JPH06274694A - 文字認識方法 - Google Patents

Abstract

(57)【要約】 【目的】 辞書の作成を容易にする。 【構成】 ２値化処理部１は画像データを２値化し、ラ
ンレングスデータ生成部２は２値化された画像データか
らランレングスデータを作成し、縦位相表現データ生成
部３は、縦位相表現を作成する。中分類条件生成部４
は、縦位相表現におけるランの位置を用いて中分類条件
を生成する。方向コード生成部５は、部分輪郭に対して
方向コードを生成する。生成された方向コードが文字認
識部７に渡され、文字認識部７では、方向コードをｎ次
元ベクトルとみなして複合類似度法を用いて認識処理す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、辞書作成を容易にした
文字認識方法に関する。

【０００２】

【従来の技術】２値化された文字画像を認識する方法に
おいて、本出願人は先に、２値化された画像データから
行毎にランデータを生成し、隣接する行間のランデータ
パターンが異なる一対の行（位相変化ペア）を抽出し、
該一対の行の連なりによって線図形を表現し（縦位相表
現）、該縦位相表現を用いて文字を認識する方法を提案
した（特願平４−４６５７４号）。この縦位相表現を用
いた方法は、画素全体に対してノイズ除去を行っていた
従来の方法に比べて、圧縮された非常に少ないデータ上
でノイズ除去（前掲した出願では、これをつの削り処理
という）が行えるので、高速であるという利点がある。

【０００３】縦位相表現を用いた文字認識方法について
簡単に説明すると、２値化された画像データ（図７）
は、位相変化ペア２１〜２４で構成された縦位相に表現
される（図８の２５）。

【０００４】縦位相表現の接続状態情報を一つの文字列
で表現したものを、縦位相表現におけるトポロジーコー
ドといい、“モデル”とも呼ばれる。分類は、モデルが
辞書にあるものと同一か否かを判定することにより行
う。図９には、１０種類のトポロジーコード（ただし、
その他のコード＊を含む）を示す。例えば、数字「２」
については、ｄ，Ａ，ｐＩ，ｐとなる（図１０）。先に
提案した文字認識方法では、縦位相表現のトポロジーコ
ードの組み合わせによって文字を大分類した。

【０００５】しかしながら、図１１に示すような文字を
認識する場合、文字“６”，“４”，“０”のいずれも
同一のトポロジーコード（ｄ，Ｉｄ，ＩＡ，ＶＩ，Ｖ，
ｐ）となるので、縦位相表現のトポロジーコードを用い
るだけでは不十分であった。このように、縦位相表現の
トポロジーコードは、文字の大分類までしか行うことが
できず、したがって更に詳細に分類を行う必要がある。

【０００６】このような点を解決した文字認識方法とし
て、本出願人は、ｇｉデータを用いた文字認識方法およ
び方向コードを用いた文字認識方法を既に提案した（特
願平４−５２２１３号）。すなわち、ｇｉデータによる
分類は、縦位相表現から容易に得られる量（数値）の情
報を用いて行う分類であり、縦位相表現に含まれている
位相変化ペアの高さ情報と、縦位相表現の示すランの位
置情報を用いる。そして、分類は、閾値による分類を組
み合わせた簡単な論理式によって行われる。

【０００７】例えば、図１２のトポロジーコード（ｄ，
Ｉｄ，ＩＡ，ＶＩ，Ｖ，ｐ）を生成する文字は、９８文
字であり、その内訳は文字“６”が９６例、文字“０”
および文字“４”がそれぞれ１例ずつであった。そし
て、図１２のモデル（ｄ，Ｉｄ，ＩＡ，ＶＩ，Ｖ，ｐ）
において、各位相変化ペアを上から順に、ｇｉ０，ｇｉ
１，・・・ｇｉ５とし、ｇｉ５とｇｉ４の高さの差を
ａ、ｇｉ１とｇｉ０の高さの差をｂ、ｇｉ４とｇｉ２の
高さの差をｃ、ｇｉ５とｇｉ０の高さの差をｈとしたと
き、上記したモデル（ｄ，Ｉｄ，ＩＡ，ＶＩ，Ｖ，ｐ）
に属する９８文字のデータは、ａ，ｂ，ｃ，ｈを用いた
次の条件によって完全に分離することができた。

【０００８】文字“６”の条件：ａ／ｈ＜０．１５かつ
０．２５≦ｂ／ｈ＜０．８０ 文字“０”の条件：ａ／ｈ＜０．１５かつｂ／ｈ＜０．
１５ 文字“４”の条件：０．２５≦ａ／ｈ＜０．６０。

【０００９】また、方向コードによる分類は、ｇｉデー
タを用いた方法では分類できない数字の分類を可能とす
るものであり、この方向コード（図１３）は、輪郭の一
部分に対して等間隔でサンプリング点をとり、各点の傾
きをコード化して並べたものである。そして、詳細分類
は、文字認識用のオートマトンを用いて行う。

【００１０】

【発明が解決しようとする課題】しかしながら、上記し
た詳細分類の方法では、データを参照しながらオートマ
トンの構成を考えなければならず、オートマトン作成に
多大の労力を要するという問題がある。また、上記した
方法は、オートマトンが人の直観と離れているため、オ
ートマトン作成に訓練を必要とするという欠点もある。

【００１１】本発明の目的は、辞書作成を容易にした文
字認識方法を提供することにある。

【００１２】

【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、２値化された画像データ
から行毎にランデータを生成し、隣接する行間のランデ
ータパターンが異なる位相変化ペアを抽出し、該位相変
化ペアにおけるランの接続状態で構成された縦位相表現
を用いて文字を認識し、さらに文字画像の輪郭の一部を
指定し、該指定された輪郭の所定位置における傾きを求
め、一連の傾き情報を用いて文字を詳細分類する文字認
識方法において、該一連の傾き情報をｎ次元ベクトルと
みなして複合類似度法により文字を認識することを特徴
としている。

【００１３】請求項２記載の発明では、前記一連の傾き
情報をｎ次元ベクトルとみなして、重き付き距離を用い
て文字を認識することを特徴としている。

【００１４】請求項３記載の発明では、前記一連の傾き
情報をｎ次元ベクトルとみなして、ニューラルネットワ
ークを用いて文字を認識することを特徴としている。

【００１５】

【作用】２値化処理部では画像データを２値化し、ラン
レングスデータ生成部では２値化された画像データから
ランレングスデータを作成し、縦位相表現データ生成部
では、縦位相表現を作成する。中分類条件生成部は、縦
位相表現におけるランの位置を用いて中分類条件を生成
する。方向コード生成部では、部分輪郭に対して方向コ
ードを生成し、生成された方向コードが文字認識部に渡
される。文字認識部では、方向コードをｎ次元ベクトル
とみなして複合類似度法、重き付き距離を用いて認識処
理する。

【００１６】

【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。図１は、本発明の実施例のブロック構成
図である。図において、１は、画像を読み取って２値化
する２値化処理部、２は、２値化された画像データから
ランレングスデータを生成するランレングスデータ生成
部、３は、隣接する行のランレングスデータから位相変
化ペアを抽出して縦位相表現を生成する縦位相表現デー
タ生成部である。これら２値化処理部１、ランレングス
データ生成部２、縦位相表現データ生成部３は、前掲し
た出願（特願平４−４６５７４号）に記載されたものと
同一の機能、構成を有するものである。

【００１７】４は、縦位相表現におけるランの位置を用
いて中分類条件を生成する中分類条件生成部であり、縦
位相表現データとランレングスデータを参照しながら簡
単な算術式と閾値を用いて中分類条件を生成する。５
は、輪郭の一部分に対して等間隔のサンプリング点をと
り、各サンプリング点毎に輪郭の方向をコード化する方
向コード生成部である。これら中分類条件生成部４、方
向コード生成部５は、前掲した出願（特願平４−５２２
１３号）に記載されたものと同一の機能、構成を有する
ものである（ただし、本発明では、先の出願のｇｉデー
タ分類部を中分類条件生成部という）。

【００１８】６は、縦位相表現データを参照してつの削
り処理を行うノイズ除去部であり、縦位相表現データと
ランレングスデータに変更を加える。このノイズ除去部
は、前掲した出願（特願平４−４６５７４号）に記載さ
れたものと同一の機能、構成を有している。７は、縦位
相表現、中分類条件、および方向コードに基づいて詳細
認識を行う文字認識部である。

【００１９】図２に示す画像データを例にして、本発明
の文字認識方法について詳述する。図２に示すように、
２値化処理部１によって２値化された画像データから、
ランレングスデータ生成部２はランレングスデータを作
成し、縦位相表現データ生成部３は、このランレングス
データから前述したようにして縦位相表現を作成する。
図２の画像データの縦位相表現（トポロジーコード）
は、“ｄ，Ａ，Ｖ，ｐ”となる。

【００２０】中分類条件生成部４は、図３に示すような
中分類条件を生成する。つまり、モデル“ｄ，Ａ，Ｖ，
ｐ”に対して、ｘ＝ａ／ｂとしたとき、ｘ＜０．８５
（グループ１），０．８５≦ｘ＜１．２５（グループ
２），１．２５≦ｘ（グループ３）によってデータを分
類する。図２に示す画像データは、“ｄ，Ａ，Ｖ，ｐ”
のグループ１に分類される。

【００２１】方向コード生成部５は、図４に示すよう
に、分類された“ｄ，Ａ，Ｖ，ｐ”のグループ１の部分
輪郭ａに対して、方向コードを生成する。この方向コー
ドとしては、“１２２３５７８４３４”が生成される。

【００２２】このようにして生成された方向コードが文
字認識部７に渡され、文字認識部７では、複合類似度法
を用いた方法、重み付き距離を用いた方法、ニューラル
ネットワークを用いた方法によって、認識処理する。

【００２３】〈複合類似度法を用いた方法〉図５は、複
合類似度法を用いた場合の文字認識部の処理フローチャ
ートである。以下、図５を参照して認識動作を説明する
と、ステップ５０１では、方向コードが与えられる。コ
ードの桁数をｎとする。上記した例ではコードは“１２
２３５７８４３４”で、ｎ＝１０である。

【００２４】ステップ５０２では、この方向コードをｎ
次元ベクトルをみなし、ｘとする。ステップ５０３で
は、モデル番号ｋ＝１とする。ステップ５０４では、全
モデル数Ｎとｋを比較する。モデル数は「“ｄ，Ａ，
Ｖ，ｐ”の“グループ１”」のような分岐毎に定まる数
で、その分岐に落ちたデータのうち認識すべき形状パタ
ーンが何通りかを定める。この処理フローチャートで
は、ステップ５０４−ステップ５０６のループをＮ回ま
わることで各モデルと入力との距離を求め、それに基づ
いて認識を行う。ここでは、例えばＮ＝１０とすると、
ｋ＜Ｎであるので、ステップ５０５に進む。

【００２５】ステップ５０５では、複合類似度Ｓ（ｋ）
を図中の式に従って計算する。複合類似度については、
詳しくは例えば“ＩＥＥＥ Ｃｏｍｐｕｔｅｒ ｓｏｃ
ｉｅｔｙ Ｐｒｅｓｓ，Ａｕｇｕｓｔ３０−Ｓｅｐｔｅ
ｍｂｅｒ３，１９９２．”“Ｐｒｏｃ．１ｓｔ ＩＣＰ
Ｒ，ｐｐ．５０−５６，１９７３．”などを参照された
い。

【００２６】複合類似度は、予め定めてある固有値のう
ちＭ個を用いて計算される。ＭはＭ≦ｎの範囲で分岐毎
に適当に定められる。λｉ（ｋ）は、後述する行列Ｋ
（ｋ）の固有値であり、λ１（ｋ）≧λ２（ｋ）≧λ３
（ｋ）．．．．の順に並べ替えてあるものとする。φｉ
（ｋ）は固有値λｉ（ｋ）に対応する固有ベクトルであ
る。

【００２７】ステップ５０６ではｋを１増す。ここでは
ｋ＝２となり、ステップ５０４に戻る。このように、ス
テップ５０４−５０６のループをＮ回まわるとステップ
５０７に行く。ステップ５０７では、Ｓ（ｋ）が最大と
なるｋに対応するモデルを認識結果（「文字９」など）
として出力する。

【００２８】上記した行列Ｋ（ｋ）は次のようにして求
められる。学習データを人間がまず分け、「モデルｋに
対応する学習データ」を作る。このデータ数をｍとす
る。この作業は、通常は正答つきのデータを正答毎に分
けるだけであるので、機械的に行うことができる。この
データについてｎ桁の方向コードを求め、Ｇｊ（ｋ）と
する。Ｇｊ（ｋ）は１×ｎの行ベクトルである。ｊは１
≦ｊ≦ｍの範囲のデータ番号である。Ｋ（ｋ）は、 Ｋ（ｋ）＝（１／ｍ）ΣＧｊ（ｋ）Ｔ・Ｇｊ（ｋ） （ただし、Σはｊ＝１からｍまで） で求められる。ただし、Ｇｊ（ｋ）ＴはＧｊ（ｋ）の転
置行列である（詳しくは前掲した論文を参照）。本実施
例では、Ｋ（ｋ）の固有値と固有ベクトルを予め求め
て、辞書を構成している。

【００２９】〈重み付き距離を用いた方法〉図６は、重
み付き距離を用いた場合の文字認識部の処理フローチャ
ートである。以下、図６を参照して認識動作を説明す
る。ステップ６０１では、方向コードが与えられる。コ
ードの桁数をｎとする。上記した例ではコードは“１２
２３５７８４３４”で、ｎ＝１０である。

【００３０】ステップ６０２では、各桁のコードをａｉ
とする。この例ではａ１＝１，ａ２＝２，ａ３＝
２，．．．となる。ステップ６０３では、モデル番号ｋ
＝１とする。ステップ６０４では、全モデル数Ｎとｋを
比較する。モデル数は「“ｄ，Ａ，Ｖ，ｐ”の“グルー
プ１”」のような分岐毎に定まる数で、その分岐に落ち
たデータのうち認識すべき形状パターンが何通りかを定
める。ここでは、例えばＮ＝１０とすると、ｋ＜Ｎであ
るので、ステップ６０５に進む。

【００３１】ステップ６０５では、重み付き距離ｓ
（ｋ）を計算する。ここでは、各桁毎に平均μｉ（ｋ）
と標準偏差σｉ（ｋ）を求めたものを辞書として構成
し、図中の式を計算する。

【００３２】ステップ６０６ではｋを１増す。ここでは
ｋ＝２となり、ステップ６０４に戻る。このように、ス
テップ６０４−６０６のループをＮ回まわるとステップ
６０７に行く。ステップ６０７では、ｓ（ｋ）が最小と
なるｋに対応するモデルを認識結果（「文字９」など）
として出力する。

【００３３】ステップ６０５における各桁毎の平均μｉ
（ｋ）と標準偏差σｉ（ｋ）は次のようにして作成され
る。学習データを人間がまず分け、「モデルｋに対応す
る学習データ」を作る。この作業は、通常は正答つきの
データを正答毎に分けるだけであるので、十分に機械的
に行うことができる。このデータについてｎ桁の方向コ
ードを求め、各桁毎に平均μｉ（ｋ）と標準偏差σｉ
（ｋ）を求める。本実施例では、これらの値によって辞
書を構成している。

【００３４】〈ニューラルネットワークを用いる方法〉
文字認識部７はニューラルネットで構成されている。そ
して、指定された方向コードが文字認識部７に渡され、
該方向コードに基づいてニューラルネットの手法を用い
て文字認識を行う。このように、本実施例では従来から
の方法を用いて認識処理することができる（なお、ニュ
ーラルネットを用いた文字認識方法としては、例えば特
願平１−１２７３８９号などがある）。

【００３５】本発明は、上記したものに限定されるもの
ではなく、例えば上記した認識方法を組み合わせたり、
あるいは場合に応じて最適な方法を用いるなど種々の変
更が可能である。

【００３６】

【発明の効果】以上、説明したように、請求項１、２記
載の発明によれば、サンプルデータから統計的手法を用
いて辞書を作成することができるので、辞書の作成が容
易になる。

【００３７】請求項３記載の発明によれば、サンプルデ
ータから自動的に辞書を作成することができるので、辞
書の作成が容易になる。

【図面の簡単な説明】

【図１】本発明の実施例のブロック構成図である。

【図２】２値化された画像データの例である。

【図３】モデル“ｄ，Ａ，Ｖ，ｐ”の中分類条件を説明
する図である。

【図４】着目される部分輪郭を示す図である。

【図５】複合類似度法を用いた場合の文字認識部の処理
フローチャートである。

【図６】重み付き距離を用いた場合の文字認識部の処理
フローチャートである。

【図７】２値化された画像データである。

【図８】図７の縦位相表現図である。

【図９】トポロジーコードを示す図である。

【図１０】数字２の縦位相表現とトポロジーコードを示
す図である。

【図１１】トポロジーコードのみでは文字を分類できな
い例を示す図である。

【図１２】ｇｉデータによる分類を説明する図である。

【図１３】方向コードを示す図である。

【符号の説明】

１ ２値化処理部 ２ ランレングスデータ生成部 ３ 縦位相表現データ生成部 ４ 中分類条件生成部 ５ 方向コード生成部 ６ ノイズ除去部 ７ 文字認識部

Claims (3)

【特許請求の範囲】
1. 【請求項１】 ２値化された画像データから行毎にラン
   データを生成し、隣接する行間のランデータパターンが
   異なる位相変化ペアを抽出し、該位相変化ペアにおける
   ランの接続状態で構成された縦位相表現を用いて文字を
   認識し、さらに文字画像の輪郭の一部を指定し、該指定
   された輪郭の所定位置における傾きを求め、一連の傾き
   情報を用いて文字を詳細分類する文字認識方法におい
   て、該一連の傾き情報をｎ次元ベクトルとみなして複合
   類似度法により文字を認識することを特徴とする文字認
   識方法。
2. 【請求項２】 前記一連の傾き情報をｎ次元ベクトルと
   みなして、重き付き距離を用いて文字を認識することを
   特徴とする請求項１記載の文字認識方法。
3. 【請求項３】 前記一連の傾き情報をｎ次元ベクトルと
   みなして、ニューラルネットワークを用いて文字を認識
   することを特徴とする請求項１記載の文字認識方法。