JPH05324916A - 文字認識方法及びそれを用いた文字認識装置 - Google Patents
文字認識方法及びそれを用いた文字認識装置Info
- Publication number
- JPH05324916A JPH05324916A JP4127706A JP12770692A JPH05324916A JP H05324916 A JPH05324916 A JP H05324916A JP 4127706 A JP4127706 A JP 4127706A JP 12770692 A JP12770692 A JP 12770692A JP H05324916 A JPH05324916 A JP H05324916A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- data
- exclusive
- pixel
- data vector
- 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
Landscapes
- Complex Calculations (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】 （修正有）
【目的】 特徴抽出精度と認識率の向上を図ることがで
きる文字認識装置を提供することを目的とする。 【構成】 文字に対応するピクセルデータを所定走査方
向に沿った配列毎に、位相をずらさない状態と位相をプ
ラス方向にずらした状態とマイナス方向にずらした状態
で排他的論理和演算し、夫々の演算結果について、文字
の構成部分に対応する演算結果の数を計数し、更に、位
相をずらさない状態での計数結果と位相をプラス方向に
ずらした状態での計数結果の差のデータと、位相をずら
さない状態での計数結果と位相をマイナス方向にずらし
た状態での計数結果の差のデータを特徴ベクトルの各次
元の要素として特徴抽出を行う。
きる文字認識装置を提供することを目的とする。 【構成】 文字に対応するピクセルデータを所定走査方
向に沿った配列毎に、位相をずらさない状態と位相をプ
ラス方向にずらした状態とマイナス方向にずらした状態
で排他的論理和演算し、夫々の演算結果について、文字
の構成部分に対応する演算結果の数を計数し、更に、位
相をずらさない状態での計数結果と位相をプラス方向に
ずらした状態での計数結果の差のデータと、位相をずら
さない状態での計数結果と位相をマイナス方向にずらし
た状態での計数結果の差のデータを特徴ベクトルの各次
元の要素として特徴抽出を行う。
Description
【０００１】
【産業上の利用分野】本発明は、二値化された画像デー
タから文字パターンの特徴抽出を行い、該特徴抽出デー
タに基いて文字の種類を判別する文字認識方法及びそれ
を用いた文字認識装置に関する。
タから文字パターンの特徴抽出を行い、該特徴抽出デー
タに基いて文字の種類を判別する文字認識方法及びそれ
を用いた文字認識装置に関する。
【０００２】
【従来の技術】従来、このような文字認識装置は、特許
登録番号１２２６７１４号や、特許登録番号１４３０８
９１号等に開示されたものが知られている。
登録番号１２２６７１４号や、特許登録番号１４３０８
９１号等に開示されたものが知られている。
【０００３】前者（特許登録番号１２２６７１４号）の
技術は、手書き文字等を画像読取り装置で読取ることに
より、文字の構成部分を論理値“１”、文字でない部分
を論理値“０”とするドットマトリクス状のピクセルデ
ータを発生させ、かかるピクセルデータから外接枠によ
って枠取りされた文字パターンを複数の座標方向から走
査することにより、走査線を横切る文字の構成部分の数
（文字線数という）を求め、この文字線数を、各座標軸
方向の文字パターンの複雑さを表す文字線密度関数とし
て特徴抽出したり、上記ピクセルデータから外接枠によ
って枠取りされた文字パターンを、荒いメッシュの領域
に分割し、各領域内のピクセルデータに基いて、上記同
様の文字線密度関数を求めることによって特徴抽出を行
っている。一方、後者（特許登録番号１４３０８９１
号）の技術は、上述した画像読取り装置で読取ることに
より、文字の構成部分を論理値“１”、文字でない部分
を論理値“０”とするドットマトリクス状のピクセルデ
ータを発生させ、文字の構成部分である論理値“１”の
部分に対して予め定められた複数の方向に触手を伸ばし
て、各方向毎に論理値“１”の連結長を求め、その連結
長を文字の構成部分の方向寄与度とすることにより、特
徴抽出を行っている。
技術は、手書き文字等を画像読取り装置で読取ることに
より、文字の構成部分を論理値“１”、文字でない部分
を論理値“０”とするドットマトリクス状のピクセルデ
ータを発生させ、かかるピクセルデータから外接枠によ
って枠取りされた文字パターンを複数の座標方向から走
査することにより、走査線を横切る文字の構成部分の数
（文字線数という）を求め、この文字線数を、各座標軸
方向の文字パターンの複雑さを表す文字線密度関数とし
て特徴抽出したり、上記ピクセルデータから外接枠によ
って枠取りされた文字パターンを、荒いメッシュの領域
に分割し、各領域内のピクセルデータに基いて、上記同
様の文字線密度関数を求めることによって特徴抽出を行
っている。一方、後者（特許登録番号１４３０８９１
号）の技術は、上述した画像読取り装置で読取ることに
より、文字の構成部分を論理値“１”、文字でない部分
を論理値“０”とするドットマトリクス状のピクセルデ
ータを発生させ、文字の構成部分である論理値“１”の
部分に対して予め定められた複数の方向に触手を伸ばし
て、各方向毎に論理値“１”の連結長を求め、その連結
長を文字の構成部分の方向寄与度とすることにより、特
徴抽出を行っている。
【０００４】
【発明が解決しようとする課題】ところが、前者の技術
にあっては、枠取りされた文字パターンの全領域、又は
荒いメッシュの領域に対して、所定の複数方向への文字
線密度を求めているが、この文字線密度の情報には、文
字の構成部分の内の長手方向に伸びる線分の方向（例え
ば、漢字の「大」の文字における、「一」や「人」の各
線分の方向など）に関する情報が含まれないので、精度
の良い特徴抽出が行われていたとは言えない。この結
果、手書き文字のように、書く者によって各線分の方向
が様々に異なる文字を判定するような場合には、判定精
度が低下する問題があった。
にあっては、枠取りされた文字パターンの全領域、又は
荒いメッシュの領域に対して、所定の複数方向への文字
線密度を求めているが、この文字線密度の情報には、文
字の構成部分の内の長手方向に伸びる線分の方向（例え
ば、漢字の「大」の文字における、「一」や「人」の各
線分の方向など）に関する情報が含まれないので、精度
の良い特徴抽出が行われていたとは言えない。この結
果、手書き文字のように、書く者によって各線分の方向
が様々に異なる文字を判定するような場合には、判定精
度が低下する問題があった。
【０００５】又、後者の技術にあっては、一般的に、文
字を構成する各線分は太さ（線幅）を有し、これに対し
てピクセルデータの各ドットピッチは細かいので、ピク
セルデータに基いて線分の方向を特定化しようとして
も、線幅の尤意性に起因して複数の線分方向が得られて
しまい、判定精度の低下を招来する。又、後者の技術に
基いて判定率の向上を図ろうとすれば、文字の各構成部
分に対して膨大な観測点を設定し、これらの観測点にお
けるピクセルデータに基いて方向寄与度値を求めて、極
めて高次元の特徴ベクトルに基いて認識処理を行うこと
となるので、実用に供することができない極めて低速の
文字認識装置となってしまう問題があった。
字を構成する各線分は太さ（線幅）を有し、これに対し
てピクセルデータの各ドットピッチは細かいので、ピク
セルデータに基いて線分の方向を特定化しようとして
も、線幅の尤意性に起因して複数の線分方向が得られて
しまい、判定精度の低下を招来する。又、後者の技術に
基いて判定率の向上を図ろうとすれば、文字の各構成部
分に対して膨大な観測点を設定し、これらの観測点にお
けるピクセルデータに基いて方向寄与度値を求めて、極
めて高次元の特徴ベクトルに基いて認識処理を行うこと
となるので、実用に供することができない極めて低速の
文字認識装置となってしまう問題があった。
【０００６】本発明は、このような従来の課題に鑑みて
成されたものであり、特徴抽出精度と認識率の向上を図
ることができる文字認識装置を提供することを目的とす
る。
成されたものであり、特徴抽出精度と認識率の向上を図
ることができる文字認識装置を提供することを目的とす
る。
【０００７】
【課題を解決するための手段】このような目的を達成す
るために本発明は、被認識文字を、予め決められた範囲
内に対応する二次元マトリクス状のピクセル配列の各ピ
クセルに対応する二値のピクセルデータ群に変換し、こ
れらのピクセルデータ群に基いて被認識文字の特徴ベク
トルを抽出し、該特徴ベクトルに基いて文字認識を行う
文字認識方法及び文字認識装置を対象とし、上記ピクセ
ル配列に対して所定走査方向と直交する方向に配列する
各ピクセルデータ群をピクセルデータベクトルとし、相
互に隣り合うピクセルデータベクトルの要素同志を、同
位相状態で排他的論理演算を行うことにより第１の排他
的論理和データベクトルを求めると共に、相互に隣り合
うピクセルデータベクトルの要素同志を相対的に所定要
素分プラス方向に位相をずらした状態で排他的論理演算
を行うことにより第２の排他的論理和データベクトルを
求め、更に、相互に隣り合うピクセルデータベクトルの
要素同志を相対的に所定要素分マイナス方向に位相をず
らした状態で排他的論理演算を行うことにより第３の排
他的論理和データベクトルを求め、次に、上記走査方向
に対応して順次に求められた複数の上記第１の排他的論
理和データベクトルの所定論理値の要素を各ベクトル毎
に合算することによって、第１の評価データベクトルを
求めると共に、上記走査方向に対応して順次に求められ
た複数の上記第２の排他的論理和データベクトルの所定
論理値の要素を各ベクトル毎に合算することによって、
第２の評価データベクトルを求め、更に、上記走査方向
に対応して順次に求められた複数の上記第３の排他的論
理和データベクトルの所定論理値の要素を各ベクトル毎
に合算することによって、第３の評価データベクトルを
求め、次に、上記第１の評価データベクトルと第２の評
価データベクトルの各要素毎の差を求めることによって
第１の差データベクトルを求めると共に、上記第１の評
価データベクトルと第３の評価データベクトルの各要素
毎の差を求めることによって第２の差データベクトルを
求め、これら第１，第２の差データベクトルを特徴ベク
トルとすることとした。
るために本発明は、被認識文字を、予め決められた範囲
内に対応する二次元マトリクス状のピクセル配列の各ピ
クセルに対応する二値のピクセルデータ群に変換し、こ
れらのピクセルデータ群に基いて被認識文字の特徴ベク
トルを抽出し、該特徴ベクトルに基いて文字認識を行う
文字認識方法及び文字認識装置を対象とし、上記ピクセ
ル配列に対して所定走査方向と直交する方向に配列する
各ピクセルデータ群をピクセルデータベクトルとし、相
互に隣り合うピクセルデータベクトルの要素同志を、同
位相状態で排他的論理演算を行うことにより第１の排他
的論理和データベクトルを求めると共に、相互に隣り合
うピクセルデータベクトルの要素同志を相対的に所定要
素分プラス方向に位相をずらした状態で排他的論理演算
を行うことにより第２の排他的論理和データベクトルを
求め、更に、相互に隣り合うピクセルデータベクトルの
要素同志を相対的に所定要素分マイナス方向に位相をず
らした状態で排他的論理演算を行うことにより第３の排
他的論理和データベクトルを求め、次に、上記走査方向
に対応して順次に求められた複数の上記第１の排他的論
理和データベクトルの所定論理値の要素を各ベクトル毎
に合算することによって、第１の評価データベクトルを
求めると共に、上記走査方向に対応して順次に求められ
た複数の上記第２の排他的論理和データベクトルの所定
論理値の要素を各ベクトル毎に合算することによって、
第２の評価データベクトルを求め、更に、上記走査方向
に対応して順次に求められた複数の上記第３の排他的論
理和データベクトルの所定論理値の要素を各ベクトル毎
に合算することによって、第３の評価データベクトルを
求め、次に、上記第１の評価データベクトルと第２の評
価データベクトルの各要素毎の差を求めることによって
第１の差データベクトルを求めると共に、上記第１の評
価データベクトルと第３の評価データベクトルの各要素
毎の差を求めることによって第２の差データベクトルを
求め、これら第１，第２の差データベクトルを特徴ベク
トルとすることとした。
【０００８】又、上記第１の差データベクトルの各要素
を所定数ずつ平均演算すると共に、上記第２の差データ
ベクトルの各要素を所定数ずつ平均演算し、これらの平
均値を特徴ベクトルの要素とすることとした。
を所定数ずつ平均演算すると共に、上記第２の差データ
ベクトルの各要素を所定数ずつ平均演算し、これらの平
均値を特徴ベクトルの要素とすることとした。
【０００９】
【作用】かかる発明によれば、このようにして特徴抽出
された特徴ベクトルは、各次元の要素の絶対値が、走査
方向と文字の線分との交差部分における輪郭点の数を表
し、更に各要素の値がプラスかマイナスかによって線分
の長手方向を表すことから、各走査方向における文字線
密度の情報と、文字の輪郭点の情報と、文字を構成する
線分の文字線方向の特徴情報と、線分の位置情報を含ん
だ優れた特徴抽出が実現される。
された特徴ベクトルは、各次元の要素の絶対値が、走査
方向と文字の線分との交差部分における輪郭点の数を表
し、更に各要素の値がプラスかマイナスかによって線分
の長手方向を表すことから、各走査方向における文字線
密度の情報と、文字の輪郭点の情報と、文字を構成する
線分の文字線方向の特徴情報と、線分の位置情報を含ん
だ優れた特徴抽出が実現される。
【００１０】又、差データを求めることにより、雑音成
分が抽出した特徴ベクトル中に含まれるような場合であ
っても効果的にこれらの雑音成分のみを除去することが
できる。
分が抽出した特徴ベクトル中に含まれるような場合であ
っても効果的にこれらの雑音成分のみを除去することが
できる。
【００１１】更に、差データの要素を所定数ずつ平均化
演算処理して最終的な特徴ベクトル求めることで、特徴
ベクトルの次元数が低減され、文字認識処理を行う際の
処理速度を大幅に向上させることができる。
演算処理して最終的な特徴ベクトル求めることで、特徴
ベクトルの次元数が低減され、文字認識処理を行う際の
処理速度を大幅に向上させることができる。
【００１２】
【実施例】以下、本発明による文字認識装置の一実施例
を図面と共に説明する。
を図面と共に説明する。
【００１３】まず、概略構成を図１に基いて説明する
と、イメージスキャナ等の画像入力手段１が、紙面等に
書かれた手書き文字や印刷文字等を読み取り、文字の構
成部分を論理値“１”、非構成部分を論理値“０”とす
るドットマトリクス状のピクセルデータに変換して出力
し、半導体メモリ等から成る記憶手段２が、これらのピ
クセルデータを記憶する。文字抽出手段３は、記憶手段
２に記憶されたピクセルデータを読出し、一つ一つの文
字に対応するピクセルデータ群に分割して文字正規化手
段４へ転送する。尚、一つ一つの文字に対応したピクセ
ルデータ群に分割する処理を枠取り処理という。文字正
規化手段４は、一つ一つの文字に対して大きさや回転等
の正規化処理を行うことにより、所定の規格範囲内に収
まる文字に対応するピクセルデータ群を発生する。特徴
ベクトル抽出手段５は、正規化されたピクセルデータに
基いて、後述する所定の特徴抽出処理を行うことによ
り、一つ一つの文字の特徴ベクトルを発生する。文字認
識手段６は、特徴ベクトルに対して、後述する所定のア
ルゴリズムに従った文字認識処理を行うことにより文字
の種類を判定し、その判定結果を出力する。
と、イメージスキャナ等の画像入力手段１が、紙面等に
書かれた手書き文字や印刷文字等を読み取り、文字の構
成部分を論理値“１”、非構成部分を論理値“０”とす
るドットマトリクス状のピクセルデータに変換して出力
し、半導体メモリ等から成る記憶手段２が、これらのピ
クセルデータを記憶する。文字抽出手段３は、記憶手段
２に記憶されたピクセルデータを読出し、一つ一つの文
字に対応するピクセルデータ群に分割して文字正規化手
段４へ転送する。尚、一つ一つの文字に対応したピクセ
ルデータ群に分割する処理を枠取り処理という。文字正
規化手段４は、一つ一つの文字に対して大きさや回転等
の正規化処理を行うことにより、所定の規格範囲内に収
まる文字に対応するピクセルデータ群を発生する。特徴
ベクトル抽出手段５は、正規化されたピクセルデータに
基いて、後述する所定の特徴抽出処理を行うことによ
り、一つ一つの文字の特徴ベクトルを発生する。文字認
識手段６は、特徴ベクトルに対して、後述する所定のア
ルゴリズムに従った文字認識処理を行うことにより文字
の種類を判定し、その判定結果を出力する。
【００１４】次に、特徴ベクトル抽出手段５による特徴
抽出の原理を説明する。
抽出の原理を説明する。
【００１５】例えば，図２に示すように、正規化された
ピクセルデータ群は、縦Ｎ＋１列、横Ｎ＋１行ずつのマ
トリクス状に配列された（Ｎ＋１）×（Ｎ＋１）個のピ
クセルデータの集合として表され、文字を構成する部分
の個々のピクセルデータが論理値“１”、文字を構成し
ない部分の個々のピクセルデータが論理値“０”とな
る。
ピクセルデータ群は、縦Ｎ＋１列、横Ｎ＋１行ずつのマ
トリクス状に配列された（Ｎ＋１）×（Ｎ＋１）個のピ
クセルデータの集合として表され、文字を構成する部分
の個々のピクセルデータが論理値“１”、文字を構成し
ない部分の個々のピクセルデータが論理値“０”とな
る。
【００１６】そして、便宜上、次の定義によって各ピク
セルデータを特定する。 ［定義１］図２の横方向（Ｈ−Ｈ方向）を水平走査方
向、縦方向（Ｖ−Ｖ方向）を垂直走査方向、４５°斜め
方向（Ｒ−Ｒ方向）を４５°走査方向、１３５°斜め方
向（Ｑ−Ｑ方向）を１３５°走査方向と定義する。
セルデータを特定する。 ［定義１］図２の横方向（Ｈ−Ｈ方向）を水平走査方
向、縦方向（Ｖ−Ｖ方向）を垂直走査方向、４５°斜め
方向（Ｒ−Ｒ方向）を４５°走査方向、１３５°斜め方
向（Ｑ−Ｑ方向）を１３５°走査方向と定義する。
【００１７】［定義２］図３に示すように、水平走査方
向（Ｈ−Ｈ方向）におけるピクセルデータの配列位置を
ｉ＝１〜Ｎ＋１、水平走査方向と直交する方向（即ち、
Ｖ−Ｖ方向）におけるピクセルデータの配列位置をｊ＝
１〜Ｎ＋１で表し、各列ｉ毎にＶ−Ｖ方向に存在するピ
クセルデータ群を夫々、水平ピクセルデータベクトルと
呼び、ＤＨ1 ，ＤＨ2 ……ＤＨi ……ＤＨN ，ＤＨN+1
で表す。更に、夫々の水平ピクセルデータベクトルの要
素である各ピクセルデータを、ＤＨ1 (j) ，ＤＨ2 (j)
……ＤＨi (j) ……ＤＨN (j) ，ＤＨN+1 (j) で表す。
即ち、 ＤＨ1 ＝〔ＤＨ1 (1) ，ＤＨ1 (2) ……ＤＨ1 (N+1) 〕 ＤＨ2 ＝〔ＤＨ2 (1) ，ＤＨ2 (2) ……ＤＨ2 (N+1) 〕 … … … ＤＨi ＝〔ＤＨi (1) ，ＤＨi (2) ……ＤＨi (N+1) 〕 … … … ＤＨN+1 ＝〔ＤＨN+1 (1) ，ＤＨN+1 (2) ……ＤＨN+1 (N+1) 〕 とする。
向（Ｈ−Ｈ方向）におけるピクセルデータの配列位置を
ｉ＝１〜Ｎ＋１、水平走査方向と直交する方向（即ち、
Ｖ−Ｖ方向）におけるピクセルデータの配列位置をｊ＝
１〜Ｎ＋１で表し、各列ｉ毎にＶ−Ｖ方向に存在するピ
クセルデータ群を夫々、水平ピクセルデータベクトルと
呼び、ＤＨ1 ，ＤＨ2 ……ＤＨi ……ＤＨN ，ＤＨN+1
で表す。更に、夫々の水平ピクセルデータベクトルの要
素である各ピクセルデータを、ＤＨ1 (j) ，ＤＨ2 (j)
……ＤＨi (j) ……ＤＨN (j) ，ＤＨN+1 (j) で表す。
即ち、 ＤＨ1 ＝〔ＤＨ1 (1) ，ＤＨ1 (2) ……ＤＨ1 (N+1) 〕 ＤＨ2 ＝〔ＤＨ2 (1) ，ＤＨ2 (2) ……ＤＨ2 (N+1) 〕 … … … ＤＨi ＝〔ＤＨi (1) ，ＤＨi (2) ……ＤＨi (N+1) 〕 … … … ＤＨN+1 ＝〔ＤＨN+1 (1) ，ＤＨN+1 (2) ……ＤＨN+1 (N+1) 〕 とする。
【００１８】［定義３］図４に示すように、垂直走査方
向（Ｖ−Ｖ方向）におけるピクセルデータの配列位置を
ｊ＝１〜Ｎ＋１、垂直走査方向と直交する方向（即ち、
Ｈ−Ｈ方向）におけるピクセルデータの配列位置をｉ＝
１〜Ｎ＋１で表し、各行ｊ毎のＨ−Ｈ方向に存在するピ
クセルデータ群を夫々、垂直ピクセルデータベクトルと
呼び、ＤＶ1 ，ＤＶ2 ……ＤＶj ……ＤＶN ，ＤＶN+1
で表す。更に、夫々の垂直ピクセルデータベクトルの要
素である各ピクセルデータを、ＤＶ1 (i) ，ＤＶ2 (i)
……ＤＶj (i) ……ＤＶN (i) ，ＤＶN+1 (i) で表す。
即ち、 ＤＶ1 ＝〔ＤＶ1 (1) ，ＤＶ1 (2) ……ＤＶ1 (N+1) 〕 ＤＶ2 ＝〔ＤＶ2 (1) ，ＤＶ2 (2) ……ＤＶ2 (N+1) 〕 … … … ＤＶj ＝〔ＤＶj (1) ，ＤＶj (2) ……ＤＶj (N+1) 〕 … … … ＤＶN+1 ＝〔ＤＶN+1 (1) ，ＤＶN+1 (2) ……ＤＶN+1 (N+1) 〕 とする。
向（Ｖ−Ｖ方向）におけるピクセルデータの配列位置を
ｊ＝１〜Ｎ＋１、垂直走査方向と直交する方向（即ち、
Ｈ−Ｈ方向）におけるピクセルデータの配列位置をｉ＝
１〜Ｎ＋１で表し、各行ｊ毎のＨ−Ｈ方向に存在するピ
クセルデータ群を夫々、垂直ピクセルデータベクトルと
呼び、ＤＶ1 ，ＤＶ2 ……ＤＶj ……ＤＶN ，ＤＶN+1
で表す。更に、夫々の垂直ピクセルデータベクトルの要
素である各ピクセルデータを、ＤＶ1 (i) ，ＤＶ2 (i)
……ＤＶj (i) ……ＤＶN (i) ，ＤＶN+1 (i) で表す。
即ち、 ＤＶ1 ＝〔ＤＶ1 (1) ，ＤＶ1 (2) ……ＤＶ1 (N+1) 〕 ＤＶ2 ＝〔ＤＶ2 (1) ，ＤＶ2 (2) ……ＤＶ2 (N+1) 〕 … … … ＤＶj ＝〔ＤＶj (1) ，ＤＶj (2) ……ＤＶj (N+1) 〕 … … … ＤＶN+1 ＝〔ＤＶN+1 (1) ，ＤＶN+1 (2) ……ＤＶN+1 (N+1) 〕 とする。
【００１９】［定義４］図５に示すように、４５°走査
方向（Ｒ−Ｒ方向）におけるピクセルデータの配列位置
をｒ＝１〜２Ｎ＋１、４５°走査方向と直交する方向
（即ち、Ｑ−Ｑ方向）におけるピクセルデータの配列位
置をｑ＝１〜２Ｎ＋１で表し、この配列を整然と示した
図６のように、各列ｒ毎のＲ−Ｒ方向に存在するピクセ
ルデータ群を夫々、４５°ピクセルデータベクトルと呼
び、ＤＲ1 ，ＤＲ2 ……ＤＲr ……ＤＲ2N，ＤＲ2N+1で
表す。更に、夫々の４５°ピクセルデータベクトルの要
素である各ピクセルデータを、ＤＲ1 (q) ，ＤＲ2 (q)
……ＤＲr (q) ……ＤＲ2N(q) ，ＤＲ2N+1(q) で表す。
即ち、 ＤＲ1 ＝〔ＤＲ1 (1) ，ＤＲ1 (2) ……ＤＲ1 (2N+1) 〕 ＤＲ2 ＝〔ＤＲ2 (1) ，ＤＲ2 (2) ……ＤＲ2 (2N+1) 〕 … … … ＤＲr ＝〔ＤＲr (1) ，ＤＲr (2) ……ＤＲr (2N+1) 〕 … … … ＤＲN+1 ＝〔ＤＲ2N+1(1) ，ＤＲ2N+1(2) ……ＤＲ2N+1(2N+1) 〕 とする。
方向（Ｒ−Ｒ方向）におけるピクセルデータの配列位置
をｒ＝１〜２Ｎ＋１、４５°走査方向と直交する方向
（即ち、Ｑ−Ｑ方向）におけるピクセルデータの配列位
置をｑ＝１〜２Ｎ＋１で表し、この配列を整然と示した
図６のように、各列ｒ毎のＲ−Ｒ方向に存在するピクセ
ルデータ群を夫々、４５°ピクセルデータベクトルと呼
び、ＤＲ1 ，ＤＲ2 ……ＤＲr ……ＤＲ2N，ＤＲ2N+1で
表す。更に、夫々の４５°ピクセルデータベクトルの要
素である各ピクセルデータを、ＤＲ1 (q) ，ＤＲ2 (q)
……ＤＲr (q) ……ＤＲ2N(q) ，ＤＲ2N+1(q) で表す。
即ち、 ＤＲ1 ＝〔ＤＲ1 (1) ，ＤＲ1 (2) ……ＤＲ1 (2N+1) 〕 ＤＲ2 ＝〔ＤＲ2 (1) ，ＤＲ2 (2) ……ＤＲ2 (2N+1) 〕 … … … ＤＲr ＝〔ＤＲr (1) ，ＤＲr (2) ……ＤＲr (2N+1) 〕 … … … ＤＲN+1 ＝〔ＤＲ2N+1(1) ，ＤＲ2N+1(2) ……ＤＲ2N+1(2N+1) 〕 とする。
【００２０】［定義５］図７に示すように、１３５°走
査方向（Ｑ−Ｑ方向）におけるピクセルデータの配列位
置をｑ＝１〜２Ｎ＋１、１３５°走査方向と直交する方
向（即ち、Ｒ−Ｒ方向）におけるピクセルデータの配列
位置をｒ＝１〜２Ｎ＋１で表し、この配列を整然と示し
た図８のように、各行ｑ毎のＱ−Ｑ方向に存在するピク
セルデータ群を夫々、１３５°ピクセルデータベクトル
と呼び、ＤＱ1 ，ＤＱ2 ……ＤＱq ……ＤＱ2N，ＤＱ
2N+1で表す。更に、夫々の１３５°ピクセルデータベク
トルの要素である各ピクセルデータを、ＤＱ1 (r) ，Ｄ
Ｑ2 (r) ……ＤＱq (r) ……ＤＱ2N(r) ，ＤＱ2N+1(r)
で表す。即ち、 ＤＱ1 ＝〔ＤＱ1 (1) ，ＤＱ1 (2) ……ＤＱ1 (2N+1) 〕 ＤＱ2 ＝〔ＤＱ2 (1) ，ＤＱ2 (2) ……ＤＱ2 (2N+1) 〕 … … … ＤＱq ＝〔ＤＱq (1) ，ＤＱq (2) ……ＤＱq (2N+1) 〕 … … … ＤＱ2N+1＝〔ＤＱ2N+1(1) ，ＤＱ2N+1(2) ……ＤＱ2N+1(2N+1) 〕 とする。
査方向（Ｑ−Ｑ方向）におけるピクセルデータの配列位
置をｑ＝１〜２Ｎ＋１、１３５°走査方向と直交する方
向（即ち、Ｒ−Ｒ方向）におけるピクセルデータの配列
位置をｒ＝１〜２Ｎ＋１で表し、この配列を整然と示し
た図８のように、各行ｑ毎のＱ−Ｑ方向に存在するピク
セルデータ群を夫々、１３５°ピクセルデータベクトル
と呼び、ＤＱ1 ，ＤＱ2 ……ＤＱq ……ＤＱ2N，ＤＱ
2N+1で表す。更に、夫々の１３５°ピクセルデータベク
トルの要素である各ピクセルデータを、ＤＱ1 (r) ，Ｄ
Ｑ2 (r) ……ＤＱq (r) ……ＤＱ2N(r) ，ＤＱ2N+1(r)
で表す。即ち、 ＤＱ1 ＝〔ＤＱ1 (1) ，ＤＱ1 (2) ……ＤＱ1 (2N+1) 〕 ＤＱ2 ＝〔ＤＱ2 (1) ，ＤＱ2 (2) ……ＤＱ2 (2N+1) 〕 … … … ＤＱq ＝〔ＤＱq (1) ，ＤＱq (2) ……ＤＱq (2N+1) 〕 … … … ＤＱ2N+1＝〔ＤＱ2N+1(1) ，ＤＱ2N+1(2) ……ＤＱ2N+1(2N+1) 〕 とする。
【００２１】次に、水平走査方向に並ぶ水平ピクセルデ
ータベクトルＤＨ1 〜ＤＨN+1 毎に夫々の要素（ピクセ
ルデータ）について、次式(1) 〜(3) の排他的論理和演
算を行うことによって、３種類の排他的論理和データベ
クトルＥＤＨ0,i ，ＥＤＨ1,i ，ＥＤＨ-1,iを求める。
ータベクトルＤＨ1 〜ＤＨN+1 毎に夫々の要素（ピクセ
ルデータ）について、次式(1) 〜(3) の排他的論理和演
算を行うことによって、３種類の排他的論理和データベ
クトルＥＤＨ0,i ，ＥＤＨ1,i ，ＥＤＨ-1,iを求める。
【００２２】
【数１】
【００２３】
【数２】
【００２４】
【数３】
【００２５】即ち、排他的論理和データベクトルＥＤＨ
0,i は、相互に隣り合う水平ピクセルデータベクトルＤ
Ｈi とＤＨi+1 の各要素ＤＨi (j) とＤＨi+1 (j) を要
素間で位相をずらさない状態で排他的論理和演算するこ
とによって求まる演算結果ＥＤＨ0,i (j) を要素とする
データベクトルである。又、排他的論理和データベクト
ルＥＤＨ1,i は、水平ピクセルデータベクトルＤＨi の
各要素ＤＨi (j) と水平ピクセルデータベクトルＤＨ
i+1 の各要素ＤＨi+1 (j) を、要素間で相対的に位相を
＋１ずらした状態で排他的論理和演算することによって
求まる演算結果ＥＤＨ1,i (j) を要素とするデータベク
トルである。更に、排他的論理和データベクトルＥＤＨ
-1,iは、水平ピクセルデータベクトルＤＨi の各要素Ｄ
Ｈi (j) と水平ピクセルデータベクトルＤＨi+1 の各要
素ＤＨi+1 (j) を、要素間で相対的に位相を−１ずらし
た状態で排他的論理和演算することによって求まる演算
結果ＥＤＨ-1,i(j) を要素とするデータベクトルであ
る。
0,i は、相互に隣り合う水平ピクセルデータベクトルＤ
Ｈi とＤＨi+1 の各要素ＤＨi (j) とＤＨi+1 (j) を要
素間で位相をずらさない状態で排他的論理和演算するこ
とによって求まる演算結果ＥＤＨ0,i (j) を要素とする
データベクトルである。又、排他的論理和データベクト
ルＥＤＨ1,i は、水平ピクセルデータベクトルＤＨi の
各要素ＤＨi (j) と水平ピクセルデータベクトルＤＨ
i+1 の各要素ＤＨi+1 (j) を、要素間で相対的に位相を
＋１ずらした状態で排他的論理和演算することによって
求まる演算結果ＥＤＨ1,i (j) を要素とするデータベク
トルである。更に、排他的論理和データベクトルＥＤＨ
-1,iは、水平ピクセルデータベクトルＤＨi の各要素Ｄ
Ｈi (j) と水平ピクセルデータベクトルＤＨi+1 の各要
素ＤＨi+1 (j) を、要素間で相対的に位相を−１ずらし
た状態で排他的論理和演算することによって求まる演算
結果ＥＤＨ-1,i(j) を要素とするデータベクトルであ
る。
【００２６】典型例を述べれば、図９（Ａ）に示すよう
に、（Ｎ＋１）×（Ｎ＋１）＝１７×１７のピクセル群
中に斜線で示すような文字に対応するピクセルデータ群
Ｘが存在する場合を対象とすると、例えば、ｉ＝６番目
の水平ピクセルデータベクトルＤＨ6 とｉ＋１＝７番目
の水平ピクセルデータＤＨ7 との演算を行うときは、位
相ずれの無いときの水平ピクセルデータベクトルＤＨ6
とＤＨ7 の各要素は、図９（Ｂ）に示すように、夫々
［0000111110000000］と［0000111110000000］であるか
ら、演算によって求まる排他的論理和データベクトルＥ
ＤＨ0,6 は［0000000000000000］となり、更に、変数ｉ
を変えた時の他の組み合わせについても同様の演算を行
うことで、Ｎ＝１６個の排他的論理和データベクトルＥ
ＤＨ0,1 〜ＥＤＨ0,16が求められる。
に、（Ｎ＋１）×（Ｎ＋１）＝１７×１７のピクセル群
中に斜線で示すような文字に対応するピクセルデータ群
Ｘが存在する場合を対象とすると、例えば、ｉ＝６番目
の水平ピクセルデータベクトルＤＨ6 とｉ＋１＝７番目
の水平ピクセルデータＤＨ7 との演算を行うときは、位
相ずれの無いときの水平ピクセルデータベクトルＤＨ6
とＤＨ7 の各要素は、図９（Ｂ）に示すように、夫々
［0000111110000000］と［0000111110000000］であるか
ら、演算によって求まる排他的論理和データベクトルＥ
ＤＨ0,6 は［0000000000000000］となり、更に、変数ｉ
を変えた時の他の組み合わせについても同様の演算を行
うことで、Ｎ＝１６個の排他的論理和データベクトルＥ
ＤＨ0,1 〜ＥＤＨ0,16が求められる。
【００２７】又、ｉ＝６番目の水平ピクセルデータベク
トルＤＨ6 とｉ＋１＝７番目の水平ピクセルデータＤＨ
7 との各要素の位相ずれが＋１のときは、図９（Ｃ）に
示すように、水平ピクセルデータベクトルＤＨ6 の各要
素は［0000111110000000］、水平ピクセルデータベクト
ルＤＨ7 の各要素は［0001111100000000］となるので、
演算によって求まる排他的論理和データベクトルＥＤＨ
1,6 の各要素ＥＤＨ1,6 (j) は［0001000010000000］と
なり、更に、変数ｉを変えた時の他の組み合わせについ
ても同様の演算を行うことで、Ｎ＝１６個の排他的論理
和データベクトルＥＤＨ1,1 〜ＥＤＨ1,16が求められ
る。
トルＤＨ6 とｉ＋１＝７番目の水平ピクセルデータＤＨ
7 との各要素の位相ずれが＋１のときは、図９（Ｃ）に
示すように、水平ピクセルデータベクトルＤＨ6 の各要
素は［0000111110000000］、水平ピクセルデータベクト
ルＤＨ7 の各要素は［0001111100000000］となるので、
演算によって求まる排他的論理和データベクトルＥＤＨ
1,6 の各要素ＥＤＨ1,6 (j) は［0001000010000000］と
なり、更に、変数ｉを変えた時の他の組み合わせについ
ても同様の演算を行うことで、Ｎ＝１６個の排他的論理
和データベクトルＥＤＨ1,1 〜ＥＤＨ1,16が求められ
る。
【００２８】更に、ｉ＝６番目の水平ピクセルデータベ
クトルＤＨ6 とｉ＋１＝７番目の水平ピクセルデータＤ
Ｈ7 との各要素の位相ずれが−１のときは、図９（Ｄ）
に示すように、水平ピクセルデータベクトルＤＨ6 の各
要素は［0000111110000000］、水平ピクセルデータベク
トルＤＨ7 の各要素は［0000011111000000］となるの
で、演算によって求まる排他的論理和データベクトルＥ
ＤＨ-1,6の各要素ＥＤＨ-1,6(j) は［000010000100000
0］となり、更に、他の組み合わせについても同様の演
算を行うので、Ｎ＝１６個の排他的論理和データベクト
ルＥＤＨ-1,1〜ＥＤＨ-1,16 が求められる。
クトルＤＨ6 とｉ＋１＝７番目の水平ピクセルデータＤ
Ｈ7 との各要素の位相ずれが−１のときは、図９（Ｄ）
に示すように、水平ピクセルデータベクトルＤＨ6 の各
要素は［0000111110000000］、水平ピクセルデータベク
トルＤＨ7 の各要素は［0000011111000000］となるの
で、演算によって求まる排他的論理和データベクトルＥ
ＤＨ-1,6の各要素ＥＤＨ-1,6(j) は［000010000100000
0］となり、更に、他の組み合わせについても同様の演
算を行うので、Ｎ＝１６個の排他的論理和データベクト
ルＥＤＨ-1,1〜ＥＤＨ-1,16 が求められる。
【００２９】次に、次式(4) 〜(6) に示す演算処理を行
うことにより、新たに、３種類の評価データベクトルＳ
ＥＤＨ0 ，ＳＥＤＨ1 ，ＳＥＤＨ-1を求める。
うことにより、新たに、３種類の評価データベクトルＳ
ＥＤＨ0 ，ＳＥＤＨ1 ，ＳＥＤＨ-1を求める。
【００３０】
【数４】
【００３１】
【数５】
【００３２】
【数６】
【００３３】即ち、前記式(1) に示す各排他的論理和デ
ータベクトルＥＤＨ0,i 毎に、式(4) に基づいて、論理
値“１”である要素の数を計数し、夫々の計数値ＳＥＤ
Ｈ0(i) を要素とする評価データベクトルＳＥＤＨ0 を
求める。又、前記式(2) に示す各排他的論理和データベ
クトルＥＤＨ1,i 毎に、式(5) に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＨ
1 (i) を要素とする評価データベクトルＳＥＤＨ1 を求
める。更に、前記式(3) に示す各排他的論理和データベ
クトルＥＤＨ-1,i毎に、式(6) に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＨ
-1(i) を要素とする評価データベクトルＳＥＤＨ-1を求
める。
ータベクトルＥＤＨ0,i 毎に、式(4) に基づいて、論理
値“１”である要素の数を計数し、夫々の計数値ＳＥＤ
Ｈ0(i) を要素とする評価データベクトルＳＥＤＨ0 を
求める。又、前記式(2) に示す各排他的論理和データベ
クトルＥＤＨ1,i 毎に、式(5) に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＨ
1 (i) を要素とする評価データベクトルＳＥＤＨ1 を求
める。更に、前記式(3) に示す各排他的論理和データベ
クトルＥＤＨ-1,i毎に、式(6) に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＨ
-1(i) を要素とする評価データベクトルＳＥＤＨ-1を求
める。
【００３４】これにより、図９（Ｅ）に示すように、共
にＮ個の要素から成る３種類の評価データベクトルＳＥ
ＤＨ0 ，ＳＥＤＨ1 ，ＳＥＤＨ-1を得る。ちなみに、図
９（Ｂ）（Ｃ）（Ｄ）に示す場合の各要素の計数値は、
ＳＥＤＨ0 (6) ＝０、ＳＥＤＨ1 (6) ＝２、ＳＥＤＨ-1
(6) ＝２となる。
にＮ個の要素から成る３種類の評価データベクトルＳＥ
ＤＨ0 ，ＳＥＤＨ1 ，ＳＥＤＨ-1を得る。ちなみに、図
９（Ｂ）（Ｃ）（Ｄ）に示す場合の各要素の計数値は、
ＳＥＤＨ0 (6) ＝０、ＳＥＤＨ1 (6) ＝２、ＳＥＤＨ-1
(6) ＝２となる。
【００３５】次に、次式(7) に基いて、第１の評価デー
タベクトルＳＥＤＨ0 の各要素ＳＥＤＨ0 (i) と第２の
評価データベクトルＳＥＤＨ1 の各要素ＳＥＤＨ1 (i)
との差を求め、夫々の差ΔＨX (i) を要素とする第１の
差データベクトルΔＨX を求める。
タベクトルＳＥＤＨ0 の各要素ＳＥＤＨ0 (i) と第２の
評価データベクトルＳＥＤＨ1 の各要素ＳＥＤＨ1 (i)
との差を求め、夫々の差ΔＨX (i) を要素とする第１の
差データベクトルΔＨX を求める。
【００３６】
【数７】
【００３７】更に、次式(8) に基いて、第１の評価デー
タベクトルＳＥＤＨ0 の各要素ＳＥＤＨ0 (i) と第３の
評価データベクトルＳＥＤＨ-1の各要素ＳＥＤＨ-1(i)
との差を求め、夫々の差ΔＨY (i) を要素とする第２の
差データベクトルΔＨY を求める。
タベクトルＳＥＤＨ0 の各要素ＳＥＤＨ0 (i) と第３の
評価データベクトルＳＥＤＨ-1の各要素ＳＥＤＨ-1(i)
との差を求め、夫々の差ΔＨY (i) を要素とする第２の
差データベクトルΔＨY を求める。
【００３８】
【数８】
【００３９】これにより、図９（Ｆ）に示すように、共
に等しいデータ数Ｎから成る２種類の差データΔＨ
X (i) とΔＨY (i) を得る。
に等しいデータ数Ｎから成る２種類の差データΔＨ
X (i) とΔＨY (i) を得る。
【００４０】次に、これらの差データベクトルΔＨX と
ΔＨY の夫々の要素について、次式(9)(10) に基く所定
数ずつの平均値演算を行うことにより、最終的な特徴ベ
クトルの要素ＨX (I) ，ＨY (I) を求める。これによ
り、図９（Ｇ）に示すように、共に等しい要素数Ｎ／ｍ
から成る２種類の特徴ベクトルＨX ，ＨY を得る。
ΔＨY の夫々の要素について、次式(9)(10) に基く所定
数ずつの平均値演算を行うことにより、最終的な特徴ベ
クトルの要素ＨX (I) ，ＨY (I) を求める。これによ
り、図９（Ｇ）に示すように、共に等しい要素数Ｎ／ｍ
から成る２種類の特徴ベクトルＨX ，ＨY を得る。
【００４１】
【数９】
【００４２】
【数１０】
【００４３】このように、上記式(1) 〜(10)に基づいて
求められる２種類の特徴ベクトルＨX ，ＨY を合せて、
水平走査方向特徴ベクトルとし、その要素は〔ＨX (1)
，……，ＨX (N/m) ，ＨY (1) ，……，ＨY (N/m) 〕
となる。
求められる２種類の特徴ベクトルＨX ，ＨY を合せて、
水平走査方向特徴ベクトルとし、その要素は〔ＨX (1)
，……，ＨX (N/m) ，ＨY (1) ，……，ＨY (N/m) 〕
となる。
【００４４】次に、垂直走査方向における文字の特徴ベ
クトルの抽出を、上記式(1) 〜(10)と同様の処理に基い
て行う。即ち、垂直走査方向に並ぶ垂直ピクセルデータ
ベクトルＤＶ1 〜ＤＶN+1 毎に夫々の要素（ピクセルデ
ータ）について、次式(11)〜(13)の排他的論理和演算を
行うことによって、３種類の排他的論理和データベクト
ルＥＤＶ0,j ，ＥＤＶ1,j ，ＥＤＶ-1,jを求める。
クトルの抽出を、上記式(1) 〜(10)と同様の処理に基い
て行う。即ち、垂直走査方向に並ぶ垂直ピクセルデータ
ベクトルＤＶ1 〜ＤＶN+1 毎に夫々の要素（ピクセルデ
ータ）について、次式(11)〜(13)の排他的論理和演算を
行うことによって、３種類の排他的論理和データベクト
ルＥＤＶ0,j ，ＥＤＶ1,j ，ＥＤＶ-1,jを求める。
【００４５】
【数１１】
【００４６】
【数１２】
【００４７】
【数１３】
【００４８】即ち、排他的論理和データベクトルＥＤＶ
0,j は、相互に隣り合う垂直ピクセルデータベクトルＤ
Ｖj とＤＶj+1 の各要素ＤＶj (i) とＤＶj+1 (i) を要
素間で位相をずらさない状態で排他的論理和演算するこ
とによって求まる演算結果ＥＤＶ0,j (i) を要素とする
データベクトルである。又、排他的論理和データベクト
ルＥＤＶ1,j は、垂直ピクセルデータベクトルＤＶj の
各要素ＤＶj (i) と垂直ピクセルデータベクトルＤＶ
j+1 の各要素ＤＶj+1 (i) を、要素間で相対的に位相を
＋１ずらした状態で排他的論理和演算することによって
求まる演算結果ＥＤＶ1,j (i) を要素とするデータベク
トルである。更に、排他的論理和データベクトルＥＤＶ
-1,jは、垂直ピクセルデータベクトルＤＶj の各要素Ｄ
Ｖj (i) と垂直ピクセルデータベクトルＤＶj+1 の各要
素ＤＶj+1 (i) を、要素間で相対的に位相を−１ずらし
た状態で排他的論理和演算することによって求まる演算
結果ＥＤＶ-1,j(i) を要素とするデータベクトルであ
る。
0,j は、相互に隣り合う垂直ピクセルデータベクトルＤ
Ｖj とＤＶj+1 の各要素ＤＶj (i) とＤＶj+1 (i) を要
素間で位相をずらさない状態で排他的論理和演算するこ
とによって求まる演算結果ＥＤＶ0,j (i) を要素とする
データベクトルである。又、排他的論理和データベクト
ルＥＤＶ1,j は、垂直ピクセルデータベクトルＤＶj の
各要素ＤＶj (i) と垂直ピクセルデータベクトルＤＶ
j+1 の各要素ＤＶj+1 (i) を、要素間で相対的に位相を
＋１ずらした状態で排他的論理和演算することによって
求まる演算結果ＥＤＶ1,j (i) を要素とするデータベク
トルである。更に、排他的論理和データベクトルＥＤＶ
-1,jは、垂直ピクセルデータベクトルＤＶj の各要素Ｄ
Ｖj (i) と垂直ピクセルデータベクトルＤＶj+1 の各要
素ＤＶj+1 (i) を、要素間で相対的に位相を−１ずらし
た状態で排他的論理和演算することによって求まる演算
結果ＥＤＶ-1,j(i) を要素とするデータベクトルであ
る。
【００４９】典型例を述べれば、図１０（Ａ）に示すよ
うに、（Ｎ＋１）×（Ｎ＋１）＝１７×１７のピクセル
群中に斜線で示すような文字に対応するピクセルデータ
群Ｘが存在する場合を対象とすると、例えば、ｊ＝６番
目の垂直ピクセルデータベクトルＤＶ6 とｊ＋１＝７番
目の垂直ピクセルデータＤＶ7 との演算を行うときは、
位相ずれの無いときの垂直ピクセルデータベクトルＤＶ
6 とＤＶ7 の各要素は、図１０（Ｂ）に示すように、夫
々［0011111111111100］と［0011111111111000］である
から、演算によって求まる排他的論理和データベクトル
ＥＤＶ0,6 は［0000000000000000］となり、更に、変数
ｊを変えた時の他の組み合わせについても同様の演算を
行うことで、Ｎ＝１６個の排他的論理和データベクトル
ＥＤＶ0,1 〜ＥＤＶ0,16が求められる。
うに、（Ｎ＋１）×（Ｎ＋１）＝１７×１７のピクセル
群中に斜線で示すような文字に対応するピクセルデータ
群Ｘが存在する場合を対象とすると、例えば、ｊ＝６番
目の垂直ピクセルデータベクトルＤＶ6 とｊ＋１＝７番
目の垂直ピクセルデータＤＶ7 との演算を行うときは、
位相ずれの無いときの垂直ピクセルデータベクトルＤＶ
6 とＤＶ7 の各要素は、図１０（Ｂ）に示すように、夫
々［0011111111111100］と［0011111111111000］である
から、演算によって求まる排他的論理和データベクトル
ＥＤＶ0,6 は［0000000000000000］となり、更に、変数
ｊを変えた時の他の組み合わせについても同様の演算を
行うことで、Ｎ＝１６個の排他的論理和データベクトル
ＥＤＶ0,1 〜ＥＤＶ0,16が求められる。
【００５０】又、ｊ＝６番目の垂直ピクセルデータベク
トルＤＶ6 とｊ＋１＝７番目の垂直ピクセルデータＤＶ
7 との各要素の位相ずれが＋１のときは、図１０（Ｃ）
に示すように、垂直ピクセルデータベクトルＤＶ6 の各
要素は［0011111111111100］、垂直ピクセルデータベク
トルＤＶ7 の各要素は［0001111111111110］となるの
で、演算によって求まる排他的論理和データベクトルＥ
ＤＶ1,6 の各要素ＥＤＶ1,6 (j) は［001000000000001
0］となり、更に、変数ｊを変えた時の他の組み合わせ
についても同様の演算を行うことで、Ｎ＝１６個の排他
的論理和データベクトルＥＤＶ1,1 〜ＥＤＶ1,16が求め
られる。
トルＤＶ6 とｊ＋１＝７番目の垂直ピクセルデータＤＶ
7 との各要素の位相ずれが＋１のときは、図１０（Ｃ）
に示すように、垂直ピクセルデータベクトルＤＶ6 の各
要素は［0011111111111100］、垂直ピクセルデータベク
トルＤＶ7 の各要素は［0001111111111110］となるの
で、演算によって求まる排他的論理和データベクトルＥ
ＤＶ1,6 の各要素ＥＤＶ1,6 (j) は［001000000000001
0］となり、更に、変数ｊを変えた時の他の組み合わせ
についても同様の演算を行うことで、Ｎ＝１６個の排他
的論理和データベクトルＥＤＶ1,1 〜ＥＤＶ1,16が求め
られる。
【００５１】更に、ｊ＝６番目の垂直ピクセルデータベ
クトルＤＶ6 とｊ＋１＝７番目の垂直ピクセルデータＤ
Ｖ7 との各要素の位相ずれが−１のときは、図１０
（Ｄ）に示すように、垂直ピクセルデータベクトルＤＶ
6 の各要素は［0011111111111100］、垂直ピクセルデー
タベクトルＤＶ7 の各要素は［0111111111111000］とな
るので、演算によって求まる排他的論理和データベクト
ルＥＤＶ-1,6は［0100000000000100］となり、更に、他
の組み合わせについても同様の演算を行うので、Ｎ＝１
６個の排他的論理和データベクトルＥＤＶ-1,1〜ＥＤＶ
-1,16 が求められる。 次に、次式(14)〜(16)に示す演
算処理を行うことにより、新たに、３種類の評価データ
ベクトルＳＥＤＶ0 ，ＳＥＤＶ1 ，ＳＥＤＶ-1を求め
る。
クトルＤＶ6 とｊ＋１＝７番目の垂直ピクセルデータＤ
Ｖ7 との各要素の位相ずれが−１のときは、図１０
（Ｄ）に示すように、垂直ピクセルデータベクトルＤＶ
6 の各要素は［0011111111111100］、垂直ピクセルデー
タベクトルＤＶ7 の各要素は［0111111111111000］とな
るので、演算によって求まる排他的論理和データベクト
ルＥＤＶ-1,6は［0100000000000100］となり、更に、他
の組み合わせについても同様の演算を行うので、Ｎ＝１
６個の排他的論理和データベクトルＥＤＶ-1,1〜ＥＤＶ
-1,16 が求められる。 次に、次式(14)〜(16)に示す演
算処理を行うことにより、新たに、３種類の評価データ
ベクトルＳＥＤＶ0 ，ＳＥＤＶ1 ，ＳＥＤＶ-1を求め
る。
【００５２】
【数１４】
【００５３】
【数１５】
【００５４】
【数１６】
【００５５】即ち、前記式(11)に示す各排他的論理和デ
ータベクトルＥＤＶ0,i 毎に、式(14)に基づいて、論理
値“１”である要素の数を計数し、夫々の計数値ＳＥＤ
Ｖ0(j) を要素とする評価データベクトルＳＥＤＶ0 を
求める。又、前記式(12)に示す各排他的論理和データベ
クトルＥＤＶ1,j 毎に、式(15)に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＶ
1 (j) を要素とする評価データベクトルＳＥＤＶ1 を求
める。更に、前記式(13)に示す各排他的論理和データベ
クトルＥＤＶ-1,j毎に、式(16)に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＶ
-1(j) を要素とする評価データベクトルＳＥＤＶ-1を求
める。
ータベクトルＥＤＶ0,i 毎に、式(14)に基づいて、論理
値“１”である要素の数を計数し、夫々の計数値ＳＥＤ
Ｖ0(j) を要素とする評価データベクトルＳＥＤＶ0 を
求める。又、前記式(12)に示す各排他的論理和データベ
クトルＥＤＶ1,j 毎に、式(15)に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＶ
1 (j) を要素とする評価データベクトルＳＥＤＶ1 を求
める。更に、前記式(13)に示す各排他的論理和データベ
クトルＥＤＶ-1,j毎に、式(16)に基づいて、論理値
“１”である要素の数を計数し、夫々の計数値ＳＥＤＶ
-1(j) を要素とする評価データベクトルＳＥＤＶ-1を求
める。
【００５６】これにより、図１０（Ｅ）に示すように、
共にＮ個の要素から成る３種類の評価データベクトルＳ
ＥＤＶ0 ，ＳＥＤＶ1 ，ＳＥＤＶ-1を得る。ちなみに、
図１０（Ｂ）（Ｃ）（Ｄ）に示す場合の各要素の計数値
は、ＳＥＤＶ0 (6) ＝０、ＳＥＤＶ1 (6) ＝２、ＳＥＤ
Ｖ-1(6) ＝２となる。
共にＮ個の要素から成る３種類の評価データベクトルＳ
ＥＤＶ0 ，ＳＥＤＶ1 ，ＳＥＤＶ-1を得る。ちなみに、
図１０（Ｂ）（Ｃ）（Ｄ）に示す場合の各要素の計数値
は、ＳＥＤＶ0 (6) ＝０、ＳＥＤＶ1 (6) ＝２、ＳＥＤ
Ｖ-1(6) ＝２となる。
【００５７】次に、次式(17)に基いて、第１の評価デー
タベクトルＳＥＤＶ0 の各要素ＳＥＤＶ0 (j) と第２の
評価データベクトルＳＥＤＶ1 の各要素ＳＥＤＶ1 (j)
との差を求め、夫々の差ΔＶX (j) を要素とする第１の
差データベクトルΔＶX を求める。
タベクトルＳＥＤＶ0 の各要素ＳＥＤＶ0 (j) と第２の
評価データベクトルＳＥＤＶ1 の各要素ＳＥＤＶ1 (j)
との差を求め、夫々の差ΔＶX (j) を要素とする第１の
差データベクトルΔＶX を求める。
【００５８】
【数１７】
【００５９】更に、次式(18)に基いて、第１の評価デー
タベクトルＳＥＤＶ0 の各要素ＳＥＤＶ0 (j) と第３の
評価データベクトルＳＥＤＶ-1の各要素ＳＥＤＶ-1(j)
との差を求め、夫々の差ΔＶY (j) を要素とする第２の
差データベクトルΔＶY を求める。
タベクトルＳＥＤＶ0 の各要素ＳＥＤＶ0 (j) と第３の
評価データベクトルＳＥＤＶ-1の各要素ＳＥＤＶ-1(j)
との差を求め、夫々の差ΔＶY (j) を要素とする第２の
差データベクトルΔＶY を求める。
【００６０】
【数１８】
【００６１】これにより、図１０（Ｆ）に示すように、
共に等しいデータ数Ｎから成る２種類の差データΔＶX
(j) とΔＶY (j) を得る。
共に等しいデータ数Ｎから成る２種類の差データΔＶX
(j) とΔＶY (j) を得る。
【００６２】次に、これらの差データベクトルΔＶX と
ΔＶY の夫々の要素について、次式(19)(20)に基く所定
数ずつの平均値演算を行うことにより、最終的な特徴ベ
クトルの要素ＶX (J) ，ＶY (J) を求める。これによ
り、図１０（Ｇ）に示すように、共に等しい要素数Ｎ／
ｍから成る２種類の特徴ベクトルＶX ，ＶY を得る。
ΔＶY の夫々の要素について、次式(19)(20)に基く所定
数ずつの平均値演算を行うことにより、最終的な特徴ベ
クトルの要素ＶX (J) ，ＶY (J) を求める。これによ
り、図１０（Ｇ）に示すように、共に等しい要素数Ｎ／
ｍから成る２種類の特徴ベクトルＶX ，ＶY を得る。
【００６３】
【数１９】
【００６４】
【数２０】
【００６５】このように、上記式(11)〜(20)に基づいて
求められる２種類の特徴ベクトルＶX ，ＶY を合せて、
垂直走査方向特徴ベクトルとし、その要素は〔ＶX (1)
，……，ＶX (N/m) ，ＶY (1) ，……，ＶY (N/m) 〕
となる。
求められる２種類の特徴ベクトルＶX ，ＶY を合せて、
垂直走査方向特徴ベクトルとし、その要素は〔ＶX (1)
，……，ＶX (N/m) ，ＶY (1) ，……，ＶY (N/m) 〕
となる。
【００６６】次に、４５°走査方向における文字の特徴
ベクトルの抽出も上記式(1) 〜(10)と同様の処理に基い
て行うことによって、最終的に４５°走査方向特徴ベク
トルＲX ，ＲY を求める。即ち、次式(21)〜(23)に基い
て、相互に隣合う関係にある４５°ピクセルデータベク
トルＤＲr (q) とＤＲr+1 (q) について位相ずれの無い
場合の排他的論理和データベクトルＥＤＲ0,r と、位相
ずれが±１の場合の排他的論理和データベクトルＥＤＲ
1,r ，ＥＤＲ-1,rを求め、
ベクトルの抽出も上記式(1) 〜(10)と同様の処理に基い
て行うことによって、最終的に４５°走査方向特徴ベク
トルＲX ，ＲY を求める。即ち、次式(21)〜(23)に基い
て、相互に隣合う関係にある４５°ピクセルデータベク
トルＤＲr (q) とＤＲr+1 (q) について位相ずれの無い
場合の排他的論理和データベクトルＥＤＲ0,r と、位相
ずれが±１の場合の排他的論理和データベクトルＥＤＲ
1,r ，ＥＤＲ-1,rを求め、
【００６７】
【数２１】
【００６８】
【数２２】
【００６９】
【数２３】
【００７０】更に、これらの排他的論理和データベクト
ルＥＤＲ0,r ，ＥＤＲ1,r ，ＥＤＲ-1,rに基いて、評価
データベクトルＳＥＤＲ0 ，ＳＥＤＲ1 ，ＳＥＤＲ-1及
び差データベクトルΔＲX ，ΔＲY を求めた後、夫々の
差データベクトルΔＲX ，ΔＲY の要素ΔＲX (r) とΔ
ＲY (r) について次式(24)と(25)に基づく演算処理を行
うことにより得られる結果を要素とする、最終的な４５
°走査方向特徴ベクトル特徴ベクトルＲX ，ＲY を求め
る。
ルＥＤＲ0,r ，ＥＤＲ1,r ，ＥＤＲ-1,rに基いて、評価
データベクトルＳＥＤＲ0 ，ＳＥＤＲ1 ，ＳＥＤＲ-1及
び差データベクトルΔＲX ，ΔＲY を求めた後、夫々の
差データベクトルΔＲX ，ΔＲY の要素ΔＲX (r) とΔ
ＲY (r) について次式(24)と(25)に基づく演算処理を行
うことにより得られる結果を要素とする、最終的な４５
°走査方向特徴ベクトル特徴ベクトルＲX ，ＲY を求め
る。
【００７１】
【数２４】
【００７２】
【数２５】
【００７３】尚、４５°走査方向の特徴抽出の典型例を
図１１に示すと、同図（Ａ）の第ｒ列に位置する４５°
ピクセルデータベクトルＤＲr (q) と第ｒ＋１列に位置
する４５°ピクセルデータベクトルＤＲr+1 (q) につい
ての、位相ずれが０と位相ずれが±１の場合の排他的論
理和データベクトルＥＤＲ0,r (q) ，ＥＤＲ1,r (q)，
ＥＤＲ-1,r(q) は、一部分だけ示せば、同図（Ｂ）
（Ｃ）（Ｄ）のようになり、第１〜第３の評価データベ
クトルＳＥＤＲ0 ，ＳＥＤＲ1 ，ＳＥＤＲ-1は、同図
（Ｅ）、差データΔＲX ，ΔＲY は同図（Ｆ）、最終的
な４５°走査方向特徴ベクトルＲX ，ＲY は同図（Ｇ）
のように得られることとなる。
図１１に示すと、同図（Ａ）の第ｒ列に位置する４５°
ピクセルデータベクトルＤＲr (q) と第ｒ＋１列に位置
する４５°ピクセルデータベクトルＤＲr+1 (q) につい
ての、位相ずれが０と位相ずれが±１の場合の排他的論
理和データベクトルＥＤＲ0,r (q) ，ＥＤＲ1,r (q)，
ＥＤＲ-1,r(q) は、一部分だけ示せば、同図（Ｂ）
（Ｃ）（Ｄ）のようになり、第１〜第３の評価データベ
クトルＳＥＤＲ0 ，ＳＥＤＲ1 ，ＳＥＤＲ-1は、同図
（Ｅ）、差データΔＲX ，ΔＲY は同図（Ｆ）、最終的
な４５°走査方向特徴ベクトルＲX ，ＲY は同図（Ｇ）
のように得られることとなる。
【００７４】次に、１３５°走査方向における文字の特
徴ベクトルの抽出も上記式(1) 〜(10)と同様の処理に基
いて行うことによって、最終的に１３５°走査方向特徴
ベクトルＱX ，ＱY を求める。即ち、次式(26)〜(28)に
基いて、相互に隣合う関係にある１３５°ピクセルデー
タベクトルＤＱq (r) とＤＱq+1 (r) について位相ずれ
の無い場合の排他的論理和データベクトルＥＤＱ
0,q と、位相ずれが±１の場合の排他的論理和データベ
クトルＥＤＲ1,q ，ＥＤＲ-1,qを求め、
徴ベクトルの抽出も上記式(1) 〜(10)と同様の処理に基
いて行うことによって、最終的に１３５°走査方向特徴
ベクトルＱX ，ＱY を求める。即ち、次式(26)〜(28)に
基いて、相互に隣合う関係にある１３５°ピクセルデー
タベクトルＤＱq (r) とＤＱq+1 (r) について位相ずれ
の無い場合の排他的論理和データベクトルＥＤＱ
0,q と、位相ずれが±１の場合の排他的論理和データベ
クトルＥＤＲ1,q ，ＥＤＲ-1,qを求め、
【００７５】
【数２６】
【００７６】
【数２７】
【００７７】
【数２８】
【００７８】更に、これらの排他的論理和データベクト
ルＥＤＱ0,q ，ＥＤＲ1,q ，ＥＤＲ-1,qに基いて、評価
データベクトルＳＥＤＱ0 ，ＳＥＤＱ1 ，ＳＥＤＱ-1及
び差データベクトルΔＱX ，ΔＱY を求めた後、夫々の
差データベクトルΔＱX ，ΔＱY の要素ΔＱX (q) とΔ
ＱY (q) について次式(29)と(30)に基づく演算処理を行
うことにより得られる結果を要素とする、最終的な１３
５°走査方向特徴ベクトル特徴ベクトルＲX ，ＲY を求
める。
ルＥＤＱ0,q ，ＥＤＲ1,q ，ＥＤＲ-1,qに基いて、評価
データベクトルＳＥＤＱ0 ，ＳＥＤＱ1 ，ＳＥＤＱ-1及
び差データベクトルΔＱX ，ΔＱY を求めた後、夫々の
差データベクトルΔＱX ，ΔＱY の要素ΔＱX (q) とΔ
ＱY (q) について次式(29)と(30)に基づく演算処理を行
うことにより得られる結果を要素とする、最終的な１３
５°走査方向特徴ベクトル特徴ベクトルＲX ，ＲY を求
める。
【００７９】
【数２９】
【００８０】
【数３０】
【００８１】尚、１３５°走査方向の特徴抽出の典型例
を図１２に示すと、同図（Ａ）の第ｑ列に位置する１３
５°ピクセルデータベクトルＤＲq (r) と第ｑ＋１列に
位置する１３５°ピクセルデータベクトルＤＲq+1 (r)
についての、位相ずれが０と位相ずれが±１の場合の排
他的論理和データベクトルＥＤＱ0,q (r) ，ＥＤＱ1,q
(r) ，ＥＤＲ-1,q(r) は、一部分だけ示せば、同図
（Ｂ）（Ｃ）（Ｄ）のようになり、第１〜第３の評価デ
ータベクトルＳＥＤＱ0 ，ＳＥＤＱ1 ，ＳＥＤＱ-1は、
同図（Ｅ）、差データΔＱX ，ΔＱY は同図（Ｆ）、最
終的な１３５°走査方向特徴ベクトルＱX ，ＱY は同図
（Ｇ）のように得られることとなる。
を図１２に示すと、同図（Ａ）の第ｑ列に位置する１３
５°ピクセルデータベクトルＤＲq (r) と第ｑ＋１列に
位置する１３５°ピクセルデータベクトルＤＲq+1 (r)
についての、位相ずれが０と位相ずれが±１の場合の排
他的論理和データベクトルＥＤＱ0,q (r) ，ＥＤＱ1,q
(r) ，ＥＤＲ-1,q(r) は、一部分だけ示せば、同図
（Ｂ）（Ｃ）（Ｄ）のようになり、第１〜第３の評価デ
ータベクトルＳＥＤＱ0 ，ＳＥＤＱ1 ，ＳＥＤＱ-1は、
同図（Ｅ）、差データΔＱX ，ΔＱY は同図（Ｆ）、最
終的な１３５°走査方向特徴ベクトルＱX ，ＱY は同図
（Ｇ）のように得られることとなる。
【００８２】ここで注目すべき点は、このようにして特
徴抽出を行うと、これらの特徴ベクトル｛ＨX ，ＨY ，
ＶX ，ＶY ，ＲX ，ＲY ，ＱX ，ＱY ｝の各次元の要素
の絶対値が、夫々の走査方向と線分との交差部分におけ
る輪郭点の数を表し、更に各要素の値がプラスかマイナ
スかによって線分の長手方向を表すことから、各走査方
向における文字線密度の情報と、文字の輪郭点の情報
と、文字を構成する線分の各走査方向の特徴情報と、線
分の位置情報を含んだ優れた特徴抽出が実現される。
徴抽出を行うと、これらの特徴ベクトル｛ＨX ，ＨY ，
ＶX ，ＶY ，ＲX ，ＲY ，ＱX ，ＱY ｝の各次元の要素
の絶対値が、夫々の走査方向と線分との交差部分におけ
る輪郭点の数を表し、更に各要素の値がプラスかマイナ
スかによって線分の長手方向を表すことから、各走査方
向における文字線密度の情報と、文字の輪郭点の情報
と、文字を構成する線分の各走査方向の特徴情報と、線
分の位置情報を含んだ優れた特徴抽出が実現される。
【００８３】又、上記式(7)(8)(17)(18)等で示す差デー
タベクトルΔＨX ，ΔＨY ，ΔＶX，ΔＶY ，ΔＲX ，
ΔＲY ，ΔＱX ，ΔＱY を求めることにより、雑音成分
が前記排他的論理和データベクトル中に含まれるような
場合であっても効果的にこれらの雑音成分のみを除去す
ることができる。
タベクトルΔＨX ，ΔＨY ，ΔＶX，ΔＶY ，ΔＲX ，
ΔＲY ，ΔＱX ，ΔＱY を求めることにより、雑音成分
が前記排他的論理和データベクトル中に含まれるような
場合であっても効果的にこれらの雑音成分のみを除去す
ることができる。
【００８４】更に、上記式(9)(10)(19)(20)(24)(25)(2
9)(30) に示すように、差データベクトルの各要素ΔＨ
X (I) ，ΔＨY (I) ，ΔＶX (J) ，ΔＶY (J) ，ΔＲX
(R) ，ΔＲY (R) ，ΔＱX (Q) ，ΔＱY (Q) を所定数ｍ
ずつ平均化演算処理して最終的な特徴ベクトルＨX (I)
，ＨY (I) ，ＶX (J) ，ＶY (J) ，ＲX (R) ，Ｒ
Y (R)，ＱX (Q) ，ＱY (Q) を求めるので、特徴ベクト
ルの次元数が低減され、文字認識処理を行う際の処理速
度を大幅に向上させることができる。例えば、（Ｎ＋
１）×（Ｎ＋１）個のマトッリクス状のピクセル群によ
ってピクセルデータを表し、縦横及び斜め方向の合計４
方向の走査を行い、更に、差データベクトルの全要素を
Ｍ等分に分けて平均化演算処理する場合、特徴ベクトル
の全次元数Ｔは、Ｔ＝２Ｎ×４／Ｍとなり、少ない次元
数の特徴ベクトルによって文字の特徴抽出が可能とな
る。
9)(30) に示すように、差データベクトルの各要素ΔＨ
X (I) ，ΔＨY (I) ，ΔＶX (J) ，ΔＶY (J) ，ΔＲX
(R) ，ΔＲY (R) ，ΔＱX (Q) ，ΔＱY (Q) を所定数ｍ
ずつ平均化演算処理して最終的な特徴ベクトルＨX (I)
，ＨY (I) ，ＶX (J) ，ＶY (J) ，ＲX (R) ，Ｒ
Y (R)，ＱX (Q) ，ＱY (Q) を求めるので、特徴ベクト
ルの次元数が低減され、文字認識処理を行う際の処理速
度を大幅に向上させることができる。例えば、（Ｎ＋
１）×（Ｎ＋１）個のマトッリクス状のピクセル群によ
ってピクセルデータを表し、縦横及び斜め方向の合計４
方向の走査を行い、更に、差データベクトルの全要素を
Ｍ等分に分けて平均化演算処理する場合、特徴ベクトル
の全次元数Ｔは、Ｔ＝２Ｎ×４／Ｍとなり、少ない次元
数の特徴ベクトルによって文字の特徴抽出が可能とな
る。
【００８５】尚、特徴抽出を縦横及び斜め方向について
行う場合を説明したが、必要に応じてこれらの内の１又
は２以上の組み合わせを選択して特徴ベクトルを抽出す
るようにしてもよい。又、斜め方向における走査方向を
４５°と１３５°に設定する場合を述べたが、これに限
定せず、任意の角度に設定する場合でもこの特徴抽出の
原理を適用することができる。更に、相互に隣合う関係
にあるピクセルデータ群を±１ピクセル分位相をずらし
て排他的論理和演算を行う場合に限らず、対象文字の複
雑さや仕様その他の条件に応じて、複数ピクセル分位相
をずらして排他的論理和演算を行ってもよい。更に隣り
合うピクセルデータのみでなく、複数ピクセル分離れた
ピクセルデータベクトルを対象に上記演算を行っても良
い。更に、この実施例の特徴抽出では、画像データを表
すピクセル群全体に対して一括して各走査方向の特徴ベ
クトルを求めるようにしたが、ピクセル群の領域を複数
領域に分割し、夫々の分割領域内のピクセルデータ毎に
上記同様の処理を行うことによって、各領域毎の特徴ベ
クトルを求めてもよい。例えば、図１３に示すように、
水平走査方向における特徴ベクトルを求める場合に、ピ
クセルデータを配列するピクセル群の全体領域ａに対す
る特徴ベクトルと、上下二分割の領域ｂ1 ，ｂ2 に対す
る特徴ベクトルと、上側領域ｃ1 を狭く下側領域ｃ2 を
広くして夫々の領域ｃ1 ，ｃ2 に対する特徴ベクトル
と、上側領域ｄ1 を広く下側領域ｄ2 を狭くして夫々の
領域ｄ1 ，ｄ2 に対する特徴ベクトルとを求める。又、
垂直走査方向又は斜めの走査方向における特徴ベクトル
の抽出についても同様の処理を行う。このように処理す
ると、各分割領域毎の細かな特徴抽出が可能となるの
で、文字の各線分の位置情報をより高精度で抽出するこ
とが可能となる。
行う場合を説明したが、必要に応じてこれらの内の１又
は２以上の組み合わせを選択して特徴ベクトルを抽出す
るようにしてもよい。又、斜め方向における走査方向を
４５°と１３５°に設定する場合を述べたが、これに限
定せず、任意の角度に設定する場合でもこの特徴抽出の
原理を適用することができる。更に、相互に隣合う関係
にあるピクセルデータ群を±１ピクセル分位相をずらし
て排他的論理和演算を行う場合に限らず、対象文字の複
雑さや仕様その他の条件に応じて、複数ピクセル分位相
をずらして排他的論理和演算を行ってもよい。更に隣り
合うピクセルデータのみでなく、複数ピクセル分離れた
ピクセルデータベクトルを対象に上記演算を行っても良
い。更に、この実施例の特徴抽出では、画像データを表
すピクセル群全体に対して一括して各走査方向の特徴ベ
クトルを求めるようにしたが、ピクセル群の領域を複数
領域に分割し、夫々の分割領域内のピクセルデータ毎に
上記同様の処理を行うことによって、各領域毎の特徴ベ
クトルを求めてもよい。例えば、図１３に示すように、
水平走査方向における特徴ベクトルを求める場合に、ピ
クセルデータを配列するピクセル群の全体領域ａに対す
る特徴ベクトルと、上下二分割の領域ｂ1 ，ｂ2 に対す
る特徴ベクトルと、上側領域ｃ1 を狭く下側領域ｃ2 を
広くして夫々の領域ｃ1 ，ｃ2 に対する特徴ベクトル
と、上側領域ｄ1 を広く下側領域ｄ2 を狭くして夫々の
領域ｄ1 ，ｄ2 に対する特徴ベクトルとを求める。又、
垂直走査方向又は斜めの走査方向における特徴ベクトル
の抽出についても同様の処理を行う。このように処理す
ると、各分割領域毎の細かな特徴抽出が可能となるの
で、文字の各線分の位置情報をより高精度で抽出するこ
とが可能となる。
【００８６】次に、かかる特徴抽出の原理に基く特徴ベ
クトル抽出手段５の具体的な回路例を図１４に基いて説
明する。尚、図１と同等部分を同一符号で示す。これ
は、マイクロコンピュータ等の演算機能を有する中央処
理部７に、データバスとアドレスバス及びコントロール
バス（図示せず）を介して、イメージスキャナ等の画像
入力手段１と、ランダムアクセスメモリ（ＲＡＭ）から
成るフレームメモリ２と、ＲＡＭから成る正規化文字デ
ータ記憶メモリ８、及びＲＡＭから成る特徴ベクトル記
憶メモリ９が接続されている。そして、図１中の文字抽
出手段３と文字正規化手段４及び特徴ベクトル抽出手段
５は、中央処理部７のプログラム処理によって実現され
ている。
クトル抽出手段５の具体的な回路例を図１４に基いて説
明する。尚、図１と同等部分を同一符号で示す。これ
は、マイクロコンピュータ等の演算機能を有する中央処
理部７に、データバスとアドレスバス及びコントロール
バス（図示せず）を介して、イメージスキャナ等の画像
入力手段１と、ランダムアクセスメモリ（ＲＡＭ）から
成るフレームメモリ２と、ＲＡＭから成る正規化文字デ
ータ記憶メモリ８、及びＲＡＭから成る特徴ベクトル記
憶メモリ９が接続されている。そして、図１中の文字抽
出手段３と文字正規化手段４及び特徴ベクトル抽出手段
５は、中央処理部７のプログラム処理によって実現され
ている。
【００８７】中央処理部７からの指示にしたがって画像
入力手段１が、認識すべき手書き文字の画像を読取り、
その読み取られたピクセルデータをフレームメモリ２に
記憶させる。次に、中央制御部７が、フレームメモリ２
からピクセルデータを読取り、各文字単位のピクセルデ
ータに分離変換して、再びフレームメモリ２に格納す
る。次に、中央処理部７が、フレームメモリ２からピク
セルデータを各文字単位で読出し、予め規格化されたピ
クセル数の範囲内に納まる正規化データに変換して、順
次に正規化文字データ記憶メモリ８に記憶させる。次
に、中央処理部７が、正規化文字データ記憶メモリ８か
ら順次に正規化文字データを読取り、上述した演算処理
を行うことによって夫々の特徴ベクトルを求めて、特徴
ベクトル記憶メモリ９に記憶させる。
入力手段１が、認識すべき手書き文字の画像を読取り、
その読み取られたピクセルデータをフレームメモリ２に
記憶させる。次に、中央制御部７が、フレームメモリ２
からピクセルデータを読取り、各文字単位のピクセルデ
ータに分離変換して、再びフレームメモリ２に格納す
る。次に、中央処理部７が、フレームメモリ２からピク
セルデータを各文字単位で読出し、予め規格化されたピ
クセル数の範囲内に納まる正規化データに変換して、順
次に正規化文字データ記憶メモリ８に記憶させる。次
に、中央処理部７が、正規化文字データ記憶メモリ８か
ら順次に正規化文字データを読取り、上述した演算処理
を行うことによって夫々の特徴ベクトルを求めて、特徴
ベクトル記憶メモリ９に記憶させる。
【００８８】かかる構成によれば、演算プログラムに基
いて全ての特徴抽出処理を行うので、簡易な特徴ベクト
ル抽出手段を提供することができる。 更に、特徴ベク
トル抽出手段５の他の具体例を図１５に基いて説明す
る。尚、図１４と同等部分を同一符号で示す。この回路
は、特徴抽出処理の内の上記式(1) 〜(3) ，(11)〜(1
3)，(21)〜(23)，(26)〜(28)で示される排他的論理和演
算を、プログラム処理によらずに、別個の論理回路で行
う構成したものである。即ち、データバスを介して一行
あるいは一列分のピクセルデータを格納する第１のライ
ンバッファ１０及び第２のラインバッファ１１が接続さ
れ、更に、ラインバッファ１０に一旦保持される各ピク
セルデータと、ラインバッファ１１に一旦保持される各
ピクセルデータとを並列的に排他的論理和演算するＥＸ
−ＯＲ回路群から成る論理回路１２が設けられている。
いて全ての特徴抽出処理を行うので、簡易な特徴ベクト
ル抽出手段を提供することができる。 更に、特徴ベク
トル抽出手段５の他の具体例を図１５に基いて説明す
る。尚、図１４と同等部分を同一符号で示す。この回路
は、特徴抽出処理の内の上記式(1) 〜(3) ，(11)〜(1
3)，(21)〜(23)，(26)〜(28)で示される排他的論理和演
算を、プログラム処理によらずに、別個の論理回路で行
う構成したものである。即ち、データバスを介して一行
あるいは一列分のピクセルデータを格納する第１のライ
ンバッファ１０及び第２のラインバッファ１１が接続さ
れ、更に、ラインバッファ１０に一旦保持される各ピク
セルデータと、ラインバッファ１１に一旦保持される各
ピクセルデータとを並列的に排他的論理和演算するＥＸ
−ＯＲ回路群から成る論理回路１２が設けられている。
【００８９】更に、図１６に基づいて具体的な構成を詳
述すれば、ラインバッファ１０は、正規化文字データ記
憶メモリ８から転送されてきた一行あるいは一列分のピ
クセルデータを、中央処理部７からの入力イネーブル信
号ＥＮ１に同期して並列入力するラッチ回路から成り、
一方、ラインバッファ１１は、正規化文字データ記憶メ
モリ８から転送されてきた一行あるいは一列分のピクセ
ルデータ（ラインバッファ１０に入力されるピクセルデ
ータとは隣合うピクセル配列関係にあるピクセルデー
タ）を、中央制御部７からの入力イネーブル信号ＥＮ２
に同期して並列入力するシフトレジスタから成り、更
に、このシフトレジスタは、中央処理部７からのシフト
命令信号ＳＦに従って全体的に＋１ビット又は−１ビッ
トシフトする機能を備えている。論理回路１２は、ライ
ンバッファ１０と１１の並列出力端子数と等しい数のＥ
Ｘ−ＯＲ回路で構成され、図示するように、ラインバッ
ファ１０と１１の並列出力端子が同配列関係で所定のＥ
Ｘ−ＯＲ回路の入力端子に接続されている。したがっ
て、ラインバッファ１０，１１にピクセルデータが入力
されるだけで、上記式(1) 〜(3) ，(11)〜(13)，(21)〜
(23)，(26)〜(28)の排他的論理和演算が一括して処理さ
れ、その演算出力は、データバスを介して特徴ベクトル
記憶メモリ９に格納される。尚、上記式(1) 〜(3) ，(1
1)〜(13)，(21)〜(23)，(26)〜(28)のいずれの処理、即
ち、いずれの走査方向における特徴抽出を行うかは、中
央処理部７の制御に基いて選択・指示される。
述すれば、ラインバッファ１０は、正規化文字データ記
憶メモリ８から転送されてきた一行あるいは一列分のピ
クセルデータを、中央処理部７からの入力イネーブル信
号ＥＮ１に同期して並列入力するラッチ回路から成り、
一方、ラインバッファ１１は、正規化文字データ記憶メ
モリ８から転送されてきた一行あるいは一列分のピクセ
ルデータ（ラインバッファ１０に入力されるピクセルデ
ータとは隣合うピクセル配列関係にあるピクセルデー
タ）を、中央制御部７からの入力イネーブル信号ＥＮ２
に同期して並列入力するシフトレジスタから成り、更
に、このシフトレジスタは、中央処理部７からのシフト
命令信号ＳＦに従って全体的に＋１ビット又は−１ビッ
トシフトする機能を備えている。論理回路１２は、ライ
ンバッファ１０と１１の並列出力端子数と等しい数のＥ
Ｘ−ＯＲ回路で構成され、図示するように、ラインバッ
ファ１０と１１の並列出力端子が同配列関係で所定のＥ
Ｘ−ＯＲ回路の入力端子に接続されている。したがっ
て、ラインバッファ１０，１１にピクセルデータが入力
されるだけで、上記式(1) 〜(3) ，(11)〜(13)，(21)〜
(23)，(26)〜(28)の排他的論理和演算が一括して処理さ
れ、その演算出力は、データバスを介して特徴ベクトル
記憶メモリ９に格納される。尚、上記式(1) 〜(3) ，(1
1)〜(13)，(21)〜(23)，(26)〜(28)のいずれの処理、即
ち、いずれの走査方向における特徴抽出を行うかは、中
央処理部７の制御に基いて選択・指示される。
【００９０】かかる構成によれば、図１４に示した具体
例の処理の内、排他的論理和演算を除く処理を中央処理
部７がプログラム処理によって行い、排他的論理和演算
をラインバッファ１０，１１及びＥＸ−ＯＲ回路群１２
で行うので、プログラム処理の負担の軽減化と、処理速
度の大幅な向上を図ることができる。
例の処理の内、排他的論理和演算を除く処理を中央処理
部７がプログラム処理によって行い、排他的論理和演算
をラインバッファ１０，１１及びＥＸ−ＯＲ回路群１２
で行うので、プログラム処理の負担の軽減化と、処理速
度の大幅な向上を図ることができる。
【００９１】更に、特徴ベクトル抽出手段５の他の具体
例を図１７に基いて説明する。尚、図１４及び図１５と
同等部分を同一符号で示す。この回路は、特徴抽出処理
の内の上記式(1) 〜(3) ，(11)〜(13)，(21)〜(23)，(2
6)〜(28)で示される排他的論理和演算を、プログラム処
理によらずに、論理回路で行う他の具体例である。
例を図１７に基いて説明する。尚、図１４及び図１５と
同等部分を同一符号で示す。この回路は、特徴抽出処理
の内の上記式(1) 〜(3) ，(11)〜(13)，(21)〜(23)，(2
6)〜(28)で示される排他的論理和演算を、プログラム処
理によらずに、論理回路で行う他の具体例である。
【００９２】即ち、マイクロコンピュータ等の演算機能
を有する中央処理部７に、データバスとアドレスバス及
びコントロールバス（図示せず）を介して、イメージス
キャナ等の画像入力手段１と、ランダムアクセスメモリ
（ＲＡＭ）から成るフレームメモリ２が接続され、更
に、ＲＡＭから成る複数個の正規化文字データ記憶メモ
リ８ａ〜８ｄが上記データバスとアドレスバス及びコン
トロールバスに接続している。これらの正規化文字デー
タ記憶メモリ８ａ〜８ｄは共に等しい記憶容量を有し、
正規化文字データ記憶メモリ８ａの出力端子が第１〜第
３の論理回路１２ａ〜１２ｃの入力端子に共通に接続さ
れ、更に、正規化文字データ記憶メモリ８ｂの出力端子
が第１の論理回路１２ａ、正規化文字データ記憶メモリ
８ｃの出力端子が第２の論理回路１２ｂ、正規化文字デ
ータ記憶メモリ８ｄの出力端子が第３の論理回路１２ｃ
に夫々接続している。更に、第１の論理回路１２ａの出
力はＲＡＭから成るバッファメモリ１３ａ、第２の論理
回路１２ｂの出力はＲＡＭから成るバッファメモリ１３
ｂ、第３の論理回路１２ｃの出力はＲＡＭから成るバッ
ファメモリ１３ｃに夫々接続し、夫々の出力端子がデー
タバスに接続している。
を有する中央処理部７に、データバスとアドレスバス及
びコントロールバス（図示せず）を介して、イメージス
キャナ等の画像入力手段１と、ランダムアクセスメモリ
（ＲＡＭ）から成るフレームメモリ２が接続され、更
に、ＲＡＭから成る複数個の正規化文字データ記憶メモ
リ８ａ〜８ｄが上記データバスとアドレスバス及びコン
トロールバスに接続している。これらの正規化文字デー
タ記憶メモリ８ａ〜８ｄは共に等しい記憶容量を有し、
正規化文字データ記憶メモリ８ａの出力端子が第１〜第
３の論理回路１２ａ〜１２ｃの入力端子に共通に接続さ
れ、更に、正規化文字データ記憶メモリ８ｂの出力端子
が第１の論理回路１２ａ、正規化文字データ記憶メモリ
８ｃの出力端子が第２の論理回路１２ｂ、正規化文字デ
ータ記憶メモリ８ｄの出力端子が第３の論理回路１２ｃ
に夫々接続している。更に、第１の論理回路１２ａの出
力はＲＡＭから成るバッファメモリ１３ａ、第２の論理
回路１２ｂの出力はＲＡＭから成るバッファメモリ１３
ｂ、第３の論理回路１２ｃの出力はＲＡＭから成るバッ
ファメモリ１３ｃに夫々接続し、夫々の出力端子がデー
タバスに接続している。
【００９３】そして、画像入力手段１が対象とする文字
を読取り、その読取りによって得られた二値のピクセル
データ群はフレームメモリ２に一旦記憶され、更に、中
央処理部７がフレームメモリ２からそのピクセルデータ
を読み出して正規化処理した後、正規化文字データ記憶
メモリ８ａ〜８ｄに記憶させる。
を読取り、その読取りによって得られた二値のピクセル
データ群はフレームメモリ２に一旦記憶され、更に、中
央処理部７がフレームメモリ２からそのピクセルデータ
を読み出して正規化処理した後、正規化文字データ記憶
メモリ８ａ〜８ｄに記憶させる。
【００９４】ここで、正規化文字データ記憶メモリ８ａ
は、基準ピクセル配列に対応して予め決められた記憶領
域に、上記正規化されたピクセルデータを格納する。こ
れに対して、正規化文字データ記憶メモリ８ｂは、図１
８（ａ）に示すように、基準ピクセル配列に対して全体
的に１ピクセル分横にずらした状態に相当するように、
予め決められた記憶領域に同一の正規化されたピクセル
データを格納し、正規化文字データ記憶メモリ８ｃは、
図１８（ｂ）に示すように、基準ピクセル配列に対して
全体的に１ピクセル分斜め横上にずらした状態に相当す
るように、予め決められた記憶領域に同一の正規化され
たピクセルデータを格納し、正規化文字データ記憶メモ
リ８ｄは、図１８（ｃ）に示すように、基準ピクセル配
列に対して全体的に１ピクセル分斜め横下にずらした状
態に相当するように、予め決められた記憶領域に同一の
正規化されたピクセルデータを格納する。尚、正規化さ
れたピクセルデータは、中央処理部７から書込み読出し
制御信号ＲＷ１に同期して夫々所定の記憶領域に記憶さ
れる。そして、排他的論理和演算を行うときは、これら
の正規化文字データ記憶メモリ８ａ〜８ｄは、中央処理
部７から書込み読出し制御信号ＲＷ１に同期してアドレ
スバスに出力されるアドレスデータに基づいて、１列あ
るいは１行分ずつのピクセルデータを、順次に同期をと
りながら上記のようにピクセル配列のずれたままの状態
で並列に出力して第１〜第３の論理回路１２ａ〜１２ｃ
へ供給する。
は、基準ピクセル配列に対応して予め決められた記憶領
域に、上記正規化されたピクセルデータを格納する。こ
れに対して、正規化文字データ記憶メモリ８ｂは、図１
８（ａ）に示すように、基準ピクセル配列に対して全体
的に１ピクセル分横にずらした状態に相当するように、
予め決められた記憶領域に同一の正規化されたピクセル
データを格納し、正規化文字データ記憶メモリ８ｃは、
図１８（ｂ）に示すように、基準ピクセル配列に対して
全体的に１ピクセル分斜め横上にずらした状態に相当す
るように、予め決められた記憶領域に同一の正規化され
たピクセルデータを格納し、正規化文字データ記憶メモ
リ８ｄは、図１８（ｃ）に示すように、基準ピクセル配
列に対して全体的に１ピクセル分斜め横下にずらした状
態に相当するように、予め決められた記憶領域に同一の
正規化されたピクセルデータを格納する。尚、正規化さ
れたピクセルデータは、中央処理部７から書込み読出し
制御信号ＲＷ１に同期して夫々所定の記憶領域に記憶さ
れる。そして、排他的論理和演算を行うときは、これら
の正規化文字データ記憶メモリ８ａ〜８ｄは、中央処理
部７から書込み読出し制御信号ＲＷ１に同期してアドレ
スバスに出力されるアドレスデータに基づいて、１列あ
るいは１行分ずつのピクセルデータを、順次に同期をと
りながら上記のようにピクセル配列のずれたままの状態
で並列に出力して第１〜第３の論理回路１２ａ〜１２ｃ
へ供給する。
【００９５】更に、第１〜第３の論理回路１２ａ〜１２
ｃは、図１９に示すように、複数個のＥＸ−ＯＲ回路群
で構成されている。即ち、正規化文字データ記憶メモリ
８ａから出力されるピクセルデータが、論理回路１２ａ
〜１２ｃの全てのＥＸ−ＯＲ回路の一方の入力端子に並
列入力され、更に、論理回路１２ａのＥＸ−ＯＲ回路の
他方の入力端子には正規化文字データ記憶メモリ８ｂか
ら出力されるピクセルデータが並列入力されると共に、
論理回路１２ｂのＥＸ−ＯＲ回路の他方の入力端子には
正規化文字データ記憶メモリ８Ｃから出力されるピクセ
ルデータが並列入力され、論理回路１２ｃのＥＸ−ＯＲ
回路の他方の入力端子には正規化文字データ記憶メモリ
８ｄから出力されるピクセルデータが並列入力されるよ
うに構成されている。尚、辞書メモリ１４は、後述する
文字認識に適用される参照データを予め格納する読み出
し専用メモリ等で構成されている。
ｃは、図１９に示すように、複数個のＥＸ−ＯＲ回路群
で構成されている。即ち、正規化文字データ記憶メモリ
８ａから出力されるピクセルデータが、論理回路１２ａ
〜１２ｃの全てのＥＸ−ＯＲ回路の一方の入力端子に並
列入力され、更に、論理回路１２ａのＥＸ−ＯＲ回路の
他方の入力端子には正規化文字データ記憶メモリ８ｂか
ら出力されるピクセルデータが並列入力されると共に、
論理回路１２ｂのＥＸ−ＯＲ回路の他方の入力端子には
正規化文字データ記憶メモリ８Ｃから出力されるピクセ
ルデータが並列入力され、論理回路１２ｃのＥＸ−ＯＲ
回路の他方の入力端子には正規化文字データ記憶メモリ
８ｄから出力されるピクセルデータが並列入力されるよ
うに構成されている。尚、辞書メモリ１４は、後述する
文字認識に適用される参照データを予め格納する読み出
し専用メモリ等で構成されている。
【００９６】正規化文字データ記憶メモリ８ａ〜８ｄか
らピクセルデータが第１〜第３の論理回路１２ａ〜１２
ｃに読出されると、第１の論理回路１２ａは、図１８
（ａ）中の斜線領域内に相当するピクセルデータ同士の
排他的論理和演算を行うので、前記式(1) に相当する高
速演算処理を実現し、第２の論理回路１２ｂは、図１８
（ｂ）中の斜線領域内に相当するピクセルデータ同士の
排他的論理和演算を行うので、前記式(2) に相当する高
速演算処理を実現し、第３の論理回路１２ｃは、図１８
（ｃ）中の斜線領域内に相当するピクセルデータ同士の
排他的論理和演算を行うので、前記式(3) に相当する高
速演算処理を実現する。
らピクセルデータが第１〜第３の論理回路１２ａ〜１２
ｃに読出されると、第１の論理回路１２ａは、図１８
（ａ）中の斜線領域内に相当するピクセルデータ同士の
排他的論理和演算を行うので、前記式(1) に相当する高
速演算処理を実現し、第２の論理回路１２ｂは、図１８
（ｂ）中の斜線領域内に相当するピクセルデータ同士の
排他的論理和演算を行うので、前記式(2) に相当する高
速演算処理を実現し、第３の論理回路１２ｃは、図１８
（ｃ）中の斜線領域内に相当するピクセルデータ同士の
排他的論理和演算を行うので、前記式(3) に相当する高
速演算処理を実現する。
【００９７】そして、バッファメモリ１３ａ〜１３ｃ
が、書込み読出し制御信号ＲＷ１に同期した書込み読出
し制御信号ＲＷ２に同期して、これらの演算結果のデー
タを記憶する。そして、全てのピクセルデータについて
の排他的論理和演算が完了すると、中央処理部７の指示
に従って、バッファメモリ１３ａ〜１３ｃの全データが
特徴ベクトル記憶メモリ９に転送・格納される。
が、書込み読出し制御信号ＲＷ１に同期した書込み読出
し制御信号ＲＷ２に同期して、これらの演算結果のデー
タを記憶する。そして、全てのピクセルデータについて
の排他的論理和演算が完了すると、中央処理部７の指示
に従って、バッファメモリ１３ａ〜１３ｃの全データが
特徴ベクトル記憶メモリ９に転送・格納される。
【００９８】このように、この具体例によれば、プログ
ラム処理によらずＥＸ−ＯＲ回路群から成る論理回路で
排他的論理和演算を行うので、高速処理が可能となる。
更に、前記原理説明で述べたピクセル相互の位相ずれ
を、正規化ピクセルデータの正規化文字データ記憶メモ
リ８ａ〜８ｄへの書き込みと読み出しによって実現する
ので、排他的論理和演算のための制御が極めて簡素化さ
れる。
ラム処理によらずＥＸ−ＯＲ回路群から成る論理回路で
排他的論理和演算を行うので、高速処理が可能となる。
更に、前記原理説明で述べたピクセル相互の位相ずれ
を、正規化ピクセルデータの正規化文字データ記憶メモ
リ８ａ〜８ｄへの書き込みと読み出しによって実現する
ので、排他的論理和演算のための制御が極めて簡素化さ
れる。
【００９９】尚、図１７には、上記式(1) 〜(3) に相当
する演算を行う場合を示したが、正規化ピクセルデータ
の正規化文字データ記憶メモリ８ａ〜８ｄへの書き込み
制御（即ち、アドレス制御）を変更するだけで、上記式
(1) 〜(3) ，(11)〜(13)，(21)〜(23)，(26)〜(28)の排
他的論理和演算を実現することができる。
する演算を行う場合を示したが、正規化ピクセルデータ
の正規化文字データ記憶メモリ８ａ〜８ｄへの書き込み
制御（即ち、アドレス制御）を変更するだけで、上記式
(1) 〜(3) ，(11)〜(13)，(21)〜(23)，(26)〜(28)の排
他的論理和演算を実現することができる。
【０１００】更に、この具体例では、正規化ピクセルデ
ータの正規化文字データ記憶メモリ８ａ〜８ｄへの書き
込みの際のアドレス制御によって、前記原理説明で述べ
たピクセル相互の位相ずれを実現しておき、データの読
み出し時には位相ずれを考慮することなく単に読み出す
ようにしたが、逆に、正規化ピクセルデータの書き込み
の際には位相ずれを考慮することなく（即ち、同一配列
のままで）正規化文字データ記憶メモリ８ａ〜８ｄへ格
納し、データ読み出しの際に、前記原理説明で述べたピ
クセル相互の位相ずれを実現するようにアドレス制御を
行うようにしても良い。
ータの正規化文字データ記憶メモリ８ａ〜８ｄへの書き
込みの際のアドレス制御によって、前記原理説明で述べ
たピクセル相互の位相ずれを実現しておき、データの読
み出し時には位相ずれを考慮することなく単に読み出す
ようにしたが、逆に、正規化ピクセルデータの書き込み
の際には位相ずれを考慮することなく（即ち、同一配列
のままで）正規化文字データ記憶メモリ８ａ〜８ｄへ格
納し、データ読み出しの際に、前記原理説明で述べたピ
クセル相互の位相ずれを実現するようにアドレス制御を
行うようにしても良い。
【０１０１】又、正規化文字データ記憶メモリ８ａ〜８
ｄとバッファメモリ１３ａ〜１３ｃは、２組のデータ書
き込みポート及びデータ読み出しポートを有する所謂デ
ュアルポートメモリを適用することで、より回路構成を
簡素化することができると共に、制御を容易にすること
ができる。
ｄとバッファメモリ１３ａ〜１３ｃは、２組のデータ書
き込みポート及びデータ読み出しポートを有する所謂デ
ュアルポートメモリを適用することで、より回路構成を
簡素化することができると共に、制御を容易にすること
ができる。
【０１０２】尚、排他的論理和演算を行うのに、ＥＸ−
ＯＲ回路から成る論理回路を適用する場合を述べたが、
ＥＸ−ＮＯＲ回路で実現しても同様の特徴抽出を行うこ
とができる。
ＯＲ回路から成る論理回路を適用する場合を述べたが、
ＥＸ−ＮＯＲ回路で実現しても同様の特徴抽出を行うこ
とができる。
【０１０３】次に、文字認識手段６による認識処理の原
理及び具体的な構成例を説明する。まず構成を説明する
と、図２０に示すように、前記特徴ベクトル抽出手段５
に設けられたデータバス、アドレスバス及びコントロー
ルバスを介して、読出し専用メモリ（ＲＯＭ）から成る
辞書メモリ１４が接続され、中央処理部７が、後述する
認識処理の原理に基くプログラム処理によって、特徴ベ
クトル記憶メモリ９内に記憶された特徴ベクトルデータ
と辞書メモリ１４に予め記憶されている参照データとを
比較して、文字の種類を判定する。
理及び具体的な構成例を説明する。まず構成を説明する
と、図２０に示すように、前記特徴ベクトル抽出手段５
に設けられたデータバス、アドレスバス及びコントロー
ルバスを介して、読出し専用メモリ（ＲＯＭ）から成る
辞書メモリ１４が接続され、中央処理部７が、後述する
認識処理の原理に基くプログラム処理によって、特徴ベ
クトル記憶メモリ９内に記憶された特徴ベクトルデータ
と辞書メモリ１４に予め記憶されている参照データとを
比較して、文字の種類を判定する。
【０１０４】次に、文字認識の原理を説明する。まず、
辞書メモリ１４に予め格納される参照データは標準特徴
ベクトルと重みベクトルのデータからなっている。標準
特徴ベクトルは、次の原理及び処理に基いて作成され
る。即ち、認識されるべき文字の夫々について、所定数
Ｋ個の標本文字を準備し、各標本文字毎に上記の特徴抽
出処理を行うことによって、夫々の標本文字の特徴ベク
トルＲj1，Ｒj2，〜，ＲjKを求める。ここで、標本文字
としては、例えば不特定多数の者の手書き文字等が採用
され、夫々の特徴ベクトルＲj1，Ｒj2，〜，ＲjKはＩ次
元のデータであるとすると、次式(31)で示されるもので
ある。
辞書メモリ１４に予め格納される参照データは標準特徴
ベクトルと重みベクトルのデータからなっている。標準
特徴ベクトルは、次の原理及び処理に基いて作成され
る。即ち、認識されるべき文字の夫々について、所定数
Ｋ個の標本文字を準備し、各標本文字毎に上記の特徴抽
出処理を行うことによって、夫々の標本文字の特徴ベク
トルＲj1，Ｒj2，〜，ＲjKを求める。ここで、標本文字
としては、例えば不特定多数の者の手書き文字等が採用
され、夫々の特徴ベクトルＲj1，Ｒj2，〜，ＲjKはＩ次
元のデータであるとすると、次式(31)で示されるもので
ある。
【０１０５】
【数３１】
【０１０６】次に、次式(32)(33)に示すように、これら
の特徴ベクトルＲj1，Ｒj2，〜，ＲjKの各次元の要素に
基いて平均値ｒ1j〜ｒIjと標準偏差σ1j〜σIjを求め、
更に次式(34)(35)に示すように、これらの平均値を標準
特徴ベルトルＲj 、標準偏差の関数を重みベクトルＷj
とする。
の特徴ベクトルＲj1，Ｒj2，〜，ＲjKの各次元の要素に
基いて平均値ｒ1j〜ｒIjと標準偏差σ1j〜σIjを求め、
更に次式(34)(35)に示すように、これらの平均値を標準
特徴ベルトルＲj 、標準偏差の関数を重みベクトルＷj
とする。
【０１０７】
【数３２】
【０１０８】尚、重みベクトルＷj の各要素ｆ（σ1j)
〜ｆ（σIj) は、認識率を向上させるために、更に次の
条件に基いて決定されている。即ち、全ての種類の文字
ｊについての標準偏差σijの平均値Ｘを次式(36)に基い
て求め、
〜ｆ（σIj) は、認識率を向上させるために、更に次の
条件に基いて決定されている。即ち、全ての種類の文字
ｊについての標準偏差σijの平均値Ｘを次式(36)に基い
て求め、
【０１０９】
【数３３】
【０１１０】標準偏差σijが平均値Ｘと等しいときの要
素ｆ（σij）の値を所定値ｗ0 と決定する。そして、要
素ｆ（σij）は、次式(37)の条件に設定された一次関数
が適用され、この一次関数ｆ（σij）と（σij−Ｘ）の
関係を図示すると図２１となる。
素ｆ（σij）の値を所定値ｗ0 と決定する。そして、要
素ｆ（σij）は、次式(37)の条件に設定された一次関数
が適用され、この一次関数ｆ（σij）と（σij−Ｘ）の
関係を図示すると図２１となる。
【０１１１】
【数３４】
【０１１２】そしてΔｗとｗ0 の比を適宜に調整すると
認識率が変化するので、最良の認識率が得られるように
Δｗ、ｗ0 の値が決定される。
認識率が変化するので、最良の認識率が得られるように
Δｗ、ｗ0 の値が決定される。
【０１１３】この様に求められた全種類の文字ｊについ
ての標準特徴ベルトルＲj と重みベクトルＷj のデータ
が参照データとして辞書メモリ１４に予め記憶される。
ての標準特徴ベルトルＲj と重みベクトルＷj のデータ
が参照データとして辞書メモリ１４に予め記憶される。
【０１１４】次に、このような参照データを適用した文
字認識の原理を説明する。尚、特徴ベクトル記憶メモリ
９に格納された特徴ベクトル｛ＨX ，ＨY ，ＶX ，
ＶY ，ＲX ，ＲY ，ＱX ，ＱY ｝の全ての要素を一括し
て、Ｓ＝〔ｓ1 ，ｓ2 ，……，ｓI 〕で示すものとす
る。
字認識の原理を説明する。尚、特徴ベクトル記憶メモリ
９に格納された特徴ベクトル｛ＨX ，ＨY ，ＶX ，
ＶY ，ＲX ，ＲY ，ＱX ，ＱY ｝の全ての要素を一括し
て、Ｓ＝〔ｓ1 ，ｓ2 ，……，ｓI 〕で示すものとす
る。
【０１１５】上述したように、認識されるべき文字につ
いての特徴ベクトルＳ＝〔ｓ1 ，ｓ2 ，……，ｓI 〕を
求め、辞書メモリ１４に予め格納されている全ての標準
特徴ベルトルＲj と重みベクトルＷj を引用して、次式
(38)の演算を行うことにより、特徴ベクトルＳと標準特
徴ベクトルＲj との差異を量的に現わす距離ｄj （Ｓ，
Ｒj ）を求める。
いての特徴ベクトルＳ＝〔ｓ1 ，ｓ2 ，……，ｓI 〕を
求め、辞書メモリ１４に予め格納されている全ての標準
特徴ベルトルＲj と重みベクトルＷj を引用して、次式
(38)の演算を行うことにより、特徴ベクトルＳと標準特
徴ベクトルＲj との差異を量的に現わす距離ｄj （Ｓ，
Ｒj ）を求める。
【０１１６】
【数３５】
【０１１７】そして、全ての標準特徴ベクトルに対する
距離ｄj （Ｓ，Ｒj ）の中から、最短距離に該当する文
字を判定して、文字認識を完了する。
距離ｄj （Ｓ，Ｒj ）の中から、最短距離に該当する文
字を判定して、文字認識を完了する。
【０１１８】更に、他の文字認識の原理を説明する。ま
ず、辞書メモリ１４に予め格納される参照データは標準
特徴ベクトルと重みベクトルのデータからなっている。
標準特徴ベクトルは、次の原理に基いて作成される。即
ち、認識されるべき文字の夫々に対して、所定数Ｋ個の
標本文字を準備し、各標本文字毎に上記の特徴抽出処理
を行うことによって、夫々の標本文字の特徴ベクトルＲ
j1，Ｒj2，〜，ＲjKを求める。ここで、標本文字として
は、例えば不特定多数の者の手書き文字等が採用され、
夫々の特徴ベクトルＲj1，Ｒj2，〜，ＲjKはＩ次元のデ
ータであるとすると、次式(39)で示されるものである。
ず、辞書メモリ１４に予め格納される参照データは標準
特徴ベクトルと重みベクトルのデータからなっている。
標準特徴ベクトルは、次の原理に基いて作成される。即
ち、認識されるべき文字の夫々に対して、所定数Ｋ個の
標本文字を準備し、各標本文字毎に上記の特徴抽出処理
を行うことによって、夫々の標本文字の特徴ベクトルＲ
j1，Ｒj2，〜，ＲjKを求める。ここで、標本文字として
は、例えば不特定多数の者の手書き文字等が採用され、
夫々の特徴ベクトルＲj1，Ｒj2，〜，ＲjKはＩ次元のデ
ータであるとすると、次式(39)で示されるものである。
【０１１９】
【数３６】
【０１２０】次に、次式(40)(41)に示すように、これら
の特徴ベクトルＲj1，Ｒj2，〜，ＲjKの各次元の要素に
基いて平均値ｒ1j〜ｒIjと標準偏差σ1j〜σIjを求め、
更に次式(42)(43)に示すようにこれらの平均値を標準特
徴ベルトルＲj の要素とし、標準偏差の関数を重みベク
トルＷj とする。
の特徴ベクトルＲj1，Ｒj2，〜，ＲjKの各次元の要素に
基いて平均値ｒ1j〜ｒIjと標準偏差σ1j〜σIjを求め、
更に次式(42)(43)に示すようにこれらの平均値を標準特
徴ベルトルＲj の要素とし、標準偏差の関数を重みベク
トルＷj とする。
【０１２１】
【数３７】
【０１２２】但し、この重みベクトルＷj を求めるため
に、まず、一つ一つの文字ｊについての標準偏差σijの
平均値Ｘj を次式(44)に基いて求め、
に、まず、一つ一つの文字ｊについての標準偏差σijの
平均値Ｘj を次式(44)に基いて求め、
【０１２３】
【数３８】
【０１２４】各標準偏差σijが各平均値Ｘj と等しいと
きの要素ｆ（σij）の値が所定値ｗ0と決定する。そし
て、要素ｆ（σij）は、次式(45)の条件に設定された一
次関数が適用される。
きの要素ｆ（σij）の値が所定値ｗ0と決定する。そし
て、要素ｆ（σij）は、次式(45)の条件に設定された一
次関数が適用される。
【０１２５】
【数３９】
【０１２６】そしてΔｗとｗ0 の比を適宜に調整すると
認識率が変化するので、最良の認識率が得られるように
Δｗ、ｗ0 の値が決定される。更に、次式(46)に示す正
規化演算によって、文字ｊに係わる重みベクトルＷj の
各要素ｗ1j〜ｗIjを決定する。ただし、(46)式中、Ｃは
任意の定数である。
認識率が変化するので、最良の認識率が得られるように
Δｗ、ｗ0 の値が決定される。更に、次式(46)に示す正
規化演算によって、文字ｊに係わる重みベクトルＷj の
各要素ｗ1j〜ｗIjを決定する。ただし、(46)式中、Ｃは
任意の定数である。
【０１２７】
【数４０】
【０１２８】そして、この様に求められた全ての種類の
文字ｊについての標準特徴ベルトルＲj と重みベクトル
Ｗj のデータが参照データとして辞書メモリ１４に予め
記憶される。
文字ｊについての標準特徴ベルトルＲj と重みベクトル
Ｗj のデータが参照データとして辞書メモリ１４に予め
記憶される。
【０１２９】次に、実際の文字認識の原理を説明する。
尚、特徴ベクトル記憶メモリ９に格納された特徴ベクト
ル｛ＨX ，ＨY ，ＶX ，ＶY ，ＲX ，ＲY ，ＱX ，
ＱY ｝の全ての要素を一括して、Ｓ＝〔ｓ1 ，ｓ2 ，…
…，ｓI 〕で示すものとする。上述したように、ある文
字についての特徴ベクトルＳ＝〔ｓ1 ，ｓ2 ，……，ｓ
I 〕を求め、辞書メモリ１４に予め格納されている全て
の標準特徴ベルトルＲjと重みベクトルＷj を引用し
て、前記式(38)の演算を行うことにより、特徴ベクトル
Ｓijと標準特徴ベクトルＲj との距離ｄj （Ｓ，Ｒj ）
を求める。そして、全ての標準特徴ベクトルに対する距
離ｄj （Ｓ，Ｒj ）の中から、最短距離に該当する文字
を判定して、文字認識を完了する。
尚、特徴ベクトル記憶メモリ９に格納された特徴ベクト
ル｛ＨX ，ＨY ，ＶX ，ＶY ，ＲX ，ＲY ，ＱX ，
ＱY ｝の全ての要素を一括して、Ｓ＝〔ｓ1 ，ｓ2 ，…
…，ｓI 〕で示すものとする。上述したように、ある文
字についての特徴ベクトルＳ＝〔ｓ1 ，ｓ2 ，……，ｓ
I 〕を求め、辞書メモリ１４に予め格納されている全て
の標準特徴ベルトルＲjと重みベクトルＷj を引用し
て、前記式(38)の演算を行うことにより、特徴ベクトル
Ｓijと標準特徴ベクトルＲj との距離ｄj （Ｓ，Ｒj ）
を求める。そして、全ての標準特徴ベクトルに対する距
離ｄj （Ｓ，Ｒj ）の中から、最短距離に該当する文字
を判定して、文字認識を完了する。
【０１３０】この様に、正規化された各要素ｗ1j〜ｗIj
から成る重みベクトルＷj を適用して上記式(38)の距離
を求めると、該距離ｄj （Ｓ，Ｒj ）の演算結果が極端
に大きくなったり逆に小さくなることがなく、所定の範
囲内に収まるので、演算結果のばらつきに起因する誤認
識がなくなり、認識率の向上が図れる。
から成る重みベクトルＷj を適用して上記式(38)の距離
を求めると、該距離ｄj （Ｓ，Ｒj ）の演算結果が極端
に大きくなったり逆に小さくなることがなく、所定の範
囲内に収まるので、演算結果のばらつきに起因する誤認
識がなくなり、認識率の向上が図れる。
【０１３１】
【発明の効果】以上説明したように、本発明によれば、
特徴抽出された特徴ベクトルは、各次元の要素の絶対値
が、走査方向と文字の線分との交差部分における輪郭点
の数を表し、更に各要素の値がプラスかマイナスかによ
って線分の長手方向を表すことから、各走査方向におけ
る文字線密度の情報と、文字の輪郭点の情報と、文字を
構成する線分の方向の特徴情報と、線分の位置情報を含
んだ優れた特徴抽出が実現される。
特徴抽出された特徴ベクトルは、各次元の要素の絶対値
が、走査方向と文字の線分との交差部分における輪郭点
の数を表し、更に各要素の値がプラスかマイナスかによ
って線分の長手方向を表すことから、各走査方向におけ
る文字線密度の情報と、文字の輪郭点の情報と、文字を
構成する線分の方向の特徴情報と、線分の位置情報を含
んだ優れた特徴抽出が実現される。
【０１３２】又、差データを求めることにより、文字の
特徴部分でない雑音成分が特徴ベクトル中に含まれるよ
うな場合であっても効果的にこれらの雑音成分のみを除
去することができる。
特徴部分でない雑音成分が特徴ベクトル中に含まれるよ
うな場合であっても効果的にこれらの雑音成分のみを除
去することができる。
【０１３３】更に、差データを所定数ずつ平均化演算処
理して最終的な特徴ベクトル求めることで、特徴ベクト
ルの次元数が低減され、文字認識処理を行う際の処理速
度を大幅に向上させることができる。
理して最終的な特徴ベクトル求めることで、特徴ベクト
ルの次元数が低減され、文字認識処理を行う際の処理速
度を大幅に向上させることができる。
【０１３４】又、ピクセル群の領域を複数領域に分割
し、夫々の分割領域内のピクセルデータ毎に上記同様の
処理を行うので、各分割領域毎の細かな特徴抽出が可能
となるので、文字の各線分の位置情報をより高精度で抽
出することが可能となる。
し、夫々の分割領域内のピクセルデータ毎に上記同様の
処理を行うので、各分割領域毎の細かな特徴抽出が可能
となるので、文字の各線分の位置情報をより高精度で抽
出することが可能となる。
【図１】本発明による文字認識装置の一実施例の構成を
示すブロック図である。
示すブロック図である。
【図２】特徴抽出時の走査方向を説明するための説明図
である。
である。
【図３】水平走査方向の特徴抽出の原理を説明するため
の説明図である。
の説明図である。
【図４】垂直走査方向の特徴抽出の原理を説明するため
の説明図である。
の説明図である。
【図５】４５°走査方向の特徴抽出の原理を説明するた
めの説明図である。
めの説明図である。
【図６】４５°走査方向の特徴抽出の原理を更に説明す
るための説明図である。
るための説明図である。
【図７】１３５°走査方向の特徴抽出の原理を説明する
ための説明図である。
ための説明図である。
【図８】１３５°走査方向の特徴抽出の原理を更に説明
するための説明図である。
するための説明図である。
【図９】特徴抽出の原理を更に説明するための説明図で
ある。
ある。
【図１０】特徴抽出の原理を更に説明するための説明図
である。
である。
【図１１】特徴抽出の原理を更に説明するための説明図
である。
である。
【図１２】特徴抽出の原理を更に説明するための説明図
である。
である。
【図１３】特徴抽出の他の原理を説明するための説明図
である。
である。
【図１４】特徴ベクトル抽出手段の構成を示すブロック
図である。
図である。
【図１５】特徴ベクトル抽出手段の他の構成を示すブロ
ック図である。
ック図である。
【図１６】図１５の要部回路を詳細に示す回路図であ
る。
る。
【図１７】特徴ベクトル抽出手段の更に他の構成を示す
ブロック図である。
ブロック図である。
【図１８】図１７の特徴ベクトル抽出手段における排他
的論理和演算の原理を示す説明図である。
的論理和演算の原理を示す説明図である。
【図１９】図１７の要部回路を詳細に示す回路図であ
る。
る。
【図２０】文字認識手段の構成を示すブロック図であ
る。
る。
【図２１】文字認識に適用する重みベクトルの決定原理
を説明するための理論図である。
を説明するための理論図である。
１…画像入力手段、２…記憶手段、３…文字抽出手段、
４…文字正規化手段、５…特徴ベクトル抽出手段、６…
文字認識手段、７…中央処理部、８，８ａ〜８ｄ…正規
化文字データ記憶手段、９…特徴ベクトル記憶メモリ、
１０…第１のラインバッファ、１１…第２のラインバッ
ファ、１２，１２ａ，１２ｂ，１２ｃ…論理回路、１３
ａ〜１３ｃ…バッファメモリ、１４…辞書メモリ。
４…文字正規化手段、５…特徴ベクトル抽出手段、６…
文字認識手段、７…中央処理部、８，８ａ〜８ｄ…正規
化文字データ記憶手段、９…特徴ベクトル記憶メモリ、
１０…第１のラインバッファ、１１…第２のラインバッ
ファ、１２，１２ａ，１２ｂ，１２ｃ…論理回路、１３
ａ〜１３ｃ…バッファメモリ、１４…辞書メモリ。
Claims (13)
- 【請求項１】 被認識文字を、予め決められた範囲内に
対応する二次元マトリクス状のピクセル配列の各ピクセ
ルに対応する二値のピクセルデータ群に変換し、これら
のピクセルデータ群に基いて被認識文字の特徴ベクトル
を抽出し、該特徴ベクトルに基いて文字認識を行う文字
認識方法において、 前記ピクセル配列に対して所定走査方向と直交する方向
に配列する各ピクセルデータ群をピクセルデータベクト
ルとし、相互に隣り合うピクセルデータベクトルの要素
同志を、同位相状態で排他的論理演算を行うことにより
第１の排他的論理和データベクトルを求めると共に、相
互に隣り合うピクセルデータベクトルの要素同志を相対
的に所定要素分プラス方向に位相をずらした状態で排他
的論理演算を行うことにより第２の排他的論理和データ
ベクトルを求め、更に、相互に隣り合うピクセルデータ
ベクトルの要素同志を相対的に所定要素分マイナス方向
に位相をずらした状態で排他的論理演算を行うことによ
り第３の排他的論理和データベクトルを求め、 次に、上記走査方向に対応して順次に求められた複数の
上記第１の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第１の評
価データベクトルを求めると共に、上記走査方向に対応
して順次に求められた複数の上記第２の排他的論理和デ
ータベクトルの所定論理値の要素を各ベクトル毎に合算
することによって、第２の評価データベクトルを求め、
更に、上記走査方向に対応して順次に求められた複数の
上記第３の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第３の評
価データベクトルを求め、 次に、上記第１の評価データベクトルと第２の評価デー
タベクトルの各要素毎の差を求めることによって第１の
差データベクトルを求めると共に、上記第１の評価デー
タベクトルと第３の評価データベクトルの各要素毎の差
を求めることによって第２の差データベクトルを求め、 これら第１，第２の差データベクトルを特徴ベクトルと
することを特徴とする文字認識方法。 - 【請求項２】 被認識文字を、予め決められた範囲内に
対応する二次元マトリクス状のピクセル配列の各ピクセ
ルに対応する二値のピクセルデータ群に変換し、これら
のピクセルデータ群に基いて被認識文字の特徴ベクトル
を抽出し、該特徴ベクトルに基いて文字認識を行う文字
認識方法において、 前記ピクセル配列に対して所定走査方向と直交する方向
に配列する各ピクセルデータ群をピクセルデータベクト
ルとし、相互に隣り合うピクセルデータベクトルの要素
同志を、同位相状態で排他的論理演算を行うことにより
第１の排他的論理和データベクトルを求めると共に、相
互に隣り合うピクセルデータベクトルの要素同志を相対
的に所定要素分プラス方向に位相をずらした状態で排他
的論理演算を行うことにより第２の排他的論理和データ
ベクトルを求め、更に、相互に隣り合うピクセルデータ
ベクトルの要素同志を相対的に所定要素分マイナス方向
に位相をずらした状態で排他的論理演算を行うことによ
り第３の排他的論理和データベクトルを求め、 次に、上記走査方向に対応して順次に求められた複数の
上記第１の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第１の評
価データベクトルを求めると共に、上記走査方向に対応
して順次に求められた複数の上記第２の排他的論理和デ
ータベクトルの所定論理値の要素を各ベクトル毎に合算
することによって、第２の評価データベクトルを求め、
更に、上記走査方向に対応して順次に求められた複数の
上記第３の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第３の評
価データベクトルを求め、 次に、上記第１の評価データベクトルと第２の評価デー
タベクトルの各要素毎の差を求めることによって第１の
差データベクトルを求めると共に、上記第１の評価デー
タベクトルと第３の評価データベクトルの各要素毎の差
を求めることによって第２の差データベクトルを求め、 次に、上記第１の差データベクトルの各要素を所定数ず
つ平均演算すると共に、上記第２の差データベクトルの
各要素を所定数ずつ平均演算し、これらの平均値を特徴
ベクトルの要素とすることを特徴とする文字認識方法。 - 【請求項３】 前記特徴ベクトルを、前記ピクセル配列
に対して複数の所定走査方向に順次に並ぶピクセル群に
対応するピクセルデータベクトルについて求めることを
特徴とする請求項１又は請求項２のいずれか１項記載の
文字認識方法。 - 【請求項４】 被認識文字を、予め決められた範囲内に
対応する二次元マトリクス状のピクセル配列の各ピクセ
ルに対応する二値のピクセルデータ群に変換し、これら
のピクセルデータ群に基いて被認識文字の特徴ベクトル
を抽出し、該特徴ベクトルに基いて文字認識を行う文字
認識方法において、 前記ピクセル配列を複数の範囲に区分けし、 夫々の区分け範囲のピクセル配列に対して所定走査方向
と直交する方向に配列する各ピクセルデータ群をピクセ
ルデータベクトルとし、相互に隣り合うピクセルデータ
ベクトルの要素同志を、同位相状態で排他的論理演算を
行うことにより第１の排他的論理和データベクトルを求
めると共に、相互に隣り合うピクセルデータベクトルの
要素同志を相対的に所定要素分プラス方向に位相をずら
した状態で排他的論理演算を行うことにより第２の排他
的論理和データベクトルを求め、更に、相互に隣り合う
ピクセルデータベクトルの要素同志を相対的に所定要素
分マイナス方向に位相をずらした状態で排他的論理演算
を行うことにより第３の排他的論理和データベクトルを
求め、 次に、上記走査方向に対応して順次に求められた複数の
上記第１の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第１の評
価データベクトルを求めると共に、上記走査方向に対応
して順次に求められた複数の上記第２の排他的論理和デ
ータベクトルの所定論理値の要素を各ベクトル毎に合算
することによって、第２の評価データベクトルを求め、
更に、上記走査方向に対応して順次に求められた複数の
上記第３の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第３の評
価データベクトルを求め、 次に、上記第１の評価データベクトルと第２の評価デー
タベクトルの各要素毎の差を求めることによって第１の
差データベクトルを求めると共に、上記第１の評価デー
タベクトルと第３の評価データベクトルの各要素毎の差
を求めることによって第２の差データベクトルを求め、 このようにして、上記夫々の区分け範囲毎に求まる複数
の第１の差データベクトルと第２の差データベクトル
を、特徴ベクトルとすることを特徴とする文字認識方
法。 - 【請求項５】 被認識文字を、予め決められた範囲内に
対応する二次元マトリクス状のピクセル配列の各ピクセ
ルに対応する二値のピクセルデータ群に変換し、これら
のピクセルデータ群に基いて被認識文字の特徴ベクトル
を抽出し、該特徴ベクトルに基いて文字認識を行う文字
認識方法において、 前記ピクセル配列を複数の範囲に区分けし、 夫々の区分け範囲のピクセル配列に対して所定走査方向
と直交する方向に配列する各ピクセルデータ群をピクセ
ルデータベクトルとし、相互に隣り合うピクセルデータ
ベクトルの要素同志を、同位相状態で排他的論理演算を
行うことにより第１の排他的論理和データベクトルを求
めると共に、相互に隣り合うピクセルデータベクトルの
要素同志を相対的に所定要素分プラス方向に位相をずら
した状態で排他的論理演算を行うことにより第２の排他
的論理和データベクトルを求め、更に、相互に隣り合う
ピクセルデータベクトルの要素同志を相対的に所定要素
分マイナス方向に位相をずらした状態で排他的論理演算
を行うことにより第３の排他的論理和データベクトルを
求め、 次に、上記走査方向に対応して順次に求められた複数の
上記第１の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第１の評
価データベクトルを求めると共に、上記走査方向に対応
して順次に求められた複数の上記第２の排他的論理和デ
ータベクトルの所定論理値の要素を各ベクトル毎に合算
することによって、第２の評価データベクトルを求め、
更に、上記走査方向に対応して順次に求められた複数の
上記第３の排他的論理和データベクトルの所定論理値の
要素を各ベクトル毎に合算することによって、第３の評
価データベクトルを求め、 次に、上記第１の評価データベクトルと第２の評価デー
タベクトルの各要素毎の差を求めることによって第１の
差データベクトルを求めると共に、上記第１の評価デー
タベクトルと第３の評価データベクトルの各要素毎の差
を求めることによって第２の差データベクトルを求め、 次に、上記第１の差データベクトルの各要素を所定数ず
つ平均演算することにより第１の平均値のデータベクト
ルを求めると共に、上記第２の差データベクトルの各要
素を所定数ずつ平均演算することにより第２の平均値の
データベクトルを求め、 このようにして、上記夫々の区分け範囲毎に求まる複数
の第１，第２の平均値のデータベクトルを、特徴ベクト
ルとすることを特徴とする文字認識方法。 - 【請求項６】 前記特徴ベクトルを、前記ピクセル配列
に対して複数の所定走査方向に順次に並ぶピクセル群に
対応するピクセルデータベクトルについて求めることを
特徴とする請求項４又は請求項５のいずれか１項記載の
文字認識方法。 - 【請求項７】 被認識文字を、予め決められた範囲内に
対応する二次元マトリクス状のピクセル配列の各ピクセ
ルに対応する二値のピクセルデータ群に変換し、これら
のピクセルデータ群に基いて被認識文字の特徴ベクトル
を抽出する特徴ベクトル抽出手段と、該特徴ベクトルに
基いて文字を認識する文字認識手段を有する文字認識装
置において、 前記特徴ベクトル抽出手段は、 前記ピクセル配列に対して所定走査方向と直交する方向
に配列する各ピクセルデータ群をピクセルデータベクト
ルとし、相互に隣り合うピクセルデータベクトルの要素
同志を、同位相状態で排他的論理演算を行うことにより
第１の排他的論理和データベクトルを求めると共に、相
互に隣り合うピクセルデータベクトルの要素同志を相対
的に所定要素分プラス方向に位相をずらした状態で排他
的論理演算を行うことにより第２の排他的論理和データ
ベクトルを求め、更に、相互に隣り合うピクセルデータ
ベクトルの要素同志を相対的に所定要素分マイナス方向
に位相をずらした状態で排他的論理演算を行うことによ
り第３の排他的論理和データベクトルを求める第１の演
算手段と、 上記走査方向に対応して順次に求められた複数の上記第
１の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第１の価データ
ベクトルを求めると共に、上記走査方向に対応して順次
に求められた複数の上記第２の排他的論理和データベク
トルの所定論理値の要素を各ベクトル毎に合算すること
によって、第２の評価データベクトルを求め、更に、上
記走査方向に対応して順次に求められた複数の上記第３
の排他的論理和データベクトルの所定論理値の要素を各
ベクトル毎に合算することによって、第３の評価データ
ベクトルを求める第２の演算手段と、 上記第１の評価データベクトルと第２の評価データベク
トルの各要素毎の差を求めることによって第１の差デー
タベクトルを求めると共に、上記第１の評価データベク
トルと第３の評価データベクトルの各要素毎の差を求め
ることによって第２の差データベクトルを求める第３の
演算手段と、から成ることを特徴とする文字認識装置。 - 【請求項８】 被認識文字を、予め決められた範囲内に
対応する二次元マトリクス状のピクセル配列の各ピクセ
ルに対応する二値のピクセルデータ群に変換し、これら
のピクセルデータ群に基いて被認識文字の特徴ベクトル
を抽出する特徴ベクトル抽出手段と、該特徴ベクトルに
基いて文字を認識する文字認識手段を有する文字認識装
置において、 前記特徴ベクトル抽出手段は、 前記ピクセル配列に対して所定走査方向と直交する方向
に配列する各ピクセルデータ群をピクセルデータベクト
ルとし、相互に隣り合うピクセルデータベクトルの要素
同志を、同位相状態で排他的論理演算を行うことにより
第１の排他的論理和データベクトルを求めると共に、相
互に隣り合うピクセルデータベクトルの要素同志を相対
的に所定要素分プラス方向に位相をずらした状態で排他
的論理演算を行うことにより第２の排他的論理和データ
ベクトルを求め、更に、相互に隣り合うピクセルデータ
ベクトルの要素同志を相対的に所定要素分マイナス方向
に位相をずらした状態で排他的論理演算を行うことによ
り第３の排他的論理和データベクトルを求める第１の演
算手段と、 上記走査方向に対応して順次に求められた複数の上記第
１の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第１の評価デー
タベクトルを求めると共に、上記走査方向に対応して順
次に求められた複数の上記第２の排他的論理和データベ
クトルの所定論理値の要素を各ベクトル毎に合算するこ
とによって、第２の評価データベクトルを求め、更に、
上記走査方向に対応して順次に求められた複数の上記第
３の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第３の評価デー
タベクトルを求める第２の演算手段と、 上記第１の評価データベクトルと第２の評価データベク
トルの各要素毎の差を求めることによって第１の差デー
タベクトルを求めると共に、上記第１の評価データベク
トルと第３の評価データベクトルの各要素毎の差を求め
ることによって第２の差データベクトルを求め、更に、
上記第１の差データベクトルの各要素を所定数ずつ平均
演算すると共に、上記第２の差データベクトルの各要素
を所定数ずつ平均演算し、これらの平均値を特徴ベクト
ルの要素とする第３の演算手段と、から成ることを特徴
とする文字認識装置。 - 【請求項９】 前記第１，第２，第３の演算手段は、前
記ピクセル配列に対して複数の所定走査方向に並ぶピク
セル群に対応するピクセルデータについて求めることを
特徴とする請求項７又は請求項８のいずれか１項記載の
文字認識装置。 - 【請求項１０】 被認識文字を、予め決められた範囲内
に対応する二次元マトリクス状のピクセル配列の各ピク
セルに対応する二値のピクセルデータ群に変換し、これ
らのピクセルデータ群に基いて被認識文字の特徴ベクト
ルを抽出する特徴ベクトル抽出手段と、該特徴ベクトル
に基いて文字を認識する文字認識手段を有する文字認識
装置において、 前記特徴ベクトル抽出手段は、 前記ピクセル配列を複数の範囲に区分けし、夫々の区分
け範囲のピクセル配列に対して所定走査方向と直交する
方向に配列する各ピクセルデータ群をピクセルデータベ
クトルとし、相互に隣り合うピクセルデータベクトルの
要素同志を、同位相状態で排他的論理演算を行うことに
より第１の排他的論理和データベクトルを求めると共
に、相互に隣り合うピクセルデータベクトルの要素同志
を相対的に所定要素分プラス方向に位相をずらした状態
で排他的論理演算を行うことにより第２の排他的論理和
データベクトルを求め、更に、相互に隣り合うピクセル
データベクトルの要素同志を相対的に所定要素分マイナ
ス方向に位相をずらした状態で排他的論理演算を行うこ
とにより第３の排他的論理和データベクトルを求める第
１の演算手段と、 上記走査方向に対応して順次に求められた複数の上記第
１の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第１の評価デー
タベクトルを求めると共に、上記走査方向に対応して順
次に求められた複数の上記第２の排他的論理和データベ
クトルの所定論理値の要素を各ベクトル毎に合算するこ
とによって、第２の評価データベクトルを求め、更に、
上記走査方向に対応して順次に求められた複数の上記第
３の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第３の評価デー
タベクトルを求める第２の演算手段と、 上記第１の評価データベクトルと第２の評価データベク
トルの各要素毎の差を求めることによって第１の差デー
タベクトルを求めると共に、上記第１の評価データベク
トルと第３の評価データベクトルの各要素毎の差を求め
ることによって第２の差データベクトルを求め、上記夫
々の区分け範囲毎に求まる複数の第１の差データベクト
ルと第２の差データベクトルを特徴ベクトルとする第３
の演算手段と、から成ることを特徴とする文字認識装
置。 - 【請求項１１】 被認識文字を、予め決められた範囲内
に対応する二次元マトリクス状のピクセル配列の各ピク
セルに対応する二値のピクセルデータ群に変換し、これ
らのピクセルデータ群に基いて被認識文字の特徴ベクト
ルを抽出する特徴ベクトル抽出手段と、該特徴ベクトル
に基いて文字を認識する文字認識手段を有する文字認識
装置において、 前記ピクセル配列を複数の範囲に区分けし、夫々の区分
け範囲のピクセル配列に対して所定走査方向と直交する
方向に配列する各ピクセルデータ群をピクセルデータベ
クトルとし、相互に隣り合うピクセルデータベクトルの
要素同志を、同位相状態で排他的論理演算を行うことに
より第１の排他的論理和データベクトルを求めると共
に、相互に隣り合うピクセルデータベクトルの要素同志
を相対的に所定要素分プラス方向に位相をずらした状態
で排他的論理演算を行うことにより第２の排他的論理和
データベクトルを求め、更に、相互に隣り合うピクセル
データベクトルの要素同志を相対的に所定要素分マイナ
ス方向に位相をずらした状態で排他的論理演算を行うこ
とにより第３の排他的論理和データベクトルを求める第
１の演算手段と、 上記走査方向に対応して順次に求められた複数の上記第
１の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第１の評価デー
タベクトルを求めると共に、上記走査方向に対応して順
次に求められた複数の上記第２の排他的論理和データベ
クトルの所定論理値の要素を各ベクトル毎に合算するこ
とによって、第２の評価データベクトルを求め、更に、
上記走査方向に対応して順次に求められた複数の上記第
３の排他的論理和データベクトルの所定論理値の要素を
各ベクトル毎に合算することによって、第３の評価デー
タベクトルを求める第２の演算手段と、 上記第１の評価データベクトルと第２の評価データベク
トルの各要素毎の差を求めることによって第１の差デー
タベクトルを求めると共に、上記第１の評価データベク
トルと第３の評価データベクトルの各要素毎の差を求め
ることによって第２の差データベクトルを求め、更に、
上記第１の差データベクトルの各要素を所定数ずつ平均
演算することにより第１の平均値のデータベクトルを求
めると共に、上記第２の差データベクトルの各要素を所
定数ずつ平均演算することにより第２の平均値のデータ
ベクトルを求め、上記夫々の区分け範囲毎に求まる複数
の第１，第２の平均値のデータベクトルを特徴ベクトル
とする第３の演算手段と、から成ることを特徴とする文
字認識装置。 - 【請求項１２】 前記第１，第２，第３の演算手段は、
前記ピクセル配列に対して複数の所定走査方向に順次に
並ぶ行ピクセル群に対応する行ピクセルデータについて
求めることを特徴とする請求項１０又は請求項１１のい
ずれか１項記載の文字認識装置。 - 【請求項１３】 前記第１の演算手段は、ＥＸ−ＯＲゲ
ート又はＥＸ−ＮＯＲゲートによって排他的論理和演算
を行う論理回路から成ることを特徴とする請求項７，
８，１０，１１のいずれか１項記載の文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4127706A JPH05324916A (ja) | 1992-05-20 | 1992-05-20 | 文字認識方法及びそれを用いた文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4127706A JPH05324916A (ja) | 1992-05-20 | 1992-05-20 | 文字認識方法及びそれを用いた文字認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05324916A true JPH05324916A (ja) | 1993-12-10 |
Family
ID=14966697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4127706A Pending JPH05324916A (ja) | 1992-05-20 | 1992-05-20 | 文字認識方法及びそれを用いた文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05324916A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5581635A (en) * | 1995-07-25 | 1996-12-03 | United Parcel Service Of America, Inc. | Method and system for fast rotation of run-length encoded images |
-
1992
- 1992-05-20 JP JP4127706A patent/JPH05324916A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5581635A (en) * | 1995-07-25 | 1996-12-03 | United Parcel Service Of America, Inc. | Method and system for fast rotation of run-length encoded images |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Toivanen | New geodosic distance transforms for gray-scale images | |
| CN104809731B (zh) | 一种基于梯度二值化的旋转尺度不变场景匹配方法 | |
| JPS6367218B2 (ja) | ||
| US5247587A (en) | Peak data extracting device and a rotary motion recurrence formula computing device | |
| EP0843275A2 (en) | Pattern extraction apparatus and method for extracting patterns | |
| Hamami et al. | Recognition system for printed multi-font and multi-size Arabic characters | |
| Amin et al. | Hand printed Arabic character recognition system | |
| Srivastva et al. | A survey on techniques of separation of machine printed text and handwritten text | |
| JP2019061495A (ja) | 情報処理装置 | |
| JPH05324916A (ja) | 文字認識方法及びそれを用いた文字認識装置 | |
| CN113505793B (zh) | 复杂背景下的矩形目标检测方法 | |
| CN111325199A (zh) | 一种文字倾斜角度检测方法及装置 | |
| CN112419208A (zh) | 一种基于施工图审查矢量图纸编译方法及系统 | |
| Ye et al. | Document image matching and annotation lifting | |
| JP2986185B2 (ja) | 線図形の線幅分類方式 | |
| Elrajubi et al. | Angle features extraction of handwritten signatures | |
| JP2616994B2 (ja) | 特徴抽出装置 | |
| JP2613211B2 (ja) | 画像入力装置 | |
| JPH0750496B2 (ja) | 画信号処理装置 | |
| Singh et al. | Skew detection in image processing | |
| JPS646508B2 (ja) | ||
| JP2715930B2 (ja) | 線分検出方法 | |
| JPH035630B2 (ja) | ||
| JP3329528B2 (ja) | ドキュメント読取り装置 | |
| JP2674286B2 (ja) | 特徴抽出方式 |