JPH06131466A - パターン認識方法および装置 - Google Patents
パターン認識方法および装置Info
- Publication number
- JPH06131466A JPH06131466A JP4282123A JP28212392A JPH06131466A JP H06131466 A JPH06131466 A JP H06131466A JP 4282123 A JP4282123 A JP 4282123A JP 28212392 A JP28212392 A JP 28212392A JP H06131466 A JPH06131466 A JP H06131466A
- Authority
- JP
- Japan
- Prior art keywords
- character
- line segment
- character candidate
- pattern recognition
- candidates
- 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
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 傾斜した文字候補を高速かつ高精度に認識す
る技術を提供する。 【構成】 線分要素を順次検索する。線分要素の芯線ベ
クトルデータを取得する。芯線ベクトル長Ｌを設定しき
い値Ｌminと比較する。Ｌ≧Ｌminの線分要素を基準線分
に設定する（Ｓ２）。文字候補の矩形領域中心点から基
準線分の芯線ベクトルに垂線を下ろす。中心点と芯線ベ
クトルとの距離Ｄを求める。距離Ｄと設定しきい値Ｄ
maxとを比較する。Ｄ≧Ｄmaxである文字候補が１つでも
あれば、その文字候補を要素とする文字候補グループを
設定する（Ｓ３）。基準線分の芯線ベクトルの傾きθを
算出する（Ｓ５）。文字候補グループについて傾きθに
より座標変換を行う（Ｓ６）。文字候補グループから個
々の文字候補を抽出する（Ｓ７）。文字候補を文字辞書
と照合してパターン認識を行う（Ｓ８）。
る技術を提供する。 【構成】 線分要素を順次検索する。線分要素の芯線ベ
クトルデータを取得する。芯線ベクトル長Ｌを設定しき
い値Ｌminと比較する。Ｌ≧Ｌminの線分要素を基準線分
に設定する（Ｓ２）。文字候補の矩形領域中心点から基
準線分の芯線ベクトルに垂線を下ろす。中心点と芯線ベ
クトルとの距離Ｄを求める。距離Ｄと設定しきい値Ｄ
maxとを比較する。Ｄ≧Ｄmaxである文字候補が１つでも
あれば、その文字候補を要素とする文字候補グループを
設定する（Ｓ３）。基準線分の芯線ベクトルの傾きθを
算出する（Ｓ５）。文字候補グループについて傾きθに
より座標変換を行う（Ｓ６）。文字候補グループから個
々の文字候補を抽出する（Ｓ７）。文字候補を文字辞書
と照合してパターン認識を行う（Ｓ８）。
Description
【０００１】
【産業上の利用分野】この発明は、手書き図面等の画像
から文字・図形を認識する技術に係わり、特に傾斜した
文字を高速かつ高精度に認識するものに関する。
から文字・図形を認識する技術に係わり、特に傾斜した
文字を高速かつ高精度に認識するものに関する。
【０００２】
【従来の技術】図面自動入力装置のハードウエア構成を
図４に示す。イメージスキャナ１は手書き図面等を光学
的に読み取るものである。２値画像入力インタフェース
２はイメージスキャナ１から２値画像データを取り込む
ものである。画像メモリ３は２値画像データを格納する
ものである。画像処理プロセッサ４は２値画像データを
ベクトルデータに変換するものである。５はディスクで
あり、ディスクコントローラ６により制御される。７は
システムメモリ、８はＣＡＤ（コンピュータ・エイディ
ド・デザイン）システムやマッピングシステム等の上位
システムと通信するための上位システム接続インタフェ
ース、９はこのシステムの主制御を行うホストプロセッ
サであり、システム各部はシステムバス１０を介してホ
ストプロセッサ９と接続されている。
図４に示す。イメージスキャナ１は手書き図面等を光学
的に読み取るものである。２値画像入力インタフェース
２はイメージスキャナ１から２値画像データを取り込む
ものである。画像メモリ３は２値画像データを格納する
ものである。画像処理プロセッサ４は２値画像データを
ベクトルデータに変換するものである。５はディスクで
あり、ディスクコントローラ６により制御される。７は
システムメモリ、８はＣＡＤ（コンピュータ・エイディ
ド・デザイン）システムやマッピングシステム等の上位
システムと通信するための上位システム接続インタフェ
ース、９はこのシステムの主制御を行うホストプロセッ
サであり、システム各部はシステムバス１０を介してホ
ストプロセッサ９と接続されている。
【０００３】この装置の動作概要を図５に示す。２値画
像入力インタフェース２は、イメージスキャナ１で読み
取られた２値画像データを取り込み、画像メモリ３に転
送・格納する（Ｓ１）。この後、この２値画像データを
対象として画像処理プロセッサ４が細線化方式あるいは
輪郭検出・芯線化方式による画像処理を行う。輪郭検出
・芯線化方式の場合、２値画像データから輪郭画素列を
抽出して輪郭ベクトルを生成し（Ｓ２）、さらに輪郭ベ
クトルの中心線にあたる芯線ベクトルを生成する（Ｓ
３）。輪郭ベクトルデータや芯線ベクトルデータはシス
テムメモリ７に格納される。ホストプロセッサ９は、こ
れらのベクトルデータから文字候補やシンボル候補、線
分候補といった要素を分離・抽出する（Ｓ４）。システ
ムメモリ７には文字辞書やシンボル辞書等が用意されて
おり、ホストプロセッサ９は、分離した各種要素につい
て必要により辞書を参照しながらパターン認識を行う
（Ｓ５〜７）。線分候補については、直線や円、円弧等
に近似して認識する。この後、認識したパターンデータ
を所定のフォーマットに編集して認識結果とし（Ｓ
８）、この認識結果をＣＡＤシステムに引き渡す等、各
種の出力処理を行う（Ｓ９〜１１）。
像入力インタフェース２は、イメージスキャナ１で読み
取られた２値画像データを取り込み、画像メモリ３に転
送・格納する（Ｓ１）。この後、この２値画像データを
対象として画像処理プロセッサ４が細線化方式あるいは
輪郭検出・芯線化方式による画像処理を行う。輪郭検出
・芯線化方式の場合、２値画像データから輪郭画素列を
抽出して輪郭ベクトルを生成し（Ｓ２）、さらに輪郭ベ
クトルの中心線にあたる芯線ベクトルを生成する（Ｓ
３）。輪郭ベクトルデータや芯線ベクトルデータはシス
テムメモリ７に格納される。ホストプロセッサ９は、こ
れらのベクトルデータから文字候補やシンボル候補、線
分候補といった要素を分離・抽出する（Ｓ４）。システ
ムメモリ７には文字辞書やシンボル辞書等が用意されて
おり、ホストプロセッサ９は、分離した各種要素につい
て必要により辞書を参照しながらパターン認識を行う
（Ｓ５〜７）。線分候補については、直線や円、円弧等
に近似して認識する。この後、認識したパターンデータ
を所定のフォーマットに編集して認識結果とし（Ｓ
８）、この認識結果をＣＡＤシステムに引き渡す等、各
種の出力処理を行う（Ｓ９〜１１）。
【０００４】上記の要素分離における文字候補の弁別で
は、図６に示すように、懸案要素の輪郭ベクトルから懸
案要素の占める矩形領域を検出し、矩形領域の各辺の大
きさをｄｘ，ｄｙとすると、
は、図６に示すように、懸案要素の輪郭ベクトルから懸
案要素の占める矩形領域を検出し、矩形領域の各辺の大
きさをｄｘ，ｄｙとすると、
【０００５】
【数１】Ｓｎ＜ｄｘ＜Ｓｃ かつ Ｓｎ＜ｄｙ＜Ｓｃ であるとき、懸案要素を文字候補とする。ここでＳｎ，
Ｓｃは図面中の文字の下限しきい値・上限しきい値であ
り、Ｓｎ以下のサイズの要素はノイズとして排除され
る。この後、文字辞書に登録してある文字パターンと各
文字候補とを比較してパターン認識を行う。
Ｓｃは図面中の文字の下限しきい値・上限しきい値であ
り、Ｓｎ以下のサイズの要素はノイズとして排除され
る。この後、文字辞書に登録してある文字パターンと各
文字候補とを比較してパターン認識を行う。
【０００６】ところで、図面に記載された文字は水平横
書きの文字だけとは限らず、たとえば電気回路図の信号
名や機械図の寸法表記など、傾斜した文字もある。文字
辞書には水平方向の文字パターンのみ登録されているの
が通常であるため、傾斜した文字の場合、その文字パタ
ーンを水平方向に整合させる必要がある。従来は次の２
通りの手法により、傾斜した文字に対処していた。
書きの文字だけとは限らず、たとえば電気回路図の信号
名や機械図の寸法表記など、傾斜した文字もある。文字
辞書には水平方向の文字パターンのみ登録されているの
が通常であるため、傾斜した文字の場合、その文字パタ
ーンを水平方向に整合させる必要がある。従来は次の２
通りの手法により、傾斜した文字に対処していた。
【０００７】（１）文字候補を一定角度回転したうえで
パターン認識を行い、辞書と照合されるまで回転・パタ
ーン認識を繰り返す。
パターン認識を行い、辞書と照合されるまで回転・パタ
ーン認識を繰り返す。
【０００８】（２）複数の文字候補を文字列として認識
し、この文字列単位で傾斜を求めて座標変換により水平
方向の文字列に置換し、この後、個々の文字候補につい
てパターン認識を行う。
し、この文字列単位で傾斜を求めて座標変換により水平
方向の文字列に置換し、この後、個々の文字候補につい
てパターン認識を行う。
【０００９】前者によれば認識精度は比較的良好である
が、処理時間がかかる難点があるため、処理時間の短い
後者の手法が有力である。図７，８を用いて後者の手法
を具体的に説明する。図７（ａ）に示すように、まず複
数の文字候補をそれらの隣接関係により文字列にグルー
プ化する。この後、各文字列について傾きを計算する。
この計算では、まず文字列を構成する各文字候補につい
て矩形領域の中心点を算出し、各中心点をサンプル点と
する。そして図８に示すように、各サンプル点を最小自
乗法で直線近似し、その直線の傾きを文字列角度θとす
る。この後、角度θを用いて文字列を座標変換し、図７
（ｂ）に示すように水平方向の文字列に置換したうえ
で、パターン認識を行う。
が、処理時間がかかる難点があるため、処理時間の短い
後者の手法が有力である。図７，８を用いて後者の手法
を具体的に説明する。図７（ａ）に示すように、まず複
数の文字候補をそれらの隣接関係により文字列にグルー
プ化する。この後、各文字列について傾きを計算する。
この計算では、まず文字列を構成する各文字候補につい
て矩形領域の中心点を算出し、各中心点をサンプル点と
する。そして図８に示すように、各サンプル点を最小自
乗法で直線近似し、その直線の傾きを文字列角度θとす
る。この後、角度θを用いて文字列を座標変換し、図７
（ｂ）に示すように水平方向の文字列に置換したうえ
で、パターン認識を行う。
【００１０】
【発明が解決しようとする課題】しかしながら上記の従
来の手法によれば、図９（ａ）に示すように文字列の文
字数が少ない場合、あるいは図９（ｂ）（ｃ）に示すよ
うに文字列に大きさの異なる文字が含まれている場合、
文字列角度計算の精度が低下してパターン認識精度を劣
化させる問題点があった。
来の手法によれば、図９（ａ）に示すように文字列の文
字数が少ない場合、あるいは図９（ｂ）（ｃ）に示すよ
うに文字列に大きさの異なる文字が含まれている場合、
文字列角度計算の精度が低下してパターン認識精度を劣
化させる問題点があった。
【００１１】この発明は、かかる問題点に鑑み、文字候
補の傾きを修正したうえでパターン認識を行うパターン
認識技術において、処理速度を阻害することなく、パタ
ーン認識精度を向上させることを目的とする。
補の傾きを修正したうえでパターン認識を行うパターン
認識技術において、処理速度を阻害することなく、パタ
ーン認識精度を向上させることを目的とする。
【００１２】
【課題を解決するための手段】この発明では、かかる目
的を達成するために、画像を折れ線近似したベクトルデ
ータから文字候補や線分要素などの画像要素を分離抽出
して得られる画像要素データを対象としてパターン認識
を行う方法であって、前記文字候補については傾きを修
正したうえでパターン認識処理を行う方法において、近
接する文字候補および線分要素に対応関係を設定し、該
対応関係が設定された文字候補については、対応する線
分要素の傾きから修正角度を定めることとする。
的を達成するために、画像を折れ線近似したベクトルデ
ータから文字候補や線分要素などの画像要素を分離抽出
して得られる画像要素データを対象としてパターン認識
を行う方法であって、前記文字候補については傾きを修
正したうえでパターン認識処理を行う方法において、近
接する文字候補および線分要素に対応関係を設定し、該
対応関係が設定された文字候補については、対応する線
分要素の傾きから修正角度を定めることとする。
【００１３】さらに、この発明では、次の要素を備えた
パターン認識装置を提供する。
パターン認識装置を提供する。
【００１４】（１）画像を折れ線近似したベクトルデー
タから文字候補や線分要素などの画像要素を分離抽出し
て得られる画像要素データを格納する画像要素データ格
納手段１１。
タから文字候補や線分要素などの画像要素を分離抽出し
て得られる画像要素データを格納する画像要素データ格
納手段１１。
【００１５】（２）線分要素の中から該要素の長さに基
づいて基準線分要素を選択する基準線分要素設定手段１
２。
づいて基準線分要素を選択する基準線分要素設定手段１
２。
【００１６】（３） 該基準線分要素の近傍に位置する
文字候補を検索する文字候補検索手段１３。この文字候
補検索手段１３は、たとえば次の要素を有する。
文字候補を検索する文字候補検索手段１３。この文字候
補検索手段１３は、たとえば次の要素を有する。
【００１７】Ａ）文字候補の矩形領域中心点と基準線分
要素の芯線ベクトルとの距離を求める距離演算手段１
４。
要素の芯線ベクトルとの距離を求める距離演算手段１
４。
【００１８】Ｂ）距離をしきい値と比較し、該比較結果
から近傍に位置する文字候補か否かを判定する判定手段
１５。
から近傍に位置する文字候補か否かを判定する判定手段
１５。
【００１９】（４）検索された文字候補を要素とする文
字候補グループを生成する文字候補グループ生成手段１
６。
字候補グループを生成する文字候補グループ生成手段１
６。
【００２０】（５）基準線分要素の傾きを算出する傾き
演算手段１７。
演算手段１７。
【００２１】（６）算出された傾きに基づいて文字候補
グループの座標変換を行う座標変換手段１８。
グループの座標変換を行う座標変換手段１８。
【００２２】（７）座標変換後の文字候補グループから
文字候補を抽出する文字候補抽出手段１９。
文字候補を抽出する文字候補抽出手段１９。
【００２３】（８）抽出された文字候補を対象としてパ
ターン認識を行う文字パターン認識手段２０。
ターン認識を行う文字パターン認識手段２０。
【００２４】
【作用】この発明によれば、たとえば線分要素の中から
所定の長さのものを基準線分要素として選択し、各基準
線分要素について、近傍に位置する文字候補を検索して
文字候補グループにまとめる。そして基準線分要素の傾
きを求め、この傾きに基づいて文字候補グループを座標
変換することにより、各文字候補の角度修正を一括して
行う。この後、文字候補グループから各文字候補を抽出
して個別にパターン認識を行う。
所定の長さのものを基準線分要素として選択し、各基準
線分要素について、近傍に位置する文字候補を検索して
文字候補グループにまとめる。そして基準線分要素の傾
きを求め、この傾きに基づいて文字候補グループを座標
変換することにより、各文字候補の角度修正を一括して
行う。この後、文字候補グループから各文字候補を抽出
して個別にパターン認識を行う。
【００２５】
【実施例】以下、この発明の実施例を説明する。この実
施例に係る図面自動入力装置は、文字候補のパターン認
識処理、特に文字列角度計算処理に特徴がある。この処
理機能はソフトウエア的に実現することが可能であり、
この場合、ハードウエア構成はたとえば図４に示すよう
な既存の構成で構わない。
施例に係る図面自動入力装置は、文字候補のパターン認
識処理、特に文字列角度計算処理に特徴がある。この処
理機能はソフトウエア的に実現することが可能であり、
この場合、ハードウエア構成はたとえば図４に示すよう
な既存の構成で構わない。
【００２６】この実施例に係る文字候補パターン認識処
理手順の概要を図２に示す。また同処理の様子を図３に
示す。この処理では、画像中の所定の線分要素を基準線
分とし、この基準線分単位で基準線分近傍の文字候補に
ついて認識処理を行う。
理手順の概要を図２に示す。また同処理の様子を図３に
示す。この処理では、画像中の所定の線分要素を基準線
分とし、この基準線分単位で基準線分近傍の文字候補に
ついて認識処理を行う。
【００２７】具体的には、まず適当な手法で線分要素を
順次検索する（Ｓ１）。そして懸案線分要素の芯線ベク
トルデータを取得し、そのベクトル長Ｌと設定しきい値
Ｌminとを比較する。この結果、Ｌ≧Ｌminの場合、懸案
線分要素を基準線分に設定する（Ｓ２）。次に、懸案基
準線分の近傍に位置する文字候補を検索してグループ化
する（Ｓ３）。文字候補の検索にあたっては、まず適当
な手法で文字候補をピックアップし、文字候補の矩形領
域中心点から基準線分の芯線ベクトルに垂線を下ろして
中心点と芯線ベクトルとの距離Ｄを求め、この距離Ｄと
設定しきい値Ｄ maxとを比較する。この結果、Ｄ≧Ｄmax
である場合、懸案文字候補を要素とする文字候補グルー
プを設定する。既に文字候補グループが設定されている
場合は、その要素に追加する。そして懸案基準線分に文
字候補グループが設定された場合（Ｓ４：Ｙｅｓ）、当
該文字候補グループのパターン認識処理に進み、文字候
補グループが設定されていない場合（Ｓ４：Ｎｏ）、他
の基準線分の検索に進む。
順次検索する（Ｓ１）。そして懸案線分要素の芯線ベク
トルデータを取得し、そのベクトル長Ｌと設定しきい値
Ｌminとを比較する。この結果、Ｌ≧Ｌminの場合、懸案
線分要素を基準線分に設定する（Ｓ２）。次に、懸案基
準線分の近傍に位置する文字候補を検索してグループ化
する（Ｓ３）。文字候補の検索にあたっては、まず適当
な手法で文字候補をピックアップし、文字候補の矩形領
域中心点から基準線分の芯線ベクトルに垂線を下ろして
中心点と芯線ベクトルとの距離Ｄを求め、この距離Ｄと
設定しきい値Ｄ maxとを比較する。この結果、Ｄ≧Ｄmax
である場合、懸案文字候補を要素とする文字候補グルー
プを設定する。既に文字候補グループが設定されている
場合は、その要素に追加する。そして懸案基準線分に文
字候補グループが設定された場合（Ｓ４：Ｙｅｓ）、当
該文字候補グループのパターン認識処理に進み、文字候
補グループが設定されていない場合（Ｓ４：Ｎｏ）、他
の基準線分の検索に進む。
【００２８】文字候補グループのパターン認識処理で
は、まず懸案基準線分の傾きθを算出する（Ｓ５）。次
に、文字候補グループを１つの文字列と見なし、傾きθ
を用いて座標変換を行う（Ｓ６）。この後、座標変換後
の文字列から文字候補を抽出し（Ｓ７）、各文字候補に
ついて文字辞書との照合によるパターン認識を行う（Ｓ
８）。以上のパターン認識処理において処理対象となら
なかった文字候補については、このパターン認識処理後
に、たとえば通常（従前）の手法によるパターン認識処
理を施すことで対処する。
は、まず懸案基準線分の傾きθを算出する（Ｓ５）。次
に、文字候補グループを１つの文字列と見なし、傾きθ
を用いて座標変換を行う（Ｓ６）。この後、座標変換後
の文字列から文字候補を抽出し（Ｓ７）、各文字候補に
ついて文字辞書との照合によるパターン認識を行う（Ｓ
８）。以上のパターン認識処理において処理対象となら
なかった文字候補については、このパターン認識処理後
に、たとえば通常（従前）の手法によるパターン認識処
理を施すことで対処する。
【００２９】
【発明の効果】以上説明したようにこの発明によれば、
線分要素近傍の文字候補をグループ化し、当該線分要素
の傾きにより座標変換を行ったうえでパターン認識を行
うこととしているので、次のような効果を奏する。
線分要素近傍の文字候補をグループ化し、当該線分要素
の傾きにより座標変換を行ったうえでパターン認識を行
うこととしているので、次のような効果を奏する。
【００３０】（１）文字候補をグループ化したうえで一
括して座標変換するため、各文字候補ごとに試行錯誤的
に角度を変えてパターン認識を行う手法と比較して簡素
化な手順で済み、処理の高速性が確保される。
括して座標変換するため、各文字候補ごとに試行錯誤的
に角度を変えてパターン認識を行う手法と比較して簡素
化な手順で済み、処理の高速性が確保される。
【００３１】（２）近傍の線分要素の傾きから文字候補
の角度を決定するので、文字数が少ない場合や文字サイ
ズが異なる場合でも文字候補角度の正確性が確保され、
パターン認識精度が向上する。
の角度を決定するので、文字数が少ない場合や文字サイ
ズが異なる場合でも文字候補角度の正確性が確保され、
パターン認識精度が向上する。
【図１】この発明の構成を示すブロック図。
【図２】この発明の一実施例に係る文字候補のパターン
認識手順を示すフローチャート。
認識手順を示すフローチャート。
【図３】文字候補の角度計算の様子を示す説明図。
【図４】図面自動入力装置のハードウエア構成を示すブ
ロック図。
ロック図。
【図５】図面自動入力装置の動作概要を示すフローチャ
ート。
ート。
【図６】文字候補の矩形領域の設定を示す説明図。
【図７】文字列の水平方向への変換の様子を示す説明
図。
図。
【図８】文字列角度の計算の様子を示す説明図。
【図９】文字列角度の精度が劣化する例を示す説明図。
１１…画像要素データ格納手段 １２…基準線分要素設定手段 １３…文字候補検索手段 １４…距離演算手段 １５…判定手段 １６…文字候補グループ生成手段 １７…傾き演算手段 １８…座標変換手段 １９…文字候補抽出手段 ２０…文字パターン認識手段
Claims (3)
- 【請求項１】 画像を折れ線近似したベクトルデータか
ら文字候補や線分要素などの画像要素を分離抽出して得
られる画像要素データを対象としてパターン認識を行う
方法であって、前記文字候補については傾きを修正した
うえでパターン認識処理を行う方法において、 近接する文字候補および線分要素に対応関係を設定し、
該対応関係が設定された文字候補については、対応する
線分要素の傾きから修正角度を定めることを特徴とする
パターン認識方法。 - 【請求項２】 画像を折れ線近似したベクトルデータか
ら文字候補や線分要素などの画像要素を分離抽出して得
られる画像要素データを格納する画像要素データ格納手
段と、 前記線分要素の中から該要素の長さに基づいて基準線分
要素を選択する基準線分要素設定手段と、 該基準線分要素の近傍に位置する文字候補を検索する文
字候補検索手段と、 検索された文字候補を要素とする文字候補グループを生
成する文字候補グループ生成手段と、 前記基準線分要素の傾きを算出する傾き演算手段と、 該傾きに基づいて前記文字候補グループの座標変換を行
う座標変換手段と、 座標変換後の文字候補グループから文字候補を抽出する
文字候補抽出手段と、 抽出された文字候補を対象としてパターン認識を行う文
字パターン認識手段とを備えたことを特徴とするパター
ン認識装置。 - 【請求項３】 請求項２記載のパターン認識装置におい
て、前記文字候補検索手段は、文字候補の矩形領域中心
点と基準線分要素の芯線ベクトルとの距離を求める距離
演算手段と、該距離をしきい値と比較し該比較結果から
近傍に位置する文字候補か否かを判定する判定手段とを
有するものであることを特徴とするパターン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4282123A JPH06131466A (ja) | 1992-10-21 | 1992-10-21 | パターン認識方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4282123A JPH06131466A (ja) | 1992-10-21 | 1992-10-21 | パターン認識方法および装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06131466A true JPH06131466A (ja) | 1994-05-13 |
Family
ID=17648427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4282123A Pending JPH06131466A (ja) | 1992-10-21 | 1992-10-21 | パターン認識方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06131466A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008204384A (ja) * | 2007-02-22 | 2008-09-04 | Canon Inc | 撮像装置、物体検出方法及び姿勢パラメータの算出方法 |
| JP2012194932A (ja) * | 2011-03-18 | 2012-10-11 | Hitachi Ltd | 文書検定システム及び文書検定方法 |
-
1992
- 1992-10-21 JP JP4282123A patent/JPH06131466A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008204384A (ja) * | 2007-02-22 | 2008-09-04 | Canon Inc | 撮像装置、物体検出方法及び姿勢パラメータの算出方法 |
| JP2012194932A (ja) * | 2011-03-18 | 2012-10-11 | Hitachi Ltd | 文書検定システム及び文書検定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4783829A (en) | Pattern recognition apparatus | |
| JPH06131466A (ja) | パターン認識方法および装置 | |
| JPH0520794B2 (ja) | ||
| JPH0728935A (ja) | 文書画像処理装置 | |
| JPH0589190A (ja) | 図面情報のチエツク方式 | |
| JPH11126216A (ja) | 図面自動入力装置 | |
| JPH10228538A (ja) | 画像の端点抽出方法 | |
| JPH0773228A (ja) | 図面自動認識方法 | |
| JP2972443B2 (ja) | 文字認識装置 | |
| JPH06195406A (ja) | 画像処理方法 | |
| JPH11120291A (ja) | パタン認識システム | |
| JP2851865B2 (ja) | 文字認識装置 | |
| JPH04338889A (ja) | 文字認識方法及びその装置 | |
| JP3027232B2 (ja) | 文字認識装置 | |
| JPH10162104A (ja) | 文字認識装置 | |
| JP2918363B2 (ja) | 文字分類方法及び文字認識装置 | |
| JP3071479B2 (ja) | 行間スペース検出方法 | |
| JP2974167B2 (ja) | 文字の大分類認識方法 | |
| JPH05114047A (ja) | 文字切り出し装置 | |
| JPH01197890A (ja) | 傾斜文字の認識方式 | |
| JPH11272860A (ja) | 図面自動入力装置の特殊線表示方法 | |
| JP2005346419A (ja) | 文字処理方法および文字認識処理装置 | |
| JP2002157550A (ja) | 文字認識装置、文字認識方法、および記録媒体 | |
| JPH06119491A (ja) | 帳票理解システム | |
| JPH07160820A (ja) | 文字認識方法 |