JPH0465786A - 図面読取装置の文字認識方法 - Google Patents
図面読取装置の文字認識方法Info
- Publication number
- JPH0465786A JPH0465786A JP2178177A JP17817790A JPH0465786A JP H0465786 A JPH0465786 A JP H0465786A JP 2178177 A JP2178177 A JP 2178177A JP 17817790 A JP17817790 A JP 17817790A JP H0465786 A JPH0465786 A JP H0465786A
- Authority
- JP
- Japan
- Prior art keywords
- normalization
- character
- character string
- deformation
- recognition method
- 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.)
- Granted
Links
Landscapes
- Character Input (AREA)
- 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】
［概要］
読取図面中に書かれた手書き文字列を認識する図面読取
装置の手書き文字認識方法に関し、文字歪みを持った斜
め文字列の認識率を向上することを目的とし、 読取図面中から抽出された文字列の斜め変形の有無を検
出し、斜め変形による歪みを除去して各文字を正規化し
た後に各文字を認識するように構成する。また斜め変形
の有無は、正規化前と正規化後の文字列細線化ベクトル
の総和の大小関係から求める。
装置の手書き文字認識方法に関し、文字歪みを持った斜
め文字列の認識率を向上することを目的とし、 読取図面中から抽出された文字列の斜め変形の有無を検
出し、斜め変形による歪みを除去して各文字を正規化し
た後に各文字を認識するように構成する。また斜め変形
の有無は、正規化前と正規化後の文字列細線化ベクトル
の総和の大小関係から求める。
［産業上の利用分野］
本発明は、読取図面中に書かれた手書き文字列を認識す
る図面読取装置の手書き文字認識方法に関し、特に読取
図面のイメージデータからベクトルデータを生成して文
字列を認識する図面読取装置の手書き文字認識方法に関
する。
る図面読取装置の手書き文字認識方法に関し、特に読取
図面のイメージデータからベクトルデータを生成して文
字列を認識する図面読取装置の手書き文字認識方法に関
する。
近年、プラント設計、電気設計などの分野ではＣＡＤシ
ステムへ手書きされた図面の読取データを自動入力する
システムが実用化されつつあるが、図面に記載された手
書き文字列の認識は、０度及び９０度方向に並んだ文字
列のみに限定されており、０度、９０度以外の傾いた文
字列に対しては認識率が低いため、文字認識の確認修正
処理もしくはＣＡＤシステムで再入力が必要であった。
ステムへ手書きされた図面の読取データを自動入力する
システムが実用化されつつあるが、図面に記載された手
書き文字列の認識は、０度及び９０度方向に並んだ文字
列のみに限定されており、０度、９０度以外の傾いた文
字列に対しては認識率が低いため、文字認識の確認修正
処理もしくはＣＡＤシステムで再入力が必要であった。
このため、傾きのある文字列を確実に認識する必要があ
る。
る。
［従来の技術］
従来、０度、９０度以外の傾いた文字列の認識方法とし
ては、１５度刻みの傾きのある文字列を対象とした認識
方法が知られている（「図面内の傾いた文字列抽出」情
報処理学会第３７回（昭和６３年度後期）全国大会講演
論文集２Ｗ−２，１９８８，ｐｐ１６０８−１６０９参
照）。
ては、１５度刻みの傾きのある文字列を対象とした認識
方法が知られている（「図面内の傾いた文字列抽出」情
報処理学会第３７回（昭和６３年度後期）全国大会講演
論文集２Ｗ−２，１９８８，ｐｐ１６０８−１６０９参
照）。
［発明が解決しようとする課題］
しかしながら、このような従来の１５度刻みの傾いた文
字列を対象とした文字認識方法にあっては、文字列を構
成する各文字が文字列の傾きに対して斜めの変形が無い
ものに対して有効であるが、文字列の傾きに対して正立
てなく斜めの変形があると、この斜め変形歪みにより正
しく文字認識できない。
字列を対象とした文字認識方法にあっては、文字列を構
成する各文字が文字列の傾きに対して斜めの変形が無い
ものに対して有効であるが、文字列の傾きに対して正立
てなく斜めの変形があると、この斜め変形歪みにより正
しく文字認識できない。
例えば、プラント設計のアイツメ図（配管図）を作成す
る際には、一つの図面に対し複数の人間により文字列が
記入されるが、文字列を構成する文字の文字列の傾きに
対する斜め歪みがあるか否かは個人により異なり、個人
差を考慮して文字列を構成する文字の斜め歪みを検出す
る必要があり、現在までのところ有効な解決策は見い出
されていない。
る際には、一つの図面に対し複数の人間により文字列が
記入されるが、文字列を構成する文字の文字列の傾きに
対する斜め歪みがあるか否かは個人により異なり、個人
差を考慮して文字列を構成する文字の斜め歪みを検出す
る必要があり、現在までのところ有効な解決策は見い出
されていない。
本発明は、このような従来の問題点に鑑みてなされたも
ので、文字歪みを持った斜めに傾いた文字列を確実に認
識して認識率を向上できる図面読取装置の文字列認識方
法を提供することを目的とする。
ので、文字歪みを持った斜めに傾いた文字列を確実に認
識して認識率を向上できる図面読取装置の文字列認識方
法を提供することを目的とする。
［課題を解決するための手段］
第１図は、本発明の原理説明図である。
まず本発明は、読取図面中に書かれた手書き文字列を認
識する図面読取装置の手書き文字認識方法を対象とする
。このような手書き文字認識方法につき第１図（ａ）に
示すように、 読取図面中の手書き文字列を抽出する第１過程１０と； 第１過程１６で抽出された文字列の斜め変形の有無を検
出する第２過程１２と； 第２過程１２で斜め変形が検出された際に、斜め変形に
よる歪みを除去して各文字を正規化する第３過程１４と
； 第３過程１４で正規化された文字列或いは前記第２過程
１２で斜め変形なしと判定された文字列の各文字を認識
する第４過程１６と； を備えたことを特徴とする。
識する図面読取装置の手書き文字認識方法を対象とする
。このような手書き文字認識方法につき第１図（ａ）に
示すように、 読取図面中の手書き文字列を抽出する第１過程１０と； 第１過程１６で抽出された文字列の斜め変形の有無を検
出する第２過程１２と； 第２過程１２で斜め変形が検出された際に、斜め変形に
よる歪みを除去して各文字を正規化する第３過程１４と
； 第３過程１４で正規化された文字列或いは前記第２過程
１２で斜め変形なしと判定された文字列の各文字を認識
する第４過程１６と； を備えたことを特徴とする。
ここで第２過程における文字列の斜め変形の検出方法と
しては、 文字列を構成する各文字の細線化ベクトル長を算出する
第１過程と； 該第１過程で算出された細線化ベクトル長の総和を算出
する第２過程と； 斜め変形歪みを除去する所定の正規化変換式により各文
字の細線化ベクトルを座標変換し、該座標変換ベクトル
でなる各文字の細線化ベクトル長を算出する第３過程と
； 該第３過程で算出された正規化文字の細線化ベクトル長
の総和を算出する第４過程と；前記第２過程で算出され
た正規化前の総ベクトル長と前記第４過程で得られた正
規化後の総ベクトル長とを比較し、 ■正規化により総ベクトル長が短くなった時には斜め変
形ありと判定し、 ■正規化によりベクトル長が長くなった時には斜め変形
なしと判定する 第５過程と； を備えたことを特徴とする。
しては、 文字列を構成する各文字の細線化ベクトル長を算出する
第１過程と； 該第１過程で算出された細線化ベクトル長の総和を算出
する第２過程と； 斜め変形歪みを除去する所定の正規化変換式により各文
字の細線化ベクトルを座標変換し、該座標変換ベクトル
でなる各文字の細線化ベクトル長を算出する第３過程と
； 該第３過程で算出された正規化文字の細線化ベクトル長
の総和を算出する第４過程と；前記第２過程で算出され
た正規化前の総ベクトル長と前記第４過程で得られた正
規化後の総ベクトル長とを比較し、 ■正規化により総ベクトル長が短くなった時には斜め変
形ありと判定し、 ■正規化によりベクトル長が長くなった時には斜め変形
なしと判定する 第５過程と； を備えたことを特徴とする。
この斜め変形検出方法の第３過程で使用する正規化変換
式は、文字列の傾き角度をα、文字列の開始点を（ｘｏ
３’ｏ ） 、正規化する任意のベクトル座標値を（
ｘ、 ｙ）とした時、 ■＝ｘ−ｃｏｓ （α）ＸｈＸＫ＋ （α）ｙ＝ｙ
−ｓｉｎ （α）ｘｈｘＫ＋ （ａ）で与えられる
。
式は、文字列の傾き角度をα、文字列の開始点を（ｘｏ
３’ｏ ） 、正規化する任意のベクトル座標値を（
ｘ、 ｙ）とした時、 ■＝ｘ−ｃｏｓ （α）ＸｈＸＫ＋ （α）ｙ＝ｙ
−ｓｉｎ （α）ｘｈｘＫ＋ （ａ）で与えられる
。
また正規化変換式に使用する係数りは文字列の開始点（
ｘ０、ｙ０）を通る傾きαの直線への垂線の長さであり
、 ｈ＝ｌ −ｓｉｎ （ａ） Ｘ （ｘ−ｘ０） ＋Ｃ
Ｏ８（α）×（ｙｙ０） で与えられ、且つ正規化変換式に使用する係数Ｋ（α）
は、経験により設定した１〜０の範囲の値とする。
ｘ０、ｙ０）を通る傾きαの直線への垂線の長さであり
、 ｈ＝ｌ −ｓｉｎ （ａ） Ｘ （ｘ−ｘ０） ＋Ｃ
Ｏ８（α）×（ｙｙ０） で与えられ、且つ正規化変換式に使用する係数Ｋ（α）
は、経験により設定した１〜０の範囲の値とする。
更に文字列の斜め変形検出方法に使用する正規化変換式
の係数Ｋｌ （α）は経験により、０＜｜α｜≦π／
４ の時、Ｋ１（α）＝１．０π／４〈１α１≦３π／
８の時、Ｋ１（α）＝０．７３π／８＜｜α｜≦π／２
の時、Ｋ１（α）＝０．０とする。
の係数Ｋｌ （α）は経験により、０＜｜α｜≦π／
４ の時、Ｋ１（α）＝１．０π／４〈１α１≦３π／
８の時、Ｋ１（α）＝０．７３π／８＜｜α｜≦π／２
の時、Ｋ１（α）＝０．０とする。
更に又、文字列の斜め変形検出方法における第５過程の
斜め変形の判定きして、正規化前の総ベクトル長に重み
係数に２（α）を乗算した値と正規化後の総ベクトル長
とを比較し、 ■正規化により総ベクトル長が等しいか短くなった時に
は斜め変形ありと判定し； ■正規化により総ベクトル長が長くなった時には斜め変
形なしと判定する； ことを特徴とする。
斜め変形の判定きして、正規化前の総ベクトル長に重み
係数に２（α）を乗算した値と正規化後の総ベクトル長
とを比較し、 ■正規化により総ベクトル長が等しいか短くなった時に
は斜め変形ありと判定し； ■正規化により総ベクトル長が長くなった時には斜め変
形なしと判定する； ことを特徴とする。
この場合の重み係数に２（α）の値は、経験により、
０＜｜α｜＜＝π／４の時、
ｋ （（２）＝１．０＋ＣＯ１（α／２）π／４〈１α
１〈＝３π／８の時、 ｋ （ａ） ＝０． ７＋ｃｏｓ （π／８）３π／
８＜｜α｜＜＝π／２の時、 ｋ（α）＝０．０ とする。
１〈＝３π／８の時、 ｋ （ａ） ＝０． ７＋ｃｏｓ （π／８）３π／
８＜｜α｜＜＝π／２の時、 ｋ（α）＝０．０ とする。
［作用］
このような構成を備えた本発明による図面読取装置の手
書き文字認識方法によれば、第１図（ｂ）に示すように
、斜め変形のある文字列が検出された場合には、斜め変
形による文字の歪みを取り除く正規化変換式に従って正
規化された文字列を生成し、変形歪みのない正規化文字
列に対し認識処理が行われることで、斜め方向に傾いて
書かれた文字列の認識率を大幅に向上することができる
。
書き文字認識方法によれば、第１図（ｂ）に示すように
、斜め変形のある文字列が検出された場合には、斜め変
形による文字の歪みを取り除く正規化変換式に従って正
規化された文字列を生成し、変形歪みのない正規化文字
列に対し認識処理が行われることで、斜め方向に傾いて
書かれた文字列の認識率を大幅に向上することができる
。
その結果、プラント設計等で用いられるアイツメ図は３
０度、６０度の傾きに並んだ文字列を含むアイツメ図中
の文字列を正確に認識でき、ＣＡＤシステムに対する自
動入力を実用化できるに十分な認識率を得ることができ
る。
０度、６０度の傾きに並んだ文字列を含むアイツメ図中
の文字列を正確に認識でき、ＣＡＤシステムに対する自
動入力を実用化できるに十分な認識率を得ることができ
る。
［実施例］
第２図は本発明の手書き文字認識方法が実施される図面
読取装置の実施例構成図である。
読取装置の実施例構成図である。
第２図において、１８は図面読取部であり、例えばイメ
ージスキャナを使用してプラント設計等の手書きされた
アイツメ図を読取ってイメージデータに変換する。２０
は文字列抽出部であり、図面読取部１８で読取られた図
面のイメージデータの中から傾きを持って書かれた文字
列を切り出し、文字列の傾きα、平行四辺形として設定
された切り出し領域、切り出された各文字に対する輪郭
ベクトル、各文字の輪郭ベクトルの細線化処理により得
られた細線化ベクトルを出力する。２２は斜め変形検出
部であり、後の説明で明らかにする正規化前の細線化ベ
クトル長の総和と正規化後の細線化ベクトル長との総和
との大小比較により斜め変形の有無を検出する。２４は
文字正規化部であり、斜め変形検出部２２で斜め変形有
りと判定された文字列を対象として所定の正規化変換式
を使用した各文字の正規化変換、具体的には各文字を構
成する細線化ベクトル座標の正規化変換を行なう。２６
は文字認識部であり辞書を参照して斜め変形の無い文字
を対象に文字認識を行なう。
ージスキャナを使用してプラント設計等の手書きされた
アイツメ図を読取ってイメージデータに変換する。２０
は文字列抽出部であり、図面読取部１８で読取られた図
面のイメージデータの中から傾きを持って書かれた文字
列を切り出し、文字列の傾きα、平行四辺形として設定
された切り出し領域、切り出された各文字に対する輪郭
ベクトル、各文字の輪郭ベクトルの細線化処理により得
られた細線化ベクトルを出力する。２２は斜め変形検出
部であり、後の説明で明らかにする正規化前の細線化ベ
クトル長の総和と正規化後の細線化ベクトル長との総和
との大小比較により斜め変形の有無を検出する。２４は
文字正規化部であり、斜め変形検出部２２で斜め変形有
りと判定された文字列を対象として所定の正規化変換式
を使用した各文字の正規化変換、具体的には各文字を構
成する細線化ベクトル座標の正規化変換を行なう。２６
は文字認識部であり辞書を参照して斜め変形の無い文字
を対象に文字認識を行なう。
第３図は第２図の実施例における文字認識処理フロー図
である。
である。
第３図において、まず読取図面のイメージデータを対象
としてＳｌで文字列抽出、即ち読取図面中に存在する文
字列の切出しを行ない、文字列の傾きα、平行四辺形の
切出し領域、各文字に対する輪郭ベクトルと細線化ベク
トルを生成する。
としてＳｌで文字列抽出、即ち読取図面中に存在する文
字列の切出しを行ない、文字列の傾きα、平行四辺形の
切出し領域、各文字に対する輪郭ベクトルと細線化ベク
トルを生成する。
続いてＳ２で８１で抽出した文字列の傾きαが０°、あ
るいは９０°以外の傾きか否か判定する。
るいは９０°以外の傾きか否か判定する。
文字列の傾きαが０°または９０°以外の場合にはＳ３
に進み、斜め変形があるか否かの検出処理を行ない、斜
め変形が判定された文字列についてのみＳ４で斜め変形
による歪みを除去するための文字正規化処理を行ない、
最終的に８５で斜め変形の無い文字を対象とした文字認
識を行なうようになる。
に進み、斜め変形があるか否かの検出処理を行ない、斜
め変形が判定された文字列についてのみＳ４で斜め変形
による歪みを除去するための文字正規化処理を行ない、
最終的に８５で斜め変形の無い文字を対象とした文字認
識を行なうようになる。
次に第３図の文字認識処理フロー図におけるＳ３の斜め
変形の検出処理及びＳ４の文字正規化処理について詳細
に説明する。
変形の検出処理及びＳ４の文字正規化処理について詳細
に説明する。
第４図は本発明の斜め変形の検出原理図であり、文字列
ｒＡＡＪを例にとって斜め変形の有る文字列２８、斜め
変形の有る文字列に正規化を行なった文字列３０、正規
化された文字列３０を更に正規化した文字列３２を示し
ている。即ち、文字列２８は斜め変形が有り、この文字
列２８に斜め変形による歪みを除く正規化を施すと斜め
変形の無い文字列３０が得られる。一方、読取図面から
抽出された文字列が文字列３０に示すように斜め変形が
無かった場合には、この斜め変形の無い文字列３０に正
規化を施すことで斜め変形による歪みを受けた文字列３
２に変換されることになる。ここで斜め変形の有る文字
列２８を正規化して斜め変形の無い文字列３０とした場
合をケース■、斜め変形の無い文字列３０を正規化して
斜め変形の有る文字列３２とした場合をケース■とする
。
ｒＡＡＪを例にとって斜め変形の有る文字列２８、斜め
変形の有る文字列に正規化を行なった文字列３０、正規
化された文字列３０を更に正規化した文字列３２を示し
ている。即ち、文字列２８は斜め変形が有り、この文字
列２８に斜め変形による歪みを除く正規化を施すと斜め
変形の無い文字列３０が得られる。一方、読取図面から
抽出された文字列が文字列３０に示すように斜め変形が
無かった場合には、この斜め変形の無い文字列３０に正
規化を施すことで斜め変形による歪みを受けた文字列３
２に変換されることになる。ここで斜め変形の有る文字
列２８を正規化して斜め変形の無い文字列３０とした場
合をケース■、斜め変形の無い文字列３０を正規化して
斜め変形の有る文字列３２とした場合をケース■とする
。
ケース■における正規化前の文字列２８と正規化後の文
字列３０について、各文字を構成する細線化ベクトル長
の総和を求めて大小関係を比較すると、斜め変形の有る
文字列２８の場合には正規化後の総ベクトル長が長くな
る関係にある。
字列３０について、各文字を構成する細線化ベクトル長
の総和を求めて大小関係を比較すると、斜め変形の有る
文字列２８の場合には正規化後の総ベクトル長が長くな
る関係にある。
一方、ケース■の斜め変形の無い文字列３０を正規化し
た場合には、正規化前の細線化ベクトル長の総和と正規
化後の細線化ベクトル長の総和との間に、図示のように
正規化後の総ベクトル長が長くなる関係がある。このよ
うな斜め変形の有る場合と斜め変形の無い場合の文字列
に対する正規化前と正規化後の文字列を構成する各文字
の細線化ベクトル長の総和の大小関係から、処理対象と
している文字列、即ち正規化前の文字列が斜め変形を持
つか否かを検出することができる。
た場合には、正規化前の細線化ベクトル長の総和と正規
化後の細線化ベクトル長の総和との間に、図示のように
正規化後の総ベクトル長が長くなる関係がある。このよ
うな斜め変形の有る場合と斜め変形の無い場合の文字列
に対する正規化前と正規化後の文字列を構成する各文字
の細線化ベクトル長の総和の大小関係から、処理対象と
している文字列、即ち正規化前の文字列が斜め変形を持
つか否かを検出することができる。
第５図は第４図の斜め変形の検出原理に基づいた具体的
な斜め変形の判定処理フロー図である。
な斜め変形の判定処理フロー図である。
第５図において、゛まずＳｌで文字列を構成する各文字
の細線化ベクトル長１１．を算出する。例えば第６図に
示す傾きαを持つ文字列「Ａ・・・Ｚ」を処理対象とし
た場合、例えば文字ｒＡＪは細線化ベクトルＶ、ｌ〜ｖ
、うで構成されている。
の細線化ベクトル長１１．を算出する。例えば第６図に
示す傾きαを持つ文字列「Ａ・・・Ｚ」を処理対象とし
た場合、例えば文字ｒＡＪは細線化ベクトルＶ、ｌ〜ｖ
、うで構成されている。
文字の細線化ベクトル長ｌ２．は、
１＋１＝ ａｚ Ｃｚ ＋ ｂｚ ｄｚ
）２で算出される。ここでｉは文字列を構成する各文字
の順番を示す番号、ｊは１つの文字を構成する細線化ベ
クトルの数を示す番号である。
）２で算出される。ここでｉは文字列を構成する各文字
の順番を示す番号、ｊは１つの文字を構成する細線化ベ
クトルの数を示す番号である。
第６図の文字ｒＡＪの場合、例えば最初の細線化ベクト
ルＶｌｌの細線化ベクトル長１１□は始点座標を（ａ
ｌｌ＋ ｂ １１） 、終点座標を（Ｃ＋＋、ｄ＋＋
）として前記（１）式により算出される。このような細
線化ベクトル長の算出を最初の文字ｒＡＪの細線化ベク
トルＶ１．から最後の文字ｒＺＪの細線化ベクトル■７
、まで行なう。
ルＶｌｌの細線化ベクトル長１１□は始点座標を（ａ
ｌｌ＋ ｂ １１） 、終点座標を（Ｃ＋＋、ｄ＋＋
）として前記（１）式により算出される。このような細
線化ベクトル長の算出を最初の文字ｒＡＪの細線化ベク
トルＶ１．から最後の文字ｒＺＪの細線化ベクトル■７
、まで行なう。
続いてＳ２に進み文字列ｒＡ−ＺＪの総ベクトル長りを
、 ｍ ｍ（ｉ） Ｌ＝Σ Σ １ １・Ｉ ｊ＝１ により算出する。
、 ｍ ｍ（ｉ） Ｌ＝Σ Σ １ １・Ｉ ｊ＝１ により算出する。
次に８３に進み、次の正規化変換式により各文字の細線
化ベクトルＶ、を座標変換して細線化ベクトル■１．を
求める。
化ベクトルＶ、を座標変換して細線化ベクトル■１．を
求める。
この（３）式による座標変換は第６図に示すように、文
字列の傾き角度をα、文字列の開始点座標を（ｘ０、ｙ
０）として任意の座標値（ｘ、 ｙ）に対し斜め変形
による歪み補正の座標変換を行なうものである。
字列の傾き角度をα、文字列の開始点座標を（ｘ０、ｙ
０）として任意の座標値（ｘ、 ｙ）に対し斜め変形
による歪み補正の座標変換を行なうものである。
ここで前記（３）式における定数りは、第７図に示すよ
うに文字列の開始点（ｘｏ、ｙｎ）を通る傾きαの直線
に対する正規化前の（ｘ、 ｙ）の垂線の長さであり
、 ｈ＝ｌ −ｓｉｎ （α） Ｘ （ｘ−Ｘｏ ）
＋ｃｏｓ （ａ）ｘ（ｙ ｙ０）Ｉ （
４） として与えられる。また第７図は正規化後の（文。
うに文字列の開始点（ｘｏ、ｙｎ）を通る傾きαの直線
に対する正規化前の（ｘ、 ｙ）の垂線の長さであり
、 ｈ＝ｌ −ｓｉｎ （α） Ｘ （ｘ−Ｘｏ ）
＋ｃｏｓ （ａ）ｘ（ｙ ｙ０）Ｉ （
４） として与えられる。また第７図は正規化後の（文。
ｙ）を併せて示している。更に前記（３）式の変換式に
おける係数に＋（α）の値は文字列の傾き角度αに依存
して決まる値であり、経験的に設定することが望ましく
、例えば、 として設定される。即ち、第８図に示すように、文字列
の傾き角度αがπ／２以下ではＫ１（α）１．０として
補正を行ない、傾き角度αがπ／２を超え、３／８π以
下の範囲ではＫ２（α）０．７として角度αの正弦及び
余弦成分による補正割合を抑え、更に３／８π以上では
Ｋ１（α）−〇、０とし、歪み補正は行なわないように
している。
おける係数に＋（α）の値は文字列の傾き角度αに依存
して決まる値であり、経験的に設定することが望ましく
、例えば、 として設定される。即ち、第８図に示すように、文字列
の傾き角度αがπ／２以下ではＫ１（α）１．０として
補正を行ない、傾き角度αがπ／２を超え、３／８π以
下の範囲ではＫ２（α）０．７として角度αの正弦及び
余弦成分による補正割合を抑え、更に３／８π以上では
Ｋ１（α）−〇、０とし、歪み補正は行なわないように
している。
再び第５図を参照するに、Ｓ３で前記（３）式によりベ
クトルｖｌＩを座標変換して正規化されたベクトルＶ、
を求めたならばＳ４に進み、Ｓｌの場合と同様、変換ベ
クトルｖｌＩで成る各文字の細線化ベクトル長１１．を
算出し、続いてＳ５に進み、変換後の文字列を対象とし
た総ベクトル長りを８２の場合と同様にして算出する。
クトルｖｌＩを座標変換して正規化されたベクトルＶ、
を求めたならばＳ４に進み、Ｓｌの場合と同様、変換ベ
クトルｖｌＩで成る各文字の細線化ベクトル長１１．を
算出し、続いてＳ５に進み、変換後の文字列を対象とし
た総ベクトル長りを８２の場合と同様にして算出する。
次に８６に進み、Ｓ２で算出された変換前（正規化前）
の総ベクトル長しと、Ｓ５で算出された変換後（正規化
後）の総ベクトル長しの大小関係を比較する。具体的に
は変換後の総ベクトル長しと変換前の総ベクトル長しに
文字列の傾き角度αによって決まる係数に２（α）を掛
は合わせた値との比較を行なう。そして、 の条件式に従って変換後の総ベクトル長しかに２（α）
ＸＬより短ければＳ７に進んで斜め変形有りと判定し、
長ければＳ８に進んで斜め変形無しと判定する。
の総ベクトル長しと、Ｓ５で算出された変換後（正規化
後）の総ベクトル長しの大小関係を比較する。具体的に
は変換後の総ベクトル長しと変換前の総ベクトル長しに
文字列の傾き角度αによって決まる係数に２（α）を掛
は合わせた値との比較を行なう。そして、 の条件式に従って変換後の総ベクトル長しかに２（α）
ＸＬより短ければＳ７に進んで斜め変形有りと判定し、
長ければＳ８に進んで斜め変形無しと判定する。
このＳ６に使用する（６）式の係数に２ （α）の値
は、経験的に設定すれば良く、例えば次のよこの第５図
に示す斜め変形の判定処理により斜め変形有りと判定さ
れた場合には、第３図のＳ４に進んで文字列の正規化が
行なわれる。この文字列の正規化は斜め変形の判定にお
ける前記（３）式により行なうことができ、具体的には
第５図の８３で既に細線化ベクトル■、の歪みを除去す
る変換が行なわれていることから、その変換結果を使用
する。一方、第５図の斜め変形判定処理で斜め変形無し
と判定された場合には、第３図に示すように８２で判定
された傾斜角度αが０８あるいは９０°の場合の文字列
と同様にそのままＳ５に進み文字認識を行なう。
は、経験的に設定すれば良く、例えば次のよこの第５図
に示す斜め変形の判定処理により斜め変形有りと判定さ
れた場合には、第３図のＳ４に進んで文字列の正規化が
行なわれる。この文字列の正規化は斜め変形の判定にお
ける前記（３）式により行なうことができ、具体的には
第５図の８３で既に細線化ベクトル■、の歪みを除去す
る変換が行なわれていることから、その変換結果を使用
する。一方、第５図の斜め変形判定処理で斜め変形無し
と判定された場合には、第３図に示すように８２で判定
された傾斜角度αが０８あるいは９０°の場合の文字列
と同様にそのままＳ５に進み文字認識を行なう。
尚、上記の実施例にあっては、係数Ｋ２（α）及びに２
（α）について経験側に従って、例えば（５）式、（７
）式のように値を決めているが、本発明はこれらの経験
値に限定されず必要に応じて適宜の係数値を使用するよ
うにしても良い。
（α）について経験側に従って、例えば（５）式、（７
）式のように値を決めているが、本発明はこれらの経験
値に限定されず必要に応じて適宜の係数値を使用するよ
うにしても良い。
次に本発明の手書き文字認識方法による認識率を従来方
法と対比して説明する。
法と対比して説明する。
第９図は文字認識率を検証するために使用した異なる傾
きを持つ入力図面の文字列を示すもので、この第９図の
入力文字列について１５°刻みの傾きのある文字列の認
識を対象とした従来方法の認識結果は第１０図に示すも
のであった。第１０図において○印を付した文字は認識
成功、×印を付した文字は認識失敗を示している。第１
０図の場合、認識対象とした５５文字のうち、正解は３
０文字、誤りは２５文字であり、認識率は約５４゜５％
であった。
きを持つ入力図面の文字列を示すもので、この第９図の
入力文字列について１５°刻みの傾きのある文字列の認
識を対象とした従来方法の認識結果は第１０図に示すも
のであった。第１０図において○印を付した文字は認識
成功、×印を付した文字は認識失敗を示している。第１
０図の場合、認識対象とした５５文字のうち、正解は３
０文字、誤りは２５文字であり、認識率は約５４゜５％
であった。
第１１図は第９図の入力文字列を対象とした本発明の手
書き文字認識方法による認識結果を示す。
書き文字認識方法による認識結果を示す。
第１１図の本発明の場合、認識対象とした５５文字中、
正解は４７文字、誤りは８文字であり、約８５．５％の
認識率を達成することができ、従来方法に比べ大幅な認
識率の向上が確認された。
正解は４７文字、誤りは８文字であり、約８５．５％の
認識率を達成することができ、従来方法に比べ大幅な認
識率の向上が確認された。
［発明の効果］
以上説明してきたように本発明によれば、プラントアイ
ツメ図等のような３０°や６０°の傾いた手書き文字列
を含む図面の文字認識を確実に行なうことができ、文字
認識率の向上によりＣＡＤシステムに対し実用的なレベ
ルで図面データを自動入力できる図面読取装置を接続し
た図面入力システムを構築することができる。
ツメ図等のような３０°や６０°の傾いた手書き文字列
を含む図面の文字認識を確実に行なうことができ、文字
認識率の向上によりＣＡＤシステムに対し実用的なレベ
ルで図面データを自動入力できる図面読取装置を接続し
た図面入力システムを構築することができる。
第１図は本発明の原理説明図；
第２図は本発明の実施例構成図；
第３図は本発明の文字認識処理フロー図第４図は本発明
の斜め変形検出原理図：第５図は本発明の斜め変形判定
処理フロー図；第６図は本発明の斜め変形の検出説明図
；第７図は本発明の正規化変換に用いるパラメータ説明
図； 第８図は本発明の正規化変換に用いる係数に１（α）説
明図； 第９図は本発明の認識率検証に用いた入力文字列説明図
； 第１０図は従来方法の認識結果説明図；第１１図は本発
明の詳細な説明図である。 図中、 １８：図面読取部 ２０：文字列抽出部 ２２：斜め変形検出部 ２４：文字正規化部 ２６二文字認識部
の斜め変形検出原理図：第５図は本発明の斜め変形判定
処理フロー図；第６図は本発明の斜め変形の検出説明図
；第７図は本発明の正規化変換に用いるパラメータ説明
図； 第８図は本発明の正規化変換に用いる係数に１（α）説
明図； 第９図は本発明の認識率検証に用いた入力文字列説明図
； 第１０図は従来方法の認識結果説明図；第１１図は本発
明の詳細な説明図である。 図中、 １８：図面読取部 ２０：文字列抽出部 ２２：斜め変形検出部 ２４：文字正規化部 ２６二文字認識部
Claims (7)
- （１）読取図面中に書かれた手書き文字列を認識する図
面読取装置の手書き文字認識方法に於いて、読取図面中
の手書き文字列を抽出する第１過程と； 該第１過程で抽出された文字列の斜め変形の有無を検出
する第２過程と； 該第２過程で斜め変形が検出された際に、該斜め変形に
よる歪みを除去して各文字を正規化する第３過程と； 該第３過程で正規化された文字列或いは前記第２過程で
斜め変形なしと判定された文字列の各文字を認識する第
４過程と； を備えたことを特徴とする図面読取装置の手書き文字認
識方法。 - （２）請求項１記載の図面読取装置の手書き文字認識方
法に於いて、 前記第２過程における文字列の斜め変形の検出は、 文字列を構成する各文字の細線化ベクトル長を算出する
第１過程と； 該第１過程で算出された細線化ベクトル長の総和を算出
する第２過程と； 斜め変形歪みを除去する所定の正規化変換式により各文
字の細線化ベクトルを座標変換し、該座標変換ベクトル
でなる各文字の細線化ベクトル長を算出する第３過程と
； 該第３過程で算出された正規化文字の細線化ベクトル長
の総和を算出する第４過程と； 前記第２過程で算出された正規化前の総ベクトル長と前
記第４過程で得られた正規化後の総ベクトル長とを比較
し、正規化により総ベクトル長が短くなった時には斜め
変形ありと判定し、正規化によりベクトル長が長くなっ
た時には斜め変形なしと判定する第５過程と； を備えたことを特徴とする図面読取装置の手書き文字認
識方法。 - （３）請求項２記載図面読取装置の手書き文字認識方法
に於いて、 前記第３過程で使用する正規化変換式は、文字列の傾き
角度をα、文字列の開始点を（ｘ＿０、ｙ＿０）、正規
化する任意のベクトル座標値を（ｘ、ｙ）、正規化後の
ベクトル座標値を（■、■）とした時、■＝ｘ−ｃｏｓ
（α）×ｋ（ｘ）×Ｋ＿１（α）■＝ｙ−ｓｉｎ（α）
×ｋ（ｘ）×Ｋ＿１（α）で与えられることを特徴とす
る図面読取装置の手書き文字認識方法。 - （４）請求項３記載図面読取装置の手書き文字認識方法
に於いて、 前記正規化変換式に使用するｋ（ｘ）は文字列の開始点
（ｘ＿０、ｙ＿０）を通る傾きαの直線への垂線の長さ
であり、 ｋ（ｘ）＝｜−ｓｉｎ（α）×（ｘ−ｘ＿０）＋ｃｏｓ
（α）×（ｙ−ｙ＿０）｜ で与えられ、且前記正規化変換式に使用する定数Ｋ＿１
（α）は、経験により設定した１〜０の範囲の値とした
することを特徴とする図面読取装置の手書き文字認識方
法。 - （５）請求項４記載図面読取装置の手書き文字認識方法
に於いて、 前記定数Ｋ＿１（α）を経験により、 ０＜｜α｜≦π／４の時、Ｋ＿１（α）＝１．０π／４
＜｜α｜≦３π／８の時、Ｋ＿１（α）＝０．７３π／
８＜｜α｜≦π／２の時、Ｋ＿１（α）＝０．０とした
ことを特徴とする図面読取装置の手書き文字認識方法。 - （６）請求項２記載の図面読取装置の手書き文字認識方
法に於いて、 前記第５過程の斜め変形の判定として、正規化前の総ベ
クトル長に重み定数Ｋ＿２（α）を乗算した値と正規化
後の総ベクトル長とを比較し、正規化により総ベクトル
長が等しいか短くなった時には斜め変形ありと判定し、
正規化により総ベクトル長が長くなった時には斜め変形
なしと判定することを特徴とする図面読取装置の手書き
文字認識方法。 - （７）請求項６記載の図面読取装置の手書き文字認識方
法に於いて、 前記重み定数Ｋ＿２（α）の値は、経験により、０＜｜
α｜＜＝π／４の時、 ｋ（α）＝１．０＋ｃｏｓ（α／２） π／４＜｜ａ｜＜＝３π／８の時、 ｋ（α）＝０．７＋ｃｏｓ（π／８） ３π／８＜｜α｜＜＝π／２の時、 ｋ（α）＝０．０ と設定したことを特徴とする図面読取装置の手書き文字
認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2178177A JP2561969B2 (ja) | 1990-07-05 | 1990-07-05 | 図面読取装置の文字認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2178177A JP2561969B2 (ja) | 1990-07-05 | 1990-07-05 | 図面読取装置の文字認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0465786A true JPH0465786A (ja) | 1992-03-02 |
| JP2561969B2 JP2561969B2 (ja) | 1996-12-11 |
Family
ID=16043956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2178177A Expired - Lifetime JP2561969B2 (ja) | 1990-07-05 | 1990-07-05 | 図面読取装置の文字認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2561969B2 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6024678A (ja) * | 1983-07-21 | 1985-02-07 | Fujitsu Ltd | 画像読取装置 |
| JPH0266690A (ja) * | 1988-08-31 | 1990-03-06 | Mitsubishi Electric Corp | 画像処理装置 |
-
1990
- 1990-07-05 JP JP2178177A patent/JP2561969B2/ja not_active Expired - Lifetime
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6024678A (ja) * | 1983-07-21 | 1985-02-07 | Fujitsu Ltd | 画像読取装置 |
| JPH0266690A (ja) * | 1988-08-31 | 1990-03-06 | Mitsubishi Electric Corp | 画像処理装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2561969B2 (ja) | 1996-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5982912A (en) | Person identification apparatus and method using concentric templates and feature point candidates | |
| JP3218004B2 (ja) | 試験署名検証方法 | |
| US6466686B2 (en) | System and method for transforming fingerprints to improve recognition | |
| US20070071289A1 (en) | Feature point detection apparatus and method | |
| CN107066961B (zh) | 指纹配准方法及装置 | |
| WO2002071316A1 (en) | Non-contact type human iris recognition method by correction of rotated iris image | |
| JP3335538B2 (ja) | 手書き文字列の照合方法および装置 | |
| CN113378764A (zh) | 基于聚类算法的视频人脸采集方法、装置、设备及介质 | |
| CN1983301A (zh) | 两阶段混合指纹特征匹配方法、匹配装置及其应用 | |
| CN115359249B (zh) | 一种手掌图像roi区域提取方法及系统 | |
| JPH0465786A (ja) | 図面読取装置の文字認識方法 | |
| JP2008276758A (ja) | 指紋特異点抽出装置及び指紋特異点抽出方法 | |
| KR100391182B1 (ko) | 직접 골 추적을 이용한 지문 특징 추출방법 | |
| Lin et al. | 3D face authentication by mutual coupled 3D and 2D feature extraction | |
| Areekul et al. | The new focal point localization algorithm for fingerprint registration | |
| CN116612538A (zh) | 电子合同内容的在线确认方法 | |
| KR20050062748A (ko) | 지문 정보를 이용한 사용자 인증방법 및 그 장치 | |
| JP2001076142A (ja) | 指紋画像照合方法及び装置及びこの方法を記録した記録媒体 | |
| CN107958242A (zh) | 一种掌纹识别系统 | |
| JPH07200735A (ja) | 図形認識装置 | |
| US20070071325A1 (en) | Systems and methods for recognizing objects in an image | |
| JPH01271884A (ja) | 指紋中心検出装置 | |
| JP3006823B2 (ja) | 文字および単語の認識方式 | |
| JP2856409B2 (ja) | 文字認識装置および方法 | |
| JPH1139478A (ja) | 指紋照合装置及びその照合処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080919 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080919 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090919 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090919 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100919 Year of fee payment: 14 |
|
| EXPY | Cancellation because of completion of term |