JPH0585060B2 - - Google Patents
Info
- Publication number
- JPH0585060B2 JPH0585060B2 JP62317343A JP31734387A JPH0585060B2 JP H0585060 B2 JPH0585060 B2 JP H0585060B2 JP 62317343 A JP62317343 A JP 62317343A JP 31734387 A JP31734387 A JP 31734387A JP H0585060 B2 JPH0585060 B2 JP H0585060B2
- Authority
- JP
- Japan
- Prior art keywords
- propagation
- components
- vector
- characters
- recognition
- 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.)
- Expired - Lifetime
Links
Landscapes
- Character Discrimination (AREA)
Description
〔産業上の利用分野〕
本発明は、文字・図形等のパターンを認識する
ための認識方法に関するものである。 〔従来の技術〕 文字・図形等のパターン認識を行う有力な手段
の一つに相関法がある。相関法により文字・図形
等のパターン認識を行う装置においては、元の２
次元画像そのものから相関計算して認識を行うよ
りも、一旦、特徴抽出処理を行つて高次特徴同志
で相関を取つた方が良い結果が得られることが知
られており、このような観点から例えば、特開昭
59−792号公報のような提案が成されている。こ
の方式は、優れた実験結果を残しており、そのこ
とは、電子通信学会論文集(D)J67−Ｄ，２（昭和59
年２月）のpp224〜231やJ67−Ｄ，12（昭和59年
２月）のpp1442〜1449に「文字認識のための相
関法の一改良」として発表されている。以下、そ
の概略につき第５図のフローチヤートを参照して
説明する。 こゝでは認識の対象となる文書を入力した後、
二次元ラインセンサの如き光電変換手段により光
電変換して（参照）その画像データをメモリに
格納し、このデータに対しては図示はされていな
いがコンピユータ等の計算手段により位置合わ
せ、ベクトル化、大きさの正規化等を行い（，
参照）、さらに伝播停止処理を繰り返して（，
，参照）高次特徴量を抽出し、２次元のガウ
ス形重み関数の畳込みを含むベクトル面間の配分
によるボケ処理を行い（参照）、所定の辞書パ
ターンとの間で類似度計算をするとゝもにその最
大値を検出し（，参照）、認識結果として出
力する。 以上のことに関し、第６図ないし第１０図を参
照してもう少し具体的に説明する。なお、第６図
は単位方向ベクトルを示す説明図、第７図は空間
微分マスクを示す構成図、第８図は結合係数マス
クを示す構成図、第９図は伝播停止処理の概念を
説明する説明図、第１０図は伝播停止処理条件を
説明する説明図である。 先ず、白黒に２値化された画像を所定の大きさ
のメツシユに空間量子化するとともに、各メツシ
ユについて文字を構成する黒部分（ストローク成
分）と白地の背景成分）との境界を取り出しさら
に、これを第６図の如く45度間隔で定義された単
位ベクトルg1〜g8により、係数の２乗和を最小
にする線形結合で表現する。この境界成分を表す
線形結合係数を容易に求めるため、第７図の空間
微分マスクMAx，MAyと第８図の結合係数マス
クMB1，MB2，MB3，MB4を用いる。つまり、
空間微分マスクMAx，MAyにより、境界の空間
微分値がＸ方向成分，Ｙ方向成分の組（▽x，▽
ｙ）として得られ、結合係数マスクMB1〜MB4に
より非零の単位ベクトル番号とその係数が得られ
る。 こうして、Ｘ座標ｉ、Ｙ座標ｊ、単位ベクトル
ｋに対して結合係数ＰがＰ（ｉ，ｊ，ｋ）として
表され、ｋをパラメータとするベクトル面Pk
（ｉ，ｊ）と考える。即ち、 Px（ｉ，ｊ）＝Ｐ（ｉ，ｊ，ｋ） とする。次に、大きさの正規化をPk（ｉ，ｊ）に
行つた後の方向別パタンQk（ｉ，ｊ）を、まず、
定められた方向へと伝播せしめ、次いで停止処理
を行う。これを所定の回数繰り返す。伝播処理は
ベクトル成分の向きに単位位置だけ移動させるこ
とである。直交成分については文字通りである
が、斜め成分については直交座標上の格子点を使
用している便宜上、水平、垂直成分に分解して伝
播させる。従つて、もともと８方向の成分であつ
たが、停止・伝播処理の演算の都合で第１表のよ
うに、みかけ（中間経過）では12面となる。 第ｎ回目の伝播処理の結果を、Qk (n)（ｉ，ｊ）
とすると、そのアルゴリズムは次のように表せ
る。 Qk (n)（ｉ＋λk,j＋μk）＝Qk (n-1)（ｉ，ｊ） 但し、Qk (O)（ｉ，ｊ）＝Qk（ｉ，ｊ）とする。
なお、λk、μkはベクトル面毎の単位位置移動方向
を示している。λk、μkの値を第１表に示す。ま
た、伝播処理はそのバリエーシンとして直交成
分、斜め成分について任意の重み付けをすること
ができる。斜め成分の重みを０にすば水平、垂直
成分のみとすることもできる。但し、斜め成分は
水平、垂直成分に分解して伝播させているので、
重み付けの際はこの点に注意する必要がある。
ための認識方法に関するものである。 〔従来の技術〕 文字・図形等のパターン認識を行う有力な手段
の一つに相関法がある。相関法により文字・図形
等のパターン認識を行う装置においては、元の２
次元画像そのものから相関計算して認識を行うよ
りも、一旦、特徴抽出処理を行つて高次特徴同志
で相関を取つた方が良い結果が得られることが知
られており、このような観点から例えば、特開昭
59−792号公報のような提案が成されている。こ
の方式は、優れた実験結果を残しており、そのこ
とは、電子通信学会論文集(D)J67−Ｄ，２（昭和59
年２月）のpp224〜231やJ67−Ｄ，12（昭和59年
２月）のpp1442〜1449に「文字認識のための相
関法の一改良」として発表されている。以下、そ
の概略につき第５図のフローチヤートを参照して
説明する。 こゝでは認識の対象となる文書を入力した後、
二次元ラインセンサの如き光電変換手段により光
電変換して（参照）その画像データをメモリに
格納し、このデータに対しては図示はされていな
いがコンピユータ等の計算手段により位置合わ
せ、ベクトル化、大きさの正規化等を行い（，
参照）、さらに伝播停止処理を繰り返して（，
，参照）高次特徴量を抽出し、２次元のガウ
ス形重み関数の畳込みを含むベクトル面間の配分
によるボケ処理を行い（参照）、所定の辞書パ
ターンとの間で類似度計算をするとゝもにその最
大値を検出し（，参照）、認識結果として出
力する。 以上のことに関し、第６図ないし第１０図を参
照してもう少し具体的に説明する。なお、第６図
は単位方向ベクトルを示す説明図、第７図は空間
微分マスクを示す構成図、第８図は結合係数マス
クを示す構成図、第９図は伝播停止処理の概念を
説明する説明図、第１０図は伝播停止処理条件を
説明する説明図である。 先ず、白黒に２値化された画像を所定の大きさ
のメツシユに空間量子化するとともに、各メツシ
ユについて文字を構成する黒部分（ストローク成
分）と白地の背景成分）との境界を取り出しさら
に、これを第６図の如く45度間隔で定義された単
位ベクトルg1〜g8により、係数の２乗和を最小
にする線形結合で表現する。この境界成分を表す
線形結合係数を容易に求めるため、第７図の空間
微分マスクMAx，MAyと第８図の結合係数マス
クMB1，MB2，MB3，MB4を用いる。つまり、
空間微分マスクMAx，MAyにより、境界の空間
微分値がＸ方向成分，Ｙ方向成分の組（▽x，▽
ｙ）として得られ、結合係数マスクMB1〜MB4に
より非零の単位ベクトル番号とその係数が得られ
る。 こうして、Ｘ座標ｉ、Ｙ座標ｊ、単位ベクトル
ｋに対して結合係数ＰがＰ（ｉ，ｊ，ｋ）として
表され、ｋをパラメータとするベクトル面Pk
（ｉ，ｊ）と考える。即ち、 Px（ｉ，ｊ）＝Ｐ（ｉ，ｊ，ｋ） とする。次に、大きさの正規化をPk（ｉ，ｊ）に
行つた後の方向別パタンQk（ｉ，ｊ）を、まず、
定められた方向へと伝播せしめ、次いで停止処理
を行う。これを所定の回数繰り返す。伝播処理は
ベクトル成分の向きに単位位置だけ移動させるこ
とである。直交成分については文字通りである
が、斜め成分については直交座標上の格子点を使
用している便宜上、水平、垂直成分に分解して伝
播させる。従つて、もともと８方向の成分であつ
たが、停止・伝播処理の演算の都合で第１表のよ
うに、みかけ（中間経過）では12面となる。 第ｎ回目の伝播処理の結果を、Qk (n)（ｉ，ｊ）
とすると、そのアルゴリズムは次のように表せ
る。 Qk (n)（ｉ＋λk,j＋μk）＝Qk (n-1)（ｉ，ｊ） 但し、Qk (O)（ｉ，ｊ）＝Qk（ｉ，ｊ）とする。
なお、λk、μkはベクトル面毎の単位位置移動方向
を示している。λk、μkの値を第１表に示す。ま
た、伝播処理はそのバリエーシンとして直交成
分、斜め成分について任意の重み付けをすること
ができる。斜め成分の重みを０にすば水平、垂直
成分のみとすることもできる。但し、斜め成分は
水平、垂直成分に分解して伝播させているので、
重み付けの際はこの点に注意する必要がある。
しかしながら、この方式による成果は教育漢字
データベースという限られた実験範囲で得られた
ものであり、手書き文字認識やマルチフオントの
印刷文字認識等の分野でJIS第二水準の範囲で実
用にしてみると、筆記者の手書き変形やフオント
の多様さに加え、字画の多い文字の出現率が増加
するため、複雑な文字同志、または複雑な文字と
仮名文字が分離し難くなり、未だ改善の余地があ
ることが明らかになつた。 従つて、本発明は上述の点に鑑み、文字の構造
が明示的に表現され、故に手書き変形やフオント
毎の細部の違いに左右されない安定した特徴が得
られるよう、その特徴抽出方法を改良し、その結
果、複雑な文字でも容易に分離し得る、認識率の
高い認識方法を提供することを目的とするもので
ある。 〔問題点を解決するための手段〕 従来の単純な特徴パターンを、文字の構造を最
外郭から内深部への深さとして明示的に表現でき
るよう、特徴パターンの次数を増やす。 すなわち、 本発明では固定的に１方向へと伝播するので
はなく、メツシユ毎に伝播、停止処理を所定回
数実行した後停止した成分のみ残して終了させ
る処理を、伝播方向を交互に反転させて繰り返
し行う。 各終了時に停止した成分を高次特徴パターン
として保存しておき、認識の際、それぞれを独
立した特徴として相関値を求める。 〔作用〕 保存された特徴パターンを時系列に沿つてなら
べると、反転の度にその時の最外郭成分が特徴面
の外部へ流出していくので、内深部の成分程、後
まで残ることになる。従つて、上記，項によ
り、構造上良く似ている文字例えば、「自」と
「白」、「天」と「大」等が良く分離し、認識率が
向上する。 〔実施例〕 第１図は本発明の実施例を示すフローチヤート
である。これは、第５図と対応するものである
が、従来と同じ部分は省略し、異なる部分（第５
図のステツプ〜に相当する部分）だけを示し
たものである。 すなわち、文字を構成する線分の８つの方向別
パターンQk（ｉ，ｊ）を、まず、定められた方向
へと伝播せしめ（参照）、次いで停止処理を行
う（参照）。これを所定の回数だへ繰り返す。
その後は固定的に１方向へと伝播し続けるのでは
なく、一旦、停止処理した特徴パターンから停止
しなかつた成分を除去した後、これを前とは反対
方向に伝播せしめ（参照）、逆向きのベクトル
成分として伝播停止処理を再び所定の回数だけ繰
り返す（参照）。このようにして、停止処理後
の特徴パターンを反転の度に保存しておき、Ｍ回
反転を繰り返す。なお、反転の繰り返し数はメモ
リの容量に応じて定まり、４，５回で終了する場
合もあり、パターンがなくなるまで繰り返す場合
もある。通常は４〜８である。 以下、より詳細に説明する。 まず、伝播処理は基本的に従来と同様であり、
反転の度に伝播方向が逆むきになる点が異なる。
水平、垂直成分についてはベクトル成分の向き
に、また斜め成分については水平、垂直成分に分
解して単位位置だけ移動させる。従つて、もとも
と８方向の成分であつたが、演算の都合で第２表
のように、みかけでは12面となる。第ｍ回反転
後、第ｎ回目の伝播処理の結果をQk (n)（ｉ，ｊ）
とすると、そのアルゴリズムは次のように表せ
る。 Qk (n)（ｉ＋ωn・λk，ｊ＋ωn・μk） ＝Qk (n-1)（ｉ，ｊ） 但し、 ωn＝（−１）(m+1)， Qk (O)（ｉ，ｊ）＝Qk（ｉ，ｊ） である。こゝに、λk、μkはベクトル面毎の単位位
置移動方向を示し、ωnは、それが１回おきに反
転することを示している。λk、μkの値を第２表に
示す。
データベースという限られた実験範囲で得られた
ものであり、手書き文字認識やマルチフオントの
印刷文字認識等の分野でJIS第二水準の範囲で実
用にしてみると、筆記者の手書き変形やフオント
の多様さに加え、字画の多い文字の出現率が増加
するため、複雑な文字同志、または複雑な文字と
仮名文字が分離し難くなり、未だ改善の余地があ
ることが明らかになつた。 従つて、本発明は上述の点に鑑み、文字の構造
が明示的に表現され、故に手書き変形やフオント
毎の細部の違いに左右されない安定した特徴が得
られるよう、その特徴抽出方法を改良し、その結
果、複雑な文字でも容易に分離し得る、認識率の
高い認識方法を提供することを目的とするもので
ある。 〔問題点を解決するための手段〕 従来の単純な特徴パターンを、文字の構造を最
外郭から内深部への深さとして明示的に表現でき
るよう、特徴パターンの次数を増やす。 すなわち、 本発明では固定的に１方向へと伝播するので
はなく、メツシユ毎に伝播、停止処理を所定回
数実行した後停止した成分のみ残して終了させ
る処理を、伝播方向を交互に反転させて繰り返
し行う。 各終了時に停止した成分を高次特徴パターン
として保存しておき、認識の際、それぞれを独
立した特徴として相関値を求める。 〔作用〕 保存された特徴パターンを時系列に沿つてなら
べると、反転の度にその時の最外郭成分が特徴面
の外部へ流出していくので、内深部の成分程、後
まで残ることになる。従つて、上記，項によ
り、構造上良く似ている文字例えば、「自」と
「白」、「天」と「大」等が良く分離し、認識率が
向上する。 〔実施例〕 第１図は本発明の実施例を示すフローチヤート
である。これは、第５図と対応するものである
が、従来と同じ部分は省略し、異なる部分（第５
図のステツプ〜に相当する部分）だけを示し
たものである。 すなわち、文字を構成する線分の８つの方向別
パターンQk（ｉ，ｊ）を、まず、定められた方向
へと伝播せしめ（参照）、次いで停止処理を行
う（参照）。これを所定の回数だへ繰り返す。
その後は固定的に１方向へと伝播し続けるのでは
なく、一旦、停止処理した特徴パターンから停止
しなかつた成分を除去した後、これを前とは反対
方向に伝播せしめ（参照）、逆向きのベクトル
成分として伝播停止処理を再び所定の回数だけ繰
り返す（参照）。このようにして、停止処理後
の特徴パターンを反転の度に保存しておき、Ｍ回
反転を繰り返す。なお、反転の繰り返し数はメモ
リの容量に応じて定まり、４，５回で終了する場
合もあり、パターンがなくなるまで繰り返す場合
もある。通常は４〜８である。 以下、より詳細に説明する。 まず、伝播処理は基本的に従来と同様であり、
反転の度に伝播方向が逆むきになる点が異なる。
水平、垂直成分についてはベクトル成分の向き
に、また斜め成分については水平、垂直成分に分
解して単位位置だけ移動させる。従つて、もとも
と８方向の成分であつたが、演算の都合で第２表
のように、みかけでは12面となる。第ｍ回反転
後、第ｎ回目の伝播処理の結果をQk (n)（ｉ，ｊ）
とすると、そのアルゴリズムは次のように表せ
る。 Qk (n)（ｉ＋ωn・λk，ｊ＋ωn・μk） ＝Qk (n-1)（ｉ，ｊ） 但し、 ωn＝（−１）(m+1)， Qk (O)（ｉ，ｊ）＝Qk（ｉ，ｊ） である。こゝに、λk、μkはベクトル面毎の単位位
置移動方向を示し、ωnは、それが１回おきに反
転することを示している。λk、μkの値を第２表に
示す。
本発明によれば、従来の特徴パターンをより高
次な特徴へと拡張し、文字の構造を最外郭から内
深部への深さとして明示的に表現できるようにし
ている。その結果、以下の如き効果を期待するこ
とができる。 固定的に１方向へと伝播させるのではなく、
メツシユ毎に伝播、停止処理を所定回数実行し
た後停止した成分のみを残して終了させる処理
を、伝播方向を交互に反転させて繰り返し行
う、すなわち、反転とその繰り返しを行うこと
により、従来よりさらに高次特徴量を抽出する
ことができる。 各終了時に停止した成分を高次特徴パターン
として保存しておき、認識の際、それぞれを独
立した特徴として相関値を求める。その結果、
認識を大まかな認識から詳細認識へと、段階的
に効率良く実行できる。 保存された特徴パターンを時系列に沿つてな
らべると、反転の度にその時の最外郭成分が特
徴面の外部へ流出していくので、内深部の成分
程、後まで残ることになる。つまり、簡単な文
字（画数の少ないもの）程、反転次数(m)の低い
パターンしか成分が残らず、線の本数の違いが
特徴パターンに明確に現われる。従つて、上記
，により、構造上良く似ている文字例え
ば、「自」と「白」，「天」と「大」等が良く分
離し、認識率が向上する。
次な特徴へと拡張し、文字の構造を最外郭から内
深部への深さとして明示的に表現できるようにし
ている。その結果、以下の如き効果を期待するこ
とができる。 固定的に１方向へと伝播させるのではなく、
メツシユ毎に伝播、停止処理を所定回数実行し
た後停止した成分のみを残して終了させる処理
を、伝播方向を交互に反転させて繰り返し行
う、すなわち、反転とその繰り返しを行うこと
により、従来よりさらに高次特徴量を抽出する
ことができる。 各終了時に停止した成分を高次特徴パターン
として保存しておき、認識の際、それぞれを独
立した特徴として相関値を求める。その結果、
認識を大まかな認識から詳細認識へと、段階的
に効率良く実行できる。 保存された特徴パターンを時系列に沿つてな
らべると、反転の度にその時の最外郭成分が特
徴面の外部へ流出していくので、内深部の成分
程、後まで残ることになる。つまり、簡単な文
字（画数の少ないもの）程、反転次数(m)の低い
パターンしか成分が残らず、線の本数の違いが
特徴パターンに明確に現われる。従つて、上記
，により、構造上良く似ている文字例え
ば、「自」と「白」，「天」と「大」等が良く分
離し、認識率が向上する。
第１図は本発明の実施例を示すフローチヤー
ト、第２図は本発明による停止処理の概念を説明
するための説明図、第３図は本発明による伝播停
止処理条件を説明するための説明図、第４図は本
発明による特徴抽出方法を説明するための説明
図、第５図は相関法にもとづくパターン認識方法
の従来例を示すフローチヤート、第６図は単位方
向ベクトルを説明するための説明図、第７図は空
間微分マスクを示す構成図、第８図は結合係数マ
スクを示す構成図、第９図は従来の伝播停止処理
の概念を説明するための説明図、第１０図は従来
の伝播停止処理条件を説明するための説明図、第
１１図は従来の伝播停止処理の過程を具体的に説
明するための説明図、第１２図は従来の伝播停止
処理結果の具体例を説明するための説明図であ
る。 符号説明、V01，V02……着目ベクトル成分、
VA〜VE……対向ベクトル成分、g1〜g8……単位
方向ベクトル、MAx，MAy……空間微分マスク、
MB1〜MB4……結合係数マスク。
ト、第２図は本発明による停止処理の概念を説明
するための説明図、第３図は本発明による伝播停
止処理条件を説明するための説明図、第４図は本
発明による特徴抽出方法を説明するための説明
図、第５図は相関法にもとづくパターン認識方法
の従来例を示すフローチヤート、第６図は単位方
向ベクトルを説明するための説明図、第７図は空
間微分マスクを示す構成図、第８図は結合係数マ
スクを示す構成図、第９図は従来の伝播停止処理
の概念を説明するための説明図、第１０図は従来
の伝播停止処理条件を説明するための説明図、第
１１図は従来の伝播停止処理の過程を具体的に説
明するための説明図、第１２図は従来の伝播停止
処理結果の具体例を説明するための説明図であ
る。 符号説明、V01，V02……着目ベクトル成分、
VA〜VE……対向ベクトル成分、g1〜g8……単位
方向ベクトル、MAx，MAy……空間微分マスク、
MB1〜MB4……結合係数マスク。
Claims (1)
- １ 認識すべき文字を含む画面を所定大きさのメ
ツシユに分割し、各メツシユ毎に文字を構成する
ストロークとその背景との境界成分を取り出して
所定大きさと方向をもつベクトルとして表し、こ
れにもとづき認識を行う文字認識方法において、
メツシユ毎に伝播、停止処理を所定回数実行し
た後停止した成分のみ残して終了させる処理を伝
播方向を交互に反転させて繰り返し行い、各終了
時に停止した成分を高次特徴パターンとして抽出
することを特徴とする文字認識方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62317343A JPH01159781A (ja) | 1987-12-17 | 1987-12-17 | 文字認識方法 |
| US08/123,750 US5485531A (en) | 1987-12-17 | 1993-09-17 | Character-feature extraction device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62317343A JPH01159781A (ja) | 1987-12-17 | 1987-12-17 | 文字認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH01159781A JPH01159781A (ja) | 1989-06-22 |
| JPH0585060B2 true JPH0585060B2 (ja) | 1993-12-06 |
Family
ID=18087164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62317343A Granted JPH01159781A (ja) | 1987-12-17 | 1987-12-17 | 文字認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH01159781A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11040988B2 (en) | 2014-09-30 | 2021-06-22 | Novaled Gmbh | Method for producing an organic electronic component, and organic electronic component |
-
1987
- 1987-12-17 JP JP62317343A patent/JPH01159781A/ja active Granted
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11040988B2 (en) | 2014-09-30 | 2021-06-22 | Novaled Gmbh | Method for producing an organic electronic component, and organic electronic component |
| US11731988B2 (en) | 2014-09-30 | 2023-08-22 | Novaled Gmbh | Method for producing an organic electronic component, and organic electronic component |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH01159781A (ja) | 1989-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR0133949B1 (ko) | 화상의 비선형 정규화 장치 및 방법 | |
| Rajavelu et al. | A neural network approach to character recognition | |
| CN111476249B (zh) | 多尺度大感受野卷积神经网络的构建方法 | |
| CN108710830A (zh) | 一种结合密集连接注意力金字塔残差网络和等距限制的人体3d姿势估计方法 | |
| CN103310453A (zh) | 一种基于子图像角点特征的快速图像配准方法 | |
| CN102156975B (zh) | 基于支撑值变换和多尺度冗余字典学习的自然图像去噪方法 | |
| CN103198455B (zh) | 一种利用全变差最小化和灰度共生矩阵的图像去噪方法 | |
| CN110210371B (zh) | 一种基于深度对抗学习的空中手写惯性传感信号生成方法 | |
| CN107274486A (zh) | 一种模型3d效果图的生成方法 | |
| CN108550126A (zh) | 一种自适应相关滤波器目标跟踪方法及系统 | |
| EP0504577B1 (en) | Image processing method and apparatus | |
| JPH0585060B2 (ja) | ||
| CN111126185A (zh) | 一种针对道路卡口场景的深度学习车辆目标识别方法 | |
| CN110942416B (zh) | 一种gpu通用的形态学加速方法 | |
| JPH0935000A (ja) | 手書き文字認識方法及び装置 | |
| JP2612335B2 (ja) | パターン認識方法 | |
| Mikheev et al. | High-quality polygonal contour approximation based on relaxation | |
| JP2893760B2 (ja) | パタン正規化装置 | |
| Azam et al. | On fast recognition of isolated characters by constructing character signature database | |
| JPH0385686A (ja) | パタン正規化装置 | |
| Lau et al. | EDT based tracing maximum thinning algorithm on grey scale images | |
| JP2651008B2 (ja) | パターン認識方法 | |
| CN1292380C (zh) | 一种基于3－像素基元组合的直线描述与探测方法 | |
| JPH0695644A (ja) | 文字パターンの直線認識方式 | |
| Sun | Diamond, Hexagon, and General Polygonal Shaped Window Smoothing. |