JPH0147832B2 - - Google Patents
Info
- Publication number
- JPH0147832B2 JPH0147832B2 JP57004925A JP492582A JPH0147832B2 JP H0147832 B2 JPH0147832 B2 JP H0147832B2 JP 57004925 A JP57004925 A JP 57004925A JP 492582 A JP492582 A JP 492582A JP H0147832 B2 JPH0147832 B2 JP H0147832B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- division
- complexity
- format
- pattern
- 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
Links
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 6
- 230000005484 gravity Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Description
本発明は、入力文字パターンの特定方向のスト
ロークをあらわす各サブパターンにおける各文字
枠分割単位領域毎の黒ビツト和を文字線幅と各サ
ブパターンに対応した文字枠の大きさとで正規化
して特徴要素を抽出して文字を認識するものであ
つて、所定の分割形式に従つて文字枠分割単位領
域を設定して一群の認識文字候補を選択し、これ
ら認識文字候補の複雑度と分割形式との対応関係
を検査した後、分割形式を変更して文字の認識を
行わせる文字認識方式に関する。 文字認識方式の１形式として下記の式であらわ
される量を特徴要素Ｆ（ｋ、ｉ、ｊ）とする特徴
マトリツクスを作成し、同様の形式であらわされ
た標準文字マスクとの類似度を測定して文字を認
識する文字認識方式がある。 Ｆ（ｋ、ｉ、ｊ）＝Bk（ｉ、ｊ）／WL・WPk WLは入力文字パターンの文字線幅をあらわ
す。WPkはWPh、WPv、WPr、WPl等をあらわ
し、例えばWPhは水平方向の文字枠の大きさで
あり、以下同様にWPv、WPr、WPlはそれぞれ
垂直方向、右斜め45度方向、左斜め45度方向の文
字枠の大きさである。Bk（ｉ、ｊ）はBh（ｉ、
ｊ）、Bv（ｉ、ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）等
をあらわし、例えばBh（ｉ、ｊ）は水平サブパタ
ーンHSPの分割単位領域（ｉ、ｊ）における黒
ビツトの和であり、ｉは文字枠のＸ軸方向の分割
単位領域の番号であり、ｊは文字枠のＹ軸方向の
分割単位領域の番号である。以下同様にBv（ｉ、
ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）はそれぞれ垂直
サブパターンVSP、右斜め45度サブパターン
RSP、左斜め45度サブパターンLSPにおける黒
ビツトの和である。 この方式においては、分割単位領域を決定する
水平、垂直方向の分割数に関する分割形式が認識
率を決定する一要素である。この方式の一般的傾
向として複雑な字形の文字は個人差によるストロ
ーク位置変動が少ないので分割単位領域を細かく
設定することによつて認識率を上げることができ
るが、簡単な字形の文字は個人差によるストロー
ク位置変動が大きく、大きな分割単位領域を設定
することによつて安定（個人差に影響されず）に
認識できる性質がある。例えばすべてのサブパタ
ーンHSP、VSP、RSP、LSPについて水平方向、
垂直方向共に同一数で６×６又は７×７の分割す
る分割形式を比較した場合、６画程度の文字は６
×６の分割形式のものを採用することによつて高
い認識率が得られ、15画程度の文字は７×７の分
割形式のものを採用することによつて高い認識率
が得られる。 本発明は、このような着眼点に基づき、まず、
所定の分割形式で入力文字パターンの特徴マトリ
ツクスを抽出し、所定の分割形式に対応した辞書
を参照して認識候補文字を選び、これら認識候補
文字の複雑度の平均値を求め、且つ標準の複雑度
と分割形式との対応を示したテーブルを参照し
て、認識候補文字の複雑度の平均値に対応した分
割形式を決定して、その分割形式が前記所定の分
割形式と一致しない時には再度新たな分割形式に
対する入力文字パターンの特徴マトリツクスを作
成して文字認識を行うもので、以下詳細に説明す
る。 第１図は、本発明による文字認識装置の一実施
例を示したものである。以下第１図に基づいて詳
細に説明する。 １は帳票からの光入力である。この光入力１は
光電変換部２に入力される。光電変換部２は１つ
の文字予定領域を128×128の画素へ分解し、各画
素を２値のデイジタル信号（以下これを入力文字
パターン信号と呼ぶ）へ変換するものであり、平
均的大きさの１文字は60×60ビツト程度の入力文
字パターンで表現される。パターンレジスタ３は
文字予定領域における各画素のＸ、Ｙ座標を再現
できる形式で入力文字パターンを記憶するもので
あり、文字予定領域に対応して128×128ビツトの
容量を有するものである。文字線幅計算部４は周
知のフイルタ回路と同様にシフトレジスタ構成と
なつており、入力文字パターンを受けて２×２段
のシフトレジスタ窓のすべての画素が黒ビツトと
なる状態の個数Ｑと入力文字パターンの黒ビツト
和Ａを計数し、下記に示す周知式で線幅WLを算
出する。 WL＝Ａ／Ａ−Ｑ 文字枠検出部６は文字の外接枠をそのパターン
レジスタにおける左端座標Xl、右端座標Xr、上
端座標Yt、下端座標Ybで表現して検出し、更に
文字枠の大きさを検出するものである。文字枠の
大きさは水平方向の大きさとしてWPh＝Xr−Xl
＋１、垂直方向の大きさとしてWPv＝Yt−Yb＋
１、として検出される。右斜め45度方向及び左斜
め45度方向の大きさとして WPR＝WPl＝WPh＋WPv／２ として検出する。サブパターン抽出部５は入力文
字パターンと線幅WLとに基づいて水平、垂直、
右斜め、左斜め、の各方向のストロークをあらわ
すサブパターンHSP、VSP、RSP、LSPを抽出
するものであり、各方向に対応した線幅より十分
長く連続する黒ビツトを抽出することにより行
う。例えばサブパターンHSPはパターンレジス
タ３の全面を水平に走査し、各走査線毎に黒ビツ
トの連続する個数を検出し、その長さが2WLよ
り大きい黒ビツトを抽出することにより水平スト
ロークからなる水平サブパターンを抽出する。同
様に、垂直、右斜め、左斜めの各サブパターンは
パターンレジスタ３をそれぞれ垂直方向、右斜め
方向、左斜め方向へ走査することにより抽出す
る。 このように抽出されたサブパターンの一例を第
２図に示しており、第２図のORGは入力文字パ
ターン、HSPは水平サブパターン、VSPは垂直
サブパターン、RSPは右斜めサブパターン、
LSPは左斜めサブパターンである。 第１文字枠分割決定部７は、文字枠座標Xl、
Xr、Yt、Ybと入力文字パターンORGとを受け
て、Ｘ、Ｙ軸上に夫々投影された入力文字パター
ンORGの夫々の黒ビツト数分布を対象としてこ
の実施例で予定されている最大のＸ軸、Ｙ軸夫々
の分割数よりも十分大きい固数の重心座標の系列
を夫夫検出し、次いで、予め設定されている分割
形式N1で指定された分割数NX、NY（但し、こ
こではNX＝NY＝７）に従つて、夫々ほぼ均等
個数おきの重心座標を選択し、（NX−１）個及
び（NY−１）個の重心座標をＸ軸、Ｙ軸夫々の
分割座標として決定する。 例えばＸ軸の重心座標系列Ｘ（Mi）（但しMiは
重心番号でｉ＝１〜15）の検出は入力文字パター
ンをＸ軸に投影して黒ビツト数分布を求め、まず
最初はＸ軸に関する文字枠の範囲Xl〜Xrを対象
として重心座標Ｘ（Mp）を求め、次いで、前段
までに求められた重心座標系列によつてＸ軸に関
する文字枠の範囲Xl〜Xrを分割して夫々の範囲
を対象として重心座標を求める過程を３回繰返す
ことによつて他の14個の重心座標Ｘ（M1）〜Ｘ
（M7）、Ｘ（M9）〜Ｘ（M15）を検出する。このよ
うにして求めた15個の重心座標を分割座標の候補
点として予め用意しておいた下記テーブルに基づ
いてＸ軸の各分割区間がほぼ均等個数の重心を含
むように対応づけて決定する。
ロークをあらわす各サブパターンにおける各文字
枠分割単位領域毎の黒ビツト和を文字線幅と各サ
ブパターンに対応した文字枠の大きさとで正規化
して特徴要素を抽出して文字を認識するものであ
つて、所定の分割形式に従つて文字枠分割単位領
域を設定して一群の認識文字候補を選択し、これ
ら認識文字候補の複雑度と分割形式との対応関係
を検査した後、分割形式を変更して文字の認識を
行わせる文字認識方式に関する。 文字認識方式の１形式として下記の式であらわ
される量を特徴要素Ｆ（ｋ、ｉ、ｊ）とする特徴
マトリツクスを作成し、同様の形式であらわされ
た標準文字マスクとの類似度を測定して文字を認
識する文字認識方式がある。 Ｆ（ｋ、ｉ、ｊ）＝Bk（ｉ、ｊ）／WL・WPk WLは入力文字パターンの文字線幅をあらわ
す。WPkはWPh、WPv、WPr、WPl等をあらわ
し、例えばWPhは水平方向の文字枠の大きさで
あり、以下同様にWPv、WPr、WPlはそれぞれ
垂直方向、右斜め45度方向、左斜め45度方向の文
字枠の大きさである。Bk（ｉ、ｊ）はBh（ｉ、
ｊ）、Bv（ｉ、ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）等
をあらわし、例えばBh（ｉ、ｊ）は水平サブパタ
ーンHSPの分割単位領域（ｉ、ｊ）における黒
ビツトの和であり、ｉは文字枠のＸ軸方向の分割
単位領域の番号であり、ｊは文字枠のＹ軸方向の
分割単位領域の番号である。以下同様にBv（ｉ、
ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）はそれぞれ垂直
サブパターンVSP、右斜め45度サブパターン
RSP、左斜め45度サブパターンLSPにおける黒
ビツトの和である。 この方式においては、分割単位領域を決定する
水平、垂直方向の分割数に関する分割形式が認識
率を決定する一要素である。この方式の一般的傾
向として複雑な字形の文字は個人差によるストロ
ーク位置変動が少ないので分割単位領域を細かく
設定することによつて認識率を上げることができ
るが、簡単な字形の文字は個人差によるストロー
ク位置変動が大きく、大きな分割単位領域を設定
することによつて安定（個人差に影響されず）に
認識できる性質がある。例えばすべてのサブパタ
ーンHSP、VSP、RSP、LSPについて水平方向、
垂直方向共に同一数で６×６又は７×７の分割す
る分割形式を比較した場合、６画程度の文字は６
×６の分割形式のものを採用することによつて高
い認識率が得られ、15画程度の文字は７×７の分
割形式のものを採用することによつて高い認識率
が得られる。 本発明は、このような着眼点に基づき、まず、
所定の分割形式で入力文字パターンの特徴マトリ
ツクスを抽出し、所定の分割形式に対応した辞書
を参照して認識候補文字を選び、これら認識候補
文字の複雑度の平均値を求め、且つ標準の複雑度
と分割形式との対応を示したテーブルを参照し
て、認識候補文字の複雑度の平均値に対応した分
割形式を決定して、その分割形式が前記所定の分
割形式と一致しない時には再度新たな分割形式に
対する入力文字パターンの特徴マトリツクスを作
成して文字認識を行うもので、以下詳細に説明す
る。 第１図は、本発明による文字認識装置の一実施
例を示したものである。以下第１図に基づいて詳
細に説明する。 １は帳票からの光入力である。この光入力１は
光電変換部２に入力される。光電変換部２は１つ
の文字予定領域を128×128の画素へ分解し、各画
素を２値のデイジタル信号（以下これを入力文字
パターン信号と呼ぶ）へ変換するものであり、平
均的大きさの１文字は60×60ビツト程度の入力文
字パターンで表現される。パターンレジスタ３は
文字予定領域における各画素のＸ、Ｙ座標を再現
できる形式で入力文字パターンを記憶するもので
あり、文字予定領域に対応して128×128ビツトの
容量を有するものである。文字線幅計算部４は周
知のフイルタ回路と同様にシフトレジスタ構成と
なつており、入力文字パターンを受けて２×２段
のシフトレジスタ窓のすべての画素が黒ビツトと
なる状態の個数Ｑと入力文字パターンの黒ビツト
和Ａを計数し、下記に示す周知式で線幅WLを算
出する。 WL＝Ａ／Ａ−Ｑ 文字枠検出部６は文字の外接枠をそのパターン
レジスタにおける左端座標Xl、右端座標Xr、上
端座標Yt、下端座標Ybで表現して検出し、更に
文字枠の大きさを検出するものである。文字枠の
大きさは水平方向の大きさとしてWPh＝Xr−Xl
＋１、垂直方向の大きさとしてWPv＝Yt−Yb＋
１、として検出される。右斜め45度方向及び左斜
め45度方向の大きさとして WPR＝WPl＝WPh＋WPv／２ として検出する。サブパターン抽出部５は入力文
字パターンと線幅WLとに基づいて水平、垂直、
右斜め、左斜め、の各方向のストロークをあらわ
すサブパターンHSP、VSP、RSP、LSPを抽出
するものであり、各方向に対応した線幅より十分
長く連続する黒ビツトを抽出することにより行
う。例えばサブパターンHSPはパターンレジス
タ３の全面を水平に走査し、各走査線毎に黒ビツ
トの連続する個数を検出し、その長さが2WLよ
り大きい黒ビツトを抽出することにより水平スト
ロークからなる水平サブパターンを抽出する。同
様に、垂直、右斜め、左斜めの各サブパターンは
パターンレジスタ３をそれぞれ垂直方向、右斜め
方向、左斜め方向へ走査することにより抽出す
る。 このように抽出されたサブパターンの一例を第
２図に示しており、第２図のORGは入力文字パ
ターン、HSPは水平サブパターン、VSPは垂直
サブパターン、RSPは右斜めサブパターン、
LSPは左斜めサブパターンである。 第１文字枠分割決定部７は、文字枠座標Xl、
Xr、Yt、Ybと入力文字パターンORGとを受け
て、Ｘ、Ｙ軸上に夫々投影された入力文字パター
ンORGの夫々の黒ビツト数分布を対象としてこ
の実施例で予定されている最大のＸ軸、Ｙ軸夫々
の分割数よりも十分大きい固数の重心座標の系列
を夫夫検出し、次いで、予め設定されている分割
形式N1で指定された分割数NX、NY（但し、こ
こではNX＝NY＝７）に従つて、夫々ほぼ均等
個数おきの重心座標を選択し、（NX−１）個及
び（NY−１）個の重心座標をＸ軸、Ｙ軸夫々の
分割座標として決定する。 例えばＸ軸の重心座標系列Ｘ（Mi）（但しMiは
重心番号でｉ＝１〜15）の検出は入力文字パター
ンをＸ軸に投影して黒ビツト数分布を求め、まず
最初はＸ軸に関する文字枠の範囲Xl〜Xrを対象
として重心座標Ｘ（Mp）を求め、次いで、前段
までに求められた重心座標系列によつてＸ軸に関
する文字枠の範囲Xl〜Xrを分割して夫々の範囲
を対象として重心座標を求める過程を３回繰返す
ことによつて他の14個の重心座標Ｘ（M1）〜Ｘ
（M7）、Ｘ（M9）〜Ｘ（M15）を検出する。このよ
うにして求めた15個の重心座標を分割座標の候補
点として予め用意しておいた下記テーブルに基づ
いてＸ軸の各分割区間がほぼ均等個数の重心を含
むように対応づけて決定する。
【表】
Ｙ軸についても同様にして重心座標を検出し、
テーブルを参照して分割座標を決定するが、ここ
ではＸ軸方向と同じ15個の重心座標Ｙ（M1）〜Ｙ
（M15）を検出し、分割数NYもＸ軸方向と同じ
７分割としているので、Ｘ軸と同じテーブルを参
照して重心番号M3、M5、M7、M9、M11、M13
を決定し、その重心番号に対応した重心座標を分
割座標として決定する。 すなわち、分割形式N1に対応してＸ軸方向の
分割座標としてＸ（M3）、Ｘ（M5）、Ｘ（M7）、Ｘ
（M9）、Ｘ（M11）、Ｘ（M13）を、Ｙ軸方向の分割
座標としてＹ（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ
（M9）、Ｙ（M11）、Ｙ（M13）を決定する。第１特
徴マトリクス抽出部８はサブパターンの分割数に
対応したＸ軸方向の分割座標、両端座標Xl、Ｘ
（M3）、Ｘ（M5）、Ｘ（M7）、Ｘ（M9）、Ｘ（M11）、
Ｘ（M13）、Xrと、Ｙ軸方向の分割座標、両端座
標Yb、Ｙ（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ（M9）、
Ｙ（M11）、Ｙ（M13）、Ytと、入力文字パターン
の各サブパターンHSP、VSP、RSP、LSPと、
各サブパターンに対応した文字枠の大きさWPh、
WPv、WPr、WPlと、文字線幅WLとを受けて、
各サブパターンを前記分割座標からきまる複数の
分割単位領域に分割して、各分割単位領域毎の黒
ビツト数Bk（ｉ、ｊ）を計数し、下記の式で示す
ように線幅WLと各サブパターンに対応した文字
枠の大きさWPh、WPv、WPr、WPlとで正規化
し、各サブパターンの分割単位領域毎に特徴要素
Ｆ（ｋ、ｉ、ｊ）＝Bk（ｉ、ｊ）／WL・WPk（但し、ｋ
＝ｈ、 ｖ、ｒ、ｌ）を抽出し、特徴マトリツクスを作成
する。 Ｆ（ｈ、ｉ、ｊ）＝Bh（ｉ、ｊ）／WL・WPh Ｆ（ｖ、ｉ、ｊ）＝Bv（ｉ、ｊ）／WL・WPv Ｆ（ｒ、ｉ、ｊ）＝Br（ｉ、ｊ）／WL・WPr Ｆ（ｌ、ｉ、ｊ）＝Bl（ｉ、ｊ）／WL・WPl 各サブパターンの分割単位領域（ｉ、ｊ）毎の
黒ビツト和Bk（ｉ、ｊ）の算出は、分割単位領域
（ｉ、ｊ）に対応した分割座標で各サブパターン
を読み込み、黒ビツトの個数を加算することによ
つて行う。例えば特徴要素Ｆ（ｈ、１、１）に対
応した黒ビツト和Bh（１、１）は分割単位領域
（１、１）に対応したＸ座標Xl、Ｘ（M3）及びＹ
座標Yb、Ｙ（M3）で決定される範囲の水平サブ
パターンHSPをサブパターン抽出部５から読み
出し、黒ビツト数を計数することによつて求めら
れる。第１識別部９には、標準文字マスクFS
（ｋ、ｉ、ｊ）が入力文字パターンにおける特徴
マトリツクスと同様に、各サブパターンに関する
各分割単位領域（ｉ、ｊ）の黒ビツト和を文字線
幅とサブパターンに対応した文字枠の大きさとで
正規化した標準文字の特徴で表現され、且つNX
＝７、NY＝７なる分割形式で分割単位領域が設
定された辞書が用意されていて、入力文字パター
ンと標準文字マスクとの類似度が測定され、類似
度が大きいものから順に特定の個数Ｐ個（ここで
はＰ＝100）の標準文字マスクの文字名コードを
入力文字パターンの認識候補文字として出力す
る。 すなわち、入力文字パターンORGの特徴マト
リツクスＦ（ｋ、ｉ、ｊ）を受けて、標準文字マ
スクの特徴マトリツクスFs（ｋ、ｉ、ｊ）との距
離Ｄ Ｄ＝√｛（、、）−（、、）｝2 を計算し、類似度が大きい（Ｄが小さい）ものか
ら順にＰ個の標準文字マスクの文字名コードを出
力する。 複雑度判定部１０は、全ての各標準文字マスク
の複雑度を示すテーブルと、標準の複雑度と分割
形式との対応を示したテーブルとを備えており、
Ｐ個の認識候補文字の文字名コードを受けて、Ｐ
個の認識候補文字の複雑度の平均値を検出し、そ
の平均値に対応した分割形式N2を決定する。複
雑度としては、標準文字マスクの文字線密度に対
応した量を用いている。 すなわち、前記辞書に格納された各標準文字に
ついて４種類のサブパターン、HSP、VSP、
RSP、LSPと文字枠の大きさWPh、WPv、
WPr、WPlと、文字線幅WLとを求め且つ各サブ
パターンの文字枠内の黒ビツトを計数して黒ビツ
ト和Ah、Av、Ar、Alを求め、下記式により文
字線幅と各ストローク方向に対応した文字枠の大
きさとで正規化し、文字線密度に対応した量Gh、
Gv、Gr、Glを求め、それらの総和を標準文字の
複雑度Ｇとしている。 Ｇ＝Gh＋Gv＋Gr＋Gl 但しGh＝Ah／WL・WPh、Gr＝Ar／WL・WPr Gv＝Av／WL・WPv、Gl＝Al／WL・WPl このようにして、予め用意しておいたテーブル
を参照して、Ｐ個の認識文字候補の文字コード対
応でＰ個の複雑度Gn（但し、ｎ＝１、２、…、
Ｐ）を読み出し、次式の演算を実行することによ
つて、認識文字候補の複雑度の平均値Gaを検出
する。 Ga＝１／Ｐo=p 〓n=1 Gn 次に標準複雑度と分割形式との対応を示した次
のテーブルを参照して、認識文字候補の複雑度平
均値Gaに対応した分割形式N2を求める。
テーブルを参照して分割座標を決定するが、ここ
ではＸ軸方向と同じ15個の重心座標Ｙ（M1）〜Ｙ
（M15）を検出し、分割数NYもＸ軸方向と同じ
７分割としているので、Ｘ軸と同じテーブルを参
照して重心番号M3、M5、M7、M9、M11、M13
を決定し、その重心番号に対応した重心座標を分
割座標として決定する。 すなわち、分割形式N1に対応してＸ軸方向の
分割座標としてＸ（M3）、Ｘ（M5）、Ｘ（M7）、Ｘ
（M9）、Ｘ（M11）、Ｘ（M13）を、Ｙ軸方向の分割
座標としてＹ（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ
（M9）、Ｙ（M11）、Ｙ（M13）を決定する。第１特
徴マトリクス抽出部８はサブパターンの分割数に
対応したＸ軸方向の分割座標、両端座標Xl、Ｘ
（M3）、Ｘ（M5）、Ｘ（M7）、Ｘ（M9）、Ｘ（M11）、
Ｘ（M13）、Xrと、Ｙ軸方向の分割座標、両端座
標Yb、Ｙ（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ（M9）、
Ｙ（M11）、Ｙ（M13）、Ytと、入力文字パターン
の各サブパターンHSP、VSP、RSP、LSPと、
各サブパターンに対応した文字枠の大きさWPh、
WPv、WPr、WPlと、文字線幅WLとを受けて、
各サブパターンを前記分割座標からきまる複数の
分割単位領域に分割して、各分割単位領域毎の黒
ビツト数Bk（ｉ、ｊ）を計数し、下記の式で示す
ように線幅WLと各サブパターンに対応した文字
枠の大きさWPh、WPv、WPr、WPlとで正規化
し、各サブパターンの分割単位領域毎に特徴要素
Ｆ（ｋ、ｉ、ｊ）＝Bk（ｉ、ｊ）／WL・WPk（但し、ｋ
＝ｈ、 ｖ、ｒ、ｌ）を抽出し、特徴マトリツクスを作成
する。 Ｆ（ｈ、ｉ、ｊ）＝Bh（ｉ、ｊ）／WL・WPh Ｆ（ｖ、ｉ、ｊ）＝Bv（ｉ、ｊ）／WL・WPv Ｆ（ｒ、ｉ、ｊ）＝Br（ｉ、ｊ）／WL・WPr Ｆ（ｌ、ｉ、ｊ）＝Bl（ｉ、ｊ）／WL・WPl 各サブパターンの分割単位領域（ｉ、ｊ）毎の
黒ビツト和Bk（ｉ、ｊ）の算出は、分割単位領域
（ｉ、ｊ）に対応した分割座標で各サブパターン
を読み込み、黒ビツトの個数を加算することによ
つて行う。例えば特徴要素Ｆ（ｈ、１、１）に対
応した黒ビツト和Bh（１、１）は分割単位領域
（１、１）に対応したＸ座標Xl、Ｘ（M3）及びＹ
座標Yb、Ｙ（M3）で決定される範囲の水平サブ
パターンHSPをサブパターン抽出部５から読み
出し、黒ビツト数を計数することによつて求めら
れる。第１識別部９には、標準文字マスクFS
（ｋ、ｉ、ｊ）が入力文字パターンにおける特徴
マトリツクスと同様に、各サブパターンに関する
各分割単位領域（ｉ、ｊ）の黒ビツト和を文字線
幅とサブパターンに対応した文字枠の大きさとで
正規化した標準文字の特徴で表現され、且つNX
＝７、NY＝７なる分割形式で分割単位領域が設
定された辞書が用意されていて、入力文字パター
ンと標準文字マスクとの類似度が測定され、類似
度が大きいものから順に特定の個数Ｐ個（ここで
はＰ＝100）の標準文字マスクの文字名コードを
入力文字パターンの認識候補文字として出力す
る。 すなわち、入力文字パターンORGの特徴マト
リツクスＦ（ｋ、ｉ、ｊ）を受けて、標準文字マ
スクの特徴マトリツクスFs（ｋ、ｉ、ｊ）との距
離Ｄ Ｄ＝√｛（、、）−（、、）｝2 を計算し、類似度が大きい（Ｄが小さい）ものか
ら順にＰ個の標準文字マスクの文字名コードを出
力する。 複雑度判定部１０は、全ての各標準文字マスク
の複雑度を示すテーブルと、標準の複雑度と分割
形式との対応を示したテーブルとを備えており、
Ｐ個の認識候補文字の文字名コードを受けて、Ｐ
個の認識候補文字の複雑度の平均値を検出し、そ
の平均値に対応した分割形式N2を決定する。複
雑度としては、標準文字マスクの文字線密度に対
応した量を用いている。 すなわち、前記辞書に格納された各標準文字に
ついて４種類のサブパターン、HSP、VSP、
RSP、LSPと文字枠の大きさWPh、WPv、
WPr、WPlと、文字線幅WLとを求め且つ各サブ
パターンの文字枠内の黒ビツトを計数して黒ビツ
ト和Ah、Av、Ar、Alを求め、下記式により文
字線幅と各ストローク方向に対応した文字枠の大
きさとで正規化し、文字線密度に対応した量Gh、
Gv、Gr、Glを求め、それらの総和を標準文字の
複雑度Ｇとしている。 Ｇ＝Gh＋Gv＋Gr＋Gl 但しGh＝Ah／WL・WPh、Gr＝Ar／WL・WPr Gv＝Av／WL・WPv、Gl＝Al／WL・WPl このようにして、予め用意しておいたテーブル
を参照して、Ｐ個の認識文字候補の文字コード対
応でＰ個の複雑度Gn（但し、ｎ＝１、２、…、
Ｐ）を読み出し、次式の演算を実行することによ
つて、認識文字候補の複雑度の平均値Gaを検出
する。 Ga＝１／Ｐo=p 〓n=1 Gn 次に標準複雑度と分割形式との対応を示した次
のテーブルを参照して、認識文字候補の複雑度平
均値Gaに対応した分割形式N2を求める。
【表】
テーブルを参照した結果、求められた分割形式
N2がNX＝７、NY＝７なる分割形式で、前記所
定の分割形式N1と一致したときには、前記Ｐ個
の認識候補文字のうち、距離Ｄが最も小さい（類
似度が最も大きい）文字名コードを文字名コード
出力端１１へ出力する。 又、テーブルを参照した結果、求められた分割
形式N2がNX＝７、NY＝７の分割形式ではな
く、従つて、前記所定の分割形式N1と一致しな
いときにはこの新しく求められた分割形式N2を
第２文字枠分割決定部へ出力する。例えば、複雑
度の平均値GaがGa＝３であつたとするとテーブ
ルから求められる分割形式はNX＝５、NY＝５
であつて所定の分割形式N1と一致せず、従つて
NX＝５、NY＝５なる分割形式N2が出力され
る。 第２文字枠分割決定部１２には、所定の分割形
式を除き、複雑度判定部１０に用意されている分
割形式の夫々に対応して、分割形式と重心番号と
の対応を示す次記の如きテーブルが第１文字枠分
割決定部７と同様に用意されていて、第１文字枠
分割決定部から重心座標系列Ｘ（M1）〜Ｘ
（M15）、Ｙ（M1）〜Ｙ（M15）を受けて、複雑度
判定部１０で検出された分割形式M2に対応した
分割座標を決定する。
N2がNX＝７、NY＝７なる分割形式で、前記所
定の分割形式N1と一致したときには、前記Ｐ個
の認識候補文字のうち、距離Ｄが最も小さい（類
似度が最も大きい）文字名コードを文字名コード
出力端１１へ出力する。 又、テーブルを参照した結果、求められた分割
形式N2がNX＝７、NY＝７の分割形式ではな
く、従つて、前記所定の分割形式N1と一致しな
いときにはこの新しく求められた分割形式N2を
第２文字枠分割決定部へ出力する。例えば、複雑
度の平均値GaがGa＝３であつたとするとテーブ
ルから求められる分割形式はNX＝５、NY＝５
であつて所定の分割形式N1と一致せず、従つて
NX＝５、NY＝５なる分割形式N2が出力され
る。 第２文字枠分割決定部１２には、所定の分割形
式を除き、複雑度判定部１０に用意されている分
割形式の夫々に対応して、分割形式と重心番号と
の対応を示す次記の如きテーブルが第１文字枠分
割決定部７と同様に用意されていて、第１文字枠
分割決定部から重心座標系列Ｘ（M1）〜Ｘ
（M15）、Ｙ（M1）〜Ｙ（M15）を受けて、複雑度
判定部１０で検出された分割形式M2に対応した
分割座標を決定する。
【表】
第２文字枠分割決定部１２では、新たな分割形
式N2がNX＝５、NY＝５であるとした場合に
は、Ｘ軸方向の分割座標としてＸ（M3）、Ｘ
（M6）、Ｘ（M9）、Ｘ（M12）を、Ｙ軸方向の分割
座標としてＹ（M3）、Ｙ（M6）、Ｙ（M9）、Ｙ
（M12）を決定する。 第２特徴マトリクス抽出部１３では、分割形式
N2に対応したＸ軸方向の座標Xl、Ｘ（M3）、Ｘ
（M6）、Ｘ（M9）、Ｘ（M12）、XrとＹ軸方向の座
標Yb、Ｙ（M3）、Ｙ（M6）、Ｙ（M9）、Ｙ（M12）、
Ytと、入力文字パターンの各サブパターンHSP、
VSP、RSP、LSPと、各サブパターンに対応し
た文字枠の大きさWPh、WPv、WPr、WPlと、
文字線幅WLとを受けて、各サブパターンを前記
分割座標から決まる複数の分割単位領域に分割し
て、各サブパターンの分割単位領域毎に特徴要素
Ｆ（ｋ、ｉ、ｊ）を抽出し直して特徴マトリクス
を作成する。この第２特徴マトリクス抽出部１３
は第１特徴マトリクス抽出部と同じであるため、
詳しい説明は省略する。 第２識別部１４には、第１識別部９で用いられ
た分割形式N1（ここでは７×７）以外の分割形式
（ここでは５×５又は９×９）に対応して、標準
文字マスクが入力文字パターンにおける特徴マト
リツクスと同様に、標準文字の各サブパターンに
関する各分割単位領域（ｉ、ｊ）の黒ビツト和を
文字線幅とサブパターンに対応した文字枠の大き
さとで正規化した標準文字の特徴Fs（ｋ、ｉ、
ｊ）で表現され、複数の分割形式に関する複数の
辞書が用意されていて、分割形式N2によつてそ
の分割形式に対応した一つの辞書が選択され、入
力文字の特徴マトリツクスと標準文字マスクとの
類似度が測定され、最も類似度が高いもの、すな
わち、距離Ｄが最小の文字名コードを文字コード
出力端１１へ出力する。 以上説明したように、本実施例では所定の分割
形式で作成した入力文字パターンの特徴マトリツ
クスを、前記所定の分割形式に対応してもうけら
れた辞書の全標準文字マスクを参照して特定個数
の認識候補文字を選択し、この各認識候補文字の
複雑度から入力文字パターンの複雑度を求め、入
力文字パターンの複雑度と分割形式との対応を示
すテーブルを参照して、前記所定の分割形式と一
致しなかつた場合には、再度新たに得られた分割
形式で入力文字パターンの特徴マトリツクスを作
成して新たな分割形式に対応した辞書の各標準文
字マスクとの類似度を測定して認識文字名を決定
しているため、安定な特徴抽出をすることがで
き、文字認識率の向上を期待できる。 なお、文字の複雑度としては、各サブパターン
のストローク数の総和を採用してもよく、分割形
式としてNX＝NY＝５、NX＝NY＝７、NX＝
NY＝９なる３形式を採用した場合、複雑度の平
均値Gaとしては、夫々Ga≦５、５＜Ga＜15、
Ga≧15程度の値を対応づけるとよい。 なおまた、認識文字候補を選択する場合は、類
似度の順位が上位の一定個数のものを選択する代
りに、類似度の値そのものが一定値以上の標準文
字マスクを選択するようにしてもよく、この場合
は認識文字候補の個数を検出してその個数で複雑
度の平均値Gaを求めるようにすればよい。 なお、また複雑度自体も文字を区別し得る特徴
要素であり、上記実施例程度の少数の辞書数を用
意する場合は、各辞書の標準マスクの記憶配列を
複雑度の順に配列して区分けしておくことによ
り、或いは複雑度と標準文字マスクのカテゴリと
の対応を示すテーブルを用意しておくことによ
り、複雑度に応じて１つの辞書とその内での区分
もしくはカテゴリ名を指定することにより、１つ
の辞書の１部の標準文字マスクと照合するのみで
文字を認識することもできる。 なおまた、本発明は、文字枠分割決定部での分
割数と重心との対応を示すテーブルをＸ軸、Ｙ軸
対応に２種類用意しておくことにより、Ｘ方向と
Ｙ方向との分割数を異ならせた場合にも適用で
き、更にそのテーブルをサブパターン対応に４種
類設けておくことによりサブパターン毎に異なる
分割数を設定した場合にも適用できる。 本発明は所定の分割数で作成した特徴マトリツ
クスで識別し得られた上位候補名より複雑度を判
定し、その複雑度に適した分割数をテーブルを参
照して決定してその分割数が前記所定の分割数と
一致しない場合は再度特徴マトリツクスを作成し
て識別しているので、安定で認識精度のよい文字
認識装置が実現できる。
式N2がNX＝５、NY＝５であるとした場合に
は、Ｘ軸方向の分割座標としてＸ（M3）、Ｘ
（M6）、Ｘ（M9）、Ｘ（M12）を、Ｙ軸方向の分割
座標としてＹ（M3）、Ｙ（M6）、Ｙ（M9）、Ｙ
（M12）を決定する。 第２特徴マトリクス抽出部１３では、分割形式
N2に対応したＸ軸方向の座標Xl、Ｘ（M3）、Ｘ
（M6）、Ｘ（M9）、Ｘ（M12）、XrとＹ軸方向の座
標Yb、Ｙ（M3）、Ｙ（M6）、Ｙ（M9）、Ｙ（M12）、
Ytと、入力文字パターンの各サブパターンHSP、
VSP、RSP、LSPと、各サブパターンに対応し
た文字枠の大きさWPh、WPv、WPr、WPlと、
文字線幅WLとを受けて、各サブパターンを前記
分割座標から決まる複数の分割単位領域に分割し
て、各サブパターンの分割単位領域毎に特徴要素
Ｆ（ｋ、ｉ、ｊ）を抽出し直して特徴マトリクス
を作成する。この第２特徴マトリクス抽出部１３
は第１特徴マトリクス抽出部と同じであるため、
詳しい説明は省略する。 第２識別部１４には、第１識別部９で用いられ
た分割形式N1（ここでは７×７）以外の分割形式
（ここでは５×５又は９×９）に対応して、標準
文字マスクが入力文字パターンにおける特徴マト
リツクスと同様に、標準文字の各サブパターンに
関する各分割単位領域（ｉ、ｊ）の黒ビツト和を
文字線幅とサブパターンに対応した文字枠の大き
さとで正規化した標準文字の特徴Fs（ｋ、ｉ、
ｊ）で表現され、複数の分割形式に関する複数の
辞書が用意されていて、分割形式N2によつてそ
の分割形式に対応した一つの辞書が選択され、入
力文字の特徴マトリツクスと標準文字マスクとの
類似度が測定され、最も類似度が高いもの、すな
わち、距離Ｄが最小の文字名コードを文字コード
出力端１１へ出力する。 以上説明したように、本実施例では所定の分割
形式で作成した入力文字パターンの特徴マトリツ
クスを、前記所定の分割形式に対応してもうけら
れた辞書の全標準文字マスクを参照して特定個数
の認識候補文字を選択し、この各認識候補文字の
複雑度から入力文字パターンの複雑度を求め、入
力文字パターンの複雑度と分割形式との対応を示
すテーブルを参照して、前記所定の分割形式と一
致しなかつた場合には、再度新たに得られた分割
形式で入力文字パターンの特徴マトリツクスを作
成して新たな分割形式に対応した辞書の各標準文
字マスクとの類似度を測定して認識文字名を決定
しているため、安定な特徴抽出をすることがで
き、文字認識率の向上を期待できる。 なお、文字の複雑度としては、各サブパターン
のストローク数の総和を採用してもよく、分割形
式としてNX＝NY＝５、NX＝NY＝７、NX＝
NY＝９なる３形式を採用した場合、複雑度の平
均値Gaとしては、夫々Ga≦５、５＜Ga＜15、
Ga≧15程度の値を対応づけるとよい。 なおまた、認識文字候補を選択する場合は、類
似度の順位が上位の一定個数のものを選択する代
りに、類似度の値そのものが一定値以上の標準文
字マスクを選択するようにしてもよく、この場合
は認識文字候補の個数を検出してその個数で複雑
度の平均値Gaを求めるようにすればよい。 なお、また複雑度自体も文字を区別し得る特徴
要素であり、上記実施例程度の少数の辞書数を用
意する場合は、各辞書の標準マスクの記憶配列を
複雑度の順に配列して区分けしておくことによ
り、或いは複雑度と標準文字マスクのカテゴリと
の対応を示すテーブルを用意しておくことによ
り、複雑度に応じて１つの辞書とその内での区分
もしくはカテゴリ名を指定することにより、１つ
の辞書の１部の標準文字マスクと照合するのみで
文字を認識することもできる。 なおまた、本発明は、文字枠分割決定部での分
割数と重心との対応を示すテーブルをＸ軸、Ｙ軸
対応に２種類用意しておくことにより、Ｘ方向と
Ｙ方向との分割数を異ならせた場合にも適用で
き、更にそのテーブルをサブパターン対応に４種
類設けておくことによりサブパターン毎に異なる
分割数を設定した場合にも適用できる。 本発明は所定の分割数で作成した特徴マトリツ
クスで識別し得られた上位候補名より複雑度を判
定し、その複雑度に適した分割数をテーブルを参
照して決定してその分割数が前記所定の分割数と
一致しない場合は再度特徴マトリツクスを作成し
て識別しているので、安定で認識精度のよい文字
認識装置が実現できる。
第１図は本発明の実施例を示す機能ブロツク
図、第２図は入力文字パターンとサブパターンの
例を示す図である。 １……光信号入力、２……光電変換部、３……
パターンレジスタ、４……文字線幅計算部、５…
…サブパターン抽出部、６……文字枠検出部、７
……第１文字枠分割決定部、８……第１特徴マト
リクス抽出部、９……第１識別部、１０……複雑
度判定部、１１……文字コード出力端、１２……
第２文字枠分割決定部、１３……第２特徴マトリ
クス抽出部、１４……第２識別部。
図、第２図は入力文字パターンとサブパターンの
例を示す図である。 １……光信号入力、２……光電変換部、３……
パターンレジスタ、４……文字線幅計算部、５…
…サブパターン抽出部、６……文字枠検出部、７
……第１文字枠分割決定部、８……第１特徴マト
リクス抽出部、９……第１識別部、１０……複雑
度判定部、１１……文字コード出力端、１２……
第２文字枠分割決定部、１３……第２特徴マトリ
クス抽出部、１４……第２識別部。
Claims (1)
- １ 入力文字パターンの特定方向のストロークを
あらわすサブパターンにおける任意の分割単位領
域の黒ビツト数を、文字線幅とストローク方向に
対応した文字枠の大きさとで正規化して得られる
量を特徴要素として、ストローク方向の異なる複
数の各サブパターン毎に且つ文字枠を分割するこ
とによつて得られる前記各分割単位領域毎に入力
文字パターンから前記特徴要素を抽出して特徴マ
トリクスを作成し、標準文字マスクが当該特徴マ
トリクスと同形式で記述されている辞書を参照し
て入力文字パターンの認識を行う文字認識方式に
おいて、予め定められた所定の第１分割形式で文
字枠が分割された入力文字パターンの特徴マトリ
クスを作成し、その第１分割形式に対応した辞書
の標準文字マスクと入力文字パターンの前記特徴
マトリクスとの類似度を測定して類似度が一定値
以上もしくは一定順位以上の前記標準文字を認識
候補文字として選択し、標準文字マスクの複雑度
を示す予め用意されているテーブルを参照として
前記認識候補文字の複雑度の平均値を検出し、標
準の複雑度と分割形式との対応を示す予め用意さ
れているテーブルを参照して前記複雑度の平均値
に対応した第２分割形式を検出し、当該第２分割
形式と入力文字パターンの前記第１分割形式との
一致を検出し、両分割形式の一致を条件として前
記認識候補文字のうちで類似度が最も大きいもの
を認識文字名として出力し、前記両分割形式の不
一致を条件として複雑度の前記平均値に対応した
前記第２分割形式で文字枠が分割された入力文字
パターンの特徴マトリクスを作成し、第２分割形
式の辞書を参照して入力文字パターンの第２分割
形式の前記特徴マトリクスと標準文字マスクとの
類似度の測定を行わせ、文字認識を行わせること
を特徴とした文字認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57004925A JPS58123172A (ja) | 1982-01-18 | 1982-01-18 | 文字認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57004925A JPS58123172A (ja) | 1982-01-18 | 1982-01-18 | 文字認識方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58123172A JPS58123172A (ja) | 1983-07-22 |
| JPH0147832B2 true JPH0147832B2 (ja) | 1989-10-17 |
Family
ID=11597173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57004925A Granted JPS58123172A (ja) | 1982-01-18 | 1982-01-18 | 文字認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58123172A (ja) |
-
1982
- 1982-01-18 JP JP57004925A patent/JPS58123172A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS58123172A (ja) | 1983-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US3959884A (en) | Method of classifying fingerprints | |
| US4918740A (en) | Processing means for use in an optical character recognition system | |
| US9047655B2 (en) | Computer vision-based methods for enhanced JBIG2 and generic bitonal compression | |
| JPH08508128A (ja) | 分布マップを用いる画像の分類方法及び装置 | |
| JPH0147832B2 (ja) | ||
| JPH0147833B2 (ja) | ||
| US5185816A (en) | Method of selecting characeteristics data for a data processing system | |
| JPH0147835B2 (ja) | ||
| JPH0147831B2 (ja) | ||
| CN114648683A (zh) | 基于不确定性分析的神经网络性能提升方法和设备 | |
| JPH0412512B2 (ja) | ||
| JPH0147834B2 (ja) | ||
| JPH0147830B2 (ja) | ||
| JPH0147829B2 (ja) | ||
| JPH0412513B2 (ja) | ||
| JPH04111085A (ja) | パターン認識装置 | |
| JPH0412511B2 (ja) | ||
| JPH0346080A (ja) | 特徴抽出装置 | |
| JP2803709B2 (ja) | 文字認識装置及び文字認識方法 | |
| JPS6047635B2 (ja) | 文字認識方式 | |
| JPH0714011A (ja) | 文字認識装置および文字認識方法 | |
| JP2930605B2 (ja) | 大文字，小文字および漢字仮名類似字形文字の判別方法 | |
| JPS63238686A (ja) | 特徴抽出方式 | |
| CN118314577A (zh) | 一种数字压力仪表示值及压力单位识别方法 | |
| JPS63238685A (ja) | 文字図形認識方式 |