JPS60144886A - 文字認識装置における後処理方式 - Google Patents

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。

Description

【発明の詳細な説明】 （技術分野） 本発明は、光学的文字読取装置などにおける後処理方式
に関する。

（従来技術） 日本文においては通常「わがち書き」をしないから、光
学的文字読取袋［（ＯＣＲ）によって日本語の文章を読
取った場合における誤認文字の訂正は容易でない。

このため、従来、かな漢字変換方式に関連して開発され
た２文節最長一致法の技術を通常のＯＣＲにおける誤認
文字の訂正の際に適用することが考えられるが、しかし
、２文節最長一致法を実施するのには長い文字数の単語
辞書を用意することが必要とされ、そのために大量の辞
書の記憶による高価格と、低速処理とが大きな欠点とな
る。

それで、上記した方法に代わる手段として、ｎ個の文字
列の発生確率から、文字列の優位性を選択する方法が試
みられているが、この方法は英文などではかなりの効果
を示すが１日本語の文章については効果が少ない。

（目的） 本発明は、読取部で読取られ文字認識部によって抽出さ
れた候補文字列について前端から順次に文字列を小さい
順に抽出し、その抽出された文字列と単語辞書とを比較
するようにした文字認識装置における後処理方式、及び
、読取部で読取られ文字認識部によって抽出された候補
文字列について前端から順次に文字列を小さい順に抽出
し、その抽出された文字列と単語辞書とを比較するよう
にした文字認識装置における後処理方式において、複数
の候補単語に対しては、各文字の類似度から算出される
文字列の類似度の大きなものを候補単語に決定する文字
認識装置における後処理方式、すなわち、辞書の容量が
小さく、高速判定の可能な文字認識装置における後処理
方式を提供するものである。

（構成） 以下、添付図面を参照して本発明の文字認識装置におけ
る後処理方式の具体的な内容について説明する。

第１図は、本発明の文字認識装置における後処理方式の
一実施例のブロック図であって、１は読取部、２は文字
認識部、３は後処理部、４は辞書ファイルであって、読
取部１によって読取られた画像信号は、文字認識部２に
おいて各文字パターン毎に複数個の候補文字コードに対
応される。

前記した文字コードが１個の場合には、決定コードのあ
いまい性はないが、文字コードが複数個の場合には、後
処理部３において辞書ファイル４と比較することによっ
て、既知単語であるか否かを比較して、辞書にある単語
を出力する。

第２図は、本発明の文字認識装置における後処理方式の
文字列の処理手順を示した流れ図であり、この第２図中
においてＣｉ・は１番目の候補文字のすべてを示してお
り、また、第３図は辞書の一例の内容の一部を示してい
る。

次に、第４図の（ａ）が読取部１で読取るべき原稿に記
載されている原文であったとし、この第４図の（ａ）に
示されている原文を読取部１で読取ったときに、文字認
識部２から第４図の（ｂ）に示されている第１の候補文
字、及び、第４ＶＡの（ｃ）に示されている第２の候補
文字、ならびに、第４図の（ｄ）に示されている第３の
候補文字とが得られていた場合を例にして、本発明の文
字認識装置における後処理方式について説明すると次の
とおりである。第４図のＣｅ）は、辞書との参照の様子
を示している。

本発明の文字認識装置における後処理方式は、文字認識
部によって抽出された候補文字列について前端から順次
に文字列を小さい順に抽出し、その抽出された文字列と
単語辞書とを比較するようにし、また、複数の候補単語
に対しては、各文字の類似度から算出される文字列の類
似度の大きなものを候補単語に決定するものであるが、
今、最小単位の文字列を１として後処理が開始されると
、まず、文字列の前端の一字ｒ記」が抽出されて、その
「記」について辞書ファイルと比較される。

今、記述している例の場合に、辞書には「記」が存在し
ていないとすると、次に、２文字の組が抽出されて、「
記憶、記憶９語億１語憶」の４つの可能性がチェックさ
れる。辞書には「記憶」だけが存在しているとすると「
記憶」が出力される。

次に、「装」が辞書と比較されるが、今、記述している
例の場合に、辞書には「装Ｊがないとすると、「装置」
の２文字の組が抽出され辞書と比較されて「装置」が出
力される。

次いで、「の」、ｒ中」　「に」なとは、前記した「装
置」と同様に第１候補のみであるから、そのまま出力さ
れる。

次に、「ない、なり、はい、はり」の４つの候補単語の
可能性が試みられるが、前記の４つの候補単語のすべて
のものがとも辞書に存在していたとすると、前記した４
つの候補単語において最大類似度（例えば最小距離の和
によって決定される）を示す「ない」が、既述の直前の
決定単語の「に」との接続も可能なために選ばれる。

次いで、「クア、ファ」の２文字の組がチェックされる
が、今、記述している例の場合に、辞書には「クネ、フ
ァＪがないとすると、「クアイ、ファイ」の３文字の組
が抽出されて辞書と比較される。

今、記述している例の場合に、辞書には［クアイ、ファ
イ」の３文字の組がないとすると、［クアイル、ファイ
ル」の４文字の組が抽出されて辞書と比較され、その結
果、辞書に存在している「ファイル」が出力される。同
様にしてｒの」　［参照」が決定される。

次の文字「が」は、「が」が辞書に存在しており、かつ
、（名詞＋接続助詞）という接続関係についても許され
るから「が」が決定される。

今、記述している例の場合に、次の文字列における「行
な」が辞書にあるとすると、これは接続指定ＶＡ５（第
３図）により「われ」が決定される（第３図の品詞ＶＡ
５は「わ行５段活用動詞」を示すコードである）。単語
辞書の飢を示す第３図において、品詞Ｎは名詞、Ｂは助
動詞、ＶＡ５は前記のようにわ行５段活用動詞であり、
また、　ｈｌ、ｈ２・・・は各単語の発生頻度をそれぞ
れ示している。なお、品詞の接続状態テーブルは、従来
利用されているテーブルと同等であり、各品詞の接続可
能性を示すものである。

本発明の文字認識装置における後処理方式の詳細は、第
２図の流れ図中に示されているとおりである。なお、第
２図中において、ｎは単語のカウンタの計数値、ｉは文
字列の計数値、Ｎｏは最大比較文字列である。

（効果） 以上、詳細に説明したところから明らかなように１本発
明の文字認識装置における後処理方式は、読取部で読取
られ文字認識部によって抽出された候補文字列について
前端から順次に文字列を小さい順に抽出し、その抽出さ
れた文字列と単語辞書とを比較するようにした文字認識
装置における後処理方式、及び、読取部で読取られ文字
認識部によって抽出された候補文字列について前端から
順次に文字列を小さい順に抽出し、その抽出された文字
列と単語辞書とを比較するようにした文字認識装置にお
ける後処理方式において、複数の候補単語に対しては、
各文字の類似度から算出される文字列の類似度の大きな
ものを候補単語に決定するものであるから１本発明の文
字認識装置における後処理方式によれば、容量の小さな
辞書によって、高速に不確定文字を同定することができ
るのであり、本発明によれば既述の従来方式における諸
欠点を解消できる。

【図面の簡単な説明】

第１図は本発明の文字認識装置における後処理方式の一
実施例のブロック図、第２図は、本発明の文字認識装置
における後処理方式の文字列の処理手順を示した流れ図
、第３図は単語辞書の一例の内容の一部、第４図は原文
と候補文字などを示す図である。 ■・・・読取部、２・・・文字認識部、３・・・後処理
部。 ４・・・辞書ファイル、

Claims (1)

1. 【特許請求の範囲】 １、読取部で読取られ文字認識部によって抽出された候
   補文字列について前端から順次に文字列を小さい順に抽
   出し、その抽出された文字列と単語辞書とを比較するよ
   うにした文字認識装置における後処理方式 ２、読取部で読取られ文字認識部によって抽出された候
   補文字列について前端から順次に文字列を小さい順に抽
   出し、その抽出された文字列と単、語辞書とを比較する
   ようにした文字認識装置における後処理方式において、
   複数の候補単語に対しては、各文字の類似度から算出さ
   れる文字列の類似度の大きなものを候補単語に決定する
   文字認識装置における後処理方式