JP3006823B2 - 文字および単語の認識方式 - Google Patents
文字および単語の認識方式Info
- Publication number
- JP3006823B2 JP3006823B2 JP7005494A JP549495A JP3006823B2 JP 3006823 B2 JP3006823 B2 JP 3006823B2 JP 7005494 A JP7005494 A JP 7005494A JP 549495 A JP549495 A JP 549495A JP 3006823 B2 JP3006823 B2 JP 3006823B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- recognition
- word
- deformation
- storage unit
- 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.)
- Expired - Fee Related
Links
Landscapes
- Character Discrimination (AREA)
Description
式に関し、特に、文字の認識信頼度や単語照合結果に基
づき不十分な箇所を再認識することにより性能を向上さ
せる文字および単語の認識方式に関する。
学的文字読取装置(OCR)などで、認識候補を補い認
識性能を向上させるために用いられている。
実施する場合の一構成例を示すブロック図である。
キャナ(不図示)などにより読み取られた文字画像デー
タを保持する入力データ記憶部511と、複数の文字カ
テゴリー毎の標準パターンを保持している認識辞書記憶
部521と、入力データが複数の場合にあらかじめ切り
出し処理を行い、各文字データに対して個別文字認識を
行う文字認識手段522と、認識する言語の単語や文節
情報を保持している単語辞書記憶部531と、文字認識
手段522によって認識された各文字データの認識結果
を単語辞書記憶部531に保持されている単語情報と比
較し、照合する単語を抽出する単語照合手段532とか
ら構成されている。
では、認識辞書記憶部521に保持されている標準パタ
ーン情報を用いて各文字データがいずれのカテゴリーに
対応するかについて類似情報(類似度や距離値およびそ
の信頼度など)が抽出され、類似性の高い文字カテゴリ
ーが出力される。文字および単語の認識において、単語
情報を用いない場合はこの段階で処理を終了する。
きによる字形変形の多様さ(文字線の太さ、文字の傾き
など)および漢字の字種の多さにより、抽出される認識
結果(候補)に必ずしも正解が含まれるとは限らない。
認識結果に字形が類似しているカテゴリーを追加して、
正解が含まれる可能性を高くする方法がある。しかし、
この方法では、全ての誤読傾向を分析して各カテゴリー
毎に置き換え文字を準備しておく必要があり、また、不
必要な候補を追加してしまうこともある。
ている文字および単語認識方式では、文字の変形に対応
した複数の標準パターンを設け、各標準パターン毎に類
似文字カテゴリーを登録したテーブルを設けることによ
りカテゴリーの追加が行われている。それにより、不必
要なカテゴリーを追加することなく、誤認識を生じやす
い必要最低限の文字カテゴリーのみを追加することがで
きる。
高い文字について異なる条件で再度認識処理を行なうこ
とにより、認識精度を上げる方法がある。従来のこの種
の単語認識方式の一例が、特開平2−300972号公
報および特開平3−218567号公報(電子辞書)に
記載されている。この公報に記載された単語認識方式で
は、単語照合結果に基づき、単語と一致しない部分に対
して、認識を行なう前に行なわれる二値化処理のスライ
スレベルを変えることで再認識が行なわれている。
従来の文字および単語の認識方式では、複数の文字のそ
れぞれに対応して類似カテゴリーを備えておく必要があ
るため、膨大な辞書を準備しなければならないという問
題点がある。
ない部分に対してスライスレベルを変更して再認識を行
う場合は、スライスレベルを変更するだけでは手書き文
字の多様な字形変形に対処できない。また、文字の誤読
原因を考慮していないため、はじめから設定してある何
通りかのスライスレベルで認識しなければならないた
め、認識時間が増大し、かつ、不適当な条件で認識する
ことによる誤読の虞れが生じるという問題点がある。
する問題点に鑑みてなされたものであって、認識時間を
増大せずに手書き文字における字形変形にも対処して文
字認識を行うことができる文字および単語の認識方式を
提供することを目的とする。
本発明は、入力文字データをメモリ上に記憶する入力デ
ータ記憶部と、複数のカテゴリの標準パターン情報を保
持する認識辞書記憶部と、前記入力データ記憶部より得
られる文字データに対して前記認識辞書記憶部より得ら
れる情報を基に文字認識を行なう文字認識手段と、複数
の単語情報を保持する単語辞書記憶部と、前記文字認識
手段より得られる文字認識候補結果に対して前記単語辞
書記憶部より得られる情報を基に単語照合を行う単語照
合検証手段とを少なくとも備えた、文字および単語の認
識方式において、前記単語照合検証手段において照合で
きない単語がある場合該当する文字を前記入力データ記
憶部より取得する対象データ取得手段と、前記対象デー
タ取得手段より得られるデータから何種類かの変形を取
得するための特徴を抽出し、条件判定により変形を決定
する変形推定手段と、変形推定のための複数のカテゴリ
ーの変形標準特徴情報を保持する変形特徴記憶部と、前
記変形推定手段より得られる変形推定結果に基づき、各
変形に対応して、対象データ取得手段より得られるデー
タに対してその変形を戻す正規化を施す正規化手段と、
前記正規化手段より得られる各正規化データに対してそ
れぞれ文字認識を行う文字再認識手段とを備え、前記変
形推定手段は、前記対象データ取得手段より得られるデ
ータから変形を検知する特徴を抽出し、前記変形特徴記
憶部より得られる変形標準特徴情報と比較することによ
り変形推定を行い、前記単語照合検証手段は、照合が不
十分な場合は再認識により検証を行い、単語照合結果を
出力することを特徴とする。
た文字についての単語照合において照合されるべき単語
が見つからない場合、再度、入力データ記憶部から該当
する文字を抽出し、変形推定手段において抽出された文
字から変形の特徴を導き出し、その結果に基づき正規化
手段にて文字の変形を修正して、再度、文字認識を行う
ので、複数の文字のそれぞれに対応して類似カテゴリー
を膨大な辞書により備えておく必要なく文字認識が行わ
れる。
数の文字のそれぞれに対応した変形特徴の標準値が設定
されているので、さらに高精度に文字認識が行われる。
値との距離により再認識が行われるので高精度に文字認
識が行われる。
して説明する。
字および単語の認識方式の第1の実施例を示すブロック
図である。
図1に示すように、スキャナ(不図示)などにより読み
取られた文字画像データを保持する入力データ記憶部1
11と、複数のカテゴリー毎の標準パターンを保持して
いる認識辞書記憶部121と、入力データが複数の場合
にあらかじめ切り出し処理を行い、各文字データに対し
て個別文字認識を行う文字認識手段122と、認識する
言語の単語や文節情報を保持している単語辞書記憶部1
31と、文字認識手段122によって認識された各文字
データの認識結果を単語辞書記憶部131に保持されて
いる単語情報と比較し照合する単語を抽出し、もし照合
が不十分な場合は再認識により検証を行い、単語照合結
果を出力する単語照合検証手段133と、単語照合検証
手段133より得られる検証対象に対するデータを入力
データ記憶部111より取得する対象データ取得手段1
41と、対象データ取得手段141より得られるデータ
に対して何種類かの変形を取得するための特徴を抽出
し、条件判定により変形を決定する変形推定手段142
と、変形推定手段142より得られる変形推定結果に基
づき、各変形に対応して、対象データ取得手段141よ
り得られるデータに対してその変形を戻す正規化を施す
(以下、正規化データと称す)正規化手段143と、正
規化手段143より得られる正規化データに対して再び
文字認識を行う文字再認識手段144とから構成されて
いる。
取られ入力データ記憶部111に記憶された文字画像デ
ータが、文字認識手段122において認識辞書記憶部1
21に保持されている標準パターンと比較され認識され
る。
認識された文字に関する単語や文節情報が単語辞書記憶
部131から読み出される。ここで、単語照合が十分な
場合は、認識結果が出力され、処理が終了する。一方、
単語照合が不十分な場合は、対象データ取得手段141
にその旨の信号が送られる。ここで、単語照合が不十分
な場合としては、照合した単語の一部の文字において、
対応する文字認識候補の中にその文字が存在しない場合
等が考えられる。
入力データ記憶部111から検証対象となるデータが取
得され、変形推定手段142において、取得されたデー
タから何種類かの変形を取得するための特徴が抽出さ
れ、条件判定により変形が決定される。
推定手段142における変形推定結果に基づき正規化が
行われ、文字再認識手段144において再度文字認識が
行われる。
て、文字再認識手段144にて認識された文字を含めて
単語辞書記憶部131に保持されているデータとの照合
が行われ、認識結果が出力される。
定および正規化手段143における正規化について説明
する。
推定する変形要素として、(変形1:線幅)、(変形
2:横線の傾き)、(変形3:縦線の傾き)の3種類を
用意しているとする。
推定するための特徴を抽出する。
献「1973年5月、電子通信学会研究会、PRL73
−14」に記載された方法により平均線幅を求めること
ができる。この文献では、平均線幅=(パターンの黒画
素数)/(文字線分の長の和)により計算される。も
し、抽出した線幅が標準値を中心とする規定の範囲(し
きい値)より大きかったら、正規化手段143において
細線化が行われる。逆に、抽出した線幅が規定の範囲よ
り小さかったら、正規化手段143において太線化が行
われる。細線化の方法は、例えば、輪郭線上の黒画素を
白画素に替えることにより線幅1ずつ細線化できる。逆
に太線化の方法は、例えば、輪郭線の1つの外側の白画
素を黒画素に替えることにより線幅1ずつ太線化でき
る。
とにより、線幅を変えることも可能である。ただし、こ
の方法では、補正後の線幅の予想が困難になるという問
題点がある。
ば、文献「1991年9月、電子情報通信学会秋季全国
大会、D−229」に記載されたアフィン変換により横
線の傾きを求めることができる。この文献では、横線に
近い方向線分の重み付き平均値により傾きが計算され
る。もし、抽出した横線の傾きが規定の範囲外だった
ら、正規化手段143において横線傾き補正が行われ
る。
するための図であり、(a)は、横線の傾きがθのとき
の補正を説明するための図、(b)は、縦線の傾きがφ
のときの補正を説明するための図である。
きと標準値(水平方向とする)との差がθのとき、座標
(x,y)→(u,v)への変換は、下式により計算で
きる。
き検出と同様に縦線に近い方向線分の重み付き平均値よ
り計算できる。もし、抽出した縦線の傾きが規定の範囲
外だったら、正規化手段143において縦線傾き補正が
行われる。
きと標準値(垂直方向とする)との差がφのとき、座標
(x,y)→(u,v)への変換は、下式により計算で
きる。
れた変形が複数ある場合は、それぞれに対応して複数の
正規化データを作成する。
例を説明するための図であり、(a)は、入力データを
示す図、(b)は、認識候補結果の一例を示す図であ
る。
「大津町」が入力データ記憶部111から入力されたと
する。すると、文字認識手段122において、切り出し
た各データに対して文字認識が行われ、例えば図5
(b)に示す認識候補および距離値が出力される。
認識候補結果が単語記憶部131に記憶されている単語
情報と比較され、照合する単語が抽出される。その結
果、「大津町」と「大塚町」が抽出されたとする。ここ
で、各単語候補とも、2文字目(「津」と「塚」)が文
字認識候補の中になく、照合が不十分であるため、再認
識が行われる。
データ取得手段141において、入力データ記憶部11
1より2文字目「津」の領域のデータが取得される。
ータから変形推定特徴として、線幅=4、横線の傾き=
15°、縦線の傾き=3°が抽出されたとする。線幅に
関しては、データのサイズを例えば64×64に正規化
している。ここで、各規定の範囲を、線幅4±2、横線
の傾き=0±5°、縦線の傾き=0±5°とすると、横
線の傾きのみが規定の範囲外となり、正規化の対象とな
る。すると、正規化手段143により、「津」のデータ
に対して、正規化として横線の傾き補正が行われる。
場合は、それぞれの変形に対応した正規化データが作成
される。また、その場合、複数の変形を合成した正規化
データを作成してもよい。
の一例を示す図である。
横線の傾き補正が行われると、文字再認識手段144に
おいて、「津」の正規化データに対しての文字認識が行
われる。
の一例を示す図である。
識が行われると、単語照合検証手段133において、再
認識結果が受取られ単語照合が再検討される。再認識結
果の候補には図7に示すように、「津」が含まれ「塚」
が含まれていないので、「大津町」が単語認識結果とし
て出力される。
字および単語の認識方式の第2の実施例を示すブロック
図である。
図2に示すように、変形特徴記憶部245を備える点で
本発明の第1の実施例と異なる。
数のカテゴリー毎の変形標準特徴情報が保持されてお
り、また、変形推定手段242では、対象データ取得手
段241より得られるデータから何種類かの変形を推定
するための特徴が抽出され、変形特徴記憶部245の特
徴と比較され条件判定により変形が決定される。
の標準値があらかじめ変形推定手段142(図1参照)
によって設定され、かつ、どの文字でも一定であった。
しかし、各変形に対応して抽出される特徴は、実際の線
幅や傾きに対して各カテゴリー毎に様々なずれを生じる
場合もある。
では、実際には傾いていないのに傾きが検出される。
部245において各カテゴリー毎の変形特徴の標準値が
記憶され、その標準値と抽出した特徴との差をもとに変
形を決定する方式について説明する。
識されるまでの動作について説明する。
文字目「津」のデータに対して、単語照合の結果、
「津」と「塚」の2つの可能性があった。「津」の変形
特徴の標準値を、線幅=4、横線の傾き=0°、縦線の
傾き=0°、「塚」の変形特徴の標準値を、線幅=3、
横線の傾き=5°、縦線の傾き=−3°とする。また、
規定の範囲を、いずれも線幅=標準±2、横線の傾き=
標準±5°、縦線の傾き=標準±5°とする。取得した
データに対して、変形推定特徴として、線幅=4、横線
の傾き=15°、縦線の傾き=3°が抽出されたとする
と、「津」に対しては、横線の傾きが範囲外となり、
「塚」に対しては横線の傾きと縦線の傾きが範囲外とな
る。
の傾き補正と縦線の傾き補正の正規化データが作成され
る。横線の傾き補正に関しては「津」は15°、「塚」
は10°と異なるので、2つの正規化データが作成され
る。もしくは、補正が近いと判定した場合は1つにまと
めても良い。
再認識が行われ、単語照合検証手段233において、単
語辞書記憶部231から抽出された単語情報と再認識さ
れた単語との照合が行われ、認識結果が出力される。
文字認識方式の一実施例を示すブロック図である。
うに、第1の実施例と同様に入力データ記憶部311
と、認識辞書記憶部321と、文字認識手段322と、
対象データ取得手段341と、変形推定手段342と、
正規化手段343と、文字再認識手段344とを備え、
さらに、文字認識手段322より得られる文字認識結果
の各候補の類似情報を基に認識結果の信頼度の低いデー
タに対して再認識を行い、認識候補を修正する候補修正
手段323とを備えて構成される。
るまでの動作について説明する。
5(b)の認識候補の1位の距離値が、ある規定値(例
えば3000)を越えた場合、再認識が行われる。再認
識の結果は、例えば図7に示すようになり、候補修正手
段323では最初の認識候補結果と再認識の認識候補結
果を総合して認識候補を出力する。例えば、距離値の小
さい順に並べれば、候補は「津浄淒」の順になる。
形の種類を、線幅、横線の傾き、縦線の傾きの3種類と
したがこれに限るものではない。また、第2の実施例の
変形特徴記憶部245は、認識辞書記憶部221と独立
に説明したが、1つの辞書の中に記憶するものでも良
い。
ているので以下に記載するような効果を奏する。
合検証手段において照合できない単語がある場合に該当
する文字を前記入力データ記憶部より取得する対象デー
タ取得手段と、対象データ取得手段より得られるデータ
から何種類かの変形を取得するための特徴を抽出し、条
件判定により変形を決定する変形推定手段と、変形推定
手段より得られる変形推定結果に基づき、各変形に対応
して、対象データ取得手段より得られるデータに対して
その変形を戻す正規化を施す正規化手段と、正規化手段
より得られる各正規化データに対してそれぞれ文字認識
を行う文字再認識手段とを備え、単語照合検証手段にお
いて照合が不十分な場合は再認識により検証を行い、単
語照合結果を出力するように構成したため、複数の文字
のそれぞれに対応して類似カテゴリーを膨大な辞書によ
り備えておく必要がなくなり、また、不適当な条件で文
字の認識を行うことが避けられるので、認識時間の増大
を招かずに手書き文字のような字形変形にも対処して文
字認識を行うことができる。
定のための複数のカテゴリーの変形標準特徴情報を保持
する変形特徴記憶部を備え、変形推定手段が対象データ
取得手段より得られるデータから変形を検知する特徴を
抽出し、変形特徴記憶部より得られる変形標準特徴情報
と比較することにより変形推定を行なうように構成した
ため、複数の文字毎に変形推定および正規化を行うこと
ができる。それにより、さらに高精度に文字認識を行う
ことができる。
識手段より得られる文字認識候補結果に対して認識信頼
度が低い文字が存在する場合は再認識により検証を行な
い、認識結果を修正する候補修正手段を備えたことによ
り、不十分な箇所を再認識することにより認識結果を補
い、精度良く文字認識を行うことができる。
の実施例を示すブロック図である。
の実施例を示すブロック図である。
ブロック図である。
施例における傾き補正を説明するための図であり、
(a)は、横線の傾きがθのときの補正を説明するため
の図、(b)は、縦線の傾きがφのときの補正を説明す
るための図である。
施例における文字認識結果の例を説明するための図であ
り、(a)は、入力データを示す図、(b)は、認識候
補結果の一例を示す図である。
施例における横線の傾き補正の一例を示す図である。
施例における文字再認識結果の一例を示す図である。
の一構成例を示すブロック図である。
Claims (1)
- 【請求項1】入力文字データをメモリ上に記憶する入力
データ記憶部と、複数のカテゴリの標準パターン情報を
保持する認識辞書記憶部と、前記入力データ記憶部より
得られる文字データに対して前記認識辞書記憶部より得
られる情報を基に文字認識を行なう文字認識手段と、複
数の単語情報を保持する単語辞書記憶部と、前記文字認
識手段より得られる文字認識候補結果に対して前記単語
辞書記憶部より得られる情報を基に単語照合を行う単語
照合検証手段とを少なくとも備えた、文字および単語の
認識方式において、 前記単語照合検証手段において照合できない単語がある
場合該当する文字を前記入力データ記憶部より取得する
対象データ取得手段と、 前記対象データ取得手段より得られるデータから何種類
かの変形を取得するための特徴を抽出し、条件判定によ
り変形を決定する変形推定手段と、変形推定のための複数のカテゴリーの変形標準特徴情報
を保持する変形特徴記憶部と、 前記変形推定手段より得られる変形推定結果に基づき、
各変形に対応して、対象データ取得手段より得られるデ
ータに対してその変形を戻す正規化を施す正規化手段
と、 前記正規化手段より得られる各正規化データに対してそ
れぞれ文字認識を行う文字再認識手段とを備え、前記変形推定手段は、前記対象データ取得手段より得ら
れるデータから変形を検知する特徴を抽出し、前記変形
特徴記憶部より得られる変形標準特徴情報と比較するこ
とにより変形推定を行い、 前記単語照合検証手段は、照合が不十分な場合は再認識
により検証を行い、単語照合結果を出力することを特徴
とする、文字および単語の認識方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7005494A JP3006823B2 (ja) | 1995-01-18 | 1995-01-18 | 文字および単語の認識方式 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7005494A JP3006823B2 (ja) | 1995-01-18 | 1995-01-18 | 文字および単語の認識方式 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08194779A JPH08194779A (ja) | 1996-07-30 |
JP3006823B2 true JP3006823B2 (ja) | 2000-02-07 |
Family
ID=11612796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7005494A Expired - Fee Related JP3006823B2 (ja) | 1995-01-18 | 1995-01-18 | 文字および単語の認識方式 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3006823B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006235817A (ja) * | 2005-02-23 | 2006-09-07 | Nippon Telegr & Teleph Corp <Ntt> | 文字認識装置、文字認識方法、及び文字認識プログラムの記録媒体 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62257583A (ja) * | 1986-05-01 | 1987-11-10 | Ricoh Co Ltd | 文字認識方式 |
JPH05120488A (ja) * | 1991-10-29 | 1993-05-18 | Ricoh Co Ltd | 線図形認識方法 |
JPH064703A (ja) * | 1992-06-24 | 1994-01-14 | Matsushita Electric Ind Co Ltd | 文字認識方法および文字認識装置 |
-
1995
- 1995-01-18 JP JP7005494A patent/JP3006823B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH08194779A (ja) | 1996-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6259812B1 (en) | Key character extraction and lexicon reduction cursive text recognition | |
US5410611A (en) | Method for identifying word bounding boxes in text | |
JP3218004B2 (ja) | 試験署名検証方法 | |
US20080298648A1 (en) | Method and system for slap print segmentation | |
US7136526B2 (en) | Character string recognition apparatus, character string recognizing method, and storage medium therefor | |
CN111783757A (zh) | 一种基于ocr技术的复杂场景下身份证识别方法 | |
US20080273769A1 (en) | Print matching method and system using direction images | |
JPH10307889A (ja) | 文字認識方法、装置及び文字認識プログラムを記録した記録媒体 | |
JP3099797B2 (ja) | 文字認識装置 | |
JP2898562B2 (ja) | ナンバープレート決定方法 | |
JP3006823B2 (ja) | 文字および単語の認識方式 | |
US8472719B2 (en) | Method of stricken-out character recognition in handwritten text | |
JP3956625B2 (ja) | 領域切り出しプログラムおよび装置 | |
CN115995080B (zh) | 基于ocr识别的档案智能管理系统 | |
Akbari et al. | Offline Persian writer identification based on wavelet analysis | |
JPH0728935A (ja) | 文書画像処理装置 | |
JPH051512B2 (ja) | ||
JP2906758B2 (ja) | 文字読取装置 | |
JP3115139B2 (ja) | 文字切り出し方法 | |
JP2977244B2 (ja) | 文字認識方法及び文字認識装置 | |
JP3428504B2 (ja) | 文字認識装置 | |
JP3209197B2 (ja) | 文字認識装置及び文字認識プログラムを記録した記録媒体 | |
JP2985813B2 (ja) | 文字列認識装置および知識データベース学習方法 | |
Virajitha et al. | Simple and effective techniques for skew correction, slant correction and core-region detection for cursive word recognition | |
JP4092847B2 (ja) | 文字認識装置および文字認識方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071126 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081126 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081126 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091126 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091126 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101126 Year of fee payment: 11 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111126 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111126 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121126 Year of fee payment: 13 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121126 Year of fee payment: 13 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131126 Year of fee payment: 14 |
|
LAPS | Cancellation because of no payment of annual fees |