JPH0147834B2 - - Google Patents
Info
- Publication number
- JPH0147834B2 JPH0147834B2 JP57004927A JP492782A JPH0147834B2 JP H0147834 B2 JPH0147834 B2 JP H0147834B2 JP 57004927 A JP57004927 A JP 57004927A JP 492782 A JP492782 A JP 492782A JP H0147834 B2 JPH0147834 B2 JP H0147834B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- pattern
- feature
- blur
- complexity
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
- Character Discrimination (AREA)
Description
本発明は、入力文字パターンの特定方向のスト
ロークをあらわす各サブパターンにおける各文字
枠分割単位領域毎の黒ビツト和を文字線幅と各サ
ブパターンに対応した文字枠の大きさとで正規化
して特徴要素を抽出し、入力文字パターンの複雑
度に応じて入力文字パターンの前記各特徴要素を
その隣接要素で加重平均することによつてぼかし
処理を施し、そのぼかし処理に対応した辞書を参
照して文字を認識する文字認識方式に関する。 文字認識方式の１形式として下記の式であらわ
される量を特徴要素Ｆ（ｋ、ｉ、ｊ）とする特徴
マトリツクスを作成し、同様の形式であらわされ
た標準文字マスクとの類似度を測定して文字を認
識する文字認識方式がある。 Ｆ（ｋ、ｉ、ｊ）＝Bk（ｉ、ｊ）／WL・WPk WLは入力文字パターンの文字線幅をあらわ
す。WPkはWPh、WPv、WPr、WPl等をあらわ
し、例えばWPhは水平方向の文字枠の大きさで
あり、以下同様にWPv、WPr、WPlはそれぞれ
垂直方向、右斜め45度方向、左斜め45度方向の文
字枠の大きさである。Bk（ｉ、ｊ）はBh（ｉ、
ｊ）、Bv（ｉ、ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）等
をあらわし、例えばBh（ｉ、ｊ）は水平サブパタ
ーンHSPの分割単位領域（ｉ、ｊ）における黒
ビツトの和であり、ｉは文字枠のＸ軸方向の分割
単位領域の番号であり、ｊは文字枠のＹ軸方向の
分割単位領域の番号である。以下同様にBv（ｉ、
ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）はそれぞれ垂直
サブパターンVSP、右斜め45度サブパターン
RSP、左斜め45度サブパターンLSPの分割単位
領域（ｉ、ｊ）における黒ビツト和である。 この方式の一般的傾向として、個人差による文
字のストロークの位置変動の影響を受け易く、各
特徴要素をその隣接要素で加重平均してストロー
クの位置変動を吸収することによつて認識率は向
上する。 他方また、複雑な字形の文字ほどストロークの
位置変動の影響が少なく、簡単な文字ほどストロ
ーク位置変動の影響を受け易い。例えば、文字枠
をＸ軸、Ｙ軸各方向ともに７分割する分割形式で
特徴マトリツクスを作成した場合、３画程度の画
数の文字は1/5程度の荷重の隣接要素で平均化す
ることによつて高い認識率が得られ、12画程度の
ものは1/6程度の荷重で、16画程度のものは1/7程
度の荷重で平均化することによつて高い認識率が
得られる。 本発明はこのような着眼点に基づき、入力文字
パターンのサブパターンの黒ビツト和を文字線幅
とストローク方向の文字枠の大きさとで正規化し
た量の総和又は各サブパターンのストローク数の
総和を複雑度として検出し、この複雑度に従つて
ぼかし係数を決定して、入力文字パターンの特徴
マトリツクスの特徴要素にぼかし処理を施し、ぼ
かし係数に応じた辞書を参照して文字認識を行わ
せるようにしたもので、その目的は安定で精度の
良い文字認識を行うことにある。 第１図は、本発明による文字認識装置の一実施
例を示したものである。以下第１図に基づいて詳
細に説明する。 １は帳票からの光入力である。この光入力１は
光電変換部２に入力される。光電変換部２は１つ
の文字予定領域を128×128の画素へ分解し、各画
素を２値のデイジタル信号（以下これを入力文字
パターンと呼ぶ）へ変換するものであり、平均的
大きさの１文字は60×60ビツト程度の入力文字パ
ターンで表現される。パターンレジスタ３は文字
予定領域における各画素のＸ、Ｙ座標を再現でき
る形式で入力文字パターンを記憶するものであ
り、文字予定領域に対応して128×128ビツトの容
量を有するものである。文字線幅計算部４は周知
のフイルタ回路と同様にシフトレジスタ構成とな
つており、入力文字パターンを受けて２×２段の
シフトレジスタ窓のすべての画素が黒ビツトとな
る状態の個数Ｑと入力文字パターンの黒ビツト和
Ａを計数し、下記に示す周知式で線幅WLを算出
する。 WL＝Ａ／Ａ−Ｑ 文字枠検出部５は文字の外接枠をそのパターン
レジスタにおける左端座標Xl、右端座標Xr、上
端座標Yt、下端座標Ybで表現して検出し、更に
文字枠の大きさを検出するものである。文字枠の
大きさは水平方向の大きさとしてWPh＝Xr−Xl
＋１、垂直方向の大きさとしてWPv＝Yt−Yb＋
１、として検出される。右斜め45度方向及び左斜
め45度方向の大きさとして WPr＝WPl＝WPh＋WPv／２ として検出する。サブパターン抽出部６は入力文
字パターンと線幅WLとに基づいて水平、垂直、
右斜め、左斜め、の各方向のストロークをあらわ
すサブパターンHSP、VSP、RSP、LSPを抽出
するものであり、各方向に対応した線幅より十分
長く連続する黒ビツトを抽出することにより行
う。例えばサブパターンHSPはパターンレジス
タ３の全面を水平に走査し、各走査線毎に黒ビツ
トの連続する個数を検出し、その長さが2WLよ
り大きい黒ビツトを抽出することにより水平スト
ロークからなる水平サブパターンを抽出する。同
様に、垂直、右斜め、左斜めの各サブパターンは
パターンレジスタ３をそれぞれ垂直方向、右斜め
方向、左斜め方向へ走査することにより抽出す
る。 このように抽出されたサブパターンの一例を第
２図に示しており、第２図のORGは入力文字パ
ターン、HSPは水平サブパターン、VSPは垂直
サブパターン、RSPは右斜めサブパターン、
LSPは左斜めサブパターンである。 文字枠分割決定部７は、分割形式によつて決定
されるＸ軸、Ｙ軸各方向の分割数NX、NYと、
文字枠座標Xl、Xr、Yt、Ybと、入力文字パター
ンORGとを受けて、Ｘ軸、Ｙ軸夫々に投影され
た入力文字パターンORGの黒ビツト数分布を対
象として、予め設定された最大の分割数よりも十
分大きい個数の重心座標の夫々の系列を求め、分
割数NX、NYに対応してほぼ均等個数おきの重
心座標を選択することによつて夫々（NX−１）、
（NY−１）個の分割座標を決定する。 例えばＸ軸の重心座標系列Ｘ（Mi）（但しMiは
重心番号でｉ＝１〜15）の検出は入力文字パター
ンをＸ軸に投影して黒ビツト数分布を求め、まず
最初はＸ軸に関する文字枠の範囲Xl〜Xrを対象
として重心座標Ｘ（Mp）を求め、次いで、前段
までに求められた重心座標系列によつてＸ軸に関
する文字枠の範囲Xl〜Xrを分割して夫々の範囲
を対象として重心座標を求める過程を３回繰返す
ことによつて他の14個の重心座標Ｘ（M1）〜Ｘ
（M7）、Ｘ（M9）〜Ｘ（M15）を検出する。このよ
うにして求めた15個の重心座標を分割座標の候補
点として予め用意しておいた下記テーブルに基づ
いてＸ軸の各分割区間がほぼ均等個数の重心を含
むように対応づけて決定する。
ロークをあらわす各サブパターンにおける各文字
枠分割単位領域毎の黒ビツト和を文字線幅と各サ
ブパターンに対応した文字枠の大きさとで正規化
して特徴要素を抽出し、入力文字パターンの複雑
度に応じて入力文字パターンの前記各特徴要素を
その隣接要素で加重平均することによつてぼかし
処理を施し、そのぼかし処理に対応した辞書を参
照して文字を認識する文字認識方式に関する。 文字認識方式の１形式として下記の式であらわ
される量を特徴要素Ｆ（ｋ、ｉ、ｊ）とする特徴
マトリツクスを作成し、同様の形式であらわされ
た標準文字マスクとの類似度を測定して文字を認
識する文字認識方式がある。 Ｆ（ｋ、ｉ、ｊ）＝Bk（ｉ、ｊ）／WL・WPk WLは入力文字パターンの文字線幅をあらわ
す。WPkはWPh、WPv、WPr、WPl等をあらわ
し、例えばWPhは水平方向の文字枠の大きさで
あり、以下同様にWPv、WPr、WPlはそれぞれ
垂直方向、右斜め45度方向、左斜め45度方向の文
字枠の大きさである。Bk（ｉ、ｊ）はBh（ｉ、
ｊ）、Bv（ｉ、ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）等
をあらわし、例えばBh（ｉ、ｊ）は水平サブパタ
ーンHSPの分割単位領域（ｉ、ｊ）における黒
ビツトの和であり、ｉは文字枠のＸ軸方向の分割
単位領域の番号であり、ｊは文字枠のＹ軸方向の
分割単位領域の番号である。以下同様にBv（ｉ、
ｊ）、Br（ｉ、ｊ）、Bl（ｉ、ｊ）はそれぞれ垂直
サブパターンVSP、右斜め45度サブパターン
RSP、左斜め45度サブパターンLSPの分割単位
領域（ｉ、ｊ）における黒ビツト和である。 この方式の一般的傾向として、個人差による文
字のストロークの位置変動の影響を受け易く、各
特徴要素をその隣接要素で加重平均してストロー
クの位置変動を吸収することによつて認識率は向
上する。 他方また、複雑な字形の文字ほどストロークの
位置変動の影響が少なく、簡単な文字ほどストロ
ーク位置変動の影響を受け易い。例えば、文字枠
をＸ軸、Ｙ軸各方向ともに７分割する分割形式で
特徴マトリツクスを作成した場合、３画程度の画
数の文字は1/5程度の荷重の隣接要素で平均化す
ることによつて高い認識率が得られ、12画程度の
ものは1/6程度の荷重で、16画程度のものは1/7程
度の荷重で平均化することによつて高い認識率が
得られる。 本発明はこのような着眼点に基づき、入力文字
パターンのサブパターンの黒ビツト和を文字線幅
とストローク方向の文字枠の大きさとで正規化し
た量の総和又は各サブパターンのストローク数の
総和を複雑度として検出し、この複雑度に従つて
ぼかし係数を決定して、入力文字パターンの特徴
マトリツクスの特徴要素にぼかし処理を施し、ぼ
かし係数に応じた辞書を参照して文字認識を行わ
せるようにしたもので、その目的は安定で精度の
良い文字認識を行うことにある。 第１図は、本発明による文字認識装置の一実施
例を示したものである。以下第１図に基づいて詳
細に説明する。 １は帳票からの光入力である。この光入力１は
光電変換部２に入力される。光電変換部２は１つ
の文字予定領域を128×128の画素へ分解し、各画
素を２値のデイジタル信号（以下これを入力文字
パターンと呼ぶ）へ変換するものであり、平均的
大きさの１文字は60×60ビツト程度の入力文字パ
ターンで表現される。パターンレジスタ３は文字
予定領域における各画素のＸ、Ｙ座標を再現でき
る形式で入力文字パターンを記憶するものであ
り、文字予定領域に対応して128×128ビツトの容
量を有するものである。文字線幅計算部４は周知
のフイルタ回路と同様にシフトレジスタ構成とな
つており、入力文字パターンを受けて２×２段の
シフトレジスタ窓のすべての画素が黒ビツトとな
る状態の個数Ｑと入力文字パターンの黒ビツト和
Ａを計数し、下記に示す周知式で線幅WLを算出
する。 WL＝Ａ／Ａ−Ｑ 文字枠検出部５は文字の外接枠をそのパターン
レジスタにおける左端座標Xl、右端座標Xr、上
端座標Yt、下端座標Ybで表現して検出し、更に
文字枠の大きさを検出するものである。文字枠の
大きさは水平方向の大きさとしてWPh＝Xr−Xl
＋１、垂直方向の大きさとしてWPv＝Yt−Yb＋
１、として検出される。右斜め45度方向及び左斜
め45度方向の大きさとして WPr＝WPl＝WPh＋WPv／２ として検出する。サブパターン抽出部６は入力文
字パターンと線幅WLとに基づいて水平、垂直、
右斜め、左斜め、の各方向のストロークをあらわ
すサブパターンHSP、VSP、RSP、LSPを抽出
するものであり、各方向に対応した線幅より十分
長く連続する黒ビツトを抽出することにより行
う。例えばサブパターンHSPはパターンレジス
タ３の全面を水平に走査し、各走査線毎に黒ビツ
トの連続する個数を検出し、その長さが2WLよ
り大きい黒ビツトを抽出することにより水平スト
ロークからなる水平サブパターンを抽出する。同
様に、垂直、右斜め、左斜めの各サブパターンは
パターンレジスタ３をそれぞれ垂直方向、右斜め
方向、左斜め方向へ走査することにより抽出す
る。 このように抽出されたサブパターンの一例を第
２図に示しており、第２図のORGは入力文字パ
ターン、HSPは水平サブパターン、VSPは垂直
サブパターン、RSPは右斜めサブパターン、
LSPは左斜めサブパターンである。 文字枠分割決定部７は、分割形式によつて決定
されるＸ軸、Ｙ軸各方向の分割数NX、NYと、
文字枠座標Xl、Xr、Yt、Ybと、入力文字パター
ンORGとを受けて、Ｘ軸、Ｙ軸夫々に投影され
た入力文字パターンORGの黒ビツト数分布を対
象として、予め設定された最大の分割数よりも十
分大きい個数の重心座標の夫々の系列を求め、分
割数NX、NYに対応してほぼ均等個数おきの重
心座標を選択することによつて夫々（NX−１）、
（NY−１）個の分割座標を決定する。 例えばＸ軸の重心座標系列Ｘ（Mi）（但しMiは
重心番号でｉ＝１〜15）の検出は入力文字パター
ンをＸ軸に投影して黒ビツト数分布を求め、まず
最初はＸ軸に関する文字枠の範囲Xl〜Xrを対象
として重心座標Ｘ（Mp）を求め、次いで、前段
までに求められた重心座標系列によつてＸ軸に関
する文字枠の範囲Xl〜Xrを分割して夫々の範囲
を対象として重心座標を求める過程を３回繰返す
ことによつて他の14個の重心座標Ｘ（M1）〜Ｘ
（M7）、Ｘ（M9）〜Ｘ（M15）を検出する。このよ
うにして求めた15個の重心座標を分割座標の候補
点として予め用意しておいた下記テーブルに基づ
いてＸ軸の各分割区間がほぼ均等個数の重心を含
むように対応づけて決定する。
【表】
Ｙ軸についても同様にして15個の重心座標Ｙ
（M1）〜Ｙ（M15）を求め、分割数に応じて前記
テーブルを参照して分割座標を決定する。 なお、分割形式は一旦リジエクトされた場合に
変更して設定したり、或いはまた、入力文字パタ
ーンの複雑度に応じて設定するものであるが、こ
こでは説明の簡略化のために、NX＝NY＝７な
る分割形式に設定されているものとした。 従つて、文字枠分割決定部７は、NX＝NY＝
７なる分割形式に対応してＸ軸方向の分割座標と
してＸ（M3）、Ｘ（M5）、Ｘ（M7）、Ｘ（M9）、Ｘ
（M11）、Ｘ（M13）を、Ｙ軸方向の分割座標とし
てＹ（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ（M9）、Ｙ
（M11）、Ｙ（M13）を決定する。特徴マトリツク
ス抽出部８はサブパターンの分割形式に対応した
Ｘ軸方向の分割座標、両端座標Xl、Ｘ（M3）、Ｘ
（M5）、Ｘ（M7）、Ｘ（M9）、Ｘ（M11）、Ｘ（M13）、
Xrと、Ｙ軸方向の分割座標、両端座標Yb、Ｙ
（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ（M9）、Ｙ（M11）、
Ｙ（M13）、Yxと、各サブパターンHSP、VSP、
RSP、LSPと、各サブパターンに対応した文字
枠の大きさWPh、WPv、WPr、WPlと、文字線
幅WLとを受けて、各サブパターンを前記分割座
標からきまる複数の分割単位領域に分割して、各
分割単位領域毎の黒ビツト数Bk（ｉ、ｊ）を計数
し、下記の式で示すように線幅WLと各サブパタ
ーンに対応した文字枠の大きさWPh、WPv、
WPr、WPlとで正規化し、各サブパターンの分
割単位領域毎に特徴要素Ｆ（ｋ、ｉ、ｊ）＝
Bk（ｉ、ｊ）／WL・WPk（但し、ｋ＝ｈ、ｖ、ｒ、ｌ）
を抽 出し、特徴マトリツクスを作成する。 Ｆ（ｈ、ｉ、ｊ）＝Bh（ｉ、ｊ）／WL・WPh Ｆ（ｖ、ｉ、ｊ）＝Bv（ｉ、ｊ）／WL・WPv Ｆ（ｒ、ｉ、ｊ）＝Br（ｉ、ｊ）／WL・WPr Ｆ（ｌ、ｉ、ｊ）＝Bl（ｉ、ｊ）／WL・WPl 各サブパターンの分割単位領域（ｉ、ｊ）毎の
黒ビツト和Bk（ｉ、ｊ）の算出は、分割単位領域
（ｉ、ｊ）に対応した分割座標で各サブパターン
を読み込み、黒ビツトの個数を加算することによ
つて行う。例えば特徴要素Ｆ（ｈ、１、１）に対
応した黒ビツト和Bh（１、１）は分割単位領域
（１、１）に対応したＸ座標Xl、Ｘ（M3）及びＹ
座標Yb、Ｙ（M3）で決定される範囲の水平サブ
パターンHSPをサブパターン抽出部６から読み
出し、黒ビツト数を計数することによつて求めら
れる。複雑度計算部９は４種類のサブパターン、
HSP、VSP、RSP、LSPと文字枠の大きさ
WPh、WPv、WPr、WPlと、文字線幅WLとを
受けて各サブパターンの文字枠内の黒ビツトを計
数して黒ビツト和Ah、Av、Ar、Alを求め、下
記式により文字線幅と各ストローク方向に対応し
た文字枠の大きさとで正規化し、文字線密度に対
応した量Gh、Gv、Gr、Glを求め、それらの総和
を求めることによつて入力文字パターンの複雑度
Ｇを算出する。 Ｇ＝Gh＋Gv＋Gr＋Gl 但しGh＝Ah／WL・WPh Gr＝Ar／WL・WPr Gv＝Av／WL・WPv Gl＝Al／WL・WPl ぼかし係数決定部１０は、入力文字パターンの
複雑度Ｇと入力文字パターンにぼかし処理を施こ
す際に用いるぼかし係数Ｃとの対応を示すテーブ
ルを備えており、入力文字パターンの複雑度Ｇを
受けて、前記ぼかし係数のテーブルを参照してぼ
かし係数Ｃを決定する。 本実施例では、このテーブルの内容は次の通り
である。
（M1）〜Ｙ（M15）を求め、分割数に応じて前記
テーブルを参照して分割座標を決定する。 なお、分割形式は一旦リジエクトされた場合に
変更して設定したり、或いはまた、入力文字パタ
ーンの複雑度に応じて設定するものであるが、こ
こでは説明の簡略化のために、NX＝NY＝７な
る分割形式に設定されているものとした。 従つて、文字枠分割決定部７は、NX＝NY＝
７なる分割形式に対応してＸ軸方向の分割座標と
してＸ（M3）、Ｘ（M5）、Ｘ（M7）、Ｘ（M9）、Ｘ
（M11）、Ｘ（M13）を、Ｙ軸方向の分割座標とし
てＹ（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ（M9）、Ｙ
（M11）、Ｙ（M13）を決定する。特徴マトリツク
ス抽出部８はサブパターンの分割形式に対応した
Ｘ軸方向の分割座標、両端座標Xl、Ｘ（M3）、Ｘ
（M5）、Ｘ（M7）、Ｘ（M9）、Ｘ（M11）、Ｘ（M13）、
Xrと、Ｙ軸方向の分割座標、両端座標Yb、Ｙ
（M3）、Ｙ（M5）、Ｙ（M7）、Ｙ（M9）、Ｙ（M11）、
Ｙ（M13）、Yxと、各サブパターンHSP、VSP、
RSP、LSPと、各サブパターンに対応した文字
枠の大きさWPh、WPv、WPr、WPlと、文字線
幅WLとを受けて、各サブパターンを前記分割座
標からきまる複数の分割単位領域に分割して、各
分割単位領域毎の黒ビツト数Bk（ｉ、ｊ）を計数
し、下記の式で示すように線幅WLと各サブパタ
ーンに対応した文字枠の大きさWPh、WPv、
WPr、WPlとで正規化し、各サブパターンの分
割単位領域毎に特徴要素Ｆ（ｋ、ｉ、ｊ）＝
Bk（ｉ、ｊ）／WL・WPk（但し、ｋ＝ｈ、ｖ、ｒ、ｌ）
を抽 出し、特徴マトリツクスを作成する。 Ｆ（ｈ、ｉ、ｊ）＝Bh（ｉ、ｊ）／WL・WPh Ｆ（ｖ、ｉ、ｊ）＝Bv（ｉ、ｊ）／WL・WPv Ｆ（ｒ、ｉ、ｊ）＝Br（ｉ、ｊ）／WL・WPr Ｆ（ｌ、ｉ、ｊ）＝Bl（ｉ、ｊ）／WL・WPl 各サブパターンの分割単位領域（ｉ、ｊ）毎の
黒ビツト和Bk（ｉ、ｊ）の算出は、分割単位領域
（ｉ、ｊ）に対応した分割座標で各サブパターン
を読み込み、黒ビツトの個数を加算することによ
つて行う。例えば特徴要素Ｆ（ｈ、１、１）に対
応した黒ビツト和Bh（１、１）は分割単位領域
（１、１）に対応したＸ座標Xl、Ｘ（M3）及びＹ
座標Yb、Ｙ（M3）で決定される範囲の水平サブ
パターンHSPをサブパターン抽出部６から読み
出し、黒ビツト数を計数することによつて求めら
れる。複雑度計算部９は４種類のサブパターン、
HSP、VSP、RSP、LSPと文字枠の大きさ
WPh、WPv、WPr、WPlと、文字線幅WLとを
受けて各サブパターンの文字枠内の黒ビツトを計
数して黒ビツト和Ah、Av、Ar、Alを求め、下
記式により文字線幅と各ストローク方向に対応し
た文字枠の大きさとで正規化し、文字線密度に対
応した量Gh、Gv、Gr、Glを求め、それらの総和
を求めることによつて入力文字パターンの複雑度
Ｇを算出する。 Ｇ＝Gh＋Gv＋Gr＋Gl 但しGh＝Ah／WL・WPh Gr＝Ar／WL・WPr Gv＝Av／WL・WPv Gl＝Al／WL・WPl ぼかし係数決定部１０は、入力文字パターンの
複雑度Ｇと入力文字パターンにぼかし処理を施こ
す際に用いるぼかし係数Ｃとの対応を示すテーブ
ルを備えており、入力文字パターンの複雑度Ｇを
受けて、前記ぼかし係数のテーブルを参照してぼ
かし係数Ｃを決定する。 本実施例では、このテーブルの内容は次の通り
である。
【表】
ぼかし処理部１１は、入力文字パターンの特徴
マトリツクスとぼかし係数とを受けて、注目特徴
要素の荷重をＣ／（Ｃ＋２）とし、且つ隣接特徴
要素の荷重を１／（Ｃ＋２）として、各特徴要素
をそのストローク方向と直交する方向で隣接する
２つの隣接要素で加重平均することによつて注目
特徴要素をぼかし、特徴マトリツクスと同様に４
×７×７次元のぼかし特徴要素FB（ｋ、ｉ、ｊ）
（但し、ｋ＝ｈ、ｖ、ｒ、ｌ、ｉ、ｊ＝１〜７）
からなるぼかし特徴マトリツクスを作成する。 すなわち、各サブパターン毎に隣接要素の指定
を異ならせた次の式演算を実行することによつて
ぼかし特徴マトリツクスを作成する。 水平サブパターンについては FB（ｈ、ｉ、ｊ）＝Ｃ・Ｆ（ｈ、ｉ、ｊ）＋Ｆ（ｈ、ｉ
、ｊ−１）＋Ｆ（ｈ、ｉ、ｊ＋１）／Ｃ＋２ 垂直サブパターンについては FB（ｖ、ｉ、ｊ）＝Ｃ・Ｆ（ｖ、ｉ、ｊ）＋Ｆ（ｖ、ｉ
−１、ｊ）＋Ｆ（ｖ、ｉ＋１、ｊ）／Ｃ＋２ 右斜めサブパターンについては FB（ｒ、ｉ、ｊ）＝Ｃ・Ｆ（ｒ、ｉ、ｊ）＋Ｆ（ｒ、ｉ
−１、ｊ＋１）＋Ｆ（ｒ、ｉ＋１、ｊ−１）／Ｃ＋２ 左斜めサブパターンについては FB（ｌ、ｉ、ｊ）＝Ｃ・Ｆ（ｌ、ｉ、ｊ）＋Ｆ（ｌ、ｉ
−１、ｊ−１）＋Ｆ（ｌ、ｉ＋１、ｊ＋１）／Ｃ＋２ として求める。 なお、ｉ−１＝０、ｊ−１＝０となる特徴要素
については、夫々ｉ＝１、ｊ＝１なる特徴要素に
置き換え、且つｉ＋１＝８、ｊ＋１＝８となる特
徴要素については夫々ｉ＝７、ｊ＝７なる特徴要
素に置き換えてぼかし特徴要素を求める。 識別部１２には、標準文字マスクFS（ｋ、ｉ、
ｊ）が入力文字パターンにおけるぼかし特徴マト
リツクスと同様に、標準文字の各サブパターンに
関する各分割単位領域（ｉ、ｊ）の黒ビツト和を
文字線幅とサブパターンに対応した文字枠の大き
さとで正規化され、更に複雑度に応じたぼかし係
数に従つて加重平均化されたぼかし特徴で表現さ
れ、前記複数のぼかし係数に対応して複数の辞書
が用意されていて、入力文字パターンの特徴マト
リツクスと標準文字マスクとの類似度が測定さ
れ、最も類似する標準文字マスクの文字コードを
入力文字パターン名として認識する。ここでは、
ぼかし係数Ｃ＝３の辞書には複雑度ＧがＧ≦６の
標準文字マスクが収容されており、文字の画数が
１〜12画程度のものに対応する。ぼかし係数Ｃ＝
４、５の辞書には夫々、６＜Ｇ≦８、Ｇ＞８なる
複雑度の標準マスクが収容され、文字の画数が
夫々４〜15画程度のもの、６画程度以上のものに
対応する。 なお、標準文字マスクのカテゴリが同一のもの
でも変形の大きいものはサブカテゴリとして２つ
の辞書に重複して記憶されており、また、複雑度
ＧがＧ＝６、８なる境界領域にある標準文字マス
クも２つの辞書に重複して記憶してある。 識別部１２は入力文字パターンORGのぼかし
特徴マトリツクスFB（ｋ、ｉ、ｊ）とぼかし係数
Ｃとを受けてぼかし係数Ｃに対応した辞書、例え
ばＣ＝３対応の辞書を選択して入力文字パターン
と標準文字マスクとの距離Ｄ、 Ｄ＝√｛（、、）−（、、）｝
2 を計算し、最小の値となる標準マスクの文字コー
ドを文字名出力端子１３に出力する。 以上説明したように、この実施例においては、
入力文字パターンの複雑度に応じて、３、４、５
なる３形式でぼかし係数Ｃを決定しているので、
書き手による手書文字のストローク変動を吸収し
て複雑さに追従した特徴を抽出することができる
利点がある。 なお、複雑度自体も文字を区別し得る特徴要素
であり、上記実施例程度の辞書数を用意する場合
は、各辞書の標準マスクの記憶配列を複雑度の順
に配列して区分けしておくことにより、或いは複
雑度と標準文字マスクのカテゴリとの対応を示す
テーブルを用意しておくことにより、複雑度に応
じて１つの辞書とその内での区分もしくはカテゴ
リ名を指定することにより、１つの辞書の１部の
標準文字マスクと照合するのみで文字を認識する
こともできる。 なおまた、入力文字パターンの複雑度は、文字
線密度に対応する量の和のみでなく、各サブパタ
ーンHSP、VSP、LSP、RSPにおけるストロー
クの数を検出し、それらの和を取ることによつて
検出することもできる。 また、本発明は、文字枠分割決定部７において
用いる所定の分割形式NX×NYを固定として説
明しているが、この分割形式を複数備え入力文字
の種類画数等に応じて使いわけるようにすること
もできる。この場合、辞書も複数の分割形式に対
応して備えておくものである。 以上の説明から明らかなように、本発明では複
雑度に応じてぼかし処理の度合を変えているた
め、個人差に関する安定性を維持して高い認識率
が得られる利点がある。
マトリツクスとぼかし係数とを受けて、注目特徴
要素の荷重をＣ／（Ｃ＋２）とし、且つ隣接特徴
要素の荷重を１／（Ｃ＋２）として、各特徴要素
をそのストローク方向と直交する方向で隣接する
２つの隣接要素で加重平均することによつて注目
特徴要素をぼかし、特徴マトリツクスと同様に４
×７×７次元のぼかし特徴要素FB（ｋ、ｉ、ｊ）
（但し、ｋ＝ｈ、ｖ、ｒ、ｌ、ｉ、ｊ＝１〜７）
からなるぼかし特徴マトリツクスを作成する。 すなわち、各サブパターン毎に隣接要素の指定
を異ならせた次の式演算を実行することによつて
ぼかし特徴マトリツクスを作成する。 水平サブパターンについては FB（ｈ、ｉ、ｊ）＝Ｃ・Ｆ（ｈ、ｉ、ｊ）＋Ｆ（ｈ、ｉ
、ｊ−１）＋Ｆ（ｈ、ｉ、ｊ＋１）／Ｃ＋２ 垂直サブパターンについては FB（ｖ、ｉ、ｊ）＝Ｃ・Ｆ（ｖ、ｉ、ｊ）＋Ｆ（ｖ、ｉ
−１、ｊ）＋Ｆ（ｖ、ｉ＋１、ｊ）／Ｃ＋２ 右斜めサブパターンについては FB（ｒ、ｉ、ｊ）＝Ｃ・Ｆ（ｒ、ｉ、ｊ）＋Ｆ（ｒ、ｉ
−１、ｊ＋１）＋Ｆ（ｒ、ｉ＋１、ｊ−１）／Ｃ＋２ 左斜めサブパターンについては FB（ｌ、ｉ、ｊ）＝Ｃ・Ｆ（ｌ、ｉ、ｊ）＋Ｆ（ｌ、ｉ
−１、ｊ−１）＋Ｆ（ｌ、ｉ＋１、ｊ＋１）／Ｃ＋２ として求める。 なお、ｉ−１＝０、ｊ−１＝０となる特徴要素
については、夫々ｉ＝１、ｊ＝１なる特徴要素に
置き換え、且つｉ＋１＝８、ｊ＋１＝８となる特
徴要素については夫々ｉ＝７、ｊ＝７なる特徴要
素に置き換えてぼかし特徴要素を求める。 識別部１２には、標準文字マスクFS（ｋ、ｉ、
ｊ）が入力文字パターンにおけるぼかし特徴マト
リツクスと同様に、標準文字の各サブパターンに
関する各分割単位領域（ｉ、ｊ）の黒ビツト和を
文字線幅とサブパターンに対応した文字枠の大き
さとで正規化され、更に複雑度に応じたぼかし係
数に従つて加重平均化されたぼかし特徴で表現さ
れ、前記複数のぼかし係数に対応して複数の辞書
が用意されていて、入力文字パターンの特徴マト
リツクスと標準文字マスクとの類似度が測定さ
れ、最も類似する標準文字マスクの文字コードを
入力文字パターン名として認識する。ここでは、
ぼかし係数Ｃ＝３の辞書には複雑度ＧがＧ≦６の
標準文字マスクが収容されており、文字の画数が
１〜12画程度のものに対応する。ぼかし係数Ｃ＝
４、５の辞書には夫々、６＜Ｇ≦８、Ｇ＞８なる
複雑度の標準マスクが収容され、文字の画数が
夫々４〜15画程度のもの、６画程度以上のものに
対応する。 なお、標準文字マスクのカテゴリが同一のもの
でも変形の大きいものはサブカテゴリとして２つ
の辞書に重複して記憶されており、また、複雑度
ＧがＧ＝６、８なる境界領域にある標準文字マス
クも２つの辞書に重複して記憶してある。 識別部１２は入力文字パターンORGのぼかし
特徴マトリツクスFB（ｋ、ｉ、ｊ）とぼかし係数
Ｃとを受けてぼかし係数Ｃに対応した辞書、例え
ばＣ＝３対応の辞書を選択して入力文字パターン
と標準文字マスクとの距離Ｄ、 Ｄ＝√｛（、、）−（、、）｝
2 を計算し、最小の値となる標準マスクの文字コー
ドを文字名出力端子１３に出力する。 以上説明したように、この実施例においては、
入力文字パターンの複雑度に応じて、３、４、５
なる３形式でぼかし係数Ｃを決定しているので、
書き手による手書文字のストローク変動を吸収し
て複雑さに追従した特徴を抽出することができる
利点がある。 なお、複雑度自体も文字を区別し得る特徴要素
であり、上記実施例程度の辞書数を用意する場合
は、各辞書の標準マスクの記憶配列を複雑度の順
に配列して区分けしておくことにより、或いは複
雑度と標準文字マスクのカテゴリとの対応を示す
テーブルを用意しておくことにより、複雑度に応
じて１つの辞書とその内での区分もしくはカテゴ
リ名を指定することにより、１つの辞書の１部の
標準文字マスクと照合するのみで文字を認識する
こともできる。 なおまた、入力文字パターンの複雑度は、文字
線密度に対応する量の和のみでなく、各サブパタ
ーンHSP、VSP、LSP、RSPにおけるストロー
クの数を検出し、それらの和を取ることによつて
検出することもできる。 また、本発明は、文字枠分割決定部７において
用いる所定の分割形式NX×NYを固定として説
明しているが、この分割形式を複数備え入力文字
の種類画数等に応じて使いわけるようにすること
もできる。この場合、辞書も複数の分割形式に対
応して備えておくものである。 以上の説明から明らかなように、本発明では複
雑度に応じてぼかし処理の度合を変えているた
め、個人差に関する安定性を維持して高い認識率
が得られる利点がある。
第１図は本発明の一実施例を示すブロツク図、
第２図はサブパターンを示す図である。 １……光入力、２……光電変換部、３……パタ
ーンレジスタ、４……文字線幅計算部、５……文
字枠検出部、６……サブパターン抽出部、７……
文字枠分割決定部、８……特徴マトリツクス抽出
部、９……複雑度計算部、１０……ぼかし係数決
定部、１１……ぼかし処理部、１２……識別部、
１３……文字名出力端子。
第２図はサブパターンを示す図である。 １……光入力、２……光電変換部、３……パタ
ーンレジスタ、４……文字線幅計算部、５……文
字枠検出部、６……サブパターン抽出部、７……
文字枠分割決定部、８……特徴マトリツクス抽出
部、９……複雑度計算部、１０……ぼかし係数決
定部、１１……ぼかし処理部、１２……識別部、
１３……文字名出力端子。
Claims (1)
- 【特許請求の範囲】 １ 入力文字パターンの特定方向のストロークを
あらわすサブパターンにおける任意の分割単位領
域の黒ビツト数を、文字線幅とストローク方向に
対応した文字枠の大きさとで正規化して得られる
量を特徴要素として、ストローク方向の異なる複
数の各サブパターン毎に且つ文字枠を分割するこ
とによつて得られる前記各分割単位領域毎に入力
文字パターンから前記特徴要素を抽出して特徴マ
トリツクスを作成し、各特徴要素のストローク方
向と直交する方向で隣接する隣接特徴要素で前記
各特徴要素をぼかし係数に従つて加重平均するこ
とによつてぼかし特徴マトリツクスを作成し、標
準文字マスクが当該ぼかし特徴マトリツクスと同
形式で記述されている辞書を参照して入力文字パ
ターンの認識を行う文字認識方式において、 文字の複雑度とぼかし係数との相関を示すテー
ブルを用意しておき、且つぼかし係数の異なる複
数の前記辞書を用意しておき、各サブパターンの
黒ビツト和を文字線幅とストローク方向に対応し
た文字枠の大きさとで正規化した量の総和もしく
は各サブパターンのストローク数の総和を複雑度
として検出し、前記テーブルを参照して前記複雑
度に対応したぼかし係数に従つて前記ぼかし特徴
マトリツクスを作成し、前記複雑度に対応した前
記ぼかし係数の辞書のすべての標準文字マスクも
しくは一群の標準文字マスクを指定し、これらの
標準文字マスクと前記入力文字パターンのぼかし
特徴マトリツクスとの類似度を測定して入力文字
パターンを認識する文字認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57004927A JPS58123173A (ja) | 1982-01-18 | 1982-01-18 | 文字認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57004927A JPS58123173A (ja) | 1982-01-18 | 1982-01-18 | 文字認識方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58123173A JPS58123173A (ja) | 1983-07-22 |
| JPH0147834B2 true JPH0147834B2 (ja) | 1989-10-17 |
Family
ID=11597225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57004927A Granted JPS58123173A (ja) | 1982-01-18 | 1982-01-18 | 文字認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58123173A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2790507B2 (ja) * | 1989-12-14 | 1998-08-27 | 富士電機株式会社 | 文字認識方法 |
-
1982
- 1982-01-18 JP JP57004927A patent/JPS58123173A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS58123173A (ja) | 1983-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993166B (zh) | 基于刻度查找的指针式仪表读数自动识别方法 | |
| EP0543590A2 (en) | Method for comparing word shapes | |
| JPH0587871B2 (ja) | ||
| JPH08508128A (ja) | 分布マップを用いる画像の分類方法及び装置 | |
| Singh et al. | Cursive digit and character recognition in CEDAR database | |
| CN115187994A (zh) | 一种基于轻量化目标检测卷积神经网络的目标检测方法 | |
| CN118397520A (zh) | 一种工业巡检过程的目标物品识别处理方法 | |
| CN115760860B (zh) | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 | |
| JPH0412512B2 (ja) | ||
| JPH0412513B2 (ja) | ||
| JPH0412511B2 (ja) | ||
| JPH0147833B2 (ja) | ||
| JPH0147835B2 (ja) | ||
| JPH0147831B2 (ja) | ||
| JPH0147832B2 (ja) | ||
| JPH0147830B2 (ja) | ||
| JPH0147829B2 (ja) | ||
| JPS58123173A (ja) | 文字認識方式 | |
| JPH0346080A (ja) | 特徴抽出装置 | |
| CN116092088B (zh) | 一种仪表指针读数识别方法 | |
| JPH0656625B2 (ja) | 特徴抽出方式 | |
| JPH10187886A (ja) | 文字認識装置および文字認識方法 | |
| CN118314577A (zh) | 一种数字压力仪表示值及压力单位识别方法 | |
| JP2749947B2 (ja) | 文字認識方法 | |
| JP2749946B2 (ja) | 文字認識方法 |