JPH0546812A - 文字の大分類認識方法 - Google Patents
文字の大分類認識方法Info
- Publication number
- JPH0546812A JPH0546812A JP3232362A JP23236291A JPH0546812A JP H0546812 A JPH0546812 A JP H0546812A JP 3232362 A JP3232362 A JP 3232362A JP 23236291 A JP23236291 A JP 23236291A JP H0546812 A JPH0546812 A JP H0546812A
- Authority
- JP
- Japan
- Prior art keywords
- group
- feature amount
- large classification
- character
- dimension
- 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
Abstract
(57)【要約】
【目的】 詳細認識処理の前処理として、認識対象の文
字画像を大分類にグループ分けする際、大分類グループ
の境界をぼかすことで、辞書サイズを大きくすることな
しに、文字画像にのった歪みや雑音によるグループの誤
認識を解消する。 【構成】 処理装置１２は、文字画像データファイル１
４のサンプル文字画像データ群について多次元の特徴量
を抽出し、各次元の特徴量に対して閾値を設定して各文
字種をグループ分けし、各グループのグループ内要素文
字の各次元の特徴量の分布を求めて大分類辞書とし、辞
書メモリ１７に登録する。イメージスキャナ１１から読
み込んだ文字画像は、入力画像用メモリ１５を介して作
業用メモリ１６に設定する。処理装置１２は該文字画像
の特徴量を抽出し、辞書メモリ１７の分布データを用い
て大分類候補を決定する。
字画像を大分類にグループ分けする際、大分類グループ
の境界をぼかすことで、辞書サイズを大きくすることな
しに、文字画像にのった歪みや雑音によるグループの誤
認識を解消する。 【構成】 処理装置１２は、文字画像データファイル１
４のサンプル文字画像データ群について多次元の特徴量
を抽出し、各次元の特徴量に対して閾値を設定して各文
字種をグループ分けし、各グループのグループ内要素文
字の各次元の特徴量の分布を求めて大分類辞書とし、辞
書メモリ１７に登録する。イメージスキャナ１１から読
み込んだ文字画像は、入力画像用メモリ１５を介して作
業用メモリ１６に設定する。処理装置１２は該文字画像
の特徴量を抽出し、辞書メモリ１７の分布データを用い
て大分類候補を決定する。
Description
【０００１】
【産業上の利用分野】本発明は、光学的文字認識装置
（ＯＣＲ）などにおいて、詳細認識処理の前処理とし
て、読み込まれた多数、多種類の文字画像データを大分
類にグループ分けする大分類認識方法に関する。
（ＯＣＲ）などにおいて、詳細認識処理の前処理とし
て、読み込まれた多数、多種類の文字画像データを大分
類にグループ分けする大分類認識方法に関する。
【０００２】
【従来の技術】ＯＣＲなどにおいては、認識処理時間の
短縮を目的として、読み込まれた多数及び多種類の文字
画像データについて、まず、大分類にグループ分けし、
次に、この大分類グループを対象に詳細認識する手法を
用いることが多々ある。
短縮を目的として、読み込まれた多数及び多種類の文字
画像データについて、まず、大分類にグループ分けし、
次に、この大分類グループを対象に詳細認識する手法を
用いることが多々ある。
【０００３】この種の従来技術では、例えば特開平１−
１６１５９２号公報に記載のように認識辞書内のすべて
の文字を、似通った特徴量を持つ文字群のグループに振
り分け、これらの平均の特徴量などにより標準特徴量を
求め、グループの特徴量として大分類辞書を作成する。
そして、入力された文字画像データの特徴量を抽出し、
各グループの標準特徴量とマッチングをとり、最も距離
の近いグループを求める（大分類）。その後、この求ま
ったグループに含まれる各文字の特徴量とのマッチング
を行い、最終的な文字候補を決定する。
１６１５９２号公報に記載のように認識辞書内のすべて
の文字を、似通った特徴量を持つ文字群のグループに振
り分け、これらの平均の特徴量などにより標準特徴量を
求め、グループの特徴量として大分類辞書を作成する。
そして、入力された文字画像データの特徴量を抽出し、
各グループの標準特徴量とマッチングをとり、最も距離
の近いグループを求める（大分類）。その後、この求ま
ったグループに含まれる各文字の特徴量とのマッチング
を行い、最終的な文字候補を決定する。
【０００４】
【発明が解決しようとする課題】上記従来技術は、大分
類処理においてグループの代表特徴量との距離を用いる
ものであるが、大分類グループの境界が厳しく、境界近
くでは、文字が歪んだり、雑音がのっていると、他のグ
ループ領域に入り、グループの誤認が起こりやすい。ま
た、このような誤認識を解消するため、境界近くの文字
を隣り合う二つのグループにまたがって登録すると、本
来よりも辞書サイズが大きくなってしまう。
類処理においてグループの代表特徴量との距離を用いる
ものであるが、大分類グループの境界が厳しく、境界近
くでは、文字が歪んだり、雑音がのっていると、他のグ
ループ領域に入り、グループの誤認が起こりやすい。ま
た、このような誤認識を解消するため、境界近くの文字
を隣り合う二つのグループにまたがって登録すると、本
来よりも辞書サイズが大きくなってしまう。
【０００５】本発明の目的は、大分類グループの境界を
ぼかし、辞書サイズを大きくすることなしに、大分類グ
ループの境界近くにおいて文字画像にのった歪みや雑音
によるグループの誤認を解消する文字の大分類認識方法
を提供することにある。
ぼかし、辞書サイズを大きくすることなしに、大分類グ
ループの境界近くにおいて文字画像にのった歪みや雑音
によるグループの誤認を解消する文字の大分類認識方法
を提供することにある。
【０００６】
【課題を解決するための手段】上記目的を達成するため
に、請求項１及び２の発明では、サンプル文字画像デー
タ群について多次元の特徴量を抽出しすると共に、各文
字種の各次元の平均特徴量を抽出して、各次元の特徴量
に対する一つあるいは複数の閾値を決定し、該決定した
閾値を基準に各文字種をグループ分けし、各グループの
要素文字種より各グループの各次元毎の特徴量の分布デ
ータを求めて大分類辞書とし、認識対象の入力文字画像
データについて多次元の特徴量を抽出し、該抽出した各
次元の特徴量を前記大分類辞書の分布データと比較して
詳細認識対象グループを選択するようにしたことであ
る。
に、請求項１及び２の発明では、サンプル文字画像デー
タ群について多次元の特徴量を抽出しすると共に、各文
字種の各次元の平均特徴量を抽出して、各次元の特徴量
に対する一つあるいは複数の閾値を決定し、該決定した
閾値を基準に各文字種をグループ分けし、各グループの
要素文字種より各グループの各次元毎の特徴量の分布デ
ータを求めて大分類辞書とし、認識対象の入力文字画像
データについて多次元の特徴量を抽出し、該抽出した各
次元の特徴量を前記大分類辞書の分布データと比較して
詳細認識対象グループを選択するようにしたことであ
る。
【０００７】また、請求項３の発明では、サンプル文字
画像データ群について多次元の特徴量を抽出すると共
に、各文字種の各次元毎の最大特徴量及び最小特徴量を
抽出し、前記抽出した特徴量より各次元の特徴量に対す
る閾値を決定し、前記各文字種の最大及び最小特徴量と
前記決定した閾値により各文字種をグループ分けし、各
グループの要素文字種より各グループの各次元毎の特徴
量の分布データを求めて大分類辞書とし、認識対象の入
力文字画像データについて多次元の特徴量を抽出し、該
抽出した各次元の特徴量を前記大分類辞書の分布データ
と比較して詳細認識対象グループを選択するようにした
ことである。
画像データ群について多次元の特徴量を抽出すると共
に、各文字種の各次元毎の最大特徴量及び最小特徴量を
抽出し、前記抽出した特徴量より各次元の特徴量に対す
る閾値を決定し、前記各文字種の最大及び最小特徴量と
前記決定した閾値により各文字種をグループ分けし、各
グループの要素文字種より各グループの各次元毎の特徴
量の分布データを求めて大分類辞書とし、認識対象の入
力文字画像データについて多次元の特徴量を抽出し、該
抽出した各次元の特徴量を前記大分類辞書の分布データ
と比較して詳細認識対象グループを選択するようにした
ことである。
【０００８】
【作用】請求項１および２では、各文字種の平均特徴量
に対し、各グループに含まれる文字種数がほぼ等しくな
るように一つあるいは複数の閾値を設定して各文字種を
グルーピングし、サンプル文字画像データ群を、その文
字種の平均特徴量が属するグループの要素として、各グ
ループの要素の特徴量の各次元の分布を求めて大分類辞
書とする。また、請求項３では、閾値に加えて各文字種
の最大及び最小特徴量により各文字種をグルーピング
し、各グループの要素文字種より各グループの各次元の
分布を求めて大分類辞書とする。大分類処理では、認識
対象の文字画像データの各次元の特徴量を上記大分類辞
書の各グループの分布と比較して大分類候補を認識す
る。いずれにしても、大分類処理においてグループの代
表特徴量との距離を用いずに、各次元の特徴量に於ける
大分類グループ内の要素の分布を用いることで、大分類
グループの境界をぼかし、辞書サイズを大きくすること
なしに歪み又は雑音によるグループの誤認を解消するこ
とができる。
に対し、各グループに含まれる文字種数がほぼ等しくな
るように一つあるいは複数の閾値を設定して各文字種を
グルーピングし、サンプル文字画像データ群を、その文
字種の平均特徴量が属するグループの要素として、各グ
ループの要素の特徴量の各次元の分布を求めて大分類辞
書とする。また、請求項３では、閾値に加えて各文字種
の最大及び最小特徴量により各文字種をグルーピング
し、各グループの要素文字種より各グループの各次元の
分布を求めて大分類辞書とする。大分類処理では、認識
対象の文字画像データの各次元の特徴量を上記大分類辞
書の各グループの分布と比較して大分類候補を認識す
る。いずれにしても、大分類処理においてグループの代
表特徴量との距離を用いずに、各次元の特徴量に於ける
大分類グループ内の要素の分布を用いることで、大分類
グループの境界をぼかし、辞書サイズを大きくすること
なしに歪み又は雑音によるグループの誤認を解消するこ
とができる。
【０００９】
【実施例】図１は本発明が適用される文字認識装置の一
実施例のブロック図を示す。文字画像データファイル１
４は大分類辞書や詳細認識辞書を作成するためのサンプ
ルデータとなる多数の文字画像データを保持している。
処理装置１２は、文字画像データファイル１４にあらか
じめ保持されている文字画像データを用いて大分類辞書
や詳細認識辞書を作成して辞書メモリ１７に格納する。
認識対象の手書又は印刷された文書はイメージスキャナ
１１で読み込まれ、黒領域は１、白領域は０の画像デー
タに変換される。入力画像用メモリ１５は該イメージス
キャナ１１で読み込まれた入力画像データを格納する。
処理装置１２は、入力画像用メモリ１５より入力画像デ
ータを一文字ずつ切り出して作業用メモリ１６に格納
し、その特徴量を抽出した後、まず、辞書メモリ１７の
大分類辞書を用いて詳細認識対象グループを決定し（大
分類認識処理）、次に、該グループに着目して詳細認識
処理を行い、最終的に候補文字を決定する。ディスプレ
ィ１３は処理装置１２で求まった候補文字を表示するの
に用いられる。なお、作業用メモリ１６は、処理装置１
２が文字画像データファイル１４の文字画像データを用
いて辞書を作成する際にも使用される。
実施例のブロック図を示す。文字画像データファイル１
４は大分類辞書や詳細認識辞書を作成するためのサンプ
ルデータとなる多数の文字画像データを保持している。
処理装置１２は、文字画像データファイル１４にあらか
じめ保持されている文字画像データを用いて大分類辞書
や詳細認識辞書を作成して辞書メモリ１７に格納する。
認識対象の手書又は印刷された文書はイメージスキャナ
１１で読み込まれ、黒領域は１、白領域は０の画像デー
タに変換される。入力画像用メモリ１５は該イメージス
キャナ１１で読み込まれた入力画像データを格納する。
処理装置１２は、入力画像用メモリ１５より入力画像デ
ータを一文字ずつ切り出して作業用メモリ１６に格納
し、その特徴量を抽出した後、まず、辞書メモリ１７の
大分類辞書を用いて詳細認識対象グループを決定し（大
分類認識処理）、次に、該グループに着目して詳細認識
処理を行い、最終的に候補文字を決定する。ディスプレ
ィ１３は処理装置１２で求まった候補文字を表示するの
に用いられる。なお、作業用メモリ１６は、処理装置１
２が文字画像データファイル１４の文字画像データを用
いて辞書を作成する際にも使用される。
【００１０】以下、処理装置１２での本発明にかかわる
大分類辞書作成、入力文字に対する大分類処理の各実施
例について詳述する。
大分類辞書作成、入力文字に対する大分類処理の各実施
例について詳述する。
【００１１】実施例１ これは請求項１に対応するものである。該実施例１の大
分類辞書作成のフローチャートを図２に、大分類処理の
フローチャートを図３に示す。
分類辞書作成のフローチャートを図２に、大分類処理の
フローチャートを図３に示す。
【００１２】初めに、図２に基づいて大分類辞書の作成
を説明する。
を説明する。
【００１３】多次元特徴量の抽出（ステップ１０１）；
文字画像データファイル１４には、１文字種あたり複数
の文字画像データずつ、認識対象の全文字種のサンプル
文字画像データ群があらかじめ用意されている。この文
字画像データファイル１４の各文字画像データについて
多次元の特徴量を抽出する。ここでは６４次元の特徴量
を抽出するとする。特徴量としては方向コード、その
他、何でもよい。抽出した特徴量は、例えば文字画像デ
ータファイル１４内に、文字画像データ対応に保持して
おく。
文字画像データファイル１４には、１文字種あたり複数
の文字画像データずつ、認識対象の全文字種のサンプル
文字画像データ群があらかじめ用意されている。この文
字画像データファイル１４の各文字画像データについて
多次元の特徴量を抽出する。ここでは６４次元の特徴量
を抽出するとする。特徴量としては方向コード、その
他、何でもよい。抽出した特徴量は、例えば文字画像デ
ータファイル１４内に、文字画像データ対応に保持して
おく。
【００１４】有意特徴次元の決定（ステップ１０２）；
まず、各文字種ごとの複数の文字画像データの特徴量よ
り、各文字種の各次元における特徴量の平均を、次式
(1)により求める。
まず、各文字種ごとの複数の文字画像データの特徴量よ
り、各文字種の各次元における特徴量の平均を、次式
(1)により求める。
【数１】 但し、ｍ；文字種番号 Ｎ；１文字種当りの文字画像データ数 ｆm（ｉ）；ｍ文字種のｉ次元の平均特徴量
【００１５】次に、求まった各文字種の平均特徴量を用
い、全文字種を母集合としたときの各次元における特徴
量の文字種間の分散ｆ（ｉ）を求める。さらに、文字画
像データの特徴量および各文字種の各次元における特徴
量の平均より、各文字種の各次元における特徴量の文字
種内分散を、次式(2)により求める。
い、全文字種を母集合としたときの各次元における特徴
量の文字種間の分散ｆ（ｉ）を求める。さらに、文字画
像データの特徴量および各文字種の各次元における特徴
量の平均より、各文字種の各次元における特徴量の文字
種内分散を、次式(2)により求める。
【数２】 但し、ｍ；文字種番号 Ｎ；１文字種当りの文字画像データ数 ｇm（ｉ）；ｍ文字種のｉ次元の特徴量の分散
【００１６】この得られた各文字種の特徴量の文字種内
分散を用い、全文字種を母集合としたときの各次元にお
ける特徴量の文字種内分散の平均ｇ（ｉ）を求める。こ
のようにして求められた各次元における文字種内分散の
平均と文字種間分散の比ｇ（ｉ）／ｆ（ｉ）の小さい上
位所定数の次元を決定する。ここでは、上位３次元とす
る。つまり、最も文字の分類に対し有意義な特徴量を６
４次元より３次元求める。得られた上位３次元を最上位
よりＤ０、Ｄ１、Ｄ２とする（例えば、Ｄ０は第３４次
元、Ｄ１は第２０次元、Ｄ２は第４４次元。ただし、６
４次元内）。
分散を用い、全文字種を母集合としたときの各次元にお
ける特徴量の文字種内分散の平均ｇ（ｉ）を求める。こ
のようにして求められた各次元における文字種内分散の
平均と文字種間分散の比ｇ（ｉ）／ｆ（ｉ）の小さい上
位所定数の次元を決定する。ここでは、上位３次元とす
る。つまり、最も文字の分類に対し有意義な特徴量を６
４次元より３次元求める。得られた上位３次元を最上位
よりＤ０、Ｄ１、Ｄ２とする（例えば、Ｄ０は第３４次
元、Ｄ１は第２０次元、Ｄ２は第４４次元。ただし、６
４次元内）。
【００１７】大分類グルーピング（ステップ１０３，１
０４）；上記求められた有意な特徴次元Ｄｉ（ｉ＝０，
１，２）の各次元に於て、各文字種の特徴量の平均に対
する閾値ＴｈＤｉを設定し、全文字種のうち特徴量の平
均がこの閾値未満の文字種をグループＤＬＤｉ、全文字
種のうち特徴量の平均がこの閾値以上の文字種をグルー
プＧＨＤｉにグルーピングする。ただし、各グループに
含まれる文字種数はほぼ等しくなるように閾値を設定す
る。
０４）；上記求められた有意な特徴次元Ｄｉ（ｉ＝０，
１，２）の各次元に於て、各文字種の特徴量の平均に対
する閾値ＴｈＤｉを設定し、全文字種のうち特徴量の平
均がこの閾値未満の文字種をグループＤＬＤｉ、全文字
種のうち特徴量の平均がこの閾値以上の文字種をグルー
プＧＨＤｉにグルーピングする。ただし、各グループに
含まれる文字種数はほぼ等しくなるように閾値を設定す
る。
【００１８】図４に閾値設定の様子を示す。図４におい
て、一つ一つの黒丸がＤｉ（ｉ＝０，１，２）における
各文字種の平均特徴量を示している。（ａ）は、次元Ｄ
０の平均特徴量ｆm（Ｄ０）に着目して文字種数（要素
数）の分布を求め、二分した各グループＧＬＤ０、ＧＨ
Ｄ０に含まれる文字種数の総和がほぼ等しくなるように
閾値ＴｈＤ０を設定する様子を示した図である。同様
に、（ｂ）は次元Ｄ１の平均特徴量ｆm（Ｄ１）に対し
て閾値ＴｈＤ１を設定した図、（ｃ）は次元Ｄ２の平均
特徴量ｆm（Ｄ２）に対して閾値ＴｈＤ２を設定した図
である。
て、一つ一つの黒丸がＤｉ（ｉ＝０，１，２）における
各文字種の平均特徴量を示している。（ａ）は、次元Ｄ
０の平均特徴量ｆm（Ｄ０）に着目して文字種数（要素
数）の分布を求め、二分した各グループＧＬＤ０、ＧＨ
Ｄ０に含まれる文字種数の総和がほぼ等しくなるように
閾値ＴｈＤ０を設定する様子を示した図である。同様
に、（ｂ）は次元Ｄ１の平均特徴量ｆm（Ｄ１）に対し
て閾値ＴｈＤ１を設定した図、（ｃ）は次元Ｄ２の平均
特徴量ｆm（Ｄ２）に対して閾値ＴｈＤ２を設定した図
である。
【００１９】上記のグルーピングにより８つの大分類グ
ループが得られる。図５はこの様子を示したもので、太
線で囲ったブロックはそれぞれグループ、各ブロック上
の番号は大分類グループ番号を示す。即ち、第１大分類
グループ（番号１）は、ＧＬＤ０かつＧＬＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第２大分類
グループ（番号２）は、ＧＨＤ０かつＧＬＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第３大分類
グループ（番号３）は、ＧＬＤ０かつＧＨＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第４大分類
グループ（番号４）は、ＧＨＤ０かつＧＨＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第５大分類
グループ（番号５）は、ＧＬＤ０かつＧＬＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。第６大分類
グループ（番号６）は、ＧＨＤ０かつＧＬＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。第７大分類
グループ（番号７）は、ＧＬＤ０かつＧＨＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。第８大分類
グループ（番号８）は、ＧＨＤ０かつＧＨＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。
ループが得られる。図５はこの様子を示したもので、太
線で囲ったブロックはそれぞれグループ、各ブロック上
の番号は大分類グループ番号を示す。即ち、第１大分類
グループ（番号１）は、ＧＬＤ０かつＧＬＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第２大分類
グループ（番号２）は、ＧＨＤ０かつＧＬＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第３大分類
グループ（番号３）は、ＧＬＤ０かつＧＨＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第４大分類
グループ（番号４）は、ＧＨＤ０かつＧＨＤ１かつＧＬ
Ｄ２に含まれる文字種によって構成される。第５大分類
グループ（番号５）は、ＧＬＤ０かつＧＬＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。第６大分類
グループ（番号６）は、ＧＨＤ０かつＧＬＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。第７大分類
グループ（番号７）は、ＧＬＤ０かつＧＨＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。第８大分類
グループ（番号８）は、ＧＨＤ０かつＧＨＤ１かつＧＨ
Ｄ２に含まれる文字種によって構成される。
【００２０】大分類辞書の作成・登録（ステップ１０５
〜１１０）；文字画像データファイル１４内の各文字種
の平均特徴量を求めるために用いたすべての文字画像デ
ータ（サンプルデータ）の特徴量（ただし、６４次元特
徴量の内の上記有意な３次元の特徴量）を、その文字種
の平均特徴量が属するグループＧＬＤｉまたはＧＨＤｉ
の要素とし、グループＧＬＤ０及びＧＨＤ０の要素の特
徴量の次元Ｄ０における分布Ｈ０ｇ（ｆ）、グループＧ
ＬＤ１及びＧＨＤ１の要素の特徴量の次元Ｄ１における
分布Ｈ１ｇ（ｆ）、グループＧＬＤ２及びＧＨＤ２の要
素の特徴量の次元Ｄ２における分布Ｈ２ｇ（ｆ）をそれ
ぞれ求める。そして、この求めた各グループに於ける特
徴量の分布Ｈ０ｇ（ｆ）、Ｈ１ｇ（ｆ）、Ｈ２ｇ（ｆ）
を大分類辞書として辞書メモリ１７に登録する。ここ
で、ｇはグループ（Ｌ＝ＧＬＤｉまたはＧＨＤｉ）、ｆ
は特徴量を意味する。
〜１１０）；文字画像データファイル１４内の各文字種
の平均特徴量を求めるために用いたすべての文字画像デ
ータ（サンプルデータ）の特徴量（ただし、６４次元特
徴量の内の上記有意な３次元の特徴量）を、その文字種
の平均特徴量が属するグループＧＬＤｉまたはＧＨＤｉ
の要素とし、グループＧＬＤ０及びＧＨＤ０の要素の特
徴量の次元Ｄ０における分布Ｈ０ｇ（ｆ）、グループＧ
ＬＤ１及びＧＨＤ１の要素の特徴量の次元Ｄ１における
分布Ｈ１ｇ（ｆ）、グループＧＬＤ２及びＧＨＤ２の要
素の特徴量の次元Ｄ２における分布Ｈ２ｇ（ｆ）をそれ
ぞれ求める。そして、この求めた各グループに於ける特
徴量の分布Ｈ０ｇ（ｆ）、Ｈ１ｇ（ｆ）、Ｈ２ｇ（ｆ）
を大分類辞書として辞書メモリ１７に登録する。ここ
で、ｇはグループ（Ｌ＝ＧＬＤｉまたはＧＨＤｉ）、ｆ
は特徴量を意味する。
【００２１】図６の（ａ）、（ｂ）、（ｃ）に、図４の
（ａ）、（ｂ）、（ｃ）に対応する各特徴量の分布Ｈ０
ｇ（ｆ）、Ｈ１ｇ（ｆ）、Ｈ２ｇ（ｆ）の様子を示す。
図６（ａ）、（ｂ）、（ｃ）において、一つ一つの黒丸
がＤｉ（ｉ＝０、１、２）における各文字種の平均特徴
量であり、その周囲の網掛けした部分が同文字種のサン
プルデータの特徴量（要素）の分布を示している。
（ａ）、（ｂ）、（ｃ）に対応する各特徴量の分布Ｈ０
ｇ（ｆ）、Ｈ１ｇ（ｆ）、Ｈ２ｇ（ｆ）の様子を示す。
図６（ａ）、（ｂ）、（ｃ）において、一つ一つの黒丸
がＤｉ（ｉ＝０、１、２）における各文字種の平均特徴
量であり、その周囲の網掛けした部分が同文字種のサン
プルデータの特徴量（要素）の分布を示している。
【００２２】次に、図３に基づいて入力文字画像データ
の認識処理について説明する。
の認識処理について説明する。
【００２３】特徴量の抽出（ステップ１２１） 位置合わせや傾き修正などの所定の前処理を施こした
後、作業用メモリ１６に切り出された一文字ずつの入力
文字画像データについて、多次元（６４次元）の特徴量
を抽出し、さらにその中から大分類処理に用いる３次元
（前記大分類辞書作成で決定されたＤ０、Ｄ２、Ｄ３）
の特徴量ｆ（Ｄｉ）を抽出する。
後、作業用メモリ１６に切り出された一文字ずつの入力
文字画像データについて、多次元（６４次元）の特徴量
を抽出し、さらにその中から大分類処理に用いる３次元
（前記大分類辞書作成で決定されたＤ０、Ｄ２、Ｄ３）
の特徴量ｆ（Ｄｉ）を抽出する。
【００２４】大分類処理（ステップ１２２〜１２６）；
この抽出した特徴量ｆ（Ｄｉ）（ｉ＝１，２，３）につ
いて、辞書メモリ１７に登録されている大分類辞書の分
布データ（図６）を参照し、以下のようにして大分類グ
ループを選択する。図５に示したように、大分類グルー
プは第１大分類グループ乃至第８大分類グループよりな
る。 (1) もしグループＧＬＤ０の特徴量の分布Ｈ０Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第３
大分類グループ、第５大分類グループ、第７大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。もしグループＧＨＤ０の特徴量の分布Ｈ０Ｈ（ｆ
（Ｄｉ））が０であったら、第２大分類グループ、第４
大分類グループ、第６大分類グループ、第８大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。図（ａ）に、このケースの一例を示す。 (2) もしグループＧＬＤ１の特徴量の分布Ｈ１Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第２
大分類グループ、第５大分類グループ、第６大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。もしグループＧＨＤ１の特徴量の分布Ｈ１Ｈ（ｆ
（Ｄｉ））が０であったら、第３大分類グループ、第４
大分類グループ、第７大分類グループ、第８大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。図７（ｂ）に、このケースの一例を示す。 (3) もしグループＧＬＤ２の特徴量の分布Ｈ２Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第２
大分類グループ、第３大分類グループ、第４大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。もしグループＧＨＤ２の特徴量の分布Ｈ２Ｈ（ｆ
（Ｄｉ））が０であったら、第５大分類グループ、第６
大分類グループ、第７大分類グループ、第８大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。図７（ｂ）に、このケースの一例を示す。 (4) (1)、(2)、(3)の処理により候補グループが存在し
なくなってしまう場合、すべてのグループを大分類候補
とする。
この抽出した特徴量ｆ（Ｄｉ）（ｉ＝１，２，３）につ
いて、辞書メモリ１７に登録されている大分類辞書の分
布データ（図６）を参照し、以下のようにして大分類グ
ループを選択する。図５に示したように、大分類グルー
プは第１大分類グループ乃至第８大分類グループよりな
る。 (1) もしグループＧＬＤ０の特徴量の分布Ｈ０Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第３
大分類グループ、第５大分類グループ、第７大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。もしグループＧＨＤ０の特徴量の分布Ｈ０Ｈ（ｆ
（Ｄｉ））が０であったら、第２大分類グループ、第４
大分類グループ、第６大分類グループ、第８大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。図（ａ）に、このケースの一例を示す。 (2) もしグループＧＬＤ１の特徴量の分布Ｈ１Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第２
大分類グループ、第５大分類グループ、第６大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。もしグループＧＨＤ１の特徴量の分布Ｈ１Ｈ（ｆ
（Ｄｉ））が０であったら、第３大分類グループ、第４
大分類グループ、第７大分類グループ、第８大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。図７（ｂ）に、このケースの一例を示す。 (3) もしグループＧＬＤ２の特徴量の分布Ｈ２Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第２
大分類グループ、第３大分類グループ、第４大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。もしグループＧＨＤ２の特徴量の分布Ｈ２Ｈ（ｆ
（Ｄｉ））が０であったら、第５大分類グループ、第６
大分類グループ、第７大分類グループ、第８大分類グル
ープを大分類候補（詳細認識対象グループ候補）から外
す。図７（ｂ）に、このケースの一例を示す。 (4) (1)、(2)、(3)の処理により候補グループが存在し
なくなってしまう場合、すべてのグループを大分類候補
とする。
【００２５】詳細認識処理（ステップ１２７）；大分類
候補として残った大分類グループを詳細認識対象とし
て、辞書メモリ１７の詳細辞書を用いて認識処理を行
い、最終的に候補文字を決定する。この処理は従来と同
様であり、また本発明に直接関係する所はではないの
で、これ以上の説明は省略する。
候補として残った大分類グループを詳細認識対象とし
て、辞書メモリ１７の詳細辞書を用いて認識処理を行
い、最終的に候補文字を決定する。この処理は従来と同
様であり、また本発明に直接関係する所はではないの
で、これ以上の説明は省略する。
【００２６】実施例２ これは請求項２に対応するものである。実施例１との相
違点は、大分類グルーピングにおいて、有意特徴量次元
Ｄｉ（実施例では、ｉ＝０，１，２）の各次元につい
て、各文字種の特徴量の平均に対する閾値を、Ｔｈ０Ｄ
ｉ、Ｔｈ１Ｄｉの二つ設定し、全文字種のうち特徴量の
平均が閾値Ｔｈ０Ｄｉ未満の文字種をグループＧＬＤ
ｉ、全文字種のうち特徴量の平均が閾値Ｔｈ１Ｄｉ以上
の文字種をグループＧＨＤｉ、全文字種のうち上記以外
の文字種をグループＧＭＤｉにグルーピングしたことで
ある。ただし、各グループに含まれる文字種数がほぼ等
しくなるように閾値を設定することは実施例１の場合と
同様である。図８に、実施例２における閾値設定の様子
を示す。
違点は、大分類グルーピングにおいて、有意特徴量次元
Ｄｉ（実施例では、ｉ＝０，１，２）の各次元につい
て、各文字種の特徴量の平均に対する閾値を、Ｔｈ０Ｄ
ｉ、Ｔｈ１Ｄｉの二つ設定し、全文字種のうち特徴量の
平均が閾値Ｔｈ０Ｄｉ未満の文字種をグループＧＬＤ
ｉ、全文字種のうち特徴量の平均が閾値Ｔｈ１Ｄｉ以上
の文字種をグループＧＨＤｉ、全文字種のうち上記以外
の文字種をグループＧＭＤｉにグルーピングしたことで
ある。ただし、各グループに含まれる文字種数がほぼ等
しくなるように閾値を設定することは実施例１の場合と
同様である。図８に、実施例２における閾値設定の様子
を示す。
【００２７】図８から分かるように、この実施例２では
２７の大分類グループが得られる。各大分類グループは
次のようになる。 第１大分類グループは、ＧＬＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第２大分類グループは、ＧＭＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第３大分類グループは、ＧＨＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第４大分類グループは、ＧＬＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第５大分類グループは、ＧＭＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第６大分類グループは、ＧＨＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第７大分類グループは、ＧＬＤ０かつＧＨＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第８大分類グループは、ＧＭＤ０かつＧＨＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第９大分類グループは、ＧＨＤ０かつＧＨＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 ………………………………………………………………………… 第２７大分類グループは、ＧＨＤ０かつＧＨＤ１かつＧＨＤ２に含まれる文字 種によって構成される。
２７の大分類グループが得られる。各大分類グループは
次のようになる。 第１大分類グループは、ＧＬＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第２大分類グループは、ＧＭＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第３大分類グループは、ＧＨＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第４大分類グループは、ＧＬＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第５大分類グループは、ＧＭＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第６大分類グループは、ＧＨＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第７大分類グループは、ＧＬＤ０かつＧＨＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第８大分類グループは、ＧＭＤ０かつＧＨＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第９大分類グループは、ＧＨＤ０かつＧＨＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 ………………………………………………………………………… 第２７大分類グループは、ＧＨＤ０かつＧＨＤ１かつＧＨＤ２に含まれる文字 種によって構成される。
【００２８】便宜上、第１大分類グループ乃至第９大分
類グループについて示すと図９のようになる。
類グループについて示すと図９のようになる。
【００２９】大分類辞書の作成では、各文字種の平均特
徴量を求めるために用いたすべての文字データの特徴量
（ただし、６４次元特徴量の内の上記３次元の特徴量）
を、その文字種の平均特徴量が属するグループＧＬＤ
ｉ、ＧＭＤｉまたはＧＨＤｉの要素とし、グループＧＬ
Ｄｉ、ＧＭＤｉ及びＧＨＤｉの要素の特徴量の次元Ｄ１
における分布Ｈｉｇ（ｆ）を求める。そして、各グルー
プに於ける特徴量の分布Ｈｉｇ（ｆ）を大分類辞書とす
る。ただし、ｉ＝０，１，２であり、また、ｇはグルー
プ（ＬＤｉ、Ｍ＝ＧＭＤｉまたはＨ＝ＧＨＤｉ）、ｆは
特徴量である。図１０に、この様子を示す。
徴量を求めるために用いたすべての文字データの特徴量
（ただし、６４次元特徴量の内の上記３次元の特徴量）
を、その文字種の平均特徴量が属するグループＧＬＤ
ｉ、ＧＭＤｉまたはＧＨＤｉの要素とし、グループＧＬ
Ｄｉ、ＧＭＤｉ及びＧＨＤｉの要素の特徴量の次元Ｄ１
における分布Ｈｉｇ（ｆ）を求める。そして、各グルー
プに於ける特徴量の分布Ｈｉｇ（ｆ）を大分類辞書とす
る。ただし、ｉ＝０，１，２であり、また、ｇはグルー
プ（ＬＤｉ、Ｍ＝ＧＭＤｉまたはＨ＝ＧＨＤｉ）、ｆは
特徴量である。図１０に、この様子を示す。
【００３０】入力文字画像データの大分類処理では、抽
出した特徴量ｆ（Ｄｉ）（ｉ＝０，１，２）について、
上記大分類辞書の分布データを参照し、大分類グループ
を選択する。説明の簡単化のため、Ｄ０、Ｄ１の場合
（ｉ＝０，１）について記述すると以下のようになる。 (1) もしグループＧＬＤ０の特徴量の分布Ｈ０Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第４
大分類グループ、第７大分類グループを大分類候補（詳
細認識対象グループ候補）から外す。もしグループＧＭ
Ｄ０の特徴量の分布Ｈ０Ｍ（ｆ（Ｄｉ））が０であった
ら、第２大分類グループ、第５大分類グループ、第８大
分類グループを大分類候補（詳細認識対象グループ候
補）から外す。もしグループＧＨＤ０の特徴量の分布Ｈ
０Ｈ（ｆ（Ｄｉ））が０であったら、第３大分類グルー
プ、第６大分類グループ、第９大分類グループを大分類
候補（詳細認識対象グループ候補）から外す。 (2) もしグループＧＬＤ０の特徴量の分布Ｈ１Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第１
大分類グループ、第３大分類グループを大分類候補から
外す。もしグループＧＭＤ１の特徴量の分布Ｈ１Ｍ（ｆ
（Ｄｉ））が０であったら、第４大分類グループ、第５
大分類グループ、第６大分類グループを大分類候補から
外す。もしグループＧＨＤ１の特徴量の分布Ｈ１Ｈ（ｆ
（Ｄｉ））が０であったら、第７大分類グループ、第８
大分類グループ、第９大分類グループを大分類候補から
外す。 (3) (1)、(2)の処理により候補グループが存在しなくな
ってしまった場合は、すべてのグループを大分類候補と
する。
出した特徴量ｆ（Ｄｉ）（ｉ＝０，１，２）について、
上記大分類辞書の分布データを参照し、大分類グループ
を選択する。説明の簡単化のため、Ｄ０、Ｄ１の場合
（ｉ＝０，１）について記述すると以下のようになる。 (1) もしグループＧＬＤ０の特徴量の分布Ｈ０Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第４
大分類グループ、第７大分類グループを大分類候補（詳
細認識対象グループ候補）から外す。もしグループＧＭ
Ｄ０の特徴量の分布Ｈ０Ｍ（ｆ（Ｄｉ））が０であった
ら、第２大分類グループ、第５大分類グループ、第８大
分類グループを大分類候補（詳細認識対象グループ候
補）から外す。もしグループＧＨＤ０の特徴量の分布Ｈ
０Ｈ（ｆ（Ｄｉ））が０であったら、第３大分類グルー
プ、第６大分類グループ、第９大分類グループを大分類
候補（詳細認識対象グループ候補）から外す。 (2) もしグループＧＬＤ０の特徴量の分布Ｈ１Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第１
大分類グループ、第３大分類グループを大分類候補から
外す。もしグループＧＭＤ１の特徴量の分布Ｈ１Ｍ（ｆ
（Ｄｉ））が０であったら、第４大分類グループ、第５
大分類グループ、第６大分類グループを大分類候補から
外す。もしグループＧＨＤ１の特徴量の分布Ｈ１Ｈ（ｆ
（Ｄｉ））が０であったら、第７大分類グループ、第８
大分類グループ、第９大分類グループを大分類候補から
外す。 (3) (1)、(2)の処理により候補グループが存在しなくな
ってしまった場合は、すべてのグループを大分類候補と
する。
【００３１】実際には、Ｄ０、Ｄ１に加えてＤ２もある
ため、処理の対象は第１大分類グループから第２７大分
類グループまで存在する。図１１はその様子を示したも
ので、（ａ）はＤ０に着目した場合、（ｂ）はＤ１に着
目した場合、（ｃ）はＤ２に着目した場合のそれぞれの
大分類候補の一例である。
ため、処理の対象は第１大分類グループから第２７大分
類グループまで存在する。図１１はその様子を示したも
ので、（ａ）はＤ０に着目した場合、（ｂ）はＤ１に着
目した場合、（ｃ）はＤ２に着目した場合のそれぞれの
大分類候補の一例である。
【００３２】実施例３ これは請求項３に対応するものである。該実施例３の大
分類辞書作成のフローチャートを図１２に、入力文字画
像データに対する大分類処理のフローチャートを図１３
に示す。
分類辞書作成のフローチャートを図１２に、入力文字画
像データに対する大分類処理のフローチャートを図１３
に示す。
【００３３】初めに、図１２に基づいて大分類辞書の作
成を説明する。
成を説明する。
【００３４】特徴量の抽出、有意特徴次元の決定（ステ
ップ２０１，２０２）；実施例１と同様にして、文字画
像データファイル１４中のサンプル文字画像データ群に
ついて多次元（６４次元）の特徴量を抽出し、それより
最も文字の分類に対して有意な上位３次元Ｄｉ（ｉ＝
０，１，２）を決定する。実施例３では、さらに文字画
像データファイル１４中の全文字画像データのＤ０、Ｄ
１、Ｄ２次元の特徴量について、各文字種の各次元にお
ける特徴量の最大値、最小値を求める。
ップ２０１，２０２）；実施例１と同様にして、文字画
像データファイル１４中のサンプル文字画像データ群に
ついて多次元（６４次元）の特徴量を抽出し、それより
最も文字の分類に対して有意な上位３次元Ｄｉ（ｉ＝
０，１，２）を決定する。実施例３では、さらに文字画
像データファイル１４中の全文字画像データのＤ０、Ｄ
１、Ｄ２次元の特徴量について、各文字種の各次元にお
ける特徴量の最大値、最小値を求める。
【００３５】大分類グルーピング（ステップ２０３，２
０４）；上記求めたＤｉ（ｉ＝０，１，２）の各次元に
於て、各文字種の特徴量に対する閾値ＴｈＤｉを設定
し、全文字種のうち特徴量の最大値がこの閾値ＴｈＤｉ
未満の文字種をグループＧＬＤｉ、全文字種のうち特徴
量の最小値がこの閾値Ｔｈ１Ｄｉ以上の文字種をグルー
プＧＨＤｉ、全文字種のうち上記以外の文字種をグルー
プＧＭＤｉにグルーピングする。ただし、各グループに
含まれる文字種数が等しくなるように閾値を設定する。
０４）；上記求めたＤｉ（ｉ＝０，１，２）の各次元に
於て、各文字種の特徴量に対する閾値ＴｈＤｉを設定
し、全文字種のうち特徴量の最大値がこの閾値ＴｈＤｉ
未満の文字種をグループＧＬＤｉ、全文字種のうち特徴
量の最小値がこの閾値Ｔｈ１Ｄｉ以上の文字種をグルー
プＧＨＤｉ、全文字種のうち上記以外の文字種をグルー
プＧＭＤｉにグルーピングする。ただし、各グループに
含まれる文字種数が等しくなるように閾値を設定する。
【００３６】図１４に、一例としてＤ０次元におけるグ
ループ分けの様子を示す。図１４において、曲線ａ、
ｂ、ｃは各々一文字種の特徴量分布を示し、白丸は各文
字種のＤ０での最大特徴量、黒丸は最小特徴量を示す。
Ｔｈ０は閾値である。この例の場合、曲線ａの文字種は
ＧＬＤ０に、曲線ｂの文字種はＧＭＤ０に、曲線ｃの文
字種はＧＨＤ０に、それぞれグルーピングされることに
なる。
ループ分けの様子を示す。図１４において、曲線ａ、
ｂ、ｃは各々一文字種の特徴量分布を示し、白丸は各文
字種のＤ０での最大特徴量、黒丸は最小特徴量を示す。
Ｔｈ０は閾値である。この例の場合、曲線ａの文字種は
ＧＬＤ０に、曲線ｂの文字種はＧＭＤ０に、曲線ｃの文
字種はＧＨＤ０に、それぞれグルーピングされることに
なる。
【００３７】上記のグルーピングにより、実施例２の場
合と同じく２７の大分類グループが求まる。即ち、大分
類グループは次のようになる。 第１大分類グループは、ＧＬＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第２大分類グループは、ＧＭＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第３大分類グループは、ＧＨＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第４大分類グループは、ＧＬＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第５大分類グループは、ＧＭＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第６大分類グループは、ＧＨＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 ………………………………………………………………………… 第２７大分類グループは、ＧＨＤ０かつＧＨＤ１かつＧＨＤ２に含まれる文字 種によって構成される。
合と同じく２７の大分類グループが求まる。即ち、大分
類グループは次のようになる。 第１大分類グループは、ＧＬＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第２大分類グループは、ＧＭＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第３大分類グループは、ＧＨＤ０かつＧＬＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第４大分類グループは、ＧＬＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第５大分類グループは、ＧＭＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 第６大分類グループは、ＧＨＤ０かつＧＭＤ１かつＧＬＤ２に含まれる文字種 によって構成される。 ………………………………………………………………………… 第２７大分類グループは、ＧＨＤ０かつＧＨＤ１かつＧＨＤ２に含まれる文字 種によって構成される。
【００３８】大分類辞書の作成・登録（ステップ２０５
〜２１１）；これも実施例２と基本的に同じである。各
文字種の平均特徴量を求めるために用いたすべての文字
データの特徴量（６４次元特徴量の内の上記３次元の特
徴量）を、その文字種の平均特徴量が属するグループＧ
ＬＤｉ、ＧＭＤｉまたはＧＨＤｉの要素とし、グループ
ＧＬＤ０、ＧＭＤ０の要素の特徴量の次元Ｄ０における
分布Ｈ０ｇ（ｆ）、グループＧＬＤ１、ＧＭＤ１及びＧ
ＨＤ１の要素の特徴量の次元Ｄ１における分布Ｈ１ｇ
（ｆ）、グループＧＬＤ２、ＧＭＤ２及びＧＨＤ２の要
素の特徴量の次元Ｄ２における分布Ｈ２ｇ（ｆ）を求め
る。そして、各グループに於ける特徴量の分布Ｈ０ｇ
（ｆ）、Ｈ１ｇ（ｆ）及びＨ２ｇ（ｆ）を大分類辞書と
する。ただし、ｇグループ（Ｌ＝ＧＬＤｉ、Ｍ＝ＧＭＤ
ｉまたはＨ＝ＧＨＤｉ）、ｆは特徴量である。図１５に
この様子を示す。
〜２１１）；これも実施例２と基本的に同じである。各
文字種の平均特徴量を求めるために用いたすべての文字
データの特徴量（６４次元特徴量の内の上記３次元の特
徴量）を、その文字種の平均特徴量が属するグループＧ
ＬＤｉ、ＧＭＤｉまたはＧＨＤｉの要素とし、グループ
ＧＬＤ０、ＧＭＤ０の要素の特徴量の次元Ｄ０における
分布Ｈ０ｇ（ｆ）、グループＧＬＤ１、ＧＭＤ１及びＧ
ＨＤ１の要素の特徴量の次元Ｄ１における分布Ｈ１ｇ
（ｆ）、グループＧＬＤ２、ＧＭＤ２及びＧＨＤ２の要
素の特徴量の次元Ｄ２における分布Ｈ２ｇ（ｆ）を求め
る。そして、各グループに於ける特徴量の分布Ｈ０ｇ
（ｆ）、Ｈ１ｇ（ｆ）及びＨ２ｇ（ｆ）を大分類辞書と
する。ただし、ｇグループ（Ｌ＝ＧＬＤｉ、Ｍ＝ＧＭＤ
ｉまたはＨ＝ＧＨＤｉ）、ｆは特徴量である。図１５に
この様子を示す。
【００３９】次に、図１３に基づいて入力文字画像デー
タの認識処理について説明する。
タの認識処理について説明する。
【００４０】特徴量の抽出（ステップ２２１）；実施例
１、２と同様に、切り出された入力文字画像データにつ
いて、６４次元の特徴量の抽出処理を行い、その中から
大分類処理に用いる３次元（Ｄ０，Ｄ１，Ｄ２）の特徴
量ｆ（Ｄｉ）（ｉ＝０，１，２）を抽出する。
１、２と同様に、切り出された入力文字画像データにつ
いて、６４次元の特徴量の抽出処理を行い、その中から
大分類処理に用いる３次元（Ｄ０，Ｄ１，Ｄ２）の特徴
量ｆ（Ｄｉ）（ｉ＝０，１，２）を抽出する。
【００４１】大分類処理（ステップ０００〜２２７）；
上記特徴量ｆ（Ｄｉ）（ｉ＝０，１，２）について、大
分類辞書の分布データ（図１５）を用い、大分類グルー
プを選択する。ここでも、簡略化してＤ０、Ｄ１（ｉ＝
０，１）の場合について以下に記述する。 (1) もしグループＧＬＤ０の特徴量の分布Ｈ０Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第４
大分類グループ、第７大分類グループを大分類候補（詳
細認識対象グループ候補）から外す。もしグループＧＭ
Ｄ０の特徴量の分布Ｈ０Ｍ（ｆ（Ｄｉ））が０であった
ら、第２大分類グループ、第５大分類グループ、第８大
分類グループを大分類候補から外す。もしグループＧＨ
Ｄ０の特徴量の分布Ｈ０Ｈ（ｆ（Ｄｉ））が０であった
ら、第３大分類グループ、第６大分類グループ、第９大
分類グループを大分類候補から外す。 (2) もしグループＧＬＤ１の特徴量の分布Ｈ１Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第２
大分類グループ、第３大分類グループを大分類候補から
外す。もしグループＧＭＤ１の特徴量の分布Ｈ１Ｍ（ｆ
（Ｄｉ））が０であったら、第４大分類グループ、第５
大分類グループ、第６大分類グループを大分類候補から
外す。もしグループＧＨＤ１の特徴量の分布Ｈ１Ｈ（ｆ
（Ｄｉ））が０であったら、第７大分類グループ、第８
大分類グループ、第９大分類グループを大分類候補から
外す。 (3) (1)、(2)の処理により候補グループが存在しなくな
ってしまった場合は、すべてのグループを大分類候補と
する。
上記特徴量ｆ（Ｄｉ）（ｉ＝０，１，２）について、大
分類辞書の分布データ（図１５）を用い、大分類グルー
プを選択する。ここでも、簡略化してＤ０、Ｄ１（ｉ＝
０，１）の場合について以下に記述する。 (1) もしグループＧＬＤ０の特徴量の分布Ｈ０Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第４
大分類グループ、第７大分類グループを大分類候補（詳
細認識対象グループ候補）から外す。もしグループＧＭ
Ｄ０の特徴量の分布Ｈ０Ｍ（ｆ（Ｄｉ））が０であった
ら、第２大分類グループ、第５大分類グループ、第８大
分類グループを大分類候補から外す。もしグループＧＨ
Ｄ０の特徴量の分布Ｈ０Ｈ（ｆ（Ｄｉ））が０であった
ら、第３大分類グループ、第６大分類グループ、第９大
分類グループを大分類候補から外す。 (2) もしグループＧＬＤ１の特徴量の分布Ｈ１Ｌ（ｆ
（Ｄｉ））が０であったら、第１大分類グループ、第２
大分類グループ、第３大分類グループを大分類候補から
外す。もしグループＧＭＤ１の特徴量の分布Ｈ１Ｍ（ｆ
（Ｄｉ））が０であったら、第４大分類グループ、第５
大分類グループ、第６大分類グループを大分類候補から
外す。もしグループＧＨＤ１の特徴量の分布Ｈ１Ｈ（ｆ
（Ｄｉ））が０であったら、第７大分類グループ、第８
大分類グループ、第９大分類グループを大分類候補から
外す。 (3) (1)、(2)の処理により候補グループが存在しなくな
ってしまった場合は、すべてのグループを大分類候補と
する。
【００４２】実施例３でも、Ｄ０、Ｄ１に加えてＤ２の
３次元の特徴量があるため、実際には処理の対象は第１
大分類グループから第２７大分類グループまでとなる。
図１６はその様子を示したものである。図１６におい
て、（ａ）はＧＬＤ０グループを大分類候補とした場
合、（ｂ）はＧＨＤ１グループまたはＧＭＤ１グループ
を大分類候補とした場合、（ｃ）はＧＬＤ２を大分類候
補とした場合の例である。
３次元の特徴量があるため、実際には処理の対象は第１
大分類グループから第２７大分類グループまでとなる。
図１６はその様子を示したものである。図１６におい
て、（ａ）はＧＬＤ０グループを大分類候補とした場
合、（ｂ）はＧＨＤ１グループまたはＧＭＤ１グループ
を大分類候補とした場合、（ｃ）はＧＬＤ２を大分類候
補とした場合の例である。
【００４３】詳細認識処理（ステップ２２８）；大分類
候補として残った大分類グループを詳細認識対象とし
て、辞書メモリ１７の詳細辞書を用いて認識処理を行
い、最終的に候補文字を決定する。この処理は本発明と
直接関係する所ではないので、これ以上の説明は省略す
る。
候補として残った大分類グループを詳細認識対象とし
て、辞書メモリ１７の詳細辞書を用いて認識処理を行
い、最終的に候補文字を決定する。この処理は本発明と
直接関係する所ではないので、これ以上の説明は省略す
る。
【００４４】
【発明の効果】本発明では、大分類処理においてグルー
プの代表特徴量との距離を用いずに、各次元の特徴量に
於ける大分類グループ内の要素の分布を用いることで、
大分類グループの境界をぼかし、辞書サイズを大きくす
ることなしに歪み又は雑音によるグループの誤認を解消
することができる。また、大分類アルゴリズムが簡単に
なるため、大分類処理の格段の高速化が図れる。
プの代表特徴量との距離を用いずに、各次元の特徴量に
於ける大分類グループ内の要素の分布を用いることで、
大分類グループの境界をぼかし、辞書サイズを大きくす
ることなしに歪み又は雑音によるグループの誤認を解消
することができる。また、大分類アルゴリズムが簡単に
なるため、大分類処理の格段の高速化が図れる。
【図１】本発明が適用される文字認識装置の一実施例の
ブロック図である。
ブロック図である。
【図２】本発明の実施例１の大分類辞書作成のフローチ
ャートである。
ャートである。
【図３】本発明の実施例１の大分類処理のフローチャー
トである。
トである。
【図４】本発明の実施例１における閾値の設定を説明す
る図である。
る図である。
【図５】本発明の実施例１における大分類グループ分け
を説明する図である。
を説明する図である。
【図６】本発明の実施例１における大分類辞書の作成を
説明する図である。
説明する図である。
【図７】本発明の実施例１における大分類処理でのグル
ープ選択を説明する図である。
ープ選択を説明する図である。
【図８】本発明の実施例２における閾値の設定を説明す
る図である。
る図である。
【図９】本発明の実施例２における大分類グループ分け
を説明する図である。
を説明する図である。
【図１０】本発明の実施例２における大分類辞書の作成
を説明する図である。
を説明する図である。
【図１１】本発明の実施例２における大分類処理でのグ
ループ選択を説明する図である。
ループ選択を説明する図である。
【図１２】本発明の実施例３における大分類辞書作成の
フローチャートである。
フローチャートである。
【図１３】本発明の実施例３における大分類処理でのフ
ローチャートである。
ローチャートである。
【図１４】本発明の実施例３における大分類グループ分
けを説明する図である。
けを説明する図である。
【図１５】本発明の実施例３における大分類辞書の作成
を説明する図である。
を説明する図である。
【図１６】本発明の実施例３における大分類処理でのグ
ループ選択を説明する図である。
ループ選択を説明する図である。
１１ イメージスキャナ １２ 処理
装置 １３ ディスプレィ １４ 文字
画像データファイル １５ 入力画像用メモリ １６ 作成
用メモリ １７ 辞書メモリ
装置 １３ ディスプレィ １４ 文字
画像データファイル １５ 入力画像用メモリ １６ 作成
用メモリ １７ 辞書メモリ
Claims (3)
- 【請求項１】 詳細認識処理の前処理として、認識対象
の入力文字画像データを大分類にグループ分けする方法
において、 サンプル文字画像データ群について多次元の特徴量を抽
出すると共に、各文字種の各次元の平均特徴量を抽出し
て、各次元の特徴量に対する閾値を決定し、該決定した
閾値を基準に各文字種をグループ分けし、各グループの
要素文字種より各グループの各次元毎の特徴量の分布デ
ータを求めて大分類辞書とし、 認識対象の入力文字画像データについて多次元の特徴量
を抽出し、該抽出した各次元の特徴量を前記大分類辞書
の分布データと比較して詳細認識対象グループを選択す
ることを特徴とする文字の大分類認識方法。 - 【請求項２】 サンプル文字画像データ群について多次
元の特徴量を抽出すると共に、各文字種の各次元の平均
特徴量を抽出し、各次元の特徴量に対して複数の閾値を
決定し、該決定した複数の閾値を基準に各文字種をグル
ープ分けし、各グループの要素文字種より各グループの
各次元毎の特徴量の分布データを求めて大分類辞書とす
ることを特徴とする請求項１記載の文字の大分類認方
法。 - 【請求項３】 詳細認識処理の前処理として、認識対象
の入力文字画像データを大分類にグループ分けする方法
において、 サンプル文字画像データ群について多次元の特徴量を抽
出すると共に、各文字種の各次元毎の最大特徴量及び最
小特徴量を抽出し、前記抽出した特徴量より各次元の特
徴量に対する閾値を決定し、前記各文字種の最大及び最
小特徴量と前記決定した閾値により各文字種をグループ
分けし、各グループの要素文字種より各グループの各次
元毎の特徴量の分布データを求めて大分類辞書とし、 認識対象の入力文字画像データについて多次元の特徴量
を抽出し、該抽出した各次元の特徴量を前記大分類辞書
の分布データと比較して詳細認識対象グループを選択す
ることを特徴とする文字の大分類認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3232362A JPH0546812A (ja) | 1991-08-20 | 1991-08-20 | 文字の大分類認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3232362A JPH0546812A (ja) | 1991-08-20 | 1991-08-20 | 文字の大分類認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0546812A true JPH0546812A (ja) | 1993-02-26 |
Family
ID=16938028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3232362A Pending JPH0546812A (ja) | 1991-08-20 | 1991-08-20 | 文字の大分類認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0546812A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011100245A (ja) * | 2009-11-05 | 2011-05-19 | Fujitsu Ltd | パターン認識装置、パターン認識プログラム、パターン認識方法 |
| US8379983B2 (en) | 2008-05-13 | 2013-02-19 | Fujitsu Limited | Dictionary creating apparatus, recognizing apparatus, and recognizing method |
-
1991
- 1991-08-20 JP JP3232362A patent/JPH0546812A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8379983B2 (en) | 2008-05-13 | 2013-02-19 | Fujitsu Limited | Dictionary creating apparatus, recognizing apparatus, and recognizing method |
| JP2011100245A (ja) * | 2009-11-05 | 2011-05-19 | Fujitsu Ltd | パターン認識装置、パターン認識プログラム、パターン認識方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6151423A (en) | Character recognition with document orientation determination | |
| JP2001092919A (ja) | ２次元バーコードのねじれ角決定法 | |
| US5841905A (en) | Business form image identification using projected profiles of graphical lines and text string lines | |
| CN111401099B (zh) | 文本识别方法、装置以及存储介质 | |
| EP0482187A1 (en) | Row-by-row segmentation and thresholding for optical character recognition (system and method) | |
| JPH05225378A (ja) | 文書画像の領域分割システム | |
| JPH11345339A (ja) | 画像セグメンテ―ション方法及び装置及びシステム及びコンピュ―タ可読メモリ | |
| CN114663665B (zh) | 基于梯度的对抗样本生成方法与系统 | |
| JPH0546812A (ja) | 文字の大分類認識方法 | |
| JPH11272800A (ja) | 文字認識装置 | |
| Mita et al. | Improvement of video text recognition by character selection | |
| JP2832928B2 (ja) | 文字認識方法 | |
| JPH09305707A (ja) | 画像抽出方式 | |
| JP2785747B2 (ja) | 文字読取装置 | |
| JP2891211B2 (ja) | 光学式文字読取装置および方法 | |
| JP2974167B2 (ja) | 文字の大分類認識方法 | |
| JP3277977B2 (ja) | 文字認識方法 | |
| JPH0795336B2 (ja) | 文字認識方式 | |
| JP3463255B2 (ja) | 多値画像パターンの認識処理方法 | |
| Takebe et al. | Character string extraction from newspaper headlines with a background design by recognizing a combination of connected components | |
| JP3127413B2 (ja) | 文字認識装置 | |
| JP3009237B2 (ja) | 特徴抽出方法 | |
| JPH05174193A (ja) | 文字認識方法 | |
| JPS63131287A (ja) | 文字認識方式 | |
| Chen et al. | Global automatic thresholding with edge information and moving average on histogram |