JPH06251202A - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPH06251202A JPH06251202A JP5039703A JP3970393A JPH06251202A JP H06251202 A JPH06251202 A JP H06251202A JP 5039703 A JP5039703 A JP 5039703A JP 3970393 A JP3970393 A JP 3970393A JP H06251202 A JPH06251202 A JP H06251202A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- line width
- image
- circuit
- character
- 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)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】線幅の異なる文字パターンの認識性能を向上さ
せる。 【構成】この文字認識装置は、認識対象パターン8を撮
像するカメラ1と、このカメラ1から入力した映像信号
aを数値変換し濃淡画像bを出力する数値変換回路2
と、濃淡画像bを入力し明るい部分と暗い部分との二値
化画像cに変換する二値化回路3とを備える入力部9を
備える。また、二値化画像cの外形座標を検出して切り
出しパターンdとして出力するパターン切り出し回路4
と、この切り出しパターンdから線幅を計測する線幅計
測回路5と、計測された線幅信号eを用いて切り出しパ
ターンの線幅を正規化して正規化パターンfを出力する
線幅正規化回路6とを備える正規化パターン生成部10
と、正規化パターンfからニューロ演算により文字認識
を行なうニューロ演算回路7とを備える。
せる。 【構成】この文字認識装置は、認識対象パターン8を撮
像するカメラ1と、このカメラ1から入力した映像信号
aを数値変換し濃淡画像bを出力する数値変換回路2
と、濃淡画像bを入力し明るい部分と暗い部分との二値
化画像cに変換する二値化回路3とを備える入力部9を
備える。また、二値化画像cの外形座標を検出して切り
出しパターンdとして出力するパターン切り出し回路4
と、この切り出しパターンdから線幅を計測する線幅計
測回路5と、計測された線幅信号eを用いて切り出しパ
ターンの線幅を正規化して正規化パターンfを出力する
線幅正規化回路6とを備える正規化パターン生成部10
と、正規化パターンfからニューロ演算により文字認識
を行なうニューロ演算回路7とを備える。
Description
【0001】
【産業上の利用分野】本発明は文字認識装置に関し、特
に線幅の異なる複数のフォントや線幅のばらつくフォン
トの認識をするニューラルネットワークを用いた文字認
識装置に関する。
に線幅の異なる複数のフォントや線幅のばらつくフォン
トの認識をするニューラルネットワークを用いた文字認
識装置に関する。
【0002】
【従来の技術】従来、この種の文字認識装置は、たとえ
ば特開平3−136186号公報に示すように、取り込
み画像から文字パターンを切り出して、切り出した文字
パターンを、人間の脳の働きに着目してコンピュータが
学習をしその学習の内容を使って推論をするような機能
を持つニューラルネットワークに入力し、ニューラルネ
ットワークの演算を行い文字認識を行う。
ば特開平3−136186号公報に示すように、取り込
み画像から文字パターンを切り出して、切り出した文字
パターンを、人間の脳の働きに着目してコンピュータが
学習をしその学習の内容を使って推論をするような機能
を持つニューラルネットワークに入力し、ニューラルネ
ットワークの演算を行い文字認識を行う。
【0003】図3は、従来の技術を説明するためのブロ
ック図である。図3を参照すると、認識対象の文字パタ
ーンの切り出しを行う文字パターン切り出し回路31
と、文字パターン切り出し回路31から出力される切り
出しパターンgを入力としニューラルネットワーク演算
を行い認識文字の出力を行うニューロ演算回路32から
構成される。
ック図である。図3を参照すると、認識対象の文字パタ
ーンの切り出しを行う文字パターン切り出し回路31
と、文字パターン切り出し回路31から出力される切り
出しパターンgを入力としニューラルネットワーク演算
を行い認識文字の出力を行うニューロ演算回路32から
構成される。
【0004】
【発明が解決しようとする課題】この従来の文字認識装
置は、切り出した文字パターンをそのままニューロ演算
回路に入力しているため、学習させたフォントと異なる
線幅のフォントを認識させると、ニューラルネットワー
クの出力値が低下してしまい文字認識性能が低下してし
まう。また同じフォントであっても学習データと異なる
線幅の文字パターンを認識させる場合も、ニューラルネ
ットワークの出力値が低下してしまい文字認識性能が低
下してしまう。
置は、切り出した文字パターンをそのままニューロ演算
回路に入力しているため、学習させたフォントと異なる
線幅のフォントを認識させると、ニューラルネットワー
クの出力値が低下してしまい文字認識性能が低下してし
まう。また同じフォントであっても学習データと異なる
線幅の文字パターンを認識させる場合も、ニューラルネ
ットワークの出力値が低下してしまい文字認識性能が低
下してしまう。
【0005】
【課題を解決するための手段】本発明の文字認識装置
は、認識対象パターンを二値化画像にする入力手段と、
前記二値化画像から所定の線幅の正規化パターンを生成
する正規化パターン生成手段と、前記正規化パターンか
らニューロ演算により文字認識を行なうニューロ演算手
段とを備える。
は、認識対象パターンを二値化画像にする入力手段と、
前記二値化画像から所定の線幅の正規化パターンを生成
する正規化パターン生成手段と、前記正規化パターンか
らニューロ演算により文字認識を行なうニューロ演算手
段とを備える。
【0006】また、本発明の文字認識装置の前記入力手
段は、前記認識対象パターンを撮像する撮像手段と、前
記撮像手段から入力した映像を数値変換し濃淡画像を出
力する数値変換手段と、前記濃淡画像を入力し明るい部
分と暗い部分との二値化画像に変換する二値化手段とを
備える。
段は、前記認識対象パターンを撮像する撮像手段と、前
記撮像手段から入力した映像を数値変換し濃淡画像を出
力する数値変換手段と、前記濃淡画像を入力し明るい部
分と暗い部分との二値化画像に変換する二値化手段とを
備える。
【0007】さらに、本発明の文字認識装置の前記正規
化パターン生成手段は、前記二値化画像の外形座標を検
出して切り出しパターンとして出力するパターン切り出
し手段と、前記切り出しパターンから線幅を計測する線
幅計測手段と、計測された前記線幅を用いて前記切り出
しパターンの線幅を正規化する線幅正規化手段とを備え
る。
化パターン生成手段は、前記二値化画像の外形座標を検
出して切り出しパターンとして出力するパターン切り出
し手段と、前記切り出しパターンから線幅を計測する線
幅計測手段と、計測された前記線幅を用いて前記切り出
しパターンの線幅を正規化する線幅正規化手段とを備え
る。
【0008】
【実施例】次に、本発明について図面を参照して説明す
る。本発明の一実施例をブロックで示す図1を参照する
と、この実施例の文字認識装置において、入力部9は認
識対象パターン8を二値化画像cに変換する手段であ
り、カメラ1と数値変換回路2と二値化回路3とから構
成される。カメラ1は認識対象パターン8を撮像し映像
信号aを出力する。数値変換回路2はカメラ1から入力
した映像信号aを数値変換し濃淡画像bを出力する。二
値化回路3は濃淡画像bを入力し明るい部分は”1”
に、暗い部分は”0”の二値化画像cに変換して出力す
る。二値化レベルの決定方法は、取り込み画像の明るさ
のヒストグラムの谷間を二値化レベルとするモード法等
が知られている。正規化パターン生成部10は二値化画
像cから所定の線幅の正規化パターンfを生成する手段
であり、パターン切り出し回路4と線幅計測回路5と線
幅正規化回路6とから構成される。パターン切り出し回
路4は、二値化画像cを入力し認識対象パターンを切り
出す。例えば、認識対象パターンの切り出しは、”1”
の連続した領域の最外形座標を検索することで行うこと
ができる。線幅計測回路5は、パターン切り出し回路4
から切り出しパターンdを入力し、切り出した文字パタ
ーンの線幅の計測を行う。線幅の計測は、例えば1画素
ずつのパターンの縮小処理を繰り返し、芯線のみになり
縮小処理によりパターンの変化がなくなるまでの縮小処
理の回数をカウントすることにより行うことができる。
線幅正規化回路6は、パターン切り出し回路4から出力
される切り出しパターンdと、線幅計測回路5から出力
される線幅信号eとを入力し、ニューラルネットワーク
の学習に用いた文字パターンの線幅になるように、切り
出しパターンdの線幅の正規化を行う。計測された線幅
が学習に用いた文字パターンの線幅より太い場合は、学
習文字パターンの線幅になるまで縮小処理を繰り返し、
計測された線幅が学習に用いた文字パターンの線幅より
細い場合は、学習文字パターンの線幅になるまで拡大処
理を繰り返す。ニューロ演算回路7は、線幅正規化回路
6から出力される正規化パターン信号fを入力し、人間
の脳の働きに着目してコンピュータが学習をしその学習
の内容を使って推論をするような機能を持つニューラル
ネットッワークの演算を行い認識結果の出力を行う。
る。本発明の一実施例をブロックで示す図1を参照する
と、この実施例の文字認識装置において、入力部9は認
識対象パターン8を二値化画像cに変換する手段であ
り、カメラ1と数値変換回路2と二値化回路3とから構
成される。カメラ1は認識対象パターン8を撮像し映像
信号aを出力する。数値変換回路2はカメラ1から入力
した映像信号aを数値変換し濃淡画像bを出力する。二
値化回路3は濃淡画像bを入力し明るい部分は”1”
に、暗い部分は”0”の二値化画像cに変換して出力す
る。二値化レベルの決定方法は、取り込み画像の明るさ
のヒストグラムの谷間を二値化レベルとするモード法等
が知られている。正規化パターン生成部10は二値化画
像cから所定の線幅の正規化パターンfを生成する手段
であり、パターン切り出し回路4と線幅計測回路5と線
幅正規化回路6とから構成される。パターン切り出し回
路4は、二値化画像cを入力し認識対象パターンを切り
出す。例えば、認識対象パターンの切り出しは、”1”
の連続した領域の最外形座標を検索することで行うこと
ができる。線幅計測回路5は、パターン切り出し回路4
から切り出しパターンdを入力し、切り出した文字パタ
ーンの線幅の計測を行う。線幅の計測は、例えば1画素
ずつのパターンの縮小処理を繰り返し、芯線のみになり
縮小処理によりパターンの変化がなくなるまでの縮小処
理の回数をカウントすることにより行うことができる。
線幅正規化回路6は、パターン切り出し回路4から出力
される切り出しパターンdと、線幅計測回路5から出力
される線幅信号eとを入力し、ニューラルネットワーク
の学習に用いた文字パターンの線幅になるように、切り
出しパターンdの線幅の正規化を行う。計測された線幅
が学習に用いた文字パターンの線幅より太い場合は、学
習文字パターンの線幅になるまで縮小処理を繰り返し、
計測された線幅が学習に用いた文字パターンの線幅より
細い場合は、学習文字パターンの線幅になるまで拡大処
理を繰り返す。ニューロ演算回路7は、線幅正規化回路
6から出力される正規化パターン信号fを入力し、人間
の脳の働きに着目してコンピュータが学習をしその学習
の内容を使って推論をするような機能を持つニューラル
ネットッワークの演算を行い認識結果の出力を行う。
【0009】図2はこの実施例を説明するためのパター
ン図である。図2を図1に併せて参照すると、学習に用
いたパターンより線幅の狭いパターン11は、線幅正規
化回路6により線幅の正規化が行われ正規化パターン1
3に変換される。学習に用いたパターンより線幅の太い
パターン12は、線幅正規化回路6により線幅の正規化
がおこなわれ正規化パターン13に変換される。パター
ン13の線幅で学習を行わせてある場合、パターン11
やパターン12のままでは、ニューラルネットワークへ
の入力値が大きく異なるので、正しい文字への出力値が
低下してしまうが、パターン11やパターン12をパタ
ーン13に変換してから認識させれば、ニューラルネッ
トワークへの入力値は正規化を行わないパターンに比べ
て学習パターンと大きく変わらないので、正しい文字へ
の出力値は、正規化しないパターンに比べて高くなるこ
とがわかる。線幅の異なるフォントをニューラルネット
ワークを用いて認識させる場合、従来は高い認識性能を
得るためにフォント毎に荷重データを作成し、認識対象
フォント毎に荷重データを替えて認識を行わせていた
が、この実施例による線幅の正規化を行ってから認識さ
せるようにすれば、フォント毎に荷重データを作成する
必要もなくまた、認識時も一つの荷重データで認識を行
うことができる。
ン図である。図2を図1に併せて参照すると、学習に用
いたパターンより線幅の狭いパターン11は、線幅正規
化回路6により線幅の正規化が行われ正規化パターン1
3に変換される。学習に用いたパターンより線幅の太い
パターン12は、線幅正規化回路6により線幅の正規化
がおこなわれ正規化パターン13に変換される。パター
ン13の線幅で学習を行わせてある場合、パターン11
やパターン12のままでは、ニューラルネットワークへ
の入力値が大きく異なるので、正しい文字への出力値が
低下してしまうが、パターン11やパターン12をパタ
ーン13に変換してから認識させれば、ニューラルネッ
トワークへの入力値は正規化を行わないパターンに比べ
て学習パターンと大きく変わらないので、正しい文字へ
の出力値は、正規化しないパターンに比べて高くなるこ
とがわかる。線幅の異なるフォントをニューラルネット
ワークを用いて認識させる場合、従来は高い認識性能を
得るためにフォント毎に荷重データを作成し、認識対象
フォント毎に荷重データを替えて認識を行わせていた
が、この実施例による線幅の正規化を行ってから認識さ
せるようにすれば、フォント毎に荷重データを作成する
必要もなくまた、認識時も一つの荷重データで認識を行
うことができる。
【0010】
【発明の効果】以上説明したように、本発明によれば、
認識対象パターンを二値化画像にし、この二値化画像か
ら所定の線幅の正規化パターンを生成し、この正規化パ
ターンからニューロ演算により文字認識を行なうことに
より、認識対象文字の線幅が学習時に用いた文字の線幅
と異なっていても認識性能が低下しない。そのため線幅
の異なるフォントの認識においても、一つの荷重データ
により文字認識を行うことができる。
認識対象パターンを二値化画像にし、この二値化画像か
ら所定の線幅の正規化パターンを生成し、この正規化パ
ターンからニューロ演算により文字認識を行なうことに
より、認識対象文字の線幅が学習時に用いた文字の線幅
と異なっていても認識性能が低下しない。そのため線幅
の異なるフォントの認識においても、一つの荷重データ
により文字認識を行うことができる。
【図1】本発明の一実施例を示すブロック図である。
【図2】この実施例を説明するためのパターン図であ
る。
る。
【図3】従来例を示すブロック図である。
1 カメラ 2 数値変換回路 3 二値化回路 4 パターン切り出し回路 5 線幅計測回路 6 線幅正規化回路 7 ニューロ演算回路 8 認識対象パターン 9 入力部 10 正規化パターン生成部 11 線幅の狭いパターン 12 線幅の広いパターン 13 正規化パターン a 映像信号 b 濃淡画像 c 二値化画像 d 切り出しパターン e 線幅信号 f 正規化パターン
Claims (3)
- 【請求項1】 認識対象パターンを二値化画像にする入
力手段と、前記二値化画像から所定の線幅の正規化パタ
ーンを生成する正規化パターン生成手段と、前記正規化
パターンからニューロ演算により文字認識を行なうニュ
ーロ演算手段とを備えることを特徴とする文字認識装
置。 - 【請求項2】 前記入力手段は、前記認識対象パターン
を撮像する撮像手段と、前記撮像手段から入力した映像
を数値変換し濃淡画像を出力する数値変換手段と、前記
濃淡画像を入力し明るい部分と暗い部分との二値化画像
に変換する二値化手段とを備えることを特徴とする請求
項1記載の文字認識装置。 - 【請求項3】 前記正規化パターン生成手段は、前記二
値化画像の外形座標を検出して切り出しパターンとして
出力するパターン切り出し手段と、前記切り出しパター
ンから線幅を計測する線幅計測手段と、計測された前記
線幅を用いて前記切り出しパターンの線幅を正規化する
線幅正規化手段とを備えることを特徴とする請求項1記
載の文字認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5039703A JPH06251202A (ja) | 1993-03-01 | 1993-03-01 | 文字認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5039703A JPH06251202A (ja) | 1993-03-01 | 1993-03-01 | 文字認識装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH06251202A true JPH06251202A (ja) | 1994-09-09 |
Family
ID=12560375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP5039703A Pending JPH06251202A (ja) | 1993-03-01 | 1993-03-01 | 文字認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH06251202A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4904313A (en) * | 1988-06-10 | 1990-02-27 | Allegheny Ludlum Corporation | Method of producing stable magnetic domain refinement of electrical steels by metallic contaminants |
US4904314A (en) * | 1988-06-10 | 1990-02-27 | Allegheny Ludlum Corporation | Method of refining magnetic domains of barrier-coated electrical steels using metallic contaminants |
US4911766A (en) * | 1988-06-10 | 1990-03-27 | Allegheny Ludlum Corporation | Method of refining magnetic domains of electrical steels using phosphorus |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04219883A (ja) * | 1990-12-20 | 1992-08-10 | Nec Corp | 活字文字認識装置 |
-
1993
- 1993-03-01 JP JP5039703A patent/JPH06251202A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04219883A (ja) * | 1990-12-20 | 1992-08-10 | Nec Corp | 活字文字認識装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4904313A (en) * | 1988-06-10 | 1990-02-27 | Allegheny Ludlum Corporation | Method of producing stable magnetic domain refinement of electrical steels by metallic contaminants |
US4904314A (en) * | 1988-06-10 | 1990-02-27 | Allegheny Ludlum Corporation | Method of refining magnetic domains of barrier-coated electrical steels using metallic contaminants |
US4911766A (en) * | 1988-06-10 | 1990-03-27 | Allegheny Ludlum Corporation | Method of refining magnetic domains of electrical steels using phosphorus |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4744918B2 (ja) | 顔検出方法および装置並びにプログラム | |
US5625707A (en) | Training a neural network using centroid dithering by randomly displacing a template | |
US5073955A (en) | Method for recognizing previously localized characters present in digital gray tone images, particularly for recognizing characters struck into metal surfaces | |
Subasic et al. | Face image validation system | |
US6240209B1 (en) | Method for deriving character features in a character recognition system | |
JPH06251202A (ja) | 文字認識装置 | |
JP2903788B2 (ja) | 指紋画像入力装置 | |
JPH04227581A (ja) | 画像の2値化閾値算出装置 | |
CN111242047A (zh) | 图像处理方法和装置、电子设备及计算机可读存储介质 | |
JP2004094644A (ja) | 画像処理装置、画像処理方法、記憶媒体及びプログラム | |
JP2732752B2 (ja) | ファジィパターン認識装置 | |
Posokhov et al. | Method and algorithms for cascade classification of sulfur print images of billet transverse templates | |
JPH04352081A (ja) | 人物画像認識における前処理方法および後処理方法 | |
US20070292033A1 (en) | Passive and interactive real-time image recognition software method | |
KR102505074B1 (ko) | 계층형 출력을 이용한 영상 데이터 가공장치 및 방법 | |
JPS62138986A (ja) | 文字認識装置 | |
JP2894111B2 (ja) | 光学式活字文字認識装置における認識結果の総合判定方式 | |
JP2732753B2 (ja) | ファジィパターン認識装置 | |
JPH06274691A (ja) | 文字認識装置 | |
JP3876584B2 (ja) | 画像検出装置及び画像検出方法 | |
JP3324726B2 (ja) | 画像認識装置 | |
JP2000251016A (ja) | ナンバープレート認識装置 | |
JPH11232463A (ja) | 画像認識装置および方法 | |
JPH07271907A (ja) | アナログ画像の二値化装置 | |
JPH03100786A (ja) | 文字認識方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19951114 |