JPS58105387A - 文字認識方法 - Google Patents
文字認識方法Info
- Publication number
- JPS58105387A JPS58105387A JP56204118A JP20411881A JPS58105387A JP S58105387 A JPS58105387 A JP S58105387A JP 56204118 A JP56204118 A JP 56204118A JP 20411881 A JP20411881 A JP 20411881A JP S58105387 A JPS58105387 A JP S58105387A
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- code
- code value
- level
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012795 verification Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 101100122529 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GON7 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63H—TOYS, e.g. TOPS, DOLLS, HOOPS OR BUILDING BLOCKS
- A63H17/00—Toy vehicles, e.g. with self-drive; ; Cranes, winches or the like; Accessories therefor
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
本発明は、文字サンプル帳票の文字よシ辞書を作）、帳
票読取時には作られた辞書との照合により文字を認識す
る文字認識方法に関する。
票読取時には作られた辞書との照合により文字を認識す
る文字認識方法に関する。
従来、この種の文字認識方式では、乱雑な文字を書く人
でも各個人に限定すれば字形は似九ノ（り−ンになると
いうことで、帳票記入者が何回も書い九同−形式の帳票
を読ませ各文字の特徴を抽出し、文字カテゴリに得られ
る特徴量の範囲を求め、帳票記入者の辞書としている。
でも各個人に限定すれば字形は似九ノ（り−ンになると
いうことで、帳票記入者が何回も書い九同−形式の帳票
を読ませ各文字の特徴を抽出し、文字カテゴリに得られ
る特徴量の範囲を求め、帳票記入者の辞書としている。
第１図は辞書作成のための手書き文字サンプル帳票の一
例を示す図であシ、何というカテゴリ名かはこの例の場
合、帳票上の位置によって決められる。
例を示す図であシ、何というカテゴリ名かはこの例の場
合、帳票上の位置によって決められる。
ところで、この方法でも、似た形の異なるカテゴリに対
して抽出される特徴量は違わなければならないので、マ
クロな特徴とミクロな特徴とを同時に抽出し辞書を作る
必要があシ、辞書作成は困難である。
して抽出される特徴量は違わなければならないので、マ
クロな特徴とミクロな特徴とを同時に抽出し辞書を作る
必要があシ、辞書作成は困難である。
本発明の目的状、上記問題を解決するマクロな特徴によ
る辞書とミクロな特徴による辞書から構成される階層辞
書の文字認識方式を提供するととにある。上記目的を達
成するため、本発明の文字認識方式は、次の順序で階層
辞書を作成する。
る辞書とミクロな特徴による辞書から構成される階層辞
書の文字認識方式を提供するととにある。上記目的を達
成するため、本発明の文字認識方式は、次の順序で階層
辞書を作成する。
（１）文字サンプル帳票を入力し、各文字ごとに、与え
たカテゴリ名と予め定めた複数個の特徴の特徴量を符号
化したコード値の列とを補助記憶部に記憶する。ことで
特徴をＬ組に分け、分けられた各複数個の特徴をレベル
１（１＝１〜Ｌ）の特徴と呼ぶ。
たカテゴリ名と予め定めた複数個の特徴の特徴量を符号
化したコード値の列とを補助記憶部に記憶する。ことで
特徴をＬ組に分け、分けられた各複数個の特徴をレベル
１（１＝１〜Ｌ）の特徴と呼ぶ。
（２）補助記憶部にある各コード値の列から、レベル１
の特徴だけによるコード値の列を作成し、コード列記憶
部に記憶するっ （３）コード列記憶部のコード値列を用い、（４）異な
るカテゴリで同一コード値列をもつものには仮想カテゴ
リ名とそのコード値列とで、（８）異なるツー１ド値列
をもつものＫは同一カテゴリ名のコード値の列を他カテ
ゴリのコード値の列を含まないようにして各特徴ととに
コード値を組合せ、下限値コードと上限値コードとを求
めコード値の範囲とし、カテゴリ名と各特徴ごとのコー
ド値の範囲とで、］辞書を作シ、レベル１の辞書とする
。作成された辞書に仮想カテゴリ名がなければ辞書の作
成は終了するつここで仮想カテゴリ名は上記（１）で与
えたカテゴリ名以外の任意のカテゴリ名である。
の特徴だけによるコード値の列を作成し、コード列記憶
部に記憶するっ （３）コード列記憶部のコード値列を用い、（４）異な
るカテゴリで同一コード値列をもつものには仮想カテゴ
リ名とそのコード値列とで、（８）異なるツー１ド値列
をもつものＫは同一カテゴリ名のコード値の列を他カテ
ゴリのコード値の列を含まないようにして各特徴ととに
コード値を組合せ、下限値コードと上限値コードとを求
めコード値の範囲とし、カテゴリ名と各特徴ごとのコー
ド値の範囲とで、］辞書を作シ、レベル１の辞書とする
。作成された辞書に仮想カテゴリ名がなければ辞書の作
成は終了するつここで仮想カテゴリ名は上記（１）で与
えたカテゴリ名以外の任意のカテゴリ名である。
（４）補助記憶部にあるコード値の列の内でレベル１の
ｑ＃像ではある一つの仮想カテゴリとなるものＫついて
、補助記憶部にあるコード値の列からレベル２の特徴だ
けＫよるコード値の列を作成しコード列記憶部に記憶す
る。
ｑ＃像ではある一つの仮想カテゴリとなるものＫついて
、補助記憶部にあるコード値の列からレベル２の特徴だ
けＫよるコード値の列を作成しコード列記憶部に記憶す
る。
（５）（３）と同じ方法で辞書を作り、（４）における
仮想カテゴリに対応するレベル２の辞書とする。
仮想カテゴリに対応するレベル２の辞書とする。
（６）別な仮想カテゴリについても、各々の仮想カテゴ
リに対応するレベル２の辞書を作成する。
リに対応するレベル２の辞書を作成する。
（７）レベル２の辞書作成が終了すると、レベル２の特
徴で仮想カテゴリとなる補助記憶部にあるコード値の列
について同様にレベル３の辞書を作る。
徴で仮想カテゴリとなる補助記憶部にあるコード値の列
について同様にレベル３の辞書を作る。
（８）仮想カテゴリとなるものｋついては、レベルを更
新して仮想カテゴリがなくなるまで辞書の作成をくシ返
す。ここで各レベルで作られる辞書が階層辞書となる。
新して仮想カテゴリがなくなるまで辞書の作成をくシ返
す。ここで各レベルで作られる辞書が階層辞書となる。
同一コード値列をもつ仮想カテゴリごとにデータを集め
て処理することは、ミクロ的に類似の形のデータを集め
て辞書作成の処理をすることで、ミクロ的な相違を調べ
るだけですみ、上述の方法にすると辞書の作成が容易と
なる。
て処理することは、ミクロ的に類似の形のデータを集め
て辞書作成の処理をすることで、ミクロ的な相違を調べ
るだけですみ、上述の方法にすると辞書の作成が容易と
なる。
第２図社従来の文字認識方法を説明するための具体的な
装置のプロ、り図であシ、帳票読取前に辞書を補助記憶
部７から辞書部５に記憶する。帳票上の一文字の文字パ
ターンは走査部１で光電変換され画偉データとしてパタ
ーンメモリ部２に記憶される、特徴抽出部３はパターン
メモリ部２内の２次元パターンから認識に必要な特徴の
特徴量を抽出し、照合部４は辞書部５に記憶されている
特徴量と前記特徴量とを照合し、読敢結果６を出力する
。
装置のプロ、り図であシ、帳票読取前に辞書を補助記憶
部７から辞書部５に記憶する。帳票上の一文字の文字パ
ターンは走査部１で光電変換され画偉データとしてパタ
ーンメモリ部２に記憶される、特徴抽出部３はパターン
メモリ部２内の２次元パターンから認識に必要な特徴の
特徴量を抽出し、照合部４は辞書部５に記憶されている
特徴量と前記特徴量とを照合し、読敢結果６を出力する
。
５方第３図社本発明に係る文字認識方法を説明するため
の具体的な装置の一実施例を示すブロック図であ）、ま
す史学サンプル帳票を入力すると、帳票上の一文字の文
字パターンは走査部１で光電変換され画偉データとして
パターンメモリ部２に記憶され、特徴抽出部３はパター
ンメモリ部２内の２次元パターンから定められた複数個
の特徴の特徴量を抽出、符号化し、コード値の列として
与えられたカテゴリ名と共に、補助記憶部７に記憶する
。文字サンプル帳票上の文字に対する記憶が終了すると
、補助記憶部７のカテゴリ名と特微量のコード値列から
レベル１の特徴によるコード列を作プフード記憶部８に
記憶し、次に辞書発生部９は異なるカテゴリで同一コー
ド値列をもつものは仮想カテゴリ名とそのコード値列と
で、異なるコード値列をもつ奄のには同一カテゴリ名の
コード値の列を他カテゴリのコード値の列を含まないよ
うにして各特徴ととにコード値を組合せ、下限値コード
と上限値コードとを求めてコード値の範囲とし、カテゴ
リ名と各特徴ごとのコード値の範囲とで、辞書を作）、
レベル１の辞書として辞書部５に記憶する。仮想カテゴ
リ名が割当てられてレベル１の辞書が作成されたときは
次のレベルの辞書作成処理を行う。補助記憶部７にある
コード値の列の内でレベル１の特徴ではある一つの仮想
カテゴリとなるものについて、補助記憶部７にあるコー
ド値の列からレベル２の特徴だけによるコード値の列を
作成し；−ド記憶部８に記憶し、辞書発生１１９は同様
に辞書を作シ、レベル２の辞書として辞、臀部５に記憶
する。各仮想カテゴリごとにレベル２の辞書を作り辞書
部５に順次追加記憶する。レベル２の辞書での辞書作成
が終了すると、仮想カテゴリ名が割当てられて辞書が作
成されたときは、レベルを変えて上記の辞書作成を行い
、仮想カテゴリ名の割当てがなくなるまでく夛返す。
の具体的な装置の一実施例を示すブロック図であ）、ま
す史学サンプル帳票を入力すると、帳票上の一文字の文
字パターンは走査部１で光電変換され画偉データとして
パターンメモリ部２に記憶され、特徴抽出部３はパター
ンメモリ部２内の２次元パターンから定められた複数個
の特徴の特徴量を抽出、符号化し、コード値の列として
与えられたカテゴリ名と共に、補助記憶部７に記憶する
。文字サンプル帳票上の文字に対する記憶が終了すると
、補助記憶部７のカテゴリ名と特微量のコード値列から
レベル１の特徴によるコード列を作プフード記憶部８に
記憶し、次に辞書発生部９は異なるカテゴリで同一コー
ド値列をもつものは仮想カテゴリ名とそのコード値列と
で、異なるコード値列をもつ奄のには同一カテゴリ名の
コード値の列を他カテゴリのコード値の列を含まないよ
うにして各特徴ととにコード値を組合せ、下限値コード
と上限値コードとを求めてコード値の範囲とし、カテゴ
リ名と各特徴ごとのコード値の範囲とで、辞書を作）、
レベル１の辞書として辞書部５に記憶する。仮想カテゴ
リ名が割当てられてレベル１の辞書が作成されたときは
次のレベルの辞書作成処理を行う。補助記憶部７にある
コード値の列の内でレベル１の特徴ではある一つの仮想
カテゴリとなるものについて、補助記憶部７にあるコー
ド値の列からレベル２の特徴だけによるコード値の列を
作成し；−ド記憶部８に記憶し、辞書発生１１９は同様
に辞書を作シ、レベル２の辞書として辞、臀部５に記憶
する。各仮想カテゴリごとにレベル２の辞書を作り辞書
部５に順次追加記憶する。レベル２の辞書での辞書作成
が終了すると、仮想カテゴリ名が割当てられて辞書が作
成されたときは、レベルを変えて上記の辞書作成を行い
、仮想カテゴリ名の割当てがなくなるまでく夛返す。
帳票の読取シは次のようにして行う。帳票上の一文字の
文字パターンは走査部１で光電変換され画像データとし
てパターンメモリ部２に記憶され、特徴抽出部３はパタ
ーンメモリ部２内の２次元パターンから予め定められた
特徴の特徴量を抽出、符号化し、照合部４はレベル１の
辞書のコード値範囲列と前記特徴抽出部３で得られるコ
ード値列からレベル１の特徴によシ作成されるコード値
列とを照合し、読取結果６を出力する。読取結果６が仮
想カテゴリ名であったら、仮想カテゴリ名に対応するレ
ベル２の辞書のコード値範囲列と前記特徴抽出部３で得
られるコード値列からレベル２の特徴によ）作成される
コード値列とを照合し、読取結果６を出力する。再度仮
想カテゴリ名となっ九ら、次のレベルのそのカテゴリ名
に対応する辞書とＯ照合を行い、レベルで示される階層
辞書との照合でカテゴリ名を決定する。
文字パターンは走査部１で光電変換され画像データとし
てパターンメモリ部２に記憶され、特徴抽出部３はパタ
ーンメモリ部２内の２次元パターンから予め定められた
特徴の特徴量を抽出、符号化し、照合部４はレベル１の
辞書のコード値範囲列と前記特徴抽出部３で得られるコ
ード値列からレベル１の特徴によシ作成されるコード値
列とを照合し、読取結果６を出力する。読取結果６が仮
想カテゴリ名であったら、仮想カテゴリ名に対応するレ
ベル２の辞書のコード値範囲列と前記特徴抽出部３で得
られるコード値列からレベル２の特徴によ）作成される
コード値列とを照合し、読取結果６を出力する。再度仮
想カテゴリ名となっ九ら、次のレベルのそのカテゴリ名
に対応する辞書とＯ照合を行い、レベルで示される階層
辞書との照合でカテゴリ名を決定する。
特徴抽出部３において抽出される特徴の種類は大別して
２つに分仕られ、１つは文字艙追跡によって得られるも
の、もう１つ背景解析によって得られるものである。前
者社文字を細線パターンに変換し、線を追跡して検出さ
れる端点、分岐点、交差点等の特徴点の個数、位置関係
、つながり、特徴点間の自に等であり、後者は文字の輪
郭を追跡して凹部、凸部に分割し、各部の曲り、各部の
方向ヒストグラム、全長に対する各部の追跡長等である
。ここで特徴点間の曲りや凸又は凹部の方向ヒストグラ
ム等辻ミクロな特徴であシ、レベル数の大きいところで
の特徴として使い、残りの特徴はレベル数の大きいとこ
ろでの特徴として使う。
２つに分仕られ、１つは文字艙追跡によって得られるも
の、もう１つ背景解析によって得られるものである。前
者社文字を細線パターンに変換し、線を追跡して検出さ
れる端点、分岐点、交差点等の特徴点の個数、位置関係
、つながり、特徴点間の自に等であり、後者は文字の輪
郭を追跡して凹部、凸部に分割し、各部の曲り、各部の
方向ヒストグラム、全長に対する各部の追跡長等である
。ここで特徴点間の曲りや凸又は凹部の方向ヒストグラ
ム等辻ミクロな特徴であシ、レベル数の大きいところで
の特徴として使い、残りの特徴はレベル数の大きいとこ
ろでの特徴として使う。
第４図線第３図に対応する本発明の文字認識方式をプロ
セッサとメモリを使って構成する文字認識方式の一実施
例を示すプロ、りであり、２０はプログラムメモリ１５
にセットされた特徴抽出ブを実行するプロセッサ、１３
は照合に使う辞書を記憶する辞書メモリ、１４は辞書作
成に使うカテゴリ名と特徴量のコード値列を記憶するコ
ードメモリ、１１は所定のパターン領域を走査する走査
回路、１６は読取結果をディスプレイする出力装置、１
７はカテゴリ名を与えるキー入力回路、１８は前記プロ
グラム中コード値列を記憶している補助記憶装置、１９
はインタフェースバスである。
セッサとメモリを使って構成する文字認識方式の一実施
例を示すプロ、りであり、２０はプログラムメモリ１５
にセットされた特徴抽出ブを実行するプロセッサ、１３
は照合に使う辞書を記憶する辞書メモリ、１４は辞書作
成に使うカテゴリ名と特徴量のコード値列を記憶するコ
ードメモリ、１１は所定のパターン領域を走査する走査
回路、１６は読取結果をディスプレイする出力装置、１
７はカテゴリ名を与えるキー入力回路、１８は前記プロ
グラム中コード値列を記憶している補助記憶装置、１９
はインタフェースバスである。
館３図における処理を第４図の文字ｆ！識装置で行うに
は次のような処理が必要である。
は次のような処理が必要である。
まずプロセッサ２０は補助記憶装置１７にある特徴抽出
プログラムをプログラムメモリ１５にセットする。次に
文字サンプル帳票を入力すると、帳票上の文字は走査回
路１１で走査、量子化され、２値パターンとしてパター
ンメモリ１２にセットされる。プロセ、す２０はプログ
ラムメモリ１５にある特徴抽出プログラムを奥行し、パ
ターンメモリ１２にある２値パターンから特徴を抽出し
、その特徴量を求め符号化し、帳票上の位置によって決
まるカテゴリ名とともに得られたコード値列を補助記憶
装置１８に記憶する。文字サンプル帳票上の文字を次々
と処理して補助記憶装置１８への記憶が終了すると、次
の辞書作成処理に入る。
プログラムをプログラムメモリ１５にセットする。次に
文字サンプル帳票を入力すると、帳票上の文字は走査回
路１１で走査、量子化され、２値パターンとしてパター
ンメモリ１２にセットされる。プロセ、す２０はプログ
ラムメモリ１５にある特徴抽出プログラムを奥行し、パ
ターンメモリ１２にある２値パターンから特徴を抽出し
、その特徴量を求め符号化し、帳票上の位置によって決
まるカテゴリ名とともに得られたコード値列を補助記憶
装置１８に記憶する。文字サンプル帳票上の文字を次々
と処理して補助記憶装置１８への記憶が終了すると、次
の辞書作成処理に入る。
プロセッサ２０社補助記憶装置１Ｂにある辞書作成プロ
グラムをプログラムメそす１５にセットし、プログラム
を実行し、まず補助記憶装置１８にあるコード値列から
レベル１の各特徴に対応するコード値を選択しコード値
列を作シコードメモリ１４にセットシ、セットが終了す
ると次にコードメモリ１４のコード値列をインタフェー
スパス１９を介して使い、辞書を発生し、レベル１の辞
書として辞書メモリ１３にセットする。辞書発生の際に
仮想カテゴリ名を使ったら、各仮想カテゴリ名ごとに次
のレベル２の辞書発生を行う。補助記憶装置１８にある
コード値列からレベル１の各特徴に対応するコード値を
選択し作成されるコード値列が一つの仮想カテゴリ名が
割当てられたコード値列と同じであれば前記コード値列
からレベル２の各特徴に対応するコード値を選択しコー
ド値列を作９コードメモリ１４にセットし、セットが終
了すると辞書を発生し、前記仮想カテゴリに対するレベ
ル２の辞書として辞書メモリ１３にセットする。レベル
２の辞書発生の際に仮想カテゴリ名を使っ九ら、同様に
レベル３の辞書を作シ仮想カテゴリ多がなくなるまで階
層的な辞書Ｏ作成をくり返す。辞書の作成が終了後に、
実際の帳票読３１りを行う。
グラムをプログラムメそす１５にセットし、プログラム
を実行し、まず補助記憶装置１８にあるコード値列から
レベル１の各特徴に対応するコード値を選択しコード値
列を作シコードメモリ１４にセットシ、セットが終了す
ると次にコードメモリ１４のコード値列をインタフェー
スパス１９を介して使い、辞書を発生し、レベル１の辞
書として辞書メモリ１３にセットする。辞書発生の際に
仮想カテゴリ名を使ったら、各仮想カテゴリ名ごとに次
のレベル２の辞書発生を行う。補助記憶装置１８にある
コード値列からレベル１の各特徴に対応するコード値を
選択し作成されるコード値列が一つの仮想カテゴリ名が
割当てられたコード値列と同じであれば前記コード値列
からレベル２の各特徴に対応するコード値を選択しコー
ド値列を作９コードメモリ１４にセットし、セットが終
了すると辞書を発生し、前記仮想カテゴリに対するレベ
ル２の辞書として辞書メモリ１３にセットする。レベル
２の辞書発生の際に仮想カテゴリ名を使っ九ら、同様に
レベル３の辞書を作シ仮想カテゴリ多がなくなるまで階
層的な辞書Ｏ作成をくり返す。辞書の作成が終了後に、
実際の帳票読３１りを行う。
帳票が入力されると、帳票上の文字は走査回路１１で走
査、量子化され、２値パターンとしてパターンメモリ１
２にセットされる。プロ゛セ、す２０はプログラムメモ
リ１５にある特徴抽出プログラムを奥行し、パターンメ
モリ１２ＫＴｏる２値パターンから特徴を抽出し、その
特徴量を求め符号化する。次にプロセッサ２０はプログ
ラムメモリ１５にある照合プログラムを実行し、求まっ
た特徴量のコード値列からレベル１０４ｒ４１Ｉ黴に対
応するコード値を選びコード値列を作）辞書メモリ１３
にあるレベルｌの辞書のコード値範囲列との照合を行い
、求まりたカテゴリ名が仮想カテゴリ名でなかりたら出
力する。仮想カテゴリ名であつたら、前述の求まった特
徴量のコード値列からレベル２の各特徴に対応するコー
ド値を選びコード値列を作シ辞書メモリ１３に６る前記
仮想カテゴリ名に対応するレベル２の辞書のコード値範
囲列との照合を行い、求ｉりたカテゴリ名を出力する。
査、量子化され、２値パターンとしてパターンメモリ１
２にセットされる。プロ゛セ、す２０はプログラムメモ
リ１５にある特徴抽出プログラムを奥行し、パターンメ
モリ１２ＫＴｏる２値パターンから特徴を抽出し、その
特徴量を求め符号化する。次にプロセッサ２０はプログ
ラムメモリ１５にある照合プログラムを実行し、求まっ
た特徴量のコード値列からレベル１０４ｒ４１Ｉ黴に対
応するコード値を選びコード値列を作）辞書メモリ１３
にあるレベルｌの辞書のコード値範囲列との照合を行い
、求まりたカテゴリ名が仮想カテゴリ名でなかりたら出
力する。仮想カテゴリ名であつたら、前述の求まった特
徴量のコード値列からレベル２の各特徴に対応するコー
ド値を選びコード値列を作シ辞書メモリ１３に６る前記
仮想カテゴリ名に対応するレベル２の辞書のコード値範
囲列との照合を行い、求ｉりたカテゴリ名を出力する。
再度仮想カテゴリ名であうたら、同様にレベル３の辞書
とで照合を行い、階層辞書との照会を行う。
とで照合を行い、階層辞書との照会を行う。
第５図は、辞書を作るため文字サンプルから得られたカ
テゴリ名とあらかじめ決められ九何種類かの特徴の特徴
量のコード値を記号で例示した図である。図においてＣ
紘カテゴリ名を符号化したカテゴリパラメータを、ｋは
サンプル数を、Ｆ（Ｃ１ｋ）は特徴量のコード値を表わ
すとすると、文字サンプル数は各カテゴリととに同数の
Ｌ個づつ、カテゴリ数はＮ個、譬徴数ａＭ個であること
を表わし一チャート図である。
テゴリ名とあらかじめ決められ九何種類かの特徴の特徴
量のコード値を記号で例示した図である。図においてＣ
紘カテゴリ名を符号化したカテゴリパラメータを、ｋは
サンプル数を、Ｆ（Ｃ１ｋ）は特徴量のコード値を表わ
すとすると、文字サンプル数は各カテゴリととに同数の
Ｌ個づつ、カテゴリ数はＮ個、譬徴数ａＭ個であること
を表わし一チャート図である。
１００で示す熟理拡、カテゴリパラメータＣとサンプル
数に対応するサンプル数パラメータにで決まるメモリ上
の位置氏−を文字Ａでクリアする処理ですでに辞書作成
に使われたかを示すフラグとみなし、Ｐ（！Ｉｋ）＝Ａ
であれば末弟！を表わす。
数に対応するサンプル数パラメータにで決まるメモリ上
の位置氏−を文字Ａでクリアする処理ですでに辞書作成
に使われたかを示すフラグとみなし、Ｐ（！Ｉｋ）＝Ａ
であれば末弟！を表わす。
１ｉｔ）で示す処理は、Ｐ（ｅ、ｋ）〜ＹＣＭＰ（ｃ
、ｋ）＝幻すなわち未処理の特徴量のコード値Ｆｊ（ｅ
、ｋ）を検出し、Ｆｔｊにセットする処理である。
、ｋ）＝幻すなわち未処理の特徴量のコード値Ｆｊ（ｅ
、ｋ）を検出し、Ｆｔｊにセットする処理である。
１２０で示す処理は、１１０でのカテゴＩＪＣと異なる
カテゴリａの特徴量のコード値をＦｓｊにセットし、Ｆ
ｌｊとＦｓｊとが同じであるか調ぺＤ＝Ｏすなわち同じ
であればフラグＰ（ｅ、ｋ）にＹを代入して、印をつけ
ることをＣと異なる他のカテゴリの特徴量のコード値全
部についてくシ返す処理である。
カテゴリａの特徴量のコード値をＦｓｊにセットし、Ｆ
ｌｊとＦｓｊとが同じであるか調ぺＤ＝Ｏすなわち同じ
であればフラグＰ（ｅ、ｋ）にＹを代入して、印をつけ
ることをＣと異なる他のカテゴリの特徴量のコード値全
部についてくシ返す処理である。
１３０で示す処理は、ｐ（ｃ、ｋ）＝Ｙすなわち同じコ
ード値がみつかったら文字サンプルのカテゴリ名Ｃ（１
〜Ｎ）と紘異なる仮想カテゴリ名Ｃ（Ｃ’＞Ｎ）と前述
のコード値ＦＩＪとで辞書を作成する処理である。
ード値がみつかったら文字サンプルのカテゴリ名Ｃ（１
〜Ｎ）と紘異なる仮想カテゴリ名Ｃ（Ｃ’＞Ｎ）と前述
のコード値ＦＩＪとで辞書を作成する処理である。
１４０で示す処理は、未処理、すなわちＰ（ｅ、ｋ）＝
人のとき、ｐ（ｃ、ｋ）をもとに特ｗｊの特徴値の下限
値ＩＦｔｊと上限値Ｆａｊを作る処理であシ、ＰＣＣ２
ｋ）＝Ｙであれば処理ずみを表わす。
人のとき、ｐ（ｃ、ｋ）をもとに特ｗｊの特徴値の下限
値ＩＦｔｊと上限値Ｆａｊを作る処理であシ、ＰＣＣ２
ｋ）＝Ｙであれば処理ずみを表わす。
１５Ｇで示す処理は、１４Ｇで指定されたカテゴリパラ
メータ値Ｃと同じパラメータ値Ｃで、サンプル数パラメ
ータｋを変えて未処理のＰ（ｃ、ｋ）を求め、前記サン
プル数パラメータにの特徴ＦｊＯ特徴値をＦｍｊとする
処理である。
メータ値Ｃと同じパラメータ値Ｃで、サンプル数パラメ
ータｋを変えて未処理のＰ（ｃ、ｋ）を求め、前記サン
プル数パラメータにの特徴ＦｊＯ特徴値をＦｍｊとする
処理である。
１６０で示す処理は、前記特徴値ＦｓｊとＦｓｊのうち
小さい値の方をＦｊｎＫ、前記特徴値ＦｓｊとＦｓｊの
うち大きい値の方をＦｊｍにする処理である。
小さい値の方をＦｊｎＫ、前記特徴値ＦｓｊとＦｓｊの
うち大きい値の方をＦｊｍにする処理である。
１７０で示す処理線、前記Ｃ以外のカテゴリパラメータ
ａとサンプル数パラメータＪとで決まる位置にある特徴
値Ｆｊ（ａ、ｊ）と前記ＦＪ ” ｓ ＦＪ ｍとで相
違量Ｄａｊを下記計算式で求め、カテゴリパラメータａ
とサンプル数パラメータ１とを変えて得られる最小相違
量をＤとする処理である。
ａとサンプル数パラメータＪとで決まる位置にある特徴
値Ｆｊ（ａ、ｊ）と前記ＦＪ ” ｓ ＦＪ ｍとで相
違量Ｄａｊを下記計算式で求め、カテゴリパラメータａ
とサンプル数パラメータ１とを変えて得られる最小相違
量をＤとする処理である。
ただし［θド０（べＯ）、［θ］＝１θ、（θ〉υ）こ
こでＷｊは特１ｋＦｊの重みでＪ統計処理であらかじめ
求まっているとする。
こでＷｊは特１ｋＦｊの重みでＪ統計処理であらかじめ
求まっているとする。
１８０で示す処理は、最小相違量りが閾値Ｔ以上であれ
ｔｆＦｊｍｔ４１１１Ｆｊの下限値Ｆｌ ｊ Ｌ Ｆｊ
ｍを特徴ＦｊＯ上眼値Ｆｓ ｊ Ｋ Ｌ、７ツグＰ（ｅ
、ｋ）にＹを入れて処理ずみとする。また、１１０ 、
１２０ 、１３０ 、１４０゜１５０．１６０，１７０
並びに１８００ＭＩＩＫＴｈｈ”ｔ”ｊ−１〜Ｍで部層
される。
ｔｆＦｊｍｔ４１１１Ｆｊの下限値Ｆｌ ｊ Ｌ Ｆｊ
ｍを特徴ＦｊＯ上眼値Ｆｓ ｊ Ｋ Ｌ、７ツグＰ（ｅ
、ｋ）にＹを入れて処理ずみとする。また、１１０ 、
１２０ 、１３０ 、１４０゜１５０．１６０，１７０
並びに１８００ＭＩＩＫＴｈｈ”ｔ”ｊ−１〜Ｍで部層
される。
１９Ｇで示す処理は、前述の１５０，１６０．１７０お
よび１６Ｇの処理を、サンプル数パラメータｋを変えて
、全サンプル数り回〈シ返すための処理である。
よび１６Ｇの処理を、サンプル数パラメータｋを変えて
、全サンプル数り回〈シ返すための処理である。
２００で示す処理は、カテゴリパラメータＣと特徴Ｆｊ
の下限値Ｆ弓と上限値Ｆｓｊとで１つの辞書を作る＃！
＆環である。
の下限値Ｆ弓と上限値Ｆｓｊとで１つの辞書を作る＃！
＆環である。
２１Ｇで示す処理は、サンプル数パラメータｈを変えて
上述の処理を、全サンプル数り回〈）返す九めＯ４０理
である。
上述の処理を、全サンプル数り回〈）返す九めＯ４０理
である。
２２０で示す処理は、カテゴリ数パラメータＣを変えて
上述０４ｃごとの辞書作成処理を、全カテゴリ数Ｎｖｓ
＜ｂ返す丸めの処理である。
上述０４ｃごとの辞書作成処理を、全カテゴリ数Ｎｖｓ
＜ｂ返す丸めの処理である。
従って作成される辞書は第７図に示すようにカテゴリ名
のコード値Ｃと各特徴ごとの特徴量の下限値コードＦｘ
ｊと上限値コードＦりとから構成される。また１３０で
作成される辞書は各特徴ごとの特徴量の下限値コードと
上限値コードとが同じ）′１ｊから構成される。
のコード値Ｃと各特徴ごとの特徴量の下限値コードＦｘ
ｊと上限値コードＦりとから構成される。また１３０で
作成される辞書は各特徴ごとの特徴量の下限値コードと
上限値コードとが同じ）′１ｊから構成される。
辞書作成の際、仮想カテゴリ名が割当てられて辞書が作
られたら、特徴のレベルを変えて１つの仮想カテゴリご
とに前述の辞書作成をくシ返し、作られた辞書を追加す
る。その際、第５図における各カテゴリごとの個数ｋｄ
同じ個数Ｌｆはないが、同様の方法で行える。
られたら、特徴のレベルを変えて１つの仮想カテゴリご
とに前述の辞書作成をくシ返し、作られた辞書を追加す
る。その際、第５図における各カテゴリごとの個数ｋｄ
同じ個数Ｌｆはないが、同様の方法で行える。
最後に照合処理方法の一例を示す。
読取対象の文字パターンから特徴抽出プログラムの実行
によって得られた特徴量のコード値列をＦｔ” ｔ Ｆ
” ” ｅ・・・・・・、ｌＦｔＭとすると、辞書の下
限値コー算する。
によって得られた特徴量のコード値列をＦｔ” ｔ Ｆ
” ” ｅ・・・・・・、ｌＦｔＭとすると、辞書の下
限値コー算する。
ただし［θ］＝Ｏ（θくＯ）、［θコニθ（６＞ｏ）Ｍ
ＦＩは竺１１Ｆｊの重みである。
ＦＩは竺１１Ｆｊの重みである。
ｂ＝１からＢまでで最小相違量となるｂに対応するカテ
ゴリ名コード値Ｃを読取対象文字の読取結果とする。得
られたカテゴリ名コード値Ｃが仮想カテゴリコード値で
あったら、次のレベルの特徴の仮想カテゴリコードをも
とにさがした辞書で相違量を計算し、読取結果を求める
。再度仮想力□テゴリコード値でちりたら、レベルを変
えて〈シ返し、レベルがＭとなっても仮想カテゴリコー
ド値であったら、読取不能のコードを読取結果とする。
ゴリ名コード値Ｃを読取対象文字の読取結果とする。得
られたカテゴリ名コード値Ｃが仮想カテゴリコード値で
あったら、次のレベルの特徴の仮想カテゴリコードをも
とにさがした辞書で相違量を計算し、読取結果を求める
。再度仮想力□テゴリコード値でちりたら、レベルを変
えて〈シ返し、レベルがＭとなっても仮想カテゴリコー
ド値であったら、読取不能のコードを読取結果とする。
本発明の特徴はマクロな特徴のみで区別を行う辞書と、
マクロな特徴量は同じでミクロな種々の特徴で区別を行
う辞書とをつないだ階層的な辞書にすることによ）、各
々の辞書作成が容易となることである。
マクロな特徴量は同じでミクロな種々の特徴で区別を行
う辞書とをつないだ階層的な辞書にすることによ）、各
々の辞書作成が容易となることである。
以上説明したように１本発明によれば特徴量を符号化し
コード列として記憶した後、文字読取装置内で容易−辞
書が作成でき、読取対象帳票の文字に対する辞書を発生
できるので性能の良い文字読取装置となる。
コード列として記憶した後、文字読取装置内で容易−辞
書が作成でき、読取対象帳票の文字に対する辞書を発生
できるので性能の良い文字読取装置となる。
第１図は辞書作成の丸めの文字サンプル帳票の一例、第
２図は従来の文字認識装置のプＰ、り図、第３同性本発
明に係る文字認識をするための具体的な装置のブロック
図、第４図は本発明の文字認識方式をプロセ、すとメモ
リを使って構成する文字認識装置の一実施例、第５図線
辞書を作るため文字サンプルから得られたカテゴリ名と
あらかじめ決められ九何種類かの特徴の特徴量のコード
値を記号で例示した図、第６図（ａ）、（ｂ）は−５図
の記号を使って辞書を作るフローチャート図、嬉７図は
辞書の形式を示す図である。図において１は走査部、２
はパターンメモリ部、３ｉ特徴抽出部、４は照合部、５
は辞書部、７は補助記憶部、８はコード記憶部、９は辞
書発生部、１１は走査部、１２はパターンメモリ部、１
３は辞書メモリ、１４Ｆｉ：１−トメモリ、１５はプロ
グラムメモリ、１６は出力装髪、１７はキー入力回路、
１８紘補助記憶装置、１９はパスライン、２Ｇはプロセ
ッサをそれぞれ示す。 代理人弁理士 内線 ζ 第１図 第２図 鯖３図 第５図 第７図 １ＰＪ６図（ａ） 第６図（ｂ）
２図は従来の文字認識装置のプＰ、り図、第３同性本発
明に係る文字認識をするための具体的な装置のブロック
図、第４図は本発明の文字認識方式をプロセ、すとメモ
リを使って構成する文字認識装置の一実施例、第５図線
辞書を作るため文字サンプルから得られたカテゴリ名と
あらかじめ決められ九何種類かの特徴の特徴量のコード
値を記号で例示した図、第６図（ａ）、（ｂ）は−５図
の記号を使って辞書を作るフローチャート図、嬉７図は
辞書の形式を示す図である。図において１は走査部、２
はパターンメモリ部、３ｉ特徴抽出部、４は照合部、５
は辞書部、７は補助記憶部、８はコード記憶部、９は辞
書発生部、１１は走査部、１２はパターンメモリ部、１
３は辞書メモリ、１４Ｆｉ：１−トメモリ、１５はプロ
グラムメモリ、１６は出力装髪、１７はキー入力回路、
１８紘補助記憶装置、１９はパスライン、２Ｇはプロセ
ッサをそれぞれ示す。 代理人弁理士 内線 ζ 第１図 第２図 鯖３図 第５図 第７図 １ＰＪ６図（ａ） 第６図（ｂ）
Claims (1)
- 文字読取装置に帳票上の文字から抽出された特徴の特徴
量によって作られた辞書をあらかじめ記憶させ、帳票読
取時には帳票上の文字から定めた特徴の特徴量を抽出し
前記辞書と照合して文字を認識する文字認識方法におい
て、読取開始前に、文字サンプル帳票を入力し、各文字
ごとに、与えたカテゴリ名と予め定めた複数個の特徴（
特徴をＬ組に分け、分けられた各複数個の特徴をレベル
１の特徴と呼ぶ）の特徴量を符号化したコード値の列と
を補助記憶部に記憶し、文字サンプル帳票上の文字に対
する符号化が終了すると、前記補助記憶部にある各コー
ド値の列からレベル１の特徴だけによるコード値の列を
作成し、コード列記憶部に記憶し、前記コード列記憶部
のコード値列を用い、（４）異なるカテゴリで同一コー
ド値列をもつものには仮想カテゴリ名とそのコード値列
とで、（２）異なるコード値列をもつものには同一カテ
ゴリ名のコード値の列を他カテゴリのコード値の列を含
むことな５咎特徴ごとにコード値を組合わせ、下限値コ
ードと上限値コードとを求めコート°値の範囲とし、カ
テゴリ名と各特徴ごとのコート°値の範囲とで、レベル
１の辞書を作シ、レベル１の特徴で仮想カテゴリとなる
ものについて、前記と同様にレベル２の辞書を作成し、
作成される辞書に仮想カテゴリ名が出なくなるまで順次
レベルを変えて辞書作成をく）返し階層辞書を作成し、
照合のための辞書とすることを特徴とする文字認識方法
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56204118A JPS58105387A (ja) | 1981-12-17 | 1981-12-17 | 文字認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56204118A JPS58105387A (ja) | 1981-12-17 | 1981-12-17 | 文字認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58105387A true JPS58105387A (ja) | 1983-06-23 |
| JPH0461396B2 JPH0461396B2 (ja) | 1992-09-30 |
Family
ID=16485108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56204118A Granted JPS58105387A (ja) | 1981-12-17 | 1981-12-17 | 文字認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58105387A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60126784A (ja) * | 1983-12-14 | 1985-07-06 | Hitachi Ltd | パターン識別装置 |
| JPH0266691A (ja) * | 1988-08-31 | 1990-03-06 | Alps Electric Co Ltd | パターン辞書の構成方式 |
-
1981
- 1981-12-17 JP JP56204118A patent/JPS58105387A/ja active Granted
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60126784A (ja) * | 1983-12-14 | 1985-07-06 | Hitachi Ltd | パターン識別装置 |
| JPH0638276B2 (ja) * | 1983-12-14 | 1994-05-18 | 株式会社日立製作所 | パターン識別装置 |
| JPH0266691A (ja) * | 1988-08-31 | 1990-03-06 | Alps Electric Co Ltd | パターン辞書の構成方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0461396B2 (ja) | 1992-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20090324107A1 (en) | Systems and methods for image recognition using graph-based pattern matching | |
| JPH09508739A (ja) | 指紋一致装置 | |
| US6370263B1 (en) | Method and device for registering and collating palm imprints | |
| US20100189316A1 (en) | Systems and methods for graph-based pattern recognition technology applied to the automated identification of fingerprints | |
| CN113723330B (zh) | 一种图表文档信息理解的方法及系统 | |
| Casey et al. | Optical recognition of chemical graphics | |
| Chi et al. | Separation of single-and double-touching handwritten numeral strings | |
| Lee et al. | Enhancement for automatic extraction of RoIs for bone age assessment based on deep neural networks | |
| JPS58105387A (ja) | 文字認識方法 | |
| JPH0458073B2 (ja) | ||
| KR102007791B1 (ko) | 단계별 윤곽선 특성 분석을 이용한 숫자 인식 방법 및 장치 | |
| JPH07160824A (ja) | 文字認識装置 | |
| US20060120574A1 (en) | Method of encoding lines | |
| JPS60153578A (ja) | 文字認識装置 | |
| JP4805485B2 (ja) | 単語認識方法および単語認識装置 | |
| JPH0877293A (ja) | 文字認識装置および文字認識用辞書作成方法 | |
| JP2853167B2 (ja) | パターン認識用辞書作成装置 | |
| JPS6095690A (ja) | 文字読取装置 | |
| JPH05120483A (ja) | 文字認識装置 | |
| JP4338058B2 (ja) | 文字認識装置 | |
| Amin et al. | Structural description to recognizing hand-printed Arabic characters using decision tree learning techniques | |
| Wu et al. | Recognition of Chinese characters by growing stroke window | |
| JPS5866178A (ja) | 文字認識方式 | |
| JPH0353392A (ja) | 文字認識装置 | |
| JPS62280985A (ja) | 光学文字読み取り装置 |