JP2801602B2 - 単語認識装置 - Google Patents

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は帳票等から読取り入力された文字列から精度
良く、高速に単語認識することのできる単語認識装置に
関する。

（従来の技術） 書状郵便物の自動区分機等では、上記書状郵便物に記
載された宛名住所の情報を読取り認識することが行なわ
れる。この宛名住所情報の読取り認識は、基本的には書
状郵便物（帳票）の宛名住所記載面の情報イメージ・ス
キャナ等にて読取り入力し、先ずその入力画像中から宛
名住所記載領域を検出する。そしてその検出領域から文
字の並びを示す文字行を検出し、その文字行における各
文字をそれぞれ検出切出しする。しかる後、検出された
各文字について複合類似度法等を手法を用いて文字認識
し、その認識結果として与えられる入力文字列を単語と
して認識処理することにより行なわれる。

ところがこの一連の認識処理過程においては種々の問
題があり、入力文字列が示す単語を精度良く認識するに
は多大な処理時間を必要とする等の問題がある。例えば
入力画像中から宛名住所の記載領域を検出し、且つその
文字行を精度良く検出する上で、入力画像中のノイズ成
分に起因して検出目的とする宛名住所記載領域以外の領
域が種々検出されたり、また検出された宛名住所記載領
域の中から文字行をそれぞれ精度良く分離検出すること
が困難な場合が生じる。

これにも増して、従来一般的には上記入力文字列に対
する単語認識をソフトウェア処理により、単語辞書に登
録された認識対象単語を構成する文字列との間で個々に
照合して行なっているので、多大な処理時間を必要とす
ることが否めず、ソフトウェア処理負担の増大ともなっ
ている。

（発明が解決しようとする課題） このように従来にあっては、例えば撮像入力された帳
票画像中から文字列を検出し、その入力文字列がなす単
語を認識する上でのソフトウェアによる処理負担が大き
く、しかも多大な処理時間を必要とする等の問題があっ
た。

本発明はこのような事情を考慮してなされたもので、
その目的とするところは、入力文字列がなす単語をハー
ドウェア処理によって簡易に、且つ高速に認識すること
のできる実用性の高い単語認識装置を提供することにあ
る。

［発明の構成］ （課題を解決するための手段） 本発明に係る単語認識装置は、複数の文字で形成され
た単語を認識するものにおいて、単語に係る情報を格納
する単語辞書と、認識すべき単語を読取る読取手段と、
この読み取手段で読取った単語の最大文字数に応じて、
上記単語辞書において検索対象となるべき単語にビット
・エリアを設定する設定手段と、上記読取手段で読取っ
た上記単語から文字単位の所定の切出し位置から順に文
字の並びに沿った方向にシフトしながら所定文字数ごと
の単位文字列を複数切出す切出し手段と、この切出手段
で切出した各切出し位置の単位文字列に対応した単語を
上記単語辞書から検索する検索手段と、この検索手段に
よる検索の結果、一致した単語の上記設定手段で設定し
たビット・エリアに上記各切り出し位置に対応づけたヒ
ット情報を書込む書込手段と、この書込手段で書込まれ
たヒット情報に基づき、全ての切り出し位置に対応づけ
られた単語を認識結果とするヒット情報判定手段から構
成される。

（作用） 本発明によれば、複数の文字で形成された単語を認識
するものにおいて、単語に係る情報を単語辞書に格納
し、認識すべき単語を読取手段で読取り、この読み取っ
た単語の最大文字数に応じて、上記単語辞書において検
索対象となるべき単語にビット・エリアを設定手段で設
定し、上記読取った上記単語から文字単位の所定の切出
し位置から順に文字に並びに沿った方向にシフトしなが
ら所定文字数ごとの単位文字列を複数切出し、この切出
し各切出し位置の単位文字列に対応した単語を上記単語
辞書から検索し、この検索の結果、一致した単語の上記
設定手段で設定したビット・エリアに上記各切り出し位
置に対応づけたヒット情報を書込み、この書込まれたヒ
ット情報に基づき、全ての切り出し位置に対応づけられ
た単語を認識結果とするようにしたものである。

（実施例） 以下、図面を参照して本発明の一実施例につき説明す
る。

第１図は本発明の一実施例に係る単語認識装置の概略
構成図で、１は書状郵便物等の帳票に記載された情報を
光電変換して読取り入力する光電変換部である。単語認
識処理は、この光電変換部１にて読取られた入力画像中
から文字記載領域（宛名住所記載領域）を検出し、且つ
その文字行を検出切出することから行なわれる。

この文字行の検出処理は、一方において画像圧縮部２
にて入力画像を文字列の記載方向に情報圧縮して文字記
載領域をそれぞれ情報の塊として捕え、ノイズ除去部３
にて上記圧縮画像からノイズ成分を示す微小な領域を除
去した上で行なわれる。このノイズ成分の除去は、例え
ば第２図に示す如く構成されたハードウェア回路に圧縮
画像データを連続的にシフト入力し、その画素データ
“1"の連続長がｎビット以下のものを除去することによ
って行なわれる。即ち、このノイズ除去部３は、クロッ
クCLKに従って入力画素データをシフトするｎ段のＤ−F
F回路により構成され、これらのＤ−FF回路の出力を論
理処理することにより画素データ“1"の連続性を調べ、
その連続ビット数がｎビット以下のときに上記各Ｄ−FF
回路をリセットする如く構成される。

このように構成されたノイズ除去部３に第３図（ａ）
に示すような入力画像から求められる第３図（ｂ）に示
すような圧縮画像データを、その文字列方向と直交する
方向にシフト入力することにより、従来のような検出領
域のラベリングと、そのラベリング領域の面積判定等の
煩わしい処理を行なうことなしに簡易にノイズ成分を示
す微小な領域を除去するものとなっている。

またここでは文字記載位置のズレ等に起因して複数の
文字行の分離検出が困難な場合があることを想定し、そ
の行ピッチを推定するものとなっている。この行ピッチ
の推定は、積算射影計算部４にて第３図（ａ）に示すよ
うに文字列方向の射影を求め、フーリエ変換部５にてそ
の射影成分をフーリエ変換して空間周波数分布関数を求
めて行なわれる。具体的には入力画像の文字列方向の射
影成分が第４図に示すように射影分布関数ｆ（ｘ）とし
て求められたとき、これをフーリエ変換してなる空間周
波数分布関数Ｆ（Ｘ）を として第５図に示すように求める。

そしてこの空間周波数分布関数Ｆ（Ｘ）のピークを与
える空間周波数xo（1/mm）を求め、行ピッチ推定部６に
て文字行の行ピッチＬを Ｌ＝l/xo（mm） として推定する。

しかして行検出切出部７は、前述した如くノイズの除
去がなされた入力画像について、上述した如く推定され
た行ピッチＬに従って第６図に示すように文字行をそれ
ぞれ切出し抽出する。このような行検出切出し処理によ
り、入力画像中の文字列が記載された領域がそれぞれ文
字行領域として行単位に切出される。

文字検出切出部８は、上述した如く求められた各文字
行領域から、そこに記載された文字を個々に検出するも
のであり、この文字検出切出部８にて検出切出しされた
文字画像が文字認識部９に与えられて文字認識される。
この文字認識は、例えば文字の特徴パターンと認識辞書
10に登録されている認識対象文字の各標準パターンとの
類似度をそれぞれ計算し、高い類似度値を得た認識対象
文字をその認識結果として求める等して行なわれる。こ
のようにして求められた文字認識結果の列が入力文字列
として単語認識部11に与えられ、単語認識される。上記
光電変換部１、行検出切出部７、文字検出切出部８、文
字認識部９、認識辞書10により読取手段が構成されてい
る。

この単語認識部11における入力文字列の単語認識は、
入力文字列を文字列バッファ12に格納し、トリグラム・
テーブル13,トリグラム・ポジション・テーブル14,単語
IDテーブル（単語辞書）15を用いてヒット・ビット・メ
モリ16にヒット情報をハードウェア的に格納し、このヒ
ット・ビット・メモリ（記憶手段）16に格納されたヒッ
ト情報を調べることにより行なわれる。

この単語認識部11における本実施例装置の特徴的な機
能（処理アルゴリズム）について、第７図を参照して説
明する。

単語辞書としての単語IDメモリ15は、認識対象単語の
それぞれに対応したアドレスを備え、各アドレスのデー
タ・エリアにその認識対象単語について付された単語ID
をそれぞれ格納している。ヒット・ビット・メモリ16は
上記単語IDメモリ15から求められる単語IDによってアド
レス指定されるもので、上記各認識対象単語にそれぞれ
対応したアドレスに複数桁のビット・エリアを設けてい
る。このビット・エリアの桁数（ビット数）は、認識対
象とする単語を構成する最大文字数に応じて設定される
もので、例えば認識対象単語が16文字まで英単語である
場合には、16ビットのビット・エリアが各認識対象単語
（単語IDによって指定されるアドレス）毎に設定され
る。

一方、前記トリグラム・テーブル13はそのアドレス領
域（０）h,（１）h,〜（6739）ｈを、前記文字列バッフ
ァ12に格納された入力文字列からその切出し位置を順に
シフトさせながら３文字単位で切出される単位文字列
（トリグラム）の認識対象とする英文字の組合せ［AA
A］［AAB］〜［ZZZ］にそれぞれ対応させ、各アドレス
領域にその単位文字列をなす文字の組合せを含む単語を
特定するポインタ情報を格納している。このポンインタ
情報により、トリグラム・ポジション・テーブル14がア
ドレス指定される。

しかしてトリグラム・ポジション・テーブル14は、認
識対象単語の中で上記単位文字列を含む単語の情報を単
語IDアドレス・ポインタとして格納したものであり、上
記単位文字列を１桁目に含む認識対象単語の情報、２桁
目に含む認識対象単語の情報、…16桁目に含む認識対象
単語の情報を、それぞれその認識対象単語が幾つ存在す
るかを示すワードIDカウンタ情報を付し、連続したアド
レス領域に順番に格納している。このトリグラム・ポジ
ション・テーブル14から求められる単語IDアドレス・ポ
インタに従って前述した単語IDメモリ15がアドレス指定
され、認識対象単語の特定が行なわれる。

つまりトリグラム・テーブル13の検索によってトリグ
ラム・ポジション・テーブル14中の上記単位文字列を含
む認識対象単語の情報を格納したアドレス情報が求めら
れる。そして上記アドレス情報に従うトリグラム・ポジ
ション・テーブル14の検索によって前記単語IDメモリ15
上の、上記単位文字列をその切出し位置に含む認識対象
単語を格納した単語アドレス情報が求められ、単語IDメ
モリ15がアドレス指定される。そしてこのアドレス指定
された認識対象単語に対応する前記ヒット・ビット・メ
モリ16のビット・エリアの上記単位文字列の切出し位置
（桁）に対応したビット位置にヒット情報としてのデー
タ“1"が立てられる。

このトリグラム・ポジション・テーブル14からの単語
IDメモリ15の検索と、ヒット・ビット・メモリ16へのヒ
ット情報の書込みは、前記単語IDカウンタの制御に基づ
いて上記単位文字列をその切出し位置に含む認識対象単
語の全てについて行なわれる。

以上のようなテーブル検索と、ヒット・ビット・メモ
リ16へのヒット情報の書込みを文字列バッファ12に書込
まれた入力文字列から、その切出し位置を順次シフトさ
せながら３文字単位で切出した単位文字列の全てについ
て繰返し行なわれる。そしてこの一連の処理画終了した
時点で前記ヒット・ビット・メモリ16に格納されたヒッ
ト情報を調べ、入力文字列の文字数と等しい数のヒット
情報書込まれている単語ID情報を求め、この単語IDが付
されている認識対象単語を前記入力文字列に対する認識
結果として求める。つまり入力文字例から、その切出し
位置を順次シフトさせながら３文字単位で切出した単位
文字列をその切出し位置の含む認識対象単語を求め、そ
の認識対象単語に対応するヒット・ビット・メモリ16の
上記切出し位置に対応したビットにヒット情報を書込ん
で行くので、各切出し位置の全てにおいてヒット情報が
書込まれた認識対象単語を求めれば、その認識対象単語
の文字列と入力文字列とが正確に一致していると判定す
ることができ、これによって上記入力文字列を高精度に
認識することができる。しかも上述したようにテーブル
検索によってハードウェア的に処理を実行するので、従
来のソフトウェアによる認識処理に比較してその処理速
度の大幅な高速化を図ることが可能となる。

以上の単語認識処理を具体例を挙げて更に詳しく説明
すると、前記文字列バッファ12に格納された入力文字列
は、その切出し位置を順にシフトさせながら所定数（３
文字）ずつ単位文字列（トリグラム）として切出され
る。この単位文字列の切出しは、入力文字列を巡回的な
文字の並びと看做して、単位文字列切出し部（切出手
段）21の制御の下で行なわれる。具体的には 『WASHINGTON』 なる10文字からなる入力文字列が文字列バッファ12に与
えられた場合、先頭文字位置から切出した１桁目の単位
文字列（第１の切出し位置）として『WAS』（第１の単
語群）を得、次の２桁目の単位文字列（第２の切出し位
置）として『ASH』（第２の単語群）、３桁目の単位文
字列として『SHI』，…として順に得る。そして９桁目
の単位文字列としては先頭文字を付加した『ONW』,10桁
目の単位文字列としては更に次の文字を付加した『OW
A』を得る。このようにして入力文字列の文字数に応じ
た数の単位文字列がその切出し位置を順にシフトしなが
ら求められる。

このようにして求められた単位文字列に従ってトリグ
ラム・テーブル13が検索され、該当文字列について設定
されているポインタが求められ、このポインタに従って
トリグラム・ポジション・テーブル14が検索される。

具体的には１桁目の単位文字列として『WAS』が切出
された場合、これらの各文字をそれぞれ予め設定された
数値に変換する。例えば認識対象文字「A,B,〜Ｚ」の26
文字について（０）から（25）なる数値が割当てられて
いる場合、『Ｗ』→（22），『Ａ』→（０），『Ｓ』→
（18）としてそれぞれ数値変換する。しかる後、これら
の各数値をそれぞれ16進表記して（16,0,12）ｈなる文
字列情報に変換し、更にこれを総合的に16進表記する。
具体的には、第７図に『WAS』なる単位文字列を示す16
進表記の（16,0,12）ｈをビット展開した情報を示すよ
うに、これを４ビットずつ区切り、総合的な16進表記
（5812）ｈとして上記単位文字列『WAS』を表現する。
この16進表記（5812）ｈの情報が上記『WAS』なる文字
の組合せに対応する前記トリグラム・メモリ13のアドレ
スとなり、このアドレス値に従って前記トリグラム・メ
モリ13を検索する。この単位文字列からの16進表記への
一連の変換処理は、単位文字列変換部22にて実行され
る。

次にこのトリグラム・テーブル13から求められたポイ
ンタに従ってトリグラム・ポジション・テーブル14を検
索する。このトリグラム・ポジション・テーブル14に
は、上記単位文字列『WAS』を含む認識対象単語の情報
が、その単位文字列を含む位置毎に分類され、且つ１桁
目に含む認識対象単語から順にべて格納されている。更
に上記単位文字列をその桁位置に含む認識対象単語が幾
つ存在するかの情報（単語IDカンウタ）も格納されてい
る。このようなトリグラム・ポジション・テーブル14が
上記トリグラム・テーブル13から求められたポインタ、
および前記単位文字列の切出し位置の情報に従ってアド
レス指定されて検索される。

この場合には、単位文字列『WAS』が１桁目から切出
されたものであるから、上記ポインタによって指定され
たアドレスが検索される。一般的には単位文字列がｎ桁
目から切出された場合には、上記ポインタによって指定
されるアドレスを（ｎ−１）だけインクリメントしたア
ドレスが指定される。そしてそのアドレスに格納された
単語IDの情報が、単語IDカウンタによって指定される数
だけ順に読出され、単語IDメモリ15の検索に利用され
る。上記単位文字例変換部22、トリグラム・テーブル1
3、トリグラム・ポインタ・テーブル14により検索手段
が構成される。

このようなテーブル検索によって前記１桁目の単位文
字列『WAS』については、これを先頭位置に含む認識対
象単語の情報が、例えば「wash」「washington」「wash
er」等として求められ、これらの認識対象単語に対応す
る前記単語IDメモリ15の検索が行なわれる。そしてこれ
らの各認識対象単語にそれぞれ対応する前記ヒット・ビ
ット・カウンタ16の１ビット目にヒット情報“1"が書込
まれる（書込手段）。

しかる後、２桁目の単位文字列『ASH』についても同
様なテーブル検索が行なわれ、この場合には「cash」
「rash」「washington」等の認識対象単語が求められ、
これらの各認識対象単語にそれぞれ対応する前記ヒット
・ビット・カウンタ16の２ビット目にヒット情報“1"が
書込まれる（書込手段）。

このような処理が切出し位置を異ならせた単位文字列
毎に行なわれ、ヒット・ビット・カウンタ16へのヒット
情報の書込みによって、最終的には認識対象単語「wash
ington」についてのみ、その切出し位置のそれぞれに対
応したビット位置の全てにヒット情報“1"が書込まれる
ことになる。この結果、ヒット情報判定部（ヒット情報
判定手段）23は上記ヒット・ビット・メモリ16の内容を
調べ、上記認識対象単語「washington」を入力文字列の
単語認識結果として求める。以上のようにして入力文字
列が正確に、しかもテーブル検索によるハードウェア処
理によって簡易に、高速に単語認識される。

尚、本発明は上述した実施例に限定されるものではな
い。ここでは入力文字列を３文字単位に切出してテーブ
ル検索を行なうようにしたが、２文字単位または４文字
単位で切出して同様な処理を行なうことも勿論可能であ
る。またここでは英文字からなる英単語の認識について
説明したが、漢字・仮名を含む日本語の単語認識にも適
用可能であり、その他の国語における単語認識にも適用
可能である。その他、本発明の要旨を逸脱しない範囲で
種々変形して実施することが可能である。

［発明の効果］ 以上説明したように本発明によれば、入力文字列から
切出した所定数の文字列毎にテーブル検索を行なって認
識対象単語に対するヒット情報を求め、このヒット情報
を評価して上記入力文字列を単語認識するので、その処
理速度の大幅な高速化を図ることができ、しかもハード
ウェア的に簡易に精度良く単語認識することができる等
の実用上多大なる効果が奏せられる。また、ヒット・ビ
ット・メモリにおいて、認識対象の単語の最大文字数に
応じてビット・エリアの設定を行い、認識結果によりこ
のヒット・ビット・メモリにヒット情報を立てる処理を
行い、このヒット情報から判断を行う処理を行うことで
確実に処理を行うことができる単語認識装置を提供でき
る。さらに、末尾の文字と先頭文字を連ねて検索するの
で確実性が向上した単語認識装置を提供できる。

【図面の簡単な説明】

図は本発明の一実施例に係る単語認識装置を示すもの
で、第１図は実施例装置の全体的な構成図、第２図はノ
イズ除去部のハードウェア構成例を示す図、第３図は入
力画像からのノイズ除去作用を説明する為の図、第４図
は入力画像の文字列方向における積算射影成分を示す
図、第５図は積算射影成分をフーリエ変換した空間周波
数分布関数を示す図、第６図は空間周波数分布関数から
推定される文字行ピッチを説明する為の図、第７図は実
施例装置における単語認識処理の概念を示す図である。 １……光電変換部、２……画像圧縮部、３……ノイズ除
去部、４……積算射影計算部、５……フーリエ変換部、
６……行ピッチ推定部、７……行検出切出部、８……文
字検出切出部、９……文字認識部、10……認識辞書、11
……単語認識部、12……文字列バッファ、13……トリグ
ラム・テーブル、14……トリグラム・ポジション・テー
ブル、15……単語IDテーブル、16……ヒット・ビット・
メモリ、21……単位文字列切出部、22……単位文字列変
換部、23……ヒット情報判定部。

フロントページの続き (56)参考文献 特開 昭61−161588（ＪＰ，Ａ) 特開 昭59−160275（ＪＰ，Ａ) 特開 昭61−267885（ＪＰ，Ａ) 特許2588261（ＪＰ，Ｂ２) 特公 昭57−29745（ＪＰ，Ｂ２) 特公 平６−46420（ＪＰ，Ｂ２) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06K 9/72 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】複数の文字で形成された単語を認識する単
   語認識装置において、 単語に係る情報を格納する単語辞書と、 認識すべき単語を読取る読取手段と、 この読取手段で読み取った単語の最大文字数に応じて、
   前記単語辞書において検索対象となるべき単語にビット
   ・エリアを設定する設定手段と、 前記読取手段で読取った上記単語から文字単位の所定の
   切出し位置から順に文字の並びに沿った方向にシフトし
   ながら所定文字数ごとの単位文字列を複数切出す切出手
   段と、 この切出手段で切出した各切出し位置の単位文字列に対
   応した単語を上記単語辞書から検索する検索手段と、 この検索手段による検索の結果、一致した単語の前記設
   定手段で設定したビット・エリアに上記各切り出し位置
   に対応づけたヒット情報を書込む書込手段と、 この書込手段で書込まれたヒット情報に基づき、全ての
   切り出し位置に対応づけられた単語を認識結果とするヒ
   ット情報判定手段と、 を具備したことを特徴とする単語認識装置。
2. 【請求項２】前記切出手段は、所定文字数毎の単位文字
   列のシフト時に、単語の末尾文字と単語の先頭文字をつ
   なげて単位文字列として切り出すことを特徴とする請求
   項１に記載の単語認識装置。