JPH04111085A - パターン認識装置 - 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】 発明の目的； （産業上の利用分野） 本発明は、紙葉類の模様や文字パターン等のＵ識に際し
て、入力画像の濃淡情報に基づいて人カバターンの特徴
量を抽出し、この抽出された入カバターンの特徴量によ
ってパターンを評、識するパターン認識装置に関する。

（従来の技術） 従来、紙葉類のパターンを認識するものとしては、紙葉
類の搬送路上にパターンを読取るセンサを設け、そのセ
ンサにより読取ったパターンと予め記憶されている基準
パターンとを比較し、紙葉類の真偽９種類を判別可能と
するものかある。

又、紙葉類の中からパターンを抽出するために、センサ
から読取ったデータを一旦２値化してパターンと背影部
分を分離しておき、２値化されたパターンと予め記憶さ
れている基準パターンとを比較するようにしたものがあ
る。

（発明が解決しようとする課題） しかし、従来のパターン認識方法ては、センサ系の変動
（光源の光量変化、センサの感度変化アンプのゲイン変
動）か直接読取データに変動を与え、更にその変動が基
準パターンとの比較の際に直接影響を及ぼすため誤認識
する場合かあり、その対処として各種の補正方式や補正
装置を組み込む必要があった。また、認識する媒体（帳
票）そのものか全体に色あせした場合や媒体上のパター
ンかかすれている場合にも同じ問題か生し、対処して補
正する必要かあった。このようにセンサ系の変動や認識
媒体の変動に対しても信号補正か必要なく、安定でかつ
認識精度か良くなる特徴量を用いた濃淡模様のパターン
認識装置の出現か強く望まれていた。

さらに、読取データを一旦２値化してパターンを分離抽
出して基準パターンと比較する場合も、センサ系に変動
が生していたり、認識する媒体か色あせていたり、又、
記識媒体上に印字されているパターンかかすれていると
きなどには、正しく２値化か行なえないためパターンを
正確に分離抽出てきす、例えばパターンの部分をパター
ンでない背影部分と判断して分離してしまうことかあり
、これによりパターンを誤認識し問題となっていた。

本発明は上述のような問題に鑑みてなされたものであり
、本発明の目的は、紙葉類の模様や文字パターンの；こ
識に際して、−旦入力画像から濃淡情報を求め、その濃
ン炎情報に基ついて人カバターンの特徴量を抽出し、抽
出された人カバターンの特徴量を用いてパターン認識を
行ない、認識率の低下をもたらすことなく、しかも高速
でパターン認識を可能とするパターン認識装置を提供す
ることにある。

発明の構成 （課題を解決するための手段） 本発明はパターン認識装置に関するもので、本発明の上
記目的は、被認識パターンを画像入力する画像入力手段
と、この画像入力手段により画像入力された画像データ
の各画素毎の濃度勾配方向成分及び濃度勾配強度成分で
成る画素成分を抽出する画素成分抽出手段と、前記画素
成分抽出手段で抽出された濃度勾配方向毎の濃度勾配強
度の総和を特徴量として抽出する特徴量抽出手段と、認
識すべきパターンの基準となる標準パターンの特徴量を
予め記憶した記憶手段と、前記特徴量抽出手段で抽出さ
れた被認識パターンの特徴量及び前記記憶手段に記憶さ
れている標準パターンの詩壇量を比較照合し、その比較
結果に基づいて前記被認識パターンがどの標準パターン
であるかを判別する比較照合手段とを設けることによっ
て達成される。

（作用） 本発明は小切手１手形等にチエツクライタで記入された
数字や紙幣の模様等を確実に認識するための装置を提供
している。

請求項１の発明では、画像入力手段と、画素成分抽出手
段と、特徴量抽出手段と、記憶手段と、比較照合手段と
を具備しており、画素成分抽出手段によって画像入力手
段て入力された画像データから濃淡に関する濃度勾配の
方向と強度を抽出し、これらを基にして特徴量抽出手段
て特徴量を抽出し、この特徴量の比較照合によって被認
識パターンを認識するようにしている。

請求項２の発明では、請求項ｌの特徴量抽出手段をエリ
ア区分手段と特徴量抽出手段とに分けており、ｍ×ｎの
メツシュ毎の濃度勾配情報を特徴量として比較照合する
ようにしている。

（実施例） 以下に本発明の詳細な説明する。

本実施例は小切手１手形等に記入されている金額を認識
するためのものであり、最終的に認識すべき文字の種類
は数字の「Ｏ〜９」及び日記号「￥Ｊ、’＊Ｊ等の終桁
符号の１２種類である。第２図（Ａ）は手形の一例を示
しており、中央部にチエツクライタで金額を記入するた
めの金額記入欄１が設けられている。また、第２図（Ｂ
）は小切手の一例を示しており、中央部にチエツクライ
タで金額を記入するための金額記入欄４か設けられてい
る。本発明は、これら手形又は小切手等の金額記入欄（
１，４）にチエツクライタて記入される数字１日記号及
び「＊」等の終桁符号を認識するものである。

先ず本発明の一実施例を第１図に示して説明すると、イ
メージセンサ等の画像入力手段ｌＯは被認識パターンを
画像入力し、画像入力情報を前処理手段１１て前処理（
スムージング）して画素成分油圧手段２０に入力し、入
力された画像データの各画素毎の濃度勾配方向成分及び
濃度勾配強度成分から成る画素成分を抽圧する。画素成
分の抽出か終了すると特徴量抽出手段による処理に移る
。特徴量抽出手段３０は画像入力手段１０て入力された
画像をｍ×ｎのメツシュに区分し、区分されたエリア毎
に画素成分抽出手段２０て抽出された濃度勾配方向成分
毎の濃度勾配強度成分の総和を抽出して被認識パターン
の特徴量とする。記憶手段５０は大分類辞書５１及び中
分類辞書５２て成っており、比較誓合手段４０は特徴量
抽出手段３０て抽出された特徴量及び記憶手段５０に記
憶されている標準パターンの特徴量を比較照合し、その
比較結果に基づいて認識結果を出力するようになってい
る。

次に、本発明のＵ識に用いる認識用辞書について説明す
る。

第３図は認識用辞書の作成動作を示す概略フローであり
、第３図において、初めに標準パターン毎の標準時微量
の抽出まての概略を説明すると、標準パターンについて
の画像入力か行なわれ（ステップＳｌ）　、前処理とし
てスムージングか行なわれ（ステップＳ２）、その後に
標準パターン毎の標準時微量の抽圧か行なわれる（ステ
ップＳ３）。ここで、標準パターン及びその画像入力ス
ムージング処理、標準時微量の抽出の工程を詳しく説明
する。

標準パターンの種類は第６図（Ａ）　に示すようなもの
であり、１２種の文字に対して文字の形態を考慮して予
め２２０個のパターンか作成されている。

かかる２２０個のパターンの各々が標準パターンであり
、通常使用されている文字形態の大部分か含まれている
。この標準パターンのうちの幾つかを詳しく示したもの
が第６図（Ｂ）〜（［１）である。画像入力はこの予め
作成された所定の大きさの標準パターンを、例えば２４
Ｘ２４画素の矩形範囲で各画素毎に濃度階調を８ビツト
の２５６階調て読取っている。この入力された画像デー
タの例が第４図（Ａ）であり、この画像データは前処理
としてスムージング処理がなされるか、このスムージン
グ処理を次に説明する。

第７図はスムージング処理の動作例を示すフローチャー
トであり、第８図〜第１０図はその説明図である。スム
ージング処理は第１Ｏ図に示す３Ｘ３画素のスムージン
グマスクを、入力画像データについて走査することによ
り入力画像データの平滑化を行なっている。すなわち、
先ず第８図に示すように入力画像データの各画素毎の濃
度値に基づいて、その濃度値の画素数のヒストグラムを
作成しくステップ５２０）、そのピークとなる濃度値を
背景濃度値（ＢＰ）として算出する（ステップ５２１）
。これは、通常文字パターンは文字部分よりも背景部分
か多く、背景部分の濃度値は一定となるため、ピークと
なる濃度価（ＢＰ）が背景の濃度値となるからである。

そして、第９図に示すように背景濃度値を２４Ｘ２４画
素の周囲に１画素配置し、２６Ｘ２Ｂ画素の画像データ
とする（ステップ５２２）。

これは、３×３画素のスムージングマスクが２４ｘ２４
画素内の入力画素データの全てについて作用し得るよう
にするためである。次に、２６ｘ　２６画素の画像デー
タに第１０図に示すスムージングマスクを走査しくステ
ップ５２３）、入力画像データの平滑化を行ない、その
結果を以後の画像データとして使用する。この段階の画
像データの例か第４図（Ｂ）　である。このようにスム
ージング処理を行なっておくことにより、チエツクライ
タでの文字の刻印による模様を文字の濃度値で埋めるこ
とになり、文字刻印模様を消去することか出来る。

よって、安定な文字特徴か得られる利点かある。

次に、上述のようにしてスムージング処理された画像デ
ータに対して画素成分の抽出を行なって標準時微量の抽
出を行なう（ステップＳ３）。この画素成分の抽出動作
を第１１図〜第１４図を参照して説明する。

第１１図は標準パターンの画素成分の抽出動作を示すフ
ローチャートであり、先ずスムージング処理された画像
データにロビンソン・オペレータを使用して各画素毎に
濃度勾配強度及び濃度勾配方向を求める（ステップ５３
０〜５３２）。ロヒンソン・オペレータを示すのか第１
２図であり、３ｘ３画素の各画素に重みか付けらねてい
る８種類のマスクＭｏ　”　Ｍ　７て成っており、各マ
スクＭｏ〜Ｍ７はそのマスクか有する方向の勾配強度を
抽出するためのものである。例えはマスクＭ。により画
像データを走査すれは、各画素毎に１方向の勾配強度（
εｐｏ）か求められる。このように、８方向のマスクＭ
。−Ｍ７を用いて画像データを走査することによって、
各画素毎に各方向毎の濃度勾配強度（ＥＰｏ＝ＥＰ７）
を求めることかできる（ステップ５３０）。なお、濃度
勾配強度ＥＰｏ〜ＥＰ７はそれぞれマスクＭ　ｏ　”−
Ｍ　７に対応している。このようにして各画素毎に求め
た濃度勾配強度（ＥＰｏ”ＥＰ７）の中から最大値（Ｅ
ｈ）を求める（ステップ５３１）。そして、最大値（Ｅ
Ｐｌ）をその画素の濃度勾配強度とし、その最大値ＥＰ
、に対応する方向を濃度勾配方向とする（ステップ５３
２）。第４図（Ｃ）　　に、このようにして求めた画像
データを示す。

次に、このようにして求めた各画素毎の濃度勾配強度に
関して２値化処理を行なう（ステップ５３３．５４０〜
５４３）。第１３図（Ａ）を参照して、２値化処理のた
めのしきい値を決定する方法を説明する。先ず全ての画
素の中から濃度勾配強度の最大値（ＥＰ、ｎａｘ）を求
め（ステップ５３３）、この最大値（ＥＰ□８）か所定
の範囲にあるとことをチエツクしくステップ５４０）、
それ以外の値かあると画像入力ミスとしてエラー処理を
する（ステップ５４１）。これにより、画像処理の初期
の段階で画像入力ミスを発見できる。そして、最大値（
ＥＰ、、、ａｘ）が所定範囲内であれば、この１７８の
ＥＰｌ、、ａＸ／８をしきい値（ＥＰＴＨ：以下「有効
レベルしきい値」という）とする（ステップ５４２）。

そして、各画素の濃度勾配強度（ＥＰｌ）が有効レベル
しき値（ＥＰＴＨ）より太きければその画素の濃度勾配
強度を“１″とし、有効レベルしきい値（ＥＰＴＨ）よ
り小さけれはその画素の濃度勾配強度を“０パとする（
ステップ５４３）。これにより、各画素の濃度勾配強度
は“°Ｏ°°又は“１°“の２値化か行なわれる。これ
により、認識すべきパターンの部分と背景部分とを分離
することができる。この２値化された画像データの例が
第４図（Ｄ）であり、更にこれに濃度勾配方向も合せて
表示した例か第４図（Ｅ）である。

なお、ここでは２値化して濃度勾配強度を０又は１に決
定し簡略化しているか、２値化せずに各画素毎の濃度勾
配強度自体をそのまま利用することもできるし、又、第
１３図（Ｂ）及び（Ｃ）に示しているように濃度勾配強
度を量子化して利用することもてきる。第１３図ＣＢ）
の場合は最大値（ＥＰ、、、ａＸ）を８段階に区分し、
濃度勾配強度を０〜７の８段階に量子化している。第１
３図（Ｃ）の場合は濃度勾配強度のヒストグラムの累積
加算をし、その最大値を８等分にして濃度勾配強度をＯ
〜７の８段階に量子化している。このように多段階に量
子化した値を利用して各画素毎の濃度勾配強度を決定す
れは、より精度が向上する。

次に、第１４図の（Ａ）に示すようにこの２値化された
画像データを被認識対象の解析エリアについて（ｍ×ｎ
）等分し、ｍ×ｎのメツシュエリアに区分する（ステッ
プ５４４）。ここては、４Ｘ４の１６のエリア（ＳＰ、
［ｉｌ［ｊ］［ｋｌ　　ｉ−ｏ〜５．　、ｉ−０〜３）
に区分した場合を示している。但し、ｉは水平方向の区
分番号、Ｊは垂直方向の区分番号、Ｘは標準パターンの
番号である。そして、第１４図（Ｂ）のように各エリア
毎に濃度勾配方向毎の濃度勾配強度の総和（ＳＰＸ［ｉ
］［ｊ］［ｋ］；　ｉ−０〜３．　ｊ−ｏ〜３．　ｋ−
０〜７）を求める（ステップ５４５）。但し、ｋは濃度
勾配方向である。このようにして求められた値ｓｐＸ［
＋］　［Ｊ］　［ｋ］か標準パターンの標準時微量てあ
り、ｉ　ｘ　ｊ　ｘ　ｋ　（１２８）次元のヘクトル量
である。

以上の工程によって標準パターンの標準時微量か求めら
れる。そして、１つの標準時微量について所定回数、例
えは同一の１０個の標準パターンにより各々特徴量を求
め、その平均値をその標準パターンの正規の標準時微量
として記憶する（ステップＳ３）。

第３図において、　２２０個の全ての標準パターンにつ
いて同様にして標準時微量（ｓｐｘ　［１］　［ＪＪ　
［ｋ］　）を求める（ステップＳ４）。

次に、各標準パターンの標準時微量ＳＰ、　［Ｉ　Ｌｊ
］［ｋ］　に基ついて大分類辞書を作成する（ステップ
Ｓ５）。大分類辞書の内容は第１５図に示すようになっ
ており、この大分類辞書は各標準パターンの標準時微量
か一定の類似関係にあるものを１つの小集団（以下、ク
ラスターとする）として、複数のクラスターから構成さ
れている。具体的には標準時微量に基ついて一般に知ら
れているクラスター分析法、例えはウオード法でクラス
ターを作成する。すなわち、標準パターンの標準特徴量
間の類似度を示すシティ−、ブロック距１ｉｉ［（Ｄｉ
Ｓｔ）を全ての標準パターンの組合せについて、次の（
１）式により求める。

Ｄ＋５ｔ（ｘｉｘ；＋） ・・・・・・・・・（１） （但し、ｘｉ、ｘ２は標準パターン番号）そして、全て
の組合せについてシティブロック距離を算出した結果、
距離か最も小さいもの同士を１つのクラスターとし、そ
のクラスターに属する標準パターンの標準時ｉ数愈の平
均値をそのクラスターの特徴量とする。次に、再度クラ
スター及びその他の標準パターンとの全ての組合せにつ
いて特ｌＳ５量のシティ−ブロック距離を算圧し、距離
の最もノ」１さいものを１つのクラスターとする。以下
、同し動作をシティブロック距離か所定値以下、例えは
１００以下になるまで、又はクラスターの数か所定数、
例えは５０個になるまで繰返す。このように、ウォート
法により標準パターンの標準時微量の類似度によりクラ
スター分けされたものか大分類辞書である。

更に各クラスター毎に特徴量か定められる。これをクラ
スター特微量という。クラスター特微量（Ｃ５Ｐ、　［
ｉ］　［ｊ］　［ｋ］　：但し、ｎはクラスタ一番号）
は、各クラスターに属する標準パターンの標準時微量の
平均である。後述するように、実際の認識の際にはこの
クラスター特微量に基づいて大分類か行なわれるのであ
り、このクラスター特微量とクラスターとの対応関係が
大分類辞書である。なお、この段階の大分類辞書の例が
第１５図に示すものである。これに対し、中分類辞書は
各標準パターンとその標準時微量との対応関係を示すも
のである。第１５図の１つについて説明しておくと、例
えはクラスター［１４〕てはこのクラスターに属する標
準パターンはｂ３の「３Ｊ　、ｂ５の「５ヨてあり、又
、このクラスターのクラスター特徴量ｃｓｐ＋４［ｒ］
　［ｊ］　［ｋ］はｂ３の標準時微量ＳＰｂ：＋　［ｉ
Ｊ　［ｊ〕［ｋ］とｂ５の標準時微量５Ｐｂｓ［ｉ］　
［ｊ］　［ｋ］の平均値となっている。

次に、第１５図の大分類基本辞書に変動パターンの追加
登録をする動作について、第３図のステップ５１０以下
で説明する。変動パターンは、認識用辞書か実際に使用
される認識装置の被認識媒体（文字パターン）の言売取
績度に応して決められている。具体的には、認識装置て
波計、識媒体の読取精度か回転量で＋４度、ずれ量では
±１画素（０，２５ｍｍ）であったとすると、その変動
パターンは例えば回転の場合のものとして一４度、−３
度２度、−１度　＋１度、＋２度、＋３度、＋４度、ず
れの場合て−１画素、＋１画素の１０種類の変動パター
ンか標準パターン（２２０４）に対して各々作成する。

その例を、文字”　ｏ　”について第１６図に示す。す
なわち、第１６図（Ａ）の標準パターンに対して、変動
パターンは同図（Ｂ）の如く示される。又、この実施例
では回転とすれとを別々にして変動パターンを作成して
いるか、回転−４度′°てすれ゛°−１画素パ画素パラ
に回転とずれを組合せた変動パターンを加えておくこと
もできる。

操作部により、画像入力される変動パターンに対応する
標準パターンのパターン信号を入力し、その変動パター
ンを画像入力する（ステップ５１０）。入力された画像
データには標準パターンを入力したときと同様にスムー
ジング処理を行ない（ステップ５ｌｌ）、その後に変動
パターン特徴量（ＶＰ、　［ｉＪ　［ｊｌ　［ｋ］　）
を求め（ステップ５１２）、コノ特徴量に基づいて大分
類辞書により大分類の分類を行なう。大分類は、大分類
辞書の各クラスターのクラスター標準時ｔｉ　！［（Ｃ
５Ｐｎ［ｉＪ　［ｊｌ　［ｋ］）　　と変動パターン特
徴量（ＶＰ、［ｉＪ　［ｊｌ　［ｋ］）との類似度１１
ｓｔｎ）を下記（２）式により算出しくステップ５１３
）、最も類似度の高い（Ｄｉｓｔ、が最小となる）クラ
スターに属すると判断する（ステップ５１４）。

Ｄ＋ｓｔ＋、 ＝　圧：。　３：。　、Ｘ：Ｊ（ｖＰ、［ｉＪ［ｊｌ［
ｋ］−ｃｓｐ、Ｉｉ］［ｊｌ［ｋ］）・・・・・・・・
・（２） たたし、ｎはクラスタ一番号である。

そして、判断されたクラスター内にその変動パターンに
対応する標準パターンか既に登録されているかどうかを
チエツクしくステップ５１５）、登録されていなければ
、そのパターンをそのクラスター内に追加登録する（ス
テップ５１５．５１７）。登録は標準パターンに対応す
るパターン番号のみて、既に登録されてあれは次の変動
パターンについて上記動作を行なう。上述のような変動
パターンの追加登録動作は、標準パターン（２２０個）
に対応する変動パターンの全てについて行ない、全て終
れは終了となる。なお、変動パターンの追加登録の際に
は標準パターンのパターン番号をクラスター内に追加登
録するのみて、大分類に使用するクラスター特徴量につ
いては更新しない。これは、既存の２２０個とは別の新
規の標準パターン追加時に、再度全標準パターン内での
大分類の必要性かなくなる上、クラスター特徴量の鈍化
を防き、クラスター内のクラスター特徴量の類似性の差
の拡大を行なうためである。

次に、上記変動パターンの追加登録の際には、後述する
詳細分類で使用するパターン毎の各エリア毎の重みを算
出しているか（ステップＳ１８，５Ｉ８ＡＳ１９）、こ
れについて説明する。これは画像入力の際に変動が生し
た場合てあっても、どのエリアか変動による影響が少な
いかを予め凋へておくためである。この算出動作を第１
７図に従って説明する。

大分類辞書の作成時に処理された標準パターン番号Ｘの
入力文字のｎ個の変動パターン特徴量（ＶＰ　ｘ　、−
［１１［ｊｌ　［ｋ］）　（Ｐ　：文字変動パターン番
号１〜ｎ）に対し、４×４のメツシュエリア（ｉ、ｊ）
苺の平均特徴量ｔｔ　、　［ｉＪ　［ｊｌ　［ｋ］及び
そのエリア毎の特徴量分散Ｑ　ｘ’　［１］　［Ｊ］を
次の（３）及び（４）式により算出し、エリア毎の特徴
量分散ａ　、’　［ｉＪ　［ｊｌの逆数を重みＷＴｘ［
ｉＪ［ｊｌ　として記憶しておく。全変動パターンにつ
いて特徴量の算出か終了すると、算出された変動パター
ン特徴量ｖｐ、　［ｉＪ　［ｊｌ　［ｋ］のメツシュエ
リア（ｉ、ｊ）毎の平均特徴ｒ肩及び特徴量分散ａ　、
　２を下記（３）及び（４）に従って算出する（ステッ
プ５５０）。そして、特徴量分散０．２の逆数を重みＷ
ＴＸ［ｉＪ［」］　としくステップ５５１）、重み辞書
登録する（ステップ５５２）。この重みＷＴ−［ｉＪ　
［ｊｌ　の大きいエリアか、画像入力の際に変動か生し
てもその影響の少ない安定したエリアである。

ａ　、’　［ｉＪ　［ｊｌ ・・・・・・（４） 第１８図か変動パターンを追加登録したこの段階の大分
類辞書の例であり、第１５図の大分類辞書と比較すると
、例えはクラスターＮｏ、１４では°’ｅ３ｅ５．ｂ８
．ｏ８”の４個の標準パターン番号か追加登録されてい
るのが分る。なお、第１８図に示す大分類辞書か実際の
パターン認識の際に使用されるものである。ここで、大
分類辞書とは類似する文字集団であるクラスターと、そ
のクラスターかもつクラスター特微量との対応関係を示
すものであり、大分類辞書に基つく大分類とは被認識文
字の特微量とクラスター特微量とを比較し、被認識文字
かどのクラスターに属する文字であるかを判別する処理
である。

次に、上記認識用辞書を用いた場合の文字パターン開織
動作について第１図のブロック図に基づいて説明する。

先ず画像入力手段ｌＯの画像センサて、例えは第２図（
Ｂ）　に示す小切手の金額記入欄４の画像を入力する。

この金額記入欄４は予め定められた位百であり、この欄
内の濃淡濃度を２５６階調で画像センサにより取得する
。第５図（Ａ）か金額記入欄４の原画を示している。こ
のように取得された画像データを前処理手段１１でスム
ージングして平滑化を行なう。この結果第５図（Ｂ）の
ようになり、スムージング処理された画像データに基つ
き文字切出手段１７は文字の切出しを行なう。文字の切
出しは上述したロヒンソン・オペレータにより画像デー
タを走査し、水平方向については左方向成分（第４図（
Ｆ））及び右方向成分（第４図（Ｇ））を持つ画素のヒ
ストグラムにより切出し座標を抽出する。その結果、第
５図（Ｅ）の左方向ヒストグラム及び同図（Ｆ）の右方
向ヒストグラムか得られる。

つまり、右方向ヒストグラムの低い所で極端に変化して
いる個所か文字の右端であり、左方向ヒストグラムで低
い所て極端に変化する個所か文字の左端である。そして
、垂直方向についても同しように、上方向成分（第４図
（Ｈ）　）　、下方向成分（第４図（Ｉ））を持つ画像
のヒストグラムにより垂直方向についても切出す。この
実施例では水平方向に列であるので、金額記入欄４の全
体について行なうのみて良い。水平方向に切出されたも
のの各々について垂直方向に切出すようにすれは、水平
方向に一列でないときても可能である。そして、このよ
うにして切出された領域の中心点を求め、この点を中心
として２４Ｘ２４画素の領域を文字の切出領域とする。

これは、上述した標準パターンの特微量が２４Ｘ２４画
素として得られているため、これに合せるためである。

第５図（Ｃ）は濃度勾配の画像であり、同図（Ｄ）は濃
度勾配を２値化したものを示している。また、第５図（
Ｅ）は左方向ヒストグラムであり、各文字の左端を規定
する左端線１００が求められ、同図（Ｆ）は右方向ヒス
トグラムであり、各文字の右端を規定する右端線２００
か求められ、これら左端線１００及び右端線２００によ
って同図（Ｂ）の如く文字の切出しが行なわれる。

次に、上述のようにして区分された各エリアについて、
特徴量抽出手段３２で特微量（以下、入力バターン特微
量という）を抽出する。入力バターン特微量（ＩＰ、［
ｉ］　［ｊコ［ｋｌ、但し、ｍは切出し番号。

ｌは水平方向の区分番号、ｊは垂直方向の区分番号、に
は濃度勾配方向番号）は標準パターンの特微量を抽出し
た方法と同様であり、切出された文字の画像データにロ
ヒンソン・オペレータのマスクを利用して画素毎に濃度
勾配強度及び濃度勾配方向を求めて２値化し、更に文字
の切出領域を４Ｘ４の１６エリア（ＩＰ、ｎ［ｉ］　［
ｊ］）　に区分し、各エリア毎に各濃度勾配方向毎の画
素数の総和を求める。こうして求められる１２８次元ベ
クトル量が入カバターン特微量である。そして、切出さ
れた文字の全てについて入力バターン特微量の抽出が終
了すると、この入力バターン特微量に基つき大分類辞書
５１を利用して、大分類部４１での大分類、中分類部４
２ての中分類、詳細分類部での詳細分類の３段階によっ
てパターン認識を進めていく。

すなわち、最初にクラスターを判別するために大分類を
行なうか、大分類は第１８図の大分類辞書のクラスター
毎の各クラスター標準時微量Ｃ５Ｐ、　［ｉ］　［ｊ］
　［ｋｌ　との類似度（Ｄｉ、ｔｎ）を下記（５）式に
より算出し、最も類似するもの（Ｄｌｆｔが最小となる
もの）を求め、そのクラスターに属する文字と判断する
。

Ｄｔｓｔ□ なお、上述したように大分類辞書のクラスター内の標準
パターンは、画像入力の際に回転ずれによる変動が生し
た場合の特徴量によりクラスター内に追加登録かなさね
ているので、大分類で失敗することはない。大分類によ
って切出文字の属するクラスターか判断されると、次に
中分類部４２て中分類を行なう。中分類は、入力バター
ン特微量ＩＰ□［ｉ］　［ｊ］［ｋ］とクラスターに属
する全ての標準パターンの標準時微量ＳＰ、　［ｉ］　
［ｊ］　［ｋ］との類似度（Ｄ、工い）を上記（５）式
により算出し、所定値以上類似するものであって最も類
似する方から（Ｄ＋ｓｔｘの小さい方から）２つを候補
として抽出する。

この際、類似するものかないとき（Ｄ＋ｓｔｘか所定以
下のものかないとき）には標準パターンにない文字と判
断し、数字「０〜９」又は日記号「￥」、ｒ＊」等の終
桁符号の文字てないとする。又、類似するものか１つの
ときには、その標準パターンと判断する。通常は２つの
候補か抽出され、この場合には２つの標準パターンか同
し文字か否かを判断する。例えは同し文字種の標準パタ
ーン゛’ａＯ”の「０」と°”ｆｏ”の「０」か抽出さ
れたような場合には最も類似する方の標準パターンとし
、文字を「０」と判断する。これは最終的に文字か「Ｏ
〜９」、「￥Ｊ、’＊Ｊのとれであるかが分れは良いか
らであり、標準パターンはａＯ°′でも’ｆＯ”でもと
ちらても良いからである。又、異なる文字の標準パター
ンか２つ抽出されたときには、詳細分類部での詳細分類
に移行する。

詳細分類は、抽出された２つの候補の標準パターンを比
較し、両パターンの各区分毎の特徴量のうち安定した非
類似なエリアを抽出し、そのエリアについてのみパター
ン照合を行なうものである。具体的に第１９図のフロー
チャートに従って、第２０図の説明図を用いて説明する
。

第２０図の（Ａ）及び（Ｂ）　　に示すように、中分類
で標準パターン×１及び×２の２つの候補として抽出さ
れたとする。そして、抽出された標準パターン間の相違
度Ｄ　ｌ　ｒｔ　［ｉ］　［ｊ］を各エリア（４ｘ４）
＠に下記（６）式により求める。

Ｄｊｆｆ［ｉ］［ｊコ この（６）式の意味は、あるエリアにお（プる２つの候
補文字標準パターン間の特徴量の相違度に、そのエリア
での特徴量の安定度（重み）を掛は合せた式になってお
り、パターンの変動か生じている場合においても２つの
候補文字間の非類似性か高く、かつ安定したエリアを抽
出するための尺度か表現されている。そして、（６）式
におけるＷＴ、　［ｉ］　［ｊ］　は辞書作成処理にお
ける変動パターンの追加登録時に求められている。　（
６）式により各エリア毎の相違度を求めた具体例か第２
０図（Ｃ）であり、このようにして求めた各エリア毎の
相違度の中から相違度の大きい３つのエリアを抽出する
。第２０図（Ｃ）の例では、［１ｉｆｆ［１］［１］、
Ｄｊｆｆ［０］［１］Ｄ＋ｆｒ［３］　［０］か抽出さ
れ、同図（［１）の斜線エリアが得られる。この３つの
エリアは標準パターン同士か非常に相違している部分で
あると共に、画像入力の際生じる変動による影響の小さ
い部分であるので、このエリアについてのみ人カバター
ンがどちらの標準パターンに類似しているかを見れば、
より正確に判別てきる。まず、抽出された３つのエリア
についてのみ、人カバターンの特徴量と２候補の標準パ
ターンの特徴量の類似度ＡＤ、□、［ｊ］［ｊ］を次の
（７）式により求める。

へ〇＋５ｔｘ＝；１人ＩＰ。［ｉ］　［ｊ］　［ｋ］　
−５Ｐ、　［ｉ］　［利［ｋ］ｌ　　・・・（７）そし
て、３つのエリアの相違度の総和をエリア類似度ＡＤ＋
−ｔつ［ｉｌ　［ｊ］とする。第２０図の例では各エリ
ア類似度は次の（８）式、（９）式で表わせる。

八Ｄ −Ｄｔｓｔｘ＋［’］［１］”　　０１Ｓｔｘｌ［０］
［１］＋　　ＤｉＳｔ、ｌ［３］［０］・・・・・・（
８） ＡＤｉｓｔｘ２ −　　ｏ＋、ｔ、２［ｉｌ［１］＋ｏ＋５ｔＸ２［０］
［１］・ｏｌｓｔ、２［３］［ｏ］・・・・・・（９） こうして求められた２候補の標準パターン（ｘ＋及び×
２）とのエリア類似度ＡＤｉｓｔｘ□、ＡＤ、□Ｘ２の
類似度を比較し、より類似する方（ＡＤ＋ｓｔの小さい
方）を入カバターンの文字と判断する。この人カバター
ンの文字認識動作は上述の切出された文字の全てについ
て行ない、その後認識動作を終了する。

この段階て小切手等の金額記入欄に記入されている金額
情報か認識できる。

なお、上記実施例では大分類時点作成時にクラスター分
析のつオート法を用いているか、これに限定されるもの
ではなく、パターン間の一足の類似関係によって分類で
きるものであれは何でも良い。又、上記実施例てはクラ
スター特ｌｉｔとしてクラスター内のパターンの特徴量
の平均を用いているか、平均を用いず、クラスター内の
パターンの１つの特徴量を代表してクラスター特微量と
しても良く、要するにクラスター内のパターンを代表し
て表現できる特徴量であれは良い。さらに、上記実施例
では変動パターンを予め作成し、それを画像入力するこ
とにより変動パターン特微量を抽出するようにしている
が、この方法に限定されるものではなく、例えは、標準
パターンを画像入力した際の画像データに回転、ずれ等
の画像処理を行なって変動パターンの画像データを作成
して、変動パターン特微量を抽出するようにしても良い
。

又、上記実施例は小切手等の帳票から文字を切出して文
字パターンを認識するものを示した力釈第１図において
ステップ５１２を省略して、辞書に紙幣等のパターンの
特徴量を記憶するようにすれは、紙幣等の紙葉類のパタ
ーン認識にもそのまま利用できる。さらに、上記実施例
の特徴量抽出手段は、入力画像をｍ×ｎのエリアに区分
して、エリア毎に濃度勾配方向成分毎の濃度勾配強度の
総和を求めているか、ｍ×ｎのエリアに区分することな
く、濃度勾配方向成分毎の濃度勾配強度の総和を特徴量
とするようにしても良い。

以上のように本発明によれば、入力画像データから一旦
濃度に関する濃度勾配方向及び強度を求め、この濃度勾
配情報を基に特徴量を抽出して認識しており、又この濃
度勾配情報はセンサ系の変動（光源の光量の変化、セン
サの感度変化、増幅器のゲイン変動）の影響をほとん゛
と受けず、認識媒体が色あせたり、パターンがかすれて
いるときでもほとんど影響を受けないため、このような
場合でも確実にパターンの認識か可能となる。更に、入
力画像をｍ×ｎのエリアに区分して、エリア毎の濃度勾
配情報によってパターンの特徴量を求めるようにしてい
るので、パターンを構成する局部毎に比較照合か可能と
なり、より高精度なパターン認識が可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック構成図、第２
図（Ａ）は手形の一例を示す図、第２図（Ｂ）は小切手
の一例を示す図、第３図は本発明の認識用辞書の作成方
法を示すフローチャート、第４図（Ａ）〜（■）及び第
５図はそれぞれ具体的な画像例を示す図、第６図（Ａ）
〜（Ｄ）は標準パターンの例を示す図、第７図はスムー
ジング処理例を示すフローチャート、第８図〜第１Ｏ図
はスムージングを説明するための図、第１１図は標準時
微量の抽出動作を示すフローチャート、第１２図〜第１
４図はその抽出動作を説明するための図、第１５図は大
分類辞書の例を示す図、第１６図は標準パターンを説明
するための図、第１７図は中分類辞書の例を示す図、 第１８図は 中分類辞書の例を示す図、第１９図は詳細分類の動作例
を示すフローチャート、第２０図は詳細分類を説明する
ための図である。 １．４・・・金額記入欄、２，５・・・情報欄、３，６
・・・金額情報欄、ｌＯ・・・画像入力手段、１１・・
・前処理手段、２０・・・画素成分抽出手段、３０・・
・特徴量抽圧手段、３１・・・エリア区分手段、４０・
・・比較照合手段、５０・・・記憶手段。

Claims (1)

1. 【特許請求の範囲】 １、被認識パターンを画像入力する画像入力手段と、こ
   の画像入力手段により画像入力された画像データの各画
   素毎の濃度勾配方向成分及び濃度勾配強度成分で成る画
   素成分を抽出する画素成分抽出手段と、前記画素成分抽
   出手段で抽出された濃度勾配方向毎の濃度勾配強度の総
   和を特徴量として抽出する特徴量抽出手段と、認識すべ
   きパターンの基準となる標準パターンの特徴量を予め記
   憶した記憶手段と、前記特徴量抽出手段で抽出された被
   認識パターンの特徴量及び前記記憶手段に記憶されてい
   る標準パターンの特徴量を比較照合し、その比較結果に
   基づいて前記被認識パターンがどの標準パターンである
   かを判別する比較照合手段とを具備したことを特徴とす
   るパターン認識装置。 ２、前記特徴量抽出手段は、入力された画像をｍ×ｎの
   複数のエリアに区分し、この区分されたエリア毎に前記
   画素成分抽出手段で抽出された濃度勾配方向成分毎の濃
   度勾配強度成分の総和を抽出し、これを前記比認識パタ
   ーンの特徴量とする請求項１に記載のパターン認識装 置。 ３、前記認識パターンが紙葉類の模様である請求項１又
   は２に記載のパターン認識装置。 ４、前記認識パターンが文字パターンである請求項１又
   は２に記載のパターン認識装置。