JPH0816725A - 文字認識装置及び方法 - Google Patents
文字認識装置及び方法Info
- Publication number
- JPH0816725A JPH0816725A JP6146054A JP14605494A JPH0816725A JP H0816725 A JPH0816725 A JP H0816725A JP 6146054 A JP6146054 A JP 6146054A JP 14605494 A JP14605494 A JP 14605494A JP H0816725 A JPH0816725 A JP H0816725A
- Authority
- JP
- Japan
- Prior art keywords
- character
- feature vector
- covariance matrix
- dictionary
- recognition
- 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
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 個々の文字毎の特徴ベクトルと共分散行列を
含む文字認識辞書に新たに文字情報を登録する作業を簡
単にし、且つ、精度良い辞書を構築することを可能にす
る。 【構成】 認識辞書にない未知文字イメージを読み取り
（Ｓ２０１）、その文字イメージから特徴ベクトルデー
タを抽出する（Ｓ２０２）。次に、この特徴ベクトルと
最も近い特徴ベクトルを持つ文字を認識辞書から探し出
す（Ｓ２０３）。こうして得られた文字を登録する際に
は、その文字に対する文字コードと特徴ベクトルを辞書
に格納し（Ｓ２０４）、先に抽出された文字の共分散行
列を登録しようとしている文字の共分散行列として格納
する（Ｓ２０５）。
含む文字認識辞書に新たに文字情報を登録する作業を簡
単にし、且つ、精度良い辞書を構築することを可能にす
る。 【構成】 認識辞書にない未知文字イメージを読み取り
（Ｓ２０１）、その文字イメージから特徴ベクトルデー
タを抽出する（Ｓ２０２）。次に、この特徴ベクトルと
最も近い特徴ベクトルを持つ文字を認識辞書から探し出
す（Ｓ２０３）。こうして得られた文字を登録する際に
は、その文字に対する文字コードと特徴ベクトルを辞書
に格納し（Ｓ２０４）、先に抽出された文字の共分散行
列を登録しようとしている文字の共分散行列として格納
する（Ｓ２０５）。
Description
【０００１】
【産業上の利用分野】本発明は文字認識装置及び方法に
関するものである。
関するものである。
【０００２】
【従来の技術】一般に、文字認識処理にもいくつかある
が、図４に示すような例も有効である。以下、順を追っ
て説明する。
が、図４に示すような例も有効である。以下、順を追っ
て説明する。
【０００３】先ず、ステップＳ４０１で文書画像のスキ
ャンを行い画像情報を２値のデジタル画像データに変換
する。次のステップＳ４０２では、読み取った画像デー
タに対して、１文字ごとの領域を取り出していく文字切
り出し処理を行い、ステップＳ４０３で予め定められた
アルゴリズムにしたがって特徴抽出を行う。
ャンを行い画像情報を２値のデジタル画像データに変換
する。次のステップＳ４０２では、読み取った画像デー
タに対して、１文字ごとの領域を取り出していく文字切
り出し処理を行い、ステップＳ４０３で予め定められた
アルゴリズムにしたがって特徴抽出を行う。
【０００４】例えば、一文字の画像を８×８の小領域
（計６４個の領域）に分割し、その小領域内で黒画素の
数を集計する。６４個の領域ごとに黒画素の特徴が計算
されるので６４次元の特徴ベクトルが生成されることに
なる。さらに文字の大きさの影響を取り除くためにステ
ップＳ４０４で文字の大きさによって特徴ベクトルを正
規化する。元の特徴ベクトルをＸ、正規化後の特徴ベク
トルをＸ’とすると、 Ｘ’＝（ａ／（ｈ×ｗ））Ｘ という正規化を行う。ただし、ｈ，ｗはそれぞれ文字の
高さと幅で、ａは定数である。
（計６４個の領域）に分割し、その小領域内で黒画素の
数を集計する。６４個の領域ごとに黒画素の特徴が計算
されるので６４次元の特徴ベクトルが生成されることに
なる。さらに文字の大きさの影響を取り除くためにステ
ップＳ４０４で文字の大きさによって特徴ベクトルを正
規化する。元の特徴ベクトルをＸ、正規化後の特徴ベク
トルをＸ’とすると、 Ｘ’＝（ａ／（ｈ×ｗ））Ｘ という正規化を行う。ただし、ｈ，ｗはそれぞれ文字の
高さと幅で、ａは定数である。
【０００５】ステップＳ４０５では、この正規化された
特徴ベクトルと認識辞書の学習パターンを照合し、最適
な文字種を選び出す。そのためには、入力ベクトルｘと
認識辞書に登録されている個々の文字のベクトルとの距
離を計算し、その距離の最も近いものを選び出すことに
なる。
特徴ベクトルと認識辞書の学習パターンを照合し、最適
な文字種を選び出す。そのためには、入力ベクトルｘと
認識辞書に登録されている個々の文字のベクトルとの距
離を計算し、その距離の最も近いものを選び出すことに
なる。
【０００６】同じ文字でも文字の大きさやフォントの種
類の違いによってばらつきがあるので距離の計算には学
習データの分布を考慮した方が認識精度が高くなる。認
識精度の高い距離として例えば、次式で与えられるマハ
ラノビス距離を用いる。
類の違いによってばらつきがあるので距離の計算には学
習データの分布を考慮した方が認識精度が高くなる。認
識精度の高い距離として例えば、次式で与えられるマハ
ラノビス距離を用いる。
【０００７】 ｄM（ｋ）＝（Ｘ−μ（ｋ））tＳ-1（ｋ）（Ｘ−μ（ｋ）） ・・・（１） ｋ＝１、２、・・・、Ｐ（Ｐは文字の総数） ここで、μ（ｋ）、Ｓ（ｋ）は文字ｋの平均ベクトル、
共分散行列である。また、右肩の添え字ｔは転置を、−
１は逆行列を表す。
共分散行列である。また、右肩の添え字ｔは転置を、−
１は逆行列を表す。
【０００８】こうして、ステップＳ４０６において、各
文字に対する距離を比較し、最も小さいｄMを与える文
字を最終的な候補と判定しステップＳ４０７で出力す
る。
文字に対する距離を比較し、最も小さいｄMを与える文
字を最終的な候補と判定しステップＳ４０７で出力す
る。
【０００９】
【発明が解決しようとする課題】ところが、予め認識辞
書に格納されていない文字や学習していないフォントに
対しても正しい認識を行うためには、見本となる文字イ
メージを入力して認識辞書に追加する必要がある。この
操作は一般に「辞書の学習」と呼ばれる。たとえば、認
識辞書に文字「嗚」に対するデータが登録さていていな
かったとしよう。この「嗚」を登録する場合、活字の認
識ならば数十から数百個のさまざまなフォントや印刷状
態の異なる「嗚」という文字サンプルを集め、各々の文
字画像データから特徴ベクトルを求めそれらの統計情報
（平均ベクトル、共分散行列等）を計算し認識辞書に格
納する必要がある。
書に格納されていない文字や学習していないフォントに
対しても正しい認識を行うためには、見本となる文字イ
メージを入力して認識辞書に追加する必要がある。この
操作は一般に「辞書の学習」と呼ばれる。たとえば、認
識辞書に文字「嗚」に対するデータが登録さていていな
かったとしよう。この「嗚」を登録する場合、活字の認
識ならば数十から数百個のさまざまなフォントや印刷状
態の異なる「嗚」という文字サンプルを集め、各々の文
字画像データから特徴ベクトルを求めそれらの統計情報
（平均ベクトル、共分散行列等）を計算し認識辞書に格
納する必要がある。
【００１０】しかしながら、共分散行列等の統計情報は
少数のサンプルから学習することは実質的に不可能であ
り、ひとつの学習文字種に対して数多くのサンプルデー
タを集め入力しなければ意味がない。しかし、これには
学習作業に膨大な時間を必要とする問題がある。
少数のサンプルから学習することは実質的に不可能であ
り、ひとつの学習文字種に対して数多くのサンプルデー
タを集め入力しなければ意味がない。しかし、これには
学習作業に膨大な時間を必要とする問題がある。
【００１１】尚、ここで言う学習とは、その文字認識装
置を使用しているユーザによる学習もしくは認識辞書の
作成過程の両方を含む。
置を使用しているユーザによる学習もしくは認識辞書の
作成過程の両方を含む。
【００１２】
【課題を解決するための手段】本発明では、個々の文字
毎の特徴ベクトルと共分散行列を含む文字認識辞書に新
たに文字情報を登録する作業を簡単にし、且つ、精度良
い辞書を構築することを可能にする文字認識装置及び方
法を提供しようとするものである。
毎の特徴ベクトルと共分散行列を含む文字認識辞書に新
たに文字情報を登録する作業を簡単にし、且つ、精度良
い辞書を構築することを可能にする文字認識装置及び方
法を提供しようとするものである。
【００１３】この課題を解決するため、例えば本発明の
文字認識装置は以下の構成を備える。すなわち、個々の
文字の特徴ベクトルデータ、共分散行列で構成された認
識辞書を用い、与えられた文字イメージを認識する文字
認識装置であって、前記認識辞書にない未知文字イメー
ジを入力する入力手段と、入力された文字イメージから
特徴ベクトルデータを抽出する第１の抽出手段と、抽出
された特徴ベクトルに類似した特徴ベクトルを持つ文字
の共分散行列を前記辞書から抽出する第２の抽出手段
と、前記第１、第２の抽出手段で抽出された特徴ベクト
ルデータ及び共分散行列を、当該未知文字に対するデー
タとして前記認識辞書に登録する登録手段とを備える。
文字認識装置は以下の構成を備える。すなわち、個々の
文字の特徴ベクトルデータ、共分散行列で構成された認
識辞書を用い、与えられた文字イメージを認識する文字
認識装置であって、前記認識辞書にない未知文字イメー
ジを入力する入力手段と、入力された文字イメージから
特徴ベクトルデータを抽出する第１の抽出手段と、抽出
された特徴ベクトルに類似した特徴ベクトルを持つ文字
の共分散行列を前記辞書から抽出する第２の抽出手段
と、前記第１、第２の抽出手段で抽出された特徴ベクト
ルデータ及び共分散行列を、当該未知文字に対するデー
タとして前記認識辞書に登録する登録手段とを備える。
【００１４】また、本発明の実施態様に従えば、前記第
２の抽出手段は、第１の抽出手段による特徴ベクトルデ
ータの抽出完了に応答して、実行されることが望まし
い。これによって、文字登録処理にかかる作業はより簡
潔にできる。
２の抽出手段は、第１の抽出手段による特徴ベクトルデ
ータの抽出完了に応答して、実行されることが望まし
い。これによって、文字登録処理にかかる作業はより簡
潔にできる。
【００１５】また、入力手段は、光学的に原稿画像を読
み取る手段を含むことことが望ましい。
み取る手段を含むことことが望ましい。
【００１６】
【作用】上記本発明の構成において、未知の文字を認識
辞書に登録する場合には、その登録しようとしている文
字イメージを入力し、その文字イメージの特徴ベクトル
データを抽出する。次いで、その特徴ベクトルデータに
類似する特徴ベクトルを持つ文字を辞書を検索して得、
その得られた文字に対する共分散行列、特徴ベクトルデ
ータを注目文字の情報として認識辞書に登録する。この
結果、共分散行列を作成するための多大な文字イメージ
の入力を行わなくて済むので、操作者にかかる負担を軽
減させることが可能になる。
辞書に登録する場合には、その登録しようとしている文
字イメージを入力し、その文字イメージの特徴ベクトル
データを抽出する。次いで、その特徴ベクトルデータに
類似する特徴ベクトルを持つ文字を辞書を検索して得、
その得られた文字に対する共分散行列、特徴ベクトルデ
ータを注目文字の情報として認識辞書に登録する。この
結果、共分散行列を作成するための多大な文字イメージ
の入力を行わなくて済むので、操作者にかかる負担を軽
減させることが可能になる。
【００１７】
【実施例】以下、添付図面に従って本発明に係る実施例
を詳細に説明する。
を詳細に説明する。
【００１８】本実施例では、ＯＣＲ（光学的文字認識装
置）に適用した場合である。図１は第１の実施例の構成
を表すブロック図である。
置）に適用した場合である。図１は第１の実施例の構成
を表すブロック図である。
【００１９】図１において、１０１は画像原稿に光を照
射し、その反射光を読み取り電気信号に変換するスキャ
ナ、１０２はスキャナ１０１で得られた電気信号を２値
のデジタル電気信号に変換し他の装置構成要素に伝送す
るためのスキャナインターフェース回路、１０３はディ
スプレイのウィンドウ上で所望とする座標を入力するた
めのポインティングデバイス（マウス等）、１０４はポ
インティングデバイス１０３からの信号を受け、それを
他の装置構成要素に伝送するためのインターフェース回
路、１０５は装置全体の制御及び文字切り出し処理や認
識処理を実行するためのＣＰＵ、１０６はＣＰＵ１０５
が実行する制御プログラム、各種処理プログラムやフォ
ントデータなどを格納しているＲＯＭ、１０７は文字画
像の展開や文字認識処理のための作業領域などとして用
いられるＲＡＭである。また、１０８は入力イメージや
認識結果を表示するためのディスプレイ、１０９はディ
スプレイインターフェース回路である。ディスプレイ１
０８には、ＲＡＭ１０７の所定アドレスエリアに確保さ
れているＶＲＡＭ領域のイメージを表示する。そして１
１０は各装置構成要素を接続するバスである。１１１は
ハードディスク装置等の外部記憶装置であって、認識辞
書が格納されている。
射し、その反射光を読み取り電気信号に変換するスキャ
ナ、１０２はスキャナ１０１で得られた電気信号を２値
のデジタル電気信号に変換し他の装置構成要素に伝送す
るためのスキャナインターフェース回路、１０３はディ
スプレイのウィンドウ上で所望とする座標を入力するた
めのポインティングデバイス（マウス等）、１０４はポ
インティングデバイス１０３からの信号を受け、それを
他の装置構成要素に伝送するためのインターフェース回
路、１０５は装置全体の制御及び文字切り出し処理や認
識処理を実行するためのＣＰＵ、１０６はＣＰＵ１０５
が実行する制御プログラム、各種処理プログラムやフォ
ントデータなどを格納しているＲＯＭ、１０７は文字画
像の展開や文字認識処理のための作業領域などとして用
いられるＲＡＭである。また、１０８は入力イメージや
認識結果を表示するためのディスプレイ、１０９はディ
スプレイインターフェース回路である。ディスプレイ１
０８には、ＲＡＭ１０７の所定アドレスエリアに確保さ
れているＶＲＡＭ領域のイメージを表示する。そして１
１０は各装置構成要素を接続するバスである。１１１は
ハードディスク装置等の外部記憶装置であって、認識辞
書が格納されている。
【００２０】本発明における実施例の主旨は、辞書の学
習に関するものであり、文字認識処理そのものは先に説
明した図４と同じであるものとし、その説明は省略す
る。
習に関するものであり、文字認識処理そのものは先に説
明した図４と同じであるものとし、その説明は省略す
る。
【００２１】図３は実施例における文字認識処理時に参
照される認識辞書（外部記憶装置１１１に格納されてい
る）の構造を示している。図示において、３０１は文字
コード、３０２がその文字の平均ベクトル、３０３が共
分散行列で各文字種ごとにこの順に格納されている。こ
こで、文字コード、平均ベクトル、共分散行列の各デー
タ長は固定であるものとする。理由は、文字コードを検
索する場合には、所定間隔毎にサーチすれば良いように
するためである。
照される認識辞書（外部記憶装置１１１に格納されてい
る）の構造を示している。図示において、３０１は文字
コード、３０２がその文字の平均ベクトル、３０３が共
分散行列で各文字種ごとにこの順に格納されている。こ
こで、文字コード、平均ベクトル、共分散行列の各デー
タ長は固定であるものとする。理由は、文字コードを検
索する場合には、所定間隔毎にサーチすれば良いように
するためである。
【００２２】学習を行っていない初期状態においては、
辞書データは３０７まで格納されており、それ以降は未
使用領域である。未使用領域かどうかの判断は、文字コ
ードのあるべきアドレス位置に文字コードとして存在し
得ないデータ、たとえは“０ｘ００００”（０ｘは、そ
の文字が１６進数数字であることを示す）を格納してお
くものとする。
辞書データは３０７まで格納されており、それ以降は未
使用領域である。未使用領域かどうかの判断は、文字コ
ードのあるべきアドレス位置に文字コードとして存在し
得ないデータ、たとえは“０ｘ００００”（０ｘは、そ
の文字が１６進数数字であることを示す）を格納してお
くものとする。
【００２３】次に、本発明の中心となる学習時の動作を
図２を用いて説明する。尚、本フローチャートに対応す
るプログラムはＲＯＭ１０６に格納されているものとす
るが、外部記憶装置１１１に格納されていてＲＡＭ１０
７にロードされるとしても良い。これについては文字認
識処理時におけるプログラムも同様である。
図２を用いて説明する。尚、本フローチャートに対応す
るプログラムはＲＯＭ１０６に格納されているものとす
るが、外部記憶装置１１１に格納されていてＲＡＭ１０
７にロードされるとしても良い。これについては文字認
識処理時におけるプログラムも同様である。
【００２４】説明を簡単にするため、実施例において
も、文字「嗚」が認識辞書に格納されておらず、それを
学習して登録する場合を考える。
も、文字「嗚」が認識辞書に格納されておらず、それを
学習して登録する場合を考える。
【００２５】式（１）のマハラノビス距離を計算するた
めには、「嗚」の平均ベクトルμ（嗚）および共分散行
列Ｓ（嗚）が必要だが、これらは本来、複数のサンプル
データから得られる統計量なのでひとつの学習文字から
は計算できない。本実施例では、平均ベクトルμ（嗚）
としては、学習のために「嗚」という文字を１文字だけ
入力した文字画像から得られた特徴ベクトルＸそのもの
を代わりに用いる。一方、共分散行列はその定義から明
らかなように、ひとつの特徴ベクトルＸだけからでは求
まらない。そこで、すでに認識辞書に格納されている文
字種の中でＸに最も近い平均ベクトルをもつ文字種を捜
し出し、その文字種の共分散行列を「嗚」の共分散行列
Ｓ（嗚）の代わりに用いることにする。
めには、「嗚」の平均ベクトルμ（嗚）および共分散行
列Ｓ（嗚）が必要だが、これらは本来、複数のサンプル
データから得られる統計量なのでひとつの学習文字から
は計算できない。本実施例では、平均ベクトルμ（嗚）
としては、学習のために「嗚」という文字を１文字だけ
入力した文字画像から得られた特徴ベクトルＸそのもの
を代わりに用いる。一方、共分散行列はその定義から明
らかなように、ひとつの特徴ベクトルＸだけからでは求
まらない。そこで、すでに認識辞書に格納されている文
字種の中でＸに最も近い平均ベクトルをもつ文字種を捜
し出し、その文字種の共分散行列を「嗚」の共分散行列
Ｓ（嗚）の代わりに用いることにする。
【００２６】図２において、学習モードがスタート（デ
ィスプレイ１０８に表示されたメニューの中の１つをポ
インティングデバイス１０３で指定）すると、先ず、ス
テップＳ２０１で「嗚」という文字画像をスキャナ１０
１より入力する。
ィスプレイ１０８に表示されたメニューの中の１つをポ
インティングデバイス１０３で指定）すると、先ず、ス
テップＳ２０１で「嗚」という文字画像をスキャナ１０
１より入力する。
【００２７】次に、ステップＳ２０２で特徴ベクトルμ
（嗚）を求める。このときの文字切り出し処理および特
徴抽出アルゴリズムは認識字のものと同じである。但
し、スキャナ１０１から入力する原稿に文字「嗚」の１
つだけ存在する場合には構わないが、多数の文字がある
場合には読み取った文書画像中の「嗚」のみをポインテ
ィングデバイスで指定し、その指定位置に対して文字の
切り出しを行うことが望ましい。なぜなら、関係のない
文字に対する処理を行わずに済むからである。
（嗚）を求める。このときの文字切り出し処理および特
徴抽出アルゴリズムは認識字のものと同じである。但
し、スキャナ１０１から入力する原稿に文字「嗚」の１
つだけ存在する場合には構わないが、多数の文字がある
場合には読み取った文書画像中の「嗚」のみをポインテ
ィングデバイスで指定し、その指定位置に対して文字の
切り出しを行うことが望ましい。なぜなら、関係のない
文字に対する処理を行わずに済むからである。
【００２８】ステップＳ２０３では、すでに認識辞書に
格納されている文字種の中でＸに最も近い平均ベクトル
をもつ文字種を探し出す。すなわち、文字種ｋの平均ベ
クトルをμ（ｋ）とすると、 ｄ＝（Ｘ−μ（ｋ））2 が最小となるような文字種を認識辞書に登録されている
すべての文字種の中から選び出す（自乗するのは符号を
無くするためである）。例えば、「鳴」の平均ベクトル
μ（鳴）がＸに最も近かったとすると、ステップＳ２０
４で「嗚」の平均ベクトルとしてｘを認識辞書に追加す
る。図３においては、未使用領域であった３０７以降が
使用されることになり、アドレス位置３０８（ここには
それ以上のデータがなかったことを示す“０ｘ０００
０”が格納されているので判断可能である）に「嗚」の
文字種コードが格納される。そして、アドレス位置３０
９に平均ベクトルとしてＸを格納する。次にステップＳ
２０５で文字種「嗚」の共分散行列としてアドレス位置
３０６に格納されている「鳴」の共分散行列Ｓ（嗚）を
コピーしてアドレス位置３１０に格納する。このとき、
次の登録処理に備えて、次の文字コードが格納されるア
ドレス位置に“０ｘ００００”を格納する。以上で学習
処理は終了である。
格納されている文字種の中でＸに最も近い平均ベクトル
をもつ文字種を探し出す。すなわち、文字種ｋの平均ベ
クトルをμ（ｋ）とすると、 ｄ＝（Ｘ−μ（ｋ））2 が最小となるような文字種を認識辞書に登録されている
すべての文字種の中から選び出す（自乗するのは符号を
無くするためである）。例えば、「鳴」の平均ベクトル
μ（鳴）がＸに最も近かったとすると、ステップＳ２０
４で「嗚」の平均ベクトルとしてｘを認識辞書に追加す
る。図３においては、未使用領域であった３０７以降が
使用されることになり、アドレス位置３０８（ここには
それ以上のデータがなかったことを示す“０ｘ０００
０”が格納されているので判断可能である）に「嗚」の
文字種コードが格納される。そして、アドレス位置３０
９に平均ベクトルとしてＸを格納する。次にステップＳ
２０５で文字種「嗚」の共分散行列としてアドレス位置
３０６に格納されている「鳴」の共分散行列Ｓ（嗚）を
コピーしてアドレス位置３１０に格納する。このとき、
次の登録処理に備えて、次の文字コードが格納されるア
ドレス位置に“０ｘ００００”を格納する。以上で学習
処理は終了である。
【００２９】尚、上記の通り、共分散行列を特定すると
きに、操作者が該当する類似文字の文字コードを指定す
ることで行っても良いが、上記のように特徴ベクトルの
抽出が完了したことをトリガにして、自動的に類似文字
を探すと、操作者の負担を軽減させることが可能であ
る。
きに、操作者が該当する類似文字の文字コードを指定す
ることで行っても良いが、上記のように特徴ベクトルの
抽出が完了したことをトリガにして、自動的に類似文字
を探すと、操作者の負担を軽減させることが可能であ
る。
【００３０】現実の文字画像はフォントや印刷状況によ
って同じ文字種でもちらばりがあるが、平均ベクトルが
ごく近いものは同じようなちらばりをすると推定される
ので、上記のようにして共分散行列を代用するのはきわ
めて自然な処理である。次回からの認識は、追加された
「嗚」の辞書データに対しても照合を行うことによって
「嗚」が候補として出力可能になる。
って同じ文字種でもちらばりがあるが、平均ベクトルが
ごく近いものは同じようなちらばりをすると推定される
ので、上記のようにして共分散行列を代用するのはきわ
めて自然な処理である。次回からの認識は、追加された
「嗚」の辞書データに対しても照合を行うことによって
「嗚」が候補として出力可能になる。
【００３１】以上説明したように本実施例によれば、認
識辞書に新たな文字に対する情報を登録する場合、登録
しようとしている文字イメージに対する平均ベクトルを
登録すると共に、共分散行例については類似している登
録済みの文字の共分散行列を活用するので、認識辞書の
学習操作を簡単なものとすることが可能になる。
識辞書に新たな文字に対する情報を登録する場合、登録
しようとしている文字イメージに対する平均ベクトルを
登録すると共に、共分散行例については類似している登
録済みの文字の共分散行列を活用するので、認識辞書の
学習操作を簡単なものとすることが可能になる。
【００３２】尚、新たに登録する文字が認識辞書には登
録されていないが、ＪＩＳ等の文字コードにそれが記載
されている場合には、その文字コードを操作者がキーボ
ード等を使用して指定するものとする。また、ＪＩＳコ
ード表に載っていない文字（旧字）や外字などに関して
は、その装置あるいはシステムにおける割り付け可能な
文字コードを操作者が指定する。
録されていないが、ＪＩＳ等の文字コードにそれが記載
されている場合には、その文字コードを操作者がキーボ
ード等を使用して指定するものとする。また、ＪＩＳコ
ード表に載っていない文字（旧字）や外字などに関して
は、その装置あるいはシステムにおける割り付け可能な
文字コードを操作者が指定する。
【００３３】
【他の実施例】第１の実施例では、認識辞書にない文字
種を登録する場合を説明したが、すでに認識辞書に登録
されている文字種でも異なったフォントの文字を学習し
認識辞書に追加することも可能である。たとえば、明朝
体のサンプルデータから生成された認識辞書に対して、
ゴシック体のフォントを学習して追加する場合にも有効
である。
種を登録する場合を説明したが、すでに認識辞書に登録
されている文字種でも異なったフォントの文字を学習し
認識辞書に追加することも可能である。たとえば、明朝
体のサンプルデータから生成された認識辞書に対して、
ゴシック体のフォントを学習して追加する場合にも有効
である。
【００３４】第１の実施例はただひとつの文字で学習を
行っているが、これは同じ文字種のＮ個のサンプルデー
タから学習することも可能である。この場合、Ｎ個のサ
ンプルデータに対する特徴ベクトルの平均ベクトルＸを
追加する文字種の平均ベクトルとし、Ｘにもっとも近い
共分散行列をコピーして辞書に格納する。Ｎ個のサンプ
ルデータから共分散行列を求めることも可能だが、少数
のサンプルから共分散行列を求めても誤差が大きく精度
の高い認識が実現できない。従って、場合によっては、
Ｎが共分散行列として活用できる数（Ｍ）以上になった
場合には、その共分散行列を求めて登録するようにして
もよいであろう。
行っているが、これは同じ文字種のＮ個のサンプルデー
タから学習することも可能である。この場合、Ｎ個のサ
ンプルデータに対する特徴ベクトルの平均ベクトルＸを
追加する文字種の平均ベクトルとし、Ｘにもっとも近い
共分散行列をコピーして辞書に格納する。Ｎ個のサンプ
ルデータから共分散行列を求めることも可能だが、少数
のサンプルから共分散行列を求めても誤差が大きく精度
の高い認識が実現できない。従って、場合によっては、
Ｎが共分散行列として活用できる数（Ｍ）以上になった
場合には、その共分散行列を求めて登録するようにして
もよいであろう。
【００３５】本発明は、活字文字だけでなく手書き文字
にも適用でき、また言語の種類を問わない。
にも適用でき、また言語の種類を問わない。
【００３６】以上説明したように本実施例に従えば、新
たに追加される文字の平均ベクトルとしてはその学習文
字の平均特徴ベクトルを使い、その他の統計量はすでに
認識辞書に格納されているデータの中で、いま学習した
平均ベクトルにもっとも近い平均ベクトルをもつ文字の
統計量を用いる。１文字に対して非常に少ない学習でも
統計量を用いた距離計算が可能になり、容易な学習であ
りながら高精度の学習文字認識が可能になる。
たに追加される文字の平均ベクトルとしてはその学習文
字の平均特徴ベクトルを使い、その他の統計量はすでに
認識辞書に格納されているデータの中で、いま学習した
平均ベクトルにもっとも近い平均ベクトルをもつ文字の
統計量を用いる。１文字に対して非常に少ない学習でも
統計量を用いた距離計算が可能になり、容易な学習であ
りながら高精度の学習文字認識が可能になる。
【００３７】尚、実施例ではスキャナ１０１から文字イ
メージを入力するものとして説明したが、これに限るも
のではない。例えば、別の場所で読み取った文字イメー
ジをフロッピーディスク等の記憶媒体に保存し、それか
ら文字イメージを読み取っても構わない。また、通信を
介して受信した画像（例えばファクシミリ受信）を用い
ても良い。
メージを入力するものとして説明したが、これに限るも
のではない。例えば、別の場所で読み取った文字イメー
ジをフロッピーディスク等の記憶媒体に保存し、それか
ら文字イメージを読み取っても構わない。また、通信を
介して受信した画像（例えばファクシミリ受信）を用い
ても良い。
【００３８】また、本発明は、複数の機器から構成され
るシステムに適用しても、１つの機器から成る装置に適
用しても良い。また、本発明は、システム或は装置にプ
ログラムを供給することによって達成される場合にも適
用できる。
るシステムに適用しても、１つの機器から成る装置に適
用しても良い。また、本発明は、システム或は装置にプ
ログラムを供給することによって達成される場合にも適
用できる。
【００３９】
【発明の効果】以上説明したように本発明によれば、個
々の文字毎の特徴ベクトルと共分散行列を含む文字認識
辞書に新たに文字情報を登録する作業を簡単にし、且
つ、精度良い辞書を構築することが可能になる。
々の文字毎の特徴ベクトルと共分散行列を含む文字認識
辞書に新たに文字情報を登録する作業を簡単にし、且
つ、精度良い辞書を構築することが可能になる。
【図１】実施例における文字認識装置のブロック構成図
である。
である。
【図２】実施例における認識辞書への新たな文字の登録
処理手順を示すフローチャートである。
処理手順を示すフローチャートである。
【図３】実施例における認識辞書の構造を示す図であ
る。
る。
【図４】一般の文字認識処理の手順を示すフローチャー
トである。
トである。
１０１ スキャナ １０２ スキャナインターフェース回路 １０３ ポインティングデバイス １０４ インターフェース回路 １０５ ＣＰＵ １０６ ＲＯＭ １０７ ＲＡＭ １０８ ディスプレイ １０９ ディスプレイインターフェース回路 １１０ ＣＰＵバス １１１ 外部記憶装置
Claims (6)
- 【請求項１】 個々の文字の特徴ベクトルデータ、共分
散行列で構成された認識辞書を用い、与えられた文字イ
メージを認識する文字認識装置であって、 前記認識辞書にない未知文字イメージを入力する入力手
段と、 入力された文字イメージから特徴ベクトルデータを抽出
する第１の抽出手段と、 抽出された特徴ベクトルに類似した特徴ベクトルを持つ
文字の共分散行列を前記辞書から抽出する第２の抽出手
段と、 前記第１、第２の抽出手段で抽出された特徴ベクトルデ
ータ及び共分散行列を、当該未知文字に対するデータと
して前記認識辞書に登録する登録手段とを備えることを
特徴とする文字認識装置。 - 【請求項２】 前記第２の抽出手段は、第１の抽出手段
による特徴ベクトルデータの抽出完了に応答して、実行
されることを特徴とする請求項第１項に記載の文字認識
装置。 - 【請求項３】 前記入力手段は、光学的に原稿画像を読
み取る手段を含むことを特徴とする請求項第１項に記載
の文字認識装置。 - 【請求項４】 個々の文字の特徴ベクトルデータ、共分
散行列で構成された認識辞書を用い、与えられた文字イ
メージを認識する文字認識方法であって、 前記認識辞書にない未知文字イメージを入力する工程
と、 入力された文字イメージから特徴ベクトルデータを抽出
する第１の抽出工程と、 抽出された特徴ベクトルに類似した特徴ベクトルを持つ
文字の共分散行列を前記辞書から抽出する第２の抽出工
程と、 前記第１、第２の抽出工程で抽出された特徴ベクトルデ
ータ及び共分散行列を、当該未知文字に対するデータと
して前記認識辞書に登録する登録工程とを備えることを
特徴とする文字認識方法。 - 【請求項５】 前記第２の抽出工程は、第１の抽出工程
による特徴ベクトルデータの抽出完了に応答して、実行
されることを特徴とする請求項第４項に記載の文字認識
方法。 - 【請求項６】 前記入力工程は、光学的に原稿画像を読
み取る手段を介して入力することを特徴とする請求項第
４項に記載の文字認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6146054A JP3056950B2 (ja) | 1994-06-28 | 1994-06-28 | 文字認識装置及び方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6146054A JP3056950B2 (ja) | 1994-06-28 | 1994-06-28 | 文字認識装置及び方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0816725A true JPH0816725A (ja) | 1996-01-19 |
| JP3056950B2 JP3056950B2 (ja) | 2000-06-26 |
Family
ID=15399053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6146054A Expired - Fee Related JP3056950B2 (ja) | 1994-06-28 | 1994-06-28 | 文字認識装置及び方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3056950B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005149074A (ja) * | 2003-11-14 | 2005-06-09 | Matsushita Electric Ind Co Ltd | 画像認識装置 |
| US8254689B2 (en) | 2007-07-25 | 2012-08-28 | Fujitsu Limited | Character recognition processing method and apparatus |
-
1994
- 1994-06-28 JP JP6146054A patent/JP3056950B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005149074A (ja) * | 2003-11-14 | 2005-06-09 | Matsushita Electric Ind Co Ltd | 画像認識装置 |
| US8254689B2 (en) | 2007-07-25 | 2012-08-28 | Fujitsu Limited | Character recognition processing method and apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3056950B2 (ja) | 2000-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6366695B1 (en) | Method and apparatus for producing a hybrid data structure for displaying a raster image | |
| EP0700197B1 (en) | Method and apparatus for producing a hybrid data structure for displaying a raster image | |
| JP4607633B2 (ja) | 文字方向識別装置、画像形成装置、プログラム、記憶媒体および文字方向識別方法 | |
| US5428694A (en) | Data processing system and method for forms definition, recognition and verification of scanned images of document forms | |
| US5956419A (en) | Unsupervised training of character templates using unsegmented samples | |
| US4516262A (en) | Character data processing apparatus | |
| KR100411697B1 (ko) | 문자판독방법및주소판독방법 | |
| EP0740263A2 (en) | Method of training character templates for use in a recognition system | |
| JP3602596B2 (ja) | ドキュメントファイリング装置および方法 | |
| CN101855640A (zh) | 尤其是用于移动无线设备的图像分析方法 | |
| EP0687991A2 (en) | Information processing method and apparatus | |
| US6535652B2 (en) | Image retrieval apparatus and method, and computer-readable memory therefor | |
| JP3056950B2 (ja) | 文字認識装置及び方法 | |
| EP1010128B1 (en) | Method for performing character recognition on a pixel matrix | |
| JP2020047031A (ja) | 文書検索装置、文書検索システム及びプログラム | |
| EP0923045A2 (en) | Image recognition through localized interpretation | |
| JPH11353317A (ja) | 図面ファイリング装置、図面識別コード判別装置、図面ファイリングシステム、図面ファイリング方法及び図面識別コード判別方法 | |
| JP2000076378A (ja) | 文字認識方法 | |
| JP4204185B2 (ja) | 文字認識装置、文字認識方法、および記録媒体 | |
| CN115131806B (zh) | 一种基于深度学习的各类证件ocr图像信息识别方法、系统 | |
| JP2993533B2 (ja) | 情報処理装置及び文字認識装置 | |
| JPH0816728A (ja) | 文字認識装置及び方法 | |
| JPH11120291A (ja) | パタン認識システム | |
| JP2002251613A (ja) | 図形認識方法及び装置 | |
| TAKAHASHI et al. | A hybrid recognition algorithm with learning capability and its application to an OCR system |
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: 20000317 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090414 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090414 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100414 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110414 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130414 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130414 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140414 Year of fee payment: 14 |
|
| LAPS | Cancellation because of no payment of annual fees |