JP2734387B2 - 文字認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は文書画像から文字列を検
出して文字を切り出し認識する文字認識装置に係わり、
特に文字ごとに記入枠が存在しない自由書式で書かれた
文字を認識するのに好適な文字認識装置に関する。

【０００２】

【従来の技術】例えば葉書や封筒に書かれた住所のよう
に、記入枠が存在しない自由書式で書いた文字列を認識
することの可能な文字認識装置では、まず文字列を認識
し、次に文字列から各文字を切り出して、この後にそれ
ぞれの文字の認識を行うようになっていることが多い。
この種の文字認識装置では、文字の切り出しと文字認識
という２つの処理を直列に行って、その結果を出力する
ようにしている。

【０００３】図１０は従来のこのような文字認識装置の
構成の概要を表わしたものである。この装置は、スキャ
ナ等の画像入力部１１を備えている。画像入力部１１か
ら入力された入力文字列画像は、画像メモリ１２に格納
されるようになっている。画像メモリ１２から読み出さ
れた入力文字列画像は、認識処理部１３の文字切り出し
部１４に送られて、文字の切り出しが行われる。切り出
された文字画像は正規化部１５に送られる。正規化部１
５では、同じ文字種同士ではなるべく同じ特徴が現わ
れ、異なる文字種では異なる特徴が表われるように前処
理を施し、特徴抽出部１６にこれを送出する。

【０００４】特徴抽出部１６は、文字の識別に必要な特
徴群に変換する。例えば特開昭６１−２８５５８８号公
報では、文字を複数の線分の集合と考えて、線分の傾
き、長さ、交点、折れ角、太さを特徴として抽出してい
る。文字認識部１７は特徴抽出部１６から特徴群を受け
取り、予め用意された辞書特徴とのマッチングをとる。
そして、特徴間の距離の小さい順に幾つかの認識文字候
補を挙げて認識結果出力部１８に送出するようにしてい
る。

【０００５】

【発明が解決しようとする課題】このような従来の文字
認識装置では、文字の切り出しと認識というそれぞれ独
立した処理が逐次行われるようになっている。したがっ
て、各処理で生じた誤りが蓄積されながら処理が進行す
ることになり、最終結果における文字認識の誤りを低く
抑えることは困難である。特に、郵便物等の住所表示を
認識する際には、漢数字の“一”、“二”、“三”や番
地を区切るためのハイフン“｜”、“−”あるいは
“ノ”等からなる単純ストロークで構成される文字が頻
繁に使用される。これら単純ストロークで構成される文
字から成る文字列については、文字の切り出し方によっ
ていかようにも認識される可能性があり、文字認識を誤
る可能性が高い。

【０００６】図１１は、従来の文字認識装置で文字の切
り出しを行った場合の幾つかの例を示したものである。
同図（ａ）、（ｂ）、（ｃ）では共に枠１９で文字の切
り出しを行った結果、漢数字の“三”が認識されている
が、このうちの同図（ｂ）が正しい認識であり、同図
（ａ）は本来“二一”と、また同図（ｃ）は本来“一
二”と判読されるべきものである。このように文字の切
り出しの仕方によっては文字認識を誤る可能性が高く、
しかも書き手によってこれらの変形の度合いが大きい。
したがって、一般のパターンマッチング的な認識手法を
用いたとしても誤認する確率が高い。このため、このよ
うな漢数字等の文字認識の誤りを減少させることが大き
な課題となっている。

【０００７】そこで本発明の目的は、単純ストロークで
構成される文字から成る文字列に対しても高精度かつ軽
処理で切り出しを行うことのできる文字認識装置を提供
することにある。

【０００８】

【課題を解決するための手段】請求項１記載の発明で
は、（イ）文書画像から文字列を検出する文字列検出手
段と、（ロ）検出した文字列の文字列画像を格納する画
像記憶手段と、（ハ）画像記憶手段に格納された文字列
画像から文字として認識すべき認識対象を抽出する文字
切り出し手段と、（ニ）この文字切り出し手段によって
切り出された個々の認識対象に対して文字認識を行う文
字認識手段と、（ホ）この文字認識手段によって認識さ
れた文字のうち単純ストロークで構成される特定の文字
を抽出する特定文字抽出手段と、（ヘ）この特定文字抽
出手段によって文字が抽出されたときその領域に対して
文字として認識すべき認識対象を再度抽出する再文字切
り出し手段と、（ト）特定文字抽出手段によって抽出さ
れた文字領域に対して再度認識を行う際、この領域中に
存在する文字パターン内に存在する単純ストロークの個
々の位置、長さおよび傾きを用いることで再文字切り出
し手段によって切り出された個々の認識対象に対して文
字認識を再度行う特定文字検証手段とを文字認識装置に
具備させる。

【０００９】すなわち請求項１記載の発明では、文字認
識手段によって文字認識を行ったとき、例えば漢数字の
“一”、“二”、“三”やハイフン“｜”、“−”ある
いは“ノ”等の単純ストロークで構成される予め定めた
特定の文字を抽出し、これが抽出された場合にはその抽
出領域から認識対象を再度抽出し、これら認識を誤る可
能性の高い文字列について文字認識を再度行うことにし
て、単純ストロークで構成される文字から成る文字列に
ついても精度の高い処理を行えるようにしている。加え
て請求項１記載の発明では、上記文字認識装置におい
て、特定文字検証手段が文字列画像における前記した単
純ストロークで構成される文字が出現する領域に対して
再度文字認識を行う際、この領域中に存在する文字パタ
ーン内に存在する単純ストロークの個々の位置、長さお
よび傾きを用いることを特徴とするものである。これに
より、例えばストロークの両端を結ぶ線分の傾きからハ
イフン“｜”、“−”あるいは“ノ”を決定することが
できる。

【００１０】また、請求項２記載の発明では、請求項１
記載の文字認識装置において、特定文字検証手段が前記
した領域に対して、再度認識を行う際、この領域中に存
在する文字パターン内に存在する単純ストロークの個々
の位置、長さおよび傾きを変換した隣接したストローク
間の距離、長さおよび傾きを求めてこれらを用いること
を特徴とするものである。これにより、例えば隣り合っ
た未決定の２つの線分の間隔やこれら線分の長さや長さ
の比を計算して新しい特徴量とすることができる。これ
らの特徴量を用いることで、２つの線分が別の文字で構
成するかの識別が可能になる。

【００１１】

【００１２】更に、請求項３記載の発明では、請求項２
記載の文字認識装置において、特定文字検証手段が隣接
したストローク間の距離、長さおよび傾きを用いる際、
これらの特徴量を使用した文字の識別境界を表わす識別
面のパラメータを予め与えられたサンプルデータにより
決定することを特徴とするものである。

【００１３】また、請求項４記載の発明では、請求項３
記載の文字認識装置において、特定文字抽出手段によっ
て抽出されるべき文字が抽出されるときその検知を行う
認識対象選択手段が具備されていることを特徴とするも
のである。

【００１４】

【００１５】

【００１６】

【実施例】以下実施例につき本発明を詳細に説明する。

【００１７】図１は本発明の一実施例における文字認識
装置の機能的な構成を表わしたものである。図１０と同
一部分には同一の符号を付している。本実施例の文字認
識装置の認識処理部２１では、文字認識部１７の認識結
果を認識対象選択部２２に送って、ここで所定の認識対
象に対しては漢数字検証部２３で画像メモリ１２に格納
されている入力文字列画像を用いた検証が行われる。こ
の結果は、ＣＲＴあるいは液晶ディスプレイ等の出力装
置で構成される認識結果出力部２４に出力されるように
なっている。

【００１８】このような構成の文字認識装置の認識処理
部２１は、図示しないＣＰＵ（中央処理装置）と、プロ
グラムや特徴抽出等のために必要な固定的なデータを格
納したＲＯＭ（リード・オンリ・メモリ）と、このプロ
グラムを実行する際に必要な各種データを一時的に格納
する作業用メモリから構成されている。

【００１９】図１に示した文字認識装置で、画像入力部
１１から入力された入力文字列画像は、画像メモリ１２
に格納される。文字切り出し部１４はこの文字列画像か
ら個別の文字画像を切り出し、正規化部１５に送出す
る。切り出された画像は、正規化部１５で大きさ揃え等
の前処理を施される。ここでは、例えば各々の文字パタ
ーンの外接枠の大きさが一定になるように正規化する。
特徴抽出部１６は文字の認識に必要な特徴群にこれを変
換する。文字認識部１７はこの特徴群を受け取り、予め
用意した辞書を用いて特徴のマッチングをとり、特徴間
の距離の小さい順に、幾つかの認識文字候補を出力す
る。

【００２０】認識対象選択部２２は、文字認識部１７の
出力した認識文字候補が特定の文字であると推論される
文字領域を選択し、漢数字検証部２３を起動させる。こ
こで特定の文字とは、本実施例では漢数字の“一”、
“二”、“三”やハイフン“｜”、“−”あるいは
“ノ”等の単純ストロークで構成される予め定めた文字
をいう。

【００２１】漢数字検証部２３は、認識対象選択部２２
によって指定された領域の画像に対して、専用の切り出
し認識処理を行う。そして、認識文字候補を認識対象選
択部２２に受け渡す。認識対象選択部２２は文字認識部
１７と漢数字検証部２３の双方から受け取った認識文字
候補を合わせて認識結果出力部２４に出力させることに
なる。このような文字認識装置には、文字認識部１７の
後段に知識処理部を設け、単語知識による結果チェック
を行うようにしてもよい。

【００２２】図２は、漢数字検証部の機能的な構成を具
体化して示したものである。漢数字検証部２３は、ラベ
リング部３１と、この出力側に配置されたノイズ除去部
３２と、この出力側に配置された端点検出部３３と、こ
の出力側に配置された特徴抽出部３４と、この出力側に
配置された切り出し認識部３５と、特徴抽出部３４に接
続された傾き測定部３６、長さ測定部３７および位置測
定部３８から構成されている。

【００２３】ラベリング部３１は、認識対象選択部２２
によって指定された画像領域から黒画素連結成分をすべ
て抽出して、これをノイズ除去部３２に送出するように
なっている。ノイズ除去部３２では、このうちの所定値
よりも小さい黒画素連結成分をノイズとして除去する。
そして、残った黒画素連結成分を端点検出部３３に送出
する。

【００２４】端点検出部３３では、各々の黒画素連結成
分（ストローク）を線分で近似して、その両端点の座標
を抽出する。抽出された座標は、線分情報として特徴抽
出部３４に送られる。特徴抽出部３４は、受け取った線
分情報を傾き測定部３６、長さ測定部３７および位置測
定部３８に送る。これらの測定部３６〜３８では、３つ
の特徴量である線分の傾き、長さおよび位置を測定す
る。このようにして得られた特徴量は、切り出し認識部
３５に送られる。切り出し認識部３５では、特徴抽出部
３４から受け取った３つの特徴量を用いて、文字列全体
の切り出しと認識を並列して行い、認識結果としての各
文字の文字コードを認識対象選択部２２へ返すことにな
る。

【００２５】図３は、特徴抽出例を示したものである。
ここでは、「二ノ三一」という文字が縦書きで記された
例を示している。ここでは縦軸をｘで、また横軸をｙで
表わしている。この例を用いて、図４に示す切り出し認
識部３５の制御の様子を説明する。

【００２６】まず切り出し認識部３５ではストロークの
傾きから特定文字の中の縦方向のハイフンおよびこれに
類する文字の決定を行う（ステップＳ１０１）。図５は
ストローク（線分）の一例を表わしたものである。スト
ロークの両端を結んだ線分４１の長さを一般にＬ_i で表
わし、傾きをＳ_i で表わすものとする。切り出し認識部
３５では与えられたそれぞれの線分の傾きＳ_i を順に見
ていって、これが所定の値ｔ_S よりも大きい場合には、
垂直に近い線分であるので、ハイフン“｜”あるいは片
仮名“ノ”のような所定の文字であると決定する。な
お、郵便物の仕分けに使用される文字認識装置では、番
地のセパレータとしてハイフン“｜”や片仮名“ノ”が
使用されるので、ハイフン“｜”と片仮名“ノ”を更に
区別して認識する必要はない。

【００２７】図６および図７は傾きＳ_i と値ｔ_S の関係
を実際のストローク（線分）について例示したものであ
る。図６に示した線分４１は傾きＳ_i が値ｔ_S よりも大
きく、これはこの時点で縦方向のハイフンあるいはこれ
に類する所定の文字であると決定される。図７の場合に
は線分４１の傾きＳ_i が値ｔ_S よりも小さいので、漢数
字の“一”や横方向のハイフンあるいはこれに類する文
字であると決定することになる。また、ハイフン
“｜”、“−”の場合には、例えば住所表示においてこ
れが連続することがないので、この前後に挟まれた線分
を“一”であると定める。

【００２８】次に、未決定の隣り合った２つの線分を順
に取り出して、それらの間の距離Ｄ _i と長さＬ_i および
Ｌ_i+1 の総合評価値Ｅを計算する（ステップＳ１０
２）。図８は距離Ｄ_i と長さＬ_i およびＬ_i+1 の関係を
示したものである。２つの線分４１_i 、４１_i+1 のｘ軸
方向の座標値の差ｘ_i+1 −ｘ_i が距離Ｄ_i となる。総合
評価値Ｅの計算式は次の（１）式のようになる。 Ｅ＝ａＤ_i ＋ｂＬ_i ＋ｃＬ_i ／ Ｌ_i+1 ……（１） ここでａ、ｂ、ｃは定数係数である。

【００２９】このような総合評価値Ｅの計算式（１）に
おける定数係数の学習方法の一例を説明する。予め与え
られた学習用文字列のサンプルデータから、それぞれの
線分位置および長さの特徴抽出を行ったデータセットを
用意する。このデータセットから、隣り合う２つの線分
４１_i 、４１_i+1 を取り出し（図８参照）、 （Ｄ_i ，Ｌ_i ，Ｌ_i ／ Ｌ_i+1 ） の計算を行う。これら２つの線分４１_i 、４１_i+1 が同
一文字に属するものであれば、これらの線分４１_i 、４
１_i+1 に“統合”というカテゴリを付与する。

【００３０】一方、これら２つの線分４１_i 、４１_i+1
が異なる２つの文字にそれぞれ属するものであれば、こ
れらの線分４１_i 、４１_i+1 に“分割”というカテゴリ
を付与する。

【００３１】ここで、“統合”に対して目標値“０”
を、“分割”に対して目標値“１０”を設定して、重回
帰分析を適用する。すなわち、 （Ｄ_i ，Ｌ_i ，Ｌ_i ／ Ｌ_i+1 ，０または１０） という４つの変数の組に対して、最も適合する超平面 ａＤ_i ＋ｂＬ_i ＋ｃＬ_i ／ Ｌ_i+1 ＝Ｄ を求めることによって、定数係数ａ、ｂ、ｃおよび所定
のしきい値ｄを決定することができる。

【００３２】図４に戻って説明を続ける。総合評価値Ｅ
がしきい値ｄよりも大きいかどうかの判別が行われ（ス
テップＳ１０３）、大きいときには（Ｙ）、第ｉの線分
４１ _i とこれに隣接する第（ｉ＋１）の線分４１_i+1 の
間に文字の分割を意味する分割フラグが立てられる（ス
テップＳ１０４）。これ以外の場合には（Ｎ）、２つの
線分４１_i ４１_i+1 が同じ文字に属するとして統合フラ
グを立て（ステップＳ１０５）、これらを同一グループ
として統合させる。

【００３３】以上の処理の結果として分割あるいは統合
の済んでいない線分がある場合（ステップＳ１０５；
Ｙ）、すなわち１つのグループ内に３本あるいはこれ以
上の線分が含まれているような場合には、ステップＳ１
０２に戻って今まで説明したと同様の作業を確定した線
分と次の未決定の線分との間で行う（ステップＳ１０２
〜Ｓ１０６）。

【００３４】このようにして分割や統合の決定がすべて
終了したら（ステップＳ１０６；Ｎ）、同一文字に属す
る線分の数に応じて文字を決定して文字コードの付与を
行う（ステップＳ１０７）。例えば同一グループに含ま
れる線分の数がそれぞれ１本、２本、３本の場合には、
漢数字の“一”、“二”、“三”であることが決定さ
れ、対応する文字コードが付されることになる。

【００３５】このようにして各文字が決定されるが同一
グループに含まれる線分の数が４つ以上の場合には、該
当する文字が存在しない。そこでこの場合には、総合評
価値Ｅの最も大きな２つの線分間に新たに分割フラグを
立てる。そして再度グループ分けと文字コードの決定を
行う。この作業は、すべてのグループ内の線分の数が３
本以下になるまで行われる。

【００３６】最後に、総合評価値Ｅとしきい値ｄの差の
絶対値｜Ｅ−ｄ｜が所定値よりも小さな２線分を含んで
いるような文字が存在する場合には、その文字の認識結
果を認識不能であるとして棄却する（ステップＳ１０
８）。

【００３７】図９は、漢数字検証部の呼び出し条件を示
したものである。ここでは、文字認識部１７の認識結果
から認識対象選択部２２が漢数字検証部２３の呼び出し
を行うか否かの決定方法を示したものである。文字認識
部１７が認識結果として順位付けした１位候補、２位候
補、３位候補の３つの候補の文字コードを出力可能であ
るとし、それぞれの候補が出現する組み合わせをケース
〜ケースとして示している。図中で“○”で示した
ものは、１つの文字に対する認識候補が漢数字またはハ
イフン等の単純ストロークで構成される特定の文字であ
ることを示している。また、“−”で示したのはそれ以
外の認識候補であることを示している。

【００３８】再検証が必要なのは、このうちのケース
〜ケースの場合である。これは、１位候補が“○”で
あるか、２位候補と３位候補がともに“○”である場合
となる。

【００３９】なお、以上説明した実施例では図９に示し
た論理で漢数字検証部２３の呼び出しを行ったが、呼び
出し条件は各種設定することができる。例えば、文字認
識部１７が複数の候補の文字コードに加えて、それぞれ
の候補文字コードに対する信頼度ｒ_j を出力するものと
する。この場合には、信頼度ｒ_j に対する候補文字コー
ドが漢数字またはハイフン等の単純ストロークで構成さ
れる特定の文字であるものの総和Σｒ_j を計算する。そ
して、この総和Σｒ_j が所定値よりも大きいときに漢数
字検証部２３を呼び出すようにしてもよい。

【００４０】

【発明の効果】以上説明したように、請求項１〜請求項
４記載の発明によれば、文字認識手段によって文字認識
を行ったとき、例えば漢数字の“一”、“二”、“三”
やハイフン“｜”、“−”あるいは“ノ”等の単純スト
ロークで構成される予め定めた特定の文字を抽出し、こ
れらが抽出された場合にはその抽出領域から認識対象を
再度抽出し、これら認識を誤る可能性の高い文字列につ
いて文字認識を再度行うことにした。したがって、処理
量をわずかに増加させるだけで、単純ストロークで構成
される文字から成る文字列について、極めて精度の高い
処理を行うことができる。

【００４１】また、請求項１記載の発明によれば、特定
文字検証手段が文字列画像における前記した単純ストロ
ークで構成される文字が出現する領域に対して再度認識
を行う際、この領域中に存在する文字位置、長さおよび
傾きを用いることにしている。したがって、特に、パタ
ーン内に存在する単純ストロークの個々の住所表示に使
用されるハイフン“｜”、“−”あるいは“ノ”のよう
なセパレータと漢数字を明確に区別することができ、郵
便物の仕分け等の文字認識に有効である。

【００４２】更に請求項２記載の発明によれば、再度認
識を行う領域に存在する文字パターン内に存在する単純
ストロークの個々の位置、長さおよび傾きを変換した隣
接したストローク間の距離、長さおよび傾きを求めてこ
れらを用いるので、文字の分離や統合の判別が容易にな
る。また、請求項３記載の発明では各システムに合った
文字識別パラメータを予め与えられたサンプルデータに
より決定することができ、効果を得ることができる。

【図面の簡単な説明】

【図１】本発明の一実施例における文字認識装置の機能
的な構成を表わしたブロック図である。

【図２】図１に示した漢数字検証部の更に具体的な構成
を示すブロック図である。

【図３】文字認識の対象となる文字のうち単純ストロー
クで構成される特定の文字列を例示した説明図である。

【図４】本実施例の切り出し認識部の制御の様子を表わ
した流れ図である。

【図５】線分の長さＬ_i と傾きをＳ_i を示した平面図で
ある。

【図６】傾きＳ_i が値ｔ_S よりも大きい線分の一例を示
した平面図である。

【図７】傾きＳ_i が値ｔ_S よりも小さい線分の一例を示
した平面図である。

【図８】２つの隣接する線分の距離Ｄ_i と長さＬ_i およ
びＬ_i+1 の関係を示した平面図である。

【図９】図１に示した漢数字検証部の呼び出し条件を示
した説明図である。

【図１０】従来の文字認識装置の構成の概要を表わした
ブロック図である。

【図１１】従来の文字認識装置で文字の切り出しを行っ
た場合の幾つかの例を示した平面図である。

【符号の説明】

１１ 画像入力部 １２ 画像メモリ １４ 文字切り出し部 １５ 正規化部 １６ 特徴抽出部 １７ 文字認識部 ２１ 認識処理部 ２２ 認識対象選択部 ２３ 漢数字検証部 ２４ 認識結果出力部 ３３ 端点検出部 ３５ 切り出し認識部 ３６ 傾き測定部 ３７ 長さ測定部 ３８ 位置測定部 ４１ 線分

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 文書画像から文字列を検出する文字列検
   出手段と、 検出した文字列の文字列画像を格納する画像記憶手段
   と、 画像記憶手段に格納された文字列画像から文字として認
   識すべき認識対象を抽出する文字切り出し手段と、 この文字切り出し手段によって切り出された個々の認識
   対象に対して文字認識を行う文字認識手段と、 この文字認識手段によって認識された文字のうち単純ス
   トロークで構成される特定の文字を抽出する特定文字抽
   出手段と、 この特定文字抽出手段によって特定の文字が抽出された
   ときその領域に対して文字として認識すべき認識対象を
   再度抽出する再文字切り出し手段と、特定文字抽出手段によって抽出された文字領域に対して
   再度認識を行う際、この領域中に存在する文字パターン
   内に存在する単純ストロークの個々の位置、長さおよび
   傾きを用いることで 再文字切り出し手段によって切り出
   された個々の認識対象に対して文字認識を再度行う特定
   文字検証手段とを具備することを特徴とする文字認識装
   置。
2. 【請求項２】 前記特定文字検証手段が前記領域に対し
   て再度認識を行う際、この領域に存在する単純ストロー
   クの個々の位置、長さおよび傾きを変換したストローク
   間の距離、長さおよび傾きを求めてこれらを用いること
   を特徴とする請求項１記載の文字認識装置。
3. 【請求項３】 前記特定文字検証手段が前記隣接したス
   トローク間の距離、長さおよび傾きを用いる際、これら
   の特徴量を使用した文字の識別境界を表わす識別面のパ
   ラメータを予め与えられたサンプルデータにより決定す
   ることを特徴とする請求項２記載の文字認識装置。
4. 【請求項４】 前記特定文字抽出手段によって抽出され
   るべき文字が抽出されるときその領域の検知を行う認識
   対象選択手段を具備することを特徴とする請求項１記載
   の文字認識装置。