JPH08167004A - 特徴量生成装置 - Google Patents
特徴量生成装置Info
- Publication number
- JPH08167004A JPH08167004A JP6308882A JP30888294A JPH08167004A JP H08167004 A JPH08167004 A JP H08167004A JP 6308882 A JP6308882 A JP 6308882A JP 30888294 A JP30888294 A JP 30888294A JP H08167004 A JPH08167004 A JP H08167004A
- Authority
- JP
- Japan
- Prior art keywords
- wavelet transform
- feature quantity
- character
- wavelet transformation
- wavelet
- 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.)
- Granted
Links
Landscapes
- Sorting Of Articles (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】本発明は変形や線の太さの変化に強い特徴量
や、非常に複雑な文字である漢字の認識も可能な特徴量
生成装置を提供することを目的とする。 【構成】本発明に係る特徴量生成装置は文字や記号など
の画像データ（多次元データ）から、その文字や記号な
どの属するクラス（種類）を識別するための特徴量を生
成する装置において、多次元ウェーブレット変換装置２
と、ウェーブレット変換係数次元低下装置３を具備し、
前記多次元ウェーブレット変換装置２は、変換データを
多次元ウェーブレット変換して、ウェーブレット変換係
数列を作成し、前記ウェーブレット変換係数次元低下装
置３は、多次元ウェーブレット変換装置２で作成したウ
ェーブレット変換係数を低次元化することにより、特徴
量を得ることを特徴とする。
や、非常に複雑な文字である漢字の認識も可能な特徴量
生成装置を提供することを目的とする。 【構成】本発明に係る特徴量生成装置は文字や記号など
の画像データ（多次元データ）から、その文字や記号な
どの属するクラス（種類）を識別するための特徴量を生
成する装置において、多次元ウェーブレット変換装置２
と、ウェーブレット変換係数次元低下装置３を具備し、
前記多次元ウェーブレット変換装置２は、変換データを
多次元ウェーブレット変換して、ウェーブレット変換係
数列を作成し、前記ウェーブレット変換係数次元低下装
置３は、多次元ウェーブレット変換装置２で作成したウ
ェーブレット変換係数を低次元化することにより、特徴
量を得ることを特徴とする。
Description
【０００１】
【産業上の利用分野】本発明は、荷物仕分け装置の宛て
名認識装置に利用される特徴量生成装置に関する。本発
明は、郵便物宛て名仕分け装置、郵便物番号仕分け装
置、などの各種仕分け装置や、ＯＣＲ（光学式文字読み
取り装置）や、ＦＡなどにおける製品や資材の管理装置
（ＩＤ読み取り部）、などあらゆる文字または記号認識
装置にも利用可能である。
名認識装置に利用される特徴量生成装置に関する。本発
明は、郵便物宛て名仕分け装置、郵便物番号仕分け装
置、などの各種仕分け装置や、ＯＣＲ（光学式文字読み
取り装置）や、ＦＡなどにおける製品や資材の管理装置
（ＩＤ読み取り部）、などあらゆる文字または記号認識
装置にも利用可能である。
【０００２】
【従来の技術】従来の技術では、文字や記号の画像のパ
ターン認識のため特徴量として、様々な特徴量が用いら
れてきたが、それらは大別すると、（Ａ）ピクセル値そ
のまま、（Ｂ）輪郭系特徴量、（Ｃ）スケルトン系特徴
量、（Ｄ）アドホックな特徴量、に分類できる。これら
の説明を表１に示す。
ターン認識のため特徴量として、様々な特徴量が用いら
れてきたが、それらは大別すると、（Ａ）ピクセル値そ
のまま、（Ｂ）輪郭系特徴量、（Ｃ）スケルトン系特徴
量、（Ｄ）アドホックな特徴量、に分類できる。これら
の説明を表１に示す。
【０００３】
【表１】
【０００４】また、これら以外の新しい特徴量として、
本発明と同じ分類の、周波数系の特徴量を用いたパター
ン認識の研究が発表された例はあるが、従来の例は、ウ
ェーブレット変換やガボール変換した結果の高次元の係
数をそのまま特徴量として用いるものであった。
本発明と同じ分類の、周波数系の特徴量を用いたパター
ン認識の研究が発表された例はあるが、従来の例は、ウ
ェーブレット変換やガボール変換した結果の高次元の係
数をそのまま特徴量として用いるものであった。
【０００５】
【発明が解決しようとする課題】従来の特徴量によるパ
ターン認識にはそれぞれ表２に示すような問題点があ
り、複雑な文字（たとえば手書き漢字）や複雑な記号の
認識には十分ではない。
ターン認識にはそれぞれ表２に示すような問題点があ
り、複雑な文字（たとえば手書き漢字）や複雑な記号の
認識には十分ではない。
【０００６】
【表２】 本発明はこれらの問題を解決することができる装置を提
供することを目的とする。
供することを目的とする。
【０００７】
【課題を解決するための手段】特徴量として画像の多次
元ウェーブレット変換係数を低次元化したベクトルを用
いる。すなわち、本発明に係る特徴量生成装置は、文字
や記号などの画像データ（多次元データ）から、その文
字や記号などの属するクラス（種類）を識別するための
特徴量を生成する装置において、（Ａ）多次元ウェーブ
レット変換装置と、（Ｂ）ウェーブレット変換係数次元
低下装置を具備し、（Ｃ）前記多次元ウェーブレット変
換装置は、変換データを多次元ウェーブレット変換し
て、ウェーブレット変換係数列を作成し、（Ｄ）前記ウ
ェーブレット変換係数次元低下装置は、多次元ウェーブ
レット変換装置で作成したウェーブレット変換係数を低
次元化することにより、特徴量を得ることを特徴とす
る。
元ウェーブレット変換係数を低次元化したベクトルを用
いる。すなわち、本発明に係る特徴量生成装置は、文字
や記号などの画像データ（多次元データ）から、その文
字や記号などの属するクラス（種類）を識別するための
特徴量を生成する装置において、（Ａ）多次元ウェーブ
レット変換装置と、（Ｂ）ウェーブレット変換係数次元
低下装置を具備し、（Ｃ）前記多次元ウェーブレット変
換装置は、変換データを多次元ウェーブレット変換し
て、ウェーブレット変換係数列を作成し、（Ｄ）前記ウ
ェーブレット変換係数次元低下装置は、多次元ウェーブ
レット変換装置で作成したウェーブレット変換係数を低
次元化することにより、特徴量を得ることを特徴とす
る。
【０００８】
【作用】特徴量として、多次元ウェーブレット変換係数
を用いることにより、ピクセルそのままや輪郭系特徴量
よりも変形や線の太さの変化に強い特徴量を、 アドホ
ックな特徴量よりも汎用的かつ実用的に、 スケルトン
系特徴量のように失敗することなく求めることができ
る。
を用いることにより、ピクセルそのままや輪郭系特徴量
よりも変形や線の太さの変化に強い特徴量を、 アドホ
ックな特徴量よりも汎用的かつ実用的に、 スケルトン
系特徴量のように失敗することなく求めることができ
る。
【０００９】多次元ウェーブレット変換係数を低次元化
することにより、特徴量次元が高すぎることによる識別
手法の制約が減り、マハラノビス距離、ベイズ識別、ニ
ューラルネットワーク、など複雑な識別に有効な識別手
法を適用することができる。
することにより、特徴量次元が高すぎることによる識別
手法の制約が減り、マハラノビス距離、ベイズ識別、ニ
ューラルネットワーク、など複雑な識別に有効な識別手
法を適用することができる。
【００１０】
【実施例】本装置の第１実施例を図１〜図３に示す。図
１は本発明の第１実施例を示す図、図２は本発明装置を
用いた手書き漢字認識装置を示す図、図３は図１の装置
のウェーブレット変換係数次元低下装置の次元低下手法
の例を示す図である。 I ．学習による識別辞書データの作成 文字認識に先立ち、次の（Ａ）〜（Ｆ）により、識別辞
書データを作成しておく。
１は本発明の第１実施例を示す図、図２は本発明装置を
用いた手書き漢字認識装置を示す図、図３は図１の装置
のウェーブレット変換係数次元低下装置の次元低下手法
の例を示す図である。 I ．学習による識別辞書データの作成 文字認識に先立ち、次の（Ａ）〜（Ｆ）により、識別辞
書データを作成しておく。
【００１１】この識別辞書データの生成は、初めに１度
行えばよく、作成した識別辞書データを用いて、難度で
もII．の認識を行うことができる。 （Ａ）学習用教師画像として、十分な数の漢字画像を用
意する。十分な数とは、最低でも各クラス（文字の種
類）ごとに複数個の数をいい、その数が多いほどパター
ン認識能力は高くなる。 （Ｂ）前処理装置４の文字サイズ正規化装置５では、
（Ａ）で用意した画像の外接長方形の縦・横サイズを、
あらかじめ決めておいた一定の大きさに正規化する（す
べての文字画像の外接長方形の大きさを揃える）。ここ
では、線型に画像を拡大・縮小することにより正規化を
行うが、正規化の方法はさまざまな非線形正規化でもよ
く、線型拡大・縮小に限らない。 （Ｃ）前処理装置４の平滑化装置６では、文字サイズ正
規化装置５での拡大操作などによりいびつになった文字
線の外形を、メディアフィルタなどの平滑化操作により
整える。 （Ｄ）特徴量生成装置１の多次元ウェーブレット変換装
置２では、前処理装置４により前処理ずみの画像それぞ
れを２次元ウェーブレット変換し、その変換結果（ウェ
ーブレット変換係数）を求める。 （Ｅ）特徴量生成装置１のウェーブレット変換係数次元
低下装置３では、多次元ウェーブレット変換装置２によ
り得た係数を、縦方向（ｙ方向）、横方向（ｘ方向）、
スケール方向の３方向にぼかす（部分的重み付き平均を
とる）ことにより、次元低下した特徴量ベクトルを得
る。ぼかしによる次元低下の例を図４に示す。図４の例
では、具体的数値（ぼかしフィルタの大きさや重みの
値、特徴量の添字の飛び幅など）はあくまでも例であっ
て、この数値に限定するものではない。 （Ｆ）辞書作成装置７では、特徴量生成装置１で求め
た、学習用画像の特徴量ベクトルを用いてクラス（種
類）識別のための識別条件となる辞書データを生成す
る。
行えばよく、作成した識別辞書データを用いて、難度で
もII．の認識を行うことができる。 （Ａ）学習用教師画像として、十分な数の漢字画像を用
意する。十分な数とは、最低でも各クラス（文字の種
類）ごとに複数個の数をいい、その数が多いほどパター
ン認識能力は高くなる。 （Ｂ）前処理装置４の文字サイズ正規化装置５では、
（Ａ）で用意した画像の外接長方形の縦・横サイズを、
あらかじめ決めておいた一定の大きさに正規化する（す
べての文字画像の外接長方形の大きさを揃える）。ここ
では、線型に画像を拡大・縮小することにより正規化を
行うが、正規化の方法はさまざまな非線形正規化でもよ
く、線型拡大・縮小に限らない。 （Ｃ）前処理装置４の平滑化装置６では、文字サイズ正
規化装置５での拡大操作などによりいびつになった文字
線の外形を、メディアフィルタなどの平滑化操作により
整える。 （Ｄ）特徴量生成装置１の多次元ウェーブレット変換装
置２では、前処理装置４により前処理ずみの画像それぞ
れを２次元ウェーブレット変換し、その変換結果（ウェ
ーブレット変換係数）を求める。 （Ｅ）特徴量生成装置１のウェーブレット変換係数次元
低下装置３では、多次元ウェーブレット変換装置２によ
り得た係数を、縦方向（ｙ方向）、横方向（ｘ方向）、
スケール方向の３方向にぼかす（部分的重み付き平均を
とる）ことにより、次元低下した特徴量ベクトルを得
る。ぼかしによる次元低下の例を図４に示す。図４の例
では、具体的数値（ぼかしフィルタの大きさや重みの
値、特徴量の添字の飛び幅など）はあくまでも例であっ
て、この数値に限定するものではない。 （Ｆ）辞書作成装置７では、特徴量生成装置１で求め
た、学習用画像の特徴量ベクトルを用いてクラス（種
類）識別のための識別条件となる辞書データを生成す
る。
【００１２】例えば、識別方法として擬似マハラノビス
距離を用いる場合、学習用画像の特徴量ベクトルの、
（ａ）文字クラス（種類）ごとの平均ベクトル、（ｂ）
文字クラス（種類）ごとの、平均ベクトルに対する共分
散行列の固有値と固有ベクトルを、全てのクラス（種
類）について求めて、辞書データとする。
距離を用いる場合、学習用画像の特徴量ベクトルの、
（ａ）文字クラス（種類）ごとの平均ベクトル、（ｂ）
文字クラス（種類）ごとの、平均ベクトルに対する共分
散行列の固有値と固有ベクトルを、全てのクラス（種
類）について求めて、辞書データとする。
【００１３】ただし、辞書データは識別手法によって異
なる。たとえばニューラルネットワークによるクラス
（種類）識別を行う場合は、ニューラルネットワークの
重み係数が辞書データになる。 II．文字の識別 I ．により識別条件データを作成した後、次の（Ｇ）〜
（Ｋ）により文字の識別を行う。 （Ｇ）前処理装置４の文字サイズ正規化装置５により、
識別対象の文字画像を正規化する。正規化の方法および
正規化サイズは、I （Ｂ）と全く同じにする。 （Ｈ）前処理装置４の平滑化装置６により、正規化され
た画像の平滑化を行う。平滑化手法は、I （Ｃ）と全く
同じにする。 （Ｉ）特徴量生成装置１の多次元ウェーブレット変換装
置２により、前処理画像からウェーブレット変換係数を
生成する。ウェーブレット変換方法（基底、対象スケー
ルの範囲、量子化の仕方など）は、I （Ｄ）と全く同じ
にする。 （Ｊ）特徴量生成装置１のウェーブレット変換係数次元
低下装置３により、２次元ウェーブレット変換係数を低
次元化した特徴量を求める。低次元の方法は、I（Ｅ）
と全く同じとする。 （Ｋ）識別装置８では、I で求めた識別辞書データを用
いて、II（Ｇ）〜（Ｊ）により求めた特徴量ベクトル
が、どのクラス（種類）に属するかを識別する。
なる。たとえばニューラルネットワークによるクラス
（種類）識別を行う場合は、ニューラルネットワークの
重み係数が辞書データになる。 II．文字の識別 I ．により識別条件データを作成した後、次の（Ｇ）〜
（Ｋ）により文字の識別を行う。 （Ｇ）前処理装置４の文字サイズ正規化装置５により、
識別対象の文字画像を正規化する。正規化の方法および
正規化サイズは、I （Ｂ）と全く同じにする。 （Ｈ）前処理装置４の平滑化装置６により、正規化され
た画像の平滑化を行う。平滑化手法は、I （Ｃ）と全く
同じにする。 （Ｉ）特徴量生成装置１の多次元ウェーブレット変換装
置２により、前処理画像からウェーブレット変換係数を
生成する。ウェーブレット変換方法（基底、対象スケー
ルの範囲、量子化の仕方など）は、I （Ｄ）と全く同じ
にする。 （Ｊ）特徴量生成装置１のウェーブレット変換係数次元
低下装置３により、２次元ウェーブレット変換係数を低
次元化した特徴量を求める。低次元の方法は、I（Ｅ）
と全く同じとする。 （Ｋ）識別装置８では、I で求めた識別辞書データを用
いて、II（Ｇ）〜（Ｊ）により求めた特徴量ベクトル
が、どのクラス（種類）に属するかを識別する。
【００１４】例えば、擬似マハラノビス距離により識別
を行う場合、 （ａ）識別辞書データとして求めてある文字クラス（種
類）ごとの平均ベクトル、及び、平均ベクトルに対する
共分散行列の固有値と固有ベクトルを用いて、そのクラ
スに対する、特徴量ベクトル（II（Ｇ）〜（Ｊ）で求め
た特徴量）の、擬似マハラノビス距離を求める。
を行う場合、 （ａ）識別辞書データとして求めてある文字クラス（種
類）ごとの平均ベクトル、及び、平均ベクトルに対する
共分散行列の固有値と固有ベクトルを用いて、そのクラ
スに対する、特徴量ベクトル（II（Ｇ）〜（Ｊ）で求め
た特徴量）の、擬似マハラノビス距離を求める。
【００１５】（ｂ）全てのクラスに対する擬似マハラノ
ビス距離を比べ、もっとも値が小さくなるクラス（種
類）に属すると認識する。尚、例にあげた識別手法はあ
くまでも一例で、これに限るものではない。 III ．ウェーブレット変換（Wavelet 変換） ウェーブレット変換の概要を図３および図４に示す。
ビス距離を比べ、もっとも値が小さくなるクラス（種
類）に属すると認識する。尚、例にあげた識別手法はあ
くまでも一例で、これに限るものではない。 III ．ウェーブレット変換（Wavelet 変換） ウェーブレット変換の概要を図３および図４に示す。
【００１６】図４（Ｂ）に示すように、ａ（このａをス
ケールという）の値の大小により、ウェーブレット変換
基底の形が変化する。図４（Ｃ）は３種類の周期のｓｉ
ｎ信号と２つのトリガが重なった場合の例を示す。
ケールという）の値の大小により、ウェーブレット変換
基底の形が変化する。図４（Ｃ）は３種類の周期のｓｉ
ｎ信号と２つのトリガが重なった場合の例を示す。
【００１７】ウェーブレット変換を用いることにより、
次のような特徴を発揮することができる。 （１）時間・周波数空間での周波数解析ができる。
次のような特徴を発揮することができる。 （１）時間・周波数空間での周波数解析ができる。
【００１８】特異信号の位置（時間）検出が可能であ
る。周波数分布の時間変化が把握できる。 （２）多重解像度解析（ＭＲＡ：Multi Resolution Ana
lysis ）ができる。
る。周波数分布の時間変化が把握できる。 （２）多重解像度解析（ＭＲＡ：Multi Resolution Ana
lysis ）ができる。
【００１９】さまざまな信号成分をそれぞれの周波数に
応じた時間精度で抽出できる。（周波数が高い成分ほど
細かい時間精度で抽出できる。） 幅広い周波数範囲の情報を一度に扱うことが可能であ
る。 （３）さまざまな基底関数を使用できる。 （４）逆変換が可能である。
応じた時間精度で抽出できる。（周波数が高い成分ほど
細かい時間精度で抽出できる。） 幅広い周波数範囲の情報を一度に扱うことが可能であ
る。 （３）さまざまな基底関数を使用できる。 （４）逆変換が可能である。
【００２０】直交ウェーブレットで簡易に高速化ができ
る。 IV．ぼかしによる低次元特徴量の生成例 図４に、第１実施例によるぼかしによる次元低下の例を
示す。
る。 IV．ぼかしによる低次元特徴量の生成例 図４に、第１実施例によるぼかしによる次元低下の例を
示す。
【００２１】図４において、ｓはスケール、ｘは前処理
ずみの画像の横方向の長さ、ｙは前処理ずみの画像の縦
方向の長さ、ｆ（ｓ，ｘ，ｙ）は正規化されていないぼ
かしフィルタ関数、ｆ（−１，ｘ，ｙ）はスケールが１
小さいウェーブレット変換係数にかける重み、ｆ（０，
ｘ，ｙ）はそのスケールのウェーブレット変換係数にか
ける重み、ｆ（１，ｘ，ｙ）は、スケールが１大きいウ
ェーブレット変換係数にかける重み、ｉはｘ方向（画像
横方向）のぼけフィルタ範囲、ｊはｙ方向（画像縦方
向）のぼけフィルタ範囲、ｋはスケール方向のぼけフィ
ルタ範囲、Ｓはスケールの種類数、を示す。
ずみの画像の横方向の長さ、ｙは前処理ずみの画像の縦
方向の長さ、ｆ（ｓ，ｘ，ｙ）は正規化されていないぼ
かしフィルタ関数、ｆ（−１，ｘ，ｙ）はスケールが１
小さいウェーブレット変換係数にかける重み、ｆ（０，
ｘ，ｙ）はそのスケールのウェーブレット変換係数にか
ける重み、ｆ（１，ｘ，ｙ）は、スケールが１大きいウ
ェーブレット変換係数にかける重み、ｉはｘ方向（画像
横方向）のぼけフィルタ範囲、ｊはｙ方向（画像縦方
向）のぼけフィルタ範囲、ｋはスケール方向のぼけフィ
ルタ範囲、Ｓはスケールの種類数、を示す。
【００２２】１枚の画像の、あるスケールでのウェーブ
レット変換係数の数は、スケールの値により異なる。ス
ケールによってウェーブレット基底のシフト間隔が異な
るので、あるシフトＳのときの ｘ方向のシフト回数を Ｘ（Ｓ） ｙ方向のシフト回数を Ｙ（Ｓ） を表現している。
レット変換係数の数は、スケールの値により異なる。ス
ケールによってウェーブレット基底のシフト間隔が異な
るので、あるシフトＳのときの ｘ方向のシフト回数を Ｘ（Ｓ） ｙ方向のシフト回数を Ｙ（Ｓ） を表現している。
【００２３】
【発明の効果】本発明装置は前述のように構成されてい
るので、以下に記載するような効果を奏する。 （１）特徴量として、多次元ウェーブレット変換係数を
用いることにより、変形や線の太さの変化に強い特徴量
を、汎用的かつ確実に求めることが出来るとともに、非
常に複雑な文字である漢字の認識もできる。 （２）多次元ウェーブレット変換係数を低次元化するこ
とにより、擬似マハラノビス距離などの高度な識別手法
の適用が可能になり、パターン認識能力を高めることが
できる。
るので、以下に記載するような効果を奏する。 （１）特徴量として、多次元ウェーブレット変換係数を
用いることにより、変形や線の太さの変化に強い特徴量
を、汎用的かつ確実に求めることが出来るとともに、非
常に複雑な文字である漢字の認識もできる。 （２）多次元ウェーブレット変換係数を低次元化するこ
とにより、擬似マハラノビス距離などの高度な識別手法
の適用が可能になり、パターン認識能力を高めることが
できる。
【図１】本発明の第１実施例を示す図。
【図２】第１実施例の全体構成図（図１の装置を用いた
手書き漢字認識装置を示す図）。
手書き漢字認識装置を示す図）。
【図３】ウェーブレット変換の概要を示す図。
【図４】図１の特徴量生成装置のウェーブレット変換係
数次元低下装置の次元低下手法の例を示す図（ぼかしに
よる低次元特徴量の生成例）。
数次元低下装置の次元低下手法の例を示す図（ぼかしに
よる低次元特徴量の生成例）。
１…特徴量生成装置、 ２…多次元ウェーブレット変換装置、 ３…ウェーブレット変換係数次元低下装置、 ４…前処理装置、 ５…文字サイズ正規化装置、 ６…平滑化装置、 ７…辞書作成装置、 ８…識別装置、 ９…パターン認識装置。
Claims (1)
- 【請求項１】 文字や記号などの画像データ（多次元デ
ータ）から、その文字や記号などの属するクラス（種
類）を識別するための特徴量を生成する装置において、
（Ａ）多次元ウェーブレット変換装置（２）と、（Ｂ）
ウェーブレット変換係数次元低下装置（３）を具備し、
（Ｃ）前記多次元ウェーブレット変換装置（２）は、変
換データを多次元ウェーブレット変換して、ウェーブレ
ット変換係数列を作成し、（Ｄ）前記ウェーブレット変
換係数次元低下装置（３）は、多次元ウェーブレット変
換装置（２）で作成したウェーブレット変換係数を低次
元化することにより、特徴量を得ることを特徴とする特
徴量生成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6308882A JP3064192B2 (ja) | 1994-12-13 | 1994-12-13 | 特徴量生成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6308882A JP3064192B2 (ja) | 1994-12-13 | 1994-12-13 | 特徴量生成装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08167004A true JPH08167004A (ja) | 1996-06-25 |
| JP3064192B2 JP3064192B2 (ja) | 2000-07-12 |
Family
ID=17986403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6308882A Expired - Lifetime JP3064192B2 (ja) | 1994-12-13 | 1994-12-13 | 特徴量生成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3064192B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000251013A (ja) * | 1999-02-26 | 2000-09-14 | Sanyo Electric Co Ltd | 文字認識方法、文字認識装置および記憶媒体 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200456867Y1 (ko) * | 2008-08-28 | 2011-11-24 | 최성률 | 캡형 팁이 장착된 낚시용 추 |
| KR101962880B1 (ko) * | 2015-12-31 | 2019-03-27 | 단국대학교 산학협력단 | 얼굴 인식을 위해 양방향 적분 특징을 이용한 이미지 생성 장치 및 이의 동작 방법 |
-
1994
- 1994-12-13 JP JP6308882A patent/JP3064192B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000251013A (ja) * | 1999-02-26 | 2000-09-14 | Sanyo Electric Co Ltd | 文字認識方法、文字認識装置および記憶媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3064192B2 (ja) | 2000-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Srikantan et al. | Gradient-based contour encoding for character recognition | |
| Etemad et al. | Face recognition using discriminant eigenvectors | |
| Hu et al. | Recognition of gray character using gabor filters | |
| CN100426314C (zh) | 一种基于特征分组的多分类器组合人脸识别方法 | |
| US20030161504A1 (en) | Image recognition system and recognition method thereof, and program | |
| Jain et al. | Bar code localization using texture analysis | |
| Chim et al. | Character recognition using statistical moments | |
| CN111414917B (zh) | 一种低像素密度文本的识别方法 | |
| CN102289665A (zh) | 基于墨粉堆积纹理分析的打印文件鉴别方法 | |
| Fujisawa et al. | Directional pattern matching for character recognition revisited | |
| Miciak | Character recognition using Radon transformation and principal component analysis in postal applications | |
| Pithadia et al. | A review on feature extraction techniques for optical character recognition | |
| El Moubtahij et al. | Review of feature extraction techniques for offline handwriting arabic text recognition | |
| Angadi et al. | Euclidean distance based offline signature recognition system using global and local wavelet features | |
| JPH08167004A (ja) | 特徴量生成装置 | |
| Bhattacharya et al. | Robust face recognition of inferior quality images using local gabor phase quantization | |
| KR100814793B1 (ko) | 특정 클래스 정보를 갖는 선형투영기반 ｉｃａ를 이용한얼굴인식 방법 및 그 시스템 | |
| Wadhwa et al. | Dissected Urdu Dots Recognition Using Image Compression and KNN Classifier | |
| Forczmański et al. | Classification of elementary stamp shapes by means of reduced point distance histogram representation | |
| Zemouri et al. | Machine printed handwritten text discrimination using Radon transform and SVM classifier | |
| Benjelil et al. | Complex documents images segmentation based on steerable pyramid features | |
| Fauqueur et al. | Semantic discriminant mapping for classification and browsing of remote sensing textures and objects | |
| Rodrigues et al. | Feature extraction using contour projection | |
| Huang et al. | A novel method of stone surface texture image recognition | |
| Rashnodi et al. | Using box approach in persian handwritten digits recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000404 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090512 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090512 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100512 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110512 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120512 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130512 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140512 Year of fee payment: 14 |
|
| EXPY | Cancellation because of completion of term |