JPS6252912B2 - - Google Patents
Info
- Publication number
- JPS6252912B2 JPS6252912B2 JP55100959A JP10095980A JPS6252912B2 JP S6252912 B2 JPS6252912 B2 JP S6252912B2 JP 55100959 A JP55100959 A JP 55100959A JP 10095980 A JP10095980 A JP 10095980A JP S6252912 B2 JPS6252912 B2 JP S6252912B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- similarity
- category
- candidate
- feature matching
- 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.)
- Expired
Links
- 238000000034 method Methods 0.000 claims description 14
- 238000003909 pattern recognition Methods 0.000 claims description 13
- 238000003672 processing method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 239000002023 wood Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
- G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Description
【発明の詳細な説明】
本発明は、パターン認識処理方式、特に認識対
象の多いパターン例えば漢字について第1の特徴
照合処理で選出された候補カテゴリにそれぞれの
類似度を附与し、第2の特徴照合処理においても
上記候補カテゴリに対し第2の類似度を附与して
それぞれの候補カテゴリの類似度の例えば積をと
り、第1の特徴照合処理の類似度を第2の特徴照
合処理でカテゴリを決定する際に反映させるよう
にしてパターン認識処理を実行するようにしたパ
ターン認識処理方式に関するものである。
象の多いパターン例えば漢字について第1の特徴
照合処理で選出された候補カテゴリにそれぞれの
類似度を附与し、第2の特徴照合処理においても
上記候補カテゴリに対し第2の類似度を附与して
それぞれの候補カテゴリの類似度の例えば積をと
り、第1の特徴照合処理の類似度を第2の特徴照
合処理でカテゴリを決定する際に反映させるよう
にしてパターン認識処理を実行するようにしたパ
ターン認識処理方式に関するものである。
パターン認識処理、特に認識対象の多い文字、
就中漢字の認識は1種類の特徴系列を抽出しただ
けでは不十分で、2種類の特徴系列を用い階層的
に判定する処理方式がよく行なわれている。
就中漢字の認識は1種類の特徴系列を抽出しただ
けでは不十分で、2種類の特徴系列を用い階層的
に判定する処理方式がよく行なわれている。
第1階層では第1の特徴とそれに対応する辞書
との間で類似度の計算を行ない、この類似度が所
定の閾値以上のカテゴリを候補カテゴリとして選
出する。該候補カテゴリが複数個選出されたと
き、当該候補カテゴリに対して第2の特徴により
これに対応する辞書と類似計算を実行し、その最
大類似度を与えるカテゴリを認識対象パターンの
答として決定していた。しかしながらこのような
処理方式において第1階層における類似度の値
が、所定の閾値以上であれば候補カテゴリとして
皆同等に取扱うため、第1階層で類似度の極めて
低い候補カテゴリが第2階層での照合処理におい
てその類似度が高い場合第1階層での類似度が反
映されることなく認識対象パターンの答とされて
しまい誤認識をする危険性が存在する。
との間で類似度の計算を行ない、この類似度が所
定の閾値以上のカテゴリを候補カテゴリとして選
出する。該候補カテゴリが複数個選出されたと
き、当該候補カテゴリに対して第2の特徴により
これに対応する辞書と類似計算を実行し、その最
大類似度を与えるカテゴリを認識対象パターンの
答として決定していた。しかしながらこのような
処理方式において第1階層における類似度の値
が、所定の閾値以上であれば候補カテゴリとして
皆同等に取扱うため、第1階層で類似度の極めて
低い候補カテゴリが第2階層での照合処理におい
てその類似度が高い場合第1階層での類似度が反
映されることなく認識対象パターンの答とされて
しまい誤認識をする危険性が存在する。
あるいは認識対象パターンに対し2種類の特徴
を最初から同時に用い認識精度を向上させる手法
も実行されているが、一方の特徴のみで認識が十
分に行なうことができる場合処理時間の浪費とな
る欠点がある。
を最初から同時に用い認識精度を向上させる手法
も実行されているが、一方の特徴のみで認識が十
分に行なうことができる場合処理時間の浪費とな
る欠点がある。
本発明は、上記の点を解決することを目的とし
ており、第1の特徴認識処理により候補カテゴリ
が複数個選出され、第2の特徴による識別が必要
となつた場合、第1階層における類似度の情報を
第2階層における識別の重みとして反映させるこ
とにより、識別精度を向上させしめることを目的
としている。そしてそのため本発明のパターン認
識処理方式は認識対象パターンの標準特徴につい
ての辞書情報を複数個格納している辞書をそなえ
ると共に、第1の特徴照合処理部と第2の特徴照
合処理部をもうけ、第1の特徴照合処理部で選出
された複数の候補カテゴリに対し第2の特徴照合
処理を行なつて認識対象パターンのカテゴリを認
識する階層的パターン認識処理方式において、第
1の特徴照合処理部で認識された候補カテゴリの
各々に第1の特徴照合処理における類似度を附与
し、第2の特徴照合処理部において上記候補カテ
ゴリに対しそれぞれ第2の特徴類似度を附与して
上記第1の類似度と第2の類似度との関数で与え
られる重み付け部をもうけるとともに、該重み付
け部で重みを付けられた上記候補カテゴリの類似
度の最大値を検出する最大値検出部をそなえ、認
識対象パターンのカテゴリ決定に当つて各特徴照
合処理部において付けられた類似度を重みとして
反映させ、カテゴリの決定をするようにしたこと
を特徴としている。以下図面を参照しつつ説明す
る。
ており、第1の特徴認識処理により候補カテゴリ
が複数個選出され、第2の特徴による識別が必要
となつた場合、第1階層における類似度の情報を
第2階層における識別の重みとして反映させるこ
とにより、識別精度を向上させしめることを目的
としている。そしてそのため本発明のパターン認
識処理方式は認識対象パターンの標準特徴につい
ての辞書情報を複数個格納している辞書をそなえ
ると共に、第1の特徴照合処理部と第2の特徴照
合処理部をもうけ、第1の特徴照合処理部で選出
された複数の候補カテゴリに対し第2の特徴照合
処理を行なつて認識対象パターンのカテゴリを認
識する階層的パターン認識処理方式において、第
1の特徴照合処理部で認識された候補カテゴリの
各々に第1の特徴照合処理における類似度を附与
し、第2の特徴照合処理部において上記候補カテ
ゴリに対しそれぞれ第2の特徴類似度を附与して
上記第1の類似度と第2の類似度との関数で与え
られる重み付け部をもうけるとともに、該重み付
け部で重みを付けられた上記候補カテゴリの類似
度の最大値を検出する最大値検出部をそなえ、認
識対象パターンのカテゴリ決定に当つて各特徴照
合処理部において付けられた類似度を重みとして
反映させ、カテゴリの決定をするようにしたこと
を特徴としている。以下図面を参照しつつ説明す
る。
第1図AないしDは「大」の特徴を有する漢字
の例、第2図AないしCは「木」の特徴を有する
漢字の例、第3図は本発明の一実施例構成を示し
ている。
の例、第2図AないしCは「木」の特徴を有する
漢字の例、第3図は本発明の一実施例構成を示し
ている。
今認識対象の入力パターンをP、該入力パター
ンの第1特徴をf1、第2特徴f2、上記第1特徴f1
の第1特徴辞書に対する類似度を大きい順に並べ
たものを〓1=(d11,d12,……,d1o)、該
(d11,d12,……,d1o)に対応するカテゴリ名を
(C1,C2,……,Co)、候補数をn、カテゴリ候
補〓=(C1,C2,……Co)に対する第2特徴f2の
第2辞書に対する類似度を〓2=(d21,d22,…
…,d2o)とする。認識対象の入力パターンPの
判定は類似度〓1を類似度〓2に対する重み付け
パラメータとみなし、答をCとすると入力パター
ンは次の式で決定される。
ンの第1特徴をf1、第2特徴f2、上記第1特徴f1
の第1特徴辞書に対する類似度を大きい順に並べ
たものを〓1=(d11,d12,……,d1o)、該
(d11,d12,……,d1o)に対応するカテゴリ名を
(C1,C2,……,Co)、候補数をn、カテゴリ候
補〓=(C1,C2,……Co)に対する第2特徴f2の
第2辞書に対する類似度を〓2=(d21,d22,…
…,d2o)とする。認識対象の入力パターンPの
判定は類似度〓1を類似度〓2に対する重み付け
パラメータとみなし、答をCとすると入力パター
ンは次の式で決定される。
n=1のとき C=C1
n>1のとき C=Ch
但しhは d1h×d2h=(d1i×d2i)maxで与ら
れる値である。
れる値である。
上式を一般論で説明すると、入力パターンPを
第1特徴f1で特徴照合処理を行ない、それに対応
する第1特徴辞書で所定閾値以上の類似度〓1を
有する候補カテゴリが1個であるときは、その候
補カテゴリが答、すなわち入力パターンPに対応
する認識はカテゴリC1である。次に入力パター
ンPを第1特徴f1で特徴照合処理を行ない、それ
に対応する第1特徴辞書で所定閾値以上の類似度
〓1を有する候補カテゴリが2個以上存在すると
きは、候補カテゴリ〓の各々に第1特徴f1で照合
処理を行なつたときの類似度〓1を附与する。即
ち第1特徴f1に最も類似度の高い候補カテゴリC1
にはd11、次に類似度の高い候補カテゴリC2に
d12,……類似度の最も低いn番目の候補カテゴ
リCoにd1oが与えられる。そしてこれらn個の
候補カテゴリ〓に対し第2特徴f2で特徴照合処理
を行ない、それに対応する第2特徴辞書で上記n
個の候補カテゴリ〓の総べてに類似度〓2が各々
附与される。例えば上記第1特徴f1に最も類似度
の高い候補カテゴリC1に対して第2特徴f2で見た
場合の類似度d21、第2特徴f2に次に類似度の高
い候補カテゴリC2に対して第2特徴f2で見たとき
の類似度d22,……第1特徴f1で最も類似度の低
い候補カテゴリCoに対して第2特徴f2で見たと
きの類似度d2oの如くである。そしてこれら各候
補カテゴリ〓について附与されている第1特徴f1
の類似度と第2特徴f2の類似度との積〓1×〓2
をとつて入力パターンpと上記2種類の辞書との
間の類似度となしパターン認識判定への重み付け
を行なう。そして該重み付けd1i×d2iの最大値
を構成するd1h×d2hを検出し、それに相当する
第h番目の候補カテゴリChを選出すれば入力パ
ターンPの認識がなされるのである。
第1特徴f1で特徴照合処理を行ない、それに対応
する第1特徴辞書で所定閾値以上の類似度〓1を
有する候補カテゴリが1個であるときは、その候
補カテゴリが答、すなわち入力パターンPに対応
する認識はカテゴリC1である。次に入力パター
ンPを第1特徴f1で特徴照合処理を行ない、それ
に対応する第1特徴辞書で所定閾値以上の類似度
〓1を有する候補カテゴリが2個以上存在すると
きは、候補カテゴリ〓の各々に第1特徴f1で照合
処理を行なつたときの類似度〓1を附与する。即
ち第1特徴f1に最も類似度の高い候補カテゴリC1
にはd11、次に類似度の高い候補カテゴリC2に
d12,……類似度の最も低いn番目の候補カテゴ
リCoにd1oが与えられる。そしてこれらn個の
候補カテゴリ〓に対し第2特徴f2で特徴照合処理
を行ない、それに対応する第2特徴辞書で上記n
個の候補カテゴリ〓の総べてに類似度〓2が各々
附与される。例えば上記第1特徴f1に最も類似度
の高い候補カテゴリC1に対して第2特徴f2で見た
場合の類似度d21、第2特徴f2に次に類似度の高
い候補カテゴリC2に対して第2特徴f2で見たとき
の類似度d22,……第1特徴f1で最も類似度の低
い候補カテゴリCoに対して第2特徴f2で見たと
きの類似度d2oの如くである。そしてこれら各候
補カテゴリ〓について附与されている第1特徴f1
の類似度と第2特徴f2の類似度との積〓1×〓2
をとつて入力パターンpと上記2種類の辞書との
間の類似度となしパターン認識判定への重み付け
を行なう。そして該重み付けd1i×d2iの最大値
を構成するd1h×d2hを検出し、それに相当する
第h番目の候補カテゴリChを選出すれば入力パ
ターンPの認識がなされるのである。
第1図、第2図を用いて具体的な例で説明す
る。なお第1図、第2図の例は実用的な第1特徴
f1、第2特徴f2を示すものではなく、視覚的な助
けを借りて本発明が理解されやすくするために例
示したものである。
る。なお第1図、第2図の例は実用的な第1特徴
f1、第2特徴f2を示すものではなく、視覚的な助
けを借りて本発明が理解されやすくするために例
示したものである。
第1図A,B,C,Dは「大」の特徴を有する
漢字の例、第2図A,B,Cは「木」の特徴を有
する漢字の例を各々表わしている。
漢字の例、第2図A,B,Cは「木」の特徴を有
する漢字の例を各々表わしている。
入力パターンPを第1特徴f1で特徴照合処理を
行ない、それに対応する第1特徴辞書で所定閾値
以上の類似度〓1を有する候補カテゴリが1個で
あるときは、その候補カテゴリ答であることは既
に述べた。
行ない、それに対応する第1特徴辞書で所定閾値
以上の類似度〓1を有する候補カテゴリが1個で
あるときは、その候補カテゴリ答であることは既
に述べた。
入力パターンPを第1特徴f1で特徴照合処理を
行ない、それに対応する第1特徴辞書で所定閾値
以上の類似度〓1を有する候補カテゴリが2個以
上存在するときについて説明すると、例えば第1
図、第2図図示の漢字すべてについて入力パター
ンPの第1特徴f1を「木」で特徴照合処理を行な
い、それに対応する第1特徴辞書で所定閾値以上
の類似度〓1を有する第1図、第2図図示の候補
カテゴリ〓が選定されたとき、各々のカテゴリの
第1特徴f1=「木」に対する類似度〓1が次のよ
うになつたと仮定する。
行ない、それに対応する第1特徴辞書で所定閾値
以上の類似度〓1を有する候補カテゴリが2個以
上存在するときについて説明すると、例えば第1
図、第2図図示の漢字すべてについて入力パター
ンPの第1特徴f1を「木」で特徴照合処理を行な
い、それに対応する第1特徴辞書で所定閾値以上
の類似度〓1を有する第1図、第2図図示の候補
カテゴリ〓が選定されたとき、各々のカテゴリの
第1特徴f1=「木」に対する類似度〓1が次のよ
うになつたと仮定する。
d11=99%でC1=「木」,d12=94%でC2=「本」,
d13=92%でC3=「太」,d14=89%でC4=「末」,
d15=88%でC5=「大」,d16=84%でC6=「犬」,
d17=80%でC7=「夫」。これら候補カテゴリ〓=
(C1,C2,……C7)に対する第2特徴f2=「中央下
部に横線がある」で特徴照合処理を行ない、それ
に対応する第2特徴辞書で上記n=7の候補カテ
ゴリ〓について類似度〓2が次のようであつたと
する。
d13=92%でC3=「太」,d14=89%でC4=「末」,
d15=88%でC5=「大」,d16=84%でC6=「犬」,
d17=80%でC7=「夫」。これら候補カテゴリ〓=
(C1,C2,……C7)に対する第2特徴f2=「中央下
部に横線がある」で特徴照合処理を行ない、それ
に対応する第2特徴辞書で上記n=7の候補カテ
ゴリ〓について類似度〓2が次のようであつたと
する。
C1の「木」はd21=20%、C2の「本」はd22=98
%、C3の「太」はd23=70%、C4の「末」はd24=
20%、C5の「大」はd25=5%、C6の「犬」はd26
=5%、C7の「夫」はd27=5%。
%、C3の「太」はd23=70%、C4の「末」はd24=
20%、C5の「大」はd25=5%、C6の「犬」はd26
=5%、C7の「夫」はd27=5%。
これら各候補カテゴリ〓について附与されてい
る第1特徴f1=「木」の類似度と第2特徴f2=「中
央下部に横線があること」の類似度との積〓1×
〓2を計算すると次のようになる。
る第1特徴f1=「木」の類似度と第2特徴f2=「中
央下部に横線があること」の類似度との積〓1×
〓2を計算すると次のようになる。
C1の「木」のd11×d12≒20%、C2の「本」の
d12×d22≒90%、C3の「太」のd13×d23≒64%、
C4の「末」のd14×d24≒17%、C5の「大」のd15
×d25≒4%、C6の「犬」のd16×d26≒4%、C7
の「夫」のd17×d27≒4%。
d12×d22≒90%、C3の「太」のd13×d23≒64%、
C4の「末」のd14×d24≒17%、C5の「大」のd15
×d25≒4%、C6の「犬」のd16×d26≒4%、C7
の「夫」のd17×d27≒4%。
上記重み付けd1i×d2iの最大値はC2の「本」
のd12×d22≒90%であることが最大値検出回路を
用いて観測すれば得られる。当該重み付けが最大
値となるのはi=2、即ちh=2のときであり、
候補カテゴリ〓の第2番目のC2に該当するカテ
ゴリ名「本」が入力パターンPに対して認識され
る。
のd12×d22≒90%であることが最大値検出回路を
用いて観測すれば得られる。当該重み付けが最大
値となるのはi=2、即ちh=2のときであり、
候補カテゴリ〓の第2番目のC2に該当するカテ
ゴリ名「本」が入力パターンPに対して認識され
る。
このように第1特徴f1に対応する第1特徴辞書
の類似度〓1が第2特徴f2に対応する第2特徴辞
書の類似度〓2と共に照合基準に反映されるか
ら、第1特徴f1で極端に類似度〓1が低い候補カ
テゴリが第2特徴f2で類似度〓2が高くても答と
して認識されることは極めて少なくなり、また第
1特徴f1に対する類似度〓1がそれ程低くなく第
2特徴f2に対する類似度〓2が高ければ答として
認識されることもあるが、第1特徴f1、第2特徴
f2に対していずれも類似度が平均して高い候補カ
テゴリが選出される確率が高くなり妥当な結果を
もたらす。
の類似度〓1が第2特徴f2に対応する第2特徴辞
書の類似度〓2と共に照合基準に反映されるか
ら、第1特徴f1で極端に類似度〓1が低い候補カ
テゴリが第2特徴f2で類似度〓2が高くても答と
して認識されることは極めて少なくなり、また第
1特徴f1に対する類似度〓1がそれ程低くなく第
2特徴f2に対する類似度〓2が高ければ答として
認識されることもあるが、第1特徴f1、第2特徴
f2に対していずれも類似度が平均して高い候補カ
テゴリが選出される確率が高くなり妥当な結果を
もたらす。
第3図は本発明のパターン認識処理方式の一実
施例構成を示しており、符号1は第1の特徴抽出
部、2は第1特徴辞書、3は類似度計算部、4は
第2の特徴抽出部、5は第2特徴辞書、6は類似
度計算部、7は重み付け部、8は最大値検出部を
それぞれ表わしている。
施例構成を示しており、符号1は第1の特徴抽出
部、2は第1特徴辞書、3は類似度計算部、4は
第2の特徴抽出部、5は第2特徴辞書、6は類似
度計算部、7は重み付け部、8は最大値検出部を
それぞれ表わしている。
入力パターンPは第1の特徴抽出部1に入力す
る。第1の特徴抽出部1では入力されてきた入力
パターンPから第1の特徴f1を抽出し、入力パタ
ーンの第1の特徴f1とこれに対応する第1特徴辞
書2のパターン・マツチングがとられ、その類似
度〓1が類似度計算部3で計算される。第1特徴
辞書2は認識対象パターンの数に対応してそのパ
ターンの特徴が格納されているメモリである。類
似度計算部3で計算された入力パターンPの第1
の特徴f1と第1特徴辞書2の類似度〓1が所定閾
値以上の類似度であれば第1特徴辞書2から候補
カテゴリ〓として選出される。かくして候補カテ
ゴリ〓の類似度〓1、その数nが定められる。当
該候補カテゴリ〓の数nが1のとき類似度計算部
3から答C1が最大値検出部8を介して送出され
る。上記候補カテゴリ〓の数が2以上のときは類
似度計算部3で計算された候補カテゴリ〓の類似
度〓1が重み付け部7に入力されるそして入力パ
ターンPから第2の特徴f2を第2の特徴抽出部4
で抽出すると共に、上記候補カテゴリ〓に対して
第2の特徴辞書5に格納されている特徴パターン
との照合がとられ、その類似度〓2が類似度計算
部6で計算される。当該類似度計算部6で計算さ
れた上記候補カテゴリ〓に対するそれぞれ類似度
〓2が重み付け部7に入力され、上記第1の特徴
に対する類似度〓1との積〓1×〓2が重み付け
部7で計算される。即ち候補カテゴリC1につい
てはd11×d21、候補カテゴリC2についてはd12×
d22、……候補カテゴリCoについてはd1o×d2o
が計算される。重み付け部7からは候補カテゴリ
〓に対応した類似度〓1と〓2との積の重み付け
された類似度〓1×〓2が順次最大値検出部8に
入力され、該最大値検出部8で上記重み付けされ
た類似度〓1×〓2の最大値が検出される。そし
て検出された最大値に対応する候補カテゴリ〓の
順位hが選出され、この順位に該当するカテゴリ
名Chが答として送出される。このようにして入
力パターンPに対するカテゴリChが認識される
ものである。
る。第1の特徴抽出部1では入力されてきた入力
パターンPから第1の特徴f1を抽出し、入力パタ
ーンの第1の特徴f1とこれに対応する第1特徴辞
書2のパターン・マツチングがとられ、その類似
度〓1が類似度計算部3で計算される。第1特徴
辞書2は認識対象パターンの数に対応してそのパ
ターンの特徴が格納されているメモリである。類
似度計算部3で計算された入力パターンPの第1
の特徴f1と第1特徴辞書2の類似度〓1が所定閾
値以上の類似度であれば第1特徴辞書2から候補
カテゴリ〓として選出される。かくして候補カテ
ゴリ〓の類似度〓1、その数nが定められる。当
該候補カテゴリ〓の数nが1のとき類似度計算部
3から答C1が最大値検出部8を介して送出され
る。上記候補カテゴリ〓の数が2以上のときは類
似度計算部3で計算された候補カテゴリ〓の類似
度〓1が重み付け部7に入力されるそして入力パ
ターンPから第2の特徴f2を第2の特徴抽出部4
で抽出すると共に、上記候補カテゴリ〓に対して
第2の特徴辞書5に格納されている特徴パターン
との照合がとられ、その類似度〓2が類似度計算
部6で計算される。当該類似度計算部6で計算さ
れた上記候補カテゴリ〓に対するそれぞれ類似度
〓2が重み付け部7に入力され、上記第1の特徴
に対する類似度〓1との積〓1×〓2が重み付け
部7で計算される。即ち候補カテゴリC1につい
てはd11×d21、候補カテゴリC2についてはd12×
d22、……候補カテゴリCoについてはd1o×d2o
が計算される。重み付け部7からは候補カテゴリ
〓に対応した類似度〓1と〓2との積の重み付け
された類似度〓1×〓2が順次最大値検出部8に
入力され、該最大値検出部8で上記重み付けされ
た類似度〓1×〓2の最大値が検出される。そし
て検出された最大値に対応する候補カテゴリ〓の
順位hが選出され、この順位に該当するカテゴリ
名Chが答として送出される。このようにして入
力パターンPに対するカテゴリChが認識される
ものである。
以上説明した如く、本発明のパターン認識処理
方式を用いることにより、第2の特徴が識別に必
要な場合には第1の特徴による識別情報を重みと
してパターン認識に反映させているので認識精度
を向上させることができ、また第1階層で認識が
できたとき第2階層の第2特徴の識別を実行しな
いので認識処理時間の節約が可能となる。
方式を用いることにより、第2の特徴が識別に必
要な場合には第1の特徴による識別情報を重みと
してパターン認識に反映させているので認識精度
を向上させることができ、また第1階層で認識が
できたとき第2階層の第2特徴の識別を実行しな
いので認識処理時間の節約が可能となる。
第1図A,B,C,Dは「大」の特徴を有する
漢字の例、第2図A,B,Cは「木」の特徴を有
する漢字の例、第3図は本発明パターン認識処理
方式の一実施例構成を示している。 図中、1は第1の特徴抽出部、2は第1特徴辞
書、3は類似度計算部、4は第2の特徴抽出部、
5は第2特徴辞書、6は類似度計算部、7は重み
付け部、8は最大値検出部を表わしている。
漢字の例、第2図A,B,Cは「木」の特徴を有
する漢字の例、第3図は本発明パターン認識処理
方式の一実施例構成を示している。 図中、1は第1の特徴抽出部、2は第1特徴辞
書、3は類似度計算部、4は第2の特徴抽出部、
5は第2特徴辞書、6は類似度計算部、7は重み
付け部、8は最大値検出部を表わしている。
Claims (1)
- 1 認識対象パターンの標準特徴についての辞書
情報を複数個格納している辞書をそなえると共
に、第1の特徴照合処理部と第2の特徴照合処理
部をもうけ、第1の特徴照合処理部で選出された
複数の候補カテゴリに対し第2の特徴照合処理を
行なつて認識対象パターンのカテゴリを認識する
階層的パターン認識処理方式において、第1の特
徴照合処理部で認識された候補カテゴリの各々に
第1の特徴照合処理における類似度を附与し、第
2の特徴照合処理部において上記候補カテゴリに
対しそれぞれ第2の特徴類似度を附与して上記第
1の類似度と第2の類似度との関数で与えられる
重み付け部をもうけるとともに、該重み付け部で
重みを付けられた上記候補カテゴリの類似度の最
大値を検出する最大値検出部をそなえ、認識対象
パターンのカテゴリ決定に当つて各特徴照合処理
部において付けられた類似度を重みとして反映さ
せ、カテゴリの決定をするようにしたことを特徴
とするパターン認識処理方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10095980A JPS5725082A (en) | 1980-07-23 | 1980-07-23 | Pattern recognition processing system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10095980A JPS5725082A (en) | 1980-07-23 | 1980-07-23 | Pattern recognition processing system |
Publications (2)
Publication Number | Publication Date |
---|---|
JPS5725082A JPS5725082A (en) | 1982-02-09 |
JPS6252912B2 true JPS6252912B2 (ja) | 1987-11-07 |
Family
ID=14287886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP10095980A Granted JPS5725082A (en) | 1980-07-23 | 1980-07-23 | Pattern recognition processing system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS5725082A (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5005205A (en) * | 1990-01-12 | 1991-04-02 | International Business Machines Corporation | Handwriting recognition employing pairwise discriminant measures |
US5875261A (en) * | 1991-12-20 | 1999-02-23 | International Business Machines Corporation | Method of and apparatus for optical character recognition based on geometric and color attribute hypothesis testing |
-
1980
- 1980-07-23 JP JP10095980A patent/JPS5725082A/ja active Granted
Also Published As
Publication number | Publication date |
---|---|
JPS5725082A (en) | 1982-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5005205A (en) | Handwriting recognition employing pairwise discriminant measures | |
US5917941A (en) | Character segmentation technique with integrated word search for handwriting recognition | |
JP2000231559A (ja) | 情報処理装置 | |
JPS6252912B2 (ja) | ||
CN110533035B (zh) | 基于文本匹配的学生作业页码识别方法 | |
JP2732593B2 (ja) | 文字読取システム | |
JPH05314320A (ja) | 認識距離の差と候補順を利用した認識結果の評価方式 | |
JP2671984B2 (ja) | 情報認識装置 | |
JP2640472B2 (ja) | 文字認識方法 | |
JP2851865B2 (ja) | 文字認識装置 | |
JPH05258117A (ja) | 文字認識装置 | |
JPS63136286A (ja) | オンライン文字認識方式 | |
JP2839515B2 (ja) | 文字読取システム | |
JPH0438026B2 (ja) | ||
JPS61148585A (ja) | 文字認識装置 | |
JPH0119195B2 (ja) | ||
JPH03189890A (ja) | 複合語照合方法 | |
JPS6379192A (ja) | 文字認識装置 | |
JPH0391094A (ja) | 文字認識装置 | |
Chang et al. | OFF-LINE RECOGNITION OF UNCONSTRAINED HANDWRITTEN CHARACTER USING DECISION TREE CLASSIFIER | |
JPS6379191A (ja) | 文字認識装置 | |
JPH02193281A (ja) | 文字認識装置 | |
JPS6162986A (ja) | 認識順位決定方式 | |
JPH06325213A (ja) | 文字認識方法及び文字認識装置 | |
JPH07105319A (ja) | 文字認識装置 |