JPH10240866A

JPH10240866A - 文字認識装置

Info

Publication number: JPH10240866A
Application number: JP9039267A
Authority: JP
Inventors: Takashi Hirano; 敬平野; Yasuhiro Okada; 康裕岡田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1997-02-24
Filing date: 1997-02-24
Publication date: 1998-09-11

Abstract

(57)【要約】【課題】計算回数が比較的少なくて済み、かつ、文字
切れや掠れがあっても適応基準パターンが得られる。【解決手段】入力文字によるオブジェクトと、参照文
字によるオブジェクトを比較評価するため、前回設定オ
ブジェクトを仮説検証結果の変更指示で、ある確率で交
換と結合と分離操作を行い、新しい設定オブジェクトを
生成する仮説生成手段と、設定オブジェクトの入力文字
オブジェクトとの相違度を求める相違度評価手段と、こ
の相違度に基づく確率と仮説受理確率とを比較して大き
ければ仮説が受理可能として設定オブジェクトと対応す
る相違度を記憶し、かつ仮説検証結果の変更指示として
仮説生成手段に新しい参照文字の設定オブジェクトの生
成の指示をする仮説検証手段とを備えた。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、入力文字パター
ンと参照文字パターンとからそれぞれ抽出した構造的な
特徴の多くの対応付けを行って、それらの文字パターン
間の相違度を繰り返して算出して最適な参照パターンを
定める文字認識装置に関するものである。

【０００２】

【従来の技術】構造解析的文字認識装置としては、評価
対象の入力文字パターンと、評価基準である参照文字パ
ターンからそれぞれ構造的な特徴（以降、オブジェクト
と呼ぶ）を抽出し、入力文字パターンから抽出したオブ
ジェクトと、参照文字パターンから抽出したオブジェク
トとを対応付けることで、入力・参照文字パターン間の
相違度を計算するものがある。以降、入力文字パターン
から抽出されたオブジェクトを入力オブジェクト、参照
文字パターンから抽出されたオブジェクトを参照オブジ
ェクトと呼ぶ。このような従来の構造解析的文字認識装
置として、例えば、“Relaxation Optimizing Processe
s in Extended Probabilistic Space”（ICDAR ’95, V
ol.1,pp.266-269, 1995）に示された装置がある。図１
５から図１８は、この従来装置の動作を説明するための
図である。

【０００３】ここで、図１５は、装置の全体構成を示す
ブロック図である。図において、１は入力文字パター
ン、２は参照文字パターン、３は特徴抽出手段、４は仮
想オブジェクト作成手段、５は弛緩整合手段、６は相違
度算出手段、７は相違度出力手段である。また、図１６
は、特徴抽出手段３で抽出したオブジェクトの例を示
す。図において、２１１は入力文字パターンの例、２１
２は参照文字パターンの例、２１３は入力文字パターン
２１１から抽出された入力オブジェクト、２１４は参照
文字パターン２１２から抽出された参照オブジェクトを
示す。２１５と２１６は各々入力オブジェクトと参照オ
ブジェクトの属性値を記した入力オブジェクトリストと
参照オブジェクトリストである。

【０００４】また、図１７は、仮想オブジェクト作成手
段４の動作を説明する図である。図において、２２０は
仮想オブジェクトの情報、２２１は仮想オブジェクト作
成手段４の出力である。また、図１８は、弛緩整合手段
５の動作を説明する図である。図において、２３０は参
照オブジェクト１Ｂに対する対応付けの候補、２３１は
参照オブジェクトと対応付いた入力、仮想オブジェクト
である。

【０００５】以下、従来の構造解析的文字認識装置の動
作を、図１５及至図１８を用いて説明する。入力文字パ
ターン１と参照文字パターン２を本装置に入力すると、
特徴抽出手段３は、まず双方の文字パターンからオブジ
ェクトを抽出する。ここでオブジェクトは、例えば、文
字の輪郭線を直線近似して得た直線要素である。次に、
特徴抽出手段３は、各オブジェクトの始終点位置及び方
向等の属性値を求め、属性値を一覧表示したオブジェク
トリストを作成する。そして、入力文字パターン１から
作成したオブジェクトリストを仮想オブジェクト作成手
段４に、参照文字パターン２から作成したオブジェクト
リストを弛緩整合手段５に送出する。例えば、特徴抽出
手段３は、入力文字パターン２１１から２１３に示す入
力オブジェクト（１Ａから１４Ａ）を抽出し、抽出され
たオブジェクトの属性値を記した入力オブジェクトリス
ト２１５を出力する。同様に、参照文字パターン２１２
から２１４に示す参照オブジェクト（１Ｂから１１Ｂ）
を抽出し、参照オブジェクトリスト２１６を出力する。

【０００６】次に、仮想オブジェクト作成手段４は、特
徴抽出手段３で抽出した入力オブジェクトリストから仮
想オブジェクトを作成し、作成した仮想オブジェクトを
入力オブジェクトリストに追加する。そして、仮想オブ
ジェクトを追加した新たな入力オブジェクトリストを弛
緩整合手段５に送出する。ここで仮想オブジェクトは、
例えば、互いに位置が隣接し、かつ、同じ方向を持つ入
力オブジェクト同士を統合して作成したオブジェクトで
あり、入力オブジェクトと同じく始終点位置や方向等の
属性値を持つ。例えば、入力オブジェクトリスト２１５
を仮想オブジェクト作成手段４に入力すると、仮想オブ
ジェクト作成手段４は、作成した仮想オブジェクトの情
報２２０を入力オブジェクトリスト２１５に追加して、
新たな入力オブジェクトリストを作成する。ここで、仮
想オブジェクト作成手段の出力２２１である新たな入力
オブジェクトリスト中に示した１６Ａ｛１Ａ＋７Ａ｝
は、仮想オブジェクト１６Ａが入力オブジェクト１Ａと
７Ａとを統合して作成されたことを示す。

【０００７】次に、弛緩整合手段５は、特徴抽出手段３
で得た参照オブジェクトリストと仮想オブジェクト作成
手段４で得た新たな入力オブジェクトリストを入力と
し、確率的弛緩法を用いて各参照オブジェクトを入力、
仮想オブジェクトと対応付ける。そして、対応付け結果
を相違度算出手段６に送出する。ここで、確率的弛緩法
は、オブジェクト同士の相対関係を考慮しながら、対応
付けの確率を更新して行くことにより、整合性の高い対
応付け結果を得る計算方式である。この弛緩整合手段５
では、まず、各参照オブジェクトと各入力、仮想オブジ
ェクトとが対応付く確率を求める。そして、各参照オブ
ジェクト毎に、高い対応付け確率を持つＮ個の入力、仮
想オブジェクトを対応付け候補として選択する。ここ
で、対応付け確率は、参照オブジェクトの属性値と各入
力、仮想オブジェクトの属性値が類似するほど高い値を
持つようにする。例えば、２３０は参照オブジェクト１
Ｂの対応付け候補であり、１Ｂは２３０に示した対応付
けの候補の１つと対応付けられる。ただし、対応付けの
候補は、２３０に示すように、参照オブジェクトがいず
れの入力、仮想オブジェクトとも対応付かない状態“Ｎ
ｏｍａｔｃｈ”を含む。

【０００８】次に、弛緩整合手段５は、全ての対応付け
確率を、オブジェクト同士の相対関係を考慮して更新す
る。この対応付け確率の更新を一定回数繰り返した結
果、最も高い確率を持つ対応付けの候補と参照オブジェ
クトとが対応付いたと考える。例えば、図１８におい
て、繰り返し回数Ｉｔが４の場合、対応付け確率が最も
高い対応付けの候補２３１が各参照オブジェクトと対応
付いたことになる。つまり、１Ｂは仮想オブジェクト１
６Ａに、２Ｂは入力オブジェクト２Ａに、１１Ｂは仮想
オブジェクト２０Ａに対応付く。最後に、弛緩整合手段
５は、求めた対応付けの結果を相違度算出手段６に送出
する。

【０００９】次に、相違度算出手段６は、弛緩整合手段
５で求めた対応付けの結果から、入力参照文字パターン
間の相違度を求め、求めた相違度を相違度出力手段７に
送出する。ここで、相違度は、例えば、対応付いたオブ
ジェクト同士の属性差と、対応付かずに余った入力オブ
ジェクトに対するペナルティの合計値で表わす。最後
に、相違度出力手段７は、相違度算出手段６で求めた相
違度を本文字認識装置の外部に出力する。

【００１０】

【発明が解決しようとする課題】従来の構造解析的文字
認識装置は、上記のように構成されているので、確率的
弛緩法を用いることで、２次元平面上の位相関係を考慮
しながら、構造的特徴点同士の対応付けが可能となる利
点がある。しかし、確率的弛緩法は、オブジェクト同士
の相対関係を考慮しながら、全ての対応付け候補に対す
る対応付け確率を繰り返し計算するため、計算規模が大
きくなるという課題があった。更に、文字の切れや掠れ
に対処するために仮想オブジェクトを作成して弛緩整合
手段４への入力データに加えると、対応付けの候補が増
えるため、計算規模が更に増加する課題がある。更に、
弛緩整合手段５と相違度算出手段６とは独立に存在して
いるため、弛緩整合手段５で求めたオブジェクト同士の
対応付け結果が、必ずしも相違度算出手段６で求める相
違度を最小にしないという課題がある。

【００１１】この発明は、上述の課題を解決するために
なされたものであり、文字の切れや掠れが生じた場合も
正しく対応付けを行うことができ、対応付けに要する計
算規模が小さく、かつ、パターン間の相違度が最小とな
るようにオブジェクト同士を対応付ける文字認識装置を
得ることを目的とする。

【００１２】

【課題を解決するための手段】この発明に係る文字認識
装置は、評価対象の入力文字によるオブジェクトと、評
価基準である参照文字によるオブジェクトを比較評価す
るために、前回の演算における評価基準の参照文字の設
定オブジェクトを仮説検証結果の変更指示に基づいて所
定の確率で交換と結合と分離の操作を行って新しい参照
文字の設定オブジェクトを生成する仮説生成手段と、こ
の仮説生成手段で生成した新しい参照文字の設定オブジ
ェクトと、評価対象の入力文字のオブジェクトとの相違
度を所定の基準で求める相違度評価手段と、この相違度
評価手段で求めた相違度に基づく受理確率と、仮の確率
とを比較して大きければ仮説が受理可能として参照文字
の設定オブジェクトと対応する相違度を記憶し、かつ仮
説検証結果の変更指示として仮説生成手段に新しい参照
文字の設定オブジェクトの生成の指示をする仮説検証手
段とを備え、仮説生成手段の動作から仮説検証手段の動
作を所定回数以上繰り返して、仮説検証手段が記憶する
参照文字の設定オブジェクト値を所定の値として出力す
るようにした。

【００１３】また更に、相違度評価手段は、参照文字の
設定オブジェクトと評価対象の入力文字のオブジェクト
との相違度を求める際に、特定部分の評価の寄与度が低
くなるような対応付け確率係数を設けて、総合相違度を
求めるようにした。

【００１４】また更に、相違度評価手段は、参照文字の
設定オブジェクトと評価対象の入力文字のオブジェクト
との相違度を求める際に、低次特徴を抽出し、この抽出
した低次特徴を併用して総合相違度を求めるようにし
た。

【００１５】また更に、相違度評価手段は、低次特徴を
抽出する際に、この抽出領域を変更するようにした。

【００１６】また更に、評価対象の入力文字によるオブ
ジェクトと、評価基準である参照文字によるオブジェク
トを比較評価するのに先立ち、入力文字または参照文字
のいずれかまたは両方を前処理として変換して比較入力
とするパターン変換手段を付加した。

【００１７】また更に、仮説生成手段の動作から仮説検
証手段の動作を所定回数以上繰り返して、仮説検証手段
が記憶する相違度が所定の値以上である場合に、パター
ン変換の内容を変更するようにした。

【００１８】

【発明の実施の形態】

実施の形態１．この発明の主旨である仮説生成手段と仮
説検証手段を用いて細分化オブジェクトの比較を繰り返
して評価動作をする文字認識装置について説明する。図
１は、本実施の形態における文字認識装置の主要部分の
構成ブロック図である。図において、１０は最適化手法
の１つである焼きなまし法（ＳｉｍｕｌａｔｅｄＡｎ
ｎｅａｌｉｎｇ）を基にして、オブジェクト同士を対応
付ける特徴点対応付け手段である。ここで、特徴点対応
付け手段１０は、本発明の重要な構成要素である仮設生
成手段１１と、相違度評価手段１２と、同じく重要な構
成要素である仮説検証手段１３により構成する。その他
の従来例の装置中の要素と同一又は相当部分は、同一の
符号を付し、その説明を省略する。

【００１９】仮説生成手段１１は、初期状態においては
特徴抽出手段３で得た入力オブジェクトリストと参照オ
ブジェクトリストを基に対応付け仮説を作成する。ま
た、その後の繰り返し演算状態以降では、現状の対応付
け仮説を一部変更した新たな対応付け仮説を作成する。
後に詳細な説明をするが、ある確率で入力又は参照オブ
ジェクトの一部を変換（Ｓｗａｐ）、結合（Ｃｏｍｂｉ
ｎｅ）、分離（Ｄｉｖｉｄｅ）のいずれか又は組み合わ
せで変更して、新しい入力又は参照オブジェクトを生成
する重要な要素である。相違度評価手段１２は、仮説生
成手段１１で作成した対応付け仮説に対して、その仮説
に従ってオブジェクト同士を対応付けた場合の相違度、
例えば、座標値差、線分の傾きの差を算出する。また、
仮説検証手段１３は、相違度評価手段１２で得た相違度
に従い、仮説生成手段１１で作成した仮説を受理するか
否か判定する。これも後に詳細を説明するが、相違度評
価手段で得られた相違度の確率換算と受理確率とを比較
して、受理可能なら、その相違度と対応設定オブジェク
トを今後の基準として記憶するもので、焼きなまし法を
文字認識に導入した重要な要素である。

【００２０】また、図２は、初期状態の対応付け仮説を
説明するものであり、２０は初期状態で参照オブジェク
トと対応付いた入力オブジェクト、２１は参照オブジェ
クト１Ｂの対応付け候補である。図３は、仮説生成手段
１１の動作を説明するもので、３１〜３３は現状の対応
付け仮説を変更して作成した新たな対応付け仮説であ
る。これら図２，図３におけるオブジェクトの欄内の数
字と記号、例えば、１Ｂ，１Ａ，３Ａ，２Ａ等は、図１
６の２１３，２１４内のオブジェクトのそれに対応して
いる。また、図４は、特徴点対応付け手段１０の動作を
説明するフローチャートである。図５は、図４のフロー
チャートにおけるステップＳＴ６の詳細なフローチャー
トである。

【００２１】以下に、図１及至図５を用いて、本実施の
形態における文字認識装置の動作を説明する。まず、本
装置に入力文字パターン１と参照文字パターン２を提示
すると、従来例と同様、特徴抽出手段３は、双方の文字
パターンからオブジェクトを抽出し、抽出されたオブジ
ェクトの属性を記した入力オブジェクトリストと参照オ
ブジェクトリストを作成する。そして、作成したオブジ
ェクトリストを特徴点対応付け手段１０へ送出する。

【００２２】次に、特徴点対応付け手段１０は、特徴抽
出手段３で得た入力オブジェクトリストと参照オブジェ
クトリストを基に、相違度が最小となるようにオブジェ
クト同士を対応付ける。以下に、特徴点対応付け手段１
０の動作を、図４のフローチャートに従って説明する。
まず、特徴点対応付け手段１０に入力オブジェクトリス
トと参照オブジェクトリストを提示すると、特徴点対応
付け手段１０は、初期化処理を行なう。初期化処理で
は、特徴点対応付け手段１０の内部パラメータである温
度Ｔと更新回数Ｉｔを設定する。ここで、温度Ｔには十
分に大きな値を設定する（具体的な値は後で述べる）。
また、Ｉｔ＝０とし、以降、Ｉｔ＝０の状態を初期状態
とする（ステップＳＴ１）。

【００２３】初期状態において、まず、仮説生成手段１
１は、入力オブジェクトリストと参照オブジェクトリス
トから対応付け仮説を作成する(ステップＳＴ２)。ここ
で、仮説生成手段１１は、まず、参照オブジェクトと各
入力オブジェクト間で式（１）に従い、評価値Ｓを算出
する。ここで、Ｓの値は入力・参照オブジェクト間の属
性差を示す。式（１）において、ｉは参照オブジェクトの番号、ｋは
入力オブジェクトの番号、Ｄｉはオブジェクトｉの方向
を示す。更に、Ｘｓｉ，Ｙｓｉ，Ｘｅｉ，Ｙｅｉは、Ｘ
Ｙ座標軸上におけるオブジェクトｉの始点及び終点位置
を示す。つまり、上述の例では、各オブジェクトを線分
の和で近似し、各線分の傾きと位置の差を属性差Ｓとし
ている。式（１）の第１項は、参照オブジェクトｉと入
力オブジェクトｋとの方向差を示す。また、第２項は、
オブジェクトｉとｋとの始点位置のずれ量を、第３項
は、オブジェクトｉとｋとの終点位置のずれ量を示す。
従って、オブジェクトｉとｋが持つ属性値（方向、始
点、終点等）が異なっているほど、Ｓの値は大きくな
る。

【００２４】次に、仮説生成手段１１は、各参照オブジ
ェクト毎にＳの値が小さい入力オブジェクトＮ個を選択
し、これを対応付けの候補とする。ただし、対応付けの
候補には、参照オブジェクトがいずれのオブジェクトと
も対応付かない状態“Ｎｏｍａｔｃｈ”も加える。最後
に、仮説生成手段１１は、各参照オブジェクトがＳの値
が最小の入力オブジェクトに対応付く状態を示す対応付
け仮説を作成し、この対応付け仮説を相違度評価手段１
２と仮説検証手段１３に送出する。

【００２５】例えば、図２は、入力オブジェクトリスト
２１５と参照オブジェクトリスト２１６から作成した対
応付けの候補例である。図において、２１は参照オブジ
ェクト１Ｂの対応付け候補である。ここで、対応付けの
候補は、左からＳの値が小さい順に並んでいる。初期の
対応付け仮説において、各参照オブジェクトはＳの値が
最小の入力オブジェクト２０と対応付いている。

【００２６】次に、相違度評価手段１２は、仮説生成手
段１１で得た対応付け仮説を用いて相違度を算出し、求
めた相違度を仮説検証手段１３に送出する（ステップＳ
Ｔ３）。ここで、パターン間の相違度は、例えば、オブ
ジェクト同士の属性差を表わす上述の式（１）の評価値
Ｓと、オブジェクトの相対関係のずれ量を表わす評価値
Ｒ及び各種ペナルティ量Ｐの合計値で表わすことができ
る。Ｄ＝Ｓ＋Ｒ＋Ｐ（２）ここで、ペナルティ量Ｐは、入力オブジェクトが対応付
かずに余ったり、複数の参照オブジェクトが１つの入力
オブジェクトに対応付いたり、参照オブジェクトの対応
付け結果が“Ｎｏｍａｔｃｈ”となった場合のペナルテ
ィを合計した値である。この具体的な値としては、上述
の場合について０〜１の中間の値を付与しておく。ま
た、相対関係のずれ量Ｒは、例えば、式（３）で表わす
ことができる。

【００２７】上述の式（３）において、ｉは参照オブジ
ェクトの番号、ｊは参照オブジェクトｉに隣接する参照
オブジェクトの番号、ｉ’はｉに対応付いた入力オブジ
ェクトの番号、ｊ’はｊに対応付いた入力オブジェクト
の番号を示す。Ｘｓｉ，Ｙｓｉ，Ｘｅｉ，Ｙｅｉは、先
に説明したよう、にオブジェクトｉの始終点位置を示
す。従って、参照オブジェクトｉ，ｊの相対位置関係
と、ｉ，ｊに対応付いた入力オブジェクト同士の相対位
置関係とが類似するほど、Ｒの値は小さくなる。

【００２８】次に、仮説検証手段１３は、仮説生成手段
１１で得た初期の対応付け仮説を現状の対応付け仮説と
して、また、初期の対応付け仮説から相違度算出手段１
２で得た相違度を現状の相違度として、仮説検証手段１
３の内部メモリに保存する。そして、現状の対応付け仮
説を仮説生成手段１１に送出する（ステップＳＴ４）。
次に、特徴点対応付け手段１０は、内部パラメータであ
る更新回数Ｉｔの値をインクリメントする（ステップＳ
Ｔ５）。以上が、初期状態（Ｉｔ＝０）における特徴点
対応付け手段１０内部での処理である。

【００２９】初期状態以降において、仮説生成手段１１
は、仮説検証手段１３で得た現状の対応付け仮説の一部
を変更して、新たな対応付け仮説を生成する。仮説の変
更は、以下に示すＳｗａｐ，Ｃｏｍｂｉｎｅ，Ｄｉｖｉ
ｄｅの３つの変更処理の１つを確率的に選択し、その変
更処理を実行することで行う（ステップＳＴ６）。以
降、ステップＳＴ６の詳細を、図１９のフローチャート
に従い説明する。ここでは、まず、仮定の確率Ｐ_t（０
≦Ｐ_t≦１）を乱数表に従い求める（ステップＳＴ８０
１）。次に、Ｐ_tの値に従い、変更処理を１つ選択す
る。例えば、０≦Ｐ_t≦０．９の場合はＳｗａｐ処理
を、０．９＜Ｐ_t≦０．９５の場合はＣｏｍｂｉｎｅ処
理を、その他の場合はＤｉｖｉｄｅ処理を選択する。

【００３０】ここで、Ｓｗａｐ処理は、現状の対応付け
仮説において、ある参照オブジェクトに対応付いた入力
オブジェクトを別の入力オブジェクトに変更する。具体
的に、Ｓｗａｐ処理では、まず、１個の参照オブジェク
トをランダムに選択する（ステップＳＴ８０３）。次
に、選択した参照オブジェクトに対応付いた入力オブジ
ェクトを別の入力オブジェクトに変更する（ステップＳ
Ｔ８０４）。ここで、どの入力オブジェクトに変更する
かもランダムに決定する。例えば、図２に示した現状の
対応付け仮説にＳｗａｐ処理を加えると、参照オブジェ
クト２Ｂに対応付く入力オブジェクトが、２Ａから４Ａ
に変更された新たな対応付け仮説３１が作成される。

【００３１】更に、Ｃｏｍｂｉｎｅ処理は、現状の対応
付け仮説において、ある参照オブジェクトに対応付いた
入力オブジェクトを別の入力オブジェクトと統合する。
具体的に、Ｃｏｍｂｉｎｅ処理では、まず、１個の参照
オブジェクトをランダムに選択する（ステップＳＴ８０
５）。次に、選択した参照オブジェクトに対応付いた入
力オブジェクトを別の入力オブジェクトと統合する（ス
テップＳＴ８０６）。ここでは、ある参照オブジェクト
に対応付いた入力オブジェクトに対して、位置が隣接
し、かつ、方向が類似した入力オブジェクトを統合の対
象とする。例えば、図２に示した現状の対応付け仮説に
対してＣｏｍｂｉｎｅ処理を加え、参照オブジェクト１
Ｂに対応付いた入力オブジェクト１Ａが入力オブジェク
ト７Ａと統合されるとする。この場合、現状の対応付け
仮説中に存在する全ての入力オブジェクト１Ａと７Ａ
を、統合されたオブジェクト｛１Ａ＋７Ａ｝に変更す
る。その結果、新たな対応付け仮説３２が作成される。
ここで、新たな対応付け仮説３２は、図２中の入力オブ
ジェクト１Ａと７Ａを全て｛１Ａ＋７Ａ｝に置き換えた
ものとなる。

【００３２】更に、Ｄｉｖｉｄｅ処理は、現状の対応付
け仮説において、ある参照オブジェクトに対応付いた入
力オブジェクトが、既に統合されてできたオブジェクト
である場合、そのオブジェクトを統合前のオブジェクト
に戻す。具体的に、Ｄｉｖｉｄｅ処理では、まず、１個
の参照オブジェクトをランダムに選択する（ステップＳ
Ｔ８０７）。次に、選択した参照オブジェクトに対応付
いた入力オブジェクトが、既に統合されてできたオブジ
ェクトであるか否かを判定する（ステップＳＴ８０
８）。ここで、統合されたオブジェクトである場合は、
そのオブジェクトを統合前のオブジェクトに戻す（ステ
ップＳＴ８０９）。例えば、対応付け仮説３２にＤｉｖ
ｉｄｅ処理を加えて、参照オブジェクト１Ｂに対応付い
た入力オブジェクト｛１Ａ＋７Ａ｝を分解するとする。
この場合、対応付け仮説３２中に存在する全ての入力オ
ブジェクト｛１Ａ＋７Ａ｝を、統合前の入力オブジェク
トに戻す。その結果、新たな対応付け仮説３３が作成さ
れる。具体的に、新たな対応付けの仮説３３は、変更処
理を加える前の対応付け仮説３２中に存在するオブジェ
クト｛１Ａ＋７Ａ｝を初期状態の対応付け仮説（図２）
において、それと同じ位置にある入力オブジェクトに置
き換えたものとなる。

【００３３】次に、相違度評価手段１２は、仮説生成手
段１１で作成した新たな対応付け仮説を用いて相違度を
算出する（ステップＳＴ７）。次に、仮説検証手段１３
は、仮説生成手段１１で作成した新たな対応付け仮説と
相違度評価手段１２で求めた相違度で定まる受理確率Ｐ
_L（０≦Ｐ_L≦１）と、仮に設定した確率Ｐ_n（０≦Ｐ
_n≦１）を比較して、Ｐ_L＞Ｐ_nの場合に、新たな対応
付け仮説を受理する（ステップＳＴ８）。具体的に、受
理確率Ｐ_Lは、次式（４）で求める。Ｐ_L＝ＥＸＰ｛−（Ｃａ−Ｃｂ）／Ｔ｝（４）ここで、Ｃａは新たな対応付け仮説に対して相違度評価
手段１２で求めた相違度、Ｃｂは現状の対応付け仮説に
対して得られた相違度、Ｔは先に述べた温度パラメータ
である。そして、乱数表に従い求めた確率Ｐ_nの値が
０．２、上述の式（４）Ｐ_Lが０．５であれば、受理確
率Ｐ_Lは充分満足されるとして、新たな対応付け仮説が
受理されると判定する。そして、仮説が受理されると判
定された場合、仮説検証手段１３は、新たな対応付け仮
説とその相違度Ｃａを、現状の対応付け仮説とその相違
度Ｃｂとして内部メモリに格納する（ステップＳＴ
９）。Ｐ_Lが小さい場合は、前回の仮説、つまり、設定
オブジェクトの各値と相違度Ｃｂがそのまま保存され
る。最後に、仮説検証手段１３は、内部メモリに格納し
た現状の対応付け仮説を仮説作成手段１１に送出する。

【００３４】次に、特徴点対応付け手段１０は、（更新
回数Ｉｔ＞一定回数）の場合に対応付け処理を終了し
て、仮説検証手段１３の内部メモリに格納された相違度
Ｃｂを相違度出力手段７に送出する（ステップＳＴ１
０）。その他の場合、特徴点対応付け手段１０は、温度
パラメータＴを徐々に下げながら、ステップＳＴ５から
ステップＳＴ１０までの処理を繰り返す。最後に、相違
度出力手段７は、特徴点対応付け手段１０で得た相違度
Ｃｂを本文字認識装置の外部に出力する。焼きなまし法
は、温度Ｔを下げながら、式（４）に従って状態を変化
させることで局所解にとらわれることなく、評価値の値
が最小となる状態を探索する手法である。従って、上記
処理は、焼きなまし法に基づいて、相違度Ｃｂを最小と
するオブジェクト同士の対応付け状態を探索する機能を
持つ。上記処理において、初期状態の温度Ｔは、式
（４）で求めるＰ_Lの値が十分に大きくなるように設定
し、かつ、次式（５）に従ってＴの値を低下させる。こ
れは、本条件を用いて焼きなまし法を行うことにより、
確率１で関数の最小解にたどり着くことが証明されてい
るためである。Ｔ＝１／１ｎ（Ｉｔ）（５）

【００３５】本実施の形態によれば、仮説生成手段１１
は入力オブジェクトを統合する（Ｃｏｍｂｉｎｅ）、統
合した入力オブジェクトを元に戻す（Ｄｉｖｉｄｅ）等
の仮説を生成する。そのため、文字の切れや掠れによ
り、本来１個のオブジェクトは複数個のオブジェクトに
分割された場合でも、正しく対応付けを行うことができ
る。

【００３６】更に、特徴点対応付け手段１０は、確率的
弛緩法に比べ計算規模が小さい焼きなまし法を基に対応
付けを行うため、認識に要する計算規模が小さくて済
む。また、文字の切れや掠れに対処するために仮想オブ
ジェクトを生成する必要がなく、対応付けの候補数を減
らすことができるため、計算規模が更に削減できる。具
体的に、参照オブジェクト数をＮｆ、入力オブジェクト
数をＮＩ、仮想オブジェクト数をＮｖとした時、弛緩法
を用いた従来の構造解析的文字認識装置は、Ｏ（Ｎｆ×
（ＮＩ＋Ｎｖ）²）の計算規模を要するが、本装置はＯ
（Ｎｆ×ＮＩ）の計算規模で済む。更に、特徴点対応付
け手段１０は、相違度評価手段１２で定義した相違度を
最小とするようにオブジェクト同士を対応付ける。その
ため、従来装置のように、求めたオブジェクト同士の対
応付け結果が、必ずしも相違度を最小にしないというこ
とがなくなる。

【００３７】なお、本実施の形態では、入力文字パター
ン１と参照文字パターン２から同時に特徴抽出を行う構
成としたが、全ての参照文字パターンからの特徴抽出結
果を予めメモリに保存しておき、認識時には入力文字パ
ターン１からのみ特徴抽出を行う構成としてもよい。ま
た、本実施の形態では、従来例と同じく文字の輪郭線を
直線近似して求めた直線要素をオブジェクトとして用い
たが、例えば、文字パターンを細線化して求めた交点や
端点座標値等の様々な構造的特徴をオブジェクトとして
も、同様な効果が得られる。本実施の形態では、更新回
数Ｉｔが一定回数以上の場合に対応付け処理を終了する
としたが、仮説検証手段１３において、過去一定回数以
上生成された仮説が受理されていなかったら、対応付け
処理を終了してもよい。

【００３８】本実施の形態では、相違度評価手段１２で
求める相違度をＳ＋Ｒ＋Ｐの値で説明したが、その他任
意の評価関数を用いて相違度を定義しても、同様な効果
が得られる。

【００３９】実施の形態２．実施の形態１における相違
度評価手段１２では、任意の評価関数を用いてよいの
で、ここでは参照オブジェクトが入力オブジェクトに対
応付く確率を評価項目に加える場合を説明する。つま
り、各オブジェクトを線分の和で表現する場合、特定の
線分については対応付けが行われなくてもペナルティＰ
の値を低くして、その対応付けの重要度は相対的に低い
ことを表現する。本実施の形態における文字認識装置の
構成は、実施の形態１、つまり、図１と同じである。ま
た、図６は、本実施の形態の装置の動作を説明する図で
ある。図において、５２は参照パターンの例、５３は入
力文字パターンの例、５４は参照パターンの例５２から
抽出した参照オブジェクト、５５は入力文字パターン５
３の例から抽出した入力オブジェクト、５１は入力オブ
ジェクトに対応付かない参照オブジェクトである。

【００４０】以下、本実施の形態の装置の動作を図６を
用いて説明する。図６において、参照オブジェクト５４
と入力オブジェクト５５とを実施の形態１に示す方法で
対応付けると、はねの部分から抽出された参照オブジェ
クト５１は、入力オブジェクトと対応付かない。この
際、もし何の考慮も払わなければ、参照オブジェクト５
４と入力オブジェクト５５は同一カテゴリ“２”に属す
るにもかかわらず、参照オブジェクト５１が対応付かな
いためにペナルティＰの値が増加し、相違度が大きくな
る。しかし、参照オブジェクト５１の部分は、カテゴリ
“２”にある場合もない場合もあるので、この部分のオ
ブジェクトとしての重要度は低い。そこで、参照オブジ
ェクト５１の部分が対応付かないペナルティＰの値を予
め低く設定しておく。このように、予め各参照オブジェ
クトが入力オブジェクトと対応付く確率を求めておき、
その特定部分の対応付け確率を低く設定しておく。従っ
て、ある参照オブジェクトが入力オブジェクトと対応付
かず、対応付けの結果が“Ｎｏｍａｔｃｈ”と判定され
た場合でも、その参照オブジェクトの対応付け確率が低
い場合はペナルティＰの値は増えず、相違度への影響が
少なくなる。

【００４１】オブジェクトの部分毎の対応付けの確率
は、例えば、以下のように求めることができる。まず、
ある参照パターンと、その参照パターンと同じカテゴリ
に属する複数の入力パターンを用意し、実施の形態１に
示した方法により、オブジェクト同士を対応付ける。対
応付けの結果、参照オブジェクトが入力オブジェクトと
対応付かず“Ｎｏｍａｔｃｈ”となった場合、その参照
オブジェクトは“対応不能”であるとし、その他の場合
は“対応可”とする。この処理を用意した、例えば、１
０００個の複数の入力パターンに対して行い、各参照オ
ブジェクトが“対応可”となる確率を対応付け確率とす
る。上述のカテゴリ“２”の最後のはねの部分は、１０
００個の入力パターン中にある場合もない場合もあり、
ある場合は、“Ｎｏｍａｔｃｈ”となる。しかし、それ
でも同一カテゴリになるので、このはねの部分の“Ｎｏ
ｍａｔｃｈ”の際のペナルティは低くする。

【００４２】実施の形態２によれば、参照オブジェクト
が入力オブジェクトと対応付く確率を比較する各部分毎
に考慮して相違度をある部分は低くして計算するため、
入力オブジェクトと対応付く確率が低い参照オブジェク
トによる相違度の増加を抑制して、高精度な認識が可能
となる。

【００４３】実施の形態３．実施の形態１，２では、参
照オブジェクトと入力オブジェクトの対応付け結果を基
に相違度を算出したが、この相違度の算出に従来の特徴
マッチングによる相違度を併用して加算してもよい。以
下、本実施の形態の装置を図７及至図１０に基づいて説
明する。図７は、実施の形態における文字認識装置の構
成を示すブロック図である。図７中、先の実施の形態１
と同一又は相当部分の要素は同一の符号を付し、その説
明を省略する。図において、６０は低次特徴抽出手段で
あり、一般に特徴マッチング的文字認識方式で使用され
る輪郭方向コード特徴や濃淡特徴等の特徴（低次特徴）
を文字パターンから抽出する。

【００４４】図８は、一般的な低次特徴を説明する図で
ある。図において、７０は入力文字パターンの例、７１
は入力文字パターン７０の例から抽出された低次特徴で
ある。また、図９は、低次特徴抽出手段６０の動作を説
明する図である。図において、８０は参照オブジェクト
例、８１は入力オブジェクト例、８２は参照オブジェク
ト、８３は参照オブジェクト８２と対応付く入力オブジ
ェクト、８４は参照文字パターンの領域分割、８５はオ
ブジェクト対応付け結果を考慮した入力文字パターンの
領域分割である。また、図１０は、本実施の形態の動作
を示すフローチャートである。

【００４５】以降、図７に示す構造解析的文字認識装置
の動作を図１０のフローチャートに従い説明する。ま
ず、実施の形態１と同様に、特徴抽出手段３は、入力・
参照文字パターンからオブジェクトを抽出する（ステッ
プＳＴ９１）。次に、仮説生成手段１１は、抽出したオ
ブジェクトから対応付け仮説を作成し、作成した対応付
け仮説を低次特徴抽出手段６０と相違度評価手段１２と
仮説検証手段１３に送出する（ステップＳＴ９２）。

【００４６】次に、低次特徴抽出手段６０は、仮説生成
手段１１で作成した対応付け仮説を基にして、入力文字
パターン１と参照文字パターン２の双方から低次特徴を
抽出する（ステップＳＴ９３）。この低次特徴として
は、例えば、輪郭方向特徴を抽出する。一般に、輪郭方
向特徴とは、文字パターンを縦横Ｎ等分して作成した各
小領域の中で、特定の方向を持つ文字の輪郭点の数を合
計し、この値を特徴値として抽出する。例えば、図８中
の７１は入力文字パターン７０を縦横５等分し、水平
（Ｈ）、垂直（Ｖ）、右上がり（Ｒ）、左下がり（Ｌ）
の方向を持つ場合の輪郭方向特徴（５×５領域、４方向
の計１００次元）を示す。以降、参照文字パターンと入
力文字パターンから求めた低次特徴を、各々参照特徴、
入力特徴と呼ぶ。

【００４７】低次特徴抽出手段６０では、参照文字パタ
ーンに対して上記方法により輪郭方向特徴を抽出する。
ただし、入力文字パターンに対しては、文字パターンを
縦横Ｎ等分して小領域を作成する代わりに、仮説生成手
段１１で作成した対応付け仮説に基づいて小領域を作成
する。具体的には、ｉ行ｊ列番の小領域に含まれる参照
オブジェクトに対応付いた入力オブジェクトが、同じく
ｉ行ｊ列番の小領域に含まれるように、入力文字パター
ンの領域分割を歪める。例えば、図９中の参照オブジェ
クト８０と入力オブジェクト８１に対して、仮説生成手
段１１は、参照オブジェクト８２と入力オブジェクト８
３とが対応付くような対応付け仮説を作成したとする。
この場合、低次特徴抽出手段６０は、参照オブジェクト
８２と入力オブジェクト８３が同じ小領域に含まれるよ
うに、入力オブジェクトの領域分割を変更する。その結
果、参照文字パターンの領域分割結果８４に対して、入
力文字パターンの領域分割は８５に示すように変形した
形態となる。

【００４８】次に、相違度算出手段１２は、実施の形態
１と同様な方式により、仮説生成手段１１で作成した対
応付け仮説に対して相違度を求める。更に、低次特徴抽
出手段６０で求めた参照特徴と入力特徴とのユークリッ
ド距離値を計算し、この距離値を相違度に加算する（ス
テップＳＴ９４）。

【００４９】以降の処理は、実施の形態１と同じであ
る。まず、仮説検証手段１３は対応付け仮説を受理する
か否かを判定し（ステップＳＴ９５）、受理する場合
は、対応付け仮説を現状の対応付け仮説として保存する
（ステップＳＴ９６）。そして、現状の対応付け仮説を
仮説生成手段１１へ送出する。

【００５０】次に、特徴点対応付け手段１０は、更新回
数Ｉｔが一定以上である場合に対応付け処理を終了し、
求めた相違度を相違度出力手段７に送出する（ステップ
ＳＴ９７）。その他の場合は、Ｉｔをインクリメントし
ながら、上記ステップＳＴ９２からステップＳＴ９７を
繰り返す。最後に、相違度出力手段７は求めた相違度を
外部に出力する。

【００５１】本実施の形態によれば、低次特徴抽出手段
６０は、対応付けの仮説に基づいて特徴抽出のための領
域分割を行い、参照文字パターンにあわせて字形の変動
を吸収した低次特徴が抽出される。更に、オブジェクト
の対応関係に基づいた相違度と低次特徴の差から求めた
相違度の合計値が最小となるように、オブジェクト同士
を対応付ける。そのため、構造的な特徴と低次の特徴の
双方からみて最適な対応付けの結果を得ることができ、
高精度に文字を認識することが可能となる。本実施の形
態では、低次特徴として輪郭方向特徴を例に説明した
が、ペリフェラル特徴や濃淡特徴等の別の特徴を用いて
も、同様な効果を得ることができる。また、本実施の形
態では、ユークリッド距離値を用いて低次特徴間の距離
値を求めたが、内積値やシティブロック距離値を用いて
も、同様な効果を得ることができる。

【００５２】上述の実施の形態において、低次特徴抽出
手段６０は、入力文字パターン１と参照文字パターン２
の双方から低次特徴を抽出し、その低次特徴間の距離値
を相違度に加えた。しかし、低次特徴抽出手段６０は、
入力文字パターン１からのみ低次特徴を抽出し、相違度
評価手段１２は、低次特徴辞書に格納した辞書データを
用いた特徴マッチング的文字認識方式により、低次特徴
抽出手段で抽出された低次特徴を認識して距離値を求
め、相違度に加算してもよい。図１１は、本実施の形態
の構成を示すブロック図であり、図１１中、図７の要素
と同一又は相当部分は同一の符号を付し、その説明を省
略する。図において、１００は低次特徴辞書である。

【００５３】このように構成した構造解析的認識方式に
おいて、低次特徴辞書１００は、単に参照文字パターン
から抽出した低次特徴を格納するだけでなく、統計情報
を考慮した特徴マッチング的認識方式を行うのに必要な
特徴値の平均値や分散及び固有値や固有ベクトル等の情
報を格納する。また、相違度評価手段１２は、低次特徴
辞書１００に格納された辞書データを用いた特徴マッチ
ング的文字認識方式により、低次特徴抽出手段６０で入
力文字パターンから求めた低次特徴を認識して距離値を
求める。そして、実施の形態１と同じ方法で求めた相違
度に、求めた距離値を加算する。

【００５４】上述の構成によれば、低次特徴辞書１００
は、特徴マッチング的文字認識を行うのに必要な特徴値
の平均値や分散及び固有値や固有ベクトル等のデータを
格納し、相違度評価手段１２は、これらのデータを用い
た高精度な特徴マッチング的文字認識により相違度を計
算する。そのため、高精度な文字の認識が可能となる。
なお、本実施の形態では、低次特徴辞書１００に格納す
る情報として平均値や分散及び固有値や固有ベクトル等
の統計情報を用いて説明したが、特徴マッチング的認識
方式を、例えば、バックプロパゲーションモデルやＬＶ
Ｑモデル等のニューラルネットで構成し、ニューラルネ
ットワークの内部データ（シナプス荷重値等）を低次特
徴辞書１００に格納しても、同様な効果を得ることがで
きる。

【００５５】実施の形態４．なお、実施の形態１〜３で
は、予め用意した参照文字パターン２から参照オブジェ
クトを抽出してオブジェクト対応付けに用いたが、オブ
ジェクトの抽出に先立って前処理として、予め用意した
参照文字パターンに傾き処理や太め処理等のパターン変
換処理を加えるようにしてもよい。以下、本発明の実施
の形態の文字認識装置を図１２と図１３に基づいて説明
する。

【００５６】図１２は、本実施の形態における構造解析
的文字認識装置の構成を示すブロック図である。図１２
中、先の実施の形態１と同一又は相当部分は同一の符号
を付し、その説明を省略する。図において、１１１は外
部命令及び入力文字パターン１の状態に従って、参照文
字パターン２に傾き処理や太め処理等のパターン変換処
理を加えるパターン変換手段であり、太め処理、傾き処
理、飾り付け処理、白抜き処理等のパターン変換処理を
有する。また、図１３は、パターン変換手段１１１の動
作例を示す図であり、図において、１２０は元の参照文
字パターン、１２１〜１２４はパターン変換処理を加え
て作成した参照文字パターンの例である。

【００５７】図１２に示す構成の構造解析的文字認識装
置において、入力文字パターン１と参照文字パターン２
を提示すると、まず、パターン変換手段１１１は、外部
からの命令又は入力文字パターンの状態に従って、特定
のパターン変換処理を参照文字パターンに加える。ここ
で外部からの命令は、文字パターンに加えるパターン変
換処理の種類を指定する。

【００５８】また、入力文字パターンの状態に従って、
特定のパターン変換処理を選択する場合は、例えば、入
力文字パターン１において、輪郭点数／黒画素数が一定
値以下の場合は、入力文字パターン１が太い文字である
と仮定して、参照文字パターン２に太め処理を加える。
逆に、輪郭点数／黒画素数が一定値より大きい場合は、
入力文字パターン１が白抜き文字であると仮定して、参
照文字パターン２に白抜き処理を加える。例えば、１２
１〜１２４は参照文字パターン例１２０に、ぞれぞれ飾
りの付け処理、白抜き処理、傾き処理、太め処理等のパ
ターン変換処理を加えて得られた文字パターンである。

【００５９】次に、パターン変換手段１１１は、パター
ン変換処理を加えて作成した文字パターンを参照文字パ
ターン２とする。以降、先の実施の形態と同様に、オブ
ジェクト同士を対応付け、相違度を求める。

【００６０】本実施の形態によれば、パターン変換手段
１１１で各種の変換処理を加えた参照文字パターンを用
いて、以降のオブジェクト対応付け処理を行うことで、
参照文字パターンの数を増やすことなく、白抜き文字や
太字、傾いた文字等のさまざまなバリエーションの文字
を認識することができる。なお、本実施の形態では、パ
ターン変換手段１１１では、１種類のパターン変換処理
を参照文字パターンに加えた場合を説明したが、参照文
字パターンに対して同時に複数のパターン変換処理を加
えてもよい。

【００６１】上述の実施の形態４では、外部からの命令
又は入力文字パターン１の状態によってパターン変換処
理の種類を選択するとしたが、更に制限を加えて、相違
度出力手段７に入力された相違度が一定値以上の場合に
は、パターン変換手段１１１で前回と異なったパターン
変換処理を選択して、再度、特徴抽出手段３以降の処理
を行うようにしてもよい。以下、この場合の装置を図１
４に基づいて説明する。図１４は、上述の構造解析的文
字認識装置の構成を示すブロック図である。

【００６２】図１４に示すように構成した構造解析的文
字認識装置において、相違度出力手段７は、特徴点対応
付け手段１０で求めた相違度が一定値よりも小さい場合
に、相違度を外部に出力する。その他の場合、相違度出
力手段７は、パターン変換手段１１１に対して、パター
ン変換の要求を送る。パターン変換手段１１１は、相違
度出力手段７からパターン変換の要求を受け取ると、前
回と異なったパターン変換処理を参照文字パターンに加
える。そして、再び参照パターンから特徴抽出を行い、
相違度を算出する。このように、パターンに変換を加え
て相違度を再計算する処理を、相違度が一定値以下とな
るまで繰り返す。もし、全てのパターン変換処理を加え
ても相違度が一定値以上の場合、相違度出力手段７は、
求められた相違度の内で最小の相違度を外部に出力し、
処理を終了する。

【００６３】

【発明の効果】以上のようにこの発明によれば、特徴抽
出された入力・参照文字の各オブジェクト同士を交換・
結合・分離して、繰り返し演算毎に新しく対応付けした
仮説を選ぶ仮設生成手段と、相違度評価して受理可能な
仮説の値と相違度を記憶する仮説検証手段を備えたの
で、計算規模が小さい焼きなまし法に基づいた方式であ
り、計算規模が小さく、しかも、文字の切れや掠れによ
り入力文字パターンのオブジェクトが細かく分割された
場合も、正しく対応付けを行える効果がある。また、特
徴点対応付け手段は、相違度の値を基にオブジェクトの
対応関係を求めるため、従来の欠点である求めたオブジ
ェクトの対応付け結果と相違度を最小とが対応しないこ
ともあるという不具合をなくす効果もある。

【００６４】また更に、相違度評価の際に、各参照オブ
ジェクトが入力オブジェクトと対応付く確率を予め求め
ておき、特定オブジェクトについては、対応付けの確率
によるペナルティを加減するので、存在確率の低い参照
オブジェクトの悪影響を除くことができる効果がある。

【００６５】また更に、相違度評価に際して、各領域か
ら特徴を抽出する低次特徴抽出手段を併用したので、低
次の特徴と構造的な特徴の双方からみて、最適なオブジ
ェクトの対応付け結果が得られる効果がある。

【００６６】また更に、特徴抽出に先立ち、文字パター
ンに所定のパターン変形処理を加えて新たな文字パター
ンを作成するパターン変換手段を付加したので、１つの
参照パターンで各種変形の加わった入力文字パターンを
認識でき、辞書のサイズを小さくできる効果がある。

【００６７】また更に、相違度の値が一定値以下となる
と、順次異なったパターン変換処理をするようにしたの
で、相違度が小さくなるパターン変換処理を見つけて処
理し、各種変形の加わった文字を認識できる効果があ
る。

【図面の簡単な説明】

【図１】この発明の実施の形態１における文字認識装
置の構成を示すブロック図である。

【図２】実施の形態１における初期状態の対応付け仮
説を説明する図である。

【図３】実施の形態１における仮説生成手段の動作を
説明する図である。

【図４】実施の形態１における特徴点対応付け手段の
動作を示すフローチャート図である。

【図５】図４におけるステップＳＴ６の詳細フローチ
ャート図である。

【図６】実施の形態２の装置の動作を説明する図であ
る。

【図７】実施の形態３における文字認識装置の構成を
示すブロック図である。

【図８】低次特徴の抽出動作を説明する図である。

【図９】実施の形態３における低次特徴の抽出例を示
す図である。

【図１０】実施の形態３の装置の動作を示すフローチ
ャート図である。

【図１１】実施の形態３における他の文字認識装置の
構成を示すブロック図である。

【図１２】実施の形態４における文字認識装置の構成
を示すブロック図である。

【図１３】実施の形態４におけるパターン変換手段の
動作を説明する図である。

【図１４】実施の形態４における他の文字認識装置の
構成を示すブロック図である。

【図１５】従来装置の全体構成を示すブロック図であ
る。

【図１６】従来装置において抽出されたオブジェクト
の例を示す図である。

【図１７】従来装置における仮想オブジェクト作成手
段の動作を説明する図である。

【図１８】従来装置における弛緩整合手段の動作を説
明する図である。

【符号の説明】

１入力文字パターン、２参照文字パターン、３特
徴抽出手段、４仮想オブジェクト作成手段、５弛緩
整合手段、６相違度算出手段、７相違度出力手段、
１０特徴点対応付け手段、１１仮説生成手段、１２
相違度評価手段、１３仮説検証手段、２０初期状
態で参照オブジェクトと対応付いた入力オブジェクト、
２１参照オブジェクト１Ｂの対応付け候補、３１〜３
３新たな対応付け仮説、５１対応付かない参照オブ
ジェクト、５２参照パターン例、５３入力文字パタ
ーン例、５４参照オブジェクト、５５入力オブジェ
クト、６０低次特徴抽出手段、７０入力文字パター
ン例、７１低次特徴の例、８０参照オブジェクト
例、８１入力オブジェクト例、８２参照オブジェク
ト、８３参照オブジェクトと対応付く入力オブジェク
ト、８４参照文字パターンの領域分割、８５入力文
字パターンの領域分割、１００低次特徴辞書、１１１
パターン変換手段、１２１参照文字パターン例、１
２１〜１２４パターン変換処理を加えた参照文字パター
ン例、２１１入力文字パターン例、２１２参照文字
パターン、２１３入力オブジェクト、２１４参照オ
ブジェクト、２１５入力オブジェクトリスト、２１６
参照オブジェクトリスト、２２０仮想オブジェクト
の情報、２２１仮想オブジェクト作成手段の出力、２
３０参照オブジェクト１Ｂの対応付け候補例、２３１
参照オブジェクトと対応付いた入力、仮想オブジェク
ト。

Claims

【特許請求の範囲】

【請求項１】評価対象の入力文字によるオブジェクト
と、評価基準である参照文字によるオブジェクトを比較
評価するために、前回の演算における評価基準の参照文字の設定オブジェ
クトを仮説検証結果の変更指示に基づいてある確率で交
換と結合と分離の少なくともいずれかの操作を行って新
しい参照文字の設定オブジェクトを生成する仮説生成手
段と、上記仮説生成手段で生成した新しい参照文字の設定オブ
ジェクトと、評価対象の入力文字のオブジェクトとの相
違度を所定の基準で求める相違度評価手段と、上記相違度評価手段で求めた相違度に基づく受理確率
と、仮の確率とを比較して大きければ仮説が受理可能と
して上記参照文字の設定オブジェクトと対応する相違度
を記憶し、かつ仮説検証結果の変更指示として上記仮説
生成手段に新しい参照文字の設定オブジェクトの生成の
指示をする仮説検証手段とを備え、上記仮説生成手段の動作から仮説検証手段の動作を所定
回数以上繰り返して、上記仮説検証手段が記憶する参照
文字の設定オブジェクト値を所定の値として出力するよ
うにした文字認識装置。
【請求項２】相違度評価手段は、参照文字の設定オブ
ジェクトと評価対象の入力文字のオブジェクトとの相違
度を求める際に、特定部分の評価の寄与度が低くなるよ
うな対応付け確率係数を設けて、総合相違度を求めるよ
うにし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】相違度評価手段は、参照文字の設定オブ
ジェクトと評価対象の入力文字のオブジェクトとの相違
度を求める際に、低次特徴を抽出し、該抽出した低次特
徴を併用して総合相違度を求めるようにしたことを特徴
とする請求項１記載の文字認識装置。
【請求項４】相違度評価手段は、低次特徴を抽出する
際に、該抽出領域を変更するようにしたことを特徴とす
る請求項３記載の文字認識装置。
【請求項５】評価対象の入力文字によるオブジェクト
とし、評価基準である参照文字によるオブジェクトを比
較評価するのに先立ち、上記入力文字または参照文字の
いずれかまたは両方を前処理として変換して比較入力と
するパターン変換手段を付加し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６】仮説生成手段の動作から仮説検証手段の
動作を所定回数以上繰り返して、上記仮説検証手段が記
憶する相違度が所定の値以上である場合に、パターン変
換の内容を変更するようにしたことを特徴とする請求項
５記載の文字認識装置。