JPH04315272A - 図形認識装置 - Google Patents

図形認識装置

Info

Publication number
JPH04315272A
JPH04315272A JP3080243A JP8024391A JPH04315272A JP H04315272 A JPH04315272 A JP H04315272A JP 3080243 A JP3080243 A JP 3080243A JP 8024391 A JP8024391 A JP 8024391A JP H04315272 A JPH04315272 A JP H04315272A
Authority
JP
Japan
Prior art keywords
entropy
input
recognition
comparison
pixel
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.)
Pending
Application number
JP3080243A
Other languages
English (en)
Inventor
Yoshiyori Takizawa
義順 瀧澤
Naoko Yoshida
尚子 吉田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Eastman Kodak Japan Ltd
Original Assignee
Eastman Kodak Japan Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Eastman Kodak Japan Ltd filed Critical Eastman Kodak Japan Ltd
Priority to JP3080243A priority Critical patent/JPH04315272A/ja
Priority to US07/824,277 priority patent/US5568568A/en
Publication of JPH04315272A publication Critical patent/JPH04315272A/ja
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

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】
【0001】
【産業上の利用分野】本発明は、認識対象となる入力図
形を予め登録された複数の参照図形に照合して、入力図
形の判定を行う図形認識装置に関する。
【0002】
【従来の技術】光学的に文字や図形を読み取る図形認識
装置が知られており、例えば情報処理の分野においては
光学式文字読取り装置(OCR)が活用されている。そ
して、近年、高度な情報処理あるいは複雑な情報処理が
要求される中で、この図形認識装置に対してその認識率
を高めることが各種分野から要請されている。
【0003】図9には、従来の一般的な図形認識装置の
処理内容が概念的に示されている。CCDなどにより読
み込まれた入力図形10は、所定の前処理が行われた後
、比較判定部12に送られている。ここで、前処理とは
、例えば、ノイズ除去や、図形回転による修正などであ
り、入力図形10は、最終的に二値化処理され、さらに
データの範囲を定める所定のフレーム内に入れられて比
較判定部12に送出される。
【0004】一方、登録部14には、入力図形10と比
較される複数の参照図形S1 〜Sn が格納されてい
る。 具体的には、各参照図形は前記所定のフレーム内に入れ
られた状態で格納されている。
【0005】そして、比較判定部12は、入力図形10
がどの参照図形と最も近似するかを判定し、その判定結
果を外部に出力する。ここにおいて、両図形の比較は、
一般的に、前記フレーム内の全ての画素を比較点として
行われており、その比較点における一致数を相関関数な
どの数学的手法により処理し、相関係数が最も高い参照
図形を入力図形として判定する。すなわち、入力図形1
0と参照図形Sとが完全に一致すれば相関値として1が
得られるため、一方、2つの図形が似ていないほど、相
関値が小さくなるため、この相関値を基準としてどの参
照図形が最も確からしいかを判定するものである。
【0006】
【発明が解決しようとする課題】しかしながら、上記従
来の画像認識装置において、複数の参照図形のうち似た
図形がいくつか含まれている場合には、それらの参照図
形が共に高い相関値を示すことがあり、これにより入力
図形の適正な判断ができないという問題があった。  
そこで、従来においては、この問題を解決するために、
各参照図形におけるそれぞれの比較点に重み付けを行う
方法、あるいは入力図形における特定の部分を参照領域
として定める方法などが提案されている。
【0007】しかしながら、これらの方法は、人為的な
判断に依存するため直観的でかつ試行錯誤的である。ま
た、上記重み付けを行う方法では、従来二値で表されて
いた参照図形が多値で表されることとなり、演算の複雑
化に伴う処理時間の増大という問題があった。
【0008】さらに、参照図形の作成にあたっては、理
想的に入力図形を仮定して行っているが、実際上、入力
図形の位置ずれや像のかすれなどが生じる場合があり、
このような場合においては、誤認識の発生による認識率
の低下を招くという問題があった。
【0009】本発明は、上記従来の課題に鑑みなされた
ものであり、その目的は、入力図形の画像品質や精度が
あまり良くない場合であっても、高い認識率を得ること
ができ、かつ、図形比較における比較点(評価点)を大
幅に削減して図形認識処理の迅速化を図ることのできる
図形認識装置を提供することにある。
【0010】
【課題を解決するための手段】
本発明の原理 上記課題を解決するために、本発明は、以下の原理を用
いる。まず、図8を用いて説明する。
【0011】図8(a)及び(b)には、2つの参照図
形Sa,Sbが示されている。各参照図形Sa,Sbは
、それぞれ所定のフレーム16内に収められている。
【0012】このような参照図形に対して入力図形の照
合を行う場合、上述したように、フレーム16内の各画
素毎に図形比較が行われる。
【0013】いま、画素18及び画素19の情報量につ
いて考えると、画素18及び画素19はいずれも白であ
り、図形を決定するにあたっての情報を含んでいない。 同様に、画素20及び画素21について考えると、いず
れも黒であり、いずれも図形を決定するための情報を含
んでいない。すなわち、この図8に示される2つの参照
図形において、入力図形の認識を行うにあたって有効な
情報は2つの図形を重ね合せた時の差の部分、すなわち
(c)に示される斜線で示される領域22及び24であ
る。
【0014】つまり、この図8に示される例において、
領域22が黒であれば、入力図形は必然的に(b)に示
される図形であると認識され、一方、領域24が黒であ
れば、入力図形が(a)に示される図形Saであると認
識できる。
【0015】このような前提の下、上記事項を情報理論
で用いられる情報量のエントロピーという概念で促らえ
てみる。情報量のエントロピーHは、次の第1式で定義
される。
【0016】
【数1】
【0017】ここにおいて、iは事象の番号であり、N
は事象の総数であり、Piは事象iについての発生確率
である。
【0018】従って、いま、図8(a)に示す画素18
について情報量のエントロピーを計算すると、図形Sa
,Sbに対して画素18はいずれも白であるから、白の
場合の確率が1.0そして黒の場合の確率が0であり、
これから計算されるエントロピーHは、次の第2式で表
される。
【0019】
【数2】
【0020】一方、画素20及び21に対して情報量の
エントロピーHを考えると、(a)及び(b)のいずれ
の場合においても黒であるため、上記第2式同様にH=
0となる。
【0021】一方、領域22及び24に含まれる画素の
場合、図形(a)及び(b)の発生確率がいすれも1/
2である場合には、情報量のエントロピーHは次の第3
式で計算される。
【0022】
【数3】
【0023】以上のことから理解されるように、図形比
較にあたっての評価点である各画素についてエントロピ
ーを計算すれば、そのエントロピーが「図形認識のため
の情報量」を表していることが理解される。すなわち、
エントロピーが高い画素を図形認識にあたっての評価点
と定めることにより、不必要に参照される評価点を排除
し、効率的で迅速な図形認識を実現させることができる
。本発明は、このような観点から後述する手段を設けて
いる。
【0024】次に、このようにして求められるエントロ
ピーの高い点を使って図形認識を行う場合の他の利点を
別の見地から検討する。
【0025】従来から一般的に行われているように、こ
こで、二次元評価ベクトルR=(X,Y)を導入する。 ここにおいて、Xは図8(c)に示す領域22を表すも
のとし、その領域が黒のときはX=1と仮定し、一方白
のときはX=0と仮定する。またこれと同様に、領域2
4を表すYについては、それが黒のときはY=1と仮定
し、白のときはY=0と仮定する。
【0026】このような前提の下、入力図形に対して領
域22及び24の状態を調べる場合、二次元評価ベクト
ルR=(1,0)であれば入力図形が(b)に示す図形
であると認識でき、一方、R=(0,1)であれば入力
図形が(a)に示す図形であると認識できる。
【0027】従って、上記2つの事項について、二次元
評価ベクトルRの向きを考えると、その両者は直交する
ことが容易に理解できる。すなわち、エントロピーの高
い点を図形認識にあたっての評価点として取扱うことに
より、二次元評価ベクトルRの直交性を良好にでき、換
言すれば、真に有効な情報のみを用いて画像認識を実現
できる。
【0028】課題を解決するための手段以上説明した原
理を用いて、上述した目的を達成するために、本発明は
、認識対象となる入力図形と、予め登録された互いに異
なる複数の参照図形と、を比較して前記入力図形の判定
を行う図形認識装置において、前記参照図形を囲む所定
のフレーム内の各画素について、前記いずれかの参照図
形が存在する確率を求める確率算出手段と、前記各画素
について、前記求められた確率から情報量のエントロピ
ーを求めるエントロピー算出手段と、を含み、前記求め
られたエントロピーの大きさに基づいて、図形比較にあ
たって比較すべき画素を選択決定することを特徴とする
【0029】
【作用】上記構成によれば、所定のフレーム内の各画素
について、まず、いずれかの参照図形が存在する確率が
求められ、次に、その求められた確率から情報量のエン
トロピーが算出されることになる。
【0030】従って、上述した如く、情報量のエントロ
ピーが大きい画素を、図形認識のための評価点と定める
ことにより、効率的でかつ迅速な図形認識が実現できる
【0031】
【実施例】以下、本発明の好適な実施例を図面に基づい
て説明する。
【0032】図1には、本発明に係る図形認識装置の全
体構成が示されている。この図形認識装置は、図6に示
す記号“0〜9”を認識するものである。
【0033】ところで、このような記号“0〜9”の画
像認識を行う場合には、その認識対象となる入力図形の
歪は比較的少ないと考えられるが、実際には、後述する
二値化処理の具合で画像がかすれたりあるいは潰れたり
する場合がある。また、入力図形が文字図形の場合には
、例えばその図形の切出しに係る位置ずれや回転が頻繁
に起ることは経験上認められるものである。
【0034】従って、本実施例においては、参照図形と
して歪のない鮮明な図形を用意すると共に、さらにそれ
らについて若干の歪を含む複数の参照図形を用意してい
る。具体的には図6に示した各記号図形について、それ
ぞれ互いに異なる図形歪が含まれている参照図形を16
枚ずつ用意している。すなわち、合計で160枚の参照
画像を用意している。
【0035】図1において、比較画素決定部30は、上
述した情報量のエントロピーを計算し、その求められる
エントロピーの大きさに基づいて図形認識のための評価
点となる比較画素を決定するものである。
【0036】図2には、比較画素決定部30の具体的な
処理内容が示されている。ステップ101では、図示さ
れていない記憶媒体などから読み出された参照図形デー
タが比較画素決定部30に読み込まれている。すなわち
、上述したように160個の参照図形データが取り込ま
れている。
【0037】ステップ102では、参照図形を含む枠で
ある所定のフレーム内の各画素について、その画素が白
及び黒になる確率が求められる。
【0038】ステップ103では、上記ステップ102
で求められた各画素についての白及び黒の確率から、上
述した情報量のエントロピーHが上記第1式に基づいて
計算される。
【0039】図4には、本実施例において求められた上
記160枚の参照図形についての各画素のエントロピー
Hが示されている。図に示されるように、外側において
は、黒となる確率が比較的低く、一方、中心からやや外
側の部位には高いエントロピーの画素が密集して存在し
ている。
【0040】ステップ104では、ステップ103で求
められたエントロピーHの中から高いエントロピーの画
素が選別される。この画素の選別にあたっては、いくつ
かの手法を考えることができる。まず、図4における領
域200で示されるように、一律に0.9以上のエント
ロピーを抽出し、その0.9以上のエントロピーをもつ
画素を評価点として定める手法である。具体的には、図
4に示される18×26=468個の画素のうち、20
7画素のみが図形認識にあたっての評価点として定めら
れる。従来に比べ、比較画素がほぼ半減するため、演算
量を大幅に削減できるという利点がある。
【0041】また、このような一律に高エントロピーの
画素を定める手法でなく、フレーム内全体にわたっての
エントロピーの分布を考慮し、比較画素を決定する手法
もある。例えば、従来から知られているK−mean手
法などが挙げられる(例えば、Pattern Cla
ssification and Scene Ana
lysis,Duda and Hart,P250等
の文献に記載されている手法である)。ここで、この手
法について簡単に説明する。
【0042】まず、図4に示すエントロピー空間を均等
な大きさの例えば24個の小領域に分割し、その各小領
域内でエントロピーの重心を求める。これは、各画素の
エントロピーの大きさとその重心からの距離とから求め
られる。次に、このようにして求められた24個の重心
点に対して、各画素がどの重心点に一番近いかに基づい
て、新たに24個の小領域の分割を行う。これは、各画
素から24個の重心点までの距離を算出することにより
容易に求められる。そして、上記同様に、この新しい各
小領域内で重心を計算し、さらにその求められた重心点
に対して再び上記小領域の分割を行う。このような処理
を繰り返し行うことにより、結果として漸近的に各重心
点がある位置に収束することになる。
【0043】このようにして求めたのが図5に示す24
個の重心点202である。つまり、この重心点202は
、単にエントロピーが高いというのでなく、その自己の
回りの画素のエントロピーの状態を考慮して求められた
ものである。
【0044】しかしながら、実際に図形認識を行うにお
いては、このような重心点だけで認識の評価を行うと、
何らかの不具合により、たまたまそれらの点に対応する
画素がノイズによってそのデータが欠けていたり、ある
いは入力図形が全て1画素ずれたりした場合、認識の結
果が大きく左右されることになる。
【0045】そこで、本実施例においては、重心点20
2に対して3×3の近傍領域204を設定している。そ
して、その近傍領域204内の各画素の和をもってその
定められた重心点の代表値としている。図2に示される
ステップ105はこのような近傍領域を設定するもので
ある。
【0046】本実施例においては、後述するように、入
力図形と参照図形との比較は上記の評価ベクトルRの直
交性を用いて行われている。従って、図5に示したエン
トロピー算出結果から得られる評価ベクトルRは、24
個の要素rをもつことになり、各要素rは、近傍領域内
の各画素の加算値である0〜9の間の値をもつことにな
る。これを第4式に示す。
【0047】
【数4】
【0048】ここにおいて、0≦ri ≦9,i=1,
2,…24である。
【0049】さて、上述したK−mean手法を用いる
場合に、小領域を24個とした理由について説明する。 本発明者等は、評価点(比較点)の数と画像認識に関す
る誤り数との関係を実験により求めている。その実験結
果が図3に示されている。この図3から理解されるよう
に、本実施例における条件設定の場合、評価点数が30
付近で誤り数が最小になる。すなわち、評価点数が増え
ると、それだけ不必要な情報も計算されることになるた
め、結果として誤り数が若干悪くなるのである。  そ
こで、本実施例においては、評価点数を30に近い24
に設定している。なお、近傍領域の大きさについては、
3×3と5×5などを実験した結果、5×5などでは隣
の近傍領域と重なる部分の面積が大きくなるため、結果
として認識率が下がるものと認められたことから、3×
3に決定している。
【0050】従って、以上のような処理が行われると、
図2に示すステップ106では、決定された各比較画素
の座標が所定のベクトル化部に出力されることになる。
【0051】図1において、例えばCCDなどの撮像素
子によって取り込まれた画像データは、まず、画像デー
タ入力部32に入力され、前処理部34に送られる。こ
の前処理部34は、ノイズ除去や図形回転修正などを行
うものである。そして、前処理がされた画像データは二
値化部36に送られ、ここでいわゆる二値化処理が行わ
れる。そして、二値化された画像データは画像データメ
モリ38に一旦格納される。格納された画像データは図
形切出し部40に送られ、ここにおいて必要とされる図
形のみを含む所定のフレーム内の画像データ、すなわち
入力図形データが切り出されて出力されることになる。
【0052】この入力図形データは、ベクトル化部42
に入力されている。一方、このベクトル化部42には、
上記比較画素決定部30から決定された比較画素の位置
情報が供給されている。そして、このベクトル化部42
は、入力図形データを上記第4式に基づき評価ベクトル
に変換し、その結果を入力図形データメモリ44に格納
する。ここで、この入力図形データメモリ44に図形切
出し部40によって切り出された入力図形データ全てを
格納し、評価ベクトルへの変換を後述の比較判定部50
で行なってもよいが、このような本実施例の構成を用い
れば、メモリの容量を削減できるという利点がある。
【0053】一方、図示されていない記憶媒体などから
読み出された参照図形データは、ベクトル化部46に送
られている。上記同様に、このベクトル化部46には、
比較画素決定部30から決定された比較画素の位置情報
が供給されており、このベクトル化部46は、上記第4
式に基づき各参照図形データを評価ベクトルのデータに
変換する。そして変換されたそれぞれの評価ベクトルの
データは、参照図形データメモリ48に格納されること
になる。
【0054】従って、比較判定部50は、従来と同様に
、入力図形データの評価ベクトルとそれぞれの参照図形
データの評価ベクトルとを照合し、最も近似する参照図
形の評価ベクトルから入力図形の判別を行うことが可能
となる。そして判定された結果は、判定結果出力部52
から外部へ出力され、例えば所定の表示器などに表示さ
れることになる。
【0055】ところで、比較判定部50における比較判
定手法については、従来から種々のものが提案されてお
り、本実施例においてもその各種のものを用いることが
できる。
【0056】例えば、代表的な複数の参照図形を図5で
示した重心点について評価ベクトル化し、それらの平均
をとって標準データを求め、この標準データと入力図形
の相関値に基づき図形認識を行っても良い。あるいは、
近年開発されつつあるニューラルネットワークを用い、
取り込まれる複数の参照図形を評価ベクトル化し、その
評価ベクトルに対して学習を行なった内容を比較判定部
50に記憶させて識別を行うことも好適である。または
、上述した如く、エントロピーを用いた場合に評価ベク
トルの直交性が高いことを利用して直交変換を行い、こ
れにより入力図形と参照図形の比較を行うことも好適で
ある。
【0057】この手法は、各参照図形について複数の代
表的な評価ベクトルを選定し、これから相関マトリック
スを作成して、この相関マトリックスに対し例えば周知
のKL変換(Karhunen−Loive変換)を行
うものである。 そして、このKL変換が行われた後のKL変換係数をも
って参照図形についての標準データとするものである。   なお、本発明者等は、三次までのKL変換係数を使
うことにより、図6に示した0〜9までの数字に対して
99.9%以上の認識率を得ている。なお、図7には、
このKL変換を用いた手法で認識できた数字図形の例を
示す。図7に示されるように、かすれや潰れが生じてい
る低品質の図形に対しても正確な図形認識が行えること
が理解される。
【0058】本発明においては、比較画素の決定にあた
って情報量のエントロピーを使うことを特徴とし、比較
判定部50の処理においては従来から行われている各種
の手法に対応できるものである。ここで、以上の説明に
おいては、二次元の図形空間について説明したが、当然
これには限られず、いわゆる図形の特徴量についてエン
トロピーを適用させても好適である。
【0059】
【発明の効果】以上のように、本発明によれば、まず第
1に、図形認識にあたって比較すべき比較点の数を大幅
に削減でき、これにより処理時間の短縮化を図ることが
可能となる。また第2に、不必要に算出される比較点を
排除できるので、情報量として純粋に有用なもののみを
用いて精度の良い画像認識を実現することが可能となる
。これによって、例えば低品質の入力図形にかすれ等が
生じた場合においても高精度の図形認識、すなわち高認
識率を得ることが可能である。
【図面の簡単な説明】
【図1】本発明に係る図形認識装置の構成を示すブロッ
ク図である。
【図2】比較画素決定部30の処理内容を示すフローチ
ャートである。
【図3】評価点の数と誤り数との関係を示す特性図であ
る。
【図4】ある閾値以上のエントロピーを有する画素の集
合を示す説明図である。
【図5】K−mean手法によって定められた重心点と
その重心点の回りに設定された近傍領域を示す説明図で
ある。
【図6】本発明に係る図形認識装置で認識される図形例
を示す説明図である。
【図7】本発明に係る図形認識装置で認識可能な図形例
を示す説明図である。
【図8】2つの参照図形とその参照図形を重ねた場合に
はみ出す領域を示す説明図である。
【図9】従来の図形認識の概念を示す概念図である。
【符号の説明】
30  比較画素決定部 40  図形切出し部 42  ベクトル化部 46  ベクトル化部 50  比較判定部

Claims (1)

    【特許請求の範囲】
  1. 【請求項1】認識対象となる入力図形と、予め登録され
    た互いに異なる複数の参照図形と、を比較して前記入力
    図形の判定を行う図形認識装置において、前記参照図形
    を囲む所定のフレーム内の各画素について、前記いずれ
    かの参照図形が存在する確率を求める確率算出手段と、
    前記各画素について、前記求められた確率から情報量の
    エントロピーを求めるエントロピー算出手段と、を含み
    、前記求められたエントロピーの大きさに基づいて、図
    形比較にあたって比較すべき画素を選択決定することを
    特徴とする図形認識装置。
JP3080243A 1991-04-12 1991-04-12 図形認識装置 Pending JPH04315272A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP3080243A JPH04315272A (ja) 1991-04-12 1991-04-12 図形認識装置
US07/824,277 US5568568A (en) 1991-04-12 1992-01-23 Pattern recognition apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3080243A JPH04315272A (ja) 1991-04-12 1991-04-12 図形認識装置

Publications (1)

Publication Number Publication Date
JPH04315272A true JPH04315272A (ja) 1992-11-06

Family

ID=13712886

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3080243A Pending JPH04315272A (ja) 1991-04-12 1991-04-12 図形認識装置

Country Status (2)

Country Link
US (1) US5568568A (ja)
JP (1) JPH04315272A (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6185316B1 (en) 1997-11-12 2001-02-06 Unisys Corporation Self-authentication apparatus and method
US20050114705A1 (en) * 1997-12-11 2005-05-26 Eran Reshef Method and system for discriminating a human action from a computerized action
US6236749B1 (en) * 1998-03-23 2001-05-22 Matsushita Electronics Corporation Image recognition method
JP2002511175A (ja) * 1998-03-23 2002-04-09 松下電器産業株式会社 画像認識方法
US5969753A (en) * 1998-04-24 1999-10-19 Medar, Inc. Method and system for detecting errors in a sample image
US6741743B2 (en) * 1998-07-31 2004-05-25 Prc. Inc. Imaged document optical correlation and conversion system
US20020114507A1 (en) * 2001-02-21 2002-08-22 Mark Lynch Saw alignment technique for array device singulation
US6903782B2 (en) * 2001-03-28 2005-06-07 Koninklijke Philips Electronics N.V. System and method for performing segmentation-based enhancements of a video image
JP2004348706A (ja) * 2003-04-30 2004-12-09 Canon Inc 情報処理装置及び情報処理方法ならびに記憶媒体、プログラム
US8332810B2 (en) * 2008-11-24 2012-12-11 Sap Aktiengeselleschaft Optimal code generation for derivation tables
CN101493944A (zh) * 2009-03-06 2009-07-29 北京中星微电子有限公司 一种运动目标检测与跟踪的方法和***
US10573034B2 (en) 2018-04-13 2020-02-25 Honeywell International Inc. System and method for translation of graphics to newer format using pattern matching
US10747207B2 (en) 2018-06-15 2020-08-18 Honeywell International Inc. System and method for accurate automatic determination of “alarm-operator action” linkage for operator assessment and alarm guidance using custom graphics and control charts
US10699159B2 (en) 2018-08-17 2020-06-30 Honeywell International Inc. Objects aggregation and standardization for legacy graphics conversion
US11042957B1 (en) 2019-12-12 2021-06-22 Honeywell International Inc. Identification of process and control linkages from custom graphics for the purpose of backbuilding standard operating procedures

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3539994A (en) * 1967-09-14 1970-11-10 Ibm Adaptive template pattern categorizing system
US3588823A (en) * 1968-03-28 1971-06-28 Ibm Mutual information derived tree structure in an adaptive pattern recognition system
GB1233459A (ja) * 1968-07-15 1971-05-26
US3626368A (en) * 1969-01-13 1971-12-07 Hsing Chu Lee Character-reading apparatus including improved character set sensing structure
US4599692A (en) * 1984-01-16 1986-07-08 Itt Corporation Probabilistic learning element employing context drive searching
US4932065A (en) * 1988-11-16 1990-06-05 Ncr Corporation Universal character segmentation scheme for multifont OCR images
US5067164A (en) * 1989-11-30 1991-11-19 At&T Bell Laboratories Hierarchical constrained automatic learning neural network for character recognition

Also Published As

Publication number Publication date
US5568568A (en) 1996-10-22

Similar Documents

Publication Publication Date Title
US5867593A (en) Image region dividing apparatus
EP0611051B1 (en) Image processing method and apparatus
US5703969A (en) System and method for recognizing visual indicia
EP1211640A2 (en) Image processing methods and apparatus for detecting human eyes, human face and other objects in an image
JPH04315272A (ja) 図形認識装置
US20030179935A1 (en) Image processing apparatus, image processing method, image processing program, and computer-readable record medium storing image processing program
US9875523B2 (en) Image processing apparatus and image processing method
US6771836B2 (en) Zero-crossing region filtering for processing scanned documents
CN111680690A (zh) 一种文字识别方法及装置
JP2008310817A (ja) テキストマップの中からライン構造を検出する方法および画像処理装置
JP4062987B2 (ja) 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム
CN111767752B (zh) 一种二维码识别方法及装置
CN112365451A (zh) 图像质量等级的确定方法、装置、设备及计算机可读介质
US6983071B2 (en) Character segmentation device, character segmentation method used thereby, and program therefor
EP0651337A1 (en) Object recognizing method, its apparatus, and image processing method and its apparatus
CN116229098A (zh) 一种基于掩模轮廓跟踪的图像识别方法及相关产品
CN115909378A (zh) 单据文本检测模型的训练方法及单据文本检测方法
CN111753573B (zh) 二维码图像识别方法、装置、电子设备以及可读存储介质
CN111862084B (zh) 基于复杂网络的图像质量评价方法、装置及存储介质
CN114332890A (zh) 表格结构提取方法、装置、电子设备及存储介质
Murguia Document segmentation using texture variance and low resolution images
CN112419208A (zh) 一种基于施工图审查矢量图纸编译方法及***
JPH0962763A (ja) バーコードの検出方法
JPH07118002B2 (ja) 画像処理装置
JPH05342340A (ja) 画像処理方法及びその装置