JP2021182328A - 文字認識装置及び文字認識方法 - Google Patents

Abstract

【課題】動的又は静的なノイズの共存を前提とする文字認識の精度を向上させる。【解決手段】本発明の文字認識装置は、見本としての文字画像の第１の部分を平滑化するとともに、文字画像の第２の部分を鮮鋭化する鮮鋭化処理部と、平滑化した文字画像及び鮮鋭化した文字画像を教師付き学習データとして、文字画像から文字を認識する認識モデルを学習する学習処理部と、学習した認識モデルを使用して、認識対象としての文字画像から文字を認識する文字認識部と、を備えることを特徴とする。【選択図】図３

Description

本発明は、文字認識装置及び文字認識方法に関する。

近時、コンピュータを使用した文字認識が広く普及している。文字認識とは、単純にいえば、文字を撮像した画像を文字コードに変換する処理である。そして、ニューラルネットワーク等の認識モデルが当該処理を担う場合が多い。

カメラ等が撮像した文字の画像が活字のような原形を維持している場合、問題はない。しかしながら、例えば、機材に文字が表示されている場合、文字上に汚れが付着している、機材の配置に起因して文字が傾いて見える等、現場特有の問題が存在することもある。現場の事情によっては、このような問題を解決できないまま、カメラ等が文字を撮像せざるを得ない。すると、認識モデルを学習するために、このような事情を反映（先取）した教師付き学習データを作成することが重要になる。なお、“教師付き”とは、正解がラベル付けされている、という意味である。

特許文献１の画像処理装置は、正立位置を基準として左右に僅かに傾斜させた、複数の書体の文字を教師付き学習データとする。特許文献２の文字認識装置は、文字の画像を構成する５×７個の画素値を意図的に加工したデータを教師付き学習データとする。ここでの加工は、画素値の平行移動、画素値の回転及びノイズの加減である。特許文献３の画像処理装置は、路上で撮像された投稿画像から、輪郭が強調された画像を作成し、輪郭が強調された画像から、撮像地点の地名を抽出する。特許文献３の画像処理装置は、画像見本を意図的にぼかした画像を教師付き学習データとする。

特開２０１７−８４２９９号公報 特開平５−５４１９５号公報 特開２０１９−６７１０６号公報

いま、ある機材に文字が表示されており、当該機材は、長期間水中に保管されているとする。ごみ、化学物質等が水に入り込んだ結果、機材には汚れが付着している。この水に対して熱が加わった結果、機材の周辺で対流、気泡が生じている。このような環境で撮像された文字は、その一部が汚れでかき消され、また、タイミングが悪いと、気泡又は対流によってその像が揺らいでしまう。前者の汚れは、静的つまり恒常的なものであり、文字の認識に資する場合もある。後者の揺らぎは、動的つまり一時的なものであり、その影響を取り除くことが望ましい。つまり、これら２種類のノイズのそれぞれに対して適切に対処すれば、文字認識の精度は向上するはずである。

特許文献１〜３は、このような２種類のノイズの存在を前提としていない。そこで、本発明は、動的又は静的なノイズの共存を前提とする文字認識の精度を向上させることを目的とする。

本発明の文字認識装置は、見本としての文字画像の第１の部分を平滑化するとともに、文字画像の第２の部分を鮮鋭化する鮮鋭化処理部と、平滑化した文字画像及び鮮鋭化した文字画像を教師付き学習データとして、文字画像から文字を認識する認識モデルを学習する学習処理部と、学習した認識モデルを使用して、認識対象としての文字画像から文字を認識する文字認識部と、を備えることを特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。

本発明によれば、動的又は静的なノイズの共存を前提とする文字認識の精度を向上させることができる。

文字認識装置の構成等を示す図である。 文字が撮像される現場を説明する図である。 画像見本の一例である。 学習処理手順のフローチャートである。 認識処理手順のフローチャートである。 係数の値を２つとする例を説明する図である。 係数の値を３つとする例を説明する図である。

以降、本発明を実施するための形態（“本実施形態”という）を、図等を参照しながら詳細に説明する。本実施形態は、水中において撮像された文字の画像を認識する例である。しかしながら、本発明は、水中に限らず、文字の画像が静的及び動的なノイズに影響される例に広く適用可能である。

（文字認識装置）
図１は、文字認識装置１の構成等を示す図である。文字認識装置１は、一般的なコンピュータであり、中央制御装置１１、マウス、キーボード等の入力装置１２、ディスプレイ等の出力装置１３、主記憶装置１４、補助記憶装置１５及び通信装置１６を備える。これらは、バスで相互に接続されている。補助記憶装置１５は、画像見本３１、認識モデル３２及び教師付き学習データ３３（いずれも詳細後記）を格納している。

主記憶装置１４における画像入力部２１、鮮鋭化処理部２２、係数制御部２３、ノイズ重畳部２４、学習処理部２５及び文字認識部２６は、プログラムである。中央制御装置１１は、これらのプログラムを補助記憶装置１５から読み出し主記憶装置１４にロードすることによって、それぞれのプログラムの機能（詳細後記）を実現する。補助記憶装置１５は、文字認識装置１から独立した構成となっていてもよい。文字認識装置１は、ネットワーク４を介して、１又は複数の端末装置２及び１又は複数のカメラ３と通信可能である。

端末装置２は、現場で作業を行う作業者等によって携帯される。カメラ３は、機材等の近辺に設置され、当該機材上の文字を読み取る。

（現場）
図２は、文字が撮像される現場を説明する図である。容器４１内に複数の原料（棒状のケースに入った確認対象物）５が配置されている。容器４１内に、水４２が貯留されており、その水位は、原料５を完全に水没させる程度に高い。防水仕様のカメラ３が原料５の外側に記載された文字を撮像している。当該文字は、例えば原料を一意に特定する識別子（原料ＩＤ）である。なお、ここの“原料”は、確認対象物の一例であり、確認対処物は、例えば、水没した原子力燃料であってもよい。原子力発電所の長い運用期間において、燃料はしばしば点検され交換される。その際の管理を徹底するために、水没した原子力燃料を正確に識別するニーズが存在する。

例えば、メンテナンス期間中に、カメラ３が水中の文字を撮像する機会が頻繁に発生する。容器４１の中に異物が入り込むことも多く、それが汚れとなって原料５に付着する。容器４１は熱を有しており、水中で頻繁に対流及び気泡が発生する。

（画像見本）
図３は、画像見本の一例である。画像見本４３は、図２のカメラ３が原料５を撮像した結果の画像である。図３を見ると以下のことがわかる。なお、説明の便宜上、本実施形態では、文字及び数字を（広義の）文字と呼ぶ。

・文字“Ｒ”の一部に、汚れ４４ａが付着している。ここで“付着”とは、こびり付いており簡単には除去し得ないことを意味する。その結果、この文字が“Ｒ”であるのか、それとも、“Ｐ”であるのかが認識しにくくなっている。
・文字“０（ゼロ）”の一部に、汚れ４４ｂが付着している。その結果、この文字が数字の“０”であるのか、それとも、アルファベットの“Ｏ”であるのかが認識しにくくなっている。

・文字“１”の近辺に、気泡４５ａ及び４５ｂが発生している。これらの気泡は、画面の下から上に移動していた。偶々撮像時、気泡４５ａが“１”の下部を隠し、気泡４５ｂが“１”の上部を隠していた。その結果、この文字が“１”であるのか、それとも、アルファベットの“Ｉ”であるのかが認識しにくくなっている。

汚れ４４ａ及び４４ｂは、必ずしも無益ではない。文字が刻印されているような場合、例えば“Ｒ”に独特な汚れの付き方、“Ｐ”に独特な汚れの付き方等が存在する。このような汚れは鮮鋭化（強調）すれば、むしろ文字の認識精度を向上させる。一方、汚れ４５ａ及び４５ｂは、全く偶然に発生し、このような効果は期待できない。

（平滑化及び鮮鋭化）
２次元に整列している画素値を、ある規則に基づき変更することができる。ある画素値とその周囲の画素値との差分を拡大する処理は、鮮鋭化処理と呼ばれる。例えば境界を明確にするために鮮鋭化処理がなされる。その反対に、ある画素値とその周囲の画素値との差分を縮小する処理は、平滑化（ぼかし）処理と呼ばれる。例えば、ノイズを消去するため又は他の部分を強調するために、平滑化処理がなされる。

（オペレータ）
ある画素を平滑化又は鮮鋭化するために、当該画素を中心としその周囲の画素を含むｎ×ｎ（ｎ＝３、５、９、・・）の行列が使用される。本実施形態において、この行列に対して係数“ｋ”を乗算したものは、 “オペレータ”とも呼ばれる。本実施形態のオペレータは、“平滑化オペレータ”及び“鮮鋭化オペレータ”の２種類である。

（平滑化オペレータ）
式１は、平滑化オペレータの一例である。

式１において、３×３の行列の中心の値は、“−８”であり、周囲の８つの値は、すべて“１”である。この行列は、一般的な畳み込み演算をするために使用される。平滑化オペレータは、この行列に係数“ｋ”（０≦ｋ）を乗算したものである。

（鮮鋭化オペレータ）
式２は、鮮鋭化オペレータの一例である。

鮮鋭化オペレータは、平滑化オペレータで原画像を平滑化した後、原画像との差分によって境界を抽出し、原画像に境界を重畳して鮮鋭化するためのものである。

式１の行列及び式２の行列における、“１”及び“−８”という値は、あくまでも一例である。係数“ｋ”の値を変化させることによって、平滑化オペレータの効果及び鮮鋭化オペレータの効果を同時に制御することができる。もちろん、平滑化オペレータ又は鮮鋭化オペレータの少なくとも一方のみが係数“ｋ”を含むこととしてもよい。

（鮮鋭化の準備としての平滑化）
ユーザにとって、見本画像のうち平滑化又は鮮鋭化するべき部分を決定することは容易でない。文字認識装置１が、汚れ等の静的ノイズの部分を鮮鋭化し、気泡等の動的ノイズの部分を平滑化するのが効果的である。さらに、文字認識装置１が、見本画像の全体を一旦試験的に平滑化し、その結果文字認識が困難になった部分を選択的かつ最終的に鮮鋭化するのも効果的である。

（認識モデル）
本実施形態の認識モデル３２は、一般的なニューラルネットワーク（図示せず）である。認識モデル３２は、入力層、出力層、及び、複数の中間層を有する。各層は、複数のノードを有する。ノードは、自身が受け取った情報を、出力側の次の層の各ノードに伝搬する。このとき、どのノードにどれだけの情報を伝搬するかを示したものが“重みベクトル”である。重みベクトルは、入力層及び中間層の各ノードについて定義される。“重みベクトル”は、一般的に“パラメータ”と呼ばれる。文字認識装置１は、教師付き学習データ３３を使用して、パラメータを最適化する（詳細後記）。

（処理手順）
以降で処理手順を説明する。処理手順は２つ存在し、それらは、学習処理手順及び認識処理手順である。認識処理手順を開始する前提として、学習処理手順が少なくとも１回終了しているものとする。

（学習処理手順）
図４は、学習処理手順のフローチャートである。
ステップＳ１０１において、文字認識装置１の画像入力部２１は、見本画像を受け付ける。具体的には、画像入力部２１は、文字を撮像した見本としての画像をユーザが入力装置１２を介して入力するのを受け付ける。ここで入力される画像（以降“見本画像”とも呼ぶ）の枚数は、多ければ多いほどよいが、例えば数百枚程度である。

ステップＳ１０２において、文字認識装置１の係数制御部２３は、係数を初期化する。具体的には、係数制御部２３は、係数“ｋ”に初期値“０”を代入する。ここでの“ｋ” （０≦ｋ）は、鮮鋭化オペレータ及び平滑化オペレータに含まれる“ｋ”である。なお、“ｋ”の初期値は、必ずしも“０”でなくてもよく、例えば、“０.３”でもよい。“ｋ＝０”である場合、見本画像は、平滑化も鮮鋭化もされない。

ステップＳ１０３において、文字認識装置１の鮮鋭化処理部２２は、見本画像の一部に平滑化処理を行う。本実施形態では、説明の単純化のため、鮮鋭化処理部２２が、平滑化処理及び鮮鋭化処理の両者を行うものとする。具体的には、第１に、鮮鋭化処理部２２は、見本画像を出力装置１３に表示する。

第２に、鮮鋭化処理部２２は、見本画像のうちの平滑化対象部分をユーザがマウス等で指定するのを受け付ける。平滑化対象部分（第１の部分）とは、例えば、気泡等の動的ノイズ（図３の符号４５ａ及び４５ｂ）を含む箇所である。
第３に、鮮鋭化処理部２２は、平滑化オペレータを使用して、ステップＳ１０３の“第２”において指定された平滑化対象部分を平滑化する。
なお、鮮鋭化処理部２２は、ユーザの指定を受け付けるまでもなく、自動的に平滑化対象部分を抽出してもよい。“ｋ＝０”である場合、ステップＳ１０３は、省略され得る。

ステップＳ１０４において、鮮鋭化処理部２２は、見本画像の一部に鮮鋭化処理を行う。具体的には、第１に、鮮鋭化処理部２２は、見本画像のうちの鮮鋭化対象部分をユーザがマウス等で指定するのを受け付ける。鮮鋭化対象部分（第２の部分）とは、例えば、汚れ等の静的ノイズ（図３の符号４４ａ及び４４ｂ）を含む箇所である。
第２に、鮮鋭化処理部２２は、鮮鋭化オペレータを使用して、ステップＳ１０４の“第１”において指定された鮮鋭化対象部分を鮮鋭化する。
なお、鮮鋭化処理部２２は、ユーザの指定を受け付けるまでもなく、自動的に鮮鋭化対象部分を抽出してもよい。なお、鮮鋭化対象部分の抽出のために試験的に平滑化を行う変形例１を後記する。“ｋ＝０”である場合、ステップＳ１０４は、省略され得る。

ステップＳ１０５において、文字認識装置１のノイズ重畳部２４は、見本画像の一部にノイズを重畳する。ユーザが見本画像を入力して行くうちに、図３において説明したノイズとは別に、ある種類のノイズが傾向的に出現することに気付く場合がある。そして、そのようなノイズが認識対象の画像にも出現することが相当の確率で予測される場合がある。ここでの傾向的なノイズの例は、以下の通りである。

・原料５に、その位置特有の光が差し込む。
・原料５に、その位置特有の陰が落ちる。
・原料５に、使用中のカメラ３に特有の歪が反映される。
このような場合、ノイズ重畳部２４は、見本画像のうちユーザが指定した部分（第３の部分）に、一様なノイズを重畳する。ステップＳ１０５は、省略されてもよい。

ステップＳ１０６において、文字認識装置１の学習処理部２５は、見本画像にラベル（正解）を付す。具体的には、学習処理部２５は、ユーザが見本画像を視認し、そこから認識し得る文字を、入力装置１２を介して入力するのを受け付ける。ユーザが入力した文字が、教師付き学習データ３３のラベル（正解）となる。ここでのラベルは、例えば原料ＩＤである。学習処理部２５にとって、このラベルは所与のものである。

ステップＳ１０３〜Ｓ１０６が終了した段階で、処理済の見本画像が例えば数百枚程度蓄積されている。処理済の見本画像は、以下のタイプ１〜４のいずれかに属する。
〈タイプ１〉１又は複数の部分が平滑化されている。
〈タイプ２〉１又は複数の部分が鮮鋭化されている。
〈タイプ３〉１又は複数の部分が平滑化されており、他の１又は複数の部分が鮮鋭化されている。
〈タイプ４〉平滑化又は鮮鋭化されている部分がない。
なお、タイプ１〜４のいずれにおいても、１又は複数の部分にノイズが重畳されている場合と、重畳されていない場合がある。

ステップＳ１０７において、学習処理部２５は、教師付き学習データ３３を作成する。具体的には、学習処理部２５は、処理済の見本画像とラベル（正解）との組を、教師付き学習データ３３として補助記憶装置１５に記憶する。

ステップＳ１０８において、学習処理部２５は、認識モデル３２のパラメータに適当な値を代入する。具体的には、学習処理部２５は、補助記憶装置１５から認識モデル３２を読み出し、無作為に発生させた値をそのパラメータに代入する。

ステップＳ１０９において、学習処理部２５は、認識モデル３２に見本画像を入力する。具体的には、第１に、学習処理部２５は、認識モデル３２の入力層に見本画像を入力する。すると、認識モデル３２の出力層は、認識結果（推定値）として例えば原料ＩＤを出力する。初めのうちは、全くでたらめな原料ＩＤが出力される。
第２に、学習処理部２５は、画像見本と認識結果（推定値）との組合せを、画像見本の数だけ一時的に主記憶装置１４に記憶する。

ステップＳ１１０において、学習処理部２５は、認識結果とラベルとを比較する。具体的には、学習処理部２５は、ステップＳ１０９の“第２”において記憶した組合せに含まれる認識結果を、ステップＳ１０６において付したラベルと比較し、比較結果を生成する。比較結果は、“一致”又は“不一致”のいずれかである。

ステップＳ１１１において、学習処理部２５は、認識モデル３２のパラメータを評価する。具体的には、学習処理部２５は、以下の式に基づき認識精度を算出する。
認識精度＝“一致”の数／（“一致”の数＋“不一致”の数）
なお、ステップＳ１１１において損失関数値を使用する変形例２を後記する。

ステップＳ１１２において、学習処理部２５は、繰り返し回数が所定の閾値に達したか否かを判断する。具体的には、学習処理部２５は、ステップＳ１０８〜Ｓ１１１を繰り返した回数が所定の閾値に達した場合（ステップＳ１１２“Ｙｅｓ”）、ステップＳ１１３に進み、それ以外の場合（ステップＳ１１２“Ｎｏ”）、ステップＳ１０８に戻る。戻った後のステップＳ１０８においては、学習処理部２５は、認識モデル３２のパラメータに、無作為に発生させた別の値を代入することになる。

ステップＳ１１２の“Ｙｅｓ”を経由する段階で、学習処理部２５は、繰り返し回数に等しい数の認識精度を保持していることになる。

ステップＳ１１３において、学習処理部２５は、認識精度が所定の条件を満たすか否かを判断する。具体的には、第１に、学習処理部２５は、保持しているすべての認識精度のうち最大のものを特定し、特定した認識精度が所定の閾値以上であるか否かを判断する。
第２に、学習処理部２５は、特定した認識精度が所定の閾値以上である場合（ステップＳ１１３“Ｙｅｓ”）、処理中の係数“ｋ”の値、及び、ステップ１１３の“第１”において特定した認識精度に対応するパラメータを保持してステップＳ１１５に進む。学習処理部２５は、それ以外の場合（ステップＳ１１３“Ｎｏ”）、ステップＳ１１４に進む。

ステップＳ１１４において、文字認識装置１の係数制御部２３は、係数を変更する。具体的には、係数制御部２３は、係数ｋに対してΔｋを加算する。Δｋは、ｋの刻み幅であり、例えば“Δｋ＝０.１”である。その後、ステップＳ１０３に戻る。戻った後のステップＳ１０３においては、見本画像の平滑化対象部分は、より大きな程度で平滑化される。その後のステップＳ１０４においては、見本画像の鮮鋭化対象部分は、より大きな程度で鮮鋭化される。

ステップＳ１１５において、文字認識装置１の学習処理部２５は、パラメータ及び係数を保存する。具体的には、学習処理部２５は、ステップＳ１１３の“第２”において保持した係数ｋの値及びパラメータを補助記憶装置１５に記憶する。その後、学習処理手順を終了する。

（変形例１）
ステップＳ１０４において、第１に、鮮鋭化処理部２２は、見本画像のうち既に平滑化された平滑化対象部分以外の全ての部分に対し平滑化処理を行う。ここで平滑化処理が行われた部分を“試験平滑化部分”と呼ぶ。
第２に、鮮鋭化処理部２２は、ユーザが試験平滑化部分のうち、文字等を認識することが困難になった箇所を鮮鋭化対象部分として指定するのを受け付ける。もちろん、鮮鋭化処理部２２は、ユーザの指定を受け付けるまでもなく、自動的に試験平滑化部分から鮮鋭化対象部分を抽出してもよい。鮮鋭化処理部２２は、周辺の画素値との差が小さい画素値が存在する部分を鮮鋭化対象部分とする。

（変形例２）
前記のステップＳ１１１において算出された認識精度は、“一致”及び“不一致”を２値的に評価した結果であり、“惜しい不一致”の内容を連続的な数値として評価していない。学習処理部２５は、以下の損失関数値を使用して、不一致の内容を連続的な数値として評価してもよい。以降、まず損失関数値を定義し、次に損失関数値の各項を説明する。

損失関数値＝領域に対象物があった場合の、対象物のｘ，ｙ座標の誤差
＋領域に対象物があった場合の、対象物の横幅及び高さの誤差
＋領域に対象物があった場合の、領域の信頼度の誤差
＋領域に対象物がなかった場合の、領域の信頼度の誤差
＋領域に対象物があった場合の、対象物の属性の誤差

損失関数値を使用する場合、学習処理部２５は、見本画像を認識モデル３２に入力し、その出力として以下の認識結果（推定値）を取得する。
〈右辺の第１項に関して〉
カメラ３の視野（領域）内における、対象物（例えば、原料ＩＤが記載された長方形のプレート）の中心のｘ，ｙ座標値
〈右辺の第２項に関して〉
カメラ３の視野内における、対象物の横幅及び大きさ
〈右辺の第３項及び第４項に関して〉
カメラ３の視野内における、対象物の有無
〈右辺の第５項に関して〉
認識すべき情報（例えば原料ＩＤ）

学習処理部２５は、認識結果と見本画像（正解）との差分を誤差として算出する。文字列同士の誤差は、例えば文字の編集距離であってもよい。信頼度とは、認識結果としての対象物の“有”又は“無”が見本画像（正解）と一致する比率である。稀な例ではあるが、見本画像が原料ＩＤの文字を含まない場合、認識結果が“無”となって一致するのが正しい。認識モデル３２のパラメータの質が向上するほど、損失関数値は小さくなる。

損失関数値もまた、認識精度の一種である。しかしながら、ステップＳ１１３の“第１”においては、学習処理部２５は、保持しているすべての認識精度（損失関数値）のうち最小のものを特定し、特定した認識精度が所定の閾値以下であるか否かを判断する。ステップＳ１１３の“第２”においては、学習処理部２５は、特定した認識精度（損失関数値）が所定の閾値以下である場合（ステップＳ１１３“Ｙｅｓ”）、処理中の係数ｋの値、及び、ステップ１１３の“第１”において特定した認識精度に対応するパラメータを保持してステップＳ１１５に進む。学習処理部２５は、それ以外の場合（ステップＳ１１３“Ｎｏ”）、ステップＳ１１４に進む。

（変形例３）
前記の例では、教師付き学習データは、平滑化処理又は鮮鋭化処理が行われた見本画像のみを含み、その元となった見本画像を含んでいない。しかしながら、教師付き学習データは、処理後の見本画像に加えて、元の見本画像を含んでもよい。

（認識処理手順）
図５は、認識処理手順のフローチャートである。
ステップＳ２０１において、文字認識装置１の文字認識部２６は、認識対象の画像を受け付ける。具体的には、文字認識部２６は、認識対象としての画像（どのような文字が撮像されているかが未知である画像）をユーザが入力装置１２を介して入力するのを受け付ける。

ステップＳ２０２において、文字認識部２６は、認識モデル３２に画像を入力する。具体的には、文字認識部２６は、パラメータが最適化されている認識モデル３２の入力層に、認識対象としての画像を入力する。すると、認識モデル３２の出力層は、認識結果として例えば原料ＩＤを出力する。

ステップＳ２０３において、文字認識部２６は、認識モデル３２の認識結果を取得する。具体的には、第１に、文字認識部２６は、認識モデル３２の出力層が出力する認識結果を取得する。
第２に、文字認識部２６は、認識結果（例えば、原料ＩＤ）を出力装置１２又は端末装置２に表示する。その後、認識処理手順を終了する。

（係数ｋの値の数）
前記では、繰り返し処理の結果、学習処理部２５は、最終的にｋの値を１つに定める。しかしながら、学習処理部２５は、最終的なｋの値を、ｋ_１、ｋ_２、ｋ_３、・・・のように複数の値としてもよい。

図６は、係数の値を２つとする例を説明する図である。学習処理手順（図４）のステップＳ１０３〜Ｓ１１４の１回目の繰り返し処理において、学習処理部２５は、“ｋ_１＝０.０”及び“ｋ_２＝０.１”を同時に準備する。そのうえで、ｋ_１又はｋ_２を適用する教師付き学習データの見本画像を適当な配分比率で分割する。図６の例の場合、ｋ_１が適用される見本画像の配分比率は、見本画像全体の１／２であり、ｋ_２が適用される見本画像の配分比率も、１／２である。

結局、小さめの平滑化処理、大きめの平滑化処理、小さめの鮮鋭化処理及び大きめの鮮鋭化処理が、１回目の繰り返し処理内で混在することになる。２回目の繰り返し処理において、学習処理部２５は、“ｋ_１＝０.１”及び“ｋ_２＝０.２”を準備する。その後は前記と同様である。

図７は、係数の値を３つとする例を説明する図である。学習処理手順（図４）のステップＳ１０３〜Ｓ１１４の１回目の繰り返し処理において、学習処理部２５は、“ｋ_１＝０.０”、“ｋ_２＝０.１” 及び“ｋ_３＝０.２”を同時に準備する。そのうえで、ｋ_１、ｋ_２又はｋ_３を適用する教師付き学習データの見本画像を適当な配分比率で分割する。図７の例の場合、ｋ_１が適用される見本画像の配分比率は、見本画像全体の１／３であり、ｋ_２が適用される見本画像の配分比率も、１／３であり、ｋ_３が適用される見本画像の配分比率も、１／３である。

結局、小さめの平滑化処理、中程度の平滑化処理、大きめの平滑化処理、小さめの鮮鋭化処理、中程度の鮮鋭化処理及び大きめの鮮鋭化処理が、１回目の繰り返し処理内で混在することになる。２回目の繰り返し処理において、学習処理部２５は、“ｋ_１＝０.１”、“ｋ_２＝０.２”及び“ｋ_３＝０.３”を準備する。その後は前記と同様である。

（変形例４）
前記では、同じ値の“ｋ”が同時に平滑化オペレータ及び鮮鋭化オペレータに含まれる例を記載した。しかしながら、ある値の“ｋ”が平滑化オペレータに含まれ、それと同時に、他の値の“ｋ”が鮮鋭化オペレータに含まれてもよい。つまり、平滑化の程度と鮮鋭化の程度は、独立していてもよい。

（本実施形態の効果）
本実施形態の文字認識装置の効果は以下の通りである。
（１）文字認識装置は、見本画像に対して平滑化処理及び鮮鋭化処理を同時に行うことができる。
（２）文字認識装置は、係数を使用して平滑化の程度及び鮮鋭化の程度を制御することができる。
（３）文字認識装置は、見本画像に傾向的なノイズを重畳することができる。

（４）文字認識装置は、所定の基準を満たすように係数を決定することができる。
（５）文字認識装置は、連続的な認識精度に対して所定の基準を適用することができる。
（６）文字認識装置は、平滑化の程度及び鮮鋭化の程度を複数混在させることができる。
（７）文字認識装置は、静的なノイズ及び動的なノイズが混在する画像を高い精度で認識することができる。
（８）文字認識装置は、水中の文字を正確に認識することができる。
（９）文字認識装置は、水没した原子力燃料に記された文字を正確に認識することができる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

１ 文字認識装置
２ 端末装置
３ カメラ
４ ネットワーク
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
１６ 通信装置
２１ 画像入力部
２２ 鮮鋭化処理部
２３ 係数制御部
２４ ノイズ重畳部
２５ 学習処理部
２６ 文字認識部
３１ 画像見本
３２ 認識モデル
３３ 教師付き学習データ

Claims (10)

1. 見本としての文字画像の第１の部分を平滑化するとともに、前記文字画像の第２の部分を鮮鋭化する鮮鋭化処理部と、
   前記平滑化した文字画像及び前記鮮鋭化した文字画像を教師付き学習データとして、文字画像から文字を認識する認識モデルを学習する学習処理部と、
   前記学習した認識モデルを使用して、認識対象としての文字画像から文字を認識する文字認識部と、
   を備えることを特徴とする文字認識装置。
2. 前記平滑化の程度及び前記鮮鋭化の程度の少なくとも一方を規定する係数を制御する係数制御部を備えること、
   を特徴とする請求項１に記載の文字認識装置。
3. 前記見本としての文字画像の第３の部分に傾向的なノイズが出現する場合、前記第３の部分にノイズを重畳するノイズ重畳部を備えること、
   を特徴とする請求項２に記載の文字認識装置。
4. 前記係数制御部は、
   前記認識モデルの認識精度が所定の基準を満たす程度に前記係数を決定すること、
   を特徴とする請求項３に記載の文字認識装置。
5. 前記係数制御部は、
   損失関数値を使用して前記認識精度を算出すること、
   を特徴とする請求項４に記載の文字認識装置。
6. 前記係数制御部は、
   前記係数の値として複数の値を指定し、
   前記鮮鋭化処理部は、
   前記見本としての文字画像についての前記平滑化の程度又は前記鮮鋭化の程度を複数混在させること、
   を特徴とする請求項５に記載の文字認識装置。
7. 前記第１の部分は、
   動的なノイズを含み、
   前記第２の部分は、
   静的なノイズを含むこと、
   を特徴とする請求項６に記載の文字認識装置。
8. 水没した物体に記された文字を撮像した見本としての文字画像の第１の部分を平滑化するとともに、前記文字画像の第２の部分を鮮鋭化する鮮鋭化処理部と、
   前記平滑化した文字画像及び前記鮮鋭化した文字画像を教師付き学習データとして、文字画像から文字を認識する認識モデルを学習する学習処理部と、
   前記学習した認識モデルを使用して、水没した物体に記された文字を撮像した認識対象としての文字画像から文字を認識する文字認識部と、
   を備えることを特徴とする文字認識装置。
9. 前記水没した物体は、
   水没した原子力燃料であること、
   を特徴とする前記８に記載の文字認識装置。
10. 文字認識装置の鮮鋭化処理部は、
    見本としての文字画像の第１の部分を平滑化するとともに、前記文字画像の第２の部分を鮮鋭化し、
    前記文字認識装置の学習処理部は、
    前記平滑化した文字画像及び前記鮮鋭化した文字画像を教師付き学習データとして、文字画像から文字を認識する認識モデルを学習し、
    前記文字認識装置の文字認識部は、
    前記学習した認識モデルを使用して、認識対象としての文字画像から文字を認識すること、
    を特徴とする文字認識装置の文字認識方法。

Images