JPH06243295A - 文字の特徴データ発生方法および発生装置 - Google Patents
文字の特徴データ発生方法および発生装置Info
- Publication number
- JPH06243295A JPH06243295A JP5027728A JP2772893A JPH06243295A JP H06243295 A JPH06243295 A JP H06243295A JP 5027728 A JP5027728 A JP 5027728A JP 2772893 A JP2772893 A JP 2772893A JP H06243295 A JPH06243295 A JP H06243295A
- Authority
- JP
- Japan
- Prior art keywords
- character
- vector
- characters
- feature data
- learning
- 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.)
- Withdrawn
Links
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 文字認識辞書等を作成するための学習用文字
の特徴データの発生方法および装置に関し，簡単な方法
で多数の学習用文字の特徴データを収集することを目的
とする。 【構成】 データ処理手段３は入力された変形文字の特
徴抽出部１１と，同種の文字の異なる二つの手書き文字
を一組として, 一組の文字パターンの特徴データに基づ
いて変形文字パターンの特徴データを発生する変形文字
の特徴データ算出部12を備え，変形文字の特徴抽出部１
１は上記一組の同種の文字を基本文字として，基本文字
の特徴データのベクトルＶａとベクトルＶｂとパラメー
タｔとにより，基本文字を変形した変形文字の特徴ベク
トルＶｘを，ベクトルＶｘ−ベクトルＶａ＝ｔ（ベクト
ルＶｂ−ベクトルＶａ）により算出する構成を持つ。
の特徴データの発生方法および装置に関し，簡単な方法
で多数の学習用文字の特徴データを収集することを目的
とする。 【構成】 データ処理手段３は入力された変形文字の特
徴抽出部１１と，同種の文字の異なる二つの手書き文字
を一組として, 一組の文字パターンの特徴データに基づ
いて変形文字パターンの特徴データを発生する変形文字
の特徴データ算出部12を備え，変形文字の特徴抽出部１
１は上記一組の同種の文字を基本文字として，基本文字
の特徴データのベクトルＶａとベクトルＶｂとパラメー
タｔとにより，基本文字を変形した変形文字の特徴ベク
トルＶｘを，ベクトルＶｘ−ベクトルＶａ＝ｔ（ベクト
ルＶｂ−ベクトルＶａ）により算出する構成を持つ。
Description
【０００１】
【産業上の利用分野】本発明は，手書き文字認識装置の
文字認識辞書等を作成するための学習用文字の特徴デー
タの発生方法および装置に関する。
文字認識辞書等を作成するための学習用文字の特徴デー
タの発生方法および装置に関する。
【０００２】文字認識精度のすぐれた手書き文字認識辞
書を作成するためには，辞書作成のための学習用文字
（カテゴリのわかっている手書き文字）を同一文字種
（カテゴリの共通する文字）につきできるだけ多く収集
し，多数の学習用文字に基づいて辞書を作成する必要が
ある。
書を作成するためには，辞書作成のための学習用文字
（カテゴリのわかっている手書き文字）を同一文字種
（カテゴリの共通する文字）につきできるだけ多く収集
し，多数の学習用文字に基づいて辞書を作成する必要が
ある。
【０００３】従来，このような文字認識辞書を作成する
ための学習用文字は，一文字ずつ人手作業により作成し
ていた。通常，その数は１文字について数千〜数万個程
度であり，しかも，文字認識を必要とする全文字につい
て収集する必要がある。そのため，学習用文字の収集に
は膨大な時間を要するものであった。そのため，少ない
時間で，能率的に学習用文字を収集する方法が望まれ
る。
ための学習用文字は，一文字ずつ人手作業により作成し
ていた。通常，その数は１文字について数千〜数万個程
度であり，しかも，文字認識を必要とする全文字につい
て収集する必要がある。そのため，学習用文字の収集に
は膨大な時間を要するものであった。そのため，少ない
時間で，能率的に学習用文字を収集する方法が望まれ
る。
【０００４】本発明は，簡単な方法で能率的に学習用文
字を収集する学習用文字の特徴データ発生方法および装
置を提供する。
字を収集する学習用文字の特徴データ発生方法および装
置を提供する。
【０００５】
【従来の技術】従来は，イメージリーダ等の手書き文字
入力装置とコンピュータによるデータ処理装置を備えた
システムにより人手作業により上記のように作成した学
習用文字を一つずつ手書き文字入力装置により入力し，
特徴パターンを抽出して学習用文字の特徴データを収集
していた。そして，そのように収集された学習用文字に
基づいて文字認識辞書を作成していた。
入力装置とコンピュータによるデータ処理装置を備えた
システムにより人手作業により上記のように作成した学
習用文字を一つずつ手書き文字入力装置により入力し，
特徴パターンを抽出して学習用文字の特徴データを収集
していた。そして，そのように収集された学習用文字に
基づいて文字認識辞書を作成していた。
【０００６】図７は従来の学習用文字の特徴データを収
集するための装置構成および文字認識辞書の作成のため
の装置構成を示す。図において，１８０は手書き文字で
あって，学習用文字である。１８１は手書き文字入力装
置であって，イメージリーダ等の手書き文字を光学的に
読み取ってイメージデータとするものである。１８２は
データ処理装置であって，コンピュータである。１８３
は磁気ディスク装置である。
集するための装置構成および文字認識辞書の作成のため
の装置構成を示す。図において，１８０は手書き文字で
あって，学習用文字である。１８１は手書き文字入力装
置であって，イメージリーダ等の手書き文字を光学的に
読み取ってイメージデータとするものである。１８２は
データ処理装置であって，コンピュータである。１８３
は磁気ディスク装置である。
【０００７】データ処理装置１８２において，１９０は
特徴抽出手段であって，手書き文字入力装置１８１から
入力された手書き文字（学習用文字）の特徴データを抽
出するものである。１９１は辞書作成手段であって，学
習用文字の特徴データに基づいて，文字認識辞書を作成
するものである。
特徴抽出手段であって，手書き文字入力装置１８１から
入力された手書き文字（学習用文字）の特徴データを抽
出するものである。１９１は辞書作成手段であって，学
習用文字の特徴データに基づいて，文字認識辞書を作成
するものである。
【０００８】磁気ディスク装置１８３において，１９２
は学習用文字の特徴データ保存手段であって，特徴抽出
手段１９０の抽出した学習用文字の特徴データを保存す
るものである。１９３は文字認識辞書であって，辞書作
成手段１９１の作成した文字認識辞書である。
は学習用文字の特徴データ保存手段であって，特徴抽出
手段１９０の抽出した学習用文字の特徴データを保存す
るものである。１９３は文字認識辞書であって，辞書作
成手段１９１の作成した文字認識辞書である。
【０００９】図８は従来の学習用文字の収集方法と文字
認識辞書の作成方法を示す。図８に従って，図７の構成
の動作を説明する。 Ｓ１ 手書き文字１８０（学習用文字）を収集する処理
であって，手作業により文字認識対象の全文字種に対し
て手書き文字１８０を作成する。
認識辞書の作成方法を示す。図８に従って，図７の構成
の動作を説明する。 Ｓ１ 手書き文字１８０（学習用文字）を収集する処理
であって，手作業により文字認識対象の全文字種に対し
て手書き文字１８０を作成する。
【００１０】Ｓ２ 手書き文字１８０を手書き文字入力
装置１８１によりデータ処理装置１８２に入力する。 Ｓ３ 特徴抽出手段１９０により，手書き文字（学習用
文字）の特徴データを抽出する。
装置１８１によりデータ処理装置１８２に入力する。 Ｓ３ 特徴抽出手段１９０により，手書き文字（学習用
文字）の特徴データを抽出する。
【００１１】Ｓ４ 磁気ディスク装置１８３の学習用文
字の特徴データ保存手段１９２に学習用文字の特徴デー
タを保存する。 Ｓ５ 辞書作成手段１９１は特徴抽出手段１９０の抽出
した学習用文字の特徴データもしくは学習用文字の特徴
データ保存手段１９２に保存されている学習用文字の特
徴データに基づいて文字認識辞書を作成する。
字の特徴データ保存手段１９２に学習用文字の特徴デー
タを保存する。 Ｓ５ 辞書作成手段１９１は特徴抽出手段１９０の抽出
した学習用文字の特徴データもしくは学習用文字の特徴
データ保存手段１９２に保存されている学習用文字の特
徴データに基づいて文字認識辞書を作成する。
【００１２】Ｓ６ 磁気ディスク装置１８３の文字認識
辞書１９３に作成した文字認識辞書を保存する。
辞書１９３に作成した文字認識辞書を保存する。
【００１３】
【発明が解決しようとする課題】文字認識精度の良い文
字認識辞書を作成するためには，文字のカテゴリ毎にで
きる限り多くの手書き文字（学習用文字）を用意する必
要がある。そのため，前述したように文字認識精度の高
い辞書を作成するためには文字種毎に手書き文字（学習
用文字）を一文字につき数千〜数万個程度は必要とし，
それを文字認識対象の全文字について用意する必要があ
った。そのため，従来の学習用文字の収集および文字認
識辞書の作成は膨大な時間と人手を必要としていた。
字認識辞書を作成するためには，文字のカテゴリ毎にで
きる限り多くの手書き文字（学習用文字）を用意する必
要がある。そのため，前述したように文字認識精度の高
い辞書を作成するためには文字種毎に手書き文字（学習
用文字）を一文字につき数千〜数万個程度は必要とし，
それを文字認識対象の全文字について用意する必要があ
った。そのため，従来の学習用文字の収集および文字認
識辞書の作成は膨大な時間と人手を必要としていた。
【００１４】本発明は，簡単に多くの学習用文字の特徴
データを収集できる文字の特徴データ発生方法および発
生装置を提供することを目的とする。
データを収集できる文字の特徴データ発生方法および発
生装置を提供することを目的とする。
【００１５】
【課題を解決するための手段】本発明は，同種の文字の
異なる二つの学習用文字（基本文字）の特徴ベクトル
（特徴データの成分を成分とするベクトル）を基にベク
トル演算により基本文字を変形した学習用文字（変形文
字）の特徴ベクトルを算出し，基本文字を変形したパタ
ーンを持つ学習用文字の特徴データとするようにした。
異なる二つの学習用文字（基本文字）の特徴ベクトル
（特徴データの成分を成分とするベクトル）を基にベク
トル演算により基本文字を変形した学習用文字（変形文
字）の特徴ベクトルを算出し，基本文字を変形したパタ
ーンを持つ学習用文字の特徴データとするようにした。
【００１６】図９は特徴ベクトルの説明図である。図に
おいて，２００は文字領域であって，一文字の画像領域
である。２０１，２０１’は分割領域であって，文字領
域を分割したものである（図は文字領域を１６分割した
場合を示す）。説明の都合上，文字領域２００の左上の
分割領域を分割領域(1) ，分割領域(1) の右隣の分割領
域を分割領域(2) ，第２行の先頭の分割領域を分割領域
(5) とするように分割領域番号を定める。２０１’は分
割領域(4) である。２０２は文字パターンであって，図
は文字「９」の手書き文字（学習用文字）を示す。画像
の１ドットを○印で表し，入力された手書き文字パター
ン「９」をドットで表したものである。２０３は輪郭線
（文字パターン２０２の黒丸のドット）であって，文字
パターン２０２の分割領域(4) ２０１’の輪郭線であ
る。２１０は着目画素であって，輪郭線の方向指数特徴
（後述）により特徴データを求める場合の基準となる画
素を表す。
おいて，２００は文字領域であって，一文字の画像領域
である。２０１，２０１’は分割領域であって，文字領
域を分割したものである（図は文字領域を１６分割した
場合を示す）。説明の都合上，文字領域２００の左上の
分割領域を分割領域(1) ，分割領域(1) の右隣の分割領
域を分割領域(2) ，第２行の先頭の分割領域を分割領域
(5) とするように分割領域番号を定める。２０１’は分
割領域(4) である。２０２は文字パターンであって，図
は文字「９」の手書き文字（学習用文字）を示す。画像
の１ドットを○印で表し，入力された手書き文字パター
ン「９」をドットで表したものである。２０３は輪郭線
（文字パターン２０２の黒丸のドット）であって，文字
パターン２０２の分割領域(4) ２０１’の輪郭線であ
る。２１０は着目画素であって，輪郭線の方向指数特徴
（後述）により特徴データを求める場合の基準となる画
素を表す。
【００１７】特徴データの例として，文字パターンの輪
郭線の方向指数特徴について説明する。方向指数特徴は
輪郭線の着目画素に対して隣接する黒画素の方向を求め
る方法である。図は方向指数特徴により特徴データを求
める場合を示す。
郭線の方向指数特徴について説明する。方向指数特徴は
輪郭線の着目画素に対して隣接する黒画素の方向を求め
る方法である。図は方向指数特徴により特徴データを求
める場合を示す。
【００１８】図において， (a)は水平成分であって，着
目画素に対して，右もしくは左に黒画素がある状態を示
す。図の例においては，水平成分の数は７である。 (b)
は斜め成分Ａであって，着目画素の左上もしくは右下に
黒画素がある場合を示す。図の例の斜め方向成分の数は
９である。 (c)は斜め成分Ｂであって，着目画素の左下
もしくは右上に黒画素がある場合である。図の例では，
斜め成分Ｂの数は０である。 (d)は垂直成分であって，
着目画素の上もしくは下に黒画素がある場合である。図
の例では垂直成分の数は６である。
目画素に対して，右もしくは左に黒画素がある状態を示
す。図の例においては，水平成分の数は７である。 (b)
は斜め成分Ａであって，着目画素の左上もしくは右下に
黒画素がある場合を示す。図の例の斜め方向成分の数は
９である。 (c)は斜め成分Ｂであって，着目画素の左下
もしくは右上に黒画素がある場合である。図の例では，
斜め成分Ｂの数は０である。 (d)は垂直成分であって，
着目画素の上もしくは下に黒画素がある場合である。図
の例では垂直成分の数は６である。
【００１９】図の場合，分割領域２０１’の方向指数特
徴の成分は（７，９，０，６）である。同様に，各分割
領域（２０１）の方向指数特徴の成分を求めることによ
り，各成分による配列（分割領域(1) の成分），（分割
領域(2) の成分），・・・・，（分割領域(4) の成分
（７，９，０，６）），・・・・，（分割領域(16)の成
分）が得られる。そこで，配列の各成分を成分とするベ
クトルを特徴ベクトルとして，文字パターンの特徴ベク
トルとする（図の場合，６４（１６×４＝６４）次元空
間のベクトルである）。
徴の成分は（７，９，０，６）である。同様に，各分割
領域（２０１）の方向指数特徴の成分を求めることによ
り，各成分による配列（分割領域(1) の成分），（分割
領域(2) の成分），・・・・，（分割領域(4) の成分
（７，９，０，６）），・・・・，（分割領域(16)の成
分）が得られる。そこで，配列の各成分を成分とするベ
クトルを特徴ベクトルとして，文字パターンの特徴ベク
トルとする（図の場合，６４（１６×４＝６４）次元空
間のベクトルである）。
【００２０】従って，図のように文字領域を１６分割し
た場合，任意の学習用文字に対する方向指数特徴の特徴
データは６４次元のベクトル空間の一点で表すことがで
きる。
た場合，任意の学習用文字に対する方向指数特徴の特徴
データは６４次元のベクトル空間の一点で表すことがで
きる。
【００２１】本発明は，同一文字種の比較的近い文字パ
ターン（基本文字）の特徴ベクトル（基本特徴ベクト
ル）を求め，基本特徴ベクトルを基に，ベクトル演算に
より基本文字を変形した変形文字の特徴ベクトルを算出
し，特徴データを求めるようにした。
ターン（基本文字）の特徴ベクトル（基本特徴ベクト
ル）を求め，基本特徴ベクトルを基に，ベクトル演算に
より基本文字を変形した変形文字の特徴ベクトルを算出
し，特徴データを求めるようにした。
【００２２】図１０は課題を解決するための手段の説明
図である。図において，○印は特徴ベクトルの空間の原
点，Ａは基本文字ａの特徴データを表すベクトル空間に
おける点，Ｂは基本文字ｂの特徴データを表わすベクト
ル空間における点である。ｌは点Ａと点Ｂを結ぶ直線で
ある。２２０は基本文字パターンａの基本特徴ベクトル
Ｖａである。２２１は基本文字パターンｂの基本特徴ベ
クトルＶｂである。２２３は特徴データのベクトルＶｘ
0 である。２２４は特徴データのベクトルＶｘi であ
る。２２５は特徴データのベクトルＶｘN である。
図である。図において，○印は特徴ベクトルの空間の原
点，Ａは基本文字ａの特徴データを表すベクトル空間に
おける点，Ｂは基本文字ｂの特徴データを表わすベクト
ル空間における点である。ｌは点Ａと点Ｂを結ぶ直線で
ある。２２０は基本文字パターンａの基本特徴ベクトル
Ｖａである。２２１は基本文字パターンｂの基本特徴ベ
クトルＶｂである。２２３は特徴データのベクトルＶｘ
0 である。２２４は特徴データのベクトルＶｘi であ
る。２２５は特徴データのベクトルＶｘN である。
【００２３】基本特徴ベクトルＶａ（２２０）と基本特
徴ベクトルＶｂ（２２１）に対して， ベクトルＶｘ−ベクトルＶｂ＝ｔ（ベクトルＶａ−ベク
トルＶｂ）（ｔはパラメータ）・・・・・・(1) により変形文字の特徴ベクトルを求める。
徴ベクトルＶｂ（２２１）に対して， ベクトルＶｘ−ベクトルＶｂ＝ｔ（ベクトルＶａ−ベク
トルＶｂ）（ｔはパラメータ）・・・・・・(1) により変形文字の特徴ベクトルを求める。
【００２４】パラメータｔを変えることにより，基本文
字ａと基本文字ｂを変形した変形文字の特徴データを要
素とする特徴ベクトルＶｘが多数得られる。２２３はベ
クトルＶｘ0 であって，ｔ＝ｔ0 のとき上式(1) により
求めた変形文字の特徴データのベクトルである。２２４
はベクトルＶX i であって，ｔ＝ｔi のとき，上式(1)
により求めた変形文字の特徴データのベクトルである。
２２５はベクトルＶX N であって，ｔ＝ｔN のとき上式
(1) により求めた変形文字の特徴データのベクトルであ
る。
字ａと基本文字ｂを変形した変形文字の特徴データを要
素とする特徴ベクトルＶｘが多数得られる。２２３はベ
クトルＶｘ0 であって，ｔ＝ｔ0 のとき上式(1) により
求めた変形文字の特徴データのベクトルである。２２４
はベクトルＶX i であって，ｔ＝ｔi のとき，上式(1)
により求めた変形文字の特徴データのベクトルである。
２２５はベクトルＶX N であって，ｔ＝ｔN のとき上式
(1) により求めた変形文字の特徴データのベクトルであ
る。
【００２５】図１は本発明の基本構成を示す。図におい
て，１は手書き文字（学習用文字）である（同種の文字
につき少なくとも２つの文字パターンを用意する）。２
は手書き文字入力装置であって，手書き文字を光学的に
読み取って手書き文字のイメージデータをデータ処理装
置３に入力するものである。
て，１は手書き文字（学習用文字）である（同種の文字
につき少なくとも２つの文字パターンを用意する）。２
は手書き文字入力装置であって，手書き文字を光学的に
読み取って手書き文字のイメージデータをデータ処理装
置３に入力するものである。
【００２６】３はデータ処理装置であって，コンピュー
タにより構成されるものである。１０は変形文字の特徴
データ発生装置であって，基本文字のパターンに基づい
て，変形文字の特徴データを発生するものである。
タにより構成されるものである。１０は変形文字の特徴
データ発生装置であって，基本文字のパターンに基づい
て，変形文字の特徴データを発生するものである。
【００２７】変形文字の特徴データ発生手段１０におい
て，１１は基本文字の特徴抽出部であって，手書き文字
入力装置２から入力された学習用文字の特徴を抽出する
ものである。１２は変形文字の特徴データ算出部であっ
て，基本文字の特徴ベクトルＶａ，ベクトルＶｂとパラ
メータｔにより変形文字の特徴ベクトルＶｘとして，ベ
クトルＶｘ−ベクトルＶａ＝ｔ（ベクトルＶｂ−ベクト
ルＶａ）により変形文字の特徴ベクトルを算出するもの
である。１３は学習文字の特徴データ出力部であって，
算出された変形文字の特徴ベクトル（特徴データ）を出
力するものである。
て，１１は基本文字の特徴抽出部であって，手書き文字
入力装置２から入力された学習用文字の特徴を抽出する
ものである。１２は変形文字の特徴データ算出部であっ
て，基本文字の特徴ベクトルＶａ，ベクトルＶｂとパラ
メータｔにより変形文字の特徴ベクトルＶｘとして，ベ
クトルＶｘ−ベクトルＶａ＝ｔ（ベクトルＶｂ−ベクト
ルＶａ）により変形文字の特徴ベクトルを算出するもの
である。１３は学習文字の特徴データ出力部であって，
算出された変形文字の特徴ベクトル（特徴データ）を出
力するものである。
【００２８】１４は辞書生成手段であって，学習用文字
の特徴データ（変形文字の特徴データおよび基本文字の
特徴データ）に基づいて，文字認識辞書を作成するもの
である。２０は辞書生成手段１４において生成された文
字認識辞書である。２１は生成された学習用文字特徴デ
ータ保存手段である。
の特徴データ（変形文字の特徴データおよび基本文字の
特徴データ）に基づいて，文字認識辞書を作成するもの
である。２０は辞書生成手段１４において生成された文
字認識辞書である。２１は生成された学習用文字特徴デ
ータ保存手段である。
【００２９】
【作用】図１の基本構成の動作を説明する。手書き文字
入力装置２により手書き文字を読み取って，変形文字の
特徴データ発生装置１０に入力する。学習用文字は同種
の文字について少なくとも二つのパターンを用意する。
２パターン間の距離があらかじめ定めた閾値より小さい
（比較的に似ているパターンどうし）を一組の学習用文
字（基本文字）とする。特徴抽出部１１は入力された学
習用文字の方向指数特徴等の特徴データを抽出する。変
形文字の特徴データ算出部１２は，基本文字の特徴ベク
トルＶａ，ベクトルＶｂ，パラメータｔに対して，変形
文字の特徴ベクトルＶｘを，ベクトルＶｘ−ベクトルＶ
ａ＝ｔ（ベクトルＶｂ−ベクトルＶａ）により算出す
る。パラメータｔを変えながら求めた同種の文字の異な
る特徴データを多数算出する。そして，変形文字の特徴
データ出力部１３は，求められた変形文字の特徴データ
を学習用文字特徴データ保存手段２１に出力する。学習
用文字特徴データ保存手段２１は学習用文字の特徴デー
タ（変形文字の特徴データおよび入力された学習用文字
の特徴データ）を保存する。
入力装置２により手書き文字を読み取って，変形文字の
特徴データ発生装置１０に入力する。学習用文字は同種
の文字について少なくとも二つのパターンを用意する。
２パターン間の距離があらかじめ定めた閾値より小さい
（比較的に似ているパターンどうし）を一組の学習用文
字（基本文字）とする。特徴抽出部１１は入力された学
習用文字の方向指数特徴等の特徴データを抽出する。変
形文字の特徴データ算出部１２は，基本文字の特徴ベク
トルＶａ，ベクトルＶｂ，パラメータｔに対して，変形
文字の特徴ベクトルＶｘを，ベクトルＶｘ−ベクトルＶ
ａ＝ｔ（ベクトルＶｂ−ベクトルＶａ）により算出す
る。パラメータｔを変えながら求めた同種の文字の異な
る特徴データを多数算出する。そして，変形文字の特徴
データ出力部１３は，求められた変形文字の特徴データ
を学習用文字特徴データ保存手段２１に出力する。学習
用文字特徴データ保存手段２１は学習用文字の特徴デー
タ（変形文字の特徴データおよび入力された学習用文字
の特徴データ）を保存する。
【００３０】さらに必要に応じて，辞書生成手段１４は
求められた変形文字の特徴データと入力された学習用文
字の特徴データに基づいて，文字認識辞書２０を作成す
る。本発明によれば，少ない手書き文字（学習用文字）
を基に文字パターンの異なる多数の学習用文字の特徴デ
ータを簡単に作成することができる。そのため，文字認
識辞書を作成する場合に，手書き文字（学習用文字）を
多数用意することなく簡単に正確な辞書を作成すること
ができるようになる。
求められた変形文字の特徴データと入力された学習用文
字の特徴データに基づいて，文字認識辞書２０を作成す
る。本発明によれば，少ない手書き文字（学習用文字）
を基に文字パターンの異なる多数の学習用文字の特徴デ
ータを簡単に作成することができる。そのため，文字認
識辞書を作成する場合に，手書き文字（学習用文字）を
多数用意することなく簡単に正確な辞書を作成すること
ができるようになる。
【００３１】
【実施例】図２は本発明の実施例構成を示す。図におい
て，３０，３０’は手書き文字，３１は手書き文字入力
装置，３２はデータ処理装置であって，コンピュータで
ある。３３は磁気ディスク装置であって，変形文字の特
徴データ発生手段５０および辞書生成手段５１を格納す
るものである。３４は磁気ディスク装置であって，学習
用文字の特徴データ保存手段５２および文字認識辞書５
３を格納するものである。
て，３０，３０’は手書き文字，３１は手書き文字入力
装置，３２はデータ処理装置であって，コンピュータで
ある。３３は磁気ディスク装置であって，変形文字の特
徴データ発生手段５０および辞書生成手段５１を格納す
るものである。３４は磁気ディスク装置であって，学習
用文字の特徴データ保存手段５２および文字認識辞書５
３を格納するものである。
【００３２】データ処理装置３２において，４０は主記
憶装置，４１は入出力制御装置，４２はＣＰＵである。
磁気ディスク装置３３において，５０は変形文字の特徴
データ発生手段，５１は辞書生成手段である。磁気ディ
スク装置３４において，５２は学習用文字の特徴データ
保存手段，５３は文字認識辞書である。
憶装置，４１は入出力制御装置，４２はＣＰＵである。
磁気ディスク装置３３において，５０は変形文字の特徴
データ発生手段，５１は辞書生成手段である。磁気ディ
スク装置３４において，５２は学習用文字の特徴データ
保存手段，５３は文字認識辞書である。
【００３３】主記憶装置４０において，６０は変形文字
の特徴データ発生手段であって，磁気ディスク装置３３
の変形文字の特徴データ発生手段５０が主記憶装置４０
にロードされた状態を表す。６１は辞書生成手段であっ
て，磁気ディスク装置３３に格納されている辞書生成手
段５１が主記憶装置６０にロードされているものであ
る。
の特徴データ発生手段であって，磁気ディスク装置３３
の変形文字の特徴データ発生手段５０が主記憶装置４０
にロードされた状態を表す。６１は辞書生成手段であっ
て，磁気ディスク装置３３に格納されている辞書生成手
段５１が主記憶装置６０にロードされているものであ
る。
【００３４】主記憶装置４０の変形文字の特徴データ発
生手段６０において，７０は特徴抽出部，７１は文字間
距離算出部であって，同種の２文字のパターン間の距離
を判定し，距離の近い似たパターンを基本文字とするも
のである。７２は変形文字の特徴データ算出部である。
７３は学習用文字の特徴データ出力部である。
生手段６０において，７０は特徴抽出部，７１は文字間
距離算出部であって，同種の２文字のパターン間の距離
を判定し，距離の近い似たパターンを基本文字とするも
のである。７２は変形文字の特徴データ算出部である。
７３は学習用文字の特徴データ出力部である。
【００３５】図３は，本発明の実施例構成の各部の関係
を示す（図２の本発明の実施例構成の各部を動作との関
連で表したもの）。図において，３０は手書き文字，３
１は手書き文字入力装置，５２は学習用文字の特徴デー
タ保存手段，５３は文字認識辞書，６０は変形文字の特
徴データ発生手段，６１は辞書生成手段である。
を示す（図２の本発明の実施例構成の各部を動作との関
連で表したもの）。図において，３０は手書き文字，３
１は手書き文字入力装置，５２は学習用文字の特徴デー
タ保存手段，５３は文字認識辞書，６０は変形文字の特
徴データ発生手段，６１は辞書生成手段である。
【００３６】図４は本発明の実施例構成のフローを示
す。図４により，本発明の実施例構成の動作を説明する
（図３を参照する）。 Ｓ１ 手書き文字入力装置３１は学習用文字を読み込
む。
す。図４により，本発明の実施例構成の動作を説明する
（図３を参照する）。 Ｓ１ 手書き文字入力装置３１は学習用文字を読み込
む。
【００３７】Ｓ２ 特徴抽出部７０は，読み込まれた学
習用文字の特徴データを抽出する。 Ｓ３ 文字間距離算出部７１は入力された学習用文字の
同種の文字の２つずつを一組として文字間距離を算出す
る。
習用文字の特徴データを抽出する。 Ｓ３ 文字間距離算出部７１は入力された学習用文字の
同種の文字の２つずつを一組として文字間距離を算出す
る。
【００３８】Ｓ４ 変形文字の特徴データ算出部７２に
おいて一組（ペア）の文字間距離が予め定めた閾値より
大きいか判定する。閾値より小さければＳ５に進み，閾
値より大きければＳ６に進む。
おいて一組（ペア）の文字間距離が予め定めた閾値より
大きいか判定する。閾値より小さければＳ５に進み，閾
値より大きければＳ６に進む。
【００３９】Ｓ５ 文字間距離が閾値より小さかった一
組の学習用文字を基本文字として，それぞれの特徴ベク
トルをもとに変形文字の特徴ベクトルを算出する（変形
文字の特徴データの算出処理）。変形文字の特徴データ
の算出処理の詳細は後述する（図５参照）。
組の学習用文字を基本文字として，それぞれの特徴ベク
トルをもとに変形文字の特徴ベクトルを算出する（変形
文字の特徴データの算出処理）。変形文字の特徴データ
の算出処理の詳細は後述する（図５参照）。
【００４０】Ｓ６ 同一文字種において未判定の組があ
るか判定する。未判定のペアがあればＳ４以降の処理を
繰り返す。未判定のペアがなければＳ７に進む。 Ｓ７ 学習用文字の特徴データ出力部７３は変形文字の
特徴データおよび入力された学習用文字の特徴データを
出力する。上記のＳ２以降の処理を全文字種について繰
り返す。
るか判定する。未判定のペアがあればＳ４以降の処理を
繰り返す。未判定のペアがなければＳ７に進む。 Ｓ７ 学習用文字の特徴データ出力部７３は変形文字の
特徴データおよび入力された学習用文字の特徴データを
出力する。上記のＳ２以降の処理を全文字種について繰
り返す。
【００４１】Ｓ８ 学習用文字の特徴データ保存手段５
２は学習用文字の特徴データ（変形文字の特徴データお
よび入力された学習用文字の特徴データ）を保存する。 Ｓ９ 辞書生成手段６１は学習用文字の特徴データ出力
部７３から出力される学習用文字の特徴データにより文
字認識辞書を生成する。
２は学習用文字の特徴データ（変形文字の特徴データお
よび入力された学習用文字の特徴データ）を保存する。 Ｓ９ 辞書生成手段６１は学習用文字の特徴データ出力
部７３から出力される学習用文字の特徴データにより文
字認識辞書を生成する。
【００４２】Ｓ１０ 文字認識辞書５３は辞書生成手段
６１により作成された文字認識辞書を保存する。 図５は変形文字の特徴データの算出処理のフローである
（図４の変形文字の特徴データの算出処理（Ｓ５）の詳
細フロー）。基本文字（文字間距離が閾値より小さい学
習用文字）の特徴ベクトルをベクトルＶａ，ベクトルＶ
ｂ，パラメータをｔ，変形文字の特徴ベクトルをベクト
ルＶｘとした時， ベクトルＶｘ−ベクトルＶｂ＝ｔ（ベクトルＶｂ−ベク
トルＶａ） ・・(1) （前述の式(1) に同じ) により，ｔを変更しながら変形文字の特徴データを求め
るフローである。
６１により作成された文字認識辞書を保存する。 図５は変形文字の特徴データの算出処理のフローである
（図４の変形文字の特徴データの算出処理（Ｓ５）の詳
細フロー）。基本文字（文字間距離が閾値より小さい学
習用文字）の特徴ベクトルをベクトルＶａ，ベクトルＶ
ｂ，パラメータをｔ，変形文字の特徴ベクトルをベクト
ルＶｘとした時， ベクトルＶｘ−ベクトルＶｂ＝ｔ（ベクトルＶｂ−ベク
トルＶａ） ・・(1) （前述の式(1) に同じ) により，ｔを変更しながら変形文字の特徴データを求め
るフローである。
【００４３】これらのベクトルの成分はそれぞれ， ベクトルＶａ＝（ａ1 ，ａ2 ，・・・・，ａm ） ベクトルＶｂ＝（ｂ1 ，ｂ2 ，・・・・，ｂm ） ベクトルＶｘ＝（ｘ1 ，ｘ2 ，・・・・，ｘm ） (1) 式を，成分で表すと， ｘ1 −ｂ1 ＝ｔ（ａ1 −ｂ1 ） ｘ2 −ｂ2 ＝ｔ（ａ2 −ｂ2 ） ・・・・・・・・・ ｘm −ｂm ＝ｔ（ａm −ｂm ） ・・・・・・・・・・・・・ (2) 但しｔはパラメータであり，ｔ＝０の時，ベクトルＶｘ
＝ベクトルＶｂ，ｔ＝１の時, ベクトルＶｘ＝ベクトル
Ｖａとなる。またｍは特徴の個数である。
＝ベクトルＶｂ，ｔ＝１の時, ベクトルＶｘ＝ベクトル
Ｖａとなる。またｍは特徴の個数である。
【００４４】パラメータｔを適切な方法で変化させるこ
とにより新しいベクトルＶｘを得ることができる。パラ
メータの初期値をｔ0 ，最終値をｔN として，ｔ0 とｔ
N の間をＮ等分する。ｉ番目のパラメータをｔi とする
と, ｔi ＝ｔ0 ＋ｉ（ｔN −ｔ0 ）／Ｎ ・・・・・・・・・・・・(3) となる。 （０≦ｋ≦Ｎ） ０からＮまでの連続する整数ｋに対して，ｔi を求め，
ｔi に対応する変形文字の特徴ベクトルＶｘk を式(2)
により算出する。
とにより新しいベクトルＶｘを得ることができる。パラ
メータの初期値をｔ0 ，最終値をｔN として，ｔ0 とｔ
N の間をＮ等分する。ｉ番目のパラメータをｔi とする
と, ｔi ＝ｔ0 ＋ｉ（ｔN −ｔ0 ）／Ｎ ・・・・・・・・・・・・(3) となる。 （０≦ｋ≦Ｎ） ０からＮまでの連続する整数ｋに対して，ｔi を求め，
ｔi に対応する変形文字の特徴ベクトルＶｘk を式(2)
により算出する。
【００４５】フローの番号に従って図のフローを説明す
る。 Ｓ１ パラメータの初期値ｔ0 ，最終値ｔN ，分割数Ｎ
を読み込む。 Ｓ２ 上記式(2) に従い，等分割の場合のパラメータｔ
i の算出式(3) に従いｉを０からＮまで変化させること
により，それぞれのｉに対応するパラメータｔ k を求め
る。
る。 Ｓ１ パラメータの初期値ｔ0 ，最終値ｔN ，分割数Ｎ
を読み込む。 Ｓ２ 上記式(2) に従い，等分割の場合のパラメータｔ
i の算出式(3) に従いｉを０からＮまで変化させること
により，それぞれのｉに対応するパラメータｔ k を求め
る。
【００４６】Ｓ３ 変形文字の特徴ベクトルを計算す
る。 第ｉ番目のパラメータｔi のベクトルのｊ番目の成分を
ｘi j として，ｘi j ＝ｂj ＋ｔi （ａj −ｂj ）を求
める。そして，ｊ＝１からｊ＝ｍまで繰り返して，各成
分を求める。さらに，ｉ＝０からＮまで同様の処理を繰
り返して，各パラメータのベクトル成分ｘi j の全成分
を求める。
る。 第ｉ番目のパラメータｔi のベクトルのｊ番目の成分を
ｘi j として，ｘi j ＝ｂj ＋ｔi （ａj −ｂj ）を求
める。そして，ｊ＝１からｊ＝ｍまで繰り返して，各成
分を求める。さらに，ｉ＝０からＮまで同様の処理を繰
り返して，各パラメータのベクトル成分ｘi j の全成分
を求める。
【００４７】Ｓ４ ｘi の成分がひとつでも負であるか
判定する。一つでも負であればＳ５に進む。全部正であ
れば，次のｉについて同様の判定をし，ｉ＝０からＮま
で全て判定したら処理を終了する。
判定する。一つでも負であればＳ５に進む。全部正であ
れば，次のｉについて同様の判定をし，ｉ＝０からＮま
で全て判定したら処理を終了する。
【００４８】上記の処理において，０＜ｔ＜１であれ
ば，二つのベクトルＶａとベクトルＶｂの中間的な変形
ベクトルが得られる。また，ｔ＞１の領域では（べクト
ルＶｂ−ベクトルＶａ）を拡大した特徴ベクトルが得ら
れる。また，ｔ＜０の領域では（ベクトルＶａ−ベクト
ルＶｂ）を拡大したような特徴ベクトルが得られる。し
かし，ｔの絶対値が大きすぎると，実際には存在しない
ような変形文字の特徴ベクトルが発生するので，例え
ば，−０．５≦ｔ≦１．５位が適当と考えられる。
ば，二つのベクトルＶａとベクトルＶｂの中間的な変形
ベクトルが得られる。また，ｔ＞１の領域では（べクト
ルＶｂ−ベクトルＶａ）を拡大した特徴ベクトルが得ら
れる。また，ｔ＜０の領域では（ベクトルＶａ−ベクト
ルＶｂ）を拡大したような特徴ベクトルが得られる。し
かし，ｔの絶対値が大きすぎると，実際には存在しない
ような変形文字の特徴ベクトルが発生するので，例え
ば，−０．５≦ｔ≦１．５位が適当と考えられる。
【００４９】また，ｔ＞１もしくはｔ＜０の領域では，
発生した特徴ベクトルの成分の一部が負となる場合を生
じることがある。即ち，特徴ベクトルの第ｉ成分に対し
て， ａi ＞ｂi の場合， ｔ＜ｂi ／（ｂi −ａi ） ａi ＜ｂi の場合， ｔ＞ｂi ／（ｂi −ａi ） （但し，ｂi ≠ａi ）の値で発生したベクトルの成分が
負となる。特徴ベクトルが負であることは意味がないの
で，このようなベクトルは上記の処理Ｓ４，Ｓ５で除外
する。
発生した特徴ベクトルの成分の一部が負となる場合を生
じることがある。即ち，特徴ベクトルの第ｉ成分に対し
て， ａi ＞ｂi の場合， ｔ＜ｂi ／（ｂi −ａi ） ａi ＜ｂi の場合， ｔ＞ｂi ／（ｂi −ａi ） （但し，ｂi ≠ａi ）の値で発生したベクトルの成分が
負となる。特徴ベクトルが負であることは意味がないの
で，このようなベクトルは上記の処理Ｓ４，Ｓ５で除外
する。
【００５０】図６は，本発明を適用した文字認識装置の
構成を示す。図において，１００は文字認識対象の原稿
であって，手書き文字が記入されているものである。１
０１は文字認識装置であって，文字認識対象の原稿に記
入された手書き文字を読み取って文字認識するものであ
る。１０２は学習用文字である。１０３は変形文字の特
徴データ発生手段である。１０４は学習用文字の特徴デ
ータ保存手段である。１０５は辞書生成手段，１０６は
文字認識辞書である。
構成を示す。図において，１００は文字認識対象の原稿
であって，手書き文字が記入されているものである。１
０１は文字認識装置であって，文字認識対象の原稿に記
入された手書き文字を読み取って文字認識するものであ
る。１０２は学習用文字である。１０３は変形文字の特
徴データ発生手段である。１０４は学習用文字の特徴デ
ータ保存手段である。１０５は辞書生成手段，１０６は
文字認識辞書である。
【００５１】文字認識装置１０１において，１１０は観
測部であって，文字認識対象の原稿１００の手書き文字
を光学的に読み取り，原稿に記入された文字をイメージ
データとして入力するものである。１１１は前処理部で
あって，観測部で光電変換されたイメージデータの正規
化，ノイズ除去等の前処理を行うものである。１１２は
特徴抽出部であって，一文字毎のイメージデータから特
徴を抽出するものである。１１３は照合部であって，文
字と特徴データを対応付けた辞書部１１４の辞書を参照
して類似する特徴パターンを検索し，その文字を文字認
識結果として出力するものである。１１４は辞書部であ
って，文字認識辞書を格納するものである。
測部であって，文字認識対象の原稿１００の手書き文字
を光学的に読み取り，原稿に記入された文字をイメージ
データとして入力するものである。１１１は前処理部で
あって，観測部で光電変換されたイメージデータの正規
化，ノイズ除去等の前処理を行うものである。１１２は
特徴抽出部であって，一文字毎のイメージデータから特
徴を抽出するものである。１１３は照合部であって，文
字と特徴データを対応付けた辞書部１１４の辞書を参照
して類似する特徴パターンを検索し，その文字を文字認
識結果として出力するものである。１１４は辞書部であ
って，文字認識辞書を格納するものである。
【００５２】図の構成の動作を説明する。学習用文字１
０２に基づいて，変形文字の特徴データ発生手段１０３
は変形文字の特徴データを発生する。学習用文字の特徴
データ保存手段１０４は，変形文字の特徴データおよび
入力された学習用文字１０２の特徴データを保存する。
辞書生成手段１０５は，学習用文字の特徴データ保存手
段１０４の学習用文字の特徴データに基づいて，文字認
識辞書１０６を作成する。文字認識辞書１０６の内容は
辞書部１１４に格納される。
０２に基づいて，変形文字の特徴データ発生手段１０３
は変形文字の特徴データを発生する。学習用文字の特徴
データ保存手段１０４は，変形文字の特徴データおよび
入力された学習用文字１０２の特徴データを保存する。
辞書生成手段１０５は，学習用文字の特徴データ保存手
段１０４の学習用文字の特徴データに基づいて，文字認
識辞書１０６を作成する。文字認識辞書１０６の内容は
辞書部１１４に格納される。
【００５３】文字認識装置において，観測部１１０は文
字認識対象の原稿を読み取る。前処理部１１１は観測部
の読み取ったイメージデータの正規化，ノイズ除去等の
前処理を行う。特徴抽出部１１２は一文字ずつのイメー
ジデータにより特徴データを抽出する。照合部１１３は
特徴抽出部１１２の抽出した特徴により辞書部１１４を
参照し，特徴データの類似する文字を求め，文字認識結
果として出力する。
字認識対象の原稿を読み取る。前処理部１１１は観測部
の読み取ったイメージデータの正規化，ノイズ除去等の
前処理を行う。特徴抽出部１１２は一文字ずつのイメー
ジデータにより特徴データを抽出する。照合部１１３は
特徴抽出部１１２の抽出した特徴により辞書部１１４を
参照し，特徴データの類似する文字を求め，文字認識結
果として出力する。
【００５４】
【発明の効果】本発明によれば，少ない手書き文字から
多数の変形文字の特徴データを簡単に作成することがで
きる。そのため，本発明を文字認識辞書の作成に適用す
れば，辞書作成に必要な多数の学習用文字を容易に収集
することができる。そして，多数の手書き文字（学習用
文字）に基づいて作成した文字認識辞書と同等の文字認
識精度を有する文字認識辞書を少ない手書き文字により
簡単に作成することできるようになる。
多数の変形文字の特徴データを簡単に作成することがで
きる。そのため，本発明を文字認識辞書の作成に適用す
れば，辞書作成に必要な多数の学習用文字を容易に収集
することができる。そして，多数の手書き文字（学習用
文字）に基づいて作成した文字認識辞書と同等の文字認
識精度を有する文字認識辞書を少ない手書き文字により
簡単に作成することできるようになる。
【図１】本発明の基本構成を示す図である。
【図２】本発明の実施例構成を示す図である。
【図３】本発明の実施例構成の各部の関係を示す図であ
る。
る。
【図４】本発明の実施例構成のフローを示す図である。
【図５】変形文字の特徴データの算出処理のフローを示
す図である。
す図である。
【図６】本発明を適用した文字認識装置を示す図であ
る。
る。
【図７】従来の学習用文字の特徴データを収集するため
の装置および文字認識辞書を作成するための装置構成を
示す図である。
の装置および文字認識辞書を作成するための装置構成を
示す図である。
【図８】従来の学習用文字の特徴データの収集方法と文
字認識辞書の作成方法を示す図である。
字認識辞書の作成方法を示す図である。
【図９】特徴ベクトルの説明図である。
【図１０】課題を解決するための手段の説明図である。
１：手書き文字 ２：手書き文字入力装置 ３：データ処理手段 １０：変形文字の特徴データ発生装置 １１：特徴抽出部 １２：変形文字の特徴データ算出部 １３：学習用文字の特徴データ出力部 １４：辞書生成手段 ２０：文字認識辞書 ２１：学習用文字特徴データ保存手段
Claims (2)
- 【請求項１】手書き文字入力装置(2) と，手書き文字入
力装置(2) からの入力データを処理するデータ処理手段
(3) を備えたシステムにおける文字の特徴データ発生方
法において，データ処理手段(3) は手書き文字入力装置
(2) から入力されるカテゴリの判明している手書き文字
である学習用文字の特徴データを抽出し，カテゴリの共
通した異なる二つの学習用文字を一組とする基本文字の
特徴データに基づいて基本文字を変形した学習用文字の
特徴データを発生する変形文字の特徴データ発生装置(1
0)とを備え，変形された特徴データ発生装置(10)は入力
された学習用文字の特徴データを抽出し，上記基本文字
の特徴データのベクトルＶａとベクトルＶｂとパラメー
タｔにより，基本文字を変形した変形文字の特徴ベクト
ルＶｘを，ベクトルＶｘ−ベクトルＶａ＝ｔ（ベクトル
Ｖｂ−ベクトルＶａ）により算出することを特徴とする
文字の特徴データ発生方法。 - 【請求項２】手書き文字入力装置(2) と，手書き文字入
力装置(2) からの入力データを処理するデータ処理手段
(3) を備えたシステムにおける文字の特徴データ発生装
置(10)において，データ処理手段(3) は変形文字の特徴
データ発生装置(10)を備え，変形文字の特徴データ発生
装置(10)は手書き文字入力装置(2) から入力される学習
用文字の特徴データを抽出する特徴抽出部(11)と，カテ
ゴリの共通した異なる二つの学習用文字を一組とする基
本文字の特徴データのベクトルＶａとベクトルＶｂとパ
ラメータｔにより基本文字を変形した変形文字の特徴ベ
クトルＶｘをベクトルＶｘ−ベクトルＶａ＝ｔ（ベクト
ルＶｂ−ベクトルＶａ）により算出する変形文字の特徴
データ算出部(12)を備え，該基本文字の学習用文字に基
づいて基本文字を変形した学習用文字の特徴データを発
生することを特徴とする文字の特徴データ発生装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5027728A JPH06243295A (ja) | 1993-02-17 | 1993-02-17 | 文字の特徴データ発生方法および発生装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5027728A JPH06243295A (ja) | 1993-02-17 | 1993-02-17 | 文字の特徴データ発生方法および発生装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06243295A true JPH06243295A (ja) | 1994-09-02 |
Family
ID=12229086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5027728A Withdrawn JPH06243295A (ja) | 1993-02-17 | 1993-02-17 | 文字の特徴データ発生方法および発生装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06243295A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4113224A1 (de) * | 1990-05-03 | 1991-12-05 | Rohde & Schwarz | Verfahren und vorrichtung zum rechnergestuetzten fehlerbestimmen, pruefen oder messen bei videokomponentengeraeten |
-
1993
- 1993-02-17 JP JP5027728A patent/JPH06243295A/ja not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4113224A1 (de) * | 1990-05-03 | 1991-12-05 | Rohde & Schwarz | Verfahren und vorrichtung zum rechnergestuetzten fehlerbestimmen, pruefen oder messen bei videokomponentengeraeten |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20020128796A1 (en) | Information processing method and apparatus | |
| US6055332A (en) | Handwritten character and symbol processing apparatus and medium which stores control program of handwritten character and symbol processing apparatus | |
| Mani et al. | Application of artificial neural network model for optical character recognition | |
| CN117037904B (zh) | 一种基于图像的dna甲基化位点识别方法 | |
| Lamghari et al. | Template matching for recognition of handwritten Arabic characters using structural characteristics and Freeman code | |
| CN118155210A (zh) | 一种基于机器学习的文字处理功能测试系统及方法 | |
| Roth | An approach to recognition of printed music | |
| JP3183949B2 (ja) | パターン認識処理方法 | |
| Tung et al. | Performance analysis of an OCR system via an artificial handwritten chinese character generator | |
| JP3083609B2 (ja) | 情報処理装置及びそれを用いた文字認識装置 | |
| CN116385494B (zh) | 一种基于核相关滤波器的红外图像目标跟踪方法 | |
| JPH08287188A (ja) | 文字列認識装置 | |
| JP3133846B2 (ja) | 文字認識方式 | |
| JP2766205B2 (ja) | 文字認識装置 | |
| JP2909604B2 (ja) | ファジイパターン認識方法及び装置 | |
| Alqudah et al. | Shift and scale invariant recognition of printed numerals | |
| JP2891211B2 (ja) | 光学式文字読取装置および方法 | |
| Sarfraz | Outline representation of fonts using genetic approach | |
| JP3022672B2 (ja) | 手書き文字の識別方法 | |
| JP3446794B2 (ja) | 文字認識における多角形近似法および文字認識装置 | |
| Sarfraz et al. | Towards automatic recognition of fonts using genetic approach | |
| Parker | Vector Templates for Handprinted Symbol Recognition | |
| JPH0247787B2 (ja) | ||
| Mokhtarian et al. | Efficient curvature-based shape representation for similarity retrieval | |
| JPH0916720A (ja) | 文字認識方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20000509 |