JPH06348903A - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPH06348903A JPH06348903A JP16743493A JP16743493A JPH06348903A JP H06348903 A JPH06348903 A JP H06348903A JP 16743493 A JP16743493 A JP 16743493A JP 16743493 A JP16743493 A JP 16743493A JP H06348903 A JPH06348903 A JP H06348903A
- Authority
- JP
- Japan
- Prior art keywords
- classification
- correlation coefficient
- result
- categories
- recognition
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Character Discrimination (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 大分類処理結果を用いて詳細分類処理結果を
補正することにより認識精度を向上する。 【構成】 入力文字画像から抽出した特徴を、大分類回
路５において類似度演算をしてＮ個の候補カテゴリを求
め、類似度に応じてソートする。さらに、Ｎ個の候補カ
テゴリを詳細分類回路９において、詳細に類似度演算を
して類似度に応じて再度ソートする。これらのソート結
果を、データバス１５を介してＣＰＵ１３が読み込む。
ＣＰＵ１３は、読み込んだ大分類処理結果と詳細分類処
理結果との相関係数ρxy Mを求める。ここで、相関係数
ρxy Mと、相関係数テーブルメモリ１４に予め記憶され
ているカテゴリごとの相関係数ρxy (l)との差を求め、
さらに得られた差と予め設定されている相関係数の許容
誤差εと比較し、詳細分類の処理結果のソート順位を補
正し認識結果とする。
補正することにより認識精度を向上する。 【構成】 入力文字画像から抽出した特徴を、大分類回
路５において類似度演算をしてＮ個の候補カテゴリを求
め、類似度に応じてソートする。さらに、Ｎ個の候補カ
テゴリを詳細分類回路９において、詳細に類似度演算を
して類似度に応じて再度ソートする。これらのソート結
果を、データバス１５を介してＣＰＵ１３が読み込む。
ＣＰＵ１３は、読み込んだ大分類処理結果と詳細分類処
理結果との相関係数ρxy Mを求める。ここで、相関係数
ρxy Mと、相関係数テーブルメモリ１４に予め記憶され
ているカテゴリごとの相関係数ρxy (l)との差を求め、
さらに得られた差と予め設定されている相関係数の許容
誤差εと比較し、詳細分類の処理結果のソート順位を補
正し認識結果とする。
Description
【０００１】
【産業上の利用分野】本発明は、光学的に入力された文
字画像を認識して文字コードに変換する文字認識装置
（ＯＣＲ）に関する。
字画像を認識して文字コードに変換する文字認識装置
（ＯＣＲ）に関する。
【０００２】
【従来の技術】従来の文字認識装置では、パターンマッ
チングを用いて文字を認識することが多い。図４はパタ
ーンマッチングによる文字認識の処理概要を示すフロー
チャートである。図において、最初に文字画像が入力さ
れると（Ｓ４１）、正規化処理（Ｓ４２）として文字画
像の幾何学的変換を行い、入力画像の位置ズレやサイズ
の違いを補正する。
チングを用いて文字を認識することが多い。図４はパタ
ーンマッチングによる文字認識の処理概要を示すフロー
チャートである。図において、最初に文字画像が入力さ
れると（Ｓ４１）、正規化処理（Ｓ４２）として文字画
像の幾何学的変換を行い、入力画像の位置ズレやサイズ
の違いを補正する。
【０００３】次に入力画像の特徴を抽出し（Ｓ４３）、
その特徴量を標準パターンと比較して大分類処理を行う
（Ｓ４４）。この標準パターンとは、各カテゴリごとに
収集した複数のサンプルに対して、特徴抽出を行い、そ
の特徴量に平均化等の処理をしてつくられるものであ
り、各カテゴリに対して少なくとも１つ以上の標準パタ
ーンが予め用意されている。大分類処理の結果は、その
まま認識結果とするのではなく、入力文字に対する類似
度の高い標準パターンをＮ個抽出して、認識候補カテゴ
リとする。
その特徴量を標準パターンと比較して大分類処理を行う
（Ｓ４４）。この標準パターンとは、各カテゴリごとに
収集した複数のサンプルに対して、特徴抽出を行い、そ
の特徴量に平均化等の処理をしてつくられるものであ
り、各カテゴリに対して少なくとも１つ以上の標準パタ
ーンが予め用意されている。大分類処理の結果は、その
まま認識結果とするのではなく、入力文字に対する類似
度の高い標準パターンをＮ個抽出して、認識候補カテゴ
リとする。
【０００４】この候補カテゴリに対し、次の詳細分類処
理（Ｓ４５）で精度の高いパターンマッチングを行い、
類似度が第１位となった候補カテゴリを認識結果として
出力する（Ｓ４６）。このように従来の認識処理では分
類を２段階にし、詳細分類で密な特徴量（高次特徴）に
よるパターンマッチングを行う前に、大分類として比較
的粗な特徴量（低次特徴）を用いてパターンマッチング
を行うことにより、文字認識の処理速度を高速にしてい
る。
理（Ｓ４５）で精度の高いパターンマッチングを行い、
類似度が第１位となった候補カテゴリを認識結果として
出力する（Ｓ４６）。このように従来の認識処理では分
類を２段階にし、詳細分類で密な特徴量（高次特徴）に
よるパターンマッチングを行う前に、大分類として比較
的粗な特徴量（低次特徴）を用いてパターンマッチング
を行うことにより、文字認識の処理速度を高速にしてい
る。
【０００５】つまり、認識対象のカテゴリが数千にもお
よぶ漢字の認識では、計算量の少ない低次特徴のパター
ンマッチングにより、数千のカテゴリの中からＮ個の候
補カテゴリに絞り込み、次いでＮ個の候補カテゴリにつ
いてのみ演算量が多い高次特徴によるパターンマッチン
グを行う。それにより、認識精度を落とすことなく処理
の高速化が可能になる。
よぶ漢字の認識では、計算量の少ない低次特徴のパター
ンマッチングにより、数千のカテゴリの中からＮ個の候
補カテゴリに絞り込み、次いでＮ個の候補カテゴリにつ
いてのみ演算量が多い高次特徴によるパターンマッチン
グを行う。それにより、認識精度を落とすことなく処理
の高速化が可能になる。
【０００６】
【発明が解決しようとする課題】ところで上述した２段
階による分類では、大分類が単に処理速度を向上させる
ためだけに機能しており、認識精度の向上については何
等利用されていない。つまり、大分類の処理結果と詳細
分類の処理結果との間には相関関係を有する場合が多く
あるにもかかわらず、大分類の処理結果が詳細分類には
活用されずにむだに捨てられているのが実情である。本
発明は上記の点に鑑みてなされたもので、その目的とす
るところは、大分類処理による認識結果を詳細分類の認
識結果にも利用することにより認識精度を向上すること
ができる文字認識装置を提供することにある。
階による分類では、大分類が単に処理速度を向上させる
ためだけに機能しており、認識精度の向上については何
等利用されていない。つまり、大分類の処理結果と詳細
分類の処理結果との間には相関関係を有する場合が多く
あるにもかかわらず、大分類の処理結果が詳細分類には
活用されずにむだに捨てられているのが実情である。本
発明は上記の点に鑑みてなされたもので、その目的とす
るところは、大分類処理による認識結果を詳細分類の認
識結果にも利用することにより認識精度を向上すること
ができる文字認識装置を提供することにある。
【０００７】
【課題を解決するための手段】上記目的を達成するため
に、本発明は、入力された文字画像を正規化してから特
徴を抽出し、その特徴について大分類処理をして予め定
められたＬ個の認識対象カテゴリの中のＮ個のカテゴリ
を選び出し、さらに詳細分類処理をしてその中の１つを
選択するパターンマッチング方式の文字認識装置におい
て、大分類処理により得られたＮ個のカテゴリ順位を変
量ｘiとし、詳細分類処理により得られたＮ個のカテゴ
リ順位を変量ｙiとし、両変量間の相関係数ρxyを求め
る手段と、カテゴリごとに標準パターンを作成するとき
に用いた文字サンプルより予め求めて記憶しておいた相
関係数ρxy lと前記未知文字についての相関係数ρxyと
を比較し、両者の差の小さい順に詳細分類処理結果のカ
テゴリ順位をソートして補正する手段とを備えたことを
特徴とする。
に、本発明は、入力された文字画像を正規化してから特
徴を抽出し、その特徴について大分類処理をして予め定
められたＬ個の認識対象カテゴリの中のＮ個のカテゴリ
を選び出し、さらに詳細分類処理をしてその中の１つを
選択するパターンマッチング方式の文字認識装置におい
て、大分類処理により得られたＮ個のカテゴリ順位を変
量ｘiとし、詳細分類処理により得られたＮ個のカテゴ
リ順位を変量ｙiとし、両変量間の相関係数ρxyを求め
る手段と、カテゴリごとに標準パターンを作成するとき
に用いた文字サンプルより予め求めて記憶しておいた相
関係数ρxy lと前記未知文字についての相関係数ρxyと
を比較し、両者の差の小さい順に詳細分類処理結果のカ
テゴリ順位をソートして補正する手段とを備えたことを
特徴とする。
【０００８】
【作用】本発明においては、大分類処理により得られた
Ｎ個の候補カテゴリ順位が変量ｘiとされ、同様にして
詳細分類処理により得られたＮ個の候補カテゴリ順位が
変量ｙiとされ、両変量についての相関係数ρxyが求め
られる。次に、カテゴリごとに標準パターンを作成する
ときに用いた文字サンプルより予め求めて記憶しておい
た相関係数ρxy lと前記未知文字についての相関係数ρ
xyとが比較され、両者の差の小さい順に詳細分類処理結
果のカテゴリ順位がソートされて補正される。
Ｎ個の候補カテゴリ順位が変量ｘiとされ、同様にして
詳細分類処理により得られたＮ個の候補カテゴリ順位が
変量ｙiとされ、両変量についての相関係数ρxyが求め
られる。次に、カテゴリごとに標準パターンを作成する
ときに用いた文字サンプルより予め求めて記憶しておい
た相関係数ρxy lと前記未知文字についての相関係数ρ
xyとが比較され、両者の差の小さい順に詳細分類処理結
果のカテゴリ順位がソートされて補正される。
【０００９】
【実施例】初めに、本発明における処理の概要を説明す
る。本発明では、認識精度を向上させるため大分類の処
理結果と詳細分類の処理結果との相関関係を利用する。
ここでは、両者の相関関係に関して統計における相関係
数を導入して表すようにした。それには、大分類および
詳細分類の処理結果をそれぞれ変量ｘi、ｙiとして表
す。
る。本発明では、認識精度を向上させるため大分類の処
理結果と詳細分類の処理結果との相関関係を利用する。
ここでは、両者の相関関係に関して統計における相関係
数を導入して表すようにした。それには、大分類および
詳細分類の処理結果をそれぞれ変量ｘi、ｙiとして表
す。
【００１０】また、入力文字Ｍに対して、大分類処理に
よりＮ個の候補カテゴリが得られるものとすると、分類
の過程においてＮ個の候補カテゴリは、１位からＮ位ま
での順位が付けられる。この順位に従い、各候補カテゴ
リに０からＮ−１の整数を順に割り付ける。さらに、大
分類の処理結果を表す変量ｘiを次式のように定義す
る。
よりＮ個の候補カテゴリが得られるものとすると、分類
の過程においてＮ個の候補カテゴリは、１位からＮ位ま
での順位が付けられる。この順位に従い、各候補カテゴ
リに０からＮ−１の整数を順に割り付ける。さらに、大
分類の処理結果を表す変量ｘiを次式のように定義す
る。
【００１１】
【数１】ｘi＝ｉ−１
【００１２】ここで、ｉは１からＮまでの順位であり、
ｘiは第ｉ位の候補カテゴリに割り付けられた値であ
る。同様に、詳細分類の処理結果を表す変量ｙiについ
ても次式のように定義する。
ｘiは第ｉ位の候補カテゴリに割り付けられた値であ
る。同様に、詳細分類の処理結果を表す変量ｙiについ
ても次式のように定義する。
【００１３】
【数２】ｙi＝ｉ−１
【００１４】これら２つの変量の相関係数ρxyは次式に
より求められる。
より求められる。
【００１５】
【数３】
【００１６】ここでσxyは共分散であり、次式により求
められる。
められる。
【００１７】
【数４】
【００１８】この数式中のμx、μyはそれぞれ次式によ
り求められる。
り求められる。
【００１９】
【数５】
【００２０】
【数６】
【００２１】また、σx，σyはともに分散であり、それ
ぞれ次式により求められる。
ぞれ次式により求められる。
【００２２】
【数７】
【００２３】
【数８】
【００２４】このように定義された相関係数を、標準パ
ターンを作成するときに用いた文字サンプルについてカ
テゴリごとに予め求めておく。これをρxy (l)とする。
ｌは個々のカテゴリを表す添字である。また、ある未知
の入力文字についての大分類と詳細分類の処理結果から
得られた相関係数をρxy Mとする。これらの相関係数ρ
xy Mとρxy (l)を用いることにより、詳細分類の処理結果
を補正して認識精度を向上させる。
ターンを作成するときに用いた文字サンプルについてカ
テゴリごとに予め求めておく。これをρxy (l)とする。
ｌは個々のカテゴリを表す添字である。また、ある未知
の入力文字についての大分類と詳細分類の処理結果から
得られた相関係数をρxy Mとする。これらの相関係数ρ
xy Mとρxy (l)を用いることにより、詳細分類の処理結果
を補正して認識精度を向上させる。
【００２５】以下、図に沿って本発明の実施例の具体的
な処理を説明する。図１は本発明に係る実施例の構成を
示すブロック図である。図において、入力文字画像はイ
メージスキャナ１に読み取られて、文字画像メモリ２へ
いったん記憶される。次いで、入力文字画像は正規化回
路３へ送られて正規化され、さらに特徴抽出回路４へ送
られて大分類用特徴と詳細分類用特徴とが抽出され、そ
れぞれ大分類回路５および詳細分類回路９へ送られる。
な処理を説明する。図１は本発明に係る実施例の構成を
示すブロック図である。図において、入力文字画像はイ
メージスキャナ１に読み取られて、文字画像メモリ２へ
いったん記憶される。次いで、入力文字画像は正規化回
路３へ送られて正規化され、さらに特徴抽出回路４へ送
られて大分類用特徴と詳細分類用特徴とが抽出され、そ
れぞれ大分類回路５および詳細分類回路９へ送られる。
【００２６】大分類回路５では、大分類用類似度演算回
路６において、送られた大分類用特徴と大分類用標準パ
ターンとの類似度を求める演算が行われる。大分類用標
準パターンは、カテゴリごとに用意されており、大分類
用標準パターンメモリ８に記憶されている。ここでカテ
ゴリ数がＮｋ個である場合は、類似度演算がＮｋ回実行
される。求められたＮｋ個の類似度は大分類用ソーティ
ング回路７に送られてから降順にソートされ、第１位か
ら第Ｎ位までのＮ個の候補カテゴリが求められる。
路６において、送られた大分類用特徴と大分類用標準パ
ターンとの類似度を求める演算が行われる。大分類用標
準パターンは、カテゴリごとに用意されており、大分類
用標準パターンメモリ８に記憶されている。ここでカテ
ゴリ数がＮｋ個である場合は、類似度演算がＮｋ回実行
される。求められたＮｋ個の類似度は大分類用ソーティ
ング回路７に送られてから降順にソートされ、第１位か
ら第Ｎ位までのＮ個の候補カテゴリが求められる。
【００２７】同様に、詳細分類回路９では、詳細分類用
類似度演算回路１０において、送られた詳細分類用特徴
とＮ個の候補カテゴリの詳細分類用標準パターンとの類
似度が求められ、さらに詳細分類用ソーティング回路１
１で降順にソートされて詳細分類処理結果となる。な
お、詳細分類用標準パターンは、詳細分類用標準パター
ンメモリ１２に記憶されている。これら大分類回路５、
詳細分類回路９における処理が終了した時点で、ＣＰＵ
１３が大分類用ソーティング回路７および詳細分類用ソ
ーティング回路１１からそれぞれの処理結果をデータバ
ス１５を介して読み込む。
類似度演算回路１０において、送られた詳細分類用特徴
とＮ個の候補カテゴリの詳細分類用標準パターンとの類
似度が求められ、さらに詳細分類用ソーティング回路１
１で降順にソートされて詳細分類処理結果となる。な
お、詳細分類用標準パターンは、詳細分類用標準パター
ンメモリ１２に記憶されている。これら大分類回路５、
詳細分類回路９における処理が終了した時点で、ＣＰＵ
１３が大分類用ソーティング回路７および詳細分類用ソ
ーティング回路１１からそれぞれの処理結果をデータバ
ス１５を介して読み込む。
【００２８】次いで、ＣＰＵ１３は、読み込んだ大分類
処理結果と詳細分類処理結果との相関係数ρxy Mを求め
る。ここで、相関係数テーブルメモリ１４にはカテゴリ
ごとに予め求めておいた相関係数ρxy (l)が記憶されて
いる。次に、相関係数ρxy Mと相関係数ρxy (l)と予め設
定しておいた相関係数の許容誤差εとから、詳細分類の
処理結果を補正し認識結果とする。
処理結果と詳細分類処理結果との相関係数ρxy Mを求め
る。ここで、相関係数テーブルメモリ１４にはカテゴリ
ごとに予め求めておいた相関係数ρxy (l)が記憶されて
いる。次に、相関係数ρxy Mと相関係数ρxy (l)と予め設
定しておいた相関係数の許容誤差εとから、詳細分類の
処理結果を補正し認識結果とする。
【００２９】図２に示すフローチャートは、ここで行わ
れる補正処理を示すものである。この図中における相関
係数の添字Ｋ１，Ｋ２，Ｋ３は、詳細分類の処理結果の
第１位、第２位、第３位の各候補カテゴリを指すもので
ある。図では、第１位から第３位までの候補カテゴリに
ついてそれぞれ相関係数ρxy (l)と、未知文字について
の相関係数ρxy Mとの差を求め、その差が許容誤差εよ
りも大きければ棄却し（Ｓ２４）、許容誤差εよりも小
さければその差の大小により候補カテゴリの順位を昇順
にソートして補正する（Ｓ２５）。
れる補正処理を示すものである。この図中における相関
係数の添字Ｋ１，Ｋ２，Ｋ３は、詳細分類の処理結果の
第１位、第２位、第３位の各候補カテゴリを指すもので
ある。図では、第１位から第３位までの候補カテゴリに
ついてそれぞれ相関係数ρxy (l)と、未知文字について
の相関係数ρxy Mとの差を求め、その差が許容誤差εよ
りも大きければ棄却し（Ｓ２４）、許容誤差εよりも小
さければその差の大小により候補カテゴリの順位を昇順
にソートして補正する（Ｓ２５）。
【００３０】ところで、候補カテゴリの第ｎ位までに正
しい認識結果が含まれるかどうかを第ｎ位認識率として
求めた場合、一般には、図３に示すようにある点（第ｎ
a位）で認識率は飽和する。上述の実施例では、第３位
候補カテゴリまでについて補正を行うようにしたが、図
示されたように認識率が飽和する第ｎa位までの候補順
位の補正を行うようにすれば、最高の認識精度が得られ
る。このように実施例では、大分類の処理結果と詳細分
類の処理結果の相関関係を用いて、詳細分類の処理結果
を補正することにより、文字認識の精度を向上させるこ
とができる。
しい認識結果が含まれるかどうかを第ｎ位認識率として
求めた場合、一般には、図３に示すようにある点（第ｎ
a位）で認識率は飽和する。上述の実施例では、第３位
候補カテゴリまでについて補正を行うようにしたが、図
示されたように認識率が飽和する第ｎa位までの候補順
位の補正を行うようにすれば、最高の認識精度が得られ
る。このように実施例では、大分類の処理結果と詳細分
類の処理結果の相関関係を用いて、詳細分類の処理結果
を補正することにより、文字認識の精度を向上させるこ
とができる。
【００３１】
【発明の効果】以上述べたように本発明によれば、大分
類処理結果であるカテゴリ順位の変量ｘiと詳細分類処
理結果であるカテゴリ順位の変量ｙiとの相関係数ρxy
を求め、これと予めカテゴリごとに求められていた相関
係数ρxy lとを比較し、その差の小さい順に詳細分類処
理結果のカテゴリ順位をソートして、認識結果を補正す
る。それにより、従来、詳細分類処理では用いられるこ
とがなかった大分類処理結果も有効に活用することによ
り認識精度が向上する。
類処理結果であるカテゴリ順位の変量ｘiと詳細分類処
理結果であるカテゴリ順位の変量ｙiとの相関係数ρxy
を求め、これと予めカテゴリごとに求められていた相関
係数ρxy lとを比較し、その差の小さい順に詳細分類処
理結果のカテゴリ順位をソートして、認識結果を補正す
る。それにより、従来、詳細分類処理では用いられるこ
とがなかった大分類処理結果も有効に活用することによ
り認識精度が向上する。
【図１】本発明の実施例を示すブロック図である。
【図２】実施例の処理動作を示すフローチャートであ
る。
る。
【図３】実施例における認識率の変化を示すグラフであ
る。
る。
【図４】パターンマッチングによる文字認識の概要を示
すフローチャートである。
すフローチャートである。
１ イメージスキャナ ２ 文字画像メモリ ３ 正規化回路 ４ 特徴抽出回路 ５ 大分類回路 ６ 大分類用類似度演算回路 ７ 大分類用ソーティング回路 ８ 大分類用標準パターンメモリ ９ 詳細分類回路 １０ 詳細分類用類似度演算回路 １１ 詳細分類用ソーティング回路 １２ 詳細分類用標準パターンメモリ １３ ＣＰＵ １４ 相関係数テーブルメモリ １５ データバス
Claims (1)
- 【請求項１】 入力された文字画像を正規化してから特
徴を抽出し、その特徴について大分類処理をして予め定
められたＬ個の認識対象カテゴリの中のＮ個のカテゴリ
を選び出し、さらに詳細分類処理をしてその中の１つを
選択するパターンマッチング方式の文字認識装置におい
て、 大分類処理により得られたＮ個のカテゴリ順位を変量ｘ
iとし、詳細分類処理により得られたＮ個のカテゴリ順
位を変量ｙiとし、両変量間の相関係数ρxyを求める手
段と、 カテゴリごとに標準パターンを作成するときに用いた文
字サンプルより予め求めて記憶しておいた相関係数ρxy
lと前記未知文字についての相関係数ρxyとを比較し、
両者の差の小さい順に詳細分類処理結果のカテゴリ順位
をソートして補正する手段と、 を備えたことを特徴とする文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP16743493A JPH06348903A (ja) | 1993-06-14 | 1993-06-14 | 文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP16743493A JPH06348903A (ja) | 1993-06-14 | 1993-06-14 | 文字認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06348903A true JPH06348903A (ja) | 1994-12-22 |
Family
ID=15849640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP16743493A Withdrawn JPH06348903A (ja) | 1993-06-14 | 1993-06-14 | 文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06348903A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08180138A (ja) * | 1994-12-27 | 1996-07-12 | Nagano Nippon Denki Software Kk | 文字認識装置 |
| JP2009146245A (ja) * | 2007-12-17 | 2009-07-02 | Nec Corp | 画像照合方法及び画像照合装置並びに画像照合プログラム |
| CN117152539A (zh) * | 2023-10-27 | 2023-12-01 | 浙江由由科技有限公司 | 基于降维特征机器校验的生鲜商品分类修正方法 |
-
1993
- 1993-06-14 JP JP16743493A patent/JPH06348903A/ja not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08180138A (ja) * | 1994-12-27 | 1996-07-12 | Nagano Nippon Denki Software Kk | 文字認識装置 |
| JP2009146245A (ja) * | 2007-12-17 | 2009-07-02 | Nec Corp | 画像照合方法及び画像照合装置並びに画像照合プログラム |
| US8401310B2 (en) | 2007-12-17 | 2013-03-19 | Nec Corporation | Image comparing method, apparatus and program |
| CN117152539A (zh) * | 2023-10-27 | 2023-12-01 | 浙江由由科技有限公司 | 基于降维特征机器校验的生鲜商品分类修正方法 |
| CN117152539B (zh) * | 2023-10-27 | 2024-01-26 | 浙江由由科技有限公司 | 基于降维特征机器校验的生鲜商品分类修正方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0325233B1 (en) | Character string recognition system | |
| US6246794B1 (en) | Method of reading characters and method of reading postal addresses | |
| US6021220A (en) | System and method for pattern recognition | |
| EP0355748A2 (en) | A pattern recognition apparatus and method for doing the same | |
| US5005205A (en) | Handwriting recognition employing pairwise discriminant measures | |
| US5909510A (en) | Method and apparatus for document classification from degraded images | |
| KR19990022352A (ko) | 필기 입력의 문자 인식 방법 및 장치 | |
| US6834121B2 (en) | Apparatus for rough classification of words, method for rough classification of words, and record medium recording a control program thereof | |
| JPH0139154B2 (ja) | ||
| JPH11134499A (ja) | 最大クリークの評価による指紋整合 | |
| KR100617292B1 (ko) | 지문 인식 방법 및 그 장치 | |
| Chi et al. | Separation of single-and double-touching handwritten numeral strings | |
| JP2986074B2 (ja) | 近傍点検出方法及びパターン認識装置 | |
| JPH06348903A (ja) | 文字認識装置 | |
| US5596657A (en) | Method of sorting out candidate characters in character recognition system | |
| Suters et al. | Connected handwritten digit separation using external boundary curvature | |
| JP2950023B2 (ja) | パターン認識辞書生成装置およびパターン認識装置 | |
| JP3706646B2 (ja) | Ｏｃｒの制御方法並びに分類方法及び装置 | |
| JP2766205B2 (ja) | 文字認識装置 | |
| JP2697790B2 (ja) | 文字タイプ決定方法 | |
| JP2728117B2 (ja) | 文字認識装置 | |
| CN116343232A (zh) | 一种基于预分类的古籍数学符号识别方法 | |
| JP2890753B2 (ja) | 特徴選択方法 | |
| JP2851865B2 (ja) | 文字認識装置 | |
| JPH0830734A (ja) | 文字列認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20000905 |