JPH0737037A - 最近傍分類を認識する比較関数に基づくｏｃｒ方法 - Google Patents
最近傍分類を認識する比較関数に基づくｏｃｒ方法Info
- Publication number
- JPH0737037A JPH0737037A JP6102933A JP10293394A JPH0737037A JP H0737037 A JPH0737037 A JP H0737037A JP 6102933 A JP6102933 A JP 6102933A JP 10293394 A JP10293394 A JP 10293394A JP H0737037 A JPH0737037 A JP H0737037A
- Authority
- JP
- Japan
- Prior art keywords
- template
- vector
- input
- elements
- comparison
- 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- Withdrawn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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 三角不等式の原理を用いることにより高速化
された、最近傍を認識するためのより向上した、比較関
数に基づく高速ＯＣＲベクトル認識方法を提供すること
にある。 【構成】 入力ベクトルＳは未分類シンボル（未知入力
文字）を定義し（Ｓ１）、Ｔ個のテンプレートベクトル
は分類済文字（メモリ内のアルファベットフォントの既
知文字）を定義する（Ｓ２）。最近傍分類は、入力ベク
トルとテンプレートベクトル間の最も近い一致により離
れたテンプレートを除くことで認識され、本ＯＣＲ方法
は、反復サイクルを処理するにつれ離れた近傍を大量に
除く三角不等式を使って達成される（Ｓ３〜Ｓ７）。減
少する候補グループからのテンプレートベクトルの選択
順はランダムでも順序付けられてもよいが、テンプレー
ト文字の使用頻度や履歴推論、統計的可能性等で順序付
けられた選択は除去処理を最適化する結果、より少ない
反復で入力シンボルの最近傍分類を実現する。
された、最近傍を認識するためのより向上した、比較関
数に基づく高速ＯＣＲベクトル認識方法を提供すること
にある。 【構成】 入力ベクトルＳは未分類シンボル（未知入力
文字）を定義し（Ｓ１）、Ｔ個のテンプレートベクトル
は分類済文字（メモリ内のアルファベットフォントの既
知文字）を定義する（Ｓ２）。最近傍分類は、入力ベク
トルとテンプレートベクトル間の最も近い一致により離
れたテンプレートを除くことで認識され、本ＯＣＲ方法
は、反復サイクルを処理するにつれ離れた近傍を大量に
除く三角不等式を使って達成される（Ｓ３〜Ｓ７）。減
少する候補グループからのテンプレートベクトルの選択
順はランダムでも順序付けられてもよいが、テンプレー
ト文字の使用頻度や履歴推論、統計的可能性等で順序付
けられた選択は除去処理を最適化する結果、より少ない
反復で入力シンボルの最近傍分類を実現する。
Description
【０００１】
【産業上の利用分野】本発明は入力記号のＯＣＲ分類に
関し、さらに詳しくは比較関数に基づいた最近傍(neare
st neighbor)分類方法に関するものである。
関し、さらに詳しくは比較関数に基づいた最近傍(neare
st neighbor)分類方法に関するものである。
【０００２】
【従来の技術】従来、入力文字のビットマップをライブ
ラリテンプレートのビットマップに照らして分類する際
に、比較関数が使用されてきた。入力とテンプレートと
の各照合（マッチング）における全画素比較の総数か
ら、最近似の一致を示す相関値が得られた。しかしなが
ら、こうした従来の相関技術は、遠いテンプレートを排
除したり認識手順の速度を早めるための、テンプレート
相互の比較や“三角不等式の原理(Triangle of Inequal
ity Principle)”は採用されていない。
ラリテンプレートのビットマップに照らして分類する際
に、比較関数が使用されてきた。入力とテンプレートと
の各照合（マッチング）における全画素比較の総数か
ら、最近似の一致を示す相関値が得られた。しかしなが
ら、こうした従来の相関技術は、遠いテンプレートを排
除したり認識手順の速度を早めるための、テンプレート
相互の比較や“三角不等式の原理(Triangle of Inequal
ity Principle)”は採用されていない。
【０００３】本発明者により１９９２年９月１日に第０
７／９３７，７３２号として米国出願され、この米国出
願を優先権主張して１９９３年９月１日に特願平５−２
１１７６５号として日本出願され、本出願と同一出願人
に譲渡されている「ピクセル重み付けによるテンプレー
トライブラリの強調方法(METHOD OF OCR TEMPLATE ENHA
NCEMENT BY PIXEL WEIGHTING) 」では、比較関数を使用
して、入力文字の特定のフォントに関してテンプレート
ライブラリを強調することが開示されている。
７／９３７，７３２号として米国出願され、この米国出
願を優先権主張して１９９３年９月１日に特願平５−２
１１７６５号として日本出願され、本出願と同一出願人
に譲渡されている「ピクセル重み付けによるテンプレー
トライブラリの強調方法(METHOD OF OCR TEMPLATE ENHA
NCEMENT BY PIXEL WEIGHTING) 」では、比較関数を使用
して、入力文字の特定のフォントに関してテンプレート
ライブラリを強調することが開示されている。
【０００４】同じく本発明者により１９９３年１月２２
日に第０８／００８，５５６号として米国出願され、こ
の米国出願を優先権主張して１９９４年１月２４日に特
願平６−５８４８３号として日本出願され、同じく同一
出願人に譲渡されている「ピクセル重み付けによるマル
チフォント・テンプレートライブラリの強調方法(METHO
D OF MULTI-FONT TEMPLATE ENHANCEMENT) 」では、テン
プレートサブクラスの規定を用いてライブラリテンプレ
ートの強調を行ない、入力文字のマルチフォント(multi
ple fonts)やその他の変形フォントに適用することが開
示されている。
日に第０８／００８，５５６号として米国出願され、こ
の米国出願を優先権主張して１９９４年１月２４日に特
願平６−５８４８３号として日本出願され、同じく同一
出願人に譲渡されている「ピクセル重み付けによるマル
チフォント・テンプレートライブラリの強調方法(METHO
D OF MULTI-FONT TEMPLATE ENHANCEMENT) 」では、テン
プレートサブクラスの規定を用いてライブラリテンプレ
ートの強調を行ない、入力文字のマルチフォント(multi
ple fonts)やその他の変形フォントに適用することが開
示されている。
【０００５】マイケル Ｔ・オーチャード(Michael T.Or
chard) 著「高速な最近傍サーチアルゴリズム(A Fast N
earest Neighbor Search Algorithm)」（IEEE ICASSP c
onference at Toronto Canada 14-17 May 1991, Vol.
4, pages 2297-2300) では、最近傍サーチが開示されて
いる。ここには、スピーチコードブックや三角不等式の
原理（２２９８ページの図１）を用いた画像のカラー量
子化が含まれている。
chard) 著「高速な最近傍サーチアルゴリズム(A Fast N
earest Neighbor Search Algorithm)」（IEEE ICASSP c
onference at Toronto Canada 14-17 May 1991, Vol.
4, pages 2297-2300) では、最近傍サーチが開示されて
いる。ここには、スピーチコードブックや三角不等式の
原理（２２９８ページの図１）を用いた画像のカラー量
子化が含まれている。
【０００６】
【発明が解決しようとする課題】従って、本発明の目的
は、最近傍を認識するためのより向上した、比較関数に
基づく高速ＯＣＲベクトル認識方法を提供することにあ
る。本発明の他の目的は、三角不等式の原理を用いるこ
とにより、高速化された比較関数に基づくＯＣＲベクト
ル認識方法を提供することにある。
は、最近傍を認識するためのより向上した、比較関数に
基づく高速ＯＣＲベクトル認識方法を提供することにあ
る。本発明の他の目的は、三角不等式の原理を用いるこ
とにより、高速化された比較関数に基づくＯＣＲベクト
ル認識方法を提供することにある。
【０００７】本発明のさらに他の目的は、上記の比較関
数に基づく方法であって、予めテンプレート間の比較値
を比較計算し、即座に使用できるように格納しておくＯ
ＣＲベクトル認識方法を提供することにある。本発明の
他の目的は、上記の比較関数に基づく方法であって、各
反復のテンプレートベクトルの選択を体系的に行なうＯ
ＣＲベクトル認識方法にある。
数に基づく方法であって、予めテンプレート間の比較値
を比較計算し、即座に使用できるように格納しておくＯ
ＣＲベクトル認識方法を提供することにある。本発明の
他の目的は、上記の比較関数に基づく方法であって、各
反復のテンプレートベクトルの選択を体系的に行なうＯ
ＣＲベクトル認識方法にある。
【０００８】本方法のさらに他の目的や利点は、以下の
詳細な説明及び図面より明らかになるであろう。
詳細な説明及び図面より明らかになるであろう。
【０００９】
【課題を解決するための手段】簡潔に述べると、本発明
の上記のあるいはその他の目的は、比較関数に基づくＯ
ＣＲ方法で、Ｔ個のテンプレートベクトルのライブラリ
に対して入力ベクトルＳの最近傍分類ベクトルを認識す
る方法を提供することにより達成される。入力ベクトル
Ｓは認識されるべき未分類記号を定義し、Ｔ個のテンプ
レートベクトルのライブラリは、マッチングに使用可能
な分類済みの文字を定義している。入力ベクトルＳはエ
レメント列であり、各エレメントは数値を有している。
各テンプレートベクトル（Ｔ１，Ｔ２，…Ｔｉ…，Ｔ
Ｔ）も数値を有するエレメント列である。第１のテンプ
レートベクトルＴｉ1st がライブラリから選択されて、
入力比較関数に基づいて入力ベクトルＳと比較され、第
１の入力比較値Ｖ1st が生成される。第１の入力比較値
Ｖ1st の関数として第１の比較閾値Ｒ1st が決定され
る。テンプレート相互の比較関数に基づいて、テンプレ
ート相互の比較値が第１のテンプレートベクトルＴｉ
1st と（Ｔー１）個のその他のテンプレートベクトル
（Ｔ１，Ｔ２，…，ＴＴ）との間に供給される。ライブ
ラリのテンプレートベクトルで、テンプレート相互の比
較値が第１の比較閾値Ｖ1st 内であるものが同定され
て、テンプレートベクトルの第１の候補グループＧ1st
が形成される。このグループには入力ベクトルＳの最近
傍分類ベクトルが含まれており、閾値外のテンプレート
相互の比較値を持つテンプレートベクトルはグループか
ら排除されている。第２のテンプレートベクトルＴｉ
2nd が第１の候補グループＧ1st から選択され、入力ベ
クトルＳと比較されて、第２の入力比較値Ｖ2nd が生成
される。テンプレート相互の比較値が、第２のテンプレ
ートベクトルＴｉ2nd と第１の候補グループＧ1st 内の
選択されなかったテンプレートベクトルとの間に供給さ
れる。第１の候補グループＧ1st 内のテンプレートベク
トルで、テンプレート相互の比較値が第２の入力比較値
Ｖ2nd により決定された値内であるものが同定されて、
第２の候補グループＧ2nd が形成される。第２のグルー
プには入力ベクトルＳの最近傍分類ベクトルが含まれて
おり、第１の候補グループＧ1st からの閾値外のテンプ
レートベクトルはグループから排除されている。また、
以前の同定ステップで排除されたテンプレートベクトル
も第２のグループから排除されている。入力ベクトルＳ
の最近傍分類ベクトルである、単一の最終テンプレート
ベクトルＴｉFin を除く全テンプレートベクトルが排除
されるまで、選択ステップ，比較ステップ，決定ステッ
プ，テンプレート相互の比較値供給ステップ，同定ステ
ップが反復される。
の上記のあるいはその他の目的は、比較関数に基づくＯ
ＣＲ方法で、Ｔ個のテンプレートベクトルのライブラリ
に対して入力ベクトルＳの最近傍分類ベクトルを認識す
る方法を提供することにより達成される。入力ベクトル
Ｓは認識されるべき未分類記号を定義し、Ｔ個のテンプ
レートベクトルのライブラリは、マッチングに使用可能
な分類済みの文字を定義している。入力ベクトルＳはエ
レメント列であり、各エレメントは数値を有している。
各テンプレートベクトル（Ｔ１，Ｔ２，…Ｔｉ…，Ｔ
Ｔ）も数値を有するエレメント列である。第１のテンプ
レートベクトルＴｉ1st がライブラリから選択されて、
入力比較関数に基づいて入力ベクトルＳと比較され、第
１の入力比較値Ｖ1st が生成される。第１の入力比較値
Ｖ1st の関数として第１の比較閾値Ｒ1st が決定され
る。テンプレート相互の比較関数に基づいて、テンプレ
ート相互の比較値が第１のテンプレートベクトルＴｉ
1st と（Ｔー１）個のその他のテンプレートベクトル
（Ｔ１，Ｔ２，…，ＴＴ）との間に供給される。ライブ
ラリのテンプレートベクトルで、テンプレート相互の比
較値が第１の比較閾値Ｖ1st 内であるものが同定され
て、テンプレートベクトルの第１の候補グループＧ1st
が形成される。このグループには入力ベクトルＳの最近
傍分類ベクトルが含まれており、閾値外のテンプレート
相互の比較値を持つテンプレートベクトルはグループか
ら排除されている。第２のテンプレートベクトルＴｉ
2nd が第１の候補グループＧ1st から選択され、入力ベ
クトルＳと比較されて、第２の入力比較値Ｖ2nd が生成
される。テンプレート相互の比較値が、第２のテンプレ
ートベクトルＴｉ2nd と第１の候補グループＧ1st 内の
選択されなかったテンプレートベクトルとの間に供給さ
れる。第１の候補グループＧ1st 内のテンプレートベク
トルで、テンプレート相互の比較値が第２の入力比較値
Ｖ2nd により決定された値内であるものが同定されて、
第２の候補グループＧ2nd が形成される。第２のグルー
プには入力ベクトルＳの最近傍分類ベクトルが含まれて
おり、第１の候補グループＧ1st からの閾値外のテンプ
レートベクトルはグループから排除されている。また、
以前の同定ステップで排除されたテンプレートベクトル
も第２のグループから排除されている。入力ベクトルＳ
の最近傍分類ベクトルである、単一の最終テンプレート
ベクトルＴｉFin を除く全テンプレートベクトルが排除
されるまで、選択ステップ，比較ステップ，決定ステッ
プ，テンプレート相互の比較値供給ステップ，同定ステ
ップが反復される。
【００１０】
＜一般的な例（図１参照）＞比較関数に基づくＯＣＲ方
法は、Ｔ個のテンプレートベクトルのライブラリに対す
る入力ベクトルＳの最近傍分類を認識するために使用さ
れる。入力ベクトルＳは未分類記号（未知の入力文字）
を定義しており、Ｔ個のテンプレートベクトルは分類済
みの文字（メモリ内のアルファベットフォントの既知の
文字）を定義している。最近傍分類とは反復ＯＣＲマッ
チング技術であって、入力ベクトルとテンプレートベク
トルとの間で遠いテンプレートを排除することによっ
て、最も近い一致を認識するものである。最も近い一致
（最近傍）が入力記号の最適な同定結果となる。このＯ
ＣＲ方法では、反復サイクルが進むにつれて遠い近傍を
大量に排除する三角不等式の原理を用いることにより、
処理速度が増している。
法は、Ｔ個のテンプレートベクトルのライブラリに対す
る入力ベクトルＳの最近傍分類を認識するために使用さ
れる。入力ベクトルＳは未分類記号（未知の入力文字）
を定義しており、Ｔ個のテンプレートベクトルは分類済
みの文字（メモリ内のアルファベットフォントの既知の
文字）を定義している。最近傍分類とは反復ＯＣＲマッ
チング技術であって、入力ベクトルとテンプレートベク
トルとの間で遠いテンプレートを排除することによっ
て、最も近い一致を認識するものである。最も近い一致
（最近傍）が入力記号の最適な同定結果となる。このＯ
ＣＲ方法では、反復サイクルが進むにつれて遠い近傍を
大量に排除する三角不等式の原理を用いることにより、
処理速度が増している。
【００１１】未分類記号や各々の分類済みの文字は、Ｅ
次元の多次元空間の１点と見ることができる。各文字は
Ｅ次元空間に拡がるＥ個のエレメントを有するテンプレ
ートベクトルで定義される。テンプレートベクトルはＥ
t 次元のエレメントを有し、入力ベクトルＳはＥs 次元
のエレメントを有している。図１は、２次元平面１０
（Ｅ＝２）で表される分類済みの代表的な文字（ポイン
ト“Ａ”，“Ｂ”，“Ｃ”，“Ｄ”，“Ｅ”，“Ｆ”，
“Ｇ”）を示している。各文字は、平面１０の２次元座
標系の原点より伸びる２エレメントのテンプレートベク
トル（Ｘ，Ｙ）により定義されている。平面１０におけ
る文字ポイント位置は図示の都合だけによるものであ
り、いずれのＥ次元空間内のいずれの特定アルファベッ
トフォントの実際の最近傍関係を反映するものではな
い。未知のシンボルの点は、疑問符“？”により表され
ており、関係する入力ベクトルＳも２エレメントのベク
トルである。
次元の多次元空間の１点と見ることができる。各文字は
Ｅ次元空間に拡がるＥ個のエレメントを有するテンプレ
ートベクトルで定義される。テンプレートベクトルはＥ
t 次元のエレメントを有し、入力ベクトルＳはＥs 次元
のエレメントを有している。図１は、２次元平面１０
（Ｅ＝２）で表される分類済みの代表的な文字（ポイン
ト“Ａ”，“Ｂ”，“Ｃ”，“Ｄ”，“Ｅ”，“Ｆ”，
“Ｇ”）を示している。各文字は、平面１０の２次元座
標系の原点より伸びる２エレメントのテンプレートベク
トル（Ｘ，Ｙ）により定義されている。平面１０におけ
る文字ポイント位置は図示の都合だけによるものであ
り、いずれのＥ次元空間内のいずれの特定アルファベッ
トフォントの実際の最近傍関係を反映するものではな
い。未知のシンボルの点は、疑問符“？”により表され
ており、関係する入力ベクトルＳも２エレメントのベク
トルである。
【００１２】この比較関数に基づく反復方法は、テンプ
レートベクトルの内の１つ、例えば“Ｂ”を選択するこ
とにより処理が開始される。最初に選択されたテンプレ
ートベクトルは、比較関数を用いて入力べクトルＳ
（？）や他のテンプレートベクトル（Ａ，Ｃ，Ｅ，Ｆ，
Ｇ）と比較される。この最初のテンプレートベクトル
“Ｂ”の比較により生成されたテンプレート相互の比較
値（以下、テンプレート比較値ともいう）が、選択され
たポイントＢと他のテンプレートポイント間の相互の距
離（小文字の“ａ”，“ｃ”，“ｄ”，“ｅ”，
“ｆ”，“ｇ”）である。入力比較値は、選択ポイント
Ｂと入力ポイント“？”間の距離（“ｒ”）である。
レートベクトルの内の１つ、例えば“Ｂ”を選択するこ
とにより処理が開始される。最初に選択されたテンプレ
ートベクトルは、比較関数を用いて入力べクトルＳ
（？）や他のテンプレートベクトル（Ａ，Ｃ，Ｅ，Ｆ，
Ｇ）と比較される。この最初のテンプレートベクトル
“Ｂ”の比較により生成されたテンプレート相互の比較
値（以下、テンプレート比較値ともいう）が、選択され
たポイントＢと他のテンプレートポイント間の相互の距
離（小文字の“ａ”，“ｃ”，“ｄ”，“ｅ”，
“ｆ”，“ｇ”）である。入力比較値は、選択ポイント
Ｂと入力ポイント“？”間の距離（“ｒ”）である。
【００１３】三角不等式の原理が、ポイントＢ，ポイン
ト“？”及び他のいずれかのテンプレートポイント（ポ
イントＣなど；三角形１２参照）により形成される三角
形に適用される。この原理は、ポイントＢを中心として
半径“２ｒ”の円の外にある全てのテンプレートポイン
トが（ポイントＣなど）、入力ポイント“？”よりもポ
イントＢから離れた近傍であることを規定する。具体的
には、テンプレート間の比較値“ｃ”は入力比較値
“ｒ”の２倍より大きいので、最近傍からは排除される
ことになる。ポイントＢ及びポイント“？”と並んでい
るポイントＤの場合、三角不等式の原理を適用すると直
線ＢＤ（線１４参照）となる。線ＢＤは中心近くにポイ
ント“？”を含み、線セグメントＢ？（“ｒ”）と？Ｄ
とにより形成される。
ト“？”及び他のいずれかのテンプレートポイント（ポ
イントＣなど；三角形１２参照）により形成される三角
形に適用される。この原理は、ポイントＢを中心として
半径“２ｒ”の円の外にある全てのテンプレートポイン
トが（ポイントＣなど）、入力ポイント“？”よりもポ
イントＢから離れた近傍であることを規定する。具体的
には、テンプレート間の比較値“ｃ”は入力比較値
“ｒ”の２倍より大きいので、最近傍からは排除される
ことになる。ポイントＢ及びポイント“？”と並んでい
るポイントＤの場合、三角不等式の原理を適用すると直
線ＢＤ（線１４参照）となる。線ＢＤは中心近くにポイ
ント“？”を含み、線セグメントＢ？（“ｒ”）と？Ｄ
とにより形成される。
【００１４】離れたポイントは排除することができる。
それは、そうした基調をなす文字が未知の文字“？”と
の最近傍一致になる可能性がないからである。こうし
て、図１の仮説的な例では、文字Ａ，Ｃ，Ｄ，Ｅは２ｒ
より大きいテンプレート間の比較値を有し、次の反復サ
イクルから除外され、Ｆ及びＧへと候補が絞られる。 ＜一般的な方法（図２参照）＞比較関数に基づく反復Ｏ
ＣＲ方法の各ステップが図２に要約されており、以下に
詳細に説明される。
それは、そうした基調をなす文字が未知の文字“？”と
の最近傍一致になる可能性がないからである。こうし
て、図１の仮説的な例では、文字Ａ，Ｃ，Ｄ，Ｅは２ｒ
より大きいテンプレート間の比較値を有し、次の反復サ
イクルから除外され、Ｆ及びＧへと候補が絞られる。 ＜一般的な方法（図２参照）＞比較関数に基づく反復Ｏ
ＣＲ方法の各ステップが図２に要約されており、以下に
詳細に説明される。
【００１５】ステップＳ１：エレメント列の形で、未分
類シンボルの入力ベクトルＳを供給する。各エレメント
は数値を有している。 ステップＳ２：Ｔ個のエレメント列の形で、Ｔ個のテン
プレートベクトル（Ｔ１，Ｔ２，…Ｔｉ…，ＴＴ）を供
給する。各エレメントは数値を有している。入力ベクト
ルエレメントとテンプレートベクトルエレメントとの数
値は、画素画像内の画素の強度レベル（グレイスケー
ル）でもよい（画素マトリックスの項参照）。あるい
は、各エレメントの数値はＯＣＲ特徴セット（ビジュア
ル・アスペクツの項参照）に含まれる特徴構造の数値で
もよい。一連の数値を含むその他の不明瞭な認識パラメ
ータ（モーメントなど）は、ベクトルのエレメントを形
成するのに使用することも可能である。
類シンボルの入力ベクトルＳを供給する。各エレメント
は数値を有している。 ステップＳ２：Ｔ個のエレメント列の形で、Ｔ個のテン
プレートベクトル（Ｔ１，Ｔ２，…Ｔｉ…，ＴＴ）を供
給する。各エレメントは数値を有している。入力ベクト
ルエレメントとテンプレートベクトルエレメントとの数
値は、画素画像内の画素の強度レベル（グレイスケー
ル）でもよい（画素マトリックスの項参照）。あるい
は、各エレメントの数値はＯＣＲ特徴セット（ビジュア
ル・アスペクツの項参照）に含まれる特徴構造の数値で
もよい。一連の数値を含むその他の不明瞭な認識パラメ
ータ（モーメントなど）は、ベクトルのエレメントを形
成するのに使用することも可能である。
【００１６】ステップＳ３：Ｔ個のテンプレートベクト
ルのライブラリより初期テンプレートベクトルＴｉ1st
を選択する。選択は全く任意に行なうことができる。つ
まり、ライブラリ（もしくは後続のより小規模な候補グ
ループ）のいずれのテンプレートベクトルでも、初期ベ
クトル（もしくは選択されたベクトル）にすることが可
能である。選択の順序は固定にすることもできるが、ラ
イブラリに関連付けられた任意のシーケンスにしてもよ
い。例えば、Ａ〜Ｚ、ａ〜ｚ、そして０〜９、のように
アルファベット順に行なうことができる。そうした固定
のシーケンスでは、同一のテンプレートベクトルが常に
初期ベクトルであり、続いて選択されるベクトルが、三
角不等式の原理によって進行するテンプレートベクトル
の排除に従って同じ順序になる。あるいは、使用頻度
（Ｆ／Ｕ）または履歴推論（ＨＩ）などのように、選択
を体系的に行なうことも可能である。
ルのライブラリより初期テンプレートベクトルＴｉ1st
を選択する。選択は全く任意に行なうことができる。つ
まり、ライブラリ（もしくは後続のより小規模な候補グ
ループ）のいずれのテンプレートベクトルでも、初期ベ
クトル（もしくは選択されたベクトル）にすることが可
能である。選択の順序は固定にすることもできるが、ラ
イブラリに関連付けられた任意のシーケンスにしてもよ
い。例えば、Ａ〜Ｚ、ａ〜ｚ、そして０〜９、のように
アルファベット順に行なうことができる。そうした固定
のシーケンスでは、同一のテンプレートベクトルが常に
初期ベクトルであり、続いて選択されるベクトルが、三
角不等式の原理によって進行するテンプレートベクトル
の排除に従って同じ順序になる。あるいは、使用頻度
（Ｆ／Ｕ）または履歴推論（ＨＩ）などのように、選択
を体系的に行なうことも可能である。
【００１７】ステップＳ４：入力比較関数に基づいて、
初期テンプレートベクトルＴｉ1stを入力ベクトルＳと
比較し、初期入力比較値Ｖ1st を生成する。比較関数は
入力ベクトルＳを各選択テンプレートベクトルと組織的
に組み合わせて、スカラー入力比較値の数列を生成する
ための数学的関係を表している。比較値は、類似性(lik
e entity) を比較するのに使用されるものであるから、
単位を導入するべきではない。比較関数は、比較ベクト
ル相互の相違を量化する相違型関数（相違関数の項参
照）にしてもよい。あるいは、比較関数は、比較ベクト
ル相互の類似を量化する類似型関数（類似関数の項参
照）でもよい。
初期テンプレートベクトルＴｉ1stを入力ベクトルＳと
比較し、初期入力比較値Ｖ1st を生成する。比較関数は
入力ベクトルＳを各選択テンプレートベクトルと組織的
に組み合わせて、スカラー入力比較値の数列を生成する
ための数学的関係を表している。比較値は、類似性(lik
e entity) を比較するのに使用されるものであるから、
単位を導入するべきではない。比較関数は、比較ベクト
ル相互の相違を量化する相違型関数（相違関数の項参
照）にしてもよい。あるいは、比較関数は、比較ベクト
ル相互の類似を量化する類似型関数（類似関数の項参
照）でもよい。
【００１８】ステップＳ５：初期入力比較値Ｖ1st の関
数として、初期比較閾値Ｒ1st を決定する。比較閾値
は、相違比較関数（図１参照）で用いられているよう
に、単純に入力比較値の２倍の値でもよいし、他のタイ
プの比較関数のためにより複雑な関係を表す値でもよ
い。 ステップＳ６：テンプレート間の比較関数に基づいて、
初期テンプレートベクトルＴｉ1st と（Ｔー１）個の他
のテンプレートベクトル（Ｔ１，Ｔ２，…，ＴＴ）との
間のテンプレート相互の比較値を供給する。テンプレー
ト間の比較値もまたスカラー値である。テンプレート相
互の比較関数は入力比較関数と同一であっても、または
数学的に等価であってもよい。
数として、初期比較閾値Ｒ1st を決定する。比較閾値
は、相違比較関数（図１参照）で用いられているよう
に、単純に入力比較値の２倍の値でもよいし、他のタイ
プの比較関数のためにより複雑な関係を表す値でもよ
い。 ステップＳ６：テンプレート間の比較関数に基づいて、
初期テンプレートベクトルＴｉ1st と（Ｔー１）個の他
のテンプレートベクトル（Ｔ１，Ｔ２，…，ＴＴ）との
間のテンプレート相互の比較値を供給する。テンプレー
ト間の比較値もまたスカラー値である。テンプレート相
互の比較関数は入力比較関数と同一であっても、または
数学的に等価であってもよい。
【００１９】ステップＳ７：Ｔ個のテンプレートのライ
ブラリ内で、初期比較閾値Ｒ1st 内のテンプレート比較
値を持つテンプレートベクトルを同定する。この最初の
同定ステップで、Ｔ個のテンプレートのライブラリに対
する入力ベクトルＳの最近傍分類ベクトルを含む第１候
補グループＧ1st を形成する。第１グループは、閾値外
のテンプレート比較値を持つテンプレートベクトルを排
除している。
ブラリ内で、初期比較閾値Ｒ1st 内のテンプレート比較
値を持つテンプレートベクトルを同定する。この最初の
同定ステップで、Ｔ個のテンプレートのライブラリに対
する入力ベクトルＳの最近傍分類ベクトルを含む第１候
補グループＧ1st を形成する。第１グループは、閾値外
のテンプレート比較値を持つテンプレートベクトルを排
除している。
【００２０】ステップＳ８：第１候補グループＧ1st よ
り、第２のテンプレートベクトルＴｉ2nd を選択する。 ステップＳ９：入力比較関数に基づいて、第２のテンプ
レートベクトルＴｉ2n d を入力ベクトルＳと比較し、第
２の入力比較値Ｖ2nd を生成する。 ステップＳ１０：テンプレート相互の比較関数に基づい
て、第２のテンプレートベクトルＴｉ2nd と第１候補グ
ループＧ1st 内の選択されなかったテンプレートベクト
ルとの間のテンプレート相互の比較値を供給する。
り、第２のテンプレートベクトルＴｉ2nd を選択する。 ステップＳ９：入力比較関数に基づいて、第２のテンプ
レートベクトルＴｉ2n d を入力ベクトルＳと比較し、第
２の入力比較値Ｖ2nd を生成する。 ステップＳ１０：テンプレート相互の比較関数に基づい
て、第２のテンプレートベクトルＴｉ2nd と第１候補グ
ループＧ1st 内の選択されなかったテンプレートベクト
ルとの間のテンプレート相互の比較値を供給する。
【００２１】ステップＳ１１：第１候補グループＧ1st
内で、第２の入力比較値Ｖ2nd により決定された閾値内
のテンプレート比較値を持つテンプレートベクトルを同
定する。この第２の同定ステップで、入力ベクトルＳの
最近傍分類ベクトルを含むテンプレートベクトルの第２
候補グループＧ2nd を形成する。第２候補グループは、
閾値外のテンプレート比較値を持つテンプレートベクト
ルを第１候補グループＧ1st から排除し、また、以前の
同定ステップで除外された全てのテンプレートベクトル
をも排除している。
内で、第２の入力比較値Ｖ2nd により決定された閾値内
のテンプレート比較値を持つテンプレートベクトルを同
定する。この第２の同定ステップで、入力ベクトルＳの
最近傍分類ベクトルを含むテンプレートベクトルの第２
候補グループＧ2nd を形成する。第２候補グループは、
閾値外のテンプレート比較値を持つテンプレートベクト
ルを第１候補グループＧ1st から排除し、また、以前の
同定ステップで除外された全てのテンプレートベクトル
をも排除している。
【００２２】ステップＳ１２：選択ステップ，比較ステ
ップ，決定ステップ，テンプレート相互の比較値供給ス
テップ，同定ステップを、単一の最終テンプレートベク
トルＴｉFin を除く全てのテンプレートベクトルが排除
されるまで反復する。唯一残ったテンプレートベクトル
が、Ｔ個のテンプレートベクトルのライブラリに対する
入力ベクトルＳの最近傍分類ベクトルとなる。
ップ，決定ステップ，テンプレート相互の比較値供給ス
テップ，同定ステップを、単一の最終テンプレートベク
トルＴｉFin を除く全てのテンプレートベクトルが排除
されるまで反復する。唯一残ったテンプレートベクトル
が、Ｔ個のテンプレートベクトルのライブラリに対する
入力ベクトルＳの最近傍分類ベクトルとなる。
【００２３】＜比較ペアメモリ（図３及び図４参照）＞
Ｅ次元空間内のＴ個のテンプレートベクトル間の特定の
関係は、照合（マッチング）のために新たな入力シンボ
ルが供給されても変化することはない。従ってテンプレ
ート相互の比較値（Ｔｉ Ｔｊ）の各々は一定であり、
反復サイクルの間に直ちに使用できるように、予め比較
されてメモリ装置に格納しておくことが可能である。テ
ンプレート比較値の全値（Ｔ１ Ｔ１，Ｔ１ Ｔ２，…，
ＴＴＴＴ）は、Ｔ列Ｔ行（図３参照）でＴ対Ｔの比較値
ペアを格納するメモリ３０に格納され、Ｔ2 個のエント
リとなっている。選択テンプレートベクトルの列（また
は行）をアドレスすることにより、選択テンプレートベ
クトルとペアになったテンプレート比較値の全部を検索
できる。
Ｅ次元空間内のＴ個のテンプレートベクトル間の特定の
関係は、照合（マッチング）のために新たな入力シンボ
ルが供給されても変化することはない。従ってテンプレ
ート相互の比較値（Ｔｉ Ｔｊ）の各々は一定であり、
反復サイクルの間に直ちに使用できるように、予め比較
されてメモリ装置に格納しておくことが可能である。テ
ンプレート比較値の全値（Ｔ１ Ｔ１，Ｔ１ Ｔ２，…，
ＴＴＴＴ）は、Ｔ列Ｔ行（図３参照）でＴ対Ｔの比較値
ペアを格納するメモリ３０に格納され、Ｔ2 個のエント
リとなっている。選択テンプレートベクトルの列（また
は行）をアドレスすることにより、選択テンプレートベ
クトルとペアになったテンプレート比較値の全部を検索
できる。
【００２４】Ｔ対Ｔメモリ３０では、全てのテンプレー
ト比較値が２度現われる（１度は列によって、２度目は
行による）。同一のテンプレートベクトル（Ｔ１ Ｔ
１，Ｔ２ Ｔ２，…，Ｔｉ Ｔｉ，…，ＴＴ ＴＴ）間の
単純な同一エントリの比較値は、対角線上のセルに格納
されている。こうした比較値は相違関数に対して最小値
（例えば０）となり、類似関数に対しては最大値（例え
ば１）となる。截断型メモリ４０（図４参照）に格納さ
れた比較値は、重複されないテンプレート比較値であ
り、エントリは（Ｔ2 ーＴ）／２個である。各テンプレ
ート比較値は１度（列によってのみ）しか現われず、単
純な同一比較値は除外されている。
ト比較値が２度現われる（１度は列によって、２度目は
行による）。同一のテンプレートベクトル（Ｔ１ Ｔ
１，Ｔ２ Ｔ２，…，Ｔｉ Ｔｉ，…，ＴＴ ＴＴ）間の
単純な同一エントリの比較値は、対角線上のセルに格納
されている。こうした比較値は相違関数に対して最小値
（例えば０）となり、類似関数に対しては最大値（例え
ば１）となる。截断型メモリ４０（図４参照）に格納さ
れた比較値は、重複されないテンプレート比較値であ
り、エントリは（Ｔ2 ーＴ）／２個である。各テンプレ
ート比較値は１度（列によってのみ）しか現われず、単
純な同一比較値は除外されている。
【００２５】＜画素マトリックス（図５及び図６参照）
＞入力ベクトルＳ及びテンプレートベクトルは、入力未
分類シンボルと画素マトリックスなどの直接見ることの
できる画像フォーマットの分類済み文字とを定義してい
る。図５では入力シンボルはシンボル“？”として示さ
れ、図６では選択テンプレートベクトルは文字“Ｂ”と
して示されている。これらの画像は、画素ビットマップ
メモリにデジタルデータとして格納されている前景画素
と背景画素間のコントラスト差で表現されている。各エ
レメントは１画素として格納されている。前景及び背景
は２値フォーマットの黒白データでもよいし、グレイス
ケール（またはカラー）フォーマットの明度（または色
調(shade) ）レベルデータでもよい。
＞入力ベクトルＳ及びテンプレートベクトルは、入力未
分類シンボルと画素マトリックスなどの直接見ることの
できる画像フォーマットの分類済み文字とを定義してい
る。図５では入力シンボルはシンボル“？”として示さ
れ、図６では選択テンプレートベクトルは文字“Ｂ”と
して示されている。これらの画像は、画素ビットマップ
メモリにデジタルデータとして格納されている前景画素
と背景画素間のコントラスト差で表現されている。各エ
レメントは１画素として格納されている。前景及び背景
は２値フォーマットの黒白データでもよいし、グレイス
ケール（またはカラー）フォーマットの明度（または色
調(shade) ）レベルデータでもよい。
【００２６】入力ベクトルマトリックス５０（図５参
照）はＰs 個の画素エレメントを有し、各テンプレート
ベクトルマトリックス６０（図６参照）はＰt 個の画素
エレメントを有している。未分類シンボルは、分類済み
の文字がテンプレートベクトルに定義されているのと同
一解像度の入力ベクトルマトリックスによって定義する
ことができる。同一解像度の場合、入力ベクトルマトリ
ックスの画素数Ｐs はテンプレートベクトルマトリック
スの画素数Ｐt に相当する。入力ベクトルの画素画像は
Ｒs 個の行とＣs 個の列とを持つ画素マトリックスであ
り、Ｔ個のテンプレートベクトルの各々の画素画像はＲ
t 個の行とＣt 個の列とを持つ画素マトリックスであ
る。入力ベクトルの画素画像における行数Ｒs と列数Ｃ
s とは、Ｔ個のテンプレートベクトルの各々の画素画像
における行数Ｒt と列数Ｃt に等しいことが好ましい。
あるいは、未分類シンボルは、以前に分類済みの文字と
異なる解像度で定義することもできる。その場合は、Ｐ
s （及びＲs ，Ｃs ）はＰt （及びＲt ，Ｃt ）と等し
くならない。
照）はＰs 個の画素エレメントを有し、各テンプレート
ベクトルマトリックス６０（図６参照）はＰt 個の画素
エレメントを有している。未分類シンボルは、分類済み
の文字がテンプレートベクトルに定義されているのと同
一解像度の入力ベクトルマトリックスによって定義する
ことができる。同一解像度の場合、入力ベクトルマトリ
ックスの画素数Ｐs はテンプレートベクトルマトリック
スの画素数Ｐt に相当する。入力ベクトルの画素画像は
Ｒs 個の行とＣs 個の列とを持つ画素マトリックスであ
り、Ｔ個のテンプレートベクトルの各々の画素画像はＲ
t 個の行とＣt 個の列とを持つ画素マトリックスであ
る。入力ベクトルの画素画像における行数Ｒs と列数Ｃ
s とは、Ｔ個のテンプレートベクトルの各々の画素画像
における行数Ｒt と列数Ｃt に等しいことが好ましい。
あるいは、未分類シンボルは、以前に分類済みの文字と
異なる解像度で定義することもできる。その場合は、Ｐ
s （及びＲs ，Ｃs ）はＰt （及びＲt ，Ｃt ）と等し
くならない。
【００２７】未分類入力シンボルの解像度は、分類済み
のテンプレート文字の解像度の倍数“ｍ”である。この
倍数の解像度では、入力ベクトルマトリックスにおける
画素数Ｐs はテンプレートベクトルの画素数Ｐt の倍数
“ｍ”となる。例えば、倍数ｍ＝２とすると、Ｐs は２
４００画素（６０列４０行のマトリックス）で、Ｐtは
僅かに６００画素（３０列２０行のマトリックス）とな
る。マトリックスの有益な解像度は、印刷文字を読み取
ってメモリ内のベクトルにするために用いるスキャナの
解像度の関数である。２４００画素のマトリックス（６
０×４０）は４００ｄｐｉ(dots per inch) のスキャナ
で得られ、６００画素のマトリックス（３０×２０）は
２００ｄｐｉのスキャナで得られる。
のテンプレート文字の解像度の倍数“ｍ”である。この
倍数の解像度では、入力ベクトルマトリックスにおける
画素数Ｐs はテンプレートベクトルの画素数Ｐt の倍数
“ｍ”となる。例えば、倍数ｍ＝２とすると、Ｐs は２
４００画素（６０列４０行のマトリックス）で、Ｐtは
僅かに６００画素（３０列２０行のマトリックス）とな
る。マトリックスの有益な解像度は、印刷文字を読み取
ってメモリ内のベクトルにするために用いるスキャナの
解像度の関数である。２４００画素のマトリックス（６
０×４０）は４００ｄｐｉ(dots per inch) のスキャナ
で得られ、６００画素のマトリックス（３０×２０）は
２００ｄｐｉのスキャナで得られる。
【００２８】入力ベクトルマトリックスの画素数Ｐs は
テンプレートベクトルの画素数Ｐtと一致するように、
“ｍ”個の画素を持つ四角形の各画素グループを平均値
に置き換えることにより減少させられる。つまり、入力
ベクトルマトリックスの各画素のｍ×ｍの四角形は単一
の合成画素に代えられて、入力比較関数において使用さ
れる。あるいは、画素数Ｐs は、入力ベクトルマトリッ
クスのｍ行目毎の行全部とｍ列目毎の列全部だけを用い
ることで減少させてもよい。
テンプレートベクトルの画素数Ｐtと一致するように、
“ｍ”個の画素を持つ四角形の各画素グループを平均値
に置き換えることにより減少させられる。つまり、入力
ベクトルマトリックスの各画素のｍ×ｍの四角形は単一
の合成画素に代えられて、入力比較関数において使用さ
れる。あるいは、画素数Ｐs は、入力ベクトルマトリッ
クスのｍ行目毎の行全部とｍ列目毎の列全部だけを用い
ることで減少させてもよい。
【００２９】分類済みのテンプレート文字の解像度を未
分類の入力シンボルの倍数“ｍ”の解像度とすることも
可能である。その場合、Ｐt はＰs の係数“ｍ”とな
る。例えば、倍数ｍ＝３とすると、Ｐs は僅か１３５０
画素（４５列３０行のマトリックス）で、Ｐt は１２，
１５０画素（１３５列９０行のマトリックス）となる。
このケースでは、Ｐt がＰs に一致するように、隣接画
素エレメントを平均するかあるいは３行目毎の行全部と
及び３列目毎の列全部だけを用いて減少させてもよい。
分類の入力シンボルの倍数“ｍ”の解像度とすることも
可能である。その場合、Ｐt はＰs の係数“ｍ”とな
る。例えば、倍数ｍ＝３とすると、Ｐs は僅か１３５０
画素（４５列３０行のマトリックス）で、Ｐt は１２，
１５０画素（１３５列９０行のマトリックス）となる。
このケースでは、Ｐt がＰs に一致するように、隣接画
素エレメントを平均するかあるいは３行目毎の行全部と
及び３列目毎の列全部だけを用いて減少させてもよい。
【００３０】＜視覚相（ビジュアル・アスペクツ）＞入
力ベクトルＳのエレメント列は、単に未分類シンボルの
ビジュアル・アスペクツ(visual aspects)を定義するだ
けであって、画素画像の説明で述べたような画像全体を
定義するものではない。Ｔ個のテンプレートベクトルの
各々のエレメント列は、未分類の文字の対応するビジュ
アル・アスペクツを限定する。入力シンボル及びテンプ
レート文字のビジュアル・アスペクツは、全体の高さ，
全体の幅，ストローク幅，主線の位置，補足的な線の位
置，画像密度，前景（黒）画素の総数，前景データの中
心部，距離及び角度（ウォークアラウンド(walk aroun
d) ）に換算した前景データの輪郭などの特徴(feature)
セットとすることができる。
力ベクトルＳのエレメント列は、単に未分類シンボルの
ビジュアル・アスペクツ(visual aspects)を定義するだ
けであって、画素画像の説明で述べたような画像全体を
定義するものではない。Ｔ個のテンプレートベクトルの
各々のエレメント列は、未分類の文字の対応するビジュ
アル・アスペクツを限定する。入力シンボル及びテンプ
レート文字のビジュアル・アスペクツは、全体の高さ，
全体の幅，ストローク幅，主線の位置，補足的な線の位
置，画像密度，前景（黒）画素の総数，前景データの中
心部，距離及び角度（ウォークアラウンド(walk aroun
d) ）に換算した前景データの輪郭などの特徴(feature)
セットとすることができる。
【００３１】＜相違関数＞比較関数は相違関数（図１に
関連して前述したように）でもよい。この場合、各反復
で生成される入力比較値は、選択テンプレートベクトル
と入力ベクトルＳとの間のユークリッド距離“ｒ”とな
る。各反復で決定される比較閾値は、次の関係に基づい
て、ゼロから各反復で生成される入力比較値の２倍まで
の値となる。
関連して前述したように）でもよい。この場合、各反復
で生成される入力比較値は、選択テンプレートベクトル
と入力ベクトルＳとの間のユークリッド距離“ｒ”とな
る。各反復で決定される比較閾値は、次の関係に基づい
て、ゼロから各反復で生成される入力比較値の２倍まで
の値となる。
【００３２】Ｒkth ＝２×（ＣＶkth ）＝ 距離“ｒ” ｋ：ＯＣＲ方法のｋ番目の反復サイクル Ｒ：ｋ番目の反復の比較閾値 ＣＶ：ｋ番目の反復の比較値 各反復における選択テンプレートベクトルと入力ベクト
ルＳとの（そして他のテンプレートベクトルとの）比較
のための入力比較関数は、次のような減算相違関数であ
る。
ルＳとの（そして他のテンプレートベクトルとの）比較
のための入力比較関数は、次のような減算相違関数であ
る。
【００３３】ＣＶ（ｓ，ｔ）= {(ｓ1 −ｔ1)2 +(ｓ2 −
ｔ2)2+…（ｓj −ｔj)2 …+(ｓn −ｔn)2}1/2 ＣＶ：生成された比較値 ｔj ：選択テンプレートベクトルのｊ番目のエレメント ｓj ：比較対象の入力ベクトルＳ（もしくは他のテンプ
レートベクトル）のｊ番目のエレメント ｎ：ベクトルのエレメント数 前述のように、テンプレート間の比較関数は入力比較関
数と同一とすることができる。
ｔ2)2+…（ｓj −ｔj)2 …+(ｓn −ｔn)2}1/2 ＣＶ：生成された比較値 ｔj ：選択テンプレートベクトルのｊ番目のエレメント ｓj ：比較対象の入力ベクトルＳ（もしくは他のテンプ
レートベクトル）のｊ番目のエレメント ｎ：ベクトルのエレメント数 前述のように、テンプレート間の比較関数は入力比較関
数と同一とすることができる。
【００３４】あるいは、テンプレート間の比較関数は、
テンプレート間の比較関数を入力比較関数と異なった
（ただし数学的には同値の）ものにする正規化係数(nor
malization factors) （もしくは他の補正パラメータ(a
djustment parameters) ）を含んでもよい。 ＜類似関数＞比較関数は、反復が進行して入力ベクトル
Ｓが最近傍照合に近づくにつれて、増加する比較値を生
成する類似関数でもよい。類似関数は、次のような内積
の類似関数である。
テンプレート間の比較関数を入力比較関数と異なった
（ただし数学的には同値の）ものにする正規化係数(nor
malization factors) （もしくは他の補正パラメータ(a
djustment parameters) ）を含んでもよい。 ＜類似関数＞比較関数は、反復が進行して入力ベクトル
Ｓが最近傍照合に近づくにつれて、増加する比較値を生
成する類似関数でもよい。類似関数は、次のような内積
の類似関数である。
【００３５】ＣＶ={( ｓ1 ・ｔ1)＋（ｓ2 ・ｔ2)＋…
（ｓj ・ｔj)…＋（ｓn ・ｔn)｝/{( ｓ1 2＋…ｓj 2…＋
ｓn 2）・（ｔ1 2＋…ｔj 2…＋ｔn 2)}1/2 ＣＶ：生成された比較値 ｔj ：選択テンプレートベクトルのｊ番目のエレメント ｓj ：比較対象の入力ベクトルＳ（または他のテンプレ
ートベクトル）のｊ番目のエレメント ｎ：ベクトルのエレメント数 上記の類似関数も、多元空間における選択テンプレート
ベクトルと入力ベクトル（または他のテンプレートベク
トル）で作られる角の余弦である。この角度がゼロの時
に最大の類似１．００が得られる（Ｃｏｓ０o ＝１．０
０）。この角度が９０度の時最小の類似０．００が得ら
れ、この時、例えば全てのエレメントが負でない値を持
つ（Ｃｏｓ９０o ＝０．００）。この余弦の例では、ベ
クトルの長さは標準化されて共通の長さになっている。
（ｓj ・ｔj)…＋（ｓn ・ｔn)｝/{( ｓ1 2＋…ｓj 2…＋
ｓn 2）・（ｔ1 2＋…ｔj 2…＋ｔn 2)}1/2 ＣＶ：生成された比較値 ｔj ：選択テンプレートベクトルのｊ番目のエレメント ｓj ：比較対象の入力ベクトルＳ（または他のテンプレ
ートベクトル）のｊ番目のエレメント ｎ：ベクトルのエレメント数 上記の類似関数も、多元空間における選択テンプレート
ベクトルと入力ベクトル（または他のテンプレートベク
トル）で作られる角の余弦である。この角度がゼロの時
に最大の類似１．００が得られる（Ｃｏｓ０o ＝１．０
０）。この角度が９０度の時最小の類似０．００が得ら
れ、この時、例えば全てのエレメントが負でない値を持
つ（Ｃｏｓ９０o ＝０．００）。この余弦の例では、ベ
クトルの長さは標準化されて共通の長さになっている。
【００３６】＜選択の順序＞次第に減少する候補グルー
プよりテンプレートベクトルを選択する順序は、任意で
もよいし秩序だったものでもよい。決められた順序に従
った選択では、入力シンボルの最近傍分類をより少ない
反復で効果的に行なうことができる。選択順序は処理中
のテキストのタイプに応じたテンプレート文字の使用頻
度（Ｆ／Ｕ）に基づいて決めてもよい。あるいは、“履
歴推論（ＨＩ）”、すなわちいずれかの知られた文字の
後に（または前に）候補グループに残った文字の内のい
ずれかの特定の文字が来る、統計的な可能性に基づいて
決めてもよい。たいていの場合、通常の英語の用法を当
てはめることが可能である。これら２つの選択順序の決
定方法のいずれか（あるいは他の順序決定情報）を用い
ることにより、テンプレートの選択が連続して行なわ
れ、その条件下で入力される未知の入力シンボルに対す
る最適な一致が決定される。
プよりテンプレートベクトルを選択する順序は、任意で
もよいし秩序だったものでもよい。決められた順序に従
った選択では、入力シンボルの最近傍分類をより少ない
反復で効果的に行なうことができる。選択順序は処理中
のテキストのタイプに応じたテンプレート文字の使用頻
度（Ｆ／Ｕ）に基づいて決めてもよい。あるいは、“履
歴推論（ＨＩ）”、すなわちいずれかの知られた文字の
後に（または前に）候補グループに残った文字の内のい
ずれかの特定の文字が来る、統計的な可能性に基づいて
決めてもよい。たいていの場合、通常の英語の用法を当
てはめることが可能である。これら２つの選択順序の決
定方法のいずれか（あるいは他の順序決定情報）を用い
ることにより、テンプレートの選択が連続して行なわ
れ、その条件下で入力される未知の入力シンボルに対す
る最適な一致が決定される。
【００３７】以下の３つの例は、単語“Ｅｘａｍｐｌ
ｅ”の７文字の最近傍高速化（ＮＮＡ）分類を示してい
る（最初は任意な選択により、２番目はＦ／Ｕ順の選択
により、３番目はＨＩ順の選択によって行なったもので
ある）。最初の情報は、これら３つの高速化分類例の各
々によって行なわれる反復における候補の減少を示すた
めの、ＮＮＡを活用することなく生成されたベースライ
ンデータである。３つの高速化分類例で使用されるテン
プレートと、一般的な９４の文字フォントに含まれるベ
ースラインは次の通りである。
ｅ”の７文字の最近傍高速化（ＮＮＡ）分類を示してい
る（最初は任意な選択により、２番目はＦ／Ｕ順の選択
により、３番目はＨＩ順の選択によって行なったもので
ある）。最初の情報は、これら３つの高速化分類例の各
々によって行なわれる反復における候補の減少を示すた
めの、ＮＮＡを活用することなく生成されたベースライ
ンデータである。３つの高速化分類例で使用されるテン
プレートと、一般的な９４の文字フォントに含まれるベ
ースラインは次の通りである。
【００３８】ＡＢＣＤＥＦＧＨＩＪＫＬＭＮＯＰＱＲＳ
ＴＵＶＷＸＹＺ ａｂｃｄｅｆｇｈｉｊｋｌｍｎｏｐｑｒｓｔｕｖｗｘｙ
ｚ ０１２３４５６７８９！”＃＄％＆´（ ）＊＋，ー ・／：；＜＝＞？＠［ ＼ ］＾＿｀｛ ｜ ｝〜 ．
ＴＵＶＷＸＹＺ ａｂｃｄｅｆｇｈｉｊｋｌｍｎｏｐｑｒｓｔｕｖｗｘｙ
ｚ ０１２３４５６７８９！”＃＄％＆´（ ）＊＋，ー ・／：；＜＝＞？＠［ ＼ ］＾＿｀｛ ｜ ｝〜 ．
【００３９】ベースライン（非高速化）：６５８反復 （７入力）×（９４フォントテンプレート） ベースラインに使用されるテンプレートの選択は任意に
固定のシーケンスで、Ａ〜Ｚ、ａ〜ｚ、０〜９、句読
点、符号の順である（上記参照）。
固定のシーケンスで、Ａ〜Ｚ、ａ〜ｚ、０〜９、句読
点、符号の順である（上記参照）。
【００４０】 任意ＮＮＡ（順序決定を行なわない）：２３２反復 入力文字 Ｅ ｘ ａ ｍ ｐ ｌ ｅ 反復数 ０５ ５０ ２７ ３９ ４２ ３８ ３１ ＮＮＡにより、ベースラインの任意の固定選択から約３
分の１に反復数が減っている。各反復の後に残ったテン
プレートからの選択は、上記と同じ任意に固定の順序で
行なった。すなわち、“Ｅ”が５回目に選択され、
“ｘ”が５０回目等である。大部分のテンプレートは、
固定選択シーケンスが固定の順序の選択位置へ進み、固
定順序における夫々の位置で選択がおこなわれるよりも
かなり以前に、ＮＮＡより除外されている。
分の１に反復数が減っている。各反復の後に残ったテン
プレートからの選択は、上記と同じ任意に固定の順序で
行なった。すなわち、“Ｅ”が５回目に選択され、
“ｘ”が５０回目等である。大部分のテンプレートは、
固定選択シーケンスが固定の順序の選択位置へ進み、固
定順序における夫々の位置で選択がおこなわれるよりも
かなり以前に、ＮＮＡより除外されている。
【００４１】 使用頻度（Ｆ／Ｕ）順によるＮＮＡ：１３１反復 入力文字 Ｅ ｘ ａ ｍ ｐ ｌ ｅ 反復数 ３５ ４６ ０３ １４ ２１ １１ ０１ Ｆ／Ｕ順の選択では、ベースラインの任意選択から約５
分の１に反復数が減っている。文字“ｅ”（小文字活字
ケース）は通常の英語用法において最も頻繁に使用され
る文字であり、従って各入力文字に対する最初の選択文
字となっている。単語“Ｅｘａｍｐｌｅ”の最後の文字
も“ｅ”であり、正確に最初の選択に分類されている。
他の入力文字は、Ｆ／Ｕデータに基づいたより多くの反
復を必要とした。入力文字“Ｅ”（大文字）はそれほど
頻繁に使用されず、従って３５反復が必要となった。文
字“Ｘ”は最も使用頻度の低い文字の１つであり、分類
には４５反復を要している。
分の１に反復数が減っている。文字“ｅ”（小文字活字
ケース）は通常の英語用法において最も頻繁に使用され
る文字であり、従って各入力文字に対する最初の選択文
字となっている。単語“Ｅｘａｍｐｌｅ”の最後の文字
も“ｅ”であり、正確に最初の選択に分類されている。
他の入力文字は、Ｆ／Ｕデータに基づいたより多くの反
復を必要とした。入力文字“Ｅ”（大文字）はそれほど
頻繁に使用されず、従って３５反復が必要となった。文
字“Ｘ”は最も使用頻度の低い文字の１つであり、分類
には４５反復を要している。
【００４２】 ＨＩ順の選択では、ベースラインの任意選択から１０分
の１に反復数が減っている。文字“Ｘ”は文字“ｅ”
（及び“Ｅ”）の後に頻繁に現われるので、５回目の反
復後に分類されている。“Ｅ”（大文字）で始まる単語
はそれほど多くないため、必要とされた反復数は３３で
あった。単語“Ｅｘａｍｐｌｅ”の各入力文字に対する
ＨＩ順のテンプレート選択は、文字の下に示す通りであ
る。
の１に反復数が減っている。文字“Ｘ”は文字“ｅ”
（及び“Ｅ”）の後に頻繁に現われるので、５回目の反
復後に分類されている。“Ｅ”（大文字）で始まる単語
はそれほど多くないため、必要とされた反復数は３３で
あった。単語“Ｅｘａｍｐｌｅ”の各入力文字に対する
ＨＩ順のテンプレート選択は、文字の下に示す通りであ
る。
【００４３】＜産業上の応用性＞以上の説明から、本発
明の目的が達成されたことが当業者には明らかになるで
あろう。 ＜結び＞尚、発明の概念を離れない範囲で、本発明の構
成及び実施例は種々に変更することが可能である。さら
に、図示の実施例の特徴は他の図面を用いて使用するこ
とも可能である。従って、本発明の範囲は以下の請求項
及びその権利範囲内の記載により限定される。
明の目的が達成されたことが当業者には明らかになるで
あろう。 ＜結び＞尚、発明の概念を離れない範囲で、本発明の構
成及び実施例は種々に変更することが可能である。さら
に、図示の実施例の特徴は他の図面を用いて使用するこ
とも可能である。従って、本発明の範囲は以下の請求項
及びその権利範囲内の記載により限定される。
【００４４】
【発明の効果】本発明により、最近傍を認識するための
より向上した、比較関数に基づく高速ＯＣＲベクトル認
識方法を提供できる。又、三角不等式の原理を用いるこ
とにより、高速化された比較関数に基づくＯＣＲベクト
ル認識方法を提供できる。
より向上した、比較関数に基づく高速ＯＣＲベクトル認
識方法を提供できる。又、三角不等式の原理を用いるこ
とにより、高速化された比較関数に基づくＯＣＲベクト
ル認識方法を提供できる。
【００４５】又、上記の比較関数に基づく方法であっ
て、予めテンプレート間の比較値を比較計算し、即座に
使用できるように格納しておくＯＣＲベクトル認識方法
を提供できる。又、上記の比較関数に基づく方法であっ
て、各反復のテンプレートベクトルの選択を体系的に行
なうＯＣＲベクトル認識方法を提供できる。
て、予めテンプレート間の比較値を比較計算し、即座に
使用できるように格納しておくＯＣＲベクトル認識方法
を提供できる。又、上記の比較関数に基づく方法であっ
て、各反復のテンプレートベクトルの選択を体系的に行
なうＯＣＲベクトル認識方法を提供できる。
【図１】本実施例の分類済みの文字を示す多元空間を２
次元的に表現した図である。
次元的に表現した図である。
【図２】本実施例の反復ＯＣＲ方法の基本的なステップ
を示すフローチャートである。
を示すフローチャートである。
【図３】Ｔ×Ｔのテンプレート比較値の全値を示す比較
値ペアテーブルを示す図である。
値ペアテーブルを示す図である。
【図４】（Ｔ２ーＴ）／２の重複のないテンプレート比
較値を示す比較値ペアテーブルを示す図である。
較値を示す比較値ペアテーブルを示す図である。
【図５】入力シンボル“？”の前景及び背景の画素を示
す画素マトリックス（ビットマップ）を示す図である。
す画素マトリックス（ビットマップ）を示す図である。
【図６】選択されたテンプレート“Ｂ”の前景及び背景
の画素を示す画素マトリックス（ビットマップ）を示す
図である。
の画素を示す画素マトリックス（ビットマップ）を示す
図である。
Claims (49)
- 【請求項１】 分類済みの文字を定義するＴ個のテンプ
レートベクトルのライブラリにより、未分類のシンボル
を定義する入力ベクトルＳの最近傍分類を認識する比較
関数に基づくＯＣＲ方法であって、 各エレメントが数値を持っているエレメント列の形で未
分類のシンボルの入力ベクトルＳを供給する工程と、 各エレメントが数値を持っているＴ個のエレメント列の
形でＴ個のテンプレートベクトル（Ｔ１，Ｔ２，…，Ｔ
ｉ，ＴＴ）のライブラリを供給する工程と、 前記Ｔ個のテンプレートベクトル・ライブラリから初期
テンプレートベクトルＴｉ1st を選択する工程と、 入力比較関数に基づいて、前記初期テンプレートベクト
ルＴｉ1st を前記入力ベクトルＳと比較して、初期入力
比較値Ｖ1st を発生する工程と、 前記初期入力比較値Ｖ1st の関数として、初期比較閾値
Ｒ1st を決定する工程と、 テンプレート相互の比較関数に基づいて、前記初期テン
プレートベクトルＴｉ 1st と（Ｔ−１）個の他のテンプ
レートベクトル（Ｔ１，Ｔ２，…，ＴＴ）間のテンプレ
ート相互比較値を供給する工程と、 前記Ｔ個のテンプレートライブラリ中にあって前記初期
比較閾値Ｖ1st 内のテンプレート相互比較値を有するテ
ンプレートベクトルを同定して、Ｔ個のテンプレートラ
イブラリの入力ベクトルＳの最近傍分類を含み、閾値外
のテンプレート相互比較値を有するテンプレートベクト
ルを除くテンプレートベクトルの第１候補グループＧ
1st を形成する工程と、 前記第１候補グループＧ1st から第２テンプレートベク
トルＴｉ2nd を選択する工程と、 入力比較関数に基づいて、前記第２テンプレートベクト
ルＴｉ2nd を前記入力ベクトルＳと比較して、第２入力
比較値Ｖ2nd を発生する工程と、 テンプレート相互の比較関数に基づいて、前記第２テン
プレートベクトルＴｉ 2nd と前記第１候補グループＧ
1st 内の選択されなかったテンプレートベクトルとのテ
ンプレート相互比較値を供給する工程と、 前記第１候補グループＧ1st 内にあって前記第２入力比
較値Ｖ2nd により決定される閾値内のテンプレート相互
比較値を有するテンプレートベクトルを同定して、入力
ベクトルＳの最近傍分類を含み、閾値外のテンプレート
相互比較値を有するテンプレートベクトルを前記第１候
補グループＧ1st から除き、以前の同定工程で除かれた
全てのテンプレートベクトルも除くテンプレートベクト
ルの第２候補グループＧ2nd を形成する工程と、 前記選択工程，比較工程，決定工程，テンプレート相互
比較値供給工程，同定工程を、Ｔ個のテンプレートベク
トルライブラリにおいて入力ベクトルＳの最近傍分類と
なる唯一の最終テンプレートベクトルＴiFinを除く全て
のテンプレートベクトルが除かれるまで繰り返す工程と
を備えるＯＣＲ方法。 - 【請求項２】 前記テンプレート相互比較値はメモリ手
段に格納されている請求項１記載のＯＣＲ方法。 - 【請求項３】 前記メモリ手段に格納されたテンプレー
ト相互比較値は比較済みである請求項２記載のＯＣＲ方
法。 - 【請求項４】 メモリ手段に格納された前記テンプレー
ト相互比較値は、Ｔ 2 のエントリを含む請求項２記載の
ＯＣＲ方法。 - 【請求項５】 メモリ手段に格納された前記テンプレー
ト相互比較値は、（Ｔ2 −Ｔ）／２のエントリを含む請
求項２記載のＯＣＲ方法。 - 【請求項６】 前記入力ベクトルＳはＥS 個のエレメン
トを有し、各テンプレートベクトルはＥt 個のエレメン
トを有する請求項１記載のＯＣＲ方法。 - 【請求項７】 前記未分類のシンボルは、分類済の文字
がテンプレートベクトルで定義される解像度と同じ解像
度で入力ベクトルＳにより定義され、入力ベクトルＳの
エレメント数ＥS はテンプレートベクトルのエレメント
数Ｅt と等しい請求項６記載のＯＣＲ方法。 - 【請求項８】 前記未分類のシンボルは、分類済の文字
がテンプレートベクトルにより定義される解像度と異な
る解像度で入力ベクトルＳにより定義され、入力ベクト
ルＳのエレメント数ＥS はテンプレートベクトルのエレ
メント数Ｅtと等しくない請求項６記載のＯＣＲ方法。 - 【請求項９】 前記未分類入力シンボルの解像度は分類
済のテンプレート文字の解像度の倍数ｍであり、入力ベ
クトルＳのエレメント数ＥS はテンプレートベクトル数
Ｅt の倍数ｍである請求項８記載のＯＣＲ方法。 - 【請求項１０】 入力ベクトルＳのエレメント数ＥS
は、入力ベクトルＳのｍ個の連続するエレメントを入力
比較関数で使用される１つの合成エレメントに平均化す
ることによって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項９記載のＯＣＲ
方法。 - 【請求項１１】 ベクトルＳのエレメント数ＥS は、入
力比較関数に入力ベクトルＳのｍ個毎のエレメントのみ
の使用によって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項９記載のＯＣＲ
方法。 - 【請求項１２】 分類済のテンプレート文字の解像度は
未分類の入力シンボルの解像度の倍数ｍであって、テン
プレートベクトルのエレメント数Ｅt は入力ベクトルの
エレメント数ＥS の倍数ｍである請求項８記載のＯＣＲ
方法。 - 【請求項１３】 入力ベクトルＳのエレメント数ＥS
は、入力ベクトルＳのｍ個の連続するエレメントを入力
比較関数で使用される１つの合成エレメントに平均化す
ることによって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項１２記載のＯＣ
Ｒ方法。 - 【請求項１４】 ベクトルＳのエレメント数ＥS は、入
力比較関数に入力ベクトルＳのｍ個毎のエレメントのみ
の使用によって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項１２記載のＯＣ
Ｒ方法。 - 【請求項１５】 前記入力比較関数はテンプレート相互
の比較関数と数学的に等価である請求項１記載のＯＣＲ
方法。 - 【請求項１６】 前記比較関数は相違関数であって、各
繰り返しで発生する入力比較値は選択されたテンプレー
トベクトルと入力ベクトルＳとの距離“ｒ”であること
を特徴とする請求項１５記載のＯＣＲ方法。 - 【請求項１７】 各繰り返しで決定される比較閾値は、
以下の関係に対応して繰り返して発生する入力比較値の
２倍であることを特徴とする請求項１６記載のＯＣＲ方
法。 Ｒkth ＝２×ＣＶkth ここで、ｋはＯＣＲ方法のｋ番目の繰り返しサイクル、 Ｒはｋ番目の繰り返しの比較閾値、 ＣＶはｋ番目の繰り返しの比較値である。 - 【請求項１８】 各繰り返しで選択されたテンプレート
ベクトルを入力ベクトルＳと比較するための入力比較関
数は、次の減法相違関数であることを特徴とする請求項
１７記載のＯＣＲ方法。 ＣＶ＝｛（Ｓ1 −ｔ1 ）2 ＋（Ｓ2 −ｔ2 ）2 ＋…（Ｓ
j −ｔj ）2＋…（Ｓn −ｔn ）2 ｝1/2 ここで、ＣＶは発生される比較値、 ｔj は選択されたテンプレートベクトルのｊ番目のエレ
メント、 Ｓj は比較中の入力ベクトルＳ（あるいは他のテンプレ
ートベクトル）のｊ番目のエレメント、 ｎはベクトルのエレメント数である。 - 【請求項１９】 前記比較関数は類似関数であることを
特徴とする請求項１５記載のＯＣＲ方法。 - 【請求項２０】 前記類似関数は、次の内挿類似関数で
あることを特徴とする請求項１９記載のＯＣＲ方法。 ＣＶ＝（Ｓ1 ・ｔ1 ）＋（Ｓ2 ・ｔ2 ）＋…（Ｓj ・ｔ
j ）…＋（Ｓn ・ｔn）／｛（Ｓ1 2＋…Ｓj 2 ＋…
Ｓn 2）・（ｔ1 2＋…ｔj 2 ＋…ｔn 2）｝1/2 ここで、ＣＶは発生される比較値、 Ｓj は入力ベクトルＳのｊ番目のエレメント、 ｔj は比較中のテンプレートのｊ番目のエレメント、 ｎはベクトルのエレメント数である。 - 【請求項２１】 入力ベクトルＳのエレメント列は未分
類シンボルのビジュアル・アスペクツを定義し、Ｔ個の
テンプレートベクトルのＴ個のエレメント列は分類済文
字の対応するビジュアル・アスペクツを定義することを
特徴とする請求項１記載のＯＣＲ方法。 - 【請求項２２】 前記ビジュアル・アスペクツは未分類
シンボルと分類済文字とを定義する特徴セットを備える
ことを特徴とする請求項２１記載のＯＣＲ方法。 - 【請求項２３】 入力ベクトルＳのエレメント列は未分
類のシンボルの画像を定義し、Ｔ個のテンプレートベク
トルのＴ個のエレメント列は分類済文字の画像を定義す
ることを特徴とする請求項１記載のＯＣＲ方法。 - 【請求項２４】 入力ベクトルＳとＴ個のテンプレート
ベクトルとで定義される画像は、前景及び背景のデジタ
ルデータとしてピクセルビットマップメモリに格納され
ることを特徴とする請求項２３記載のＯＣＲ方法。 - 【請求項２５】 入力ベクトルの各エレメントとＴ個の
テンプレートベクトルの各エレメントとは、１つのピク
セルのデジタルデータとして格納されることを特徴とす
る請求項２４記載のＯＣＲ方法。 - 【請求項２６】 前景及び背景のデジタルデータはバイ
ナリ形式であることを特徴とする請求項２５記載のＯＣ
Ｒ方法。 - 【請求項２７】 前景及び背景のデジタルデータはグレ
ースケール形式の明度レベルデータであることを特徴と
する請求項２５記載のＯＣＲ方法。 - 【請求項２８】 前景及び背景のデジタルデータはカー
ラ形式の色調レベルデータであることを特徴とする請求
項２５記載のＯＣＲ方法。 - 【請求項２９】 前記入力ベクトルＳの画素画像の画素
数Ｐs はＴ個のテンプレートベクトルの各々の画素画像
の色素数Ｐt と等しいことを特徴とする請求項２５記載
のＯＣＲ方法。 - 【請求項３０】 入力ベクトルＳの画素画像はＲs 個の
ロウとＣs 個のカラムとを有する画素マトリックスであ
り、Ｔ個のテンプレートベクトルの各々の画素画像はＲ
t 個のロウとＣt 個のカラムとを有する画素マトリック
スであることを特徴とする請求項２９記載のＯＣＲ方
法。 - 【請求項３１】 入力ベクトルの各々の画素画像のロウ
数Ｒs はＴ個のテンプレートベクトルの各々の画素画像
のロウ数Ｒt と等しく、入力ベクトルＳの画素画像のカ
ラム数Ｃs はＴ個のテンプレートベクトルの各々の画素
画像のカラム数Ｃs と等しいことを特徴とする請求項３
０記載のＯＣＲ方法。 - 【請求項３２】 各繰り返しでの候補グループに残った
候補からのテンプレートベクトルの選択順は、ランダム
シーケンスであることを特徴とする請求項１記載のＯＣ
Ｒ方法。 - 【請求項３３】 各繰り返しでの候補グループに残った
候補からのテンプレートベクトルの選択順は、ランダム
固定シーケンスであることを特徴とする請求項１記載の
ＯＣＲ方法。 - 【請求項３４】 各繰り返しでの候補グループに残った
候補からのテンプレートベクトルの選択順は、分類済文
字の使用頻度に基づくシーケンスであることを特徴とす
るＯＣＲ方法。 - 【請求項３５】 各繰り返しでの候補グループに残った
候補からのテンプレートベクトルの選択順は、分類済文
字の履歴推論に基づくシーケンスであることを特徴とす
るＯＣＲ方法。 - 【請求項３６】 比較関数に基づくＯＣＲ方法であっ
て、 未分類のシンボルの入力ベクトルを供給する工程と、 Ｔ個のテンプレートベクトルのライブラリを供給する工
程と、 Ｔ個のテンプレートベクトル・ライブラリからテンプレ
ートベクトルを選択する工程と、 前記選択されたテンプレートベクトルを入力ベクトルと
比較して、入力比較値を発生する工程と、 比較閾値を決定する工程と、 選択されたテンプレートベクトルとライブラリ間のテン
プレート相互比較値を供給する工程と、 Ｔ個のテンプレートライブラリ中にあって決定された比
較閾値内のテンプレート相互比較値を有するテンプレー
トベクトルを同定して、閾値外のテンプレート相互比較
値を有するテンプレートベクトルを除いた第１候補グル
ープを形成する工程と、 前記選択工程，比較工程，決定工程，テンプレート相互
比較値供給工程，固定工程を繰り返す工程とを備えるＯ
ＣＲ方法。 - 【請求項３７】 前記テンプレート相互比較値はメモリ
手段に格納されている請求項３６記載のＯＣＲ方法。 - 【請求項３８】 前記メモリ手段に格納されたテンプレ
ート相互比較値は比較済みである請求項３７記載のＯＣ
Ｒ方法。 - 【請求項３９】 メモリ手段に格納された前記テンプレ
ート相互比較値は、Ｔ2 のエントリを含む請求項３７記
載のＯＣＲ方法。 - 【請求項４０】 メモリ手段に格納された前記テンプレ
ート相互比較値は、（Ｔ2 −Ｔ）／２のエントリを含む
請求項３７記載のＯＣＲ方法。 - 【請求項４１】 前記入力ベクトルＳはＥS 個のエレメ
ントを有し、各テンプレートベクトルはＥt 個のエレメ
ントを有する請求項３６記載のＯＣＲ方法。 - 【請求項４２】 前記未分類のシンボルは、分類済の文
字がテンプレートベクトルで定義される解像度と同じ解
像度で入力ベクトルＳにより定義され、入力ベクトルＳ
のエレメント数ＥS はテンプレートベクトルのエレメン
ト数Ｅt と等しい請求項４１記載のＯＣＲ方法。 - 【請求項４３】 前記未分類のシンボルは、分類済の文
字がテンプレートベクトルにより定義される解像度と異
なる解像度で入力ベクトルＳにより定義され、入力ベク
トルＳのエレメント数ＥS はテンプレートベクトルのエ
レメント数Ｅ t と等しくない請求項４１記載のＯＣＲ方
法。 - 【請求項４４】 前記未分類入力シンボルの解像度は分
類済のテンプレート文字の解像度の倍数ｍであり、入力
ベクトルＳのエレメント数ＥS はテンプレートベクトル
数Ｅt の倍数ｍである請求項４３記載のＯＣＲ方法。 - 【請求項４５】 入力ベクトルＳのエレメント数ＥS
は、入力ベクトルＳのｍ個の連続するエレメントを入力
比較関数で使用される１つの合成エレメントに平均化す
ることによって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項４４記載のＯＣ
Ｒ方法。 - 【請求項４６】 ベクトルＳのエレメント数ＥS は、入
力比較関数に入力ベクトルＳのｍ個毎のエレメントのみ
の使用によって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項４４記載のＯＣ
Ｒ方法。 - 【請求項４７】 分類済のテンプレート文字の解像度は
未分類の入力シンボルの解像度の倍数ｍであって、テン
プレートベクトルのエレメント数Ｅt は入力ベクトルの
エレメント数ＥS の倍数ｍである請求項４３記載のＯＣ
Ｒ方法。 - 【請求項４８】 入力ベクトルＳのエレメント数ＥS
は、入力ベクトルＳのｍ個の連続するエレメントを入力
比較関数で使用される１つの合成エレメントに平均化す
ることによって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項４７記載のＯＣ
Ｒ方法。 - 【請求項４９】 ベクトルＳのエレメント数ＥS は、入
力比較関数に入力ベクトルＳのｍ個毎のエレメントのみ
の使用によって、テンプレートベクトルのエレメント数
Ｅt と一致するように減少される請求項４７記載のＯＣ
Ｒ方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US6283093A | 1993-05-17 | 1993-05-17 | |
| US08/062830 | 1993-05-17 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0737037A true JPH0737037A (ja) | 1995-02-07 |
Family
ID=22045106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6102933A Withdrawn JPH0737037A (ja) | 1993-05-17 | 1994-05-17 | 最近傍分類を認識する比較関数に基づくｏｃｒ方法 |
Country Status (2)
| Country | Link |
|---|---|
| EP (1) | EP0625764A3 (ja) |
| JP (1) | JPH0737037A (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0803066D0 (en) * | 2008-02-20 | 2008-03-26 | Siemens Medical Solutions | Fast block matching |
| EP2154814A1 (en) * | 2008-08-14 | 2010-02-17 | Koninklijke Philips Electronics N.V. | Scalable key distribution |
| US8150169B2 (en) * | 2008-09-16 | 2012-04-03 | Viewdle Inc. | System and method for object clustering and identification in video |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5150425A (en) * | 1991-08-30 | 1992-09-22 | Eastman Kodak Company | Character recognition method using correlation search |
-
1994
- 1994-05-16 EP EP94303486A patent/EP0625764A3/en not_active Withdrawn
- 1994-05-17 JP JP6102933A patent/JPH0737037A/ja not_active Withdrawn
Also Published As
| Publication number | Publication date |
|---|---|
| EP0625764A2 (en) | 1994-11-23 |
| EP0625764A3 (en) | 1995-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11715014B2 (en) | System and method of character recognition using fully convolutional neural networks with attention | |
| US4773099A (en) | Pattern classification means for use in a pattern recognition system | |
| US5438630A (en) | Word spotting in bitmap images using word bounding boxes and hidden Markov models | |
| US5745600A (en) | Word spotting in bitmap images using text line bounding boxes and hidden Markov models | |
| US5825919A (en) | Technique for generating bounding boxes for word spotting in bitmap images | |
| US5077807A (en) | Preprocessing means for use in a pattern classification system | |
| US5862259A (en) | Pattern recognition employing arbitrary segmentation and compound probabilistic evaluation | |
| EP0649113A2 (en) | Multifont optical character recognition using a box connectivity approach | |
| US5590220A (en) | Bending point extraction method for optical character recognition system | |
| EP3539052A1 (en) | System and method of character recognition using fully convolutional neural networks with attention | |
| Ebrahimi et al. | A pictorial dictionary for printed farsi subwords | |
| US5689584A (en) | Method of and apparatus for pattern recognition and method of creating pattern recognition dictionary | |
| US6052483A (en) | Methods and apparatus for classification of images using distribution maps | |
| Benouareth et al. | HMMs with explicit state duration applied to handwritten Arabic word recognition | |
| JPH0737037A (ja) | 最近傍分類を認識する比較関数に基づくｏｃｒ方法 | |
| Omachi et al. | Structure extraction from decorated characters using multiscale images | |
| CN109325138A (zh) | 一种基于扩展与亚像素矩阵结合的图像快速识别方法 | |
| EP1010128B1 (en) | Method for performing character recognition on a pixel matrix | |
| Pornpanomchai et al. | Printed Thai character recognition by genetic algorithm | |
| EP0602955B1 (en) | Text recognition | |
| US20020126903A1 (en) | Word recognizing apparatus for dynamically generating feature amount of word and method thereof | |
| Gaceb et al. | Graph b-coloring for automatic recognition of documents | |
| CN112070116A (zh) | 一种基于支持向量机的艺术画作自动分类系统及方法 | |
| Koga et al. | Segmentation of Japanese handwritten characters using peripheral feature analysis | |
| JP3361564B2 (ja) | 高速マッチング方法及び装置 |
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: 20010731 |