JP3207566B2 - 文字認識方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字認識方法に係り、
さらに詳しくは、正規化後の文字画像のパターン特徴量
とパターン辞書とのマッチングでは識別が困難な類似文
字に対する後処理方法に関する。

【０００２】

【従来の技術】一般に文字認識装置においては、正規化
後の文字画像のパターン特徴量とパターン辞書とのマッ
チングによって文字認識がなされる。しかし、このよう
なマッチングによっては識別が困難な類似文字が少なく
ない。

【０００３】従来、このような類似文字に対し、正規化
前の文字画像に関するパラメータを用いて処理する方法
が知られている。例えば、正規化前の文字画像の行内の
相対的位置を表わす上空白比または左空白比、正規化前
の文字画像の大きさを表わす面積比、あるいは正規化前
の文字画像の縦横比（アスペクト比）と、候補文字に対
し予め用意された各パラメータの標準値とを比較し、そ
の差の小さい候補文字の順位を上げるように候補文字を
ソートしたり、差が大きい候補文字をリジェクトする方
法が知られている（特開平３−１１１９８３号、特願平
１−２８５６０５号、特願平２−２１１１２０号、特願
平３−１７６２５３号）。

【０００４】

【発明が解決しようとする課題】上記の空白比、面積
比、縦横比等のパラメータの分布状況は認識対象文字毎
に異なるのが少なくないため、あるパラメータ値が標準
値からの差が小さい候補文字が必ずしも候補としての信
頼性が高いとは限らない場合が少なくない。しかるに上
記の従来方法は、かかる文字毎のパラメータ値の分布の
違いによる影響をそのまま受け、信頼度の高い候補文字
が誤って順位を下げられ、あるいはリジェクトされるこ
とがあった。

【０００５】本発明の目的は、そのような文字毎のパラ
メータ値の分布の違いによる影響を減らし、類似文字に
対する認識の信頼性が高い文字認識方法を提供すること
にある。

【０００６】

【課題を解決するための手段】請求項１の発明は、正規
化した文字画像のパターン特徴量とパターン辞書とのマ
ッチングによって候補文字を求め、正規化前の文字画像
に関する行内の相対的位置、大きさ、縦横比等の複数種
類のパラメータの値と、候補文字に対応して予め用意さ
れたパラメータ毎のメンバシップ関数を用いて、パラメ
ータ毎のメンバシップ値を算出してその合成値を求め、
該合成値の大きい候補文字の順位を上位にする後処理を
行なうことを特徴とするものである。

【０００７】請求項２の発明の特徴は、請求項１の発明
による文字認識方法において、複数のパラメータに関す
るメンバシップ値の一つでも０のときは、メンバシップ
値の合成値を０にすることである。

【０００８】請求項３の発明の特徴は、請求項１または
２の発明による文字認識方法において、メンバシップ値
の合成値が０の候補文字をリジェクトすることである。

【０００９】請求項４の発明の特徴は、請求項１、２ま
たは３の発明による文字認識方法において、特定の文字
のみに対してメンバシップ関数が用意され、メンバシッ
プ関数が用意された候補文字に対してメンバシップ値の
合成値による後処理を行なうことである。

【００１０】請求項５の発明の特徴は、請求項１、２、
３または４の発明による文字認識方法において、特定の
文字に対して、複数種類のパラメータの中から文字毎に
選択されたパラメータに関するメンバシップ関数だけが
用意され、後処理において候補文字に対するメンバシッ
プ値の合成値を求める際に該候補文字に対してメンバシ
ップ関数が用意されたパラメータのみを用いることであ
る。

【００１１】請求項６の発明の特徴は、請求項１、２、
３、４または５の発明による文字認識方法において、類
似文字は、パターン辞書において同一のパターン特徴量
を持つとともにパターン辞書とのマッチングによって同
一順位の候補として求められ、同一順位の候補として求
められた類似文字のそれぞれについて、メンバシップ値
の合成値による後処理を行なうことである。

【００１２】

【作用】請求項１乃至６の発明の方法において、各パラ
メータのメンバシップ関数として、パラメータの値が標
準値のときに最大値となり、標準値からのずれが大きく
なるにつれて値が小さくなり、そのずれが限界値を越え
ると値が０となるような、例えば図３または図４に示す
如き関数を用いることができる。このような適切なメン
バシップ関数を用意するならば、文字毎のパラメータの
分布の違いによる影響を吸収し、候補文字として挙がっ
た類似文字の信頼性を的確かつ安定に評価し、正解の確
率が高い文字を上位の候補とすることができるため、認
識結果の信頼性が向上する。

【００１３】また、あるパラメータのメンバシップ値が
０の場合、たとえ他のパラメータのメンバシップ値が大
きくとも（メンバシップ値の合成値が大きくとも）、そ
の候補文字の信頼性は極めて低いというべきである。請
求項２または３の発明の方法によれば、このような信頼
性の低い候補文字が誤って上位の候補として出力される
ことがない。

【００１４】メンバシップ値の合成値による後処理が必
要かつ有効な類似文字は予め限定することができ、それ
以外の文字に対してはメンバシップ値の合成値による後
処理は有効でない。請求項４の発明の方法によれば、メ
ンバシップ値の合成値による後処理の対象をそれが必要
かつ有効な候補文字に限定することにより、後処理を効
率化できる。

【００１５】例えば、類似文字である「’」と「，」の
面積比はほとんど違いがないため、面積比はこの二つの
類似文字の識別には有効でない。請求項５の発明の方法
によれば、候補文字となった類似文字の識別に有効でな
いパラメータを除外してメンバシップ値の合成値を求め
ることにより、後処理を効率化することができる。ま
た、識別に有効でないパラメータに関するメンバシップ
関数の保存のためのメモリを節約できる。

【００１６】請求項６の発明の方法によれば、類似文字
のパターン特徴量を一つにまとめてパターン辞書に登録
することにより、類似文字のパターン特徴量を別々にパ
ターン辞書に登録する場合に比べ、パターン辞書のメモ
リ容量を減らすことができ、またこれによりパターン辞
書のマッチング処理の時間を減らすことができる。

【００１７】

【実施例】以下、本発明のいくつかの実施例について説
明する。図１は各実施例に係る文字認識装置（ＯＣＲ）
の構成を簡略化して示すブロック図であり、以下の説明
において適宜参照する。

【００１８】実施例１ 画像入力部１００はスキャナ等を用いて文書の画像を入
力し、切り出し部１０２は入力された画像より文字画像
を切り出す。この切り出し処理に関連して、パラメータ
抽出部１０４は後処理のためのパラメータである文字画
像の縦横比、面積比及び上空白比を抽出する。このパラ
メータについて図２により説明する。

【００１９】図２の（ａ）に示すように、文字行毎に行
内の最大の文字幅Ａと最大文字高さＢを検出し、また行
の上基準線Ｌ（行内文字列を包含する外接矩形の上辺）
から文字画像の上端までの距離Ｃを検出する。また、図
２の（ｂ）に示すように、文字画像毎に文字幅Ｄと文字
高さＥを検出する。そして、次の計算式によってパラメ
ータを求める。

【００２０】縦横比＝（Ｄ／Ｅ）×２５６ 面積比＝（Ｅ×Ｄ）／（Ａ×Ｂ）×２５６ 上空白比＝（Ｃ／Ｂ）×２５６ 再び図１において、特徴抽出部１０６は、切り出された
文字画像を正規化してから、そのパターン特徴量（パタ
ーン辞書１１０に登録されているパターン特徴量と同様
の、例えば公知の多層方向ヒストグラム法による特徴
量）を抽出する。マッチング部１０８は、特徴抽出部１
０６により抽出されたパターン特徴量とパターン辞書１
１０に格納されている各文字のパターン特徴量とを比較
し、類似度の大きい順（または相違度の小さい順）に候
補文字を決定する。なお、本実施例では候補文字を２文
字出力するものとする。

【００２１】メンバシップ値算出部１１２は、候補文字
について予め用意された縦横比、面積比、上空白比に関
するメンバシップ関数と、認識対象文字画像についてパ
ラメータ抽出部１０４により抽出された縦横比、面積
比、上空白比の値を用いて、３種類のメンバシップ値を
計算する。そして、３種類のメンバシップ値を総和して
最終的なメンバシップ値（合成値）を求める。メンバシ
ップ関数は、パターン辞書１１０に格納されている。

【００２２】ここでは図２（ａ）に示した文字行中の３
文字目の読点「。」の文字画像について、パラメータ抽
出部１０４で得られたパラメータが、縦横比＝３１２、
面積比＝２５、上空白比＝１９８であり、また、マッチ
ング部１０８で読点「。」と漢数字のゼロ（〇）が候補
文字として得られたとする。そして、読点「。」の各メ
ンバシップ関数が図３に示す如きものであり、漢数字ゼ
ロ「〇」の各メンバシップ関数が図４に示す如きもので
あるとする。各メンバシップ関数は、パラメータ値が標
準値のときに最大値となり、標準値からずれるとともに
値が小さくなり、ずれが限界値を越えると値が０になる
関数である。

【００２３】この場合、漢数字ゼロ「〇」については、
図３の（ａ）、（ｂ）及び（ｃ）に示されるように、縦
横比のメンバシップ値が６８、面積比のメンバシップ値
が５、及び上空白比のメンバシップ値が３となるので、
これらを総和した合成値は７６（＝６８＋５＋３）とな
る。同様に読点「。」については、図４の（ａ）、
（ｂ）及び（ｃ）に示されるように、縦横比のメンバシ
ップ値が６８、面積比のメンバシップ値が８８、及び上
空白比のメンバシップ値が６５となるので、これらの総
和である合成値は２２１となる。

【００２４】再び図１において、認識結果ソート部１１
４は、メンバシップ値算出部１１２により各候補文字に
ついて求められたメンバシップ値の合成値の大きい順に
候補文字をソートする。したがって、ここで例にしてい
る候補文字の場合、最終的な第１位候補は読点（。）、
第２位候補は漢数字ゼロ「〇」となる。出力部１１６
は、ソート（後処理）後の候補文字のコードをディスプ
レイ装置１１８に表示し、またはファイル装置１２０に
保存する。

【００２５】なお、本実施例では、後処理のためのパラ
メータとして縦横比、面積比、上空白比を用いたが、他
の適当なパラメータを用いることも可能である。

【００２６】実施例２ 本実施例は、メンバシップ値算出部１１２におけるメン
バシップ値の合成値の求め方が前記実施例１と異なる。

【００２７】前記実施例１では縦横比、面積比、上空白
比という３種類のパラメータについてのメンバシップ値
を単純に総和して合成値を求め、これを後処理である候
補文字のソートのためのキーとして用いた。しかし、３
種類のパラメータの中のあるパラメータのメンバシップ
値が極端に小さく、当該パラメータに関しては少なくと
も候補文字が正解である可能性が極めて低いと考えられ
る場合にも、他のパラメータのメンバシップ値が大きい
ためにパラメータ値の合成値が大きくなる場合があり得
る。この場合に前記実施例１では後処理の正確を期し得
ない。

【００２８】本実施例においては、メンバシップ値算出
部１１２は縦横比、面積比、上空白比という３種類のパ
ラメータのメンバシップ値を算出し、その総和をメンバ
シップ値の合成値として求めることは前記実施例１と同
様であるが、前記実施例１と異なって、３種類のパラメ
ータの中の少なくとも一つのパラメータのメンバシップ
値が０であるときはメンバシップ値の合成値を０にする
ことによって、前記実施例１のような不都合を解消す
る。

【００２９】実施例３ 本実施例においては、パターン辞書１１０中に、マッチ
ング部１０８で識別が困難で、後処理でメンバシップ値
による処理（類似文字処理）が必要な文字についての
み、メンバシップ関数が格納されている。そして、マッ
チング部１０８で得られた候補文字の中で、メンバシッ
プ関数を持つ候補文字だけを後処理の対象とする。

【００３０】以下、本実施例における後処理の内容を図
５を参照して具体的に説明する。なお、後処理以外の処
理内容は前記実施例１と同様であるので説明を省く。

【００３１】ここに示す例では、マッチング部１０８に
よって第１位から第５位までの候補文字「ｓ」「９」
「ｇ」「Ｓ」「Ｒ」が得られ、その第１位候補文字
「ｓ」と第４位候補文字「Ｓ」がそれぞれメンバシップ
関数を持っている。なお、メンバシップ関数は、図３ま
たは図４に示した如き関数である。

【００３２】類似文字抽出部１２２（図１参照）は、各
候補文字についてメンバシップ関数がパターン辞書中に
存在するか確認することによって候補文字中の類似文字
を判別し、判別結果をソート部１１４へ通知するととも
に、そのメンバシップ関数をメンバシップ算出部１１２
へ渡す。

【００３３】この例の場合、メンバシップ値算出部１１
２は、メンバシップ関数を持つ第１位と第４位の候補文
字について、それぞれのメンバシップ関数とパラメタ抽
出部１０４で抽出されたパラメータ値を用いてメンバシ
ップ値を算出する（処理２０１）。メンバシップ値の合
成値の求め方は前記実施例１または前記実施例２と同様
である。

【００３４】ソート部１１４は、メンバシップ関数を持
たない第２位、第３位及び第５位の候補文字「９」
「ｇ」「Ｒ」をそのままの候補順位で出力する（処理２
０４）。しかし、メンバシップ関数を持つ第１位と第４
位の候補文字「ｓ」「Ｓ」つまり類似文字については、
メンバシップ値の大きいものを上位にするように並べ換
えて出力する（処理２０６）。

【００３５】この例では第４位候補「Ｓ」のメンバシッ
プ値の合成値が２３５、第１位候補「ｓ」のメンバシッ
プ値の合成値が３５であるため、第４位候補「Ｓ」のほ
うが確かさの度合いが大きいということであるので、第
１位候補と第４位候補が入れ替えられ、最終的な候補文
字の順位は上位から「Ｓ」「９」「ｇ」「ｓ」「Ｒ」の
順となる。

【００３６】実施例４ 本実施例においては、パターン辞書１１０が、マッチン
グ部１０８で識別困難な類似文字について同じ特徴量を
持つように構成されている。図６は、このようなパター
ン辞書１１０の構成の説明図であり、パターン辞書１１
０はパターン辞書レコード部２００と、候補部２０２、
メンバシップ関数部２０４からなる。

【００３７】パターン辞書レコード部２００の各レコー
ドはパターン特徴量２１０と候補数２１２からなる。こ
の候補数２１２は同じパターン特徴量２１０を持つ類似
文字数を示している。あるレコードの候補数が２以上の
ときは、そのパターン特徴量２１０を持つ類似文字が２
文字以上あることを意味する。候補数が１であれば類似
文字がないことを意味する。

【００３８】候補部２０２は、パターン辞書レコード部
２００内の各レコードに対応した一つ以上の文字コード
２１６と類似文字処理ルール数２１８を格納している。
メンバシップ関数部２０４は、候補部２０２の文字コー
ド２１６に対するメンバシップ関数２２０を格納してい
る。類似文字処理ルール数２１８が０の文字コードはメ
ンバシップ関数２２０を持たない。類似文字処理ルール
数２１８が１の文字コードは縦横比、面積比、上空白比
のメンバシップ関数２２０を１組持つ。類似文字処理ル
ール数２１８が２の文字コードはメンバシップ関数２２
０を２組持つ。

【００３９】次に、本実施例における後処理の具体例を
図７により説明する。ここに示す例では、マッチング部
１０８によって、第１位候補として同じパターン特徴量
を持つ「’」と「，」と「、」の３文字が、第２位候補
として「９」の１文字が、第３位候補として「ｇ」の１
文字が、第４位候補として同じパターン特徴量を持つ
「Ｓ」と「ｓ」の２文字が、第５位候補として「Ｒ」の
１文字が選ばれている。ただし、各順位の候補は２文字
以上である場合があるので、マッチング部１０８は各候
補の文字コードではなくパターン辞書レコード（特徴量
と候補数）を出力する。

【００４０】類似文字抽出部１２２は、マッチング部１
０８より出力された候補のパターン辞書レコードの候補
数が２以上であれば類似文字であると判別し、判別結果
をソート部１１４へ通知するとともに、各候補の文字コ
ードをパターン辞書１１０より取り出してソート部１１
４へ渡す。また、類似文字と判別した候補の各文字コー
ドのメンバシップ関数をパターン辞書１１０から取り出
してメンバシップ値算出部１０８へ渡す。

【００４１】メンバシップ値算出部１０８では、渡され
たメンバシップ関数とパラメータ抽出部１０４で求めら
れたパラメータ値を用いてメンバシップ値の合成値を求
める（処理２３０及び処理２３２）。この求め方は前記
実施例２と同様であり、一つのパラメータのメンバシッ
プ値でも０であれば、メンバシップ値の合成値を０にす
る。

【００４２】この例では、第１位候補のメンバシップ値
の合成値は、「’」が０、「，」が２３５、「、」が２
２０となった。また、第４位候補のメンバシップ値の合
成値は、「ｓ」が２２８、「Ｓ」が０であった。

【００４３】ソート部１１４では類似文字である第１位
候補について、メンバシップ値の合成値が０の「７」を
候補から排除し（処理２３６）、最もメンバシップ値の
合成値が大きい「，」の文字コードを第１位候補文字に
セットし、次にメンバシップ値が大きい「、」の文字コ
ードを第２位候補文字にセットする（処理２３４）。次
に、類似文字でない第２位候補「９」と第３位候補
「ｇ」の文字コードを第３位候補文字と第４位候補文字
にセットする（処理２３８）。

【００４４】次に類似文字である第５位候補について、
メンバシップ値の合成値が０の「Ｓ」を候補から排除し
（処理２４０）、「ｓ」の文字コードを第５位候補文字
にセットする（処理２４２）。

【００４５】最後に、類似文字でない第５位候補「Ｒ」
の文字コードを第６位文字コードにセットする（処理２
４４）。かくして最終的な候補文字は上位よ
り「，」「、」「９」「ｇ」「ｓ」「Ｒ」となる。

【００４６】実施例５ 本実施例と前記実施例４との相違は次のとおりである。
パターン辞書１１０は前記実施例４と同様に図６に如き
構成とされる。しかし、前記実施例４と異なり、類似文
字に対して常に３種類のパラメータ（縦横比、面積比、
上空白比）に関するメンバシップ関数がパターン辞書１
１０上に用意されているのではなく、３種類のパラメー
タ中に当該類似文字の識別のための効果が少ないパラメ
ータがある場合には、その識別効果の少ないパラメータ
を除いた残りのパラメータに関するメンバシップ関数だ
けが用意されている。そして、メンバシップ値算出部１
０８では、メンバシップ関数が用意されているパラメー
タだけを計算対象としてメンバシップ値の算出を行な
う。

【００４７】以下、図８によって本実施例の後処理を具
体的に説明する。ここに示す例では、マッチング部１０
８によって第１位候補として「’」と「，」と「、」が
選ばれたが、これらの類似文字の面積比は殆ど同じ値で
あり識別効果が小さい。そこで、これらの類似文字につ
いては、予め面積比を除いた縦横比と上空白比に関する
メンバシップ関数だけがパターン辞書１１０に格納され
ている。また、マッチング部１０８で第４位候補として
「Ｓ」と「ｓ」が選ばれたが、これらの類似文字につい
ては、縦横比の差が小さいので、面積比と上空白比に関
するメンバシップ関数だけがパターン辞書１１０に格納
されている。

【００４８】メンバシップ値算出部１１２では、第１位
候補及び第２位候補の各文字について、それぞれに用意
されたメンバシップ関数とパラメータ抽出部１０４で求
められた対応パラメータの値を用いてメンバシップ値の
合成値を求める（処理２５０及び処理２５２）。この求
め方は、メンバシップ関数が用意されていないパラメー
タを計算対象から除外すること以外は、前記実施例３と
同様である。

【００４９】この例では、図８に示すように、第１位候
補の「，」、「、」及び「’」のメンバシップ値の合成
値がそれぞれ２３５、２２０及び０、第４位候補の
「ｓ」と「Ｓ」のメンバシップ値がそれぞれ２２８と０
である。この場合、ソート部１１４では、第１位候補の
「，」と「、」を第１位候補文字と第２位候補文字にセ
ットし（処理２５４）、第２位候補の「９」と第３位候
補の「ｇ」を第３位候補文字と第４位候補文字にセット
し（処理２５６）、第４位候補の「ｓ」を第５位候補文
字にセットし（処理２５６）、第５位候補の「Ｒ」を第
５位候補文字にセットする（処理２５８）。第１位候補
の「’」と第４位候補の「Ｓ」は、メンバシップ値の合
成値が０であるのでリジェクトする（処理２６０及び処
理２６２）。

【００５０】

【発明の効果】請求項１乃至６の発明によれば、正規化
前の文字画像の行内の相対的位置、大きさ、縦横比等の
パラメータの文字毎の分布の違いによる影響を吸収し
て、候補文字として挙がった類似文字の信頼性を的確か
つ安定に評価し、正解の確率が高い文字を上位の候補と
することができるため、認識結果の信頼性を向上するこ
とができる。

【００５１】請求項２または３の発明によれば、あるパ
ラメータのメンバシップ値が０で信頼性の低い候補文字
が、他のパラメータのメンバシップ値が大きいために誤
って譲位の候補として出力されることがない。

【００５２】請求項４の発明によれば、メンバシップ値
の合成値による後処理の対象を、それが必要かつ有効な
候補文字に限定することにより、後処理を効率化でき
る。

【００５３】請求項５の発明によれば、候補文字となっ
た類似文字の識別に有効でないパラメータを除外してメ
ンバシップ値の合成値を求めることにより、後処理を効
率化することができるとともに、類似識別に有効でない
パラメータに関するメンバシップ関数の保存のためのメ
モリを節約できる。

【００５４】請求項６の発明の方法によれば、類似文字
のパターン特徴量を文字毎に別々にパターン辞書に登録
する場合に比べ、パターン辞書のメモリ容量を減らすこ
とができ、またこれによりパターン辞書のマッチング処
理の時間を減らすことができる。

【図面の簡単な説明】

【図１】本発明に係る文字認識装置の概略構成を示す。

【図２】（ａ）パラメータ抽出を説明するための文字行
の例を示す。 （ｂ）パラメータ抽出に関連した文字幅と文字高さを読
点を例に示す。

【図３】漢数字のゼロに対する縦横比、面積比及び上空
白比のメンバシップ関数の例を示す。

【図４】読点に対する縦横比、面積比及び上空白比のメ
ンバシップ関数の例を示す。

【図５】実施例３の後処理の具体例を示す。

【図６】パターン辞書の構成例を示す。

【図７】実施例４の後処理の具体例を示す。

【図８】実施例５の後処理の具体例を示す。

【符号の説明】

１００ 画像入力部 １０２ 切り出し部 １０４ パラメータ抽出部 １０６ 特徴抽出部 １０８ マッチング部 １１０ パターン辞書 １１２ メンバシップ値算出部 １１４ ソート部 １１６ 出力部 １１８ ディスプレイ装置 １２０ ファイル装置 １２２ 類似文字抽出部

フロントページの続き (56)参考文献 特開 平４−98383（ＪＰ，Ａ) 特開 平３−147084（ＪＰ，Ａ) 特開 平３−111983（ＪＰ，Ａ) 特開 平２−85985（ＪＰ，Ａ) 特開 平１−291394（ＪＰ，Ａ) 特開 平１−114991（ＪＰ，Ａ) 特開 昭62−117090（ＪＰ，Ａ) 特開 昭59−231681（ＪＰ，Ａ) 特開 平３−219385（ＪＰ，Ａ) 特開 平３−191491（ＪＰ，Ａ) 特開 昭64−15885（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/03 - 9/68 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】 正規化した文字画像のパターン特徴量と
   パターン辞書とのマッチングによって候補文字を求める
   文字認識方法において、正規化前の文字画像に関する行
   内の相対的位置、大きさ、縦横比等の複数種類のパラメ
   ータの値と、候補文字に対応して予め用意されたパラメ
   ータ毎のメンバシップ関数を用いて、パラメータ毎のメ
   ンバシップ値を算出してその合成値を求め、該合成値の
   大きい候補文字の順位を上位にする後処理を行なうこと
   を特徴とする文字認識方法。
2. 【請求項２】 後処理において、複数種類のパラメータ
   に関するメンバシップ値の一つでも０のときは、メンバ
   シップ値の合成値を０にすることを特徴とする請求項１
   記載の文字認識方法。
3. 【請求項３】 後処理において、メンバシップ値の合成
   値が０の候補文字をリジェクトすることを特徴とする請
   求項１または２記載の文字認識方法。
4. 【請求項４】 特定の文字のみに対してメンバシップ関
   数が用意され、メンバシップ関数が用意された候補文字
   に対してメンバシップ値の合成値による後処理を行なう
   ことを特徴とする請求項１、２または３記載の文字認識
   方法。
5. 【請求項５】 特定の文字に対して、複数種類のパラメ
   ータの中から文字毎に選択されたパラメータに関するメ
   ンバシップ関数だけが用意され、後処理において、候補
   文字に対するメンバシップ値の合成値を求める際に該候
   補文字に対してメンバシップ関数が用意されたパラメー
   タのみを用いることを特徴とする請求項１、２、３また
   は４記載の文字認識方法。
6. 【請求項６】 類似文字は、パターン辞書において同一
   のパターン特徴量を持つとともにパターン辞書とのマッ
   チングによって同一順位の候補として求められ、同一順
   位の候補として求められた類似文字のそれぞれについ
   て、メンバシップ値の合成値による後処理を行なうこと
   を特徴とする請求項１、２、３、４または５記載の文字
   認識方法。