JPH03111983A - 類似文字識別方法 - 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〕 本発明は、日本語文章を処理する文字認識装置（例えば
漢字０ＣＲ）に係り、特に辞書との照合によっては識別
が難しい類似文字の識別方法に関する。

〔従来の技術〕

一般に文字認識装置においては、文書画像から切り出さ
れた文字画像は、一定のサイズに圧縮または伸長（正規
化）された後に辞書と照合されるため、形の違いが少な
くサイズが違う文字、例えば読点＃　　ＩＦ、アルファ
ベット小文字＃ｌ　ＯＩＩ、アルファベット大文字１１
０”等の区別ができないという問題があった。

このような類似文字の識別に関しては、左隣の文字に注
目する方法（特公昭６０−１６７６号）、帳票記入文字
について枠の位置情報を利用する方法（特公昭６０−９
３１４号）、文字の絶対サイズを利用する方法（特開昭
６３−２３．７５８４号）などが提案されている。

〔発明が解決しようとする課題〕

しかし、特公昭６０−１６７６号の方法は局所的な情報
を利用するので、例えば小文字が二つ以上続くと対応で
きない。特公昭６０−９３１４号の方法は一般の枠なし
文章に対応できない。特開昭６０−２３７５８４号の方
法は、行毎の文字サイズの変化に対応できない。

本発明の目的は、前述のような対象文章の制約がなく、
簡単な処理によって、文字サイズあるいは行内の位置が
異なる類似文字を高精度に識別する方法を提供すること
にある。

〔課題を解決するための手段〕

本発明の類似文字識別方法は、日本語文章の処理する文
字認識装置において、横書き文章の場合には、行の上基
準線と文字の上端の間隔と、行の標準幅との比（上空白
化）を検出し、縦書き文章の場合には、行の左基準線と
文字の左端との間隔と、行の標準幅との比（左空白比）
を検出し、検出した上空白化または左空白比を予め特定
文字について用意した標準の上空白化または左空白比と
照合することにより、類似文字を識別することを特徴と
する。

〔作　用〕

例えば、″つ″と′っ　　″よ″と１“よ″、あるいは
“　″と“ｏ　”と“ＯＩ＋等の形が殆ど同じ文字につ
いて上空白化または左空白比を調べると、類似文字間に
かなりの違いがある。

したがって、辞書との照合によっては誤認が起きやすい
特定の類似文字について標準の上空白化または左空白比
を用意しておき、辞書との比較によって類似文字が候補
にあがった文字については。

その文字について検出した上空白化または左空白比と、
各候補の標準の上空白化または左空白比とを照合し、最
も差が小さいものを第１候補とすることによって、辞書
との照合では識別が困難な類似文字を高精度に識別・修
正して認識率を上げることができる。

〔実施例〕

第１図は、本発明にかかる文字認識装置（漢字０ＣＲ）
のブロック図である。この文字認識装置においては、画
像入力部（スキャナ）１０によって文書（横書きとする
）の画像を読取り、その画像データを画像メモリ１１に
蓄積し、この文書画像より行・文字切り出し部１２によ
って行切り出し及び文字切り出しを行い１文字の画像デ
ータを文字画像メモリ１３に蓄積し、切り出された各文
字の画像データの正規化後の特徴と文字辞書メモリ１５
に登録されている文字別の辞書のデータとを文字認識部
１４で照合し、距離が小さい（一致度が大きい）候補を
例えば最高第１０位まで選び、これを認識結果メモリ１
６に格納する。ここまでは従来の文字認識装置と同様で
ある。

この文字認識装置と従来の文字認識装置との違いは１行
・文字切り出し部１２において、切り出し処理の際に行
の上基準線、上基準線及び行の標準幅を決定して各文字
毎に上空白化を検出し、これらの情報を切り出し情報メ
モリ１７に格納すること、並びに類似文字判定部１８、
類似文字テーブルメモリ１９を有し、文字認識部１４の
認識結果を類似文字判定部１８で修正してから出力部２
０より出力することである。

第２図において文字列″ちょっと待った。′を例に説明
すれば、Ｌｕは行の上基準線、Ｌｄは行の上基準線、Ｗ
は行の標準値（高さ）である。具体的には１行文字列の
外接矩形の上辺と下辺を上基準、１ｉＬｕと上基準線Ｌ
ｄとして検出し、その間隔を行の標準幅Ｗとする。ある
いは、スキューに対応するために、行文字列の各文字上
端と下端に接触する直線をそれぞれ上部＄線Ｌｕと上基
準線Ｌｄとし、その平均間隔を行の標準幅Ｗとしてもよ
い。

これらの値より各文字について、 行の標準幅 を求める。ここで、上空白は第２図に示すように、文字
の上端（文字外接矩形の上辺）と上基準線ＬＵとの間隔
Ｄｕである。

さて、文字列″ちょっと待った。″につぃて、文字認識
部１４で第１表に示す認識結果が得られ、また、各文字
について第２表に示すような上空白化が得られたとする
。この場合の類似文字判定部１８の処理について次に述
べる。

類似文字テーブルメモリ１９には、類似文字判定部１８
での処理が必要となる類似文字と、その標準の上空白化
のテーブルが格納されている。この類似文字テーブルの
一例を第３表に示す。

第１ｉ−ヌ壽４ｊｌ続米 類似文字判定部１８は、認識結果メモリ１６に得られた
認識結果候補（第１表）を順番に類似文字テーブル（第
３表）と比較し、類似文字テーブルに登録されている類
似文字が候補としてあがっている文字を捜す。この例で
は、″よ″と″よ″が候補となった第２文字が最初に見
つかる。

類似文字判定部１８は、この第２文字について検出され
た上空白虎を切り出し情報メモリ１７より読込み、また
候補となった１′よ″及び′よ″の標準上空白比を類似
文字テーブルメモリ１９より読込み、比較する。第２文
字の上空白虎は第２表より０．４であるが、これは″よ
″の標準上空白比０．４と一致し、″よ″の標準上空白
比０．　１とは大きく異なる。したがって、類似文字判
定部１８は、第２文字の第１候補を′よ″に、第２候補
を′よ″にそれぞれ入れ替える。

次に処理すべき文字として第３文字が見つかる。

この上空白虎は０．５で、″つ″の標準上空白比０．２
より″っ″の標準上空白比０．６に近いので、候補の入
れ替えは行わない。

第６文字は逆に類似文字である″つ″が第１候補、　っ
″が第２候補にあがっているので、第１候補と第２候補
を入れ替える。

同様の処理を繰返すことにより、第１表に示した認識結
果は、第４表のように修正される。

ここまでは横書き文章を処理対象とした場合について説
明した。次に、縦書き文章を処理する場合について説明
する。

縦書き文章の処理の場合、行・文字切り出し部１２は、
第３図に例示するように、行の上部準線の代わりに行の
左基準線ＬＱを１行の上基準線の代わりに行の右基準線
Ｌｒをそれぞれ決定し、各基準線の間隔すなわち行の標
準幅Ｗと、文字の左端（文字外接矩形の左辺）と行の左
基準線ＬＱとの間隔すなわち左空白ＤＡとから 行の標準幅 を求める。

また、類似文字テーブルメモリ１９には、縦書き文章に
ついて予め求めた類似文字の標準左空白比のテーブルを
格納しておく。

そして、類似文字判定部１８においては、この縦書き文
章用の類似文字テーブルを参照し、認識結果中の類似文
字に関し左空白比と標準左空白比とを比較することによ
り、前述のような修正を行う。

〔発明の効果〕

以上説明した如く、本発明によれば、辞書との照合では
識別が困難な類似文字を比較的簡単な処理によって高精
度に識別し、その誤認識を修正することができるので、
日本語文章の文字認識率を向上させることができる。ま
た、以上の説明から明らかなように、本発明の類似文字
識別方法は、一般の枠無し文章や行毎に文字サイズが変
化する文章、さらには小文字が連続するような文字列に
ついても適用可能であり、従来のような適用対象の制約
がない。

【図面の簡単な説明】

第１図は本発明に係る文字認識装置の概略ブロック図、
第２図は横書き文章の上空白虎の説明のための図、第３
図は縦書き文章の左空白比の説明のための図である。 １０・・・画像入力部、　　１１・・・画像メモリ、１
２・・・行・文字切り出し部、　　１３・・・文字画像
メモリ、　１４・・・文字認識部、　　１５・・・文字
辞書しメモリ、　　１６・・・認識結果メモリ、１７・
・・切り出し情報メモリ、　１８・・・類似文字判定部
、　　１９・・・類似文字テーブルメモリ、２０・・・
出力部。

Claims (1)

【特許請求の範囲】
1. （１）日本語文章を処理する文字認識装置において、横
   書き文章の場合には、行の上基準線と文字の上端との間
   隔と、行の標準幅との比を検出し、縦書き文章の場合に
   は、行の左基準線と文字の左端との間隔と、行の標準幅
   との比を検出し、検出した比を予め特定文字について用
   意した同様の比と照合することにより類似文字を識別す
   ることを特徴とする類似文字識別方法。