JPH03186986A - ニューラルネットを用いた文字認識装置 - Google Patents

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。

Description

【発明の詳細な説明】 ［産業上の利用分野コ この発明はニューラルネットを用いた文字認識装置に関
し、特に、紙面に表記された文字両像を読取り、ニュー
ラルネットを用いて文字認識を行ない、文字コードを出
力するようなニューラルネットを用いた文字認識装置に
関する。

［従来の技術］ 従来の文″了：認識装置は、画像の特徴を抽出するため
の演算装置を用いて高速で特徴を抽出することや、高速
のマツチング用演算装置を用いて高速化を図る手法かと
られている。しかし、従来の文字認識手法は、その複雑
さから並列に処理することが困難であり、並列で演算を
行なうためには非常に複雑な制御機構か必要である。

一方、近年研究が盛んなニューラルネットの分野におい
ては、ニューラルネッ］・の並列性を生かした並列の演
算装置が研究されている。ニューラルネットは、比較的
ｔ４を純な演算を行なう素子が多数集まることにより複
雑な問題を解く手法であり、並列化に非常に向いている
。ニューラルネットの原理は、人間の脳を模擬するネッ
トワークを用いて、人力特徴とネットワーク内部で保持
されているウェイトとの演算により、出力結果を得るも
のてあり、代表的な学習方式としてバックプロパゲンヨ
ンが挙げられる。

ニューラルネットは火水的な特徴として、ニューロンと
呼ばれる比較的単純な演算素子を多数持った構造をして
いる。単純な演算素子が多数並列で動作する構造である
ため、並列化か簡単で、並列で清算機能を動作させるた
めのＬＳＩならば各所で研究されている。

［発明が航法しようとする課題］ 一方、文字認識を行なう場介、特徴抽出やノイズ除去な
どの前処理が必要とされる。これらの画像処理は、多く
の場合、ニューラルネットで用いる演算に比較してより
（］１純なＡＮＤｌｏＲなとの論理演算で実現できるこ
とか多い。３×３程度の大きさの窓を画像のに上から順
に右下までスキャンしていき、その窓内に入ったデータ
を処理することにより、細線化やノイズ除去が可能とな
る。

この場合には、データが逐次的に入力されかつ各データ
に対しての演算量か極めて少ないため、先のニューラル
ネット用の並列演算装置を用いることは効率的ではない
。

また、一般の信号処理用ＬＳＩを使用する場合、乗算を
高速に行なえるようになっているか、画像からの特徴抽
出はほとんとの場合８ヒツトを越える乗置は必械とせず
、文字認識装置に用いるには本適当である。

それゆえに、この発明の主たる１」的は、高速に特徴抽
出を９−Ｊなうための演算手段と、ニューラルネットの
演３↑を並列に行丸うための並列演算手段と、これらの
演算手段を制御する制御手段を設け、文字認識を高速に
行なうことのできるようｔ、Ｉ：ニュラルネットを用い
た文字認識装置を提（兵することである。

［課題を角ｑ決するための手段］ この発明は♀ｊ（向に表記された文′了神ｊｊ像を読取
り、その画像から文字認識を行なって文字コードを出力
するニューラルネットを用いた文字認識装置において、
読取られた小領域の画（象信号に応答して特徴抽出やノ
イズ除去などの前処理を行なう簡易演算手段と、簡易演
算手段の処理出力を用いて、並列的にニューラルネット
の演算を行なう並列演算手段と、簡易演算手段と並列演
算手段とを制御するための制御手段とを備えて構成され
る。

［作用］ この発明にがかるニューラルネットを用いた文字認識装
置は、読取られた小領域の画像信号に基ついて特徴抽出
やノイズ除去などの前処理を行なった後、並列的にニュ
ーラルネットの演算を？ｊなって画像認識するようにし
たので、演算を非常に高速に行なうことができ、高速な
画像認識が可能となる。

［発明の大施例］ 沁１図はこの発明の一丈施例の概略ブロック図である。

ます、第１図を参照して、画像認識装置の禍戊について
説明する。スキャナーは紙面に表記された文字画像を読
取るものであり、読取られた画像データは画像メモリ２
に一時記憶される。

画像メモリ２に一時記憶された画像データは画像処理装
置３によって特徴抽出やノイズ除去などの前処理が行な
われる。画像処理装置３によって抽出された特徴はハ゛
ツファ４に、記憶される。バッファ４に泥上さされた特
徴は並りリｌ責Ｚ♀装置５に一１ｊえられる。！ＩＩ；
列演騨装置はニューラル不ツー・の演算を１ｊなうもの
であり、その演’＋？Ｎ＋’ｊ東はバッファ６に１ｊ己
憶される。外部インタフェース７は！１ｆ−列演算装置
で演算された文字：１−１・を夕り部に出力するために
設けられている。なお、スキャナーとｉｉｌ：ｉｉ　ｆ
’４メモＪ２と両１イ！処裡裟置３とバッファｌと並列
演算装置５とバッファ６と外部インタフェース７はＣＰ
Ｕ８によ−〕で制御される。

画像処理装置３は算術ＩＩ＋／’比較／Ａ、ＮＤ１０Ｒ
／ＸＯＲ（排他的論裡和）／舌足／テーブル参照などの
演算を１シ；、速に行なうちのであるか、一般の信号処
理用プロセッサのように高速に乗算処理できる必要はな
い。特に、この１ｌｈＩ像処理装置３は第Ｒ図に示すよ
うに、スキャナーによって読取られ、１＋ｌ＋ｉ　ｌ象
メモリ２に６己憶された１＋％　ＭのＸ方向３１１ｊｌ
ｊ　Ｉ象およびＹ方向３１！ｌＩｌ像の付１域と画（象
（、＝号の演算を高速に石なうためのハードウェアを価
えている。第２園にンＪ＜　した３×′３の’６ｆｌ域
をＸ　）Ｊ’向に１ずつ移動させ、Ｘ方向の両像の終わ
りに達したならば、Ｙ方向に１移動させＸ座標を１に戻
して再びＸ方向に移動させる方法によって処理が行なわ
れる。または、領域をＹ／ｊ向に１移動させ、その後に
Ｘ方向に移動させる方法によって処理してもよい。さら
には、画（象領域の右下からスタートして上述の２つの
方法とは逆の順序で移動させる方法で処理を行なっても
よい。処理は、最小画素のみ、または２×２のマスク、
３×３のマスク内でのデータを参照し、それらのデータ
の演算により結果が出力される。たとえば、２値画像に
対して、第２図に示したマスクを用い、次の演算を施す
と、バッファ４には、孤立点が除去された画像が生成さ
れる。

０＝Ｅ＆　（ＡＩＢＩＣＩＤＩＦＩＧＩＨＩ　Ｉ）ただ
し、 ＆：論理積 ：論理和 Ａ−Ｉ：第２図で示される位置の人力画像、ただし、マ
スクは上述の方法で画像 メモリをスキャンする。

Ｏ２演算結果。この桔東はバッファ４の人力１０１１像
と対応する位置に書込まれる。

第３図は第１園にｉＪ＼した両像処理装置の動作を説明
するためのフロー図であり、第４図は画像処理装置によ
るペリフェラル特徴の特徴量を説明するための図である
。

第４図において、この失地１列て処理される画像は、た
とえばＸ方向５４トツＩ−、ｌ、向６４ドツトの画素か
らなり、背景部分は論理゛０”で表わされ、文字は論）
７１“］”で表わされているものとする。まず、Ｙ方向
の最初の列の画素を処理するために、Ｙ＝Ｌ１に設定さ
れ、ｙかＹ、。より大きいか占かが判別される。Ｙカは
Ｙ方向の画素の最大値であり、第４図に小した例ては６
４ドツトになる。ｙかＹ閏以ドであれば、ｓｔｅｍ値を
論理“０”に設定し、ｉｎｃ値を論理“１゛に設定する
。ＳＬｌ　ｎｌ値は各ｙ７＋の１＋ｌ＋ｉ素をＸ方向に
順次処理していき、最初に文字を検出するまでの背景の
ドツト数てあり、ｉｎｃ値は初期状態では論理°°１″
に設定され、最初に文字を検出すると論理“０“に設定
される。

次に、Ｘ　Ｊｊ向の最初の列の両系を処理するため、ｘ
＝Ｏに設定され、ＸかＸゆよりも小さいか否かか判別さ
れる。ＸいはＸ方向の画素の最大値であり、第４図に示
した例では６４ドツトになる。ＸがＸいより小さければ
、ＩＮＣ値の演算か行なわれる。このＩＮＣ値はそれま
でのｉｎｃの値と画］象メモリに記悟されている各画素
の値の否定値との論理枯を求めることによって算出され
る。すなわち、背景であれば、ｘ、ｙか共に論理“０”
であり、その盃定値は論理“１″になり、それまでのｉ
ｎｃ値が論理゛′］“であれば新たなｉｎｃ値は論理“
１”となる。

次に、それまでのＳＬ１ｍ値にｉｎｃ値を加算して新た
なｓｕｍ値か求められる。このｓｕｍ値は文字を検出す
るまて増え続ける。そして、Ｘが＋コされて、次のＸ方
向の画素の処理か行なわれる。

そして、Ｘ方向１行分の処理が終わったとき、すなわち
ＸがＸ力に達すると、ｓｕｍ値を結果値として出力し、
ｙを＋１して次の（ｊの処理が行なわれる。

第５図は第１図に示した画像処理装置およびその周辺回
路のブロック図である。第５図において、画像処理装置
３はセレクタ３１と演算装置３２とを含む。セレクタ３
１は入力画像を読出すメモリの選択を行なうために設け
られる。これは、画像処理演算を繰返し行なう必要のあ
る処理（たとえば細線化）は、１度処理した結果をバッ
ファ４に保存し、次回からは、このバッファ４からデー
タを読出すことにより、処理を繰返すことができるよう
にするためである。演算装置３２は前述の第３図に示し
たペリフェラル特徴抽出のための演算を行なう。なお、
このような画像処理装置３はたとえば特徴抽出プロセジ
ヤなどを用いれば安価に実現できかつ高速に処理を実行
できる。

第６図は並列演算装置周辺のブロック図である。

第６図を参照して、並列演算装置５は４つの演算装置５
１ないし５４と、それぞれの演算装置５１ないし５４に
対応して設けられるメモリ５５〜５８を含む。並列演算
装置５は並列にニューラルネ０ ットの計算を行なうが、たとえば出力ノードが４つの場
合のニューラルネッｉ・における典型的な出力の演算と
して、次のような式が考えられる。

０＝ｍａ　ｘ　（Ｗｉ・Ｉ） ｉ−１・・・４ これは、ウェイトベクトルＷｉと人力ベクトルＩとの内
積を求め、そのうちの最大値を出力値Ｏとするものであ
る。

第１番１」のウェイトベクトルＷ１の第１要素をｗｌｌ
、、Ｊ２要素をｗ　１．２とし、人力ベクトルの禎］要
素をｉ］、第２里素を１２とすると、内積は次の式で表
わされる。

Ｗｌ・Ｉ−ｗ］ｌＸ１ｌ＋ｗ１２Ｘｉ２＋ｗ１３×１３
＋・・・ ベクトルの要素数が１０個の場合、１回の積和を１ステ
ツプと数えると、第１番［１のノードの出力を求めるの
に１０ステツプの演算が必要である。

１つの演算装置しか侍たない場合には、４つの出力ノー
ドの値を計算するためには、逐次的に処理を行なうため
、仝体て４０ステツプを必要とする。

１ ４つの出力の最大値を求める（・Ｙ作は、積和の割算こ
比べて簡単であるため、ここでは演算量を考慮に入れな
いとすると、最ｐ　（，４戸、出力をｒするために４０
ステツプ必要となる。なお、最大値を求める操・作は、
各演算装置５１ないし５４の拮果をバッファ７にりえた
後、ＣＰＵ８で行なうことにより１現できる。

一方、Ｗ１〜Ｗ４の４つのウェイトベクトルをメモリ５
５ないし５８に蓄え、人力ベクトルとの積和を演算装置
５１ないし５４で並列に行なった場合、４回の積和か１
ステツプでできるため、出力を得るために１０ステツプ
ですみ、これは逐次的に計算した場合の４倍のスピード
になる。

［発明の効果］ 以上のように、この発明によれば、特徴抽出とニューラ
ルネットの演算を非常に高速にできるため、高速の文字
認識装置を実現できる。また、各演算装置の出力をバッ
ファに蓄え、制御手段からの操作が可能であり、特殊な
処理を制御手段で行なうことができるため、柔軟度の高
いシステムを２ ｆＡｉ成できる。さらに、この発明は文字認識に限るこ
となく、画像認識／処理にも応用でき′る。

【図面の簡単な説明】

第１図はこの発明の一実施例の概略ブロック図である。 第２図はこの発明の一実施例によって処理される画像の
一例を示す図である。第３図はこの発明の一実施例にお
けるペリフェラル特徴を抽出する動作を説明するための
フローである。第４図はべりフェラル特徴を説明するた
めの概念図である。第５図は第１図に示した画像処理装
置周辺のブロック図である。第６図は第１図に示した並
列演算装置周辺のブロック図である。 図において、］はスキャナ、２は画像メモリ、３は画像
処理装置、４，６はバッファ、５は並列演算装置、７は
外部インタフェース、８はＣＰＵ。 ３〕はセレクタ、３２．５１ないし５４は演算装置、５
５ないし５８はメモリを示す。

Claims (1)

1. 【特許請求の範囲】 紙面に表記された文字画像を読取り、その画像から文字
   認識を行なって文字コードを出力するニューラルネット
   を用いた文字認識装置において、読取られた小領域の画
   像信号に応答して特徴抽出やノイズ除去などの前処理を
   行なう簡易演算手段、 前記簡易演算手段の処理出力を用いて、並列的にニュー
   ラルネットの演算を行なう並列演算手段、および 前記簡易演算手段と前記並列演算手段とを制御するため
   の制御手段を備えた、ニューラルネットを用いた文字認
   識装置。