘Ａ’であれば、最終的
な文字認識結果として‘Ａ’を選択する」という規則を
表す。

【００３８】多くの場合、論理規則は数個の条件属性の
値、すなわち文字コードの中から１つの文字コードを選
択する規則となるが、条件属性の中に全く含まれない文
字コードを認識結果として選択するような論理規則も形
式的には許される。

【００３９】認識結果統合手段３０の動作について簡単
な例をあげて説明する。例えば、第１の文字認識手段２
１が文字の輪郭線の方向を特徴として用いる文字認識手
段であり、第２の文字認識手段２２が画像の各部分の濃
淡値を特徴として用いる文字認識手段であるとしよう。
一般的な特性として、輪郭線の方向を特徴として用いた
文字認識手段は、濃淡値を特徴として用いた文字認識手
段に比べて精度が高く信頼度が高い。しかしながら、輪
郭線の方向を特徴として用いる文字認識手段は、文字ス
トリークの途切れやかすれに対しては敏感で、途切れや
かすれに起因する誤りが多い。一方、濃淡値を特徴とし
て用いた文字認識手段は、輪郭線の方向を特徴として用
いた文字認識手段と比べて精度は劣るが、文字ストロー
クの途切れやかすれに対して頑健であるという特性を有
する。

【００４０】これらの文字認識手段に図２に示すように
‘Ｐ’と書かれた画像が入力されたとしよう。この場
合、濃淡値を特徴とする第２の文字認識手段２２は、
‘Ｐ’の右端部分の途切れに影響されることなく‘Ｐ’
と認識することができる。これに対して、輪郭線の方向
を特徴とする第１の文字認識手段２１は、途切れによっ
て特徴が変動してしまい、‘Ｆ’と認識することが頻繁
に起こる。このように複数の文字認識手段間での文字認
識結果の一定の食い違いがある程度頻繁に起こる場合、
後述する論理規則生成手段５０により生成され、認識結
果統合手段３０に記憶された論理規則の１つである、Ｉ
Ｆ（（Ｃ₁＝‘Ｆ’）〓（Ｃ₂＝‘Ｐ’））ＴＨＥＮ（Ｄ
＝‘Ｐ’）が適用され、認識結果統合手段３０が最終的
な文字認識結果として‘Ｐ’を出力する。

【００４１】次に、認識結果統合手段３０が用いる論理
規則を、事前に事例データ記憶手段４０に格納された事
例データから学習する、論理規則生成手段５０の動作に
ついて説明する。

【００４２】生成される複数の論理規則は、互いに矛盾
することなく、かつ、できる限り冗長性を排して簡略化
された形で構成される。事例データ記憶手段４０には、
「第１の文字認識手段２１の第１の仮の文字認識結果が
Ｃ₁、第２の文字認識手段２２の第２の仮の文字認識結
果がＣ₂，・・・、第Ｎの文字認識手段２Ｎの第Ｎの仮
の文字認識結果がＣ_Nのときに正解はＤであった」とい
うような、条件属性と決定属性の対が多数格納されてい
る。これらの事例（その件数をＬ件とする）は次の表１
のような形式で事例データ記憶部４０に格納されてい
る。

【００４３】

【表１】 上記のような事例データベースを、本明細書では、決定
表と呼ぶことにする。これらの事例は、予め準備したＬ
個の文字画像データを第１乃至第Ｎの文字認識手段２１
〜２Ｎに入力して、第１乃至第Ｎの仮の文字認識結果を
得ることによって作成することができる。決定表を基に
して、論理規則生成手段５０における論理規則生成は、
以下のような手順で行われる。

【００４４】１）個々の事例間で矛盾がないかどうか、
つまり同じ条件属性で異なる決定属性を持つような事例
がないかどうかを調べ、矛盾がある場合にはその矛盾が
解消されるように事例間で調整を行う。すなわち、同一
の条件属性を持つ事例を決定属性ごとに計数し、度数最
大となる事例の度数とそれ以外の事例の度数の比が一定
値より大きければ、その事例だけを残し、他を削除す
る。そうでなければ、すべての事例を削除する。

【００４５】２）条件属性も決定属性も完全に一致する
事例が複数あれば、１つを残し他を削除する。

【００４６】３）条件属性Ｃ₁，Ｃ₂，・・・、Ｃ_Nを一
つずつ順に取り除いてみて、もしも決定表全体で矛盾が
生じなければ、その条件属性は取り除く。矛盾が生じれ
ば、その条件属性は決定表に戻す。

【００４７】４）条件属性の個々の値ｃ_ij（ｉ＝１，
２，・・・、Ｎ；ｊ＝１，２，・・・、Ｌ）を一つずつ
取り除いてみて、もしも決定表全体で矛盾が生じなけれ
ば、その条件属性の値を不要である可能性がある属性値
として記憶する。矛盾が生じれば、その条件属性の値は
決定表に戻す。

【００４８】５）前段で記憶された不要である可能性が
ある条件属性値を１つずつ順に戻してみて、対応する事
例が決定表内で独立かつ真であれば、それをもとの事例
から得られる論理規則として記憶する。

【００４９】６）記憶されたすべての論理規則をＩＦ−
ＴＨＥＮ規則に書き換える。つまり、取り除かれずに残
った条件属性の値のみを論理積で結合し、ＩＦ（（Ｃ_i
＝ｃ_il）〓（Ｃ_j＝ｃ_jl）〓・・・〓（Ｃ_k＝ｃ_kl））Ｔ
ＨＥＮ（Ｄ＝ｄ_l）として記憶する。

【００５０】上記の手続きについて簡単な具体例を用い
て説明する。図３は４個の文字認識手段に関する９個の
事例を示した決定表である。

【００５１】まず、手順１に従い、決定表内の矛盾を解
決する。

【００５２】図３では、事例４と事例５が、また事例７
と事例８でそれぞれ矛盾が発生している。事例４と事例
５のどちらを選ぶかについていは、この場合は度数１で
等しいので、一方だけを選ぶことはできない。従って事
例４と事例５を決定表から除く。なお、どちらかの度数
が他方に対して十分大きいときは、大きい方を選べば良
い。事例７と事例８についていも双方を決定表から除
く。結果として、図４に示すうように、事例１，２，
３，６，９が残る。削除された事例４，５，７，８は別
表に記憶しておく。

【００５３】手順２では、条件属性も決定属性も等しい
事例を決定表から除く。但し、ここでは、該当する事例
がない（いかなる２つの事例をとっても少なくとも１つ
の条件属性の値が異なる）ので、何もしないこととす
る。

【００５４】事例３では、条件属性Ｃ₁，Ｃ₂，・・・、
Ｃ_Nのうち不要なものを探す。

【００５５】まず、まずＣ₁が欠けたとする。この場
合、事例２と事例３との間に矛盾が生じるので、Ｃ₁は
必要な属性である。また、Ｃ₂が欠けたとする。この場
合、事例６と手順１において矛盾する事例として除いた
事例８との間に矛盾が発生するので、Ｃ₂も必要な属性
である。

【００５６】同様にしてＣ₃を調べると、Ｃ₃が欠けても
矛盾は発生しない。したがって、ここでＣ₃を除く。結
果として、図５に示すような、決定表が得られる。続い
て、Ｃ₄を除いた場合を調べると、事例９と手順１にお
いて矛盾する事例として除いた事例７との間で矛盾が生
ずる。したがって、Ｃ₄は必要な属性であるので、除か
ない。

【００５７】手順４では、手順３で得られた決定表の中
の属性の値をすべて調べ、不要となる可能性のあるもの
を記憶する。

【００５８】まず事例１の条件属性Ｃ₁の値‘７’を除
いてみる。残った属性値Ｃ₂＝‘７’とＣ₄＝‘７’およ
び決定属性値Ｄ＝‘７’は他の事例と矛盾しない。した
がって、事例１の条件属性Ｃ₁の値‘７’は不要である
可能性がある。次に、事例１の条件属性値を元に戻し、
事例１の条件属性Ｃ₂の値‘７’を除いてみる。この場
合も同様に他の事例との矛盾が生じないので、事例１の
条件属性Ｃ₂は不要である可能性がある。事例１の条件
属性Ｃ₄の値‘７’についても同様である。

【００５９】次に事例２の条件属性Ｃ₁の値‘７’を除
いてみると、この事例２が事例３と矛盾する。したがっ
て、事例２の条件属性Ｃ₂の値‘７’は必要である。

【００６０】このようにして、不要である可能性の持つ
属性値をすべて記憶ずる。結果として図６を得る。図６
の表でブランクを入れた項目が、不要である可能性があ
る。

【００６１】手順５では、手順４において不要である可
能性があるとして記憶された属性値、すなわち図６の表
でブランクとなった属性値を順に１つずつ決定表に戻し
てみて、対応する事例が論理規則としての真偽を調べ、
真であれば論理規則として記憶する。

【００６２】まず事例１の条件属性Ｃ１の値‘７’を決
定表に戻してみると、事例１はＣ₁＝‘７’とＤ＝
‘７’で表される。これは決定表内の他の事例２，３，
６，９と矛盾しないので真である。したがって、Ｃ₁＝
‘７’とＤ＝‘７’を論理規則１として記憶する。

【００６３】次に、事例１の条件属性Ｃ₁を再びブラン
クにし、事例１の条件属性Ｃ₂の値‘７’を戻してみ
る。すると、事例１はＣ₂＝‘７’とＤ＝‘７’で表さ
れるが、これは事例３と矛盾するので、論理規則として
は採用しない。次の条件属性Ｃ₄の値‘７’を戻した場
合も同様に採用されない。

【００６４】次に、事例２の条件属性Ｃ₂の値‘７’を
決定表に戻してみると、事例２はＣ₁＝‘７’，Ｃ₂＝
‘７’とＤ＝‘７’で表される。これは他の事例と矛盾
しないので、論理規則２として採用される。

【００６５】以下同様にして、無矛盾な論理規則を順次
記憶していくことで、図７の表を得る。

【００６６】更に、図７の表の中から独立なもののみを
残して他を削除する。ある論理規則から他の論理規則が
導出可能なとき、導出される論理規則を削除する。

【００６７】図７では、論理規則１を仮定したときに常
に真となる論理規則２および論理規則２’を削除する。
結果として図８に示すような論理規則を得る。

【００６８】手順６で、これらの論理規則をＩＦ−ＴＨ
ＥＮ規則で表す。それを、下記の表２に示す。

【００６９】

【表２】 上記の例の場合、認識結果統合手段３０は、これらの７
つの論理規則を検証するのみで、４つの仮の文字認識結
果を統合する。これらの論理規則に当てはまらない仮の
文字認識結果が第１乃至第Ｎの文字認識手段２１〜２Ｎ
より得られた場合は、認識結果統合手段３０はすべての
認識結果を棄却する。但し、実際応用上は多数の学習デ
ータを使用して初期決定表を作成して論理規則の学習を
行うので、棄却となるケースはほとんどない。

【００７０】また、上記の例における第２の論理規則の
ように、決定属性として個々の文字認識手段２１〜２Ｎ
に一度も現れていない条件属性（認識結果）が採用され
ていることがある。これは直感に反するように思われる
が、事例データにそのような論理的傾向が存在するとい
う意味であり、誤りではない。この現象は文字認識手段
の中に極めて特異な特性を持つものがある場合や、学習
用の事例データが少ない場合にみられる。

【００７１】上の例で得られた論理規則では、第３の文
字認識手段２３から出力される第３の仮の文字認識結果
Ｃ₃が全く参照されていない。これは、第３の文字認識
手段２３は文字認識装置の構成要素として不要だという
ことを意味する。このように装置構成の上で認識性能に
寄与せず、処理量増加の原因にしかなっていないような
不要な文字認識手段が発見された場合は、その文字認識
手段を文字認識装置から取り除く。

【００７２】図９を参照して、本発明の第２の実施の形
態に係る文字認識装置について説明する。第２の実施の
形態に係る文字認識装置も、上述した第１の実施の形態
と同様に、画像記憶手段１０と、第１乃至第Ｎ（Ｎは２
以上の整数）の文字認識手段２１，２２、・・・、２Ｎ
と、認識結果統合手段３０Ａと、事例データ記憶手段４
０と、論理記憶生成手段５０Ａとを備えている。

【００７３】画像記憶手段１０は、入力された文字画像
を光学センサ（図示せず）で取り込んで格納する。第１
乃至第Ｎの文字認識手段２１〜２Ｎは、画像記憶手段１
０より受け取った文字画像を仮に認識し、それぞれ、第
１乃至第Ｎの仮の文字認識結果を出力する。第１乃至第
Ｎの仮の文字認識結果は、文字コードのセットを示して
いる。認識結果統合手段３０Ａは、第１乃至第Ｎの文字
認識手段２１〜２Ｎが出力する第１乃至第Ｎの仮の文字
認識結果（即ち、文字コードのセット）を受け取って、
後述するような論理規則に従って、第１乃至第Ｎの仮の
文字認識結果を統合し、複数の最終的な文字認識結果を
出力する。

【００７４】事例データ記憶手段４０は、認識結果統合
手段３０Ａにおいて使用される論理規則を構成する際の
学習サンプルである事例データを格納する。論理規則生
成手段５０Ａは、事例データ記憶手段４０に記憶された
事例データを後述するように処理し、認識結果統合手段
３０Ａにおいて使用される論理規則を生成する。

【００７５】尚、この技術分野において周知のように、
各文字認識手段において文字認識を行う場合には、入力
画像に対して前処理を行うのが一般的である。そのよう
な前処理としては、多値画像をより扱いやすい２値画像
に変換する２値化処理、文字の大きさやストロークの間
隔、傾き等を整形する正規化処理、画像中の細かな汚れ
やかすれを除くノイズ除去処理などが考えられる。ここ
では図示しないが、必要に応じて導入しても良い。ま
た、これらの前処理は前後関係を問わず、任意の順序で
適用することができる。

【００７６】次に、図９に示した第２の実施の形態に係
る文字認識装置の動作について説明する。

【００７７】入力画像はスキャナ等（図示せず）によっ
て光学的に入力され、画像記憶手段１０に格納され、さ
らに、第１乃至第Ｎの文字認識装置２１〜２Ｎへと送ら
れる。

【００７８】第１乃至第Ｎの文字認識装置２１〜２Ｎ
は、それぞれ異なる手順に従って文字画像を認識し、第
１乃至第Ｎの仮の文字認識結果を出力する。尚、各文字
認識手段は、画像記憶手段から受け取った文字画像に対
して、必要であれば上述した前処理を施し、文字画像か
ら文字の識別に必要ないくつかの特徴量を抽出し、それ
らと辞書（図示せず）に登録された参照特徴とを比較
し、尤も類似していると判断される参照特徴に対応する
文字コードを出力する。

【００７９】なお、ここでは各々の文字認識手段は、た
だ１つの仮の文字認識結果、すなわち、第１位候補を出
力しているとして説明するが、例えば、第１位から第５
位までの認識候補を出力するというように、いくつかの
文字コードを出力していも良い。その場合は、第１位か
ら第５位までのそれぞれの認識候補を別個の文字認識手
段から出力された１つずつの仮の文字認識記結果と考え
て、これ以降の処理を同様の手順で行えば良い。

【００８０】それぞれの文字認識手段は、前処理や特徴
抽出、識別の内部における処理内容が異なり、したがっ
て文字認識の出力傾向がある程度異なる。例えば、特徴
抽出で画像各部の濃淡パターンを抽出するものと、文字
の輪郭の方向を抽出するもののように、特徴抽出処理全
体の内容が異なるとか、あるいは前処理の中の２値化処
理における閾値パラメータの値が異なるなどの部分的な
差異でも良い。

【００８１】認識結果統合手段３０Ａは、前述した第１
の実施の形態と同様に、第１乃至第Ｎの文字認識手段２
１〜２Ｎから、第１乃至第Ｎの仮の文字認識結果
（Ｃ₁，Ｃ₂，・・・，Ｃ_N）を、つまり条件属性を受け
取り、確信の高い順に複数の文字認識結果Ｄ₁，Ｄ₂，・
・・およびそれらに対応する確信度Ｑ₁，Ｑ₂，・・・
を、つまり決定属性を出力する。認識結果統合手段３０
Ａは、（Ｃ₁，Ｃ₂，・・・、Ｃ_N）とＤ₁，Ｄ₂，・・・
およびＱ₁，Ｑ₂，・・・の関係に関わるいくつかの論理
規則を記憶しており、第１乃至第Ｎの文字認識手段２１
〜２Ｎより受け取った第１乃至第Ｎの仮の文字認識結果
にこれらの論理規則を適用することによって、複数の最
終的な文字認識結果を順位づけして出力する。

【００８２】ここに論理規則は、ＩＦ Ｐ_C ＴＨＥＮ
Ｐ_Dと表される。そして、Ｐ_Cは条件属性に関する基本
命題Ｃ_i＝ｃ（ｉ＝１，２，・・・、Ｎかつｃは実際の
文字コード）、またはそれらのいくつかを論理積〓およ
び論理和〓で連結した命題であり、Ｐ_Dは確信度によっ
て順位づけされた複数の文字認識結果を表す命題（Ｄ₁
＝ｄ₁，Ｑ₁＝ｑ₁）〓（Ｄ₂＝ｄ₂，Ｑ₂＝ｑ₂）〓・・・
（ｄ_iは実際の文字コード、ｑ_iはその文字コードに対す
る確信度である。

【００８３】たとえば、ＩＦ（（Ｃ₁＝‘Ａ’）〓
（（Ｃ₄＝‘Ｂ’）〓（Ｃ₅＝‘Ａ’）））ＴＨＥＮ（Ｄ
₁＝‘Ａ’，Ｑ₁＝０．８）〓（Ｄ₂＝‘Ｂ’＝０．２）
という論理規則は、「第１の文字認識手段２１から出力
される第１の仮の文字認識結果Ｃ₁と第５の文字認識手
段２５から出力される第５の仮の文字認識結果Ｃ₅が
‘Ａ’であり、かつ第４の文字認識手段２４から出力さ
れる第４の仮の文字認識結果Ｃ₄が‘Ｂ’であれば、文
字認識結果は確信度０．８で‘Ａ’、確信度０．２で
‘Ｂ’である」という規則を表す。

【００８４】このように、認識結果統合手段３０Ａは、
確信度つきで複数の文字認識結果を、確信度によって順
位づけされた複数の文字認識結果を表す命題Ｐ_Dの形式
で出力する。

【００８５】次に、認識結果統合手段３０Ａが用いる論
理規則を、事前に事例データ記憶手段４０に格納された
事例データから学習する、認識規則生成手段５０Ａの動
作について説明する。

【００８６】生成される複数の論理規則は、互いに矛盾
することなく、かつできる限り冗長性を排して簡略化さ
れた形で構成される。事例データ記憶手段４０には、
「第１の文字認識手段２１の第１の仮の文字認識結果が
Ｃ₁、第２の文字認識手段２２の第２の仮の文字認識結
果がＣ₂，・・・、第Ｎの文字認識手段２Ｎの第Ｎの仮
の文字認識結果がＣ_Nのときに正解はＤであった」とい
うような、条件属性と確信度のつかない単純な決定属性
の対が多数格納されている。これらの事例（その件数を
Ｌ件とする）は次の表３のような形式で事例データ記憶
部４０に格納されている。

【００８７】

【表３】 上記のような事例データベースを、本明細書では、決定
表と呼ぶことにする。これらの事例は、予め準備したＬ
個の文字画像データを第１乃至第Ｎの文字認識手段２１
〜２Ｎに入力して、第１乃至第Ｎの仮の文字認識結果を
得ることによって作成することができる。決定表を基に
して、論理規則生成手段５０Ａにおける論理規則生成
は、以下のような手順で行われる。

【００８８】１）すべての事例を条件属性の組（Ｃ₁，
Ｃ₂，・・・、Ｃ_N）別に分類する。そして、それぞれの
条件属性について、以下の手続きを行う。

【００８９】ｉ）決定属性Ｄごとに出現回数を数え、度
数ヒストグラムを作成する。着目する条件属性について
ｍ種類の決定属性が存在するとして、決定属性の値（文
字コード）をｄ₁，ｄ₂，・・・、ｄ_m、それらに対応す
る度数をｑ’₁，ｑ’₂，・・・、ｑ’_mとおく。

【００９０】ii）決定属性の値ｄ_i（ｉ＝１，２，・・
・、ｍ）に対する確信度ｑ_iを、ｑ_i＝ｑ’_i／（ｑ’₁＋
ｑ’₂＋・・・＋ｑ’_m）によって計算する。

【００９１】iii）確信度によって順位づけされた複数
の文字認識結果を表す決定属性（（Ｄ₁＝ｄ₁，Ｑ₁＝
ｑ₁）〓（Ｄ₂＝ｄ₂，Ｑ₂＝ｑ₂）〓・・・〓（Ｄ_m＝
ｄ_m，Ｑ_m＝ｑ_m））とする。

【００９２】２）条件属性Ｃ₁，Ｃ₂，・・・、Ｃ_Nを一
つずつ順に取り除いてみて、もしも決定表全体で矛盾が
生じなければ、その条件属性は取り除く。矛盾が生じれ
ば、その条件属性は決定表に戻す。

【００９３】３）条件属性の個々の値ｃ_ij（ｉ＝１，
２，・・・、Ｎ，ｊ＝１，２，・・・、Ｌ）を一つずつ
取り除いてみて、もしも決定表全体で矛盾が生じなけれ
ば、その条件属性の値を不要である可能性がある属性値
として記憶する。矛盾が生じれば、その条件属性の値は
決定表に戻す。

【００９４】４）前段で記憶された不要である可能性が
ある条件属性値を１つずつ順に戻してみて、対応する事
例が決定表内で独立かつ真であれば、それをもとの事例
から得られる論理規則として記憶する。

【００９５】５）記憶されたすべての論理規則をＩＦ−
ＴＨＥＮ規則に書き換える。つまり、取り除かれずに残
った条件属性の値のみを論理積で結合し、ＩＦ（（Ｃ_i
＝ｃ_il）〓（Ｃ_j＝ｃ_jl）〓・・・〓（Ｃ_k＝ｃ_kl））Ｔ
ＨＥＮ（Ｄ₁＝ｄ₁，Ｑ₁＝ｑ₁）〓（Ｄ₂＝ｄ₂，Ｑ₂＝
ｑ₂）〓・・・）として記憶する。

【００９６】本発明の第２の実施の形態では、手順１に
よって事例データ間の矛盾が解決された新たな決定表が
次の表４に示す形式で作成される。

【００９７】

【表４】 この新しい決定表から論理規則を生成する手順２〜５
は、前述した第１の実施の形態の手順３〜６と同様で、
不要な条件属性を削除し、不要である可能性のある条件
属性の値を探索して記憶し、それら不要である可能性の
ある条件属性の値を１つずつ決定表に戻して検証しなが
ら論理規則を抽出し、決定表の形で得られた論理規則を
ＩＦ−ＴＨＥＮ規則の形に表す。

【００９８】次に、本発明の第３の実施の形態について
図面を参照して説明する。

【００９９】図１０を参照すると、本発明の第３の実施
の形態は、文字認識プログラムを記録した記録媒体６０
を備える。ここで、この記録媒体６０は、ＣＤ−ＲＯ
Ｍ、磁気ディスク、半導体メモリその他の記録媒体であ
って、ネットワークを介して利用される場合も含む。

【０１００】文字認識プログラムは、記録媒体６０から
データ処理装置７０に読み込まれ、データ処理装置７０
の動作を制御する。データ処理装置７０は、文字認識プ
ログラムの制御により、複数の文字認識手段を用いて画
像記憶手段１０に入力（記憶）された文字画像を認識
し、それら複数の仮の文字認識結果を論理規則に従って
統合して最終的な文字認識結果を出力する。

【０１０１】また、事例データ記憶手段４０に各々の文
字認識手段の仮の文字認識結果と正解との対の形式で記
憶された事例データより、複数の仮の文字認識結果を統
合する際の論理規則を学習によって獲得する。

【０１０２】本第３の実施の形態における第１の実施例
としては、データ処理装置７０は、文字認識プログラム
の制御により、図１に示した第１の実施の形態における
第１乃至第Ｎの文字認識手段２１，２２、・・・、２
Ｎ、認識結果統合手段３０、および論理規則生成手段５
０による処理と同一の処理を実行して、統合した文字認
識結果として単一の最終的な文字認識結果を出力する。

【０１０３】また、第３の実施の形態における第２の実
施例としては、データ処理装置７０は、文字認識プログ
ラムの制御により、図９に示した第２の実施の形態にお
ける第１乃至第Ｎの文字認識手段２１，２２、・・・、
２Ｎ、認識結果統合手段３０Ａ、および論理規則生成手
段５０Ａによる処理と同一の処理を実行して、統合した
文字認識結果として順序づけされた複数の最終的な文字
認識結果を出力する。

【０１０４】尚、本発明は、上述した実施の形態に限定
されず、本発明の要旨を脱逸脱しない範囲内で種々の変
更が可能なのはいうまでもない。例えば、上述した実施
の形態では、文字認識装置についてのみ説明している
が、他のパターン認識装置にも適用できるのは勿論であ
る。ここで、文字以外の「パターン」としては、音声、
味、香り、匂い等が考えられる。

【０１０５】

【発明の効果】以上説明したように、本発明によれば、
任意の複数個の文字認識手段を用いて得られた複数の仮
の文字認識結果を統合して統合した文字認識結果を出力
しようとする際、変形が頻繁に起こるため、あるいは類
似文字が存在するために誤りやすい文字や、逆に誤りが
少ない文字などといった文字の種類に適応して、論理的
な規則によって適切に複数の仮の文字認識結果を統合で
き、誤りの少ない文字認識を実現できる。

【０１０６】また、過去の事例データからの学習によ
り、できる限り簡略化された論理規則を獲得できるた
め、処理時間の短縮が可能となる。

【０１０７】さらに、他の文字認識手段に包含されてい
るなどして有益な情報を出力できていない文字認識結手
段があった場合にも、これを発見して文字認識装置から
取り除くことができるので、大幅な処理時間の短縮が可
能となる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態による文字認識装置
の機能的な構成を示すブロック図である。

【図２】文字の誤り方がその字種に依存する例を示す文
字画像の図である。

【図３】いくつかの文字を文字認識手段で認識させた際
の事例データベースの例（決定表）を示す図である。

【図４】決定表内の無矛盾な事例とそれ以外の事例への
分割例を示す図である。

【図５】決定表に従い不要な文字認識手段を削除する例
を示す図である。

【図６】個々の文字認識手段の仮の文字認識結果から不
要である可能性のあるものを消去する例を示す図であ
る。

【図７】事例データベースから得られた論理規則の例を
決定表の形式で示す図である。

【図８】事例データベースから得られた最も簡略化され
た論理規則の例を示す図である。

【図９】本発明の第２の実施の形態による文字認識装置
の機能的な構成を示すブロック図である。

【図１０】本発明の第３の実施の形態による、文字認識
プログラムを記録した記録媒体を備える情報処理装置の
構成を示すブロック図である。

【符号の説明】

１０ 画像記憶手段 ２１，２２、・・・、２Ｎ 文字認識手段 ３０，３０Ａ 認識結果統合手段 ４０ 事例データ記憶手段 ５０，５０Ａ 論理規則生成手段 ６０ 記録媒体 ７０ データ処理装置

フロントページの続き (56)参考文献 特開 平７−271899（ＪＰ，Ａ) 特開 平９−204490（ＪＰ，Ａ) 特開 昭56−60980（ＪＰ，Ａ) 特開 平２−21383（ＪＰ，Ａ) 特開 平９−282418（ＪＰ，Ａ) 特開 平６−348900（ＪＰ，Ａ) 特開 平10−78999（ＪＰ，Ａ) 特開 平８−272907（ＪＰ，Ａ) 特開 昭60−254285（ＪＰ，Ａ) 特開 平６−131498（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/03 G06K 9/62 G06K 9/68

Claims (19)

(57)【特許請求の範囲】
1. 【請求項１】 文字画像を入力して記憶する画像記憶手
   段と、 前記画像記憶手段から得た文字画像を認識するための異
   なる複数の文字認識手段と、 前記複数の文字認識手段から得られる複数の仮の文字認
   識結果を、当該仮の文字認識結果に特定の文字が現れる
   という条件を論理積や論理和で統合した条件式に基づい
   て統合した文字認識結果を決定するような論理規則を用
   いることによって統合して、統合した文字認識結果を出
   力する認識結果統合手段と、 該認識結果統合手段において使用される前記所定の論理
   規則を構成する際の学習サンプルとしての事例データを
   記憶する事例データ記憶手段と、 該事例データ記憶手段に記憶された前記事例データから
   学習して前記所定の論理規則を生成する論理規則生成手
   段とを備えた文字認識装置であって、 前記事例データは、前記複数の文字認識手段の出力する
   仮の文字認識結果と正解との対として与えられており、 前記認識結果統合手段において適用される論理規則が前
   記事例データから学習により獲得される際、前記個々の
   文字認識手段の要不要や、個々の文字認識手段の出力す
   る個々の仮の文字認識結果の要不要を順次判定し、事例
   データを逐次的に簡略化してゆくことによって単純な論
   理規則を生成することを特徴とする文字認識装置。
2. 【請求項２】 文字画像を入力して記憶する画像記憶手
   段と、 前記画像記憶手段から得た文字画像を認識するための異
   なる複数の文字認識手段と、 前記複数の文字認識手段から得られる複数の仮の文字認
   識結果を、当該仮の文字認識結果に特定の文字が現れる
   という条件を論理積や論理和で統合した条件式に基づい
   て統合した文字認識結果を決定するような論理規則を用
   いることによって統合して、統合した文字認識結果を出
   力する認識結果統合手段と、 該認識結果統合手段において使用される前記所定の論理
   規則を構成する際の学習サンプルとしての事例データを
   記憶する事例データ記憶手段と、 該事例データ記憶手段に記憶された前記事例データから
   学習して前記所定の論理規則を生成する論理規則生成手
   段とを備えた文字認識装置であって、 前記事例データは、前記複数の文字認識手段の出力する
   仮の文字認識結果と正解との対として与えられており、 前記認識結果統合手段において適用される論理規則が前
   記事例データより学習により獲得される際、前記個々の
   文字認識手段の要不要を判定し、不要な文字認識手段が
   発見された場合にその文字認識手段を除去することによ
   り必要な文字認識手段の選択を行うことを特徴とする文
   字認識装置。
3. 【請求項３】 文字画像を入力して記憶する画像記憶手
   段と、 前記画像記憶手段から得た文字画像を認識するための異
   なる複数の文字認識手段と、 前記複数の文字認識手段から得られる複数の仮の文字認
   識結果を、当該仮の文字認識結果に特定の文字が現れる
   という条件を論理積や論理和で統合した条件式に基づい
   て統合した文字認識結果を決定するような論理規則を用
   いることによって統合して、統合した文字認識結果を出
   力する認識結果統合手段と、 該認識結果統合手段において使用される前記所定の論理
   規則を構成する際の学習サンプルとしての事例データを
   記憶する事例データ記憶手段と、 該事例データ記憶手段に記憶された前記事例データから
   学習して前記所定の論理規則を生成する論理規則生成手
   段とを備えた文字認識装置であって、 前記事例データは、前記複数の文字認識手段の出力する
   仮の文字認識結果と正解との対として与えられており、 前記認識結果統合手段において適用される前記論理規則
   が前記事例データより学習により獲得される際、いくつ
   かの事例データ間で矛盾があった場合、それらの事例の
   正解ごとに計数される事例データの個数により事例ごと
   の頻度を評価し、事例を取捨選択することにより矛盾を
   解決することを特徴とする文字認識装置。
4. 【請求項４】 前記いくつかの事例データ間で矛盾があ
   った場合とは、文字認識手段が出力する仮の文字認識結
   果に対して複数の異なる正解が与えられている場合であ
   る、請求項３に記載の文字認識装置。
5. 【請求項５】 文字画像を入力して記憶する画像記憶手
   段と、 前記画像記憶手段から得た文字画像を認識するための異
   なる複数の文字認識手段と、 前記複数の文字認識手段から得られる複数の仮の文字認
   識結果を、当該仮の文字認識結果に特定の文字が現れる
   という条件を論理積や論理和で統合した条件式に基づい
   て統合した文字認識結果を決定するような論理規則を用
   いることによって統合して、統合した文字認識結果を出
   力する認識結果統合手段と、 該認識結果統合手段において使用される前記所定の論理
   規則を構成する際の学習サンプルとしての事例データを
   記憶する事例データ記憶手段と、 該事例データ記憶手段に記憶された前記事例データから
   学習して前記所定の論理規則を生成する論理規則生成手
   段とを備えた文字認識装置であって、 前記事例データは、前記複数の文字認識手段の出力する
   仮の文字認識結果と正解との対として与えられており、 前記認識結果統合手段において適用される前記論理規則
   が前記事例データより学習により獲得される際、事例が
   示す文字認識結果の間に矛盾があった場合、それらの事
   例の正解ごとに計数される事例データの個数により事例
   ごとの頻度を評価することによって事例ごとの重みを計
   算し、それらの重みによって順位づけられた複数の文字
   認識結果を含む１つの事例としてまとめることにより矛
   盾を解決することを特徴とする文字認識装置。
6. 【請求項６】 前記事例が示す文字認識結果の間に矛盾
   があった場合とは、文字認識手段が出力する仮の文字認
   識結果に対して複数の異なる正解が与えられている場合
   である、請求項５に記載の文字認識装置。
7. 【請求項７】 前記認識結果統合手段が、前記複数の仮
   の文字認識結果を統合する際に、前記論理規則を用いる
   ことにより、前記統合した文字認識結果として、単一の
   文字認識結果を含んだ、確信度を付与されて順位づけら
   れた複数の文字認識結果の文字コードを出力することを
   特徴とする請求項１乃至６のいずれかに記載の文字認識
   装置。
8. 【請求項８】 文字画像を入力して記憶する画像記憶手
   段と、前記画像記憶手段から得た文字画像を認識するた
   めの異なる複数の文字認識手段と、前記複数の文字認識
   手段から得られる複数の仮の文字認識結果を、当該仮の
   文字認識結果に特定の文字が現れるという条件を論理積
   や論理和で統合した条件式に基づいて統合した文字認識
   結果を決定するような論理規則を用いることによって統
   合して、統合した文字認識結果を出力する認識結果統合
   手段とを備えた文字認識装置における学習方法であっ
   て、 前記認識結果統合手段において適用される論理規則が、
   前記複数の文字認識手段の出力する仮の文字認識結果と
   正解との対として与えられたいくつかの事例データから
   学習によって獲得されるものであり、 前記論理規則が前記事例データから学習により獲得され
   る際、前記個々の文字認識手段の要不要や、個々の文字
   認識手段の出力する個々の仮の文字認識結果の要不要を
   順次判定し、事例データを逐次的に簡略化してゆくこと
   によって単純な論理規則を生成することを特徴とする学
   習方法。
9. 【請求項９】 文字画像を入力して記憶する画像記憶手
   段と、前記画像記憶手段から得た文字画像を認識するた
   めの異なる複数の文字認識手段と、前記複数の文字認識
   手段から得られる複数の仮の文字認識結果を、当該仮の
   文字認識結果に特定の文字が現れるという条件を論理積
   や論理和で統合した条件式に基づいて統合した文字認識
   結果を決定するような論理規則を用いることによって統
   合して、統合した文字認識結果を出力する認識結果統合
   手段とを備えた文字認識装置における学習方法であっ
   て、 前記認識結果統合手段において適用される論理規則が、
   前記複数の文字認識手段の出力する仮の文字認識結果と
   正解との対として与えられたいくつかの事例データから
   学習によって獲得されるものであり、 前記認識結果統合手段において適用される論理規則が前
   記事例データより学習により獲得される際、前記個々の
   文字認識手段の要不要を判定し、不要な文字認識手段が
   発見された場合にその文字認識手段を除去することによ
   り必要な文字認識手段の選択を行うことを特徴とする学
   習方法。
10. 【請求項１０】 文字画像を入力して記憶する画像記憶
    手段と、前記画像記憶手段から得た文字画像を認識する
    ための異なる複数の文字認識手段と、前記複数の文字認
    識手段から得られる複数の仮の文字認識結果を、当該仮
    の文字認識結果に特定の文字が現れるという条件を論理
    積や論理和で統合した条件式に基づいて統合した文字認
    識結果を決定するような論理規則を用いることによって
    統合して、統合した文字認識結果を出力する認識結果統
    合手段とを備えた文字認識装置における学習方法であっ
    て、 前記認識結果統合手段において適用される論理規則が、
    前記複数の文字認識手段の出力する仮の文字認識結果と
    正解との対として与えられたいくつかの事例データから
    学習によって獲得されるものであり、 前記認識結果統合手段におい適用される前記論理規則が
    前記事例データより学習により獲得される際、いくつか
    の事例データ間で矛盾があった場合、それらの事例の正
    解ごとに計数される事例データの個数により事例ごとの
    頻度を評価し、事例を取捨選択することにより矛盾を解
    決することを特徴とする学習方法。
11. 【請求項１１】 前記いくつかの事例データ間で矛盾が
    あった場合とは、文字認識手段が出力する仮の文字認識
    結果に対して複数の異なる正解が与えられている場合で
    ある、請求項１０に記載の学習方法。
12. 【請求項１２】 文字画像を入力して記憶する画像記憶
    手段と、前記画像記憶手段から得た文字画像を認識する
    ための異なる複数の文字認識手段と、前記複数の文字認
    識手段から得られる複数の仮の文字認識結果を、当該仮
    の文字認識結果に特定の文字が現れるという条件を論理
    積や論理和で統合した条件式に基づいて統合した文字認
    識結果を決定するような論理規則を用いることによって
    統合して、統合した文字認識結果を出力する認識結果統
    合手段とを備えた文字認識装置における学習方法であっ
    て、 前記認識結果統合手段において適用される論理規則が、
    前記複数の文字認識手段の出力する仮の文字認識結果と
    正解との対として与えられたいくつかの事例データから
    学習によって獲得されるものであり、 前記認識結果統合手段において適用される前記論理規則
    が前記事例データより学習により獲得される際、事例が
    示す文字認識結果の間に矛盾があった場合、それらの事
    例の正解ごとに計数される事例データの個数により事例
    ごとの頻度を評価することによって事例ごとの重みを計
    算し、それらの重みによって順位づけられた複数の文字
    認識結果を含む１つの事例としてまとめることにより矛
    盾を解決することを特徴とする学習方法。
13. 【請求項１３】 前記事例が示す文字認識結果の間に矛
    盾があった場合とは、文字認識手段が出力する仮の文字
    認識結果に対して複数の異なる正解が与えられている場
    合である、請求項１２に記載の学習方法。
14. 【請求項１４】 コンピュータ上で動作する文字認識プ
    ログラムを記憶した記録媒体であって、 文字画像を入力して記憶するステップと、 この記憶した文字画像を認識して、互いに異なる仮の文
    字認識結果を出力する複数のステップと、 該仮の文字認識結果に特定の文字が現れるという条件を
    論理積や論理和で統合した条件式に基づいて統合した文
    字認識結果を決定するような論理規則を用いて前記複数
    の仮の文字認識結果を統合して、統合した文字認識結果
    を出力するステップと、 を備える文字認識プログラムを記録した記録媒体におい
    て、 前記文字認識結果を出力するステップにおいて適用され
    る論理規則が、前記複数の仮の文字認識結果を出力する
    ステップにおける出力である仮の文字認識結果と正解と
    の対として与えられたいくつかの事例データから学習に
    よって獲得されるものであり、 前記論理規則が前記事例データから学習により獲得され
    る際、前記仮の文字認識結果を出力するステップの個々
    の要不要や、夫々の仮の文字認識結果を出力するステッ
    プにおける仮の文字認識結果の要不要を順次判定し、事
    例データを逐次的に簡略化してゆくことによって単純な
    論理規則を生成するステップを有する学習プログラムを
    更に記録したことを特徴とする記録媒体。
15. 【請求項１５】 コンピュータ上で動作する文字認識プ
    ログラムを記憶した記録媒体であって、 文字画像を入力して記憶するステップと、 この記憶した文字画像を認識して、互いに異なる仮の文
    字認識結果を出力する複数のステップと、 該仮の文字認識結果に特定の文字が現れるという条件を
    論理積や論理和で統合した条件式に基づいて統合した文
    字認識結果を決定するような論理規則を用いて前記複数
    の仮の文字認識結果を統合して、統合した文字認識結果
    を出力するステップと、 を備える文字認識プログラムを記録した記録媒体におい
    て、 前記文字認識結果を出力するステップにおいて適用され
    る論理規則が、前記複数の仮の文字認識結果を出力する
    ステップにおける出力である仮の文字認識結果と正解と
    の対として与えられたいくつかの事例データから学習に
    よって獲得されるものであり、 前記論理規則が前記事例データより学習により獲得され
    る際、前記仮の文字認識結果を出力するステップの個々
    の要不要を判定し、不要な前記仮の文字認識結果を出力
    するステップが発見された場合に、その不要な前記仮の
    文字認識結果を出力するステップを除去することにより
    必要な前記仮の文字認識結果を出力するステップの選択
    を行うステップを有する学習プログラムを更に記録した
    ことを特徴とする記録媒体。
16. 【請求項１６】 コンピュータ上で動作する文字認識プ
    ログラムを記憶した記録媒体であって、 文字画像を入力して記憶するステップと、 この記憶した文字画像を認識して、互いに異なる仮の文
    字認識結果を出力する複数のステップと、 該仮の文字認識結果に特定の文字が現れるという条件を
    論理積や論理和で統合した条件式に基づいて統合した文
    字認識結果を決定するような論理規則を用いて前記複数
    の仮の文字認識結果を統合して、統合した文字認識結果
    を出力するステップと、 を備える文字認識プログラムを記録した記録媒体におい
    て、 前記文字認識結果を出力するステップにおいて適用され
    る論理規則が、前記複数の仮の文字認識結果を出力する
    ステップにおける出力である仮の文字認識結果と正解と
    の対として与えられたいくつかの事例データから学習に
    よって獲得されるものであり、 前記論理規則が前記事例データより学習により獲得され
    る際、いくつかの事例データ間で矛盾があった場合、そ
    れらの事例の正解ごとに計数される事例データの個数に
    より事例ごとの頻度を評価し、事例を取捨選択すること
    により矛盾を解決するステップを有する学習プログラム
    を更に記録したことを特徴とする記録媒体。
17. 【請求項１７】 前記いくつかの事例データ間で矛盾が
    あった場合とは、前記仮の文字認識結果を出力するステ
    ップにおいて出力される仮の文字認識結果に対して複数
    の異なる正解が与えられている場合である、請求項１６
    に記載の記録媒体。
18. 【請求項１８】 コンピュータ上で動作する文字認識プ
    ログラムを記憶した記録媒体であって、 文字画像を入力して記憶するステップと、 この記憶した文字画像を認識して、互いに異なる仮の文
    字認識結果を出力する複数のステップと、 該仮の文字認識結果に特定の文字が現れるという条件を
    論理積や論理和で統合した条件式に基づいて統合した文
    字認識結果を決定するような論理規則を用いて前記複数
    の仮の文字認識結果を統合して、統合した文字認識結果
    を出力するステップと、 を備える文字認識プログラムを記録した記録媒体におい
    て、 前記文字認識結果を出力するステップにおいて適用され
    る論理規則が、前記複数の仮の文字認識結果を出力する
    ステップにおける出力である仮の文字認識結果と正解と
    の対として与えられたいくつかの事例データから学習に
    よって獲得されるものであり、 前記論理規則が前記事例データより学習により獲得され
    る際、事例が示す文字認識結果の間に矛盾があった場
    合、それらの事例の正解ごとに計数される事例データの
    個数により事例ごとの頻度を評価することによって事例
    ごとの重みを計算し、それらの重みによって順位づけら
    れた複数の文字認識結果を含む１つの事例としてまとめ
    ることにより矛盾を解決するステップを有する学習プロ
    グラムを更に記録したことを特徴とする記録媒体。
19. 【請求項１９】 前記事例が示す文字認識結果の間に矛
    盾があった場合とは、文字認識手段が出力する仮の文字
    認識結果に対して複数の異なる正解が与えられている場
    合である、請求項１８に記載の記録媒体。