JPS63208181A - パターン認識方法及び情報処理装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は文字認識装置、特に活字又は手書きの文字・記
号等を読み取り認識を行う文字認識装置に関するもので
ある。

［従来の技術］ 従来、文字認識装置では、一般に文字を光学的に読み取
り２値化された文字画像から複数個の特微量を抽出し、
予め学習データから抽出された特微量を格納しである辞
書内の標準パターンとの類似度や距離を求めて認識を行
っていた。

ところが、これらの方法において殆どの場合、特徴抽出
で文字画像を殆どすべての画素について何回も走査する
処理が必要であったり、類似度計算や距離計算のために
多数の積和演算が必要であったりしたので、処理時間短
縮のための特徴抽出回路や類似度・距離計算回路等の専
用のハードウェア回路が要求され、コスト高な装置とな
っていた。

［発明が解決しようとする問題点コ 本発明は、前述の欠点を解決し、特徴抽出や距離計算用
の専用のハードウェア回路を必要とせず、汎用のマイク
ロプロセッサのみで実現可能なコスト安な文字認識装置
を提供する。また、認識アルゴリズムの改良やメンテナ
ンスがし易く、認識率の向上した文字認識装置を提供す
る。

更に、文字の変形に対処できる文字認識装置を提供する
。

［問題点を解決するための手段］ この問題点を解決するための一手段として、本発明の文
字認識装置は、光学的に読み取られたパターンの特徴を
抽出し、予め記憶された文字の特徴と比較して文字を認
識する文字認識装置であって、前記パターンの所定方向
の連続性を抽出する連続性抽出手段と、該連続性抽出手
段により抽出された連続性に基づいて、前記パターンを
部分パターンに分割するパターン分割手段と、前記パタ
ーンを保存して、前記部分パターンの特徴と接続とを記
憶する特徴・接続記憶手段と、前記部分パターンの特徴
と接続とに基づいて、文字の認識をする文字認識手段と
を備える。

又、光学的に読み取られたパターンの特徴を抽出し、予
め記憶された文字の特徴と比較して文字を認識する文字
認識装置であって、前記パターンの所定方向の連続性を
抽出する連続性抽出手段と、該連続性抽出手段により抽
出された連続性に基づいて、前記パターンを部分パター
ンに分割するパターン分割手段と、前記部分パターンの
太きさに基づいて、前記パターン分割手段の分割を補正
する分割補正手段と、前記パターンを保存して、前記部
分パターンの特徴と接続とを記憶する特徴・接続記憶手
段と、前記部分パターンの特徴と接続とに基づいて、文
字の認識をする文字認識手段とを備える。

［作用コ かかる構成において、連続性抽出手段により抽出された
光学的に読み取られたパターンの連続性ニ基ツいて、パ
ターン分割手段により前記パターンを部分パターンに分
割し、特徴・接続記憶手段に記憶されたそれぞれの部分
パターンの特徴と接続とをパターンの特徴として、文字
認識手段で予め記憶された文字の特徴と比較して文字を
認識する。

又、連続性抽出手段により抽出された光学的に読み取ら
れたパターンの連続性に基づいて、パターン分割手段に
より前記パターンを部分パターンに分割し、特徴・接続
記憶手段に記憶されたそれぞれの部分パターンの特徴と
接続とをパターンの特徴として、文字認識手段で予め記
憶された文字の特徴と比較して文字を認識するが、分割
補正手段を更に備え、認識の前に前記部分パターンの大
きさに基づいて、前記パターン分割手段の分割を補正す
る。

［実施例］ 以下、図面を参照しながら本発明の詳細な説明する。尚
、本実施例の“文字”との文言は記号等の他のパターン
をも含むものである。

第１図は本実施例の文字認識装置のハードウェア構成図
である。１０は処理手順を実行するＣＰＵ、１１は辞書
を格納するためのＲＯＭ。

１２は処理手順を記憶するＲＯＭ、１３は処理手順の作
業用、及び原稿１頁分のイメージデータを記憶するバッ
ファ用のＲＡＭ、１４はスキャナ用インタフェース、１
５は原稿を光学的に読取り電気信号に変換し白黒２値の
イメージデータにするスキャナ、１６は認識結果を外部
へ出力するためのインタフェースである。

第２図は本実施例の処理を示す概略の論理ブロック図で
ある。２０は文字の書かれた原稿、２１は光情報を電気
情報に変換する光電変換部、２２は多値情報を２値化す
る２値化処理部、２３は文字枠を切り出す文字切出し部
、２４は黒画素の連続した列（ランと呼ぶ）を各行毎に
抽出するラン抽出部、２５はランの連続性から文字の構
造を分析するノードデータ構造作成部、２６はノードデ
ータ構造をコード化するコード化部、２７はコード化部
２６で作成されたコードと辞書部２８に予め記憶された
コードとを比較して該当文字を識別する識別部、２８は
コードと文字を対応して記憶する辞書部である。

次に、ＲＯＭ１２に格納された第１０図（ａ）、第１１
図（ａ）の処理フローチャートに沿って処理の手順を説
明する。スキャナ１５によって原稿を読み取ると、光電
変換・２値処理がスキャナ１５内部でなされ、白黒２値
のイメージデータがＲＡＭ１３内部のバッファに転送さ
れる。ここまでのフローは図示されていない。

第１０図（ａ）のステップ５１００では、公知の技術に
より１文字の文字画像が切り出されＲＡＭ１３内部に記
憶されて文字が形成される。

第３図は形成された°゛ア“の文字画像の例を示す。こ
こで、ＲＡＭ１３内の各アドレスには白黒２値のデータ
が格納されており、第３図はこれを模式的に示したもの
である。尚、第３図で横方向をｘ＠、縦方向をｙ軸とし
て以下説明する。ステップ５１０１では、文字画像を左
から右ヘラスタスキャンして白から黒及び黒から白への
変化点を検出し、ランを各行毎に抽出する。第３図のＲ
１〜Ｒ２０は各ランに付したラン番号である。

さらに、ランの抽出と同時に、前行のランと現在行のラ
ンの各々のＸ軸への斜影が重なる場合は、これらのラン
は上下方向に接続すると定義し、すべてのランの接続の
状況を調べる。ここで、一つのランを第４図に示すデー
タ構造（ランデータと呼ぶ）で表現することにする。第
４図中、Ｐｌ。

Ｐ２．Ｐ３は、上の行の接続するランデータへのポイン
タであり、Ｐｉ、Ｐ２．Ｐ３の順に左から右へのランに
対応し、ポインタ値がＯの場合はそれ以降の接続するラ
ンデータは存在しない。

Ｒ４，Ｒ５，Ｒ６は同様にして下の行の接続するランデ
ータへのポインタである。この時点で作業用フラグ１は
、ＯＦＦとなっている。

このようにして文字画像の１回のラスク走査が終わると
、第５図に示すような互いの接続関係を示したランデー
タの集まりからなる文字パターン全体のデータ構造（文
字パターンデータと呼ぶ）が得られる。文字パターンデ
ータは、元の文字画像を忠実に再現可能なデータとなっ
ている。

第５図中、５０は前行に接続するランへのポインタを持
たないランデータ（この例ではＲ１とＲ７、ヘッドラン
と呼ぶ）へのポインタの配列である。

ステップ５１０２とステップ５１０３では配列５０の各
ヘッドランへのポインタについてノード生成の処理をす
るループステップであり、ステップ５１０３ではへラド
ランのランデータを引数として再帰的関数ノード生成の
サブルーチンを呼び出す。

ここで、第１１図（ａ）に従って再帰的関数ノード生成
の処理を説明する。

まず、ステップ５２００で引数として渡されたランデー
タの作業用フラグ１がＯＮかどうかを調べ、ＯＮであれ
ば当量数は関数値を“０”としてリターンする。作業用
フラグ１がＯＦＦであればステップ５２１０へ進み、第
６図で示されるノードデータの領域を確保し、ノードデ
ータの作業用フラグ２を゛０°゛クリアする。ステップ
５２２０ではランデータのラン長（終点座標−始点座標
＋１）が予め決められたラン長判定用しきい値（例えば
４）と比較し、ラン長判定用しきい値以上であれば、ノ
ードデータのノード種に１”　（長いことを示す）をセ
ットし、ラン長判定用しきい値未満であれば０″°　（
短いことを示す）をセットする。

ステップ５２３０では、ステップ５２４０→５２５０ａ
→５２６０ａ→５２８０のループカウンタのランポイン
タにランデータのアドレスをセットし、変数Ａにランデ
ータのラン長を代入する。

次に、ステップ５２４０ではランポインタの指すランデ
ータの作業用フラグ１をＯＮにする。ステップ５２５０
ａでは、ラン長変化量Ｖを次式によって計算する。

ランポインタの指すランデータのラン長を１′として ｉｆ　　（４２＞１’）　　ｔｈｅｎ ｖ＝　（ｊ２＊　　ｔｏｏ）　／文′ １ｓｅ Ｖ＝　　（ｊ２　　′＊　　１００）　　／Ｉｔステッ
プ５２６０ａでは、■が予め定められたラン長変化率し
きい値（例えば１１ｏ）を超えるかどうかを調べ、超え
なければラン長が一致しているものとみなし、ステップ
５２８０を進み、ランポインタに次のランデータのアド
レス、即ちランポインタの指すランデータのＲ４の値を
セットしてステップ５２４０へ戻りループする。ステッ
プ５２６０でＶがラン長変化率しきい値を超えれば、ラ
ンデータの連続性が途切れたものとみなしてステップ５
２７０へ進み、ノードデータの最後のランデータアドレ
スにランポインタの値をセットしノードデータの作業用
フラグ２を°゛０゛′にクリアしてノードデータを完成
する。

次にステップ５２９０ではランポインタの指すランデー
タに子のランデータであるかどうか（即ち、ランポイン
タの指すランデータのＰ４〜Ｐ６が０”でないかどうか
）を調べ、子のランデータがなければノードデータのア
ドレスを関数値にしてリターンする。子のランデータが
あれば、子のランデータを引数としてステップ５３００
でノード生成の関数を再帰的に呼び出す。ステップ５３
１０ではステップ５３００で読んだ関数の関数値の指す
ノードデータを子とし、ノードデータを親として互いに
ポインタで結び合わせる。次にステップ５２９０へ戻り
、次の子ランデータがあるかどうかを調べ、なければノ
ードデータのアドレスを関数値としてリターンする。

このようにして第５図の文字パターンデータは、第６図
（ａ）で示されるノードデータのつながりである第７図
のようなノードデータ構造に変換される。第６図（ａ）
でＱｌ、Ｑ２．Ｑ３は親のノードへのポインタ、Ｑ４．
Ｑ５．Ｑ６は子のノードへのポインタである。第７図の
四角のブロックはノードデータであり、Ｎ１〜Ｎ５はノ
ードの名称で第５図のＮ１〜Ｎ５に対応する。四角いブ
ロックの下半分に記載されたり、Ｓはノード種である。

Ｌは長い、Ｓは短いを表す。

第１０図（ａ）に戻って、ステップ５１０２で未処理の
へラドランがなくなれば、ステップ５１０４に進み、ノ
ードデータ構造の各ノートデータに番号付けを行う。番
号付けは、ヘッドランのポインタ配列５０の左から右の
順にヘットランを走査し、ヘッドランからＱ４の子ノー
ドを下へ辿って辿り着いたところから逆に姉妹ノード、
親ノードの順に逆のぼって行う。第８図は、第７図のノ
ードデータ構造を番号付けしたものである。次にステッ
プ５１０５では、ノードデータ構造をノード番号の順に
各ノードを３２ビツトのコードに変換してノードデータ
構造のコード化を行う。ノードのコード化は第９図で示
されるように、ノード番号、ノード種、Ｑ１〜Ｑ６のノ
ード番号を各々４ビツトで表して行う。

最後にステップ５１０６では、ステップ５１０５で求ま
ったノードデータ構造のコードと、辞書部２８内の標準
パターンのコードとを比較し、一致した標準パターンの
文字類を認識結果とする。

前記実施例ではラン長の変化を前のランとのラン長との
比が予め定められたしきい値をこえているかどうかで検
出しているが、他の実施例として次のものがある。

ｎ個前のランをＲ１，Ｒｎのラン長を２゜とする。関数
ｆ（Ｍｌ、見２．・・・旦、）は、１個の前のランＲ，
〜Ｒ８のラン長からＲ１の次のラン（ＲＯとする）のラ
ン長旦。を予測する関数でランＲＯのラン長旦。とｆ（
旦１．交２．・・・旦ｒ）の差が一定値ｄよりも大きい
かどうかでラン長の変化を検出する。関数ｆの例として
は、例えば次のようなものが考えられる。

ｉｆ　　　Ｃ１ｔ　＞１＋　）　　ｔｈｅｎｆ（旦１１
文２）一旦、−（旦、一旦、）１ｓｅ ｆ（交８．旦、）＝旦、＋（旦、一旦、）本実施例はラ
ン長の長短の判定を固定しきい値よりも長いか短いかの
絶対的なものとせずに、前のランのラン長に対して相対
的に長いか短いかとしたので、水平ストロークの傾斜か
ら生ずる長いランの下の短いランを上の長いランと同じ
ノードに属させることにより、水平ストロークの傾斜変
形に対する対策とストローク付近のノイズ吸収が図られ
ることから認識率の向上が大であり、且つ全ての文字画
像の画素毎の追跡処理を行わずに、ランデータのみの処
理にて認識を可能ならしめる。従って、特別の専用ハー
ドウェア回路を必要とせずに、文字認識装置を実現でき
る。

次にノードデータに、その属性値を持たせた場合の例を
示す。第６図（ｂ）は属性値を持ったノードデータ、第
１１図（ｂ）は属性値を持たせるノード生成サブルーチ
ンのフローチャートである。尚、第１１図（ｂ）のフロ
ーで第１１図（ａ）と同様である部分は図示していない
。

ステップ５２５０ｂでは、ノードデータの属性値にラン
ポインタが指すランデータの黒画素数（即ち、ラン長＝
終点座標−始点座標＋１）の足し込みを行う。

ステップ３２６０ａでは、ランポインタの指すランデー
タのラン長をラン長判定用しきい値と比較し、長いか短
いかを求めてノードデータのノード種と一致するかどう
かを判定する。一致すれば、ランポインタに次のランデ
ータのアドレス（即ち、ランポインタの指すランデータ
のＰ４の値）をセットしステップ５２４０へ戻り、一致
しなければ、ランの縦方向の連続性が途切れたものとみ
なし、ステップ３２７０へ進む。ステップ５２７０では
ノードデータの最後、ランデータアドレスにランポイン
タの値をセットする。

第６図（ｂ）でＱｌ、Ｑ２．Ｑ３は親のノードへのポイ
ンタ、Ｑ４．Ｑ５．Ｑ６は子のノードへのポインタであ
り、属性値にはノードに含まれる黒画素数が人っている
。

この場合は、第１０図（ａ）の最後のステップ５１０６
の識別は、ステップ５１０５で求まったノードデータ構
造のコードと、辞書部２８内の標準パターンのコードと
を比較し、一致した標準パターンの文字類を認識候補と
する。辞書部２８にはノードデータ構造のコードと各ノ
ードの属性値（ノードに含まれる黒画素の平均個数）及
び文字コードとが一組になって文字類の種類数だけ格納
されている。

更に、認識候補となった文字類（ｉ＝１．２゜・・・、
ｎ）について観測文字パターンの距離り、を次式で求め
る。

ＤＩ＝Σｌｘｋ　ａｉ＋’１ ｋｇ＋ ココで、Ｘｋ　（ｋ＝１．・・・ｍ）は観測文字パター
ンのノードデータ構造のに番目ノードの属性値、ａ　、
　ｌは第１番目の候補のに番目ノードの属性値である。

（Ｄ＋　　ｌ　ｉ　＝　１、−−−ｎ）で最小の距１Ｉ
ｉＩｔＤＩをもつ文字類を認識結果とする。かくして、
ノードデータ構造のコードにより候補を絞り、次にノー
ドデータ構造のノードに含まれる黒画素数を比較するこ
とにより識別を行った。

前記実施例では、ノードに含まれる黒画素数をノードの
属性値としたが、他にも以下のような量を属性値とした
同様の実施例が考えられる。

（１）ストロークの方向を属性値とする。

各ノードは縦方向に接続したランの集まりであるので、
ノード種が短い（ラン長が短い）場合に、各ランの中点
の集まりに最も近似的な直線を求めて、この直線の傾き
を属性値とする。ランの集まりは、ストロークを構成す
るので直線の傾きはストロークの方向になっている。

（２）接点の位置を属性値とする。

親のノード種が長いので子のノード種が短いランの場合
において、両ノードを線分で近似して親ノードの線分を
左、中央、右の三つの部分に分割し、子ノードの線分上
部が親ノードの線分のどの三つの部分に接しているかを
求め、この接点の位置を属性値とする。

本実施例では、文字画像を一回だけラスク走査すること
によりノードデータ構造とノードの属性値を求めること
ができ、文字画像を画素毎に追跡して特徴を抽出する他
の方法に比べ簡単に処理が行え、コードのマツチングと
ノードの属性値の比較という簡単な方法で識別が行える
ことができるので、特別のハードウェア回路を必要とせ
ず、且つ汎用のマイクロプロセッサの標準的な構成で文
字認識装置が実現できるため、低価格の文字認識装置を
提供できる。

更に、第１１図（Ｃ）のようにステップ５２４０からス
テップ５２６０に飛んで、ラン長の比較を隼にり、Ｓの
比較で行うと処理は簡・車となる。又、ラン長の変化点
を見出してランの連続性の途切れとして各ランの集まり
をノード化したが、他の実施例として、文字パターンの
ストロークの合流点・分岐点や屈折点等をランの接続状
態より見出すことができるので、これらの点をランの連
続性の途切れとしてノード化することが考えられる。

前記実施例で示されたように、文字画像を一回うスク走
査することにより、ランデータの集合からなる文字パタ
ーンデータがつくられ、以後は文字パターンデータをｆ
ｉ理するだけで特徴抽出が行える。文字画像をＮｘＮ　
（画素）とすると、他の一般の文字認識方法では、Ｎ２
の画素数に比例した処理量が必要なのに比べ、本発明で
はランのみを処理するので処理量が格段に少なくなる。

又、認識は距離計算を行う必要がなく、単純なコードの
マツチングだけでよい。従って、特別な専用ハードウェ
ア回路が必要なく、汎用のマイクロプロセッサの標準的
な構成で文字認識装置が実現できるため、低価格の文字
認識装置を提供できる。

第１０図（ｂ）はノードデータ構造の補正を行うステッ
プ５１１０がステップ５１０４のノード番号付けの前に
挿入されたフローチャートである。

ステップ５１０２で未処理のへラドランがなくなればス
テップ５ｉｌｏへ進み、ノードデータ構造補正サブルー
チンを呼び出す。

次に第１２図に従って、ノードデータ構造補正の処理を
説明する。第７図で上への連結するノードをもたないヘ
ッドノードはＮ１とＮ３である。

ステップ５４００とステップ５４１０は全てのへラドノ
ードについて処理をするループステップである。ステッ
プ５４００で未処理のへラドノードがあれば、ステップ
３４″１０へ進み、ヘッドノードから下へ順にノードを
たどり、各ノードについてノードに含まれるすべてのラ
ンの黒画素数の和を計算する。これは、ノードデータが
第６図（ａ）、（’ｂ）に示す如く先頭ランデータアド
レスと最後ランデータアドレスを含むので、ノードに含
まれるランデータをたどることによって計算可能である
。

黒画素数の和がある一定値よりも小さければ、このノー
ドはノイズやハネによって生じたもので本来は生ずべき
ではないから、ノードデータを第１３図に一例を示すよ
うにノードデータ構造から削除する。そして、このノー
ドデータと連結するノードデータのポインタＱ１〜Ｑ６
を訂正する。但し、黒画素数の和が一定値よりも小さく
ても、注目のノードデータが上又は下に２個以上のノー
ドデータと連結する場合（即ち、合流点又は分岐点とな
っているノードデータ）は、ノードデータ構造から削、
除しない。

ステップ５４００で未処理のへラドノードが無ければ、
ステップ５４２０へ進む。ステップ３４２０、ステップ
５４３０も全てのへラドノードについて処理をするルー
プステップである。ステップ５４２０で未処理のへラド
ノードがあれは、ステップ５４３０へ進み、ヘッドノー
ドから下へすべてのノードをたどって第１３図に一例を
示すようにノードの削除によって発生した、本来一つに
なるべき分離したノードデータ同士を統合して一つのノ
ードデータにする処理を行う。ステップ５４２０で未処
理のへラドノードがなければサブルーチンは終了しリタ
ーンする。

前記実施例ではノードに含まれるランの黒画素数の和が
一定値以下の場合にノードの削除を行ったが、他の実施
例としてノードに含まれるランの個数が一定個数以下の
場合にノードの削除を行う方法もある。

本実施例によれば、文字の変形に対処できる文字認識装
置を特徴抽出や距離計算用の専用のハードウェア回路を
必要とすることなく、汎用のマイクロプロセッサのみで
実現可能にしている。

尚、本実施例では文字の認識を黒点を対象に行ったが、
白黒は相対的なものであって白点による認識であっても
良いし、また所定の色等を考えても良い。又、本実施例
は文字の認識を縦・横の連続性に基づいて行ない、特に
縦の連続性の抽出結果がより有効で簡単になるように工
夫されたものである。しかし、縦・横も相対的なもので
あり、本実施例の方向は何ら限定されたものでなく、斜
め方向、同心円方向、放射方向等であっても良い。

［発明の効果コ 本発明により、特徴抽出や距離計算用の専用のハードウ
ェア回路を必要とせず、汎用のマイクロプロセッサのみ
で実現可能なコスト安な文字認識装置を提供できる。ま
た、認識アルゴリズムの改良やメンテナンスがし易く、
認識率の向上した文字認識装置を提供できる。

更に、文字の変形に対処できる文字認識装置を提供でき
る。

【図面の簡単な説明】

第１図は実施例の文字認識装置のハードウェア構成図、 第２図は実施例の文字認識装置の論理的なブロック構成
図、 第３図は文字画像を示す図、 第４図はランデータを示す図、 第５図は文字パターンデータを示す図、第６図（ａ）、
（ｂ）はノードデータを示す図、 第７図はノードデータ構造を示す図、 第８図は番号付けされたノードデータ構造を示す図、 第９図はコード化されたノードを示す図、第１０図（ａ
）、（ｂ）は文字認識のフローチヤード、 第１１図（ａ）、（ｂ）、（ｃ）はノード生成サブルー
チンのフローチャート、 第１２図はノードデータ構造補正サブルーチンのフロー
チャート、 第１３図はノードの削除と統合を示す図である。 図中、１０・ＣＰＵ、１１−・・辞書用ＲＯＭ、１２・
・・処理手順用ＲＯＭ、１３・・・ＲＡＭ、１４・・・
スキャナ用インタフェース、１５・・・スキャナ、１６
・・・出力用インタフェース、２０・・・原稿、２１・
・・光電変換部、２２・・・２値化処理部、２３・・・
文字切出し部、２４・・・ラン抽出部、２５・・・ノー
ドデータ構造作成部、２６・・・コード化部、２７・・
・識別部、２８・・・辞書部である。 第１図 □Ｘ 第３図 第４図 第６図　（０） 第６図　（ｂ） 第１０図　（０） 第７図 り 第９図 第１０図　（ｂ） 第１１図　　（ｂ） 第１１図　（Ｃ） 第１２図

Claims (15)

【特許請求の範囲】
1. （１）光学的に読み取られたパターンの特徴を抽出し、
   予め記憶された文字の特徴と比較して文字を認識する文
   字認識装置において、 前記パターンの所定方向の連続性を抽出する連続性抽出
   手段と、 該連続性抽出手段により抽出された連続性に基づいて、
   前記パターンを部分パターンに分割するパターン分割手
   段と、 前記パターンを保存して、前記部分パターンの特徴と接
   続とを記憶する特徴・接続記憶手段と、前記部分パター
   ンの特徴と接続とに基づいて、文字の認識をする文字認
   識手段とを備えることを特徴とする文字認識装置。
2. （２）連続性抽出手段は、横方向の連続性を抽出する横
   方向抽出手段と、該横方向抽出手段が抽出した横方向の
   連続性に基づいて縦方向の連続性を抽出する縦方向抽出
   手段とを備えることを特徴とする特許請求の範囲第１項
   記載の文字認識装置。
3. （３）横方向抽出手段は、一行内で横方向の連続性も持
   つ列をランとして抽出することを特徴とする特許請求の
   範囲第２項記載の文字認識装置。
4. （４）縦方向抽出手段は、ランの長さの所定値よりの長
   短に基づいて連続性を判定することを特徴とする特許請
   求の範囲第３項記載の文字認識装置。
5. （５）縦方向抽出手段は、ランの長さの変化率に基づい
   て連続性を判定することを特徴とする特許請求の範囲第
   ３項記載の文字認識装置。
6. （６）特徴・接続記憶手段は、部分パターンの特徴とし
   てランの長さを記憶することを特徴とする特許請求の範
   囲第１項または第３項記載の文字認識装置。
7. （７）特徴・接続記憶手段は、部分パターンの特徴とし
   て部分パターン内の黒点の総和を記憶することを特徴と
   する特許請求の範囲第１項記載の文字認識装置。
8. （８）光学的に読み取られたパターンの特徴を抽出し、
   予め記憶された文字の特徴と比較して文字を認識する文
   字認識装置において、 前記パターンの所定方向の連続性を抽出する連続性抽出
   手段と、 該連続性抽出手段により抽出された連続性に基づいて、
   前記パターンを部分パターンに分割するパターン分割手
   段と、 前記部分パターンの大きさに基づいて、前記パターン分
   割手段の分割を補正する分割補正手段と、 前記パターンを保存して、前記部分パターンの特徴と接
   続とを記憶する特徴・接続記憶手段と、前記部分パター
   ンの特徴と接続とに基づいて、文字の認識をする文字認
   識手段とを備えることを特徴とする文字認識装置。
9. （９）連続性抽出手段は、横方向の連続性を抽出する横
   方向抽出手段と、該横方向抽出手段が抽出した横方向の
   連続性に基づいて縦方向の連続性を抽出する縦方向抽出
   手段とを備えることを特徴とする特許請求の範囲第８項
   記載の文字認識装置。
10. （１０）横方向抽出手段は、一行内で横方向の連続性も
    持つ列をランとして抽出することを特徴とする特許請求
    の範囲第９項記載の文字認識装置。
11. （１１）縦方向抽出手段は、ランの長さの所定値よりの
    長短に基づいて連続性を判定することを特徴とする特許
    請求の範囲第１０項記載の文字認識装置。
12. （１２）縦方向抽出手段は、ランの長さの変化率に基づ
    いて連続性を判定することを特徴とする特許請求の範囲
    第１０項記載の文字認識装置。
13. （１３）特徴・接続記憶手段は、部分パターンの特徴と
    してランの長さを記憶することを特徴とする特許請求の
    範囲第８項または第１０項記載の文字認識装置。
14. （１４）特徴・接続記憶手段は、部分パターンの特徴と
    して部分パターン内の黒点の総和を記憶することを特徴
    とする特許請求の範囲第８項記載の文字認識装置。
15. （１５）分割補正手段は、パターン分割手段の分割によ
    る部分パターンの黒点の総和が所定値より少ない場合に
    、この部分パターンを削除する部分パターン削除手段と
    、該部分パターンが削除されたパターンを部分パターン
    で再構成する部分パターン再構成手段とを備えることを
    特徴とする特許請求の範囲第８項記載の文字認識装置。