JPH034953B2 - - Google Patents
Info
- Publication number
- JPH034953B2 JPH034953B2 JP59107751A JP10775184A JPH034953B2 JP H034953 B2 JPH034953 B2 JP H034953B2 JP 59107751 A JP59107751 A JP 59107751A JP 10775184 A JP10775184 A JP 10775184A JP H034953 B2 JPH034953 B2 JP H034953B2
- Authority
- JP
- Japan
- Prior art keywords
- axis
- normalized
- sample
- buffer
- values
- 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.)
- Expired - Lifetime
Links
- 238000005070 sampling Methods 0.000 claims description 23
- 239000000872 buffer Substances 0.000 description 29
- 238000000034 method Methods 0.000 description 14
- 238000010606 normalization Methods 0.000 description 13
- 230000009466 transformation Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008602 contraction Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012916 structural analysis Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Character Input (AREA)
- Image Processing (AREA)
- Character Discrimination (AREA)
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明は、2次元図形・音声等のパターンの
非線形正規化方式に関するものである。DETAILED DESCRIPTION OF THE INVENTION [Field of Industrial Application] The present invention relates to a nonlinear normalization method for patterns of two-dimensional figures, sounds, etc.
パターン認識、特に文字認識の手法は、通常、
重ね合せ法と構造解析法の2つに分けられる。従
来、重ね合せ法は印刷文字に対して、構造解析法
は手書文字に対して用いられてきた。しかし、近
年の手書漢字認識の研究においては、次のような
理由により手書漢字に対しても重ね合せ法が広く
使われるようになつてきている。
Pattern recognition, especially character recognition techniques, are usually
It can be divided into two types: superposition method and structural analysis method. Conventionally, the superposition method has been used for printed characters, and the structural analysis method has been used for handwritten characters. However, in recent research on handwritten kanji recognition, the superimposition method has come to be widely used even for handwritten kanji for the following reasons.
(1) 字種が多く、辞書の自動学習が容易である必
要があること、
(2) 形が複雑で、構造解析法では特徴の組み合せ
数が発散すること、
(3) 高次特徴による重ね合せという考え方が導入
され、重ね合せ法の適用範囲が広がつたこと、
などである。(1) There are many character types, and automatic learning of the dictionary must be easy; (2) the shapes are complex, and the number of feature combinations diverges in structural analysis; (3) overlapping by higher-order features is required. The concept of superimposition was introduced, and the scope of application of the superposition method expanded.
重ね合せ法では、通常、未知入力パターンと標
準パターンの整合(マツチング)に先立つて未知
入力パターンの大きさや、位置をそろえる処理が
行われる。これを正規化と呼ぶ。重ね合せ法で
は、標本点の位置は固定であるとの仮定にたつて
マツチングを行うため、標本点の位置をとるべく
合せる正規化の処理が特に重要になるのである。 In the superimposition method, processing is usually performed to align the size and position of the unknown input pattern prior to matching the unknown input pattern and the standard pattern. This is called normalization. In the superposition method, matching is performed on the assumption that the positions of the sample points are fixed, so the normalization process that matches the positions of the sample points is particularly important.
従来の正規化は、外接多角形の情報や、重心等
モーメントの情報を用い、位置,大きさ,傾きが
一定になるよう変換するものあつた。いずれにし
ても、そこでの変換は、旧座標を(x,y),変
換後の新座標を(x′,y′)とした時
x′
y′ a1 a2
a3 a4 x
y a5
a6 ……(1)
で表される範囲に限られる。この変換はアフイン
変換と呼ばれ、旧座標の直線は新座標でも直線に
なるなどの性質を持ち、数学的な取り扱いも容易
である。 Conventional normalization uses information on circumscribed polygons, information on moments such as the center of gravity, and performs transformations such that the position, size, and inclination are constant. In any case, the transformation is x'y' a 1 a 2 a 3 a 4 x y a 5 a 6 ... limited to the range expressed in (1). This transformation is called affine transformation, and has the property that a straight line in the old coordinates becomes a straight line in the new coordinates, and is easy to handle mathematically.
しかし、手書文字では形が部分的に変形するこ
とを考えればこの線形的な変換だけでは不十分で
ある。 However, considering that the shape of handwritten characters is partially deformed, this linear conversion alone is insufficient.
この発明は、手書文字のように不規則(非線形
的)に変形するパターンに対しても有効な正規化
方法を提供するものである。
The present invention provides a normalization method that is effective even for irregularly (nonlinearly) deformed patterns such as handwritten characters.
上記の目的を達成するため、この発明では各標
本点に、特性値を定義し、その特性値と標本化間
隔の間に一定の関係成り立つように変換する。
In order to achieve the above object, the present invention defines a characteristic value for each sampling point, and transforms the characteristic value so that a certain relationship is established between the characteristic value and the sampling interval.
より具体的には、後記実施例に示すように、特
性値として局所的な線の本数をとり、その線の本
数と、標本化間隔(各点で可変)との積が一定に
なるように変換する。この変換は、各点で標本化
間隔が一様でない非線形変換となる。この変換に
よつて、線の密なところは空間がひきのばされ、
粗なところは縮められるという変形が起るため、
空間内の線の数が均質化され、空間の有効利用が
図られる。 More specifically, as shown in the example below, the number of local lines is taken as the characteristic value, and the product of the number of lines and the sampling interval (variable at each point) is set to be constant. Convert. This transformation is a nonlinear transformation in which the sampling interval is not uniform at each point. Through this transformation, the space is stretched out where the lines are dense,
Because rough areas are deformed by being shortened,
The number of lines in the space is homogenized, and the space can be used effectively.
この発明は、音声の時系列標本値等1次元パタ
ーンにも適用可能であるが以下では2次元図形を
例にとつて、その原理を説明する。
Although the present invention is applicable to one-dimensional patterns such as time-series sample values of audio, the principle will be explained below using a two-dimensional figure as an example.
標本化間隔δで標本化された2値図形を
f(xi,yj),{i=1,2,……I
j=1,2,……J (2)
とする。(xi,yj)はx軸,y軸のそれぞれ第i
番目,第j番目の標本点の座標である。この時、
標本化される対象となつた元の図形の標本点以外
の点、すなわち、連続座標系上での値は
f(x,y)=f(xi,yj) ……(3)
ただし、
(xi-1=)xi−δ<x≦xi,xp=0
(yj-1=)yj−δ<y≦yj,yp=0
であると考える。すなわち、標本点以外の連続座
標系上の値は、その座標が属する標本点の標本値
に等しいと考える。 Let f(x i , y j ), {i=1, 2, . . . I j = 1, 2, . (x i , y j ) is the i-th axis on the x-axis and the y-axis, respectively.
These are the coordinates of the th and jth sample points. At this time,
The points other than the sampling points of the original figure that is the object of sampling, that is, the values on the continuous coordinate system are f(x, y) = f(x i , y j ) ...(3) However, It is assumed that (x i-1 =) x i −δ<x≦x i , x p =0 (y j-1 =) y j −δ<y≦y j , y p =0. That is, values on the continuous coordinate system other than sample points are considered to be equal to the sample value of the sample point to which the coordinates belong.
ここで、各xiにおけるx軸への線の本数の射影
(x=xiなる垂直線と2値図形fとの交差数)
hx(xi)=J
〓j=1
f(xi,yj)(xi,yj-1)
……(4)
ただし、f(xi,yp)=0
および、各yjにおけるy軸への線の本数の射影
hY(yj)=I
〓i=1
f(xi,yj)(xj-1,yj)
……(5)
ただし、f(p,yj)=0
を求める(第3図a)。ここで、は、fの0−
1反転図形である。 Here, the projection of the number of lines onto the x axis at each x i (the number of intersections between the vertical line x = x i and the binary figure f) hx (x i ) = J 〓 j=1 f (x i , y j ) (x i , y j-1 ) ...(4) However, f (x i , y p )=0 and the projection of the number of lines to the y-axis at each y j h Y (y j ) = I 〓 i=1 f (x i , y j ) (x j-1 , y j ) ...(5) However, find f ( p , y j )=0 (Figure 3 a). Here, is 0- of f
1 is an inverted figure.
この射影された関数も、第(3)式と同様に、連続
座標系上で、
hX(X)=hX(xi),xi−δ<x≦xi
hY(y)=hY(yi),yj−δ<y≦yj
……(6)
と考える。 This projected function is also expressed on the continuous coordinate system as in equation (3), h X (X)=h X (x i ), x i −δ<x≦x i h Y (y)= Consider h Y (y i ), y j −δ<y≦y j ……(6).
次に、それぞれの線の数の総和 を求める。 Next, the sum of the numbers of each line seek.
以上の準備のもとで、この発明の意図する正規
化図形g(x′i,y′j)は次のように表現できる。 Based on the above preparations, the normalized figure g(x' i , y' j ) intended by the present invention can be expressed as follows.
g(x′i,y′j),
i=1,2,…,I j=1,2,…,J
εx(i)・hx(X′i)
=δ・Cx/I=定数、
x′i−εx(i)=X′i-1
εy(j)・hY(y′j)
=δ・CY/I=定数、
y′j−εY(j)=y′j-1 (8)
すなわち、x軸の第i番目の標本点x′iはその
標本化間隔ε(X′i)と、その点における特性値hx
(X′i)との積が一定になる場所に定められる。y
軸についても同様である(第3図b)。なお、定
数をδ・Cx/Iおよびδ・CY/Jにするのは、
正規化図形の標本点数もI×Jにするためであ
る。g (x′ i , y′ j ), i=1,2,…, I j=1,2,…, J εx(i)・h x (X′ i )=δ・C x /I=constant , x′ i −ε x (i)=X′ i-1 εy(j)・h Y (y′ j )=δ・C Y /I=constant, y′ j −ε Y (j)=y′ j-1 (8) In other words, the i-th sampling point x′ i on the x-axis is determined by its sampling interval ε(X′ i ) and the characteristic value h x
It is determined where the product with (X′ i ) is constant. y
The same applies to the shaft (Fig. 3b). In addition, setting the constants to δ・C x /I and δ・C Y /J is as follows.
This is because the number of sample points of the normalized figure is also set to I×J.
このように再標本化で得た正規化図形g(x′i,
y′j)は線が均質に分布するようになり、かつ、
2次元空間が有効に利用されるようになる(第3
図(C))。 In this way, the normalized figure g(x′ i ,
y′ j ) is such that the lines are uniformly distributed, and
Two-dimensional space will be used effectively (third
Figure (C)).
このため、重ね合せによるマツチングを行つた
時に、変形に対して安定な結果が得られるように
なるのである。 For this reason, when matching by overlapping is performed, a result that is stable against deformation can be obtained.
以上がこの発明の原理であるが、第(8)式で表わ
された再標本化を行うため、まず、hの累積関数
を次のように定義する。 The above is the principle of the present invention. In order to perform the resampling expressed by equation (8), first, the cumulative function of h is defined as follows.
ここで、hは、第(6)式で定義された連続座標系
上での関数である。 Here, h is a function on the continuous coordinate system defined by equation (6).
このようにすれば、正規化された標本化図形g
(x′i,y′j)の標本点の位置(x′i,y′j)は、
と計算される。 In this way, the normalized sampling figure g
The position of the sample point (x′ i , y′ j ) of (x′ i , y′ j ) is It is calculated as follows.
第1図および第2図にこの発明の一実施例をそ
れぞれ示す。第1図と第2図の違いは、第1図で
示される実施例では、正規化図形g(x′i,y′j)が
標本化図形f(xi,yj)から計算されるのに対し、
第2図の例では、正規化図形が観測装置で再観
測,再標本化される点にある。
An embodiment of the present invention is shown in FIG. 1 and FIG. 2, respectively. The difference between FIG . 1 and FIG . 2 is that in the embodiment shown in FIG. In contrast,
In the example of FIG. 2, the normalized figure is re-observed and re-sampled by the observation device.
まず、第1図の実施例について説明する。この
実施例では、I×Jの0,1の値を持つマトリツ
クスとし標本化図形用バツフア101に標本化図
形が蓄えられている。この標本化図形を用い、第
(4)式を計算して、その結果を、I個のX軸線密度
用バツフア102に入れる。 First, the embodiment shown in FIG. 1 will be described. In this embodiment, the sampled figures are stored in the sampled figure buffer 101 as a matrix having the values of 0 and 1 of I.times.J. Using this sampling figure,
Equation (4) is calculated and the results are stored in I X-axis line density buffers 102.
同様に、第(5)式の計算結果を、J個のY軸線密
度用バツフア103に入れる。 Similarly, the calculation result of equation (5) is input into J Y-axis line density buffers 103.
次に、X新標本点計算回路104において、X
軸線密度用バツフア102の内容に対して第(9)式
の計算を行うことより、第(10)式の計算に用いるた
めのI個のX軸新標本点の座標をX軸新標本点座
標用バツフア106に入れる。ここで、第(9)式お
よび第(10)式ではdx(X)は連続座標系上で定義さ
れているので、このままでは計算できない。 Next, in the X new sample point calculation circuit 104,
By calculating Equation (9) on the contents of the axial density buffer 102, the coordinates of I new X-axis sample points to be used in the calculation of Equation (10) are calculated as the X-axis new sample point coordinates. into the buffer 106 for use. Here, in equations (9) and (10), d x (X) is defined on a continuous coordinate system, so it cannot be calculated as is.
そこで、実際の計算は、
i′=min
l{l|l
〓k=1
hx(XK)≧i・Cx/I} ……(11)
により行う。i′は正規化図形のX軸の第i番目の
標本点が、元の標本図形の第i′番目の標本点であ
ることを示すものである。このi′がX軸新標本点
用バツフア106の第i番目に蓄えられる。 Therefore, the actual calculation is performed as follows: i′=min l{l| l 〓 k=1 h x (X K )≧i·Cx/I} (11). i' indicates that the i-th sample point on the X axis of the normalized figure is the i'-th sample point of the original sample figure. This i' is stored in the i-th buffer 106 for the X-axis new sample point.
同様にy軸についても、Y新標本点計算回路1
05において、Y軸線密度用バツフア103の内
容に対し、第(9)式(実際は第(11)式と同様な式)に
従つて、計算を行うことにより、J個のY軸新標
本点座標が求められ、Y軸新標本点座標用バツフ
ア107に入れられる。 Similarly, for the y-axis, Y new sample point calculation circuit 1
05, the coordinates of J new Y-axis sample points are determined by calculating the contents of the Y-axis linear density buffer 103 according to equation (9) (actually, the same equation as equation (11)). is determined and stored in the Y-axis new sample point coordinate buffer 107.
最後に非線形伸縮回路108の動作について説
明する。 Finally, the operation of the nonlinear expansion/contraction circuit 108 will be explained.
まず、X軸新標本点座標用バツフア106の第
i番目の内容をi′,Y軸新標本点座標用バツフア
107の第j番号の内容をj′とする。この時、非
線形伸縮回路108は標本化図形用バツフア10
1から、X軸の第i′番目,y軸の第j′番目の内容
をとり出して、正規化図形用バツフア109のx
軸の第i番目,y軸の第j番目に入れる。この操
作を、i=1,2,……,I,j=1,2,…
…,Jについて行うことにより、正規化図形用バ
ツフア109の正規化図形が完成する。 First, let the i-th content of the X-axis new sample point coordinate buffer 106 be i', and the j-th content of the Y-axis new sample point coordinate buffer 107 be j'. At this time, the nonlinear expansion/contraction circuit 108 converts the sampling figure buffer 10
1, extract the i'th content of the X axis and the j'th content of the y axis, and
Put it in the i-th axis and the j-th axis in the y-axis. This operation is performed as i=1,2,...,I,j=1,2,...
..., J, the normalized figure of the normalized figure buffer 109 is completed.
なお、110は観測装置、111は対象パター
ンを示す。 Note that 110 indicates an observation device, and 111 indicates a target pattern.
次に、第2図に示された第2の実施例について
説明する。 Next, a second embodiment shown in FIG. 2 will be described.
この実施例でも、標本化図形バツフア201,
X軸線密度用バツフア202,y軸線密度用バツ
フア203から、x軸上への線密度の射影および
y軸上への線密度の射影を求めるまでは第1図の
実施例と同様である。次に第(9)式,第(10)式から、
正規化図形のための標本点の座標を求める訳であ
る。このために第1図の実施例では、標本化図形
から正規化図形を求めたために、整数上で第(9)
式,第(10)式を計算した。これに対し、この実施例
では、第(9)式,第(10)式をそのまま計算する。ただ
し、第(9)式の積分形のままでは、デイジタル回路
での計算が不可能なため、長さδの区間を10等分
し、xi-1,xi-1+δ/10,xi-1+2δ/10,……,xi
−δ/10,xi,……の上で第(9)式の値をX新標本
点計算回路204で求める。 Also in this embodiment, the sampling figure buffer 201,
The process from the X-axis linear density buffer 202 and the y-axis linear density buffer 203 to obtaining the projection of the linear density onto the x-axis and the projection of the linear density onto the y-axis is the same as in the embodiment shown in FIG. Next, from equations (9) and (10),
This is to find the coordinates of the sample points for the normalized figure. For this reason, in the example shown in Fig. 1, since the normalized figure was obtained from the sampled figure, the
Equation (10) was calculated. In contrast, in this embodiment, equations (9) and (10) are calculated as they are. However, since it is impossible to calculate using a digital circuit if the integral form of equation (9) is used, the interval of length δ is divided into 10 equal parts, x i-1 , x i-1 + δ/10, x i-1 +2δ/10,..., x i
-δ/10, x i , .
次に、これらの点のうち第(10)式の左辺と右辺の
値が一番近い点を、第(10)式のx′iとし、X軸新標
本点座標用バツフア206の第i番目に入れる。 Next, among these points, the point whose values on the left and right sides of equation (10) are closest is set as x′ i in equation (10), and the i-th point of the X-axis new sample point coordinate buffer 206 is Put it in.
同様にy軸についてもY新標本点計算回路20
5で計算しY軸新標本点座標用バツフア207に
入れる。 Similarly, for the y-axis, the Y new sample point calculation circuit 20
5 and input it into the Y-axis new sample point coordinate buffer 207.
次に再標本化回路208の動作について説明す
る。まず、X軸新標本点座標用バツフア206の
第i番目の内容をx′i,Y軸新標本点座標用バツ
フア207の第j番目の内容をy′jとする。この
とき、観測装置110により、座標(x′i,y′j)
の標本値が、正規化図形用バツフア209のx軸
の第i番目,y軸の第j番目に入れられる。この
操作を、i=1,2,……,I,j=1,2,…
…Jについて行うことにより、正規化図形用バツ
フア209に正規化図形が完成する。 Next, the operation of the resampling circuit 208 will be explained. First, let the i-th content of the X-axis new sample point coordinate buffer 206 be x' i and the j-th content of the Y-axis new sample point coordinate buffer 207 be y' j . At this time, the observation device 110 detects the coordinates (x′ i , y′ j )
The sample value is entered into the i-th position on the x-axis and the j-th position on the y-axis of the normalized graphic buffer 209. This operation is performed as i=1,2,...,I,j=1,2,...
By performing this for J, a normalized figure is completed in the normalized figure buffer 209.
第1と第2の実施例を比較すると、第2の実施
例の方が再標本化するため、よりきめの細かい正
規化図形が得られる。また、第2図において、標
本化図形用バツフア201と正規化図形用バツフ
ア209が共用できるのも一つの特徴である。 Comparing the first and second embodiments, the second embodiment performs resampling, so a finer-grained normalized figure can be obtained. Another feature of FIG. 2 is that the sampled figure buffer 201 and the normalized figure buffer 209 can be used in common.
〔変形例1〕 1次元パターンの例
上記実施例では、2次元図形の標本値の集合
{f(xi,yj)},i=1〜I,j=1〜Jに対する
正規化について述べたが、この発明の正規化方式
は、音声パターンなど1次元データに対しても適
用可能である。[Modification 1] Example of one-dimensional pattern In the above example, normalization for a set of sample values of a two-dimensional figure {f(x i , y j )}, i=1 to I, j=1 to J is described. However, the normalization method of the present invention can also be applied to one-dimensional data such as voice patterns.
すなわち、時刻x1,x2,……,xo,……,xN
における標本値の集合を{f(x1),f(x2),…
…,f(xo),……f(xN)}とした時、例えば特
性値として各xoにおける音の強さの集合{h
(x1),h(X2),……,h(xo),……h(xN)}を
計算し、この{h(xo)}と、新しい第n番目の標
本点の標本化間隔ε(n)との積が一定なるよう
に再標本化して、正規化された標本値の集合{g
(x1),g(x2),……,g(Xo),……g(xN)}を
得る。 That is, at time x 1 , x 2 , ..., x o , ..., x N
The set of sample values in {f(x 1 ), f(x 2 ),...
..., f (x o ), ... f (x N )}, for example, the set of sound intensities at each x o as a characteristic value {h
(x 1 ), h(X 2 ), ..., h(x o ), ... h(x N )}, and calculate this {h(x o )} and the new nth sample point. The set of normalized sample values {g
(x 1 ), g (x 2 ), ..., g (X o ), ... g (x N )} are obtained.
〔変形例2〕 特徴パラメータの正規化の例
文字認識などパターン認識の処理は、通常、(1)
正規化など行う前処理、(2)識別に有効な特徴をと
り出す特徴抽出、(3)予め蓄えられた標準パターン
との照合を行う整合の3段階に分けられる。この
実施例では、前処理内で用いる正規化の方式と述
べきた。しかし、この発明の本質である非線形変
換の処理は、前処理内のみならず特徴抽出の処理
においても有効に作用するものである。すなわ
ち、前処理内で用いるのと同じ目的を達成するた
めに抽出された特徴パラメータに対してこの発明
の非線形変換を行うことができる。[Modification 2] Example of normalization of feature parameters Pattern recognition processing such as character recognition is usually performed using (1)
It can be divided into three stages: preprocessing such as normalization, (2) feature extraction to extract features that are effective for identification, and (3) matching to match with pre-stored standard patterns. In this embodiment, the normalization method used in preprocessing has been described. However, the nonlinear transformation processing that is the essence of the present invention is effective not only in preprocessing but also in feature extraction processing. That is, the nonlinear transformation of the present invention can be performed on the extracted feature parameters to achieve the same purpose as used in preprocessing.
例えば、標本値に集合{f(xo),n=1〜N}
(前記実施例の{f(xi,yj),i=1〜I,j=
1〜J}に相当)から抽出された特徴パラメータ
の集合を{φ(xo)}とする時、{f(xo)}から正
規化された標本値の集合{g(x′o)}(前記実施例
の{f(x′i,y′j)に相当)を求め、その{g
(x′o)}から特徴を抽出して特徴パラメータの集
合{γ(x′o)}を求める代り{φ(xo)}を正規化
して{γ(x′o)}を求めることが可能である。 For example, set the sample value {f(x o ), n=1~N}
({f(x i , y j ), i=1 to I, j=
1 to J}) is {φ(x o )}, then the set of sample values normalized from {f(x o )} is {g(x′ o ) } (corresponding to {f (x′ i , y′ j ) in the above example) and its
Instead of extracting features from (x′ o )} to obtain a set of feature parameters {γ(x′ o )}, we can normalize {φ(x o )} and obtain {γ(x′ o )}. It is possible.
第4図a,b,cは、第1番目の発明により正
規化された図形と、従来の正規化図形とを比較し
た例であり、第4図aは元の標本化図形、第4図
bは従来の外接4角形を正方形に正規化する方法
を用いた図形、第4図cがこの発明による非線形
正規化図形を示す。この図から、以下のようなこ
の発明の性質があげられる。
Figures 4a, b, and c are examples of comparisons between figures normalized according to the first invention and conventional normalized figures; Figure 4a is the original sampled figure; FIG. 4b shows a figure using the conventional method of normalizing a circumscribed quadrilateral to a square, and FIG. 4c shows a nonlinear normalized figure according to the present invention. From this figure, the following properties of this invention can be mentioned.
(1) 形の複雑な部分が拡大される。(1) Complex parts of the shape are enlarged.
(2) シンニユウの右下の突出しが自然に整形され
短くなつている。(2) The protrusion on the lower right side of the chin has been naturally shaped and shortened.
(3) “音”の部分の位置が比較的安定している。(3) The position of the “sound” part is relatively stable.
これらの性質は、いずれも重ね合せ法を用いる
マツチングにとつて有効なものである。特に、手
書漢字認識に重ね合せ法を用いた場合、シンニユ
ウのついた文字の認識率が低いことが以前から指
摘されており、この発明の正規化は、このような
問題に効果を発揮するものである。 All of these properties are effective for matching using the superimposition method. In particular, it has been pointed out that when the superimposition method is used to recognize handwritten kanji, the recognition rate for characters with ``shinniyu'' is low, and the normalization of this invention is effective in solving this problem. It is something.
以上詳細に述べたように、この発明は外界のパ
ターンを標本化間隔δで観測して電気信号に変換
して標本値の集合を得る手段と、
この標本値の集合、もしくは前記標本値から特
徴抽出された特徴パラメータの集合
{f(x1),f(x2),……,f(xo),……,f
(XN))
から特性値の集合
{h(x1),h(x2),……,h(xo),……,h
(xN)}
を計算する手段と、
前記特性値を、xの全ての点で値をもつように
拡張する手段と、
n番目の新しい標本点x′oの標本化間隔ε(n)
を、x′oにおける前記特性値とε(n)との積が一
定になるように定める手段と、
この手段で得られた前記新しい標本点x′oにお
ける正規化された標本値もしくは特徴パラメータ
の集合
{g(x′1),g(x′2),……,g(x′o),……
,g
(X′N)}
を、外界の信号を標本化間隔{ε(1),ε(2),
……ε(N−1)}で再観測して電気信号に変換し
て標本値の集合を得るか、または前記標本値もし
くは特徴パラメータの集合
{f(x1),f(x2),……f(xo),……,f
(XN)}
から再計算して求める手段を備えたので、部分的
に標本化間隔を変えながら変換し正規化すること
ができる。このため手書文字のように部分的に変
形したパターンに対しても、重ね合せ法を有効に
用いることができる利点がある。 As described in detail above, the present invention includes means for observing patterns in the external world at sampling intervals δ and converting them into electrical signals to obtain a set of sample values; Set of extracted feature parameters {f(x 1 ), f(x 2 ), ..., f(x o ), ..., f
(X N )) from the set of characteristic values {h(x 1 ), h(x 2 ), ..., h(x o ), ..., h
(x N )}; means for extending said characteristic value so that it has a value at every point in x; and a sampling interval ε(n) of the nth new sampling point x'o .
means for determining such that the product of the characteristic value and ε(n) at x′ o is constant; and the normalized sample value or characteristic parameter at the new sample point x′ o obtained by this means. A set of {g(x′ 1 ), g(x′ 2 ), ..., g(x′ o ), ...
,g
(X′ N )} is the sampling interval of the external signal {ε(1), ε(2),
...ε(N-1)} and convert it into an electrical signal to obtain a set of sample values, or the set of sample values or characteristic parameters {f(x 1 ), f(x 2 ), ...f(x o ), ..., f
(X N )}, it is possible to convert and normalize while partially changing the sampling interval. Therefore, there is an advantage that the overlapping method can be effectively used even for partially deformed patterns such as handwritten characters.
第1図はこの第1の実施例を示すブロツク図、
第2図はこの発明の第2の実施例を示すブロツク
図、第3図a,b,cは、第1図に示す実施例に
よる処理過程を示す図であり、第3図aはX軸お
よびY軸への線の本数の射影の図、第3図bは新
しい標本点の位置を示す図、第3図cは正規化さ
れた図形の例、第4図a,b,cは第1図に示す
実施例により正規化された図形の例であり、第4
図aは元の標本化図形、第4図bは従来の外接4
角形による線形正規化図形、第4図cがこの発明
による非線形正規化図形を示す。
図中、101,201は標本化図形用バツフ
ア、102,202はX軸線密度用バツフア、1
03,203はY軸線密度用バツフア、104,
204はX新標本点計算回路、105,205は
Y新標本点計算回路、106,206はX軸新標
本点座標用バツフア、107,207はY軸新標
本点座標用バツフア、108は非線形伸縮回路、
109,209は正規化図形用バツフア、110
は観測装置、111は対象パターン、208は再
標本化回路である。
FIG. 1 is a block diagram showing this first embodiment.
FIG. 2 is a block diagram showing a second embodiment of the present invention, and FIGS. 3a, b, and c are diagrams showing processing steps according to the embodiment shown in FIG. and the projection of the number of lines onto the Y axis; Figure 3b is a diagram showing the position of new sample points; Figure 3c is an example of a normalized figure; Figures 4a, b, and c are diagrams of the This is an example of a figure normalized according to the embodiment shown in FIG.
Figure a is the original sampling figure, Figure 4b is the conventional circumscribed figure 4
FIG. 4c shows a linear normalization figure using a rectangle, and a nonlinear normalization figure according to the present invention. In the figure, 101 and 201 are buffers for sampling figures, 102 and 202 are buffers for X-axis line density, and 1
03,203 is a buffer for Y-axis density, 104,
204 is an X new sample point calculation circuit, 105, 205 is a Y new sample point calculation circuit, 106, 206 is a buffer for X-axis new sample point coordinates, 107, 207 is a buffer for Y-axis new sample point coordinates, 108 is a nonlinear expansion/contraction. circuit,
109, 209 are buffers for normalized figures, 110
111 is an observation device, 111 is a target pattern, and 208 is a resampling circuit.
Claims (1)
気信号に変換して標本値の集合を得る手段と、 この標本値の集合、もしくは前記標本値から特
徴抽出された特徴パラメータの集合 {f(x1),f(x2),……,f(xo),……,f
(XN)} から、特性値の集合 {h((x1),h(x2),……,h(xo),……,h
(XN)} を計算する手段と、 前記特性値を、xの全ての点で値をもつように
拡張する手段と、 n番目の新しい標本点x′oの標本化間隔ε(n)
をx′oにおける前記特性値とε(n)との積が一定
になるように定める手段と、 この手段で得られた前記新しい標本点x′oにお
ける正規化された標本値もしくは特徴パラメータ
の集合 {g(x′1),g(x′2),……,g(x′o),……
,g
(x′N)} を、外界の信号を標本化間隔{ε(1),ε(2),
……ε(N−1)}で再観測して電気信号に変換し
て標本値の集合を得るか、または前記標本値もし
くは特徴パラメータの集合 {f(x1),f(x2),……,f(xo),……,f
(XN)} から再計算して求める手段 を持ち、前記各手段を記述した順序に行使するこ
とにより、特性値の均一化された正規化パターン
を得ることを特徴とする非線形正規化方式。[Scope of Claims] 1. A means for obtaining a set of sample values by observing a pattern in the external world at a sampling interval δ and converting it into an electrical signal, and a feature extracted from the set of sample values or the sample values. Set of parameters {f(x 1 ), f(x 2 ), ..., f(x o ), ..., f
(X N )}, the set of characteristic values {h((x 1 ), h(x 2 ), ..., h(x o ), ..., h
(X N )}; means for extending said characteristic value so that it has a value at every point in x; and a sampling interval ε(n) of the nth new sampling point x'o .
means for determining the product of the characteristic value and ε(n) at x'o to be constant; and the normalized sample value or characteristic parameter at the new sample point x'o obtained by this means. Set {g(x′ 1 ), g(x′ 2 ), ..., g(x′ o ), ...
,g
(x′ N )} is the sampling interval of the external signal {ε(1), ε(2),
...ε(N-1)} and convert it into an electrical signal to obtain a set of sample values, or the set of sample values or characteristic parameters {f(x 1 ), f(x 2 ), ..., f(x o ), ..., f
(X N )}, and obtains a normalized pattern with uniform characteristic values by exercising each of the means in the described order.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP59107751A JPS60251482A (en) | 1984-05-28 | 1984-05-28 | Non-linear normalizing system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP59107751A JPS60251482A (en) | 1984-05-28 | 1984-05-28 | Non-linear normalizing system |
Publications (2)
Publication Number | Publication Date |
---|---|
JPS60251482A JPS60251482A (en) | 1985-12-12 |
JPH034953B2 true JPH034953B2 (en) | 1991-01-24 |
Family
ID=14467043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP59107751A Granted JPS60251482A (en) | 1984-05-28 | 1984-05-28 | Non-linear normalizing system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS60251482A (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6254381A (en) * | 1985-09-03 | 1987-03-10 | Chuo Denshi Kk | Nonlinear normalizing circuit |
US5757979A (en) * | 1991-10-30 | 1998-05-26 | Fuji Electric Co., Ltd. | Apparatus and method for nonlinear normalization of image |
-
1984
- 1984-05-28 JP JP59107751A patent/JPS60251482A/en active Granted
Also Published As
Publication number | Publication date |
---|---|
JPS60251482A (en) | 1985-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3761937B2 (en) | Pattern recognition method and apparatus, and computer control apparatus | |
JPH06208653A (en) | Method for normalization of symbol | |
Mali et al. | Indian sign language recognition using SVM classifier | |
JP3054682B2 (en) | Image processing method | |
KR910001525B1 (en) | Method of curve approximation | |
JPH034953B2 (en) | ||
Al-Omari | Handwritten Indian numeral recognition system using template matching approaches | |
JPH0632075B2 (en) | Pattern recognition device | |
JPH04352081A (en) | Preprocessing method and device for image recognition | |
JPH01116892A (en) | Non-linear normalizing system | |
JPS60176185A (en) | Quantizing method of hand-written character and graphic | |
JP2003124815A (en) | Device, method, and program for partial selective conversion | |
JPH07302338A (en) | Template matching method and pattern recognizing device using the same method | |
JP3344791B2 (en) | Line segment extraction method | |
JP3760040B2 (en) | Character recognition method, character recognition device, and information recording medium | |
JP2935331B2 (en) | Figure recognition device | |
JPH0385686A (en) | Pattern normalizing device | |
JPS63206881A (en) | Online hand-written character recognizing device | |
JPH06243295A (en) | Method and device for generating feature data of character | |
Yaghoubi et al. | Handwritten Recognition using Slope and Curvature Functions | |
JPH0366705B2 (en) | ||
JPH04177483A (en) | Pattern matching system | |
JPH03144788A (en) | Pattern normalizing device | |
JPS6320579A (en) | Extraction processing system for feature amount of image | |
JPH0241794B2 (en) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
EXPY | Cancellation because of completion of term |