JPH01219970A - 文字認識方式 - Google Patents
文字認識方式Info
- Publication number
- JPH01219970A JPH01219970A JP63044332A JP4433288A JPH01219970A JP H01219970 A JPH01219970 A JP H01219970A JP 63044332 A JP63044332 A JP 63044332A JP 4433288 A JP4433288 A JP 4433288A JP H01219970 A JPH01219970 A JP H01219970A
- Authority
- JP
- Japan
- Prior art keywords
- character
- histogram
- large classification
- categories
- similarity
- 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】
〔発明の目的〕
（産業上の利用分野）
この発明は、漢字等も読取可能な光学的文字読取装置で
、大分類と個別認識を行う文字認識方式（従来の技術） 漢字等の多数のカテゴリ（数千カテゴリ）の文字認識を
行う場合、まず、比較的簡便な方法で全カテゴリについ
て得点を算出し、そのうち上位数百カテゴリな選び（大
分類）候補をしぼっておいて、その後で詳細な特徴を用
いて文学誌Ｒ（個別認識）が行われることが多い。
、大分類と個別認識を行う文字認識方式（従来の技術） 漢字等の多数のカテゴリ（数千カテゴリ）の文字認識を
行う場合、まず、比較的簡便な方法で全カテゴリについ
て得点を算出し、そのうち上位数百カテゴリな選び（大
分類）候補をしぼっておいて、その後で詳細な特徴を用
いて文学誌Ｒ（個別認識）が行われることが多い。
この大分類で、上位数百カテゴリを選ぶ場合、従来は全
カテゴリについて得点の高い順にソーティングし、上位
のカテゴリを選ぶ方式がとられていた。この方式では、
全カテゴリの得点をソーティングするのに手間がかかり
、処理速度が遅くなるという欠点があった。また、ソー
ティングを行わず、あらかじめ定めておいた固定値でス
ライスする方式も採用されているが、スライス値の決定
が難しく高すぎると候補数は減るが、正解の含まれる確
率も減少し、低すぎると候補数が増大し、次段の個別認
識の時間がかかるという欠点があった。
カテゴリについて得点の高い順にソーティングし、上位
のカテゴリを選ぶ方式がとられていた。この方式では、
全カテゴリの得点をソーティングするのに手間がかかり
、処理速度が遅くなるという欠点があった。また、ソー
ティングを行わず、あらかじめ定めておいた固定値でス
ライスする方式も採用されているが、スライス値の決定
が難しく高すぎると候補数は減るが、正解の含まれる確
率も減少し、低すぎると候補数が増大し、次段の個別認
識の時間がかかるという欠点があった。
（発明が解決しようとする課題）
従来、漢字の大分類を行う場合、あらかじめ決められた
固定スライスで全カテゴリとの得点のスライスを行う方
式と、全カテゴリとの得点のソーティングを行い、上位
必要順位までのカテゴリなスライスする方式があった。
固定スライスで全カテゴリとの得点のスライスを行う方
式と、全カテゴリとの得点のソーティングを行い、上位
必要順位までのカテゴリなスライスする方式があった。
前者では適当な固定スライスの決定が難しく、スライス
が高すぎると正解もはじいてしまい、低すぎると候補数
が多くなりすぎてしまう。後者ではソーティングに手間
がかかり、処理速朦が遅くなる。
が高すぎると正解もはじいてしまい、低すぎると候補数
が多くなりすぎてしまう。後者ではソーティングに手間
がかかり、処理速朦が遅くなる。
以上の欠点を考えて、！゛の発明の目的は手間のかかる
ソーティングや決定の難しい固定スライスをとることな
しに、大分類の得点分布のヒストグラムを用いた候補の
しぼり込法（大分類〕を含む文字認識を行うことである
。
ソーティングや決定の難しい固定スライスをとることな
しに、大分類の得点分布のヒストグラムを用いた候補の
しぼり込法（大分類〕を含む文字認識を行うことである
。
〔発明の構成〕
（課題を解決するための手段）
本発明は、大分類実行時に得られた全カテゴリの得点デ
ータをあらかじめ適当に定めておいた得点中で区切り、
得点分布のヒストグラムを作成し、その後最高得点より
ヒストグラムを累積し、所望の（ｉ！（大分類の候補数
）をこえたところで累積を拐ちきり、そこまでのヒスト
グラムｌこ含まれるカテゴリを大分類結果（個別認識の
候補Ｊとして出力し、その候補により個別認識を行い、
文字認識を行うようにしたものである。
ータをあらかじめ適当に定めておいた得点中で区切り、
得点分布のヒストグラムを作成し、その後最高得点より
ヒストグラムを累積し、所望の（ｉ！（大分類の候補数
）をこえたところで累積を拐ちきり、そこまでのヒスト
グラムｌこ含まれるカテゴリを大分類結果（個別認識の
候補Ｊとして出力し、その候補により個別認識を行い、
文字認識を行うようにしたものである。
（作用）
この発明によれば、大分類実行時の類似度のソーティン
グが削除され処理速度の大巾な向上あるいは、固定スラ
イスより妥当なスライスが得られるので、高精度化を実
現することができる。
グが削除され処理速度の大巾な向上あるいは、固定スラ
イスより妥当なスライスが得られるので、高精度化を実
現することができる。
（実施例）
以下、図を用いてこの発明の詳細な説明する。
第１図は、本発明の文字認識方式の概略フローである。
認識されるべき文字が１文字入力されると、まず大分類
を行い、数千種のカテゴリーの中から数百候補にしぼり
込む。その数百候補に対して個別認識を行い認識結果を
得る。
を行い、数千種のカテゴリーの中から数百候補にしぼり
込む。その数百候補に対して個別認識を行い認識結果を
得る。
第２図に、大分類の詳細フローを示す。ｌでは人力され
た文字の特徴抽出を行う。特徴としては既知のもので、
濃度特徴や輪郭線の特徴１周辺分布特徴などが考えられ
る。特徴抽出の結果は、数十次元のベクトル（特徴ベク
トルンで示される。
た文字の特徴抽出を行う。特徴としては既知のもので、
濃度特徴や輪郭線の特徴１周辺分布特徴などが考えられ
る。特徴抽出の結果は、数十次元のベクトル（特徴ベク
トルンで示される。
２では、１で得られた特徴ベクトルとあらかじめ登録し
である辞書パターンベクトルとの類似度を計算する。計
算手法は年率類似度や複合類似度、など、辞書パターン
ベクトルと入カバターンベクトルの距離を表わすもので
あればなんでもよい。距離が小さければ小さい程、類似
度は大きくなる。
である辞書パターンベクトルとの類似度を計算する。計
算手法は年率類似度や複合類似度、など、辞書パターン
ベクトルと入カバターンベクトルの距離を表わすもので
あればなんでもよい。距離が小さければ小さい程、類似
度は大きくなる。
３では、２で求められた類似度のヒストグラムを作成す
る。作成例を第３図に示す。横軸に類似度をとり、あら
かじめ適当に定めておいた値ＸＯＪｌ・・・、Ｘｎで区
切り、その間に含まれるカテゴリ数を縦軸にとる。第３
図では、Ｘｉ以上）（ｉ＋１未満の類似度のカテゴリが
Ｙｉ個＜ｏ（−ｉ≦１２Ｈζあることを示している。Ｘ
ｉの値は、類似度の最大値から等間隔に定めてもよいし
、対数目盛りに定めてもよい。４では、３で得られた類
似度のヒストグラムをＸｉの大きいものから順に累積を
とり、所望の候補数ＮをはじめてこえるＸＮをスライス
−値に決定する。第３図で詳しく説明すると、累積値
の初期値をＹｌｌとし、ＹｌｌとＮを比較してＹｌｌ≧
ＮであればＸｉｍをスライス値とする。Ｙｌｌ＜Ｎであ
れば、累積値を（Ｙｌｌ ＋Ｙ１０ ）とする。１例と
して、（Ｙｌｌ ＋Ｙ１０ ＋Ｙ９ ）（Ｎ＜（Ｙｘｔ
＋Ｙｔｏ ＋Ｙ９＋Ｙｆ ）であった場合、ＸＮがス
ライス値となり、第３図のヒストグラムの斜線の部分が
候補文字と判定され、第２図５で出力される。Ｎの値は
個別認識の速度、大分類の精度によるが、百〜数百程度
に定める。以上の大分類ｌこより出力された候補文字に
対して個別認識を行い、最終結果とする。
る。作成例を第３図に示す。横軸に類似度をとり、あら
かじめ適当に定めておいた値ＸＯＪｌ・・・、Ｘｎで区
切り、その間に含まれるカテゴリ数を縦軸にとる。第３
図では、Ｘｉ以上）（ｉ＋１未満の類似度のカテゴリが
Ｙｉ個＜ｏ（−ｉ≦１２Ｈζあることを示している。Ｘ
ｉの値は、類似度の最大値から等間隔に定めてもよいし
、対数目盛りに定めてもよい。４では、３で得られた類
似度のヒストグラムをＸｉの大きいものから順に累積を
とり、所望の候補数ＮをはじめてこえるＸＮをスライス
−値に決定する。第３図で詳しく説明すると、累積値
の初期値をＹｌｌとし、ＹｌｌとＮを比較してＹｌｌ≧
ＮであればＸｉｍをスライス値とする。Ｙｌｌ＜Ｎであ
れば、累積値を（Ｙｌｌ ＋Ｙ１０ ）とする。１例と
して、（Ｙｌｌ ＋Ｙ１０ ＋Ｙ９ ）（Ｎ＜（Ｙｘｔ
＋Ｙｔｏ ＋Ｙ９＋Ｙｆ ）であった場合、ＸＮがス
ライス値となり、第３図のヒストグラムの斜線の部分が
候補文字と判定され、第２図５で出力される。Ｎの値は
個別認識の速度、大分類の精度によるが、百〜数百程度
に定める。以上の大分類ｌこより出力された候補文字に
対して個別認識を行い、最終結果とする。
以上説明したように、本発明の文字認識方式の特色ある
大分類方式により、漢字等の多カテゴリの文字認識にお
いて、高速でかつ高精度の認識な行うことができる。
大分類方式により、漢字等の多カテゴリの文字認識にお
いて、高速でかつ高精度の認識な行うことができる。
第１図は、本発明の文字認識方式の概略フロー図、第２
図は、大分類方式のフローチャート図、第３図は、大分
類実行時の類似度値のヒストグラムの図である。
図は、大分類方式のフローチャート図、第３図は、大分
類実行時の類似度値のヒストグラムの図である。
Claims (1)
- 入力文字パターンに対して特徴抽出を行う手段と、辞書
パターンを記憶しておく手段と、入力文字の特徴と辞書
パターンとの間で類似度計算を行う手段と、単調増加点
列Ｘｉ（ｉ＝０、１、２、・・・、Ｎ）を記憶または作
成する手段と、類似度計算の結果をＸｉ毎に区切りＸｉ
−１、Ｘｉの区間に含まれる要素の数のヒストグラムを
作成する手段と、該ヒストグラムにもとづいてＸＮ−１
〜ＸＮの区間から順にＸｉ〜ＸＮ（ｉ＝Ｎ−１、Ｎ−２
、・・・）の区間に含まれる要素数の累計値Ｒを求め所
望の候補数Ｃと比較し、Ｃ＞Ｒであれば累積をつづけ、
Ｃ≦Ｒであればその区間のＸｉをスライス値として出力
する手段と、前記類似度について前記スライス値と比較
し大きければ候補として出力する候補選択手段を有する
ことを特徴とする文字認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63044332A JPH01219970A (ja) | 1988-02-29 | 1988-02-29 | 文字認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63044332A JPH01219970A (ja) | 1988-02-29 | 1988-02-29 | 文字認識方式 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63080954A Division JPH0278529A (ja) | 1988-04-01 | 1988-04-01 | シート表皮の製造方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH01219970A true JPH01219970A (ja) | 1989-09-01 |
Family
ID=12688559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63044332A Pending JPH01219970A (ja) | 1988-02-29 | 1988-02-29 | 文字認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH01219970A (ja) |
-
1988
- 1988-02-29 JP JP63044332A patent/JPH01219970A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0847018B1 (en) | A data processing method and apparatus for indentifying a classification to which data belongs | |
| DE69907513T2 (de) | Handgeschriebene oder gesprochene wort-erkennung mit neuronalen netzwerken | |
| US7031530B2 (en) | Compound classifier for pattern recognition applications | |
| US5005205A (en) | Handwriting recognition employing pairwise discriminant measures | |
| JPH0664631B2 (ja) | 文字認識装置 | |
| CN100501764C (zh) | 字符识别系统及方法 | |
| CN111930933A (zh) | 一种基于人工智能的检务案件处理方法及装置 | |
| US5426711A (en) | Online handwritten character recognition | |
| EP0432937B1 (en) | Hand-written character recognition apparatus | |
| JPH069054B2 (ja) | 文書自動分類装置 | |
| CN119025685B (zh) | 一种知识图谱关系预测方法、装置、设备及存储介质 | |
| Jain et al. | Automatic question tagging using k-nearest neighbors and random forest | |
| JP2009129253A (ja) | パターン認識装置、パターン認識プログラム及びパターン認識方法 | |
| JPH07160822A (ja) | パターン認識方法 | |
| Ali et al. | Different handwritten character recognition methods: a review | |
| CN105975994B (zh) | 基于非相似性变换一类svm模型的sar目标鉴别方法 | |
| JP2008282111A (ja) | 類似文書検索方法、プログラムおよび装置 | |
| JPH01219970A (ja) | 文字認識方式 | |
| Sabapathi et al. | Analysis of Customer Review and Predicting Future Release of the Product using machine learning concepts | |
| Bumbu | On classification of 17th century fonts using neural networks | |
| JP4215385B2 (ja) | パターン認識装置、パターン認識方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP3706646B2 (ja) | Ｏｃｒの制御方法並びに分類方法及び装置 | |
| JPH0830734A (ja) | 文字列認識装置 | |
| CN115809331A (zh) | 一种篇章关系识别方法和装置 | |
| JP3266441B2 (ja) | 文字認識方法 |