JPH0397086A - 文字認識方法 - Google Patents
文字認識方法Info
- Publication number
- JPH0397086A JPH0397086A JP2154997A JP15499790A JPH0397086A JP H0397086 A JPH0397086 A JP H0397086A JP 2154997 A JP2154997 A JP 2154997A JP 15499790 A JP15499790 A JP 15499790A JP H0397086 A JPH0397086 A JP H0397086A
- Authority
- JP
- Japan
- Prior art keywords
- character
- characters
- image
- gradient
- recognized
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims abstract description 5
- 230000003936 working memory Effects 0.000 claims abstract 2
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 11
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 abstract 2
- 230000011218 segmentation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 108010014172 Factor V Proteins 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000004049 embossing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06V30/182—Extraction of features or characteristics of the image by coding the contour of the pattern
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
-
- 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 Input (AREA)
- 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〕
この発明は、予め位置を限定されてディジタル・グレイ
値像で存在する文字、特に金属表面に打刻された文字を
!!識するための方法に間するものである. 〔従来の技術〕 工業的生産では製品はしばしば製品の標識の役割をする
文字を付けられる.このような標識はたとえば品番、製
造者および形式に関するものである. 色塗り(捺印)による文字はしばしば、擦,り、錆びま
たは外部塗装(ラッカー塗り)により読めなくなりやす
いので、敏感過ぎる.刻印された文字はより耐久性に冨
むことが実証されており、たとえば自動車製造にしばし
ば使用される。刻印文字は打印または打刻された文字と
浮き出された文字とに区別される. バーコードはこのような文字よりも容易に自動的に読み
取られ得るが、標識は人間に対しても困難なしに読み取
り可能でなければならないので、稀にしか応用されない
.従って、生産プロセスの自動化の流れのなかで、打刻
された文字を認識するための方法に大きな関心がある. 文字認識(光学的文字認識、OCR)はディジタル画像
処理におけるパターン認識の1つの比較的古い研究領域
である.読み取り装置はた・とえば既に銀行または郵便
局で使用されている(たとえばウルマン,ジェイ.アー
ル(υllsann+J.R.) :文字認識における
画像解析、ディジタル画像解析、7−9 ローゼンフェ
ルド(A.Rosenfeld) W、シュブリンガー
、1976年、第295〜343頁参照)。それらは読
み取るべき文字像およびテキストレイアウトにさまざま
な要求を課する。しかし、それらに共通することは、そ
れらが色および明るさの点で像背景から明白に区別され
る文字を期待していることである。
値像で存在する文字、特に金属表面に打刻された文字を
!!識するための方法に間するものである. 〔従来の技術〕 工業的生産では製品はしばしば製品の標識の役割をする
文字を付けられる.このような標識はたとえば品番、製
造者および形式に関するものである. 色塗り(捺印)による文字はしばしば、擦,り、錆びま
たは外部塗装(ラッカー塗り)により読めなくなりやす
いので、敏感過ぎる.刻印された文字はより耐久性に冨
むことが実証されており、たとえば自動車製造にしばし
ば使用される。刻印文字は打印または打刻された文字と
浮き出された文字とに区別される. バーコードはこのような文字よりも容易に自動的に読み
取られ得るが、標識は人間に対しても困難なしに読み取
り可能でなければならないので、稀にしか応用されない
.従って、生産プロセスの自動化の流れのなかで、打刻
された文字を認識するための方法に大きな関心がある. 文字認識(光学的文字認識、OCR)はディジタル画像
処理におけるパターン認識の1つの比較的古い研究領域
である.読み取り装置はた・とえば既に銀行または郵便
局で使用されている(たとえばウルマン,ジェイ.アー
ル(υllsann+J.R.) :文字認識における
画像解析、ディジタル画像解析、7−9 ローゼンフェ
ルド(A.Rosenfeld) W、シュブリンガー
、1976年、第295〜343頁参照)。それらは読
み取るべき文字像およびテキストレイアウトにさまざま
な要求を課する。しかし、それらに共通することは、そ
れらが色および明るさの点で像背景から明白に区別され
る文字を期待していることである。
?の前提条件は加工片に打刻された文字では一般に満足
されていない.打刻形式、照明、表面材料および加工片
に存在し得る汚れに関係して、文字がここで一定の特徴
により背景から際立たない。
されていない.打刻形式、照明、表面材料および加工片
に存在し得る汚れに関係して、文字がここで一定の特徴
により背景から際立たない。
その結果、2値像ではなくディジタルグレイ値像しか得
られず、また文字認識のための公知の方法が使用可能で
ない. 第1図には、さまざまな照明条件のもとで撮影された打
刻文字のグレイ値像の一部分が示されている. グレイ値像における1つの文字認識の経過には2つの部
分課題が基礎になっている.すなわち1.どの場所で文
字が像のなかに存在するかを決定するためのセグメント
化、および 2.分類:たぶん1つの文字が存在する1つの長方形が
像から抽出される。その後に、どの文字が存在するか、
または場合によっては誤セグメント化が行われたか否か
が決定される. ホンゴウ.ワイ(Hongo,Y) 、コムロ,エイ■
Cowuro,A) :ビットマトリックス法に基づく
打刻文字認識装置、第6回I CPR論文集、ミュンヘ
ン、1982年、第448〜450頁、ドイツ連邦共和
国特許出願公開第3203897号明細書およびランガ
ー.ダプリュー(Langer,W) :グレイ値像に
おける文字のセグメント化、学位請求論文、ブラウンシ
ュバイク工業大学、電子技術研究所、1988年には、
グレイ値像における文字のセグメント化および認識のた
めの完全なシステムが示されている.すべての3つのシ
ステムは、先ずグレイ値像を1つの黒白像に変換し、次
いでセグメント化および認識を行う方法を用いている。
られず、また文字認識のための公知の方法が使用可能で
ない. 第1図には、さまざまな照明条件のもとで撮影された打
刻文字のグレイ値像の一部分が示されている. グレイ値像における1つの文字認識の経過には2つの部
分課題が基礎になっている.すなわち1.どの場所で文
字が像のなかに存在するかを決定するためのセグメント
化、および 2.分類:たぶん1つの文字が存在する1つの長方形が
像から抽出される。その後に、どの文字が存在するか、
または場合によっては誤セグメント化が行われたか否か
が決定される. ホンゴウ.ワイ(Hongo,Y) 、コムロ,エイ■
Cowuro,A) :ビットマトリックス法に基づく
打刻文字認識装置、第6回I CPR論文集、ミュンヘ
ン、1982年、第448〜450頁、ドイツ連邦共和
国特許出願公開第3203897号明細書およびランガ
ー.ダプリュー(Langer,W) :グレイ値像に
おける文字のセグメント化、学位請求論文、ブラウンシ
ュバイク工業大学、電子技術研究所、1988年には、
グレイ値像における文字のセグメント化および認識のた
めの完全なシステムが示されている.すべての3つのシ
ステムは、先ずグレイ値像を1つの黒白像に変換し、次
いでセグメント化および認識を行う方法を用いている。
ホンゴウおよびコムロは1つのグレイ値しきいをセット
することにより原像を2値化し、また次いで場合によっ
ては小さいしみを有する平らな構造の文字を期待する。
することにより原像を2値化し、また次いで場合によっ
ては小さいしみを有する平らな構造の文字を期待する。
後者は次いでそれらの大きさの評価により消去される.
この方法は追加的な色塗りなしには打刻された文字の認
識のためには適していない,しかし、それはたとえば自
動標識および文字を記されたキーボードに対して機能を
果たす.同じことがドイツ連邦共和国特許出願公開第3
203897号明細書に開示されている方法に対しても
当てはまる。
この方法は追加的な色塗りなしには打刻された文字の認
識のためには適していない,しかし、それはたとえば自
動標識および文字を記されたキーボードに対して機能を
果たす.同じことがドイツ連邦共和国特許出願公開第3
203897号明細書に開示されている方法に対しても
当てはまる。
ランガーは文字を同じく2値化された像のなかでセグメ
ント化し、ただしその際にランガーは不明確な分類の場
合には代替的なセグメント化を提案している.2値化か
つセグメント化された文字・は、平らなパターンを発生
するため、前処理される.分類のためには、平らな2値
の文字を認識するCGK(Computer Ges
ellscart Konstanz)の1つの方法
が用いられる.ランガーの方法における主な問題は、像
パターンに関係するパラメータ選定および像前処理の部
分過程である.加えてCGKの分類は1つの長方形のな
かの2値化された文字の1つの正確なセグメント化を要
求する.しみの生起の際にはこのことはあらゆる場合に
保証され得ない.ヨーロッパ特許第0217118A2
号明細書にはグレイ値像からの品番のセグメント化のた
めの1つの方法が開示されている.この方法によれば、
先ず原像が゜“平滑化”され、次いで1つのグローバル
なしきいにより1つの黒白像に変換される。ワンパス法
により関連戒分が簡単な多角形コース(“記述子”)に
コード化される。各多角形コースに対して最大の広がり
が計算され、また生ずる値により小さい擾乱要素が除去
される。個別文字セグメント化および分類は記載されて
いない。品番の非常に細い打刻はセグメント化を本質的
に容易にする。なぜならば、文字自体が明るさ変動を受
けない(反射がない)からである。1つの像平滑化は像
に関するこのような特殊な予備知識なしには一般に望ま
しくない。なぜならば、擾乱に追加して分類に対しても
重要な特徴が失われ得るからである. ホルダー.エス(Holder,S)、デングラー,ジ
エイ(Dengler,J) :グレイ値像特徴によ
る字体およびサイズにより不変の文字認識、第9回IC
PR論文集、ローマ、1988年には、“DNAシーケ
ンス”からの文字の分類のための1つの方法が記載され
ている。これらのシーケンスは文字゛A”゛C“″
“G′および“T”から戒っており、またたいてい専門
雑誌のなかの可変の文字組みにおいて非常に小さい文字
および悪い印刷品質で印刷される.この方法は特徴を得
るためにデイジタル化されたグレイ値像のグラジェント
像を使用する.なぜならば、良好な2値化が悪い見本品
質に基づいて一般に1つのグレイ値しきいをセットする
ことにまり達威され得ないからである.呈示された文字
の輪郭経過のなかのグラジェント方向およびその方向変
化は1つのヒストグラムのなかに記入される.ヒストグ
ラムは、予め種々の文字集合からマスター文字により作
威される4つの文字の基準ヒストグラムと比較される.
この方法は大きさ不変で、また見本の文字集合にほぼ無
関係に動作する.セグメント化のための方法は記載され
ていない.使用されるアルゴリズムは打刻された文字に
は適していない.なぜならば、文字の輪郭経過のなかの
グラジェントの方向変化に関する重要な情報が信頼でき
る形で存在しないからである.従って、一たとえば′L
”が単にグラジェントヒストグラムによっては“T”か
ら区別され得ない。
ント化し、ただしその際にランガーは不明確な分類の場
合には代替的なセグメント化を提案している.2値化か
つセグメント化された文字・は、平らなパターンを発生
するため、前処理される.分類のためには、平らな2値
の文字を認識するCGK(Computer Ges
ellscart Konstanz)の1つの方法
が用いられる.ランガーの方法における主な問題は、像
パターンに関係するパラメータ選定および像前処理の部
分過程である.加えてCGKの分類は1つの長方形のな
かの2値化された文字の1つの正確なセグメント化を要
求する.しみの生起の際にはこのことはあらゆる場合に
保証され得ない.ヨーロッパ特許第0217118A2
号明細書にはグレイ値像からの品番のセグメント化のた
めの1つの方法が開示されている.この方法によれば、
先ず原像が゜“平滑化”され、次いで1つのグローバル
なしきいにより1つの黒白像に変換される。ワンパス法
により関連戒分が簡単な多角形コース(“記述子”)に
コード化される。各多角形コースに対して最大の広がり
が計算され、また生ずる値により小さい擾乱要素が除去
される。個別文字セグメント化および分類は記載されて
いない。品番の非常に細い打刻はセグメント化を本質的
に容易にする。なぜならば、文字自体が明るさ変動を受
けない(反射がない)からである。1つの像平滑化は像
に関するこのような特殊な予備知識なしには一般に望ま
しくない。なぜならば、擾乱に追加して分類に対しても
重要な特徴が失われ得るからである. ホルダー.エス(Holder,S)、デングラー,ジ
エイ(Dengler,J) :グレイ値像特徴によ
る字体およびサイズにより不変の文字認識、第9回IC
PR論文集、ローマ、1988年には、“DNAシーケ
ンス”からの文字の分類のための1つの方法が記載され
ている。これらのシーケンスは文字゛A”゛C“″
“G′および“T”から戒っており、またたいてい専門
雑誌のなかの可変の文字組みにおいて非常に小さい文字
および悪い印刷品質で印刷される.この方法は特徴を得
るためにデイジタル化されたグレイ値像のグラジェント
像を使用する.なぜならば、良好な2値化が悪い見本品
質に基づいて一般に1つのグレイ値しきいをセットする
ことにまり達威され得ないからである.呈示された文字
の輪郭経過のなかのグラジェント方向およびその方向変
化は1つのヒストグラムのなかに記入される.ヒストグ
ラムは、予め種々の文字集合からマスター文字により作
威される4つの文字の基準ヒストグラムと比較される.
この方法は大きさ不変で、また見本の文字集合にほぼ無
関係に動作する.セグメント化のための方法は記載され
ていない.使用されるアルゴリズムは打刻された文字に
は適していない.なぜならば、文字の輪郭経過のなかの
グラジェントの方向変化に関する重要な情報が信頼でき
る形で存在しないからである.従って、一たとえば′L
”が単にグラジェントヒストグラムによっては“T”か
ら区別され得ない。
本発明の課題は、予め位置を限定されてグレイ値像で存
在する文字を分類するための方法であって、加工片に打
刻または打印された文字または加工片に浮き出された文
字を任意の照明条件のもとて確実に認識する方法を提供
することである.〔課題を解決するための手段〕 この課題は、本発明によれば、請求項1に記載の方法に
より解決される. 本発明の有利な構或は請求項2以下にあげられている。
在する文字を分類するための方法であって、加工片に打
刻または打印された文字または加工片に浮き出された文
字を任意の照明条件のもとて確実に認識する方法を提供
することである.〔課題を解決するための手段〕 この課題は、本発明によれば、請求項1に記載の方法に
より解決される. 本発明の有利な構或は請求項2以下にあげられている。
以下、図面により本発明を一層詳細に説明する.文字認
識装置が認識課題に利用され得る前に、文字認識装置は
学習段階でトレーニングされなければならない.この学
習段階でシステムに学習すべき文字集合が呈示される.
このような文字集合の典型的な範囲は5ないし35種類
の文字である。
識装置が認識課題に利用され得る前に、文字認識装置は
学習段階でトレーニングされなければならない.この学
習段階でシステムに学習すべき文字集合が呈示される.
このような文字集合の典型的な範囲は5ないし35種類
の文字である。
しばしば文字は数字(すなわち最大10文字)から戒っ
ている.各文字に対して自動的に“評価マトリックス”
が発生され、評価マトリックスは記憶されてから認識段
階で利用される. 文字認識装置の“トレーニングのための基準文字として
は打刻型の直線群により構威された像が使用される。こ
の際に型の打刻エッジが示されていなければならない.
第2図には数字“9″の基準文字に対する例が示されて
いる.中央には非常に細い打刻型が、また右にはより太
い打刻型が示されている. 基準文字は装置の利用者により発生されなければならな
い.これは簡単なCADシステム、ライトペンまたはパ
ラメータ入力により行われ得る。
ている.各文字に対して自動的に“評価マトリックス”
が発生され、評価マトリックスは記憶されてから認識段
階で利用される. 文字認識装置の“トレーニングのための基準文字として
は打刻型の直線群により構威された像が使用される。こ
の際に型の打刻エッジが示されていなければならない.
第2図には数字“9″の基準文字に対する例が示されて
いる.中央には非常に細い打刻型が、また右にはより太
い打刻型が示されている. 基準文字は装置の利用者により発生されなければならな
い.これは簡単なCADシステム、ライトペンまたはパ
ラメータ入力により行われ得る。
しかし、1つの文字を作り上げ、これを次いでディジタ
ル化することも可能である.直線群により構威された第
2図による基準文字はたとえば図面中の左に描写された
2値像から得られた。すべての基準文字は装置により等
しいフォーマット“基準幅0基準高さ′”に変換される
.フォーマット24s40画素のなかの35基準文字の
1つの集合が第3図に示されている. 基準文字は2値像で存在している(黒および白点のみか
ら戒る)。基準文字の直線を最小1111 ( ’“1
画素幅”)に細くするため、細化法が応用される.用語
“細い”′の定義およびいくつかの細化法は、パブリデ
ィス,ティーエイチ(Pavlidis,Th):グラ
フィックスおよび画像処理のためのアルゴリズム、スブ
リンガー、1982年、第195〜214頁に記載され
ている.細くされた基準文字は記憶される.基準文字の
黒点(P)、第4図参照、はいま3つの部類に分けられ
る. a)端点(1つの3×3近傍のなかの1つの黒い隣接点
)、 b)直線点(正確に21の黒い隣接点)およびC)分岐
点(2つよりも多い黒い隣接点)、第4図参照. 基準文字の点には1つのエッジ方向が割り当てられる.
そのためには種々の方法が応用可能である. 基準文字の直線点に1つの方向を割り当てる方法は第5
図に示されている. 第5図は左から右へ a)隣接点の接続直線の方向がPに対応付けられている
方向であること、 b)こうして可能な接続直線が1つの3×3窓のなかに
あること、 c)8つの可能な方向が番号付けおよび角度の表示を有
すること を示している. 方向直線はここでは回転の向きを付けられていない一方
向“北”および“南”は同一である.端点および分岐点
は対応付けられた方向を付けられていない. R,1は基準文字のなかの方向検出の分解能を示す(す
なわち第5図の例ではRR−f −8 ) −基準文字
のなかで測定されたエッジ方向は、後に認識のために呈
示されるグレイ値像のなかで等しい個所に生じなくても
よいので、1つの分散関数が使用される.この分散関数
は特定のエッジ方向の期待値を、この方向が基準文字の
なかで測定された点のlつの近傍に分布する. 関数はd (P,Q)で表され、その際にPは基準文字
のなかのlつの点、またQは1つのマトリックス(評価
マトリックス)のなかの1つの場所である,d (P,
Q)はPの1つの小さい近傍のなかのQに対してのみ零
に等しくないものとし、またd (P. Q)の値は、
QがPから離れるとき、単調に減少するものとする. 分散関数の1つの簡単な例: 示されているのは1つの点Pの999近傍のなかの値で
ある,Q=Pに対しては値d (P,Q)一3が得られ
る.示されていない値は零として定義されている.(分
散関数を使用するためには後記の説明を参照.) l11111l1l 111111111 1122222 1 1 112222211 112232211 112222211 112222211 111111111 111111111 1つの基準文字のなかで測定された1つのエッジ方向r
,.,をグレイ値像のなかで決定された1つの方向r
vorと比較するため、1つの角度比較間数h (re
ar . rvar )が用いられる.それは方向の
間のわずかな角度差では高い正の値を、また大きい角度
差では零を生じなければならない.第6図には第5図の
方向定義による1つの基準文字の点の8つの可能な方向
が示されている.さらに、コンパスーグラジェント演算
子によりグレイ値像のなかで決定され得る4つの方向が
示されている. この特別な場合に対する1つの簡単な角度比較関数はた
とえば下記のように定義され得る.4 + < ( r
llat. r v。r)−0’の場合1 + {D
laf+ r vo、)・45°の場合0 + ’i
( r mat. r war )>45°の場合学
習すべき各文字に対して、またグレイ値像のなかの各可
能な工冫ジ方向に対して、1つの評価マトリックスが作
威される.すなわちグレイ値像のなかの方向分解能がた
とえばRv.,=4であれば、学習すべき各文字に対し
て4つのマトリックスが作戒される.これらのマトリッ
クスは全学習過程の本来の結果である。直線群により構
威された基準文字は単にこれらのマトリックスの発生の
ために必要とされる. 評価マトリックスのなかには、1つの特定の呈示された
エッジ方向を1つの学習された文字に関してどのように
評価すべきかが記入される.文字“l”では長方形の中
央の垂直なエッジ方向に対する評価マトリックスはたと
えばlつの高い正の値を含んでいるが、文字”8″では
1つの負の値を含んでいる. 評価マトリックスはB e w ( Z, r Vo
r )により表され、その際にZは1つの学習すべき文
字である.評価マトリックスは学習される文字と等しい
フォーマットを有する二基準幅×基準高さ。Wlafほ
この大きさの1つの長方形の点に対する値幅を表す。C
は評価のために1つの最大値を定める役割をする1つの
正の定数を表す。
ル化することも可能である.直線群により構威された第
2図による基準文字はたとえば図面中の左に描写された
2値像から得られた。すべての基準文字は装置により等
しいフォーマット“基準幅0基準高さ′”に変換される
.フォーマット24s40画素のなかの35基準文字の
1つの集合が第3図に示されている. 基準文字は2値像で存在している(黒および白点のみか
ら戒る)。基準文字の直線を最小1111 ( ’“1
画素幅”)に細くするため、細化法が応用される.用語
“細い”′の定義およびいくつかの細化法は、パブリデ
ィス,ティーエイチ(Pavlidis,Th):グラ
フィックスおよび画像処理のためのアルゴリズム、スブ
リンガー、1982年、第195〜214頁に記載され
ている.細くされた基準文字は記憶される.基準文字の
黒点(P)、第4図参照、はいま3つの部類に分けられ
る. a)端点(1つの3×3近傍のなかの1つの黒い隣接点
)、 b)直線点(正確に21の黒い隣接点)およびC)分岐
点(2つよりも多い黒い隣接点)、第4図参照. 基準文字の点には1つのエッジ方向が割り当てられる.
そのためには種々の方法が応用可能である. 基準文字の直線点に1つの方向を割り当てる方法は第5
図に示されている. 第5図は左から右へ a)隣接点の接続直線の方向がPに対応付けられている
方向であること、 b)こうして可能な接続直線が1つの3×3窓のなかに
あること、 c)8つの可能な方向が番号付けおよび角度の表示を有
すること を示している. 方向直線はここでは回転の向きを付けられていない一方
向“北”および“南”は同一である.端点および分岐点
は対応付けられた方向を付けられていない. R,1は基準文字のなかの方向検出の分解能を示す(す
なわち第5図の例ではRR−f −8 ) −基準文字
のなかで測定されたエッジ方向は、後に認識のために呈
示されるグレイ値像のなかで等しい個所に生じなくても
よいので、1つの分散関数が使用される.この分散関数
は特定のエッジ方向の期待値を、この方向が基準文字の
なかで測定された点のlつの近傍に分布する. 関数はd (P,Q)で表され、その際にPは基準文字
のなかのlつの点、またQは1つのマトリックス(評価
マトリックス)のなかの1つの場所である,d (P,
Q)はPの1つの小さい近傍のなかのQに対してのみ零
に等しくないものとし、またd (P. Q)の値は、
QがPから離れるとき、単調に減少するものとする. 分散関数の1つの簡単な例: 示されているのは1つの点Pの999近傍のなかの値で
ある,Q=Pに対しては値d (P,Q)一3が得られ
る.示されていない値は零として定義されている.(分
散関数を使用するためには後記の説明を参照.) l11111l1l 111111111 1122222 1 1 112222211 112232211 112222211 112222211 111111111 111111111 1つの基準文字のなかで測定された1つのエッジ方向r
,.,をグレイ値像のなかで決定された1つの方向r
vorと比較するため、1つの角度比較間数h (re
ar . rvar )が用いられる.それは方向の
間のわずかな角度差では高い正の値を、また大きい角度
差では零を生じなければならない.第6図には第5図の
方向定義による1つの基準文字の点の8つの可能な方向
が示されている.さらに、コンパスーグラジェント演算
子によりグレイ値像のなかで決定され得る4つの方向が
示されている. この特別な場合に対する1つの簡単な角度比較関数はた
とえば下記のように定義され得る.4 + < ( r
llat. r v。r)−0’の場合1 + {D
laf+ r vo、)・45°の場合0 + ’i
( r mat. r war )>45°の場合学
習すべき各文字に対して、またグレイ値像のなかの各可
能な工冫ジ方向に対して、1つの評価マトリックスが作
威される.すなわちグレイ値像のなかの方向分解能がた
とえばRv.,=4であれば、学習すべき各文字に対し
て4つのマトリックスが作戒される.これらのマトリッ
クスは全学習過程の本来の結果である。直線群により構
威された基準文字は単にこれらのマトリックスの発生の
ために必要とされる. 評価マトリックスのなかには、1つの特定の呈示された
エッジ方向を1つの学習された文字に関してどのように
評価すべきかが記入される.文字“l”では長方形の中
央の垂直なエッジ方向に対する評価マトリックスはたと
えばlつの高い正の値を含んでいるが、文字”8″では
1つの負の値を含んでいる. 評価マトリックスはB e w ( Z, r Vo
r )により表され、その際にZは1つの学習すべき文
字である.評価マトリックスは学習される文字と等しい
フォーマットを有する二基準幅×基準高さ。Wlafほ
この大きさの1つの長方形の点に対する値幅を表す。C
は評価のために1つの最大値を定める役割をする1つの
正の定数を表す。
文字Zに対する評価マトリックスはいま下記のように発
生される. ーすべでの方向rv...およびすべての点Pに対して
Bew (z, rvor , P) :=Oを
セットする、 −2への細いアイデアルのすべての前面点Pに対して、
すべての可能なr vorおよびWl@fからの各点Q
に対して、値d (P. Q) ” h (rlllf
+rva2)をB6w (Z,rvo、)に加算する、
その際にr―.,はPに属する方向である、(関数dお
よびhの定義については前記の説明を参照)、 一すべでの可能なr warおよびwhatからの各点
Qに対してBew (Z, rvar ) =:MI
N (C,Bew (Z,rv。,))をセットする、
(MIN=最小値の選定)、 一Zへの評価マトリックスのすべての要素にわたる平均
値を計算する: 一正規化のためにこの平均値をZの評価マトリックスの
すべての要素から差し引く. 第8図には、第7図に描写されている1つの“9゛に対
する評価マトリックスが示されている.左から右へ方向
“水平”上昇対角線”垂直”および゜“下降対角線”に
対する評価マトリックスが示されている.暗いグレイ値
は高い評価に相当する.それぞれ上側のマトリックスは
評価マトリックスの正の要素を示し、負の要素は上側の
マトリックスのなかに白く残されており、また下側のマ
トリックスのなかに記入されている.評価マトリックス
は前記の模範的な具体化により、すなわち特に基準幅=
−24、基準高さ=40、Ra−v=8、RV.,=4
により計算された。
生される. ーすべでの方向rv...およびすべての点Pに対して
Bew (z, rvor , P) :=Oを
セットする、 −2への細いアイデアルのすべての前面点Pに対して、
すべての可能なr vorおよびWl@fからの各点Q
に対して、値d (P. Q) ” h (rlllf
+rva2)をB6w (Z,rvo、)に加算する、
その際にr―.,はPに属する方向である、(関数dお
よびhの定義については前記の説明を参照)、 一すべでの可能なr warおよびwhatからの各点
Qに対してBew (Z, rvar ) =:MI
N (C,Bew (Z,rv。,))をセットする、
(MIN=最小値の選定)、 一Zへの評価マトリックスのすべての要素にわたる平均
値を計算する: 一正規化のためにこの平均値をZの評価マトリックスの
すべての要素から差し引く. 第8図には、第7図に描写されている1つの“9゛に対
する評価マトリックスが示されている.左から右へ方向
“水平”上昇対角線”垂直”および゜“下降対角線”に
対する評価マトリックスが示されている.暗いグレイ値
は高い評価に相当する.それぞれ上側のマトリックスは
評価マトリックスの正の要素を示し、負の要素は上側の
マトリックスのなかに白く残されており、また下側のマ
トリックスのなかに記入されている.評価マトリックス
は前記の模範的な具体化により、すなわち特に基準幅=
−24、基準高さ=40、Ra−v=8、RV.,=4
により計算された。
認識すべき文字はグレイ値像からセグメント化された1
.つの長方形のなかで呈示される.この長方形の各点の
なかで先ず1つのグラジェントーフィルタにより、ここ
に場合によっては延びている1つのグレイ値エッジの強
度および方向が計算される.未知の照明方向の隙には、
どの打刻エッジが像のなかで明るく現れ、どれが暗く現
れるかが予測可能でないので、その際にグレイ値エッジ
の向き(“明”から“暗”へ、または“暗”から“明”
へ)は区別されない. ここにたとえばヴイルッ.ベー(Wirtz,B)
:工業的情景におけるエッジ認識のためのアルゴリズム
の研究、学位請求論文、専門分野情報、RWTH、アー
ヘン、1987年に示されているようなコンパスーグラ
ジェントフィルタ、すなわちたとえばキルシュ、プレウ
ィ,ットまたはロビンソンーマスクまたはヴイルツによ
り提案された非直交マスクが応用可能である.この方法
を使用すれば、4つのエッジ方向“垂直”″上昇対角線
゛水平゜゛および“下降対角線”の分解能が得られる。
.つの長方形のなかで呈示される.この長方形の各点の
なかで先ず1つのグラジェントーフィルタにより、ここ
に場合によっては延びている1つのグレイ値エッジの強
度および方向が計算される.未知の照明方向の隙には、
どの打刻エッジが像のなかで明るく現れ、どれが暗く現
れるかが予測可能でないので、その際にグレイ値エッジ
の向き(“明”から“暗”へ、または“暗”から“明”
へ)は区別されない. ここにたとえばヴイルッ.ベー(Wirtz,B)
:工業的情景におけるエッジ認識のためのアルゴリズム
の研究、学位請求論文、専門分野情報、RWTH、アー
ヘン、1987年に示されているようなコンパスーグラ
ジェントフィルタ、すなわちたとえばキルシュ、プレウ
ィ,ットまたはロビンソンーマスクまたはヴイルツによ
り提案された非直交マスクが応用可能である.この方法
を使用すれば、4つのエッジ方向“垂直”″上昇対角線
゛水平゜゛および“下降対角線”の分解能が得られる。
ロビンソンーマスクによりフィルタされた第9図による
文字が第lO図に示されている。原像のなかの強いグレ
イ値移行はその際に明るいグレイ値によりマスクされて
いる。対応付けられているエッジ方向は示されていない
。
文字が第lO図に示されている。原像のなかの強いグレ
イ値移行はその際に明るいグレイ値によりマスクされて
いる。対応付けられているエッジ方向は示されていない
。
エッジ方向は1から番号付けられる。分解能はR V6
rにより表される. 4以外の分解能を有するグレイ値フィルタの使用も可能
である. 続いてグレイ値像は1つの2値像に変換される。
rにより表される. 4以外の分解能を有するグレイ値フィルタの使用も可能
である. 続いてグレイ値像は1つの2値像に変換される。
弱いグレイ値を有する点は消去される.2値化の際には
種々の方法が応用可能である.第11図にはヘン.ビー
(Chen,B)、シー,ピー(,Siy,P) +
フィードバックによる前方/後方輪郭トレーシング、I
EEE PAMI−9、1987年5月、第438〜
446真による2値化の使用の際の第10図に対する2
値化グラジェント像が示されている.2値像は一般に比
較的悪い質を有し、特に“平面状”に現れずに、より小
さい線分および点から戒っている.従って、(文字およ
び祇見本に対する)標準一文字認識方法における見本の
ためには適していない. 最後に2値化されたグラジェント像はなお基準文字のフ
ォーマット 基準幅0基準高さに変換される。2414
0画素に縮小された第11図による像は第l2図に示さ
れている.その際にさらに前景点はそれらの付属のエッ
ジ方向に関する情報を有する.2値化されたグラジェン
ト像のなかで点Pが前景点であり、また方向rを有すれ
ば、V(r,P)は1に等しく、他の場合にはV (r
,P)は0に等しい. 見本を学習された文字Zと比較するためには、2値化さ
れたグラジェント像のなかの前景点に相当するすべての
評価が加算される. r=I P(W++at 分類のためには見本がすべての学習された文字と比較さ
れる.最も高い比較値を生ずる基準文字が分類の結果文
字として決定される(多数決決定).この比較方法にお
ける主な利点は、因子V (r,P)が値′0”および
″1”のみをとり得るので、乗算なしですませられるこ
とである.加えて、過程は相応のハードウエア上で簡単
に並列化可能、すなわち時間的に並列に処理可能である
.1つの誤セグメント化の場合、すなわち学習された文
字が呈示されなかった場合または1つの質的に非常に悪
い見本が呈示される場合には、文字の棄却のための規範
が形威される(もっともらしさの検査). 見本は、下記の2つの条件の少なくとも1つが満足され
ているときには、棄却される。
種々の方法が応用可能である.第11図にはヘン.ビー
(Chen,B)、シー,ピー(,Siy,P) +
フィードバックによる前方/後方輪郭トレーシング、I
EEE PAMI−9、1987年5月、第438〜
446真による2値化の使用の際の第10図に対する2
値化グラジェント像が示されている.2値像は一般に比
較的悪い質を有し、特に“平面状”に現れずに、より小
さい線分および点から戒っている.従って、(文字およ
び祇見本に対する)標準一文字認識方法における見本の
ためには適していない. 最後に2値化されたグラジェント像はなお基準文字のフ
ォーマット 基準幅0基準高さに変換される。2414
0画素に縮小された第11図による像は第l2図に示さ
れている.その際にさらに前景点はそれらの付属のエッ
ジ方向に関する情報を有する.2値化されたグラジェン
ト像のなかで点Pが前景点であり、また方向rを有すれ
ば、V(r,P)は1に等しく、他の場合にはV (r
,P)は0に等しい. 見本を学習された文字Zと比較するためには、2値化さ
れたグラジェント像のなかの前景点に相当するすべての
評価が加算される. r=I P(W++at 分類のためには見本がすべての学習された文字と比較さ
れる.最も高い比較値を生ずる基準文字が分類の結果文
字として決定される(多数決決定).この比較方法にお
ける主な利点は、因子V (r,P)が値′0”および
″1”のみをとり得るので、乗算なしですませられるこ
とである.加えて、過程は相応のハードウエア上で簡単
に並列化可能、すなわち時間的に並列に処理可能である
.1つの誤セグメント化の場合、すなわち学習された文
字が呈示されなかった場合または1つの質的に非常に悪
い見本が呈示される場合には、文字の棄却のための規範
が形威される(もっともらしさの検査). 見本は、下記の2つの条件の少なくとも1つが満足され
ているときには、棄却される。
(1)値Vg 1 (B)/AVがしきい値RSlよ
りも小さい。ここでBは分類の結果文字、またAVは付
属の2値化されたグラジェント像の前景点の数である. (最も類似の学習された文字に関する見本の画素あたり
の平均的に得られる評価はあまりにわずかである)。
りも小さい。ここでBは分類の結果文字、またAVは付
属の2値化されたグラジェント像の前景点の数である. (最も類似の学習された文字に関する見本の画素あたり
の平均的に得られる評価はあまりにわずかである)。
(2)Bの得られた評価の他の文字への最小間隔がしき
いRS2よりも小さい。
いRS2よりも小さい。
条件2に対するlつの可能な間隔尺度は下式により与え
られている. 第13図、第14図および第15図には認識の結果の例
が示されている.基準文字としては第3図中に示されて
いる文字が使用された。
られている. 第13図、第14図および第15図には認識の結果の例
が示されている.基準文字としては第3図中に示されて
いる文字が使用された。
グレイ値像のなかの文字は自動的にセグメント化された
.認識のために呈示される長方形は枠で囲まれている. 結果は、認識が3つの図面中で明らかに異なっている照
明と無関係であることを示している.また” 6 ”お
よび“G″のような非常に類似している文字も正し<認
識された. 最後に言及すべきこととして、本方法は祇見本上の印刷
文字の認識のためにも通している.なぜならば、2値像
のなかでもグレイ値像のなかでもエッジ方向がグラジェ
ントフィルタにより決定され得るからである. 添付のプログラム表現は基準文字のトレーニングのため
の命令およびグレイ値像のなかでセグメント化された文
字の分類のための命令を含んでいる。実行はVAX87
00上で“パスカル“で行われた.
.認識のために呈示される長方形は枠で囲まれている. 結果は、認識が3つの図面中で明らかに異なっている照
明と無関係であることを示している.また” 6 ”お
よび“G″のような非常に類似している文字も正し<認
識された. 最後に言及すべきこととして、本方法は祇見本上の印刷
文字の認識のためにも通している.なぜならば、2値像
のなかでもグレイ値像のなかでもエッジ方向がグラジェ
ントフィルタにより決定され得るからである. 添付のプログラム表現は基準文字のトレーニングのため
の命令およびグレイ値像のなかでセグメント化された文
字の分類のための命令を含んでいる。実行はVAX87
00上で“パスカル“で行われた.
第l図は打刻された文字のグレイ値像の一部分をさまざ
まな照明条件のもとに撮影されたレーザ一表現として示
す図、第2図は数字“9′に対する基準文字に対する例
をレーザー表現として示す図、第3図は1つの予め定め
られた基準フォーマットのなかに変換されている35の
基準文字の1つの集合をレーザー表現として示す図、.
第4図は?5図は1つの基準文字の直線点を配置する可
能性を示す図、第16図は第5図による方向定義による
1つの基準文字ア.点の8つの可能な方向を示す図、第
7図は数字“9”に対する基準文字をレーザー表現とし
て宗す■図j8図は第7図中に示されている基地文学に
対する作威された評価マトリタされた第9図による文字
をレーザー表現として示す図、第11図は第10図によ
り得られたフィ゜ルタされり文字の2値化されたグラジ
ェント像をレーザー表現として示す図、第l2図は第1
1図による24”40画素に縮小された文字像をレーザ
ー表現として示す図、第13図、第14図および第15
図はそれぞれ基準文字として第3図中に示されている文
字を使用した文字認識の結果の例をレーザー表現として
示す図である. FIG2 FIGI FIG 6 FIG 7 ?一九ミ ー.:−■1 FI08 FIG9 ?モjpig■ご−2F FIG i0 FI0 12 FIG il FIG 13 図面の浄J FIG 14 手 続 補 正 書 (方式) 2.発明の名称 3,補正をする者 文字認識方法 事件との関係 特許出願人 住 所 ドイツ連邦共和国ベルリン及ミュンヘン(番地
なし) 名 称 シーメンス、アクチェンゲゼルシャフト4.
まな照明条件のもとに撮影されたレーザ一表現として示
す図、第2図は数字“9′に対する基準文字に対する例
をレーザー表現として示す図、第3図は1つの予め定め
られた基準フォーマットのなかに変換されている35の
基準文字の1つの集合をレーザー表現として示す図、.
第4図は?5図は1つの基準文字の直線点を配置する可
能性を示す図、第16図は第5図による方向定義による
1つの基準文字ア.点の8つの可能な方向を示す図、第
7図は数字“9”に対する基準文字をレーザー表現とし
て宗す■図j8図は第7図中に示されている基地文学に
対する作威された評価マトリタされた第9図による文字
をレーザー表現として示す図、第11図は第10図によ
り得られたフィ゜ルタされり文字の2値化されたグラジ
ェント像をレーザー表現として示す図、第l2図は第1
1図による24”40画素に縮小された文字像をレーザ
ー表現として示す図、第13図、第14図および第15
図はそれぞれ基準文字として第3図中に示されている文
字を使用した文字認識の結果の例をレーザー表現として
示す図である. FIG2 FIGI FIG 6 FIG 7 ?一九ミ ー.:−■1 FI08 FIG9 ?モjpig■ご−2F FIG i0 FI0 12 FIG il FIG 13 図面の浄J FIG 14 手 続 補 正 書 (方式) 2.発明の名称 3,補正をする者 文字認識方法 事件との関係 特許出願人 住 所 ドイツ連邦共和国ベルリン及ミュンヘン(番地
なし) 名 称 シーメンス、アクチェンゲゼルシャフト4.
Claims (1)
- 【特許請求の範囲】 1)予め位置を限定されてディジタル・グレイ値像で存
在する文字を認識するための方法において、 利用される学習可能な文字認識装置のトレ ーニングのために、 認識すべき文字を含む文字集合に相応する 数および様式の、直線群により表示された基準文字(ア
イデアル)を発生し、またこの基準文字を学習可能な文
字認識装置の作業メモリのなかに記憶する過程と、 各基準文字の各画素に1つの方向を対応付 ける過程と、 期待値に対する1つの分散関数を定める過 程と、 基準文字をグレイ値像から決定されたグレ イ値エッジ方向と比較するため1つの角度比較関数を定
める過程と、 分散関数および角度比較関数により評価マ トリックスを作成する過程とが設けられており、 また文字を認識するため、 認識すべきディジタル化された文字を文字 認識装置のなかに書込み、、それによって当該のグレイ
値像を準備する過程と、 当該の文字の分類が実行可能であるように、認識すべき
文字を前処理する過程と、 前処理された文字をすべての予め文字認識 装置により学習された基準文字と比較する過程と、 部分特徴が最大数の部分特徴により認識す べき文字と合致する基準文字を決定するため多数決判定
を実行する過程と、 文字認識装置のその後の処理のために文字 認識装置から1つの結果信号を発生する過程とが設けら
れていることを特徴とする文字認識方法。 2)発生された結果信号がもっともらしさの検査を受け
、肯定的な検査結果の不存在の場合には、棄却規範を表
す信号が発生されることを特徴とする請求項1記載の方
法。 3)下記の2つの条件 (1)値Vg1(B)/AVがしきい値RS1よりも小
さい。ここでBは分類の結果文字、またAVは付属の2
値化されたグラジェン ト像の前景点の数である。 (2)結果文字Bの得られた評価の他の文字への最小間
隔がしきいRS2よりも小さい。 の少なくとも1つが満足されているときに、棄却規範が
与えられていることを特徴とする請求項2記載の方法。 4)条件(2)に対する間隔尺度が g(Vg1(A)、Vg1(B)):={|Vg1(A
)−Vg1(B)|}/{Vg1(A)|+|Vg1(
B)|}により与えられていることを特徴とする請求項
3記載の方法。 5)認識すべき文字がグレイ値像からセグメント化され
た1つの長方形のなかで爾後処理され、この長方形の各
点のなかでグラジェント−フィルタにより、ここに場合
によっては延びているグレイ値エッジの強度および方向
が計算され、また、未知の照明方向では、グレイ値像の
なかのどの3つの刻印エッジが明るく、またどれが暗く
現れるかが予測可能でないので、グレイ値エッジの向き
(“明から暗へ”または“暗から明へ”)が区別されな
いことを特徴とする請求項1記載の方法。 6)グラジェント−フィルタとしていわゆるコンパス−
グラジェント−フィルタが使用されることを特徴とする
請求項5記載の方法。 7)グラジェント−フィルタリングの後に存在するグラ
ジェント像が2値像に変換され、また弱いグラジェント
値を有する像点が消去されることを特徴とする請求項6
記載の方法。 8)2値化されたグラジェント像が基準文字のフォーマ
ット“基準幅*基準高さ”に変換されることを特徴とす
る請求項1記載の方法。 9)比較方法の特定の過程が本質的に時間的に並列に実
行されることを特徴とする請求項1ないし8の1つに記
載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE3919831.6 | 1989-06-16 | ||
DE3919831 | 1989-06-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0397086A true JPH0397086A (ja) | 1991-04-23 |
Family
ID=6382951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2154997A Pending JPH0397086A (ja) | 1989-06-16 | 1990-06-13 | 文字認識方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US5073955A (ja) |
EP (1) | EP0402868B1 (ja) |
JP (1) | JPH0397086A (ja) |
DE (1) | DE59009974D1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07104952B2 (ja) * | 1989-12-28 | 1995-11-13 | シャープ株式会社 | パターンマッチング装置 |
US5440651A (en) * | 1991-06-12 | 1995-08-08 | Microelectronics And Computer Technology Corp. | Pattern recognition neural network |
US5970173A (en) * | 1995-10-05 | 1999-10-19 | Microsoft Corporation | Image compression and affine transformation for image motion compensation |
US6037988A (en) * | 1996-03-22 | 2000-03-14 | Microsoft Corp | Method for generating sprites for object-based coding sytems using masks and rounding average |
KR100442844B1 (ko) * | 1996-03-23 | 2004-10-06 | 삼성전자주식회사 | 중심점을이용한객체의외곽선부호화방법및이를이용한부호화장치 |
US6075875A (en) * | 1996-09-30 | 2000-06-13 | Microsoft Corporation | Segmentation of image features using hierarchical analysis of multi-valued image data and weighted averaging of segmentation results |
US6097839A (en) * | 1997-03-10 | 2000-08-01 | Intermec Ip Corporation | Method and apparatus for automatic discriminating and locating patterns such as finder patterns, or portions thereof, in machine-readable symbols |
US6128414A (en) * | 1997-09-29 | 2000-10-03 | Intermec Ip Corporation | Non-linear image processing and automatic discriminating method and apparatus for images such as images of machine-readable symbols |
US6400831B2 (en) | 1998-04-02 | 2002-06-04 | Microsoft Corporation | Semantic video object segmentation and tracking |
DE19962557A1 (de) * | 1999-12-23 | 2001-07-12 | Daimler Chrysler Ag | Verfahren und Prüfvorrichtung zur Kontrolle von Fahrgestellnummern |
DE10143522C2 (de) * | 2001-09-05 | 2003-07-10 | Fraunhofer Ges Forschung | Verfahren und Vorrichtung zum Untersuchen eines Objekts |
KR20040058277A (ko) * | 2001-11-13 | 2004-07-03 | 코닌클리즈케 필립스 일렉트로닉스 엔.브이. | 캘리브레이션 유도 방법, 이미지 처리 방법 및 이미지시스템 |
US20030198387A1 (en) * | 2002-04-22 | 2003-10-23 | Tinku Acharya | Method and apparatus for image retrieval |
GB2414545A (en) * | 2004-05-28 | 2005-11-30 | Leisure Link Holdings Ltd | Method for identifying and sorting objects |
DE102005018456A1 (de) * | 2005-04-20 | 2006-11-02 | HOS Hottinger Systems GbR (vertretungsberechtigter Gesellschafter: Walter Leo Pöhlandt, 68782 Brühl) | Verfahren zum automatischen Erkennen von Reliefinformationen auf Oberflächen |
CN101303731B (zh) * | 2007-05-09 | 2010-09-01 | 仁宝电脑工业股份有限公司 | 印刷线生成方法 |
CN101311946B (zh) * | 2007-05-25 | 2010-10-27 | 仁宝电脑工业股份有限公司 | 文字辨识方法 |
CN116168028B (zh) * | 2023-04-25 | 2023-06-23 | 中铁电气化局集团有限公司 | 低可见度下基于边缘滤波的高铁原始图像处理方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1171627A (en) * | 1966-10-07 | 1969-11-26 | Post Office | Improvements in or relating to Character Recognition Machines |
JPS5930179A (ja) * | 1982-08-10 | 1984-02-17 | Agency Of Ind Science & Technol | パタ−ンの線分近似方式 |
US4817184A (en) * | 1986-04-14 | 1989-03-28 | Vartec Corporation | Electronic inspection system and methods of inspection |
JPS63233487A (ja) * | 1988-02-19 | 1988-09-29 | Hitachi Ltd | 光学的文字読取装置 |
-
1990
- 1990-05-09 US US07/521,014 patent/US5073955A/en not_active Expired - Fee Related
- 1990-06-12 DE DE59009974T patent/DE59009974D1/de not_active Expired - Fee Related
- 1990-06-12 EP EP90111116A patent/EP0402868B1/de not_active Expired - Lifetime
- 1990-06-13 JP JP2154997A patent/JPH0397086A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
US5073955A (en) | 1991-12-17 |
EP0402868B1 (de) | 1995-12-20 |
EP0402868A2 (de) | 1990-12-19 |
DE59009974D1 (de) | 1996-02-01 |
EP0402868A3 (de) | 1992-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH0397086A (ja) | 文字認識方法 | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
Mohammad et al. | Optical character recognition implementation using pattern matching | |
CN106650721B (zh) | 一种基于卷积神经网络的工业字符识别方法 | |
US5642442A (en) | Method for locating the position and orientation of a fiduciary mark | |
LeBourgeois | Robust multifont OCR system from gray level images | |
CN106960208A (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
JP2002259994A (ja) | 自動イメージパターン検出方法及びイメージ処理装置 | |
CN116071763B (zh) | 基于文字识别的教辅图书智能校编系统 | |
Caldeira et al. | Industrial optical character recognition system in printing quality control of hot-rolled coils identification | |
CN111754525A (zh) | 一种基于非精确切分的工业字符检测流程 | |
Gunawan et al. | Automatic number plate recognition for Indonesian license plate by using K-Nearest Neighbor algorithm | |
US6240209B1 (en) | Method for deriving character features in a character recognition system | |
Ghugardare et al. | Optical character recognition system for seven segment display images of measuring instruments | |
US5105470A (en) | Method and system for recognizing characters | |
CN110046618B (zh) | 基于机器学习和最大极值稳定区域的车牌识别方法 | |
JPS63257078A (ja) | ベクトル識別装置 | |
WO1994010654A9 (en) | A method and apparatus for verifying a container code | |
CN118506338A (zh) | 一种基于深度学习的电子器件印刷字符识别检测方法 | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
Ishizuka et al. | Segmentation of road sign symbols using opponent-color filters | |
JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 | |
JP2805476B2 (ja) | 文字の認識方法 | |
Bin et al. | Digital recognition based on image device meters | |
CN114202761B (zh) | 一种基于图片信息聚类的信息批量提取方法 |