JP3187182B2 - 光学的手書き文字列認識方法および装置 - Google Patents
光学的手書き文字列認識方法および装置Info
- Publication number
- JP3187182B2 JP3187182B2 JP00076393A JP76393A JP3187182B2 JP 3187182 B2 JP3187182 B2 JP 3187182B2 JP 00076393 A JP00076393 A JP 00076393A JP 76393 A JP76393 A JP 76393A JP 3187182 B2 JP3187182 B2 JP 3187182B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- label
- character string
- function
- image
- 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 Input (AREA)
Description
【０００１】
【産業上の利用分野】この発明は、光学的手書き文字列
認識方法および装置に関する。
認識方法および装置に関する。
【０００２】
【従来の技術】光学的手書き文字認識は紙などに筆記さ
れた文字を認識する技術である。この紙などに筆記され
た文字は光電変換装置などにより画像情報として得られ
る。光学的文字認識は、この画像情報を解析し、状態遷
移や辞書として蓄えられた基準と照合することで文字の
認識を行うものである。
れた文字を認識する技術である。この紙などに筆記され
た文字は光電変換装置などにより画像情報として得られ
る。光学的文字認識は、この画像情報を解析し、状態遷
移や辞書として蓄えられた基準と照合することで文字の
認識を行うものである。
【０００３】さて、文字を筆記する場合、１文字だけを
筆記することは希であり、通常は文章などの文字列を筆
記する。一方、文字認識では、認識すべき文字種の多さ
と、認識に要する計算量の関係とにより、文字列を予め
文字毎に分離して、各文字毎に文字認識を行い、文字認
識の結果から文字列の認識結果を得る方法が一般的であ
る。
筆記することは希であり、通常は文章などの文字列を筆
記する。一方、文字認識では、認識すべき文字種の多さ
と、認識に要する計算量の関係とにより、文字列を予め
文字毎に分離して、各文字毎に文字認識を行い、文字認
識の結果から文字列の認識結果を得る方法が一般的であ
る。
【０００４】そこで従来は、文字列を文字毎に分離する
ために、文字枠（文字の記入枠）などを設け、その文字
枠に１文字ずつ筆記してもらうなどの方法が採られてい
た。しかし、この方法は、筆記する人に文字枠を意識さ
せるので負担がかかり、能率も悪く、問題であった。こ
のため近年は、通常紙に書く場合と同様に下線を与えて
書かれた文字列を認識する方式が求められている。
ために、文字枠（文字の記入枠）などを設け、その文字
枠に１文字ずつ筆記してもらうなどの方法が採られてい
た。しかし、この方法は、筆記する人に文字枠を意識さ
せるので負担がかかり、能率も悪く、問題であった。こ
のため近年は、通常紙に書く場合と同様に下線を与えて
書かれた文字列を認識する方式が求められている。
【０００５】文字列を認識する方式として、文字列から
複数の可能性を残して文字列を切り出し、切り出した文
字の認識結果から正しい文字列を推定する方式が提案さ
れている（例えば、１９９０年電子情報通信学会秋季全
国大会論文集Ｄ−３５３「郵便物あて名自動読取区分機
の行・文字検出切出」，須田他など）。この方式は、入
力された文字行から文字行と垂直方向に射影パターンを
求め、射影パターンの最大値に応じて閾値を定め、閾値
以上の最初の位置を開始点にして、文字の検出切出を行
うものである。
複数の可能性を残して文字列を切り出し、切り出した文
字の認識結果から正しい文字列を推定する方式が提案さ
れている（例えば、１９９０年電子情報通信学会秋季全
国大会論文集Ｄ−３５３「郵便物あて名自動読取区分機
の行・文字検出切出」，須田他など）。この方式は、入
力された文字行から文字行と垂直方向に射影パターンを
求め、射影パターンの最大値に応じて閾値を定め、閾値
以上の最初の位置を開始点にして、文字の検出切出を行
うものである。
【０００６】上記の方式では、文字の切り出し候補（文
字を分離する境界位置の候補）を選択する方法が重要で
ある。もし、射影パターンの谷部のうちの深い部分だけ
を文字の切り出しの候補とする場合には、候補数は少な
くなるものの、本来は文字の区切りとなる箇所が候補外
とされて文字の切り出しを失敗する可能性が高くなる。
逆に、射影パターンの谷部のうちの浅い部分も文字の切
り出しの候補とする場合には、候補数が多くなって文字
認識を行う領域も多くなり、認識の処理量並びに性能の
両面において不利となる。
字を分離する境界位置の候補）を選択する方法が重要で
ある。もし、射影パターンの谷部のうちの深い部分だけ
を文字の切り出しの候補とする場合には、候補数は少な
くなるものの、本来は文字の区切りとなる箇所が候補外
とされて文字の切り出しを失敗する可能性が高くなる。
逆に、射影パターンの谷部のうちの浅い部分も文字の切
り出しの候補とする場合には、候補数が多くなって文字
認識を行う領域も多くなり、認識の処理量並びに性能の
両面において不利となる。
【０００７】したがって上記従来の方式では、特に、隣
接する文字が接近し、重複部分を持つ文字列では、全て
の文字の切り出し候補の位置を抽出することは困難とな
ることから、ある程度の大きさの重複部分（即ち射影パ
ターンの谷部のうちの浅い部分）も文字の切り出しの候
補（文字区切りの候補）として抽出しなければならなか
った。この場合、本来は文字の区切りでない多くの箇所
が文字区切り候補に含まれてしまうため、問題であっ
た。
接する文字が接近し、重複部分を持つ文字列では、全て
の文字の切り出し候補の位置を抽出することは困難とな
ることから、ある程度の大きさの重複部分（即ち射影パ
ターンの谷部のうちの浅い部分）も文字の切り出しの候
補（文字区切りの候補）として抽出しなければならなか
った。この場合、本来は文字の区切りでない多くの箇所
が文字区切り候補に含まれてしまうため、問題であっ
た。
【０００８】
【発明が解決しようとする課題】上述したように従来の
光学的手書き文字認識方式では、隣接する文字が接近し
た文字列（特に隣接文字が重複した文字列）から文字を
分離するための文字区切り位置の候補を抽出することは
困難であり、候補が多くなって認識の性能低下や処理量
の増大を招くという問題があった。
光学的手書き文字認識方式では、隣接する文字が接近し
た文字列（特に隣接文字が重複した文字列）から文字を
分離するための文字区切り位置の候補を抽出することは
困難であり、候補が多くなって認識の性能低下や処理量
の増大を招くという問題があった。
【０００９】この発明は上記事情に鑑みてなされたもの
でその目的は、従来の光学的手書き文字認識で問題とさ
れていた、文字間が接近、重複した文字列から文字を分
離するための文字の区切り位置の候補の抽出が、少ない
候補数で、しかも本来は文字の区切りとなる箇所が候補
外とされることを招くことなく実現できる光学的手書き
文字列認識方法および装置を提供することにある。
でその目的は、従来の光学的手書き文字認識で問題とさ
れていた、文字間が接近、重複した文字列から文字を分
離するための文字の区切り位置の候補の抽出が、少ない
候補数で、しかも本来は文字の区切りとなる箇所が候補
外とされることを招くことなく実現できる光学的手書き
文字列認識方法および装置を提供することにある。
【００１０】
【課題を解決するための手段】この発明は、紙などに筆
記された文字列を光学的に読み取ることで得られる画像
情報を対象として黒画素のラベリングを行い、ラベル毎
の行方向（ｘ方向）の最小値および最大値を求めるラベ
ル範囲検出手段と、予め定義された、ラベルの最小値と
最大値により定まるｘの関数であるラベル重み定義関数
をもとに、各ラベルのラベル重み関数を求め、更にこの
ラベル重み関数を全てのラベルについて加算して文字区
切り評価関数を求める評価関数生成手段と、上記文字区
切り評価関数の極値を与えるｘ座標値を検出して文字区
切り候補とする文字区切り候補検出手段と、上記文字区
切り候補をもとに文字画像の領域（１文字領域）を抽出
する文字領域候補抽出手段と、抽出された各１文字領域
を文字認識する文字認識手段とを備え、上記文字認識手
段にて得られる各１文字領域の文字認識結果を評価して
文字列の認識結果を得るようにしたことを特徴とするも
のである。
記された文字列を光学的に読み取ることで得られる画像
情報を対象として黒画素のラベリングを行い、ラベル毎
の行方向（ｘ方向）の最小値および最大値を求めるラベ
ル範囲検出手段と、予め定義された、ラベルの最小値と
最大値により定まるｘの関数であるラベル重み定義関数
をもとに、各ラベルのラベル重み関数を求め、更にこの
ラベル重み関数を全てのラベルについて加算して文字区
切り評価関数を求める評価関数生成手段と、上記文字区
切り評価関数の極値を与えるｘ座標値を検出して文字区
切り候補とする文字区切り候補検出手段と、上記文字区
切り候補をもとに文字画像の領域（１文字領域）を抽出
する文字領域候補抽出手段と、抽出された各１文字領域
を文字認識する文字認識手段とを備え、上記文字認識手
段にて得られる各１文字領域の文字認識結果を評価して
文字列の認識結果を得るようにしたことを特徴とするも
のである。
【００１１】
【作用】上記の構成において、ラベル範囲検出手段は、
（光電変換手段などにより電気信号に変換された）紙な
どに筆記された文字列の画像情報を対象として黒画素の
ラベリングを文字列の行毎に行い、ラベル毎のｘ方向
（行方向）の最小値ａ(i)および最大値ｂ(i) を求め
る。
（光電変換手段などにより電気信号に変換された）紙な
どに筆記された文字列の画像情報を対象として黒画素の
ラベリングを文字列の行毎に行い、ラベル毎のｘ方向
（行方向）の最小値ａ(i)および最大値ｂ(i) を求め
る。
【００１２】評価関数生成手段は、予め定義された、ラ
ベルの最小値ａおよび最大値ｂより定まるラベル重み定
義関数ｆa,b （ｘ）をもとに、ラベル範囲検出手段で得
られた各ラベルＳ(i) の最小値ａ(i) および最大値ｂ
(i) によりラベル重み関数 ｇ(i) （ｘ）＝ｆa(i),b(i) （ｘ） を求め、このラベル重み関数ｇ(i) （ｘ）を全てのラベ
ルＳ(i) について加算して文字区切り評価関数 Ｆ（ｘ）＝Σi ｇ(i) （ｘ） を求める。
ベルの最小値ａおよび最大値ｂより定まるラベル重み定
義関数ｆa,b （ｘ）をもとに、ラベル範囲検出手段で得
られた各ラベルＳ(i) の最小値ａ(i) および最大値ｂ
(i) によりラベル重み関数 ｇ(i) （ｘ）＝ｆa(i),b(i) （ｘ） を求め、このラベル重み関数ｇ(i) （ｘ）を全てのラベ
ルＳ(i) について加算して文字区切り評価関数 Ｆ（ｘ）＝Σi ｇ(i) （ｘ） を求める。
【００１３】文字区切り候補検出手段は、評価関数生成
手段で得られた文字区切り評価関数Ｆ（ｘ）の極値（極
大値または極小値のうちのいずれか一方であり、ラベル
重み定義関数の定義により決定される）を与えるｘ座標
値を検出して文字区切り候補とする。
手段で得られた文字区切り評価関数Ｆ（ｘ）の極値（極
大値または極小値のうちのいずれか一方であり、ラベル
重み定義関数の定義により決定される）を与えるｘ座標
値を検出して文字区切り候補とする。
【００１４】文字領域候補抽出手段は、上記画像情報の
座標を読み取り、行幅（行と垂直な方向をｙとすると、
文字列のｙ方向の最小値と最大値との差）などから、推
定文字幅ｗを決定し、上記文字区切り候補検出手段によ
って求められた任意の文字区切り候補２つに挟まれた領
域のうち、推定文字幅ｗに対応する幅内の領域を１文字
領域候補として抽出する。文字認識手段は、文字領域候
補抽出手段によって抽出された１文字領域候補の文字認
識を行う。この文字認識手段で得られる各１文字領域候
補の文字認識結果をもとに、文字列としての評価が行わ
れ、文字列の認識結果が求められる。
座標を読み取り、行幅（行と垂直な方向をｙとすると、
文字列のｙ方向の最小値と最大値との差）などから、推
定文字幅ｗを決定し、上記文字区切り候補検出手段によ
って求められた任意の文字区切り候補２つに挟まれた領
域のうち、推定文字幅ｗに対応する幅内の領域を１文字
領域候補として抽出する。文字認識手段は、文字領域候
補抽出手段によって抽出された１文字領域候補の文字認
識を行う。この文字認識手段で得られる各１文字領域候
補の文字認識結果をもとに、文字列としての評価が行わ
れ、文字列の認識結果が求められる。
【００１５】
【実施例】図１はこの発明の一実施例に係る光学的手書
き文字列認識装置の構成を示すブロック図である。な
お、図１の装置は、住所認識装置に実施した場合であ
る。
き文字列認識装置の構成を示すブロック図である。な
お、図１の装置は、住所認識装置に実施した場合であ
る。
【００１６】図１において、１は光電変換部であり、紙
などに筆記された文字列は同光電変換部１で電気的な画
像情報に変換される。光電変換部１には画像記憶部２が
接続されており、光電変換部１により変換出力された画
像情報はこの画像記憶部２に記憶される。このようにし
て、例えば図２（ａ）に示すような住所を表わす文字列
「東京都港区芝浦１−１−１」の画像情報が、画像記憶
部２に記憶されたものとする。
などに筆記された文字列は同光電変換部１で電気的な画
像情報に変換される。光電変換部１には画像記憶部２が
接続されており、光電変換部１により変換出力された画
像情報はこの画像記憶部２に記憶される。このようにし
て、例えば図２（ａ）に示すような住所を表わす文字列
「東京都港区芝浦１−１−１」の画像情報が、画像記憶
部２に記憶されたものとする。
【００１７】画像記憶部２には、周知のラベリング機能
を持つラベル範囲検出部３が接続されている。ラベル範
囲検出部３は、画像記憶部２に記憶された上記文字列の
画像情報を対象に黒画素のラベリング（ラベル付け）を
行う。そしてラベル範囲検出部３は、各ラベルＳ(i) 毎
に（即ち、それぞれ固有のラベルが付された黒画素の連
結領域毎に）、文字列の並び方向である行方向（ｘ方
向）の座標値ｘの最小値ａ(i) および最大値ｂ(i) を求
める。これにより、図２（ａ）の文字列中の例えば文字
「東」であれば、３つの連結画像領域２１〜２３に対し
てそれぞれ例えばラベルＳ(1) 〜Ｓ(3) が付けられ、各
領域２１〜２３（ラベルＳ(1) 〜Ｓ(3) ）について、そ
れぞれｘ方向の最小値ａ(1) 〜ａ(3) および最大値ｂ
(1) 〜ｂ(3)が求められる。
を持つラベル範囲検出部３が接続されている。ラベル範
囲検出部３は、画像記憶部２に記憶された上記文字列の
画像情報を対象に黒画素のラベリング（ラベル付け）を
行う。そしてラベル範囲検出部３は、各ラベルＳ(i) 毎
に（即ち、それぞれ固有のラベルが付された黒画素の連
結領域毎に）、文字列の並び方向である行方向（ｘ方
向）の座標値ｘの最小値ａ(i) および最大値ｂ(i) を求
める。これにより、図２（ａ）の文字列中の例えば文字
「東」であれば、３つの連結画像領域２１〜２３に対し
てそれぞれ例えばラベルＳ(1) 〜Ｓ(3) が付けられ、各
領域２１〜２３（ラベルＳ(1) 〜Ｓ(3) ）について、そ
れぞれｘ方向の最小値ａ(1) 〜ａ(3) および最大値ｂ
(1) 〜ｂ(3)が求められる。
【００１８】ラベル範囲検出部３には評価関数生成部４
が接続されている。評価関数生成部４では、ラベル重み
定義関数ｆa,b （ｘ）と称される関数が、例えば次のよ
うに定義されている。 ｆa,b （ｘ）＝０ （ｘ＜ａまたはｘ＞ｂ） ｆa,b （ｘ）＝ｘ−ａ （ａ≦ｘ≦ｃ） ｆa,b （ｘ）＝ｂ−ｘ （ｃ＜ｘ≦ｂ） 但し、ｃ＝（ａ＋ｂ）／２
が接続されている。評価関数生成部４では、ラベル重み
定義関数ｆa,b （ｘ）と称される関数が、例えば次のよ
うに定義されている。 ｆa,b （ｘ）＝０ （ｘ＜ａまたはｘ＞ｂ） ｆa,b （ｘ）＝ｘ−ａ （ａ≦ｘ≦ｃ） ｆa,b （ｘ）＝ｂ−ｘ （ｃ＜ｘ≦ｂ） 但し、ｃ＝（ａ＋ｂ）／２
【００１９】評価関数生成部４は、ラベル範囲検出部３
で得られた各ラベルＳ(i) 毎の最小値ａ(i) および最大
値ｂ(i) をもとに、上記のラベル重み定義関数ｆ
a,b （ｘ）に従い、各ラベルＳ(i) 毎のラベル重み関数 ｇ(i) （ｘ）＝ｆa(i),b(i) （ｘ） を求める。
で得られた各ラベルＳ(i) 毎の最小値ａ(i) および最大
値ｂ(i) をもとに、上記のラベル重み定義関数ｆ
a,b （ｘ）に従い、各ラベルＳ(i) 毎のラベル重み関数 ｇ(i) （ｘ）＝ｆa(i),b(i) （ｘ） を求める。
【００２０】これにより、図２（ａ）の例えば領域２１
〜２３（ラベルＳ(1) 〜Ｓ(3) ）についてのラベル重み
関数ｇ(1) （ｘ）〜ｇ(3) （ｘ）は、図２（ｃ）〜
（ｅ）のようになる。次に評価関数生成部４は、上記全
てのラベルＳ(i) について求めた各ラベル重み関数ｇ
(i) （ｘ）を加算して文字区切り評価関数 Ｆ（ｘ）＝Σi ｇ(i) （ｘ） を求める。
〜２３（ラベルＳ(1) 〜Ｓ(3) ）についてのラベル重み
関数ｇ(1) （ｘ）〜ｇ(3) （ｘ）は、図２（ｃ）〜
（ｅ）のようになる。次に評価関数生成部４は、上記全
てのラベルＳ(i) について求めた各ラベル重み関数ｇ
(i) （ｘ）を加算して文字区切り評価関数 Ｆ（ｘ）＝Σi ｇ(i) （ｘ） を求める。
【００２１】図２（ａ）の文字列における文字区切り評
価関数Ｆ（ｘ）を図２（ｂ）に示す。この図２（ｂ）の
Ｆ（ｘ）中の部分２４は、図２（ｃ）〜（ｅ）に示す３
つのラベル重み関数ｇ(1) （ｘ）〜ｇ(3) （ｘ）を加算
して得られる関数に一致する。
価関数Ｆ（ｘ）を図２（ｂ）に示す。この図２（ｂ）の
Ｆ（ｘ）中の部分２４は、図２（ｃ）〜（ｅ）に示す３
つのラベル重み関数ｇ(1) （ｘ）〜ｇ(3) （ｘ）を加算
して得られる関数に一致する。
【００２２】評価関数生成部４には文字区切り候補検出
部５が接続されている。文字区切り候補検出部５は、評
価関数生成部４で得られた図２（ｂ）に示すような文字
区切り評価関数Ｆ（ｘ）をもとに、同関数Ｆ（ｘ）の極
小値を与えるｘ座標値（図において矢印で示す位置のｘ
座標値）を全て検出して、それらを文字区切り候補（文
字を分離する境界位置の候補）とする。さて、上記評価
関数生成部４で求められた各ラベルＳ(i) 毎のラベル重
み関数ｇ(i) （ｘ）は ｇ(i) （ｘ）＝０ （ｘ＜ａ(i) またはｘ＞
ｂ(i) ） ｇ(i) （ｘ）＝ｘ−ａ(i) （ａ(i) ≦ｘ≦ｃ(i) ） ｇ(i) （ｘ）＝ｂ(i) −ｘ （ｃ(i) ＜ｘ≦ｂ(i) ） 但し、ｃ(i) ＝（ａ(i) ＋ｂ(i) ）／２ となる。
部５が接続されている。文字区切り候補検出部５は、評
価関数生成部４で得られた図２（ｂ）に示すような文字
区切り評価関数Ｆ（ｘ）をもとに、同関数Ｆ（ｘ）の極
小値を与えるｘ座標値（図において矢印で示す位置のｘ
座標値）を全て検出して、それらを文字区切り候補（文
字を分離する境界位置の候補）とする。さて、上記評価
関数生成部４で求められた各ラベルＳ(i) 毎のラベル重
み関数ｇ(i) （ｘ）は ｇ(i) （ｘ）＝０ （ｘ＜ａ(i) またはｘ＞
ｂ(i) ） ｇ(i) （ｘ）＝ｘ−ａ(i) （ａ(i) ≦ｘ≦ｃ(i) ） ｇ(i) （ｘ）＝ｂ(i) −ｘ （ｃ(i) ＜ｘ≦ｂ(i) ） 但し、ｃ(i) ＝（ａ(i) ＋ｂ(i) ）／２ となる。
【００２３】即ちｇ(i) （ｘ）は、ラベルＳ(i) の領域
のｘ方向座標の最小値ａ(i) より小さいｘ座標範囲と、
ｘ方向座標の最大値ｂ(i) より大きいｘ座標範囲では０
となり、ａ(i) 以上ｃ(i) 以下のｘ座標範囲、即ちａ
(i) と（ａ(i) ＋ｂ(i) ）／２の間のｘ座標範囲では単
調増加となりｃ(i) 以上ｂ(i) 以下のｘ座標範囲、即ち
（ａ(i) ＋ｂ(i) ）／２とｂ(i) の間のｘ座標範囲では
単調減少となる。したがって、このようなｇ(i) （ｘ）
を全てのラベルＳ(i) について加算して得られる文字区
切り評価関数Ｆ（ｘ）は、たとえ隣接文字が重複してい
ても、その重複部分で極小値をとるので、この極小値を
与えるｘ座標値を文字区切り候補とすることにより、必
要な候補だけを適切に抽出することができる。
のｘ方向座標の最小値ａ(i) より小さいｘ座標範囲と、
ｘ方向座標の最大値ｂ(i) より大きいｘ座標範囲では０
となり、ａ(i) 以上ｃ(i) 以下のｘ座標範囲、即ちａ
(i) と（ａ(i) ＋ｂ(i) ）／２の間のｘ座標範囲では単
調増加となりｃ(i) 以上ｂ(i) 以下のｘ座標範囲、即ち
（ａ(i) ＋ｂ(i) ）／２とｂ(i) の間のｘ座標範囲では
単調減少となる。したがって、このようなｇ(i) （ｘ）
を全てのラベルＳ(i) について加算して得られる文字区
切り評価関数Ｆ（ｘ）は、たとえ隣接文字が重複してい
ても、その重複部分で極小値をとるので、この極小値を
与えるｘ座標値を文字区切り候補とすることにより、必
要な候補だけを適切に抽出することができる。
【００２４】文字区切り候補検出部５には文字領域候補
抽出部６が接続されている。文字領域候補抽出部６は画
像記憶部２とも接続されており、まず画像記憶部２に記
憶された画像情報に従い、行と垂直な方向をｙとする
と、文字列のｙ方向の最小値と最大値との差をもとに行
の幅を求め、求めた行幅を推定文字幅ｗとする。
抽出部６が接続されている。文字領域候補抽出部６は画
像記憶部２とも接続されており、まず画像記憶部２に記
憶された画像情報に従い、行と垂直な方向をｙとする
と、文字列のｙ方向の最小値と最大値との差をもとに行
の幅を求め、求めた行幅を推定文字幅ｗとする。
【００２５】次に文字領域候補抽出部６は、文字区切り
候補検出部５で抽出された文字区切り候補のうちの任意
の文字区切り候補２つに挟まれた領域の中から、推定文
字幅ｗにより決定される１文字領域最大幅ｗmax を越え
ない領域を、１文字領域候補として決定する。本実施例
では、１文字領域最大幅ｗmax を推定文字幅ｗの１．５
倍としているが、これに限るものではない。
候補検出部５で抽出された文字区切り候補のうちの任意
の文字区切り候補２つに挟まれた領域の中から、推定文
字幅ｗにより決定される１文字領域最大幅ｗmax を越え
ない領域を、１文字領域候補として決定する。本実施例
では、１文字領域最大幅ｗmax を推定文字幅ｗの１．５
倍としているが、これに限るものではない。
【００２６】次に文字領域候補抽出部６は、決定した各
１文字領域候補内の文字画像（を構成するラベル）を画
像記憶部２から抽出する。この際、その１文字領域候補
内にラベルＳ(i) の（領域の）のｘ方向（行方向）の例
えば中点ｃ(i) ＝（ａ(i) ＋ｂ(i) ）／２が含まれるラ
ベルＳ(i) のみを抽出する。これにより、対象としてい
る１文字領域候補内に入り込んでいる隣接文字のラベル
を、この１文字領域候補内のラベルであるものとして誤
って抽出することが防止できる。
１文字領域候補内の文字画像（を構成するラベル）を画
像記憶部２から抽出する。この際、その１文字領域候補
内にラベルＳ(i) の（領域の）のｘ方向（行方向）の例
えば中点ｃ(i) ＝（ａ(i) ＋ｂ(i) ）／２が含まれるラ
ベルＳ(i) のみを抽出する。これにより、対象としてい
る１文字領域候補内に入り込んでいる隣接文字のラベル
を、この１文字領域候補内のラベルであるものとして誤
って抽出することが防止できる。
【００２７】文字領域候補抽出部６には文字認識部７が
接続されている。文字認識部７は画像記憶部２とも接続
されており、文字領域候補抽出部６によって抽出された
各１文字領域候補内の（幾つかのラベルで構成される）
文字画像を、画像記憶部２から取り出し、その文字画像
について周知の文字認識を行う。
接続されている。文字認識部７は画像記憶部２とも接続
されており、文字領域候補抽出部６によって抽出された
各１文字領域候補内の（幾つかのラベルで構成される）
文字画像を、画像記憶部２から取り出し、その文字画像
について周知の文字認識を行う。
【００２８】文字認識部７には住所認識部８が接続さ
れ、この住所認識部８には住所の情報が、例えば最上位
層に都道府県名、次の層に市、群、区名といったよう
に、階層的に記憶された住所記憶部９が接続されてい
る。住所認識部８は、住所記憶部９の情報をもとに、文
字認識部７によって認識された文字列の先頭から順に認
識結果を参照してまず都道府県名を認識し、次に認識さ
れた都道府県名に矛盾しない市、群、区名等を順に認識
して、文字列全体を住所として認識する。
れ、この住所認識部８には住所の情報が、例えば最上位
層に都道府県名、次の層に市、群、区名といったよう
に、階層的に記憶された住所記憶部９が接続されてい
る。住所認識部８は、住所記憶部９の情報をもとに、文
字認識部７によって認識された文字列の先頭から順に認
識結果を参照してまず都道府県名を認識し、次に認識さ
れた都道府県名に矛盾しない市、群、区名等を順に認識
して、文字列全体を住所として認識する。
【００２９】なお、ラベル重み定義関数ｆa,b （ｘ）は
前記実施例に限定されるものではなく、ｆa,b （ｘ）の
１次微分係数（ｄ／ｄｘ）ｆa,b （ｘ）が下記式 （ｄ／ｄｘ）ｆa,b （ｘ）＝０ （ｘ＜ａまたはｘ＞
ｂ） （ｄ／ｄｘ）ｆa,b （ｘ）＝Ｋ （ａ≦ｘ≦ｃ） （ｄ／ｄｘ）ｆa,b （ｘ）＝−Ｋ （ｃ＜ｘ≦ｂ） 但し、Ｋは０でない定数、ｃは最小値ａと最大値ｂとで
定まる ａ≦ｃ≦ｂを満たす点
前記実施例に限定されるものではなく、ｆa,b （ｘ）の
１次微分係数（ｄ／ｄｘ）ｆa,b （ｘ）が下記式 （ｄ／ｄｘ）ｆa,b （ｘ）＝０ （ｘ＜ａまたはｘ＞
ｂ） （ｄ／ｄｘ）ｆa,b （ｘ）＝Ｋ （ａ≦ｘ≦ｃ） （ｄ／ｄｘ）ｆa,b （ｘ）＝−Ｋ （ｃ＜ｘ≦ｂ） 但し、Ｋは０でない定数、ｃは最小値ａと最大値ｂとで
定まる ａ≦ｃ≦ｂを満たす点
【００３０】を満たす連続関数であればよい。前記実施
例は定数Ｋが正（Ｋ＝１）の場合であるが、負であって
も構わない。但し、Ｋが負の場合には、文字区切り候補
検出部５は、文字区切り評価関数Ｆ（ｘ）の極大値（前
記実施例では極小値）を与えるｘ座標値を検出して、そ
れらを文字区切り候補とする必要がある。
例は定数Ｋが正（Ｋ＝１）の場合であるが、負であって
も構わない。但し、Ｋが負の場合には、文字区切り候補
検出部５は、文字区切り評価関数Ｆ（ｘ）の極大値（前
記実施例では極小値）を与えるｘ座標値を検出して、そ
れらを文字区切り候補とする必要がある。
【００３１】また、ａ≦ｘ≦ｃの範囲で単調増加（また
は単調減少）し、ｃ＜ｘ≦ｂの範囲で単調減少（または
短調増加）し、ｘ＜ａでｘ＝ａのときと同一の第１の値
をとり、更にｘ＞ｂでｘ＝ｂのときと同一の第２の値を
とる関数を、ラベル重み定義関数ｆa,b （ｘ）すること
も可能である。
は単調減少）し、ｃ＜ｘ≦ｂの範囲で単調減少（または
短調増加）し、ｘ＜ａでｘ＝ａのときと同一の第１の値
をとり、更にｘ＞ｂでｘ＝ｂのときと同一の第２の値を
とる関数を、ラベル重み定義関数ｆa,b （ｘ）すること
も可能である。
【００３２】更に、前記実施例では、１文字領域候補か
ら文字画像を構成するラベルを抽出する際、その１文字
領域候補内にラベルＳ(i) の（領域の）のｘ方向（行方
向）の中点ｃ(i) ＝（ａ(i) ＋ｂ(i) ）／２が含まれる
ラベルＳ(i) のみを抽出するようにしたが、その領域の
ｘ方向最小値をｘｌ、ｘ方向最大値をｘｒ、ｃ(i) を各
ラベルＳ(i) 毎にそのｘ方向最小値ａ(i) およびｘ方向
最大値ｂ(i) により定まるａ(i) ≦ｃ(i) ≦ｂ(i) を満
足する値とすると、ｘｌ≦ｃ(i) ≦ｘｒを満足するラベ
ルＳ(i) のみを抽出するようにしてもよい。
ら文字画像を構成するラベルを抽出する際、その１文字
領域候補内にラベルＳ(i) の（領域の）のｘ方向（行方
向）の中点ｃ(i) ＝（ａ(i) ＋ｂ(i) ）／２が含まれる
ラベルＳ(i) のみを抽出するようにしたが、その領域の
ｘ方向最小値をｘｌ、ｘ方向最大値をｘｒ、ｃ(i) を各
ラベルＳ(i) 毎にそのｘ方向最小値ａ(i) およびｘ方向
最大値ｂ(i) により定まるａ(i) ≦ｃ(i) ≦ｂ(i) を満
足する値とすると、ｘｌ≦ｃ(i) ≦ｘｒを満足するラベ
ルＳ(i) のみを抽出するようにしてもよい。
【００３３】
【発明の効果】以上詳述したようにこの発明によれば、
筆記された文字列の画像情報を対象とするラベリングを
文字列の行毎に行い、各ラベル毎に、行方向の座標値ｘ
の最小値および最大値を求める一方、ラベルの行方向の
最小値と最大値により定まるｘの関数であるラベル重み
定義関数を予め定義しておくことで、各ラベル毎に求め
られた最小値および最大値から各ラベル毎のラベル重み
関数を求め、次に全てのラベルについて求められたラベ
ル重み関数を加算して文字区切り評価関数を求め、この
文字区切り評価関数が極値をとる行方向の全ての座標値
を文字列中の文字区切り候補とするようにしたので、特
に隣接文字間が接近、重複した文字列から、必要な候補
だけを適切に抽出することができる。
筆記された文字列の画像情報を対象とするラベリングを
文字列の行毎に行い、各ラベル毎に、行方向の座標値ｘ
の最小値および最大値を求める一方、ラベルの行方向の
最小値と最大値により定まるｘの関数であるラベル重み
定義関数を予め定義しておくことで、各ラベル毎に求め
られた最小値および最大値から各ラベル毎のラベル重み
関数を求め、次に全てのラベルについて求められたラベ
ル重み関数を加算して文字区切り評価関数を求め、この
文字区切り評価関数が極値をとる行方向の全ての座標値
を文字列中の文字区切り候補とするようにしたので、特
に隣接文字間が接近、重複した文字列から、必要な候補
だけを適切に抽出することができる。
【００３４】即ち、この発明によれば、文字を分離する
ための文字の区切り位置の候補の抽出が、少ない候補数
で、しかも本来は文字の区切りとなる箇所が候補外とさ
れることを招くことなく実現でき、特に隣接文字間が接
近、重複した文字列を少ない処理量で効率的に高性能に
認識することがてきる。
ための文字の区切り位置の候補の抽出が、少ない候補数
で、しかも本来は文字の区切りとなる箇所が候補外とさ
れることを招くことなく実現でき、特に隣接文字間が接
近、重複した文字列を少ない処理量で効率的に高性能に
認識することがてきる。
【図１】この発明の一実施例に係る光学的手書き文字列
認識装置の構成を示すブロック図。
認識装置の構成を示すブロック図。
【図２】同実施例における文字区切り候補抽出の基礎と
なる関数の具体例を、認識の対象となる文字列と対応さ
せて示す図。
なる関数の具体例を、認識の対象となる文字列と対応さ
せて示す図。
１…光電変換部、２…画像記憶部、３…ラベル範囲検出
部、４…評価関数生成部、５…文字区切り候補検出部、
６…文字領域候補抽出部、７…文字認識部、８…住所認
識部、９…住所記憶部。
部、４…評価関数生成部、５…文字区切り候補検出部、
６…文字領域候補抽出部、７…文字認識部、８…住所認
識部、９…住所記憶部。
Claims (6)
- 【請求項１】 紙などに筆記された文字列を光学的に読
み取ることにより得られる画像情報を画像記憶部に入力
し認識を行う光学的手書き文字列認識方法において、 上記画像情報を対象とするラベリングを文字列の行毎に
行い、各ラベルＳ(i)毎に、行方向の座標値ｘの最小値
ａ(i) および最大値ｂ(i) を求める一方、 ラベルの行方向の最小値ａと最大値ｂとで定まる行方向
の座標値ｘをパラメータとするラベル重み定義関数ｆ
a,b （ｘ）を予め定義しておくことで、上記各ラベルＳ
(i) 毎に求められた上記最小値ａ(i) および最大値ｂ
(i) から各ラベルＳ(i) 毎のラベル重み関数 ｇ(i) （ｘ）＝ｆa(i),b(i) （ｘ） を求め、 次に上記全てのラベルＳ(i) について求められたラベル
重み関数ｇ(i) （ｘ）を加算して文字区切り評価関数 Ｆ（ｘ）＝Σi ｇ(i) （ｘ） を求め、 この文字区切り評価関数Ｆ（ｘ）が極大値または極小値
のいずれか一方の極値をとる行方向の座標値を文字列中
の文字区切り候補集合とし、 この文字区切り候補集合をもとに文字画像の領域を決定
して文字画像を抽出し、 この抽出された文字画像を認識して文字認識結果を得、 この文字認識結果を統合して文字列の認識結果とするこ
とを特徴とする光学的手書き文字列認識方法。 - 【請求項２】 上記ラベル重み定義関数ｆa,b （ｘ）を （ｄ／ｄｘ）ｆa,b （ｘ）＝０ （ｘ＜ａまたはｘ＞
ｂ） （ｄ／ｄｘ）ｆa,b （ｘ）＝Ｋ （ａ≦ｘ≦ｃ） （ｄ／ｄｘ）ｆa,b （ｘ）＝−Ｋ （ｃ＜ｘ≦ｂ） 但し、Ｋは０でない定数、ｃは最小値ａと最大値ｂとで
定まる ａ≦ｃ≦ｂを満たす点 を満たす連続関数で定義することを特徴とする請求項１
記載の光学的手書き文字列認識方法。 - 【請求項３】 上記文字画像の抽出の際には、文字画像
の領域がｘｌ≦ｘ≦ｘｒであるものとすると、文字画像
を構成するラベルの選択を ｘｌ≦ｃ(i) ≦ｘｒ 但し、ｃ(i) は各ラベル毎に上記ａ(i) とｂ(i) とで定
まる ａ(i) ≦ｃ(i) ≦ｂ(i) を満たす値 なる条件を満たすか否かにより行うことを特徴とする請
求項１または請求項２記載の光学的手書き文字列認識方
法。 - 【請求項４】 紙などに筆記された文字列を光学的に読
み取って画像情報に変換する光電変換手段と、 この光電変換手段により得られた画像情報を記憶するた
めの画像記憶手段と、 この画像記憶手段に記憶された画像情報を対象とする画
素のラベリングを文字列の行毎に行い、各ラベルＳ(i)
毎に、行方向の座標値ｘの最小値ａ(i) および最大値ｂ
(i) を求めるラベル範囲検出手段と、 予め定義された、ラベルの行方向の最小値ａと最大値ｂ
とで定まるｘの関数であるラベル重み定義関数ｆ
a,b （ｘ）をもとに、上記ラベル範囲検出手段によって
各ラベルＳ(i) 毎に求められた上記最小値ａ(i) および
最大値ｂ(i) から各ラベルＳ(i) 毎のラベル重み関数 ｇ(i) （ｘ）＝ｆa(i),b(i) （ｘ） を求め、この全てのラベルＳ(i) について求めたラベル
重み関数ｇ(i) （ｘ）を加算して文字区切り評価関数 Ｆ（ｘ）＝Σi ｇ(i) （ｘ） を求める評価関数生成手段と、 この評価関数生成手段によって求められた文字区切り評
価関数Ｆ（ｘ）が極大値または極小値のいずれか一方の
極値をとる行方向の座標値を検出して文字列中の文字区
切り候補とする文字区切り候補検出手段と、 この文字区切り候補検出手段によって検出された文字区
切り候補をもとに文字画像の領域を決定して文字画像を
抽出する文字領域候補抽出手段と、 この文字領域候補抽出手段によって抽出された各文字画
像を認識する文字認識手段と、 を具備し、上記文字認識手段の文字認識結果を統合して
文字列の認識結果とすることを特徴とする光学的手書き
文字列認識装置。 - 【請求項５】 上記ラベル重み定義関数ｆa,b （ｘ）を （ｄ／ｄｘ）ｆa,b （ｘ）＝０ （ｘ＜ａまたはｘ＞
ｂ） （ｄ／ｄｘ）ｆa,b （ｘ）＝Ｋ （ａ≦ｘ≦ｃ） （ｄ／ｄｘ）ｆa,b （ｘ）＝−Ｋ （ｃ＜ｘ≦ｂ） 但し、Ｋは０でない定数、ｃは最小値ａと最大値ｂとで
定まる ａ≦ｃ≦ｂを満たす点 を満たす連続関数で定義することを特徴とする請求項４
記載の光学的手書き文字列認識装置。 - 【請求項６】 上記文字領域候補抽出手段は、上記文字
画像の抽出の際には、文字画像の領域がｘｌ≦ｘ≦ｘｒ
であるものとすると、文字画像を構成するラベルの選択
を ｘｌ≦ｃ(i) ≦ｘｒ 但し、ｃ(i) は各ラベル毎に上記ａ(i) とｂ(i) とで定
まる ａ(i) ≦ｃ(i) ≦ｂ(i) を満たす値 なる条件を満たすか否かにより行うことを特徴とする請
求項４または請求項５記載の光学的手書き文字列認識装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00076393A JP3187182B2 (ja) | 1993-01-06 | 1993-01-06 | 光学的手書き文字列認識方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00076393A JP3187182B2 (ja) | 1993-01-06 | 1993-01-06 | 光学的手書き文字列認識方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06203201A JPH06203201A (ja) | 1994-07-22 |
| JP3187182B2 true JP3187182B2 (ja) | 2001-07-11 |
Family
ID=11482742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00076393A Expired - Fee Related JP3187182B2 (ja) | 1993-01-06 | 1993-01-06 | 光学的手書き文字列認識方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3187182B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4011646B2 (ja) * | 1996-05-23 | 2007-11-21 | 株式会社東芝 | 行検出方法および文字認識装置 |
| CN113642619B (zh) * | 2021-07-29 | 2023-12-26 | 华侨大学 | 文字识别模型的训练方法、装置、设备及可读存储介质 |
-
1993
- 1993-01-06 JP JP00076393A patent/JP3187182B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06203201A (ja) | 1994-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3445394B2 (ja) | 少なくとも二つのイメージセクションの比較方法 | |
| KR100412317B1 (ko) | 문자인식/수정방법및장치 | |
| US8345978B2 (en) | Detecting position of word breaks in a textual line image | |
| US20010041006A1 (en) | Ruled line extracting apparatus for extracting ruled line from normal document image and method thereof | |
| JP2000353215A (ja) | 文字認識装置および文字認識プログラムを記録した記録媒体 | |
| US20040008889A1 (en) | Character recognition apparatus and method | |
| JP6003705B2 (ja) | 情報処理装置及び情報処理プログラム | |
| JP2010102709A (ja) | 文字列認識方法、文字列認識システム及び文字列認識プログラム用記録媒体 | |
| JP2008225695A (ja) | 文字認識誤り修正装置およびプログラム | |
| JP2002015280A (ja) | 画像認識装置、画像認識方法および画像認識プログラムを記録したコンピュータ読取可能な記録媒体 | |
| JP3187182B2 (ja) | 光学的手書き文字列認識方法および装置 | |
| JPH11328315A (ja) | 文字認識装置 | |
| JPS592191A (ja) | 手書き日本語文の認識処理方式 | |
| JP3957471B2 (ja) | 分離文字列統合装置 | |
| Kaur et al. | Adverse conditions and techniques for cross-lingual text recognition | |
| KR102673900B1 (ko) | 표 데이터 추출 시스템 및 그 방법 | |
| 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 | |
| JP2001092924A (ja) | パターン認識方法および装置 | |
| JP2985813B2 (ja) | 文字列認識装置および知識データベース学習方法 | |
| JPH07200734A (ja) | 光学的文字読取装置 | |
| JPH06203208A (ja) | オンライン文字認識機能を持つ情報処理装置 | |
| JPH05174185A (ja) | 日本語文字認識装置 | |
| JPH0746363B2 (ja) | 図面読取装置 | |
| JPH1185905A (ja) | 書体識別装置および書体識別方法および情報記憶媒体 | |
| JPH1069522A (ja) | 文字認識装置及び文字認識方法並びに文字認識方法を記録した記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |