JPH02299085A - 文字認識方法 - Google Patents

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。

Description

【発明の詳細な説明】 〈産業上の利用分野〉 この発明は、０ＣＲ（光学的文字読取装置）等における
文字認識方法に関する。

〈従来の技術〉 従来、ＯＣＲにおける文字認識方法として種々の方法が
堤案されている。それらの文字認識方法は大きく二つの
方法に分けることができる。一つの方法はパターン・マ
ツチング法である。このパターン・マツチング法には、
イメージスキャナから入力された２値画像に基づく認識
対象文字のメツシュ状に細分割された特徴パターンと、
同様にメッンユ状に細分割された標準の文字パターンと
を重ね合わせて、両パターン間の値の異なるメツシュ数
を数え、その数が最小である標準の文字パターンの文字
名（カテゴリ）を上記文字の認識結果とするメツシュ法
等がある。

いま一つの方法は構造解析法であり、イメージスキャナ
から入力された２値画像に基づいて文字構造を表す値を
求め、この求められた文字構造を表す値から認識文字を
決定する方法である。この構造解析法としてはストロー
ク法やゾンデ法等がある。

〈発明が解決しようとする課題〉 しかしながら、上記従来の文字認識方法は、いずれの方
法においても認識アルゴリズムがかなり複雑である。そ
のため、上述の文字認識方法を実施するための文字認識
装置は複雑になり、パーソナル型コンピュータ等を用い
た安価な装置では上述の文字認識方法を実施することが
できないという問題がある。

そこで、この発明の目的は、パーソナル型コンピュータ
等を用いた安価な装置であっても、正しく文字認識を実
施できる文字認識方法を提供することにある。

く課題を解決するための手段〉 上記目的を達成するため、この発明は、２値化された情
報で表される文字画像に基づいて得られた値で入力文字
あるいは標準文字の文字構造を表現し、この入力文字の
文字構造を表現する値を用いて、上記標準文字の文字構
造を表現する値に従つて入力文字を認識する文字認識方
法において、２値化された情報によって表される一つの
文字画像上における文字領域を表現する黒点（又は白点
）あるいは背景領域を表現する白点（又は黒点）から、
所定方向に対してその方向に応じた重みを与え、上記一
つの文字画像における上記文字領域を表現するある一つ
の黒点（又は白点）から所定方向におけろ白点（又は黒
点）までの距離が、上記文字画像上における文字パター
ンの線の太さの所定倍以上である場合は、その方向にお
ける上記重みの値を当該黒点（又は白点）におけるその
方向の符号とする一方、所定方向における白点（又は黒
点）までの距離が、上記文字画像上における文字パター
ンの線の太さの所定倍より短い場合は零を当該黒点（又
は白点）にお、けるその方向の符号とし、得られた各所
定方向の符号の値を全所定方向について合計した合計値
で当該黒点（又は白点）を符号化し、上記一つの文字画
像における背景領域を表すある一つの白点（又は黒点）
からの上記各所定方向のうち、黒点（又は白点）が存在
する所定方向に対してはその方向における上記重みの値
を当該白点（又は黒点）におけるその方向の符号とする
一方、黒点（又は白点）か存在しない所定方向に対して
は零を当該白点（又は黒点）におけるその方向の符号と
し、得られた各所定方向の符号の値を全所定方向につい
て合計した合計値で当該白点（又は黒点）を符号化し、
上記−プの文字画像を構成する全黒点および全白点を上
記符号化方法によって符号化し、得られた全黒点および
全白点の符号に基づいて所定の規則によって求められた
ベクトルによって、上記入力文字あるいは標準文字の文
字構造を表現することを特徴としている。

また、この発明の文字認識方法は、木構造を成し、この
木構造の分岐点に、いずれの方向に分岐すべきかを判断
するための上記文字構造を表現するベクトルの所定の要
素を配置した認識ツリーを用い、上述の文字認識方法に
よって得られた入力文字の認識結果が、予め定められた
誤識別し易い複数のカテゴリのいずれか一つに属する場
合に、上記認識ツリーの分岐点において上記ベクトルの
各要素を当て嵌めて、その当て嵌めた要素の値が各分岐
点毎に定められた所定値以上であればその分岐点で一方
方向に分岐する一方、上記所定値より小さければその分
岐点で他方に分岐して、最終的に至ったカテゴリを認識
結果とすることを特徴としている。

〈実施例〉 以下、この発明を図示の実施例により詳細に説明する。

この発明における文字認識方法は、イメージスキャナか
ら入力される２値化された文字画像（以下、文字パター
ンと言う）より、後に詳述するようにして文字パターン
の構造を表現するベクトル（以下、入力ベクトルと言う
）を求める。そして、求めた入力ベクトルと辞書ベクト
ルとの間の整合をとり、整合する辞書ベクトルの属する
カテゴリを認識文字とするものである。その際に、上記
入力ベクトルを求める場合に、文字パターンにおける文
字領域情報（黒点情報）だけではなく背景領域情報（白
点情報）をも用いて求めるようにする。そのため、入力
される文字の形が種々変形していても安定して入力ベク
トルを求めることができるのである。さらに、上述のよ
うにして実施される文字認識における認識率を高めるた
めに、後に詳述する認識ツリーを適用して、入力ベクト
ルの各要素の持つ情報を積極的に利用するのである。

（Ａ）　　文字パターンのコード化 第１図は文字パターン上の一点をコード化する際におけ
るコード化方向とその方向の重みの値とを示す。文字パ
ターンの文字領域を構成する黒点および背景領域を構成
する白点に対して、第１図に示すような方向と重みとの
関係を用いて、以下に述べる方法によってコード化する
。

黒点・・・ある任意の黒点から右上方向（方向１）にお
いて、白点までの距離が文字パターン上の文字の太さの
に倍（ｋは定数）以上あれば、方向ｌの重み“ｌ”を方
向ｌのコード値“１”として与える。ｋ倍以上無い場合
には方向ｌのコード値として“０”を与える。また、上
方向（方向２）において、白点までの距離が文字パター
ン上の文字の太さのに倍以上あれば、方向２の重み“２
“を方向２のコード値“２”として与える。ｋ倍以上無
い場合には方向２のコード値として“０”を与える。

以下同様にして、左上方向（方向３）、左方向（方向４
）、左下方向（方向５）、下方向（方向６）、右下方向
（方向７）、右方向（方向８）の各方向において、白点
子での距離が文字パターン上の文字の太さのに倍以上あ
れば、その方向の重み値をその方向のコード値として与
える。それ以外の場合にはその方向のコード値として“
Ｏ”を与えるのである。

そして、上述のようにして求めた全方向のコード値の和
をその黒点のコードとするのである。

白点・・・右上方向（方向りに黒点が在れば、方向１の
重み“ビを方向１のコード値“【“とじて与える。黒点
が無い場合には方向ｌのコード値として“０”を与える
。また、上方向（方向２）に黒点が在れば、方向２の重
み“２”を方向２のコード値“２“とじて与える。

それ以外の場合には方向２のコード値として“０”を与
える。以下同様にして、左上方向（方向３）、左方向（
方向４）、左下方向（方向５）、下方向（方向６）、右
下方向（方向７）。

右方向（方向８）の各方向に黒点が在れば、その方向の
重み値をその方向のコード値として与える。それ以外の
場合にはその方向のコード値として“０”を与える。そ
して、上述のようにして求めた全方向のコード値の和を
その白点のコードとするのである。

例えば、第２図（ｂ）に示す文字パターンにおける背景
領域の左端の白点Ａのコード化は次のように実施される
。すなわち、第２図（ａ）に示す例の場合には、方向１
．方向８および方向７に黒点（すなわち、文字“０”）
が存在する。そのため、方向ｌにおけるコードが“ビ、
方向８におけるコードが“１２８”、方向７におけるコ
ードが“６４”、他の方向におけるコードが′０”とな
る。したがって、白点Ａのコードは“１９３°と求めら
れるのである。

このようにして、文字パターン上における全黒点お上び
全白点のコードを求めろ。そうすると、上記文字パター
ンの構造は、 Ｗｎ−（ｎのコードを有する白点の数）／（文字領域に
おける白点の総数） Ｂｎ＝（ｎのコードを有する黒点の数）／（文字領域に
おける黒点の総数） となるＷｎ、Ｂｎを求めろことによって、Ｐ、＝（ＷＯ
，Ｗ＋、・、Ｗ２５５．ＢＯ，Ｂｌ、−、Ｂ２５５）な
るＷｎ、Ｂｎを要素とする５１２次元のベクトルで表す
ことができる。

上述のように、この文字パターンのコード化においては
、文字領域および背景領域を同一の簡単な方法によって
コード化するようにしているので、文字領域および背景
領域を同一ハードウェアを用いてコード化することがで
き、文字認識装置を安価に作成することかできるのであ
る。

（Ｂ）　　辞書ベクトルの作成 辞書ベクトル作成用の標準文字の文字パターン（以下、
学習パターンと言う）を１カテゴリ毎に複数個を用意し
、この学習パターンを上述（Ａ）の文字パターンのコー
ド化方法によってコード化を行う。そして、得られた学
習パターンのコードをカテゴリ毎に平均する。こうして
得られた各カテゴリ毎の５１２次元ベクトルを辞書ベク
トルと言う。

以下、ｉ番目のカテゴリの辞書ベクトルをＮｉと表現す
る。

（Ｃ）　　入力ベクトルの作成 入力された認識対象の文字パターンを上述（Ａ）の文字
パターンのコード化方法によってコード化を行う。以下
、こうして求められた入力文字データの５１２次元ベク
トルを入力ベクトルＰと言う。

（Ｄ）　　類似度の算出 上述（Ｃ）によって入力文字パターンから求めた入力ベ
クトルと、上述（Ｂ）によって学習パターンから求めた
辞書ベクトルとの類似度を以下の式によって算出する。

５ｉ＝（ＰとＮｉとの内債）／ （Ｐの絶対値とＮｉの絶対値の積） ここで、Ｓｉ：ｉ番目のカテゴリに対する類似度Ｐ：入
力ベクトル Ｎｉ：ｉ番目のカテゴリの辞書ベクトル上式によって各
カテゴリ番号ｌについて類似度Ｓｉを算出し、類似度Ｓ
ｉの値が最大になるときのカテゴリ番号ｉ＝　ｉｏを求
める。そして、この求められた１０番目のカテゴリを文
字認識の中間結果とするのである。

（Ｅ）　　認識ツリーの適用 認識率を向上させるために、上述のようにして求められ
た中間結果が誤識別し易い幾つかの特定のカテゴリのい
ずれかになった場合には、（Ｃ）において求められた入
力ベクトルＰの各要素Ｗｎ、Ｂｎの値を用いて、後に詳
述する認識ツリーによって数段階に場合分けを行って、
最後に至った１つのカテゴリを最終認識結果とするので
ある。

第３図は認識ツリーの一例を示す図である。この認識ツ
リーは、例えば認識カテゴリが“０”９“ビ。

２“、“３”、“４”、“５′ど６“、“７”ど８“、
“９”の数字である場合に用いる認識ツリーである。そ
のうち、第３図（ａ）は中間結果のカテゴリが“０”、
“６”。

“９”なる誤識別し易い複数のカテゴリの場合に、各カ
テゴリをより正確に識別するための認識ツリーである。

また、第３図（ｂ）は中間結果のカテゴリが“ビ、“７
”なる誤識別し易い複数のカテゴリの場合に、各カテゴ
リをより正確に識別するための認識ツリーである。上述
の認識ツリーにおける各分岐点の上側に記載されたＷｎ
、Ｂｎは、上述した識別対象文字の入力ベクトルＰにお
ける要素であり、この要素Ｗｎ、Ｂｎの値が対応する分
岐点の下側に記載された定ｒ／ｉＴｊの値以上の場合に
はその分岐点で右側に分岐し、定数Ｔｊの値より小さい
場合にはその分岐点で左側に分岐するのである。

その結果、第３図（ａ）の認識ツリーの場合には最終的
にカテゴリ“０”、′６“、“８“、９”のいずれかに
至り、その際に至ったカテゴリ“０”または“６”また
は“８”または“９”を認識結果とするのである。

同様に、第３図（ｂ）の認識ツリーの場合には最終的に
カテゴリ“ｌ”、“７″、“９”のいずれかに至り、そ
の際に至ったカテゴリ“ビまたは“７”または“９”を
認識結果とするのである。

オなわら、第３図（ａ）において、例えば入力ベクトル
Ｐの要素Ｗ　６２の値か定数Ｔ。以上であれば右側に分
岐する。次に、入力ベクトルＰの要素Ｗ１，８の値か定
数１５以上であれば右側に分岐してカテゴリ“６−に至
り、このカテゴリ“６”を入力文字の認識結果とする。

一方、要素Ｗ１，６の値が定数Ｔ５より小さければ左側
に分岐して要素Ｗ　ｘ　３１を調べる。以下同様にして
、各分岐点において、入力ベクトルＰの要素Ｗｎ、Ｂｎ
の値に基づいて分岐方向を決定しながらカテゴリに至る
まで進むのである。

なお、得られた中間結果が、上述のように認識ツリーを
用いて場合分けを行う特定のカテゴリ（すなわち、本実
施例の場合にはカテゴリ“θ′、“６″。

“９”および“じ、“７”のいずれかのカテゴリ）でな
い場合には、その得られた中間結果（すなわち、カテゴ
リ“２”または“３”または“４”または“５゛または
“８”）を最終認識結果とするのである。

第４図は上述の文字認識動作のフローチャートである。

以下、このフローチャートに従って、文字認識動作を詳
細に説明する。

ステップＳ１で、イメージスキャナによって、認識対象
文字の２値画像情報か読み込まれる。

ステップＳ２で、上記ステップＳｔにおいて読み込まれ
た２値画像情報に基づいて、文字列における行切り出し
が行われる。

ここで、上記行切出法としては種々の方法かあるが、例
えば次のような方法によって行う。すなわち、読み込ま
れた２値画像情報に基づいて、文字情報を表す黒情報の
数を水平方向にカウントしてヒストグラムを作成する。

そして、得られたヒストグラムを所定の閾値によって複
数のヒストグラムの山部に分割し、この分割された山部
の間を行間スペースとして行を切り出すのである。

ステップＳ３で、上記ステップＳ２において切り出され
た各行の２値画像情報に基づいて、各行における文字が
切り出される。

ここで、上記文字切出法としては種々の方法があるが、
例えば次のような方法によって行う。すなわち、上記ス
テップＳ２において切り出された文字列ｌライン分にお
けろ２値画像情報のうち白情報の文字列方向の長さく以
下、白情報長さと言う）の分布曲線を求める。そして、
この白情報長さ分布曲線における最大ピークを文字間ス
ペースを表すピークであるとし、最大ピークにおける白
情報長さより短い白情報長さを閾値とする。そして、ｌ
ライン文の２値画像情報に基づいて、上記閾値上りら長
い白情報長さを有する箇所を文字間スペースとして文字
を切り出すのである。

ステップＳ４で、上記ステップＳ３において切り出され
た文字毎に、各入力文字の２値画像情報に基づく文字パ
ターンのコード化が（Ａ）で述べた方法によって実行さ
れる。

ステップＳ５で、上記ステップＳ４におけるコード化の
結果、上記入力文字パターンは（Ａ）で述べた方法によ
って５１２次元のベクトルで表されて入力ベクトルＰか
得られる。

ステップＳ６で、上記ステップＳ５において得られた入
力ベクトルＰと、（Ｂ）で述べた方法によって作成され
た辞書ベクトルにおけるｉ番目のカテゴリの辞書ベクト
ルＮｉとの類似度Ｓｉが（Ｄ）で述べた方法によって算
出される。

ステップＳ７で、上記ステップＳ６において算出された
類似度Ｓｉのうちから最大値が検出される。

ステップＳ８で、上記ステップＳ７において検出された
類似度Ｓｉの最大値を与えるカテゴリ番号１−ｉｏが選
出され、辞書ベクトルにおける１０番目のカテゴリが中
間結果として決定される。

ステップＳ９で、上記ステップＳ８において中間結果と
して決定されたカテゴリが、認識ツリーを用いてより正
確に識別すべきカテゴリであるか否かが判別される。そ
の結果、認識ツリーを用いるべきカテゴリの場合にはス
テップＳＩＯに進み、そうでなければステップＳ１２に
進む。

ステップＳＩＯで、（Ｅ）で述べたようにして、入力ベ
クトルＰの各要素Ｗｎ、Ｂｎを用いて認識ツリーに従っ
て、より正確にカテゴリが識別される。

ステップＳｌｌで、入力ベクトルＰの各要素Ｗ　ｎ　。

Ｂｎに基づく認識ツリー探索の結果至ったカテゴリが最
終認識結果として決定されて、文字認識動作を終了する
。

ステップＳＩ２で、上記ステップＳ８において中間結果
として決定されたカテゴリが最終認識結果として確定さ
れて、文字認識動作を終了する。

このように、入力された文字パターンに基づく文字認識
において、スキャナからの文字パターンあるいは学習パ
ターンの文字構造を表現する際に、文字パターンあるい
は学習パターン上の文字領域を構成する黒点の場合には
、右上方向、上方向、左上方向、左方向、左下方向、下
方向、右下方向および右方向の各方向において、白点ま
での距離が文字パターン上の文字の太さのに倍以上あれ
ばその方向の重みの値をその方向のコード値とする一方
、ｋ倍より近ければその方向のコード値をＯ”とする。

そして、このようにして求めた全方向のコード値の和を
当該黒点のコードとする。また、文字パターンあるいは
学習パターン上の背景領域を構成する白点の場合には、
右上方向、上方向、左上方向、左方向、左下方向、下方
向、右下方向および右方向の各方向において、その方向
に黒点があればその方向の重みの値をその方向のコード
値とする一方、黒点が無ければその方向のコード値を“
０“とする。そして、このようにして求めた全方向のコ
ード値の和を当該白点のコードとする。

このようにして、文字パターンあるいは学昔パターン上
の全黒点および全白点のコードを求め、この全黒点のコ
ード値に基づいて上記Ｗｎを算出すると共に全白点のコ
ード値に基づいて上記Ｂｎを算出する。そして、この算
出したＷｎ、Ｂｎを要素とする上記Ｗｎ、Ｂｎの取り得
る相異なる値の総数の５１２次元のベクトルで文字パタ
ーンあるいは学習パターンの文字構造を表現するのであ
る。

すなわち、本実施例においては、文字領域を構成する黒
点および背景領域を構成する白点を同一の簡単な方法に
よってコード化し、このコード値に基づいて求められた
ベクトルによって入力文字の文字パターンあるいは学習
パターンの文字構造を表現するのである。したがって、
本実施例における入力文字パターンの文字構造を表現す
る５１２次元の入力ベクトルと、学習パターンの文字構
造を表現する５１２次元の辞書ベクトルとの類似度を算
出し、この算出した類似度に従って入力文字を認識する
ことによって、パーソナル型コンピュータ等を用いた安
価な装置であっても、正しく入力文字を認識することが
できる。

また、本実施例においては、上述のような入力ベクトル
と辞書ベクトルとに基づいて得られた認識結果のカテゴ
リが、予め定められた誤認識し易い複数のカテゴリのい
ずれかに該当する場合は、入力ベクトルの要素の値に基
づいて上記誤認識し易い複数のカテゴリの中から正しい
カテゴリを識別するための認識ツリーを用い、上記認識
ツリーの分岐点における分岐方向を入力ベクトルの要素
の値に基づいて決定して最終的に至ったカテゴリを認識
結果とするようにしている。

したがって、本実施例によれば、簡単な方法によって誤
認識し易い複数のカテゴリの中から正しいカテゴリを識
別することができ、さらに正しく入力文字を認識するこ
とかできる。

上記実施例においては、入力文字の文字パターンや学習
パターンは、黒点によって文字領域が構成されると共に
、白点によって背景領域が構成されている。しかしなが
ら、この発明はこれに限定されるものではなく、文字領
域が白点によって構成され、背景領域が黒点によって構
成されるものであっても何等差し支えない。但し、この
場合には、上記実施例における文字パターンのコード化
の黒点のコード化方法を文字領域を構成する白点に適応
し、白点のコード化方法を背景領域を構成する黒点に適
応する。

〈発明の効果〉 以トより明らかなように、この発明の文字認識方法にお
いて入力文字あるいは標準文字の文字構造を表現する際
には、文字領域を表現する黒点（又は白点）あるいは背
景領域を表現する白点（又は黒点）から、所定方向に対
してその方向に応じた重みを与え、一つの文字画像にお
ける文字領域を表現する一つの黒点（又は白点）あるい
は背景領域を表現する白点（又は黒点）からの所定方向
が、所定の条件を満たす場合にはその方向の上記重みの
値を当該黒点あるいは白点におけるその方向の符号とす
る一方、所定の条件を満たさない場合には零を当該黒点
あるいは白点におけろその方向の符号とし、得られた各
所定方向の符号の値を全所定方向について合計した合計
値で当該黒点あるいは白点を符号化し、上記一つの文字
画像を構成する全黒点および全白点の符号に基づいて所
定の規則に従って求められたベクトルによって、上記入
力文字あるいは標準文字の文字構造を表現するようにし
たので、文字領域を構成する黒点（又は白点）および背
景領域を構成する白点（又は黒点）を同一の簡単な方法
によってコート化することかできる。

したがって、この発明の文字認識方法によれば、パーソ
ナル型コンピュータ等を用いた安価な装置であっても、
正しく入力文字を認識することができる。

また、この発明の文字認識方法は、上述の文字認識方法
において得られた入力文字の認識結果が予め定めた誤識
別し易い複数のカテゴリのいずれか一つに属する場合に
は認識ツリーを用い、上記認識ツリーの分岐点における
分岐方向を上記入力文字の文字構造を表現するベクトル
の各要素の値に基づいて決定し、最終的に至ったカテゴ
リを認識結果とするようにしたので、簡単な方法によっ
て誤認識し易い複数のカテゴリの中から正しいカテゴリ
を識別することができ、さらに正しく入力文字を認識す
ることができる。

【図面の簡単な説明】

第１図はこの発明の文字認識方法における文字パターン
のコード化の際のコード化方向とその方向の重みの説明
図、第２図は背景領域を構成する白点のコード化の説明
図、第３図は認識ツリーの一例を示す図、第４図は文字
認識動作のフローチャートである。

Claims (2)

【特許請求の範囲】
1. （１）２値化された情報で表される文字画像に基づいて
   得られた値で入力文字あるいは標準文字の文字構造を表
   現し、この入力文字の文字構造を表現する値を用いて、
   上記標準文字の文字構造を表現する値に従って入力文字
   を認識する文字認識方法において、 ２値化された情報によって表される一つの文字画像上に
   おける文字領域を表現する黒点又は白点の一方、あるい
   は、背景領域を表現する白点又は黒点の他方から、所定
   方向に対してその方向に応じた重みを与え、 上記一つの文字画像における上記文字領域を表現するあ
   る一つの黒点又は白点の上記一方から所定方向における
   白点又は黒点の上記他方までの距離が、上記文字画像上
   における文字パターンの線の太さの所定倍以上である場
   合は、その方向の上記重みの値を当該黒点又は白点の上
   記一方におけるその方向の符号とする一方、所定方向に
   おける白点又は黒点の上記他方までの距離が、上記文字
   画像上における文字パターンの線の太さの所定倍より短
   い場合は零を当該黒点又は白点の上記一方におけるその
   方向の符号とし、得られた各所定方向の符号の値を全所
   定方向について合計した合計値で当該黒点又は白点の上
   記一方を符号化し、上記一つの文字画像における背景領
   域を表すある一つの白点又は黒点の上記他方からの上記
   各所定方向のうち、黒点又は白点の上記一方が存在する
   所定方向に対してはその方向の上記重みの値を当該白点
   又は黒点の上記他方におけるその方向の符号とする一方
   、黒点又は白点の上記一方が存在しない所定方向に対し
   ては零を当該白点又は黒点の上記他方におけるその方向
   の符号とし、得られた各所定方向の符号の値を全所定方
   向について合計した合計値で当該白点又は黒点の上記他
   方を符号化し、 上記一つの文字画像を構成する全黒点および全白点を上
   記符号化方法によって符号化し、得られた全黒点および
   全白点の符号に基づいて所定の規則によって求められた
   ベクトルによって、上記入力文字あるいは標準文字の文
   字構造を表現することを特徴とする文字認識方法。
2. （２）木構造を成し、この木構造の分岐点に、いずれの
   方向に分岐すべきかを判断するための上記文字構造を表
   現するベクトルの所定の要素を配置した認識ツリーを用
   い、 上記請求項１に記載の文字認識方法によって得られた入
   力文字の認識結果が、予め定められた誤識別し易い複数
   のカテゴリのいずれか一つに属する場合に、上記認識ツ
   リーの分岐点において上記ベクトルの各要素を当て嵌め
   て、その当て嵌めた要素の値が各分岐点毎に定められた
   所定値以上であればその分岐点で一方方向に分岐する一
   方、上記所定値より小さければその分岐点で他方に分岐
   して、最終的に至ったカテゴリを認識結果とすることを
   特徴とする文字認識方法。