JP3320083B2 - 文字認識装置及び方法 - 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及び装置、
特に文字画像部分を文字コードにコード化する文字認識
装置及び方法に関するものである。

【０００２】

【従来の技術】従来の文字認識装置は、文書原稿をビッ
ト画像データとして入力する入力部と、一般的には射影
ヒストグラムを応用した文字切り出し部と、その文字の
特徴を抽出し、数値化する特徴抽出部と、予め認識辞書
に納められている標準パターンと特徴抽出部で得た入力
文字パターンとを照合して、その文字画像を認識する認
識部とから構成されている。

【０００３】この認識部で行なわれている認識アルゴリ
ズムの一つに、文字の出現頻度を認識アルゴリズム中の
識別関数に取り入れた文字認識方法が提案されている
（電子通信学会論文１９８５年３月２２日，高階，木
村，鶴岡，三宅、２次識別関数の改良と手書き漢字認識
への応用）。この方法では、入力パターンベクトルと学
習パターンベクトルの統計的な多次元距離計算を施し、
この演算値が高ければ類似度小、低ければ類似度大と見
なしている。更に、学習されている文字種の出現頻度確
率を対数化したものを加えており、最終的な演算値から
文字を識別している。

【０００４】

【発明が解決しようとしている課題】しかし、従来の文
字出現頻度を識別演算に付加する方法には、次のような
欠点があった。

【０００５】文字出現頻度を全文字種について正確に推
定する場合、取り扱う文字種の膨大な数量から、全文字
種についての出現頻度を正確に求めることは難しい。ま
た、出現頻度がある一定値以下の文字に対して、出現確
率を０にすることは前記出現頻度確率の対数化の点で演
算値の無限大を引き起こし、正しい識別結果を判別でき
なくなる。

【０００６】

【課題を解決するための手段】本発明はかかる問題点に
鑑みなされたものであり、より自然で良好な認識結果を
得ることを可能にする文字認識装置及び方法を提供しよ
うとするものである。

【０００７】

【０００８】この課題を解決するため、例えば本発明の
文字認識装置は以下の構成を備える。すなわち、入力さ
れた原稿画像中の文字記号部分を切り出し、特徴量を抽
出して、辞書と比較して距離値を求め、且つ文字の出現
頻度確率に基づいた補正値を用いて該距離値を補正する
ことによって認識演算値を得て文字を認識する文字認識
手段を有する文字認識装置であって、予め、前記辞書に
は、サンプル文字に対する出現頻度個数が所定の値未満
の認識候補文字に対しては、予め設定した正の定数値を
出現頻度確率として格納しておき、サンプル文字に対す
る出現頻度個数が該所定の値以上の認識候補文字に対し
ては、前記出現頻度個数とサンプル文字数とから算出し
た値を出現頻度確率として格納しておき、入力された文
字記号部分の特徴量、前記辞書及び前記出現頻度確率に
基づいて文字認識することを特徴とする。

【０００９】

【００１０】

【実施例】以下、添付図面に従って本発明に係る実施例
を詳細に説明する。

【００１１】図１に実施例における文字認識装置のブロ
ック構成図を示す。同図において、１０１は文字認識装
置全体の制御を司るＣＰＵ、１０２はＣＰＵ１０１の処
理動作プログラム（後述する図２，図３で示される識別
演算フローチャートにかかるプログラム等）が格納され
ているＲＯＭ、１０３はＣＰＵ１０１のワークエリアと
して使用されるＲＡＭである。１０４は光学的に文書を
読みとるスキャナなどの読取部で、読み取られた文書は
画像データとして画像メモリ１０５に格納される。

【００１２】１０６は画像メモリ１０５に展開されたイ
メージデータ中より切り出された入力文字を認識する認
識部、１０７は認識処理の際、参照する学習文字の特徴
パラメータと各文字種の出現頻度を守り込んだ認識辞書
である。

【００１３】次に、図２の式（１）は文字出現頻度確率
を識別演算式に導入した論理式（前記電子通信学会論文
より抜粋）である。この式の右辺第１項と第２項をまと
め、この式を簡潔に表すと、次のようになる。

【００１４】 Ｇ（ｘ）＝ｄ（ｘ）−２・ｌｎ Ｐ（Ｗ） …（１）’ （１）’式は入力文字のパターンベクトルと学習されて
いる文字の平均パターンベクトルを照合させ、誤り率が
最小になるものを類似度大と見なして認識結果として出
力する手段の式である。

【００１５】ここで、この理論が発表された時点ではＰ
（Ｗ）＝１として議論が進められている（すなわち、Ｇ
（ｘ）＝ｄ（ｘ））。

【００１６】それにしても、実際に（１）’式を識別演
算式として用いる場合、出現頻度計算を使用する
（１）’式右辺第２項を計算する時、各文字に対する出
現頻度確率が全文字種において求められていなければな
らない。

【００１７】しかし、現実的な問題として全ての文字種
において出現頻度を正確に推定することは難しい。

【００１８】そこで、本実施例では、出現頻度の閾値Ｎ
を定め、この閾値Ｎを下回る文字種Ｗ_ni<Nついての出現
頻度確率Ｐ（Ｗ_ni<N）を、 Ｐ（Ｗ_ni<N）＝Ｃ （Ｃ：定数） と設定する。

【００１９】ただし、ｎｉ；出現頻度個数，ｉ：文字種
番号，Ｎ：出現頻度閾値である。

【００２０】また、頻度閾値Ｎを上回る文字種Ｗ_nj>=N
（Ｘ＞＝Ｙは、ＸはＹ以上を意味する）については、

【００２１】

【数１】 により設定できる。

【００２２】これにより、全文字種において出現頻度確
率を求めることが可能となる。

【００２３】さて、（１）′式の右辺第２項に関する部
分は認識辞書に含まれており、その様子を図３に示す。
この図３において、左側が実際に認識辞書の内容を示し
ており、右側が文字認識の処理行程を示している。

【００２４】認識辞書において、エリア３０５には認識
辞書中の文字インデックスである文字コードが格納して
あり、エリア３０６には該文字コードの文字特徴パラメ
ータ群が格納してある。またエリア３０７の部分に
（１）式の右辺第２項を計算した値が予め格納されてい
る。

【００２５】先ず、ステップＳ３００で文字入力部１０
４より文書画像が入力されると、ステップＳ３０１で文
字画像に相当する部分が切り出され、ステップＳ３０２
でその文字画像の特徴が抽出される。次いで、ステップ
Ｓ３０３において、入力文字画像の特徴と、認識辞書の
エリア３０６に格納されている学習文字特徴とを用いて
距離ｄ（ｘ）が計算される。更に、ステップＳ３０４に
おいて、エリア３０７の出現頻度を含んだ定数値をステ
ップＳ３０３で得られた値に加え、演算値が求める。こ
うした候補文字種全てにおいて同様の識別計算が行なわ
れ、演算結果をソーティングした後、一番演算値の低い
文字種を認識結果として出力する。

【００２６】尚、上述した実施例においては、頻度閾値
Ｎを下回る文字種におけるＰ（Ｗ _ni<N）の値をＣ（定
数）の一つと固定したが、Ｐ（Ｗ_ni<N）＝Ｃk （ｋ＝
１，２，…）のように複数の出現頻度確率定数を用意
し、適宜選択するようにしても良い。また、実施例にお
いては、図２に示した識別関数式にマハラノビス距離を
応用した関数式を例にとったが、図１（１）′式のｄ
（ｘ）はかならずしもマハラノビス系距離計算である必
要はなく、その他の距離演算式においても同様の効果を
得ることができる。これらは以下に説明する実施例にも
言える。

【００２７】［第２の実施例の説明］更に、文字の出現
頻度効果を強めるため、（１）’式における右辺第２項
に（１）’式全体の重み付けを行う様にしても良い。つ
まり、 Ｇ（ｘ）＝ｄ（ｘ）−２・Ｄ・ｌｎ Ｐ（Ｗ） （Ｄ≧０） … （２） の式で表される様にＤ（定数）を設けるわけである。た
だし、この定数Ｄは固定でも良いが、操作者の指示によ
って可変にできることが望ましい。

【００２８】この場合の認識辞書の内容は図４に示す様
になる。

【００２９】認識辞書において、エリア４０５〜４０７
は図３におけるエリア３０５〜３０７に対応している。
すなわち、エリア４０５には認識辞書中の文字インデッ
クスである文字コードが格納され、エリア４０６には該
文字コードの文字特徴パラメータ群が、エリア４０７の
部分には（２）式の右辺第２項を計算した値が予め格納
されている。

【００３０】文字認識処理行程における各ステップＳ４
００〜４０４も図３のステップＳ３００〜３０４に対応
している。説明すれば、以下の通りである。

【００３１】先ず、ステップＳ４００で文字入力部１０
４より文書画像が入力されると、ステップＳ４０１で文
字画像に相当する部分が切り出され、ステップＳ４０２
でその文字画像の特徴が抽出される。ステップＳ４０３
では、入力文字画像の特徴と、認識辞書のエリア４０６
に格納されている学習文字特徴とを用いて距離ｄ（ｘ）
が計算される。そして、ステップＳ４０４において、エ
リア４０７の出現頻度を含んだ定数値をステップＳ４０
３で得られた値に加え、演算値が求める。こうした候補
文字種全てにおいて同様の識別計算が行なわれ、演算結
果をソーティングした後、一番演算値の低い文字種を認
識結果として出力する。

【００３２】尚、本第２の実施例における（２）式にお
いて、右辺第２項の出現頻度導入項で、（２）式全体に
対する重み付けをＤと設定したが、この出現頻度盛り込
み項の（２）式全体に対する重み付けの方法はこのＤを
設定することに限らない。いずれの計算式であれ、この
右辺第２項に（２）式全体に対しての重み付けが行われ
れば良いからである。

【００３３】このように、今までは認識識別演算中に文
字の出現頻度の導入を考慮したとき、全ての文字にたい
して出現頻度確率を正確に推定することが困難であり、
同時に理論的に文字の出現頻度を導入することが難しか
ったが、本第１、第２の実施例によれば、全ての文字種
において理論的に適う出現頻度確率が求まり、認識結果
としては、より文書に出現すべき文字が出力されて、認
識後の文章はよみやく、オペレータに与える印象も良く
なる。

【００３４】特に本第２の実施例によれば、認識演算中
の文字出現頻度導入項に重み付けを付加し、その重み付
けを可変にすることで、文字出現頻度の影響を段階的に
変化させ、認識結果を調整することが可能となる。

【００３５】［第３の実施例の説明］次に、第３の実施
例を説明する。現在の文字認識処理装置を鑑みると、そ
の多くは、認識処理中では、単に画面の一部に認識処理
中であることを示すメッセージのみであり、実際に今ど
の文字を認識しているのかを知ることはできない。まし
てや、入力画像中に全く認識できないようなマーク等が
あった場合、そのマークの認識に費やす時間は多くな
り、そのようなマーク等が多数ある場合には全体の認識
が終了するまでにかかる時間は、通常の文字のみから成
る文書の認識と比較して長くなる。

【００３６】本第３の実施例ではかかる問題を解決す
る。

【００３７】図５に第３の実施例における文字認識装置
のブロック構成図を示す。同図において、５０１は文字
認識装置全体の制御を司るＣＰＵ、５０２はＣＰＵ５０
１の処理動作プログラム及び認識処理に参照する辞書が
格納されているＲＯＭ、５０３はＣＰＵ５０１のワーク
エリアとして使用されるＲＡＭである。５０４は文書原
稿を読取るスキャナで、読取られた文書は画像データと
して画像メモリ５０５に格納される。５０６は認識結果
を出力する表示部（表示画像を展開するＶＲＡＭを有す
る）で、本発明における認識進行状況を知ると共に文書
画像を出力させる部分でもある。５０７はキーボード等
の入力部である。

【００３８】図６に従って本第３の実施例の認識進行状
況の表示に関する処理を説明する。尚、同時における各
処理部は実際にはＣＰＵ５０１が処理するものである。

【００３９】先ず、文書画像データ入力部６０２によ
り、スキャナ５０４から文書原稿が画像として読み取ら
れる。読み取られた画像は２値化されて文書画像データ
格納部６０２（画像メモリ５０５）に送られる。ここで
文書画像データは文書全体のレイアウトが図１の表示部
５０６に納まる様、文書画像変倍計算部６０８において
変倍処理され、その変倍画像を表示部５０６に転送する
ことで画面に読み込んだ画像全体が表示されるようにす
る。ここで原画像を変倍するのに用いた変倍定数をｆと
する。ここでの変倍操作手順・方法は公知の技術を用い
て行うものとし、ここでの説明は割愛する。変倍された
文書画像は変倍後文書画像表示部６０９の処理で表示部
５０６に出力される。

【００４０】一方、文書内文字座標抽出部６０３では、
文書ビット画像をＹ軸へ射影したヒストグラムの度数の
有無から文書内の行を抽出し、文書内文字座標抽出部６
０４では、さらに文字の外接矩形座標を抽出する。引続
き文字特徴抽出部６０５において、文字矩形ワーク内の
文字画像を公知の方法により文字の特徴抽出を行い、特
徴ベクトルを得る。この特徴ベクトルを基に、識別部６
０６において最終的な認識結果を得る。また認識結果は
認識結果格納部６０７に送られ、バッファリングされ
る。

【００４１】また、上記の手順中の外接矩形座標Ｃ｛ｃ
1（ｘ1,ｙ1）,ｃ2（ｘ2,ｙ2）,ｃ3 （ｘ3,ｙ3）,ｃ4
（ｘ4,ｙ4）｝が求まると、図３に示す如く、前記変倍
定数ｆとを掛け合わせ、変倍画像上の変倍文字座標Ｃ´
｛ｃ1´（ｆｘ1,ｆｙ1）,ｃ2´（ｆｘ2,ｆｙ2）,ｃ3´
（ｆｘ3,ｆｙ3）,ｃ4´（ｆｘ4,ｆｙ4）｝を座標変換部
６１１で求める。尚、図３（ａ）が原画像の或文字の外
接矩形及びその四隅の座標を示し、同図（ｂ）が変倍表
示された画像中の該当する文字の座標位置を示してい
る。わかりやすく説明すれば、図３（ａ）の座標位置が
画像メモリ５０５内の注目している文字の四隅の座標位
置（アドレス）を示し、同図（ｂ）は表示部５０６内の
ＶＲＡＭにおける座標位置（アドレス）を求めているこ
とになる。

【００４２】さて、こうして表示された画像中の座標を
元にその文字の認識結果が出た時点で、認識進行状況表
示部６１０により予め図８の表示部５０６に表示されて
いる変倍文書画像上に変換文字座標Ｃ´によって作られ
た文字矩形枠を出力する（図４参照）。尚、図示では文
字“が”まで文字認識が済んだことを示している。

【００４３】また、こうして認識処理が進んでいくのを
確認できることになるが、その認識処理を中断させる様
にしても良い。理由は、例えばある文字（または行）ま
で認識処理が済めば良いという状況があったとき、適
宜、入力部５０７から認識を中断させる旨の指示を与
え、余分な部分の認識処理を行わせ内容にする。これに
よって、効率よく認識結果を得ることが可能になる。

【００４４】以上述べたように本第３の実施例によれ
ば、認識対象の文書を表示し、且つ、認識処理がどこま
で進んでいるのかを判断できるようになる。従って、レ
イアウト判断による指定の段落、行で認識を中止させる
等の割り込み処理を動作させることも可能である。

【００４５】尚、本第３の実施例では認識処理がどこま
で進んでいるのかを視覚的に認識することに意義がある
ので、これ以外の表示形態であっても勿論構わない。

【００４６】また、文字矩形を参考にするのではなく、
行矩形を参考にし、認識進行状況を行単位で視覚的に表
示させることも同様にして可能である。

【００４７】更には、本第３の実施例では文書を読み取
ったとき、自動的に認識処理が開始されるものとして説
明したが、読み取り画像を表示し、ポインティングデバ
イス等を使用して、どこから認識を開始させるのかを指
示するようにしても良い。これを実現するためには、ポ
インティングデバイスで指示された画面上の座標と変倍
率ｆとで、画像メモリ５０５中の座標位置を逆算できる
ので問題はない。

【００４８】また、本第３の実施例を第１、又は第２の
実施例に適応させるようにしても良い。

【００４９】また、本発明は、複数の機器から構成され
るシステムに適用しても１つの機器から成る装置に適用
しても良い。また、本発明は、システム或は装置にプロ
グラムを供給することによつて達成される場合にも適用
できることは言うまでもない。

【００５０】

【発明の効果】以上説明したように本発明によれば、よ
り自然で良好な認識結果を得ることが可能になる。

【００５１】また、出現頻度確率を正確に求めることが
難しかった文字種に対しても、出現頻度確率を設定する
ことができる。

【図面の簡単な説明】

【図１】本発明を実施した文字認識装置のブロック図で
ある。

【図２】本発明の識別部に採用している識別関数の図で
ある。

【図３】識別計算をする際、用いる認識辞書の構成図と
処理の流れ図である。

【図４】第２の実施例における認識辞書の構造と処理の
流れを示す図である。

【図５】第３の実施例における文字認識装置のブロック
構成図である。

【図６】第３の実施例における文字認識処理の流れを説
明するための図である。

【図７】読み取り画像中の文字切り出し座標と表示画像
の座標との関係を示す図である。

【図８】認識処理中の画面の状態を示す図である。

【符号の説明】

１０１及び５０１ ＣＰＵ １０２及び５０２ ＲＯＭ １０３及び５０３ ＲＡＭ １０４ 読取部 １０５及び５０５ 画像メモリ １０６ 認識部 １０７ 文字出現頻度盛り込み認識辞書

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 「電子通信学会研究技術報告 ＰＲＬ 84−98」Ｖｏｌ．84 Ｎｏ．323 Ｐ. 41−48（1985）”２次識別関数の改良と 手書き漢字認識への応用" (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/62

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】 入力された原稿画像中の文字記号部分を
   切り出し、特徴量を抽出して、辞書と比較して距離値を
   求め、且つ文字の出現頻度確率に基づいた補正値を用い
   て該距離値を補正することによって認識演算値を得て文
   字を認識する文字認識手段を有する文字認識装置であっ
   て、予め、 前記辞書には、サンプル文字に対する出現頻度個
   数が所定の値未満の認識候補文字に対しては、予め設定
   した正の定数値を出現頻度確率として格納しておき、サ
   ンプル文字に対する出現頻度個数が該所定の値以上の認
   識候補文字に対しては、前記出現頻度個数とサンプル文
   字数とから算出した値を出現頻度確率として格納してお
   き、 入力された文字記号部分の特徴量、前記辞書及び前記出
   現頻度確率に基づいて文字認識することを特徴とする文
   字認識装置。
2. 【請求項２】 前記認識候補文字の出現頻度個数が所定
   の値未満の場合に出現頻度確率として用いる前記予め設
   定した値は、複数の値を有し、適宜選択されることを特
   徴とする請求項１に記載の文字認識装置。
3. 【請求項３】 前記出現頻度確率に基づいた補正値は、
   前記距離値を補正する際に重み付けされて用いられ、当
   該重み付けは操作者の指示により可変であることを特徴
   とする請求項１に記載の文字認識装置。
4. 【請求項４】 更に、前記文字認識手段の文字認識の結
   果を出力する出力手段を有することを特徴とする請求項
   １に記載の文字認識装置。
5. 【請求項５】 入力された原稿画像中の文字記号部分を
   切り出し、特徴量を抽出して、辞書と比較して距離値を
   求め、且つ文字の出現頻度確率に基づいた補正値を用い
   て該距離値を補正することによって識別演算値を得て文
   字認識する文字認識方法であって、予め、 前記辞書には、サンプル文字に対する出現頻度個
   数が所定の値未満の認識候補文字に対しては、予め設定
   した正の定数値を出現頻度確率として格納しておき、サ
   ンプル文字に対する出現頻度個数が該所定の値以上の認
   識候補文字に対しては、前記出現頻度個数とサンプル文
   字とから算出した値を出現頻度確率として格納してお
   き、 入力された文字記号部分の特徴量、前記辞書及び前記出
   現頻度確率に基づいて文字認識することを特徴とする文
   字認識方法。
6. 【請求項６】 前記認識候補文字の出現頻度個数が所定
   の値未満の場合に出現頻度確率として用いる前記予め設
   定した値は、複数の値を有し、適宜選択されることを特
   徴とする請求項５に記載の文字認識方法。
7. 【請求項７】 前記出現頻度確率に基づいた補正値は、
   前記距離値を補正する際に重み付けされて用いられ、当
   該重み付けは操作者の指示により可変であることを特徴
   とする請求項５に記載の文字認識方法。
8. 【請求項８】 更に、前記文字認識の結果を出力するこ
   とを特徴とする請求項５に記載の文字認識方法。