JPH10222611A - 文字種選択方法、文字認識装置及び記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 文字パタンの認識精度を低下させることなく
認識精度を向上させることができる文字認識装置を提供
する。 【解決手段】 特徴抽出部１１は認識対象文字パタンに
ついての特徴ベクトルを抽出する。特徴ベクトル変換部
１２は、抽出された特徴ベクトルを判別分析等に基づい
て変換して、パタン識別に寄与する度合いの大きい成分
から成るベクトルを生成する。この特徴ベクトル変換部
１２で生成されたベクトルに基づいて、分類処理部１４
及び識別処理部１５は、文字種辞書１３から認識対象文
字パタンに類似する文字種を選択する。確度演算処理部
１６は選択された文字種に基づいて文字パタンの候補確
度を算出する。詳細識別部１７はこの候補確度がしきい
値に満たないとき、選択された文字種からさらに類似す
る文字種を選択する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文字認識技術に係
り、特に、登録された複数の文字種から抽出された特徴
量に基づいて、少ない処理量で認識精度を低下させるこ
となく類似文字種を選択する手法に関する。

【０００２】

【従来の技術】文字認識装置では、通常、予め登録され
た文字種から認識対象となる文字パタンに類似する文字
種を、抽出した特徴量に基づいて選択することが行われ
る。このとき、文字認識に要する処理量を減らすため、
特徴量の全ての成分についてではなく、特徴量の一部成
分に基づいて文字種の選択を行うことも行われている。
この手法は、具体的には、まず、特徴量の一部成分に基
づいて、大まかに文字パタンの文字種を類似するものと
しないものとに分類し、さらに、より多くの特徴量の成
分を用いて類似するものとして分類された文字種を絞り
込む。このように多段階の処理を経て、文字の認識処理
を行っている。

【０００３】上記多段階の処理を経て文字種選択及び文
字認識を行う従来の文字認識装置の構成例を図３に示
す。この文字認識装置３は、入力された文字パタンにつ
いてのｎ次元の特徴ベクトルを抽出する特徴抽出部３１
を有している。ここで抽出されたｎ次元の特徴ベクトル
は、分類処理部３４に保持される。特徴ベクトル変換部
３２は、分類処理部３４からの要求に応じ、上記保持さ
れているｎ次元の特徴ベクトルからパタン識別への寄与
度の大きな成分が上位成分となるｊ次元ベクトルを生成
する。分類処理部３４は、このｊ次元ベクトルを用い
て、Ｎ個の文字種毎の基準ベクトルを格納した文字種辞
書３３から、上記文字パタンに類似する文字種を分別す
る。分類処理部３４における分別結果は、識別処理部３
５に渡される。識別処理部３５は、特徴ベクトル変換部
３２に、ｌ（ｎ＞ｌ＞ｊ）次元ベクトルの変換を要求
し、これにより得られたｌ次元ベクトルを用いて、分別
された文字種の中から、上記文字パタンにより類似する
文字種を選択する。なお、特徴ベクトル変換部３２にお
ける特徴ベクトルの変換は、多変数解析における判別分
析等に基づいて行われる。

【０００４】上記文字認識装置３における文字種選択の
手順は、図４に示す通りである。すなわち、特徴抽出部
３１に認識対象の文字パタンが入力されると（ステップ
Ｓ２０１）、特徴抽出部３１は、入力された文字パタン
からｎ次元の特徴ベクトルを抽出する（ステップＳ２０
２）。

【０００５】特徴ベクトル変換部３２は、分類処理部３
４からの要求に応じて、特徴抽出部３１で抽出された特
徴ベクトルを判別分析等に基づいて変換し、ｊ次元（ｊ
＜ｎ）ベクトルを生成する。分類処理部３４は、文字種
辞書３３に格納された文字種毎に、このｊ次元ベクトル
と文字種の基準ベクトルの上位ｊ成分から成るｊ次元ベ
クトルとの距離を算出した上で、距離の小さな上位ｄ個
の文字種を類似するグループとして分別する（ステップ
Ｓ２０３）。次いで、識別処理部３５は、ステップＳ２
０３で分別されたｄ個の文字種からさらに類似する文字
種を選択する（ステップＳ２０４）。このとき、特徴ベ
クトル変換部３２は、識別処理部３５からの要求に応じ
て、上記ｊ次元ベクトルを上位成分として含むｌ次元
（ｎ＞ｌ＞ｊ）ベクトルを生成する。識別処理部３５
は、上記ｊ次元ベクトルよりさらに次元の高いこのｌ次
元ベクトル（ｎ＞ｌ＞ｊ）を使用して、ｊ次元ベクトル
を用いた場合よりさらに精度よく類似する文字種を識別
する。そして、ステップＳ２０４で選択された文字種を
認識結果として後処理部に出力する（ステップＳ２０
５）。なお、変換後ベクトルは、識別への寄与度の大き
な成分が上位にあるため、何次元のベクトルを用いるか
によって識別精度が左右される。一般に、次元数が高く
なれば識別精度は向上するが、認識速度は低下する傾向
がある。

【０００６】後の説明の便宜のため、上記文字認識処理
に係る処理量について説明する。ここでの処理量は、上
記ステップＳ２０１からステップＳ２０５の特徴ベクト
ルに関わる処理に基づくもので、おおよそ特徴抽出に関
わる処理量、特徴ベクトルの変換に関わる処理量、距離
計算に関わる処理量、その他ソート等に関わる処理量と
の和で与えられる。いま、特徴ベクトルの変換に関わる
処理量をＲ、距離計算に関わる処理量をＤとする。定性
的には、処理量Ｒは、おおよそ特徴ベクトルの次元数の
関数として扱われ、処理量Ｄは、おおよそ照合先となる
文字種の数と特徴ベクトルの次元数の関数として扱われ
る。こうして、ステップＳ２０１からステップＳ２０５
までの全体の処理量は、次式で与えられる。

【０００７】

【数１】ｑ＝R(j)+D(N,j)+R(l-j)+D(d,l-j)+O1

【０００８】数１式の右辺第１項は、ステップＳ２０３
において、特徴ベクトル変換部３２がｊ次元ベクトルを
生成した際に要した処理量である。第２項は、ステップ
Ｓ２０３において、上記ｊ次元ベクトルを用いてｄ個の
類似する文字種を分別した際に要した処理量である。第
３項は、ステップＳ２０４において特徴ベクトル変換部
３２がｌ次元ベクトルを生成した際に要した処理量であ
る。第４項は、ステップＳ２０４において、ｄ個の文字
種からｌ次元ベクトルを用いてさらに類似する文字種を
識別する際に要した処理量である。そして最後のＯ１
は、特徴抽出に要する処理量をはじめとする、その他の
処理量の和を表している。

【０００９】

【発明が解決しようとする課題】上述のように、一般
に、文字パタンの認識精度と認識速度とはトレードオフ
の関係にある。すなわち、文字パタンについての高い認
識精度を得るには多くの特徴量を処理しなければなら
ず、それ故、処理量が増大して認識速度が低下する。こ
のため、上記従来技術では、まず、少ない特徴量を用い
て登録された全ての文字種の中から認識対象となる文字
パタンに類似するグループと類似しないグループに分類
し、その後に、類似するグループの文字種の中からさら
に多くの特徴量を用いてより類似する文字種を識別して
いた。しかしながら、このように多段階識別を用いた上
で高い認識精度を保つためには、最終段階の識別で多く
の特徴量を用いる必要があった。

【００１０】一方、認識速度を向上させる為には、最初
の分類の段階で、できるだけ少数の候補文字種に絞り込
んでおく必要がある。しかし、候補文字種を予め少数に
絞り込むためには、多くの特徴量を扱わなければならな
い。例えば、文字種辞書３３の中に、文字種として「Ｊ
ＩＳ Ｘ ０２０８」が収められているとする。このと
き、文字種辞書３３の中には、カナや記号類を含める
と、第一水準だけでも３０００種類以上、第二水準まで
を含めると、おおよそ６０００種類以上の文字種が存在
する。このように、分類の段階で、既に何千に及ぶ文字
種と認識対象となる文字パタンとの照合が必要とされる
ため、分類の段階で候補文字種を絞り込もうとして特徴
量を増大させれば、それに伴って認識速度が大幅に低下
するという問題があった。

【００１１】そこで本発明の課題は、認識精度を低下さ
せることなく、より少ない処理量で文字パタンを認識し
て認識速度を向上させる文字種選択方法を提供すること
にある。本発明の他の課題は、上記文字種選択方法の実
施に適した文字認識装置、及び上記文字種選択方法を汎
用のコンピュータで実施するための記録媒体を提供する
ことにある。

【００１２】

【課題を解決するための手段】上記課題を解決するた
め、本発明は、文字認識装置に登録された複数の文字種
の中から該文字認識装置に取り込まれた文字パタンに類
似する文字種を選択する文字種選択方法を提供する。こ
の方法は、前記文字パタンの特徴量に基づいてパタンが
類似する文字種を前記登録された複数の文字種から選択
する第１ステップと、前記文字パタンの前記選択された
文字種に類似する度合いに応じた候補確度を算出する第
２ステップと、前記算出された候補確度がしきい値以下
であるとき、前記文字パタンの特徴量に基づいて前記選
択された文字種の中から、より類似する文字種を選択す
る第３ステップとを含むことを特徴とする。

【００１３】前記第１ステップは多段階的に行われるこ
とが好ましい。すなわち、一の段階において前記文字パ
タンの特徴量に基づいて類似するものとして選別された
文字種が、次の段階において、前記文字パタンの特徴量
に基づいてさらに類似するものとして選別されるように
する。また、第１ステップに、前記文字パタンの特徴量
をパタン識別の際により優位となる特徴量に変換する段
階を含ませ、さらにこの第１ステップ及び第３ステップ
では、前記変換して得られた特徴量の全部またはパタン
識別に寄与する度合いがより高い一部分に基づいて、類
似する文字種の選択が行われるようにすることもでき
る。

【００１４】また、前記第１及び第３ステップにおいて
各々選択された前記文字種の数及び前記しきい値等が、
文字認識の際の認識精度及び認識速度に対して最適化さ
れるようにすれば、より効果的である。

【００１５】上記他の課題を解決する本発明の文字認識
装置は、予め登録された複数の文字種の中から認識対象
となる文字パタンに類似する文字種を選択する文字認識
装置であって、前記文字パタンの特徴量に基づいてパタ
ンが類似する文字種を前記登録された複数の文字種から
選択する選択手段と、前記文字パタンの前記選択された
文字種に類似する度合い応じた候補確度を算出する候補
確度演算手段と、前記候補確度演算手段で算出された候
補確度がしきい値以下であるとき、前記文字パタンの特
徴量に基づいて前記選択された文字種の中からより類似
する文字種を選択する詳細選択手段を有することを特徴
とする。

【００１６】また、上記他の課題を解決する本発明の記
録媒体は、下記の処理をコンピュータに実行させるため
のプログラムがコンピュータ読取可能な形態で記録され
た記録媒体である。 （１）既登録の複数の文字種の中から取り込まれた文字
パタンに類似する文字種を前記既登録の複数の文字種か
ら選択する第１処理、（２）前記文字パタンの前記選択
された文字種に類似する度合いに応じた候補確度を算出
する第２処理、（３）前記算出された候補確度がしきい
値以下であるとき、前記文字パタンの特徴量に基づいて
前記選択された文字種の中からより類似する文字種を選
択する第３処理。各処理は、上記文字種選択方法におけ
る処理ステップに対応する。

【００１７】

【発明の実施の形態】以下、図面を参照して本発明の実
施形態を詳細に説明する。図１は、本発明の一実施形態
による文字認識装置のブロック構成図である。この文字
認識装置１は、コンピュータによって実現されるもの
で、コンピュータの内部あるいは外部記憶装置内に設け
られる文字種辞書１３と、そのコンピュータが所定のプ
ログラムを読み込んで実行することにより形成される、
特徴抽出部１１、特徴ベクトル変換部１２、分類処理部
１４、識別処理部１５、確度演算処理部１６、詳細識別
処理部１７の機能ブロックとを備えて構成される。ま
た、図示しないが、文字パタン等を入力するための入力
装置、認識結果を利用者等に提示するための出力装置を
も備えている。

【００１８】上記プログラムは、通常、上記内部記憶装
置あるいは外部記憶装置に格納され、随時読み取られて
実行されるようになっているが、コンピュータとは分離
可能な記録媒体、例えばＣＤ−ＲＯＭやＦＤ等の可搬性
記録媒体、あるいは当該コンピュータ装置と構内ネット
ワークを通じて接続されたプログラムサーバ等に格納さ
れ、使用時に上記内部記憶装置または外部記憶装置にイ
ンストールされて随時実行に供されるものであってもよ
い。

【００１９】特徴抽出部１１は、入力装置を通じて入力
された文字パタンについてのｎ次元の特徴ベクトルを抽
出する特徴抽出部１１を有している。抽出されたｎ次元
の特徴ベクトルは、分類処理部１４に一時的に保持され
る。特徴ベクトル変換部１２は、分類処理部１４からの
要求に応じ、上記保持されているｎ次元の特徴ベクトル
からパタン識別への寄与度の大きな成分が上位成分とな
るｊ次元ベクトルを生成する。

【００２０】分類処理部１４は、このｊ次元ベクトルを
用いて、Ｎ個の文字種毎の基準ベクトルを格納した文字
種辞書１３から、上記文字パタンに類似する文字種を分
別する。分類処理部１４における分別結果は識別処理部
１５に渡される。識別処理部１５は、特徴ベクトル変換
部１２にｋ（ｎ＞ｋ＞ｊ）次元ベクトルの変換を要求
し、これにより得られたｋ次元ベクトルを用いて、分別
された文字種の中から、上記文字パタンにより類似する
文字種を識別する。識別処理部１５における識別結果は
確度演算処理部１６に渡される。

【００２１】確度演算処理部１６は、認識対象となる文
字パタンが識別処理部１５において識別された文字種に
類似する度合いを表す候補確度を算出する。算出された
候補確度は詳細識別処理部１７に渡される。この候補確
度は、識別の確からしさの度合いを示す指標となり、認
識対象となる文字パタン毎に与えられる。

【００２２】詳細識別処理部１７には、予め候補確度に
ついてのしきい値が設定してあり、確度演算処理部１６
から渡された候補確度としきい値との比較を行うように
なっている。詳細識別処理部１７は、認識対象となる文
字パタンの候補確度がしきい値以下のとき、特徴ベクト
ル変換部１２にｌ（ｎ＞ｌ＞ｋ）次元ベクトルの変換を
要求し、これにより得られたｌ次元ベクトルを用いて、
識別処理部１５で識別された文字種の中から、上記文字
パタンにより類似する文字種をさらに詳細に識別する。
なお、詳細識別処理部１７による詳細な識別は一段階で
あるが、必要に応じて多段階にすることも可能である。
また、特徴ベクトル変換部１２において、ｊ次元ベクト
ル、ｋ次元ベクトル、ｌ次元ベクトルが生成されると
き、例えば、多変量解析における判別分析等が用いられ
る。

【００２３】次に、図２を参照して、上記文字認識装置
１を用いた文字種選択方法、及びその後続処理について
説明する。特徴抽出部１１に認識対象の文字パタンが入
力されると（ステップＳ１０１）、特徴抽出部１１は、
入力された文字パタンからｎ次元の特徴ベクトルを抽出
する（ステップＳ１０２）。

【００２４】特徴ベクトル変換部１２は、分類処理部１
４からの要求に応じて、特徴抽出部１１で抽出された特
徴ベクトルを判別分析等に基づいて変換し、ｊ次元（ｊ
＜ｎ）ベクトルＹｊ＝（ｙ１，ｙ２，…，ｙｊ）を生成
する。なお、上記特徴ベクトルは図示しないメモリ等に
保持し、以後の処理においても使用できるようにしてお
くことが望ましい。分類処理部１４は、上記ｊ次元ベク
トルＹｊと文字種辞書１３に格納された基準ベクトルの
上位ｊ成分から成るｊ次元ベクトルとの距離（例えばユ
ークリッド距離）を算出する。そして算出した距離に基
づいて、距離の小さな上位ｄ個の文字種を類似候補とし
て分類する（ステップＳ１０３）。ここで文字種辞書１
３における文字種ｃの基準ベクトルをＴｃ＝（ｔｃ１，
ｔｃ２，，…，ｔｃｎ）とすれば、基準ベクトルのｊ次
元ベクトルＴｃｊは、（ｔｃ１，ｔｃ２，，…，ｔｃ
ｊ）となる。また、ＹｊとＴｃｊとのユークリッド距離
をｄｉｓ（Ｙｊ，Ｔｃｊ）で表せば、このユークリッド
距離ｄｉｓ（Ｙｊ，Ｔｃｊ）は、次式で与えられる。

【００２５】

【数２】 ｄｉｓ(Yj,Tcj)=(Σi=1〜j (yi-tci)^2)^(1/2)

【００２６】但し、ｘ＾ｙはｘのｙ乗であることを表し
ている。識別処理部１５は、文字種辞書１３を参照し
て、ステップＳ１０３で分類された上位ｄ個の文字種か
ら、さらに類似するｅ個（ｅ＜ｄ）の文字種を選択する
（ステップＳ１０４）。このとき、特徴ベクトル変換部
１２は、識別処理部１５からの要求に応じて、特徴抽出
部１１で抽出された特徴ベクトルを判別分析等に基づい
て変換し、上記ｊ次元ベクトルＹｊを上位成分として含
むｋ次元（ｊ＜ｋ＜ｎ）ベクトルＹｋ＝（ｙ１，ｙ２，
…，ｙｋ）を生成する。識別処理部１５は、このｋ次元
ベクトルＹｋと、Ｔｃｊの代わりに上位ｋ成分から成る
ｋ次元ベクトルＴｃｋを用いて、ＹｋとＴｃｋとのユー
クリッド距離ｄｉｓ（Ｙｋ，Ｔｃｋ）を算出する。そし
て、上位ｄ個の文字種から特徴ベクトルの距離ｄｉｓ
（Ｙｋ，Ｔｃｋ）がより小さい文字種をｅ個選択する。

【００２７】確度演算処理部１６は、識別処理部１５で
識別された上位ｅ個の文字種に基づいて、文字パタンの
候補確度を算出する（ステップＳ１０５）。算出した候
補確度がしきい値を越えるとき（ステップＳ１０６：Ｙ
ｅｓ）、識別処理部１５で識別された上位ｅ個の文字種
を認識結果として、図示されていない後処理部に出力す
る（ステップＳ１０８）。一方、算出した候補確度がし
きい値以下のときは、識別処理部１５で識別された上位
ｅ個の文字種について、もう一段階さらに詳細な識別を
行う（ステップＳ１０６：Ｎｏ、Ｓ１０７）。このステ
ップＳ１０７では、特徴ベクトル変換部１２は、詳細識
別処理部１７からの要求に応じて、特徴抽出部１１で抽
出された特徴ベクトルを判別分析等に基づいて変換し、
ｌ次元ベクトルＹｌ＝（ｙ１，ｙ２，…，ｙｌ）を生成
する。詳細識別処理部１７は、このｌ次元ベクトルＹｌ
と基準ベクトルの上位ｌ成分からなるｌ次元ベクトルＴ
ｃｌとのユークリッド距離ｄｉｓ（Ｙｌ，Ｔｃｌ）を算
出する。そして、ｄｉｓ（Ｙｌ，Ｔｃｌ）の小さな上位
候補を選択して後処理部に認識結果として出力する（ス
テップＳ１０８）。

【００２８】上記文字認識装置１によれば、文字種選択
及びその後の文字認識に要する処理量が減少する。その
理由を以下に説明する。ステップＳ１０１からステップ
Ｓ１０８までの分類及び識別に関する処理量をＱとし、
ステップＳ１０７における詳細識別の実行の割合をｒ
（０＜ｒ＜１）とする。ここで、詳細識別の実行の割合
ｒは、概ねしきい値等によって決定されるもので、入力
される認識対象の文字パタン中で、確度演算処理部１６
で算出される候補確度がしきい値以下となる文字パタン
が占める割合を表すものである。このときの処理量Ｑ
は、次式で与えられる。

【００２９】

【数３】Q=R(j)+D(N,j)+R(k-j)+D(d,k-j)+r×(R(l-k)+D
(e,l-k))+O2

【００３０】数３式の右辺第１項は、ステップＳ１０３
において、特徴ベクトル変換部１２がｊ次元ベクトルを
生成した際に要した処理量である。第２項は、ステップ
Ｓ１０３において、ｊ次元ベクトルを用いてｄ個の類似
する文字種を分別した際に要した処理量である。第３項
（Ｒ（ｋ−ｊ））は、ステップＳ１０４において、特徴
ベクトル変換部１２がｋ次元ベクトルを生成した際に要
した処理量である。この場合の引数（ｋ−ｊ）は、ステ
ップＳ１０３において既に計算したｊ次元ベクルの計算
結果を利用できることを意味しており、これによって計
算の繰り返しを不要としているものである。第４項は、
ステップＳ１０４において、ｄ個の文字種からｋ次元ベ
クトルを用いてさらに類似する文字種を識別する際に要
した処理量である。この場合の引数（ｋ−ｊ）は、ステ
ップＳ１０３におけるｊ次元ベクトルの距離の計算結果
を利用したことによる。

【００３１】また、数３式において、ｒが掛かった括弧
の中の第５項と第６項は、それぞれ、ｌ次元ベクトルを
生成した際に要した処理量、ｌ次元ベクトルに基づいて
ｅ個の文字種を詳細識別した際に要した処理量である。
また、第５項と第６項における引数（ｌ−ｋ）は、上述
の場合と同様、計算の繰り返しを不要とし得ることを意
味している。そして数３式における最後のＯ２は、特徴
抽出に要する処理量をはじめとする、その他の処理量の
和を表す。

【００３２】上記処理量Ｑと従来の文字認識装置３の処
理量ｑとを比較する。処理量ｑは既に数１式により与え
らている。そして、処理量ｑで使用された引き数Ｎ，
ｄ，ｊ，ｌ等は、本実施形態による処理量Ｑにも共通に
使用される。従って、これらの処理量の差ｑ−Ｑは、処
理量ｑに含まれた特徴抽出に関する処理量と処理量Ｑに
含まれた特徴抽出に関する処理量とが同一であることか
ら、下記数４式により与えられる。

【００３３】

【数４】q-Q=R(l-j)-R(k-j)-rR(l-k)+D(d,l-j)-D(d,k-
j)-rD(e,l-k)

【００３１】数４式の近似式を計算する。このとき、処
理量Ｒは概ね次元数に比例することからＲ（ｘ）＝α
ｘ、処理量Ｄは概ね文字種数と次元数に比例することか
らＤ（ｘ，ｙ）＝βｘｙ、とそれぞれ近似できる事実を
用いる。但し、α＞０かつβ＞０である。これらの処理
量Ｒ，Ｄについての近似式により、処理量の差ｑ−Ｑ
は、数５式のように近似することができる。

【００３４】

【数５】q-Q=α(1-r)(l-k)+β(d-re)(l-k)

【００３５】ｌ−ｋ＞０、１−ｒ＞０、ｄ−ｒｅ＞０な
ので、ｑ−Ｑ＞０となる。これは、処理量Ｑを処理量ｑ
より小さくすることができることを意味している。すな
わち、本実施形態によれば処理量を減少させることがで
きる。その結果、文字認識装置１の処理速度を従来の文
字認識装置３と比較して向上させることができる。

【００３６】本発明者による実験によれば、適当なパラ
メータｋ、ｒにおいて認識精度の低下を避けることがで
きることが確認されている。また、本実施形態の文字認
識装置１を用いて手書き文字パタンについての文字認識
を行った結果、認識精度に関する認識率が９７．８０％
から９７．９０％に向上するとともに、認識速度を２．
２７倍に速くできることが確認されている。さらに、文
字認識装置１において、全てのパラメータｊ、ｋ、ｌ、
ｒ、ｄ、ｅを総合的に最適化すれば、認識精度をより向
上させることができることも確認されている。

【００３７】なお、処理量ｑの引き数が、処理量Ｑの引
き数の一部として共通に使用されたことは本質的なこと
ではない。処理量の引き数についての最適化後は、処理
量ｑの引き数と処理量Ｑの引き数の値は一般には異な
る。

【００３８】

【発明の効果】以上の説明から明らかなように、本発明
によれば、認識が容易なパタンに対しては少ない特徴量
を使用し、認識が困難なパタンに対しては多い特徴量を
使用することができるので、認識精度が低下することな
く、認識に要する全体の処理量が減少し、認識速度が向
上する効果がある。

【図面の簡単な説明】

【図１】本発明の一実施形態による文字認識装置のブロ
ック構成図。

【図２】文字認識装置を用いた文字種選択方法の手順説
明図。

【図３】従来の文字認識装置のブロック構成図。

【図４】従来の文字認識装置における文字種選択方法の
手順説明図。

【符号の説明】

１、３ 文字認識装置 １１、３１ 特徴抽出部 １２、３２ 特徴ベクトル変換部 １３、３３ 文字種辞書 １４、３４ 分類処理部 １５、３５ 識別処理部 １６ 確度演算処理部 １７ 詳細識別処理部

Claims (9)

【特許請求の範囲】
1. 【請求項１】 文字認識装置に登録されている複数の文
   字種の中から該文字認識装置に取り込まれた文字パタン
   に類似する文字種を選択する方法であって、 前記文字パタンに類似する文字種を前記登録されている
   複数の文字種から選択する第１ステップと、 前記文字パタンの前記選択された文字種に類似する度合
   いに応じた候補確度を算出する第２ステップと、 前記算出された候補確度がしきい値以下であるとき、前
   記文字パタンの特徴量に基づいて前記選択された文字種
   の中からより類似する文字種を選択する第３ステップ
   と、 を含むことを特徴とする文字種選択方法。
2. 【請求項２】 前記第１ステップにおける文字種の選択
   は多段階的であって、一の段階において前記文字パタン
   の特徴量に基づいて類似するものとして選別された文字
   種を、次の段階において、該文字パタンの特徴量に基づ
   いてさらに類似するものとして選択することを特徴とす
   る請求項１記載の文字種選択方法。
3. 【請求項３】 前記第１及び第３ステップにおいて各々
   選択された前記文字種の数及び前記しきい値が、文字認
   識の際の認識精度及び認識速度に対して最適化されるこ
   とを特徴とする請求項１または２に記載の文字種選択方
   法。
4. 【請求項４】 前記第１ステップは、前記文字パタンの
   特徴量をパタン識別の際により優位となる特徴量に変換
   する段階を含み、 前記第１ステップ及び第３ステップでは、前記変換して
   得られた特徴量の全部またはパタン識別に寄与する一部
   分に基づいて、類似する文字種の選択を行うことを特徴
   とする請求項１ないし３のいずれかの項記載の文字種選
   択方法。
5. 【請求項５】 予め登録された複数の文字種の中から認
   識対象となる文字パタンに類似する文字種を選択する文
   字認識装置であって、 前記登録された複数の文字種から前記文字パタンの特徴
   量に基づいてパタンの類似する文字種を選択する文字種
   選択手段と、 前記文字パタンの前記選択された文字種に類似する度合
   いに応じた候補確度を算出する候補確度演算手段と、 前記候補確度演算手段で算出された候補確度がしきい値
   以下であるとき、前記文字パタンの特徴量に基づいて前
   記選択された文字種の中からより類似する文字種を選択
   する詳細選択手段と、 を有することを特徴とする文字認識装置。
6. 【請求項６】 既登録の複数の文字種の中から取り込ま
   れた文字パタンに類似する文字種を前記既登録の複数の
   文字種から選択する第１処理、 前記文字パタンの前記選択された文字種に類似する度合
   いに応じた候補確度を算出する第２処理、 前記算出された候補確度がしきい値以下であるとき、前
   記文字パタンの特徴量に基づいて前記選択された文字種
   の中からより類似する文字種を選択する第３処理、をコ
   ンピュータに実行させるためのプログラムがコンピュー
   タ読取可能な形態で記録された記録媒体。
7. 【請求項７】 前記第１処理における文字種の選択は多
   段階的であって、一の段階において前記文字パタンの特
   徴量に基づいて類似するものとして選別された文字種
   を、次の段階において、該文字パタンの特徴量に基づい
   てさらに類似するものとして選択することを特徴とする
   請求項６記載の記録媒体。
8. 【請求項８】 前記第１及び第３処理において各々選択
   された前記文字種の数及び前記しきい値が、文字認識の
   際の認識精度及び認識速度に対して最適化されることを
   特徴とする請求項６または７に記載の記録媒体。
9. 【請求項９】 前記第１処理は、前記文字パタンの特徴
   量をパタン識別の際により優位となる特徴量に変換する
   段階を含み、 前記第１処理及び第３処理では、前記変
   換して得られた特徴量の全部またはパタン識別に寄与す
   る一部分に基づいて、類似する文字種の選択を行うこと
   を特徴とする請求項６ないし９のいずれかの項記載の記
   録媒体。