JPH01292589A - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPH01292589A JPH01292589A JP63123147A JP12314788A JPH01292589A JP H01292589 A JPH01292589 A JP H01292589A JP 63123147 A JP63123147 A JP 63123147A JP 12314788 A JP12314788 A JP 12314788A JP H01292589 A JPH01292589 A JP H01292589A
- Authority
- JP
- Japan
- Prior art keywords
- character
- feature vector
- category
- recognition
- characters
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 43
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000012916 structural analysis Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000005764 inhibitory process Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
（産業上の利用分野）
本願発明は、文字の輪郭線から特徴ベクトルをもとめた
後、その特徴ベクトルを用いて識別を行い、認識の評価
値が低い場合には再試行をおこなう制御手段を備えた文
字認識方法に関するものである。
後、その特徴ベクトルを用いて識別を行い、認識の評価
値が低い場合には再試行をおこなう制御手段を備えた文
字認識方法に関するものである。
（従来の技術）
従来の文字認識方法には２通りの方法がある。
１つは、予め認識すべき文字データの集合がら判別分析
や主成分分析などの統計手法により特徴を抽出し辞書と
して記憶しておき、認識処理では入力された文字データ
から辞書作成と同じ方法により特徴を抽出し、辞書との
類似度を計算し、最もよい類似度を持つカテゴリに認識
する線形識別関数を用いた方法である。もう１つは、認
識すべき文字の構造を予め構造解析により求めて、その
結果を辞書として記憶しておき、認識処理では入力され
た文字データの構造解析を行い、辞書に登録された構造
との照合を行い、最も高い類似度を持っカテゴリに認識
する構造解析による方法である。
や主成分分析などの統計手法により特徴を抽出し辞書と
して記憶しておき、認識処理では入力された文字データ
から辞書作成と同じ方法により特徴を抽出し、辞書との
類似度を計算し、最もよい類似度を持つカテゴリに認識
する線形識別関数を用いた方法である。もう１つは、認
識すべき文字の構造を予め構造解析により求めて、その
結果を辞書として記憶しておき、認識処理では入力され
た文字データの構造解析を行い、辞書に登録された構造
との照合を行い、最も高い類似度を持っカテゴリに認識
する構造解析による方法である。
（発明が解決しようとする問題点）
手書き文字の特徴としては、文字線のがずれによる欠落
やにじみによる穴のつぷれが多いことや、非線形な位置
の変化や文字の位相構造が変化することが挙げられる。
やにじみによる穴のつぷれが多いことや、非線形な位置
の変化や文字の位相構造が変化することが挙げられる。
前述の従来手法のうち線形識別関数を用いた方法では、
線の途切れや穴のつぶれなどの文字特徴の欠落には比較
的強いが、文字線の非線形な移動や位４目構造の変化に
は追従できず認識できないことが多い。一方、構造解析
に基づく文字認識方法では、文字線の非線形な移動には
比較的強いが位相構造の変化には追従できず、さらに構
造解析処理は文字線自体の凸凹や線の途切れ穴のつぶれ
に影響され正確な構造を抽出できないことがある。
線の途切れや穴のつぶれなどの文字特徴の欠落には比較
的強いが、文字線の非線形な移動や位４目構造の変化に
は追従できず認識できないことが多い。一方、構造解析
に基づく文字認識方法では、文字線の非線形な移動には
比較的強いが位相構造の変化には追従できず、さらに構
造解析処理は文字線自体の凸凹や線の途切れ穴のつぶれ
に影響され正確な構造を抽出できないことがある。
本発明の目的は、このような従来知られている文字認識
方法の文字線の途切れや穴のっぷれや非線形な位置変化
、位相構造の変化という多様な変化に追従できないとい
う欠点を除去せしめ、人力された文字の変化が大きい場
合にはその変化に追従するように文字認識処理で用いる
パラメータを修正して正確に文字を認識する文字認識方
法を提供することにある。
方法の文字線の途切れや穴のっぷれや非線形な位置変化
、位相構造の変化という多様な変化に追従できないとい
う欠点を除去せしめ、人力された文字の変化が大きい場
合にはその変化に追従するように文字認識処理で用いる
パラメータを修正して正確に文字を認識する文字認識方
法を提供することにある。
（問題点を解決するための手段）
本願発明に関する文字認識方法は、文字の輪郭線の形状
から文字の特徴量を計算して認識処理を行う文字認識方
法において、文字画像の輪郭線の曲率に基づいて局所構
造に分割し、文字を区切った小領域内での局所構造の種
類及び方向別の局所構造の大きさの総和を要素とした特
徴ベクトルを求める特徴抽出手段と、カテゴリ毎の特徴
軸と入力文字の特徴ベクトルとからカテゴリ毎のスコア
を計算する手段と、カテゴリ毎の禁止則と人力特徴ベク
トルとからカテゴリ毎の禁止特徴の有無を判定する手段
と、前記スコアと禁止特徴の有無の判定結果を統合して
、認識結果を求める手段と、認識結果の評価値が低い場
合を判定し、その場合には前記特徴抽出で用いたパラメ
ータを再設定して特徴抽出処理から再試行することを制
御する手段を、備えたことを特徴としている。
から文字の特徴量を計算して認識処理を行う文字認識方
法において、文字画像の輪郭線の曲率に基づいて局所構
造に分割し、文字を区切った小領域内での局所構造の種
類及び方向別の局所構造の大きさの総和を要素とした特
徴ベクトルを求める特徴抽出手段と、カテゴリ毎の特徴
軸と入力文字の特徴ベクトルとからカテゴリ毎のスコア
を計算する手段と、カテゴリ毎の禁止則と人力特徴ベク
トルとからカテゴリ毎の禁止特徴の有無を判定する手段
と、前記スコアと禁止特徴の有無の判定結果を統合して
、認識結果を求める手段と、認識結果の評価値が低い場
合を判定し、その場合には前記特徴抽出で用いたパラメ
ータを再設定して特徴抽出処理から再試行することを制
御する手段を、備えたことを特徴としている。
（作用）
本願発明においては、文字画像の輪郭線の曲率に基づい
て局所構造を抽出することにより、手書き変動により消
えがちな局所的な構造特徴を抽出し、認識に利用できる
ようにした上で、構造解析を局所にとどめることにより
位相構造変化に影響されないようにしている。さらに、
局所構造の特徴を文字を区切った小領域内で総和をとり
、それによって特徴ベクトルを求めて識別関数によりス
コアをもとめて正解カテゴリを選択することにより、構
造解析法の欠点である線の途切れや穴のつぶれによる構
造の変化に影響されて構造解析を誤るという問題点を除
去し、位相構造の変化にも影−響されにくい認識処理を
構成できる。また禁止則の導入により判別しにくい文字
を局所構造の有無に基づき認識を可能にしている。文字
の変形が著しく１回の認識処理では判別できないような
文字の認識では、判別困難なカテゴリを詳細に区別でき
るようにパラメータを再設定して認識処理を再試行する
ことにより正しい認識が可能になる。
て局所構造を抽出することにより、手書き変動により消
えがちな局所的な構造特徴を抽出し、認識に利用できる
ようにした上で、構造解析を局所にとどめることにより
位相構造変化に影響されないようにしている。さらに、
局所構造の特徴を文字を区切った小領域内で総和をとり
、それによって特徴ベクトルを求めて識別関数によりス
コアをもとめて正解カテゴリを選択することにより、構
造解析法の欠点である線の途切れや穴のつぶれによる構
造の変化に影響されて構造解析を誤るという問題点を除
去し、位相構造の変化にも影−響されにくい認識処理を
構成できる。また禁止則の導入により判別しにくい文字
を局所構造の有無に基づき認識を可能にしている。文字
の変形が著しく１回の認識処理では判別できないような
文字の認識では、判別困難なカテゴリを詳細に区別でき
るようにパラメータを再設定して認識処理を再試行する
ことにより正しい認識が可能になる。
（実施例）
以下、本願発明の実施例を図面を参照して説明する。第
１図は、本願発明の文字認識方法の処理の流れを示す。
１図は、本願発明の文字認識方法の処理の流れを示す。
認識すべき文字は、入力文字データ１０１として１文字
づつ入力され、局所構造解析１０２がなされた後、特徴
ベクトル計算１０３がなされる。特徴ベクトルから各カ
テゴリ毎のスコア計算１０４と禁止則チエツク１０５が
なされ、その結果を用いてリジェクトの判定１０６を行
い、もし認識結果が受理されたなら１文字認識処理を終
了１０８シ、リジェクトされたならパラメータの再設定
１０７をして、上記の認識処理を再試行する。
づつ入力され、局所構造解析１０２がなされた後、特徴
ベクトル計算１０３がなされる。特徴ベクトルから各カ
テゴリ毎のスコア計算１０４と禁止則チエツク１０５が
なされ、その結果を用いてリジェクトの判定１０６を行
い、もし認識結果が受理されたなら１文字認識処理を終
了１０８シ、リジェクトされたならパラメータの再設定
１０７をして、上記の認識処理を再試行する。
これらの処理をさらに詳しく説明する。人力文字データ
１０１は、白黒の二値画像とし、黒画素は１、白画素は
Ｏの値を持つとする。そのデータを用いた局所構造解析
の流れを第２図にしたがって説明する。まず、文字の大
きさがほぼ一定になるように文字サイズの正規化２０１
をおこなう。ここでは、文字データをｆ（ｘ、 ｙ）を
表わし、文字部ではｆ（ｘ、 ｙ） ＝ １とし、背景
部ではｆ（ｘ、 ｙ） ＝ Ｏとする。そこで、線形内
挿法により、ｆ（ｘ、ｙ）からｆ １（Ｘｌ、 ｙｌ）
をもとめ、しきい値０．５によりｆ ’（ｘ、 ｙ）を
二値化し、正規化された二値画像を得る。次に、その二
値画像の黒画素と白画素との隣接する位置を順に探索す
ることにより輪郭抽出２０２を行い、２０３のフロック
では、その輪郭上の各点から両方向に長さＬの触手をの
ばし、両方向の触手をなす角度を曲率とすることにより
輪郭の曲率を計算し、さらに両方向にのばした触手の方
向の平均を輪郭の方向とする。続くブロック２０４では
、連続するＬ′個の曲率のデータから曲率の平滑化をす
る。ここでは、正規化処理は横３０画素縦４０画素程度
になるようにし、曲率計算の触手長りを５画素、曲率平
滑化の画素数Ｌ′を５画素と仮定する。上記平滑化され
た曲率データをもとにブロック２０５で局所構造への分
割を行う。ここで、局所構造としては、以下の５種類の
ものを用いる。局所構造の抽出には、曲率Φ（ｓ）（ｓ
は起点がらの輪郭上の距離）と４つのパラメータｔ１〜
Ｌ４（ｔ４〉ｔ３〉ｔ２〉ｔｌ）をもちいる。
１０１は、白黒の二値画像とし、黒画素は１、白画素は
Ｏの値を持つとする。そのデータを用いた局所構造解析
の流れを第２図にしたがって説明する。まず、文字の大
きさがほぼ一定になるように文字サイズの正規化２０１
をおこなう。ここでは、文字データをｆ（ｘ、 ｙ）を
表わし、文字部ではｆ（ｘ、 ｙ） ＝ １とし、背景
部ではｆ（ｘ、 ｙ） ＝ Ｏとする。そこで、線形内
挿法により、ｆ（ｘ、ｙ）からｆ １（Ｘｌ、 ｙｌ）
をもとめ、しきい値０．５によりｆ ’（ｘ、 ｙ）を
二値化し、正規化された二値画像を得る。次に、その二
値画像の黒画素と白画素との隣接する位置を順に探索す
ることにより輪郭抽出２０２を行い、２０３のフロック
では、その輪郭上の各点から両方向に長さＬの触手をの
ばし、両方向の触手をなす角度を曲率とすることにより
輪郭の曲率を計算し、さらに両方向にのばした触手の方
向の平均を輪郭の方向とする。続くブロック２０４では
、連続するＬ′個の曲率のデータから曲率の平滑化をす
る。ここでは、正規化処理は横３０画素縦４０画素程度
になるようにし、曲率計算の触手長りを５画素、曲率平
滑化の画素数Ｌ′を５画素と仮定する。上記平滑化され
た曲率データをもとにブロック２０５で局所構造への分
割を行う。ここで、局所構造としては、以下の５種類の
ものを用いる。局所構造の抽出には、曲率Φ（ｓ）（ｓ
は起点がらの輪郭上の距離）と４つのパラメータｔ１〜
Ｌ４（ｔ４〉ｔ３〉ｔ２〉ｔｌ）をもちいる。
（０）直線分（ｔ２＜Φ（ｓ） ＜ ｔａなるＳの区間
）（１）正曲率の曲線分（Ｌ３＜Φ（ｓ） ＜ ｔ４な
るＳの区間）（２）負曲率の曲線分（Ｌｌ＜Φ（ｓ）＜
ｔ２なるＳの区間）（３）正曲率の屈曲点（ｔ４＜φ（
ｓ）なるＳの区間）（４）負曲率の屈曲点（φ（ｓ）＜
ｔｌなるＳの区間）前述の仮定条件のもとでは、Ｌ４は
１．２、ｔ３はｏ、２、ｔ２は一〇、２、ｔ□は−１，
２に設定する。
）（１）正曲率の曲線分（Ｌ３＜Φ（ｓ） ＜ ｔ４な
るＳの区間）（２）負曲率の曲線分（Ｌｌ＜Φ（ｓ）＜
ｔ２なるＳの区間）（３）正曲率の屈曲点（ｔ４＜φ（
ｓ）なるＳの区間）（４）負曲率の屈曲点（φ（ｓ）＜
ｔｌなるＳの区間）前述の仮定条件のもとでは、Ｌ４は
１．２、ｔ３はｏ、２、ｔ２は一〇、２、ｔ□は−１，
２に設定する。
ブロック２０６では、近接する同種の局所構造のうちそ
れらの間隔がしきい値以下の場合には、該当する２つの
局所構造を統合し１つにする。このしきい値は実施例で
は１画素とした。また、ブロック２０７では局所構造の
うち曲線分は、各局所構造の部分における曲率の総和が
、ｎ／２を越えないように分割される。屈曲点では、同
様に３■／２を越えないように分割される。このように
して求められた局所構造は、ブロック２０８において、
その始点、終点の座標と方向、平均曲率、エツジ上の長
さとして記録される。この様にして抽出された局所構造
の例を第３図に示す。同図（ａ）は、抽出された文字の
輪郭線を示し、同図（ｂ）は抽出された局所構造の例を
示す。第３図において白丸から白丸までを結んだ実線分
が１つの局所構造である。３０２は直線分であり、３０
３は正曲率の曲線分、３０４は負曲率の曲線分、３０５
は正曲率の屈曲点、５０６は負曲率の例である。
れらの間隔がしきい値以下の場合には、該当する２つの
局所構造を統合し１つにする。このしきい値は実施例で
は１画素とした。また、ブロック２０７では局所構造の
うち曲線分は、各局所構造の部分における曲率の総和が
、ｎ／２を越えないように分割される。屈曲点では、同
様に３■／２を越えないように分割される。このように
して求められた局所構造は、ブロック２０８において、
その始点、終点の座標と方向、平均曲率、エツジ上の長
さとして記録される。この様にして抽出された局所構造
の例を第３図に示す。同図（ａ）は、抽出された文字の
輪郭線を示し、同図（ｂ）は抽出された局所構造の例を
示す。第３図において白丸から白丸までを結んだ実線分
が１つの局所構造である。３０２は直線分であり、３０
３は正曲率の曲線分、３０４は負曲率の曲線分、３０５
は正曲率の屈曲点、５０６は負曲率の例である。
次にブロック１０２の特徴ベクトルの計算の手順につい
て第４図を用いて説明する。まず、ブロック４０１にお
ける局所構造の位置計算では、局所構造の始点と終点の
座標の平均を便宜的に局所構造の位置とし、さらに文字
をｎＸｍの粗メツシユで区切り、局所構造の属するメツ
シュの位置（ｉ、ｊ）（０≦ｉ≦ｎ−１，０≦ｊ≦ｍ−
１）を求める。ブロック４０２では、局所構造の始点の
方向ベクトルと終点の方向ベクトルの平均ベクトルによ
り局所構造の方向を定め、これを４５°おきの８方向に
量子化し、方向コードｑ（０≦ｑ≦７）を求める。以上
の局所構造の種類番号ｐ（上記の（０）から（４））、
メソシュの位置（ｉ、ｊ）、方向ｄを用いて特徴ベクト
ルの要素番号 に＝（（ｉ−ｍ＋ｊ）・８＋ｑ）・５＋ｐ＋１を求め、
特徴ベクトル［φｋ］（ｋ＝１−Ｄ、Ｄ＝ｎ−ｍ−５−
８）に特微量を加算する。ブロック４０３で局所構造が
屈曲点か否かを判定し、屈曲点の場合にはブロック４０
６に進み特徴ベクトルの要素に特微量として１を加算し
、屈曲点でなければブロック４０４に進み局所構造の大
きさとして、局所構造の始点から終点までの輪郭線上の
距離を特徴とする求めブロック４０５において、特徴ベ
クトルの要素に加算する。全局所構造についての処理を
終了するまで、ブロック４０１から４０７までの処理を
繰り返して、入力文字データの特徴ベクトル［、、、］
を求める。
て第４図を用いて説明する。まず、ブロック４０１にお
ける局所構造の位置計算では、局所構造の始点と終点の
座標の平均を便宜的に局所構造の位置とし、さらに文字
をｎＸｍの粗メツシユで区切り、局所構造の属するメツ
シュの位置（ｉ、ｊ）（０≦ｉ≦ｎ−１，０≦ｊ≦ｍ−
１）を求める。ブロック４０２では、局所構造の始点の
方向ベクトルと終点の方向ベクトルの平均ベクトルによ
り局所構造の方向を定め、これを４５°おきの８方向に
量子化し、方向コードｑ（０≦ｑ≦７）を求める。以上
の局所構造の種類番号ｐ（上記の（０）から（４））、
メソシュの位置（ｉ、ｊ）、方向ｄを用いて特徴ベクト
ルの要素番号 に＝（（ｉ−ｍ＋ｊ）・８＋ｑ）・５＋ｐ＋１を求め、
特徴ベクトル［φｋ］（ｋ＝１−Ｄ、Ｄ＝ｎ−ｍ−５−
８）に特微量を加算する。ブロック４０３で局所構造が
屈曲点か否かを判定し、屈曲点の場合にはブロック４０
６に進み特徴ベクトルの要素に特微量として１を加算し
、屈曲点でなければブロック４０４に進み局所構造の大
きさとして、局所構造の始点から終点までの輪郭線上の
距離を特徴とする求めブロック４０５において、特徴ベ
クトルの要素に加算する。全局所構造についての処理を
終了するまで、ブロック４０１から４０７までの処理を
繰り返して、入力文字データの特徴ベクトル［、、、］
を求める。
つづいて、スコア計算１０４と禁止則のチエツク１０５
の実際の処理の流れを第５図にしたがって説明する。ま
ず、ブロック５０１において全カテゴリに対してスコア
を計算する。その方法は、各カテゴリごとに特徴軸上に
特徴ベクトルを正射影して、その長さをカテゴリごとの
スコアｓ、（ｊはカテゴリの番号）とする。第ｊカテゴ
リの特徴軸の単位ベクトルを［ａ、、ｃ］とすると、 Ｓｊ＝［ａ、ＩＣ］・陣ぽ −ゑＦＡＪｋ’ψｋ ｋ＝０ ここで、［里、、］＊ （ｋ ：Ｏ≦に≦Ｄ）は［甲ｋ
］ （ｋ ： １≦に≦Ｄ）の斉次ベクトルとし、Φ。
の実際の処理の流れを第５図にしたがって説明する。ま
ず、ブロック５０１において全カテゴリに対してスコア
を計算する。その方法は、各カテゴリごとに特徴軸上に
特徴ベクトルを正射影して、その長さをカテゴリごとの
スコアｓ、（ｊはカテゴリの番号）とする。第ｊカテゴ
リの特徴軸の単位ベクトルを［ａ、、ｃ］とすると、 Ｓｊ＝［ａ、ＩＣ］・陣ぽ −ゑＦＡＪｋ’ψｋ ｋ＝０ ここで、［里、、］＊ （ｋ ：Ｏ≦に≦Ｄ）は［甲ｋ
］ （ｋ ： １≦に≦Ｄ）の斉次ベクトルとし、Φ。
＝１とする。つぎに、ブロック５０２で最大スコアＳ、
１を持つカテゴリＪ１求め、ブロック５０３でカテゴリ
Ｊ０に対して禁止則のチエツクを行う。禁止則とは各カ
テゴリごとに生起してはならない特徴ベクトルの要素の
集合を記述したベクトル［ｂ、ｋ］ （ｋ ： １≦に
≦Ｄ）である。ただし、ｂ、、＝１：第に要素がカテゴ
１月で生起しない場合０：第に要素がカテゴリｊで生起
する可能性がある場合 そこで、ブロック５０３での禁止則のチエツクとは禁止
則［ｂＪｌｌｃ］と特徴ベクトル［盟］の内積をもとめ
、ＲＪｌ ” ［ｂＪｌｋ］・［甲ｋ］ を計算することであり、ブロック５０４の禁止特徴を持
つか否かの判定は、ＲＪｌが正か０かの判定であり、も
しＲＪｌが０で、入力文字がＪｌに対する禁止特徴を持
たなければカテゴリＪ工を第１候補とし次のブロック５
０６にすすむが、ＲＪｌが正で入力文字がカテゴリＪ１
にり１する禁止特徴を持てばブロック５０５でカテゴリ
Ｊ１を除去して再びブロック５０２がらの処理を行う。
１を持つカテゴリＪ１求め、ブロック５０３でカテゴリ
Ｊ０に対して禁止則のチエツクを行う。禁止則とは各カ
テゴリごとに生起してはならない特徴ベクトルの要素の
集合を記述したベクトル［ｂ、ｋ］ （ｋ ： １≦に
≦Ｄ）である。ただし、ｂ、、＝１：第に要素がカテゴ
１月で生起しない場合０：第に要素がカテゴリｊで生起
する可能性がある場合 そこで、ブロック５０３での禁止則のチエツクとは禁止
則［ｂＪｌｌｃ］と特徴ベクトル［盟］の内積をもとめ
、ＲＪｌ ” ［ｂＪｌｋ］・［甲ｋ］ を計算することであり、ブロック５０４の禁止特徴を持
つか否かの判定は、ＲＪｌが正か０かの判定であり、も
しＲＪｌが０で、入力文字がＪｌに対する禁止特徴を持
たなければカテゴリＪ工を第１候補とし次のブロック５
０６にすすむが、ＲＪｌが正で入力文字がカテゴリＪ１
にり１する禁止特徴を持てばブロック５０５でカテゴリ
Ｊ１を除去して再びブロック５０２がらの処理を行う。
ブロック５０６からは第２候補の選択を行う。ブロック
５０６ではＪｌを除いて最大のスコアＳＪ２を持っカテ
ゴリＪ２を求め、ブロック５０７でＪ２に対する禁止則
チエツクをブロック５０３と同様に行い、ブロック５０
８の判定で、ＲＪ２がＯで人力文字がＪ２に列する禁止
特徴を持たなければＪ２を第２候補として終了する。
５０６ではＪｌを除いて最大のスコアＳＪ２を持っカテ
ゴリＪ２を求め、ブロック５０７でＪ２に対する禁止則
チエツクをブロック５０３と同様に行い、ブロック５０
８の判定で、ＲＪ２がＯで人力文字がＪ２に列する禁止
特徴を持たなければＪ２を第２候補として終了する。
ＲＪ２が正でカテゴリＪ２に対する禁止特徴を持てば、
ブロック５０９でカテゴリＪ２を除いて、ブロック５０
６に戻り再び第２候補の選択を行う。
ブロック５０９でカテゴリＪ２を除いて、ブロック５０
６に戻り再び第２候補の選択を行う。
次に、ブロック１０６でのりジェクト判定処理の流れを
第６図に従って説明する。ブロック６０１では、第１候
補のカテゴリＪ１のスコアＳ、１、第２候補のカテゴリ
Ｊ２のスコヒアをＳ、２の差ｄをもとめる。
第６図に従って説明する。ブロック６０１では、第１候
補のカテゴリＪ１のスコアＳ、１、第２候補のカテゴリ
Ｊ２のスコヒアをＳ、２の差ｄをもとめる。
ｄ＝ＳＪ１−８，２
として、ブロック６０２で判定をおこない、ｄがＴｈ１
以上ならば、ブロック６０３に進み、第１候補のカテゴ
リＪ０を認識結果として受理する。ｄ′／Ｊ＜Ｔｈ１未
満ならば、ブロック６０４においてＪｌとＪ２に応じた
局所構造抽出のためのパラメータを再設定し、認識処理
の再試行をおこなう。正解カテゴリではスコアが１でそ
れ以外ではスコアが−１となるように特徴軸を設定して
利用した場合には、Ｔｈｌは０．８程度を用いる。パラ
メータの再設定では、ＪｌとＪ２の組合ぜ毎に認識処理
で用いるパラメータを再設定用に予め準備して表形式で
記憶しておき、認識結果のＪｌとＪ２をキーとして表引
きをして、再設定用のパラメータ群を得る。手書き数字
認識処理において、第２図のブロック２０５で用いた４
つのしきい値ｔ１〜ｔ４の再設定を例にして説明すると
、しきい値（ｊｌ ＋ ｔ２． ｔ３． ｔ４）を初期
的に（１，２，０，２，−０，２，−１，２）設定する
が、Ｊが０でＪ２が６、つまり第１候補が数字′０′で
第２候補が′６′の場合には、（ｔ工、ｔ２．ｔ３．ｔ
４）を（１，４，０，３，−０，３，−１，４）に再設
定し、ブロック１０２より認識処理の再試行を行う。こ
こでは、しきい値ｔ１〜ｔ４の再設定について述べたが
、他の認識処理で用いられるパラメータへの拡張も容易
に類推可能である。
以上ならば、ブロック６０３に進み、第１候補のカテゴ
リＪ０を認識結果として受理する。ｄ′／Ｊ＜Ｔｈ１未
満ならば、ブロック６０４においてＪｌとＪ２に応じた
局所構造抽出のためのパラメータを再設定し、認識処理
の再試行をおこなう。正解カテゴリではスコアが１でそ
れ以外ではスコアが−１となるように特徴軸を設定して
利用した場合には、Ｔｈｌは０．８程度を用いる。パラ
メータの再設定では、ＪｌとＪ２の組合ぜ毎に認識処理
で用いるパラメータを再設定用に予め準備して表形式で
記憶しておき、認識結果のＪｌとＪ２をキーとして表引
きをして、再設定用のパラメータ群を得る。手書き数字
認識処理において、第２図のブロック２０５で用いた４
つのしきい値ｔ１〜ｔ４の再設定を例にして説明すると
、しきい値（ｊｌ ＋ ｔ２． ｔ３． ｔ４）を初期
的に（１，２，０，２，−０，２，−１，２）設定する
が、Ｊが０でＪ２が６、つまり第１候補が数字′０′で
第２候補が′６′の場合には、（ｔ工、ｔ２．ｔ３．ｔ
４）を（１，４，０，３，−０，３，−１，４）に再設
定し、ブロック１０２より認識処理の再試行を行う。こ
こでは、しきい値ｔ１〜ｔ４の再設定について述べたが
、他の認識処理で用いられるパラメータへの拡張も容易
に類推可能である。
（発明の効果）
以上の説明で明らかなように、本願発明においては、手
書き変動により消えがちな局所的な構造特徴を抽出し認
識に利用できるようにし、しかも位相構造変化に影響さ
れないようにしている。さらに、構造解析法の失意があ
る線の途切れや穴のつぶれによる構造の変化に影響され
て構造解析を誤るという問題点を除去し、位相構造の変
化にも影響されにくい認識処理を構成できる。また局所
構造の有無に基づき判別困難な類似文字の詳紺な認識を
可能にしている。文字の変形が著しく１回の認識処理で
は判別できないような文字の認識では、認識処理を再試
行することにより正しい認識が可能になる。このように
本願発明により、手書き変動を吸収でき正確な手書き文
字認識が可能となるだけでなく、多様な印刷文字の認識
も可能である。さらに、本願発明は多くのパターン認識
処理にも応用ができる。
書き変動により消えがちな局所的な構造特徴を抽出し認
識に利用できるようにし、しかも位相構造変化に影響さ
れないようにしている。さらに、構造解析法の失意があ
る線の途切れや穴のつぶれによる構造の変化に影響され
て構造解析を誤るという問題点を除去し、位相構造の変
化にも影響されにくい認識処理を構成できる。また局所
構造の有無に基づき判別困難な類似文字の詳紺な認識を
可能にしている。文字の変形が著しく１回の認識処理で
は判別できないような文字の認識では、認識処理を再試
行することにより正しい認識が可能になる。このように
本願発明により、手書き変動を吸収でき正確な手書き文
字認識が可能となるだけでなく、多様な印刷文字の認識
も可能である。さらに、本願発明は多くのパターン認識
処理にも応用ができる。
第１図は本願発明の原理的な処理の流れ図、第２図は局
所構造解析の処理例の流れ図、第３図は文字の輪郭線の
例と抽出された局所構造の例を示す図、第４図は特徴ベ
クトル計算の手順の例を示す図、第５図はスコア計算と
禁止則チエツクの処理手順の例を示す図である。第６図
は認識処理の再試行を制御する手順の例を示す図である
。
所構造解析の処理例の流れ図、第３図は文字の輪郭線の
例と抽出された局所構造の例を示す図、第４図は特徴ベ
クトル計算の手順の例を示す図、第５図はスコア計算と
禁止則チエツクの処理手順の例を示す図である。第６図
は認識処理の再試行を制御する手順の例を示す図である
。
Claims (1)
- 文字の輪郭線の形状から文字の特徴量を計算して認識
処理を行う文字認識方法であって、文字画像の輪郭線の
曲率に基づいて局所構造に分割し、文字を区切った小領
域内での局所構造の種類及び方向別の局所構造を構成す
る画素数を要素とした特徴ベクトルを求める特徴抽出手
段と、カテゴリ毎の特徴ベクトルと入力文字の特徴ベク
トルとからカテゴリ毎のスコアを計算する手段と、カテ
ゴリ毎の禁止則と入力特徴ベクトルとからカテゴリ毎の
禁止特徴の有無を判定する手段と、前記スコアと禁止特
徴の有無の判定結果を統合して、認識結果を求める手段
と、認識結果の評価値が低い場合を判定し、その場合に
は前記特徴抽出で用いたパラメータを再設定して特徴抽
出処理から再試行することを制御する手段を、備えたこ
とを特徴とする文字認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63123147A JP2976426B2 (ja) | 1988-05-20 | 1988-05-20 | 文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63123147A JP2976426B2 (ja) | 1988-05-20 | 1988-05-20 | 文字認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH01292589A true JPH01292589A (ja) | 1989-11-24 |
| JP2976426B2 JP2976426B2 (ja) | 1999-11-10 |
Family
ID=14853356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63123147A Expired - Fee Related JP2976426B2 (ja) | 1988-05-20 | 1988-05-20 | 文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2976426B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007272335A (ja) * | 2006-03-30 | 2007-10-18 | Toshiba Corp | 描画装置、形状データ生成装置、方法およびプログラム |
-
1988
- 1988-05-20 JP JP63123147A patent/JP2976426B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007272335A (ja) * | 2006-03-30 | 2007-10-18 | Toshiba Corp | 描画装置、形状データ生成装置、方法およびプログラム |
| JP4643485B2 (ja) * | 2006-03-30 | 2011-03-02 | 株式会社東芝 | 描画装置、方法およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2976426B2 (ja) | 1999-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7068843B2 (en) | Method for extracting and matching gesture features of image | |
| JP3343864B2 (ja) | 語体の分離方法 | |
| JP3742279B2 (ja) | 画像照合装置、画像照合方法及び画像照合プログラムを記録した記録媒体 | |
| US20040136591A1 (en) | Method and device for recognition of a handwritten pattern | |
| Chatbri et al. | Using scale space filtering to make thinning algorithms robust against noise in sketch images | |
| JPH02266485A (ja) | 情報認識装置 | |
| JP2009129237A (ja) | 画像処理装置及びその方法 | |
| CN115641615A (zh) | 复杂背景下闭合手掌感兴趣区域提取方法 | |
| US7295707B2 (en) | Method for aligning gesture features of image | |
| JPH01292589A (ja) | 文字認識装置 | |
| Adhan et al. | Alphabetic hand sign interpretation using geometric invariance | |
| JP3977473B2 (ja) | 手書き文字認識方法及び手書き文字認識装置 | |
| Thuresson et al. | Finding object categories in cluttered images using minimal shape prototypes | |
| Babczyński et al. | Direct Tensor Voting in line segmentation of handwritten documents | |
| JP3115139B2 (ja) | 文字切り出し方法 | |
| Chowdhury et al. | Efficient fingerprint matching based upon minutiae extraction | |
| Mazaheri et al. | Fingerprint matching using an onion layer algorithm of computational geometry based on level 3 features | |
| Boreki et al. | Hand geometry feature extraction through curvature profile analysis | |
| JP3198218B2 (ja) | オンライン手書き文字認識方法 | |
| JP2856409B2 (ja) | 文字認識装置および方法 | |
| JP3742312B2 (ja) | 画像照合装置、画像照合方法、プログラム及び記録媒体 | |
| JP2851865B2 (ja) | 文字認識装置 | |
| JP2865530B2 (ja) | 指紋照合装置 | |
| JPH076211A (ja) | オンライン文字認識装置 | |
| JP2824704B2 (ja) | 文字認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |