JP2618486B2

JP2618486B2 - パターン認識方法

Info

Publication number: JP2618486B2
Application number: JP1179071A
Authority: JP
Inventors: 伸二松井
Original assignee: Fuji Electric Co Ltd
Current assignee: Fuji Electric Co Ltd
Priority date: 1989-07-13
Filing date: 1989-07-13
Publication date: 1997-06-11
Anticipated expiration: 2012-06-11
Also published as: JPH0344790A

Description

【発明の詳細な説明】〔産業上の利用分野〕この発明は、パターン認識方法、特に文字や記号など
の線図形で表現されるパターンの認識方法に関する。

〔従来の技術〕

２次元図形のパターンの認識手法には、大きくわけて
構造解析法と重ね合わせ（相関）法とがある。

構造解析法は手書き文字など、形状の変動が比較的大
きな対象にも有効であるが、手書き文字と印刷文字、ア
ルファベットと漢字など、認識対象となる２次元図形の
性質が異なる毎に、膨大な標準パターンの再設計および
実験的検証が必要となることが、この手法の難点であ
る。

一方、重ね合わせ法は認識のための処理が原理的に単
純であり、認識対象文字群の性質とは無関係に適用でき
る。という汎用性を持つ点が特徴である。

第６図は重ね合わせ法のうち最も単純な方法である。
類似度法を用いたパターン認識方法の一般的な例を示す
フローチャートである。

すなわち、認識対象となる文字画像を２次元ラインセ
ンサなどを用いて光電変換し、この変換された画像デー
タに対してノイズ除去，位置合わせを含む前処理を行な
う。さらに、特徴抽出、正規化処理の後、所定の標準パ
ターンPAとの間で類似度演算を行なうとともに、その最
大値を検出し認識結果として出力する。しかし、このよ
うな手法では変動の大きな手書き文字などには適用でき
ないという問題がある。

そこで、一定の関係を有する成分間の相対距離を伝播
・停止処理などをして求め（特開昭59−792号公報等参
照）、これを２次元図形を表現する２個の座標変数に加
えて用いることにより、特徴量を上記３個の座標変数で
表現される空間内のベクトルとして求める手法を出願人
は先に提案している（特願平１−71756号参照；以下、
単に提案済み方法ともいう）。

第７図にこの提案済み方法の概要を示し、以下に説明
する。なお、同図では第６図で示した例とは異なる高次
特徴抽出部分だけを示している。

すなわち、文字を構成する線分の８つの方向（θで表
わす）別パターンをそれぞれ定められた方向へ伝播処理
を行なった後、衝突（停止）処理を行なう。次に、衝突
の条件を満たす成分の有無を検査し、無い場合は所定の
伝播回数（Ｒ）を終了したかを検査した後、伝播処理か
らの一連の処理を行なう。一方、衝突の条件を満たす成
分が有る場合は、これを記憶装置に記憶する。このと
き、記憶位置は衝突位置を表わす２個の座標と、衝突に
至るまでの伝播回数、すなわち文字境界間の相対距離を
表わす１個の座標の計３個の座標値から求められる。次
に、この停止した成分は消去される。なお、この提案済
み方法の中には、前記停止した成分を消去せず、その伝
播方向を反転させる手法や、一定の関係を有する２個の
成分の一方を空間的に固定し、他方を伝播させて相対距
離を求める方法についても述べられている。

以上のようにして求めた未知パターンの特徴量Ｇ（x,
y,z,θ）を用い、類似度Ｓを次式より求める。

ただし、Ｆ（x,y,z,θ）は標準パターンを示し、上式
の各量は次の如く与えられる。

（F,G）＝Σ_ｘΣ_ｙΣ_ｚΣ_θＦ・Ｇ ‖Ｆ‖＝（F,F）^1/2，‖Ｇ‖（G,G）^1/2 また、x,yは２次求平面上の座標を表わす変数であ
り、θは方向別パターン、ｚは成分間の相対距離をそれ
ぞれ表わす変数である。

〔発明が解決しようとする課題〕

しかしながら、いままで平面的であった特徴量を３次
求空間に展開することはデータ量を甚だしく増大させ、
類似度演算のための計算量を膨大にする。また、標準パ
ターンなどを記憶する装置も巨大なものが必要になる。

〔課題を解決するための手段〕

文字を含む線図形に対して重ね合わせ法を用いてパタ
ーン認識するに当たり、入力された画像に対し、これを
空間微分またはこれと同等の処理をして２変数のベクト
ル関数に変換し、このベクトル関数について或る２つの
成分間の相対距離を測定し、前記２変数とこの相対距離
を表わす変数とからなる３次元の特徴空間内で表わされ
る特徴量を２面の２次元特徴平面で表現する、すなわち
前記特徴量を構成する特徴要素の相対距離軸方向への分
布を、これらの特徴要素集合における特徴値の代表値お
よび相対距離軸上での位置の代表値を用いて表現し、こ
れら２面の２次元特徴平面を用いてパターンを認識す
る。

また、類似度算出に当たっては、上記２面の２次元特
徴から３次元空間での特徴の分布を擬似的に再現して行
なう。

〔作用〕

３次元空間内で表現されていた特徴を、２枚の２次元
特徴平面で表現することにより、特徴を記述するための
データ量を圧縮して特徴量を記憶するための記憶装置の
容量を減少させ、また類似度演算のための計算量を減少
させる。

また、類似度演算を近似的に再現された３次元特徴空
間で行なうことにより、これらの特徴量を３次元空間内
のベクトルとして扱うことができ、従来の手法で慣用さ
れているベクトルの内積を用いた類似度演算式をそのま
ま利用することが可能となる。

〔実施例〕

第１図はこの発明の実施例を示すフローチャートであ
る。ここでは、第６図，第７図と異なる部分だけを示
す。

すなわち、まず、現在着目している成分が衝突（停
止）成分かどうかを検査し、もし違えば、残り成分がな
いかを検査した後、着目成分を次に移す。一方、停止成
分であれば、この成分が代表値になり得るかを検査す
る。この例では、現在着目している成分の座標上に出現
する特徴の最大値を代表値とするため、第１図に示す処
理がスタートしてからそれまでに出現した特徴の最大値
を各座標毎に記憶しておき、これとその回の伝播停止処
理によって得られた特徴との大小比較による検査を行な
う。したがって、相対距離は何度か書換えられるが、最
終的には特徴の代表値（最大値）における相対距離が記
憶されることになる。次に、特徴値は累積する形で記憶
され、その回の伝播停止処理によって得られた全ての停
止成分に対してこの一連の処理が行なわれる。

ここで、本発明で用いる特徴量につき、従来手法と対
比して説明する。

従来手法における或る方向別パターンθ上の特徴量
は、第２図に示すような３次元空間内の分布として表現
される。ここに、x,yは入力された２次元画像に対応す
る平面を表わし、これに対して成分間の相対距離を表わ
すｚ軸が付加されている。この特徴空間をＭ_θ（x,y,
z）で表わすが、方向θを特に考慮しないときは、その
記載を省略する。

本発明においては、特徴要素Ｍ（i,j,d）をその特徴
要素の値を示すｆ（i,j）と相対距離を示すｄ（i,j）と
で表現する。この関係を第３図に示す。ここで、伝播停
止処理を行なう方向成分として原画像の濃度勾配などを
用いた場合は、特徴量はｚ軸方向に或る広がりを持つこ
とになる。よって、一般的には、特定の特徴要素集合の
代表値としてｆ（i,j）,d（i,j）を求める必要がある
が、本実施例では下記のようにして求めている。

ｆ（i,j）＝Σ_zM（i,j,z）ｄ（i,j）＝d:M（i,j,d）＝MAXz｛Ｍ（i,j,z）｝なお、ｆ（i,j）としては、特徴要素集合Ｍ（i,j,z）
（ｚ＝１〜R:Rは終了条件となる伝播回数）の平均値
や、最大値としても良く、またｄ（i,j）をＭ（i,j,z）
の重心として求めるようにしても良い。

次に、２面の特徴面を用いて類似度を求める方法につ
いて説明する。

類似度演算に当たっては第４図（イ）に示す如きＭ
（i,j,z）におけるｚ軸上の特徴要素の分布を、第４図
（ロ）の如き関数Ｂ（i,j,z）で近似する。この分布を
正規分布とみなせば、これはｆ（i,j）,d（i,j）を用い
てとして定義される。ここで、σ^２は特徴要素の分散を示
す定数である。また、αはとするための定数であり、上式の場合はとなる。このＢ（i,j,z）の式は、重ね合せ法によるに
よる文字認識手法でよく用いられるボケ処理を実行する
ための式に一致する。ボケ処理は、文字の変動などを吸
着するため、光学系における“ボカシ”の効果を与える
ものである。よって、上式を用いれば、σの値を調整す
ることにより、ｚ軸上での特徴要素の分布を復元するこ
とと、ｚ軸上でのボケ処理を同等に行なうことができ
る。なお、ここではσを定数としたが、特徴要素の分布
を正確に再現するために、ｚ軸上での分布を標準偏差を
用いて記憶し、このσ（i,j）を用いて、上記Ｂ（i,j,
z）を表わすことも有効である。

また、ｚ軸上での特徴要素の分布は、伝播停止処理を
施す方向成分の性質に依存するため、これに合わせてＢ
（i,j,z）を定義することも有効である。

よって、従来の類似度演算で用いられたベクトルの内
積は、次式で近似される。

上式のBa（x,y,z）とBb（x,y,z）の関係を第５図に示
す。Ba（x,y,z）,Bb（x,y,z）のいずれか一方が未知パ
ターンに対応し、他方が標準パターンに対応する。

ここで、f_a（x,y）＝a_r,d_a（x,y）＝a_d,f_b（x,y）＝b
_f,d_b（x,y）＝b_dとおけば、となる。

ここで、とおいた。また、とおけば、dz＝σ・dgとなる。

よって、上式はであることから、以下のように変形される。

ここで、とした。

よって、この近似式を用い、３次元特徴空間で表現さ
れた特徴量の類似度を求めるには、を計算すればよい。

以上のような簡略化は、一対の方向成分が１つの特徴
量に対応する衝突（停止）成分を消去する手法などで有
効である。しかし、衝突（停止）成分を反射させる手法
を用いた場合、Ｍ（i,j,z）内に複数の互いに無関係な
特徴要素集合が存在することがあり、代表値ｆ（i,j）,
d（i,j）を求めることができなくなる。この場合、反射
成分を別の伝播面に多し、さらに特徴記憶面であるｆ
（x,y）,d（x,y）を反射回数毎に個別に持つことによ
り、本発明を適用することができる。また、この場合は
従来手法で保存されなかった、“反射成分どうしの衝突
（停止）成分である”という情報を保存することができ
る。

〔発明の効果〕

この発明によれば、従来３次元特徴空間で表現されて
いた特徴量を２次元特徴平面で表現して情報を圧縮する
ようにしたので、メモリ容量および演算量を減らすこと
ができる利点がもたらされる。

また、２面の２次元特徴平面から近似的な３次元特徴
空間を再現することにより、特徴量をベクトルとみなし
てベクトルの内積を用いる、一般的な類似度演算手段を
利用することができる。そして、３次元特徴空間を再現
する際、例えばガウス型ボケ関数を用いれば、２次元特
徴平面をもちいた類似度演算の積和計算にexp（指数関
数）の項を加えるだけで、３次元特徴空間を用いた類似
度演算が可能となる。

【図面の簡単な説明】

第１図はこの発明の実施例を示すフローチャート、第２
図は３次元特徴空間における特徴の表現方法を説明する
ための説明図、第３図は従来方法と本発明による方法に
おける特徴量の差異を説明するための説明図、第４図は
特徴要素の圧縮，復元操作を説明するための説明図、第
５図は相対距離軸方向への特徴分布の再現例を説明する
ための説明図、第６図は一般的な文字認識処理を説明す
るためのフローチャート、第７図は提案済み方法を説明
するためのフローチャートである。符号説明ｆ（i,j）,d（i,j）……２次元特徴面、Ｍ（i,j,z）…
…特徴要素集合、Ｂ（i,j,z）……近似関数。

Claims

(57)【特許請求の範囲】

【請求項１】文字を含む線図形に対して重ね合わせ法を
用いてパターン認識するに当たり、入力された画像に対し、これを空間微分またはこれと同
等の処理をして２変数のベクトル関数に変換し、このベ
クトル関数について或る２つの成分間の相対距離を測定
し、前記２変数とこの相対距離を表わす変数とからなる
３次元の特徴空間内で表わされる特徴量を２面の２次元
特徴平面で表現する、すなわち前記特徴量を構成する特
徴要素の相対距離軸方向への分布を、これらの特徴要素
集合における特徴値の代表値および相対距離軸上での位
置の代表値を用いて表現し、これら２面の２次元特徴平
面を用いてパターンを認識することを特徴とするパター
ン認識方法。
【請求項２】前記２面の２次元特徴平面で表現される特
徴量をベクトルとみなして類似度演算を行なうため、こ
れを擬似的に３次元特徴空間に展開してパターン認識を
行なうことを特徴とする請求項１）に記載のパターン認
識方法。