JPH0935003A

JPH0935003A - 文字認識装置

Info

Publication number: JPH0935003A
Application number: JP7200449A
Authority: JP
Inventors: Katsuichi Ono; 勝一小野; Hitoshi Kubota; 整久保田
Original assignee: Suzuki Motor Corp
Current assignee: Suzuki Motor Corp
Priority date: 1995-07-13
Filing date: 1995-07-13
Publication date: 1997-02-07

Abstract

(57)【要約】【課題】文字の切り出し処理を種々のノイズにかかわ
らず安定して良好に行うことで認識率を向上すること。【解決手段】認識対象の文字を撮像する撮像手段１０
と、この撮像手段１０からの濃淡画像１０ａと認識対象
の文字種ｉに応じて予め与えられた複数の濃淡モデル画
像Ｍｉとを比較して、当該各濃淡モデル画像Ｍｉの文字
種ｉ毎に類似度Ｒｉおよび当該類似度が最大となる切り
出し位置（ｍ，ｎ）を求める類似度算出手段１２と、こ
の類似度算出手段１２からの文字切り出し位置（ｍ，
ｎ）で濃淡画像１０ａを切り出すと共に当該切り出し画
像１２ｂに基づいて認識処理を行う認識処理手段１４と
を備え、この認識処理手段１４に、当該認識処理手段１
４での認識結果Ｎと類似度算出手段１２からの類似度Ｒ
とに基づいて濃淡画像１０ａの文字種ｉを総合判定する
文字種判定手段１６を併設した。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文字認識装置に係
り、特に、金属上に打刻された文字等を認識する文字認
識装置に関する。

【０００２】

【従来の技術】刻印文字は、エンジンブロックなどの金
属表面に打刻ヘッドによって打たれる文字である。従来
より、この刻印文字を画像処理により認識しようとする
手法が種々提案されている。

【０００３】例えば、文字外接枠から文字までの距離を
特徴値として文字種の判定を行う手法や（特開昭６４−
０３６３８７号公報）、撮像した文字を複数の区画に分
割して各区画毎の面積比率を特徴値として文字種の判定
を行う手法（特開平４−１３５２８６号公報）があっ
た。

【０００４】

【発明が解決しようとする課題】しかしながら、外接枠
から文字までの距離を特徴値とする手法では、刻印文字
は経年により劣化するため外接枠自体の決定が不安定で
あり、従って、外接枠から文字までの距離が変化してし
まうため、安定した文字認識を行うことができない、と
いう不都合があった。

【０００５】一方、分割領域の文字面積比率を特徴値と
する例では、文字の切り出しが良好に行われないと文字
面積比率による文字認識が安定しない、という不都合が
あった。上述した特願平４−１３５２６号公報に記載さ
れた技術では、どのような切り出しが望ましいかについ
て記載されているが、切り出しを行う具体的な手法につ
いては何等開示されていない。

【０００６】さらに、刻印文字の認識処理では、エンジ
ンブロックに付着する油汚れによって照明の反射が異な
るため、これに伴って刻印文字部分や背景部分の明度が
不安定なり、さらに、エンジンブロックに生じるキズに
よってもノイズが生じるため、文字認識の精度向上に一
定の限界があった。

【０００７】また、刻印文字を打刻する打刻ヘッドの磨
耗によって、また種々の原因により刻印文字の線幅や溝
深さが一定ではないため、安定して良質な画像を得るこ
とができない、という不都合があった。

【０００８】しかも、刻印文字の場合、文字形状を照明
によって生じる影によって捉えるため、文字の輪郭が明
確ではなく、従って、文字の切り出しを良好に行うこと
ができない、という不都合があった。特に、従来の文字
認識装置では二値化したデータに基づいて１の文字を他
の文字と分離する切り出し処理や文字の外縁を決定する
処理を行っていたため、文字形状が微妙な濃度差として
現れる刻印文字では、しきい値の設定手法によって切り
出しの精度が高低し、このため、文字認識処理の精度が
向上しない、という不都合があった。

【０００９】さらに、これら種々の原因により、浅く細
い刻印文字の認識が難しかった、という不都合があっ
た。

【００１０】

【発明の目的】本発明は、係る従来例の有する課題を改
善し、特に、文字の切り出し処理を種々のノイズにかか
わらず安定して良好に行うことで認識率を向上させるこ
とのできる文字認識装置を提供することを、その目的と
する。

【００１１】

【課題を解決する手段】そこで、本発明では、第１の手
段として、認識対象の文字を撮像する撮像手段と、この
撮像手段からの濃淡画像と認識対象の文字種に応じて予
め与えられた複数の濃淡モデル画像とを比較して当該各
濃淡モデル画像の文字種毎に類似度および当該類似度が
最大となる切り出し位置を求める類似度算出手段と、こ
の類似度算出手段によって求められた文字切り出し位置
で濃淡画像を切り出すと共に当該切り出し画像に基づい
て認識処理を行う認識処理手段とを備えている。しか
も、この認識処理手段に、当該認識処理手段での認識結
果と類似度算出手段からの類似度とに基づいて濃淡画像
の文字種を総合判定する文字種判定手段を併設した、と
いう構成を採っている。

【００１２】第２の手段として、第１の手段の構成に加
え、認識処理手段が、類似度算出手段によって求められ
た文字種毎の文字切り出し位置で濃淡画像を文字種毎に
切り出す文字切り出し部と、この文字切り出し部が切り
出した複数の切り出し画像をそれぞれ二値化する二値化
部と、この二値化部により二値化された複数の二値画像
をそれぞれ複数領域に分割して当該分割領域毎に文字部
分の面積比率を求める特徴値抽出部と、この特徴値抽出
部からの面積比率を入力データとして文字種毎に認識結
果を出力するニューラルネットワーク処理部とを備えて
いる。しかも、文字種判定手段が、ニューラルネットワ
ーク処理部による各文字種毎の認識結果と類似度算出手
段からの各文字種毎の類似度とに基づいて濃淡画像の文
字種を判定する第１の判定機能を備えた、という構成を
採っている。

【００１３】第３の手段として、類似度算出手段が、複
数の濃淡モデル画像毎に算出した類似度に基づいて濃淡
画像の文字種を特定する第１の文字種特定機能と、文字
種判定手段による判定結果に応じて類似度に基づいて再
度文字種を特定する第２の文字種特定機能とを備えてい
る。しかも、認識処理手段が、類似度算出手段によって
特定された文字種の文字切り出し位置で濃淡画像を切り
出す文字切り出し部と、この文字切り出し部が切り出し
た切り出し画像を二値化する二値化部と、この二値化部
により二値化された二値画像を複数領域に分割して当該
分割領域毎に文字部分の面積比率を求める特徴値抽出部
と、この特徴値抽出部からの面積比率を入力データとし
て類似度算出手段によって特定された文字種の認識結果
を出力するニューラルネットワーク処理部とを備えてい
る。さらに、文字種判定手段が、ニューラルネットワー
ク処理部による認識結果と類似度算出手段からの類似度
とに基づいて濃淡画像の文字種が類似度算出手段で特定
された文字種であるか否かを判定する第２の判定機能を
備えた、という構成を採っている。

【００１４】本発明では、これらの手段によって、前述
した目的を達成しようとするものである。

【００１５】文字認識装置の動作中、撮像手段が認識対
象となる文字を撮像すると、類似度算出手段は、まず、
撮像手段からの濃淡画像と、認識対象の文字種に応じて
予め与えられた複数の濃淡モデル画像とを比較する。次
いで、類似度算出手段は、認識対象とする全ての文字種
毎に濃淡の類似度および当該類似度が最大となる切り出
し位置を求める。これは、撮像手段からの濃淡画像と、
濃淡画像である濃淡モデル画像との比較であるため、画
素の位置に応じた濃さの類似度が算出される。この類似
度は、複数の濃淡モデル画像全てについて算出され、こ
れに伴い、複数の文字モデル画像毎に文字切り出し位置
が定まる。

【００１６】次いで、認識処理手段は、この類似度算出
手段によって求められた文字切り出し位置で濃淡画像を
切り出すと共に当該切り出し画像に基づいて認識処理を
行う。文字認識の手法は、後述の手法のほか、濃淡画像
に現れた文字の種類の候補と、当該文字種らしさ（文字
種であることの重み）を示す評価値を算出するものであ
ればどのようなものであっても良い。

【００１７】さらに、文字種判定手段は、当該認識処理
手段での認識結果と類似度算出手段からの類似度とに基
づいて濃淡画像の文字種を総合判定する。このため、全
ての濃淡モデル画像による類似度の算出をした後、それ
ぞれの切り出し位置で切り出して、全ての文字種につい
て認識処理手段で文字認識を行い、この文字認識の結果
と類似度とに基づいて濃淡画像の文字種を判定するよう
にしても良い。また、類似度の最も高い文字種について
文字認識処理を行い、この文字認識結果と類似度とが所
定のしきい値を越えている場合に、この文字種を濃淡画
像のとしてもよい。しきい値を越えない場合には、類似
度の大きさに従って、候補となる文字種を順次選択し、
文字認識処理を行う。

【００１８】

【発明の実施の形態】次に本発明の一実施形態について
図面を参照して説明する。

【００１９】図１は、本発明による文字認識装置の構成
を示すブロック図である。文字認識装置は、認識対象の
文字を撮像する撮像手段１０と、この撮像手段１０から
の濃淡画像１０ａと、認識対象の文字種ｉに応じて予め
与えられた複数の濃淡モデル画像Ｍｉとを比較して当該
各濃淡モデル画像の文字種ｉ毎に類似度Ｒｉおよび当該
類似度が最大となる切り出し位置（ｍ，ｎ）を求める類
似度算出手段１２と、この類似度算出手段１２によって
求められた文字切り出し位置（ｍ，ｎ）で濃淡画像１０
ａを切り出すと共に当該切り出し画像１２ｂに基づいて
認識処理を行う認識処理手段１４とを備えている。

【００２０】しかも、この認識処理手段１４に、当該認
識処理手段１４での認識結果Ｎと類似度算出手段１２か
らの類似度Ｒとに基づいて濃淡画像１０ａの文字種ｉを
総合判定する文字種判定手段１６を併設している。

【００２１】これを詳細に説明する。

【００２２】本実施形態による文字認識装置が認識の対
象とする刻印文字は、以下の特徴がある。

【００２３】１．アルファベットと数字などであるた
め、漢字を認識する場合と比較して、認識対象の文字種
が少ない。２．手書き文字と異なり、刻印文字自体の字形はほぼ一
定形状である。３．刻印文字の打刻に用いる打刻ヘッドの磨耗により刻
印文字が浅くなり、また、刻印文字自体の磨耗によって
も刻印文字が浅く細くなるため、さらに、撮像時に油汚
れやキズによる反射が生じるため、刻印文字部分は微妙
な階調の差として現れ、かつノイズが多い。

【００２４】このように、刻印文字は、大きさや形状は
安定しているが、文字の太さが不安定であり、また、文
字部分と背景部分とは微妙な階調差であるため一般的な
二値化処理では文字認識を良好に行い難い。

【００２５】そこで、本実施形態では、最も望ましい形
状の刻印文字を撮像した濃淡モデル画像Ｍを認識対象全
ての文字種ｉについて予め用意し、同一環境または照明
角度などがほぼ等しい環境で撮像した濃淡画像１０ａを
比較することで切り出し位置を求めている。

【００２６】図２は濃淡画像１０ａとモデル画像Ｍの一
例を示す説明図である。まず、撮像手段１０で撮像され
た画像は階調のある濃淡画像１０ａとなる。この濃淡画
像１０ａのある１点を切り出しの基準位置として、濃淡
モデル画像Ｍとの類似度Ｒを求める。類似度Ｒは、濃淡
モデル画像Ｍのある画素での階調と、この画素の位置に
対応する濃淡画像１０ａの画素の階調の差を表すもので
あればどのようなものであっても良い。単純に濃淡モデ
ル画像の全ての画素の諧調の平均値であってもよい。本
実施形態では、正確に切り出し位置を求めるため、次式
（１）により類似度Ｒを求めている。

【００２７】

【数１】

【００２８】類似度算出手段１２は、濃淡画像１０ａに
ついて、切り出しの基準位置を次々変更して、各基準位
置による部分画像Ｓと濃淡モデル画像Ｍとの類似度を式
（１）により求めている。濃淡モデル画像Ｍの各画素の
階調と、この各画素の座標に対応する部分画像Ｓの各画
素の階調とが異なる場合に、類似度Ｒの値は低くなる。
類似度Ｒの値は、階調の差が大きければ、また、階調の
差のある画素数が多ければ小さくなる。

【００２９】類似度算出部１２は、切り出しの基準位置
を所定の開始位置から終了位置まで変更しながら類似度
Ｒを算出し、さらに、類似度Ｒが最大となる切り出し位
置を、当該濃淡モデル画像Ｍの切り出し位置とする。ま
た、撮像手段１０のカメラ位置と刻印文字の位置が固定
されていない場合、また、固定されていても文字がプロ
ポーショナルであり刻印文字の幅方向の長さが文字によ
って異なる場合、撮像した濃淡画像１０ａ全体の濃度ヒ
ストグラムから刻印文字の大まかな位置を特定し、切り
出しの基準位置の開始位置と終了位置を定めるようにし
ても良い。

【００３０】さらに、類似度算出手段１２は、この類似
度Ｒが最大となる切り出し位置（ｍ，ｎ）を、認識対象
の全ての文字種ｉについて算出する。これにより、認識
対象全ての文字種ｉについて類似度Ｒと切り出し位置
（ｍ，ｎ）を求める。

【００３１】次いで、認識処理手段１４は、類似度算出
手段１２により特定された切り出し位置（ｍ，ｎ）で文
字を切り出すと共に二値化し、この二値画像１８ａに基
づいて文字認識を行う。さらに、文字種判定手段１６
は、類似度算出手段１２による類似度Ｒと、認識処理手
段１４による認識結果Ｎに基づいて、濃淡画像１０ａの
文字種の判定を行う。

【００３２】この認識処理手段１４および文字種判定手
段１６の構成としては、刻印文字の撮像環境や文字認識
処理に与えられる処理時間によって、種々の手法が採用
される。ここでは、処理時間が長くなるがより正確な文
字認識を行う手法を第２実施形態として説明し、次い
で、処理時間が短縮される手法を第３実施形態として説
明する。どちらの手法も、上述した類似度算出手段１２
により算出された類似度Ｒと、切り出し位置（ｍ，ｎ）
を用いる。

【００３３】各実施形態では、共通して、この類似度Ｒ
を、切り出し位置の決定と、文字認識の判定とに用いる
ことで、文字の輪郭が微妙な階調として現れる認識対象
であっても精度良く切り出し、かつ文字認識を行う点に
特徴を有している。

【００３４】また、各実施形態のハードウエア資源は共
通していて、その構成図を図３に示す。撮像手段１０と
しては、ＣＣＤカメラを用いている。類似度算出手段１
２、認識処理手段１４、および文字種判定手段１６は演
算処理部２４により実現される。この演算処理部２４に
はメモリ２５が併設されていて、各種画像や、予め定め
られた濃淡モデル画像Ｍを記憶する。また、文字種判定
手段１６による判定結果は、判定結果出力部２６として
のＣＲＴ等に出力される。

【００３５】さらに、各実施形態では、文字認識の対象
をエンジンブロック等に打刻される刻印文字としている
が、刻印文字に限らず、上述した３つの特徴を満たすも
のであれば良好に認識対象となる。例えば、特定の印章
や、道路標識等の認識に応用される。

【００３６】〔第２実施形態〕この第２実施形態では、
図４に示すように、認識処理手段１４が、類似度算出手
段１２によって求められた文字種ｉ毎の文字切り出し位
置（ｍ，ｎ）で濃淡画像１０ａを文字種毎に切り出す文
字切り出し部と、この文字切り出し部１７が切り出した
複数の切り出し画像１２ｂをそれぞれ二値化する二値化
部１８と、この二値化部１８により二値化された複数の
二値画像１８ａをそれぞれ複数領域に分割して当該分割
領域毎に文字部分の面積比率を求める特徴値抽出部２０
と、この特徴値抽出部２０からの面積比率を入力データ
として文字種ｉ毎に認識結果Ｎを出力するニューラルネ
ットワーク処理部２２とを備えている。

【００３７】しかも、文字種判定手段１６が、ニューラ
ルネットワーク処理部２２による各文字種ｉ毎の認識結
果Ｎｉと、類似度算出手段１２からの各文字種ｉ毎の類
似度Ｒｉとに基づいて濃淡画像１０ａの文字種を判定す
る第１の判定機能を備えている。

【００３８】これを詳細に説明する。

【００３９】図５は特徴値抽出部２０による特徴値の抽
出と入力データの生成を示す説明図である。図５に示す
ように、まず、二値画像１８ａを４×４や８×８などに
分割し（図５（Ａ））、各分割領域において文字の占め
る割合を求める（図５（Ｂ））。この割合は、文字認識
処理を行うニューラルネットワーク処理部２２への入力
データとなる（図５（Ｃ））。また、文字外接枠から文
字までの距離を０．０から１．０までに正規化してこれ
を特徴値としてもよい。

【００４０】図６はニューラルネットワーク処理部２２
の構成を示す説明図である。ニューラルネットワーク処
理部２２は、特徴値抽出部２０からの入力データが入力
される入力層２２Ａと、予め与えられた教師データによ
り各ユニットが結合された中間層２２Ｂと、この中間層
２２Ｂと教師データに従った結合の重みで接続された出
力層２２Ｃとを備えている。ニューラルネットワーク処
理部２２は、認識できなかったデータを含めて再学習さ
せることが可能である。

【００４１】次に、第２実施形態の動作を図７を参照し
て説明する。

【００４２】ＣＣＤカメラ１０により刻印文字が撮像さ
れると（ステップＳ１）、まず、所定階調のデジタルデ
ータに変更することで、濃淡画像１０ａを取り込む（ス
テップＳ２）。次いで、類似度算出手段１２は、上述し
たように、濃淡画像１０ａからの文字切り出しを行う
（ステップＳ３）。これは、濃淡画像（入力画像）１０
ａの部分画像Ｓと文字種ｉ毎の濃淡モデル画像Ｍとのマ
ッチングを行い類似度Ｒを求める。類似度Ｒが最大とな
る部分画像Ｓの位置が文字の切り出し位置（ｍ，ｎ）と
なる。文字種ｉ全てについてこの類似度Ｒに基づいた文
字の切り出しを行い、各文字種ｉの切り出し位置（ｍ，
ｎ）と類似度Ｒとを記憶する（ステップＳ４）。

【００４３】次いで、認識処理手段１４では、文字切り
出し部１７が、類似度算出手段１２によって切り出し位
置（ｍ，ｎ）が特定された濃淡画像１０ａを切り出し画
像１２ｂに変換する。これは、認識対象の文字種全てに
ついて行う。このため、１つの濃淡画像１０ａから、認
識対象の文字種の数に応じた切り出し画像１２ｂが生成
される。

【００４４】さらに、二値化部１８は、濃淡画像１０ａ
を二値画像１８ａへ変換する（ステップＳ５）。これ
は、各文字種毎の切り出し画像１２ｂについて所定のし
きい値で二値化を行うものである。二値化は、濃度ヒス
トグラムを求めて、Ｐタイル法や判別分析法を用いて行
う。

【００４５】二値画像１８ａからの特徴抽出は、図５に
示すように、二値画像１８ａを複数領域に分割し、こ
の、各分割領域において文字の占める割合を求め、各分
割領域毎の文字面積率をニューラルネットワーク処理部
２２への入力データとする（ステップＳ６）。この実施
形態では、１つの濃淡画像１０ａについて認識対象の文
字種の数に応じた入力データが生成される。

【００４６】次いで、ニューラルネットワーク処理部２
２により特徴値からの文字認識を行う（ステップＳ
７）。これは、特徴抽出で得られた特徴値２０ａを入力
データとして、ニューラルネットワーク処理部２２によ
り文字認識を行うものである。ニューラルネットワーク
処理部２２は予め文字モデル（濃淡モデル画像）を教師
データとして文字種と文字種らしさを示す値を出力する
ように学習されている。

【００４７】さらに、文字種判定手段１６により、文字
種別の総合的な判定を行う（ステップＳ８）。これは、
各文字種ｉ毎の切り出し画像１２ｂについてその文字の
類似度Ｒとニューラルネットワーク処理部２２の出力値
Ｎとにもとづいて文字種ｉを判定するものである。ここ
では、文字の類似度Ｒとニューラルネットワーク処理部
２２の出力値Ｎをかけた値を、その文字の認識値Ｈとし
て、認識値Ｈが最大の文字を判定結果とする。さらに、
この判定結果を外部表示する（ステップＳ９）。このと
き、本実施形態では、認識値Ｈに一定のしきい値を設け
てこのしきい値を越えない場合には認識不能と判定して
いる。

【００４８】上述したように本実施形態によると、ノイ
ズに強く、劣化した画像でも文字認識が可能となり、さ
らに、文字の切り出しに相関法を用いたため、ニューラ
ルネットワーク処理部２２に入力するための特徴値を安
定して生成することができ、しかも、ニューラルネット
ワークと相関法の類似度とから総合的に文字認識結果を
判定するため、刻印文字の認識率が飛躍的に向上する。

【００４９】〔第３実施形態〕第３実施形態では、類似
度算出手段１２が、複数の濃淡モデル画像Ｍに応じて算
出した類似度Ｒに基づいて濃淡画像１０ａの文字種ｊを
特定する第１の文字種特定機能と、文字種判定手段１６
による判定結果に応じて類似度Ｒに基づいて再度文字種
ｊを特定する第２の文字種特定機能とを備えている。

【００５０】しかも、認識処理手段１４が、類似度算出
手段１２によって特定された文字種ｊの文字切り出し位
置（ｍ，ｎ）で濃淡画像１０ａを切り出す文字切り出し
部１７と、この文字切り出し部１７が切り出した切り出
し画像１２ｂを二値化する二値化部１８と、この二値化
部１８により二値化された二値画像１８ａを複数領域に
分割して当該分割領域毎に文字部分の面積比率を求める
特徴値抽出部２０と、この特徴値抽出部２０からの面積
比率を入力データとして類似度算出手段１２によって特
定された文字種ｊの認識結果Ｎを出力するニューラルネ
ットワーク処理部２２とを備えている。

【００５１】さらに、文字種判定手段１６が、ニューラ
ルネットワーク処理部２２による認識結果Ｎと類似度算
出手段１２からの類似度Ｒとに基づいて濃淡画像１０ａ
の文字種が類似度算出手段１２で特定された文字種ｊで
あるか否かを判定する第２の判定機能を備えた。

【００５２】これを詳細に説明する。

【００５３】第３実施形態は、類似度Ｒの一番大きい文
字ｊについて、濃淡画像１０ａから二値画像１８ａへの
変換と、二値画像１８ａからの特徴値の抽出と、特徴値
からの文字認識を行い、上述した実施形態と同様の認識
値Ｈを求めるものである。

【００５４】次に、認識値Ｈと予め決められたしきい値
とを比較し、認識値Ｈがしきい値よりも大きければその
文字を判定結果とする。認識値Ｈがしきい値よりも小さ
ければ、次に類似度Ｒの大きい文字について同様の処理
を行う。

【００５５】類似度Ｒ順に上記の処理を繰り返すが、類
似度Ｒについてもしきい値を設定し、そのしきい値より
も小さい類似度Ｒの文字に対しては処理を行わない。認
識しきい値よりも大きい認識値が得られなければ、認識
不能と出力する。

【００５６】第３実施形態の動作を図８および図９を参
照して説明する。図８および図９に示したフローチャー
トは図中の符号Ａで連続している。

【００５７】刻印文字の撮像から、認識対象としている
文字種全ての類似度Ｒを求めるまでの処理は第２実施形
態と同様である（ステップＳ２０〜ステップＳ２６）。

【００５８】次いで、類似度類似度算出手段１２は、文
字種を類似度Ｒの大きい順に並べ替え（ステップＳ２
７）、類似度Ｒが一番大きい文字種を「文字種ｊ＝０」
とし（ステップＳ２８）、次に類似度が大きい文字種を
「文字種ｊ＝１」とし、以降これに「１」ずつ加えてい
く。また、ここでは、認識しようとする文字種の総数を
Ｎとする。

【００５９】次いで、文字種ｊ＝Ｎか否かを確認する
（ステップＳ２９）。ここでは「文字種ｊ＝０」である
からステップＳ３０に進む。ステップＳ３０では、文字
種ｊ＝０の類似度Ｒｊが所定の類似度しきい値を越えて
いるか否かを確認する。この所定の類似度しきい値を越
えていない場合、濃淡画像１０ａの部分画像Ｓと文字種
ｊ＝０の濃淡モデル画像Ｍとはまるで類似しないため、
認識不能と判定する。

【００６０】類似度しきい値を越えている場合、この文
字種ｊ＝０の切り出し位置（ｍ，ｎ）で濃淡画像１０ａ
を切り出し、さらに二値化する（ステップＳ３１）。こ
の二値画像１８ａについて上述した第２実施形態と同様
に特徴値を算出し（ステップＳ３２）、この特徴値を入
力データとしてニューラルネットワーク処理部２２によ
る文字認識を行い（ステップＳ３３）、さらに、文字種
ｊ＝０についての認識値Ｈｊを算出する（ステップＳ３
４）。

【００６１】ここで、第３実施形態では、この認識値Ｈ
ｊが所定の認識しきい値を越えているか否かを判定す
る。越えている場合、濃淡画像１０ａの文字種を文字種
ｊ＝０の文字種と判定する（ステップＳ３６）。越えて
いない場合、ｊをインクリメントしてステップＳ２９に
処理を戻す。

【００６２】文字種ｊ＝０によっては認識しきい値を越
えなかった場合には、文字種ｊ＝１となり（ステップＳ
３８）、この文字種ｊ＝１について、切り出しから二値
化、特徴値抽出、さらに文字認識処理を行う。

【００６３】これはｊがＮに至るまで繰り返される。文
字種ｊが最も類似度の低い値の文字種であるＮ−１に至
った後、文字種ｊ＝Ｎとなった場合には（ステップＳ２
９）、認識不能と判定する（ステップＳ３６）。

【００６４】この第３実施形態では、文字の二値化に用
いる判別分析の計算や、ニューラルネットワークによる
処理の数が少なくなるため、文字を判定するまでの処理
時間を有効に短縮することができる。

【００６５】

【発明の効果】本発明は以上のように構成され機能する
ので、これによると、類似度算出手段が、文字種に応じ
て予め与えられた複数の濃淡モデル画像と撮像した濃淡
画像とを比較して類似度が最大となる文字種毎の切り出
し位置を求めるため、文字形状の位置に応じた濃淡の類
似性を基礎とした切り出し位置を算出することができ、
さらに、認識処理手段が、この類似度算出手段によって
求められた文字切り出し位置で濃淡画像を切り出すと共
に当該切り出し画像に基づいて認識処理を行うため、適
切な位置で切り出された画像に基づいて認識処理を行う
ことができ、さらに、文字種判定手段が、当該認識処理
手段での認識結果と類似度算出手段からの類似度とに基
づいて濃淡画像の文字種を総合判定するため、通常の二
値化した画像に基づく文字認識と、文字の形状により異
なる濃淡の類似性との並列により文字種の特定を行うこ
ととなり、従って、文字部分が明瞭に現れない例えば刻
印文字等であっても、高い認識率で文字種の判定を行う
ことができる。このように、文字の切り出し処理を種々
のノイズにかかわらず安定して良好に行うことで認識率
を向上することのできる従来にない優れた文字認識装置
を提供することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態の構成を示すブロック図で
ある。

【図２】図１に示した類似度算出部による類似度の算出
手法を示す説明図で、図２（Ａ）は濃淡画像の一例を示
す図で、図２（Ｂ）は濃淡モデル画像の一例を示す図で
ある。

【図３】図１に示した形態でのハードウエア資源の構成
を示すブロック図である。

【図４】図１に示した認識処理手段の詳細構成を示すブ
ロック図である。

【図５】図４に示した特徴値抽出部による特徴値抽出の
一例を示す説明図で、図５（Ａ）は二値画像の一例を示
し、図５（Ｂ）は面積比率を示す図で、図５（Ｃ）は入
力データの一例を示す図である。

【図６】図４に示したニューラルネットワーク処理部の
概略構成を示す説明図である。

【図７】第２実施形態の動作例を示すフローチャートで
ある。

【図８】第３実施形態の動作例の前段を示すフローチャ
ートである。

【図９】第３実施形態の動作例の後段を示すフローチャ
ートである。

【符号の説明】

１０撮像手段１２類似度算出手段１４認識処理手段１６文字種判定手段１７文字切りだし部１８二値化部２０特徴値抽出部２２ニューラルネットワーク処理部

Claims

【特許請求の範囲】

【請求項１】認識対象の文字を撮像する撮像手段と、
この撮像手段からの濃淡画像と認識対象の文字種に応じ
て予め与えられた複数の濃淡モデル画像とを比較して当
該各濃淡モデル画像の文字種毎に濃淡の類似度および当
該類似度が最大となる切り出し位置を求める類似度算出
手段と、この類似度算出手段によって求められた文字切
り出し位置で前記濃淡画像を切り出すと共に当該切り出
し画像に基づいて認識処理を行う認識処理手段とを備
え、この認識処理手段に、当該認識処理手段での認識結果と
前記類似度算出手段からの類似度とに基づいて前記濃淡
画像の文字種を総合判定する文字種判定手段を併設した
ことを特徴とする文字認識装置。
【請求項２】前記認識処理手段が、前記類似度算出手
段によって求められた文字種毎の文字切り出し位置で前
記濃淡画像を文字種毎に切り出す文字切り出し部と、こ
の文字切り出し部が切り出した複数の切り出し画像をそ
れぞれ二値化する二値化部と、この二値化部により二値
化された複数の二値画像をそれぞれ複数領域に分割して
当該分割領域毎に文字部分の面積比率を求める特徴値抽
出部と、この特徴値抽出部からの面積比率を入力データ
として文字種毎に認識結果を出力するニューラルネット
ワーク処理部とを備え、前記文字種判定手段が、前記ニューラルネットワーク処
理部による各文字種毎の認識結果と前記類似度算出手段
からの各文字種毎の類似度とに基づいて前記濃淡画像の
文字種を判定する第１の判定機能を備えたことを特徴と
する請求項１記載の文字認識装置。
【請求項３】前記類似度算出手段が、前記複数の濃淡
モデル画像毎に算出した類似度に基づいて前記濃淡画像
の文字種を特定する第１の文字種特定機能と、前記文字
種判定手段による判定結果に応じて前記類似度に基づい
て再度文字種を特定する第２の文字種特定機能とを備
え、前記認識処理手段が、前記類似度算出手段によって特定
された文字種の文字切り出し位置で前記濃淡画像を切り
出す文字切り出し部と、この文字切り出し部が切り出し
た切り出し画像を二値化する二値化部と、この二値化部
により二値化された二値画像を複数領域に分割して当該
分割領域毎に文字部分の面積比率を求める特徴値抽出部
と、この特徴値抽出部からの面積比率を入力データとし
て前記類似度算出手段によって特定された文字種の認識
結果を出力するニューラルネットワーク処理部とを備
え、前記文字種判定手段が、前記ニューラルネットワーク処
理部による認識結果と前記類似度算出手段からの類似度
とに基づいて前記濃淡画像の文字種が前記類似度算出手
段で特定された文字種であるか否かを判定する第２の判
定機能を備えたことを特徴とする請求項１記載の文字認
識装置。