JPH06348900A - 文字認識方法及び装置 - Google Patents
文字認識方法及び装置Info
- Publication number
- JPH06348900A JPH06348900A JP6078561A JP7856194A JPH06348900A JP H06348900 A JPH06348900 A JP H06348900A JP 6078561 A JP6078561 A JP 6078561A JP 7856194 A JP7856194 A JP 7856194A JP H06348900 A JPH06348900 A JP H06348900A
- Authority
- JP
- Japan
- Prior art keywords
- character
- character recognition
- recognition means
- data processing
- processing system
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 複数の文字認識プログラムのうちで、文書フ
ォームの画像のフィールド内の文字を認識する際の精度
を最適化するのに使用すべきものを選択するためのデー
タ処理システムおよび方法を提供すること。 【構成】 特定の文字の文字形状とフィールド・タイプ
を考慮に入れ、適用できる複数の候補文字認識プログラ
ムのうちから、リアルタイム・ベースで最適選択を行
う。その結果得られる文字認識動作は、事前に印刷され
たフォーム内のさまざまな文字形状とフィールド・タイ
プの読取に関するその精度が最大になる。
ォームの画像のフィールド内の文字を認識する際の精度
を最適化するのに使用すべきものを選択するためのデー
タ処理システムおよび方法を提供すること。 【構成】 特定の文字の文字形状とフィールド・タイプ
を考慮に入れ、適用できる複数の候補文字認識プログラ
ムのうちから、リアルタイム・ベースで最適選択を行
う。その結果得られる文字認識動作は、事前に印刷され
たフォーム内のさまざまな文字形状とフィールド・タイ
プの読取に関するその精度が最大になる。
Description
【０００１】
【産業上の利用分野】本発明は、全般的にデータ処理シ
ステムに関し、より具体的にはテキストの画像の文字認
識に関する。
ステムに関し、より具体的にはテキストの画像の文字認
識に関する。
【０００２】
【従来の技術】本特許出願は、インターナショナル・ビ
ジネス・マシーンズ・コーポレイション（ＩＢＭ）に譲
渡され、参照によって本明細書に組み込まれる同時係属
の米国特許出願第０７／８７０１２９号明細書に関連す
る。
ジネス・マシーンズ・コーポレイション（ＩＢＭ）に譲
渡され、参照によって本明細書に組み込まれる同時係属
の米国特許出願第０７／８７０１２９号明細書に関連す
る。
【０００３】本特許出願は、ＩＢＭに譲渡され、参照に
よって本明細書に組み込まれる同時係属の米国特許出願
第０７／８７０５０７号明細書に関連する。
よって本明細書に組み込まれる同時係属の米国特許出願
第０７／８７０５０７号明細書に関連する。
【０００４】本特許出願は、ＩＢＭに譲渡され、参照に
よって本明細書に組み込まれる同時係属の米国特許出願
第０７／３０５８２８号明細書に関連する。
よって本明細書に組み込まれる同時係属の米国特許出願
第０７／３０５８２８号明細書に関連する。
【０００５】テキストの画像の文字認識は、データ処理
の分野で費用をかけて開発されてきた技術である。英数
字テキストを受け取り、英数字コード化データ文字の列
に変換する、文字認識コンピュータ・プログラムと文字
認識装置が多数市販されている。市販の文字認識製品は
それぞれ、通常は、その製造者によって、ある分野に特
に強みを持つと特徴付けられる。文字認識プログラムに
は、衝撃式印刷の画像をコード化データ文字列に変換す
るには優れているが、ドット・マトリックス文字の変換
はうまくいかないものがある。また、長方形の箱形の輪
郭内に制約された手書き文字または制約なしの手書き文
字を変換するように設計されており、他の種類の文字形
状ではうまくいかないものもある。衝撃式印刷、ドット
・マトリックス印刷、制約付き手書き、制約なし手書き
などの文字形状の範疇は、文字形状のバリエーションと
考えられる。文字認識プログラムによって精度に差が出
るテキストのバリエーションのもう１つの範疇が、フィ
ールド・タイプという範疇である。フィールド・タイプ
とは、たとえば、数字だけのフィールド、すべて大文字
の英字だけのフィールド、または小文字の英字だけのフ
ィールドであり、さらに別のタイプとして、いくつかの
大文字と幾つかの小文字からなる混合英字フィールドな
どがある。文字認識プログラムによっては、英字フィー
ルドまたは混合フィールドの文字の変換よりも、数字フ
ィールドの正確な変換にはるかに強いものがある。広範
囲の文字形状およびフィールド・タイプに対して文字認
識プログラムが良好に動作する能力が限られている理由
は、文字認識プログラムが、通常は、パターン認識、ニ
ューラル・ネット、文字特徴、または他の文字認識アル
ゴリズムなど、単一のまたは限られた数の文字認識アル
ゴリズムに基づいていることである。
の分野で費用をかけて開発されてきた技術である。英数
字テキストを受け取り、英数字コード化データ文字の列
に変換する、文字認識コンピュータ・プログラムと文字
認識装置が多数市販されている。市販の文字認識製品は
それぞれ、通常は、その製造者によって、ある分野に特
に強みを持つと特徴付けられる。文字認識プログラムに
は、衝撃式印刷の画像をコード化データ文字列に変換す
るには優れているが、ドット・マトリックス文字の変換
はうまくいかないものがある。また、長方形の箱形の輪
郭内に制約された手書き文字または制約なしの手書き文
字を変換するように設計されており、他の種類の文字形
状ではうまくいかないものもある。衝撃式印刷、ドット
・マトリックス印刷、制約付き手書き、制約なし手書き
などの文字形状の範疇は、文字形状のバリエーションと
考えられる。文字認識プログラムによって精度に差が出
るテキストのバリエーションのもう１つの範疇が、フィ
ールド・タイプという範疇である。フィールド・タイプ
とは、たとえば、数字だけのフィールド、すべて大文字
の英字だけのフィールド、または小文字の英字だけのフ
ィールドであり、さらに別のタイプとして、いくつかの
大文字と幾つかの小文字からなる混合英字フィールドな
どがある。文字認識プログラムによっては、英字フィー
ルドまたは混合フィールドの文字の変換よりも、数字フ
ィールドの正確な変換にはるかに強いものがある。広範
囲の文字形状およびフィールド・タイプに対して文字認
識プログラムが良好に動作する能力が限られている理由
は、文字認識プログラムが、通常は、パターン認識、ニ
ューラル・ネット、文字特徴、または他の文字認識アル
ゴリズムなど、単一のまたは限られた数の文字認識アル
ゴリズムに基づいていることである。
【０００６】既存の文字認識プログラムが有用となる文
字形状およびフィールド・タイプの種類がこのように制
限されていることが、さまざまなテキスト形状を分析し
なければならない時に問題となる。単一の文字認識製品
の弱点を克服して、広範囲の文字形状およびフィールド
・タイプを分析しなければならないシステムの全体的性
能を強化する方法が必要である。
字形状およびフィールド・タイプの種類がこのように制
限されていることが、さまざまなテキスト形状を分析し
なければならない時に問題となる。単一の文字認識製品
の弱点を克服して、広範囲の文字形状およびフィールド
・タイプを分析しなければならないシステムの全体的性
能を強化する方法が必要である。
【０００７】
【発明が解決しようとする課題】本発明の目的は、広範
囲の文字形状およびフィールド・タイプを有するテキス
トを正確に文字認識するための改善された方法を提供す
ることである。
囲の文字形状およびフィールド・タイプを有するテキス
トを正確に文字認識するための改善された方法を提供す
ることである。
【０００８】本発明のもう１つの目的は、単一の文字認
識プログラム製品の弱点を克服して、広範囲の文字形状
およびフィールド・タイプから文字を認識しなければな
らないシステムの性能を改善することである。
識プログラム製品の弱点を克服して、広範囲の文字形状
およびフィールド・タイプから文字を認識しなければな
らないシステムの性能を改善することである。
【０００９】
【課題を解決するための手段】上記その他の目的、特徴
および長所は、適応確率重み付けによって文字認識精度
を改善するシステムおよび方法によって達成される。ス
キャナなどの文書画像入力装置、フォーム認識プログラ
ム、フィールド抽出プログラムおよび複数の文字認識プ
ログラムを含む、データ処理システムおよびデータ処理
方法を開示する。本発明は、文書フォームの画像の１フ
ィールド内の文字に対して複数の文字認識プログラムの
うちのどれを使用するかを選択するためのシステムおよ
び方法である。
および長所は、適応確率重み付けによって文字認識精度
を改善するシステムおよび方法によって達成される。ス
キャナなどの文書画像入力装置、フォーム認識プログラ
ム、フィールド抽出プログラムおよび複数の文字認識プ
ログラムを含む、データ処理システムおよびデータ処理
方法を開示する。本発明は、文書フォームの画像の１フ
ィールド内の文字に対して複数の文字認識プログラムの
うちのどれを使用するかを選択するためのシステムおよ
び方法である。
【００１０】各文字認識プログラムはそれぞれ、衝撃式
印刷、ドット・マトリックス印刷、制約付き手書き、制
約なし手書きなどの文字形状を認識する上で、特定の強
味と弱味を有する。これらの強味と弱味の特徴を、複数
の文字認識プログラムのそれぞれについて、データ処理
システムに入力される文字形状信頼係数のテーブルで表
現する。
印刷、ドット・マトリックス印刷、制約付き手書き、制
約なし手書きなどの文字形状を認識する上で、特定の強
味と弱味を有する。これらの強味と弱味の特徴を、複数
の文字認識プログラムのそれぞれについて、データ処理
システムに入力される文字形状信頼係数のテーブルで表
現する。
【００１１】同様に、各文字認識プログラムはそれぞ
れ、数字、英字（大文字だけ、小文字だけまたは混
合）、英数字混合などのフィールド・タイプを認識する
上で、特定の強味と弱味を有する。これらの強味と弱味
の特徴を、複数の文字認識プログラムのそれぞれについ
て、データ処理システムに入力されるフィールド・タイ
プ信頼係数のテーブルで表現する。
れ、数字、英字（大文字だけ、小文字だけまたは混
合）、英数字混合などのフィールド・タイプを認識する
上で、特定の強味と弱味を有する。これらの強味と弱味
の特徴を、複数の文字認識プログラムのそれぞれについ
て、データ処理システムに入力されるフィールド・タイ
プ信頼係数のテーブルで表現する。
【００１２】特定の文字認識プログラムの強味と弱味の
元来の評価が正確でない可能性があるので、本発明で
は、複数の文字認識プログラムのそれぞれに適応確率重
み付け係数を使用することによって、これらの強味の指
定値を修正する方法を提供する。適応確率重み付け係数
を用いると、複数の文字認識プログラムを文字形状とフ
ィールド・タイプの特定の組み合わせに適用する時に、
最適の文字認識プログラムをより正確に選択できるよう
になる。この組み合わせは、フォーム上のフィールドご
とに変化する可能性があるので、本発明では、１つのフ
ォーム上で連続するフィールドを分析する際に、異なる
適応確率重み付け係数を迅速に適用する。
元来の評価が正確でない可能性があるので、本発明で
は、複数の文字認識プログラムのそれぞれに適応確率重
み付け係数を使用することによって、これらの強味の指
定値を修正する方法を提供する。適応確率重み付け係数
を用いると、複数の文字認識プログラムを文字形状とフ
ィールド・タイプの特定の組み合わせに適用する時に、
最適の文字認識プログラムをより正確に選択できるよう
になる。この組み合わせは、フォーム上のフィールドご
とに変化する可能性があるので、本発明では、１つのフ
ォーム上で連続するフィールドを分析する際に、異なる
適応確率重み付け係数を迅速に適用する。
【００１３】各文字認識プログラムはそれぞれ、データ
処理システム内で、第１推測文字と第１信頼値ならびに
第２推測文字と第２信頼値を生成する。
処理システム内で、第１推測文字と第１信頼値ならびに
第２推測文字と第２信頼値を生成する。
【００１４】その後、データ処理システムは、文字形状
信頼係数とフィールド・タイプ信頼係数と適応確率重み
付け係数の積に、第１信頼値と第２信頼値の差をかけた
値として、ＯＣＲエンジン選択信頼係数を計算する。こ
れは、分析中の特定のフィールドについて考慮しなが
ら、各文字認識プログラムごとに行われる。
信頼係数とフィールド・タイプ信頼係数と適応確率重み
付け係数の積に、第１信頼値と第２信頼値の差をかけた
値として、ＯＣＲエンジン選択信頼係数を計算する。こ
れは、分析中の特定のフィールドについて考慮しなが
ら、各文字認識プログラムごとに行われる。
【００１５】その後、データ処理システムは、複数の文
字認識プログラムのうちで、最大のＯＣＲエンジン選択
信頼係数を有するものを選択する。その後、そのフィー
ルド内の文字の最適の推測を選択し、認識結果データ・
パケットにそれを挿入して、分析されるフィールドの画
像内での情報のコード化データ表現として使用する。
字認識プログラムのうちで、最大のＯＣＲエンジン選択
信頼係数を有するものを選択する。その後、そのフィー
ルド内の文字の最適の推測を選択し、認識結果データ・
パケットにそれを挿入して、分析されるフィールドの画
像内での情報のコード化データ表現として使用する。
【００１６】データ処理システムは、認識結果データ・
パケットをサンプリングする監視訂正ステーションも含
む。これは、パケットからのコード化データと書き込ま
れたフォームの原画像の両方を見ている操作員によっ
て、手動ステーションで行うことができる。その代わり
に、郵便番号簿で相互検査できる州名と郵便番号の組み
合わせなど、特定のタイプのフィールドには、自動エラ
ー検出プログラムでこれを行うこともできる。エラーが
識別されると、そのエラーを生じた文字認識プログラム
の識別が記録され、文字形状とフィールド・タイプのそ
の特定の組み合わせに関して、エラーを生じた文字認識
プログラムの移動カウントが維持される。このエラー・
カウントは、エラー・カウント・テーブルに保存され
る。
パケットをサンプリングする監視訂正ステーションも含
む。これは、パケットからのコード化データと書き込ま
れたフォームの原画像の両方を見ている操作員によっ
て、手動ステーションで行うことができる。その代わり
に、郵便番号簿で相互検査できる州名と郵便番号の組み
合わせなど、特定のタイプのフィールドには、自動エラ
ー検出プログラムでこれを行うこともできる。エラーが
識別されると、そのエラーを生じた文字認識プログラム
の識別が記録され、文字形状とフィールド・タイプのそ
の特定の組み合わせに関して、エラーを生じた文字認識
プログラムの移動カウントが維持される。このエラー・
カウントは、エラー・カウント・テーブルに保存され
る。
【００１７】たとえば、ある日の最後に、データ処理シ
ステムは、エラー・カウントから導出された値を用いて
既存の適応確率重み付け係数を修正することによって、
複数の文字認識プログラムのそれぞれの適応確率重み付
け係数の新しい値を計算し、これによって適応確率重み
付け係数を更新する。これは、文字形状とフィールド・
タイプの組合せごとに行われる。
ステムは、エラー・カウントから導出された値を用いて
既存の適応確率重み付け係数を修正することによって、
複数の文字認識プログラムのそれぞれの適応確率重み付
け係数の新しい値を計算し、これによって適応確率重み
付け係数を更新する。これは、文字形状とフィールド・
タイプの組合せごとに行われる。
【００１８】このようにして、本発明は、複数の文字認
識プログラムのそれぞれの適応確率重み付け係数を使用
することにより、それぞれの文字認識プログラムの強味
の推定値を修正する方法を提供する。
識プログラムのそれぞれの適応確率重み付け係数を使用
することにより、それぞれの文字認識プログラムの強味
の推定値を修正する方法を提供する。
【００１９】
【実施例】図１は、図４の認識ステーション・プロセッ
サ３００によって実行される動作ステップのシーケンス
の全般的な流れ図であり、図２および図３は、その詳細
な流れ図である。認識ステーション・プロセッサ３００
は、図５に示すようにローカル・エリア・ネットワーク
（ＬＡＮ）４００に接続され、文書の走査によって生成
された文書画像から、認識結果データ・パケット２６０
とフォーム画像１００'を生成する。認識ステーション
・プロセッサ３００で走査される典型的な文書は、定義
済み位置に置かれ定義済みフィールド・タイプを有する
定義済みフィールドを有するフォームであり、そのすべ
てが、フォーム定義データ・セットによって指定され
る。図５のローカル・エリア・ネットワーク４００は、
認識結果データ・パケット２６０とフォーム画像１０
０'を、手動拒絶監視訂正ステーション・プロセッサ５
００または自動拒絶監視訂正ステーション・プロセッサ
６００のどちらかに転送する。監視訂正ステーション・
プロセッサは、認識ステーション・プロセッサ３００で
実行される文字認識動作で発生したエラーを累計し、新
適応確率重み付けテーブル８１０を作成する。テーブル
８１０は、ローカル・エリア・ネットワーク４００を介
して認識ステーション・プロセッサ３００に転送され
る。図６は、文字認識でのエラーを監視し、認識ステー
ション・プロセッサ用の更新された重み付けテーブルを
作る手動拒絶監視訂正ステーション・プロセッサ５００
を示す。
サ３００によって実行される動作ステップのシーケンス
の全般的な流れ図であり、図２および図３は、その詳細
な流れ図である。認識ステーション・プロセッサ３００
は、図５に示すようにローカル・エリア・ネットワーク
（ＬＡＮ）４００に接続され、文書の走査によって生成
された文書画像から、認識結果データ・パケット２６０
とフォーム画像１００'を生成する。認識ステーション
・プロセッサ３００で走査される典型的な文書は、定義
済み位置に置かれ定義済みフィールド・タイプを有する
定義済みフィールドを有するフォームであり、そのすべ
てが、フォーム定義データ・セットによって指定され
る。図５のローカル・エリア・ネットワーク４００は、
認識結果データ・パケット２６０とフォーム画像１０
０'を、手動拒絶監視訂正ステーション・プロセッサ５
００または自動拒絶監視訂正ステーション・プロセッサ
６００のどちらかに転送する。監視訂正ステーション・
プロセッサは、認識ステーション・プロセッサ３００で
実行される文字認識動作で発生したエラーを累計し、新
適応確率重み付けテーブル８１０を作成する。テーブル
８１０は、ローカル・エリア・ネットワーク４００を介
して認識ステーション・プロセッサ３００に転送され
る。図６は、文字認識でのエラーを監視し、認識ステー
ション・プロセッサ用の更新された重み付けテーブルを
作る手動拒絶監視訂正ステーション・プロセッサ５００
を示す。
【００２０】図１に戻って、スキャナ１０２で文書１０
０を走査して、文書１００のディジタル化画像を生成す
る。文書１００は、フィールド＃１およびフィールド＃
２として示した少なくとも２つのフィールドを有する定
義済みフォームである。フィールド＃１の画像１０４
は、図１に示すように、文字列"ａｂｃｄ"である。最初
の文字"ａ"の入力文字画像１０６は、図１では、３つの
ＯＣＲまたは文字認識装置１１０、すなわちＯＣＲ１、
ＯＣＲ２、ＯＣＲ３の入力に印加される。これら３つの
文字認識装置はそれぞれ、入力文字画像１０６に対して
その文字認識動作を実行し、第１推測文字１１４とこれ
に対応する信頼値１１６を生成し、また第２推測文字１
１８とこれに対応する信頼値１２０を生成する。本明細
書で選択した用語法では、ＯＣＲ１の第１推測文字をＧ
１１で表し、それに対応する信頼値をＣ１１、ＯＣＲ１
の第２推測文字をＧ２１、それに対応する信頼値をＣ２
１で表す。ＯＣＲ２とＯＣＲ３の第１推測文字と信頼
値、第２推測文字と信頼値も、図１に示されている。
０を走査して、文書１００のディジタル化画像を生成す
る。文書１００は、フィールド＃１およびフィールド＃
２として示した少なくとも２つのフィールドを有する定
義済みフォームである。フィールド＃１の画像１０４
は、図１に示すように、文字列"ａｂｃｄ"である。最初
の文字"ａ"の入力文字画像１０６は、図１では、３つの
ＯＣＲまたは文字認識装置１１０、すなわちＯＣＲ１、
ＯＣＲ２、ＯＣＲ３の入力に印加される。これら３つの
文字認識装置はそれぞれ、入力文字画像１０６に対して
その文字認識動作を実行し、第１推測文字１１４とこれ
に対応する信頼値１１６を生成し、また第２推測文字１
１８とこれに対応する信頼値１２０を生成する。本明細
書で選択した用語法では、ＯＣＲ１の第１推測文字をＧ
１１で表し、それに対応する信頼値をＣ１１、ＯＣＲ１
の第２推測文字をＧ２１、それに対応する信頼値をＣ２
１で表す。ＯＣＲ２とＯＣＲ３の第１推測文字と信頼
値、第２推測文字と信頼値も、図１に示されている。
【００２１】図１のステップ１２２で、３つの文字認識
装置１１０のそれぞれの第１推測が同一の推測であるか
どうか、たとえば、ＯＣＲ１、ＯＣＲ２、ＯＣＲ３がす
べて、"ａ"の入力文字画像１０６を実際に"ａ"として推
測する第１推測文字１１４を作成したかどうかを判定す
る。そうである場合、ステップ１２２から認識結果デー
タ・パケット２６０の形成に進む。図１に示した認識結
果データ・パケット２６０は、認識ステーション・プロ
セッサ３００によって構築されるデータの封筒である。
認識結果データ・パケット２６０には、画像アドレス１
３６、文書１００であるフォームの識別１３８、符号１
４０のフィールド＃１、および通常は１つまたは複数の
文字認識装置１１０によって決定されフィールド１４１
に挿入される文字形状＃１が含まれる。フィールド１４
２には、推測された文字とその特定の推測を生成した各
文字認識装置１１０の識別とを含む、第１文字の推測が
含まれる。たとえば、図１では、フィールド１４２に、
ＯＣＲ１の推測Ｇａ１１と、３つの文字認識装置１１０
のすべて、すなわちＯＣＲ１、ＯＣＲ２およびＯＣＲ３
が"ａ"という同一の文字を推測したことが含まれてい
る。フィールド１４４には、フィールド＃１の画像１０
４の第２文字"ｂ"に関する推測が含まれる。第２文字に
関する推測はＧｂ１１であり、この例では、第１と第２
の文字認識装置１１０、すなわちＯＣＲ１とＯＣＲ２が
共に、その文字が"ｂ"であると推測した。第３のエンジ
ンまたはＯＣＲ３は、同一の文字を推測せず、第２文字
の表現には選択されていない。図１の認識結果データ・
パケット２６０を検査すると、ＯＣＲ２だけがフィール
ド１４６の第３推測を生成したこと、および認識装置の
うちの２つ、ＯＣＲ２とＯＣＲ３が、第４文字に対応す
るフィールド１４８の文字を推測したことがわかる。こ
れによって、認識結果データ・パケット２６０の部分で
あるフィールド＃１ １５４が構成される。第２のフィ
ールド＃２ １５６には、フィールド＃２ １５０と、
文字形状＃２ １５２の情報が含まれる。文字形状情報
は、通常は文字認識装置１１０が生成する。
装置１１０のそれぞれの第１推測が同一の推測であるか
どうか、たとえば、ＯＣＲ１、ＯＣＲ２、ＯＣＲ３がす
べて、"ａ"の入力文字画像１０６を実際に"ａ"として推
測する第１推測文字１１４を作成したかどうかを判定す
る。そうである場合、ステップ１２２から認識結果デー
タ・パケット２６０の形成に進む。図１に示した認識結
果データ・パケット２６０は、認識ステーション・プロ
セッサ３００によって構築されるデータの封筒である。
認識結果データ・パケット２６０には、画像アドレス１
３６、文書１００であるフォームの識別１３８、符号１
４０のフィールド＃１、および通常は１つまたは複数の
文字認識装置１１０によって決定されフィールド１４１
に挿入される文字形状＃１が含まれる。フィールド１４
２には、推測された文字とその特定の推測を生成した各
文字認識装置１１０の識別とを含む、第１文字の推測が
含まれる。たとえば、図１では、フィールド１４２に、
ＯＣＲ１の推測Ｇａ１１と、３つの文字認識装置１１０
のすべて、すなわちＯＣＲ１、ＯＣＲ２およびＯＣＲ３
が"ａ"という同一の文字を推測したことが含まれてい
る。フィールド１４４には、フィールド＃１の画像１０
４の第２文字"ｂ"に関する推測が含まれる。第２文字に
関する推測はＧｂ１１であり、この例では、第１と第２
の文字認識装置１１０、すなわちＯＣＲ１とＯＣＲ２が
共に、その文字が"ｂ"であると推測した。第３のエンジ
ンまたはＯＣＲ３は、同一の文字を推測せず、第２文字
の表現には選択されていない。図１の認識結果データ・
パケット２６０を検査すると、ＯＣＲ２だけがフィール
ド１４６の第３推測を生成したこと、および認識装置の
うちの２つ、ＯＣＲ２とＯＣＲ３が、第４文字に対応す
るフィールド１４８の文字を推測したことがわかる。こ
れによって、認識結果データ・パケット２６０の部分で
あるフィールド＃１ １５４が構成される。第２のフィ
ールド＃２ １５６には、フィールド＃２ １５０と、
文字形状＃２ １５２の情報が含まれる。文字形状情報
は、通常は文字認識装置１１０が生成する。
【００２２】ステップ１２２で、文字認識装置１１０間
で第１推測文字１１４に関して判断が一致しない場合に
は、ＯＣＲエンジン選択信頼係数Ｆ１、Ｆ２、Ｆ３を計
算するステップ１２４、１２６、１２８に進む。エンジ
ン選択信頼係数を用いると、文字認識装置の間で判断が
一致しない時に、どの１つまたは複数の文字認識装置が
文字の最良の推測を有するものとして選択されるかをシ
ステムが選べるようになる。エンジン選択信頼係数の計
算は、文字形状信頼係数Ｆｃｆに基づいて行われる。こ
の文字形状分類係数は、特定の各文字認識装置がそれぞ
れ特定の各文字形状ＣＦに関して文字を正確に認識でき
る能力を特徴付けるものである。文字形状信頼係数テー
ブル９００の１例を、図１３に示す。エンジン選択信頼
係数の計算は、フィールド・タイプ信頼係数Ｆｆｔにも
基づいて行われる。このフィールド・タイプ信頼係数Ｆ
ｆｔは、各認識装置が特定の各フィールド・タイプを正
確に認識する能力を特徴付ける係数である。フィールド
・タイプ信頼係数テーブル９０２の１例を、図１４に示
す。たとえば、３つの市販の文字認識プログラムの衝撃
式印刷に関する文字形状信頼係数は、９９％、９５％、
９９％である。ドット・マトリックス文字に関する文字
形状信頼係数は、それぞれ７０％、９０％、９０％であ
る。制約付き手書き文字に関する文字形状信頼係数は、
それぞれ３０％、９５％および９９％である。制約なし
手書き文字に関する文字形状信頼係数は、それぞれ２０
％、８５％、９０％である。同じ３つの文字認識プログ
ラムの数値文字に関するフィールド・タイプ信頼係数
は、それぞれ１００％、１００％、１００％である。す
べて大文字の英字に関するフィールド・タイプ信頼係数
は、それぞれ９８％、９８％、８０％である。大文字の
英字と数字が混在する場合のフィールド・タイプ信頼係
数は、それぞれ９０％、９７％、５０％である。
で第１推測文字１１４に関して判断が一致しない場合に
は、ＯＣＲエンジン選択信頼係数Ｆ１、Ｆ２、Ｆ３を計
算するステップ１２４、１２６、１２８に進む。エンジ
ン選択信頼係数を用いると、文字認識装置の間で判断が
一致しない時に、どの１つまたは複数の文字認識装置が
文字の最良の推測を有するものとして選択されるかをシ
ステムが選べるようになる。エンジン選択信頼係数の計
算は、文字形状信頼係数Ｆｃｆに基づいて行われる。こ
の文字形状分類係数は、特定の各文字認識装置がそれぞ
れ特定の各文字形状ＣＦに関して文字を正確に認識でき
る能力を特徴付けるものである。文字形状信頼係数テー
ブル９００の１例を、図１３に示す。エンジン選択信頼
係数の計算は、フィールド・タイプ信頼係数Ｆｆｔにも
基づいて行われる。このフィールド・タイプ信頼係数Ｆ
ｆｔは、各認識装置が特定の各フィールド・タイプを正
確に認識する能力を特徴付ける係数である。フィールド
・タイプ信頼係数テーブル９０２の１例を、図１４に示
す。たとえば、３つの市販の文字認識プログラムの衝撃
式印刷に関する文字形状信頼係数は、９９％、９５％、
９９％である。ドット・マトリックス文字に関する文字
形状信頼係数は、それぞれ７０％、９０％、９０％であ
る。制約付き手書き文字に関する文字形状信頼係数は、
それぞれ３０％、９５％および９９％である。制約なし
手書き文字に関する文字形状信頼係数は、それぞれ２０
％、８５％、９０％である。同じ３つの文字認識プログ
ラムの数値文字に関するフィールド・タイプ信頼係数
は、それぞれ１００％、１００％、１００％である。す
べて大文字の英字に関するフィールド・タイプ信頼係数
は、それぞれ９８％、９８％、８０％である。大文字の
英字と数字が混在する場合のフィールド・タイプ信頼係
数は、それぞれ９０％、９７％、５０％である。
【００２３】図１で計算されるエンジン選択信頼係数
は、第１推測文字が第２推測文字に置換される確率にも
基づいている。これは、特定の文字画像を認識する特定
の文字認識エンジンの出力について、第２推測文字の信
頼値と第１推測文字の信頼値の差をとることによって確
立される。
は、第１推測文字が第２推測文字に置換される確率にも
基づいている。これは、特定の文字画像を認識する特定
の文字認識エンジンの出力について、第２推測文字の信
頼値と第１推測文字の信頼値の差をとることによって確
立される。
【００２４】エンジン選択信頼係数は、文字形状信頼係
数と、フィールド・タイプ信頼係数と、特定の推測に関
する第１信頼値および第２信頼値の差の積として計算さ
れる。その後、この積に適応確率重み付け係数をかけ
る。
数と、フィールド・タイプ信頼係数と、特定の推測に関
する第１信頼値および第２信頼値の差の積として計算さ
れる。その後、この積に適応確率重み付け係数をかけ
る。
【００２５】適応確率重み付け係数Ｗｐは、特定の文字
形状とフィールド・タイプの正確な認識をもたらす長期
的な能力に基づいて、システム内の他の文字認識プロセ
ッサに関してある期間にわたって特定の文字認識プロセ
ッサの選択を調節するための方法として使用される。適
応確率重み付け係数の初期値は、１にセットされ、ある
時間にわたって、各文字認識装置の挙動を監視しなが
ら、文字形状とフィールド・タイプの特定の組み合わせ
に最適な文字認識プログラムが選択できるように適応確
率重み付け係数の値が調節される。
形状とフィールド・タイプの正確な認識をもたらす長期
的な能力に基づいて、システム内の他の文字認識プロセ
ッサに関してある期間にわたって特定の文字認識プロセ
ッサの選択を調節するための方法として使用される。適
応確率重み付け係数の初期値は、１にセットされ、ある
時間にわたって、各文字認識装置の挙動を監視しなが
ら、文字形状とフィールド・タイプの特定の組み合わせ
に最適な文字認識プログラムが選択できるように適応確
率重み付け係数の値が調節される。
【００２６】図１では、文字認識エンジンＯＣＲ１、Ｏ
ＣＲ２、ＯＣＲ３のそれぞれについてステップ１２４、
１２６、１２８でエンジン選択信頼係数Ｆ１、Ｆ２、Ｆ
３を計算した後に、ステップ２３２に進む。ステップ２
３２では、ＯＣＲ１とＯＣＲ２の第１推測が同一である
が、ＯＣＲ３の推測と異なるかどうかを判定する。そう
である場合には、エンジン選択信頼係数Ｆ１またはＦ２
がＦ３より大きいならば、推測ＧをＯＣＲ１またはＯＣ
Ｒ２のどちらかの推測Ｇ１１（１、２）に設定する。Ｆ
３がＦ１とＦ２のどちらよりも大きい場合、ＯＣＲ３が
この文字に関する最適の選択であるに違いなく、したが
って、ＧをＧ１３（３）に設定する。その後、このプロ
グラムは、認識結果データ・パケット２６０の形成に進
み、最適の推測を部分１５４の適当なフィールドに挿入
する。
ＣＲ２、ＯＣＲ３のそれぞれについてステップ１２４、
１２６、１２８でエンジン選択信頼係数Ｆ１、Ｆ２、Ｆ
３を計算した後に、ステップ２３２に進む。ステップ２
３２では、ＯＣＲ１とＯＣＲ２の第１推測が同一である
が、ＯＣＲ３の推測と異なるかどうかを判定する。そう
である場合には、エンジン選択信頼係数Ｆ１またはＦ２
がＦ３より大きいならば、推測ＧをＯＣＲ１またはＯＣ
Ｒ２のどちらかの推測Ｇ１１（１、２）に設定する。Ｆ
３がＦ１とＦ２のどちらよりも大きい場合、ＯＣＲ３が
この文字に関する最適の選択であるに違いなく、したが
って、ＧをＧ１３（３）に設定する。その後、このプロ
グラムは、認識結果データ・パケット２６０の形成に進
み、最適の推測を部分１５４の適当なフィールドに挿入
する。
【００２７】ステップ２３２の条件が満たされない場
合、ステップ２３４に進んで、ＯＣＲ２の第１推測がＯ
ＣＲ３の第１推測と等しく、かつＯＣＲ１の第１推測と
異なっているかどうかを判定する。そうである場合に
は、エンジン選択信頼係数Ｆ２またはＦ３が、Ｆ１より
大きいかどうかを判定し、そうであるならば、推測Ｇを
ＯＣＲ２またはＯＣＲ３の第１推測であるＧ１２（２、
３）に設定する。Ｆ１がＦ２とＦ３のどちらよりも大き
いならば、ＧをＯＣＲ１の出力であるＧ１１（１）に設
定する。その後、このプログラムは、認識結果データ・
パケット２６０の形成に進む。
合、ステップ２３４に進んで、ＯＣＲ２の第１推測がＯ
ＣＲ３の第１推測と等しく、かつＯＣＲ１の第１推測と
異なっているかどうかを判定する。そうである場合に
は、エンジン選択信頼係数Ｆ２またはＦ３が、Ｆ１より
大きいかどうかを判定し、そうであるならば、推測Ｇを
ＯＣＲ２またはＯＣＲ３の第１推測であるＧ１２（２、
３）に設定する。Ｆ１がＦ２とＦ３のどちらよりも大き
いならば、ＧをＯＣＲ１の出力であるＧ１１（１）に設
定する。その後、このプログラムは、認識結果データ・
パケット２６０の形成に進む。
【００２８】ステップ２３４の条件が満たされない場
合、ステップ２３６に進んで、ＯＣＲ１の第１推測文字
１１４がＯＣＲ３の第１推測と同一であり、かつＯＣＲ
２の第１推測と異なるかどうかを判定する。そうである
場合には、ステップ２３６で、エンジン選択信頼係数Ｆ
１またはＦ３がＦ２より大きいかどうかを判定し、そう
であるならば、最適推測Ｇを、ＯＣＲ１の出力またはＯ
ＣＲ３の出力であるＧ１１（１、３）に設定する。そう
でない場合、すなわちＦ２がＦ１とＦ３のどちらよりも
大きい場合には、ＧをＯＣＲ２の出力であるＧ１２
（２）に設定する。その後、ステップ２３６から、認識
結果データ・パケット２６０の形成に進む。
合、ステップ２３６に進んで、ＯＣＲ１の第１推測文字
１１４がＯＣＲ３の第１推測と同一であり、かつＯＣＲ
２の第１推測と異なるかどうかを判定する。そうである
場合には、ステップ２３６で、エンジン選択信頼係数Ｆ
１またはＦ３がＦ２より大きいかどうかを判定し、そう
であるならば、最適推測Ｇを、ＯＣＲ１の出力またはＯ
ＣＲ３の出力であるＧ１１（１、３）に設定する。そう
でない場合、すなわちＦ２がＦ１とＦ３のどちらよりも
大きい場合には、ＧをＯＣＲ２の出力であるＧ１２
（２）に設定する。その後、ステップ２３６から、認識
結果データ・パケット２６０の形成に進む。
【００２９】図２と図３に、認識ステーション・プログ
ラム２００の動作ステップのシーケンスの詳細な流れ図
を示す。ステップ２０２で、書き込まれたフォームの画
像中を走査して取り込む。ステップ２０４で、フォーム
認識を行ってフォームＩＤを得る。ステップ２０６で、
フォームＩＤを使用してフォーム定義データ・セットに
アクセスして、フォーム・タイプ、フィールドＩＤ、お
よび特定の各フィールドのフィールド座標とフィールド
・タイプを得る。さらに、あるフィールドが制約付き区
域または制約なし区域のどちらであるかに関する情報が
フォーム定義データ・セットに含まれることもある。そ
の後、ステップ２０８で、フィールド・タイプを取り、
フィールド・タイプが数字であるか英字であるか、英字
の場合には、すべて大文字か大文字と小文字の混合か、
あるいはそのフィールドが英字と数字の混合フィールド
であるか判定する。フォーム定義データ・セットによっ
て提供されるフィールド・タイプ情報に、フィールドが
制約付き区域であるかどうか、その場合には、そのフィ
ールドに手書き文字が見つかるかどうか、そうであるな
らば、それらが制約付き手書き文字と制約なし手書き文
字のどちらであるかなどの文字形状情報が含まれること
がある。この制約付き手書きと制約なし手書きは、どち
らも文字形状属性である。
ラム２００の動作ステップのシーケンスの詳細な流れ図
を示す。ステップ２０２で、書き込まれたフォームの画
像中を走査して取り込む。ステップ２０４で、フォーム
認識を行ってフォームＩＤを得る。ステップ２０６で、
フォームＩＤを使用してフォーム定義データ・セットに
アクセスして、フォーム・タイプ、フィールドＩＤ、お
よび特定の各フィールドのフィールド座標とフィールド
・タイプを得る。さらに、あるフィールドが制約付き区
域または制約なし区域のどちらであるかに関する情報が
フォーム定義データ・セットに含まれることもある。そ
の後、ステップ２０８で、フィールド・タイプを取り、
フィールド・タイプが数字であるか英字であるか、英字
の場合には、すべて大文字か大文字と小文字の混合か、
あるいはそのフィールドが英字と数字の混合フィールド
であるか判定する。フォーム定義データ・セットによっ
て提供されるフィールド・タイプ情報に、フィールドが
制約付き区域であるかどうか、その場合には、そのフィ
ールドに手書き文字が見つかるかどうか、そうであるな
らば、それらが制約付き手書き文字と制約なし手書き文
字のどちらであるかなどの文字形状情報が含まれること
がある。この制約付き手書きと制約なし手書きは、どち
らも文字形状属性である。
【００３０】その後、図２の方法は、ステップ２１０に
進んで、それぞれの文字認識プログラム１１０に、文字
の第１推測Ｇ１１、Ｇ１２、Ｇ１３とそれに対応する信
頼係数Ｃ１１、Ｃ１２、Ｃ１３を生成させる。その後、
ステップ２１２で、それぞれの文字認識プログラム１１
０に、文字の第２推測Ｇ２１、Ｇ２２、Ｇ２３とそれに
対応する信頼係数Ｃ２１、Ｃ２２、Ｃ２３を生成させ
る。
進んで、それぞれの文字認識プログラム１１０に、文字
の第１推測Ｇ１１、Ｇ１２、Ｇ１３とそれに対応する信
頼係数Ｃ１１、Ｃ１２、Ｃ１３を生成させる。その後、
ステップ２１２で、それぞれの文字認識プログラム１１
０に、文字の第２推測Ｇ２１、Ｇ２２、Ｇ２３とそれに
対応する信頼係数Ｃ２１、Ｃ２２、Ｃ２３を生成させ
る。
【００３１】図２のステップ２１４では、Ｇ１１とＧ１
２とＧ１３が互いに等しいかどうかを判定する。等しく
なるのは、３つの文字認識プログラムＯＣＲ１、ＯＣＲ
２、ＯＣＲ３のすべての第１推測が同一の場合である。
そうである場合には、ステップ２３８に進む。しかし、
そうでない場合には、ステップ２１６に進んで、この特
定の分析中の文字についてどの文字認識エンジンを受け
入れるかを選択する処理を開始する。ステップ２１８
で、各文字認識エンジンに分析を実行させ、副産物とし
て文字形状の推測を出力させる。これは、その文字形状
がドット・マトリックス、連続機械印字または手書きの
どれであるかに関する推測であり得る。市販の文字認識
プログラムは通常、この種の出力を提供するが、これ
は、通常の文字認識アルゴリズムによってかなり簡単に
決定される。たとえば、ドット・マトリックス文字形状
は、連続機械印字文字形状と非常に異なる画素編成を有
する。この情報は、値ＣＦとして出力され、通常は、シ
ステム内のすべての文字認識プログラムで一致する。分
析中の特定の文字の文字形状ＣＦに関して文字認識エン
ジンの間に不一致がある場合には、投票を行うことがで
き、多数の文字認識エンジンが出力する文字形状ＣＦ
が、図２および図３のプログラムで使用するＣＦの値と
して選択される。
２とＧ１３が互いに等しいかどうかを判定する。等しく
なるのは、３つの文字認識プログラムＯＣＲ１、ＯＣＲ
２、ＯＣＲ３のすべての第１推測が同一の場合である。
そうである場合には、ステップ２３８に進む。しかし、
そうでない場合には、ステップ２１６に進んで、この特
定の分析中の文字についてどの文字認識エンジンを受け
入れるかを選択する処理を開始する。ステップ２１８
で、各文字認識エンジンに分析を実行させ、副産物とし
て文字形状の推測を出力させる。これは、その文字形状
がドット・マトリックス、連続機械印字または手書きの
どれであるかに関する推測であり得る。市販の文字認識
プログラムは通常、この種の出力を提供するが、これ
は、通常の文字認識アルゴリズムによってかなり簡単に
決定される。たとえば、ドット・マトリックス文字形状
は、連続機械印字文字形状と非常に異なる画素編成を有
する。この情報は、値ＣＦとして出力され、通常は、シ
ステム内のすべての文字認識プログラムで一致する。分
析中の特定の文字の文字形状ＣＦに関して文字認識エン
ジンの間に不一致がある場合には、投票を行うことがで
き、多数の文字認識エンジンが出力する文字形状ＣＦ
が、図２および図３のプログラムで使用するＣＦの値と
して選択される。
【００３２】図２のプログラムは、その後、図３に進
み、ステップ２１９で、ステップ２１９とステップ２３
０の間をまわるループを開始して、ｉ番目の文字認識装
置（ＯＣＤ）または文字認識プログラム１１０のエンジ
ン選択信頼係数Ｆｉを計算する。ステップ２２０で、文
字形状ＣＦとフィールド・タイプＦＴを使用して、図１
１に示した、ｉ番目のＯＣＲエンジン（ｉ番目の文字認
識プログラム１１０）の適応確率重み付け係数（Ｗｐ）
テーブルにアクセスする。その後、ステップ２２２で、
文字形状ＣＦを使用して、図１３に示した、ｉ番目のＯ
ＣＲエンジンまたはｉ番目の文字認識プログラム１１０
の文字形状信頼係数（Ｆｃｆ）テーブル９００にアクセ
スする。その後、ステップ２２４で、ＦＴを使用してＦ
ｆｔテーブルにアクセスして、ｉ番目のＯＣＲエンジン
のフィールド・タイプ信頼係数Ｆｆｔ（ＦＴ，ｉ）を得
る。その後、ステップ２２６とステップ２２８で、ｉ番
目の文字認識プログラム１１０のエンジン選択信頼係数
Ｆｉを計算する。ステップ２２８では、適応確率重み付
け係数Ｗｐと文字形状信頼係数Ｆｃｆとフィールド・タ
イプ信頼係数Ｆｆｔの積に、第１推測の信頼係数と第２
推測の信頼係数の差（最初のＯＣＲ１の場合にはＣ１１
−Ｃ２１）をかけることによってエンジン選択信頼係数
Ｆｉを計算する。その後、ステップ２３０で、エンジン
選択信頼係数を計算しなければならない文字認識プログ
ラムが、そのシステムにまだあるかどうかを判定する。
ある場合は、インデックス値"ｉ"を１つだけ増分し、ス
テップ２１９に進む。そうでない場合は、ステップ２３
２に進む。
み、ステップ２１９で、ステップ２１９とステップ２３
０の間をまわるループを開始して、ｉ番目の文字認識装
置（ＯＣＤ）または文字認識プログラム１１０のエンジ
ン選択信頼係数Ｆｉを計算する。ステップ２２０で、文
字形状ＣＦとフィールド・タイプＦＴを使用して、図１
１に示した、ｉ番目のＯＣＲエンジン（ｉ番目の文字認
識プログラム１１０）の適応確率重み付け係数（Ｗｐ）
テーブルにアクセスする。その後、ステップ２２２で、
文字形状ＣＦを使用して、図１３に示した、ｉ番目のＯ
ＣＲエンジンまたはｉ番目の文字認識プログラム１１０
の文字形状信頼係数（Ｆｃｆ）テーブル９００にアクセ
スする。その後、ステップ２２４で、ＦＴを使用してＦ
ｆｔテーブルにアクセスして、ｉ番目のＯＣＲエンジン
のフィールド・タイプ信頼係数Ｆｆｔ（ＦＴ，ｉ）を得
る。その後、ステップ２２６とステップ２２８で、ｉ番
目の文字認識プログラム１１０のエンジン選択信頼係数
Ｆｉを計算する。ステップ２２８では、適応確率重み付
け係数Ｗｐと文字形状信頼係数Ｆｃｆとフィールド・タ
イプ信頼係数Ｆｆｔの積に、第１推測の信頼係数と第２
推測の信頼係数の差（最初のＯＣＲ１の場合にはＣ１１
−Ｃ２１）をかけることによってエンジン選択信頼係数
Ｆｉを計算する。その後、ステップ２３０で、エンジン
選択信頼係数を計算しなければならない文字認識プログ
ラムが、そのシステムにまだあるかどうかを判定する。
ある場合は、インデックス値"ｉ"を１つだけ増分し、ス
テップ２１９に進む。そうでない場合は、ステップ２３
２に進む。
【００３３】ステップ２３２、２３４、２３６は、前に
説明したのと同じ形で動作し、３つの文字認識プログラ
ムＯＣＲ１、ＯＣＲ２、ＯＣＲ３の３つの第１推測出力
のうちで最適の推測に対応する特定の値Ｇが識別され
る。その後、ステップ２３２、２３４、２３６の条件が
満たされる場合は、ステップ２３８に進んで、文字推測
Ｇを認識結果データ・パケット２６０に挿入する。
説明したのと同じ形で動作し、３つの文字認識プログラ
ムＯＣＲ１、ＯＣＲ２、ＯＣＲ３の３つの第１推測出力
のうちで最適の推測に対応する特定の値Ｇが識別され
る。その後、ステップ２３２、２３４、２３６の条件が
満たされる場合は、ステップ２３８に進んで、文字推測
Ｇを認識結果データ・パケット２６０に挿入する。
【００３４】分析中のフィールドにまだ文字がある場
合、このプログラムはステップ２１０に進む。分析中の
フォームにまだフィールドがある場合、このプログラム
はステップ２０６に進む。分析中のフォーム内のすべて
のフィールドをこのようにして処理した後、認識結果デ
ータ・パケット２６０にそのフォームの各フィールドの
各文字の最適推測が含まれるようになる。その後、認識
ステーション・プロセッサ３００によって認識結果デー
タ・パケット２６０が出力される。これをデータ処理シ
ステムが、英字コード化データ文字列を操作してプログ
ラム対象アプリケーションを実行するために利用する。
合、このプログラムはステップ２１０に進む。分析中の
フォームにまだフィールドがある場合、このプログラム
はステップ２０６に進む。分析中のフォーム内のすべて
のフィールドをこのようにして処理した後、認識結果デ
ータ・パケット２６０にそのフォームの各フィールドの
各文字の最適推測が含まれるようになる。その後、認識
ステーション・プロセッサ３００によって認識結果デー
タ・パケット２６０が出力される。これをデータ処理シ
ステムが、英字コード化データ文字列を操作してプログ
ラム対象アプリケーションを実行するために利用する。
【００３５】図４は、認識ステーション・プロセッサ３
００を示す図である。プロセッサ３００は、バス３０５
によってＣＰＵ３０４に接続されたメモリ３０２を含
む。バス３０５にはまた、ディスク・ファイル３０６
と、ローカル・エリア・ネットワーク４００に接続され
たＬＡＮアダプタ３０８も接続される。バス３０５に
は、文書１００などのハード・コピー文書をその文書フ
ォームのディジタル化されたフォーム画像１００'に変
換する走査装置に接続された、スキャナ・アダプタ３１
０も接続される。キーボード３１２もバス３０５に接続
され、表示装置３１４とマウス・アダプタ３１６も同様
である。
００を示す図である。プロセッサ３００は、バス３０５
によってＣＰＵ３０４に接続されたメモリ３０２を含
む。バス３０５にはまた、ディスク・ファイル３０６
と、ローカル・エリア・ネットワーク４００に接続され
たＬＡＮアダプタ３０８も接続される。バス３０５に
は、文書１００などのハード・コピー文書をその文書フ
ォームのディジタル化されたフォーム画像１００'に変
換する走査装置に接続された、スキャナ・アダプタ３１
０も接続される。キーボード３１２もバス３０５に接続
され、表示装置３１４とマウス・アダプタ３１６も同様
である。
【００３６】メモリ３０２には、認識ステーション・プ
ログラム２００、フォーム認識プログラム３２０、フォ
ーム定義データ・セット区画３２２、文字認識プログラ
ムＯＣＲ１の区画３２６、文字認識プログラムＯＣＲ２
の区画３２８、および文字認識プログラムＯＣＲ３の区
画３３０が含まれる。区画３３２は、ＯＣＲ１の第１推
測Ｇ１１と信頼係数Ｃ１１、ＯＣＲ２の第１推測Ｇ１２
と信頼係数Ｃ１２、ＯＣＲ３の第１推測Ｇ１３と信頼係
数Ｃ１３用の記憶域を提供する。区画３３４は、ＯＣＲ
１、ＯＣＲ２、ＯＣＲ３の第２推測とそれに対応する信
頼係数用の同様の記憶域を提供する。
ログラム２００、フォーム認識プログラム３２０、フォ
ーム定義データ・セット区画３２２、文字認識プログラ
ムＯＣＲ１の区画３２６、文字認識プログラムＯＣＲ２
の区画３２８、および文字認識プログラムＯＣＲ３の区
画３３０が含まれる。区画３３２は、ＯＣＲ１の第１推
測Ｇ１１と信頼係数Ｃ１１、ＯＣＲ２の第１推測Ｇ１２
と信頼係数Ｃ１２、ＯＣＲ３の第１推測Ｇ１３と信頼係
数Ｃ１３用の記憶域を提供する。区画３３４は、ＯＣＲ
１、ＯＣＲ２、ＯＣＲ３の第２推測とそれに対応する信
頼係数用の同様の記憶域を提供する。
【００３７】メモリ３０２にはまた、文字形状ＣＦ用の
区画３３６とフィールド・タイプＦＴ用の区画３２４も
含まれる。新適応確率重み付けテーブル８１０が、文字
形状信頼係数テーブル９００およびフィールド・タイプ
信頼係数テーブル９０２と共に、メモリ３０２に記憶さ
れる。区画３４４は、ＯＣＲエンジン選択信頼係数Ｆ
１、Ｆ２、Ｆ３用の作業場所と記憶位置を提供する。区
画３５０は、認識結果データ・パケット２６０用の組立
場所と記憶位置を提供する。
区画３３６とフィールド・タイプＦＴ用の区画３２４も
含まれる。新適応確率重み付けテーブル８１０が、文字
形状信頼係数テーブル９００およびフィールド・タイプ
信頼係数テーブル９０２と共に、メモリ３０２に記憶さ
れる。区画３４４は、ＯＣＲエンジン選択信頼係数Ｆ
１、Ｆ２、Ｆ３用の作業場所と記憶位置を提供する。区
画３５０は、認識結果データ・パケット２６０用の組立
場所と記憶位置を提供する。
【００３８】オペレーティング・システム３５２も、メ
モリ３０２に記憶される。メモリ３０２に記憶された各
プログラムは、所期の機能と動作を実行するためにＣＰ
Ｕ３０４内で実行できる、対応する動作ステップのシー
ケンスを表す実行可能命令のシーケンスである。その結
果、認識ステーション・プロセッサ３００は、システム
内の他のプロセッサによる利用のため、ローカル・エリ
ア・ネットワーク４００に認識結果データ・パケット２
６０を出力する。
モリ３０２に記憶される。メモリ３０２に記憶された各
プログラムは、所期の機能と動作を実行するためにＣＰ
Ｕ３０４内で実行できる、対応する動作ステップのシー
ケンスを表す実行可能命令のシーケンスである。その結
果、認識ステーション・プロセッサ３００は、システム
内の他のプロセッサによる利用のため、ローカル・エリ
ア・ネットワーク４００に認識結果データ・パケット２
６０を出力する。
【００３９】図５は、図４に示した認識ステーション・
プロセッサ３００を図６に示した手動拒絶監視訂正ステ
ーション・プロセッサ５００に相互接続するローカル・
エリア・ネットワーク４００を示す図である。認識結果
データ・パケット２６０とフォーム画像１００'が、認
識ステーション・プロセッサ３００から手動拒絶監視訂
正ステーション・プロセッサ５００に転送される。
プロセッサ３００を図６に示した手動拒絶監視訂正ステ
ーション・プロセッサ５００に相互接続するローカル・
エリア・ネットワーク４００を示す図である。認識結果
データ・パケット２６０とフォーム画像１００'が、認
識ステーション・プロセッサ３００から手動拒絶監視訂
正ステーション・プロセッサ５００に転送される。
【００４０】図６は、バス５０５を介してＣＰＵ５０４
に接続されたメモリ５０２を含む手動拒絶監視訂正ステ
ーション・プロセッサ５００を示す図である。バス５０
５にはまた、ディスク・ファイル５０６と、ローカル・
エリア・ネットワーク４００に接続されたＬＡＮアダプ
タ５０８も接続される。バス５０５にはまた、プリンタ
・アダプタ５１０、キーボード５１２、表示装置５１４
およびマウス・アダプタ５１６も接続される。
に接続されたメモリ５０２を含む手動拒絶監視訂正ステ
ーション・プロセッサ５００を示す図である。バス５０
５にはまた、ディスク・ファイル５０６と、ローカル・
エリア・ネットワーク４００に接続されたＬＡＮアダプ
タ５０８も接続される。バス５０５にはまた、プリンタ
・アダプタ５１０、キーボード５１２、表示装置５１４
およびマウス・アダプタ５１６も接続される。
【００４１】メモリ５０２には、監視訂正ステーション
・プログラム７００と適応確率重み付け係数更新プログ
ラム７５０が記憶されている。区画５２２には、フォー
ム定義データ・セットが記憶され、区画５５０には、認
識ステーション・プロセッサ３００からローカル・エリ
ア・ネットワーク４００を介して受け取る認識結果デー
タ・パケット２６０が記憶される。メモリ５０２にはま
た、図９のサンプル・パケットのエラー・カウント・テ
ーブル８００、図１０のこれまでにサンプリングされた
全文字のテーブル８０２、図１１の既存の適応確率重み
テーブル８０４、および図１２の新適応確率重み付けテ
ーブル８１０を記憶するための諸区画も含まれる。さら
に、フォーム画像表示バッファ５６０は、フォームＸＹ
Ｚを記憶し、図では、その画像が示されているが、この
フォームＸＹＺには、ＮＡＭＥ（氏名）フィールド、Ｓ
ＴＡＴＥ（州）フィールド、ＺＩＰ ＣＯＤＥ（郵便番
号）フィールド、ＬＩＣＥＮＣＥ ＃（ライセンス番
号）フィールドが含まれる。メモリ５０２にはまた、認
識結果データ・パケット２６０から抽出されたコード化
データ文字列を含むコード化データ表示バッファ５７０
も含まれる。その諸フィールドは、フォーム画像表示バ
ッファ５６０に記憶された画像中に現れるフィールドに
対応する。メモリ５０２にはまた、オペレーティング・
システム５８０も含まれる。メモリ５０２に記憶された
プログラムは、行うべき所期の機能を実行するためにＣ
ＰＵ５０４によって実行される、動作ステップのシーケ
ンスを表す実行可能命令のシーケンスである。
・プログラム７００と適応確率重み付け係数更新プログ
ラム７５０が記憶されている。区画５２２には、フォー
ム定義データ・セットが記憶され、区画５５０には、認
識ステーション・プロセッサ３００からローカル・エリ
ア・ネットワーク４００を介して受け取る認識結果デー
タ・パケット２６０が記憶される。メモリ５０２にはま
た、図９のサンプル・パケットのエラー・カウント・テ
ーブル８００、図１０のこれまでにサンプリングされた
全文字のテーブル８０２、図１１の既存の適応確率重み
テーブル８０４、および図１２の新適応確率重み付けテ
ーブル８１０を記憶するための諸区画も含まれる。さら
に、フォーム画像表示バッファ５６０は、フォームＸＹ
Ｚを記憶し、図では、その画像が示されているが、この
フォームＸＹＺには、ＮＡＭＥ（氏名）フィールド、Ｓ
ＴＡＴＥ（州）フィールド、ＺＩＰ ＣＯＤＥ（郵便番
号）フィールド、ＬＩＣＥＮＣＥ ＃（ライセンス番
号）フィールドが含まれる。メモリ５０２にはまた、認
識結果データ・パケット２６０から抽出されたコード化
データ文字列を含むコード化データ表示バッファ５７０
も含まれる。その諸フィールドは、フォーム画像表示バ
ッファ５６０に記憶された画像中に現れるフィールドに
対応する。メモリ５０２にはまた、オペレーティング・
システム５８０も含まれる。メモリ５０２に記憶された
プログラムは、行うべき所期の機能を実行するためにＣ
ＰＵ５０４によって実行される、動作ステップのシーケ
ンスを表す実行可能命令のシーケンスである。
【００４２】図７は、監視訂正ステーション・プログラ
ム７００の動作ステップのシーケンスの流れ図である。
ステップ７０２で、認識結果データ・パケット２６０を
受け取る。ステップ７０４で、図１０のテーブル８０２
に示される合計ＣＮＴである、これまでにサンプリング
された全文字を増分する。ステップ７０６で、分析中の
特定のフォームに関するフォーム定義データ・セットか
ら、すべてのフィールド座標を得る。ステップ７０８
で、図６のコード化データ表示バッファ５７０のフィー
ルド書式位置のコード化データ文字として、データ・パ
ケットからのすべての文字認識推測を表示する。ステッ
プ７１０で、走査して取り込まれたフォームのフォーム
画像１００'を得、図６のフォーム画像表示バッファ５
６０に表示する。
ム７００の動作ステップのシーケンスの流れ図である。
ステップ７０２で、認識結果データ・パケット２６０を
受け取る。ステップ７０４で、図１０のテーブル８０２
に示される合計ＣＮＴである、これまでにサンプリング
された全文字を増分する。ステップ７０６で、分析中の
特定のフォームに関するフォーム定義データ・セットか
ら、すべてのフィールド座標を得る。ステップ７０８
で、図６のコード化データ表示バッファ５７０のフィー
ルド書式位置のコード化データ文字として、データ・パ
ケットからのすべての文字認識推測を表示する。ステッ
プ７１０で、走査して取り込まれたフォームのフォーム
画像１００'を得、図６のフォーム画像表示バッファ５
６０に表示する。
【００４３】図７のステップ７１２で、図６のコード化
データ表示バッファ５７０のコード化データ文字に表示
された誤った文字の指定を操作員から受け取る。ステッ
プ７１４で、指定された文字に対応する認識文字推測Ｇ
（ｉ，ｉ'．．．）を、図６の区画５５０の認識結果デ
ータ・パケット２６０から得る。ステップ７１６で、そ
の認識文字推測を生成した文字認識プログラムの識別"
ｉ"を、認識結果データ・パケット２６０から得る。ス
テップ７１８で、そのフィールドの文字形状ＣＦを、認
識結果データ・パケット２６０から得る。ステップ７２
０で、フォーム定義データ・セットからフィールド・タ
イプＦＴを得る。ステップ７２２で、キーボードから正
しい文字を受け取る。この時、操作員は、フォーム画像
表示バッファ５６０に記憶された表示される画像を見
て、誤った文字を正しく解釈している。ステップ７２４
で、正しい文字を認識結果データ・パケット２６０に挿
入する。その後、ステップ７２６で、そのエラーを生じ
たＯＣＲエンジンのエラー・カウントＥＣを増分し、図
９のエラー・カウント・テーブル８００のエラー・カウ
ントへの入力を行う。その後、図７のプログラムは、ス
テップ７２８に進み、主プログラムに戻る。
データ表示バッファ５７０のコード化データ文字に表示
された誤った文字の指定を操作員から受け取る。ステッ
プ７１４で、指定された文字に対応する認識文字推測Ｇ
（ｉ，ｉ'．．．）を、図６の区画５５０の認識結果デ
ータ・パケット２６０から得る。ステップ７１６で、そ
の認識文字推測を生成した文字認識プログラムの識別"
ｉ"を、認識結果データ・パケット２６０から得る。ス
テップ７１８で、そのフィールドの文字形状ＣＦを、認
識結果データ・パケット２６０から得る。ステップ７２
０で、フォーム定義データ・セットからフィールド・タ
イプＦＴを得る。ステップ７２２で、キーボードから正
しい文字を受け取る。この時、操作員は、フォーム画像
表示バッファ５６０に記憶された表示される画像を見
て、誤った文字を正しく解釈している。ステップ７２４
で、正しい文字を認識結果データ・パケット２６０に挿
入する。その後、ステップ７２６で、そのエラーを生じ
たＯＣＲエンジンのエラー・カウントＥＣを増分し、図
９のエラー・カウント・テーブル８００のエラー・カウ
ントへの入力を行う。その後、図７のプログラムは、ス
テップ７２８に進み、主プログラムに戻る。
【００４４】図８は、適応確率重み付け係数更新プログ
ラム７５０の動作ステップのシーケンスの流れ図であ
る。ステップ７５２で、文字形状ＣＦ、フィールド・タ
イプＦＴおよび文字認識プログラム"ｉ"（またはＯＣＲ
ｉ）のそれぞれについてのループを開始する。このプロ
グラムは、１日の終わり、またはエラー統計を累計し図
９のエラー・カウント・テーブル８００に登録した後の
適当な期間の終わりに、手動拒絶監視訂正ステーション
・プロセッサ５００内で実行できる。このプログラム
は、ステップ７５４に進んで、特定の文字形状ＣＦとフ
ィールド・タイプＦＴのそれぞれを処理する特定の文字
認識プログラムのそれぞれに関する更新された適応確率
重み付け係数Ｗｐの計算を実行する。適応確率重み付け
係数の更新は、この例では、図１１の既存の適応確率重
みテーブル８０４の既存の適応確率重みを取り出し、そ
の重みのそれぞれについて、それに調節値をかけること
によって行われる。この例では、調節値は、エラー・カ
ウントＥＣに、この特定の文字認識プログラムとこの特
定の文字形状ＣＦおよびフィールド・タイプＦＴの組み
合わせとに関する、図１０のテーブル８０２に記憶され
たこれまでにサンプリングされた全文字のエラー・カウ
ントの合計をかけた値である。次にこの値を、すべての
認識結果データ・パケット２６０でサンプリングされた
すべての文字数の合計で割る。これによって、エラー・
カウントの短期間変化が平滑化される傾向があり、その
結果、短期間の変化が、長期間にわたって累計される適
応確率重み付け係数の累計値に過度に影響しなくなる。
その後、各文字形状ＣＦと各フィールド・タイプＦＴと
各文字認識プログラム"ｉ"についてループが完了するよ
うに、ステップ７５４からステップ７５２へループ・バ
ックする。その結果、図１１の既存の適応確率重みテー
ブル８０４の既存の適応確率重みＷＰ１が、図１２の新
適応確率重み付けテーブル８１０の新適応確率重みＷＰ
２に変換される。その後、図８のステップ７５６で、新
適応確率重み付けテーブル８１０の新適応確率重みＷＰ
２を認識ステーション・プロセッサ３００に送る。その
後、図８のプログラムは、ステップ７５８に進み、主プ
ログラムに戻る。
ラム７５０の動作ステップのシーケンスの流れ図であ
る。ステップ７５２で、文字形状ＣＦ、フィールド・タ
イプＦＴおよび文字認識プログラム"ｉ"（またはＯＣＲ
ｉ）のそれぞれについてのループを開始する。このプロ
グラムは、１日の終わり、またはエラー統計を累計し図
９のエラー・カウント・テーブル８００に登録した後の
適当な期間の終わりに、手動拒絶監視訂正ステーション
・プロセッサ５００内で実行できる。このプログラム
は、ステップ７５４に進んで、特定の文字形状ＣＦとフ
ィールド・タイプＦＴのそれぞれを処理する特定の文字
認識プログラムのそれぞれに関する更新された適応確率
重み付け係数Ｗｐの計算を実行する。適応確率重み付け
係数の更新は、この例では、図１１の既存の適応確率重
みテーブル８０４の既存の適応確率重みを取り出し、そ
の重みのそれぞれについて、それに調節値をかけること
によって行われる。この例では、調節値は、エラー・カ
ウントＥＣに、この特定の文字認識プログラムとこの特
定の文字形状ＣＦおよびフィールド・タイプＦＴの組み
合わせとに関する、図１０のテーブル８０２に記憶され
たこれまでにサンプリングされた全文字のエラー・カウ
ントの合計をかけた値である。次にこの値を、すべての
認識結果データ・パケット２６０でサンプリングされた
すべての文字数の合計で割る。これによって、エラー・
カウントの短期間変化が平滑化される傾向があり、その
結果、短期間の変化が、長期間にわたって累計される適
応確率重み付け係数の累計値に過度に影響しなくなる。
その後、各文字形状ＣＦと各フィールド・タイプＦＴと
各文字認識プログラム"ｉ"についてループが完了するよ
うに、ステップ７５４からステップ７５２へループ・バ
ックする。その結果、図１１の既存の適応確率重みテー
ブル８０４の既存の適応確率重みＷＰ１が、図１２の新
適応確率重み付けテーブル８１０の新適応確率重みＷＰ
２に変換される。その後、図８のステップ７５６で、新
適応確率重み付けテーブル８１０の新適応確率重みＷＰ
２を認識ステーション・プロセッサ３００に送る。その
後、図８のプログラムは、ステップ７５８に進み、主プ
ログラムに戻る。
【００４５】その結果、図９のエラー・カウント・テー
ブル８００によって表される累計エラー統計を使用し
て、適応確率重みＷＰを調節し、その結果、累計誤りを
監視する際に、多数の分析中の書き込まれたフォームに
文字認識プログラムを適用することから得られた知識を
活用する、新適応確率重み付けテーブル８１０を作成す
ることができるようになる。
ブル８００によって表される累計エラー統計を使用し
て、適応確率重みＷＰを調節し、その結果、累計誤りを
監視する際に、多数の分析中の書き込まれたフォームに
文字認識プログラムを適用することから得られた知識を
活用する、新適応確率重み付けテーブル８１０を作成す
ることができるようになる。
【００４６】通常、文字認識されるフォームの１０％の
サンプリングによって、特定の文字形状とフィールド・
タイプの組み合わせに適用するための最も正確な文字認
識プログラムの選択が最適化されるように新適応確率重
み付けテーブル８１０を更新できるようにするのに十分
な、エラー・カウント統計の本体が作られる。
サンプリングによって、特定の文字形状とフィールド・
タイプの組み合わせに適用するための最も正確な文字認
識プログラムの選択が最適化されるように新適応確率重
み付けテーブル８１０を更新できるようにするのに十分
な、エラー・カウント統計の本体が作られる。
【００４７】上記の例では、特定の文字形状とフィール
ド・タイプに関して最適の文字認識エンジンを選択する
のに３つの文字認識エンジンを使用してきたが、他の数
の文字認識エンジンを使用することもでき、その場合も
上の方法が適用できる。
ド・タイプに関して最適の文字認識エンジンを選択する
のに３つの文字認識エンジンを使用してきたが、他の数
の文字認識エンジンを使用することもでき、その場合も
上の方法が適用できる。
【００４８】手動拒絶監視訂正ステーション・プロセッ
サ５００に、図５に示した自動拒絶監視訂正ステーショ
ン・プロセッサ６００を含めることも可能である。自動
拒絶監視訂正ステーション・プロセッサ６００は、第１
推測文字の誤りを自動的に検出し、正しい文字を生成し
て第１推測文字と置換する。これは、たとえば、郵便番
号フィールドと州フィールドの組み合わせなどのフィー
ルドで実行できる。州フィールドで誤りが検出される場
合、同じフォームの別のフィールドに現れる郵便番号を
使用して、たとえば郵便番号簿にアクセスして、正しい
州の名前を決定することができる。その後、州フィール
ドの誤った文字を訂正し、それに応じてエラー・カウン
ト・テーブル８００を増分することができる。
サ５００に、図５に示した自動拒絶監視訂正ステーショ
ン・プロセッサ６００を含めることも可能である。自動
拒絶監視訂正ステーション・プロセッサ６００は、第１
推測文字の誤りを自動的に検出し、正しい文字を生成し
て第１推測文字と置換する。これは、たとえば、郵便番
号フィールドと州フィールドの組み合わせなどのフィー
ルドで実行できる。州フィールドで誤りが検出される場
合、同じフォームの別のフィールドに現れる郵便番号を
使用して、たとえば郵便番号簿にアクセスして、正しい
州の名前を決定することができる。その後、州フィール
ドの誤った文字を訂正し、それに応じてエラー・カウン
ト・テーブル８００を増分することができる。
【発明の効果】本発明によれば、広範囲の文字形状およ
びフィールドタイプを有するテキストを正確に文字認識
することができるようになる。
びフィールドタイプを有するテキストを正確に文字認識
することができるようになる。
【図１】本発明の一般化した論理流れ図である。
【図２】認識ステーション・プログラム２００の詳細な
流れの一部分を示す流れ図である。
流れの一部分を示す流れ図である。
【図３】認識ステーション・プログラム２００の詳細な
流れの残りの部分を示す流れ図である。
流れの残りの部分を示す流れ図である。
【図４】認識ステーション・プロセッサ３００のアーキ
テクチャ図である。
テクチャ図である。
【図５】認識ステーション・プロセッサ３００と手動拒
絶監視訂正ステーション・プロセッサ５００を含むロー
カル・エリア・ネットワーク４００のアーキテクチャ図
である。
絶監視訂正ステーション・プロセッサ５００を含むロー
カル・エリア・ネットワーク４００のアーキテクチャ図
である。
【図６】手動拒絶監視訂正ステーション・プロセッサ５
００のアーキテクチャ図である。
００のアーキテクチャ図である。
【図７】監視訂正ステーション・プログラムの流れ図で
ある。
ある。
【図８】適応確率重み付け係数更新プログラムの流れ図
である。
である。
【図９】サンプル・パケットのエラー・カウント・テー
ブル８００を示す図である。
ブル８００を示す図である。
【図１０】これまでにサンプリングされたすべての文字
のテーブルを示す図である。
のテーブルを示す図である。
【図１１】既存の適応確率重みのテーブルを示す図であ
る。
る。
【図１２】新しい適応確率重みのテーブルを示す図であ
る。
る。
【図１３】文字形状信頼係数のテーブルを示す図であ
る。
る。
【図１４】フィールド・タイプ信頼係数のテーブルを示
す図である。
す図である。
２００ 認識ステーション・プログラム ２６０ 認識結果データ・パケット ３００ 認識ステーション・プロセッサ ３２０ フォーム認識プログラム ３２２ フォーム定義データ・セット区画 ５００ 手動拒絶監視訂正ステーション・プロセッサ ５６０ フォーム画像表示バッファ ５７０ コード化データ表示バッファ ６００ 自動拒絶監視訂正ステーション・プロセッサ ７００ 監視訂正ステーション・プログラム ７５０ 適応確率重み付け係数更新プログラム ８００ サンプル・パケットのエラー・カウント・テー
ブル ８０２ これまでにサンプリングされた全文字のテーブ
ル ８０４ 既存の適応確率重みテーブル ８１０ 新適応確率重み付けテーブル ９００ 文字形状信頼係数テーブル ９０２ フィールド・タイプ信頼係数テーブル
ブル ８０２ これまでにサンプリングされた全文字のテーブ
ル ８０４ 既存の適応確率重みテーブル ８１０ 新適応確率重み付けテーブル ９００ 文字形状信頼係数テーブル ９０２ フィールド・タイプ信頼係数テーブル
Claims (25)
- 【請求項１】複数の文字認識手段を含むデータ処理シス
テムにおいて、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関する文字形状信頼係数を入力
するステップと、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関するフィールド・タイプ信頼
係数を入力するステップと、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関する適応確率重み付け係数を
入力するステップと、 前記複数の文字認識手段のうちの少なくとも１つを用い
て、前記データ処理システム内で第１推測文字および第
１信頼値ならびに第２推測文字および第２信頼値を生成
するステップと、 前記データ処理システム内で、前記文字形状信頼係数と
前記フィールド・タイプ信頼係数と前記適応確率重み付
け係数の積に、前記第１信頼値と前記第２信頼値の差を
かけた値として、認識手段選択信頼係数を計算するステ
ップと、 前記データ処理システム内で、前記複数の文字認識手段
のうち最大の値の前記認識手段選択信頼係数を有するも
のを選択するステップとを含む、文書画像のフィールド
内の文字の認識に使用するために前記複数の文字認識手
段のうちの１つを選択する文字認識方法。 - 【請求項２】さらに、前記データ処理システム内の前記
複数の文字認識手段のうちの１つのエラー・カウントを
累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、請求項１の方法。 - 【請求項３】さらに、前記データ処理システム内で、前
記文字形状信頼係数と前記フィールド・タイプ信頼係数
と前記適応確率重み付け係数の前記新しい値の積に前記
第１信頼値と前記第２信頼値の差をかけた値として、認
識手段選択信頼係数を計算するステップを含む、請求項
２の方法。 - 【請求項４】さらに、前記データ処理システム内の手動
訂正ステーションで、前記第１推測文字を監視し訂正す
るステップと、 前記データ処理システム内の前記複数の文字認識手段の
１つのエラー・カウントを累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、請求項１の方法。 - 【請求項５】さらに、前記データ処理システム内の自動
訂正ステーションで、前記第１推測文字を監視し訂正す
るステップと、 前記データ処理システム内の前記複数の文字認識手段の
１つのエラー・カウントを累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、請求項１の方法。 - 【請求項６】複数の文字認識手段を含むデータ処理シス
テムにおいて、 前記複数の文字認識手段のうちの少なくとも１つを用い
て、前記データ処理システム内で第１推測文字および第
１信頼値ならびに第２推測文字および第２信頼値を生成
するステップと、 前記データ処理システム内で、前記第１信頼値と前記第
２信頼値の差の関数として、認識手段選択信頼係数を計
算するステップと、 前記データ処理システム内で、前記複数の文字認識手段
のうち最大の値の前記認識手段選択信頼係数を有する１
つを選択するステップとを含む、文書画像のフィールド
内の文字の認識に使用するために前記複数の文字認識手
段のうちの１つを選択する文字認識方法。 - 【請求項７】複数の文字認識手段を含むデータ処理シス
テムにおいて、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関する文字形状信頼係数を入力
するステップと、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関するフィールド・タイプ信頼
係数を入力するステップと、 前記複数の文字認識手段のうちの少なくとも１つを用い
て、前記データ処理システム内で第１推測文字および第
１信頼値ならびに第２推測文字および第２信頼値を生成
するステップと、 前記データ処理システム内で、前記文字形状信頼係数お
よび前記フィールド・タイプ信頼係数の積に、前記第１
信頼値と前記第２信頼値との間の差をかけた値として、
認識手段選択信頼係数を計算するステップと、 前記データ処理システム内で、前記複数の文字認識手段
のうち最大の値の前記認識手段選択信頼係数を有するも
のを選択するステップとを含む、文書画像のフィールド
内の文字の認識に使用するために前記複数の文字認識手
段のうちの１つを選択する文字認識方法。 - 【請求項８】複数の文字認識手段を含むデータ処理シス
テムにおいて、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関する適応確率重み付け係数を
入力するステップと、 前記複数の文字認識手段のうちの少なくとも１つを用い
て、前記データ処理システム内で、第１推測文字および
第１信頼値ならびに第２推測文字および第２信頼値を生
成するステップと、 前記データ処理システム内で、前記適応確率重み付け係
数に、前記第１信頼値と前記第２信頼値の差をかけた値
として、認識手段選択信頼係数を計算するステップと、 前記データ処理システム内で、前記複数の文字認識手段
のうち最大の値の前記認識手段選択信頼係数を有する１
つを選択するステップとを含む、文書画像のフィールド
内の文字の認識に使用するために前記複数の文字認識手
段のうちの１つを選択する文字認識方法。 - 【請求項９】さらに、前記データ処理システム内の前記
複数の文字認識手段のうちの１つのエラー・カウントを
累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、請求項８の方法。 - 【請求項１０】さらに、前記データ処理システム内で、
前記適応確率重み付け係数の前記新しい値に前記第１信
頼値と前記第２信頼値の差をかけた値として、認識手段
選択信頼係数を計算するステップを含む、請求項９の方
法。 - 【請求項１１】さらに、前記データ処理システム内の手
動訂正ステーションで、前記第１推測文字を監視し訂正
するステップと、 前記データ処理システム内の前記複数の文字認識手段の
１つのエラー・カウントを累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、請求項８の方法。 - 【請求項１２】さらに、前記データ処理システム内の自
動訂正ステーションで、前記第１推測文字を監視し訂正
するステップと、 前記データ処理システム内の前記複数の文字認識手段の
１つのエラー・カウントを累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、請求項８の方法。 - 【請求項１３】文書画像入力手段、フォーム認識手段、
フィールド抽出手段および複数の文字認識手段を含むデ
ータ処理システムにおいて、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関する文字形状信頼係数を入力
するステップと、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関するフィールド・タイプ信頼
係数を入力するステップと、 前記データ処理システムに、前記複数の文字認識手段の
うちの少なくとも１つに関する適応確率重み付け係数を
入力するステップと、 前記複数の文字認識手段のうちの少なくとも１つを用い
て、前記データ処理システム内で第１推測文字および第
１信頼値ならびに第２推測文字および第２信頼値を生成
するステップと、 前記データ処理システム内で、前記文字形状信頼係数と
前記フィールド・タイプ信頼係数と前記適応確率重み付
け係数の積に、前記第１信頼値と前記第２信頼値の差を
かけた値として、ＯＣＲエンジン選択信頼係数を計算す
るステップと、 前記データ処理システム内で、前記複数の文字認識手段
のうち最大の値の前記ＯＣＲエンジン選択信頼係数を有
するものを選択するステップと前記データ処理システム
内の前記複数の文字認識手段のうちの１つのエラー・カ
ウントを累計するステップと、 前記エラー・カウントから導出される値を用いて前記適
応確率重み付け係数を修正することにより、前記データ
処理システム内で、前記複数の文字認識手段のうちの少
なくとも１つに関する前記適応確率重み付け係数の新し
い値を計算するステップとを含む、文書画像のフィール
ド内の文字に使用するために前記複数の文字認識手段の
うちの１つを選択する文字認識方法。 - 【請求項１４】複数の文字認識手段を含むデータ処理シ
ステムにおいて、 前記複数の文字認識手段のうちの少なくとも１つに関す
る文字形状信頼係数を記憶するためのメモリを含み、 前記メモリが、前記複数の文字認識手段のうちの少なく
とも１つに関するフィールド・タイプ信頼係数を記憶
し、 前記メモリが、前記複数の文字認識手段のうちの少なく
とも１つに関する適応確率重み付け係数を記憶し、 前記複数の文字認識手段のうちの少なくとも１つが、第
１推測文字および第１信頼値ならびに第２推測文字およ
び第２信頼値を生成し、 さらに、前記メモリと前記複数の文字認識手段のうちの
少なくとも１つとに結合された、前記文字形状信頼係数
と前記フィールド・タイプ信頼係数と前記適応確率重み
付け係数の積に、前記第１信頼値と前記第２信頼値の差
をかけた値として、認識手段選択信頼係数を計算するた
めの第１プロセッサ手段と、 前記第１プロセッサ手段に結合された、前記データ処理
システム内の前記複数の文字認識手段のうち最大の値の
前記認識手段選択信頼係数を有するものを選択するため
の選択手段とを含む、 文書画像のフィールド内の文字に使用するために前記複
数の文字認識手段のうちの１つを選択する文字認識装
置。 - 【請求項１５】さらに、前記選択手段に結合された、前
記第１推測文字のエラー・カウントを累計するための累
計手段と、 前記累計手段に結合された、前記エラー・カウントから
導出される値を用いて前記適応確率重み付け係数を修正
することにより、前記複数の文字認識手段のうちの少な
くとも１つに関する前記適応確率重み付け係数の新値を
計算するための第２プロセッサ手段とを含む、請求項１
４の文字認識装置。 - 【請求項１６】さらに、前記第２プロセッサ手段に結合
された、前記適応確率重み付け係数の前記新値を受け取
り、前記データ処理システム内で、前記文字形状信頼係
数と前記フィールド・タイプ信頼係数と前記適応確率重
み付け係数の前記新しい値の積に前記第１信頼値と前記
第２信頼値の差をかけた値として、認識手段選択信頼係
数を計算するための前記第１プロセッサ手段を含む、請
求項１５の文字認識装置。 - 【請求項１７】さらに、前記累計手段と第２プロセッサ
手段とを格納する、前記データ処理システム内の手動監
視訂正ステーションと、 前記手動ステーション内にあり、前記選択手段に結合さ
れた、前記文書画像および前記第１推測文字を操作員に
提示するための表示手段と、 前記第１推測文字と置換するため、前記操作員から訂正
された文字を受け取るための、前記手動ステーション内
の入力手段とを含む、請求項１６の文字認識装置。 - 【請求項１８】さらに、前記データ処理システム内にあ
り、前記選択手段に結合された、前記第１推測文字の誤
りを自動的に検出し、前記第１推測文字と置換するため
訂正された文字を生成するための、自動監視訂正手段を
含む、請求項１６の文字認識装置。 - 【請求項１９】複数の文字認識手段を含むデータ処理シ
ステムにおいて、 前記複数の文字認識手段のうちの少なくとも１つが、第
１推測文字および第１信頼値ならびに第２推測文字およ
び第２信頼値を生成し、 前記複数の文字認識手段のうちの少なくとも１つとに結
合された、前記第１信頼値と前記第２信頼値との間の差
の関数として、認識手段選択信頼係数を計算するための
第１プロセッサ手段と、 前記第１プロセッサ手段に結合された、前記データ処理
システム内の前記複数の文字認識手段のうち最大の値の
前記認識手段選択信頼係数を有するものを選択するため
の選択手段とを含む、 文書画像のフィールド内の文字に使用するために前記複
数の文字認識手段のうちの１つを選択する文字認識装
置。 - 【請求項２０】複数の文字認識手段を含むデータ処理シ
ステムにおいて、 前記複数の文字認識手段のうちの少なくとも１つに関す
る文字形状信頼係数を記憶するためのメモリを含み、 前記メモリが、前記複数の文字認識手段のうちの少なく
とも１つに関するフィールド・タイプ信頼係数を記憶
し、 前記複数の文字認識手段のうちの少なくとも１つが、第
１推測文字および第１信頼値ならびに第２推測文字およ
び第２信頼値を生成し、 さらに、前記メモリと前記複数の文字認識手段のうちの
少なくとも１つとに結合された、前記文字形状信頼係数
と前記フィールド・タイプ信頼係数の積に、前記第１信
頼値と前記第２信頼値の差をかけた値として、認識手段
選択信頼係数を計算するための第１プロセッサ手段と、 前記第１プロセッサ手段に結合された、前記データ処理
システム内の前記複数の文字認識手段のうち最大の値の
前記認識手段選択信頼係数を有するものを選択するため
の選択手段とを含む、 文書画像のフィールド内の文字に使用するために前記複
数の文字認識手段のうちの１つを選択する文字認識装
置。 - 【請求項２１】複数の文字認識手段を含むデータ処理シ
ステムにおいて、 前記複数の文字認識手段のうちの少なくとも１つに関す
る適応確率重み付け係数を記憶するためのメモリを含
み、 前記複数の文字認識手段のうちの少なくとも１つが、第
１推測文字および第１信頼値ならびに第２推測文字およ
び第２信頼値を生成し、 さらに、前記メモリと前記複数の文字認識手段のうちの
少なくとも１つとに結合された、前記適応確率重み付け
係数に前記第１信頼値と前記第２信頼値の差をかけた値
として、認識手段選択信頼係数を計算するための第１プ
ロセッサ手段と、 前記第１プロセッサ手段に結合された、前記データ処理
システム内の前記複数の文字認識手段のうち最大の値の
前記認識手段選択信頼係数を有する１つを選択するため
の選択手段とを含む、 文書画像のフィールド内の文字に使用するために前記複
数の文字認識手段のうちの１つを選択する文字認識装
置。 - 【請求項２２】さらに、前記選択手段に結合された、前
記第１推測文字のエラー・カウントを累計するための累
計手段と、 前記累計手段に結合された、前記エラー・カウントから
導出される値を用いて前記適応確率重み付け係数を修正
することにより、前記複数の文字認識手段のうちの少な
くとも１つに関する前記適応確率重み付け係数の新しい
値を計算するための第２プロセッサ手段とを含む、請求
項２１の文字認識装置。 - 【請求項２３】さらに、前記第２プロセッサ手段に結合
された、前記適応確率重み付け係数の前記新値を受け取
り、前記データ処理システム内で、前記適応確率重み付
け係数の前記新値と、前記第１信頼値と前記第２信頼値
の差をかけた値として、認識手段選択信頼係数を計算す
るための前記第１プロセッサ手段を含む、請求項２２の
文字認識装置。 - 【請求項２４】さらに、前記累計手段と第２プロセッサ
手段とを格納する、前記データ処理システム内の手動監
視訂正ステーションと、 前記手動ステーション内にあり、前記選択手段に結合さ
れた、前記文書画像および前記第１推測文字を操作員に
提示するための表示手段と、 前記第１推測文字と置換するため、前記操作員から訂正
された文字を受け取るための、前記手動ステーション内
の入力手段とを含む、請求項２３の文字認識装置。 - 【請求項２５】さらに、前記データ処理システム内にあ
り、前記選択手段に結合された、前記第１推測文字の誤
りを自動的に検出し、前記第１推測文字と置換するため
訂正された文字を生成するための自動監視訂正手段を含
む、請求項２３の文字認識装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US051972 | 1993-04-26 | ||
| US08/051,972 US5455872A (en) | 1993-04-26 | 1993-04-26 | System and method for enhanced character recogngition accuracy by adaptive probability weighting |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06348900A true JPH06348900A (ja) | 1994-12-22 |
| JP2637915B2 JP2637915B2 (ja) | 1997-08-06 |
Family
ID=21974572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6078561A Expired - Fee Related JP2637915B2 (ja) | 1993-04-26 | 1994-04-18 | 文字認識方法及び装置 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US5455872A (ja) |
| EP (1) | EP0622751B1 (ja) |
| JP (1) | JP2637915B2 (ja) |
| KR (1) | KR970007280B1 (ja) |
| CN (1) | CN1052319C (ja) |
| DE (1) | DE69428621T2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017021459A (ja) * | 2015-07-08 | 2017-01-26 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
| JP2019169026A (ja) * | 2018-03-26 | 2019-10-03 | 株式会社Pfu | 情報処理装置、文字認識エンジン最適化方法及びプログラム |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ATE183593T1 (de) * | 1993-03-29 | 1999-09-15 | Kleindienst Datentech Gmbh | Verfahren und vorrichtung zum automatischen erfassen und erkennen von schriften |
| DE4407998C2 (de) * | 1994-03-10 | 1996-03-14 | Ibm | Verfahren und Vorrichtung zur Erkennung eines Musters auf einem Beleg |
| US5805747A (en) * | 1994-10-04 | 1998-09-08 | Science Applications International Corporation | Apparatus and method for OCR character and confidence determination using multiple OCR devices |
| US5970171A (en) * | 1995-08-14 | 1999-10-19 | Hughes Aircraft Company | Apparatus and method of fusing the outputs of multiple intelligent character recognition (ICR) systems to reduce error rate |
| JP3367850B2 (ja) * | 1996-12-17 | 2003-01-20 | 株式会社キングジム | 文字情報処理装置 |
| US5889897A (en) * | 1997-04-08 | 1999-03-30 | International Patent Holdings Ltd. | Methodology for OCR error checking through text image regeneration |
| US6608944B1 (en) * | 1997-07-28 | 2003-08-19 | Lucent Technologies Inc. | Value based scoring for optical character recognition |
| IL127982A0 (en) * | 1999-01-10 | 1999-11-30 | Shonut Ltd | Incoming facsimile routing using text and image analysis |
| US6662180B1 (en) * | 1999-05-12 | 2003-12-09 | Matsushita Electric Industrial Co., Ltd. | Method for searching in large databases of automatically recognized text |
| US7120302B1 (en) | 2000-07-31 | 2006-10-10 | Raf Technology, Inc. | Method for improving the accuracy of character recognition processes |
| US6950555B2 (en) * | 2001-02-16 | 2005-09-27 | Parascript Llc | Holistic-analytical recognition of handwritten text |
| US6951707B2 (en) * | 2001-03-08 | 2005-10-04 | Ppg Industries Ohio, Inc. | Process for creating vias for circuit assemblies |
| JP4421134B2 (ja) * | 2001-04-18 | 2010-02-24 | 富士通株式会社 | 文書画像検索装置 |
| US7095875B2 (en) * | 2001-05-15 | 2006-08-22 | Lockheed Martin Corporation | Method and system for address result arbitration |
| US6970877B2 (en) | 2002-06-28 | 2005-11-29 | Microsoft Corporation | Reducing and controlling sizes of prototype-based recognizers |
| US6988107B2 (en) * | 2002-06-28 | 2006-01-17 | Microsoft Corporation | Reducing and controlling sizes of model-based recognizers |
| US7305612B2 (en) * | 2003-03-31 | 2007-12-04 | Siemens Corporate Research, Inc. | Systems and methods for automatic form segmentation for raster-based passive electronic documents |
| CA2529037A1 (en) * | 2003-08-15 | 2005-02-24 | Silverbrook Research Pty Ltd | Natural language recognition using distributed processing |
| US20050094861A1 (en) * | 2003-10-31 | 2005-05-05 | International Business Machines Corporation | Positional synchronization in a multivoting character recognition environment |
| US20070104370A1 (en) * | 2003-11-18 | 2007-05-10 | Siemens Aktiengesellschaft | System and method for smart polling |
| CN1882395B (zh) * | 2003-11-18 | 2010-12-29 | 西门子公司 | 转寄邮件项的方法和设备 |
| CN100349172C (zh) * | 2005-04-08 | 2007-11-14 | 北京中星微电子有限公司 | 一种不理想条件下可摄像移动终端名片识别的方法 |
| WO2006123575A1 (ja) * | 2005-05-19 | 2006-11-23 | Kenji Yoshida | 音声情報記録装置 |
| JP2007304864A (ja) * | 2006-05-11 | 2007-11-22 | Fuji Xerox Co Ltd | 文字認識処理システムおよび文字認識処理プログラム |
| GB0611561D0 (en) * | 2006-06-08 | 2006-07-19 | Ibm | A validation engine |
| GB0623236D0 (en) * | 2006-11-22 | 2007-01-03 | Ibm | An apparatus and a method for correcting erroneous image identifications generated by an ocr device |
| US7849398B2 (en) * | 2007-04-26 | 2010-12-07 | Xerox Corporation | Decision criteria for automated form population |
| JP7147208B2 (ja) * | 2018-03-20 | 2022-10-05 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
| JP2019215747A (ja) * | 2018-06-13 | 2019-12-19 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
| KR20210034869A (ko) | 2019-09-23 | 2021-03-31 | 한국전력공사 | 수기 표 이미지의 디지털 이미지 변환 방법 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4032887A (en) * | 1973-06-28 | 1977-06-28 | International Business Machines Corporation | Pattern-recognition systems having selectively alterable reject/substitution characteristics |
| US4773099A (en) * | 1985-10-10 | 1988-09-20 | The Palantir Corporation | Pattern classification means for use in a pattern recognition system |
| US4876735A (en) * | 1987-12-18 | 1989-10-24 | International Business Machines Corporation | Method and apparatus for character recognition systems |
| US4958375A (en) * | 1988-02-17 | 1990-09-18 | Nestor, Inc. | Parallel, multi-unit, adaptive pattern classification system using inter-unit correlations and an intra-unit class separator methodology |
| US5052043A (en) * | 1990-05-07 | 1991-09-24 | Eastman Kodak Company | Neural network with back propagation controlled through an output confidence measure |
| US5081690A (en) * | 1990-05-08 | 1992-01-14 | Eastman Kodak Company | Row-by-row segmentation and thresholding for optical character recognition |
| US5046116A (en) * | 1990-12-14 | 1991-09-03 | Canon Research Center America, Inc. | Symbol analyzing system and method with data exclusion and confidence factors |
| US5257323A (en) * | 1991-05-29 | 1993-10-26 | Canon Kabushiki Kaisha | Selection agent for a symbol determination system with multiple character recognition processors |
-
1993
- 1993-04-26 US US08/051,972 patent/US5455872A/en not_active Expired - Lifetime
-
1994
- 1994-04-06 DE DE69428621T patent/DE69428621T2/de not_active Expired - Lifetime
- 1994-04-06 EP EP94105292A patent/EP0622751B1/en not_active Expired - Lifetime
- 1994-04-18 JP JP6078561A patent/JP2637915B2/ja not_active Expired - Fee Related
- 1994-04-23 KR KR1019940008645A patent/KR970007280B1/ko not_active IP Right Cessation
- 1994-04-23 CN CN94104626A patent/CN1052319C/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017021459A (ja) * | 2015-07-08 | 2017-01-26 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
| JP2019169026A (ja) * | 2018-03-26 | 2019-10-03 | 株式会社Pfu | 情報処理装置、文字認識エンジン最適化方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69428621D1 (de) | 2001-11-22 |
| EP0622751A2 (en) | 1994-11-02 |
| CN1052319C (zh) | 2000-05-10 |
| EP0622751A3 (en) | 1995-03-15 |
| JP2637915B2 (ja) | 1997-08-06 |
| DE69428621T2 (de) | 2002-08-01 |
| US5455872A (en) | 1995-10-03 |
| CN1096889A (zh) | 1994-12-28 |
| KR970007280B1 (ko) | 1997-05-07 |
| EP0622751B1 (en) | 2001-10-17 |
| KR940024589A (ko) | 1994-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2637915B2 (ja) | 文字認識方法及び装置 | |
| US5067165A (en) | Character recognition method | |
| JP4607633B2 (ja) | 文字方向識別装置、画像形成装置、プログラム、記憶媒体および文字方向識別方法 | |
| US5293466A (en) | Method and apparatus for selecting interpreter for printer command language based upon sample of print job transmitted to printer | |
| US6021220A (en) | System and method for pattern recognition | |
| US6442555B1 (en) | Automatic categorization of documents using document signatures | |
| US5764799A (en) | OCR method and apparatus using image equivalents | |
| US7885464B2 (en) | Apparatus, method, and program for handwriting recognition | |
| US7047238B2 (en) | Document retrieval method and document retrieval system | |
| US20050248808A1 (en) | Printing control interface system and method with handwriting discrimination capability | |
| US5359671A (en) | Character-recognition systems and methods with means to measure endpoint features in character bit-maps | |
| JP2005242579A (ja) | 文書処理装置、文書処理方法、および文書処理プログラム | |
| EP0687991B1 (en) | Information processing method and apparatus and computer readable memory medium | |
| US11170265B2 (en) | Image processing method and an image processing system | |
| US8953910B2 (en) | Proof reading of text data generated through optical character recognition | |
| JPH1027214A (ja) | 光学式文字認識コンピュータにおける接触文字の分離方法及び装置 | |
| JP2008225695A (ja) | 文字認識誤り修正装置およびプログラム | |
| JPH0869506A (ja) | 手書き文字の認識方法および装置 | |
| US6320985B1 (en) | Apparatus and method for augmenting data in handwriting recognition system | |
| EP1010128B1 (en) | Method for performing character recognition on a pixel matrix | |
| JP3411796B2 (ja) | 文字認識装置 | |
| JP2006343797A (ja) | 文字認識装置、文字認識方法およびコンピュータプログラム | |
| JPH08241378A (ja) | 低品質文字の認識方法 | |
| JP2000155806A (ja) | 文字認識方法、文字認識装置、辞書作成方法、辞書作成装置、文字品質判定方法、及び、記録媒体 | |
| JP2002312720A (ja) | 文字認識装置、文字認識方法、プログラム及び記憶媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090425 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090425 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100425 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100425 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110425 Year of fee payment: 14 |
|
| LAPS | Cancellation because of no payment of annual fees |