JPH06187507A - 文字認識装置 - Google Patents

Abstract

(57)【要約】 【構成】 Ｓ１３０１の学習の指示に応じて、Ｓ１３０
２では認識辞書の学習が行われる。認識辞書の学習は、
すべての認識結果データの中から認識辞書の学習に対し
て効果があると予測されるいくつかの認識結果データを
選択し、それに対応する正解文字コードおよび文字イメ
ージの特徴抽出量から作成された特徴ベクトルを用い
て、ＲＡＭ２０４に一時的に記憶されている学習認識辞
書の更新、あるいは学習認識辞書を過去に作成したこと
がなければ新たな学習認識辞書の作成、を行うことによ
って行われる。 【効果】 オペレータの操作性を向上させるのみなら
ず、辞書学習に不適切な認識結果データにおける認識辞
書の学習を軽減させ、認識辞書の学習効率を上げること
ができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書画像を入力して、
該文書画像の文字に認識処理を施す文字認識装置に関す
るものである。

【０００２】

【従来の技術】一般に文字認識装置とは、文書画像デー
タから１文字ずつ“文字切り出し処理”を行うことによ
って得られた文字画像データに対して認識処理を施すこ
とにより、それがどのような文字かを識別するものであ
る。この認識処理では、認識したい文字画像データに対
して位置・傾き・線幅・濃度等の正規化処理を施した上
で、輪郭線特徴等の抽出を行い、その抽出された特徴抽
出量と予め求めておいた全ての認識対象文字の標準パタ
ーンと、どの程度マッチングがとれているかを調べ、そ
の結果を基準にして正解文字を決定する。

【０００３】ここで、マッチングの対象となる全ての認
識対象文字の標準パターンおよびその文字を表わす文字
コードのセットをまとめて登録したものが通常、“認識
辞書”と呼ばれるものである。

【０００４】認識率の向上を目的とし、それまでの“認
識辞書”で認識された結果を基に、認識辞書に登録され
ている文字コードの標準パターンの修正を行うこと、お
よび、文字コードと標準パターンセットの認識辞書への
追加登録を行うこと、を認識辞書の学習という。また、
学習によりその内容を書き換えることが可能な認識辞書
のことを“学習認識辞書”という。

【０００５】従来の一般的な認識辞書の学習処理の手順
を、図２のフローチャートに示す。

【０００６】図２において、まずステップＳ１０１（以
下、“ステップ”なる文言は省略する）では、ある認識
結果を用いて辞書の学習をするかどうかを指示する。も
しここで学習の指示がなされなければ、辞書の学習処理
は終了する。

【０００７】Ｓ１０１で学習の指示がなされると、Ｓ１
０２においてオペレータは引き続き、認識結果の中から
認識辞書の学習に対して効果があると予測される文字の
認識結果をオペレータ自身の主観的な判断により選択す
る。

【０００８】Ｓ１０２において、辞書の学習のためにど
の認識結果を用いるかが指示されると、続くＳ１０３で
は、その指示された認識結果に対応する正解文字コード
および文字イメージの特徴抽出量から作成された特徴パ
ターンを用いた辞書の学習が行われる。

【０００９】このように、ある認識結果に対する認識辞
書の学習は、上記のＳ１０１〜Ｓ１０３を以下繰り返す
ことにより行われるのが普通であった。

【００１０】

【発明が解決しようとする課題】しかしながら上記従来
例では、認識辞書の学習時におけるオペレータの操作が
たいへん煩雑である上、認識辞書の学習に対して効果が
あると予測される文字に対する認識結果を選択する際の
客観的な判断が損なわれてしまうために、学習に対して
効果があると思われる認識結果の見落しや、学習に不適
切な認識結果の選択が生じやすく、効果的な認識辞書の
学習を行うことは大変困難であった。

【００１１】よって本発明の目的は上述の点に鑑み、認
識辞書の学習に対して効果があると予想される認識結果
を自動的に選択し、適切な学習が実行されるように構成
した文字認識装置を提供することにある。

【００１２】

【課題を解決するための手段】かかる目的を達成するた
めに、本発明は入力された文書画像から文字画像を切り
出し、当該文字画像に対する認識結果を出力する認識手
段と、前記認識結果に対する修正の有無および当該修正
内容を記憶しておく記憶手段と、前記記憶手段の内容を
基準として選択された認識結果に基づいて、学習認識辞
書の作成もしくは更新を行う学習手段とを具備したもの
である

【００１３】

【作用】本発明の上記構成によれば、認識結果の修正を
行う際にその修正の方法や内容等を認識結果の一部とし
て記憶しておき、認識辞書の学習を行う際にはその修正
方法や内容等に関する記憶に基づいて、認識辞書の学習
に対して効果があると予測される認識結果を自動的に選
択し、それを基にして認識辞書の学習を行うことが可能
となる。

【００１４】

【実施例】以下、本発明の実施例を詳細に説明する。

【００１５】図１は、本発明の一実施例である文字認識
装置の概略構成を示すブロック図である。同図におい
て、２０１は読み取り対象から文書情報をアナログ信号
に変換して読み取るスキャナである。２０２は、スキャ
ナ２０１から出力されたアナログ信号を二値のデジタル
信号に変換する二値化回路である。

【００１６】２０３は、割込み入力ポート、割込み制御
回路、クロックパルス発生器、命令デコーダ、レジスタ
群、ＡＬＵ、入力ポート、出力ポートおよびイメージ入
力シフトレジスタを含む大規模集積回路（ＬＳＩ）より
なる中央処理装置（ＣＰＵ）である。

【００１７】２０４は、アドレスごとに割り付けられた
読み書き可能な記憶部を有するランダムアクセスメモリ
（ＲＡＭ）であり、ＣＰＵ２０３のワークエリアとして
使用されると共に二値化回路２０２より入力された文書
画像データ、文書画像に対する認識結果データ、認識辞
書の学習処理により作成されたかあるいは既に作成済の
もので外部記憶装置２０６より読込まれた学習認識辞書
を一時的に格納するための記憶領域として使われる。

【００１８】２０５は、ＣＰＵ２０３によって順次実行
されるプログラム、学習による書換えが不可能な基本認
識辞書、および各種判定等で用いられる定数をコード化
して収納しているリードオンリーメモリ（ＲＯＭ）であ
る。なお基本認識辞書には、誤った辞書学習により学習
認識辞書の性能が低下した場合にもある一定レベルの認
識性能を保つことができるようにするために、認識辞書
の初期状態が記憶されている。

【００１９】２０６は、ＲＡＭ２０４に一時的に格納し
た文書画像データや認識結果データ、学習認識辞書を長
期的に保存するための記憶領域として使われる外部記憶
装置である。２０７は、出力データを受け取ってＣＲＴ
２０８に表示するための信号を発生させるＣＲＴインタ
ーフェイスである。

【００２０】２０９はキーボード、２１０はポインティ
ングデバイスであり、このキーボード２０９とポインテ
ィングデバイス２１０はオペレータが該文字認識装置に
対する指示を入力するための装置である。

【００２１】２１１は、外部アドレスおよび外部データ
バスを含む外部バスラインであり、これを介してＲＯＭ
２０５および外部記憶装置２０６のアドレッシングやデ
ータのやり取り等が行われる。

【００２２】図３は、図１に示した実施例におけるＣＰ
Ｕ２０３の動作を説明するフローチャートであり、この
処理を実行する制御プログラムはＲＯＭ２０５に記憶さ
れている。

【００２３】まずステップＳ３０１（以下、“ステッ
プ”なる文言は省略する）で、スキャナ２０１において
オペレータによりセットされた読取り対象からの文書画
像情報をアナログ信号として読込み、さらに二値化回路
２０２によって該アナログ信号を二値化してＲＡＭ２０
４に記憶する。

【００２４】続いてＳ３０２では、Ｓ３０１で入力した
二値化された文書画像データに対して文字切り出し処理
を行う。この文字切り出し処理後の文字画像データはＲ
ＡＭ２０４に記憶される。

【００２５】次にＳ３０３では、Ｓ３０２で切り出し処
理を行った文字画像データに対して認識処理を行う。認
識処理ではまず、位置、傾き、線幅、濃度等の正規化処
理を行う。続いて、この正規化された切り出し文字画像
データを認識部に送り込むことによって、それがどんな
文字かを認識する。認識は、まず正規化された切り出し
文字画像データに対し輪郭線特徴等の抽出を行い、その
抽出された特徴ベクトルと認識辞書における全ての文字
の標準パターンベクトルとのマッチングをとり、その際
最も確からしいとされた文字を第１候補とし、その後２
番目に確からしいものを第２候補、３番目に確からしい
ものを第３候補…と以下同様に第８候補までを出力する
ことによって行う。

【００２６】なおこのマッチングにおいては、ＲＯＭ２
０５の中に記憶されている基本認識辞書および外部記憶
装置２０６からＲＡＭ２０４に読込まれた学習認識辞書
の２つの辞書を同時に用いている。これは、学習認識辞
書を用いることで過去の辞書学習の効果を認識結果に反
映させる一方、基本認識辞書を用いることで、誤った辞
書学習がなされた場合にも、認識性能がある一定水準以
下になることを防止しているためである。

【００２７】また、Ｓ３０３による結果は認識結果デー
タとしてＲＡＭ２０４に記憶される。図４は、認識結果
データのデータ構造を示している。１つの切り出し文字
画像データに対する１文字あたりの認識結果データは、
マッチングの結果得られた第１から第８候補までの８つ
の文字コード、修正処理の方法や内容を記憶するための
修正フラグコード、および、修正時に文字コードの追加
が行われた場合に用いるポインタアドレスコードにより
構成される。

【００２８】Ｓ３０３での認識直後、すなわち未修正時
の修正フラグコードとポインタアドレスコードの値に
は、それぞれ０およびヌルポインタが格納されている。
なおヌルポインタとは、アドレスとなり得ないある一定
の値であり、ポインタアドレスコードにこの値が格納さ
れている場合には、ポインタアドレスコードはどのアド
レスも指していないことを意味する。

【００２９】続いてＳ３０４では、これらの認識結果デ
ータをＣＲＴ２０８に表示する。認識終了直後におい
て、ＣＲＴ２０８に表示されるものは、１文字当たりの
認識結果データにおける第１候補文字のみであるが、そ
の中の任意の文字をポインティングデバイス２１０で示
すと、ＣＲＴ２０８には、その文字の第１候補〜第８候
補までも併せて表示される。その時のＣＲＴ画面を図５
に示す。

【００３０】Ｓ３０４で表示される各文字データにおけ
る認識結果の第１候補が正解文字と異なっている場合、
オペレータはＳ３０５の指示により認識結果データの修
正を行うことが可能である。第２候補〜第８候補の中に
正解文字が含まれている場合には、オペレータは不正解
文字である第１候補と第２候補〜第８候補との入れ換え
をキーボード２０９やポインティングデバイス２１０を
用いて指示することにより、認識結果を修正することが
可能である。また、候補文字に頼らず通常のテキストフ
ァイルのようにキーボード２０９からの入力を用いて直
接、第１候補文字の交換・削除・挿入により、認識結果
データの修正を指示することも可能である。

【００３１】Ｓ３０５の修正の指示に基づき、Ｓ３０６
では認識結果データの修正を行う。修正された認識結果
データは、Ｓ３０５の修正指示の方法や内容の違いによ
り、次の４つのパターンに分類される。

【００３２】（１）第２候補〜第８候補に含まれる正解
と第１候補とを交換する。この場合、修正フラグコード
には値１が格納される。

【００３３】（２）キーボード２０９からの入力によ
り、第１候補の文字コードを正解文字コードで置き換え
る。オペレータの処理としては、ある認識結果データの
第１候補の文字コードの削除を行った後で、１文字分の
挿入を行うことになる。この場合、修正フラグコードに
は値２が格納される。

【００３４】（３）キーボード２０９からの入力によ
り、第１候補の文字コードの削除を行う。この場合、修
正フラグコードには値３が格納される。

【００３５】（４）キーボード２０９からの入力によ
り、文字コードの挿入を行う。この場合、修正フラグコ
ードにはそれまでの内容が保持され、あらかじめＲＡＭ
２０４の空きメモリ領域に確保しておいた挿入文字コー
ド記憶領域に挿入文字列コードを記憶させた上で、その
先頭のメモリ空間アドレスの値をポインタアドレスコー
ドに記憶させる。

【００３６】以上のような４つパターンにより修正され
る認識結果データを、それぞれ図６〜図面９に示す。な
お図９の挿入文字列コードにおける“￥０”は、追加し
た文字列の末尾であることを示す文字コードである。

【００３７】また、認識結果データを修正する際には、
たとえオペレータが最終的に同じ修正を行ったとして
も、その交換・削除・挿入などの処理を行う順序によっ
て認識結果のデータ構造が変わってしまう可能性があ
る。そこでそれを避けるために、次の３つ編集規則に従
った認識結果データの編集を行うこととする。

【００３８】（１）フラグコードの値が２である認識結
果データ（データ１）の直前の認識結果データ（データ
０）において第１候補の文字コードの削除がなされた場
合、すなわちフラグコードに値３が格納された場合に
は、その２つの認識結果データのフラグコードの値を交
換し、さらにデータ０の第１候補の文字をデータ１の第
１候補の文字で置き換える。

【００３９】（２）文字列の挿入が行われた認識結果デ
ータ（データ１）の直後の認識結果データ（データ２）
において第１候補の文字コードの削除がなされた場合、
すなわちフラグコードに値３が格納された場合には、デ
ータ１における挿入文字列の第１文字目の文字コードを
データ２における第１候補の文字として置き換え、デー
タ２のフラグコードには値２を格納する。そして、挿入
文字列の第２文字目の文字コードを格納したメモリ空間
アドレスの値をデータ２のポインタアドレスコードに記
憶させ、データ１のポインタアドレスコードにはヌルポ
インタを格納する。

【００４０】（３）文字列の挿入が行われた認識結果デ
ータにおいて第１候補の文字コードの削除がなされた場
合、すなわちフラグコードに値３が格納された場合に
は、挿入文字列の第１文字目の文字コードを第１候補の
文字として置き換え、フラグコードには値２を格納す
る。そして、挿入文字列の第２文字目の文字コードを格
納したメモリ空間アドレスの値をポインタアドレスコー
ドに記憶させる。

【００４１】以上のような３つの規則による認識結果デ
ータの編集処理の一例を、それぞれ図１０〜図１２に示
す。

【００４２】図３に示したＳ３０５〜Ｓ３０６の繰り返
しにより一通り認識結果データの修正を行った後、Ｓ３
０７では認識辞書の学習処理が行われる。

【００４３】本実施例の特徴であるＳ３０７の学習処理
の詳細な手続きを図１３に示す。

【００４４】まずＳ１３０１において、オペレータは修
正結果による認識辞書の学習処理を行うか否かを指示す
ることができる。Ｓ１３０１における学習の指示は、キ
ーボード２０９やポインティングデバイス２１０を用い
て、所定の指示を入力することにより行われる。

【００４５】Ｓ１３０１の学習の指示に応じて、Ｓ１３
０２では認識辞書の学習が行われる。認識辞書の学習
は、すべての認識結果データの中から認識辞書の学習に
対して効果があると予測されるいくつかの認識結果デー
タを選択し、それに対応する正解文字コードおよび文字
イメージの特徴抽出量から作成された特徴ベクトルを用
いて、ＲＡＭ２０４に一時的に記憶されている学習認識
辞書の更新、あるいは学習認識辞書を過去に作成したこ
とがなければ新たな学習認識辞書の作成、を行うことに
よって行われる。

【００４６】ここで、認識辞書の学習に用いる認識結果
データの選択は、従来の認識辞書の学習のようにオペレ
ータの主観的な判断にはよらず、以下の２つの点を満足
することを条件として自動的に選択される。

【００４７】（１）修正処理がなされた認識結果である
こと。

【００４８】（２）その文字イメージにおいて、文字切
り処理の失敗が生じていないこと。

【００４９】上記（１）の条件は、今回の認識において
誤認識を生じたことを示しており、その文字に対する認
識結果を学習辞書に登録することは、次に同じ文字を認
識する場合において極めて有効である可能性が高い。

【００５０】また上記（２）の条件は、誤認識が明らか
に認識処理におけるマッチングの失敗により生じている
ことを意味している。

【００５１】この２つの条件を満足する認識結果データ
は、次のような基準で選択することが可能である。

【００５２】（１）認識結果データの修正フラグコード
の値が１であること。

【００５３】（２）認識結果データの修正フラグコード
の値が２であり、かつ、その前後の文字の認識結果デー
タのフラグコードの値が０か１のどちらかで、さらに、
その文字および直前の文字の認識結果データで文字の挿
入が行われていないこと。

【００５４】なお、この（１）の基準は他の第２候補〜
第８候補との交換で修正がなされた、すなわちフラグコ
ードの値が１である認識結果データは文字切り出し処理
に成功しているという前提に基づいて定められている。
また、（２）の基準はフラグコードの値が２か３である
認識結果データが隣り合っているか、もしくは文字の挿
入が行われている場合にはなんらかの文字切り出し処理
の失敗が生じている可能性があるという前提に基づいて
定められている。

【００５５】こうして選択された認識結果データを基に
して、学習認識辞書の更新および作成が行われる。学習
認識辞書の更新は、まず今回の学習のために選択された
認識結果データに対応する正解文字コードと同じ文字コ
ードの辞書パターンが、既に作成されている学習認識辞
書において登録されているかどうかを調べ、既に登録さ
れている場合には、それまでの辞書パターンと認識結果
データより得られた特徴ベクトルパターンとの平均化等
の処理により作成した新しい標準パターンによって辞書
パターンを更新し、まだ登録されていない場合には、新
しい文字コードの辞書パターンとして学習認識辞書に正
解文字コードおよびその特徴ベクトルパターンを追加登
録することによって行われる。

【００５６】また新たな学習認識辞書の作成は、学習の
ために選択された認識結果データに対応する正解文字コ
ードとその特徴ベクトルパターンを学習認識辞書に登録
することによって行われる。

【００５７】図１３を用いて詳細に説明した学習処理Ｓ
３０７が行われた後、最後にステップＳ３０８では、Ｓ
３０３〜Ｓ３０６で作成・修正された認識結果データお
よびＳ３０７で作成・更新された学習認識辞書を外部記
憶装置２０６に格納する。

【００５８】次に、他の実施例について説明する。

【００５９】認識結果の候補は必ずしも８個選び出す必
要はなく、任意のＮ個の候補としても良い。

【００６０】また、認識結果データの構造は、必ずしも
図４の形式による必要はなく、８つの認識候補文字に関
する情報および認識結果の修正方法や内容等を識別する
情報がデータの中に含まれていれば良い。さらに、マッ
チングの結果の情報（距離または類似度）を同時に保存
しておいてもよい。

【００６１】辞書学習の際に用いる認識結果データの基
準については、文字切り出し処理の失敗が生じていない
という条件を満たしている認識結果データであれば、辞
書学習に用いることは一応可能である。従って、認識に
成功した結果、すなわち修正フラグコードの値が０であ
る認識結果データも、辞書学習の際に用いる認識結果デ
ータとして用いることが可能である。

【００６２】このように本発明における辞書学習方法
は、学習に用いる認識結果データを修正フラグコードの
値に基づき自動的に選択するという点を特徴としてお
り、その結果選択された学習用認識結果データに基づく
具体的な学習認識辞書の作成、更新の方法については他
の公知である方法を用いることも可能である。

【００６３】

【発明の効果】以上説明したとおり本発明によれば、認
識結果の修正を行う際にその修正の方法や内容等を認識
結果の一部として記憶しておき、認識辞書の学習を行う
際には、その修正方法や内容等に関する記憶に基づい
て、認識辞書の学習に対して効果があると思われるいく
つかの認識結果データを自動的に選択し、それを用いて
認識辞書の学習を行うこととしているので、オペレータ
の操作性を向上させるのみならず、辞書学習に不適切な
認識結果データによる認識辞書の学習を軽減させ、認識
辞書の学習効率を上げることができる。

【図面の簡単な説明】

【図１】本発明の一実施例を示すブロック図である。

【図２】従来例における認識辞書の学習処理を示すフロ
ーチャートである。

【図３】本発明の一実施例における処理手順を示すフロ
ーチャートである。

【図４】本発明の一実施例における認識結果データの記
憶形式を示す図である。

【図５】本発明の一実施例における表示画面を示す図で
ある。

【図６】第２候補〜第８候補に含まれる正解と第１候補
との交換による修正がなされた場合の認識結果データの
構造の一例を示す図である。

【図７】キーボード２０９からの入力により第１候補の
文字コードを正解文字コードで書換えることによる修正
がなされた場合の、認識結果データの構造の一例を示す
図である。

【図８】キーボード２０９からの入力により第１候補の
文字コードの削除を行うことによる修正がなされた場合
の、認識結果データの構造の一例を示す図である。

【図９】キーボード２０９からの入力により第１候補の
文字コードの挿入を行うことによる修正がなされた場合
の、認識結果データの構造の一例を示す図である。

【図１０】フラグコードの値が２である認識結果データ
の直前の認識結果データにおいて、第１候補の文字コー
ドの削除がなされた場合の、認識結果データの編集の一
例を示す図である。

【図１１】文字列の挿入が行われた認識結果データの直
後の認識結果データにおいて、第１候補の文字コードの
削除がなされた場合の、認識結果データの編集の一例を
示す図である。

【図１２】文字列の挿入が行われた認識結果データにお
いて、第１候補の文字コードの削除がなされた場合の、
認識結果データの編集の一例を示す図である。

【図１３】本発明の一実施例における認識辞書の学習処
理を示すフローチャートである。

【符号の説明】

２０１ スキャナ ２０２ 二値化回路 ２０３ ＣＰＵ ２０４ ＲＡＭ ２０５ ＲＯＭ ２０６ 外部記憶装置 ２０７ ＣＲＴインターフェイス ２０８ ＣＲＴ ２０９ キーボード ２１０ ポインティングデバイス ２１１ バスライン

Claims (1)

【特許請求の範囲】
1. 【請求項１】 入力された文書画像から文字画像を切り
   出し、当該文字画像に対する認識結果を出力する認識手
   段と、 前記認識結果に対する修正の有無および当該修正内容を
   記憶しておく記憶手段と、 前記記憶手段の内容を基準として選択された認識結果に
   基づいて、学習認識辞書の作成もしくは更新を行う学習
   手段とを具備したことを特徴とする文字認識装置。