JP2972011B2 - 文字認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は文字認識装置、特に認識
対象となる横書き文字列の原画像中で隣合う２つの文字
が接合する場合や塊状のノイズが存在する場合に、個々
の文字を切り出して正しく識別することが可能な、ニュ
ーラルネットワークを用いた高速認識する文字認識装置
に関する。

【０００２】

【従来の技術】一般的に、文字認識装置においては認識
対象となる文字品質が重要なファクターとなる。例え
ば、製造工場等における製品検査工程で用いられる製番
や型番読み取りのように、ノイズなどが多い劣悪な環境
下での文字列認識は非常に困難であるといえる。もっと
も、製造工場の製品検査工程での文字列認識は、一般に
刻印文字や捺印文字のようにフォントの決まった印刷文
字を扱うので、手書き文字に比べそのような印刷文字の
認識は非常に簡単であるように思われがちであるが、認
識対象となる文字の原画像に汚れや、ちりなどによる塊
状のノイズが含まれていたり、文字にかすれ、にじみ、
目づまりなどの欠陥がある可能性が極めて高いのであ
る。

【０００３】従来、横書き文字を認識する最も単純かつ
高速な方法として、原画像の射影の谷間を個々の文字の
切れ目として判定して分離する方法が知られている。し
かし、この方法では、認識対象となる横書き文字列の原
画像中で隣合う２つの文字が接合した画像として取り込
まれた場合や、文字列に塊状のノイズが含まれている場
合に、個々の文字を分離することが不可能となるという
問題があった。すなわち、上述したような製造工場の製
品検査工程で用いられる製番や型番読み取りのようにノ
イズが多い環境下での文字列認識は、認識対象となる文
字列画像に汚れやちりなどによる塊状のノイズが含まれ
ていたり、あるいは文字にかすれやにじみ、目づまりな
どの欠陥があるので、隣合う２つの文字が接合した１つ
の画像として取り込まれてしまうことが多い。従って、
従来手法としてよく用いられている前記射影の谷間を検
出する手法では、そのような場合は個々の文字を切り出
して識別することができなくなる。

【０００４】また、文字列の認識に関して、工場の製品
検査工程においては高速な処理速度が要求されるので、
文字の切り出し処理や識別処理に時間のかかる手法では
意味がないということも重要な要素であった。

【０００５】このように、原画像中で隣合う２つの文字
が接合した画像として取り込まれた場合にも個々の文字
を切り出して識別することができる、高速な文字認識装
置を提供することは文字列認識における重要な課題であ
る。

【０００６】そこで、このような要望を満たす一つの提
案として、例えば、電子情報通信学会論文誌Ｄ−ＩＩ分
冊１９９１年１１月号に記載された今井勝次他著“フィ
ードバック結合をもつ３層ＢＰモデルを用いた印刷横書
き文字列の認識”で示される文字列認識手法がある。以
下、同論文で示されたニューラルネットワークによる文
字列認識手法について説明する。

【０００７】まず、この文字列認識手法では、図３に示
す構造のフィードバック結合をもつ３層ＢＰモデルを用
いている。図３において、同論文で示された横書き文字
列認識を行うニューラルネットワークは、入力層（Ｉｎ
ｐｕｔ ｌａｙｅｒ）３０と、中間層（Ｈｉｄｄｅｎ
ｌａｙｅｒ）３１と、出力層（Ｏｕｔｐｕｔ ｌａｙｅ
ｒ）３２と、それらのフィードバック結合とから構成さ
れている。

【０００８】次に、同論文で示された文字列認識手法の
認識原理について説明する。まず、図４に示すような横
書き文字を含んだ原画像を考える。そして、この原画像
の水平方向の長さに比べて十分に細いスリットを与え
る。このスリットを、図４に示す“スターティングポイ
ント”の位置から、“エンディングポイント”の位置に
移動させることにより、原画像を水平方向に走査する。
原画像のある部分を走査しているときのスリット内部に
現れる画像を、スリット画像（Ｓｌｉｔ ｉｍａｇｅ）
と呼ぶ。

【０００９】このスリット画像を、図３に示すニューラ
ルネットワークに、走査の進行に対して逐次入力してい
く。そうすると、これに対するネットワークの出力も原
画像の走査の進行と共に変化し、現在のスリット画像に
対して、以下の２つの信号を出力する。

【００１０】（１） 走査ステップ信号（Ｓｃａｎｎｉ
ｎｇ ｓｔｅｐ ｓｉｇｎａｌ） これは以下ＳＳＳ信号と記述する、現在のスリット画像
が文字のどの部分に属しているかを出力する信号であ
り、文字の切り出しに関する信号処理を簡単にするため
のものである。

【００１１】スリット画像中に文字が存在していない場
合には、０に近い出力が出される。これに対して、スリ
ット画像中に文字が存在する場合には、走査の進行と共
に段階的に走査ステップ信号を増加させ、その文字の認
識処理が完了したら初期状態に戻すようにする。このＳ
ＳＳ信号については、走査の進行と共にどの様に変化さ
せ、また、どのように初期状態に戻すかが重要である
が、解析的に一意に定めることは困難であり、設定に関
して試行錯誤を要する。

【００１２】（２） 所属カテゴリー信号（Ｃａｔｅｇ
ｏｒｙ ａｓｓｉｇｎｍｅｎｔ ｓｉｇｎａｌ） これは以下ＣＡＳ信号と記述する、現在のスリット画像
がどの文字の一部分に属しているかを出力する信号であ
り、文字の識別（カテゴリー分け）に関する信号処理を
簡単にするためのものである。所属カテゴリー信号は、
識別対象とする文字のカテゴリー数だけ必要である。

【００１３】現在のスリット画像が、ある文字の一部分
に属していると判断される場合は、その文字に対応する
所属カテゴリー信号が１に近い出力となり、それ以外の
場合には所属カテゴリー信号は０に近い出力となる。例
えば、図４で示す上部に‘▽’印をつけた位置にスリッ
トがある場合、スリット画像は‘Ａ’の一部分と考えら
れるので、‘Ａ’に対応する所属カテゴリー信号が１に
近い値となる。また、‘Ａ’以外に対応する所属カテゴ
リー信号は０に近い値となる。

【００１４】上記（１）、（２）の２つの信号は、入力
層３０にフィードバックされ、一時刻遅れたスリット画
像と共に入力信号として用いられる。そのため、これら
の２つの信号は走査の進行と共に推移することになる。
このＳＳＳ信号、ＣＡＳ信号の２つの信号を観測して行
けば、個々の文字を切り出しながら識別することができ
る。

【００１５】次に、同論文で示されたニューラルネット
ワークの構造について説明する。図３に示すように、出
力層ユニットは、次の２群に分けられる。

【００１６】（１） 時刻ｔにおける走査ステップ信号
を出力するユニット （２） 時刻ｔにおける所属カテゴリー信号を出力する
ユニット なお、時間は離散時間を想定する。

【００１７】次に、入力層ユニットは、次の３群に分け
られる。

【００１８】（１） 時刻ｔにおけるスリット画像を、
入力として受信するユニット （２） 時刻ｔ−１における走査ステップ信号の出力
を、時刻ｔにおける入力として受信するユニット （３） 時刻ｔ−１における所属カテゴリー信号の出力
を、時刻ｔにおける入力として受信するユニット また、中間層ユニット数は任意に定める。ここで、走査
ステップ信号、所属カテゴリー信号の初期値はすべて０
とする。

【００１９】このようなニューラルネットワークを用い
て文字列認識の実験を行った結果によれば、文字間隔や
文字の順序に影響されにくく、しかも塊状のノイズに対
しても強い文字列認識が実現できることがわかってい
る。

【００２０】

【発明が解決しようとする課題】上述のように、フィー
ドバック結合をもつ３層ＢＰモデルを用いて横書き文字
列を認識する文字列認識手法によれば、横書き文字列の
認識機能を学習によって獲得することができ、原画像を
走査することによって個々の文字を切り出しながら正し
く識別することが可能となる。しかし、前述したように
製造工場における製品検査工程での文字列認識は非常に
困難であって、例えば、捺印数字列などは個々の数字の
文字の欠けやかすれが特に大きいという特徴がある。こ
のため、上記の文字列認識手法をそのまま用いて捺印数
字列文字認識装置を構成しても、読み飛ばされる数字が
増大することが予想される。

【００２１】このように予想される理由としては、ニュ
ーラルネットワークの汎用化能力に限界があること（学
習されていない入力に対する出力が保証されないことに
よる）、また、ニューラルネットワークの信号処理が単
純なものであることが挙げられる。従って、実用に耐え
られる文字認識装置を構成する場合は、特に誤認識を防
止するための特別の手段を施さなければならない。

【００２２】このように、上述した従来の文字列認識手
法を文字の欠けやかすれが特に大きい捺印数字列の認識
に用いると、読み飛ばされる数字が増大し、誤認識され
る場合が多くなると言う問題がある。

【００２３】本発明は上記のような問題点を解消するた
めになされたもので、原画像中で隣合う２つの文字が接
合した画像として取り込まれた場合や、塊状のノイズが
含まれている場合に個々の文字を正しく切り出して識別
することができると共に、高速な識別処理が可能な文字
認識装置を得ることを目的としている。

【００２４】

【課題を解決するための手段】上記目的を達成するため
に、本発明に係わる文字認識装置は、認識対象となる横
書き文字列を縦方向スリット状に順次切り出したスリッ
ト画像信号として入力する画像取り込み手段と、画像取
り込み手段により取り込まれたスリット画像信号を順次
入力して、入力されたスリット画像信号が１つの文字の
どの部分を走査しているかを示す走査状態信号（ＳＳＳ
信号）と、入力されたスリット画像信号がどの文字の一
部に属しているかを示す文字識別信号（ＣＡＳ信号）
と、入力されたスリット信号が１つの文字についての画
像を含み始める切り出しの開始時と１つの文字の画像が
なくなる切り出しの終了時を示し各文字に対応して設定
されている文字認識信号（ＳＥＣ信号）と、を出力する
と共に、前記走査状態信号（ＳＳＳ信号）と文字識別信
号（ＣＡＳ信号）を入力側へフィードバックするニュー
ラルネットワーク手段と、ニューラルネットワーク手段
の出力信号によって文字の認識を行う文字認識手段と、
を有することを特徴とする。

【００２５】

【作用】従って、本発明の文字認識装置によれば、ニュ
ーラルネットワークの出力信号として切り出しの開始・
終了時に各文字に応じて出力される認識信号であるＳＥ
Ｃ信号を追加する。そこで、１つの文字の切れ目につい
て、ＳＳＳ信号と、ＳＥＣ信号の両方で認識することが
できる。また、このＳＥＣ信号は、各文字に応じて設定
されている。従って、ＳＳＳ信号と、ＣＡＳ信号とから
文字を認識するのに比べ、高精度の文字認識が行われ、
認識対象となる横書き文字列の原画像中で隣合う２つの
文字が接合する場合や塊状のノイズが存在する場合であ
っても不明確な文字列が読み飛ばされたり、誤認識され
るといった誤りを飛躍的に抑制できるようになる。

【００２６】

【実施例】以下、本発明の好適な実施例を図に基づいて
説明する。図１は本実施例に係わる文字認識装置の構成
と、本実施例の文字認識装置を用いた捺印数字列の認識
動作を説明するための概念図である。

【００２７】図１において、捺印数字列を認識する本実
施例の文字認識装置は、認識対象となる捺印数字列が含
まれる画像を外部から入力するＣＣＤカメラ１１と、Ｃ
ＣＤカメラ１１から取り込まれた画像信号を処理する計
算機２０とから構成されている。

【００２８】ＣＣＤカメラ１１は、認識対象となる捺印
数字列が印刷された印面１２から数字画像を読み取り、
計算機２０に転送する。もっとも、捺印数字列のある印
面１２から文字列を撮影する手段としては、ＣＣＤカメ
ラ１１に限られるものではなく、その他の撮像装置であ
ってもよい。また、ＣＣＤカメラを用いる場合は、モノ
クロ、カラーの別は問わない。

【００２９】そして、図１では、このＣＣＤカメラ１１
と捺印数字列のある印面１２とから構成される部分を画
像取り込み部１０として示してある。また、計算機２０
はその上で動作するソフトウェアにより実現される機能
として、信号変換部２２と信号処理部２３に分割されて
いる。信号変換部２２はハードウェアによって構成する
ことも可能である。

【００３０】計算機２０は、前述の画像取り込み部１０
により取り込まれた画像信号を取り込み画像２１として
計算機２０の図示しない記憶装置に記憶する。この取り
込み画像２１を用いて計算機２０は認識処理を行う。本
実施例の文字認識装置では、まず、取り込み画像２１に
含まれる各捺印数字の幅より狭いスリット２１１、２１
２、２１３を得るようにしている。このスリット２１
１、２１２、２１３の各スリットの幅は任意に設定され
る。

【００３１】取り込み画像２１の左端の位置（図１のス
リット２１１）から右端の位置（スリット２１２）にこ
のスリットを図１の矢印２１４で示す方向になめらかに
移動させる。スリットの進み幅は前述したように任意で
ある。例えばスリットの進み幅を小さくすれば、より滑
らかなＳＳＳ，ＣＡＳ，ＳＥＣ信号を得ることができる
が、処理時間は遅くなる。計算機２０はこのスリットを
１回移動させる毎に、スリット内部に現れるスリット画
像２２１を内部の図示しない記憶装置から取り出して、
計算機２０の信号変換部２２に送る。例えば、図１に示
すスリット２１３のスリット位置の場合のスリット画像
はスリット画像２２１のようになる。

【００３２】計算機２０の信号変換部２２は、ニューラ
ルネットワーク２２２により入力画像の画像信号として
送られるスリット画像を、認識対象文字の切り出し状態
を示すＳＥＣ信号２２３ａと、切り出し中の文字種別を
示す識別信号であるＳＳＳ信号２２３ｂと、切り出しの
開始・終了時に各文字に応じて出力される認識信号であ
るＣＡＳ信号２２３ｃの３つの信号に変換する。これら
の信号はスリットの移動と共に変化する。ここで、ニュ
ーラルネットワーク２２２は、上述の電子情報通信学会
論文誌Ｄ−ＩＩ分冊１９９１年１１月号に記載された今
井勝次他著“フィードバック結合をもつ３層ＢＰモデル
を用いた印刷横書き文字列の認識”に示されるのと同様
にして、教師データを利用した学習により構築される。
なお、本実施例においては、ＳＥＣ信号が追加されてお
り、教師データに各文字について予め決定したＳＥＣ信
号を追加して学習を行う。

【００３３】まず、スリット画像を現す信号はニューラ
ルネットワーク２２２の入力層２２２ａに送られる。こ
こで、ニューラルネットワーク２２２は入力層２２２
ａ、中間層２２２ｂ、出力層２２２ｃからなり、各層は
ニューロン２２２ｎと呼ばれる信号変換の基本単位から
なる。そして、信号の伝達はネットワーク間の結合にお
いて行われ、それぞれのニューロン２２２ｎは任意に結
合している。文字列認識機能を実現するために最低限度
必要なネットワーク結合は入力層２２２ａから中間層２
２２ｂへの結合、中間層２２２ｂから出力層２２２ｃへ
の結合、出力層２２２ｃから入力層２２２ａへの結合と
する。

【００３４】ところで、入力層２２２ａから中間層２２
２ｂへの結合、中間層２２２ｂから出力層２２２ｃへの
結合、出力層２２２ｃから入力層２２２ａへの結合に関
しては、結合を削り取ったものも考えられる。また、こ
れ以外の層間に結合をもたせるものも考えられる。ここ
で、ＳＳＳ信号の数は１個のみとし、ＣＡＳ信号の数は
識別対象とする数字の数に合わせて、例えば、‘０’、
‘１’、‘２’の３個の数字を識別したいのであれば、
３個と設定する。すなわち、１個の数字に対して１個の
ＣＡＳ信号を割り当てる。ただし、これらの数は必要最
低限であり、増加させることは任意である。例えば、
‘０’に対して２つのＣＡＳ信号を割り当てることもで
きる。また、ＳＥＣ信号の数は任意に設定する。これら
のＳＥＣ信号、ＳＳＳ信号、ＣＡＳ信号は逐次信号処理
部２２に送られる。

【００３５】次に、図２は、本実施例の文字認識装置に
より‘０’〜‘９’までの１０字種の捺印数字列を識別
した実験結果を説明するための図である。同図には取り
込み画像２１に対する各スリット位置でのＳＳＳ信号２
２３ａ、ＣＡＳ信号２２３ｂ、ＳＥＣ信号２２３ｃとそ
の処理過程が示されている。また、図に示す取り込み画
像２１の認識結果２４も示されている。さらに、ＣＡＳ
信号２２３ｂ、ＳＥＣ信号２２３ｃのスリット位置によ
る推移を表す図において、円内の数字は各信号の番号を
表す。

【００３６】この実験では、ＳＳＳ信号は１個、ＣＡＳ
信号はそれぞれの字種に関して１個、ＳＥＣ信号は３個
である。なお、各字種とＣＡＳ信号の番号に関しては、
文字‘０’に対して０番目のＣＡＳ信号、文字‘１’に
対して１番目のＣＡＳ信号、．．．，文字‘９’に対し
て９番目のＣＡＳ信号が順に対応する。

【００３７】図２（ａ）は本実施例の文字認識装置の第
１の実験例を示し、捺印数字列の３文字全部（“６８
４”）の認識に成功した場合である。また、図２（ｂ）
は本実施例の文字認識装置の第２の実験例を示し、捺印
数字列の３文字中、１文字（‘４’）の認識には成功し
たが、はじめの２文字の認識については誤り（ｘ印で示
す）と判定した例である。

【００３８】まず、図２（ａ）を用いて本実施例の文字
認識装置の文字列認識のプロセスを説明する。図から明
らかなように、取り込み画像２１の文字‘６’がスリッ
ト内に現れ始めたスリット位置で、ＳＳＳ信号、６番目
と８番目のＣＡＳ信号、１番目のＳＥＣ信号がほぼ同時
に立ち上がっていることがわかる。この時点の信号波形
を図２（ａ）の信号波形位置４７に示す。

【００３９】ＳＳＳ信号が積分開始設定値Ｓ_SSS ＝０．
２を越えた時点で、それぞれのＣＡＳ信号の積分を開始
する。その後、１番目のＳＥＣ信号は上限設定値Ｈ_SEC
＝０．５を越えた後に立ち上がっている。ＳＳＳ信号は
常に変動しているが、スリット位置の変化と共に徐々に
増加し、図からＳＳＳ信号が最低上限設定値Ｍ_SSS ＝
０．７を越える値をとっていることがわかる。また、８
番目のＣＡＳ信号は途中で立ち下がっている。これは、
前半のスリット位置においては文字‘６’と‘８’は区
別できないが、両者の差がはっきり現れたスリット画像
が入力された時点で区別が正しく行われていることを示
唆する。そして、スリット画像が文字‘６’の右端に近
付いた時点で、もう一度１番目のＳＥＣ信号が立ち上が
っている。

【００４０】この後、ＳＳＳ信号２２１ａは徐々に降下
しながら、識別開始設定値Ｒ_SSS ＝０．２を下回り、こ
れとほぼ同時に６番目のＣＡＳ信号、１番目のＳＥＣ信
号は立ち下がっている。この時点の信号波形を、図２
（ａ）の信号波形位置４８に示す。この後、それぞれの
ＣＡＳ信号の積分値を評価する。図から明らかなよう
に、文字‘６’に対するＣＡＳ信号の積分値が最大であ
る。

【００４１】また、文字‘６’に関するＳＥＣ信号は、
１番目のＳＥＣ信号が立ち上がった後、再度１番目のＳ
ＥＣ信号が立ち上がるような条件でニューラルネットワ
ーク２２２が決定されている。そこで、この条件を満た
しているので認識対象文字列には文字‘６’が含まれて
いると認識した。残りの文字列“８４”に関しても同様
な手続きで正しく認識することができる。

【００４２】このように、ＳＳＳ信号が積分開始設定値
Ｓ_SSS ＝０．２（ポイント４１）を越えた時点で、それ
ぞれのＣＡＳ信号の積分を開始する。その後、ＳＳＳ信
号が最低上限設定値Ｍ_SSS ＝０．７（ポイント４２）を
越える値を１回以上とった後、識別開始設定値Ｒ_SSS ＝
０．２（ポイント４３）を下回った時点で、それぞれの
ＣＡＳ信号の積分を評価する。この間、それぞれのＳＥ
Ｃ信号が常に監視されており、一度上限設定値Ｈ_SEC ＝
０．５（ポイント４４）を越えた時点で、そのＳＥＣ信
号の番号を計算機２０の図示しない記憶装置に順次記憶
する。積分値が最大であったＣＡＳ信号に割り当てた文
字を認識結果として、計算機２０の記憶装置に順次記憶
する。ただし、ここでＳＥＣ信号が上限設定値Ｈ_SEC ＝
０．５を越えた順位が異常な場合、もしくはＣＡＳ信号
が最低上限設定値Ｈ_SEC ＝０．７（ポイント４５）を越
えることがなかった場合には、認識に誤りがあるものと
して判定する。また、途中でＳＳＳ信号が中止設定値Ｅ
_SSS ＝０．２（ポイント４６）を下回った場合、ＣＡＳ
信号の積分を中止する。このように、本実施例の文字認
識装置によれば、捺印にかすれがある場合にも正しく認
識できることがわかる。

【００４３】次に、本実施例の文字認識装置の第２の実
験例を示す図２（ｂ）に関しても、前述の図２（ａ）と
同様な手続きで、最後の文字‘４’の認識には成功した
が、はじめの２文字については判定不能として認識され
ている。まず、最初の文字は積分値が最大である基準か
ら判断すると文字‘３’と考えられるが、文字‘３’に
対応するＳＥＣ信号の立ち上がり順番は３番目、１番目
の順であるとして設定されている。そこで、この基準に
反しているため、認識に誤りがあるとして判別不能の判
定を行っている。また、２番目の文字は積分値からは文
字‘８’と判断されるが、ＳＥＣ信号の立ち上がり順が
１番目、１番目である基準に反しているため、認識に誤
りがあるとして判別不能の判定を行っている。本実験例
においては、取り込み画像２１のはじめの２文字は捺印
が不良であることが図からも明らかである。

【００４４】このように、本実施例の文字認識装置によ
れば、ニューラルネットワーク２２２において、ＳＥＣ
信号を各文字について設定してあり、これが出力され
る。そこで、このＳＥＣ信号の出力状態及び出力順を考
慮することで、捺印不良の文字を除外することが可能で
あり、誤認識を飛躍的に抑制することが可能である。

【００４５】

【発明の効果】以上説明したように，本発明の文字認識
装置によれば，各文字毎にＣＡＳ信号とＳＥＣ信号の組
合せを学習させることにより文字に応じたＣＡＳ信号と
ＳＥＣ信号が出力されこれらの信号に基づいて文字の判
定を行うように構成したので、捺印数字列が読み飛ばさ
れるということがなく、誤認識される場合を飛躍的に抑
止できるという効果がある。

【図面の簡単な説明】

【図１】本実施例に係わる文字認識装置の構成と、本実
施例の文字認識装置を用いた捺印数字列の認識動作を説
明するための概念図である。

【図２】本実施例の文字認識装置による‘０’〜‘９’
までの１０字種の捺印数字列を識別した実験結果を説明
するための図である。

【図３】従来の文字列認識手法であるフィードバック結
合をもつ３層ＢＰモデルを用いた印刷横書き文字列認識
を行うニューラルネットワークの構成図である。

【図４】従来の文字列認識手法による横書き文字列認識
原理を説明するための概念図である。

【符号の説明】

１０ 画像取り込み部 １１ ＣＣＤカメラ １２ 捺印数字列のある印面 ２０ 計算機 ２１ 取り込み画像 ２２ 信号変換部 ２３ 信号処理部 ２２１ スリット画像 ２２２ ニューラルネットワーク

───────────────────────────────────────────────────── フロントページの続き (72)発明者 内川 嘉樹 愛知県名古屋市天白区御幸山408番地 (72)発明者 郷原 一寿 愛知県名古屋市昭和区福原町１−36グリ ーンビル201 審査官 小林 勝広 (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06K 9/66 G06K 9/34

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】 捺印数字などの横書き文字列を自動認識
   する文字認識装置において、 認識対象となる横書き文字列を縦方向スリット状に順次
   切り出したスリット画像信号として入力する画像取り込
   み手段と、 画 像取り込み手段により取り込まれたスリット画像信号
   を順次入力して、入力されたスリット画像信号が１つの
   文字のどの部分を走査しているかを示す走査状態信号
   と、入力されたスリット画像信号がどの文字の一部に属
   しているかを示す文字識別信号と、入力されたスリット
   信号が１つの文字についての画像を含み始める切り出し
   の開始時と１つの文字の画像がなくなる切り出しの終了
   時を示し各文字に対応して設定されている文字認識信号
   と、を出力すると共に、前記走査状態信号と文字識別信
   号を入力側へフィードバックするニューラルネットワー
   ク手段と、 ニ ューラルネットワーク手段の出力信号によって文字の
   認識を行う文字認識手段と、 を有する ことを特徴とする文字認識装置。