JPH09185681A

JPH09185681A - 住所読み取り方法

Info

Publication number: JPH09185681A
Application number: JP8000438A
Authority: JP
Inventors: Masashi Koga; 昌史古賀; Tatsuhiko Kagehiro; 達彦影広; Yutaka Sako; 裕酒匂; Hiromichi Fujisawa; 浩道藤澤; Hisao Ogata; 日佐男緒方; Yoshihiro Shima; 好博嶋; Masato Teramoto; 正人寺本
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1996-01-08
Filing date: 1996-01-08
Publication date: 1997-07-15
Anticipated expiration: 2016-01-08
Also published as: JP3313272B2

Abstract

(57)【要約】【課題】文字識別や文字列照合で、文字の切り出し方が
確定できない場合でも、高い精度で文字を切り出し文字
列を認識する。【解決手段】多重仮説検定型の文字切り出し処理におい
て、先ず従来の方法で全部の切り出し方の中からより正
しいと判断される複数の切り出し方の候補を選別し、次
いで本発明の方法である各文字パターンの大きさや前後
のパターンとの位置関係に基づき切り出し方の仮説の妥
当性を評価するための評価値（概形ペナルティ）を求め
る。この仮定は予め収集登録しサンプルを学習して求め
た線形識別関数により行う。このようにして正しい切り
出し方を判別することにより、大きさや位置関係の情報
を容易に扱えるようになる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、郵便物等の文書上
に記載された住所を読み取り、文書を区分する、住所読
取り区分装置にかかわる。

【０００２】

【従来の技術】住所が記載されている文字の並び（住所
文字行）から住所を読み取るためには、以下の３つの機
能が必要である。

【０００３】（１）文字パターンを切り出す。（文字切
り出し）（２）各々の文字パターンの文字種（文字コード）を識
別する。（文字識別）（３）文字の識別結果を住所文字列として解釈する。
（文字列照合）これらの内、手書きで書かれた文字行は文字のピッチの
ばらつきが大きいため、（１）の文字切り出しが特に難
しい。

【０００４】従来から、手書きの文字行から正確に文字
を切り出すためには、多重仮説検定法が有効であること
が知られている。これは、文字の切り出し方に複数の仮
説を立て、文字パターンの候補を切り出した後、文字識
別や文字列照合によって正しい仮説を決定する方式であ
る。例えば、文字識別結果で仮説を検定する藤澤らの方
式（昭和５９年度電子通信学会総合全国大会１５５８
「接触した手書き文字の自動分離を行う文字切り出し方
式」）がある。また、文字の外形により、文字パターン
の候補の切り出しの成否を判定する方式として石寺らの
方式（１９９５年電子情報通信学会総合大会Ｄー５７６
「手書き住所読み取りのための文字切り出し法」）があ
る。また、文字識別結果および文字列照合結果により、
仮説を検定する方式としては、村瀬等の方式（信学論
（D）vol. J69-D、 No. 9「言語情報を利用した手書き
文字列からの文字切り出しと認識」）、および大井の方
式（信学技報PRU92-40「住所読取りにおける丁目・街区
認識方式」）等がある。

【０００５】この多重仮説検定方式とは、文字パターン
の候補を抽出し、文字識別や文字列照合の結果を用いて
検定する方式である。例えば、図１９（ｂ）に示す住所
文字列に対しては、図２０（ａ）に示すような文字パタ
ーンの候補が生成される。図２０（ａ）の中では、パタ
ーンとパターンの境界を節、パターンを弧とするグラフ
で、文字パターンの候補の関係が表現されている。この
ように、文字パターンの候補の関係をグラフで表現した
ものを切り出しグラフと呼ぶ。このように文字パターン
の候補の関係を表現すれば、文字パターンの切り出し
は、切り出しグラフの始点から終点へ至る最適な経路を
見いだす問題に置き換えられる。

【０００６】

【発明が解決しようとする課題】以上述べたように従来
技術においては、例えば、図１９の（ａ）と（ｂ）の住
所は、どちらも（ｃ）に示すようなパターンを含んでい
る。（ｃ）を、１文字（「板」）に切出すか、２文字
「水反」と切り出すべきかは、文字識別結果を用いる従
来方式では判断できない。なぜなら、どちらの切り出し
方でも、切り出されたパターンを文字識別した結果、高
い類似度が得られるからである。また仮に、「中住市板
町」と「中住市水反町」の両方が住所としてあり得るな
ら、上記の二つの切り出し方のいずれが正しいかは、文
字列照合を用いる従来の方式でも判断できない。文字パ
ターンの大きさと前後のパターンとの位置関係を利用す
れば、このような場合でも正しく文字を切り出すことが
できる。例えば、（ａ）は文字の間隔を大きく取って書
かれているのに対し、（ｃ）中のパターンの間隙ｇは小
さい。したがって、（ｃ）は１文字だと判断できる。こ
れに対し、（ｂ）は文字の間隔を小さく書かれており、
（ｃ）中のパターンの間隙ｇは文字の間隔として解釈す
ることは妥当である。したがって、（ｂ）では２文字だ
と判断できる。

【０００７】一方、図２０（ａ）から、文字識別結果に
より不適切な弧を削除すると、図２０（ｂ）のような切
り出しグラフになる。しかし、図１９（ｃ）の部分に
は、複数の切り出し方が候補として残っており、従来の
方法では文字切り出しを誤る可能性がある。しかし、従
来の方式では、このような前後のパターンとの関係に基
づいて文字の切り出し方を決定するのは困難であった。
例えば、藤沢等の方式、石寺らの方式は、パターン一つ
一つの妥当性を判断するものであり、前後のパターンと
の関係を利用することはできない。また、大井の方式、
村瀬等の方式は、文字列照合で各パターンの前後との関
係を利用しているが、前後の文字との間隔などの相対的
特徴量の情報は利用できない。

【０００８】本発明が解決しようとする課題は、多重仮
説検定法に関わることで、文字識別結果および文字列照
合のみでは正しく切出の候補の検定ができない住所文字
行から、注目パターンおよびその前後のパターンの相対
的特徴量を利用し、正確に文字を切り出す事である。

【０００９】

【課題を解決するための手段】上記の課題を解決するた
め、本発明では、多重仮説検定方式に、文字パターンの
大きさや前後のパターンとの位置関係に基づく評価値
（概形ペナルティ）を導入する。また、本発明は、種々
の切り出し誤りの仮説に対応したペナルティ算出手段を
設けることにより、大きさや位置関係の情報を容易に扱
えることを特徴とする。ここで、図２０において節４と
節６の間に張られる弧に対応するパターン（以下「パタ
ーン４−６」と呼ぶ）を例に挙げて、本方法の原理を説
明する。まず、パターン４−６近傍は、実は仮説２０２
の破線で示された矩形のように切り出されるべきであっ
たと仮定し、この仮説が妥当かどうかを文字パターンの
大きさや前後のパターンとの位置関係に基づき評価す
る。同様に、切り出し方の辞書２０１中の７つの仮説に
基づきパターン４−６を評価する。この場合、以下の理
由により、仮説２０３が妥当と判断される。

【００１０】（１）パターン４−５の間隔とパターン
５−６の間隔は、前後の間隔（パターン４−６に対する
パターン６−７、パターン３−４の間隔）と比べて十分
大きい。

【００１１】（２）パターン４−５とパターン５−６
は、いずれも幅が十分に広い。

【００１２】このように、仮説２０１中のいづれかの仮
説が妥当と判断された場合には、当該パターン（この例
ではパターン４−６）を切り出しグラフから削除する。
なお、このような判断は、あらかじめ収集したサンプル
を学習して求めた線形識別関数により行なう。このこと
により、切り出しグラフから弧を削減し、従来の方式で
は対応困難であった文字行から高い精度で文字パターン
が切り出せるようになる。また、このように切り出しの
誤り方を体系化することにより、切り出し候補の検定に
必要なパラメータの学習が容易になる。

【００１３】以上のようにして本発明の実現方法は説明
されるが、このために、請求項１においては、本発明の
対象となる住所読取装置において、画像上から住所の記
載されている文字行を抽出する文字行抽出処理を行い、
ここで文字パターンを一意に定められない場合は複数の
文字パターンの候補を切り出すパターン切出処理を行
い、この切り出されたパターンを文字識別する文字識別
処理を行う。続いて、想定し得る文字切り出しの各種の
誤り方毎に、それぞれの読み出されたパターンが当該の
誤り方で切り出されたパターンであると言う仮説の妥当
性を、各パターン及びその前後複数のパターンとの相対
的特徴量に基づき概形ペナルティとして算出し、その後
に文字識別結果と概形ペナルティに応じて文字パターン
を絞り込み、予め記憶してある住所文字列の辞書と照合
する住所辞書照合処理を行うことにより住所読み取りを
行っている。

【００１４】請求項２においては、上記各概形ペナルテ
ィを算出するために、正しく切り出されたパターン候補
と、誤って切り出されたパターン候補とを識別する識別
関数を用いている。

【００１５】請求項３においては、上記識別関数におい
て、少なくとも各パターンの前後のパターンとの間隔を
特徴量の一つとして処理している。

【００１６】請求項４においては、上記識別関数におい
て、少なくとも各パターンの前後のパターン中の間隙を
特徴量の一つとしている。

【００１７】請求項５においては、上記識別関数を作成
するために、先ず文字行の画像を入力データとし、文字
パターンの切り出し方が一意に定められない場合は複数
の文字パターンの候補を切り出し、これらの文字パター
ンの候補が正しく切り出されているか否か、また、誤っ
ている場合には如何なる種類の誤りかを分類することに
より、各文字パターンの候補の切り出し誤りを判別し、
この結果に応じてパターン候補を分類格納し、更に分類
格納されているパターン候補を用いて識別関数を学習決
定する方法としている。

【００１８】

【発明の実施の形態】本発明の実施の形態の一例の構成
を、図１のデータ・フロー・ダイアグラムを用いて説明
する。本明細書では、データ・フロー・ダイアグラムは
ゲーン・サクソン記法に従う（Ｊ．マーチン「ソフトウ
エア構造化技法」近代科学社、ISBN4- 7649 - 0124 - 2
C3050 P5562E）。本例は、住所の記載された面を光電
変換して得られた全体画像を入力とし、住所読取結果の
住所文字列を出力とする住所認識処理である。まず、文
字行抽出処理３０１により、全体画像から住所文字行を
抽出する。次に、文字パターン候補抽出処理３０２は、
住所文字行中より文字パターンの候補を抽出し、切り出
しグラフを生成する。概形ペナルティ算出処理３０３
は、各パターン候補の概形ペナルティ（ｐ）を算出す
る。文字識別処理３０４は、各文字パターン候補を文字
識別し、複数の候補文字のコードと各候補文字の類似度
を出力する。パターン確信度算出処理３０５は、文字識
別結果の類似度、概形ペナルティを基に、各パターン候
補の確からしさ（パターン確信度）を算出する。住所辞
書照合処理３０６は、パターン確信度に基づきパターン
候補を取捨選択し、文字識別結果の候補文字を住所文字
列辞書と照合する。

【００１９】図２は、本例の処理の手順を示す。まず、
ステップ４０１で、全体画像より文字行を抽出する。次
に、ステップ４０２で文字行中より、文字パターンの候
補を抽出し、切り出しグラフを生成する。次に、切り出
しグラフ中の全ての文字パターン候補について、制御ル
ープ４０３の中で、ステップ４０５からステップ４０７
を繰り返す。制御ループ４０３の中では、まずステップ
４０５で、各文字パターン候補の概形ペナルティを算出
する。次に、各文字パターン候補をステップ４０６で文
字識別する。次に、ステップ４０７で、切り出しグラフ
上の各弧に対応するパターンの確信度を計算する。制御
ループ４０３を終了後、ステップ４０４で、文字識別結
果を住所辞書と照合する。

【００２０】次に、文字行抽出処理３０１の入力および
出力を、図３を用いて説明する。文字行抽出処理３０１
は、全体画像中の郵便物の像５０１から、住所文字行を
抽出する処理である。住所文字行とは、宛名の都道府県
名、市名から、丁目・番地までを含む矩形の領域５０２
のことである。宛名が２行以上に及ぶ場合は、行数分だ
けの矩型領域５０２を出力する。このように住所文字行
を抽出する方法としては、東芝レビュー1993 Vol. 48 N
o. 7「郵便機械における画像処理技術」３章３節にある
様な方法を用いる。

【００２１】次に、文字パターン候補抽出処理３０２の
原理を、図４を用いて説明する。まず、住所文字行よ
り、文字の境界の候補を抽出する。図中で０から９まで
の番号（境界番号）を付与している縦棒が、境界の候補
である。境界の候補は、信学技報IE88-138「不定ピッチ
文字列を含む印刷文書における印刷文書における文字切
出手法」に記載があるような統合矩形同士の間隙とす
る。ここで、境界の右のパターンの左端のｘ座標から境
界の左のパターンの右端のｘ座標を引いた値を境界間
隙、境界の右のパターンの左端のｘ座標から境界の左の
パターンの右端のｘ座標の平均を境界座標と定義する。
例えば、境界番号４に対応する境界座標は６０４のｘ座
標、境界間隙は６０５で表される幅となる。次に、境界
座標の差が、文字行の高さから推定した文字サイズを越
えないような境界の組み合わせを調べ、それら境界に挾
まれるパターンを文字パターンの候補として登録する。
図４の例では、境界座標の差６０１及び６０２は推定し
た文字サイズを越えず、境界座標の差６０３は越える。
このため、パターン０−１とパターン０−２は登録する
が、パターン０−３は登録しない。

【００２２】図５は、文字パターン候補抽出処理３０２
で生成される切り出しグラフの弧を表現するパターンテ
ーブルの形式を示す。パターンテーブルの各レコード
が、それぞれパターン候補一つに対応する。パターンテ
ーブルの各レコードには、パターンの輪郭を格納する領
域７０１がり、パターンの輪郭はチェーンコード等で記
述する。また、パターンの左側の境界の番号７０２、右
側の境界の番号を格納する領域７０３があり、境界の番
号は、図４に示すように、文字行の左端を０番とし、左
から右へ順に１刻みに増えるよう定める。さらに、文字
識別の結果の候補文字を格納する領域７０４があり、本
実施の形態では、類似度が高い順に最大３文字の候補文
字を格納する。上記領域７０４に格納した候補文字の類
似度を格納する領域７０５があり、候補文字、類似度は
左詰めとし、候補文字数が３以下の場合には、候補文字
の領域の余白にはヌルコードを、類似度の領域の余白に
は０を埋める。なお、パターン確信度を格納するために
領域７０６がある。

【００２３】図６は、文字パターン候補抽出処理３０２
で生成される切り出しグラフの節を表現する境界テーブ
ルの形式を示す。本テーブルの各レコードが１つの境界
を表す。各レコードは境界番号８０１、境界座標８０
２、境界間隙８０３をそれぞれ格納する領域である。

【００２４】文字識別処理３０４は、例えば森「パター
ン認識」（ISBN4 - 88552 - 075 -4 C3055、電子情報通
信学会）pp. 32 - 109 に記載のあるような既知の方式
を用いて実現する。文字識別対象のカテゴリーは、漢
字、平仮名、片仮名、アラビア数字および記号のうち、
地名もしくは丁目・街区で用いられるものとする。文字
識別の出力としては、複数の候補文字および各候補文字
の標準パターンに対する入力パターンの類似度が得られ
るものとする。

【００２５】次に、概形ペナルティ算出処理３０３の構
成を、図７のデータ・フロー・ダイアグラムを用いて説
明する。本処理の入力である文字パターン候補は、パタ
ーンテーブル中の１つのレコードおよび境界テーブルで
表現される。ここで、各パターンの候補に対し、それが
誤って切り出されたものであるという仮定を評価する処
理として、切り出し誤り仮説評価処理９０１、９０２、
９０３等を行う。本実施の形態では、図８に示す切り出
し誤りの種類Ｅ１からＥ７に対応する７種類の切り出し
誤り仮説評価処理を用いる。切り出し誤り仮説評価処理
の出力ｐｉは、大きければ大きいほど切り出し誤り仮説
が確からしい事を示す。これらの切り出し誤り仮説評価
の出力ｐｉは、処理９０４で加算され、概形ペナルティ
ｐとして出力される。

【００２６】図８は、切り出し誤りの仮説の種類を説明
する図である。図中で、黒い太線は注目しているパター
ン候補を、破線の矩形は正しい文字パターンの外接矩形
を、白抜きの線は注目しているパターン候補の周辺のパ
ターンの一部を表す。例えば、Ｅ１は注目しているパタ
ーン候補が実は文字の左側の一部を誤って切り出したも
のであるという仮説を表す。また、Ｅ７は注目している
パターン候補が実は２文字を誤って１つのパターンとし
たものであるという仮説を示す。

【００２７】図９は、切り出し誤り仮説評価処理の構成
を示すデータ・フロー・ダイアグラムである。本処理の
入力であるパターン候補はパターンテーブル中の１つの
レコードおよび境界テーブルで表現される。ここで、仮
説評価処理１１０１は、図７の仮説評価処理９０１、９
０２、９０３等の切り出し誤り仮説評価処理のいづれか
に対応する。特徴量抽出処理１１０２は、入力された文
字パターン候補から、文字パターンの大きさや前後のパ
ターンとの位置関係等の特徴量を抽出する。特徴量は、
以下の式で表わされるｎ次元のベクトルとする。

【００２８】Ｆ＝（ｆ１、ｆ２、・・、ｆｎ）次に、処理１１０３で、特徴量Ｆより、ｐｉをもとめ
る。ｐｉは、正しく切り出された候補パターンとＥｉの
ような誤りをした候補パターンを識別する線形識別関数
の値であり、以下のような式で定義できる。

【００２９】ｐｉ＝Ｆ・Ｖｉ＋ｃｉ（Ｆ・Ｖ
ｉ：ＶｉとＦの内積）ここでＶｉ：線形識別関数の重みベクトルｃｉ：定数Ｖｉ、ｃｉは、後述する方法で予め学習しておき、パラ
メータ辞書１１０４に記憶しておく。本例とは別の例と
して、文字識別結果の候補文字に応じて、パラメータ辞
書を切替えてもよい。

【００３０】図１０に、本例で用いる特徴量を説明す
る。図中で、黒い太線で表されたパターン１２０１は注
目している文字パターン候補を、白抜きで表されたパタ
ーン１２０２、１２０３は周辺のパターンを示す。ま
た、破線の矩形は、各パターンに外接する矩形を示す。
本例では、特徴量の次元数ｎ＝６とし、各次元ｆｊは以
下のように定義する。

【００３１】ｆ１：注目しているパターンの高さｆ２：注目しているパターンの幅ｆ３：注目しているパターンと左隣のパターンの間隔ｆ４：注目しているパターンと右隣のパターンの間隔ｆ５：注目しているパターン中の最大の間隙ｆ６：注目しているパターン中の連結成分数本例では、全ての切り出し誤り仮説評価処理で同じ特徴
量を用いるが、各々の処理で異なる特徴量を用いてもよ
い。また、各特徴量を、文字行の高さｈ等の文字行の全
体的な特徴量で正規化してもよい。

【００３２】図１１は、切り出し誤り仮説評価法の原理
を示す。座標軸１３０１、１３０２は、実際にはｎ次元
である特徴空間を仮想的に示す。パターングループ１３
０３は、正しく切り出されている文字パターン候補の特
徴量Ｆの分布、パターングループ１３０４は、切り出し
誤り仮説Ｅｉが真である文字パターン候補の特徴量Ｆの
分布を示す。図中のWｉは、パターングループ１３０３
及び１３０４を識別する識別関数の重みベクトルであ
り、これらグループ１３０３と１３０４を識別する識別
平面Ｂ１３０５であり、Ｗｉと直交する。ここでａ：原点から超平面Ｂまでのユークリッド距離とすると、超平面Ｂは、以下の式を満たすＦの集合とし
て表わされる。

【００３３】（Ｗｉ・Ｆ）＝ａ・｜Ｗｉ｜（Ｗｉ・Ｆ：ＷｉとＦの内積、｜Ｗｉ｜：Ｗｉのノル
ム）また、グループ１３０３と１３０４を識別する線形識別
関数の値ｄは、以下のようになり、ｄ＞０ならばＦはグ
ループ１３０４に、ｄ＜０ならグループ１３０３と識別
される。

【００３４】ｄ＝（Ｗｉ・Ｆ） − ａ・｜Ｗｉ｜Ｗｉおよびａ・｜Ｗｉ｜は、鳥脇「認識工学」（ISBN4
- 339 - 01059 - 6 C3355 P2781E、コロナ社）pp. 113
- 119の様な方式でもとめられる。しかし、このｄの値
をそのままｐｉとして用いるのは、各Ｅｉの特徴空間上
での分布が異なるため、適切でない。このため、以下の
式のように正規化した線形識別関数の値をｐｉとして用
いる。

【００３５】ｐｉ＝ｄ／（ｓ・｜Ｗｉ｜）＝（Ｗｉ・Ｆ）／（ｓ・｜Ｗｉ｜） − ａ／ｓ（ｓ：１３０３と１３０４をあわせた集合に対するｄの
分散）したがって、パラメータ辞書１１０４に格納するＶｉ、
ｃｉは、以下の様に求められる。

【００３６】Ｖｉ＝Ｗｉ／（ｓ・｜Ｗｉ｜）ｃｉ＝ａ／ｓ次に、パターン確信度算出処理３０５の概略を説明す
る。パターン確信度とは、切り出しグラフ上の各弧、す
なわち各パターン候補が、どれだけ確からしいかを示す
尺度であり、以下の式で求める。

【００３７】（パターン確信度）＝｛ｃ１・（１位候
補文字類似度）−ｃ２・ｐ｝式中のｐは概形ペナルティである。また、ｃ１、ｃ２は
定数であり、システム毎に適宜調整する。

【００３８】次に、住所辞書照合処理３０６の構成を、
図１２のデータ・フロー・ダイアグラムを用いて説明す
る。本処理の入力であるパターン候補、パターン確信度
候補文字、類似度は、パターンテーブルおよび境界テー
ブルにより渡される。まず、パターン確信度が一定値以
下のパターン候補を、パターン候補選別処理１４０１で
選別する。図２０（ａ）の例では、パターン０−２、０
−３等が、文字識別結果の類似度が小さいために、パタ
ーン確信度も小さくなり削除され、図２０（ｂ）のよう
になる。また、パターン４−６が、概形ペナルティが大
きいために、パターン確信度も小さくなり、削除され
る。次に、辞書照合処理１４０３で、各パターン候補に
対応する文字識別結果の候補文字を、あらかじめ住所文
字列辞書１４０４に格納してある住所文字列と照合し、
照合に成功した住所文字列の候補（候補文字列）を出力
する。候補住所文字列ソート１４０５は、候補文字列を
照合確信度の大きい順に並べ変え、住所読取結果として
出力する。照合確信度とは、文字識別結果の候補文字と
候補文字列を照合した際の一致の度合いであり、照合確
信度の値が大きい程、当該候補文字列は確からしい候補
と推定できる。

【００３９】図１３は、辞書照合処理１４０３の処理の
概略を示す。本処理では、文字識別結果に基づいて生成
したオートマトンが受理する住所文字列を、住所文字列
辞書１４０４中より選び出す。オートマトンが受理する
住所文字列を求める方式は、丸川等の方式（情報処理学
会論文誌第３５巻第６号「手書き漢字住所認識のための
エラー修正アルゴリズム」）に準じる。ここで図１３に
おける中央の枠は、補パターン選別後、文字識別結果の
候補文字より生成したオートマトン１５０１を模式的て
おり、パターン間の境界が状態、文字識別結果の候補文
字が遷移である。各状態の番号は、切り出しグラフの節
の番号と同じにしてある。なお、オートマトンは、パタ
ーンテーブルと同じ形式のテーブルで実現する。オート
マトン１５０１中の太線は、住所文字列辞書１４０４中
の文字列１５０３（「中住市水反町１２」）が、どのよ
うな遷移を経てオートマトン１５０１に受理されたかを
示す。このように、住所文字列辞書１４０４中の文字列
が受理された場合には、当該文字列を候補文字列の一つ
として出力する。また、照合確信度ｍｃは、照合の際の
各遷移に対応する確信度ｔｃ（遷移確信度）の総和とす
る。

【００４０】ｍｃ＝ Σｔｃ遷移確信度は、以下の式で求める。

【００４１】ｔｃ＝｛ｃ１・ｓｍ−ｃ２・ｐ｝・ｊｍただしｓm：各遷移に対応する候補文字の類似度ｊｍ：遷移の前後の状態番号の差式中の定数ｃ１、ｃ２は、パターン確信度を求めるのに
用いたものと同じものを用いる。図１３の例では、文字
列「中住市水反町１１」も受理され、住所認識結果１５
０２に出力される。しかし、後者の場合は、前者より小
さい類似度の候補文字を使って受理されているため、照
合確信度は小さくなる。

【００４２】図１４は、本実施の形態におけるハードウ
エア構成を示す。上に述べてきた本発明の実施形態の例
は、同図のような郵便物宛名読み取り区分機の、住所読
み取りを司る認識装置１６０４に適用される。図中の太
線は、郵便物の流れを示す。画像はスキャナ１６０１に
より入力される。ここで、住所読取り時間を確保するた
めに郵便物搬送路上にディレイライン１６０２が設けら
れている。この住所読み取り結果に基づき郵便物はソー
タ１６０３により区分される。スキャナ１６０１と認識
装置１６０４は入出力用ケーブル１６１２で接続する。
ソータ１６０３と認識装置１６０４は、入出力用ケーブ
ル１６１３で接続する。認識装置１６０４には、認識装
置内部の各部分を接続するためのバス１６１１、スキャ
ナ１６０１との通信を司る入出力用インタフェース１６
０５、認識装置全体の制御および住所認識処理を司る演
算処理装置１６０６、ソータ１６０３との通信を司る入
出力用インタフェース１６０７、起動等の操作を行うた
めのキーボード１６０８、実行状況を必要に応じ表示す
るためのＣＲＴ１６０９、住所認識に必要なテーブル、
プログラム、辞書などを格納するためのメモリ１６１０
を備える。

【００４３】図１５は、図９における切り出し誤り仮説
評価１１０１に用いるパラメータ辞書１１０４を学習す
るためのサンプルを収集するためのサンプル収集ツール
の表示画面の例である。図１５において、１７０１は画
面を表示するＣＲＴであり、１７０２は文字行画像表示
用のウインドウである。ウインドウ内には文字行画像全
体が表示されるが、この中で現在注目しているパターン
は、色を変えて表示する（図中の黒太線で描かれた部
分）。オペレータは、ウインドウ１７０２中の画像を観
察し、これが正しく切り出されたパターンか、誤ってい
るか、誤っている場合には図８のどの誤り方かを判断
し、それぞれに対応するボタンをマウスカーソル１７０
４でクリックする。ボタンは、パネル１７０３上に配置
する。ボタンのクリックのイベントを受けると、サンプ
ル収集ツールは、注目していたパターンの特徴量を、誤
りの種類に対応したファイルに格納し、新たなパターン
をウインドウ１７０２に表示する。

【００４４】図１６は、図９におけるパラメータ辞書１
１０４を学習するためのシステムのデータ・フロー・ダ
イアグラムである。あらかじめ収集された文字行画像Ｄ
Ｂ（データベース）１８０１を用いて、上記のサンプル
収集ツール１８０２が切り出し正解のパターンＤＢ（デ
ータベース）１８０３、および図８における切り出し誤
りの仮説における各種パターンデータベースＥ１からＥ
７に対応した切り出し誤りのパターンＤＢ（１８０４、
１８０５等）を生成する。学習ツール１８０６は、切り
出し正解のパターンＤＢ１８０３およびＥ１に対応した
切り出し誤りパターンのデータベース１８０４を入力と
し、図１１で説明したような方式でＶ１、ｃ１を求め、
パラメータ辞書１８０８に出力する。以下、Ｅ２からＥ
７に対応した切り出し誤りのパターンデータベース（１
８０５等）に対しても同様に、学習ツール（１８０７
等）を用いてＶｉ、ｃｉを求め、パラメータ辞書１８０
８に出力する。

【００４５】図１７は、パラメータ辞書を格納するテー
ブルの形式を示す。テーブル中の各レコード pdic[i]
に、各Ｅｉに対応するパラメータ、Ｖｉ、ｃｉを格納す
る。例えば、テーブルの先頭１９０３は pdic[1] に対
応し、Ｖ１、ｃ１を格納する。また、先頭からｉ番目レ
コード目１９０４は pdic[i] に対応し、Ｖｉ、ｃｉを
格納する。各レコードにおいて、ｃｉは領域１９０１に
格納され、Ｖｉは領域１９０２に格納される。

【００４６】図１８は、概形ペナルティ算出処理の処理
手順を示す。まず、ステップ２００１で変数ｐを０に初
期化する。次に、制御ループ２００２で、変数ｉをイン
クリメントしながら、ステップ２００３、２００４を繰
り返す。ステップ２００３は、切り出し誤り仮説評価を
起動するステップである。ステップ２００４は、切り出
し誤り仮説評価の結果得られたｐｉを、ｐに加算するス
テップである。ステップ２００８は、変数ｐを概形ペナ
ルティとして出力する。ステップ２００５から２００６
は、切り出し誤り仮説評価を行なうサブルーチンの処理
手順を示す。ステップ２００５は変数ｐｉにパラメータ
辞書より読み込んだｃｉの値（pdic[i].c）を代入する
ステップである。ステップ２００６は、特徴抽出によっ
てえられたＦとパラメータ辞書より読み込んだＶｉの内
積を求めるための制御ループで、特徴量の次元数だけ変
数ｊをインクリメントしながら、Ｖｉの各次元の値（pd
ic[i].v[j]）とＦの各次元の値（f[j]）の積をｐｉに加
算する。

【００４７】

【発明の効果】以上の本発明の方法により、文字識別結
果および文字列照合のみでは正しく切り出しの候補の検
定ができない住所文字行からでも、文字パターンの大き
さと前後のパターンとの位置関係を利用し、正確に文字
を切り出す事が可能となる。

【図面の簡単な説明】

【図１】本発明の実施の形態の一例を示す構成図。

【図２】本発明の実施の形態の一例における処理手順を
示す図。

【図３】郵便物の全体画像と文字行の関係を示す文字配
置図。

【図４】パターンと境界の関係を示す図。

【図５】切り出しグラフの弧の格納するパターンテーブ
ルの形式を示す図表。

【図６】切り出しグラフの節の格納するノードテーブル
の形式を示す図表。

【図７】概形ペナルティ算出処理の手順を示すデータ・
フロー・ダイヤグラム図。

【図８】切り出し誤りの仮説の種類を示すデータ・フロ
ー・ダイヤグラム図。

【図９】切り出し誤り仮説評価処理の手順を示す図。

【図１０】切り出し誤り仮説評価処理に用いる特徴量を
示す図。

【図１１】切り出し誤り仮説評価処理の原理を示す図。

【図１２】住所辞書照合処理の手順を示すデータ・フロ
ー・ダイヤグラム図。

【図１３】辞書照合処理の原理を示す図。

【図１４】本発明の実施形態の一例を示すハードウエア
構成図。

【図１５】サンプル収集ツールの表示画面の例を示す
図。

【図１６】パラメータ辞書を学習するためのシステム構
成図。

【図１７】パラメータ辞書の格納形式を示す図表。

【図１８】概形ペナルティ算出処理の手順を示すフロー
チャート図。

【図１９】読取り対象の住所文字列の例を示す図。

【図２０】切り出しグラフおよび切り出し誤り仮説の例
を示す図。

【符号の説明】

３０１……文字行抽出処理、３０２……文字パターン候
補抽出処理、３０３……概形ペナルティ算出処理、３０
４……文字識別処理、３０５……パターン確信度算出、
３０６……住所辞書照合処理、５０１……郵便物の
像５０２……宛名住所書き込み領域６０１……境界座標の差６０２……境界座
標の差６０３……境界座標の差６０４……境界座
標６０５……境界間隙７０１……パター
ン輪郭格納領域７０２……パターン左側境界番号欄７０３……パター
ン右側境界番号欄７０４……候補文字格納領域７０５……候補文
字類似度格納領域７０６……パターン確信度格納領域８０１……境界番
号欄８０２……境界座標欄８０３……境界間
隙欄１１０１……切り出し誤り仮説評価処理１２０１……注目文字パターン候補１２０２……周辺パターン１２０３……周辺
パターン１３０１……座標軸１３０２……座標
軸１３０３……正しく切り出されている文字パターン候補
グループ１３０４……切り出し誤り仮説が真である文字パターン
候補グループ１４０４……住所文字列辞書１５０２……住所
認識結果１６０４……認識装置１６１１……バス１６１２……入出力ケーブル１６１３……入出
力ケーブル１７０１……ＣＲＴ表示画面１７０２……文字
画像表示ウインドウ１７０３……パネル

───────────────────────────────────────────────────── フロントページの続き (72)発明者藤澤浩道東京都国分寺市東恋ケ窪１丁目280番地株式会社日立製作所中央研究所内 (72)発明者緒方日佐男東京都国分寺市東恋ケ窪１丁目280番地株式会社日立製作所中央研究所内 (72)発明者嶋好博東京都国分寺市東恋ケ窪１丁目280番地株式会社日立製作所中央研究所内 (72)発明者寺本正人愛知県尾張旭市晴丘町池上１番地株式会社日立製作所オフィスシステム事業部内

Claims

【特許請求の範囲】

【請求項１】文書上に記載された画像情報を電気信号に
変換して入力する画像入力手段と、画像中より記載され
ている住所を読取る手段とを有する住所読取装置におい
て、画像上より住所の記載されている文字行を抽出する文字
行抽出処理と、文字パターンの切り出し方を一意に定められない場合は
複数の文字パターンの候補を切り出すパターン切り出し
処理と、切出されたパターンを文字識別する文字識別処理と、想定しうる文字切り出しの各種の誤り方毎に、各々のパ
ターンが当該の誤り方で切り出されたパターンであると
いう仮説の妥当性を、各パターンおよびその前後複数の
パターンとの相対的特徴量に基づき概形ペナルティとし
て算出する処理と、文字識別結果および概形ペナルティに応じて文字パター
ンの候補を絞り込み、予め記憶してある住所文字列の辞
書と照合する住所辞書照合処理とを順次実行することを
特徴とする住所読取方法。
【請求項２】請求項１における各概形ペナルティ算出処
理として、正しく切り出されたパターン候補と誤って切
り出されたパターン候補とを識別する識別関数を用いる
ことを特徴とする住所読取方法。
【請求項３】請求項２における識別関数において、少な
くとも各パターンの前後のパターンとの間隔を特徴量の
一つとすることを特徴とする住所読取方法。
【請求項４】請求項２における識別関数において、少な
くとも各パターン中の間隙を特徴量の一つとすることを
特徴とする住所読取方法。
【請求項５】請求項２における各概形ペナルティ算出処
理の識別関数を作成する方法において、文字行の画像を入力とし、文字パターンの切り出し方を
一意に定められない場合は複数の文字パターンの候補を
切り出すパターン切り出し処理と、文字パターンの候補が正しく切り出されているか否か、
誤っている場合には如何なる種類の誤りかを分類する切
り出し誤り種類判別処理と、各文字パターンの候補を切り出し誤り判別処理の結果に
応じて分類して格納するパターン格納手段と、パターン格納手段によって格納されている文字パターン
候補を用いて識別関数を学習する処理とを順次実行する
ことを特徴とする住所読取方法。