JPS6152782A - 文字認識方式 - Google Patents
文字認識方式Info
- Publication number
- JPS6152782A JPS6152782A JP59173268A JP17326884A JPS6152782A JP S6152782 A JPS6152782 A JP S6152782A JP 59173268 A JP59173268 A JP 59173268A JP 17326884 A JP17326884 A JP 17326884A JP S6152782 A JPS6152782 A JP S6152782A
- Authority
- JP
- Japan
- Prior art keywords
- character
- pattern
- density function
- feature
- stroke density
- 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.)
- Pending
Links
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】
〔発明の利用分野〕
本発明は文字認識方式に係り、特に手書き漢字ような複
雑でカテゴリ数の多い文字を対象とするに好適な認識シ
ステムにおける特徴抽出および識別方式に関する。
雑でカテゴリ数の多い文字を対象とするに好適な認識シ
ステムにおける特徴抽出および識別方式に関する。
従来、手書き漢字のような複雑でカテゴリ数の多い文字
を認識するには、まず対象とする文字パターンの複雑さ
を表わす特徴量を用いて、候補とすべきカテゴリ数を絞
り込む、いわゆる大分類が有効であることが知られてい
る。この大分類に有効な特徴量として、特公昭５８−５
５５５１号公報に示されるような、ストローク密度関数
が知られている、この特徴量は、文字ノ（ターンのスト
ロークの複雑さを、例えば水平または垂直座標軸方向力
１ら文字を眺め、該座標軸にそって文字を構成する文字
線の本数を計数し、それを文字）（ターンの該座標軸上
のベクトルとして抽出するものである。この特徴量は従
来のものと異なり、２値化された２次元パターンの複雑
さに応じて特徴の次元数１±増えず、特徴量を求める分
解能に応じて次元数力１定まるという利点があった。し
かしながら、この特徴量は、原理的に２種パターンの０
力１ら１しこ変イヒする点の数をカウントするため、輪
郭線の微細な変動の影響を受は易いという問題があった
。
を認識するには、まず対象とする文字パターンの複雑さ
を表わす特徴量を用いて、候補とすべきカテゴリ数を絞
り込む、いわゆる大分類が有効であることが知られてい
る。この大分類に有効な特徴量として、特公昭５８−５
５５５１号公報に示されるような、ストローク密度関数
が知られている、この特徴量は、文字ノ（ターンのスト
ロークの複雑さを、例えば水平または垂直座標軸方向力
１ら文字を眺め、該座標軸にそって文字を構成する文字
線の本数を計数し、それを文字）（ターンの該座標軸上
のベクトルとして抽出するものである。この特徴量は従
来のものと異なり、２値化された２次元パターンの複雑
さに応じて特徴の次元数１±増えず、特徴量を求める分
解能に応じて次元数力１定まるという利点があった。し
かしながら、この特徴量は、原理的に２種パターンの０
力１ら１しこ変イヒする点の数をカウントするため、輪
郭線の微細な変動の影響を受は易いという問題があった
。
本発明の目的は、上記問題点を解決し、文字ノ（ターン
の微細な変動に影響を受けずに１文字形状の複雑さを表
わす特徴を抽出し、それを用ｔ１て大分類のための識別
を行う認識方式を提供することにある。
の微細な変動に影響を受けずに１文字形状の複雑さを表
わす特徴を抽出し、それを用ｔ１て大分類のための識別
を行う認識方式を提供することにある。
〔発明の概要〕
かかる目的を達成するため、本発明は、求めたストロー
ク密度関数に一次元フィルタリングを施して平滑化し、
この平滑化したストローク密度関数を特徴パラメータと
して用いることを特徴とするものである。
ク密度関数に一次元フィルタリングを施して平滑化し、
この平滑化したストローク密度関数を特徴パラメータと
して用いることを特徴とするものである。
ここで、本発明の概要を図面を用いて説明する。
第１図は、従来のストローク密度関数と呼ばれている特
徴抽出法の原理を示す、ここでは２方向について抽出す
る場合で説明する。すなわち１文字パターン１の水平１
重直方向の座標軸Ｘ、Ｙに沿って文字パターンを切断し
、「０」から「１」に変化する点の数をカウントし、ス
トローク密度関数３および４を求める。ここで２次元パ
ターン１の部分２を拡大すると第２図のようになり、実
際には輪郭部分の変動が生ずることが多い、このためＸ
軸方向に対して重直な方向で切断したストローク密度は
、４′のようになり、１ビツトの出入りの影響で本来１
となる値が２となり、座標軸に沿って各点毎に特徴値の
差をとって評価する識別 （法では、影響が大
きい。
徴抽出法の原理を示す、ここでは２方向について抽出す
る場合で説明する。すなわち１文字パターン１の水平１
重直方向の座標軸Ｘ、Ｙに沿って文字パターンを切断し
、「０」から「１」に変化する点の数をカウントし、ス
トローク密度関数３および４を求める。ここで２次元パ
ターン１の部分２を拡大すると第２図のようになり、実
際には輪郭部分の変動が生ずることが多い、このためＸ
軸方向に対して重直な方向で切断したストローク密度は
、４′のようになり、１ビツトの出入りの影響で本来１
となる値が２となり、座標軸に沿って各点毎に特徴値の
差をとって評価する識別 （法では、影響が大
きい。
そこで、本発明では第３図に示すように、従来と同様の
方法でストローク密度間・数を抽出した後。
方法でストローク密度間・数を抽出した後。
各方向軸上のストローク密度関数に対して、メディアン
（中央値）フィルタあるいはモード（最頻値）フィルタ
などの一次元フィルタをかけて平滑化する。このように
して得られた平滑化ストローク密度関数を用いて作成し
た参照パターンと、未知パターンの特徴との整合を行な
し１、整合結果し；応じて識別を行う、すなわち、従来
の方法で得られるストローク密度関数に対して一次元の
フィルタをかけることにより、輪郭線上の微少な変動の
特徴値への影響を除去したものである。
（中央値）フィルタあるいはモード（最頻値）フィルタ
などの一次元フィルタをかけて平滑化する。このように
して得られた平滑化ストローク密度関数を用いて作成し
た参照パターンと、未知パターンの特徴との整合を行な
し１、整合結果し；応じて識別を行う、すなわち、従来
の方法で得られるストローク密度関数に対して一次元の
フィルタをかけることにより、輪郭線上の微少な変動の
特徴値への影響を除去したものである。
第４図は本発明の文字認識方式の概念図を示している０
文字が記入された帳票５０は、光電変換部１００により
ディジタルパターンに変換され、文字切出し部２００で
切出され、大きさやノイズの正規化を行う前処理部３０
０を通って、特徴抽出部４０〇八入る。ここで特徴抽出
として、ストローク密度関数の抽出部４１０で抽出後、
得られた特徴に対してフィルタリング部４５０で例えば
メディアンフィルタを掛ける。このようにして得られた
入力文字の特徴４５５と、参照パターンファイル５５０
内の識別の対象とすべき参照パターン特徴５５５との類
似尺度の計算を整合部５００で行い、その結果を閾値処
理して判定部６００にて判定を行う、ｉ＆後に得られた
認識結果７００は、入カバターンに対して答を出す（ア
クセプト）か、リジェクト（複数の答の区別が不可能と
判断）のいずれかとなる。
文字が記入された帳票５０は、光電変換部１００により
ディジタルパターンに変換され、文字切出し部２００で
切出され、大きさやノイズの正規化を行う前処理部３０
０を通って、特徴抽出部４０〇八入る。ここで特徴抽出
として、ストローク密度関数の抽出部４１０で抽出後、
得られた特徴に対してフィルタリング部４５０で例えば
メディアンフィルタを掛ける。このようにして得られた
入力文字の特徴４５５と、参照パターンファイル５５０
内の識別の対象とすべき参照パターン特徴５５５との類
似尺度の計算を整合部５００で行い、その結果を閾値処
理して判定部６００にて判定を行う、ｉ＆後に得られた
認識結果７００は、入カバターンに対して答を出す（ア
クセプト）か、リジェクト（複数の答の区別が不可能と
判断）のいずれかとなる。
ここで第４図のうち、特徴抽出部４００以外は公知の技
術を用いて実現できる。ここでは本発明のポイントとな
る特徴抽出部４００についで詳絹に説明する。第５図は
特徴抽出方式の処理の流れを示す。入力の２種パターン
をｆ（ｘ、ｙ）ｆ （ｘ、ｙ）＝Ｏｏｒｌとし、Ｘ＋
’／軸上のパターンのサイズをそれぞれＭ、Ｎとする。
術を用いて実現できる。ここでは本発明のポイントとな
る特徴抽出部４００についで詳絹に説明する。第５図は
特徴抽出方式の処理の流れを示す。入力の２種パターン
をｆ（ｘ、ｙ）ｆ （ｘ、ｙ）＝Ｏｏｒｌとし、Ｘ＋
’／軸上のパターンのサイズをそれぞれＭ、Ｎとする。
このときＸ軸方向のストローク密度関数ＳＸ （ｘ）と
ｙ方軸方向のストローク密度関数ＳＹ （’ｙ）とはそ
れぞれｙ軸、Ｘ軸方向に２値パターンｆ（ｘ、ｙ）が０
から１に変化する回数をカウントすることによつて得ら
れる。次にＳＸ （ｘ） 、 Ｓ、Ｙ （ｙ）に対して
各軸方向に長さＬのメディアンフィルタを掛ける。長さ
しはストローク密度関数が輪郭の変動を受けない程度に
設定し、例えばＬ＝３とすると。
ｙ方軸方向のストローク密度関数ＳＹ （’ｙ）とはそ
れぞれｙ軸、Ｘ軸方向に２値パターンｆ（ｘ、ｙ）が０
から１に変化する回数をカウントすることによつて得ら
れる。次にＳＸ （ｘ） 、 Ｓ、Ｙ （ｙ）に対して
各軸方向に長さＬのメディアンフィルタを掛ける。長さ
しはストローク密度関数が輪郭の変動を受けない程度に
設定し、例えばＬ＝３とすると。
注目点の前後の値を考慮して注目点の値を決定すること
になる。
になる。
これらの処理は全てマイクロコンピュータ制御の下に実
現できる。
現できる。
なお、第５図のうち、後半のメディアンフィルタリング
の部分は、中央値の代りに最頻値を用いたモードフィル
タとしてもよい。モードフィルタでは最頻値が決定でき
ない場合には、準最頻値の中央値を採用すること、ある
いは準Ｉ＆頻値の平均値を採用することなどの例外処理
を追加する０例えばフィルタ長Ｌ＝３で、ｓｘ （ｉ）
＝ｌ、５ｘ（２）＝２．ＳＸ （３）＝６の場合、メデ
ィアンフィルタの出力ＳＸ （２）＝２であるが、モー
ドフィルタの場合には最頻値が存在しないため準最頻値
１，２．６に対して中央値２を採用するか。
の部分は、中央値の代りに最頻値を用いたモードフィル
タとしてもよい。モードフィルタでは最頻値が決定でき
ない場合には、準最頻値の中央値を採用すること、ある
いは準Ｉ＆頻値の平均値を採用することなどの例外処理
を追加する０例えばフィルタ長Ｌ＝３で、ｓｘ （ｉ）
＝ｌ、５ｘ（２）＝２．ＳＸ （３）＝６の場合、メデ
ィアンフィルタの出力ＳＸ （２）＝２であるが、モー
ドフィルタの場合には最頻値が存在しないため準最頻値
１，２．６に対して中央値２を採用するか。
理が必要となる。
なお、本実施例ではストローク密度関数を２方向軸に対
して抽出する場合で説明したが、Ｘ＋Ｙ軸の十−の向き
を考慮した４方向軸の場合、あるいは、斜め方向（右上
り、右下り）を加えて４方向軸あるいは８方向軸の場合
でも効果は同様にあることは言うまでもない、− また、ストローク密度関数を、各方向軸方向にサンプリ
ングしながらフィルタを掛け、次元数を縮少することも
可能である。
して抽出する場合で説明したが、Ｘ＋Ｙ軸の十−の向き
を考慮した４方向軸の場合、あるいは、斜め方向（右上
り、右下り）を加えて４方向軸あるいは８方向軸の場合
でも効果は同様にあることは言うまでもない、− また、ストローク密度関数を、各方向軸方向にサンプリ
ングしながらフィルタを掛け、次元数を縮少することも
可能である。
本発明によれば、文字認識（特に漢字認識における大分
類）に有効な、ストローク密度関数の欠点である輪郭の
Ｗｉ細変動によるストローク数の変動整吸収することが
できるので、大分類における分類効率を向上することが
できる効果がある。特 １に、輪郭の微細変
動の吸収は、前処理として２値パターンの上で実現する
こともできるが、この場合２次元パターン上で変形を加
えると、ストローク密度関数以外の特徴抽出に影響を与
える場合もあるので好ましくない。また、フィルタリン
グを一次元データに施すので処理量も少なく、処理速度
の点からも望ましい。
類）に有効な、ストローク密度関数の欠点である輪郭の
Ｗｉ細変動によるストローク数の変動整吸収することが
できるので、大分類における分類効率を向上することが
できる効果がある。特 １に、輪郭の微細変
動の吸収は、前処理として２値パターンの上で実現する
こともできるが、この場合２次元パターン上で変形を加
えると、ストローク密度関数以外の特徴抽出に影響を与
える場合もあるので好ましくない。また、フィルタリン
グを一次元データに施すので処理量も少なく、処理速度
の点からも望ましい。
第１図はス１へローフ密度関数の原理説明図、第２図は
ストローク密度関数の問題点を説明する図、第３図は本
発明の詳細な説明するための図、第４図は本発明の一実
施例を示す図、第５図は実施例冨 １ 図 ｚ ２ 図 第づ図 赳 一タレ４′２Ｊ−ｏ−７”鮪 第 ４ 図 りｈ
ストローク密度関数の問題点を説明する図、第３図は本
発明の詳細な説明するための図、第４図は本発明の一実
施例を示す図、第５図は実施例冨 １ 図 ｚ ２ 図 第づ図 赳 一タレ４′２Ｊ−ｏ−７”鮪 第 ４ 図 りｈ
Claims (1)
- 【特許請求の範囲】 １、文字パターンをディジタルパターンに変換し、該デ
ィジタルパターンの少なくとも２つの座標軸上の座標値
にしたがつて上記文字パターンのストローク密度関数を
求め、求めたストローク密度関数に一次元フィルタリン
グを施して平滑化し、該平滑化した特徴を予め記憶して
おいた参照用特徴と整合し、その結果に基づいて上記文
字パターンを識別することを特徴とする文字認識方式。 ２、特許請求の範囲第１項記載の文字認識方式において
、上記求めたストローク密度関数を、その座標軸に沿つ
た前後の関数値に応じて中央値に置換することにより平
滑化したことを特徴とする文字認識方式。 ３、特許請求の範囲第１項記載の文字認識方式において
、上記求めたストローク密度関数を、その座標軸に沿つ
た前後の関数値に応じて最頻値（モード）に置換するこ
とにより平滑化したことを特徴とする文字認識方式。 ４、特許請求の範囲第１項記載の文字認識方式において
、上記求めたストローク密度関数を、その座標軸に沿つ
た前後の関数値に応じて算術平均値に置換することによ
り平滑化したことを特徴とする文字認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59173268A JPS6152782A (ja) | 1984-08-22 | 1984-08-22 | 文字認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59173268A JPS6152782A (ja) | 1984-08-22 | 1984-08-22 | 文字認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS6152782A true JPS6152782A (ja) | 1986-03-15 |
Family
ID=15957297
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59173268A Pending JPS6152782A (ja) | 1984-08-22 | 1984-08-22 | 文字認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6152782A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04126208A (ja) * | 1990-09-17 | 1992-04-27 | Kojima Press Co Ltd | ヒンジ部が一体成形された合成樹脂成形品及びその製造方法 |
-
1984
- 1984-08-22 JP JP59173268A patent/JPS6152782A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04126208A (ja) * | 1990-09-17 | 1992-04-27 | Kojima Press Co Ltd | ヒンジ部が一体成形された合成樹脂成形品及びその製造方法 |
| JPH0643069B2 (ja) * | 1990-09-17 | 1994-06-08 | 小島プレス工業株式会社 | ヒンジ部が一体成形された合成樹脂成形品及びその製造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH01183793A (ja) | 文字認識装置 | |
| Gour et al. | Fingerprint feature extraction using midpoint ridge contour method and neural network | |
| Ye et al. | Extraction of bankcheck items by mathematical morphology | |
| Tomar et al. | A directional feature with energy based offline signature verification network | |
| Eglin et al. | Hermite and Gabor transforms for noise reduction and handwriting classification in ancient manuscripts | |
| CN108921006B (zh) | 手写签名图像真伪鉴别模型建立方法及真伪鉴别方法 | |
| CN111292346B (zh) | 一种噪声环境下浇铸箱体轮廓的检测方法 | |
| Mohammed et al. | Isolated Arabic handwritten words recognition using EHD and HOG methods | |
| JPS6152782A (ja) | 文字認識方式 | |
| Hsu et al. | A machine learning approach for acquiring descriptive classification rules of shape contours | |
| Espinosa-Duro | Mathematical Morphology approaches for fingerprint Thinning | |
| JPH0632075B2 (ja) | パタ−ン認識装置 | |
| Deng et al. | Trace copy forgery detection for handwritten signature verification | |
| Gulati et al. | Real time handwritten character recognition using ANN | |
| JP2894111B2 (ja) | 光学式活字文字認識装置における認識結果の総合判定方式 | |
| Rakshitha et al. | Latent Fingerprint Enhancement for Investigation | |
| Yan | Detection of curved text path based on the fuzzy curve-tracing (FCT) algorithm | |
| JPS62271190A (ja) | セグメント数字認識方式 | |
| JP2001092924A (ja) | パターン認識方法および装置 | |
| Pasha et al. | Segmentation of Handwritten Documents Containing Kannada Script | |
| Sadri et al. | Statistical characteristics of slant angles in handwritten numeral strings and effects of slant correction on segmentation | |
| Arora et al. | Comparative Analysis of Off-line Signature Recognition | |
| Araj et al. | Handwritten Devanagari Compound Character Recognition: A Survey | |
| Hans et al. | Algorithm for Signature Verification Systems | |
| JPH05258116A (ja) | 文字認識方法及び文字認識における辞書作成方法 |