JPH0344790A - パターン認識方法 - 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〕 この発明は、パターン認識方法、特に文字や記号などの
線図形で表現されるパターンの認識方法に関する。

〔従来の技術〕

２次元図形のパターンの認識手法には、大きくわけて構
造解析法と重ね合わせ（相関）法とがある。

構造解析法は手書き文字など、形状の変動が比較的大き
な対象にも有効であるが、手書き文字と印刷文字、アル
ファベットと漢字など、認識対象となる２次元図形の性
質が異なる毎に、膨大な標準パターンの再設計および実
験的検証が必要となることが、この手法の難点である。

一方、重ね合わせ法は認識のための処理が原理的に単純
であり、認識対象文字群の性質とは無関係に適用できる
、という汎用性を持つ点が特徴である。

第６図は重ね合わせ法のうち最も単純な方法である、類
似度法を用いたパターン認識方法の一般的な例を示すフ
ローチャートである。

すなわち、認識対象となる文字画像を２次元ラインセン
サなどを用いて光電変換し、この変換された画像データ
に対してノイズ除去２伎置合わせを含む前処理を行なう
。さらに、特徴抽出、正規化処理の後、所定の標準パタ
ーンＰＡとの間で類似度演算を行なうとともに、その最
大値を検出し認識結果として出力する。しかし、このよ
うな手法では変動の大きな手書き文字などには適用でき
ないという問題がある。

そこで、一定の関係を有する成分量の相対距離を伝播・
停止処理などをして求め（特開昭５９７９２号公報等参
照）、これを２次元図形を表現する２個の座標変数に加
えて用いることにより、特ｆｉ５［１を上記３個の座標
変数で表現される空間内のヘクトルとして求める手法を
出願人は先に提案している（特願平１−７１７５６号参
照；以下、単に提案済み方法ともいう）。

第７図にこの提案済み方法の概要を示し、以下に説明す
る。なお、同図では第６図で示した例とは異なる高次特
徴抽出部分だけを示している。

すなわち、文字を構成する線分の８つの方向（θで表わ
す）別パターンをそれぞれ定められた方向へ伝播処理を
行なった後、衝突（停止）処理を行なう。次に、衝突の
条件を満たす成分の有無を検査し、無い場合は所定の伝
播回数（Ｒ）を終了したかを検査した後、伝播処理から
の一連の処理を行なう。一方、衝突の条件を満たす成分
が有る場合は、これを記憶装置に記憶する。このとき、
記憶位置は衝突位置を表わす２個の座標と、衝突に至る
までの伝播回数、すなわち文字境界間の相対距離を表わ
す１個の座標の計３個の座標値から求められる。次に、
この停止した成分は消去される。なお、この提案済み方
法の中には、前記停止した成分を消去せず、その伝播方
向を反転させる手法や、一定の関係を有する２個の成分
の一方を空間的に固定し、他方を伝播させて相対距離を
求める方法についても述べられている。

以上のようにして求めた未知パターンの特徴量Ｇ　（ｘ
、ｙ、ｚ、　　θ）を用い、類似度Ｓを次式より求める
。

ただし、Ｆ　（ｘ、ｙ、ｚ、　　θ）は標準パターンを
示し、上式の基量は次の如く与えられる。

（Ｆ、Ｇ）−Σ８Σ、Σ３ΣθＦ−Ｇ ＩＩ　Ｆ　ＩＩ　＝（Ｆ、　　Ｆ）””、　、　　ＩＩ
　Ｃ１１＝（Ｇ、　Ｇ）””また、ｘ、ｙは２次元平面
上の座標を表わす変数であり、θは方向別パターン、２
は成分量の相対距離をそれぞれ表わす変数である。

〔発明が解決しようとする課題〕

しかしながら、いままで平面的であった特徴量を３次元
空間に展開することはデータ量を甚だしく増大させ、類
似度演算のための計算量を膨大にする。また、標準パタ
ーンなどを記憶する装置も巨大なものが必要になる。

〔課題を解決するための手段〕

文字を含む線図形に対して重ね合わせ法を用いてパター
ン認識するに当たり、入力された画像に対し、これを空
間微分またはこれと同等の処理をして２変数のベクトル
関数に変換し、このベクトル関数について或る２つの成
分量の相対距離を測定、し、前記２変数とこの相対距離
を表わす変数とからなる３次元の特徴空間内で表わされ
る特徴量を２面の２次元特徴平面で表現する、すなわち
前記特徴量を構成する特徴要素の相対距離軸方向への分
布を、これらの特徴要素集合における特徴値の代表値お
よび相対距離軸上での位置の代表値を用いて表現し、こ
れら２面の２次元特徴平面を用いてパターンを認識する
。

また、類似度算出に当たっては、上記２面の２次元特徴
から３次元空間での特徴の分布を擬似的に再現して行な
う。

〔作用〕

３次元空間内で表現されていた特徴を、２枚の２次元特
徴平面で表現することにより、特徴を記述するためのデ
ータ量を圧縮して特徴量を記憶するための記憶装置の容
量を減少させ、また類似度演算のための計算量を減少さ
せる。

また、類似度演算を近似的に再現された３次元特徴空間
で行なうことにより、これらの特徴量を３次元空間内の
ヘクトルとして扱うことができ、従来の手法で慣用され
ているベクトルの内積を用いた類似度演算式をそのまま
利用することが可能となる。

〔実施例〕

第１図はこの発明の実施例を示すフローチャートである
。ここでは、第６図、第７図と異なる部分だけを示す。

すなわち、まず、現在着目している成分が衝突（停止）
成分かどうかを検査し、もし違えば、残り成分がないか
を検査した後、着目成分を次に移す。一方、停止成分で
あれば、この成分が代表値になり得るかを検査する。こ
の例では、現在着目している成分の座標上に出現する特
徴の最大値を代表値とするため、第１図に示す処理がス
タートしてからそれまでに出現した特徴の最大値を各座
標毎に記憶しておき、これとその回の伝播停止処理によ
って得られた特徴との大小比較による検査を行なう。し
たがって、相対距離は何度か書換えられるが、最終的に
は特徴の代表値（最大値）における相対距離が記憶され
ることになる。次に、特徴値は累積する形で記憶され、
その回の伝播停止処理によって得られた全ての停止成分
に対してこの一連の処理が行なわれる。

ここで、本発明で用いる特徴量につき、従来手法と対比
して説明する。

従来手法における或る方向別パターンθ上の特徴量は、
第２図に示すような３次元空間内の分布として表現され
る。ここに、ｘ、ｙは人力された２次元画像に対応する
平面を表わし、これに対して成分間の相対距離を表わす
Ｚ軸が付加されている。この特徴空間をＭ（７（ｘ、ｙ
、ｚ）で表わすが、方向θを特に考慮しないときは、そ
の記載を省略する。

本発明においては、特徴要素Ｍ（ｉ、ｊ、　　ｄ）をそ
の特徴要素の値を示すｆ　（ｉ、ｊ）と相対距離を示す
ｄ（ｉ、ｊ）とで表現する。この関係を第３図に示す。

ここで、伝播停止処理を行なう方向成分として原画像の
濃度勾配などを用いた場合は、特徴量はＺ軸方向に或る
広がりを持つことになる。よって、−船釣には、特定の
特徴要素集合の代表値としてｆ　（ｉ、ｊ）、ｄ　（ｔ
、ｊ）を求める必要があるが、本実施例では下記のよう
にして求めている。

ｆ　（ｉ、ｊ）＝Σ、Ｍ（ｉ、Ｊ、ｚ）ｄ　（１，ｊ）
−ｄ：Ｍ（ｉ、ｊ、ｄ）＝ＭＡＸｚ　（Ｍ（ｉ、ｊ、ｚ
）） なお、ｆ　（ｉ、ｊ）としては、特徴要素集合Ｍ（ｉ、
ｊ、ｚ）（Ｚ＝１〜Ｒ：　Ｒは終了条件となる伝播回数
）の平均値や、最大値としても良く、またｄ（ｉ、ｊ）
をＭ（ｉ、ｊ、ｚ）の重心として求めるようにしても良
い。

次に、２面の特徴面を用いて類似度を求める方法につい
て説明する。

類似度演算に当たっては第４図（イ）に示す如きＭ（ｉ
、ｊ、ｚ）におけるＺ軸上の特徴要素の分布を、第４図
（ロ）の如き関数Ｂ（ｉ、ｊ、ｚ）で近似する。この分
布を正規分布とみなせば、これはｆ　（ｉ、Ｊ）、ｄ　
（ｉ、ｊ）を用いてＢ　（ｉ、ｊ、ｚ） ＝αｆ　（ｉ、ｊ） として定義される。ここで、σ２は特（枚要素の分散を
示す定数である。また、αは ｒ　Ｂ（ｉ、　ｊ、　ｚ）ｄｚ　＝ｒ（ｉ、　ｊ）とす
るための定数であり、上式の場合は“＝　、Ｊ「 となる。このＢ　（ｉ、ｊ、ｚ）の式は、重ね合せ法に
よるによる文字認識手法でよく用いられるボケ処理を実
行するための式に一致する。ボケ処理は、文字の変動な
どを吸収するため、光学系における゛ボカシ゛の効果を
与えるものである。まって、上式を用いれば、σの値を
調整することによリ、２軸上での特徴要素の分布を復元
することと、Ｚ軸上でのボケ処理を同等に行なうことが
できる。

なお、ここではσを定数としたが、特徴要素の分布を正
確に再現するために、Ｚ軸上での分布を標準偏差を用い
て記憶し、このσ（ｉ、ｊ）を用いて、上記Ｂ（ｉ、ｊ
、ｚ）を表わすことも有効である。

また、Ｚ軸上での特徴要素の分布は、伝播停止処理を施
す方向成分の性質に依存するため、これに合わせてＢ　
Ｈ，ｊ、ｚ）を定義することも有効である。

よって、従来の類似度演算で用いられたベクトルの内積
（ａ、’ｂ）は、次式で近似される。

Ｘ　　Ｂｂ（ｘ、ｙ、ｚ））ａｍ ＝（ａ、ｂ）’ 上式のＢａ（ｘ、ｙ、ｚ）とＢｂ（ｘ、ｙ、ｚ）の関係
を第５図に示す。Ｂａ（ｘ、ｙ、ｚ）、Ｂｂ（ｘ。

ｙ、Ｚ）のいずれか一方が未知パターンに対応し、他方
が標準パターンに対応する。

ここで、 ｆ、（ｘ。

ｙ） ”　ａｆ　　＋ ｄａ（ｘ。

ｙ） ８ｍ ｆ　、（ｘ　。

ｙ） ＝ｂ、。

ｄｂ（ｘ。

ｙ） ＝ｂ。

とおけば、 ＝α”　　ａ、ｂ、ｅｘｐ（− ） となる。

σ ｄｚ＝σ ｇ となる。

ａ であることから、 以下のように変形される。

よって、 この近似式を用い、 ３次元特徴空間で 表現された特１ｖ１．量 の類似度を求めるに は、 を計算すればよい。

以上のような簡略化は、一対の方向成分が１つの特徴量
に対応する衝突（停止）成分を消去する手法などで有効
である。しかし、衝突（停止）成分を反射させる手法を
用いた場合、Ｍ（ｉ、　　Ｊ。

２）内に複数の互いに無関係な特徴要素集合が存在する
ことがあり、代表値ｆ　（ｉ、ｊ）、ｄ　（ｉ。

ｊ）を求めることができなくなる。この場合、反射成分
を別の伝播面に移し、さらに特徴記憶面であるｆ　（ｘ
、　　ｙ）、　　ｄ　（ｘ、　　ｙ）を反射回数毎に個
別に持つことにより、本発明を適用することができる。

また、この場合は従来手法では保存されなかった、“反
射成分どうしの衝突（停止）成分である°゛という情報
を保存することができる。

〔発明の効果〕

この発明によれば、従来３次元特徴空間で表現されてい
た特徴量を２次元特徴子面で表現して情報を圧縮するよ
うにしたので、メモリ容量および演算量を減らすことが
できる利点がもたらされる。

また、２面の２次元特徴子面から近似的な３次元特徴空
間を再現することにより、特＠量をベクトルとみなして
ベクトルの内積を用いる、−船釣な類似度演算手法を利
用することができる。そして、３次元特徴空間を再現す
る際、例えばガウス型ボケ関数を用いれば、２次元特徴
平面をもちいた類似度演算の積和計算にｅｘｐ　（指数
関数）の項を加えるだけで、３次元特徴空間を用いた類
似度演算が可能となる。

【図面の簡単な説明】

第１図はこの発明の実施例を示すフローチャート、第４
図は３次元特徴空間における特徴の表現方法を説明する
ための説明図、第３図は従来方法と本発明による方法に
おける特徴量の差異を説明するための説明図、第４図は
特徴要素の圧縮、復元操作を説明するための説明図、第
５図は相対距離軸方向への特徴分布の再現例を説明する
ための説明図、第６図は一般的な文字認識処理を説明す
るためのフローチャート、第７図は提案済み方法を説明
するためのフローチャートである。 符号説明 ｆ　（１，Ｊ）、　　ｄ　（ｉ、　　ｊ）・・・２次元
特徴面、Ｍ（ｉ ｊ。 ２）・・・特徴要素集合、 Ｂ　　（ｉ。 ｊ。 ２）・・・近似関数。

Claims (1)

1. 【特許請求の範囲】 １）文字を含む線図形に対して重ね合わせ法を用いてパ
   ターン認識するに当たり、 入力された画像に対し、これを空間微分またはこれと同
   等の処理をして２変数のベクトル関数に変換し、このベ
   クトル関数について或る２つの成分間の相対距離を測定
   し、前記２変数とこの相対距離を表わす変数とからなる
   ３次元の特徴空間内で表わされる特徴量を２面の２次元
   特徴平面で表現する、すなわち前記特徴量を構成する特
   徴要素の相対距離軸方向への分布を、これらの特徴要素
   集合における特徴値の代表値および相対距離軸上での位
   置の代表値を用いて表現し、これら２面の２次元特徴平
   面を用いてパターンを認識することを特徴とするパター
   ン認識方法。 ２）前記２面の２次元特徴平面で表現される特徴量をベ
   クトルとみなして類似度演算を行なうため、これを擬似
   的に３次元特徴空間に展開してパターン認識を行なうこ
   とを特徴とする請求項１）に記載のパターン認識方法。