JPH0367381A - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPH0367381A JPH0367381A JP1203378A JP20337889A JPH0367381A JP H0367381 A JPH0367381 A JP H0367381A JP 1203378 A JP1203378 A JP 1203378A JP 20337889 A JP20337889 A JP 20337889A JP H0367381 A JPH0367381 A JP H0367381A
- Authority
- JP
- Japan
- Prior art keywords
- dots
- character
- feature extraction
- dot
- 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、イメージスキャナ等から読み込まれたような
２次元のドツトマトリクスで構成される手書きや印刷の
文字パターンの認識に適した文字認識装置に関するもの
で、手書きや印刷の文字のコンピュータへの入力装置等
に利用できる。
２次元のドツトマトリクスで構成される手書きや印刷の
文字パターンの認識に適した文字認識装置に関するもの
で、手書きや印刷の文字のコンピュータへの入力装置等
に利用できる。
従来の技術
イメージスキャナ等から読み込まれたような２次元のド
ツトマトリクスで構成される文字パターンより特徴を抽
出する方法の従来例としては、第５図と第６図に示すよ
うに３×３ドツトのパターンからなる特徴を抽出する方
法がある。この方法では第５図（ａ）に示す５×５の入
力面に対して第５図（ｂ）に示す３×３の特徴抽出の領
域Ａ、Ｂ、・・・・・・Ｉが存在し、それぞれが入力面
の番号の位置の画素と対応している。この特徴抽出の領
域内のパターンを第６図のような特徴パターンと比較し
、第６図に示されているような特徴が存在するかどうか
を調べる。そしてそれぞれの特徴が存在すればｌ、存在
しなければＯの値を対応させてニューラルネットワーク
への入力とし、パックプロパゲーションにより学習を行
う。第６図の中で３８はパターンの存在しない画素、３
９はパターンの存在する画素を表す。
ツトマトリクスで構成される文字パターンより特徴を抽
出する方法の従来例としては、第５図と第６図に示すよ
うに３×３ドツトのパターンからなる特徴を抽出する方
法がある。この方法では第５図（ａ）に示す５×５の入
力面に対して第５図（ｂ）に示す３×３の特徴抽出の領
域Ａ、Ｂ、・・・・・・Ｉが存在し、それぞれが入力面
の番号の位置の画素と対応している。この特徴抽出の領
域内のパターンを第６図のような特徴パターンと比較し
、第６図に示されているような特徴が存在するかどうか
を調べる。そしてそれぞれの特徴が存在すればｌ、存在
しなければＯの値を対応させてニューラルネットワーク
への入力とし、パックプロパゲーションにより学習を行
う。第６図の中で３８はパターンの存在しない画素、３
９はパターンの存在する画素を表す。
発明が解決しようとする課題
イメージスキャナ等から文字パターンを読み込む場合、
連続量である文字パターンを有限個の画素で読み込むた
めに離散化誤差が生じる。通常、イメージスキャナ等の
読み取り装置の画素はフォトダイオード等の光電返換素
子で作られている。
連続量である文字パターンを有限個の画素で読み込むた
めに離散化誤差が生じる。通常、イメージスキャナ等の
読み取り装置の画素はフォトダイオード等の光電返換素
子で作られている。
そして画素上に文字パターンが存在しない時はＯ５存在
するときはその画素を占める文字パターンの面積に応じ
た出力が得られるため、しきい値となる出力レベルを設
定してしきい値以下ではＯｌしきい値以上では１と定義
し・て２値化を行う。このようにして文字パターンが離
散化されるが、同一の文字パターンでもその位置が少し
ずれただけで読み込んだ後のドツトパターンが大きく変
化してしまう。例えば第７図（ａ）に示すような“１”
の文字パターンを５×５の画素で読み取って２値化する
場合を考える。第７図（ｂ）は読み取った結果で、斜線
をつけた５つの画素に対して１が出力され、残りの画素
に対してＯが出力されていることを示している。第７図
（Ｃ）は同じ文字パターンが少し右にずれた場合の読み
取り結果で、第７図（ｂ）とは異なる結果になっている
。このように同じ文字パターンでも読み取り装置の画素
との位置関係で読み取り装置の出力するドツトパターン
は大きく変化する。このことがその文字パターンを認識
する上で問題となってくるのは明らかである。これを避
けるためには読み取り装置の解像度を上げて細かい多く
の画素で文字パターンを読み込めばよい。しかしその場
合は特徴の大きさが３×３ドツトより大きくなり、従来
法では特徴が抽出できない。また従来法のドツト数を増
やしただけの特徴抽出法では、文字の大きさや線の太さ
や形状が変化した場合にうまく特徴が抽出されなかった
り、全く異なった特徴を抽出したりしてしまう可能性が
ある。特に手書き文字の認識においては文字の大きさや
線の太さや形状の変化に対しても影響の小さい特徴抽出
を行うことが認識率を上げるうえで必要である。
するときはその画素を占める文字パターンの面積に応じ
た出力が得られるため、しきい値となる出力レベルを設
定してしきい値以下ではＯｌしきい値以上では１と定義
し・て２値化を行う。このようにして文字パターンが離
散化されるが、同一の文字パターンでもその位置が少し
ずれただけで読み込んだ後のドツトパターンが大きく変
化してしまう。例えば第７図（ａ）に示すような“１”
の文字パターンを５×５の画素で読み取って２値化する
場合を考える。第７図（ｂ）は読み取った結果で、斜線
をつけた５つの画素に対して１が出力され、残りの画素
に対してＯが出力されていることを示している。第７図
（Ｃ）は同じ文字パターンが少し右にずれた場合の読み
取り結果で、第７図（ｂ）とは異なる結果になっている
。このように同じ文字パターンでも読み取り装置の画素
との位置関係で読み取り装置の出力するドツトパターン
は大きく変化する。このことがその文字パターンを認識
する上で問題となってくるのは明らかである。これを避
けるためには読み取り装置の解像度を上げて細かい多く
の画素で文字パターンを読み込めばよい。しかしその場
合は特徴の大きさが３×３ドツトより大きくなり、従来
法では特徴が抽出できない。また従来法のドツト数を増
やしただけの特徴抽出法では、文字の大きさや線の太さ
や形状が変化した場合にうまく特徴が抽出されなかった
り、全く異なった特徴を抽出したりしてしまう可能性が
ある。特に手書き文字の認識においては文字の大きさや
線の太さや形状の変化に対しても影響の小さい特徴抽出
を行うことが認識率を上げるうえで必要である。
本発明の目的は、イメージスキャナ等から読み込まれた
ドツトマトリクスで構成される手書きや印刷の文字パタ
ーンの認識において、文字の大きさや線の太さや形状の
変化の影響が小さい特徴抽出を行う文字認識装置を提供
することにある。
ドツトマトリクスで構成される手書きや印刷の文字パタ
ーンの認識において、文字の大きさや線の太さや形状の
変化の影響が小さい特徴抽出を行う文字認識装置を提供
することにある。
課題を解決するための手段
上記目的を達成するために、本発明の文字認識装置にお
いては、以下の様な特徴抽出方法をとる。
いては、以下の様な特徴抽出方法をとる。
（１） イメージスキャナ等から読み込まれた手書き
や印刷の文字パターンを２次元のドツトマトリクスとし
て保持する入力面上を、複数の領域に分割してそれぞれ
の領域内で特徴の抽出を行う。これらの領域は互いに重
なり合う部分があってもよい。
や印刷の文字パターンを２次元のドツトマトリクスとし
て保持する入力面上を、複数の領域に分割してそれぞれ
の領域内で特徴の抽出を行う。これらの領域は互いに重
なり合う部分があってもよい。
（２） それぞれの領域内で特徴抽出面の各細胞を走
査させるか、あるいは領域内全体に特徴抽出面の各細胞
を並列に配置する。
査させるか、あるいは領域内全体に特徴抽出面の各細胞
を並列に配置する。
（３）特徴抽出面の細胞はドツトマトリクスからなり、
各ドツトごとに重みとなる値を持っている。負の値はこ
の特徴があると判断する上でパターンが存在していては
いけないドツトに対する重みで、正の値はパターンが存
在していなければならないドツトに対する重みである。
各ドツトごとに重みとなる値を持っている。負の値はこ
の特徴があると判断する上でパターンが存在していては
いけないドツトに対する重みで、正の値はパターンが存
在していなければならないドツトに対する重みである。
０はパターンが存在してもしなくてもよいドツトに対す
る重みである。
る重みである。
（４）特徴が存在するかどうかの判断は、入力面のそれ
ぞれのドツトの持つ値に特徴抽出面の細胞のドツトが持
つ重みを掛は合わせたものを細胞上の全ドツトに対して
和をとり、その値を細胞ごとに認定されたしきい値と比
較することによって行う。
ぞれのドツトの持つ値に特徴抽出面の細胞のドツトが持
つ重みを掛は合わせたものを細胞上の全ドツトに対して
和をとり、その値を細胞ごとに認定されたしきい値と比
較することによって行う。
作用
前記した手段によれば、文字の大きさや線の太さや形状
の変化の影響の小さい特徴抽出の方法を提供することが
できる。
の変化の影響の小さい特徴抽出の方法を提供することが
できる。
実施例
以下、本発明の一実施例を図面により説明する。
第１図は入力面と特徴抽出面を示した図、第２図は特徴
抽出面の細胞の例を示した図である。
抽出面の細胞の例を示した図である。
第１図において１は文字パターンの入力面である。認識
の対象となる手書きや印刷の文字パターンはイメージス
キャナ等から読み込まれる。入力面はその文字パターン
の２次元に配列された画素に対応するドツトのマトリク
スで、各ドツトがＯまたは正の値を持つことによって文
字パターンを保持している。例えば読み込まれた文字パ
ターンが２値化されている場合は、文字パターンの存在
しない画素に対するドツトは０、存在する画素に対して
は１という値を持っている。文字パターンが２値化され
ておらず、例えば各ドツトが階調に応じた正の値を持っ
ていてもよい。第１図の２は入力面を複数の領域に分割
したものの１つである。分割されたそれぞれの領域が特
徴の抽出を行う単位になる。第１図では重なりのない１
６の領域に分割した例を示しているが、これらの領域は
互いに重なり合う部分があってもよい。また領域の数や
大きさは自由に設定することができる。３は２の領域を
拡大したものである。この例の場合、この領域は１６ド
ツト×１６ドツトの大きさになっている。４は特徴抽出
面であり、５は特徴抽出面の１つの細胞である。第１図
では特徴抽出面は１６個の細胞を持っている。特徴抽出
面の１つの細胞は、抽出しようとする特徴の１つに対応
している。すなわち特徴抽出面には抽出しようとしてい
る特徴の数だけ細胞がある。特徴抽出面４のすべての細
胞を３の中で縦横に１行１列ごとにくまなく走査させる
か、あるいは各細胞を３の中に並列に配置して、それぞ
れの特徴が３の中に存在するかどうかを調べる。
の対象となる手書きや印刷の文字パターンはイメージス
キャナ等から読み込まれる。入力面はその文字パターン
の２次元に配列された画素に対応するドツトのマトリク
スで、各ドツトがＯまたは正の値を持つことによって文
字パターンを保持している。例えば読み込まれた文字パ
ターンが２値化されている場合は、文字パターンの存在
しない画素に対するドツトは０、存在する画素に対して
は１という値を持っている。文字パターンが２値化され
ておらず、例えば各ドツトが階調に応じた正の値を持っ
ていてもよい。第１図の２は入力面を複数の領域に分割
したものの１つである。分割されたそれぞれの領域が特
徴の抽出を行う単位になる。第１図では重なりのない１
６の領域に分割した例を示しているが、これらの領域は
互いに重なり合う部分があってもよい。また領域の数や
大きさは自由に設定することができる。３は２の領域を
拡大したものである。この例の場合、この領域は１６ド
ツト×１６ドツトの大きさになっている。４は特徴抽出
面であり、５は特徴抽出面の１つの細胞である。第１図
では特徴抽出面は１６個の細胞を持っている。特徴抽出
面の１つの細胞は、抽出しようとする特徴の１つに対応
している。すなわち特徴抽出面には抽出しようとしてい
る特徴の数だけ細胞がある。特徴抽出面４のすべての細
胞を３の中で縦横に１行１列ごとにくまなく走査させる
か、あるいは各細胞を３の中に並列に配置して、それぞ
れの特徴が３の中に存在するかどうかを調べる。
第２図は１２Ｘ１２ドツトの大きさの特徴を抽出するた
めの特徴抽出面の細胞の例である。第２図（ａ）は縦棒
の上端の特徴を抽出するための細胞、第２図（ｂ）は折
れ曲がっている特徴を抽出するための細胞、第２図（Ｃ
）は交差している特徴を抽出するための細胞の例である
。特徴抽出面の各細胞は抽出する特徴の大きさに等しい
大きさのドツトマトリクスになっている。すなわち細胞
の１ドツトは入力面の１ドツトに対応する。それぞれの
ドツトは重みとなる値を持っている。第２図の特徴抽出
面の細胞の例では−１，０，，１の３通りの値を重みと
して持っている。第２図の６は１の重みを持つドツト、
７はＯの重みを持つドツト、８は−１の重みを持つドツ
トである。負の値はこの特徴があると判断する上でパタ
ーンが存在してはいけないドツトに対する重みで、正の
値はパターンが存在していなければならないドツトに対
する重みである。Ｏはパターンが存在してもしなくても
よいドツトに対する重みである。このように、Ｏの重み
を設定して特徴を抽出する上でパターンが存在してもし
なくてもよいドツトを認めることによって、文字の大き
さや線の太さや形状の変化の影響が小さい特徴抽出を行
うことができるようになる。第２図では特徴抽出面の３
つの細胞の例のみを示したが、文字認識を行うためには
その他にも文字を認識する上で必要であると思われる特
徴に対する細胞を用いて特徴の抽出を行なう。また特徴
抽出面の細胞の各ドツトの重みの値は第２図の例では−
１，０，１の３通りであるが、値は回通りにしてもよい
。値の数を増やしてしきい値を適切に設定することによ
って、より柔軟な特徴抽出が可能になる。さらに第２図
の例では特徴抽出面の細胞の大きさは１２Ｘ１２ドツト
であるが、この大きさは読み込まれた文字の線幅に対応
するドツト数より大きければよい。ただしこの大きさが
大きいほど文字の太さや形状の変化に対する余裕が拡大
するが、大きすぎると負の重みの部分が周囲のパターン
に接触してしまい特徴が抽出できなくなる。
めの特徴抽出面の細胞の例である。第２図（ａ）は縦棒
の上端の特徴を抽出するための細胞、第２図（ｂ）は折
れ曲がっている特徴を抽出するための細胞、第２図（Ｃ
）は交差している特徴を抽出するための細胞の例である
。特徴抽出面の各細胞は抽出する特徴の大きさに等しい
大きさのドツトマトリクスになっている。すなわち細胞
の１ドツトは入力面の１ドツトに対応する。それぞれの
ドツトは重みとなる値を持っている。第２図の特徴抽出
面の細胞の例では−１，０，，１の３通りの値を重みと
して持っている。第２図の６は１の重みを持つドツト、
７はＯの重みを持つドツト、８は−１の重みを持つドツ
トである。負の値はこの特徴があると判断する上でパタ
ーンが存在してはいけないドツトに対する重みで、正の
値はパターンが存在していなければならないドツトに対
する重みである。Ｏはパターンが存在してもしなくても
よいドツトに対する重みである。このように、Ｏの重み
を設定して特徴を抽出する上でパターンが存在してもし
なくてもよいドツトを認めることによって、文字の大き
さや線の太さや形状の変化の影響が小さい特徴抽出を行
うことができるようになる。第２図では特徴抽出面の３
つの細胞の例のみを示したが、文字認識を行うためには
その他にも文字を認識する上で必要であると思われる特
徴に対する細胞を用いて特徴の抽出を行なう。また特徴
抽出面の細胞の各ドツトの重みの値は第２図の例では−
１，０，１の３通りであるが、値は回通りにしてもよい
。値の数を増やしてしきい値を適切に設定することによ
って、より柔軟な特徴抽出が可能になる。さらに第２図
の例では特徴抽出面の細胞の大きさは１２Ｘ１２ドツト
であるが、この大きさは読み込まれた文字の線幅に対応
するドツト数より大きければよい。ただしこの大きさが
大きいほど文字の太さや形状の変化に対する余裕が拡大
するが、大きすぎると負の重みの部分が周囲のパターン
に接触してしまい特徴が抽出できなくなる。
以下、本発明の文字認識装置における特徴抽出方法を順
を追って説明する。
を追って説明する。
イメージスキャナ等から読み込まれた認識の対象となる
手書きや印刷の文字パターンは、入力面上にドツトのマ
トリクスとして保持される。各ドツトはＯまたは正の値
を持ち、Ｏはそのドツトにパターンがないことを示し、
正の数はパターンがあることを示している。入力面はい
くつかの領域に分割されている。それぞれの領域は互い
に重なり合う部分があってもよい。特徴の抽出はそれぞ
れの領域ごとに行なう。１つの領域中では、特徴抽出面
の各細胞を縦横に１行１列ごとにくまなく走査させるか
、あるいは各細胞を領域中に並列に配置する。そしてそ
れぞれの位置でその特徴が存在するかどうかを判断する
。特徴が存在するかどうかの判断は次のように行なう。
手書きや印刷の文字パターンは、入力面上にドツトのマ
トリクスとして保持される。各ドツトはＯまたは正の値
を持ち、Ｏはそのドツトにパターンがないことを示し、
正の数はパターンがあることを示している。入力面はい
くつかの領域に分割されている。それぞれの領域は互い
に重なり合う部分があってもよい。特徴の抽出はそれぞ
れの領域ごとに行なう。１つの領域中では、特徴抽出面
の各細胞を縦横に１行１列ごとにくまなく走査させるか
、あるいは各細胞を領域中に並列に配置する。そしてそ
れぞれの位置でその特徴が存在するかどうかを判断する
。特徴が存在するかどうかの判断は次のように行なう。
入力面のそれぞれのドツトの値に特徴抽出面の細胞の対
応しているドツトが持つ重みを掛は合わせたものを細胞
上の全ドツトに対して和をとる。
応しているドツトが持つ重みを掛は合わせたものを細胞
上の全ドツトに対して和をとる。
そしてその値を細胞ごとに設定されたしきい値と比較し
、しきい値より大きければその特徴が存在すると判断し
、しきい値より小さければ存在しないと判断する。細胞
はその結果を出力する。１つの領域中を特徴抽出面のす
べての細胞を走査させるか、あるいは領域中に並列に配
置された各細胞の全てについて上記の判断を行うことに
よって、その領域中に含まれている特徴をすべて抽出す
る。そしてこの操作を入力面上のすべての領域に対して
行なうことによって人カバターン全体の特徴の抽出を行
なう。
、しきい値より大きければその特徴が存在すると判断し
、しきい値より小さければ存在しないと判断する。細胞
はその結果を出力する。１つの領域中を特徴抽出面のす
べての細胞を走査させるか、あるいは領域中に並列に配
置された各細胞の全てについて上記の判断を行うことに
よって、その領域中に含まれている特徴をすべて抽出す
る。そしてこの操作を入力面上のすべての領域に対して
行なうことによって人カバターン全体の特徴の抽出を行
なう。
第３図は３層の階層構造ニューラルネットワークを用い
て文字認識を行う場合の構成図、第４図はフローチャー
トである。
て文字認識を行う場合の構成図、第４図はフローチャー
トである。
第３図の１は入力面、４は特徴抽出面である。
９は３層の階層構造のニューラルネットワークの入力層
、１０は中間層、１１は出力層である。第３図中の１２
はニューロンを表している。またニューロン間の矢印は
そのニューロン間の結合を表している。それぞれの結合
は強度を持っており、各結合を信号が伝播するときにそ
の結合の強度が重みとして信号に掛かる。第３図では入
力層が４個、中間層が３個、出力層が４個のニューロン
を持つ３層のニューラルネットワークを示しであるが、
層の数や各層のニューロンの数は自由に設定することが
できる。
、１０は中間層、１１は出力層である。第３図中の１２
はニューロンを表している。またニューロン間の矢印は
そのニューロン間の結合を表している。それぞれの結合
は強度を持っており、各結合を信号が伝播するときにそ
の結合の強度が重みとして信号に掛かる。第３図では入
力層が４個、中間層が３個、出力層が４個のニューロン
を持つ３層のニューラルネットワークを示しであるが、
層の数や各層のニューロンの数は自由に設定することが
できる。
以下、階層構造のニューラルネットワークを用いて文字
認識を行う方法を第４図に基づいて説明する。
認識を行う方法を第４図に基づいて説明する。
イメージスキャナ等から読み込まれた手書きや印刷の文
字パターンより、先に述べた特徴抽出方法によって特徴
の抽出を行う。その結果は特徴抽出面の各細胞から出力
される。その情報を階層構造のニューラルネットワーク
の入力層の各ニューロンに入力する。ニューラルネット
ワークに人力が行なわれると、ニューラルネットワーク
を信号が伝播し、ニューラルネットワークの出力層の各
ニューロンに認識の結果が出力される。ニューラルネッ
トワークより出力された認識の結果が誤っている場合は
正しい認識結果が出力されるまで繰り返して学習を行う
。学習では、望ましい出力を教師信号として与えること
により、パックプロパゲーション学習則に従って各ニュ
ーロン間の結合の強度を変化させる。
字パターンより、先に述べた特徴抽出方法によって特徴
の抽出を行う。その結果は特徴抽出面の各細胞から出力
される。その情報を階層構造のニューラルネットワーク
の入力層の各ニューロンに入力する。ニューラルネット
ワークに人力が行なわれると、ニューラルネットワーク
を信号が伝播し、ニューラルネットワークの出力層の各
ニューロンに認識の結果が出力される。ニューラルネッ
トワークより出力された認識の結果が誤っている場合は
正しい認識結果が出力されるまで繰り返して学習を行う
。学習では、望ましい出力を教師信号として与えること
により、パックプロパゲーション学習則に従って各ニュ
ーロン間の結合の強度を変化させる。
以上は階層構造のニューラルネットワークを用いて文字
認識を行う方法について述べたが、本発明の文字認識装
置の特徴抽出方法を用いて抽出した特徴は人工知能で行
われているように条件で分類して文字を判断する方法を
はしめとする他の文字認識の方法においても利用できる
。
認識を行う方法について述べたが、本発明の文字認識装
置の特徴抽出方法を用いて抽出した特徴は人工知能で行
われているように条件で分類して文字を判断する方法を
はしめとする他の文字認識の方法においても利用できる
。
発明の効果
本発明によれば、イメージスキャナ等から読み込まれた
２次元のドツトマトリクスで構成される手書きや印刷の
文字パターンの認識において、文字の大きさや線の太さ
や形状の変化の影響の小さい特徴抽出の方法を提供する
ことができる。
２次元のドツトマトリクスで構成される手書きや印刷の
文字パターンの認識において、文字の大きさや線の太さ
や形状の変化の影響の小さい特徴抽出の方法を提供する
ことができる。
第１図は本発明の実施例の入力面と細胞の図、第２図は
細胞の例の図、第３図は３層の階層構造のニューラルネ
ットワークを用いた文字認識装置の構成図、第４図は文
字認識のフローチャート、第５図は従来の文字認識装置
の入力面と特徴抽出の領域の図、第６図は従来の文字認
識装置の特徴パターンの図、第７図は従来の文字認識装
置の問題点を示す図である。 １・・・・・・入力面、２・・・・・・入力面を分割し
た領域、４・・・・・・特徴抽出面、５・・・・・・特
徴抽出面の細胞、６・・・・・・１の重みを持つドツト
、７・・・・・・Ｏの重みを持つドツト、８・・・・・
・１の重みを持つドツト、９・・・・・・３層の階層構
造ニューラルネットワークの入力層、１０・・・・・・
３層の階層構造ニューラルネットワークの中間層、１１
・・・・・・３層の階層構造ニューラルネットワークの
出力層、１２・・・・・・ニューロン、■３〜３７・・
・・・・文字読み取り用画素、３８．４０・・・・・・
パターンの存在しない画素、３９，４１・・・・・・パ
ターンの存在する画素。
細胞の例の図、第３図は３層の階層構造のニューラルネ
ットワークを用いた文字認識装置の構成図、第４図は文
字認識のフローチャート、第５図は従来の文字認識装置
の入力面と特徴抽出の領域の図、第６図は従来の文字認
識装置の特徴パターンの図、第７図は従来の文字認識装
置の問題点を示す図である。 １・・・・・・入力面、２・・・・・・入力面を分割し
た領域、４・・・・・・特徴抽出面、５・・・・・・特
徴抽出面の細胞、６・・・・・・１の重みを持つドツト
、７・・・・・・Ｏの重みを持つドツト、８・・・・・
・１の重みを持つドツト、９・・・・・・３層の階層構
造ニューラルネットワークの入力層、１０・・・・・・
３層の階層構造ニューラルネットワークの中間層、１１
・・・・・・３層の階層構造ニューラルネットワークの
出力層、１２・・・・・・ニューロン、■３〜３７・・
・・・・文字読み取り用画素、３８．４０・・・・・・
パターンの存在しない画素、３９，４１・・・・・・パ
ターンの存在する画素。
Claims (3)
- （１）情報を有するドットが２次元マトリクス状に配列
されることによって文字パターンを保持する入力面を備
え、前記入力面は複数個の領域に分割されるとともに、
前記領域の行方向、列方向のドット数以下の数のドット
がそれぞれ行方向、列方向に配列されてなり、前記ドッ
トにはそれぞれ正、０、または負のいずれかの値を持た
せて重みがつけられた細胞を有し、前記細胞を行方向お
よび列方向に動かせて前記領域内を走査する手段を有す
ることを特徴とする文字認識装置。 - （２）情報を有するドットが２次元マトリクス状に配列
されることによって文字パターンを保持する入力面を備
え、前記入力面は複数個の領域に分割されるとともに、
前記領域の行方向、列方向のドット数以下の数のドット
がそれぞれ行方向、列方向に配列されてなり、前記ドッ
トにはそれぞれ正、０、または負のいずれかの値を持た
せて重みがつけられた細胞を有し、前記領域内を行方向
または列方向に１ドットづつずらせた位置に前記細胞が
対応するように前記領域内を覆うだけの複数個の細胞が
並列して配置されていることを特徴とする文字認識装置
。 - （３）正、０、負の値を有するドットの配列の仕方を異
にする複数種類の細胞を有することを特徴とする請求項
１または請求項２記載の文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1203378A JPH0367381A (ja) | 1989-08-05 | 1989-08-05 | 文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1203378A JPH0367381A (ja) | 1989-08-05 | 1989-08-05 | 文字認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0367381A true JPH0367381A (ja) | 1991-03-22 |
Family
ID=16473046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1203378A Pending JPH0367381A (ja) | 1989-08-05 | 1989-08-05 | 文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0367381A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0583626A3 (ja) * | 1992-08-19 | 1994-04-13 | Olympus Optical Co | |
| JPH06348905A (ja) * | 1993-06-02 | 1994-12-22 | Nec Corp | Ｘ線フィルム上の文字認識方法 |
| US5481621A (en) * | 1992-05-28 | 1996-01-02 | Matsushita Electric Industrial Co., Ltd. | Device and method for recognizing an image based on a feature indicating a relative positional relationship between patterns |
| US5709447A (en) * | 1994-11-30 | 1998-01-20 | Sharp Kabushiki Kaisha | Lighting device |
-
1989
- 1989-08-05 JP JP1203378A patent/JPH0367381A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5481621A (en) * | 1992-05-28 | 1996-01-02 | Matsushita Electric Industrial Co., Ltd. | Device and method for recognizing an image based on a feature indicating a relative positional relationship between patterns |
| US5793932A (en) * | 1992-05-28 | 1998-08-11 | Matsushita Electric Industrial Co., Ltd. | Image recognition device and an image recognition method |
| EP0583626A3 (ja) * | 1992-08-19 | 1994-04-13 | Olympus Optical Co | |
| JPH06348905A (ja) * | 1993-06-02 | 1994-12-22 | Nec Corp | Ｘ線フィルム上の文字認識方法 |
| US5709447A (en) * | 1994-11-30 | 1998-01-20 | Sharp Kabushiki Kaisha | Lighting device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5067164A (en) | Hierarchical constrained automatic learning neural network for character recognition | |
| Kussul et al. | Improved method of handwritten digit recognition tested on MNIST database | |
| US5504822A (en) | Character recognition system | |
| US4837842A (en) | Character and pattern recognition machine and method | |
| JPH0664630B2 (ja) | 計算ネットワーク | |
| Türkyılmaz et al. | License plate recognition system using artificial neural networks | |
| US20200279166A1 (en) | Information processing device | |
| US5511134A (en) | Image recognition device and image recognition method | |
| KR20070115908A (ko) | 인공 지능을 이용한 외부 어플리케이션 사용자인터페이스로부터의 정보의 지능형 임포테이션 | |
| WO2006070458A1 (ja) | ドットパターンを用いた情報入出力方法 | |
| US11481919B2 (en) | Information processing device | |
| CN110738213B (zh) | 一种包括周边环境的图像识别方法及装置 | |
| JPH0367381A (ja) | 文字認識装置 | |
| JPH0792820B2 (ja) | 文字認識方法 | |
| WO2021005898A1 (ja) | 物体検出装置、物体検出方法およびプログラム | |
| Fukushima | Use of non-uniform spatial blur for image comparison: symmetry axis extraction | |
| Fukushima et al. | Symmetry axis extraction by a neural network | |
| JPH02242488A (ja) | 画像処理装置 | |
| JPH02240791A (ja) | 文字認識装置 | |
| JPH02240790A (ja) | 文字認識装置 | |
| JP2613211B2 (ja) | 画像入力装置 | |
| JPH0554195A (ja) | 文字認識装置 | |
| JPH03225482A (ja) | 目標物体の位置と大きさを表現するニューラルネットワーク | |
| Choi et al. | Biologically motivated trainable selective attention model using adaptive resonance theory network | |
| Fontaine et al. | A hybrid system for handprinted word recognition |