JPH0664631B2 - 文字認識装置 - Google Patents

文字認識装置

Info

Publication number
JPH0664631B2
JPH0664631B2 JP62224233A JP22423387A JPH0664631B2 JP H0664631 B2 JPH0664631 B2 JP H0664631B2 JP 62224233 A JP62224233 A JP 62224233A JP 22423387 A JP22423387 A JP 22423387A JP H0664631 B2 JPH0664631 B2 JP H0664631B2
Authority
JP
Japan
Prior art keywords
character
pattern
dictionary
recognition
tree structure
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
Application number
JP62224233A
Other languages
English (en)
Other versions
JPS6472294A (en
Inventor
弘晏 高橋
晶夫 山下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Priority to JP62224233A priority Critical patent/JPH0664631B2/ja
Priority to CA000575692A priority patent/CA1299292C/en
Priority to DE3851867T priority patent/DE3851867T2/de
Priority to EP88307868A priority patent/EP0307111B1/en
Priority to US07/239,110 priority patent/US4989258A/en
Publication of JPS6472294A publication Critical patent/JPS6472294A/ja
Publication of JPH0664631B2 publication Critical patent/JPH0664631B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Character Discrimination (AREA)
  • Character Input (AREA)

Description

【発明の詳細な説明】 A.産業上の利用分野 この発明は文字認識装置に関し、とくに、特別なハード
ウェアを用いずに汎用的なパーソナルコンピュータ上で
実現した場合にも文字とくに印刷英数字を高速に認識で
きるようにしたものである。
B.従来技術 印刷英数字の認識は既に実用の域に達し、現在いくつか
の製品が市場に出回っている。しかしそのほとんどが特
殊なハードウェアを要する専用機であり、しかも高価で
ある。これらの機器は、大量の文書を連続的に読み取る
といった特殊用途に主として用いられている。
今後はOCR装置をOA機器に組み込み、タイプ或いは印刷
された英数字文書を手軽にOCRで読み取って編集し、デ
ィスク等に蓄えるアプリケーションが盛んになると考え
られる。このような用途に対してはコンパクトで安価な
印刷英数字OCRの存在が不可欠である。
従来の印刷英数字の認識技術は、２値化文字パターンか
ら特徴量を抽出し、入力文字の特徴量ベクトルと認識辞
書中の標準パターンの特徴量ベクトルとの距離尺度が最
も近い文字を一位候補とするパターンマッチング方式
と、いわゆる点サンプリングによる二分木辞書を用いて
候補文字を決定する手法に代表される。前者は認識辞書
の作成や学習が容易である反面、一般に認識率を上げる
ために複雑な特徴量や処理手順を用いており、認識速度
が遅いという欠点を有する。また後者は二分木辞書を作
成するのに膨大な統計量と作成時間を要し、しかも認識
辞書の追加、変更が難しい。従って従来の一般的手法で
は、汎用的なパーソナルコンピュータ上で十分な処理速
度と容易な辞書作成機能、追加、変更機能を達成するの
は困難である。上述点サンプリングによる二分木辞書を
用いる手法の詳細についてはたとえばR.G.Caseyおよび
C.R.Jikの“A Processor-based OCR System"IBM Journa
l of Research and Development,Vol.27,No.4,1983年７
月pp.386-399またはR.G.Caseyおよび G.Magyの“Decision Tree Design UsingのProbabilistc
Model,IEEE Transactions on Information Theory,Vo
l.IT-30,No.1,1984年１月，pp93-99を参照されたい。
なお、この発明と最も関連のある先行技術として特開昭
60−61876号公報、特開昭61−75486号公報および特開昭
61−173387号公報を挙げることができる。これら公報に
おいては、多値特徴量に基づいて順次クラス別けを行っ
て文字またはパターン認識用の決定木を形成し、この決
定木を用いて候補の絞り込みを行うようになっている。
しかしながらこの手法ではリジェクト・ノードを用いる
ことについては何ら記載がない。
その他関連する先行技術としてはつぎのものがある。
特開昭57−212589号公報および同56−35276号公報はリ
ジェクトした文字パターンを登録して以後の認識を向上
させることを開示している。また特開昭58−201184号公
報は文字枠の所定位置から所定方向に向かって文字パタ
ーンまたは文字枠の他の位置にいたるまでの距離を用い
て文字パターンを分類することを開示している。
C.発明が解決しようとする問題点 この発明は以上の事情を考慮してなされたものであり、
認識辞書の作成処理を複雑にすることなく短時間で信頼
性の高い認識辞書を作成でき、しかも高速かつ高い正解
率で文字難識を行える文字認識装置を提供することを目
的としている。
D.問題点を解決するための手段 この発明では以上の目的を達成するため、未知入力文字
パターンから抽出した多値特徴量を用いて木構造辞書を
探索するようにしている。そして木構造辞書の少なくと
も１つの分岐に上限値または下限値を割り当て、この分
岐用に未知入力文字パターンから抽出した多値特徴量が
その上限値または下限値を外れた場合に木構造辞書の探
索を中止するようにしている。これにより不必要に木構
造辞書を探索せずにすむ。
具体的な態様においては、切り出され、文字バッファ内
に正規化された２値化文字パターンについて、仮想文字
枠４辺から文字パターンまたは対辺にぶつかるまでの距
離（以下白ランレングスとする）を求め、これを特徴量
としている。そして各文字種の各白ランレングスに位置
変動、サンプル変動を考慮した冗長性を持たせるために
適当な幅を設け、各文字種の同一位置の白ランレングス
についてその値が閾値を越えるか越えないかによって文
字種を重複を含んで２カテゴリに分類する。この分類に
際しては２カテゴリの分離度が最大となるような白ラン
レングスの位置および閾値を決定する。分類された各カ
テゴリに対しては同様の操作を繰り返し木構造辞書を構
成する。木構造辞書の末端ノードには１または複数の文
字種が登録されており、選択された末端ノードに登録さ
れている文字種の標準パターンと入力パターンマッチン
グさせて類似度を求め順位付けを行った。
この構成によれば、少ないサンプルから信頼性の高い木
構造の認識辞書が短時間で作成でき、しかも認識率を損
なうことなく速い認識速度を達成することができる。
さらに木構造辞書による候補の絞り込みとパターンマッ
チングによる最終的な認識とを組み合わせることによっ
て、木構造辞書が一般に苦手とする学習による文字種の
追加、辞書の変更を、末端ノード等の登録文字種の追加
という簡単な方法で行なうことができる。
E.実施例 以下、この発明を印刷英数字OCRによる文書入力システ
ムに適用した一実施例について説明しよう。
第２図はこの実施例の構成を全体として示すものであ
り。この図において、システムはパーソナルコンピュー
タ１、ビット・マップ・ディプレイ２、スキャナ３およ
び補助記憶装置４から構成されている。破線内のブロッ
クすなわち認識部５、後処理部６およびユーザーインタ
ーフェース部７はソフトウェアとして実現されている。
第３図は第２図のシステムの手順を示すものである。第
２図および第３図において、、オペレータが処理開始コ
マンドを発行するとユーザ・インターフェース部７はま
ずスキャナ３にスキャン要求を供給する。文書８はスキ
ャナ３により走査され、イメージとして認識部５へ供給
される（S11）。認識部５ではイメージを１文字単位で
切り出したのち（S12）、切り出した１文字分のイメー
ジがどの文字であるかを識別する（S13）。ステップ12
では切り出された文字がたとえば32×32画素の領域に中
心を合わせて格納される。ステップ13はこの発明が直接
関係する部分であり、後に詳述する。識別の結果は唯一
に決まるとは限らず、複数の候補が出力されることもあ
る。１単語分の認識が終了するとユーザーインターフェ
ース部７は後処理部６に対して認識結果のつづり誤りの
検査および訂正を要求する。後処理部６は認識部５から
供給された認識結果について補助記憶装置４中の単語辞
書を参照してつづりの確認を実行し、辞書中に該当する
単語が存在しない場合には、近似的に一致したつづりを
有する単語を検索する（S14）。ステップ14の結果はユ
ーザーインターフェース部７を介してディスプレイ２に
表示され、オペレータが最終的に認識、修正を行う（S1
5）。このようにしてコード化された正しい文書が得ら
れることになる。
つぎに認識部５について詳述する。認識部５の動作は大
きく２つのステップに分かれる。第一のステップでは文
字領域４辺から対辺に向かって進み、文字にぶつかるか
対辺に至るまでの距離（白ランレングス）を特徴量と
し、この白ランレングスが閾値を越えるか越えないかに
よって右または左に分岐しながら候補文字種を絞ってい
くような木構造の認識辞書を用いた認識手法によって候
補文字種を１個または複数個に絞る。
各ノードでは、左または右ノードに分岐させるための閾
値の他に白ランレングスの取り得る値の最大、最小値が
ノード毎に定まっており、この値を越える場合にはリジ
ェクトとして認識処理を打ち切る。
第２のステップでは、第１のステップで絞られた候補文
字種に対して特徴量を抽出した後に入力パターンと標準
パターンをマッチングさせ、距離尺度が最短となるよう
な文字種をもって一位候補とする。
それでは以下木構造認識辞書作成、パターンマッチン
グ、実際の認識過程、認識辞書追加、変更方式、と項目
を分けてさらに詳しく説明する。
木構造認識辞書作成 第４図に示すような文字領域中に正規化された２値化文
字パターンについて、仮想文字枠４辺から対辺に向かっ
て進み文字パターンにぶつかるか或いは対辺に達するま
での距離（白ランレングス）を求める。一文字パターン
当たりの白ランレングスDiの個数ｉは、格納する文字領
域の大きさによって異なる。一般にＸ画素XY画素の文字
領域に格納する場合には、２×（Ｘ＋Ｙ）個の白ランレ
ングスが存在する。
今、１個の白ランレングスDnについて考える。Dnのとる
値をdnとする。dnは文字サンプル毎の変動はもちろん、
切り出された後正規化され文字領域中に格納される際の
位置の変動によっても変化する。そこでdnを最大、最小
値を持つ多値特徴量とする。最大、最小値の決定方法を
第４図を用いて説明する。
第４図に示すように、１個の文字種のDnとDnの両隣りの
Dn-1、Dn+1について考える。普通サンプル毎の変動を吸
収するために同一文字種について複数サンプル用意する
ので、全部で３×（サンプル数）の白ランレングスにつ
いて最大値dnmaxと最小値dnminを求め、これをDnの最
大、最小値とする。
この際、Dnの白ランレングスの値を最大値を求める場合
には１画素拡大し、最小値を求める場合には１画素縮小
する。
すなわち、 dnmax＝max〔(dn-1,dn+1,dn+1)×サンプル数〕(1) dnmin＝min〔(dn-1,dn-1,dn+1)×サンプル数〕(2) 実際の認識時には、文字の太さの変動や掠れ、文字領域
内に正規化する時の位置変動といったことが起こり得
る。しかし、このようにDnの両隣りの白ランレングスを
考慮することで縦（または横）方向のずれを、Dnの白ラ
ンレングスを長さ方向に拡大又は縮小することで横（ま
たは縦）方向のずれを吸収する形になっている。
実験の結果、白ランレングスに冗長性を付加する方法と
しては、上記の手法が良好な事を確認した。ただし、文
字の大きさやスキャナの解像度が著しく異なる場合には
より冗長性を加えたり、減らしたりすることが必要であ
る。
文字領域中の同一箇所のDnに対し各文字種の白ランレン
グスの値dnの分布は例えば第５図のようになる。今仮に
図中に示した位置に閾値ｔを設定し、各文字種の該当箇
所の白ランレングスが閾値ｔを越えるか否かによって全
文字種を２個のカテゴリーに分類する。白ランレングス
は２値ではなく多値特徴量なので、分類の方法は以下の
定義に従って行なう。
カテゴリーＣ１＝｛ci|dnmax≧ｔ｝ (3) カテゴリーＣ２＝｛ci|dnmin＜ｔ｝ (4) ci:文字種 このように白ランレングスが明らかにｔより小さいかま
たは大きい場合には、それぞれカテゴリＣ１、Ｃ２に分
類し、白ランレングスがｔをまたがって分布しているよ
うな文字種についてはカテゴリーＣ１、Ｃ２に重複して
分類する。
次に分類されたカテゴリーＣ１、Ｃ２間の分離度を定義
し、白ランレングスの位置と閾値を変えて分離度が最高
となるような組合せを求める。指標とする分離度は統計
的に厳密なものから処理を軽減するために簡単化したも
のまで種々考えられる。例えば両カテゴリーの要素の数
の積を分離度とすると、 Ｖ＝Ac1×Ac2 (5) V:分離度 Ａc1：カテゴリーＣ１の要素数 Ａc2：カテゴリーＣ２の要素数（ただし重複文字種を除
く）重複が多くカテゴリー間の分離が悪くなるとＶも小
さくなる。また重複しない文字種がＣ１、Ｃ２ともほぼ
均等になるとＶが大きくなる。木構造の認識辞書を作成
する上では、単にカテゴリーＣ１、Ｃ２間の分離度を上
げるだけでなく、分離したカテゴリーＣ１、Ｃ２のバラ
ンスがとれている事が望ましい。厳密なバランス木を作
る手法は他にも報告されている。実験の結果、(5)式の
分離度を評価の指標とすれば、短時間で良好なバランス
木辞書が作成されることを確認された。
このようにして全文字種を効率良く２分する最適な白ラ
ンレングスの位置とその閾値を決定し、全文字種を重複
を含んだ２カテゴリーＣ１、Ｃ２に分類しルートノード
の子孫とした後にそれぞれのカテゴリーを全体集合とし
て同様の操作を行ないＣ１→｛Ｃ11,C12｝、Ｃ２→｛Ｃ
21,C22｝のように分類する。このプロセスを順次繰り返
すことによって次々とノードとその子孫を決定し、木構
造の認識辞書を作成していく。各ノードでは、文字種の
部分集合とそれを最適に２分する白ランレングスの位置
と閾値の組合せが定まっている。最終的には、第６図の
ように、どの白ランレングスについてもこれ以上カテゴ
リーを２分できなくなった状態か、第７図のように１個
ずつの文字種に奇麗に分離された状態のどちらかで認識
辞書作成処理は終了する。
前記プロセスにより各ノードで定まった白ランレングス
の位置とその閾値および文字種の白ランレングスの値の
分布が第５図のような状態だとすると、白ランレングス
の値dnが図中示したカテゴリー全体としての最小白ラン
レングス値Tmin、最大白ランレングス値Tmaxが定まる。
辞書作成時とは別の認識時の入力文字パターンについて
は当然誤分岐といったこともありうるわけで、本来その
ノードに到達すべきでない文字種が誤って分岐してくる
場合も考えられる。そこで、認識辞書の構造を２分木と
はせずに、３番目の子孫を設け、白ランレングス値が各
ノードで定められた最小値、最大値を越える場合にはリ
ジェクトノードに分岐させ、処理を打ち切るような３分
木辞書構造とする。このように各ノードでは、入力文字
種を分岐させるための情報として白ランレングスの位置
と閾値の他に白ランレングスの取り得る値の最大、最小
値を持つことになる。
実際にTmin、Tmaxを定める時には、誤分岐によりリジェ
クトされてしまう場合が多くなるのを防ぐために、冗長
度を持たせることが望ましい。つまり、 Tmin＝min〔ノードの各文字種の最小白ランレングス
値〕−α (6) Tmax＝max〔ノードの各文字種の最大白ランレングス
値〕＋α (7) 全体の認識辞書の概要図を第１図に示す。末端ノードに
は、１個または複数文字種が登録されており、文字種の
分離の際重複を許しているために、同じ文字種が異なる
末端ノードで重複する場合も見られる。なお第１図にお
いて斜線のハッチングを満たした丸は通常のノードを示
し、Ｒを付した丸はリジェクトノードを示す。
パターンマッチング 木構造認識辞書を用いた認識過程では、最終的に文字候
補が１個に定まるとは限らない。末端ノードで１個また
は複数個に絞られた候補文字種から一位候補を確定また
は決定するために、入力パターン特徴量を抽出し、抽出
された特徴量ベクトルに基づいて入力パターンと標準パ
ターンのマッチングを行なって、予め定めた距離尺度が
最短となる文字種の順に一位候補、二位候補とする認識
方式を組合せて入力パターンに対する最適文字候補を決
定する。
パターンマッチング方式としては種々の手法が報告され
ており、ここではどの手法でも適用できる。ただし認識
スピードを損なわないためには、処理の簡単なものが望
ましい。例えば文字パターン格納領域をｍ×ｎのメッシ
ュに区切り、各メッシュの黒画素の数を要素としたｍ×
ｎ次元のベクトルを特徴量として、入力パターンと標準
パターンの特徴量ベクトルの単純類似度 Ｒ＝Ｉ・Ｓ／‖Ｉ‖‖Ｓ‖ (8) R:類似度 I:入力パターンベクトル S:標準パターンベクトル Ｉ・S:内積 が最大となる文字種を一位候補をするような認識方式が
考えられる。木構造辞書を用いた認識方式では一段に順
位の付いた複数候補を決定できない、入力パターンがど
の程度一位候補と類似しているかどうかの尺度がないと
いった欠点を持つ。この例のようにパターンマッチング
方式を組み合わせることで、その欠点を補うことができ
る。又、このことによりスペルチェック等の後処理にも
利用しやすい。
全体の認識過程 木構造認識辞書による認識過程およびパターンマッチン
グの組み合わせ方について説明する。
全ての未知入力２値化文字パターンは、まず木構造認識
辞書のルートにおいて特定位置の白ランレングスの値が
所定の閾値を越えているか否かによって左部分木または
右部分木に分岐する。このときもし白ランレングスの値
が最小または最大白ランレングス値を越えるようであれ
ばリジェクトとする。引続き分岐したノードにおいて定
められた位置の白ランレングスの値によってさらに分岐
をし、子孫のノードにうつる。このようにして次々と分
岐を繰り返しながら候補文字種を絞っていき、末端ノー
ドに至った時点でパターンマッチング方式に処理を移
す。
末端ノードでは候補文字種は１個または複数個に絞られ
ているので、それらの絞られた文字種の標準パターンだ
けとマッチングを行なえばよい。テストによれば、81カ
テゴリーの文字種から作成した木構造辞書で末端ノード
に登録された文字種の数は、最大で５〜６個、平均では
２〜３個であった。なお木構造辞書を用いた認識方式で
文字候補が１個に絞られた場合でも誤分岐による誤りで
ないかどうか確認するためにパターンマッチング方式に
よるマッチングを行なう。マッチングの結果、パターン
間距離が最短でしかも距離尺度に定められた閾値を越え
ない場合にその文字種を一位候補とする。末端ノードの
候補文字種が複数個の場合は距離の大きさによって候補
順位をつける。
認識辞書の追加、変更 新しい文字種を登録するときや、認識辞書作成時に用い
たサンプル文字パターンと実際の入力文字パターンとの
違いに起因する誤認識を入力文字パターンの学習によっ
て救済しようとするときには、認識辞書の追加、変更と
いったことが必要となる。木構造辞書の追加、変更は、
従前接ぎ穂とよばれる方法で行なわれている。これは文
字種を新しく登録したり辞書の変更を行なうために、末
端ノードまたは途中のノードから新たな分岐を作って枝
を伸ばし、木構造辞書を拡大しながら追加、変更を行な
う方法である。この方法では、新たな分岐を作る時に辞
書作成時と同様の煩雑な手順が必要な上に追加、変更が
重なると木構造辞書が著しく増大する。
この実施例では、木構造辞書の追加、変更は末端ノード
に登録されている文字種の追加という形で行なわれる。
すなわち入力文字パターンが誤分岐した結果、当該文字
種が登録されていない末端ノードに到達した場合には、
パターンマッチングを行なう登録文字群に入力文字種を
新たに追加登録する。この方式によれば、末端ノードか
ら接ぎ穂することによって木構造辞書を拡張させるのと
同等の効果を非常に簡単な操作で得ることができる。ま
た、接ぎ穂方式では辞書作成時に統計的ばらつきを考慮
して複数サンプルから認識木を作成するのに対して、接
ぎ穂を行なうのは普通高々１サンプルの情報を使うのに
すぎないため、接ぎ穂部分の認識木は信頼性の低いもの
とならざるをえない。本方式では認識木部分の変更は行
なわずに単に引続き実行されるパターンマッチングの対
象文字種を追加するだけなので、認識木の信頼性が損な
われることはない。
入力パターンを学習する場合の認識辞書の追加、変更方
式は厳密には以下に述べる３通りのケースにわかれる。
ケース（１） 実際の認識過程によって入力文字パターンが到達した末
端ノードに登録されている文字種中に入力文字種と合致
するものがなかった場合。
この場合は末端ノードの文字種群に新しく入力文字種を
追加する。入力文字種が認識辞書作成時に登録されてい
なかった全く新しいカテゴリーの場合には木構造辞書だ
けでなく、パターンマッチング方式の認識辞書にも追加
登録する。
ケース（２） 末端ノードに登録されている文字種群中に入力文字種と
合致するものがあったにもかかわらずパターンマッチン
グの結果が悪く誤認識された場合。
この場合はパターンマッチング用認識辞書の変更を行な
う。通常は、テンプレートのスムージングといったよう
な方法がとられる。
ケース（３） 木構造辞書の途中でリジェクトノードに分岐してしまう
ような文字パターンを学習する場合。
この場合はリジェクト文字パターン用の末端ノードを新
たに設け３分木認識方式でリジェクトされた文字パター
ンをパターンマッチング方式で救済する。従って学習
は、リジェクト用の末端ノードに新しく入力文字種を追
加登録することによって行なわれる。
F.発明の効果 この発明では、黒画素か白画素かといった２値の特徴量
ではなく、最大、最小値を持つ多値特徴量たとえば白ラ
ンレングスを用いて冗長性を加味した木構造の認識辞書
を作成するために、少ないサンプルから非常に簡単な計
算で辞書を作成することができる。しかも認識時の効率
を上げるために２分木ではなく、３分木として、誤分岐
による認識誤りを辞書木探索の時点で検出することがで
きる。
また木構造辞書による認識方式とパターンマッチング方
式とを組み合わせたことで、前者によって効率的に候補
文字種が絞られた上に、後者により候補順位をつけるこ
とができるという特長を有している。
その結果高速でかつ高い認識率を実現でき、しかも処理
が簡単なので、汎用的なパーソナルコンピュータ上で特
殊なハードウェアを用いることなく、ソフトウェアだけ
で十分実用的なシステムを作ることができる。
さらに認識辞書の追加、変更が非常に簡単に行なえるた
め、学習による認識率の向上を図ることが可能である。
【図面の簡単な説明】
第１図はこの発明の一実施例の木構造辞書を説明するた
めの図、第２図はこの実施例を全体として示すブロック
図、第３図はこの実施例の手順を示すフローチャート、
第４図はこの実施例の木構造辞書を探索するときに用い
る特徴量としての白ランレングスを説明するための図、
第５図はこの実施例の木構造辞書を作成する際の分類操
作を説明するための図、第６図および第７図は文字種が
最終的にどのように分類されるかを示す図である。 １……パーソナルコンピュータ、２……ディスプレイ、
３……スキャナ、４……補助記憶装置、５……認識部、
６……後処理部。

Claims (7)

    【特許請求の範囲】
  1. 【請求項１】未知入力文字パターンから抽出した特徴量
    を用いて辞書を探索して当該未知入力文字パターンの候
    補文字種を決定する文字認識装置において、 上記辞書を木構造辞書とし、この木構造辞書の分岐ごと
    に多値特徴量の種類および閾値を割り当て、上記分岐ご
    とにその分岐用に上記未知入力文字パターンから抽出し
    た多値特徴量を当該分岐の閾値と比較してその分岐にお
    ける進行経路を決定するようにするとともに、 上記木構造辞書の分岐に上限値または下限値を割り当
    て、この分岐用に上記入力文字パターンから抽出した多
    値特徴量が上記上限値または下限値をはずれた場合には
    リジェクト・ノードに分岐させ、上記木構造辞書の探索
    を中止するようにしたことを特徴とする文字認識装置。
  2. 【請求項２】上記多値特徴量を文字枠の所定位置から所
    定方向に向かって文字パターンまたは上記文字枠の他の
    位置にいたるまでの距離とした特許請求の範囲１に記載
    の文字認識装置。
  3. 【請求項３】上記探索が最後の分岐でリジェクト・ノー
    ドに分岐するときは、所定の文字種を候補として上記木
    構造辞書の探索を終了するようにした特許請求の範囲１
    または２に記載の文字認識装置。
  4. 【請求項４】上記未知入力文字パターンの候補文字種の
    標準パターンと上記未知入力文字パターンとの間のパタ
    ーンマッチングを行って類似度を求めるようにした特許
    請求の範囲１、２または３に記載の文字認識装置。
  5. 【請求項５】上記候補文字種が複数個あるときに上記類
    似度に基づいて上記候補文字種の順位付けを行うように
    した特許請求の範囲４に記載の文字認識装置。
  6. 【請求項６】上記パターンマッチング用の標準パターン
    を変更または追加するようにした特許請求の範囲４また
    は５に記載の文字認識装置。
  7. 【請求項７】上記木構造辞書の末端ノードに割り当てら
    れている候補文字種を変更、追加または削除するように
    した特許請求の範囲１、２、３、４、５または６に記載
    の文字認識装置。
JP62224233A 1987-09-09 1987-09-09 文字認識装置 Expired - Lifetime JPH0664631B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP62224233A JPH0664631B2 (ja) 1987-09-09 1987-09-09 文字認識装置
CA000575692A CA1299292C (en) 1987-09-09 1988-08-25 Character recognition algorithm
DE3851867T DE3851867T2 (de) 1987-09-09 1988-08-25 Zeichenerkennungsgerät.
EP88307868A EP0307111B1 (en) 1987-09-09 1988-08-25 Character recognition apparatus
US07/239,110 US4989258A (en) 1987-09-09 1988-08-31 Character recognition apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP62224233A JPH0664631B2 (ja) 1987-09-09 1987-09-09 文字認識装置

Publications (2)

Publication Number Publication Date
JPS6472294A JPS6472294A (en) 1989-03-17
JPH0664631B2 true JPH0664631B2 (ja) 1994-08-22

Family

ID=16810587

Family Applications (1)

Application Number Title Priority Date Filing Date
JP62224233A Expired - Lifetime JPH0664631B2 (ja) 1987-09-09 1987-09-09 文字認識装置

Country Status (5)

Country Link
US (1) US4989258A (ja)
EP (1) EP0307111B1 (ja)
JP (1) JPH0664631B2 (ja)
CA (1) CA1299292C (ja)
DE (1) DE3851867T2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0681521U (ja) * 1993-05-12 1994-11-22 社会福祉法人天竜厚生会 患者搬送具

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69028337T2 (de) * 1989-04-28 1997-01-09 Hitachi Ltd Zeichenerkennungsanlage
US5167016A (en) * 1989-12-29 1992-11-24 Xerox Corporation Changing characters in an image
JP2844789B2 (ja) * 1990-01-23 1999-01-06 ソニー株式会社 文字認識方法及び文字認識装置
JPH04148294A (ja) * 1990-10-08 1992-05-21 Fujitsu Ltd 文字認識方式
US5263124A (en) * 1991-02-27 1993-11-16 Neural Systems Corporation Method for producing a binary tree, pattern recognition and binary vector classification method using binary trees, and system for classifying binary vectors
US5245674A (en) * 1991-07-30 1993-09-14 Xerox Corporation Image processing using distance as a function of direction
KR0186025B1 (ko) * 1991-10-09 1999-05-15 이헌조 후보 문자 분류 방법
US8352400B2 (en) 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US10361802B1 (en) 1999-02-01 2019-07-23 Blanding Hovenweep, Llc Adaptive pattern recognition based control system and method
US7242988B1 (en) 1991-12-23 2007-07-10 Linda Irene Hoffberg Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US6400996B1 (en) 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
US5903454A (en) 1991-12-23 1999-05-11 Hoffberg; Linda Irene Human-factored interface corporating adaptive pattern recognition based controller apparatus
US6418424B1 (en) 1991-12-23 2002-07-09 Steven M. Hoffberg Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
US6850252B1 (en) * 1999-10-05 2005-02-01 Steven M. Hoffberg Intelligent electronic appliance system and method
FR2685795B1 (fr) * 1991-12-26 1994-02-25 Thomson Csf Procede de segmentation polytomique.
US5488719A (en) * 1991-12-30 1996-01-30 Xerox Corporation System for categorizing character strings using acceptability and category information contained in ending substrings
US5675668A (en) * 1992-04-08 1997-10-07 Kawaski Steel Corporation Coding method, semiconductor memory for implementing coding method, decoder for semiconductor memory and method for identification of hand-written characters
WO1994004993A1 (en) * 1992-08-18 1994-03-03 Perception Software Corporation A recognition system with an automated development tool
JP2611904B2 (ja) * 1992-10-19 1997-05-21 株式会社エイ・ティ・アール視聴覚機構研究所 文字認識装置
ATE203604T1 (de) * 1993-02-23 2001-08-15 Xerox Corp Kategorisierende zeichenketten in der zeichenerkennung.
JPH07319924A (ja) * 1994-05-24 1995-12-08 Matsushita Electric Ind Co Ltd 手書き電子文書のインデックス付けおよび探索方法
US5710916A (en) * 1994-05-24 1998-01-20 Panasonic Technologies, Inc. Method and apparatus for similarity matching of handwritten data objects
US5649023A (en) * 1994-05-24 1997-07-15 Panasonic Technologies, Inc. Method and apparatus for indexing a plurality of handwritten objects
US5524240A (en) * 1994-05-24 1996-06-04 Panasonic Technologies, Inc. Method and apparatus for storage and retrieval of handwritten information
JP2741575B2 (ja) * 1994-09-22 1998-04-22 日本アイ・ビー・エム株式会社 文字認識文字補完方法及びコンピュータ・システム
JPH10143613A (ja) * 1996-10-30 1998-05-29 Hewlett Packard Co <Hp> パタン認識方法
US5940535A (en) * 1996-10-31 1999-08-17 Industrial Technology Research Institute Method and apparatus for designing a highly reliable pattern recognition system
KR100454541B1 (ko) * 1998-04-27 2004-11-03 산요덴키가부시키가이샤 수기 문자 인식 방법 및 시스템
US6226636B1 (en) * 1998-11-20 2001-05-01 Philips Electronics North America Corp. System for retrieving images using a database
US7904187B2 (en) 1999-02-01 2011-03-08 Hoffberg Steven M Internet appliance system and method
US6567547B1 (en) * 1999-03-05 2003-05-20 Hewlett-Packard Company System and method for dynamically switching OCR packages
US6389417B1 (en) * 1999-06-29 2002-05-14 Samsung Electronics Co., Ltd. Method and apparatus for searching a digital image
KR100371513B1 (ko) * 1999-12-06 2003-02-07 주식회사 팬택앤큐리텔 계층적 동영상 트리구조에서의 에지에 저장하는 키프레임의 충실도를 이용한 효율적인 동영상 요약 및 브라우징 장치 및 방법
US7286724B2 (en) * 1999-12-06 2007-10-23 Hyundai Curitel, Inc. Method and apparatus for searching, browsing and summarizing moving image data using fidelity for tree-structure moving image hierarchy
EP1282070B1 (de) * 2001-08-01 2004-04-21 ZN Vision Technologies AG Hierarchische Bildmodellanpassung
US7555145B2 (en) * 2003-06-03 2009-06-30 Gravic, Inc. Multi-level optical mark reading that uses an unambiguous symbology of marks to fill into response bubbles
GB2419432A (en) * 2004-10-20 2006-04-26 Ibm A method and system for creating hierarchical classifiers of software components in natural language processing
US8503785B2 (en) * 2010-01-15 2013-08-06 Gravic, Inc. Dynamic response bubble attribute compensation
US8412004B2 (en) 2010-10-15 2013-04-02 Gravic, Inc. Dynamic response form symbology processing
US20130039589A1 (en) * 2011-08-11 2013-02-14 I. R. I. S. Pattern recognition process, computer program product and mobile terminal
RU2598300C2 (ru) * 2015-01-27 2016-09-20 Общество с ограниченной ответственностью "Аби Девелопмент" Способы и системы автоматического распознавания символов с использованием дерева решений
CN109978829B (zh) * 2019-02-26 2021-09-28 深圳市华汉伟业科技有限公司 一种待检测对象的检测方法及其系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3346845A (en) * 1964-12-11 1967-10-10 Bunker Ramo Character recognition method and apparatus
NL148421B (nl) * 1971-02-19 1976-01-15 Nederlanden Staat Stelsel voor het lezen van tekens.
US3755780A (en) * 1971-06-28 1973-08-28 Pattern Analysis & Recognition Method for recognizing characters
US4193056A (en) * 1977-05-23 1980-03-11 Sharp Kabushiki Kaisha OCR for reading a constraint free hand-written character or the like
JPS5635276A (en) * 1979-08-30 1981-04-07 Toshiba Corp Rejected character processing system for optical character reading device
JPS57212589A (en) * 1981-06-25 1982-12-27 Toshiba Corp Pattern recognizing device
JPS5863931A (ja) * 1981-10-12 1983-04-16 Fuji Photo Film Co Ltd Ｘ線画像の形成方法
JPS6061876A (ja) * 1983-09-14 1985-04-09 Nec Corp 文字認識方式
US4589142A (en) * 1983-12-28 1986-05-13 International Business Machines Corp. (Ibm) Method and apparatus for character recognition based upon the frequency of occurrence of said characters
US4658429A (en) * 1983-12-29 1987-04-14 Hitachi, Ltd. System and method for preparing a recognition dictionary
JPS6175486A (ja) * 1984-09-21 1986-04-17 Hitachi Ltd パタ−ン認識のための決定木作成方法
JPS61173387A (ja) * 1985-01-28 1986-08-05 Hitachi Ltd パタ−ン認識における決定木作成方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0681521U (ja) * 1993-05-12 1994-11-22 社会福祉法人天竜厚生会 患者搬送具

Also Published As

Publication number Publication date
DE3851867T2 (de) 1995-04-20
JPS6472294A (en) 1989-03-17
EP0307111A3 (en) 1991-05-29
EP0307111B1 (en) 1994-10-19
EP0307111A2 (en) 1989-03-15
CA1299292C (en) 1992-04-21
US4989258A (en) 1991-01-29
DE3851867D1 (de) 1994-11-24

Similar Documents

Publication Publication Date Title
US4989258A (en) Character recognition apparatus
US6950555B2 (en) Holistic-analytical recognition of handwritten text
US5267332A (en) Image recognition system
US20210034850A1 (en) System and method of character recognition using fully convolutional neural networks with attention
US5943443A (en) Method and apparatus for image based document processing
US5774588A (en) Method and system for comparing strings with entries of a lexicon
EP0355748B1 (en) A pattern recognition apparatus and method for doing the same
US5617488A (en) Relaxation word recognizer
Hu et al. Comparison and classification of documents based on layout similarity
CN101520783B (zh) 基于图像内容的关键词搜索方法和装置
US20030097384A1 (en) Method for identifying and using table structures
EP0163377A1 (en) Pattern recognition system
EP0784285B1 (en) Method, apparatus and computer program product for generating a classification tree
KR19980018029A (ko) 문자 인식 장치
Karpinski et al. Metrics for complete evaluation of ocr performance
JPH08167000A (ja) 文字認識装置および方法
JPH11203415A (ja) 類似パターンカテゴリ識別辞書作成装置および方法
JP3917349B2 (ja) 文字認識結果を利用して情報を検索する検索装置および方法
EP0079251A2 (en) Geometric character recognition using skeleton and stroke width representation
JP2000322514A (ja) パターン抽出装置及び文字切り出し装置
Chen Lexicon-driven word recognition
EP0519737A2 (en) Image recognition system
JP2906758B2 (ja) 文字読取装置
JPH0766423B2 (ja) 文字認識装置
JP2845463B2 (ja) パターン認識装置