JPH07117986B2

JPH07117986B2 - 文字認識装置

Info

Publication number: JPH07117986B2
Application number: JP4308791A
Authority: JP
Inventors: 道博長石
Original assignee: 株式会社エイ・ティ・アール視聴覚機構研究所
Priority date: 1992-11-18
Filing date: 1992-11-18
Publication date: 1995-12-18
Anticipated expiration: 2010-12-18
Also published as: EP0602311B1; EP0602311A3; DE69330159D1; US5845020A; EP0602311A2; DE69330159T2; JPH06162261A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は文字認識装置に関し、
特に、手書き文字を入力し、その文字データを認識して
その結果を出力するような文字認識装置に関する。

【０００２】

【従来の技術】図２は従来の文字認識装置を示す概略ブ
ロック図である。図２において、入力手段１０によって
文字が電子化された後、特徴抽出手段１１によって文字
の特徴が抽出される。そして、認識手段１２は抽出され
た特徴量をもとにして、予め辞書として用意された特徴
量と、入力された文字の特徴量との距離を計算して文字
の識別を行なう。入力手段１０と特徴抽出手段１１と認
識手段１２による出力結果や状態は出力手段１３に出力
される。

【０００３】ここで、文字の特徴とは、文字の基本的構
成であるストロークなどや文字画像として見た場合の座
標点の分布状況を、多次元ベクトル量として定量的に表
わしたものである。ここで用いられる特徴量は、主とし
て文字認識装置の設計者自身の直感などをもとに考案さ
れるので、非常に多くの種類の特徴量が文字認識装置で
用いられている。認識はこのようにして得られた多次元
ベクトル量を多変量解析の手法を基本に行なわれてい
る。

【０００４】一般に、手書き文字、特に筆記制限のない
自由手書き文字の場合は大きな文字変形を持っているた
め、手書き文字に関して高い認識率を得るのは困難であ
る。従来の文字認識装置では、手書き文字の認識率を向
上させるために、誤認識の起こりやすい文字に対しての
認識辞書の改良を行なう、複数の特徴量を組合わせて文
字認識装置の特徴抽出能力を高めるなどの認識方法自体
の工夫のほかに、文法的な知識を用いて得られた文字認
識結果を確認，修正するなどの認識結果以外の情報を用
いて認識率の向上を図る工夫も行なわれている。

【０００５】

【発明が解決しようとする課題】しかしながら、多次元
ベクトル量の統計的な分析から実際の文字パターンとの
関連を推測することが難しいので、変形の大きな手書き
文字などに対応できるように多変量分析を前提にしてい
る特徴抽出自体の能力を向上させることは大変困難な作
業となっている。たとえば、ある文字パターンの線分の
変形が、特徴量のどこにどのような量で反映されている
のか直感的にわかりにくい。これは特徴量自体が主とし
て文字認識装置の設計者自身の直感などをもとに考案さ
れていることに起因している。したがって、大きな文字
変形を特徴抽出自体の改良によって吸収するのではな
く、もっぱら得られた特徴量の統計解析を行なった辞書
の変更を中心とした対策がとられている。

【０００６】一方、文法的な知識を利用して、文字認識
の結果得られた候補から文法的に適切な結果を得て高い
認識率を達成するには、複数の候補文字が適切である必
要がある。たとえば、候補文字は、正しい文字を含め、
類似文字が含まれており、全く形態の異なった文字や別
のカテゴリーの文字が含まれていないことが望ましい。
ところが、実際には、候補文字内に不適切文字が含まれ
ている場合があり、文法的な知識を用いても正しい結果
が得られないことがある。

【０００７】通常、候補文字の文字認識の結果（辞書と
の類似度など定量的な量）の大きさに応じて、単純に第
１候補，第２候補，の順に複数の候補が作成される。そ
して、文法などの知識を用いて複数の認識候補文字から
適切なものを選択する場合、第１候補から順に文字が組
合わされる。この場合、すべての候補文字は同じ重みで
扱われるので、適切な意味の組合わせを得る場合に、多
くの組合わせについて検討することになり、そのために
多くの時間がかかる。

【０００８】各候補文字の文字認識結果を、その候補の
確信度とみなして、文法的な知識を利用する際の重み付
けに使う場合、文字によって文字認識の結果を確信度と
して用いるのに不適切な場合がある。これは文字認識の
結果として用いられるパターン間の距離が適切でないた
めである。実際には単純に文字認識の結果から複数の候
補を選択し、すべての候補文字の重み付けを同じにして
多くの組合わせを検討する方法がとられることが多い。

【０００９】それゆえに、この発明の主たる目的は、適
切な内容と確信度を持っている認識結果の複数の候補文
字を与えることができ、さらに文字パターンの変形が特
徴量にどのような量で反映されているのか直感的にわか
りやすい文字認識装置を提供することである。

【００１０】

【課題を解決するための手段】請求項１に係る発明は、
文字を電子的な文字画像に変換するための入力手段と、
文字の周囲に分布する「場」であって、その強さが文字
からの距離に依存し、文字に近いほど大きな値をもつ視
覚の誘導場を入力手段によって入力された文字画像につ
いて計算する誘導場推定手段と、辞書に予め記憶されて
いるある文字の視覚の誘導場に、誘導場推定手段によっ
て計算された視覚の誘導場を一致させようとした際の変
位を求め、その変位が小さければ入力された文字が辞書
に記憶されている文字に近いと認識する認識手段とを備
えて構成される。

【００１１】請求項２に係る発明では、請求項１に係る
認識手段は、誘導場を変形させた際の変位を、誘導場を
弾性体とみなして弾性エネルギを用いて評価する。請求
項３に係る発明では、請求項１の誘導場推定手段は、入
力手段で得られた文字画像の輪郭線を構成する各点を電
荷１の点電荷と仮定し、文字画像の輪郭線上の点をｉと
し、任意の点Ｐから、ｉまでの距離をｒｉとし、点Ｐか
ら見える輪郭線を構成する点の数をｎとすると、

【数１１】で定義される点Ｐにおける場の強さＭｐを、点Ｐから見
えない文字画像の輪郭線上の点からの寄与は除いて計算
する手段を含む。

【００１２】

【作用】この発明に係る文字認識装置は、生理学，心理
学的な知見に基づいて文字の視覚の誘導場を推定し、辞
書に予め記憶されているある文字の視覚の誘導場に、推
定された視覚の誘導場を一致させようとした際の変位を
求め、その変位が小さければ入力された文字が辞書に記
憶されている文字に近いと認識することにより、適切な
内容と信頼度をもっている認識結果の複数の候補文字を
与えることができ、さらに文字パターンの変形が特徴量
にどのような量で反映されているのか容易に知ることが
できる。

【００１３】

【実施例】まず、この発明の実施例について説明する前
に、この発明の原理について説明する。

【００１４】最初に、生理学，心理学的な知見に基づい
た文字画像の視覚の誘導場の推定を行なう例として、電
子化によって得られた文字のデジタル画像から数値計算
によって推定する方法について説明する。

【００１５】図３はデジタル画像の画素配列を示した図
である。図３において、デジタル画像の画素は格子状に
配列されており、画素間の距離を１とおく。図３に示す
ように、ｎ個の点列３１から３７の集まりである曲線３
８によって任意の点３０に視覚の誘導場が形成されると
する。曲線３８は線図形の線分や面図形の輪郭線にあた
る。曲線３８を構成している各点は、電荷１の点電荷と
仮定する。点３０から曲線３８上の各点３１から３７ま
で走査して曲線３８を構成するｎ個の点が見つかり、走
査して見つかった各点までの距離をｒ_iとすると、点Ｐ
における視覚の誘導場の強さＭ_Pは次の第（１）式のよ
うに定義される。

【００１６】

【数１】

【００１７】第（１）式を用いることにより、任意のデ
ジタル画像の視覚の誘導場を求めることができる。

【００１８】図４は前述の数値計算方法によって求めた
文字「Ｅ」の視覚の誘導場の例を示した図である。な
お、以下の説明では、視覚の誘導場はすべて前述の数値
計算方法によって求めたものである。図４の太い線が文
字「Ｅ」、その周囲に存在する線が視覚の誘導場の同じ
場の強さを結んだ等ポテンシャル面を示す等高線であ
る。図４中の数字は等ポテンシャル面における場の強さ
を示している。視覚の誘導場（以下、単に誘導場と称す
る）は、文字のまわりに分布し、その強さや文字からの
距離に依存し、文字に近いほど大きな値を持つ。

【００１９】図５は、文字「Ｅ」の線分の一部が変形し
て文字「Ｆ」に変化する過程における各文字の誘導場を
求めたものである。文字「Ｅ」と文字「Ｆ」は全く別の
文字であるので、両者の誘導場の分布は全く異なってい
るが、線分の変形に伴って文字「Ｅ」の誘導場５０か
ら、誘導場５１，５２，５３の順に誘導場の分布が少し
ずつ変化して誘導場５４になっていく。すなわち、誘導
場の分布の状態が、誘導場５１，５２，５３の順に誘導
場５４に近く、また誘導場５３，５２，５１の順に誘導
場５０に近い。このように誘導場の分布は、異なった文
字であれば全く異なった分布を示しているが、文字の変
形による文字の類似性も的確に表現できる。したがっ
て、誘導場の分布の違いを定量化することにより、文字
を識別することができる。

【００２０】図６は誘導場の分布の違いを用いた文字の
識別原理を説明するための図である。誘導場の分布状態
の違いを考える場合、誘導場をゴムのような弾性体とし
て考える。一方の誘導場を他方の誘導場に合せようとゴ
ムのように自由に曲げたり伸ばしたりして変形させる
と、弾性体に歪が生ずる。歪は弾性体の変形が大きいほ
ど大きいので、歪の量を調べれば、両者の誘導場の違い
を定量的に知ることができる。未知パターンと２つの基
準パターンＡ，Ｂの誘導場が与えられている場合、各基
準パターンに対して未知パターンを変位させ、弾性エネ
ルギーの小さかった基準パターンが未知パターンに近い
と識別することができる。図６における輪郭６０は未知
文字を示し、輪郭６１は基準パターンＡ，輪郭６２は基
準パターンＢの誘導場における、ある等ポテンシャル面
を示す。特に、図６（ａ）は未知文字が基準パターンＡ
の等ポテンシャル面に一致しようと変形する様子を示
し、図６（ｂ）は未知文字が基準パターンＢの等ポテン
シャル面に一致しようと変形する様子を示したものであ
る。未知文字の等ポテンシャル面は、パターンＢよりも
パターンＡに近い分布を示しているので、変形が小さ
い。

【００２１】図７は誘導場を３次元で示したものであ
る。誘導場は２次元平面上のスカラー場なので、図７
（ａ）に示すように誘導場を３次元の弾性体７０として
考えることができる。しかし、このままでは変位の計算
が難しいので、図７（ｂ）に示すように、３次元の誘導
場を２次元の等ポテンシャル面７１，７２の集まりと考
え、各等ポテンシャル面ごとの歪を求めて集計する。等
ポテンシャル面上では輪郭線のみを考えればよいので、
結局１次元点列７３の問題として扱うことができる。

【００２２】図８は等ポテンシャル面の輪郭線の変位を
示した図である。一方の文字パターンの等ポテンシャル
面の境界線８１上の各点が、他方の文字パターンの同じ
大きさの等ポテンシャル面の境界線８０上に移動する変
位８２，８３，８４を求め、その変位から歪によって生
じた弾性エネルギーを計算する。これは各輪郭線に張ら
れた膜が、変形によって生ずる弾性エネルギーを求める
ことに等しい。膜が平行状態からある位置まで変位する
のに要する仕事Ｕは、膜の変形に要する仕事Ｕ ₁と、膜
の縁である輪郭線が変形するのに要する仕事Ｕ₂のであ
る。各仕事は次のようにして求めることができる。

【００２３】

【数２】

【００２４】τを膜に一様に働く張力とする。

【００２５】

【数３】

【００２６】ρを膜の密度，Ｃを弾性係数で一様とす
る。一方、ｕ_i＝ｕ（ｘ（ｉ），ｙ（ｉ））であるの
で、次の差分表現が得られる。

【００２７】

【数４】

【００２８】輪郭線全体について変位ｕ_iを求め、上述
の第（４）式〜第（８）式の差分表現を用いて、第
（２）式および第（３）式から変形で生ずる弾性エネル
ギーＵ＝Ｕ ₁＋Ｕ₂を求めることができる。

【００２９】次に、辞書として複数のカテゴリーの誘導
場が用意されているとする。ポテンシャル値Ｐにおける
等ポテンシャル面上で、ある辞書カテゴリーｉと未知パ
ターンが一致しようと変形して生ずる弾性エネルギーを
ｅ_i（Ｐ）とおく。この実施例では、単純に弾性エネル
ギーの総量で識別する方法を述べる。２つのパターンが
一致するのに要する全エネルギーＥ_iは次の第（９）式
で表わされる。

【００３０】

【数５】

【００３１】カテゴリーｉが未知パターンに似ているほ
どＥ_iは小さくなるので、識別は全カテゴリーｉに対し
て、ｍｉｎＥ_i …（１０）なカテゴリーｉを決定することになる。なお、弾性エネ
ルギーＥ_i（Ｐ）は、ポテンシャル値Ｐの関数であるの
で、識別をあるポテンシャル値Ｐの評価関数を用いて行
なう方法をとることも可能である。

【００３２】以下、この発明の文字認識装置の実施例に
ついて説明する。図１はこの発明の一実施例の概略ブロ
ック図である。この実施例の文字認識装置は、文字を電
子化する入力手段１と、この入力手段１で得られた文字
画像の視覚の誘導場を計算する誘導場推定手段２と、文
字を認識するために必要な情報を有し、誘導場推定手段
２で求められた視覚の誘導場を用いて一方の視覚の誘導
場が他方の視覚の誘導場に一致しようと誘導場が変形す
ることで生ずる歪の大きさを弾性エネルギーを用いて評
価して文字認識を行なう認識手段３と、入力手段１，誘
導場推定手段２および認識手段３の出力結果や状態を表
示する出力手段４とから構成されている。

【００３３】図９はこの発明の一実施例の一般的な電気
的構成を示す図である。図９において、ＣＰＵ９０は図
１に示した誘導場推定手段２と認識手段３による認識処
理を実行するものであり、認識する文字データや認識過
程のデータなどは一時的にＲＡＭ９１に記憶され。認識
に必要なデータなどはＲＯＭ９２に記憶されている。

【００３４】図１０はこの発明の一実施例の動作を説明
するためのフローチャートである。次に、図１，図９お
よび図１０を参照して、この発明の一実施例の具体的な
動作について説明する。入力手段１から手書き文字が入
力されると、ＣＰＵ９０はステップ（図示ではＳＰと略
称する）ＳＰ１において、入力された文字の誘導場を第
（１）式に基づいて計算して推定を行なう。ＣＰＵ９０
はステップＳＰ２において、予めＲＯＭ９２に記憶され
ているある辞書パターンの誘導場に、先ほど推定した入
力文字の誘導場が一致しようと変形した際の変位を計算
する。そして、ＣＰ９０はステップＳＰ３において、得
られた変位を第（４）式〜第（８）式を用いて、第
（２）式および第（３）式に基づいて弾性エネルギーを
得る。

【００３５】ステップＳＰ４において、求められた弾性
エネルギーの大きさから、入力された文字が現在照合中
の辞書パターンであるか否かを判定し、入力された文字
が辞書パターンと同一であることが適切であれば処理を
終了する。もし、適切でない場合は、ステップＳＰ５に
おいて別な辞書パターンを候補として選択し、再び変位
と弾性エネルギーを計算して識別の判定を行なう。この
ようにして、入力文字パターンの誘導場と予め用意して
ある各辞書パターンの誘導場の違いを弾性エネルギーと
して順次評価して適切な辞書を探すことで識別を行な
う。

【００３６】図１１は実際の手書き文字「こ」について
求めた誘導場の例を示した図である。図１１（ａ）は多
少かすれているものの、普通に筆記された図１１（ｂ）
に示した誘導場の分布が非常によく似ている。このよう
に、多少文字の品質が悪くても、同じカテゴリーの文字
であれば誘導場の分布が似ているので、誘導場を認識に
応用することで文字の品質による認識への影響を少なく
することができる。

【００３７】図１２は「土」「士」について求めた誘導
場の例を示した図である。「土」「士」は構成線分の長
さが異なるだけで非常に類似した文字であり、認識が難
しいが、図１２から「土」「士」の誘導場の分布が大き
く異なっているので、誘導場の違いを指標にすれば容易
に「土」と「士」を区別することが可能である。

【００３８】図１３は「土」を基準として「士」に一致
させようと変形した場合のあるポテンシャル値における
輪郭線の「土」から「士」への変位の一例を示したもの
である。輪郭線１００は「土」、輪郭線１０１は「士」
のあるポテンシャル値における輪郭線である。変位１０
２は「土」から「士」への変位の１つである。この例の
ように、変位を図示することで文字パターンのどこがど
のくらい変位しているのかを視覚的に認識することがで
きる。したがって、手書き文字などの大きな文字変形が
どの部分に反映されているのかや変位計算の際の計算の
間違いなども容易に確認することができる。

【００３９】図１４は「土」→「士」、「土」→「土」
へ変位させた場合について求めた弾性エネルギーを示し
た図である。縦軸が弾性エネルギーｅ_i（Ｐ）、横軸が
ポテンシャル値Ｐである。この計算は図１２に示した文
字パターンについて、図１３に示したように変位の計算
を行なって求めたものである。「土」→「士」への変位
に要する弾性エネルギーが「土」→「土」よりも１０倍
程度大きく両者の誘導場の分布の違いがエネルギー差と
して現われている。

【００４０】図１５は図５に示した各パターンを誘導場
５０に一致させようと変形させた場合について求めた弾
性エネルギーを示した図である。弾性エネルギーの大き
さからも誘導場の分布の状態が、誘導場５１，５２，５
３の順に誘導場５４に近く、また誘導場５３，５２，５
１の順に誘導場５０に近いことがわかる。また、線分の
変形による影響が、図１５の誘導場５２から５４のポテ
ンシャル値０．１以下の弾性エネルギーが誘導場５０に
比べて大きくなっている部分に現われている。

【００４１】特に、図１５の山ａは、誘導場５３の右下
の部分の影響が現われたものである。この発明の実施例
では、弾性エネルギーを各ポテンシャル値ごとに求めて
いるために、このような影響について容易に知ることが
できる。また、図１５から文字パターンの大きな違いは
ポテンシャル値の低い部分でほとんど知ることができる
ことが推察される。したがって、弾性エネルギーを各ポ
テンシャル値ごとに求めることによって必要な部分だけ
計算することで計算時間の節約，局所的な変形の検出な
どを行なうことが可能になる。

【００４２】上述の結果から、誘導場の分布を見ること
で文字の類似性や変形を容易に確認できかつ文字の部分
的な変形や類似性が弾性エネルギーの大きさにも反映さ
れている。図５に示した各パターンを誘導場の分布の類
似性と我々の文字を判断した際の類似性は非常に似てい
る。また、それが図１５で示したように、弾性エネルギ
ーの値として定量的に表わすことができる。したがっ
て、求められた弾性エネルギーの値を、知識処理などの
文字認識後の後処理を行なう際の確信度として用いれ
ば、文法的に適切な文字を容易に知ることが可能にな
る。

【００４３】

【発明の効果】以上のように、この発明によれば、生理
学，心理学的な知見に基づいて文字画像の視覚の誘導場
を推定し、辞書に予め記憶されているある文字の視覚の
誘導場に、推定された視覚の誘導場を一致させようとし
た際の変位を求め、その変位が小さければ入力された文
字が辞書に記憶されている文字に近いと認識することに
より、適切な内容と確信度をもっている認識結果の複数
の候補文字を与えることができ、さらに文字パターンの
変形が特徴量にどのような量で反映されているのかを容
易に知ることができる。

【００４４】また、弾性エネルギーを各ポテンシャル値
ごとに求めることによって、認識に必要な部分だけを計
算することで計算時間の節約，局所的な変形の検出など
を行なうことが可能になる。

【図面の簡単な説明】

【図１】この発明の一実施例の構成を示す図である。

【図２】従来の文字認識装置の構成を示す図である。

【図３】デジタル画像の画素配列を示す図である。

【図４】文字「Ｅ」の視覚の誘導場の例を示す図であ
る。

【図５】文字「Ｅ」の線分の一部が変形して文字「Ｆ」
に変化する仮定における各文字の誘導場を求めた例を示
す図である。

【図６】誘導場の分布の違いを用いた文字の識別原理を
説明するための図である。

【図７】誘導場を３次元の弾性体として考えた例を示す
図である。

【図８】等ポテンシャル面の輪郭線の変位を示した図で
ある。

【図９】この発明の一実施例の一般的な電気的構成を示
す図である。

【図１０】この発明の一実施例の動作を説明するための
フローチャートである。

【図１１】実際の手書き文字「こ」について求めた誘導
場の例を示した図である。

【図１２】「土」「士」について求めた誘導場の例を示
す図である。

【図１３】「土」を基準として「士」に一致させようと
変形した場合のあるポテンシャルにおける輪郭線の
「土」から「士」への変位の一例を示した図である。

【図１４】「土」→「士」、「土」→「土」へ変位させ
た場合について求めた弾性エネルギーを示した図であ
る。

【図１５】図５に示した各パターンを誘導場に一致させ
ようと変形させた場合について求めた弾性エネルギーを
示す図である。

【符号の説明】

１入力手段２誘導場推定手段３認識手段４出力手段９０ＣＰＵ９１ＲＡＭ９２ＲＯＭ

Claims

【特許請求の範囲】

【請求項１】文字を電子的な文字画像に変換するため
の入力手段と、文字の周囲に分布する「場」であって、その強さが文字
からの距離に依存し、文字に近いほど大きな値をもつ視
覚の誘導場を前記入力手段によって入力された文字画像
について計算する誘導場推定手段と、辞書に予め記憶されているある文字の視覚の誘導場に、
前記誘導場推定手段によって計算された視覚の誘導場を
一致させようとした際の変位を求め、その変位が小さけ
れば前記入力手段によって入力された文字が前記辞書に
記憶されている文字に近いと認識する認識手段とを備え
た、文字認識装置。
【請求項２】前記認識手段は、前記誘導場を変形させ
た際の変位を、誘導場を弾性体とみなして弾性エネルギ
を用いて評価することを特徴とする、請求項１の文字認
識装置。
【請求項３】前記誘導場推定手段は、前記入力手段で
得られた文字画像の輪郭線を構成する各点を電荷１の点
電荷と仮定し、文字画像の輪郭線上の点をｉとし、任意
の点Ｐから、ｉまでの距離をｒｉとし、点Ｐから見える
輪郭線を構成する点の数をｎとすると、【数１０】で定義される点Ｐにおける場の強さＭｐを、点Ｐから見
えない文字画像の輪郭線上の点からの寄与は除いて計算
する手段を含む、請求項１の文字認識装置。