JPH05120483A

JPH05120483A - 文字認識装置

Info

Publication number: JPH05120483A
Application number: JP3279120A
Authority: JP
Inventors: Mitsuru Kubota; 満久保田
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 1991-10-25
Filing date: 1991-10-25
Publication date: 1993-05-18

Abstract

(57)【要約】【目的】特徴辞書中に記述されている文字の属性情報
をもとに、類似文字を識別することにより、高速かつ精
度の高い文字認識装置を提供する。【構成】入力文字パターンに対して複数の候補文字が
選択されたとき、文字の属性情報を比較する。属性が異
なる部分領域について特徴ベクトルの比較を行い、認識
候補文字を出力する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は日本語文字等の多くの類
似カテゴリを分類する文字認識装置に関する。

【０００２】

【従来の技術】従来、漢字を含む日本語文字装置では、
入力文字パターンより特徴を抽出し、あらかじめ蓄えら
れている特徴辞書中の各文字カテゴリの標準ベクトルと
の相違度を計算し、相違度が最も小さい標準ベクトルの
カテゴリを候補文字として選択していた。この際、入力
パターンと選択された１位候補文字との相違度と２位以
下の候補文字との相違度が接近している場合、複数の文
字カテゴリを候補文字として出力していた。ここで最終
的には、候補文字を１文字に決定しなければならない。
このための類似文字を識別する方法の一つとして、候補
文字について各標準ベクトル同志の比較を行い、候補文
字間の差異を見つけ、その差異が生じた部分について、
入力パターンの特徴ベクトルと候補文字の標準ベクトル
を比較し、この部分の相違度の大きさにより類似文字を
識別する方法が用いられていた。

【０００３】

【発明が解決しようとする課題】しかし、候補文字とし
て出力された複数の候補文字は、形状的にも非常に類似
した文字である。例えば、「開」と「間」のように微小
な差異を候補文字の標準ベクトル同志のマッチングによ
り見つけることは困難である。また、手書き文字につい
て標準ベクトル同志の差異を見つける場合を考える。例
えば、「体」と「休」の比較において、標準ベクトル同
志の比較を行い差異を見つける場合を考える。同じ「に
んべん」でも字種によって形状が異なることが起こり有
るため、「にんべん」の部分の差異を検出してしまうこ
とがある。また、本来検出すべき「つくり」の部分の差
異を検出できない場合も起こり有る。そこで本発明は、
このような問題を解決するためのものであり、複数の候
補文字が選択された場合でも高速かつ高精度に識別する
文字認識装置を提供することである。

【０００４】

【課題を解決するための手段】本発明は、２値化された
文書画像に対して、入力文字パターンを文字枠により切
り取る文字枠切り取り手段と、文字枠切り取り手段によ
り得られた文字パターンから特徴ベクトルを抽出する特
徴ベクトル抽出手段と、あらかじめ各字種ごとの特徴を
格納している特徴辞書格納手段と、入力パターンの特徴
ベクトルと前記特徴辞書中の各字種ごとの標準ベクトル
との相違度を求める相違度計算手段と、前記相違度計算
手段により得られた相違度の大きさにより候補文字を選
択する候補文字選択手段と、候補文字選択手段により選
択された候補文字が複数であった場合、さらに詳細な識
別を行う類似文字識別手段からなる文字認識装置におい
て、前記各字種ごとの特徴を格納している特徴辞書格納
手段は、文字パターンから特徴抽出することにより得ら
れる文字の標準ベクトル及び文字の部分的な構成を表わ
す文字属性が格納されていることを特徴とする。

【０００５】また、前記特徴辞書に格納されている文字
属性は、文字を構成する偏部分、冠部分、つくり部分等
の情報が格納されていることを特徴とする。

【０００６】また、前記候補文字が複数であった場合、
詳細な識別を行う類似文字識別手段は、選択された複数
の候補文字について前記特徴辞書を用いて属性を比較
し、属性が異なる部分に対応する特徴ベクトルを用いて
識別することを特徴とする。

【０００７】

【実施例】

（実施例１）以下に、本発明を図面を用いて説明する。

【０００８】図１は、本発明における文字認識方法を示
すブロック図である。２値化された文字画像に対して、
文字枠による切り取り処理１０１を行い、文字枠を切り
取る。このようにして得られた入力パターンより特徴ベ
クトルを抽出１０２する。次に入力パターンの特徴ベク
トルとあらかじめ蓄えられている特徴辞書１０３中の各
文字の標準ベクトルとの相違度を計算１０４する。次に
相違度の大きさにより候補文字を選択１０５する。ここ
で、候補文字選択手段により選択された候補文字が複数
であった場合類似文字の識別１０６を行い、候補文字を
出力１０７する。

【０００９】次に本発明における文字の分類方法を詳細
に説明する。

【００１０】図２は、文字の特徴抽出方法を示した一例
である。この場合の特徴ベクトルは文字の外接矩形をそ
れぞれｎ等分して得られた（ｎ×ｎ）の各小領域におい
て、黒画素の濃度を計数したものである。このように、
本発明では各小領域の文字情報を反映するような特徴ベ
クトルを抽出することが望ましい。次に、文字パターン
から抽出された特徴ベクトルを用いて、特徴辞書中の標
準ベクトルとの相違度を計算する。標準ベクトルとの相
違度を計算した結果、入力パターンの特徴ベクトルと、
１位候補文字カテゴリの標準ベクトルとの相違度が、２
位候補カテゴリの標準ベクトルとの相違度より非常に小
さい場合、１位候補文字を認識文字として出力する。こ
のような場合、認識候補文字を１文字に特定することが
できる。しかし、日本語文字では、構造的に類似した文
字パターンが数多く存在するため、辞書中の標準ベクト
ルと比較した結果、複数の候補文字が選択される場合が
多い。図３は、辞書中の標準ベクトルとの比較により、
複数の候補文字が生じた例を示したものである。このよ
うに候補文字は入力パターンに対して構造的に類似した
文字群である。

【００１１】次に、複数の候補文字に対して類似文字の
識別を行う。図４は、本発明における類似文字識別過程
を説明したフローチャートである。類似文字識別は、辞
書中に標準ベクトルとともに記述されている文字属性の
情報をもとに行う。図５は、本発明における特徴辞書の
構成を示したものであり、文字コード、標準ベクトル及
び文字属性情報が記述されている。文字属性情報は、日
本語を構成する偏、つくり及び冠、あし等の各部分別に
記述されている。部分ごとに共通の構造を持つものに対
しては同じ符号、また、異なる構造を持つものに対して
は互いに区別する符号が与えられている。

【００１２】図６は、文字パターンにおける各部分の存
在領域を示したものである。このように偏部分６０１、
つくり部分６０２、冠部分６０３及びあし部分６０４
は、文字パターンにおいて、それぞれ左半分、右半分、
上半分、下半分の領域に相当する。例えば、図５の特徴
辞書において「池」と「地」においてつくり部分は同一
の構造であるから同じ符号、この場合｛４｝が割り当て
られる。また偏部分は構造が違うので、異なる符号
｛１｝及び｛２｝が割り当てられる。この場合、冠部分
とあし部分は特に構造的に分けることができないので、
属性がないという意味で、符号｛＊｝が記述されてい
る。また「哀」と「衰」のように、あし部分に相当する
領域に共通の構造を持つものは、同一の符号が割り当て
られる。また、冠部分は、他に構造的に類似した文字が
存在しないので、｛０｝が割り当てられている。ここで
符号｛０｝は、各字種ごとに異なる構造を持つことを意
味している。従って、字種が異なれば、それぞれ違う構
造を持つことになる。このように、属性情報は基本的に
は漢字固有の部首の情報が記述されており、部首を持た
ない文字に対しても、他のカテゴリと共通な特徴がある
場合には符号を与える。

【００１３】類似文字集合に対して、まず最初に特徴辞
書中の属性情報を用いて、属性の比較を行う。ここで、
文字の特徴抽出において抽出した特徴量は各小領域にお
ける特徴を反映していることから、類似文字集合につい
て属性が異なる部分に相当する特徴ベクトルを比較する
ことにより類似文字の識別を行う。例えば、入力パター
ン「池」に対する候補文字群「池」、「地」及び「他」
３０１における識別方法を示す。属性情報から、これら
３つの候補文字について共通部分はつくり部分であるこ
とがわかる。従って属性の異なる偏部分について入力パ
ターンと候補文字の標準パターンとの相違度を計算す
る。この結果、相違度が最も小さい「池」が認識文字と
して出力される。

【００１４】また「村」に対する候補文字群「材」
「対」「村」３０２について示す。この場合、例えば、
偏部分については「材」と「村」が共通であり、つくり
部分では「対」と「村」が共通である。まず最初に、属
性情報により「材」と「村」が偏部分が共通しているこ
とがわかるため、つくり部分の比較を行い「村」が候補
文字として残る。次に「村」と「対」においてつくり部
分に共通部分を持っているので、偏部分の比較を行い、
この結果認識候補文字「村」を出力する。このように、
候補文字が複数であっても属性情報により共通部分を見
つけ出し、共通部分以外の領域において相違度を計算
し、逐次候補文字を絞ることにより１文字を出力でき
る。

【００１５】以上、文字領域を４つの部分にわけて、各
部分の属性に基づいて類似文字の識別を行ったが、図７
に示すように「にょう」７０１、「もんかまえ」７０２
及び「くにがまえ」７０３等の属性を区別する情報を記
述してもよい。また、さらに多くの領域に分けて、その
部分の文字属性を記述してもよい。これにより、候補文
字間の差異が生じる部分をさらに細かく特定でき、正確
に識別を行うことができる。

【００１６】

【発明の効果】以上述べたように本発明によれば、特徴
辞書中に文字の標準ベクトル及び文字の構成を示す文字
属性情報を記述しておくことにより、複数の候補文字が
生じた場合、辞書中の文字属性情報を用いて候補文字間
の差異を容易に検出できる。そして差異が生じた部分の
特徴ベクトルを比較することにより、正確かつ高速に類
似文字を識別できる文字認識装置を提供できる。

【図面の簡単な説明】

【図１】本発明における文字の分類方法を示したブロ
ック図。

【図２】文字の特徴抽出方法を示した図。

【図３】入力文字に対する候補文字を示した図。

【図４】本発明における類似文字識別過程を説明した
フローチャート。

【図５】本発明における特徴辞書の構成を示した図。

【図６】文字パターンの部分領域を示した図。

【図７】文字パターンの部分領域を示した図。

【符号の説明】

１０１文字枠切り取り手段１０２特徴ベクトル抽出手段１０３特徴辞書格納手段１０４相違度計算手段１０５候補文字選択手段１０６類似文字識別手段１０７候補文字出力３０１類似候補文字群３０２類似候補文字群６０１偏部分領域６０２つくり部分領域６０３冠部分領域６０４あし部分領域７０１「にょう」部分領域７０２「もんがまえ」部分領域７０３「くにがまえ」部分領域

Claims

【特許請求の範囲】

【請求項１】２値化された文書画像に対して、入力文
字パターンを文字枠により切り取る文字枠切り取り手段
と、文字枠切り取り手段により得られた文字パターンか
ら特徴ベクトルを抽出する特徴ベクトル抽出手段と、あ
らかじめ各字種ごとの特徴を格納している特徴辞書格納
手段と、入力パターンの特徴ベクトルと前記特徴辞書中
の各字種ごとの標準ベクトルとの相違度を求める相違度
計算手段と、前記相違度計算手段により得られた相違度
の大きさにより候補文字を選択する候補文字選択手段
と、候補文字選択手段により選択された候補文字が複数
であった場合、さらに詳細な識別を行う類似文字識別手
段からなる文字認識装置において、前記各字種ごとの特徴を格納している特徴辞書格納手段
は、文字パターンから特徴抽出することにより得られる
文字の標準ベクトル及び文字の部分的な構成を表わす文
字属性が格納されていることを特徴とする文字認識装
置。
【請求項２】前記特徴辞書に格納されている文字属性
は、文字を構成する偏部分、冠部分、つくり部分等の情
報が格納されていることを特徴とする請求項１記載の文
字認識装置。
【請求項３】前記候補文字が複数であった場合、詳細
な識別を行う類似文字識別手段は、選択された複数の候
補文字について前記特徴辞書を用いて属性を比較し、属
性が異なる部分に対応する特徴ベクトルを用いて識別す
ることを特徴とする請求項１記載の文字認識装置。