JPH0268684A - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPH0268684A JPH0268684A JP63220863A JP22086388A JPH0268684A JP H0268684 A JPH0268684 A JP H0268684A JP 63220863 A JP63220863 A JP 63220863A JP 22086388 A JP22086388 A JP 22086388A JP H0268684 A JPH0268684 A JP H0268684A
- Authority
- JP
- Japan
- Prior art keywords
- distance
- identification
- vector
- feature
- standard pattern
- 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〕
本発明は文字認識装置に関し、特に帳票上の歪みのある
手書き文字の類似文字識別を行う文字認識装置に関する
。
手書き文字の類似文字識別を行う文字認識装置に関する
。
従来、−ｉの文字認識装置では、入力文字パターンは特
徴が抽出され、入カバターンベクトルＦ−（ｆ！、・・
・・・・、ｆ＋、・・・・・・、ｆ、）に変換される。
徴が抽出され、入カバターンベクトルＦ−（ｆ！、・・
・・・・、ｆ＋、・・・・・・、ｆ、）に変換される。
辞書メモリにあらかじめ登録されているカテゴリーＣｋ
の標準パターンベクトルを５ｋ（ｓ、＋に＋、 ・、
・、、、、 ｓＩ′ｋｌ、 、、・、、、、 ５
ｎ（ｋ＋ ）としたとき、入カバターンベクトルと標
準パターンベクトル間の距離Ｄ （Ｆ、Ｓｋ）の計算を
行い、距離の最も小さなカテゴリーＣｋＯに入力文字の
属するカテゴリーを決定する。すなわち、Ｄ（ＦＳｈｏ
） ＝Ｍ ｉ ｎ ［Ｄ （Ｆ 、 Ｓｋ） ］ならば
、入力に パターンベクトルＦはカテゴリーＣｋｏに属すると判定
する。
の標準パターンベクトルを５ｋ（ｓ、＋に＋、 ・、
・、、、、 ｓＩ′ｋｌ、 、、・、、、、 ５
ｎ（ｋ＋ ）としたとき、入カバターンベクトルと標
準パターンベクトル間の距離Ｄ （Ｆ、Ｓｋ）の計算を
行い、距離の最も小さなカテゴリーＣｋＯに入力文字の
属するカテゴリーを決定する。すなわち、Ｄ（ＦＳｈｏ
） ＝Ｍ ｉ ｎ ［Ｄ （Ｆ 、 Ｓｋ） ］ならば
、入力に パターンベクトルＦはカテゴリーＣｋｏに属すると判定
する。
−Ｂに、手書き文字には非線形な歪みが存在するため、
従来、手書きの歪みを吸収するためにダイナミックプロ
グラミングを用い、入力パターンベクトルと標準パター
ンベクトルとの距離計算を柔軟に行う方法がある。距離
は次式（１）〜（３）により計算される。
従来、手書きの歪みを吸収するためにダイナミックプロ
グラミングを用い、入力パターンベクトルと標準パター
ンベクトルとの距離計算を柔軟に行う方法がある。距離
は次式（１）〜（３）により計算される。
Ｇ（ｆ、、ｓ、’旧） ＝ｄ （ｆ Ｉ、 ｓ Ｊ′
に’）＋Ｍ ｉ ｎ ［Ｇ （ｆ ＋−４、５Ｊ−１１
１”’］ −（１）Ｄ （Ｆ、 Ｓｋ） ＝Ｇ （ｆ
、 、 Ｓｎ’ｋｌ） 、、−・−（２）Ｇ （ｆｏ
、 ｓ、′に’） ＝Ｏ・・・・・・・・・・・・・
・・・・・・・・（３）ここで、ｉは入カバターンベク
トルの特徴点番号、ｊは標準パターンベクトルの特徴点
番号を示し、１≦ｉ≦ｎ、１≦ｊ≦ｎ（ｉ、ｊは整数）
である。又、Ｇは利得と呼ばれる。
に’）＋Ｍ ｉ ｎ ［Ｇ （ｆ ＋−４、５Ｊ−１１
１”’］ −（１）Ｄ （Ｆ、 Ｓｋ） ＝Ｇ （ｆ
、 、 Ｓｎ’ｋｌ） 、、−・−（２）Ｇ （ｆｏ
、 ｓ、′に’） ＝Ｏ・・・・・・・・・・・・・
・・・・・・・・（３）ここで、ｉは入カバターンベク
トルの特徴点番号、ｊは標準パターンベクトルの特徴点
番号を示し、１≦ｉ≦ｎ、１≦ｊ≦ｎ（ｉ、ｊは整数）
である。又、Ｇは利得と呼ばれる。
上述した従来の文字認識装置は、入カバターンベクトル
と標準パターンベクトルとの間の距離がなるべく小さく
なるように計算されるため、入カバターンベクトルを異
カテゴリーの標準パターンベクトルに重ね過ぎなり、又
、類似するカテゴリーを識別するために有効な特徴と有
効でない特徴も等価に扱うため、識別に有効な特徴群で
発生する距離差を識別に有効でない特徴群で発生する距
離差で打ち消してしまい、入カバターンの属するカテゴ
リーを誤って判定し、歪みのある類似文字を識別するこ
とができないという問題点がある。
と標準パターンベクトルとの間の距離がなるべく小さく
なるように計算されるため、入カバターンベクトルを異
カテゴリーの標準パターンベクトルに重ね過ぎなり、又
、類似するカテゴリーを識別するために有効な特徴と有
効でない特徴も等価に扱うため、識別に有効な特徴群で
発生する距離差を識別に有効でない特徴群で発生する距
離差で打ち消してしまい、入カバターンの属するカテゴ
リーを誤って判定し、歪みのある類似文字を識別するこ
とができないという問題点がある。
本発明の目的は、歪みのある類似文字を識別することが
できる文字認識装置を提供することにある。
できる文字認識装置を提供することにある。
本発明の文字認識装置は、文字の認識を行う文字認識装
置において、入力ベクトルと標準パターンベクトルとの
間の距離計算回路が、（Ａ）文字の特徴点ごとに識別に
重み付けを行う識別係数を格納する識別係数メモリ、 （Ｂ）前記識別係数メモリから識別係数を読出し、前記
入力ベクトルと標準パターンベクトルとの間の距離と前
記識別係数との乗算を行い出力する識別係数乗算回路、 を備えて構成されている。
置において、入力ベクトルと標準パターンベクトルとの
間の距離計算回路が、（Ａ）文字の特徴点ごとに識別に
重み付けを行う識別係数を格納する識別係数メモリ、 （Ｂ）前記識別係数メモリから識別係数を読出し、前記
入力ベクトルと標準パターンベクトルとの間の距離と前
記識別係数との乗算を行い出力する識別係数乗算回路、 を備えて構成されている。
次に、本発明の実施例について図面を参照して説明する
。
。
第１図は本発明の一実施例のブロック図である。
第１図に示す文字認識装置は、帳票上の文字イメージを
走査してＡ−Ｄ変換した後２値化処理を行うスキャナ部
１、スキャナ部１から出力された２値データに対し個々
の文字に切出す処理及びノイズ除去処理などを行う前処
理部２、前処理部２から出力された信号から文字パター
ンの特徴を抽出する特徴抽出部３、標準パターンが格納
されている辞書メモリ５、入力された文字の特徴ベクト
ル４と標準パターンの特徴ベクトル６との差を演算する
加算器７ａ、加算器７ａの出力の２乗を演算する乗算器
８、識別係数を格納している識別係数メモリ９、乗算器
８の出力と識別係数メモリ９から出力された識別係数と
の積を演算する識別係数乗算回路１０、入力された文字
の特徴点が標準パターンに対応する利得の値が格納され
ているレジスタ１１〜１３、レジスタ１１〜１３に格納
されている利得から最小値を選択する最小値選択回路１
４、識別係数乗算回路１０と最小値選択回路１４との出
力を加算する加算器７ｂ、加算器７ｂの出力から入力さ
れた文字の判定を行う判定部１５から構成されている。
走査してＡ−Ｄ変換した後２値化処理を行うスキャナ部
１、スキャナ部１から出力された２値データに対し個々
の文字に切出す処理及びノイズ除去処理などを行う前処
理部２、前処理部２から出力された信号から文字パター
ンの特徴を抽出する特徴抽出部３、標準パターンが格納
されている辞書メモリ５、入力された文字の特徴ベクト
ル４と標準パターンの特徴ベクトル６との差を演算する
加算器７ａ、加算器７ａの出力の２乗を演算する乗算器
８、識別係数を格納している識別係数メモリ９、乗算器
８の出力と識別係数メモリ９から出力された識別係数と
の積を演算する識別係数乗算回路１０、入力された文字
の特徴点が標準パターンに対応する利得の値が格納され
ているレジスタ１１〜１３、レジスタ１１〜１３に格納
されている利得から最小値を選択する最小値選択回路１
４、識別係数乗算回路１０と最小値選択回路１４との出
力を加算する加算器７ｂ、加算器７ｂの出力から入力さ
れた文字の判定を行う判定部１５から構成されている。
次に、動作を説明する。
スキャナ部１において帳票上の文字イメージを入力し、
Ａ−Ｄ変換を行った後２値化処理を行う、前処理部２は
スキャナ部１より得られた２値データに対して個々の文
字に切出す処理、ノイズ処理などを行う。
Ａ−Ｄ変換を行った後２値化処理を行う、前処理部２は
スキャナ部１より得られた２値データに対して個々の文
字に切出す処理、ノイズ処理などを行う。
特徴抽出部３において文字パターンは特徴が抽出される
。入カバターンの特徴が抽出された例が第２図（ａ）で
あり、文字の輪郭部がトレースされ輪郭線を等間隔にサ
ンプルし、サンプルされた特徴点ｉの特徴ベクトル４を
ｆ＋（ｉ＝１．・・・・・・ｎであり、第２図ではｎ＝
８）とする。辞書メモリ５には標準パターンが格納され
ており、カテゴリーＣｈの第ｊ番目の特徴ベクトル６を
Ｓ、ｆｋ）とする。
。入カバターンの特徴が抽出された例が第２図（ａ）で
あり、文字の輪郭部がトレースされ輪郭線を等間隔にサ
ンプルし、サンプルされた特徴点ｉの特徴ベクトル４を
ｆ＋（ｉ＝１．・・・・・・ｎであり、第２図ではｎ＝
８）とする。辞書メモリ５には標準パターンが格納され
ており、カテゴリーＣｈの第ｊ番目の特徴ベクトル６を
Ｓ、ｆｋ）とする。
加算器においてｆ ｉ−ｓ 、（ｋｌが計算され、乗算
器８の入力となる。乗算器８では（ｆ ｌ−８Ｊ（ｋ’
）２が演算される。これは入カバターンベクトルｆ＋と
標準パターンベクトルｓＪ′に′のユークリッド距離の
２乗となっている。
器８の入力となる。乗算器８では（ｆ ｌ−８Ｊ（ｋ’
）２が演算される。これは入カバターンベクトルｆ＋と
標準パターンベクトルｓＪ′に′のユークリッド距離の
２乗となっている。
識別係数メモリ９にはカテゴリーＣｋ、特徴点ｊの有す
る識別能力の尺度である識別係数ＶＶＪ（ｋ’が格納さ
れている。
る識別能力の尺度である識別係数ＶＶＪ（ｋ’が格納さ
れている。
識別係数ＷＪ′に’は他のカテゴリーとの識別能力の大
きな特徴点に対しては大きな値をとり、他のカテゴリー
との識別能力が小さな特徴点に対しては小さな値をとる
ように各カテゴリーの文字パターンの分布の状態から統
計的に求める。
きな特徴点に対しては大きな値をとり、他のカテゴリー
との識別能力が小さな特徴点に対しては小さな値をとる
ように各カテゴリーの文字パターンの分布の状態から統
計的に求める。
本実施例ではフィッシャー比の値を正規化した値を識別
係数Ｖ！／ 、 （ｋ ｌとして与える。カテゴリーＣ
ｋに属する学習パターンの特徴点の平均ベクトル（標準
パターンベクトル）を６．（ｋ）１分散ベクトルをσ、
（ｋｌ、カテゴリーＣｋに属さない学習パターンの特徴
点の平均ベクトル（標準パターンベクトル）をｓ、１ｋ
ｌ１分散ベクトルをσ ｆｋ）とじたとき、 ・・・・・・・・・・・・・・・・・・（４）但し、Ａ
＝σ、（ｋｌ、 Ｂ ＝σ、７ｋｌ であり、（）０
は転置を表わす。
係数Ｖ！／ 、 （ｋ ｌとして与える。カテゴリーＣ
ｋに属する学習パターンの特徴点の平均ベクトル（標準
パターンベクトル）を６．（ｋ）１分散ベクトルをσ、
（ｋｌ、カテゴリーＣｋに属さない学習パターンの特徴
点の平均ベクトル（標準パターンベクトル）をｓ、１ｋ
ｌ１分散ベクトルをσ ｆｋ）とじたとき、 ・・・・・・・・・・・・・・・・・・（４）但し、Ａ
＝σ、（ｋｌ、 Ｂ ＝σ、７ｋｌ であり、（）０
は転置を表わす。
本実施例によるダイナミックプログラミングの距離計算
式は次式（６）〜（８）のようになる。
式は次式（６）〜（８）のようになる。
Ｇ （ｆ Ｉ＋Ｓ ｊ”’） ＝ｗＪ（ｋ’ｄ （ｆ
＋、ｓ Ｊ′に’）＋ Ｍ ｉ ｎ ［Ｇ
（ｆ ＋−１，ｓ Ｊ−ｍ”’） コ−（６）
Ｄ（Ｆ、５ｋ）＝Ｇ（ｆｆｉ ｓｆｉ′に′）・・・・
・・（７）Ｇ （ｆｏ 、 ｓｏ′に’） ＝Ｏ・・・
・・・・・・・・・・・・・・・・・・（８）識別係数
Ｗ Ｊ ’“）は識別係数乗算回路１０において距Ｉｌ
ｌ （ｆ Ｉ−Ｉ Ｊ（ｋ）＞ ２と乗算され、出力と
して識別係数Ｗ、（ｋｌ （ｆ ＋−ｓ 、（ｋｌ）
２が得られる。
＋、ｓ Ｊ′に’）＋ Ｍ ｉ ｎ ［Ｇ
（ｆ ＋−１，ｓ Ｊ−ｍ”’） コ−（６）
Ｄ（Ｆ、５ｋ）＝Ｇ（ｆｆｉ ｓｆｉ′に′）・・・・
・・（７）Ｇ （ｆｏ 、 ｓｏ′に’） ＝Ｏ・・・
・・・・・・・・・・・・・・・・・・（８）識別係数
Ｗ Ｊ ’“）は識別係数乗算回路１０において距Ｉｌ
ｌ （ｆ Ｉ−Ｉ Ｊ（ｋ）＞ ２と乗算され、出力と
して識別係数Ｗ、（ｋｌ （ｆ ＋−ｓ 、（ｋｌ）
２が得られる。
レジスタ１１〜１３には一つ前の特徴点ｆ ｌ−１が標
準パターンに対応するときのり１）式に示す利得Ｇの値
が格納されている。レジスター１には特徴点ｆ１〜１が
Ｓ、ｆｋ）に対応したときの利得の値。
準パターンに対応するときのり１）式に示す利得Ｇの値
が格納されている。レジスター１には特徴点ｆ１〜１が
Ｓ、ｆｋ）に対応したときの利得の値。
レジスター２には特徴点ｆ、−１が５Ｊ−１＋ｋ）に対
したときの利得の値、レジスター３には特徴点ｆ Ｉ−
１がＳ、−、＋ｋｌに対応したときの利得の値が格納さ
れる。最小値選択回路１４ではレジスタ１１〜１３に格
納されている利得Ｇの値から最小値を選択する。
したときの利得の値、レジスター３には特徴点ｆ Ｉ−
１がＳ、−、＋ｋｌに対応したときの利得の値が格納さ
れる。最小値選択回路１４ではレジスタ１１〜１３に格
納されている利得Ｇの値から最小値を選択する。
加算器７ｂにおいて、識別係数乗算回路１０より得られ
たｗ、＋ｋｌ （ｆ ｉ−ｓ 、（ｋｌ） ２の値と最
小値選択回路１４の出力であるＭｉｎ［Ｇ（ｆ＋−ｔＳ
ｊ−、ｆｋ） ） ］の値とが加算され、レジスター１
〜１３にフィードバックされるとともに、判定部１５へ
出力される。
たｗ、＋ｋｌ （ｆ ｉ−ｓ 、（ｋｌ） ２の値と最
小値選択回路１４の出力であるＭｉｎ［Ｇ（ｆ＋−ｔＳ
ｊ−、ｆｋ） ） ］の値とが加算され、レジスター１
〜１３にフィードバックされるとともに、判定部１５へ
出力される。
判定部１５は、Ｇ （ｆｎ、ｓ、１に’）の値を入カバ
ターンベクトルでと標準パターンベクトルｓｋとの距離
Ｄ （Ｆ、Ｓｋ）とし、 Ｄ （Ｆ 、 ５ｈｏ） ＝Ｍ ｉ ｎ Ｄ （Ｆ 、
５ｈ）−−（９）となるカテゴリーＣｋｏに判定処理
を行う。
ターンベクトルでと標準パターンベクトルｓｋとの距離
Ｄ （Ｆ、Ｓｋ）とし、 Ｄ （Ｆ 、 ５ｈｏ） ＝Ｍ ｉ ｎ Ｄ （Ｆ 、
５ｈ）−−（９）となるカテゴリーＣｋｏに判定処理
を行う。
第２図に示す例では、入力ベクトルＦ （ｆ。
・・・・・・ ｆａ）を第２図（ｂ）に示す「Ｓ」の標
準パターンベクトルＳ１＝ （Ｓ １（ｌ）、・・・・
・・５８（１１）と第２図（ｃ）に示す「５」の標準パ
ターンベクトルＳ ２ ＝（’ １（２’ ＋ ・
・・ ・・・５８（２））とに対応付けを行う。
準パターンベクトルＳ１＝ （Ｓ １（ｌ）、・・・・
・・５８（１１）と第２図（ｃ）に示す「５」の標準パ
ターンベクトルＳ ２ ＝（’ １（２’ ＋ ・
・・ ・・・５８（２））とに対応付けを行う。
ダイナミックプログラミングでは、特徴点に対しある許
容範囲ｍを設けて柔軟に対応付けさせるため、例えば、
ｍ＝１のき、入カバターンのｆ２は（８１”’＋ ８２
（１’＋ ８３（ｌ）） 、 （８１（２’５２１２１
． ｓ、＋２１）に対応付けを行い、最も距離の小さい
対応付けを採用する。カテゴリー「Ｓ」と「５」では下
部の湾曲の部分は類似性が大きいが上部は類似性が小さ
い。従って、両カテゴリーを識別するのに、有効な特徴
は、例えば、ｓ７゜３８などの上部の特徴であり、（４
） 、 （５）式の計算によりＶＶ７”’、Ｗ９０）
、 Ｗ、（２１、ｖｖ ８＋ ＋２１の値が大きな値を
とる。
容範囲ｍを設けて柔軟に対応付けさせるため、例えば、
ｍ＝１のき、入カバターンのｆ２は（８１”’＋ ８２
（１’＋ ８３（ｌ）） 、 （８１（２’５２１２１
． ｓ、＋２１）に対応付けを行い、最も距離の小さい
対応付けを採用する。カテゴリー「Ｓ」と「５」では下
部の湾曲の部分は類似性が大きいが上部は類似性が小さ
い。従って、両カテゴリーを識別するのに、有効な特徴
は、例えば、ｓ７゜３８などの上部の特徴であり、（４
） 、 （５）式の計算によりＶＶ７”’、Ｗ９０）
、 Ｗ、（２１、ｖｖ ８＋ ＋２１の値が大きな値を
とる。
第２図（ａ）に示す入カバターンは、下部が「Ｓ」と距
離が小さく、「５」と距離が大きい。
離が小さく、「５」と距離が大きい。
又、上部が「Ｓ」と距離が大きく、「５」と距離が小さ
い。
い。
従来の方法では、上下部全体の距離では、「Ｓ」との距
離が小さく、カテゴリーを誤って「Ｓ」に判定する場合
があるが、上記のように、上部の距離が重み付けられる
ためカテゴリーは「５」に正しく判定される。
離が小さく、カテゴリーを誤って「Ｓ」に判定する場合
があるが、上記のように、上部の距離が重み付けられる
ためカテゴリーは「５」に正しく判定される。
このように、カテゴリー間の識別に有効な特徴点に対し
大きな重み付けを行った上でダイナミックプログラミン
グにより距離計算を行うことにより、歪みのある類似文
字を識別することができる。
大きな重み付けを行った上でダイナミックプログラミン
グにより距離計算を行うことにより、歪みのある類似文
字を識別することができる。
本実施例では、識別係数としてフィッシャー比を用いて
いるが、係数は任意に選択することができる。
いるが、係数は任意に選択することができる。
以上説明したように、本発明は、カテゴリー間の識別に
有効な特徴点に対し大きな重み付けを行った上で、ダイ
ナミックプログラミングにより距離計算を行うことによ
り、入カバターンベクトルを異カテゴリーの標準パター
ンベクトルに重ね過ぎることがなく、且つ類似するカテ
ゴリーを識別するときに、有効な特徴と有効でない特徴
とを等価に扱わずに識別に有効な特徴群で発生する距離
差を識別に有効でない特徴群で発生する距離差で打ち消
してしまうことがないため、歪みのある類似文字を識別
することができるという効果を有する。
有効な特徴点に対し大きな重み付けを行った上で、ダイ
ナミックプログラミングにより距離計算を行うことによ
り、入カバターンベクトルを異カテゴリーの標準パター
ンベクトルに重ね過ぎることがなく、且つ類似するカテ
ゴリーを識別するときに、有効な特徴と有効でない特徴
とを等価に扱わずに識別に有効な特徴群で発生する距離
差を識別に有効でない特徴群で発生する距離差で打ち消
してしまうことがないため、歪みのある類似文字を識別
することができるという効果を有する。
第１図は本発明の一実施例のブロック図、第２図は入カ
バターンの特徴を抽出する説明図である。 １・・・・・・スキャナ部、２・・・・・・前処理部、
３・・・・・・特徴抽出部、４・・・・・・特徴ベクト
ル、５・・・・・・解重メモリ、６・・・・・・標準パ
ターンベクトル、７ａ、７ｂ・・・・・・加算器、８・
・・・・・乗算器、９・・・・・・識別係数メモリ、１
０・・・・・・識別係数乗算回路、１１〜１３・・・・
・・レジスタ、１４・・・・・・最小値選択回路、１５
・・・・・・判定部。 代理人 弁理士 内 原 音 スヤヤ丈使 ＃Ｉ然理環 部徴抽呂舒 竹徴仄７Ｆ−ル 辞書メｔり 螺準ハ゛ターンＡ′７Ｆル 、 りｂ ゛ 刃口１７ 爲 乗算器 、’Ｒ，７Ｊ文字八′クーへ ド ｌ！＊ ：￥ＪＪｔ沖 ｙＪ（Ｋ） （ｆ 庸 ／ １μ カケ」 （（１，） （護 （Ｃ） 第 囚
バターンの特徴を抽出する説明図である。 １・・・・・・スキャナ部、２・・・・・・前処理部、
３・・・・・・特徴抽出部、４・・・・・・特徴ベクト
ル、５・・・・・・解重メモリ、６・・・・・・標準パ
ターンベクトル、７ａ、７ｂ・・・・・・加算器、８・
・・・・・乗算器、９・・・・・・識別係数メモリ、１
０・・・・・・識別係数乗算回路、１１〜１３・・・・
・・レジスタ、１４・・・・・・最小値選択回路、１５
・・・・・・判定部。 代理人 弁理士 内 原 音 スヤヤ丈使 ＃Ｉ然理環 部徴抽呂舒 竹徴仄７Ｆ−ル 辞書メｔり 螺準ハ゛ターンＡ′７Ｆル 、 りｂ ゛ 刃口１７ 爲 乗算器 、’Ｒ，７Ｊ文字八′クーへ ド ｌ！＊ ：￥ＪＪｔ沖 ｙＪ（Ｋ） （ｆ 庸 ／ １μ カケ」 （（１，） （護 （Ｃ） 第 囚
Claims (1)
- 【特許請求の範囲】 文字の認識を行う文字認識装置において、入力ベクトル
と標準パターンベクトルとの間の距離計算回路が、 （Ａ）文字の特徴点ごとに識別に重み付けを行う識別係
数を格納する識別係数メモリ、 （Ｂ）前記識別係数メモリから識別係数を読出し、前記
入力ベクトルと標準パターンベクトルとの間の距離と前
記識別係数との乗算を行い出力する識別係数乗算回路、 を備えて構成されていることを特徴とする文字認識装置
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63220863A JPH0268684A (ja) | 1988-09-02 | 1988-09-02 | 文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63220863A JPH0268684A (ja) | 1988-09-02 | 1988-09-02 | 文字認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0268684A true JPH0268684A (ja) | 1990-03-08 |
Family
ID=16757726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63220863A Pending JPH0268684A (ja) | 1988-09-02 | 1988-09-02 | 文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0268684A (ja) |
-
1988
- 1988-09-02 JP JP63220863A patent/JPH0268684A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | A multiscale fusion convolutional neural network for plant leaf recognition | |
| US4651289A (en) | Pattern recognition apparatus and method for making same | |
| CN110148425A (zh) | 一种基于完整局部二进制模式的伪装语音检测方法 | |
| JPH01183793A (ja) | 文字認識装置 | |
| CN101667263A (zh) | 学习设备、学习方法、识别设备、识别方法和程序 | |
| CN111931769A (zh) | 结合rpa及ai的发票处理、装置、计算设备及存储介质 | |
| CN115690803A (zh) | 数字图像的识别方法、装置、电子设备及可读存储介质 | |
| CN116189681A (zh) | 一种智能语音交互系统及方法 | |
| Hadjadj et al. | Offline signature verification using textural descriptors | |
| CN112288045B (zh) | 一种印章真伪判别方法 | |
| JPH0268684A (ja) | 文字認識装置 | |
| CN109902690A (zh) | 图像识别技术 | |
| CN119865263A (zh) | 干扰成分处理方法、装置、设备、存储介质及产品 | |
| JP3810469B2 (ja) | パターン認識方法 | |
| CN106971732A (zh) | 一种基于识别模型提升声纹识别准确度的方法和系统 | |
| JP3799057B2 (ja) | 指紋照合装置 | |
| Moonasar et al. | A committee of neural networks for automatic speaker recognition (ASR) systems | |
| US5136653A (en) | Acoustic recognition system using accumulate power series | |
| CA1195779A (en) | Pattern recognition apparatus and method for making same | |
| Swapna et al. | A survey on local patterns for signature verification | |
| Cho et al. | Evolutionary singularity filter bank optimization for fingerprint image enhancement | |
| Saminjonovich | SEPARATION OF IMAGE FEATURES BASED ON THE SIFT ALGORITHM IN BIOMETRIC SYSTEMS | |
| Reiter et al. | Object-detection with a varying number of eigenspace projections | |
| CN114283849A (zh) | 一种伪装语音检测的系统及方法 | |
| CN116246348A (zh) | 基于卷积神经网络的聋哑人交互方法，系统和存储介质 |