JPH02242391A - 文字認識方式 - Google Patents
文字認識方式Info
- Publication number
- JPH02242391A JPH02242391A JP1062768A JP6276889A JPH02242391A JP H02242391 A JPH02242391 A JP H02242391A JP 1062768 A JP1062768 A JP 1062768A JP 6276889 A JP6276889 A JP 6276889A JP H02242391 A JPH02242391 A JP H02242391A
- Authority
- JP
- Japan
- Prior art keywords
- character
- feature
- dictionary
- density distribution
- contour
- 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】
〔産業上の利用分野〕
本発明は文字認識方式、特に読み取った文字イメージか
ら特徴量を抽出して辞書に予め格納されている辞書特徴
量と比較する方式の文字０識方式に関する。
ら特徴量を抽出して辞書に予め格納されている辞書特徴
量と比較する方式の文字０識方式に関する。
近年、コンピュータ、ワードプロセッサ、データベース
などの進歩に伴い、文書をコード化して用いることが多
くなってきた。従来、文書のコード化は、ワードプロセ
ッサを用いたキー人力が一般的である。しかしながら、
この方法は煩雑で多くの時間を要する。そこで、最近は
、文書のコード化を効率的に行なうため、文字認識が広
く研究されている。
などの進歩に伴い、文書をコード化して用いることが多
くなってきた。従来、文書のコード化は、ワードプロセ
ッサを用いたキー人力が一般的である。しかしながら、
この方法は煩雑で多くの時間を要する。そこで、最近は
、文書のコード化を効率的に行なうため、文字認識が広
く研究されている。
文字認識は、原稿をスキャナで走査して得られたイメー
ジデータを処理して文字イメージの特徴量を抽出し、こ
れを予め辞書に格納しである辞書特徴と比較して、差が
最も小さい辞書性′ｆｉ船を得、対応するコードを出力
し、磁気ディスク装置などに保存するものである。
ジデータを処理して文字イメージの特徴量を抽出し、こ
れを予め辞書に格納しである辞書特徴と比較して、差が
最も小さい辞書性′ｆｉ船を得、対応するコードを出力
し、磁気ディスク装置などに保存するものである。
第６図は、従来の文字認識装置の〜描成例を示すブロッ
ク図である。同図において、イメージスキャナ１で読み
取った原稿のイメージデータは、特徴量抽出部２に与え
られる。特徴歴抽出部２は特＠量抽出の前処理として、
通常、文字の切出し、正規化などを行なう。この前処理
で得た各文字の文字イメージから、特徴量抽出部２は文
字イメージの特ｆｆ１ｆｆｉ（すなわち、文字の特徴量
）を抽出する。この特徴量の抽出方法は、種々のものが
提案されている。中でも、文字の輪郭に注目したものは
、漢字などの輪郭の多いものについて良い結果をもたら
す。文字の輪郭特徴量の抽出方法にも種々のものが知ら
れている。例えば、文字イメージの始点から輪郭を追跡
し、方向コードを付与していく。従って、ある文字の輪
郭特徴量は、方向コード列として得られる。
ク図である。同図において、イメージスキャナ１で読み
取った原稿のイメージデータは、特徴量抽出部２に与え
られる。特徴歴抽出部２は特＠量抽出の前処理として、
通常、文字の切出し、正規化などを行なう。この前処理
で得た各文字の文字イメージから、特徴量抽出部２は文
字イメージの特ｆｆ１ｆｆｉ（すなわち、文字の特徴量
）を抽出する。この特徴量の抽出方法は、種々のものが
提案されている。中でも、文字の輪郭に注目したものは
、漢字などの輪郭の多いものについて良い結果をもたら
す。文字の輪郭特徴量の抽出方法にも種々のものが知ら
れている。例えば、文字イメージの始点から輪郭を追跡
し、方向コードを付与していく。従って、ある文字の輪
郭特徴量は、方向コード列として得られる。
このように得られた特徴量は検索部３に与えられる。検
索部３は、この特ｍｕを予め辞書に格納しである辞書特
徴量と比較する。例えば、特徴量として輪郭特徴量を用
いる場合であれば、辞書特徴量も輪郭特徴醋で表わされ
る。検索部３は比較の結果、両者の差（距離）が最も近
いものを認識結果としてコード変換部５に送る。コード
変換部５はその認識結果に対応する文字コードを選び、
磁気ディスク装置、デイスプレィ、プリンタなどの出力
装Ｍ６に送る。
索部３は、この特ｍｕを予め辞書に格納しである辞書特
徴量と比較する。例えば、特徴量として輪郭特徴量を用
いる場合であれば、辞書特徴量も輪郭特徴醋で表わされ
る。検索部３は比較の結果、両者の差（距離）が最も近
いものを認識結果としてコード変換部５に送る。コード
変換部５はその認識結果に対応する文字コードを選び、
磁気ディスク装置、デイスプレィ、プリンタなどの出力
装Ｍ６に送る。
しかしながら、このような従来の文字ｑ識方式は以下の
問題点を有する。前述した輸郭特ｍａ抽出により文字認
識は輪郭の多いものには好適であるが、輪郭の少ないも
の、例えば“、２、。；：″などや、相似形の文字があ
るもの、例えば“ゆパと“ゆ”では輪郭の区別がつきに
くく、認識率が低くなってしまう。
問題点を有する。前述した輸郭特ｍａ抽出により文字認
識は輪郭の多いものには好適であるが、輪郭の少ないも
の、例えば“、２、。；：″などや、相似形の文字があ
るもの、例えば“ゆパと“ゆ”では輪郭の区別がつきに
くく、認識率が低くなってしまう。
従って、本発明はこのような従来技術の問題点を解決し
、特徴の少ない文字や相似形の文字を精度良く認識でき
る文字認識方式を提供することを目的とする。
、特徴の少ない文字や相似形の文字を精度良く認識でき
る文字認識方式を提供することを目的とする。
第１図は本発明の原理ブロック図である。
第１の特ｙｉ口抽出手段１１は認識すべき文字の文字イ
メージの濃度分布特徴口を抽出する。
メージの濃度分布特徴口を抽出する。
第２の特ｍｅ抽出手段１２は、認識すべき文字の輪郭特
徴量を抽出する。
徴量を抽出する。
辞書１３は文字イメージの濃度分布特徴量および輪郭特
徴量を文字の辞書特徴量として格納する。
徴量を文字の辞書特徴量として格納する。
２！識手段１４は、第１および第２の特ｙｉ吊抽出手段
１１．１２で抽出された文字イメージの濃度分布特徴量
および輪郭時ｔ！量を辞書内の対応する特ｍｍと比較し
て文字を確認する。
１１．１２で抽出された文字イメージの濃度分布特徴量
および輪郭時ｔ！量を辞書内の対応する特ｍｍと比較し
て文字を確認する。
本発明では特徴量を輪郭だけでなく濃度分布からも抽出
するため、ピリオド゛、″やコンマパなどの違いをはっ
きり区別することができる。また、濃度が文字の大きさ
をはっきり示すので、小さい“ゆ″と大きい′ゆ′の区
別もできる。この結果、特に輪郭情報の少ない文字や記
号、および大小の違いがあるひらがなやかたかなの認識
率が向上する。
するため、ピリオド゛、″やコンマパなどの違いをはっ
きり区別することができる。また、濃度が文字の大きさ
をはっきり示すので、小さい“ゆ″と大きい′ゆ′の区
別もできる。この結果、特に輪郭情報の少ない文字や記
号、および大小の違いがあるひらがなやかたかなの認識
率が向上する。
以下、本発明の一実施例を図面を参照して詳細に説明す
る。
る。
第２図は、本発明の一実施例のブロック図である。同図
において、イメージスキャナ２１は原稿を光学的にラス
クスキャンして原稿のイメージデータを電気信号形式で
出力する。文字切り出し部２２は、原稿のイメージデー
タから文字を切り出す。文字の切り出し方法は種々のも
のが知られているが、本実施例では任意のものを用いる
ことができる。例えば、原稿のイメージデータの水平方
向（主走査方向）および垂直方向（副走査方向）の射影
をとることで、文字を切り出す。切り出された文字のイ
メージデータは、濃度分布特ａｍ抽出部２３および輪郭
特徴量抽出部２４に送られる。
において、イメージスキャナ２１は原稿を光学的にラス
クスキャンして原稿のイメージデータを電気信号形式で
出力する。文字切り出し部２２は、原稿のイメージデー
タから文字を切り出す。文字の切り出し方法は種々のも
のが知られているが、本実施例では任意のものを用いる
ことができる。例えば、原稿のイメージデータの水平方
向（主走査方向）および垂直方向（副走査方向）の射影
をとることで、文字を切り出す。切り出された文字のイ
メージデータは、濃度分布特ａｍ抽出部２３および輪郭
特徴量抽出部２４に送られる。
濃度分布特徴量抽出部２３は、文字のイメージのｍ成分
布に基づく特徴量、すなわち濃度分布特徴はを抽出する
。このため、濃度分布特徴量抽出部２３は、切り出され
た文字イメージ（矩形パターン）を縦横に等分して小領
域に分割する。
布に基づく特徴量、すなわち濃度分布特徴はを抽出する
。このため、濃度分布特徴量抽出部２３は、切り出され
た文字イメージ（矩形パターン）を縦横に等分して小領
域に分割する。
この様子を第３図に示す。図示する例は、文字イメージ
を縦横に８等分した場合である６′ａ度分布特微量抽出
部２３は縦横８等分した６４の小領域のそれぞれについ
て、濃度分布を求める。濃度分布特徴ωは、小領域中の
黒点の数を小領域の横り向の長さで割ったものを用いる
。第３図の左下の小領域に着目すると、この内の焦点の
数は４５で、横り尚の長さは８（ドツトの数）なので、
濃度分布特徴量は約５である。ここで、黒点の数を小領
域の横方向の長さで割っているのは、以下に説明する輪
郭時ｍｕとのバランスを図るためである。
を縦横に８等分した場合である６′ａ度分布特微量抽出
部２３は縦横８等分した６４の小領域のそれぞれについ
て、濃度分布を求める。濃度分布特徴ωは、小領域中の
黒点の数を小領域の横り向の長さで割ったものを用いる
。第３図の左下の小領域に着目すると、この内の焦点の
数は４５で、横り尚の長さは８（ドツトの数）なので、
濃度分布特徴量は約５である。ここで、黒点の数を小領
域の横方向の長さで割っているのは、以下に説明する輪
郭時ｍｕとのバランスを図るためである。
輪郭特徴量抽出部２４は、各小領域のそれぞれについて
、輪郭時ｙｉ邑を抽出する。輪郭特徴量は文字輪郭上の
輪郭点の接続状態に基づいて、それぞれの輪郭点に左右
（０）、右下がり（１）、上方（２）、右上がり（３）
の値（方向コード）を与え、小領域中の方向コードの個
数を輪郭時ｎ１ｌ（Ａｎ、Ｂｎ、Ｃｎ、Ｄｎ）とする。
、輪郭時ｙｉ邑を抽出する。輪郭特徴量は文字輪郭上の
輪郭点の接続状態に基づいて、それぞれの輪郭点に左右
（０）、右下がり（１）、上方（２）、右上がり（３）
の値（方向コード）を与え、小領域中の方向コードの個
数を輪郭時ｎ１ｌ（Ａｎ、Ｂｎ、Ｃｎ、Ｄｎ）とする。
この様子を第４図に示す。左下の小領域に着目すると、
方向コードは矢印のとおり示される。従って、この小領
域の輪郭特徴量（Ａｎ、ａｎ。
方向コードは矢印のとおり示される。従って、この小領
域の輪郭特徴量（Ａｎ、ａｎ。
Ｃｎ、Ｄｎ）＝（１１，３，２，４）である。
以上のようにして、各文字ごとに濃度分布特徴量と輪郭
時ｍｕを得、認識部として８１能する検索部２６に送ら
れる。検索部２６は濃度分布特徴量と輪郭特徴Ｊを、予
め辞＠２５に格納しである辞書の濃度分布特徴量と輪郭
特徴量とを比較する。
時ｍｕを得、認識部として８１能する検索部２６に送ら
れる。検索部２６は濃度分布特徴量と輪郭特徴Ｊを、予
め辞＠２５に格納しである辞書の濃度分布特徴量と輪郭
特徴量とを比較する。
第５図（Ａ＞は第３図および第４図の例において、方向
コードごとに得た特徴量を示す。また、第５図（Ｂ）は
同じく第４図の例において得た濃度分布の特徴量を示す
。辞書２５は、予め辞書用の参照サンプルを用い、先に
説明した特ｙ１最抽出方法と同じ方法で抽出した濃度分
布特徴量と輪郭特徴量を登録している。そして、検索部
２６は輪郭特徴Ｒと濃度分布特徴量を合わせた８Ｘ８Ｘ
４＋３Ｘ８−３２０次元ベクトルのシティ・ブロック距
離を用いて特徴量の差（距離）を削算し、差の最も小さ
い辞書の特Ｙ！ｉｍを取り出し、コード変換部２７に出
力する。
コードごとに得た特徴量を示す。また、第５図（Ｂ）は
同じく第４図の例において得た濃度分布の特徴量を示す
。辞書２５は、予め辞書用の参照サンプルを用い、先に
説明した特ｙ１最抽出方法と同じ方法で抽出した濃度分
布特徴量と輪郭特徴量を登録している。そして、検索部
２６は輪郭特徴Ｒと濃度分布特徴量を合わせた８Ｘ８Ｘ
４＋３Ｘ８−３２０次元ベクトルのシティ・ブロック距
離を用いて特徴量の差（距離）を削算し、差の最も小さ
い辞書の特Ｙ！ｉｍを取り出し、コード変換部２７に出
力する。
コード変換部２７は各辞書特徴用に対応する文字コード
を有し、検索部２６で特定された辞書特徴量に対応する
文字コードに出力する。
を有し、検索部２６で特定された辞書特徴量に対応する
文字コードに出力する。
出力装置２８は磁気ディスク装置などで構成され、コー
ド変換部２７から出力された文字コードを記憶又は出力
する。
ド変換部２７から出力された文字コードを記憶又は出力
する。
以上のように構成した文字認識装置を用いて約４５０文
字の文書を認識させたところ、句読点の認識率は輪郭特
徴量のみを用いた場合にくらべ、１３文字／２１文字か
ら１９文字／２１文字に向上したことを確認した。
字の文書を認識させたところ、句読点の認識率は輪郭特
徴量のみを用いた場合にくらべ、１３文字／２１文字か
ら１９文字／２１文字に向上したことを確認した。
以上、本発明の一実施例を説明した。上記の実施例では
各文字イメージを縦横８等分して１１度分布と文字の輪
郭上の方向成分を利用しているが、８等分でなくとも良
い。
各文字イメージを縦横８等分して１１度分布と文字の輪
郭上の方向成分を利用しているが、８等分でなくとも良
い。
また、方向コードは４方向に限定されず、８方向を示す
方向コードを用いてもよい。
方向コードを用いてもよい。
さらに、上記実施例では濃度分布特徴量と輪郭特徴量と
を同一の割合で用いているが、重み付けしても良い。例
えば、輪郭特徴量の重み付けを大（例えば１〜１．５倍
）として、認識結果に与える輪郭特徴量の占る割合を太
き（する。これは、般に輪郭特徴量と濃度分布時＠帛を
それぞれ単独で用いた場合には、輪郭特徴量の方が高い
認識率を与えるためである。
を同一の割合で用いているが、重み付けしても良い。例
えば、輪郭特徴量の重み付けを大（例えば１〜１．５倍
）として、認識結果に与える輪郭特徴量の占る割合を太
き（する。これは、般に輪郭特徴量と濃度分布時＠帛を
それぞれ単独で用いた場合には、輪郭特徴量の方が高い
認識率を与えるためである。
さらに、認識率を向上させるため、正規化などの公知の
イメージ補正処理や特徴口補正処叩を用いても良い。
イメージ補正処理や特徴口補正処叩を用いても良い。
さらに、距離の計算方法はシティブロックに限定されず
、マハラノヒース距離などを用いても良い。
、マハラノヒース距離などを用いても良い。
さらに、辞書特徴量は各文字ごとに複数（例えば明朝体
およびゴシック体用）あってもよい。
およびゴシック体用）あってもよい。
以上説明したように、本発明によれば、特徴量として濃
度分布と輪郭の両方を併用しているため、カンマやピリ
オド、ならびに相似形の文字に対する認識率が向上する
。
度分布と輪郭の両方を併用しているため、カンマやピリ
オド、ならびに相似形の文字に対する認識率が向上する
。
第１図は本発明の原理説用図、
第２図は本発明の一実施例のブロック図、第３図は濃度
分布特徴回の抽出を説明するための図、 第４図は輪郭特徴量の抽出を説明するための図、第５図
（Ａ）、第５図（８）はそれぞれ輪郭時ｍｕおよび濃度
分布特徴量の一例を示す図、および 第６図は従来の文字認識装置の一構成例のブロック図で
ある。 図において、 １は第１の特徴■抽出手段、 ２は第２の特徴量抽出手段、 ３は辞書、 ４は認識手段、 １はイメージスキャナ、 ２２は文字切り出し部、 ２３は濃度分布特徴千抽出部、 ２４は輪郭特徴量抽出部、 ２５は辞書、 ２６はコード変換部、 ２７は出力装置である。 特許出願人 富 士 通 株式会社 ゛叉ｊ′ 濃度分布特徴量の抽出を 説明するための図 第３図 輪郭特徴量の抽出を 説明するだめの図 第４図 従来の文字認識装置の一構成例のブロック図第６図
分布特徴回の抽出を説明するための図、 第４図は輪郭特徴量の抽出を説明するための図、第５図
（Ａ）、第５図（８）はそれぞれ輪郭時ｍｕおよび濃度
分布特徴量の一例を示す図、および 第６図は従来の文字認識装置の一構成例のブロック図で
ある。 図において、 １は第１の特徴■抽出手段、 ２は第２の特徴量抽出手段、 ３は辞書、 ４は認識手段、 １はイメージスキャナ、 ２２は文字切り出し部、 ２３は濃度分布特徴千抽出部、 ２４は輪郭特徴量抽出部、 ２５は辞書、 ２６はコード変換部、 ２７は出力装置である。 特許出願人 富 士 通 株式会社 ゛叉ｊ′ 濃度分布特徴量の抽出を 説明するための図 第３図 輪郭特徴量の抽出を 説明するだめの図 第４図 従来の文字認識装置の一構成例のブロック図第６図
Claims (1)
- 【特許請求の範囲】 文字イメージの濃度分布特徴量および輪郭特徴量を文字
の辞書特徴量として格納する辞書（１３）と、 認識すべき文字の文字イメージの濃度分布特徴量を抽出
する第１の特徴量抽出手段（１１）と、認識すべき文字
の文字イメージの輪郭特徴量を抽出する第２の特徴量抽
出手段（１２）と、第１および第２の特徴量抽出手段（
１１、１２）で抽出された文字イメージの濃度分布特徴
量および輪郭特徴量を辞書内の対応する特徴量と比較し
て認識結果に対応する文字コードとして出力する辞書検
索手段（１４）と、 を具備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 |
|---|---|---|---|
| JP1062768A JPH02242391A (ja) | 1989-03-15 | 1989-03-15 | 文字認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1062768A JPH02242391A (ja) | 1989-03-15 | 1989-03-15 | 文字認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02242391A true JPH02242391A (ja) | 1990-09-26 |
Family
ID=13209896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1062768A Pending JPH02242391A (ja) | 1989-03-15 | 1989-03-15 | 文字認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02242391A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009026289A (ja) * | 2007-07-23 | 2009-02-05 | Sharp Corp | 字形特徴辞書作成装置、これを備えた画像文書処理装置、字形特徴辞書作成プログラム、字形特徴辞書作成プログラムを記録した記録媒体、画像文書処理プログラムおよび画像文書処理プログラムを記録した記録媒体 |
-
1989
- 1989-03-15 JP JP1062768A patent/JPH02242391A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009026289A (ja) * | 2007-07-23 | 2009-02-05 | Sharp Corp | 字形特徴辞書作成装置、これを備えた画像文書処理装置、字形特徴辞書作成プログラム、字形特徴辞書作成プログラムを記録した記録媒体、画像文書処理プログラムおよび画像文書処理プログラムを記録した記録媒体 |
| US8160402B2 (en) | 2007-07-23 | 2012-04-17 | Sharp Kabushiki Kaisha | Document image processing apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4757551A (en) | Character recognition method and system capable of recognizing slant characters | |
| JP3259993B2 (ja) | 語形測定方法及び画像信号処理方法 | |
| EP0381773B1 (en) | Character recognition apparatus | |
| JPH05242292A (ja) | 分離方法 | |
| JPH01253077A (ja) | 文字列検出方法 | |
| EP0482187A1 (en) | Row-by-row segmentation and thresholding for optical character recognition (system and method) | |
| US5625710A (en) | Character recognition apparatus using modification of a characteristic quantity | |
| JP2788506B2 (ja) | 文字認識装置 | |
| JP2917427B2 (ja) | 図面読取装置 | |
| JP2832928B2 (ja) | 文字認識方法 | |
| Mosannafat et al. | Farsi text detection and localization in videos and images | |
| JP3083609B2 (ja) | 情報処理装置及びそれを用いた文字認識装置 | |
| JP3710164B2 (ja) | 画像処理装置及び方法 | |
| JP2974167B2 (ja) | 文字の大分類認識方法 | |
| JP2797523B2 (ja) | 図面続取装置 | |
| JP2918363B2 (ja) | 文字分類方法及び文字認識装置 | |
| JP2930996B2 (ja) | 画像認識方法および画像認識装置 | |
| JP2972443B2 (ja) | 文字認識装置 | |
| JPS6334682A (ja) | 文字認識装置 | |
| JP3277977B2 (ja) | 文字認識方法 | |
| JP3127413B2 (ja) | 文字認識装置 | |
| JPS6327991A (ja) | 入力情報認識装置用ヒストグラム作成方法 | |
| JPS6089290A (ja) | パタ−ン認識方法 | |
| JPH0351982A (ja) | 文字列認識方式 | |
| JPH01258084A (ja) | 文字特徴抽出方式 |