JPH06309505A - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPH06309505A JPH06309505A JP5115344A JP11534493A JPH06309505A JP H06309505 A JPH06309505 A JP H06309505A JP 5115344 A JP5115344 A JP 5115344A JP 11534493 A JP11534493 A JP 11534493A JP H06309505 A JPH06309505 A JP H06309505A
- Authority
- JP
- Japan
- Prior art keywords
- character
- dictionary
- characters
- quality
- address
- 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- Withdrawn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】 辞書を高精度にし、２種類の辞書を用いて認
識率を向上する。 【構成】 文字特徴量の次元数を次元設定部１により設
定しその値を一文字終了検知部２とアドレス発生部３へ
送る。アドレスカウンタ４は順次カウント値を一文字終
了検知部２とアドレス変換部５へ送る。アドレス変換部
５はカウント値をアドレスに変換して未知文字メモリ６
へ送る。アドレス発生部３は次元数と一文字終了検知部
２を介して入力されたカウント値に基づきアドレスを発
生して辞書メモリ７へ送る。未知文字メモリ６には未知
文字１字分の特徴量が予め書込まれており、特徴量１次
元あたり４個のデータがアドレス順に読出されて相関演
算部９へ送られる。辞書メモリ７には数千文字分の特徴
量データが記憶されており、特徴量１次元あたり４個の
データがアドレス順に読出されて相関演算部９へ送られ
る。
識率を向上する。 【構成】 文字特徴量の次元数を次元設定部１により設
定しその値を一文字終了検知部２とアドレス発生部３へ
送る。アドレスカウンタ４は順次カウント値を一文字終
了検知部２とアドレス変換部５へ送る。アドレス変換部
５はカウント値をアドレスに変換して未知文字メモリ６
へ送る。アドレス発生部３は次元数と一文字終了検知部
２を介して入力されたカウント値に基づきアドレスを発
生して辞書メモリ７へ送る。未知文字メモリ６には未知
文字１字分の特徴量が予め書込まれており、特徴量１次
元あたり４個のデータがアドレス順に読出されて相関演
算部９へ送られる。辞書メモリ７には数千文字分の特徴
量データが記憶されており、特徴量１次元あたり４個の
データがアドレス順に読出されて相関演算部９へ送られ
る。
Description
【０００１】
【産業上の利用分野】本発明は、辞書パターンを用いて
未知の文字パターンを認識する文字認識装置に関する。
未知の文字パターンを認識する文字認識装置に関する。
【０００２】
【従来の技術】従来の文字認識装置は、未知文字から特
徴量を抽出し、予め辞書データとして文字ごとに記憶し
ておいた特徴量と比較し、相関演算により類似度を求
め、最も類似度の大きい文字を認識結果としている。図
６は、従来の文字認識装置の構成を示すブロック図であ
る。図において、アドレスカウンタ４からは、周期的に
アドレス信号が未知文字メモリ６および辞書メモリ７へ
送られる。未知文字メモリ７では、アドレス信号が入力
されると、該当するアドレスに格納されている未知文字
の特徴量が読み出されて相関演算部９へ送られる。辞書
メモリ７では、アドレス信号が入力されると、先頭文字
から末尾文字までの特徴が順に読み出されて相関演算部
９へ送られる。
徴量を抽出し、予め辞書データとして文字ごとに記憶し
ておいた特徴量と比較し、相関演算により類似度を求
め、最も類似度の大きい文字を認識結果としている。図
６は、従来の文字認識装置の構成を示すブロック図であ
る。図において、アドレスカウンタ４からは、周期的に
アドレス信号が未知文字メモリ６および辞書メモリ７へ
送られる。未知文字メモリ７では、アドレス信号が入力
されると、該当するアドレスに格納されている未知文字
の特徴量が読み出されて相関演算部９へ送られる。辞書
メモリ７では、アドレス信号が入力されると、先頭文字
から末尾文字までの特徴が順に読み出されて相関演算部
９へ送られる。
【０００３】相関演算部９は、送られてきた特徴量をそ
れぞれ比較して、その類似度を相関演算により求めて、
ソーティング部１０へ送る。ソーティング部１０は、得
られた類似度をその都度ソーティングしていき、辞書全
文字の類似度のソーティングが終了したら、最も大きい
類似度をした辞書の文字を認識結果として出力する。こ
こで用いられている辞書は、文字ごとの特徴をＮビット
からなる特徴量としてそれぞれＭ個づつ記憶しておいた
ものであり、辞書の文字総数をＳとすると、辞書の総デ
ータ数はＮ×Ｍ×Ｓビットとなる。なお、一般に１文字
あたりの特徴量の個数を次元数と呼んでいる。
れぞれ比較して、その類似度を相関演算により求めて、
ソーティング部１０へ送る。ソーティング部１０は、得
られた類似度をその都度ソーティングしていき、辞書全
文字の類似度のソーティングが終了したら、最も大きい
類似度をした辞書の文字を認識結果として出力する。こ
こで用いられている辞書は、文字ごとの特徴をＮビット
からなる特徴量としてそれぞれＭ個づつ記憶しておいた
ものであり、辞書の文字総数をＳとすると、辞書の総デ
ータ数はＮ×Ｍ×Ｓビットとなる。なお、一般に１文字
あたりの特徴量の個数を次元数と呼んでいる。
【０００４】
【発明が解決しようとする課題】しかしながら、従来の
文字認識装置では、通常品質文字用の辞書か、低品質文
字用の辞書のいずれか一方をのみを備えているため、未
知文字の品質レベルと辞書の品質レベルが対応しない場
合は認識率が低下するという問題があった。例えば、通
常品質文字用の辞書を使用している場合に、かすれやつ
ぶれのある低品質文字を認識すると誤りやすい。また、
認識率を向上させようとして、文字特徴量の構成データ
数を多くした辞書を用いようとしても、相関演算部のハ
ード構成が簡単に変更できないため、高精度の辞書が使
用できないという問題があった。本発明は上記問題点を
解決するためになされたもので、その目的とするところ
は、より高精度の辞書の使用を可能にして認識精度を向
上するとともに、処理時間の効率化をはかることのでき
る文字認識装置を提供することにある。
文字認識装置では、通常品質文字用の辞書か、低品質文
字用の辞書のいずれか一方をのみを備えているため、未
知文字の品質レベルと辞書の品質レベルが対応しない場
合は認識率が低下するという問題があった。例えば、通
常品質文字用の辞書を使用している場合に、かすれやつ
ぶれのある低品質文字を認識すると誤りやすい。また、
認識率を向上させようとして、文字特徴量の構成データ
数を多くした辞書を用いようとしても、相関演算部のハ
ード構成が簡単に変更できないため、高精度の辞書が使
用できないという問題があった。本発明は上記問題点を
解決するためになされたもので、その目的とするところ
は、より高精度の辞書の使用を可能にして認識精度を向
上するとともに、処理時間の効率化をはかることのでき
る文字認識装置を提供することにある。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に、第１の発明は、未知の文字パターンから特徴量を抽
出して予め辞書として各文字ごとに記憶させておいた特
徴量とそれぞれ比較し得られた類似度の最も大きい文字
を認識結果として出力する文字認識装置において、文字
ごとに比較される特徴量の１次元あたりのデータ数を指
定する手段と、文字ごとの特徴量を指定されたデータ数
と同じくして構成した辞書とを備えたことを特徴とす
る。
に、第１の発明は、未知の文字パターンから特徴量を抽
出して予め辞書として各文字ごとに記憶させておいた特
徴量とそれぞれ比較し得られた類似度の最も大きい文字
を認識結果として出力する文字認識装置において、文字
ごとに比較される特徴量の１次元あたりのデータ数を指
定する手段と、文字ごとの特徴量を指定されたデータ数
と同じくして構成した辞書とを備えたことを特徴とす
る。
【０００６】第２の発明は、未知の文字パターンから特
徴量を抽出して予め辞書として各文字ごとに記憶させて
おいた特徴量とそれぞれ比較し得られた類似度の最も大
きい文字を認識結果として出力する文字認識装置におい
て、互いに品質レベルの異なる文字群ごとに特徴量を記
憶している複数の辞書を備えたことを特徴とする。第３
の発明は、第２の発明において、複数の辞書の中から使
用する辞書を指定する手段を備えたことを特徴とする。
徴量を抽出して予め辞書として各文字ごとに記憶させて
おいた特徴量とそれぞれ比較し得られた類似度の最も大
きい文字を認識結果として出力する文字認識装置におい
て、互いに品質レベルの異なる文字群ごとに特徴量を記
憶している複数の辞書を備えたことを特徴とする。第３
の発明は、第２の発明において、複数の辞書の中から使
用する辞書を指定する手段を備えたことを特徴とする。
【０００７】第４の発明は、第２の発明において、最も
大きな類似度が得られた辞書の品質レベルに基づき、未
知文字の品質レベルを特定する手段と、連続して文字認
識がなされた文字列の文字ごとに特定された品質レベル
を比較し、他の多数文字と品質レベルが異なる少数文字
を他文字の品質レベルに修正する手段と、修正された文
字を新たな品質レベルに該当する辞書を用いて再度比較
処理を行う手段とを備えたことを特徴とする。
大きな類似度が得られた辞書の品質レベルに基づき、未
知文字の品質レベルを特定する手段と、連続して文字認
識がなされた文字列の文字ごとに特定された品質レベル
を比較し、他の多数文字と品質レベルが異なる少数文字
を他文字の品質レベルに修正する手段と、修正された文
字を新たな品質レベルに該当する辞書を用いて再度比較
処理を行う手段とを備えたことを特徴とする。
【０００８】
【作用】第１の発明においては、文字ごとに比較される
特徴量の１次元あたりのデータ数が指定されるととも
に、指定された１次元あたりデータ数と同一のデータ数
により辞書が構成されている。それにより、比較する特
徴量のデータ数の変更が可能になり、１次元あたりデー
タ数を多くした高精度の辞書の使用が可能になる。第２
の発明においては、互いに品質レベルの異なる文字群ご
とに特徴量を記憶している複数の辞書を備えたことによ
り、複数の辞書ごとに未知文字の特徴が比較されてその
中の最も大きい類似度が採用される。それにより、未知
文字の品質レベルが変化しても、常に高精度の認識が行
われる。
特徴量の１次元あたりのデータ数が指定されるととも
に、指定された１次元あたりデータ数と同一のデータ数
により辞書が構成されている。それにより、比較する特
徴量のデータ数の変更が可能になり、１次元あたりデー
タ数を多くした高精度の辞書の使用が可能になる。第２
の発明においては、互いに品質レベルの異なる文字群ご
とに特徴量を記憶している複数の辞書を備えたことによ
り、複数の辞書ごとに未知文字の特徴が比較されてその
中の最も大きい類似度が採用される。それにより、未知
文字の品質レベルが変化しても、常に高精度の認識が行
われる。
【０００９】第３の発明においては、備えられた複数の
辞書の中から使用する辞書を指定することが可能とな
る。それにより、認識する未知文字の品質に応じて最適
な辞書を指定して、認識率を低下させることなく処理時
間を短縮することができる。第４の発明においては、最
も大きな類似度が得られた辞書の品質レベルに基づき、
未知文字の品質レベルが特定される。次いで、連続して
文字認識がなされた文字列の文字ごとに特定された品質
レベルが比較され、他の多数文字と品質レベルが異なる
少数文字は他文字の品質レベルに修正されるとともに、
修正された文字は新たな品質レベルに該当する辞書によ
り再度比較処理が行われる。それにより、認識率がさら
に向上する。
辞書の中から使用する辞書を指定することが可能とな
る。それにより、認識する未知文字の品質に応じて最適
な辞書を指定して、認識率を低下させることなく処理時
間を短縮することができる。第４の発明においては、最
も大きな類似度が得られた辞書の品質レベルに基づき、
未知文字の品質レベルが特定される。次いで、連続して
文字認識がなされた文字列の文字ごとに特定された品質
レベルが比較され、他の多数文字と品質レベルが異なる
少数文字は他文字の品質レベルに修正されるとともに、
修正された文字は新たな品質レベルに該当する辞書によ
り再度比較処理が行われる。それにより、認識率がさら
に向上する。
【００１０】
【実施例】以下、図に沿って本発明の実施例を説明す
る。図１は第１の発明に係る第１の実施例の構成を示す
ブロック図である。この実施例は、図６に示した従来例
に、次元数設定部１，一文字終了検知部２，アドレス発
生部３，アドレス変換部５，認識処理終了検知部８を増
設したものである。次元設定部１は、予め文字特徴量の
次元数が設定されており、その設定値を一文字終了検知
部２とアドレス発生部３へ送る。
る。図１は第１の発明に係る第１の実施例の構成を示す
ブロック図である。この実施例は、図６に示した従来例
に、次元数設定部１，一文字終了検知部２，アドレス発
生部３，アドレス変換部５，認識処理終了検知部８を増
設したものである。次元設定部１は、予め文字特徴量の
次元数が設定されており、その設定値を一文字終了検知
部２とアドレス発生部３へ送る。
【００１１】アドレスカウンタ４は、図２に示すように
順次カウントアップしてそのカウント値を一文字終了検
知部２とアドレス変換部５へ送る。アドレス変換部５は
入力されたカウント値に基づき、図２に示すように、未
知文字メモリ６のアドレスに変換して、未知文字メモリ
６へ送る。アドレス発生部３は、設定された次元数と、
一文字終了検知部２を介して入力されたカウント値に基
づき、図２に示すように、辞書メモリ７のアドレスを発
生して、辞書メモリ７および認識処理終了検知部８へ送
る。
順次カウントアップしてそのカウント値を一文字終了検
知部２とアドレス変換部５へ送る。アドレス変換部５は
入力されたカウント値に基づき、図２に示すように、未
知文字メモリ６のアドレスに変換して、未知文字メモリ
６へ送る。アドレス発生部３は、設定された次元数と、
一文字終了検知部２を介して入力されたカウント値に基
づき、図２に示すように、辞書メモリ７のアドレスを発
生して、辞書メモリ７および認識処理終了検知部８へ送
る。
【００１２】未知文字メモリ６には未知な１文字分の画
像データから抽出した特徴量が予め書き込まれており、
入力されたアドレスに従い特徴量１次元あたり４個のデ
ータが順次読み出されて相関演算部９へ送られる。辞書
メモリ７には数千文字分の特徴を示すデータが書き込ま
れており、入力されたアドレスに従い特徴量１次元あた
り４個のデータが順次読み出されて相関演算部９へ送ら
れる。
像データから抽出した特徴量が予め書き込まれており、
入力されたアドレスに従い特徴量１次元あたり４個のデ
ータが順次読み出されて相関演算部９へ送られる。辞書
メモリ７には数千文字分の特徴を示すデータが書き込ま
れており、入力されたアドレスに従い特徴量１次元あた
り４個のデータが順次読み出されて相関演算部９へ送ら
れる。
【００１３】なお図２では、辞書メモリ７から読み出さ
れた４個のデータ「１−１」、「１−２」、「１−
３」、「１−４」が未知文字の１番目の特徴量である
「１」に対応している。さらに続いて読み出される辞書
メモリ７のデータ「２−１」〜「２−４」が、未知文字
メモリ６の２番目の特徴量であるデータ「２」にそれぞ
れ対応する。これは、例えば、「１１」という値を、
「３」，「３」，「３」，「２」の４個のデータの和と
して表すことができることを意味している。
れた４個のデータ「１−１」、「１−２」、「１−
３」、「１−４」が未知文字の１番目の特徴量である
「１」に対応している。さらに続いて読み出される辞書
メモリ７のデータ「２−１」〜「２−４」が、未知文字
メモリ６の２番目の特徴量であるデータ「２」にそれぞ
れ対応する。これは、例えば、「１１」という値を、
「３」，「３」，「３」，「２」の４個のデータの和と
して表すことができることを意味している。
【００１４】相関演算部９は送られた特徴量のデータを
比較して相関演算を実行し、辞書の各文字ごとに類似度
を求め、ソーティング部１０へ送る。ソーティング部１
０は、辞書の各文字ごとに入力されてくる類似度につい
て大きい値から順番にソーティングを実行する。辞書メ
モリ７の全文字について類似度のソーティングが実行さ
れたら、その中の最も大きな類似度を示した文字を認識
結果として出力する。
比較して相関演算を実行し、辞書の各文字ごとに類似度
を求め、ソーティング部１０へ送る。ソーティング部１
０は、辞書の各文字ごとに入力されてくる類似度につい
て大きい値から順番にソーティングを実行する。辞書メ
モリ７の全文字について類似度のソーティングが実行さ
れたら、その中の最も大きな類似度を示した文字を認識
結果として出力する。
【００１５】なお、図示例では、特徴量１次元あたりの
構成データ数を４個としているが、次元数設定部１で１
〜Ｎ個の任意の個数に設定することができる。このよう
に、特徴量１次元あたりのデータ個数を可変にしたこと
により、辞書メモリ７の特徴量１次元あたりのデータ個
数も可変にすることが可能となって、辞書の有効桁数を
従来よりもアップすることが可能となる。すなわち、１
次元あたりデータ数を多くした高精度の辞書の使用が可
能となり、その分、認識精度が向上する。
構成データ数を４個としているが、次元数設定部１で１
〜Ｎ個の任意の個数に設定することができる。このよう
に、特徴量１次元あたりのデータ個数を可変にしたこと
により、辞書メモリ７の特徴量１次元あたりのデータ個
数も可変にすることが可能となって、辞書の有効桁数を
従来よりもアップすることが可能となる。すなわち、１
次元あたりデータ数を多くした高精度の辞書の使用が可
能となり、その分、認識精度が向上する。
【００１６】次に、第２、第３、第４の発明に係る第２
の実施例について説明する。図３は第２の実施例の構成
を示すブロック図である。図において、１１，１２はと
もに未知文字メモリであり、同一内容をした未知文字パ
ターンの特徴量が格納されている。１３は相関演算・ソ
ーティング部であり、未知文字メモリ１１から読み出し
た特徴量と通常品質文字用辞書メモリ１４から読み出し
た特徴量とを比較して相関演算を実行し辞書メモリ１４
の各文字ごとに類似度を求めるとともに、辞書の各文字
ごとに求められた類似度を大きい値から順番にソーティ
ングする。
の実施例について説明する。図３は第２の実施例の構成
を示すブロック図である。図において、１１，１２はと
もに未知文字メモリであり、同一内容をした未知文字パ
ターンの特徴量が格納されている。１３は相関演算・ソ
ーティング部であり、未知文字メモリ１１から読み出し
た特徴量と通常品質文字用辞書メモリ１４から読み出し
た特徴量とを比較して相関演算を実行し辞書メモリ１４
の各文字ごとに類似度を求めるとともに、辞書の各文字
ごとに求められた類似度を大きい値から順番にソーティ
ングする。
【００１７】同じく、１５は相関演算・ソーティング部
であり、未知文字メモリ１２から読み出した特徴量と低
品質文字用辞書メモリ１６から読み出した特徴量とを比
較して相関演算を実行し辞書メモリ１６の各文字ごとに
類似度を求めるとともに、辞書の各文字ごとに求められ
た類似度を大きい値から順番にソーティングする。１７
はプロセッサであり、相関演算・ソーティング部１３，
１５でそれぞれ求められた最も類似度の大きい文字に基
づき、最終的に未知文字の認識を行う。
であり、未知文字メモリ１２から読み出した特徴量と低
品質文字用辞書メモリ１６から読み出した特徴量とを比
較して相関演算を実行し辞書メモリ１６の各文字ごとに
類似度を求めるとともに、辞書の各文字ごとに求められ
た類似度を大きい値から順番にソーティングする。１７
はプロセッサであり、相関演算・ソーティング部１３，
１５でそれぞれ求められた最も類似度の大きい文字に基
づき、最終的に未知文字の認識を行う。
【００１８】図４は、第２の実施例の動作を示すフロー
チャートであり、以下、このフローチャートに基づいて
動作を説明する。先ず、文字読取りが開始されると、文
字品質の設定の有無を判別する（Ｓ１）。設定されてい
る場合は、その設定内容が低品質か否かを判別する（Ｓ
２）。低品質ではなく通常品質であれば、通常品質文字
用辞書を選択する（Ｓ３）。次いで、選択された通常品
質文字用辞書を用いて、未知文字に対する認識処理を
し、認識結果を出力する（Ｓ４，５）。
チャートであり、以下、このフローチャートに基づいて
動作を説明する。先ず、文字読取りが開始されると、文
字品質の設定の有無を判別する（Ｓ１）。設定されてい
る場合は、その設定内容が低品質か否かを判別する（Ｓ
２）。低品質ではなく通常品質であれば、通常品質文字
用辞書を選択する（Ｓ３）。次いで、選択された通常品
質文字用辞書を用いて、未知文字に対する認識処理を
し、認識結果を出力する（Ｓ４，５）。
【００１９】Ｓ２において、低品質である場合は、低品
質文字用辞書を選択し（Ｓ６）、低品質文字用辞書を用
いて、認識処理をして認識結果を出力する（Ｓ７，
８）。Ｓ１において、文字品質の設定がない場合は、通
常品質文字用辞書および低品質文字用辞書の並行実行を
選択する（Ｓ９）。次いで、各辞書ごとに認識処理を実
行し、それぞれに得られた類似度を比較する（Ｓ１０，
１１）。得られた類似度のうち高い方の類似度を正解と
して、いったん、その類似度の文字を対象未知文字の読
みとする（Ｓ１２）。
質文字用辞書を選択し（Ｓ６）、低品質文字用辞書を用
いて、認識処理をして認識結果を出力する（Ｓ７，
８）。Ｓ１において、文字品質の設定がない場合は、通
常品質文字用辞書および低品質文字用辞書の並行実行を
選択する（Ｓ９）。次いで、各辞書ごとに認識処理を実
行し、それぞれに得られた類似度を比較する（Ｓ１０，
１１）。得られた類似度のうち高い方の類似度を正解と
して、いったん、その類似度の文字を対象未知文字の読
みとする（Ｓ１２）。
【００２０】ここで正解とされた未知文字が属する文字
列における他の文字が低品質文字用辞書により認識され
たものであるか否かを判別する（Ｓ１３）。低品質では
なく、通常品質である場合は、Ｓ１２で正解とした認識
結果が通常品質であるか否かを判別する（Ｓ１４）。通
常品質ではなく低品質である場合は、Ｓ１２で正解とし
た認識結果を、通常品質文字用辞書で得られた類似度の
文字に切り換えて認識結果とする（Ｓ１５）。通常品質
である場合は、Ｓ１２で正解とした認識結果をそのまま
出力する（Ｓ１６）。
列における他の文字が低品質文字用辞書により認識され
たものであるか否かを判別する（Ｓ１３）。低品質では
なく、通常品質である場合は、Ｓ１２で正解とした認識
結果が通常品質であるか否かを判別する（Ｓ１４）。通
常品質ではなく低品質である場合は、Ｓ１２で正解とし
た認識結果を、通常品質文字用辞書で得られた類似度の
文字に切り換えて認識結果とする（Ｓ１５）。通常品質
である場合は、Ｓ１２で正解とした認識結果をそのまま
出力する（Ｓ１６）。
【００２１】Ｓ１３において、低品質文字用辞書により
認識されたものである場合は、Ｓ１２で正解とした認識
結果が低品質であるか否かを判別する（Ｓ１７）。低品
質ではなく通常品質である場合は、Ｓ１２で正解とした
認識結果を、低品質文字用辞書で得られた類似度の文字
に切り換えて認識結果とする（Ｓ１８）。低品質である
場合は、Ｓ１２で正解とした認識結果をそのまま出力す
る（Ｓ１９）。なお、上述した各処理は、図３のプロセ
ッサ１７において実行される。
認識されたものである場合は、Ｓ１２で正解とした認識
結果が低品質であるか否かを判別する（Ｓ１７）。低品
質ではなく通常品質である場合は、Ｓ１２で正解とした
認識結果を、低品質文字用辞書で得られた類似度の文字
に切り換えて認識結果とする（Ｓ１８）。低品質である
場合は、Ｓ１２で正解とした認識結果をそのまま出力す
る（Ｓ１９）。なお、上述した各処理は、図３のプロセ
ッサ１７において実行される。
【００２２】図５は、図４における認識処理を示すフロ
ーチャートであり、以下、このフローチャートに基づい
て認識処理を説明する。認識処理が開始されると、先
ず、辞書メモリ用のアドレスを初期化するとともに、未
知文字メモリ用のアドレスを初期化する（Ｓ２１，２
２）。次いで、次元数Ｍが設定される（Ｓ２３）。次に
指定されるアドレスに基づき、辞書メモリから特徴量の
データを読み出すとともに、未知文字メモリから特徴量
のデータを読み出す（Ｓ２４，２５）。
ーチャートであり、以下、このフローチャートに基づい
て認識処理を説明する。認識処理が開始されると、先
ず、辞書メモリ用のアドレスを初期化するとともに、未
知文字メモリ用のアドレスを初期化する（Ｓ２１，２
２）。次いで、次元数Ｍが設定される（Ｓ２３）。次に
指定されるアドレスに基づき、辞書メモリから特徴量の
データを読み出すとともに、未知文字メモリから特徴量
のデータを読み出す（Ｓ２４，２５）。
【００２３】ここで読み出されたデータを互いに比較し
て、相関演算を行う（Ｓ２６）。さらにアドレスを更新
して、設定されたＭ次元が終了するまで次の次元のデー
タを読み出して相関演算を繰り返す（Ｓ２７，２８）。
こうして、辞書の１文字について相関演算により得られ
た類似度を順次ストアするとともに、類似度をソーティ
ングする（Ｓ２９，３０）。これらの類似度のストアお
よびソーティングを辞書の全文字について終了するまで
繰り返すことにより、最も類似度の大きい文字が認識結
果となる（Ｓ３１）。
て、相関演算を行う（Ｓ２６）。さらにアドレスを更新
して、設定されたＭ次元が終了するまで次の次元のデー
タを読み出して相関演算を繰り返す（Ｓ２７，２８）。
こうして、辞書の１文字について相関演算により得られ
た類似度を順次ストアするとともに、類似度をソーティ
ングする（Ｓ２９，３０）。これらの類似度のストアお
よびソーティングを辞書の全文字について終了するまで
繰り返すことにより、最も類似度の大きい文字が認識結
果となる（Ｓ３１）。
【００２４】第２の実施例では上述したように、文字品
質の異なる２種類の辞書を備えたことにより未知文字の
品質が変化してもそれに対応した辞書を用いることが可
能となり、認識精度が向上する。また、文字列を認識す
る際は、構成する文字ごとに品質に応じた辞書を選択し
ながら認識がなされ、得られた認識結果のなかで、文字
列の他の文字の品質と異なる品質の辞書により認識され
た文字があった場合は、その文字についての認識結果は
誤りの可能性があるので、他の文字と同じ品質の辞書に
より再度認識が行われる。それにより、さらに認識精度
が向上する。
質の異なる２種類の辞書を備えたことにより未知文字の
品質が変化してもそれに対応した辞書を用いることが可
能となり、認識精度が向上する。また、文字列を認識す
る際は、構成する文字ごとに品質に応じた辞書を選択し
ながら認識がなされ、得られた認識結果のなかで、文字
列の他の文字の品質と異なる品質の辞書により認識され
た文字があった場合は、その文字についての認識結果は
誤りの可能性があるので、他の文字と同じ品質の辞書に
より再度認識が行われる。それにより、さらに認識精度
が向上する。
【００２５】なお、第２の実施例では２種類の辞書を用
いたが３種類以上の辞書を同様にして使用することも可
能である。また、第１の実施例および第２の実施例は互
いを組み合わせて実現することも、またそれぞれ単独で
文字認識装置に適用することも可能である。
いたが３種類以上の辞書を同様にして使用することも可
能である。また、第１の実施例および第２の実施例は互
いを組み合わせて実現することも、またそれぞれ単独で
文字認識装置に適用することも可能である。
【００２６】
【発明の効果】以上述べたように第１の発明によれば、
文字ごとに比較される特徴量の１次元あたりのデータ数
の変更を可能にしたことにより、１次元あたりデータ数
を多くした高精度の辞書の使用が可能となり認識精度が
向上する。第２の発明によれば、互いに品質レベルの異
なる文字群ごとに特徴量を記憶している複数の辞書を備
え、各辞書ごとに未知文字の特徴を比較することによ
り、未知文字の品質レベルが変化しても、常に高精度の
認識が行われる。
文字ごとに比較される特徴量の１次元あたりのデータ数
の変更を可能にしたことにより、１次元あたりデータ数
を多くした高精度の辞書の使用が可能となり認識精度が
向上する。第２の発明によれば、互いに品質レベルの異
なる文字群ごとに特徴量を記憶している複数の辞書を備
え、各辞書ごとに未知文字の特徴を比較することによ
り、未知文字の品質レベルが変化しても、常に高精度の
認識が行われる。
【００２７】第３の発明によれば、備えられた複数の辞
書の中から使用する辞書を指定することにより、認識す
る未知文字の品質に応じて最適な辞書を指定して、認識
率を低下させることなく処理時間を短縮することができ
る。第４の発明によれば、連続して文字認識がなされた
文字列の中に異なる品質レベルの文字がある場合は、そ
の文字の品質レベルを他と同じくなるように修正してか
ら該当する辞書により再度比較処理を行うようにして、
認識率をさらに向上することができる。
書の中から使用する辞書を指定することにより、認識す
る未知文字の品質に応じて最適な辞書を指定して、認識
率を低下させることなく処理時間を短縮することができ
る。第４の発明によれば、連続して文字認識がなされた
文字列の中に異なる品質レベルの文字がある場合は、そ
の文字の品質レベルを他と同じくなるように修正してか
ら該当する辞書により再度比較処理を行うようにして、
認識率をさらに向上することができる。
【図１】第１の発明に係る第１の実施例の構成を示すブ
ロック図である。
ロック図である。
【図２】図１のメモリからの読み出されるデータ内容を
示す説明図である。
示す説明図である。
【図３】第２乃至第４の発明に係る第２の実施例の構成
を示すブロック図である。
を示すブロック図である。
【図４】第２の実施例の動作を示すフローチャートであ
る。
る。
【図５】図４における認識処理を詳細に示したフローチ
ャートである。
ャートである。
【図６】従来例の構成を示すブロック図である。
１ 次元数設定部 ２ 一文字終了検知部 ３ アドレス発生部 ４ アドレスカウンタ ５ アドレス変換部 ６ 未知文字メモリ ７ 辞書メモリ ８ 認識処理終了検知部 ９ 相関演算部 １０ ソーティング部 １１，１２ 未知文字メモリ １３ 相関演算・ソーティング部 １４ 通常品質文字用辞書メモリ １５ 相関演算・ソーティング部 １６ 低品質文字用辞書メモリ １７ プロセッサ
Claims (4)
- 【請求項１】 未知の文字パターンから特徴量を抽出し
て予め辞書として各文字ごとに記憶させておいた特徴量
とそれぞれ比較し得られた類似度の最も大きい文字を認
識結果として出力する文字認識装置において、 文字ごとに比較される特徴量の１次元あたりのデータ数
を指定する手段と、 文字ごとの特徴量を指定されたデータ数と同じくして構
成した辞書と、 を備えたことを特徴とする文字認識装置。 - 【請求項２】 未知の文字パターンから特徴量を抽出し
て予め辞書として各文字ごとに記憶させておいた特徴量
とそれぞれ比較し得られた類似度の最も大きい文字を認
識結果として出力する文字認識装置において、 互いに品質レベルの異なる文字群ごとに特徴量を記憶し
ている複数の辞書を備えたことを特徴とする文字認識装
置。 - 【請求項３】 請求項２記載の文字認識装置において、
複数の辞書の中から使用する辞書を指定する手段を備え
たことを特徴とする文字認識装置。 - 【請求項４】 請求項２記載の文字認識装置において、 最も大きな類似度が得られた辞書の品質レベルに基づ
き、未知文字の品質レベルを特定する手段と、 連続して文字認識がなされた文字列の文字ごとに特定さ
れた品質レベルを比較し、他の多数文字と品質レベルが
異なる少数文字を他文字の品質レベルに修正する手段
と、 修正された文字を新たな品質レベルに該当する辞書を用
いて再度比較処理を行う手段と、 を備えたことを特徴とする文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5115344A JPH06309505A (ja) | 1993-04-19 | 1993-04-19 | 文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5115344A JPH06309505A (ja) | 1993-04-19 | 1993-04-19 | 文字認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06309505A true JPH06309505A (ja) | 1994-11-04 |
Family
ID=14660215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5115344A Withdrawn JPH06309505A (ja) | 1993-04-19 | 1993-04-19 | 文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06309505A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101045107B1 (ko) * | 2011-03-10 | 2011-06-29 | 김재훈 | 상부 구동식 주서기 |
-
1993
- 1993-04-19 JP JP5115344A patent/JPH06309505A/ja not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101045107B1 (ko) * | 2011-03-10 | 2011-06-29 | 김재훈 | 상부 구동식 주서기 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5774588A (en) | Method and system for comparing strings with entries of a lexicon | |
| US4654875A (en) | System to achieve automatic recognition of linguistic strings | |
| CN111324750B (zh) | 一种大规模文本相似度计算及文本查重方法 | |
| US5655129A (en) | Character-string retrieval system and method | |
| JP2001291060A (ja) | 単語列照合装置および単語列照合方法 | |
| JPS6326400B2 (ja) | ||
| JPH11163735A (ja) | 語列圧縮回路 | |
| CN115688779A (zh) | 一种基于自监督深度学习的地址识别方法 | |
| JPS60153574A (ja) | 文字読取方法 | |
| CN108763170A (zh) | 常数工作空间并行构造后缀数组的方法及系统 | |
| JPH06309505A (ja) | 文字認識装置 | |
| JP2540899B2 (ja) | ソ―タ記憶管理方式 | |
| CN120525004B (zh) | 一种基于任务模式感知的多头注意力量化方法 | |
| JP3115459B2 (ja) | 文字認識辞書の構成方法及び検索方法 | |
| JPH0766423B2 (ja) | 文字認識装置 | |
| JP2710139B2 (ja) | 認識装置 | |
| JPH03257693A (ja) | 文字認識結果修正方式 | |
| JP2947832B2 (ja) | 単語照合方法 | |
| de Cultura et al. | Modern vs Diplomatic Transcripts for Historical Handwritten Text Recognition | |
| JP2526670B2 (ja) | 単語辞書検索装置 | |
| Tung et al. | 2-stage character recognition by detection and correction of erroneously-identified characters | |
| JPH05258100A (ja) | 文字認識装置 | |
| JP2007257249A (ja) | 文字認識方法及びその装置及びそのプログラムを格納した記憶媒体 | |
| JPS6049481A (ja) | 単語認識装置 | |
| Huang et al. | A hybrid handwritten Chinese address recognition approach |
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: 20000704 |