JPH08194780A

JPH08194780A - 特徴抽出方法

Info

Publication number: JPH08194780A
Application number: JP7202555A
Authority: JP
Inventors: Yukihisa Uchiyama; 幸央内山
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1994-11-18
Filing date: 1995-08-08
Publication date: 1996-07-30
Also published as: US5911005A; CN1095145C; CN1151056A

Abstract

(57)【要約】【課題】分割された各メッシュ領域で抽出される特徴
ベクトルに対して、メッシュの大きさによる値の変動を
抑えるために適切な重み付けを行う。【解決手段】領域分割部１０３は、入力パターンをメ
ッシュ領域に分割し、各領域の分割位置が分割位置格納
部１０７に記録される。領域別特徴ベクトル抽出部１０
４は、各メッシュ領域から特徴ベクトルを抽出し、領域
別特徴ベクトル重み付け部１０５は、各メッシュ領域の
各辺の長さ、対角線の長さ、面積を基に特徴ベクトルを
重み付けする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文字認識におい
て、特徴量の重み付けを適切に行う特徴抽出方法に関す
る。

【０００２】

【従来の技術】入力文字パターンをメッシュ領域に分割
し、それぞれのメッシュ領域ごとに特徴ベクトルを抽出
し、それら特徴ベクトルを統合して文字パターン全体の
特徴量とする文字認識方法が知られている。例えば、特
徴量として各メッシュ領域内に含まれる黒画素の数をカ
ウントしたり、あるいは文字パターンの輪郭を構成する
画素パターンに方向コードを付与し、各メッシュ領域内
に含まれる各方向コードの数をカウントすることによっ
て作成した方向コードヒストグラムを用いて文字を認識
する。

【０００３】このような特徴量を用いて認識する際に
は、黒画素や方向コードが同一の字種の間でいつも同じ
メッシュに配置されることが重要であるが、特に手書き
文字の場合、パターンの変形によって、配置されるメッ
シュ領域が異なる可能性がある。これを図５を用いて説
明する。図５（ａ）、（ｂ）は、同じ「井」という文字
パターンに対して４×４の領域分割を行ったものであ
る。パターン（ａ）とパターン（ｂ）では、黒画素を含
まないメッシュや縦２本、横２本の各ストロークの配置
されているメッシュが大きく異なっている。つまり、パ
ターン（ａ）とパターン（ｂ）は、同一字種であるにも
係らず特徴量のばらつきが大きく、これが認識率を低下
させる原因となる。

【０００４】この問題を解決する方法として、「山田博
三ほか：“非線形正規化の改良”，昭和６３年電子情報
通信学会春季全国大会，Ｄ−４３９，ｐ．１−１８２」
および特開平１−１１６８９２号公報に記載されている
非線形正規化を利用することができる。この非線形正規
化は、文字パターンの密な箇所を拡げ、また突出した線
分を縮めるようなパターン整形を行う。図５のパターン
（ａ）とパターン（ｂ）に対して非線形正規化を行う
と、それぞれ図６（ａ）、（ｂ）に示すように整形さ
れ、文字パターン「井」がほぼ同じメッシュ上に配置さ
れるようになる。この結果、特徴量のばらつきが低減さ
れる。

【０００５】しかし、従来の非線形正規化法は、画像を
局所的に異なる倍率で変倍するため、文字線のつながり
が不自然になったり、輪郭が乱れてノイズを生じるな
ど、パターンの滑らかさを失ってしまうことが多い。こ
れを解決するためには、関数値の補間や何らかの画像処
理を施して滑らかさを補う必要があり、処理時間と計算
装置の増大を招くという問題がある。例えば、特開平３
−２８６３９０号公報に記載された文字の非線形正規化
法では、滑らかな非線形変換が提案されているが、その
ためにはスプライン関数のような補間関数を求めなけれ
ばならない。

【０００６】一方、パターンの整形を行うことなく、メ
ッシュ領域の分割位置を文字パターンに応じて変動させ
ることにより、特徴量のばらつきを抑えることができ
る。図７（ａ）、（ｂ）ではパターンの密な箇所ではメ
ッシュの幅を狭くし、粗な箇所ではメッシュの幅を広く
して分割を行った結果、２つのパターンがほぼ同じメッ
シュ上に配置されている。

【０００７】このような変動を伴う領域分割方式の一例
として、特開昭６３−１４２９１号公報および特開昭６
３−１６３９４号公報に記載された方法が提案されてい
る。この方法では、まず文字パターンの特徴を抽出し
（例えば方向コードの付与など）、その後、特徴量が均
等に分配されるように、文字パターンをサブ領域に分割
する。ここでサブ領域はメッシュ領域に比べてより細か
く、より多数に分割されている。図４（ａ）は、４×４
のサブ領域分割を行った例である。特徴量が均等に分配
されるように、サブ領域の段階で文字パターンの局所的
な粗密に応じた分割が得られる。

【０００８】上記した発明では、その後、特定の規則に
従い、各メッシュ領域に１以上のサブ領域を割り当て、
かつ特定の隣接したメッシュ領域に１以上の共通のサブ
領域を割り当てることにより、サブ領域をそれよりも少
ないメッシュ領域に統合する。例えば、図４（ａ）のサ
ブ領域から（ｂ）に示す３×３のメッシュ領域に統合す
ることができる。このようにして、文字パターンに応じ
て適切な位置で領域分割を行い、なおかつ隣接するメッ
シュ間にサブ領域に相当する幅の重なりを持たせること
によって、変形や位置ずれを持つパターンが適切なメッ
シュ上に配置されることになる。

【０００９】

【発明が解決しようとする課題】しかし、上記した分割
位置を変動させる方法では、一般に各々のメッシュ領域
の大きさが異なるため、メッシュ領域ごとに抽出される
特徴ベクトルの値域にばらつきが生じる。特徴ベクトル
の例として、それぞれのメッシュ領域内に含まれる黒画
素数を考えると、そのとり得る値は、０から各メッシュ
の面積（つまりメッシュに含まれる全画素数）までであ
る。

【００１０】従って、２つのパターンについて、所定の
メッシュを比べたとき、どちらも全て黒画素で占められ
ているケースであっても、メッシュの大きさが異なれば
特徴量の値も異なってしまう。反対に、２つのパターン
の所定のメッシュの大きさが異なるにも係らず、どちら
のメッシュも同じ数の黒画素を含んでいれば、それらは
同じ特徴量の値を持つと評価されることになる。

【００１１】このように特徴量の値がメッシュの大きさ
に影響されると、同一字種の間においても特徴量の値に
大きなばらつきを生じることになり、この結果、認識率
の低下を招き、変動領域分割の効果が十分に発揮されな
いという問題がある。

【００１２】本発明の目的は、互いに大きさの異なり得
る領域分割を行う特徴抽出方法において、それぞれのメ
ッシュ領域で抽出される特徴ベクトルに対して、メッシ
ュの大きさによる値の変動を抑えるために適切な重み付
けを行うようにした特徴抽出方法を提供することにあ
る。

【００１３】

【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、入力文字パターンを所定
の規則に従って多角形のメッシュ領域に分割し、該分割
された各メッシュ領域から抽出される特徴ベクトルを統
合して、該入力文字パターンの特徴量とする特徴抽出方
法において、該分割された各メッシュ領域を構成する辺
または対角線の長さに基づいて特徴ベクトルの重み付け
を行うことを特徴としている。

【００１４】請求項２記載の発明では、入力文字パター
ンを所定の規則に従って多角形のメッシュ領域に分割
し、該分割された各メッシュ領域から抽出される特徴ベ
クトルを統合して、該入力文字パターンの特徴量とする
特徴抽出方法において、該分割された各メッシュ領域の
面積に基づいて特徴ベクトルの重み付けを行うことを特
徴としている。

【００１５】請求項３記載の発明では、前記メッシュ領
域の分割は、入力文字パターンを複数の特定軸へ投影し
たときの黒画素数分布の積算が均等に分配されるように
分割することを特徴としている。

【００１６】請求項４記載の発明では、前記メッシュ領
域の分割は、入力文字パターンを複数の特定軸へ投影し
たときの文字輪郭画素数分布の積算が均等に分配される
ように分割することを特徴としている。

【００１７】請求項５記載の発明では、前記メッシュ領
域の分割は、入力文字パターンを複数の特定軸へ投影し
たときのストローク数分布の積算が均等に分配されるよ
うに分割することを特徴としている。

【００１８】請求項６記載の発明では、前記メッシュ領
域の分割は、入力文字パターンを特徴量が均等に分配さ
れるようなメッシュ領域数より多いサブ領域に分割し、
隣接したメッシュ領域に共通のサブ領域を割り当てるこ
とにより、該サブ領域をメッシュ領域に統合する領域分
割方法であることを特徴としている。

【００１９】

【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。図１は、本発明の実施例の構成を示す。
文字パターン入力部１０１は、スキャナなどで構成さ
れ、画像を読み取って文字パターンをディジタル画像と
して入力する。前処理部１０２は、入力された文字パタ
ーンのノイズを除去し、正規化などの必要な前処理を行
う。次いで、特徴抽出部（１０３〜１０７）は、入力文
字パターンの特徴量を抽出する。

【００２０】辞書作成のときには、パターン辞書作成部
１０８は、抽出された入力文字パターンの特徴量を用い
て、各字種を代表する特徴量をパターン辞書１０９に記
録する。文字認識を行うときは、マッチング部１１０
は、入力パターンの特徴量とパターン辞書１０９とのマ
ッチングを行い、候補文字群あるいは棄却コードなどを
認識結果出力部１１１に送る。

【００２１】特徴抽出部について詳述すると、領域分割
部１０３は、まず所定の規則（例えば、前掲した公報に
記載の方法）に従って入力パターンをメッシュ領域に分
割する。このとき、各々の領域の分割位置が分割位置格
納部１０７に記録される。次いで、領域別特徴ベクトル
抽出部１０４は、分割された各メッシュ領域から特徴ベ
クトルを抽出する。

【００２２】領域別特徴ベクトル重み付け部１０５は、
記録された分割位置を用いて求められる各メッシュ領域
の各辺の長さ、対角線の長さ、あるいは面積に基づいて
各メッシュの特徴ベクトルあるいは特徴ベクトルの各成
分を重み付けする。特徴ベクトル統合部１０６は、各メ
ッシュ領域の特徴ベクトルを、入力文字パターン全体の
特徴量として統合し、辞書作成部１０８あるいはマッチ
ング部１１０に送る。

【００２３】〈実施例１〉特徴ベクトルとして、文字パ
ターンの輪郭線素を水平方向、垂直方向、右上がり斜
め、右下がり斜めの４方向に量子化した方向コードを、
各メッシュ領域内でコード別にカウントする方向コード
ヒストグラムを例にとる。まず、文字パターンを走査
し、注目画素が白画素であり、かつその上下左右に隣接
する４つの画素が図８に示す状態の何れかであるとき、
該注目画素に対して図８（ａ）〜（ｄ）に応じて１〜４
のコードを付与する（図中の黒は、黒画素を表す）。例
えば、注目画素が白で、その左右の画素とその上の画素
が白で、注目画素の下の画素が黒画素のとき（図８の３
０１の状態）、コード１が付与される。

【００２４】次にパターンの領域分割を行うが、ここで
は簡単のためメッシュは互いに重なりを持たず、３×３
の９つの矩形に分割されるものとする。９個に分割され
た内の領域ｉ（ｉ＝１，２，．．，９）で抽出される特
徴ベクトルＸｉは４次元であり、その成分Ｘｉ［ｋ］
（ｋ＝１，２，３，４）は、Ｘｉ［１］＝（領域ｉ内のコード１の数）Ｘｉ［２］＝（領域ｉ内のコード２の数）Ｘｉ［３］＝（領域ｉ内のコード３の数）Ｘｉ［４］＝（領域ｉ内のコード４の数）となる。

【００２５】従来は、これら特徴ベクトルをそのまま統
合して（例えば、Ｘｉを単純に連結して３６次元のベク
トル（Ｘ１［１］，Ｘ１［２］，Ｘ１［３］，Ｘ１
［４］，．．．，Ｘ９［１］，Ｘ９［２］，Ｘ９
［３］，Ｘ９［４］）とするなど）、文字パターン全体
の特徴量としていた。

【００２６】図９は、同じ「木」という字種の２つのパ
ターンを示す。右上のハッチングを施したメッシュ領域
に注目すると、（ａ）、（ｂ）ともに「水平な文字線が
左端からメッシュ中央付近まで伸びている」ことが分か
る。そして、文字線の上側の輪郭画素（注目画素）は、
図８（ａ）の状態３０１に相当するので、コード１が付
与され、文字線の下側の輪郭画素（注目画素）は、図８
（ａ）の状態３０２に相当するので、コード１が付与さ
れる。また、文字線の先端の輪郭画素は、図８（ｂ）の
状態３０３に相当するので、コード２が付与される。

【００２７】ところが、（ａ）の該領域に含まれるコー
ド１の数ＸＡは１４であり、（ｂ）の該領域に含まれる
コード１の数ＸＢは１８であり、変動領域分割によって
互いに類似した部分パターンが得られたにも係らず、特
徴量の比はＸＢ／ＸＡ＝１．２９となって、３割近い差
がある。

【００２８】そこで、本実施例では、水平な輪郭を表す
コード１については、メッシュの横の長さで重み付けを
行う。図９（ａ）のメッシュは横の長さが１２であり、
（ｂ）のメッシュは横の長さが１６であるから、ＷＡ＝ＸＡ／１２＝１４／１２＝１．１７ＷＢ＝ＸＢ／１６＝１８／１６＝１．１３となって、重み付け後の特徴量の比は、ＷＢ／ＷＡ＝
１．１３／１．１７＝０．９７となり、１に近い値にま
で補正される。

【００２９】同様にして、垂直な輪郭を表すコード２に
ついては、メッシュの縦の長さで重み付けを行う。図９
の例では、（ａ）、（ｂ）ともにコード２の数は１であ
り、メッシュの縦の長さも等しく１３であるから、特徴
量の比は重み付け前後で変わらない。

【００３０】また、斜めの輪郭を表すコード３、４につ
いては、メッシュの対角線の長さで重み付けを行う。図
９（ａ）は、√（１２²＋１３²）＝１７．７、（ｂ）
は、√（１６²＋１３²）＝２０．６が重みとなる（な
お、同図では該メッシュにコード３、４が存在しないの
で、重みにかかわらず、特徴量は０のままである）。

【００３１】あるいは対角線の長さを計算する際の２乗
根による計算負荷を回避するため、コード３、４につい
ては、メッシュの縦と横の長さの和を用いてもよい。こ
の場合、図９（ａ）は１２＋１３＝２５、（ｂ）は１６
＋１３＝２９を重み付けすることになる。もちろん、辺
や対角線の長さで割算した後の特徴量に適当な定数を乗
じてもよい。

【００３２】以上の重み付けを式で表すと、メッシュｉ
に関する方向コードヒストグラムＸｉ［１］〜Ｘｉ
［４］から該メッシュの横の長さＬＨｉおよび縦の長さ
ＬＶｉを用いて、Ｗｉ［１］＝Ｃ１・Ｘｉ［１］／ＬＨｉＷｉ［２］＝Ｃ２・Ｘｉ［２］／ＬＶｉＷｉ［３］＝Ｃ３・Ｘｉ［３］／√（ＬＨｉ）²＋（Ｌ
Ｖｉ）²またはＣ３・Ｘｉ［３］／（ＬＨｉ＋ＬＶｉ）Ｗｉ［４］＝Ｃ４・Ｘｉ［４］／√（ＬＨｉ）²＋（Ｌ
Ｖｉ）²またはＣ４・Ｘｉ［４］／（ＬＨｉ＋ＬＶｉ）重み付けされたヒストグラムＷｉ［１］〜Ｗｉ［４］を
得る。Ｃ１〜Ｃ４はメッシュによらない定数である。こ
のようにして重み付けしたメッシュ領域毎の特徴ベクト
ルを統合して（例えば単純に連結して）、文字パターン
全体の特徴ベクトルを得る。

【００３３】なお、上記した実施例で方向コードヒスト
グラムを用いたこと、その量子化方向が４方向であるこ
と、メッシュの形状が矩形であること、３×３の分割で
あることは、一例であって、本発明はこれに限定されな
い。また、本発明は他の特徴抽出方法にも適用すること
ができる。

【００３４】〈実施例２〉他の特徴ベクトルとして、各
メッシュ領域に含まれる黒画素の数を用いる。ここで
は、簡単のためメッシュは互いに重なりを持たず、３×
３の９つの矩形に分割されるものとする。

【００３５】図９の例では、ハッチングを施した右上の
メッシュについて、（ａ）、（ｂ）ともに類似した部分
パターンが得られているにも係らず、（ａ）でカウント
される黒画素数ＸＡは７、（ｂ）の方の黒画素数ＸＢは
９であり、特徴量の比ＸＢ／ＸＡ＝９／７＝１．２９と
なって、３割近い差があると評価されてしまう。

【００３６】一方、メッシュの面積を比べると、（ａ）
のメッシュ面積ＳＡ＝１２×１３＝１５６，（ｂ）のメ
ッシュ面積ＳＢ＝１６×１３＝２０８であり、その比は
ＳＢ／ＳＡ＝１．３３であるから、類似のパターンなら
ば（ｂ）の黒画素数の方が３割ほど黒画素数が多くなる
のはむしろ自然である。そこで、メッシュの面積を用い
て次のような重み付けを行う。

【００３７】ＷＡ＝ＸＡ／ＳＡ＝７／１５６＝０．０４５ＷＢ＝ＸＢ／ＳＢ＝９／２０８＝０．０４３重み付け後の特徴量の比はＷＢ／ＷＡ＝０．０４３／
０．０４５＝０．９６であり、かなり１に近い値にまで
補正されている。もちろん、面積で割算した後の特徴量
に適当な定数を乗じてもよい。

【００３８】以上の重み付けを式で表すと、メッシュｉ
の黒画素数Ｘｉは該メッシュの面積Ｓｉを用いて、Ｗｉ＝Ｃ・Ｘｉ／Ｓｉ重み付けされた特徴量Ｗｉを得る。Ｃはメッシュによら
ない定数である。Ｗｉを統合して（例えば連結して（Ｗ
１，Ｗ２，．．．，Ｗ９）とする）、文字パターン全体
の特徴ベクトルを得る。

【００３９】なお、本実施例では特徴量として黒画素数
を用いたこと、３×３の矩形に領域分割したことは一例
であって、本発明はこれに限定されない。また、本発明
は他の特徴抽出方法にも適用可能である。

【００４０】〈実施例３〉本実施例３は、入力パターン
を互いに重なりを持たない３×３の矩形メッシュ領域に
分割する実施例である。図２は、領域分割のフローチャ
ートである。

【００４１】まず、水平（ｘ軸）および垂直（ｙ軸）方
向に沿った１ラインについてパターンを走査し、パター
ンの粗密を示す特性量を検出する（ステップ２０１）。
本実施例の特性量に相当するものは黒画素であり、各ラ
イン上の黒画素数をカウントすることによって、黒画素
数の分布関数Ｈ（ｙ）、Ｖ（ｘ）を得る（ステップ２０
２）。Ｈ（ｙ）は水平な１ライン上の黒画素数をｙ軸に
投影したものであり、Ｖ（ｘ）は垂直な１ライン上の黒
画素数をｘ軸に投影したものである。例として、図１０
は、「木」を表すパターンについての黒画素数の分布関
数を示す。

【００４２】次に、分布関数Ｈ（ｙ）、Ｖ（ｘ）をそれ
ぞれｙ、ｘ軸上に累積して、累積関数ＣＨ（ｙ）とＣＶ
（ｘ）を求める（ステップ２０３）。すなわち、ＣＨ
（ｙ）はパターン上端から幅ｙの区間でＨ（ｙ）を累積
したもの、ＣＶ（ｘ）はパターン左端から幅ｘの区間で
Ｖ（ｘ）を累積したものであって、次式で求められる。

【００４３】ＣＨ（ｙ）＝ΣＨ（ｔ）ここで、和
はｔ＝１からｙまで行うＣＶ（ｘ）＝ΣＶ（ｔ）ここで、和はｔ＝１から
ｘまで行うＣＨ（ｙ）、ＣＶ（ｘ）は単調増加なので、それらの最
大値ＣＨｍａｘ、ＣＶｍａｘは、ｙ、ｘに文字パターン
のサイズを代入して求められる（ステップ２０４）。例
えば、６４画素×６４画素のパターンであれば、ＣＨｍ
ａｘ＝ＣＨ（６４）、ＣＶｍａｘ＝ＣＶ（６４）とな
る。

【００４４】そして、累積関数を３等分する点を決定す
る（ステップ２０５）。すなわち、ＣＶ（ｘ）の値がＣ
Ｖｍａｘの１／３および２／３であるような点ｘ１、ｘ
２と、ＣＨ（ｙ）の値がＣＨｍａｘの１／３および２／
３であるような点ｙ１、ｙ２とを求める。ただし、ｘ、
ｙは整数なので、次式を用いる。

【００４５】ｘ１＝ｍｉｎ｛ｘ｜ＣＶ（ｘ）≧（１／３）・ＣＶｍａｘ｝ｘ２＝ｍｉｎ｛ｘ｜ＣＶ（ｘ）≧（２／３）・ＣＶｍａｘ｝ｙ１＝ｍｉｎ｛ｙ｜ＣＨ（ｙ）≧（１／３）・ＣＨｍａｘ｝ｙ２＝ｍｉｎ｛ｙ｜ＣＨ（ｙ）≧（２／３）・ＣＨｍａｘ｝上記した例えばｘ１についての式は、ＣＶ（ｘ）が（１
／３）・ＣＶｍａｘを超えるようなｘの値の内、最小の
ものがｘ１であることを意味する。ｘ２、ｙ１、ｙ２に
ついても同様である。

【００４６】これらの等分点を領域分割位置とする。図
３は、領域分割の具体例を示す。この分割では、各分割
区間での分布関数の積算が等しくなっている。つまり、
ｘ＜ｘ１と、ｘ１≦ｘ＜ｘ２と、ｘ≧ｘ２という３つの
区間では、それぞれの区間内における分布関数ＣＶ
（ｘ）の積算が互いに等しいか、または近似的に等し
い。同様に、ｙ＜ｙ１と、ｙ１≦ｙ＜ｙ２と、ｙ≧ｙ２
という３つの区間では、それぞれの区間内における分布
関数ＣＨ（ｙ）の積算が互いに等しいか、または近似的
に等しい。

【００４７】このようにして、パターンの粗密に応じて
決定された分割位置ｘ１，ｘ２，ｙ１，ｙ２を分割位置
格納部１０７に格納して、分割処理を終える（ステップ
２０６）。そして、領域分割の後、分割された領域ごと
に特徴ベクトルを抽出し、実施例１または２を用いて特
徴ベクトルの重み付けを行う。

【００４８】なお、本発明は上記した実施例に限定され
ず、隣接する領域が重なり部分を持つようにしてもよい
し、また水平方向と垂直方向で分割数が異なってもよ
い。さらに、メッシュの形状が矩形である必要はなく、
パターンを水平軸や垂直軸以外の方向軸に投影した分布
関数を利用するような分割方式であってもよい。

【００４９】〈実施例４〉本実施例では、文字パターン
の輪郭画素をパターンの粗密を示す特性量として用い、
領域分割位置を決定する。まず、パターンを水平、垂直
方向に沿った１ラインについて走査し、白画素であっ
て、かつ、その上下左右の画素が図８に示す何れかの状
態であるとき、該画素を輪郭画素としてカウントするこ
とによって、輪郭画素数の分布関数Ｈ（ｙ）、Ｖ（ｘ）
を求める。例として、図１１に「木」を表すパターンに
ついての輪郭画素数の分布関数を示す。図中のグレーの
網点部分は文字パターンにおける黒画素を表し、その周
囲の黒い線が輪郭画素を表す。図２のステップ２０３以
降の処理は実施例３と同様である。なお、ここで用いた
文字輪郭画素の定義は一例であって、他の定義を用いる
場合にも本発明を適用することができる。

【００５０】〈実施例５〉この実施例は、文字パターン
のストローク数をパターンの粗密を示す特性量として用
い、領域分割位置を決定する。まずパターンを水平、垂
直方向に沿った１ラインについて走査し、文字線と交差
した回数をストローク数とすることによって、ストロー
ク数の分布関数Ｈ（ｙ）、Ｖ（ｘ）を求める。例とし
て、図１２に「木」を表すパターンについての分布関数
を示す。図２のステップ２０３以降の処理は実施例３と
同様である。

【００５１】〈実施例６〉まず、文字パターンの特徴量
を抽出し、次に特徴量を均等に分配するような分割位置
を持つサブ領域を作成する。サブ領域への分割は、実施
例３〜５で説明したメッシュ分割方法をそのまま用いる
ことができる。パターンの粗密を示す特性量として、先
に抽出した特徴量を用い、特徴量の分布関数Ｈ（ｙ）、
Ｖ（ｘ）を求めればよい。

【００５２】例えば、黒画素数を特徴量とするならば、
サブ領域への分割は実施例３に帰着するし、方向コード
ヒストグラムを特徴量とするならば実施例４の方法を用
いることができる。もちろん、ここで得られるのはメッ
シュ領域ではなく、それよりも細かく数の多いサブ領域
である。

【００５３】図４（ａ）は、サブ領域の例を示す。ここ
では４×４のサブ領域Ａ〜ＰをパラメータＰ（ｊ）、Ｑ
（ｊ）、Ｒ（ｊ）、Ｓ（ｊ）（ｊ＝１，２，３）および
以下の規則から３×３のメッシュ領域に統合する。

【００５４】統合規則とは、「左からｍ列目、上からｎ
行目のメッシュ領域は、『左からＰ（ｍ）列目〜Ｑ
（ｍ）列目、かつ上からＲ（ｎ）行目〜Ｓ（ｎ）行目ま
でに含まれるサブ領域』からなる」という、規則であ
る。

【００５５】図４（ｂ）では、次のパラメータを用いて
いる。Ｐ（１）＝１、Ｑ（１）＝１、Ｒ（１）＝１、Ｓ（１）＝１Ｐ（２）＝２、Ｑ（２）＝３、Ｒ（２）＝２、Ｓ（２）＝３Ｐ（３）＝３、Ｑ（３）＝４、Ｒ（３）＝３、Ｓ（３）＝４従って、例えば、図４（ｂ）のメッシュ領域２は、同図
（ａ）のサブ領域ＢとＣからなり、メッシュ領域６はサ
ブ領域Ｇ、Ｈ、Ｋ、Ｌからなる。このようにして、パタ
ーンをメッシュ領域に分割した後、分割されたメッシュ
領域毎に特徴ベクトルを抽出し、前述した実施例１、２
を用いて特徴ベクトルの重み付けを行う。なお、本分割
方式および他の統合規則例の詳細については、前掲した
特開昭６３−１４２９１号公報に記載されている。

【００５６】

【発明の効果】以上、説明したように、本発明によれ
ば、分割したメッシュ領域の大きさが異なる場合にも適
切に特徴量の重み付けが行われるので、マッチング部に
おいて特徴量の値を正しく評価することができ、特に同
一字種間の特徴量のばらつきを抑えることができるの
で、誤認識を減らすことができる。また、パターンを局
所的に異なる倍率で変倍するかわりに、特徴量の重み付
けという簡単な演算を用いて変倍に相当する効果を得て
いるので、非線形正規化工程を省略することができ、文
字パターンの整形を行う時間と装置を不要にすることが
可能となる。

【図面の簡単な説明】

【図１】本発明の実施例の構成を示す。

【図２】領域分割のフローチャートである。

【図３】領域分割された例を示す。

【図４】（ａ）はサブ領域の例を示し、（ｂ）はサブ領
域をメッシュ領域に統合した例を示す。

【図５】（ａ）、（ｂ）は、４×４の領域に分割された
文字パターンの例を示す。

【図６】（ａ）、（ｂ）は、整形された文字パターンの
例を示す。

【図７】（ａ）、（ｂ）は、文字パターンに応じて領域
の分割位置を変動させる例を示す。

【図８】（ａ）〜（ｄ）は、４方向の方向コードを示
す。

【図９】（ａ）、（ｂ）は、「木」という字種のパター
ン例を示す。

【図１０】黒画素数の分布を示す。

【図１１】輪郭画素数の分布を示す。

【図１２】ストローク数の分布を示す。

【符号の説明】１０１文字パターン入力部１０２前処理部１０３領域分割部１０４領域別特徴ベクトル抽出部１０５領域別特徴ベクトル重み付け部１０６特徴ベクトル統合部１０７分割位置格納部１０８パターン辞書作成部１０９パターン辞書１１０マッチング部１１１認識結果出力部

Claims

【特許請求の範囲】

【請求項１】入力文字パターンを所定の規則に従って
多角形のメッシュ領域に分割し、該分割された各メッシ
ュ領域から抽出される特徴ベクトルを統合して、該入力
文字パターンの特徴量とする特徴抽出方法において、該
分割された各メッシュ領域を構成する辺または対角線の
長さに基づいて特徴ベクトルの重み付けを行うことを特
徴とする特徴抽出方法。
【請求項２】入力文字パターンを所定の規則に従って
多角形のメッシュ領域に分割し、該分割された各メッシ
ュ領域から抽出される特徴ベクトルを統合して、該入力
文字パターンの特徴量とする特徴抽出方法において、該
分割された各メッシュ領域の面積に基づいて特徴ベクト
ルの重み付けを行うことを特徴とする特徴抽出方法。
【請求項３】前記メッシュ領域の分割は、入力文字パ
ターンを複数の特定軸へ投影したときの黒画素数分布の
積算が均等に分配されるように分割することを特徴とす
る請求項１または２記載の特徴抽出方法。
【請求項４】前記メッシュ領域の分割は、入力文字パ
ターンを複数の特定軸へ投影したときの文字輪郭画素数
分布の積算が均等に分配されるように分割することを特
徴とする請求項１または２記載の特徴抽出方法。
【請求項５】前記メッシュ領域の分割は、入力文字パ
ターンを複数の特定軸へ投影したときのストローク数分
布の積算が均等に分配されるように分割することを特徴
とする請求項１または２記載の特徴抽出方法。
【請求項６】前記メッシュ領域の分割は、入力文字パ
ターンを特徴量が均等に分配されるようなメッシュ領域
数より多いサブ領域に分割し、隣接したメッシュ領域に
共通のサブ領域を割り当てることにより、該サブ領域を
メッシュ領域に統合する領域分割方法であることを特徴
とする請求項１または２記載の特徴抽出方法。