JPH05282493A - 英文字認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は英文一般文書の文字認識において、
接触文字、切れ文字が存在する品質の低い文書に対して
高速に認識を行うことができる文字入力の作業性を著し
く向上させた英文字認識装置の提供を目的とする。 【構成】 本発明の英文字認識装置は、文書領域を切り
出した後、行領域を切り出し、行の高さをもとに最も文
字幅の広い文字の文字幅を推測する手段と、推測された
文字幅の前後で文字領域を切り出し、認識を行う手段
と、認識を行った結果、認識結果に値する場合、この文
字領域の基準文字に対する高さ、基準線に対する位置
（文字位置特徴）及び画像情報を記憶しておく手段と、
棄却（リジェクト）された場合、この文字領域に対し
て、予め全ての文字の文字位置特徴を記憶している文字
情報辞書を元に、再切り出し対象文字を限定し、記憶し
ている文字画像を重ね合わせ再度切り出し、認識処理を
行う手段と、から構成されている。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は英文一般文書の文字認識
を行う英文字認識装置に関するものである。

【０００２】

【従来の技術】近年、文字認識装置を電子計算機等の入
力装置として利用する要求が高まっており、安定な認識
結果を効率的に得ることができる文字入力装置が電子計
算機等のシステムの性能向上に不可欠となっている。

【０００３】従来の英文字認識装置は、文書領域から、
文字領域を切り出す際、英文字は左右に分離していない
ことに着目し、前後を空白に囲まれた領域を文字領域と
して切り出し、認識処理を行っていた。

【０００４】

【発明が解決しようとする課題】しかしながら上記従来
の構成では、複写等により印字品質の低下した文書では
左右の２文字が接触したり（以下、これらの文字を接触
文字と呼ぶ）、あるいは、一つの文字が切れて２つに分
割される（以下、これらの文字を切れ文字と呼ぶ）こと
があり、この場合、従来の方法では正しく文字領域を切
り出すことができないという問題点を有していた。

【０００５】また、認識精度が低いので、高速に認識を
行うことができず、文字入力の作業性が低いという問題
点があった。

【０００６】本発明は上記従来の問題点を解決するもの
で、英文一般文書の文字認識において、接触文字、切れ
文字が存在する品質の低い文書に対して高速に認識を行
うことができる文字入力の作業性を著しく向上させた英
文字認識装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】この目的を達成するため
に本発明の英文字認識装置は、文書領域を切り出した
後、行領域を切り出し、行の高さをもとに最も文字幅の
広い文字の文字幅を推測する。そして推測された文字幅
の前後で文字領域を切り出し、認識を行う。認識を行っ
た結果、認識結果に値する場合、この文字領域の基準文
字に対する高さ、基準線に対する位置（以下これらの高
さ、位置情報を文字位置特徴と呼ぶ）及び画像情報を記
憶しておく。棄却（リジェクト）された場合、この文字
領域に対して、予め全ての文字の文字位置特徴を記憶し
ている文字情報辞書をもとに、再切り出し対象文字を限
定し、記憶している文字画像を重ね合わせ再度切り出
し、認識処理を行うことにより、接触文字、切れ文字を
含む文書の文字領域切り出し精度及び処理速度の向上を
図った構成からなっている。具体的には、認識対象文書
を入力する画像入力部と、入力された文書画像から文章
領域を出力する文章領域切り出し部と、文章領域から行
領域を出力する行領域切り出し部と、行領域から文字領
域を出力する文字領域切り出し部と、全ての認識対象文
字の図形特徴を予め記憶している認識辞書と、切り出さ
れた文字領域の画像から前記認識辞書をもとに認識を行
う文字認識部と、前記文字認識部における認識の結果再
度文字領域の切り出し及び文字認識を行う必要がある領
域の位置を記憶する再切り出し領域格納部と、前記文字
認識部において、認識結果に値すると決定された文字の
認識文字コード、基準文字に対する文字の高さ・基準線
に対する文字の位置（以下、文字位置特徴と呼ぶ）及び
文字画像を記憶する文字情報格納部と、全ての認識対象
文字の文字位置特徴を予め記憶している文字情報辞書
と、前記再切り出し領域格納部に格納されている領域に
対して前記文字情報辞書を用いて再切り出し対象文字を
限定し、前記文字情報格納部に記憶されている画像を重
ね合わせて切り出し・認識を行う重ね合わせ処理部と、
文字認識の結果及び位置を記憶している認識結果格納部
と、前記認識結果格納部に記憶している認識結果を出力
する認識結果出力部と、からなる構成を有している。

【０００８】

【作用】この構成によって、文字領域の切り出し処理を
行う際、最大文字幅を推定し、文字領域の切り出しを行
うことにより、切れ文字を分割することなく切り出すこ
とができ、また、認識の結果棄却された場合、この文字
領域に対して、文字位置特徴を用いて、再切り出し対象
文字を限定し、同一文書内の認識確度の高い文字の画像
を重ね合わせ、切れ文字、接触文字の高速な切り出し、
認識を図ることができる。

【０００９】

【実施例】以下本発明の一実施例について、図面を参照
しながら説明する。

【００１０】図１は本実施例の英文字認識装置の全体構
成図である。１は認識対象文書を文書画像として入力す
る画像入力部、２は入力された文書画像から文字列の集
まりを見つけ、文章領域を出力する文章領域切り出し
部、３は文章領域から行単位の区切りを見つけ１つの行
の範囲を行領域として出力する行領域切り出し部、４は
行領域から文字単位の区切りを見つけ１つの文字の範囲
を文字領域として出力する文字領域切り出し部、５は全
ての認識対象文字の図形特徴を予め記憶している認識辞
書、６は前記文字領域切り出し部４で切り出された文字
領域内の図形特徴と前記認識辞書５の図形特徴を比較し
それらの間との類似性を求め、認識を行う文字認識部、
７は前記文字認識部６においての認識の結果、再度文字
領域を切り出す必要がある領域の位置を記憶しておく再
切り出し領域格納部、８は文字認識の結果認識確度が高
い文字の認識文字コード、基準文字に対する文字の高さ
・基準線に対する文字の位置（以下、これらの文字の高
さ、文字の位置を文字位置特徴と呼ぶ）及び画像を記憶
しておく文字情報格納部、９は全ての認識対象文字の文
字位置特徴を予め記憶している文字情報辞書、１０は再
切り出し領域格納部７に記憶されている領域に対して、
前記文字情報辞書９をもとに再切り出し対象文字を限定
し、文字情報格納部８に記憶されている画像情報を重ね
合わせ、文字領域の切り出し、認識を行う重ね合わせ処
理部、１１は認識結果及び位置を記憶している認識結果
格納部、１２は前記認識結果格納部をもとに認識結果を
記憶する認識結果出力部、１３は１から５、７から９及
び１１の各部をつなぐ内部バス、１４，１５，１６は５
と６、９と１０、１１と１２をつなぐ内部バスである。

【００１１】以上のように構成された英文字認識装置に
ついて、以下図面を参照しながらその動作を説明する。

【００１２】図２は全体のフローチャートであり、図３
は文字領域切り出し・認識処理時のフローチャートであ
り、図４は文字領域再切り出し・認識処理時のフローチ
ャートであり、図５は重ね合わせ処理時のフローチャー
トであり、図６は文字位置特徴の説明図であり、図７は
文字情報辞書の内容を示す説明図である。

【００１３】まず、図２において、認識したい文書を画
像入力部１に文書画像として入力する（Ｓ１）。

【００１４】入力された文書画像を文章領域切り出し部
２に送り、文章領域切り出し部２にて文書画像の縦方向
及び横方向の黒画素のヒストグラムを求め、これをもと
に文章領域を抽出する。そして文章領域の位置情報を内
部データとして蓄える（Ｓ２）。

【００１５】行領域切り出し部３に文章領域の位置情報
を送り、文章領域内に対する行領域の切り出し処理を行
う。行領域切り出し部３では、文章領域内の横方向のヒ
ストグラムを求め、０に近い極小値を行の区切りとして
行領域を切り出す。文章領域切り出し部２にて見つけら
れた文章領域内の全ての行領域の位置情報を求め、内部
データとして蓄える（Ｓ３）。

【００１６】次に、文字領域切り出し処理・文字認識処
理（Ｓ４）について、図３の文字領域切り出し、認識処
理時のフローチャートに沿って説明する。

【００１７】文字領域切り出し部４に行領域の位置情報
を送り、文字領域を切り出す。文字領域切り出し部４で
は、送られてきた行領域の位置情報をもとに最大文字値
を以下のように推測する（Ｓ９）。

【００１８】最大文字幅 ＝ 行の高さ×１．２ 行領域内の画像データの黒画素連結部分の外接矩形を抽
出する（Ｓ１０）。行の上１／３または下１／３に微小
矩形が存在し、かつ上下方向に、矩形が存在する場合、
ｉ，ｊのような分離文字とみなし前記外接矩形を統合す
る（Ｓ１１）。以下この統合した矩形のことを基本矩形
と呼ぶ。処理を行うとする基本矩形が行頭の場合、最も
行領域内で最も左に位置する矩形の左側の辺のＸ座標を
切り出し位置とし、行頭でない場合は、次に処理を行う
外接矩形の左側の辺のＸ座標を切り出し位置とする。こ
の切り出し位置より右側に存在する基本矩形を最大文字
幅の越えない範囲で左に位置する矩形から順に統合す
る。この統合された領域を文字領域として切り出し、位
置情報を内部データとして蓄える。もし、一つの外接矩
形のみで最大文字幅より大きい場合は、その一つの外接
矩形を文字領域として切り出す（Ｓ１２）。

【００１９】文字認識部５に文字領域の位置情報を送
り、認識処理を行う。文字認識部６では、送られてきた
文字領域の位置情報をもとに、文字領域内の画像の図形
特徴を抽出し、抽出した図形特徴と認識辞書５内の全て
の文字の図形特徴との間の類似性を求め（Ｓ１３）、認
識結果に値するかどうかを判定する（Ｓ１４）。認識結
果に値する場合、認識の対象としている文字の文字位置
特徴、画像が、文字情報格納部８に、既に記憶されてい
るか調べる（Ｓ１５）。文字情報格納部８にこの対象と
する文字領域の情報が記憶されていない場合、文字情報
格納部８に認識文字コード、文字位置特徴及び画像を蓄
える（Ｓ１６）。Ｓ１５において、対象とする文字の情
報が文字情報格納部８に記憶されているか否かにかかわ
らず認識結果格納部１１に認識文字コード及び文字位置
情報を送り蓄える（Ｓ１７）。Ｓ１４において、認識結
果に値しなかった場合、すぐ直前の文字領域が再切り出
し領域であるか調べる（Ｓ１８）。直前の領域が再切り
出し領域の場合、この領域と現在対象としている領域を
結合し１つの領域とする（Ｓ１９）。再切り出し領域格
納部７に対象としている文字領域（統合した場合はその
領域）の位置情報を格納する（Ｓ２０）。

【００２０】以上Ｓ４の処理を文章領域内の全ての文字
に対して行う（Ｓ５）。次に、文字領域再切り出し・認
識処理（Ｓ６）について、図４の文字領域再切り出し・
認識処理時のフローチャート、及び図５の重ね合わせ処
理時のフローチャートに沿って説明する。

【００２１】再切り出し領域に格納されている再切り出
し文字領域の文字位置情報を文字領域切り出し部４に送
る（Ｓ２１）。文字領域切り出し部４では送られてきた
矩形の左側のＸ座標を切り出し位置として内部データに
蓄える（Ｓ２２）。重ね合わせ処理部１０に再切り出し
領域の位置情報、切り出し位置を送る。

【００２２】重ね合わせ処理において用いる文字位置特
徴及び文字情報辞書９について、図６の文字位置特徴の
説明図及び図７の文字情報辞書の内容を示す説明図を用
いて説明する。

【００２３】ベースラインは基準となる仮想線で、
“ａ”，“ｂ”，“Ａ”などほとんどの文字の下端が位
置するラインのことを指す。ｘハイトは小文字“ｘ”の
高さ（図６中のｈ２）のことを指す。ディセンダはこの
ベースラインの下側の部分、アセンダはｘハイトの上側
の部分のことを指す。また、高さ情報の基準文字として
大文字の高さ（図６中のｈ１）を合わせて用いる。文字
情報辞書９には、認識対象となる各文字種毎に、ベース
ラインを基準としたときの高さ及びディセンダの有無を
記憶している。高さ情報はベースラインからの高さを大
文字の高さ、小文字の高さ、どちらとも決定できないも
のの３つに区分しそれぞれ１、２、３としており、ディ
センダ情報はディセンダが無い場合を１、ある場合を
２、書体による場合を３としている。

【００２４】重ね合わせ処理部１０では、送られてきた
再切り出し領域の高さがｘハイトに等しいか調べる（Ｓ
３８）。もし再切り出し領域の高さがｘハイトに等しけ
れば、この再切り出し領域内に含まれる文字はｘハイト
文字のみとみなし、文字情報格納部８に記憶されている
画像の内、文字情報辞書の高さが１または３かつディセ
ンダが１または３の字種の画像を文字幅の広い順に取り
出し、切り出し位置より順に重ね合わせを行う（Ｓ３
９）。もし再切り出し領域の高さがｘハイトに等しくな
ければ、切り出し位置から水平方向にはじめてディセン
ダまたはアセンダが現れる位置をみつける（Ｓ４０）。
もし、ディセンダ、アセンダ共に存在しなければ（Ｓ４
１）、この領域内に存在する文字はｘハイト文字とみな
し、Ｓ３９同様の重ね合わせを行う。切り出し位置から
はじめて現れたのがディセンダの場合（Ｓ４２）、切り
出し位置からはじめてディセンダが現れた位置までの水
平方向の距離が小文字の“ｙ”の幅以下かどうか調べる
（Ｓ４３）。もし、切り出し位置からディセンダが存在
する位置までの水平方向の距離が大文字の“ｙ”の幅以
下の場合、ディセンダを含む文字が存在する可能性があ
るとみなし、まず、文字情報格納部８に記憶されている
画像の内、文字情報辞書９のディセンダが２または３の
字種の画像を文字幅の広い順に取り出し、切り出し位置
より順に重ね合わせを行う（Ｓ４４）。一致する画像が
あるかどうか調べる（Ｓ４５）。もし一致する画像がな
れけば、切り出し位置よりすぐ後ろにはｘハイト文字が
存在するとみなし、Ｓ３９と同様の重ね合わせを行う
（Ｓ４９）。切り出し位置から始めて現れたのがアセン
ダの場合、切り出し位置から始めてアセンダが現れた位
置までの水平方向の距離が大文字の“Ｗ”の幅以下であ
るか調べる（Ｓ４６）。もし、切り出し位置からアセン
ダが存在する位置までの水平方向の距離が大文字の
“Ｗ”の幅以下の場合、アセンダを含む文字が存在する
可能性があるとみなし、まず、文字情報格納部８に記憶
されている画像の内、文字情報辞書９の高さが１または
３の字種の画像を文字幅の広い順に取り出し、切り出し
位置より順に重ね合わせを行う（Ｓ４７）。一致するが
画像があるかどうか調べ（Ｓ４８）、もし一致する画像
がなければ、切り出し位置からすぐ後ろにはｘハイト文
字が存在するとみなし、Ｓ３９と同様の重ね合わせを行
う（Ｓ４９）。

【００２５】このように重ね合わせ処理を行い、一致す
る画像が存在するかどうか調べる（Ｓ２４）。一致する
画像が存在した場合、認識結果格納部１１に認識結果及
び位置情報を送り蓄える（Ｓ３６）。一致する画像が存
在しなかった場合、この再切り出し領域内に存在する基
本矩形の数を数える（Ｓ２５）。基本矩形の数が２以上
の場合、この領域内で最も右に位置する基本矩形を取り
除き、残りの基本矩形を統合する。この統合した領域を
新しく文字領域とし、位置情報を内部データに蓄える
（Ｓ３１）。再度文字認識部６へ新しい文字領域の位置
情報を送り、Ｓ３１と同様の認識処理を行い（Ｓ３
２）、認識結果に値するかどうか判定する。認識結果に
値しない場合、Ｓ２５以下の処理を繰り返す（Ｓ３
３）。認識結果に値する場合、認識の対象としている文
字の文字位置特徴、画像が、既に記憶されているかどう
か調べる（Ｓ３４）。文字情報格納部８にこの対象とす
る文字の文字位置特徴、文字画像が記憶されていない場
合、文字情報格納部８に認識文字コード、文字位置特徴
及び画像を蓄える（Ｓ３５）。Ｓ３０において、対象文
字の文字位置特徴、画像が文字情報格納部８に記憶され
ているか否かにかかわらず認識結果格納部１１に認識文
字コード及び文字位置情報を送り蓄える（Ｓ３６）。基
本矩形の数が１の場合、この再切り出し領域に対して、
再切り出しを少なくとも１度以上行ったことがあるかど
うか調べる（Ｓ２６）。もし、再切り出しを少なくとも
一度以上行ったことがある場合、Ｓ１３と同様の認識処
理を行い（Ｓ２７）、認識結果に値するかどうか判定す
る（Ｓ２８）。もし、認識結果に値する場合、前述と同
様認識の対象としている文字の文字位置特徴、画像が、
既に記憶されているかどうか調べ（Ｓ３４）、文字情報
格納部８にこの対象とする文字の文字位置特徴、画像が
記憶されていない場合、文字情報格納部８に認識文字コ
ード、文字位置特徴及び画像を蓄える（Ｓ３５）。Ｓ３
４において、対象文字の文字位置特徴、画像が文字情報
格納部８に記憶されているか否かにかかわらず認識結果
格納部１１に認識文字コード及び文字位置情報を送り蓄
える（Ｓ３６）。Ｓ２６において、この再切り出し領域
内で１度も再切り出しを行っていない場合、または、Ｓ
２８において認識結果に値しなかった場合、この領域内
で接触文字が存在するとみなし、領域内の黒画素の輪郭
の凹部分で切断し、文字領域とし、位置情報を内部デー
タに蓄える（Ｓ２９）。文字認識部６に位置情報を送
り、Ｓ１３と同様の認識処理を行う（Ｓ３０）。認識結
果に値する場合は認識文字コード及び文字位置情報を、
認識結果に値しない場合は棄却（リジェクト）コード及
び位置情報を認識結果格納部１１へ送り蓄える（Ｓ３
６）。

【００２６】処理を行った基本矩形が再切り出し領域に
含まれる基本矩形の中で、最も右に位置する矩形でなけ
れば、切り出し位置を切り出された文字領域の右に位置
する基本矩形の左側の辺のＸ座標にし（Ｓ２２）、この
位置情報を文字領域切り出し部４へ送り、以下Ｓ２３以
降の処理を繰り返す。処理を行った再切り出し領域に含
まれる基本矩形の内、最も右に位置する基本矩形であれ
ば、この再切り出し領域内の再切り出し、認識処理を終
了する（Ｓ３４）。

【００２７】全ての再切り出し領域に対して、文字領域
再切り出し・認識処理（Ｓ６）を行う（Ｓ７）。

【００２８】認識結果格納部１１より認識文字コード及
び位置情報を認識結果出力部１２に送る。認識結果出力
部１２では、送られてきた位置情報をもとに認識文字コ
ードを出力する（Ｓ８）。

【００２９】以上Ｓ１〜Ｓ８の処理を行うことにより、
与えられた文書画像の文字認識処理を行う。

【００３０】

【発明の効果】以上のように本発明は、英文一般文書の
文字領域の切り出し処理を行う際、最大文字幅を推定
し、文字領域の切り出しを行うことにより、切れ文字を
分割することなく切り出すことを図ることができる。ま
た、認識の結果棄却された場合、この文字領域に対し
て、文字の位置特徴を用いて再切り出し対象文字を限定
し、同一文書内の認識文字確度の高い文字の画像と重ね
合わせを行うことにより、切れ文字、接触文字の高速な
切り出し、認識を図ることができる、文字入力の作業性
に優れた英文字認識装置を実現できるものである。

【図面の簡単な説明】

【図１】本発明の一実施例である英文字認識装置の全体
構成図

【図２】本実施例の英文字認識装置の全体のフローチャ
ート

【図３】本実施例の英文字認識装置の文字領域切り出し
・認識処理行程のフローチャート

【図４】本実施例の英文字認識装置の文字領域再切り出
し・認識処理行程のフローチャート

【図５】本実施例の英文字認識装置の重ね合わせ処理行
程のフローチャート

【図６】本実施例の英文字認識装置の文字位置特徴の説
明図

【図７】本実施例の英文字認識装置の文字情報辞書の内
容の説明図

【符号の説明】

１ 画像入力部 ２ 文章領域切り出し部 ３ 行領域切り出し部 ４ 文字領域切り出し部 ５ 認識辞書 ６ 文字認識部 ７ 再切り出し領域格納部 ８ 文字情報格納部 ９ 文字情報辞書 １０ 重ね合わせ処理部 １１ 認識結果格納部 １２ 認識結果出力部

Claims (1)

【特許請求の範囲】
1. 【請求項１】認識対象文書を入力する画像入力部と、入
   力された文書画像から文章領域を出力する文章領域切り
   出し部と、文章領域から行領域を出力する行領域切り出
   し部と、行領域から文字領域を出力する文字領域切り出
   し部と、全ての認識対象文字の図形特徴を予め記憶して
   いる認識辞書と、切り出された文字領域の画像から前記
   認識辞書をもとに認識を行う文字認識部と、前記文字認
   識部における認識の結果再度文字領域の切り出し及び文
   字認識を行う必要がある領域の位置を記憶する再切り出
   し領域格納部と、前記文字認識部において、認識結果に
   値すると決定された文字の認識文字コード、基準文字に
   対する文字の高さ・基準線に対する文字の位置（以下、
   文字位置特徴と呼ぶ）及び文字画像を記憶する文字情報
   格納部と、全ての認識対象文字の文字位置特徴を予め記
   憶している文字情報辞書と、前記再切り出し領域格納部
   に格納されている領域に対して前記文字情報辞書を用い
   て再切り出し対象文字を限定し、前記文字情報格納部に
   記憶されている画像を重ね合わせて切り出し・認識を行
   う重ね合わせ処理部と、文字認識の結果及び位置を記憶
   している認識結果格納部と、前記認識結果格納部に記憶
   している認識結果を出力する認識結果出力部と、からな
   ることを特徴とする英文字認識装置。