DE2623861A1 - Verfahren zum erkennen von schriftzeichen - Google Patents
Verfahren zum erkennen von schriftzeichenInfo
- Publication number
- DE2623861A1 DE2623861A1 DE19762623861 DE2623861A DE2623861A1 DE 2623861 A1 DE2623861 A1 DE 2623861A1 DE 19762623861 DE19762623861 DE 19762623861 DE 2623861 A DE2623861 A DE 2623861A DE 2623861 A1 DE2623861 A1 DE 2623861A1
- Authority
- DE
- Germany
- Prior art keywords
- character
- property
- properties
- image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
- Image Processing (AREA)
Description
DR. FRIEDRICH E.MAYER '7530 pforzheim
WESTLICHE 24
DIPL-ING. A. PANTENBURG kabelitripatent„orzheim
BESCHREIBUNG
zur Patentanmeldung
De Staat der Nederlanden, te dezen vertegenwoordigd door de directeur-generaal der Posterijen, Telegrafie
en Telefonie, Den Haag (Niederlande).
betreffend: Verfahren zum Erkennen von Schriftzeichen.
Pie Erfindung bezieht sich auf ein Verfahren zum Erkennen von
Schriftzeichen, wobei sowohl in der Lernphase als in der darauffolgenden
Kannphase Eigenschaften von Schriftzeichenbildern nach einer Reihe ihrer
Aspekte in eine Anzahl Gruppen klassifiziert und die Ergebnisse dieser Klassifizierungen in der Lernphase als Häufigkeitswerte in einem Speicher
registriert und im Lauf der Kannphase die Resultate der Eigenschaftsklassifizierung eines neu erscheinenden Schriftzeichens benutzt werden, um
die Wahrscheinlichkeit der gefundenen Eigenschaften dieses Schriftzeichens
für jede einzelne Schriftzeichenklasse zu bestimmen.
Ein derartiges Verfahren ist aus der deutschen Patentanmeldung Nr. P 2432 129.7 bekannt. Nach diesem Verfahren können charakteristische
Eigenschaften durch die Feststellung ermittelt werden, ob Teile des zu
erkennenden Schriftzeichens hinsichtlich ihrer Geometrie mit den im voraus
gegebenen Definitionen charakteristischer Eigenschaften übereinstimmen.
Dabei stösst es im allgemeinen auf Schwierigkeiten, dass bei nicht völliger
Obereinstimmung zwischen der Geometrie eines Schriftzeichent«·1 ·» und der
609850/0769
Definition der Eigenschaft diese Eigenschaft als nicht vorhanden betrachtet
wird. Diese Schwierigkeit macht sich insbesondere bei Schriftzeichen geltend, die mit der Hand geschrieben sind. Ihr kann dadurch entgegengetreten
werden, dass die Definitionen der Eigenschaften derart festgelegt werden, dass den Anforderungen genügt ist, wenn die Eigenschaften zwar
anwesend sind, nicht aber in der idealen oder deutlichsten Form. Dadurch entsteht eine andere Schwierigkeit, dass nämlich zwar Information erzielt
wird oder ein Schriftzeichenelement der Definition einer Eigenschaft genügt, dass aber keine quantitativen Daten in bezug auf die Ausgeprägtheit oder
das Mass der Deutlichkeit erzielt werden, in der die Eigenschaft in dem untersuchten Schriftzeichen vorhanden ist.
Die Erfindung bietet eine Lösung der genannten Schwierigkeiten, die
darin besteht, dass jeder der Eigenschaften eines zu erkennenden Schriftzeichenbilds
ein Gewicht zuerkannt wird, das von der Form des Bildes abhängig ist, worauf aufgrund des Werts der Gewichte Eigenschaften
selektiert werden, deren in dem Speicher vorhandene Haufigkeitswerte mit den Werten der Gewichte multipliziert werden, und danach der Maximalwert
aus der Reihe der Resultate für die Bezeichnung der Klasse benutzt wird. Hierbei empfiehlt es sich, dass Konfigurationen von Schriftzeichenelementen,
die zu einer bestimmten Eigenschaft beitragen, mit einem positiven Zeichen
und solche, die zu den übrigen Eigenschaften in der Gruppe beitragen, mit einem negativen Zeichen berücksichtigt werden, worauf pro Gruppe die
Eigenschaft mit dem höchsten Gewicht selektiert wird.
Vorzugsweise wird der numerische Wert der Gewichte in einem von der
Bildgrösse unabhängigen normierten Wert zum Ausdruck gebracht. Nach der auf Seite I erwähnten Patentanmeldung wird bei jedem Schriftzeichen für
jeden Aussen- und für jeden Innenaspekt aus vier Gruppen von Eigenschaften
gewählt - von jeder Gruppe stets eine Eigenschaft.
Für jede der in dem System möglichen K Eigenschaften wird in der Lernphase die Wahrscheinlichkeit P bestimmt, dass bei einem zu erkennenden
Schriftzeichen - z.B. eine der Ziffern 0 ... 9 - das zur Klasse i gehört, die Eigenschaft K gefunden wird.
In dem nachstehenden Schema ist das dargelegt:
In dem nachstehenden Schema ist das dargelegt:
609850/0769
Aspekte Eigenschafts- Eigengruppen schäften
' Sprünge
Neigungen
oberer J
Aspekt
Aspekt
Endpunkte
Inseln
linker ·< Sprünge
Aspekt I
Aspekt I
·+· Klassen
Γερο
\ bis \ EF6
/ ELO
-< bis
V. EL6
H M-
I I
PKi-
I I
Die Bestimmung des Werts PKi erfolgt, indem die Schriftzeichen einer Klasse i gezählt werden, bei denen die Eigenschaft K vorhanden
ist. Die Normierung findet durch Teilung durch ni - d.h. die Zahl der Schriftzeichen der Klasse i in dem Lernmatarial - statt.
Beispiel : PKi
bedeutet, dass die Eigenschaft K in 9000 Fällen der angebotenen 10000
Schriftzeichen der Klasse i konstatiert wird.
Die Ermittlung der Eigenschaften stellt stets die Wahl einer
Eigenschaft aus einer Gruppe, z.B. aus der Gruppe der Sprünge, dar. Diese Wahl bezieht sich also stets auf eine der möglichen Konfigurationen von
Sprüngen, die das System kennt. Der gewählten Eigenschaft wird dabei das Gewicht 1 zuerkannt und allen anderen Eigeschaften das Gewicht 0.
Eine Verfeinerung kann nach der Erfindung durch eine nähere Andeutung
des Gewichts, das den Eigenschaften zuerkannt wird, erzielt werden. Das Verfahren arbeitet so, dass für jeden Aspekt das Gewicht, das jeder der
Eigenschaften zuerkannt wird, als ein numerischer Wert berechnet und dann registriert wird. Aus jeder Gruppe (Sprünge, Neigungen usw.) wird in erster
Instanz die Eigenschaft mit dem höchsten Gewicht (gk) gewählt.
Auf die bekannte Weise wird erreicht, dass für jedes Bild bei der
609850/0769
Ableitung der Eigenschaften eine Teilsammlung χ der Totalsammlung möglicher
Kennzeichen benutzt wird. So ist es denkbar, dass bei Endpunkten und Inseln die Innenaspekte nicht benutzt werden, so dass anstelle von 4 χ 8 = 32
Aspekten bei vier Gruppen von Eigenschaften nach dem vorstehenden Schema nur 8+8+4+4= 24 Aspekte benutzt werden.
Ein Schriftzeichen wird der Klasse zugewiesen, für die Σ gk. PKi
1 am höchsten ist. Die Methode der Bestimmung der Gewichte (gk) wird nachstehend
für jede der Gruppen von Eigenschaften gesondert behandelt. Hierbei wird
die Zeichnung benutzt, in der
Fig. 1 einen Sprung in einem Schriftzeichenbild,
Fig. 2 einen Extrasprung,
Fig. 3 einen zu kleinen Sprung,
Fig. 4 zwei positive Sprünge und drei Neigungen, Fig. 5 eine Neigung,
Fig. 6 eine lange, schwache Neigung, Fig. 7 eine Neigung mit einem positiven und einem negativen Teil,
Fig. 8 eine negative/positive/negative Neigung, Fig. 9 einen Endpunkt,
Fig. 10 ebenfalls einen Endpunkt,
Fig. 11 ein Beispiel mit Eiidpunkten, Fig. 12 Inseln,
Fig. 13 ein Blockschema für die Verarbeitung der Gewichtsinformation
und
Fig. 14 ein Blockschema für eine zweite Art der Verarbeitung zeigt.
Sprünge
Sprünge
Das Gewicht eines Sprungs wird nach der Zahl weisser Bildelemente zwischen dem Ende einer Durchschneidung und dem Anfang einer Durchschneidung
auf der nächsten Zeile (Fig. 1) eines Bilds bestimmt, in das das Schriftzeichen auf bekannte Art umgewandelt ist.
Es werden positive und negative Sprünge - nach der aus der auf Seite
erwähnten Patentanmeldung bekannten Definition - unterschieden. Für die
Bestimmung des Gewichts der Sprungfigurationen wird ein Zähler benutzt,
mit dem die Zahl der Sprünge in einem Aspekt gezählt werden kann. Die Höchstzahl, die gezählt werden kann, ist drei. Weiter gibt es für jeden
Sprung zwei Register. Tritt ein Sprung auf, so werden die weissen BiId-
609850/0769
elemente, die das Gewicht des Sprungs bestimmen, gezählt. Je nachdem,
ob es sich um einen positiven oder einen negativen Sprung handelt, wird die Zahl in dem entsprechenden Register notiert.
Sprung | pos(itiv) | neg(ativ) |
Sl | Pl | nl |
S2 | p2 | n2 |
S3 | P3 | n3 |
Die Bezeichnungen pl ... ρ3 und nl ... n3 geben die Gewichte an.
Unterschieden werden die nachstehenden Sprungkonfigurationen und
dazugehörigen Gewichte:
Code | ] | pos | Sprünge | Sprung | Gewicht | I | Definition | B-Ee | (Ee - - Ee |
ρ max) = |
SO | Beschreibung | neg | . Sprung | Sprung | go | P 2 |
max - ■ p max |
(Ee - - Ee |
η max) = | |
Sl | keine | pos | . Sprung | Sprung | gl | ι η 2 |
max - .n max |
- (ρ, | n) min | |
S2 | 1 | neg | . Sprung + 1 pos. | g2 | P | max-1 | - (p, | n) min | ||
S3 | 1 | pos | . Sprung + 1 neg. | g3 | η | max-1 | η max) max + |
min - η max ) |
||
S4 | 1 | mehr | . Sprung + 1 neg. | g4 | (ρ max, [se-( ρ |
(P>n) | min | |||
S5 | 1 | als 2 Sprünge | g5 | (S3) . | ||||||
S6 | 1 | g6 | ||||||||
Hierbei ist:
= Breite bzw. Höhe des Schriftzeichenbilds.
= Summe aller dazwischenliegenden weissen Bildelemente
bei den Sprüngen in einem einzigen Aspekt. = grösste der drei Ziffern pl, p2 und p3, die den
grossten positiven Sprung angibt.
609850/0769
η max = grösste der drei Ziffern nl, n2 und n3, die den
grössten negativen Sprung angibt.
ρ max-1 = zweitgrösster Wert von pl, p2 und p3.
η max-1 = " " von nl, n2 und n3.
(p,n) min = kleinste der Ziffern pl ... p3 und nl ... n3.
(p max, η max) min = kleinere der beiden Ziffern ρ max und η max. (S3) = 1, wenn (p3, n3) φ
= 0, wenn (p3, n3) =
Aus dieser und nachstehenden Formeltabellen und Beispielen ergibt sich,
dass Konfigurationen von Schriftzeichenelementen, die zu einer bestimmten
Eigenschaft beitragen, mit einem positiven Zeichen und solche, die zu den übrigen Eigenschaften der betr. Gruppe beitragen, mit einem negativen
Zeichen berücksichtigt werden.
Nachstehend zwei Beispiele, wobei zu bemerken ist, dass, wenn der Abstand zwischen den Beginnpunkten zweier, aneinander anschliessender
Durchschneidungen gleich der Hülfte der Breite bzw. der Höhe des Schriftzeichenbilds
oder grosser ist, dies als ein Sprung (extra Sprung) betrachtet wird (Fig. 2).
Beispiel 1 - (Fig. 3) Abtastresultat (linker Aspekt):
51 : pl = 0 nl =
52 : p2 = 0 n2 =
53 : p3 = 0 n3 =
Berechnung der Gewichte:
) gO = 8 - 3 = 5
gl » 0 - 3 = g2 = 6 - 3 = 3 g3 = 0 - 0 = 0
g4 = 0 - 0 = 0 g5 = 0 - 0 = 0 g6 = 0 - 0 = 0
Schlussfolgerung: bei einem Schriftzeichen in der Klasse nach Fig. 3 ist das
Gewicht gO am grössten, d. h. die Eigenschaft SO (keine Sprünge) geniesst den Vorzug. Der eine (negative) Sprung ist offenbar zu klein, als dass er
609850/0769
Einfluss hätte. Das nächsthöchste Gewicht ist das Gewicht g2 für die
Eigenschaft S2 (1 neg. Sprung). Die Gewichte gl und g5 sind negativ, d.h.
die entsprechenden Eigenschaften haben noch weniger Einfluss.
Beispiel 2 (Fig. 4).
Abtastresultat (linker Aspekt):
Abtastresultat (linker Aspekt):
B = Bs = 18
51 : pl - 4 nl = 0
52 : p2 = 7 n2 = 0
53 : p3 = 0 n3 = 0
Berechnung der Gewichte:
gO = 9 - 11 - - 2
gl = 7 - 4 = 3
g2 = 0 - 11 = - 11
gl = 7 - 4 = 3
g2 = 0 - 11 = - 11
g3 = 4 - 0 = 4
g4 = 0 - 0 =0
g5=0-4 =-4
g6 » 0 - 0 =0
g5=0-4 =-4
g6 » 0 - 0 =0
Schlussfolgerung: bei einem Schriftzeichen in der Klasse nach Fig. 4 ist das
Gewicht g3 am höchsten, d.h.die Eigenschaft S3 (zwei pos. Sprünge) geniesst
den Vorzug. Ihr folgt direkt die Eigenschaft eines pos. Sprungs (vergl. gl
für Sl). Das Gewicht g2 ist für das Auftreten eines einzigen neg. Sprungs
(S2) sehr negativ (-11), so dass die entsprechende Eigenschaft keinen Einfluss
hat.
Neigungen.
Das Gewicht, das einer Neigungskonfiguration zuerkannt wird, wird durch
die Zahl der Bildzeichen, über die die Konfiguration sich erstreckt, bestimmt. Die Neigung wird nachstehend in etwas anderer Art und Weise definiert als in
dem System nach der auf Seite 1 erwähnten Patentanmeldung. Es handelt sich um eine Neigung, wenn sich bei zwei oder mehr aufeinanderfolgenden Zeilen
eine Änderung des Abstands im Verhältnis zu der Seite des umschliessenden Rechtecks ergibt. Hierzu gehört auch das Verspringen eines einzigen Elements
in einer Zeile, wenn in der nächsten Zeile keine- Änderung des Abstands
auftritt. Vergl. Fig. 5. In diesem Fall ist in den Zeilen 3 und 4 für den linken Aspekt eine neg. Neigung gegeben. Setzt sich die Linie danach noch
fort, so wird jede zweite Zeile gezählt. Vergl. Fig. 6.
609850/0769
Das Gewicht der neg. Neigung ist damit 5. Eine Neigung endet stets
mit einem Sprung oder einem Extrasprung.
Die Höchstzahl aufeinanderfolgender Neigungen, die in einem Aspekt
registriert werden kann, beschränkt sich auf 4. Bei einer zusammengesetzten Neigungskonfiguration - wenn z.B. einer neg. Neigung eine positive folgt bestimmt
sich das Gewicht nach dem Mass der Gleichheit der zwei Teilgebiete (Symmetrie der Neigungen). Vergl. Fig. 7.
Die erste Neigung im linken Aspekt ist in 3 Zeilen negativ (nh 1).
Die zweite Neigung ist in 5 Zeilen positiv (ph 2). Das Gewicht der Eigenschaft
"neg. Neigung, pos. Neigung" wird dadurch gefunden, dass der kleinere Wert der zwei Ziffern nh 1 und ph 2 bestimmt und mit 2 multipliziert wird.
Schreibweise: 2 (nh 1, ph 2) min. Das gewicht ist also 2.3=6,
In dem Beispiel nach Fig. 8 muss der Eigenschaft "neg. Neigung, pos.
Neigung, neg. Neigung" das höchste Gewicht zuerkannt werden. Das Gewicht wird dadurch gefunden, dass der kleinste Wert der Ziffern nh 1, ph 2 und
nh 3 ermittelt und mit 3 multipliziert wird. Schreibweise: 3 ( nh 1, ph 2, nh 3) min.
In dem vorstehenden Beispiel ist das Gewicht der Eigenschaft
"neg., pos., neg." also 3.3=9.
Der Registrierung des Werts der aufeinanderfolgenden Neigunger, dienen
acht Register: ph 1 ... ph 4 und nh 1 ... nh 4. Die ph-Register enthalten die Daten der positiven und die nh-Register die der negativen Neigungen.
Es gibt Fälle, in denen die Register ph 4 und nh 4 beide leer sind Schreibweise:
(p,n) h 4 = 0. Dann sind also höchstens drei Neigungen in einem Aspekt gegeben. Zu unterscheiden sind die nachstehenden Neigungskonfigurationen und dazugehörigen Gewichte:
Code | Beschreibung | Gewicht | Definition |
HO | keine Neigung | go | Π B - Σ hl . HE 4 |
Hl | pos. Neigung | gi | ph max - (Eh - ph max) . HE 4 |
H2 | neg. Neigung | g2 | Inh max - (Eh - nh max)! . HE 4 |
H3 | pos.pos.Neigung | g3 | höchster Wert von: 12 { (ph 1, ph 2) min - (ρ, η) h 3 }| . HE 4 und _ L· { (ph 2, ph 3) min - (ρ, η) h 1 }J . HE 4 |
609850/0769
Code | Beschreibung | Gewicht | 2623861 Definition |
H4 | pos.neg.Neigung | höchster Wert von: Γ 2 { (ph 1, nh 2) min - (ρ, η) h3 } J . HE 4 und [" 2 { (ph 2, nh 3) min - (ρ, η) hl } J . HE 4 |
|
H5 | neg.pos.Neigung | höchster Wert von: Γ 2 { (nh 1, ph 2) min - (p, n) h3 } . HE 4 und |_2 { (rh 2, ph 3) min - (p, n) hl }J . HE 4 |
|
H6 | neg.neg.Neigung | g6 | höchster Wert von: _. Γ 2 { (nh 1, nh 2) min - (p, n) h3 } . HE 4 und L2 { (nh 2, nh 3) min - (p, n) hl }J . HE 4 |
H7 | pos.pos.neg. | g7 | höchster Wert von: 3 { (ph 1, ph 2, nh 3) min - (p, n) h4 } und 3 { (ph 2, ph 3, nh 4) min - (p, n) hl } |
H8 | pos.neg.pos. | g8 | höchster Wert von: 3 '{ (ph I5 nh 2, ph 3) min - (p, n) h4 } und 3 { (ph 2, nh 3, ph 4) min - (p, n) hl } ; |
H9 | pos.neg.neg. | höchster Wert von: 3 { (ph 1, nh 2, nh 3) min - (p, n) h4 } und 3 { (ph 2, nh 3, ph 4) min - (p, n) hl } } |
|
HlO | neg.pos.pos. | gio | höchster Wert von: 3 { (nh 1, ph 2, ph 3) min - (ρ, η) h4 } und 3 { (nh 2, ph 3, ph 4) min - (ρ, η) hl } |
HIl | neg.pos.neg. | gll | höchster Wert von: 3 { (nh 1, ph 2, nh 3) min - (p, n) h4 } und 3 { (nh 2, ph 3, nh 4) min - (p, n) hl } |
609850/0769
Code | Beschreibung | T" Gewicht |
·· & | Definitioi | { | (nh | 1. | 2, | nh 2, | ph | 3) | 3 | min - | (P, | η) | h4 | } |
H12 | neg.neg.pos. | gl2 | höchster Wert von: | und | 1, | ||||||||||||
3 | { | (nh | n) | nh 3, | ph | 4) | min - | (P, | η) | hl | } | ||||||
(nh | n) | ph 2, | nh | 3, | ph 4) | min | |||||||||||
3 | { | (P, | hi, (ρ | , n) | h2, (p | , η) | h3 | ||||||||||
H13 | neg.pos.neg.pos | gl3 | 4 | (P, | h4}.{ | G 1 | } | ||||||||||
H13 | 4 Neigungen | gl4 | 4 | ||||||||||||||
Hierbei ist:
B = Breite bzw. Hohe des Musters Eh = Summe aller Neigungswerte
HE 4 = 1 als (p, n) h4 =
= 0 als (p, n) h4 = φ
G13 = 1 als gl3 = 0 = 0 als gl3 φ 0.
Die Neigungskonfigurationen "pos.pos.pos." und "neg.neg.neg." sind
nicht erwähnt, weil sie sehr selten vorkommen. Die Konfiguration mit den vier Neigungen "neg.pos.neg.pos." aber wird gesondert behandelt (H13), weil
zu erwarten ist, dass gerade diese Konfiguration bei den Ziffern "3" und "8" sehr oft auftritt.
17
Beispiel (Fig. 4, Imker | = -4 | Aspe | »kl | :): | B | = Bh |
= -Π | Zh | = 14 | ||||
- 9) = +5 | ph | 1 | = 0 | nh I | = 3 | |
ph | 2 | = 0 | nh 2 | - 9 | ||
ph | 3 | - 1 | nh 3 | - 0 | ||
-2 | ph | 4 | = 0 | nh 4 | = 0 | |
gO = 9 - 13 | +4 | |||||
gl = 1 - 12 | ||||||
§2=9- (13 | ||||||
g3 = -2 | ||||||
g4 = -2 # | ||||||
g5 = 0 - 2 = | ||||||
g6 = 6 - 2 = | ||||||
609850/0769
AL INSPECTED
g7 | - 0 |
g8 | '- 0 |
g9 | = 0 |
glO | - 0 |
gU | - 0 |
gl2 | = 3 - 0 = +3 |
gl3 | - 0 |
gl4 | = 0. |
Endpunkte. |
Endpunkte sind dadurch charakterisiert, dass die Zahl der Bildelemente s
in der Breite der Linien geringer ist als die Zahl der Zeilen p, über die das betr. Linienstück sich erstreckt (Fig. 9). Wird der linke Aussenaspekt in
bezug auf Sprünge und Neigungen behandelt, so bildet sich zugleich die Endpunktkonfiguration für den Aussenaspekt. Die Zeilen mit Bildinformation
werden, der Reihe nach von oben nach unten, nach links aus der Matrix geschoben.
Während dieses Prozesses wird jeweils festgestellt, wieviel anschliessende
Bildelemente s die Breite der Linie erfasst. Diese Zahl wird vorläufig in einem Arbeitsspeicher festgelegt. Wird ein Wert s konstatiert, der grosser
als der in dem Register gespeicherte Wert ist, dann wird dieser neugefundene Wert (s max) registriert. Weiter wird gezählt, über wieviele Zeilen ρ sich
der Endpunkt erstreckt. Für jede Zeile wird aufs neue das Verhältnis ·*-
s max bestimmt. Ist der neu berechnete Wert grosser als der vorübergehend in einem
Register gespeicherte Wert, dann wird der neue Wert registriert. Auf diese
Weise erhält man den Höchstwert des Verhältnisses ^
, der während der
s max
Bildung der Endpunktkonfiguration auftritt.
In dem Beispiel nach Fig. 9 ist der Höchstwert des Verhältnisses
■*-
·= -τ- ■*■ 2. Dieser Wert bestimmt das Gewicht, das der Eigenschaft
s max 2
zuerkannt wird.
Bei der Betrachtung jedes Aussenaspekts werden zuerst die Positionen
der Extreme bestimmt. Ein Extrem ist dann gegeben, wenn ab der Aussenseite des Rechtecks die erste Durchschneidung der Bildfläche konstatiert wird.
Die Position des Extrems ist dann das letzte schwarze Bildelement der Durchschneidung.
In dem Beispiel nach Fig. 10 hat das Extrem beim oberen Aspekt die
Position k = 10, r = 4. Die Zählung der Zeilen, die zu dem Endpunkt gehören,
wird eingestellt, sobald kein korrekter Anschluss zweier aufeinanderfolgender Durchschneidungen mehr gegeben ist. Es wird eine ODER-Funktion der aufeinander-
609850/0769
folgenden Zeilen des Bilds hergestellt. Wird der ODER-Funktion Zeile η
hinzugefügt, so wird geprüft, ob die zu einem Endpunkt gehörige Durchschneidung
in Zeile (n-1) aus anschliessenden schwarzen Bildelementen innerhalb des
ODER-Gebiets besteht. Nur wenn das der Fall ist, trägt Zeile (n-1) zu dem Wert des Endpunkts bei. Bei der neuen Eigenschaftsbestimmung unterscheidet
man die gleichen Endpunktkonfigurationen wie in dem System nach der auf
Seite 1 erwähnten Patentanmeldung. Die Codierung gibt an, ob die Extreme von Endpunkten oben oder unten in einem Aspekt gegeben sind.
Die ermittelten Werte der Endpunkte, die zu den Positionen der dazugehörigen
Extreme im Verhältnis stehen, werden in vier Registern b 1,2 und ο 1,2 gespeichert.
Die in dem oberen Teil des Aspekts gefundenen Werte der Endpunkte werden in den Registern bl bzw. b2 und die Werte der im unteren Teil des
Aspekts ermittelten Endpunkte in den Registern öl und o2 gespeichert.
0 | Endpunktkonfigurationen mit dazugehörigen Gewichten: | Gewicht | C | 2 - | (bl + b2 | + Ol H | (b | Definition | 1,- | (o 1,2)min} | |
1 | Beschreibung | go | (b | 1,2) max - | - { | (o | H O2) | ,2) | 2) max | ||
Code | 2 | keine Endpunkte | gi | (o | 1,2) max - | - { | ) 1 | l,2)min + ol + o2} | ..., wobei dieser Min- | ||
EP | 3 | 1 Endpunkt oben | g2 | Ο» | 1,2) min - | - (c | l,2)min + bl + b2} | destwert φ 0 ist, und | |||
EP | 4 | 1 Endpunkt unten | g3 | (b | 1,2)max, (c | ) 1 | , 2)max | nicht mehr als 1 Register | |||
EP | 2 Endpunkte oben | g4 | ,2)max } min - { (b 1,2) | leer sein darf. | |||||||
EP | 5 | 1 Endpunkt oben, | (o | l,2)min - | min + | ||||||
EP | 6 | 1 Endpunkt unten | g5 | 3 χ | (b 1,2 c | (b | |||||
2 Endpunkte unten | g6 | ) 1 | |||||||||
EP | mehr als 2 Endpunkte | ||||||||||
EP | |||||||||||
Für die Endpunkte des linken die nachstehenden Höchstwerte des
Aspekts nach dem Beispiel It. Fig. 11 werden Verhältnisses ρ registriert:
s max
bl | 1 + | 1 |
3 | 1 | |
4 + | ||
ol | 5 | |
o2 | O |
609850/0769
Aufgrund der Definitionen berechnete Gewichte:
gO = -5
gl = -5
g2 = +3
g3 = -4
g4 = 0
g5 = -1
g6 = +3
Die Eigenschaft "mehr als 2 Endpunkte" hat also das gleiche Gewicht wie die
Eigenschaft "1 Endpunkt unten".
Inseln.
Die Art und Weise, in der die Inseln aus dem ursprünglichen Schriftzeichenbild
abgeleitet werden, ist die gleiche wie die im Rahmen des bekannten Systems. Die weitere Verarbeitung aber verläuft völlig anders.
Nachdem die Inseln gebildet sind, wird für jede Insel das Extrem, d.h.
die Zeile, auf der die Insel zum ersten Mal konstatiert wird, ermittelt und festgestellt, ob es in der oberen oder unteren Hälfte eines Aspekts erscheint.
Selbstverständlich wird das für alle vier Aussenaspekte getan. Wir unterscheiden die nachstehenden Konfigurationen:
EL 0 - keine Insel El 1 - 1 Insel, Extrem oben El 2 - 1 Insel, Extrem unten
El 3 - 2 Inseln, 2 Extreme oben El 4 - 2 Inseln, 1 Extrem oben, 1 Extrem unten
El 5 - 2 Inseln, 2 Extreme unten El 6 - mehr als 2 Inseln.
Das Gewicht jeder einzelnen Eigenschaft bestimmt sich durch die Zahl der
Zeilen, über die die Insel sich erstreckt. Um auf einfache Art und Weise den Extremwert und die Zahl der Zeilen, über die sich eine Insel erstreckt, zu
bestimmen, wird die ODER-Funktion je zweier aufeinanderfolgender Zeilen gebildet,
Solange die Durchschneidung einer Insel eine geschlossene Kette schwarzer Bildelemente bildet, gehört sie zu der betr. Insel. Für die Registrierung
dienen vier Register el, e2, fl und f2.
Für Inseln, deren Extrem im oberen Teil des Aspekts liegt, wird das Total
der Anzahl Zeilen für den betr. Aspekt in den Registern el bzw. e2, für solche,
deren Extrem im unteren Teil des Aspekts liegt, in den Registern f1 bzw. f2
registriert.
609850/0769
In einer Bildhälfte können also maximal zwei Inselextreme verarbeitet
werden. Erscheinen in einer Bildhälfte mehr als zwei Inselextreme, so werden
die überzähligen Extreme und damit die betr. Inseln ausser Betracht gelassen.
Wir unterscheiden die nachstehenden Inselkonfigurationen und dazugehörigen
Gewichte:
Code | 0 | Beschreibung | Insel, | Extrem oben | Gewicht | i B | Definition |
EL | 1 | keine Inseln | Insel, | Extrem untei | go | (el, | - (el + e2 + fl + f2) |
EL | 2 | I | Inseln | , 2 Extreme oben |
gi | (fl, | 2)max - {(el, 2)min + f1 + f2 } |
EL | 3 | 1 | Inseln | 1 Extrem ot 1 Extrem ui |
ι g2 | 2(el | 2)max - {(fl, 2)min + el + e2 } |
EL | 4 | 2 | Inseln | 2 Extreme unten |
g3 | 2 { | , 2) min - (f1 + f2) |
EL | 5 | 2 | mehr als | 2 Inseln | >en g4 iten |
2 (f | (el, 2) max1 (fl, 2)max > min - { (el, 2)min + (fl, 2)min } |
EL | 6 | 2 | g5 | 3 χ | 1, 2)min - (el + e2) | ||
EL | g6 | (el, 2, fl, 2)..., wobei dieser Mindest | |||||
wert ^ 0 und nicht mehr als 1 Register | |||||||
leer sein darf. | |||||||
Für die Daten des oberen Aspekts werden für das Beispiel nach Fig.
die nachstehenden Gewichte konstatiert:
gO » —■ - (1+3+5+0) =5 - 9 = -4.
gl = 3 - (1 + 5 + 0) = 3 - 6 = -3. g2 = 5 - (0 + 1 + 3) = 5 - 4 = +1.
g3 = 2.1 - (5 + 0) = 2 - 5 = -3.
g4 = 2.3 - (1 + 0) - 6 - 1 = +5. g5 = 2.0 - (I + 3) = 0 - 4 = -4.
g6 = 3.1 = = +3.
Der Eigenschaft "2 Inseln, 1 Extrem oben, 1 Extrem unten" ist das höchste
Gewicht zuzuerkennen. Für das gleiche Bild sind als Daten des linken Aspekts zu notieren:
el = 7
e2 = 6
fl = 5
f2 = 0
B = 12
609850/0769
Gewichte: gO | = 4~ | (7 π | 5 + 0) |
* gi | = 7 - | (6 η | 0) |
g2 | (0 η | 6) | |
g3 | = 2.6 - | (5 J | |
g4 | = 2.5 - | (6 π | |
g5 | = 2.0 - | (7 η | |
H 6 + | |||
ι- 5 + | |||
η 7 + | |||
■■ 0) | |||
y 0) | |||
·· 6) |
= 3 - 18 = -15 = 7 - 11 = -4 = 5 - 13 = -8 = 12 - 5 = +7
- 10 - 6 = +4 = 0 - 13 = -13 g6 - 3.5 = +15
Der Eigenschaft "mehr als 2 Inseln" ist das höchste Gewicht zuzuerkennen.
Die Entscheidungsvorrichtung
a. Maximumselektor : binäre Eigenschaftskomponenten.
Nachdem nunmehr die Gewichte aller Eigenschaften bestimmt werden können, sind
allerlei Variationen der Entscheidungsvorrichtung denkbar. Die einfachste Methode ist die, mit der man sich der existierenden Entscheidungsmethode so
weit wie möglich annähert. Auf diese Weise könnte sich ergeben, ob bereits eine bessere Bestimmung der Eigenschaften eine Verbesserung zur Folge hat.
Das Blockschema des Systems kann so aussehen, wie in Fig. 13 dargestellt
ist. Dabei ist 1 ein Schriftzeichenbild, 2 ein Bildmanipulator. Mit dem
Bildmanipulator werden die vier Aussen- und die vier Innenaspekte gebildet. Für jeden einzelnen Aspekt werden in der bereits beschriebenen Art und Weise
für jede Gruppe von Eigenschaften (Sprünge S, Neigungen H, Endpunkte EP und
Inseln EL) von Recheneinheiten 3 die Gewichte der einzelnen Konfigurationen
berechnet. Selektoren 4 bestimmen pro Gruppe das höchste der berechneten Gewichte.
Das Resultat ist, dass pro Aspekt vier Werte g , g, , g und g. für die
vier Eigenschaften S, H, EP und EL verfügbar sind.
Bei der einfachsten Ausführung der Entscheidungsvorrichtung werden nicht
die numerischen Werte g , g, , g und g,, sondern wird nur der Häufigkeitswert
s η ρ i
benutzt, mit der die gewählten Eigenschaften bei Schriftzeichen der verschiedenen
Klassen erscheinen. Ist eine Eigenschaft χ gewählt, weil der Wert des Gewichts g innerhalb der Gruppe von Eigenschaften, der χ angehört, der
Jv
höchste Wert ist, und gehört das betr. Schriftzeichen zu der Klasse y, dann
wird in der Lernphase der Inhalt des Speicherplatzes P in einer Lernmatrix
xy
um 1 erhöht. Die Zuweisung des Speicherplatzes erfolgt mit Hilfe der Codeumsetzer
5, die die betr. Zeile in der Lernmatrix angeben.
609850/0769
Am Ende der Lernphase der Inhalt eines Speicherplatzes P den Wert
xy
S , wobei Sx die Zahl der Male angibt, dass die Eigenschaft (x) bei Bildern
der Klasse y gewählt wurde. Die Wahrscheinlichkeit eines Schriftzeichens der Klasse y ist, wenn die Eigenschaft χ gewählt ist, K(y|x). Dafür gilt:
Σ S
k xy
Hierbei ist Σ S die Summe aller Schriftzeichen in der Lernsammlung,
für die die Eigenschaft χ gewählt wurde.
Danach wird am Ende der Lernphase der Logarithmus aller Wahrscheinlichkeiten
K(y| x) bestimmt, also
K(y|x)L = log K(y|x).
Die (logarithmische) Wahrscheinlichkeit, dass ein Zeichen zu der Klasse y
gehört, wird in der Kannphase durch Summierung der logarithmischen Wahrscheinlichkeiten
aller gewählten Eigenschaften K(y) = Σ K(ylx) mit Hilfe eines
Maximumselektors 7 ermittelt.
Liegen Eigenschaften vor, die innerhalb ein und derselben Gruppe das
gleiche Gewicht haben, so wird in der Lernphase verfahren, als ob verschiedene Bilder vorliegen, deren gewählte Eigenschaften also sämtlich registriert
werden. In der Kannphase wird in diesem Fall das Erkennen für die verschiedenen Darstellungen durchgeführt. Sind die Resultate unvereinbar, so wird das betr.
Schriftzeichen verworfen.
b) Entscheidungsvorrichtung mit gewogenen Kennzeichenkomponenten. Fig. 14 gibt zu erkennen, wie in der Lernphase eine Lernmatrix gefüllt, und
wie in der Kannphase ein Bild derart erkannt wird, dass die numerischen Werte der Eigenschaften benutzt werden.
In der Lernphase und auch in der Kannphase werden von jedem zu verarbeitenden
Schriftzeichenbild 8 mit Hilfe des Bildmanipulators 9 die Aspekte
präsentiert. In der Recheneinheit 10 werden die Gewichte berechnet. Für jeden Aspekt wird pro Eigenschaftsgruppe mit Hilfe des Maximumselektros 11 das
höchste Gewicht (g ) ermittelt. Mit Hilfe der Codiervorrichtung 12 wird die Zeile in der Lernmatrix 13 angegeben, die der betr. gewählten Eigenschaft
entspricht. Auf die bekannte Art und Weise wird in der Lernphase der Inhalt eines Speicherplatzes xy um 1 erhöht, wenn die Eigenschaft χ bei einem
Schriftzeichen der Klasse y konstatiert wird. Für die Dauer der Lernphase
ist also auf jedem Speicherplatz der Lernmatrix eine Summe S(y|x) vorhanden,
die die Zahl der Male ist, dass die Eigenschaft (x) bei Bildern der Klasse y
609850/0769
gewählt wurde. In genau der gleichen Art und Weise wie bei der ersten Ausführungsform
der Entscheidungsvorrichtung (Fig. 13) kann am Ende der Lernphase die Wahrscheinlichkeit eines Schriftzeichens der Klasse y bestimmt werden,
wenn die Eigenschaft χ gewählt ist:
K(y|x)= ^Z_
Σ S xy
Da für die Klassifizierung von Bildern die Produkt-Wahrscheinlichkeiten
für alle gewählten Eigenschaften benutzt werden, wird auch bei dieser Ausführungsform der Entscheidungsvorrichtung mit den logarithmischen Werten der Wahrscheinlichkeit
gerechnet. Am Ende der Lernphase ist auf jedem Speicherplatz der Lernmatrix die logarithmische Wahrscheinlichkeit eines Zeichens der Klasse y
vorhanden, wenn die Eigenschaft χ gewählt ist:
K(y|x)L = log K(y|x).
In der darauffolgenden Kannphase wird für jedes erscheinende Schriftzeichenbild,
ebenfalls pro Aspekt, für jede Eigenschaftsgruppe das höchste Gewicht
(g ) bestimmt, dessen numerischer Wert durch Teilung durch die Abmessung B (Breite bzw. Hohe) des Bildes normiert wird. Das erfolgt in der Normierungsvorrichtung 14. Danach wird durch Logikschaltungen 15 der logerithmische Wert
der normierten Gewichte bestimmt.
Logarithmisches Gewicht des gewählten Kennzeichens:
gxL
Gewogene Wahrscheinlichkeit, dass ein Bild der Klasse y vorliegt, wenn
eine Eigenschaft χ mit dem Gewicht gx gewählt ist:
K (χ) = K(y|x) . ^ .
Logarithmische Wahrscheinlichkeit:
(x) = log Ky (x)
Diese Wahrscheinlichkeit wird durch Summierung der logarithmischen Wahrscheinlichkeit
K(y|x) aus der Lernmatrix und des logarithmischen9 normierten
Gewichts g ermittelt:
xL
xL
KyL(x) - K(y!x)L
In Fig. 14 ist angegeben, dass für jede Gruppe von Eigenschaften eine
Summierungsschaltung 16 vorhanden ist. Bei jeder Eigenschaftsgruppe erfolgt für
die gewählte Eigenschaft die Summierung pro Aspekt für alle Klassen. Es entsteht
609850/0769
also eine zweite Matrix 17 mit k Spalten, wobei k der Zahl der Schriftzeichenklassen
entspricht, und die Zeilenzahl mit der Zahl der gewählten Eigenschaften mal der Zahl der Aspekte übereinstimmt. Nachdem die zweite Matrix zum Erkennen
eines Bildes gefüllt ist, wird die logarithmische Wahrscheinlichkeit, dass das Schriftzeichen zu der Klasse y gehört, durch Summierung der Wahrscheinlichkexten
K (x) ermittelt.
y x '
Diese Summe ist Γ 3s
yL
x '
Das Muster wird derjenigen Klasse zugewiesen, für die Σ K am höchsten
yL ist. Der Maximalwert wird mit Hilfe des Maximumselektors 18 bestimmt. Die
Einführung von Gewichten, wie weiter oben beschrieben, führt zu einer Verbesserung
der Methode zur Bestimmung der Eigenschaften eines Schriftzeichenbilds, und die
berechneten Gewichte können überdies bei der Klassifizierung von Bildern
benutzt werden, wobei die gewählten Gewichte vorzugsweise nach den Abmessungen der Bilder normiert werden, und die Klassifizierung eines Bildes einerseits
durch die statistischen Frequenzen bestimmt wird, die in der benutzten Lernsammlung
der Eigenschaften vorkommen, die auch bei dem betr. Schriftzeichenbild
gewählt sind, und andererseits durch die Gewichte der für das betr. Bild gewählten Eigenschaften.
609850/0769
Claims (4)
- PATENTANSPRÜCHE(\jj Verfahren zum Erkennen von Schriftzeichen, wobei sowohl in der Lernphase als in der darauffolgenden Kannphase Eigenschaften von Schriftzeicheribildern nach einer Reihe ihrer Aspekte in eine Anzahl Gruppen klassifiziert und die Ergebnisse dieser Klassifizierungen in der Lernphase als Häufigkeitswerte in einem Speicher registriert und im Laufe der Kannphase die Resultate der Eigenschaftsklassifizierung eines neu erscheinenden Schriftzeichens benutzt werden, um die Wahrscheinlichkeit der gefundenen Eigenschaften dieses Schriftzeichens für jede einzelne Schriftzeichenklasse zu bestimmen, dadurch gekennzeichnet, dass jeder der Eigenschaften eines zu erkennenden Schriftzeichenbilds ein Gewicht zuerkannt wird, das von der Form des Bildes abhängig ist, worauf aufgrund des Werts der Gewichte Eigenschaften selektiert werden, deren in dem Speicher vorhandene Häufigkeitswerte mit den Werten der Gewichte multipliziert werden, und danach der Maximalwert aus der Reihe der Resultate für die Bezeichnung der Klasse benutzt wird.
- 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass Konfigurationen von Schriftzeichenelementen, die zu einer bestimmten Eigenschaft beitragen, mit einem positiven Zeichen und solche, die zu den übrigen Eigenschaften in der Gruppe beitragen, mit einem negativen Zeichen berücksichtigt werden, worauf pro Gruppe die Eigenschaft mit dem höchsten Gewicht selektiert wird.
- 3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der numerische Wert der Gewichte in einem von der Bildgrösse unabhängigen normierten Wert zum Ausdruck gebracht wird.
- 4. Vorrichtung für die Durchführung des Verfahrens nach den vorstehenden Ansprüchen mit einem Bildmanipulator und einer Lernmatrix, gekennzeichnet durch eine Anzahl Recheneinheiten (10) für das Berechnen der Gewichte der konstatierten Kennzeichen pro Aspekt des Schriftzeichenbildes; eine Anzahl Maximumselektoren (11), um aus jeder Gruppe von Eigenschaften pro Aspekt die Eigenschaft mit dem höchsten Gewicht zu wählen; eine Anzahl Codiervorrichtungen (12), um während der Lernphase für jeden Höchstwert den Speicher der Lernmatrix zu ergänzen; eine Anzahl Normierungsvorrichtungen (14), um den von den Selektoren (11) bestimmten Wert zu der Grosse des Bilds in dem betr. Aspekt ins Verhältnis zu setzen; eine Anzahl Logikschaltungen (15), um die logarithmischen Werte der Ergebnisse aus den Normierungsvorrichtungen (14) zu bestimmen; eine Anzahl Summierungsschaltungen (16), um die logarithmischen Werte aus den Logikschaltungen (15) den logarithmischen Werten der in der Lernmatrix pro Aspekt609850/0769für die betr. Eigenschaft in allen Schriftzeichenklassen registrierten Werten hinzuzuzählen; eine zweite Matrix (17) für die Speicherung der in den Summierungsschaltungen (16) für alle Schriftzeichenklassen gefundenen logarithmischen Werte und einen Maximumselektor (18) für die Bestimmung des Höchstwerts der Summe der Werte der Eigenschaften für alle Aspekte sämtlicher Schriftzeichenklassen.609850/0769L e e r s e i t e
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NL7506520.A NL165863C (nl) | 1975-06-02 | 1975-06-02 | Inrichting voor het herkennen van tekens. |
Publications (3)
Publication Number | Publication Date |
---|---|
DE2623861A1 true DE2623861A1 (de) | 1976-12-09 |
DE2623861B2 DE2623861B2 (de) | 1978-07-13 |
DE2623861C3 DE2623861C3 (de) | 1979-03-08 |
Family
ID=19823862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE762623861A Expired DE2623861C3 (de) | 1975-06-02 | 1976-05-28 | Verfahren zum maschinellen Lesen von Schriftzeichen |
Country Status (10)
Country | Link |
---|---|
US (1) | US4066999A (de) |
JP (1) | JPS527636A (de) |
BE (1) | BE842422A (de) |
CA (1) | CA1054718A (de) |
CH (1) | CH616255A5 (de) |
DE (1) | DE2623861C3 (de) |
FR (1) | FR2313717A1 (de) |
GB (1) | GB1515202A (de) |
NL (1) | NL165863C (de) |
SE (1) | SE435219B (de) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4177448A (en) * | 1978-06-26 | 1979-12-04 | International Business Machines Corporation | Character recognition system and method multi-bit curve vector processing |
DE2920041C2 (de) * | 1979-05-18 | 1986-09-04 | Philips Patentverwaltung Gmbh, 2000 Hamburg | Verfahren zum Verifizieren von Signalen, und Anordnung zum Durchführen des Verfahrens |
US4447715A (en) * | 1980-10-30 | 1984-05-08 | Vincent Vulcano | Sorting machine for sorting covers |
NL8006241A (nl) * | 1980-11-14 | 1982-06-01 | Nederlanden Staat | Inrichting voor het automatisch lezen van tekens. |
US4578812A (en) * | 1982-12-01 | 1986-03-25 | Nec Corporation | Digital image processing by hardware using cubic convolution interpolation |
US4599692A (en) * | 1984-01-16 | 1986-07-08 | Itt Corporation | Probabilistic learning element employing context drive searching |
US4593367A (en) * | 1984-01-16 | 1986-06-03 | Itt Corporation | Probabilistic learning element |
US4620286A (en) * | 1984-01-16 | 1986-10-28 | Itt Corporation | Probabilistic learning element |
US4599693A (en) * | 1984-01-16 | 1986-07-08 | Itt Corporation | Probabilistic learning system |
US4805225A (en) * | 1986-11-06 | 1989-02-14 | The Research Foundation Of The State University Of New York | Pattern recognition method and apparatus |
JPH04346187A (ja) * | 1991-05-23 | 1992-12-02 | Matsushita Electric Ind Co Ltd | 被検出物の良否判定方法 |
DE4133590A1 (de) * | 1991-07-03 | 1993-01-14 | Bosch Gmbh Robert | Verfahren zur klassifikation von signalen |
DE4436408C1 (de) * | 1994-10-12 | 1995-12-07 | Daimler Benz Ag | Mustererkennungsverfahren |
US7167587B2 (en) * | 2002-08-30 | 2007-01-23 | Lockheed Martin Corporation | Sequential classifier for use in pattern recognition system |
GB2434496B (en) * | 2005-07-14 | 2007-10-31 | Snell & Wilcox Ltd | Method and apparatus for analysing image data |
JP5663148B2 (ja) * | 2009-06-29 | 2015-02-04 | アズビル株式会社 | 計数装置、物理量センサ、計数方法および物理量計測方法 |
JP2011033525A (ja) * | 2009-08-04 | 2011-02-17 | Yamatake Corp | 計数装置、物理量センサ、計数方法および物理量計測方法 |
JP5702536B2 (ja) * | 2010-01-05 | 2015-04-15 | アズビル株式会社 | 速度計測装置および方法 |
CN102792183B (zh) | 2010-03-10 | 2014-11-26 | 阿自倍尔株式会社 | 物理量传感器以及物理量测量方法 |
CN114934467B (zh) * | 2022-07-08 | 2024-04-30 | 江苏永达电力金具有限公司 | 一种车位道闸控制方法、车位道闸系统及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3275986A (en) * | 1962-06-14 | 1966-09-27 | Gen Dynamics Corp | Pattern recognition systems |
US3341814A (en) * | 1962-07-11 | 1967-09-12 | Burroughs Corp | Character recognition |
US3588823A (en) * | 1968-03-28 | 1971-06-28 | Ibm | Mutual information derived tree structure in an adaptive pattern recognition system |
GB1233459A (de) * | 1968-07-15 | 1971-05-26 | ||
JPS518699B1 (de) * | 1970-11-09 | 1976-03-19 |
-
1975
- 1975-06-02 NL NL7506520.A patent/NL165863C/xx not_active IP Right Cessation
-
1976
- 1976-05-25 SE SE7605957A patent/SE435219B/xx not_active IP Right Cessation
- 1976-05-25 CH CH657876A patent/CH616255A5/de not_active IP Right Cessation
- 1976-05-27 CA CA253532A patent/CA1054718A/en not_active Expired
- 1976-05-28 GB GB22418/76A patent/GB1515202A/en not_active Expired
- 1976-05-28 DE DE762623861A patent/DE2623861C3/de not_active Expired
- 1976-05-28 US US05/690,855 patent/US4066999A/en not_active Expired - Lifetime
- 1976-05-31 BE BE7000831A patent/BE842422A/xx not_active IP Right Cessation
- 1976-06-02 JP JP51063659A patent/JPS527636A/ja active Granted
- 1976-06-02 FR FR7616700A patent/FR2313717A1/fr active Granted
Also Published As
Publication number | Publication date |
---|---|
DE2623861C3 (de) | 1979-03-08 |
NL165863C (nl) | 1981-05-15 |
SE7605957L (sv) | 1976-12-03 |
CH616255A5 (de) | 1980-03-14 |
CA1054718A (en) | 1979-05-15 |
JPS5744186B2 (de) | 1982-09-20 |
DE2623861B2 (de) | 1978-07-13 |
SE435219B (sv) | 1984-09-10 |
BE842422A (nl) | 1976-09-16 |
GB1515202A (en) | 1978-06-21 |
FR2313717B1 (de) | 1979-06-22 |
FR2313717A1 (fr) | 1976-12-31 |
US4066999A (en) | 1978-01-03 |
NL165863B (nl) | 1980-12-15 |
NL7506520A (nl) | 1976-12-06 |
JPS527636A (en) | 1977-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE2623861A1 (de) | Verfahren zum erkennen von schriftzeichen | |
DE3687460T2 (de) | Aufloesungsumwandlung von punktorganisierten bildern unter verwendung von fehlergliedmittelwertbildung. | |
DE2432129C3 (de) | Verfahren zum maschinellen Lesen von Zeichen und Vorrichtung zur Durchführung des Verfahrens | |
DE2017667A1 (de) | Verfahren zum Aufbau einer elektn sehen Schaltung mit einer Vielzahl von miteinander zu verbindenden Bauelementen | |
DE1225426B (de) | Verfahren und Schaltungsanordnung zur maschinellen Erkennung von Zeichen | |
DE3501272A1 (de) | Adaptives, selbstausbesserndes prozessorfeld | |
DE2213953C3 (de) | Schaltungsanordnung zum Darstellen von Zeichen auf dem Bildschirm eines Sichtgerätes | |
DE2002011A1 (de) | System zur Sichtbarmachung von Buchstaben auf einem Bildschirm | |
DE68925312T2 (de) | Verfahren zur Pixelfarbenwahrscheinlichkeitsbestimmung zur Verwendung in OCR-Logik | |
DE2303485A1 (de) | Verfahren und anordnung zum skelettieren von zeichen | |
DE102012025349B4 (de) | Bestimmung eines Ähnlichkeitsmaßes und Verarbeitung von Dokumenten | |
EP0043571A2 (de) | Schaltungsanordnung zur maschinellen Zeichenerkennung | |
DE112019001959T5 (de) | Segmentieren unregelmässiger formen in bildern unter verwendung von tiefem bereichswachstum | |
DE2159307A1 (de) | Verfahren und schaltung zur durchfuehrung dieses verfahrens zur zentrierung eines in die auswerteinrichtung einer zeichenerkennungsmaschine eingegebenen zeichens | |
DE1091783B (de) | Verfahren und Einrichtung zur Darstellung von Schriftzeichen auf dem Bildschirm einer Kathodenstrahlroehre | |
DE202022102752U1 (de) | Ein neuartiges System gestapelter paralleler Faltungsschichten mit einem Aufmerksamkeitsmodul zur Klassifizierung von Bildern diabetischer Fußgeschwüre und normaler Haut | |
DE102020207613A1 (de) | Verfahren zur Bewertung einer Schnittkante eines Körpers | |
DE1549719A1 (de) | Einrichtung zur Zeichenerkennung | |
EP0657053B1 (de) | Verfahren zum entwurf eines neuronalen netzes und danach erhaltenes neuronales netz | |
DE102022207482B4 (de) | Computerimplementiertes Verfahren zum Bestimmen eines Datenqualitätsindex, Computerprogramm und Steuereinheit | |
DE102022131760A1 (de) | Modellgenerierungsverfahren, modellgenerierungsprogramm, modellgenerierungsvorrichtung und datenverarbeitungsvorrichtung | |
DE202023103509U1 (de) | Ein System für beziehungsbasiertes neues K-Linien-Clustering | |
DE1008935C2 (de) | Kombinierte numerische und nichtnumerische Rechenmaschine | |
DE2227016C3 (de) | Bildklassifikationseinrichtung zur Wiedererkennung geometrischer Zeichen, insbesondere Schriftzeichen | |
DE202022101031U1 (de) | Ein auf Feedback und Empfehlungen basierendes System zur Bewertung der städtischen Architektur |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C3 | Grant after two publication steps (3rd publication) | ||
8339 | Ceased/non-payment of the annual fee |