JP3301467B2

JP3301467B2 - 画像パターン同定・認識方法

Info

Publication number: JP3301467B2
Application number: JP29179494A
Authority: JP
Inventors: 紀博萩田
Original assignee: Nippon Telegraph and Telephone Corp; NTT Inc USA
Current assignee: NTT Inc; NTT Inc USA
Priority date: 1993-12-02
Filing date: 1994-11-25
Publication date: 2002-07-15
Anticipated expiration: 2017-07-15
Also published as: JPH07282199A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は入力パターンが白または
黒で表わされる２値パターンの画像パターン同定・認識
方法に関する。２値パターンの代表例である印刷漢字、
手書き漢字、英数字、記号、数式、図形など多くの文字
・図形カテゴリを対象とする場合には、かすれ、つぶれ
などの雑音が加わった画像、縞模様などからなるデザイ
ン処理を施した文字画像、さらには白抜き文字などを認
識する文字認識方法に適用できる。また災害、医療など
で用いる多項目の診断結果をもとに、システムで起きる
複数の障害や病気のカテゴリを認識する方法にも適用で
きる。

【０００２】

【従来の技術】従来、漢字ＯＣＲ（Ｏptical Ｃharacte
r Ｒeader）などの文字認識処理装置や図面認識装置で
は、文字や図形パターンから認識のための特徴をベクト
ルの形で抽出し、予め作成してある標準辞書内の各カテ
ゴリの標準パターンベクトルとの間で類似度または相違
度などの識別関数を求めて、もっとも類似した文字また
は図形カテゴリを認識結果とする方法が知られている。
従来の文字認識などの特徴ベクトルの要素には、文字線
の方向や接続関係、位置関係などの文字線構造を反映し
た特徴量が広く用いられているが、特異なテキスチャで
構成されているデザイン文字や、かすれ、つぶれ、文字
背景雑音などが激しい画像に対して、これらの特徴量が
大きく変動してしまい、十分な認識精度を得ることがほ
とんど不可能であった。

【０００３】また、従来の文字認識で入力の白黒パター
ンを特徴ベクトルの要素とし、予め作成してある標準辞
書内の各カテゴリの標準パターンベクトル（特徴ベクト
ルと同様に２値パターンで表現）との間で共に黒画素と
なる数をもとにした識別関数として、単純類似度が知ら
れている。しかし、この方法では、特異なテキスチャで
構成されているデザイン文字や文字背景雑音などが激し
い画像に対して、標準パターンベクトルの黒画素数が多
いカテゴリに誤認識してしまう問題があった。

【０００４】

【発明が解決しようとする課題】上記のように、従来の
ＯＣＲをはじめとする認識技術は、デザイン文字、かす
れ、つぶれ、文字背景雑音、白ぬき文字混在などによっ
て誤認識となる文字などを正しく認識できる手法が十分
に確立していないという問題点があった。本発明の目的
は、デザイン文字やかすれ、つぶれなどの激しい文字変
形、白ぬき文字が混在した文字列などに対処できる認識
機能をもつ画像パターンの同定・認識方法を提供するこ
とにある。

【０００５】

【課題を解決するための手段】上記目的を達成するため
に請求項１に記載の発明は、入力された２値画像パター
ンに対して、予め作成済みの認識カテゴリ毎の各２値マ
スクパターンと照合して該２値画像パターンが属する認
識カテゴリを決定する画像パターン同定・認識方法であ
って、前記入力２値画像パターンの黒部を計数する第１
ステップと、前記入カ２値画像パターンの黒部が、前記
認識カテゴリ毎の２値マスクパターンの黒部に含まれる
個数を計数する第２ステップと、前記第２のステップで
計数した数（以下Ｃｉという（ｉはカテゴリ数））と前
記認識カテゴリ毎の黒部の数（以下Ｂｉという（ｉはカ
テゴリ数））を比較する第３のステップと、前記前記第
１のステップで計数した数（以下Ａという）とＣｉを比
較する第４のステップを有し、前記第３のステップでＣ
ｉ≦Ｂｉかつ前記第４のステップでＡ＝Ｃｉとなる認識
カテゴリｉがただ一つしか存在しない場合に、前記入力
２値画像パターンは前記認識カテゴリｉに属するとする
同定手順を有することを特徴とする。

【０００６】また、請求項２に記載の発明は、請求項１
記載の画像パターン同定・認識方法において、前記第３
のステップでＣｉ≦Ｂｉかつ前記第４のステップでＡ＝
Ｃｉとなる認識カテゴリｉが複数存在する場合に、前記
入力２値画像パターンを棄却する棄却手順を有すること
を特徴とする。

【０００７】また、請求項３に記載の発明は、入力され
た２値画像パターンに対して、予め作成済みの認識カテ
ゴリ毎の各２値マスクパターンと照合して該２値画像パ
ターンが属する認識カテゴリを決定する画像パターン同
定・認識方法であって、前記入力２値画像パターンの白
部を計数する第１ステップと、前記入カ２値画像パター
ンの白部が、前記認識カテゴリ毎の２値マスクパターン
の白部に含まれる個数を計数する第２ステップと、前記
第２のステップで計数した数（以下Ｃｉという（ｉはカ
テゴリ数））と前記認識カテゴリ毎の白部の数（以下Ｂ
ｉという（ｉはカテゴリ数））を比較する第３のステッ
プと、前記前記第１のステップで計数した数（以下Ａと
いう）とＣｉを比較する第４のステップを有し、前記第
３のステップでＣｉ≦Ｂｉかつ前記第４のステップでＡ
＝Ｃｉとなる認識カテゴリｉがただ一つしか存在しない
場合に、前記入力２値画像パターンは前記認識カテゴリ
ｉに属するとする同定手順を有することを特徴とする。

【０００８】また、請求項４に記載の発明は、請求項３
記載の画像パターン同定・認識方法において、前記第３
のステップでＣｉ≦Ｂｉかつ前記第４のステップでＡ＝
Ｃｉとなる認識カテゴリｉが複数存在する場合に、前記
入力２値画像パターンを棄却する棄却手順を有すること
を特徴とする。

【０００９】

【００１０】

【作用】上記構成によれば、入力された２値画像パター
ンと、予め作成済みの認識カテゴリ毎の各２値マスクパ
ターンを照合して、該２値画像パターンが属する認識カ
テゴリを効率よく同定、認識または棄却することができ
る。

【００１１】

【実施例】以下、本発明の一実施例について図面により
説明する。図１は本発明の方法を適用する画像パターン
同定・認識処理装置の構成例を示すブロック図で、１は
２値画像パターン記憶回路、２は正規化処理回路、３は
２値マスクパターン記憶回路、４は同定・認識判定回
路、５は２値マスクパターン作成回路、６は画像入出力
装置である。２値画像パターン記憶回路１は、同定また
は認識する文字や図形の２値画像パターンを記憶してい
る。該２値画像パターンはｎ画素からなり、例えば白画
素は“０”、黒画素は“１”である。

【００１２】正規化処理回路２は、２値画像パターン記
憶回路１から取り出されたｎ画素からなる２値画像パタ
ーンを入力し、例えば、従来から知られている重心と２
次モーメントを用いて位置および大きさの正規化処理を
行う。２値マスクパターン記憶回路３は、入力画像パタ
ーンの同定および認識判定に用いる各カテゴリの２値マ
スクパターンを、あらかじめ各カテゴリ毎に一つあるい
は複数（一般には複数）記憶している。

【００１３】同定・認識判定回路４は、正規化処理回路
２からｎ画素の２値画像パターンを入力し、２値マスク
パターン記憶回路３の各カテゴリの２値マスクパターン
と照合して、例えば、入力画像パターンの黒部（または
白部）が特定のカテゴリの２値マスクパターンの黒部
（または白部）に含まれ、かつ、その２値マスクパター
ン黒部（または白部）と他のカテゴリの２値マスクパタ
ーン黒部（または白部）との重複部分だけに含まれてい
なければ、その特定のカテゴリであると同定、認識し、
入力画像パターンの黒部（または白部）がその重複部分
だけに含まれている場合は棄却し、それ以外の場合は入
力画像パターンの白部または黒部の情報をもとに、公知
の類似度等の識別関数または白ぬき文字などを高精度に
認識する識別関数による認識または棄却を行い、認識結
果を出力する。

【００１４】２値マスクパターン作成回路５は、画像入
出力装置６から出力される画像情報および正規化処理回
路２から追加・更新または新規作成カテゴリの正規化さ
れた２値画像パターンを入力し、２値マスクパターンを
作成する。該２値マスクパターン作成回路５で作成され
た２値マスクパターンが、２値マスクパターン記憶回路
３に新規に登録、あるいは、該２値マスクパターン記憶
回路３の内容に追加・更新される。

【００１５】画像入出力装置６は、同定・認識判定回路
４から出力される文字または図形カテゴリ番号、識別関
数値、２値画像パターンなどの分類結果の情報を入力
し、該情報を表示し、また、例えば、キーボードやマウ
スなどによって画像情報を入力し、表示する。さらに、
該画像入出力装置６は２値マスクパターン作成回路５に
２値マスクパターンの新規作成または更新に必要となる
情報を送出する。

【００１６】初めに、図１を参照して、入力画像パター
ンの同定および認識処理について説明する。２値画像パ
ターン記憶回路１から同定・認識対象文字の２値画像パ
ターンが読み出され、正規化処理回路２において該文字
画像パターンに対して位置および大きさの正規化が行わ
れた後、同定・認識判定回路４に入力される。ここで、
正規化処理回路２で正規化された文字画像パターンを正
規化文字パターンＸと呼ぶことにする。正規化文字パタ
ーンＸは、Ｘ＝（ｘ₁，ｘ₂，…，ｘ_i，…ｘ_n）なるｎ個
の要素をもつベクトルで表現でき、各要素ｘ_iは画像位
置ｉ（＝１，２，…，ｎ）の画素値（例えばｘ_i＝
“０”を白点、ｘ_i＝“１”を黒点とする）を表す。

【００１７】同定・認識判定回路４は、正規化文字パタ
ーンＸに対して、２値マスクパターン記憶回路３の第ｊ
文字カテゴリ（ｊ＝１，２，…，Ｊ）のｋ番目（ｋ＝
１，２，…，Ｋ_j)の２値マスクパターンＭ_jkと照合す
る。Ｍ_jkはＭ_jk＝（ｍ₁，ｍ₂，…ｍ_i，…，ｍ_n）_jkで表
すと、各ｍ_iは２値をとり、例えばｍ_i＝“０”ならば白
点、ｍ_i＝“１”なら黒点を表す。

【００１８】照合の例として、正規化文字パターンＸと
２値マスクパターンＭ_jkとを照合する場合を説明する。
図２に、処理フローチャートの一例を示す。はじめに、
正規化文字パターンＸの要素ｘ_iと２値マスクパターン
Ｍ_jkの要素ｍ_iとの間で、（ａ）ｘ_i＝“１”となる個数
Ａと、（ｂ）ｍ_i＝“１”となる個数Ｂ_jkと、（ｃ）ｘ_i
＝“１”かつｍ_i＝“１”となる個数Ｃ_jkと、（ｄ）ｘ_i
＝“１”かつｍ_i＝“０”となる個数Ｄ_jkと、を計数す
る（ステップ１０１）。

【００１９】次に、以下に示す条件（１）から条件
（３）まで、順に判定処理を行い、同定、棄却、認識を
判定する（ステップ１０２）。条件（１）：もし、Ｃ_jk≦Ｂ_jkかつＡ＝Ｃ_jkを満たす文
字カテゴリｊがただ１個のカテゴリしか存在しない場
合、入力文字は文字カテゴリｊに同定できたと判定する
（ステップ１１０）。条件（２）：もし、Ｃ_jk≦Ｂ_jkかつＡ＝Ｃ_jkを満たす文
字カテゴリｊが２個以上存在する場合、入力文字は棄却
と判定する（ステップ１２０）。条件（３）：条件（１）、条件（２）を満す文字カテゴ
リが１個もない場合は、正規化文字パターンＸと２値マ
スクパターンＭ_jkとの間で、背景雑音の激しい文字や白
抜き文字を認識する識別関数あるいは公知の識別関数を
用いて認識処理を行い（ステップ１０３）、認識または
棄却を判定する（ステップ１０４）。そして、認識され
た場合、その文字カテゴリを候補カテゴリとする（ステ
ップ１３０）。

【００２０】ここで、条件（３）の場合の認識処理（ス
テップ１０３）の一実施例として、識別関数に本発明に
よる新しい類似度Ｓ_H（Ｘ，Ｍ_jk）を用いる場合につい
て説明する。即ち、正規化文字パターンＸの黒画素数Ａ
に対して、次式で表す類似度Ｓ_H（Ｘ，Ｍ_jk）を計算す
る。

【００２１】

【数１】

【００２２】認識の判定結果としては、最大の類似度を
もつ文字カテゴリｊを第１位に認識した文字カテゴリと
して出力する。この場合、類似度Ｓ_H（Ｘ，Ｍ_jk）は文
字線の方向や接続関係などの文字線構造に関する特徴量
を抽出しなくてすむため、特徴抽出の処理が簡易にな
り、しかも、かすれ、つぶれ、文字背景の雑音などによ
って、これらの文字線構造が変形しても認識性能に影響
を受けにくい特長を持っている。なお、条件（３）の場
合の認識処理では、上記類似度Ｓ_H（Ｘ，Ｍ_jk）の絶対
値｜Ｓ_H（Ｘ，Ｍ_jk）｜を識別関数に用いてもよい。

【００２３】次に、同定・認識・棄却判定処理の具体的
な処理を図３を参照して説明する。図３は、ｎ＝１６
（画素）、２文字カテゴリ（ｊ＝１，２）、Ｋ₁＝１，
Ｋ₂＝２の場合の正規化文字パターンＸと２値マスクパ
ターンＭ_jkとの例を示したものである。１１は２値マス
クパターンＭ₁₁（第１文字カテゴリの第１番目の２値マ
スクパターン）で、ｍｉ＝“１”となる個数Ｂ₁₁＝８で
ある。１２は２値マスクパターンＭ₂₁（第２文字カテゴ
リの第１番目の２値マスクパターン）で、ｍ_i＝“１”
となる個数Ｂ₂₁＝７である。１３は２値マスクパター
ンＭ₂₂（第２文字カテゴリの第２番目の２値マスクパタ
ーン）で、ｍ_i＝“１”となる個数Ｂ₂₂＝８である。２
１〜２６は正規化文字パターンＸの６つのパターン例で
ある。なお、正規化文字パターン２５は正規化文字パタ
ーン２４の正規化文字パターンを白黒反転した白抜き文
字パターンを示したものである。

【００２４】初めに、正規化文字パターン２１の正規化
文字パターンＸと２値マスクパターン１１〜１３の各２
値マスクパターンＭ_jkとを照合する場合を説明する。ｘ
_i＝“１”となる個数Ａ＝５で、ｘ_i＝“１”かつｍ_i＝
“１”となる個数はそれぞれＣ₁₁＝５，Ｃ₂₁＝４，Ｃ₂₂
＝３となり、２値マスクパターン１１の２値マスクパタ
ーンＭ₁₁だけが、条件（１）を満たすため、正規化文字
パターン２１の正規化文字パターンＸは、第１文字カテ
ゴリに同定される。

【００２５】次に、正規化文字パターン２２の正規化文
字パターンＸの場合は、Ａ＝６で、ｘ_i＝“１”かつｍ_i
＝“１”となる個数はそれぞれＣ₁₁＝５，Ｃ₂₁＝６，Ｃ
₂₂＝５となり、２値マスクパターンＭ₂₁だけが、条件
（１）を満たすため、正規化文字パターン２２の正規化
文字パターンＸは、第２文字カテゴリに同定される。

【００２６】次に、正規化文字パターン２３の正規化文
字パターンＸの場合は、Ａ＝４で、ｘ_i＝“１”かつｍ_i
＝“１”となる個数はそれぞれＣ₁₁＝４，Ｃ₂₁＝４，Ｃ
₂₂＝３となり、２値マスクパターン１１の２値マスクパ
ターンＭ₁₁と２値マスクパターン１２の２値マスクパタ
ーンＭ₂₁が、条件（２）を満たすため、正規化文字パタ
ーン２３の正規化文字パターンＸは、棄却される。

【００２７】また、正規化文字パターン２４の正規化文
字パターンＸの場合は、Ａ＝７で、ｘ_i＝“１”かつｍ_i
＝“１”となる個数はそれぞれＣ₁₁＝５，Ｃ₂₁＝６，Ｃ
₂₂＝６となり、２値マスクパターン１１〜１３のいずれ
の２値マスクパターンも、条件（１）および（２）を満
たさないため、条件（３）の識別関数が実行される。

【００２８】この場合、正規化文字パターン２４の正規
化文字パターンＸと２値マスクパターン１１〜１３の各
２値マスクパターンＭ_jkとの類似度Ｓ_Hは、

【００２９】

【数２】

【００３０】となり、２値マスクパターン１２の２値マ
スクパターンＭ₂₁が最も類似度が高くなり、第２文字カ
テゴリが第１位の認識結果となる。

【００３１】最後に、正規化パターン２５の正規化パタ
ーンＸ、すなわち正規化文字パターン２４を白黒反転し
た白ぬき文字パターンの場合は、Ａ＝９で、ｘ_i＝
“１”かつｍ_i＝“１”となる個数は、それぞれＣ₁₁＝
３，Ｃ₂₁＝１，Ｃ₂₂＝２となり、２値マスクパターン１
１〜１３のいずれの２値マスクパターンＭ_jkも条件
（１）および（２）を満たさないため、条件（３）の識
別関数が実行される。ここで、識別関数として、上記の
類似度Ｓ_H（Ｘ，Ｍ_jk）に代えて、その絶対値｜Ｓ
_H（Ｘ，Ｍ_jk）｜を用いた場合、正規化文字パターン２
５の正規化文字パターンＸと２値マスクパターン１１〜
１３の各２値マスクパターンＭ_jkとの類似度｜Ｓ_H｜
は、

【００３２】

【数３】

【００３３】となり、２値マスクパターン１２の２値マ
スクパターンＭ₂₁が最も類似度が高くなり、正規化文字
パターン２４の白黒反転パターンである正規化文字パタ
ーン２５に対しても、同様に第２文字カテゴリが第１位
の認識結果となる。

【００３４】次に、上述した条件（３）の認識処理（ス
テップ１０３）の他の実施例を説明する。次の実施例で
は、条件（３）の場合の認識処理における識別関数とし
て、下式に示す本発明による他の新規な類似度Ｓ
_c（Ｘ，Ｍ_jk）を用いる。

【００３５】

【数４】

【００３６】この新規の類似度Ｓ_c（Ｘ，Ｍ_jk）の分子
の項は、入力と２値マスクパターンで、ｘ_i＝“１”か
つｍ_i＝“１”となる個数Ｃ_jkとｘ_i＝“０”かつｍ_i＝
“０”となる個数（ｎ−Ｂ_jk−Ｄ_jk）との積から、ｘ_i
＝“０”かつｍ_i＝“１”となる個数（Ｂ_jk−Ｃ_jk）と
ｘ_i＝“１”かつｍ_i＝“０”となる個数Ｄ_jkとの積を差
し引いた値から、Ｃ_jk（ｎ−Ｂ_jk−Ｄ_jk）−（Ｂ_jk−Ｃ_jk）・Ｄ_jk＝ｎ・
Ｃ_jk−Ａ・Ｂ_jk と導いたものである。図３に示す正規化文字パターン２
４の正規化文字パターンＸと各２値マスクパターン１１
〜１３の各２値マスクパターンＭ_jkとの類似度Ｓ_cは、

【００３７】

【数５】

【００３８】となり、類似度Ｓ_H（Ｘ，Ｍ_jk）を用いた
場合と同様に、２値マスクパターン１２の２値マスクパ
ターンＭ₂₁が最も類似度が高くなり、第２文字カテゴリ
が第１位の認識結果となる。

【００３９】また、正規化文字パターン２４を白黒反転
した白抜き文字パターンである正規化文字パターン２５
の正規化文字パターンＸの場合に、条件（３）の識別関
数の実行において、識別関数として類似度Ｓ_c（Ｘ，Ｍ
_jk）の絶対値｜Ｓ_c（Ｘ，Ｍ_j _k）｜を用いたとき、正規
化文字パターン２５と各２値マスクパターン１１〜１３
との類似度｜Ｓ_c｜は、

【００４０】

【数６】

【００４１】となり、２値マスクパターン１２の２値マ
スクパターンＭ₂₁が最も類似度が高くなり、正規化文字
パターン２４の場合と同様に、正規化文字パターン２５
に対しても、第２文字カテゴリが第１位の認識結果とな
る。

【００４２】次に、同定・棄却判定処理の他の方法を説
明する。この方法では、上記の条件（１）〜（３）の判
定において、識別関数に前述した新規の類似度Ｓ
_c（Ｘ，Ｍ_j _k）を用い処理を行う。なお、以下の説明で
は、上記の条件（１）〜（３）に対応する条件を、それ
ぞれ条件（１ａ）〜（３ａ）とする。

【００４３】この同定・認識・棄却判定処理では、正規
化文字パターンＸの要素ｘ_iと２値マスクパターンＭ_jk
の要素ｍ_iとの間で、前記のＡ、Ｂ_jk、Ｃ_jkを計数し
（ステップ１０１参照）、類似度Ｓ_c（Ｘ，Ｍ_jk）を計
算し、予め２値マスクパターン記憶回路３に格納された
各２値マスクパターンの同定しきい値ｔ_jkを用いて、以
下に示す条件（１ａ）〜（３ａ）の処理を順次行う（ス
テップ１０２参照）。なお、２値マスクパターンの同定
しきい値ｔ_jkの設定方法の詳細については、後述する。

【００４４】条件（１ａ）：Ｓ_c（Ｘ，Ｍ_jk）≧ｔ_jkを
満たす文字カテゴリｊがただ１個のカテゴリしか存在し
ない場合、入力文字は文字カテゴリｊに同定できたと判
定する（ステップ１１０参照）。

【００４５】条件（２ａ）：Ｓ_c（Ｘ，Ｍ_jk）≧ｔ_jkを
満たす文字カテゴリｊが２個以上存在する場合、入力文
字は棄却と判定する（ステップ１２０参照）。

【００４６】条件（３ａ）：条件（１ａ）または条件
（２ａ）を満す文字カテゴリが１個もない場合は、正規
化文字パターンＸと２値マスクパターンＭ_jkとの間で、
類似度Ｓ_cを識別関数として用いて認識処理を行い（ス
テップ１０３参照）、類似度Ｓ_c（Ｘ，Ｍ_jk）≧ｕ_jkを
満たす文字カテゴリｊが存在する場合は、最も類似度が
高い、２値マスクパターンＭ_jkの文字カテゴリを第１位
の認識結果として出力する（ステップ１３０参照）。他
方、類似度Ｓ_c（Ｘ，Ｍ_jk）≧ｕ_jkを満たす文字カテゴ
リｊが存在しない場合、すなわち、すべての２値マスク
パターンＭ_jkについて類似度Ｓ_c（Ｘ，Ｍ_jk）＜ｕ_jkと
なる場合は、認識棄却と判定する（ステップ１２０参
照）。なお、変数ｕ_jkは、各２値マスクパターンＭ_jkに
ついて、予め設定してある棄却判定のためのしきい値で
あり、同定しきい値ｔ_jkよりもさらに小さい値（ｕ_j _k＜
ｔ_jk）に設定されている。

【００４７】ここで、同定、棄却判定処理の具体的な処
理を再び図３を参照して説明する。初めに、正規化文字
パターン２２の正規化文字パターンＸと２値マスクパタ
ーン１１〜１３の各２値マスクパターンＭ_jkと照合する
場合を説明する。正規化文字パターン２２と各２値マス
クパターン１１〜１３との類似度Ｓ_cは

【００４８】

【数７】

【００４９】となり、２値マスクパターンＭ₂₁だけが条
件（１ａ）を満たすため、正規化文字パターン２２の正
規化文字パターンＸは第２文字カテゴリに同定される。
次に、正規化文字パターン２６の場合は、２値マスクパ
ターン１１〜１３の各２値マスクパターンとの類似度Ｓ
_cは、

【００５０】

【数８】

【００５１】となり、２値マスクパターン１１の２値マ
スクパターンＭ₁₁と２値マスクパターン１２の２値マス
クパターンＭ₂₁が条件（２ａ）を満たすため、２６の正
規化文字パターンＸは棄却される。また、正規化文字パ
ターン２３の場合は、各２値マスクパターン１１〜１３
との類似度Ｓ_cは、

【００５２】

【数９】

【００５３】となり、２値マスクパターン１１〜１３の
いずれの２値マスクパターンも条件（１ａ）及び条件
（２ａ）を満たさないため、条件（３ａ）の類似度Ｓ_c
の識別関数が実行される。条件（３ａ）では、２値マス
クパターン１２の２値マスクパターンＭ₂₁が最も類似度
が高いので、第２文字カテゴリが第１位の認識結果とな
る。

【００５４】次に、誤認識した文字や未学習の文字等か
ら２値マスクパターンを新規に作成し、２値マスクパタ
ーン記憶回路３の内容を追加・更新する処理について、
二、三の実施例を説明する。

【００５５】＜実施例１＞これは、入力画像パターンの
黒部または白部の情報をもとに、公知の識別関数として
次式に示す類似度Ｓを用いて、反復学習により２値マス
クパターンを作成する例である。

【００５６】

【数１０】

【００５７】まず、画像入出力装置６から、追加・更新
または新規に作成（ここでは追加とする）すべき文字カ
テゴリ（第ｊ文字カテゴリとする）に関する情報が２値
マスクパターン作成回路５に入力される。２値マスクパ
ターン作成回路５は、追加すべき入力画像に対して、正
規化処理回路２から得られる、学習すべき第ｊ文字カテ
ゴリに属するＮ個の入力画像パターン（正規化文字パタ
ーン）Ｘ₁，Ｘ₂，…，Ｘ_Nについて、以下のステップで
新しい２値マスクパターンＭ_j(k+1)を作成する。

【００５８】（ステップ１）Ｎ個の入力画像パターンＸ
₁，Ｘ₂，…，Ｘ_Nについて、ｘ_i＝“１”となる個数Ａの
合計Ａ_Tと画素位置ｉでｘ_i＝“１”となる入力画像パタ
ーンＸの合計個数Ａ_iを計数する。Ａ_iを大きい順に並べ
替え、その列をＡ’₁，Ａ’₂，…，Ａ’_l，…，Ａ’_nと
おくと、予め設定したしきい値ａ（０＜ａ＜１）に対し
て

【００５９】

【数１１】

【００６０】を満すＬを求める。ただし、Ｎが小さい場
合、たとえばＮ＝１の場合はａ＝１とする。

【００６１】（ステップ２）ｌ＝１，２，…，Ｌの各順
位に対応する画像位置ｉについて、２値マスクパターン
Ｍ_j(k+1)の要素をｍ_i＝“１”とし、それ以外の画像位
置ｉをｍ_i＝“０”に設定する。

【００６２】（ステップ３）Ｎ個の入力画像パターンＸ
₁，Ｘ₂，…，Ｘ_Nの各画像Ｘ_tとステップ２で作成した２
値マスクパターンＭ_j(k+1)との間で類似度Ｓ（Ｘ_t，Ｍ
_j(k+1)）を計算し、最大類似度となる画像Ｘ_tを求め、
その画像Ｘ_tを新しい２値マスクパターンＭ_j ₍ _k+1)に置
き換える。

【００６３】（ステップ４）再度、Ｎ個の入力画像
Ｘ₁，Ｘ₂，…，Ｘ_Nについて、各画像Ｘ_lと、すでに２値
マスクパターン記憶回路３に記憶されているすべての２
値マスクパターンＭ_jkおよびステップ３で作成した２値
マスクパターンＭ_j(k+1)との間で類似度Ｓを計算し、認
識する。もし、Ｎ個の画像すべてが第ｊ文字カテゴリに
認識されればステップ６へ、さもなければステップ５へ
いく。

【００６４】（ステップ５）第ｊ文字カテゴリに正しく
認識されたＭ（＜Ｎ）個の画像について、ステップ１お
よびステップ２と同様の手順で２値マスクパターンＭ
_j(k+1)を作成し、２値マスクパターン記憶回路３に記憶
する。残りの（Ｎ−Ｍ）個の画像については、ｋ＝ｋ＋
１、Ｎ＝Ｎ−Ｍとしてステップ１へもどる。

【００６５】（ステップ６）ステップ１およびステップ
２と同様の手順で２値マスクパターンＭ_j(k+1)を作成
し、２値マスクパターン記憶回路３に記憶して終了とす
る。

【００６６】＜実施例２＞これは、入力画像パターン
（サンプルパターン）の黒部または白部の情報をもと
に、類似度Ｓ_Hを用いて、反復学習により新規に各文字
カテゴリの２値マスクパターンおよび同定しきい値を作
成する例である。

【００６７】まず、画像入出力装置６から、新規に作成
すべき文字カテゴリ（第ｊ文字カテゴリとする）に関す
る情報が２値マスクパターン作成回路５に入力される。
２値マスクパターン作成回路５は入力画像に対して、正
規化処理回路２から得られる、新規に作成すべき文字カ
テゴリｊ＝１，２，…，Ｊの各文字カテゴリについて、
以下のステップでＫ_j個の２値マスクパターンＭ_j1，Ｍ
_j2，…，Ｍ_jk，…，Ｍ_j _k _jを作成する。

【００６８】（ステップ１ａ）新規に作成すべき第ｊ文
字カテゴリの２値マスクパターンの個数をＫ_j＝１とす
る。第ｊ文字カテゴリに属するＮ_j個の入力画像パター
ン（正規化文字パターン）Ｘ₁，Ｘ₂，…Ｘ_Njについて、
ｘ_i＝“１”となる個数Ａ_Tと画素位置ｉでｘ_i＝“１”
となる個数Ａ_iを計数する。そして、画素位置ｉのｘ_i＝
“１”となる個数の割合Ａ_i／Ｎ_jと全画素のｘ_i＝
“１”となる個数の割合Ａ_T／（ｎＮ_j）を次式のように
比べて、２値マスクパターンＭ_j1を作成する。もし、Ａ
_i／Ｎ_j≧Ａ_T／（ｎＮ_j）ならば、Ｍ_j1の要素をｍ_i＝“１”に設定さもなければ、Ｍ_j1の要素をｍ_i＝“０”に設定また、入力画像パターン（正規化文字パターン）Ｘ₁，
Ｘ₂，…，Ｘ_Njに対して２値マスクパターンＭ_j1の作成
に用いたパターンとしてラベルｊ１を割り当てる。新規
に作成すべき文字カテゴリすべてについて、上記処理を
行う。

【００６９】（ステップ２ａ）新規に作成すべき全入力
画像パターンＸ_tについて、全文字カテゴリの全２値マ
スクパターンＭ_jkとの間で類似度Ｓ_H（Ｘ_t，Ｍ_jk）を計
算し、最大類似度をもつＭ_lhを求める。いま、すでに入
力画像パターンＸ_tにラベルｊｋが割り当てられている
とする。もし、ｌ＝ｊならば、Ｘ_tは第ｊ文字カテゴリ
に正しく認識できたと判定して、新たにラベルｊｈを割
り当てる。さもなければ、Ｘ_tは誤認識したと判定し
て、新たにラベルｊｅを割り当てる。この処理終了後
に、もし、全入力画像パターンＸ_tについて、誤認識し
たと判定するＸ_tがなければ、ステップ４ａへ進む。さ
もなければ、ステップ３ａへ進む。

【００７０】（ステップ３ａ）新規に作成すべき第ｊ文
字カテゴリについてｈ＝１とおく。ラベルｊｋが割り当
てられているすべての入力画像パターンについて、も
し、入力画像パターンが１つ以上存在すれば、ステップ
１ａと同様の手順で新しい２値マスクパターンＭ_jhを作
成し、ｈ＝ｈ＋１とおく。第ｊ文字カテゴリのＫ_j個の
ラベルすべてについて、この判定処理を行う。次に、も
し、ラベルｊｅを割り当てられている入力画像パターン
が１つ以上存在するならば、それらの入力画像パターン
Ｘ_tすべてについて、ステップ１ａと同様の手順で、一
時的な２値マスクパターンＭ_jeを作成し、すべてのＸ_t
とＭ_jeとの間で類似度Ｓ_H（Ｘ_t，Ｍ_je）を計算し、最大
類似度をもつ入力画像パターンＸ_Sを新規の２値マスク
パターンＭ_jhとし、ｈ＝ｈ＋１とおく。第ｊ文字カテゴ
リについて新しい２値マスクパターンの個数をＫ_j＝ｈ
とおく。新規に作成すべきすべての文字カテゴリについ
て、この処理を繰り返し、新しい２値マスクパターンを
２値マスクパターン記憶回路３に記憶する。そして、ス
テップ２ａへ戻る。

【００７１】（ステップ４ａ）各２値マスクパターンＭ
_jkと第ｊ文字カテゴリ以外の全入力画像パターンＸ_tと
の間で、類似度Ｓ_H（Ｘ_t，Ｍ_jk）を計算し、各２値マス
クパターンＭ_jkについての最大類似度ｔ_jkを求め、この
最大類似度を２値マスクパターンＭ_jkの同定しきい値ｔ
_jkに割り当て、これを２値マスクパターン記憶回路３に
記憶する。全２値マスクパターンについて、これらの処
理が終われば終了する。

【００７２】＜実施例３＞これは、類似度Ｓ_Hを用いる
ことは実施例２と同様であるが、誤認識した文字や未学
習文字の画像パターンを用いて２値マスクパターンおよ
び同定しきい値を更新する例である。まず、画像入出力
装置６から、更新すべき文字カテゴリ（第ｊ文字カテゴ
リとする）に関する情報が２値マスクパターン作成回路
５に入力される。２値マスクパターン作成回路５は入力
画像に対して、正規化処理回路２から得られる、更新す
べき文字カテゴリｊ＝１，２，…，Ｊの各文字カテゴリ
について、以下のステップで２値マスクパターンを更新
する。

【００７３】（ステップ１ｂ）更新前の第ｊ文字カテゴ
リの２値マスクパターンの個数をＫ_jとする。更新すべ
き全入力画像パターンＸ_tについて、全文字カテゴリの
全２値マスクパターンＭ_jk（ｊ＝１，２…，Ｊ）（ｋ＝
１，２…，Ｋ_j）との間で類似度Ｓ_H（Ｘ_t，Ｍ_jk）を計
算し、最大類似度をもつＭ_lhを求める。いま、入力画像
パターンＸ_tが第ｊ文字カテゴリに属するとする。も
し、ｌ≠ｊならば、Ｘ_tは誤認識したと判定して、新た
にラベルｊｅを割り当てる。更新すべき全文字カテゴリ
について、この処理終了後に、もし、全入力画像パター
ンＸ_tについて、誤認識したと判定するＸ_tがなければ、
ステップ３ｂへ進む。さもなければ、ステップ２ｂへ進
む。

【００７４】（ステップ２ｂ）ラベルｊｅが割り当てら
れた入力画像パターンＸ_tすべてについて、実施例２の
ステップ１ａと同様の手順で、一時的な２値マスクパタ
ーンＭ_jeを作成し、すべてのＸ_tとＭ_jeとの間で類似度
Ｓ_H（Ｘ_t，Ｍ_je）を計算し、最大類似度をもつ入力画像
パターンＸ_sを追加すべき２値マスクパターンＭ_j(Kj+1)
として２値マスクパターン記憶回路３に記憶する。ま
た、Ｋ_j＝Ｋ_j＋１とおき、ステップ１ｂへ戻る。

【００７５】（ステップ３ｂ）各２値マスクパターンＭ
_jkと第ｊ文字カテゴリ以外の全入力画像パターンＸ_tが
あれば、そのＸ_tとの間で類似度Ｓ_H（Ｘ_t，Ｍ_jk）を計
算し、各２値マスクパターンＭ_jkについての最大類似度
ｔ’_jkを求め、この最大類似度がすべて２値マスクパタ
ーン記憶回路３に記憶されている同定しきい値ｔ_jk（新
規に作成される場合はｔ_jk＝−ｎ）よりも大きい場合
は、２値マスクパターンＭ_jkの同定しきい値ｔ_jk＝ｔ'
_jkに更新し、新しい値を２値マスクパターン記憶回路３
に記憶する。全２値マスクパターンについて、これらの
処理が終われば終了する。

【００７６】ここで、第２および第３の実施例では、識
別関数に類似度Ｓ_Hを用いた場合を述べたが、識別関数
として、類似度Ｓ_Hの絶対値を用いることも可能であ
る。

【００７７】また、２値マスクパターンを作成する方法
としては、これ以外にも公知の統計的推論による方法
（たとえば「統計学」鈴木哲夫著（朝倉書店）や「Ｐat
tern classification and scence analysis」Ｒ．Ｏ．
Ｄuda and Ｐ．Ｅ．Ｈart著（Ｊohn Ｗiley & Ｓons Ｉ
ns.））による方法を用いることも可能である。また、
第１の実施例においても、どの文字カテゴリにも含まれ
ない画像パターンがあった場合にも、その画像パターン
を用いて新たな文字カテゴリの２値マスクパターンを作
成することが可能である。

【００７８】さらに、以上の説明では文字を中心に示し
たが、図形などの一般の２値画像についても同様に処理
可能である。一例として、医療などで用いる多項目の診
断結果をもとに、病気のカテゴリを認識する方法に適用
する場合を、以下、簡単に説明する。例えば、複数の診
断項目の結果を、図３に示すような２値画像パターンと
してチェックシート上に表し（例えば、血圧の項目であ
れば、血圧が高ければ“１”、低ければ“０”としてそ
の項目に該当する位置に“黒”または“白”で表
す。）、このチェックシート上のパターンを２値画像パ
ターンとして入力し、各病名のカテゴリの典型的な診断
データに基づいて、予め記憶させておいた２値マスクパ
ターンとの照合をとり、病名のカテゴリを認識する。こ
のように、認識対象を２値画像化した後、上記の実施例
のようにして認識することによって、病名のカテゴリの
認識性能を向上させることができる。

【００７９】

【発明の効果】以上説明したようにこの発明によれば、
入力画像パターンと標準辞書に予め記憶してある２値マ
スクパターンとを比較して入力画像を同定・棄却または
認識することにより、ＯＣＲの利用者が誤認識やリジェ
クトパターンを逐次、目視により再検査し修正していく
作業において、同定された画像については再検査する必
要が不要となり、仕事の負担が軽減される利点がある。
また、従来の文字認識法では、認識特徴の１要素が深さ
ｎ（ｎ＞１）ビットで記憶する場合が多いが、本発明で
は２値マスクパターンの各要素は１ビットで表現できる
ので、記憶容量が１／ｎに削減できる。さらに、公知の
画像符号化法を併用することで、２値マスクパターンの
記憶容量を更に削減でき、処理効率が高く、辞書容量が
コンパクトですむという利点を持つ。

【００８０】また、課題を解決する手段の欄で述べた第
一の方法、第二の方法又は第三の方法のいずれの方法に
よっても、文字線の方向や接続関係などの文字線構造に
関する特徴量を抽出しなくてすむため、特徴抽出の処理
が簡易になり、しかも、かすれ、つぶれ、文字背景の雑
音などによって、これらの文字構造が変形しても認識性
能に影響を受けにくい利点がある。かすれ、つぶれ、文
字背景の雑音だけでなく、文字部を黒点、背景を白点と
して構成される画像パターンから作成した２値マスクパ
ターンを用いても、文字部が白点、背景が黒点として構
成される、いわゆる白抜き文字についてのかすれ、つぶ
れ、文字背景の雑音などに対しても高い認識性能をもつ
利点ある。

【００８１】なお、第一の方法によれば入力画像パター
ンと標準辞書に予め記憶してある２値マスクパターンと
を比較して入力画像を同定・棄却または認識することに
より、ＯＣＲの利用者が誤認識やリジェクトパターンを
逐次、目視により再検査し修正していく作業において、
認識された画像については再検査する必要が不要とな
り、仕事の負担が軽減される利点もある。

【図面の簡単な説明】

【図１】本発明による画像パターンの同定・認識処理装
置の構成例を示すブロック図である。

【図２】本発明による同定・棄却・認識の判定処理の一
例のフローチャートである。

【図３】同定・棄却・認識の具体的判定処理を説明する
ためのパターン例を示す図である。

【符号の説明】

１２値画像パターン記憶回路２正規化処理回路３２値マスクパターン記憶回路４認識判定回路５２値マスクパターン作成回路６画像入出力装置

Claims

(57)【特許請求の範囲】

【請求項１】入力された２値画像パターンに対して、
予め作成済みの認識カテゴリ毎の各２値マスクパターン
と照合して該２値画像パターンが属する認識カテゴリを
決定する画像パターン同定・認識方法であって、前記入力２値画像パターンの黒部を計数する第１ステッ
プと、前記入カ２値画像パターンの黒部が、前記認識カ
テゴリ毎の２値マスクパターンの黒部に含まれる個数を
計数する第２ステップと、前記第２のステップで計数し
た数（以下Ｃｉという（ｉはカテゴリ数））と前記認識
カテゴリ毎の黒部の数（以下Ｂｉという（ｉはカテゴリ
数））を比較する第３のステップと、前記前記第１のス
テップで計数した数（以下Ａという）とＣｉを比較する
第４のステップを有し、前記第３のステップでＣｉ≦Ｂｉかつ前記第４のステッ
プでＡ＝Ｃｉとなる認識カテゴリｉがただ一つしか存在
しない場合に、前記入力２値画像パターンは前記認識カ
テゴリｉに属するとする同定手順を有することを特徴と
する画像パターン同定・認識方法。
【請求項２】前記第３のステップでＣｉ≦Ｂｉかつ前
記第４のステップでＡ＝Ｃｉとなる認識カテゴリｉが複
数存在する場合に、前記入力２値画像パターンを棄却す
る棄却手順を有することを特徴とする請求項１記載の画
像パターン同定・認識方法。
【請求項３】入力された２値画像パターンに対して、
予め作成済みの認識カテゴリ毎の各２値マスクパターン
と照合して該２値画像パターンが属する認識カテゴリを
決定する画像パターン同定・認識方法であって、前記入力２値画像パターンの白部を計数する第１ステッ
プと、前記入カ２値画像パターンの白部が、前記認識カ
テゴリ毎の２値マスクパターンの白部に含まれる個数を
計数する第２ステップと、前記第２のステップで計数し
た数（以下Ｃｉという（ｉはカテゴリ数））と前記認識
カテゴリ毎の白部の数（以下Ｂｉという（ｉはカテゴリ
数））を比較する第３のステップと、前記前記第１のス
テップで計数した数（以下Ａという）とＣｉを比較する
第４のステップを有し、前記第３のステップでＣｉ≦Ｂｉかつ前記第４のステッ
プでＡ＝Ｃｉとなる認識カテゴリｉがただ一つしか存在
しない場合に、前記入力２値画像パターンは前記認識カ
テゴリｉに属するとする同定手順を有することを特徴と
する画像パターン同定・認識方法。
【請求項４】前記第３のステップでＣｉ≦Ｂｉかつ前
記第４のステップでＡ＝Ｃｉとなる認識カテゴリｉが複
数存在する場合に、前記入力２値画像パターンを棄却す
る棄却手順を有することを特徴とする請求項３記載の画
像パターン同定・認識方法。