JPH0714003A - 文字認識装置 - Google Patents

Abstract

(57)【要約】 【目的】光学的読み取り手段により入力された、印刷文
字、あるいは手書き文字を、柔軟で高い認識率をもって
認識することを目的とする。 【構成】入力された文字イメージの輪郭を追跡すること
により、その航跡より文字イメージの輪郭の位置情報，
角度，角度変化率を求め、これを文字情報とする。認識
の際には、入力された文字情報と参照情報のそれぞれ対
応する点の間の、２次元の位置情報（ｘ，ｙ），角度，
角度変化率を考慮した、４次元の距離を計算し、これを
全ての点について加算し、その値の最も小さくなる参照
情報を特定する。なお、文字イメージ輪郭の追跡手段
は、文字イメージの輪郭上の着目する画素の回りの画素
を一定方向に検索し、背景を構成する画素の時はそのま
ま通過し、文字イメージを構成する画素に当たったら、
その画素を次の着目する画素とし、これを繰り返すこと
により、文字イメージの周囲を一周する手段からなる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、光学的読み取り手段に
より入力された、印刷文字、あるいは手書き文字の認識
装置に関する。

【０００２】

【従来の技術】文字認識の手段として、従来使われてき
た手法は、（１）単純に字形を比較する方法、あるい
は、（２）文字線やその端点から文字の形状を記述する
構造解析法、（３）文字を数方向（基本的には４または
８方向）から走査し、文字線情報を方向寄与度としてｎ
（４または８）次元ベクトルで表わし、文字線の方向・
接続関係に関する情報を得、これをもとに辞書データと
比較する方法などが基本である。さらに方向寄与度を求
める前に外郭情報のみを抽出して、その後方向寄与度を
求める外郭方向寄与度法、など工夫を加えたものなどが
いくつか発表されているが、これらの方法では十分な実
用的認識率を得られたとは言い難い。

【０００３】例えば図２に示すような「ａ」という文字
を認識する場合、（１）の字体が辞書に登録してあると
すると、（１）の字体に対しては認識できるが、字体が
変わり（２）、さらに（３）のように太いゴシック体な
どになってくると、従来の方法では認識できないことが
多く、認識させるためにはその字体のフォントを辞書に
登録しなくてはならかった。外郭方向寄与度法はこのよ
うな問題に対して、比較的応用が効いたが、それでも十
分とは言えなかった。

【０００４】一方、既に実用化されているペン入力型の
文字認識装置は、手書き文字に対して高い認識率を実現
している。この方式では、文字の筆順、画数に関する情
報も同時に入力されるのが特徴であり、この付加情報が
文字認識率向上に寄与していることに誰も異論はないで
あろう。このことは我々人間が文字を見る際にも、同様
の認識過程を実行している、つまり瞬間に無意識のうち
に自分の知っている筆順を追って認識しているという事
実を暗示している。

【０００５】

【発明が解決しようとする課題】前記の如く、光学的読
み取り手段により入力された文字に対して、従来の手法
では未知フォントや変形文字、手書き文字に対して広く
柔軟に対応できず、実用的認識率に限界があった。

【０００６】それに対して、我々人間の視覚認識では文
字または形状を認識するのに際し、せいぜい数個の文字
ないし形を見せれば、その後は多少変形した図形を見せ
ても、ほとんど間違えることなく認識できるのが普通で
ある。こういった人間の視覚認識に近づけた、柔軟性の
ある認識アルゴリズムを実現したのが今回の発明であ
る。

【０００７】

【課題を解決するための手段】動物の大脳皮質視覚野の
神経細胞の性質は、我々の視覚認識の本質を理解するた
めのヒントとなる。大脳皮質視覚野における神経細胞の
ほとんどは、一定方向の線、叉は線状の明暗の境界に反
応する。つまり眼から得られる膨大な視覚情報の中で、
抽出されて大脳皮質まで送られてくる重要な情報は、こ
のような線境界情報である。我々が複雑な図形を認識す
る際、こういった線境界情報をある順番、つまり筆順を
もって認識している。

【０００８】機械で文字を認識する際にも、この線境界
情報をある一定の筆順をもって処理すると我々人間の認
識アルゴリズムに近く、形が多少変形した近似文字も柔
軟に認識できるようになる。今回の発明はこの点に着目
し、画像中の文字の輪郭を追跡して境界情報のみを抽出
して、機械で処理し易い簡単な１次元の情報とし、これ
を認識のための情報として利用することを特徴とする。

【０００９】ただしここで得られる線境界情報の筆順
は、我々の知っている筆順とは全く関係ない、機械特有
のものである。人間の決めた筆順と同じである必要はな
い。

【００１０】

【作用】入力された文字イメージから、文字の輪郭の線
境界情報を抽出して１次元の文字情報に展開し、これを
認識に使うことにより柔軟な高い認識率を実現する。

【００１１】

【実施例】図１に本発明の文字認識装置に関する処理ブ
ロック図を示す。

【００１２】まず図３に文字輪郭の追跡の実際を図示す
る。図４は、追跡のアルゴリズムを具体的に示したフロ
ーチャートである。入力された画像のうちの文字イメー
ジを構成する画素を着目画素とし、その回りの画素を一
定の方向に走査する（図３−ａ）。これを多数の文字イ
メージ構成画素に拡大して応用したのが図３−ｂであ
る。走査時、背景を構成する画素はやり過ごし、斜線で
示された文字イメージ構成画素にあたったら着目画素を
その文字イメージ構成画素に移して同様の走査を行う。
これを繰り返して行くと、文字イメージ構成画素の輪郭
を１回りしてもとに戻って走査は終了する。この結果、
１つの認識の対象になる図形に対して、１つの閉鎖され
た直列の輪ができあがる。この際、着目画素の動きよ
り、着目画素のたどったｘ座標、ｙ座標、着目点の動き
の方向、つまり角度（θ）、更に角度変化率（ｄθ）を
算出する。ただし、角度（θ）及び角度変化率（ｄθ）
は図５のように求められ、以下の式で算出される。（単
位：度） ｄｘ＞０の時：

【数１】 ｄｘ＜０かつｄｙ≧０の時：

【数２】 ｄｘ＜０かつｄｙ＜０の時：

【数３】 ｄｘ＝０かつｄｙ＞０の時：θ＝９０ ｄｘ＝０かつｄｙ＜０の時：θ＝−９０

【数４】 これで人間が認識するのに必要な、文字の形に関する全
ての情報を含んでいる。つまり、線の終点、交わり、微
妙なカーブであるか直線かは角度変化率（ｄθ）で表現
され、それらの位置に閲する情報も得られる。この方式
の利点は、複雑な２次元の文字の形を、機械で処理し易
い簡単な１次元の情報に圧縮・変換できることにある。
また構造解析法のように線の端点など、定性的に形に関
する情報を記述せずに、あくまで角度変化率（ｄθ）で
定量的に表現することにより、柔軟性を保つことにあ
る。

【００１３】ただし、ここでは着目画素は１点で走査は
右回りとして説明したが、着目画素を２点、４点、叉は
斑状に設定しても良いし、走査も、左回りでも同じであ
る。また、座標系に関しても、ｘ，ｙ座標に限らず、
ｒ，θ系を利用してもよい。ｘ，ｙ座標系の原点は、文
字を構成する画素の平均値つまり重心、または輪郭線上
の画素の平均値を用いて、そこを原点とする方法があ
る。平均値の代わりに中央値を用いても良いが、平均値
を原点とする方が認識率が良い。また、文字イメージの
輪郭の追跡法は、上に示したように一度に一回りする方
法だけでなく、いくつかの部分叉は細片にして分けて追
跡したものを後でつなぎ合わせて、上記のような１次元
の文字情報を作り上げる方法もある。

【００１４】実際の文字認識の例として、「６」の例を
図６に示す。まず文字イメージ構成画素を探索し、文字
イメージ構成画素にぶつかったら上記の走査を開始する
（図６−ａ）。文字情報の閉じた一吹元情報は、「６」
の場合２つできる。すなわち、外側の輸郭を追跡した情
報（ライン１）と、「６」のうち閉じた輪の形になって
いる下の部分の内側の輪郭を追跡した情報（ライン２）
である。ただし、閉じた輪の内側をこの方式で走査する
と、図６−ａ，ｂに示すように、外側の輪郭のときの逆
回り（ここでは左回り）となる。つまり角度（θ）が逆
になり、平行して走る輪郭線が、外側のものなのか、内
側なのかの区別ができる。これもこの方式の利点の１つ
である。このようにして得られた文字輪郭の追跡情報
は、上記の如く、２次元の位置情報（ｘ，ｙ），角度
（θ），角度変化率（ｄθ）の情報からなる（図６−
ｃ）。この文字情報は、このままでは追跡した輪郭の点
の数だけあり、文字の大きさに比例して点の数が増える
ので、比較認識のため、また処理時間の節約のため、文
字の大きさの情報（１例として、１つの文字を構成する
点の集合の平均値と標準偏差）を利用して、文字情報の
長さ、つまり点の数、が同じになるように、文字輪郭の
情報を数十個の点に圧縮・平均化処理を施す。これを辞
書に登録し、あるいは被認識データとして利用する。こ
うして大きさの違う文字でも、純粋にその形のみから比
較することができるようになる。

【００１５】さらに、図７にこの方式の利点を示す。こ
れは「８」の認識例であるが、図７−ａは、完全な形を
した、「８」である。ところが実際問題として、光学的
読み取り装置で読み込んだ画像データに完全な形の
「８」のみということは皆無に近く、図７−ｂのように
文字線がかすれて切れてしまった不良データが必ずと言
っていいほど存在し、こういった不良画像にも対応しな
いと実用性はない。本方式では、このように文字線が切
れてしまっても、「８」の開かれてしまった内側の輪郭
線の追跡方向は、図７−ａと同じであり、図７−ｂの
「８」と、図７−ａの「８」の近似性が保たれる。同時
に図７−ｂの「８」は、文字線の切れてしまったところ
での角度変化率（ｄθ）の変化を示し、図７−ａの完全
な形の「８」との違いについても記述されており、文字
の形の近似性、と同時に微妙な違いに関する詳細な情報
も含まれる。

【００１６】図８に、上記の方法によって得られた文字
情報を使った、認識の実際を示す。図８−ａは「２」と
「３」を比較しているところである。「２」が辞書側、
「３」が被認識文字とすると、まず、辞書側「２」の輪
郭上にある、位置情報（ｘ，ｙ），角度（θ），角度変
化率（ｄθ）の情報を含む数十個の点のうちの、第一番
目の点（着目点と呼ぶ）から比較走査が始まる。被認識
側の「３」の輪郭上のやはり同様の情報を含む点を順次
走査して行き、その辞書側の点と被認識側の点の間の、
ｘの差：△ｘ，ｙの差：△ｙ，θの差：△θ，ｄθの
差：△ｄθの４項目について考慮した、４次元の距離Ｄ
ｉが算出される（図８−ｂ）。 式１：

【数５】 被認識側「３」の輪郭上の点のうち、このＤｉの最も小
さくなる点（Ｄｉ−ｍｉｎ）が、先ほどの辞書側「２」
の着目点に対応する点ということになる。この操作を辞
書側「２」の１番目の点から最後の点まで順次施行し、 式２：

【数６】 のようにＤｉ−ｍｉｎの総和をもって、Ｓｃｏｒｅとし
て計算する。このＳｃｏｒｅの小さい時には、比較した
２つの字形が似ていることを示し、Ｓｃｏｒｅが大きい
ときは、２つの字形が異なる可能性が高いことを意味す
る。

【００１７】ただし認識時間の節約のために式１，２で
√をかけず、Ｄｉの２乗を使ってＳｃｏｒｅの計算をし
ても良い。また、上記の説明では、辞書側から、被認識
側を見る形で認識をしているが、逆に被認識側から辞書
側を見る形で認識をしても同じである。また、４次元の
距離Ｄｉを求める際に

【数６】 の様に定数をかけて重みづけする方法もある。実験結果
では、△ｄθの２乗に重みづけすると認識率が良かっ
た。

【００１８】

【発明の効果】本発明によれば、文字の近似性を評価す
ることができて柔軟な認識が可能であり、数種類の文字
フォントを辞書に登録するだけで、印刷文字はもちろ
ん、手書き文字に対しても、実用的な高い認識率を実現
する。

【００１９】

【図面の簡単な説明】

【図１】本発明の文字認識装置の処理ブロック図。

【図２】文字認識の例。

【図３】文字輪郭の追跡の実際（基本図）。

【図４】文字輪郭の追跡のアルゴリズムを示したフロー
チャート。

【図５】角度及び角度変化率の算出法。

【図６】文字輪郭の追跡の実際（応用図）。

【図７】本発明における認識の有利な点の解説図。

【図８】認識の実際。

【符号の説明】

１０： 特徴抽出手段 １１： 文字イメージ輪郭追跡部 １２： 位置情報，角度，角度変化率算出部 ２０： 特定手段 ３０： 参照情報 ３０１：着目画素 ５００：文字イメージ構成画素の探索走査 ５０１：ライン１ ５０２：ライン２

【数７】

Claims (4)

【特許請求の範囲】
1. 【請求項１】入力された文字イメージの輪郭の位置情
   報，角度，角度変化率を求め、これを文字情報とする特
   徴抽出手段と、前記方法によって得られた文字情報を複
   数の参照情報の何れか１つに特定する特定手段を具備す
   ることを特徴とする文字認識装置。
2. 【請求項２】請求項１記載の文字認識装置における前記
   文字イメージの輪郭の位置情報，角度，角度変化率を求
   める手段は、入力された文字イメージの輪郭を追跡する
   ことにより、その航跡より文字イメージの輪郭の位置情
   報，角度，角度変化率を求める手段からなることを特徴
   とする文字認識装置。
3. 【請求項３】請求項２記載の文字認識装置において前記
   文字イメージ輪郭の追跡手段は、文字イメージの輪郭上
   の着目する画素の回りの画素を一定方向に検索し、背景
   を構成する両素であるときはそのまま通過し、文字イメ
   ージを構成する画素に当たったら、その画素を次の着目
   する画素とし、これを繰り返すことにより、文字イメー
   ジの周囲を一周する手段からなることを特徴とする文字
   認識装置。
4. 【請求項４】請求項１記載の文字認識装置における前記
   特定手段は、入力された文字情報及び参照情報のそれぞ
   れの対応する点の間の、２次元の位置情報，角度，角度
   変化率を考慮した、４次元の距離に対応する数値を計算
   し、これを全ての点について加算し、その値の最も小さ
   くなる参照情報を特定する手段からなることを特徴とす
   る文字認識装置。