JPH01277981A

JPH01277981A - 文字認識装置

Info

Publication number: JPH01277981A
Application number: JP63104469A
Authority: JP
Inventors: Yoji Nakamura; 中村　洋治; G Casey Richard; リチャード・ジイ・ケーシ; Kazuharu Toyokawa; 豊川　和治
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 1988-04-28
Filing date: 1988-04-28
Publication date: 1989-11-08
Anticipated expiration: 2010-03-29
Also published as: US5394484A; JPH0727543B2; CA1317377C; EP0343786A3; EP0343786A2

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】業主の本発明は、パターン認識装置に関する。更に具体的に言
うならば、本発明は、パターン若しくは文字のイメージ
を認識している間に、誤って認識されたパターン若しく
は文字のイメージに基づいて文字認識手順を修正する装
置に関する。

莱　　　びル題点イメージ走査装置により読取られた文書の印刷文字のイ
メージをパーソナル・コンピュータに入力して文字認識
アルゴリズムにより文字認識を行なうシステムが開発さ
れてきた。このシステムにおいては、高速の文字認識が
望まれるので１文字イメージの特定な画素即ちベルを逐
次的にサンプルし、サンプルされた画素が白であるか若
しくは黒であるかに応じて複数のノードをたどるいわゆ
るポイント・サンプリング型の文字認識ツリーが用いら
れる。この文字認識ツリーはタイプ・フォント毎に用意
される。−旦完成した文字認識ツリーを他のフォントの
文字を認識するように修正することは非常に困難なので
、頻繁に用いられるタイプ・フォントの種類の数だけ文
字認識ツリーを予じめ用意しておく。例えば３０種類の
フォントの文字認識ツリーを予じめメモリに記憶するこ
とが、行なわれる。従って、記憶されたツリーのフォン
ト以外のフォントの文字が文書に含まれる場合は認識率
は著しく低下する。

ＩＢＭジャーナル・オブ・リサーチ・デベロップメント
、１９８３年７月、第２７巻、第４号号の第３８６−３
９９頁のＲ，Ｇ、Ｃａ５ｅｙ及びＣ，Ｒ，Ｊｉｋによる
論文“Ａ　ｐｒｏｃｅｓｓｏｒ−ｂａｓｅｄＯＣＲｓｙ
ｓｔｅｍ”は３つのツリーを１組として用い、そして各
ツリーからの結果を如何に組合わせるかを示している。

コンピュータ・グラフィックス及びイメージ・プロセッ
シング１９８２年第２０巻の第３７５−３９０頁のＦ、
Ｍ、Ｗａｈｌ、Ｋ、Ｙ、Ｗｏｎｇ及びＲ，Ｇ、Ｃａ５ｅ
ｙによる論文“ＢｌｏｃｋＳｅｇｍｅｎｔａｔｉｏｎ　
ａｎｄ　Ｔｅｘｔ　Ｅｘｔｒａｃｔｉｏｎ　ｉｎＭｉｘ
ｅｄ　Ｔｅｘｔ／Ｉｎ＋ａｇｅ　Ｄｏｃｕｍｅｎｔｓ”
は、印刷文書のテキスト領域及び非テキスト領域を自動
的に区別する方法を示している６Ｔｈｅ　６ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎ
ｆｅｒｅｎｃｅ　ｏｎＰａｔｔｅｒｎ　Ｒｅｃｏｇｎｉ
ｔｉｏｎ、１９８２年１０月のＲｏＧ、Ｃａ５ｅｙ及び
Ｇ、Ｎａｇｙによる論文“Ｒｅｃｕｒｓｉｖｅ　ｓｅｇ
ｍｅｎｔａｔｉｏｎ　ａｎｄ　ｃｌａｓｓｉｆｉｃａｔ
ｉｏｎｏｆ　ｃｏｍｐｏｓｉｔｅ　ｃｈａｒａｃｔｅｒ
　ｐａｔｔｅｒｎｓ”は、文字を効率的に切出しそして
認識するために如何に決定ツリ方法を用いるかを示して
いる。

ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎ　ｏｎ　Ｉｎｆｏｒ
ｍａｔｉｏｎ　Ｔｈｅｏｒｙ、　１９８４年１月、第１
７３０巻第１号の第９３−９９頁のＲ，Ｇ、Ｃａ５ｅｙ
及びＧ、Ｎａｇｙによる論文“Ｄｅｃｉｓｉｏｎ　Ｔｒ
ｅｅ　Ｄｅｓｉｇｎ　Ｕｓｉｎｇ　ａＰｒｏｂａｂｉｌ
ｉｓｔｉｃ　Ｍｏｄｅｌ”及びＩＢＭテクニカル・ディ
スクロジャ・ブリティン、１９７９年８月、第２２巻、
第３号の第１１８９頁のＲ，Ｇ。

Ｃａ５ｅｙによる論文“Ａｕｔｏｍａｔｉｃ　ｇｅｎｅ
ｒａｔｉｏｎｏｆ　ＯＣＲｌｏｇｉｃ　ｆｒｏｍ　５ｃ
ａｎｎｅｄ　ｃｈａｒａｃｔｅｒｓ”は、画素の確率か
ら決定ツリーの数学的モデルを作ることを示している。

ＩＥＥＥ　　６ｔｈ　　Ｉｎｔｅｒｎａｔｉｏｎａｌ　
　Ｃｏｎｆｅｒｅｎｃｅ　　ｏｎＰａｔｔｅｒｎ　Ｒｅ
ｃｏｇｎｉｔｉｏｎ、　１９８２年１０月のＫ。

Ｙ、Ｗｏｎｇ、Ｒ，Ｇ、Ｃａ５ｅｙ及びＦ。

Ｗ　ａ　ｈ　１による論文”Ｄｏｃｕｍｅｎｔ　Ａｎａ
ｌｙｓｉｓ　Ｓｙｓｔｅｍ”は、文書をテキスト領域及
び非テキスト領域に区切って読取る適応性ＯＣＲを示し
ている。

ＩＥＥＥ　？ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏ
ｎｆｅｒｅｎｃｅ　ｏｎＰａｔｔｅｒｎ　Ｒｅｃｏｇｎ
ｉｔｉｏｎ、　１９８４年８月のＲ，Ｇ。

Ｃａ５ｅｙ、Ｓ、に、Ｃｈａｉ及びに、Ｙ。

Ｗ　ｏ　ｎ　ｇによる論文“Ｕｎｓｕｐｅｒｖｉｓｅｄ
ｃｏｎｓｔｒｕｃｔｉｏｎ　ｏｆ　ｄｅｃｉｓｉｏｎ　
ｎｅｔｗｏｒｋｓ　ｆｏｒｐａｔｔｅｒｎ　ｃｌａｓｓ
ｉｆｉｃａｔｉｏｎ”並びにＲ，Ｇ。

ｃａｓｅｙ及びＴ、Ｄ、Ｆｒｉｅｄｍａｎによる米国特
許第４４９９５９６号は共に、全体のパターンを比較す
る前にテキスト文字の画素のいくつかを前以って調べる
ことにより認識の速度を高めることを示している。

ＩＢＭテクニカル・ディスクロジャ・ブリティン、１９
８７年８月、第３０巻第３号の第１１１２−１１１４頁
の論文”Ａｕｔｏｍａｔｉｃ　Ｆｏｎｔ５ｅｌｅｃｔｉ
ｏｎ　ｆｏｒ　Ｃｈａｒａｃｔｅｒ　Ｒｅｃｏｇｎｉｔ
ｉｏｎ”は、文書の文字が複数個のタイプ・フォントの
うちどのフォントで印刷されているかを調べることを示
している。

司　弘を解　するためのパターン若しくは文字認識アルゴリズム即ち文字認識手
段の制御のもとに文書走査装置は、文書上のパターン若
しくは文字のイメージを光学的に走査し、そしてこのイ
メージを表わす２進１若しくは０のイメージ・データを
発生する。本明細書では説明を簡略化するために、この
２進１若しくは０のイメージ・データを単にパターン若
しくは文字のイメージと呼ぶ。文書１ページのパターン
若しくは文字のイメージは文字認識アルゴリズムの制御
のもとにイメージ・バッファに記憶される。

そして個々のパターン若しくは文字のイメージが切出さ
れて作業バッファに記憶される。文字認識アルゴリズム
は作業バッファ内のイメージを認識しそしてその結果を
結果バッファに記憶する。文字認識アルゴリズムは、認
識の確率の高い文字に対してはこれの文字コードを結果
バッファに記憶し、認識の確率の低い文字に対してはこ
れの文字コード及びイメージを、確率の低いことを表わ
すフラグと共に結果バッファに記憶する。そして文字認
識アルゴリズムは結果バッファの内容を表示装置の表示
スクリーン上に表示する。操作者は表示された認識結果
を見て、そして誤って認識された文字の文字コードをキ
ーボードを介して指摘しそして結果バッファの文字コー
ドを正しい文字コードに訂正することができる。ここか
ら認識結果に基づくツリーの修正動作が始まる。文字認
識アルゴリズムは、上記誤って認識された文字のイメー
ジ及び正しい文字コードを学習バッファに記憶する。

文字認識アルゴリズムは、学習バッファの文字イメージ
の各ベルを、走査ウィンドウを用いることにより逐次的
に走査する。このウィンドウの大きさは例えば３Ｘ３ペ
ルである。ウィンドウの中心ベルは文字イメージの処理
されるべきベルに位置決めされる。文字認識アルゴリズ
ムは中心ベルの周辺の近隣ベルのビット・パターンをア
ドレスとして用いて統計テーブルの１つのエントリィを
アクセスする。アクセスされたエントリィには処理中の
ベルの黒の確率値が記憶されている。文字認識アルゴリ
ズムはこの確率値を取出しそしてこの確率値を、確率マ
ツプのうち上記中心ベルに対応する記憶位置に記憶する
０文学認識アルゴリズムは、確率マツプの値を文字認識
ツリーに入力として与えて、高い確率値を生じる葉ノー
ドを検出し、この葉ノードに割当てられている文字コー
ドの文字イメージを取出し、この文字イメージの確率マ
ツプを形成する。次に、文字認識アルゴリズムは、各記
憶位置毎に、両確率マツプの値を比較し、一方の確率値
が高くそして他方の確率値が低い記憶位置を検出し、上
記検出された葉ノードに最初に割当てられた文字コード
を、上記検出された記憶位置のアドレスに代え、この葉
ノードから２つのノードを延長し、この延長されたノー
ドの一方に上記葉ノードに最初に割当てられた文字コー
ドを割当て、そして他方のノードに学習バッファの文字
イメージの文字コードを割当てる。文字認識アルゴリズ
ムは結果バッファの文字コードをデータ処理装置等に送
ると共に、修正された文字認識ツリーをツリー・メモリ
に新たに記憶する。

従ってこの新たなツリーは以後の文字認識動作において
用いられる。

去１１し贋ｌ吸第１図及び第２図を参照するに、第１図は学習機能によ
って文字認識ツリーを修正するための本発明に従がう回
路ブロック図を示し、第２Ａ乃至第２Ｅ図は第１図の回
路ブロックの動作を示すフローチャートである。

文書走査装置１は、文書給送機構、光源、レンズ、１列
に配列された複数個の光学的感知素子及び閾値回路を含
む従来から知られている装置である。光学的感知素子の
数は例えばｉｎｎ当り８個である。即ち、主走査方向の
画素（ベル）＠度は２００ペル／２．５ａａであり、又
主走査方向と交差する副走査方向の画素密度も例えば２
００ペル／２．５国である。１つの光学的感知素子は１
つのペルのアナログ信号を発生し、そしてこのアナログ
信号は閾値回路に印加され、アナログ信号が所定閾値よ
りも低い場合には黒ベルを表わす２進１信号が発生され
、そしてアナログ信号が閾値よりも高い場合には白ベル
を表わす２進０信号が発生される。これらの動作は第２
Ａ図のブロック２１及び２２により行なわれる。文書は
複数の文字行を有し、１文字行は例えば平均的に５０個
の印刷英数字を含む。文書の読取動作は１行づつ行なわ
れ、１頁分の文字イメージがイメージ・バッファ２に記
憶される。この動作は第２Ａ図のブロック２３により行
なわれる。文字切出し論理回路３も又従来の型のもので
、イメージ・バッファを走査して第１番目の行の各文字
に外接する四角形を見い出すことにより第１番目の各文
字を切出す。１行の文字全てが切出され、そして作業バ
ッファ４の９×１１ベルのフレームに記憶され、この時
文字イメージの中心が９×１１ベルのフレームの中心に
合わされる。これらの動作は第２Ａ図のブロック２４及
び２５により行なわれる。例えばマイクロプロセッサ等
の制御装置５が上記の動作を制御する。

次の動作の説明を行なう前に文字のタイプ・フォント及
びツリー・メモリ６について説明する。

文書の文字は種々なタイプ・フォントで印刷される。タ
イプ・フォントは例えば１０ピツチ・グループ、１２ピ
ツチ・グループ、レター・ゴシック・グループ、オレー
タ・グループ及びプロポーショナル・グループに分けら
れ、そして１０ピツチ・グループは、フーリエ１０、パ
イ力１０、プリステージ・パイ力１０、タイタン１０の
タイプ・フォントを含み、１２ピツチ・グループはフー
リエ１２、エリート１２、プリステージ・エリート１２
、ＯＣＲＢ１２のタイプ・フォントを含み、レター・ゴ
シック・グループはオレータ、プリゼンタのタイプ・フ
ォントを含み、そしてプロポーショナル・グループは、
ボールド、キュービック／トライアート、ローマン、タ
イトルのタイプ・フォントを含む、ツリー・メモリ６は
上記１８種類のタイプ・フォント毎の文字認識ツリー、
文字イメージ及び文字コードを記憶している。第１図を
参照するに、ツリー・メモリ６は１８個のメモリ・スペ
ースに分けられている。１つのタイプ・フォントに１つ
のメモリ・スペースが割当てられている。第１図では、
４つのメモリ・スペース６Ａ、６Ｂ、６Ｃ及び６Ｄだけ
が示されている。メモリ・スペース６Ａはタイプ・フォ
ント“フーリエ１０”のための１組の文字認識ツリー即
ち３つの文字認識ツリー６Ｅ、６Ｆ及び６Ｇ、このタイ
プ・フォントの全文字のイメージ及び文字コードを記憶
している。同様に、メモリ・スペース６Ｂ、６Ｃ及び６
Ｄもパイ力１０、エリート１０及びオレータの夫々の文
字認識ツリー、全文字イメージ及び全文字コードを記憶
している。

さて、前記第２Ａ図のブロック２５の動作の後に、制御
回路５は文字認識論理回路１０を動作させる。文字認識
論理回路１０は、ブロック２６において、ツリー・メモ
リ６の任意のメモリ・スペースから１組の文字認識ツリ
ーを及び全文字コードを取出す。例えば、メモリ・スペ
ース６Ａのり一すエ１０用の文字認識ツリー６Ｅ、６Ｆ
及び６Ｇ及び全文字コードが取出されるとする。動作は
ブロック２７に進み、文字Ｌ＆識論理回路１０は作業バ
ッファの最初のフレームをアクセスして第１番目の文字
行の最初の文字イメージを取出し、この第１番目の文字
イメージを第１番目の文字認識ツリー６Ｅを用いて認識
し結果を補助バッファ（図示せず）に記憶する１次に、
文字認識論理回路１０は、第２番目の文字認識ツリー６
Ｆを用いて第１番目の文字イメージを認識し、結果を上
記補助バッファに記憶する。次に文字認識論理回路１０
は、第３番目の文字認識ツリー６Ｇを用いて第１番目の
文字イメージを認識し、結果を上記補助バッファに記憶
する０次に、文字認識論理回路１０は補助バッファの３
つの結果を調べ、この結果に依存して次のようにして第
１文字の最終結果を生じる。

場合１：認識の正確度が所定値以上の時は結果バッファ
７に文字コードを記憶する。

場合２；認識の正確度が所定値よりも低い時は、結果バ
ッファに認識結果である文字コード及びこの文字のイメ
ージを記憶し、更しこフラグを１にセットする。フラグ
１はリジェクト文字であることを表わす。

上記の文字イメージの認識動作の例を第３Ａ、３Ｂ及び
３Ｇ図を参照して説明する。第１文字行の第２及び３番
目の文字ｔＬ　Ｂ　＋＋及びＬＩ　Ｍ　ＩＩ例えばフー
リエ１０のタイプ・フォントでタイプされ第１−第番目
の文字ＩＩ　Ａ　ＩＩは異なるタイプ・フォントでタイ
プされたものと仮定する。これらの文字イメージ３１−
３３は作業バッファ４の３つのフレームに記憶され終え
ている。

第３Ｂ図は、第１図に示したフーリエ１０のメモリ・ス
ペース６Ａの３つの文字認識ツリー６Ｅ、６Ｆ及び６Ｇ
のうちツリー６Ｅを簡略化して示す。

文字認識ツリーはフレームのうちの所定のベル位置が黒
か白のどちらであるかを判別してその結果に応じて次の
ベル位置が黒か白のどちらであるかを判別してツリーを
たどり最終結果を得る。即ち、ツリー６Ｅは最初の根ノ
ード３０１においてフレームのベル・アドレス（４，６
）を選択し、このアドレスのベルが黒であるか白である
かを調べ、その結果に基づいて次の枝ノード３０２又は
３０３に進む。この場合答は白なので枝ノード３０２に
進みこのノード３０２でアドレス（４、Ｏ）のベルを選
択しそしてこのベルが黒であるか白であるかを調べる。

答は黒なので次の技ノード３０４に進み、アドレス（８
，５）のベルの白黒を調べる。答は白なので葉ノード３
０５に進み認識結果Ｂを得る。即ち、第１文字はＩｔ　
Ａ　＋＋であるにもかかわらず文字認識ツリー６Ｅはこ
の第１文字を“Ｂ　＋＋と認識したことになる。この第
１文字が第３Ａ図の参照番号３４で示すフーリエ１０の
タイプ・フォントであるならばツリー６Ｅはノード３０
１からノード３０３及びノード３０６を経て葉ノード３
０７に進み答ＩＩ　Ａ　１１を生じる。実際の認識結果
は上述の如＜　１ｌＢＩ＋であるので文字認識論理回路
１０は、文字“Ｂ　＋＋の文字コード及び正確度を補助
バッファ゛（図示せず）に記憶する。

次に文字認識論理回路１０はツリー６Ｆを用いて第１文
字１１　Ａ　＋＋を再び認識し結果を補助バッファに記
憶し、次いでツリー６Ｇを用いて第１文字１１　Ａ　＋
＋を再び認識し、結果を補助バッファに記憶し、これら
の３つの結果に基づいて最終結果を生じる。尚、３種類
のツリーを用いて文字を認識することは前述の文献（１
）に更に詳細に示されている。

上記第１文字の最終結果が′Ｂ″であるとする。

文字認識論理回路１０は、第１図の結果バッファ７の領
域７Ａの第１文字の位置に文字Ｉｔ　Ｂ　７１の文字コ
ードを記憶する。同様にして、文字認識論理回路１０は
作業バッファ４の第２番目のイメージ”Ｂ　１１を取出
し１文字認識ツリー６Ｅ、６Ｆ及び６Ｇを用いることに
より順次認識して最終結果を生じてこれを結果バッファ
７の領域７Ａの第２番目の文字の列に記憶する。このよ
うにして第１番目の文字行の全文字即ち約５０文字のイ
メージをＬ２識して夫々の最終結果を結果バッファ７の
領域７Ａに記憶する。第３Ｂ図の文字認識ツリー６Ｅは
簡略化して示しであるが、実際のツリーは例えば１０−
１１の決定ステップを含み、総ノード数が２９９９の時
葉ノードの数は１５００である。

ここで第１文字行を認識した結果第４番目の実際の印刷
文字がＩＩ　Ｑ　ＩＩであるにもかかわらず、認識の最
終結果が０でありそしてその正確度が低く、そして第２
５番目の実際の印刷文字が１１　Ｐ　Ｉｔであるにもか
かわらず、認識の最終結果がＩＩ　Ｒ”でありそしてそ
の正確度が低かったものと仮定する。

この場合、文字認識論理回路１０は第１図の結果バッフ
ァ７の領域７Ａの第４文字の位置にフラグ１をセットし
、文字ｒｒ　Ｏｎの文字コード、及び実際の印刷文字Ｉ
ｔ　Ｑ　＋＋のイメージを記憶し、そして第２５文字の
位置にフラグ１をセットし、文字１１　ＲＩＴの文字コ
ード及び実際の印刷文字１１　Ｐ　＋＋のイメージを記
憶する。そして、文字認識論理回路１０は領域７Ａのフ
ラグの数に基づいてリジェクト率を計算して記憶する。

図示の例では５０文字のうち２つの文字についてフラグ
１がセットされているのでリジェクト率は４％であり、
この４％が記憶される。

次に、ブロック２８において全フォント即ち説明中の例
では１８種類のフォントの全てが用いられたか否かが調
べられる。もしも答がノーであるならばブロック２６に
戻りツリー・メモリ６のうち次のフォントのメモリ・ス
ペースがツクセスされて上述の動作を繰返す、又、ブロ
ック２８は前文字行の処理中に学習バッファ９に文字コ
ード及び文字イメージが記憶されている時にイエスの出
力を生じる。

１８種類のタイプ・フォントのためのツリーを用いて第
１文字行の認識が終るとブロック２８の答えはイエスと
なり、そして第１図の結果バッファの１８の領域７Ａ、
７Ｂ、・・・・・・７Ｎには認識の結果が記憶されてい
る。尚、簡略化のために領域７Ｂ、７Ｎにはりジェクト
率のみが示されている。

次に、動作は第２Ｂ図のブロック２９に進み、文字認識
論理回路１０は、結果バッファ７の１８の領域７Ａ・・
・・・・７Ｎの夫々のりジエクト率を調べ、リジェクト
率が最も近いフォントを選択し、このフォントのツリー
を以下の処理において使用する。

第２図の結果バッファ７に示されているように、領域７
Ａ即ちフーリエ１０のリジェクト率が最も低いものとす
る。次に、文字認識論理回路１０は第２Ｂ図のブロック
３０においてフーリエ１ｏのリジェクト率４％が０％に
等しいか否かを調べる。

答はノーなので動作はブロック３１に進む。もしもブロ
ック３０の答がイエスならば、動作は第２Ａ図のブロッ
ク２４に戻り次の文字行の文字イメージの処理を開始す
る。

ブロック３１において、結果バッファ７の領域７Ａに記
憶されている第１文字行の文字コードを文字発生回路（
図示せず）に送り、文字発生回路からの文字イメージを
第１図の表示スクリーン８の表示領域に表示し、そして
フラグ１がセットされている第４文字及び第２５文字を
ブリンク又はハイライトで表示する。更に、作業バッフ
ァ４に記憶されている第１文字行の全文字のイメージを
表示スクリーン８の表示領域８Ｂに表示する。

従って、操作者は表示スクリーン８の表示領域８Ａの認
識結果と表示領域８Ｂの文書の実際の文字イメージとを
比較することができ、そして第１番目の文字にカーソル
を位置づけてキーボード（図示せず）から文字１１　Ａ
　７７の文字コードを入力して結果バッファ７の領域７
Ａの第１文字の文字コードをＩＩ　Ｂ　７１から１１　
ＡＩＩに修正し、次に第４番目の文字の下にカーソルを
位置づけて文字１１　Ｑ　ＩＩの文字コードを入力して
領域７Ａの第４文字の文字コードを０”から“Ｑ　１１
に修正し、そして第２５番目の文字にカーソルを位置づ
けて文字１ｇＰ″′の文字コードを入力して領域７Ａの
第２５文字の文字コードをパＲ″′から“Ｐ′″に修正
することができる。即ち、この段階で、結果バッファ７
には１行の全文字の正しい文字コードが記憶されている
。

第２Ｂ図のブロック３２は、上記の操作者による入力が
行なわれた否かを調べ、もしも答がノーであればブロッ
ク３４に進み、そしてもしも答がイエスであれば、ブロ
ック３３に進む。

ブロック３３では、最初、結果バッファ７の領域７Ａの
第１文字の修正された文字コードＡ及び作業バッファ４
の第１文字のイメージＡを学習バッファ９の最初の位置
に図示のように記憶し１次に領域７Ａの第４文字の修正
された文字コードＱ及び文字イメージＱを学習バッファ
９の次の位置に記憶し、そして領域７Ａの第２５文字の
修正された文字コードＰ及び文字イメージＰを学習バッ
ファ９の次の位置に記憶する。即ち、１文字行のｒ！識
が終る毎に、操作者による修正が行なわれたか否かを調
べ、修正が行なわれるとその内容を学習バッファ９に記
憶していく。もしも新たに修正された文字が既に学習バ
ッファ９の文字と同じなら、新たな文字を記憶しない、
そして更に、結果バッファ７の１文字行の文字コードを
出力バッファ１３には１文字行の処理が終了する毎に正
しい文字コードが記憶される。このようにしてブロック
３３の動作が終了すると、動作はブロック３４に進む、
ブロック３３において、学習バッファ９に文字コード及
びイメージが記憶された後は、以下の文字行即ち説明中
の例では第２番目の文字行以降の処理においては第１文
字行の認識で用いたツリーを用いる。即ち、ブロック３
４の答がノーとなって、そして動作がブロック２４に戻
り次にブロック２５を介してブロック２６に進んだ時、
次の１組のツリーを取出すのではなく、前文字行（即ち
第１文字行）で用いた１組のツリーを用いて認識を行な
う９更に、ブロック２８はイエスの出力を生じる。

ブロック３４は文書１ページの全文字行が処理され終え
たか否かを調べ、もしもノーであれば第２Ａ図のブロッ
ク２４に戻り残りの文字行の処理を行ない、もしもイエ
スであるならば第２Ｃ図のブロック３５へ進む。

ブロック３５において、文字認識論理回路１０は学習バ
ッファ９の最初の位置から文字コードＡ及び文字イメー
ジＡを取出し、そしてブロック３６の動作に進む。

ブロック３６の動作を説明する前にこのブロック３６で
用いる３Ｘ３ペル・ウィンドウ４１（第４図）、統計テ
ーブル１１（第１図）及びマツプ・バッファ１２（第１
図）を説明する。

３Ｘ３ペル・ウィンドウ４１のベル位置のうち周辺の８
ベルは第５図に示すようにベル・アドレスが割当てられ
、この３×３ベル・ウィンドウ４１はこれの中心ベルＸ
が第４図に示すように文字イメージの左上角のベルに重
なるように位置づけられる。統計テーブル１１は表１に
示すように、３×３ベル・ウィンドウ４１の中心ベル即
ち処理されつつある現ペルＸの黒の確率を記憶している
。

アドレス１のビットは最上位ビット（Ｍ　Ｓ　Ｂ　）で
ありアドレス８のビットは最下位ビット（ＬＳＢ）であ
る。マツプ・バッファ１２は領域１２Ａ及び１２Ｂを有
し、これら領域の夫々の大きさは、第１図の作業バッフ
ァ４のフレームと同じ寸法、即ち９Ｘ１１ベルである。

即ち、領域１２Ａ及び１２Ｂの寸法は第３Ａ図のイメー
ジ３１．３２及び３３と同じである。

さて、ブロック３６の動作を説明すると、文字認識論理
回路１０は、３×３ベル・ウィンドウ４１の現ペルＸを
第４図に示すように文字ｒｉ　Ａ　Ｉ＋の文字イメージ
３１の左上角のベルに位置決めする。

ここで第４図の２進０，１のパターンは第３Ａ図のイメ
ージ３１を表わす、イメージ３１の外側にある３Ｘ３ペ
ル・ウィンドウ４１のアドレス１．２．３．４．８の２
進値はＯである。この場合、ウィンドウ４１のアドレス
】〜８は２進値ｏＯＯｏｏｏｏｏで表わされる。文字認
識論理回路１０は上記２進値をアドレスとして統計テー
ブル１１をアクセスする。次に１表１を示す。

１０　　　　００００’１Ｏ１０２４４００１０’１ｌＯＯ４０１０００１１０’０１００　　　　　１００１９９　　
　　１１００’０１１１　　　　　　　　３前述の如く
、３Ｘ３ペル・ウィンドウ４１の現ペルＸが第４図の文
字イメージ３１の左上角（Ｏｌｏ）のベルに位置決めさ
れている時、この現ペルＸの周辺ベル即ちベル・アドレ
ス１−８のベルはｏｏｏｏｏｏｏｏである。文字認識論
理回路１０は、上記ビット・パターンｏｏｏｏｏｏｏｏ
をアドレスとして用いることにより統計テーブル１１の
エントリィＯをアクセスして、この現ペルＸが黒である
確率値０％を読出し、そしてこの値０を。

第６図に示すように、マツプ・バッファ１２の領域１２
Ａの左上角（Ｏｌｏ）の位置に書込む。

次に１文字認識論理回路１０は、第４図のイメージ３１
上でウィンドウ４１を右方向に１ベル位置だけベル・ア
ドレス（１，０）に動かす。この場合、ウィンドウ４１
のアドレス１−８のビット・パターンはｏｏｏｏｏｏｏ
ｏであり、文字認識論理回路１０はこのビット・パター
ンをアドレスとして用いて統計テーブル１１をアクセス
して確率値Ｏを領域１２Ａのベル・アドレス（１，０）
に書込む、このようにして、文字認識論理回路１０はウ
ィンドウ４１を右方向に頭次シフトしてイメージ３１の
第１ベル行の各ベル位置の黒の確率をマツプ・バッファ
１２の領域１２Ａに順次書込む。

第１行の処理を終了した後、文字認識論理回路↓Ｏはウ
ィンドウ４１を第２ベル行の最初のベル位置（０，１）
に位置づけ、第２ベル行の処理を行ない。以下、同様に
して全ペル行の処理を行なう。

第６図は文字“Ａ”のイメージ３１の各ベル位置の黒の
確率値を示す。

例えば第４図のベル位置（４，０）にウィンドウ４１の
現ペルＸが位置づけられた時には、周囲ベルのパターン
は１０００１１０１であり、そして統計テーブル１１の
エントリィ１４１がアクセスされ、確率値９５％が第６
図の領域１２Ａのベル位置（４，０）に書込まれる。又
、第４図のベル位置（２，２）にウィンドウ４１の現ペ
ルＸが位置づけられた時には、周囲ベルのパターンは０
００１００１０であり、そして統計テーブル１１のエン
トリィ１８がアクセスされ、そして確率値２６％が第６
図の領域１２Ａのベル・アドレス（２，２）に書込まれ
る。

次に、動作は、第２Ｃ図のブロック３７に進み、文字認
識論理回路１０は、第２Ｂ図のブロック２９で選択した
文字認識ツリー即ち、フーリエ１０の３つのツリー６Ｅ
、６Ｆ及び６Ｇの夫々に、領域１２Ａの確率値を入力す
る。この動作を第３Ｂ図のツリー６Ｅについて説明する
。ツリー６Ｅの根ノード３０１はベル位置（４，６）を
選択する。

従って第６図の領域１２Ａの位置（４，６）の確率値７
０が取出される。この確率値７０は、第３Ａ図の文字“
Ａ”のイメージを１００回文書上の異なる位置に印刷し
た場合１紙の表面の状態、インク・リボンのインク分布
等に起因して、１００個のうち７０個即ち７０％の文字
のベル位置（４，６）が黒として印刷され、そして３０
個即ち３０％の文字のベル位Ｎ（４，６）が白として印
刷されることを表わす、この確率値を入力した時の動作
を第３Ｄ図を参照して説明する。上述の説明から、根ノ
ード３０１の白出力の確率は３０％であり、そして黒出
力は７０％である。次に、枝ノード３０２及び３０３で
同じ動作が行なわれる。枝ノード３０２において第６図
の領域１２Ａの位置（４、Ｏ）の確率値９５％が取出さ
れる。従って、枝ノード３０２の白出力の確率は３０％
×５％＝１．５％であり、そして黒出力の確率は３０％
×９５％＝２８．５％である。次に、枝ノード３０８に
おいて領域にＡの位置（１，１ｏ）の確率６８％が取出
される。枝ノード３０８の黒出力の確率は、１．５％×
６８％＝１．０２％であり、これが葉ノード３１１の確
率値である。そして白出力の確率は、１．５％Ｘ３２％
＝０．４８％であり、これが葉ノード３１０の確率値で
ある。

枝ノード３０４において領域１２Ａの位置（８，５）の
確率０％が取出される枝ノード３０４の黒出力の確率は
、２８．５％×０％＝Ｏ％であり、そしてこれが葉ノー
ド３１２の確率値である。枝ノード３０４の白出力の確
率は、２８．５％×１ｏＯ％＝２８．５％であり、そし
てこれが葉ノード３０５の確率値である。同様な動作が
枝ノード３０３．３０６及び３０９．並びに葉ノード３
０７及び３１３で行なわれて、そして第３Ｄ図に示す確
率値が発生される。ここで、枝ノード３０９へ与えられ
る確率値は０％であることに注目されたい。枝ノードに
与えられる確率値が０％の場合には、この枝ノードの黒
及び出出力の確率値は両方共０％であるので、動作はこ
の枝ノードで終了する。次に動作はブロック３８に進み
、文字認識論理回路１０は、各葉ノードの確率値を予定
の閾値例えば２％と比較し、この閾値よりも高い確率値
を有する葉ノードを選択し、更にこれら選択した葉ノー
ドのうち１つを選択する。説明中の例では、第３Ｄ図の
葉ノード３０５及び３０７が選択され更にこのうち葉ノ
ード３０５が最初に選択される。説明中の例では２つの
葉ノードだけが選択されたが、実際のツリーは前述の如
く、例えば１５００の葉ノードを有するので、閾値より
も大きい確率値を有する葉ノードの数は１０−２０とな
る。

次に動作はブロック３９に進み１文字認識論理回路１０
は、現在処理中の学習バッファ９内の文字コードＡが葉
ノード３０５の文字コードＢと同じであるかどうかを調
べる。答はノーであるので動作は第２Ｄ図のブロック４
ｏに進む。もしも答がイエスであれば、現在処理中の葉
ノードを更に処理することなく後述のブロック４４に進
む。

ブロック４ｏでは、文字認識論理回路１０は、葉ノード
３０５の文字イメージをツリー・メモリ６から取出す。

説明中の例では葉ノード３０５の文字Ｂの文字イメージ
がツリー・メモリのメモリ・スペース６Ａから取出され
る。動作はブロック４１に進み、文字認識論理回路１０
は、ブロック４０で取出した文字Ｂの文字イメージの全
ベルの黒の確率を計算してマツプ・バッファ１２の領域
１２Ｂに書込む、このブロック４１の動作は、ブロック
３６の動作と同じである。即ち、第５図の３×３ベル・
ウィンドウ４１を用いて、第４図の動作と同様にして、
文字Ｂの文字イメージを走査する。そしてウィンドウ４
１のベル・アドレス１−８のビット・パターンをアドレ
スとして用いて統計テーブル１１をアクセスして確率値
をマツプ・バッファ１２の領域１２Ｂに書込む、第７図
はこのようにして領域１２Ｂに書込まれた文字Ｂの各ベ
ル位置の確率を示す。

次に、動作はブロック４２に進み、文字認識論理回路１
０は、マツプ・バッファ１２の領域１２Ａ及び１２Ｂの
同じベル位置の確率値を位置（０゜０）から順次比較し
て、一方が低く例えば０％であり、他方が高く例えば１
００％である位置を見出す。即ち、２つの値の差が最大
値となる位置を検出する。説明中の例では文字認識論理
回路１゜は、位置（１，１）において、領域１２Ａの確
率値は０％であり、他方領域１２Ｂの確率値は１００％
であることを見出す。

動作はブロック４３に進み、文字認識論理回路１ｏは、
上記ブロック３８で選択した最初の葉ノード３０５の文
字コードを消去して、そしてブロック４２で見出した位
置アドレス（１，１）を書込み、そしてこの葉ノード３
０５から第３Ｅ図に示すようにノード３１６及び３１７
を延長する。

そして文字認識論理回路１０は、ノード３０５の蒸出力
に接続されている延長ノード３１７に、位置（１，１）
の確率値が高い方の文字即ち文字Ｂのコードを書込み、
そしてノード３０５の出出力に接続されている延長ノー
ド３１６に、位置（１，１）の確率値が低い方の文字即
ち文字Ａの文字コードを書込む。

次に動作はブロック４４に進み、文字認識論理回路１ｏ
は、ブロック３８で見出した全ノードの処理が終了した
か否かを調べる。説明中の例では、まだノード３０７の
処理が終了していないのでブロック４４の答はノーであ
り、動作は第２Ｃ図のブロック３８へ戻る。ブロック３
８において１文字認識論理回路１ｏは、未処理の葉ノー
ド３０７を選択し、ブロック３９において、葉ノード３
０７の文字Ａの文字コードが学習バッファ９の文字Ａの
文字コードと同じかどうかを調べる。ブロック３９の答
はノーなので、第２Ｄ図のブロック４４に進み、全ての
葉ノード即ち３０５及び３０７の処理を終了したことを
検出する。そして動作は第２Ｅ図のブロック４５に進み
、−組のツリー６Ｅ、６Ｆ及び６Ｇのうち全てのツリー
の処理が終了したかどうかが調べられる。説明中の例で
は。

ツリー６Ｆ及び６Ｇがまだ処理されていないので動作は
ブロック３７に戻る。３つのツリー全ての修正が行なわ
れるとブロック４５の答はイエスとなり、ブロック４６
に進む。ブロック４６において、文字認識論理回路１０
は、学習バッファ９の全ての文字が処理され終えたかど
うか即ち文書１ページで見出された修正されるべき文字
の全てが処理され終えたかを調べる。ブロック４６の答
がノーであれば、動作はブロック３５に戻り、そして答
がイエスであれば動作はブロック４７に進む。

ブロック４７において１文字認識論理回路１０は。

１ペ一ジ分の認識結果即ち、出力バッファ１３の全文字
コードを出力し、そして修正された一組のツリー、全文
字コード及び全文字イメージをツリー・メモリ６の空の
メモリ・スペースに記憶する。

そしてブロック４８において認識及びツリー修正動作を
終了する。

第８図は、第３Ｂ、３Ｄ及び３Ｆ図に示されたノードに
おける動作を示す。マツプ・バッファ１２の確率値をツ
リー６Ｅの例えば第３Ｄ図の枝ノード３０２の動作を第
８図を参照して説明する。

枝ノード３０２への入力である確率値は３０％であるの
で第８図のブロック８１への入力確率値Ｐは３０％であ
る。ブロック８１において、このノード３０２が指定す
るアドレス即ち（４，０）のベルに対応する確率値Ｑ即
ち９５％が第６図の領域にＡから取出される。次に、ブ
ロック８２においてＰＸＱの値即ち３０Ｘ９５％＝２８
．５％が計算されて閾値例えば１％と比較される。この
場合、ブロック８２の答はイエスなのでこのノード３０
２はブロック８３においてＰＸＱ＝２８．５％を第３Ｄ
図に示すように思出力に生じる。次に、ブロック８４に
おいてｐｘ　（１００−Ｑ）即ち３０Ｘ　（１００−９
５）＝１．５％を閾値１％と比　−較する。この場合、
ブロック８４の答はイエスなのでノード３０２の白出力
に１．５％が発生される。

次に、２進１（即ち黒１００％）若しくは２進０（黒Ｏ
％）で各ベルが表わされそして作業バッファ４に記憶さ
れている文字イメージの認識動作について説明する。

ノードが前のノードの思出力に接続されているとすると
このノードへの入力確率Ｐは１００％である。ブロック
８１における確率値Ｑは文字認識時には１００％か０％
である。確率値Ｑが１００％であるとするとブロック８
２のＰＸＱは１００％となりブロック８３においてこの
ノードの黒白出に１００％を生じる。ブロック８４の答
はノーであるのでこのノードの白出力には何も発生され
ない。

第２Ｄ図のブロック４３は次のような附加的動作を行な
う、即ち、延長した葉ノード３１６及び３１７に文字Ａ
及びＢの文字コードを夫々割当てた後に、文字Ａ及びＢ
の認識確率をこれらのノードに記憶しておく、これは次
のようにして計算される。

修正される前のノード３０５の文字Ｂの認識確率が４０
％であるとする。このノード３０５がら延長された最終
ノードである葉ノード３１６及び３１７の文字認識確率
は、ノード３０５の文字Ｂの認識確率４０％、ノード３
０５への入力確率２８．５％、マツプ・バッファ１２の
領域１２Ａ及び１２Ｂのうちノード３０５に新たに割当
てられたアドレス（１，１）の確率値により決められる
。

葉ノード３１６の認識確率は次のようにして計算される
。ノード３０５における文字Ａのベル位置が黒となる確
率は第６図のアドレス（１，１）から明らかなように０
％である。即ち、白となる確率が１００％である。従っ
て、葉ノード３１６で文字Ａを認識する確率は、２８．
５％×１００％＝２８．５％であり、一方文字Ｂを認識
する確率は４０％ＸＱ％＝０％となる。

葉ノードの認識確率は次のようにして計算される。ノー
ド３０５における文字Ｂが黒となる確率は第７図のアド
レス（１，１）から明らかなように１００％である。従
って、葉ノード３１７で文字Ｂを認識する確率は、４０
％×１００％＝４０％であり、一方文字Ａを認識する確
率は２８．５％×ｏ％＝０％となる。これらのノード３
１６及び３１７に新たに与えられた認識確率は、第２Ａ
図のブロック２７において用いられる。

説明を簡単化するために１作業バッファ４のフレームは
９Ｘ１１ベルの寸法を有するとして説明したが、実際に
は大きな寸法例えば３２Ｘ４０ペルを有する。

実施例の説明は、文字認識ツリーの学習動作即ちツリー
の修正動作に向けられたが、本発明は、文字の特徴を抽
出してこの特徴を表わす特徴リストを文字毎に記憶して
おくことによって文字認識を行なうアルゴリズムにおい
て用いられることができる。

又、パターンとして英数字のパターンの認識及び学習動
作を説明したが、英数字の代わりに日本字又は指紋を用
いることができる。

実施例では、１文字行の認識毎に誤って認識された文字
の文字コードを正しい文字コードに訂正したが、この動
作は複数行おきに行なわれることができる。又、１ペー
ジの文書の認識終了毎にツリーを修正したが、この動作
は複数ページ終了毎に行なわれることができる。

発明の効果本発明の作用効果は、文字認識ツリーを修正する時間が
短かいこと、修正に要する記憶領域が少ないこと、操作
者の介在が最小であること、本来の認識動作を行なって
いる間にツリーの修正が行なわれること、学習及び修正
を行なうのに最小数のサンプルしか必要としないことで
ある。

【図面の簡単な説明】

第１図は本発明の文字認識装置のブロック図、第２Ａ図
、第２Ｂ図、第２Ｃ図、第２Ｄ図及び第２Ｅ図は、本発
明の文字認識方法の認識及びツリー修正工程を示すフロ
ーチャート、第３図及び第３Ａ図は文字イメージを示す
図、第３Ｂ図は文字認識ツリーを示す図、第３Ｃ図はツ
リー・メモリの１つのメモリ・スペースに記憶される一
組のツリーを示す図、第３Ｄ図は第３Ｂ図のツリーにマ
ツプ・バッファの確率値を入力する動作を示す図、第３
Ｅ図は、ツリーの１つの葉ノードを延ばす動作を示す図
、第４図は文字イメージをウィンドウにより走査する動
作を示す図、第５図はウィンドウのアドレスを示す図、
第６図及び第７図は文字Ａ及びＢのイメージの各ベル位
置の確率値を記憶するマツプ・バッファの２つの領域を
示す図、第８図はツリーのノードの動作を示すフローチ
ャートである。１・・・・文書走査装置、２・・・・イメージ・バッフ
ァ、３・・・・文字切出論理回路、４・・・・作業バッ
ファ、５・・・・制御装置、６・・・・ツリー・メモリ
、６Ａ、６Ｂ、６Ｃ５６Ｄ・・・・メモリ・スペース、
７・・・・結果バッファ、８・・・・表示スクリーン、
９・・・・学習バッファ、１０・・・・文字認識論理回
路、１１・・・・統計テーブル、１２・・・・マツプ・
バッファ。１３・・・・出カバソファ。０１２３４５６７Ｂ第３図第３Ａ図工　　　　　　工　　　　　　工 ′Ｌ二二３×３べ°１し・ウィンＶう０１°　２３４５６７８第４図第５図入力１卆１第８図

Claims

【特許請求の範囲】

（１）パターンのイメージを記憶する第１メモリと、複
数の認識ステップを含むパターン認識手順により誤って
認識されたパターンのイメージを記憶する第２メモリと
、上記パターンのイメージの画素に黒が現われる確率を表
わす値を夫々記憶する複数の記憶位置を有する確率マッ
プを発生する手段と、上記値を上記パターン認識手順に入力として与え上記誤
り認識を生じた認識ステップを検出する手段と、上記パターンのイメージを正確に認識するように上記検
出された認識ステップを修正する手段とを含むパターン
認識装置。
（２）上記パターン認識手順は、根ノード、複数個の枝
ノード及び夫々文字コードが割当てられている複数個の
葉ノードを有する認識ツリーであり、上記パターンは文
字のパターンであることを特徴とする特許請求の範囲第
（１）項記載のパターン認識装置。
（３）上記認識ツリーの各ノードは、上記パターンのイ
メージの選択された画素のアドレス・データを記憶し、
後続ノードに夫々接続された２つの出力を有し、そして
上記選択された画素に黒が現われる確率を表わす値に依
存する出力を発生することを特徴とする特許請求の範囲
第（２）項記載のパターン認識装置。
（４）上記パターンのイメージの画素の夫々は２進１若
しくは０により表わされることを特徴とする特許請求の
範囲第（１）項記載のパターン認識装置。
（５）上記認識ツリーは、文字パターン及び文字コード
と共にツリー・メモリに記憶されていることを特徴とす
る特許請求の範囲第（２）項記載のパターン認識装置。
（６）文書の文字のイメージを記憶するイメージ・バッ
ファ、１文字行の複数文字のイメージを個別の文字イメ
ージに区切る手段、上記１文字行の上記区切られた文字
のイメージを上記第１メモリに記憶する手段を含むこと
を特徴とする特許請求の範囲第（１）項記載のパターン
認識装置。
（７）上記第１メモリは作業バッファであることを特徴
とする特許請求の範囲第（６）項記載のパターン認識装
置。
（８）上記１文字行の区切られたイメージを認識し、認
識結果を結果バッファに記憶し、上記誤って認識された
文字のイメージ及び文字コードを学習バッファに記憶す
る手段を含むことを特徴とする特許請求の範囲第（１）
項記載のパターン認識装置。
（９）上記学習バッファに記憶された文字のイメージを
取出し、上記イメージの画素に黒が現われる確率を表わ
す値を決定する手段を有することを特徴とする特許請求
の範囲第（１）項記載のパターン認識装置。
（１０）上記値を決定する手段は、上記文字のイメージ
の各画素及び該画素の近隣画素を逐次的に走査し、該近
隣画素のパターンをアドレスとして用いることにより統
計テーブルのエントリィをアクセスし、上記近隣画素に
より囲まれた上記中心画素に黒が生じる確率を表わす値
を上記エントリィから取出し、該取出した値を、上記確
率マップのうち上記中心画素の位置に対応する記憶位置
に記憶することを特徴とする特許請求の範囲第（９）項
記載のパターン認識装置。
（１１）上記認識ステップを検出する手段は、上記確率
マップの上記値を上記認識ツリーに入力データとして供
給し、上記学習バッファに記憶されている上記文字を認
識する確率の高い値を発生する上記認識ツリーの葉ノー
ドを検出し、該検出された葉ノードに最初に割当てられ
た文字コードの文字のイメージを取出し、該取出された
イメージの確率マップを発生し、各記憶位置毎に、上記
前者の確率マップの値を、上記後者の確率マップの値に
比較し、両確率マップの一方の値が高くそして他方の確
率マップの値が低い記憶位置を検出することを特徴とす
る特許請求の範囲第（１）項記載のパターン認識装置。
（１２）上記修正する手段は、上記検出された葉ノード
に最初に割当てられた文字コードを、上記検出された記
憶位置のアドレスに代え、上記葉ノードから２つのノー
ドを延長し、該延長されたノードに上記最初に割当てら
れた文字コード及び上記学習バッファに記憶された文字
コードを夫々割当てることを特徴とする特許請求の範囲
第（１）項記載のパターン認識装置。
（１３）文書の文字のイメージを記憶する手段と、上記
文字のイメージを認識する文字認識ツリーと、高い確率で認識された文字の文字コード並びに低い確率
で認識された文字の文字コード及びイメージを記憶する
結果バッファと、低い確率で認識された文字の文字コードを正しい文字コ
ードに代える手段と、上記低い確率で認識された文字の上記正しい文字コード
及びイメージを記憶する学習バッファと、上記学習バッ
ファに記憶された上記イメージの各画素の位置に黒が現
われる確率を表わす第１の値を計算する手段と、上記第１の値を上記文字認識ツリーに供給し、上記学習
バッファに記憶されたイメージを高い確率で認識する上
記認識ツリーの葉ノードを検出する手段と、上記検出された葉ノードに割当てられた文字コードのイ
メージの各画素の位置に黒が現われる確率を表わす第２
の値を計算する手段と、上記学習バッファに記憶された文字のイメージ及び上記
葉ノードに最初に割当てられた文字のイメージの同じ画
素位置の上記第１及び第２の値を比較し、一方の値が大
きくそして他方の値が小さい画素位置を検出する手段と
、上記検出された葉ノードの文字コードを上記検出された
画素位置のアドレスに代え、上記葉ノードから２つのノ
ードを延長し、該延長されたノードに上記最初に割当て
られた文字コード及び上記学習バッファの文字コードを
夫々割当てる手段とを有する文字認識装置。