权利要求

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字認識方法に係り、
特に１つのカテゴリーのテンプレートが他のカテゴリーのテンプレートの一部となる場合にも正確な読取りを行うことのできる文字認識方法に関する。

【０００２】

【従来の技術】書籍コードの１つにＩＳＢＮコード（国際標準図書番号）がある。 このＩＳＢＮコードは、書籍裏面にＯＣＲ−Ｂフォントで印刷されており、印刷場所は書籍によって異なるが、次のように表現される。

【０００３】 ＩＳＢＮ４−？ ？ ？ ？ −？ ？ ？ ？ −＄ (第１部分)(第２部分)(第３部分)(第４部分) ここで第１部分は国別記号、言語別で、４は日本語を表す。 第２部分は出版社記号を、第３部分は書名記号を、
第４部分はチェック文字を表す。 出版社記号と書名記号の合計は、８桁である。 例えば出版社コード桁数最小で書名コード桁数最多の場合は以下のごとく表される。

【０００４】ＩＳＢＮ４−？ ？ −？ ？ ？ ？ ？ ？ −＄ また、例えば出版社コード桁数最多で書名コード桁数最少の場合は以下のごとく表される。

【０００５】ＩＳＢＮ４−？ ？ ？ ？ ？ ？ ？ −？ −＄ ところでこのようなＩＳＢＮコード認識においては、作業者が肉眼でＩＳＢＮコードを読取り、手入力で伝票等に入力する方法、あるいは１冊１冊作業者がハンドスキャナで読み取り伝票などに自動入力する方法、さらにはバーコードリーダによりバーコードを読取り伝票などに自動入力する方法等が用いられている。 これらの方法のうち第１の手入力で行う方法は、人手によるため、効率が悪く、ミスが発生しやすいという問題がある。

【０００６】また第２のハンドスキャナによる方法は作業者がハンドスキャナをＩＳＢＮコード印刷部分に正確に位置決めする必要があり、作業効率が悪いという問題がある。

【０００７】さらに第３のバーコードの読取りによる方法は、バーコードの印刷率が１００％でないため、第１
および第２の方法と併用しなければならず、これらの方法の問題をそのまま受け継ぐことになる上、併用することにより作業が繁雑となり効率が悪いという問題があった。

【０００８】このように書籍の多種多様化を伴う状況のなかで、ＩＳＢＮコードの自動読取りが極めて重要視されるようになってきており、ＩＳＢＮコードの自動読取りの研究が進められている。

【０００９】しかしながら、このようなＩＳＢＮコードの自動読取りにおいては、文字色と背景色の多様性および背景デザインの多様性により２値化をベースとした文字認識では対応できないという問題、書籍コードの印刷場所についての制限が事実上ないため、全面について書籍コードをサーチする必要があり、扱うデータ量が大きく高速のサーチを行うことができない等のいろいろな問題があるが、コード自体は数字を主とするものであり、
数字の誤認による書籍コードの誤認も深刻な問題となっている。

【００１０】通常一般化ハフ変換を用いて文字認識がなされるが、１つのカテゴリーのテンプレートが他のテンプレートの一部となる場合、例えば

とするとハイフンはななの上部と完全に一致する。

【００１１】ここで

とし１画素づつずらしながらエッジの方向が一致している個数を計数することにより、入力画像とテンプレートとが一致する画素数をハフ強度として求め、その最大値をマッチング画像であるとする方法がとられている。

【００１２】表１にその結果を示す。

【００１３】

すなわち入力画像がハイフンであるとき、テンプレートをななとしたときもハイフンとしたときもハフ強度は同じになってしまい、識別が不可能となる。

【００１４】また、ハフ強度をテンプレートの画素数で割った値すなわち正規化ハフ強度を求めるという方法も提案されているが、今度は表１に示すように入力画像がななであるとき、テンプレートをななとしたときもハイフンとしたときも１となってしまい、識別が不可能となる。

【００１５】これは、書籍コード読取り装置のみならず、他の装置においても同様である。

【００１６】

【発明が解決しようとする課題】このように、ハフ強度に基づいてテンプレートマッチングを行う場合も、正規化ハフ強度に基づいてマッチングを行う場合も、１つのカテゴリーのテンプレートが他のテンプレートの一部となる場合、識別不可能な場合が生じるという問題があった。

【００１７】本発明は、前記実情に鑑みてなされたもので、１つのカテゴリーのテンプレートが他のテンプレートの一部となる場合にも確実な文字認識を行うことのできる文字認識方法を提供することを目的とする。

【００１８】

【課題を解決するための手段】そこで本発明では、入力画像のエッジ中、それがテンプレートの一部であるものを信号、それ以外をノイズとして、信号の数の入力画像の前記エッジ数に対する比すなわち信号比率を求め、これとハフ変換の出力との平均値を複合信号比率とし、この値に応じて識別評価を行うようにしている。

【００１９】

【作用】ここでハフ変換の出力とは、信号数とテンプレート画像のエッジ数との比を示すものとする。

【００２０】本発明者は種々の実験結果から入力画像のエッジについて、再度ハフ変換を行うことによりそれが信号であるか否かを検出し、信号エッジ数とハフ強度との関係を測定した。 その結果多少のばらつきはあるが、
両者はほぼ一定比率になっていることを発見した。 そこでハフ強度に一定比率を乗じて信号エッジ数を得、さらに信号エッジ数を入力文字有効領域内の前エッジ数で割ってその比を得、この値とハフ変換の出力（正規化ハフ強度）との平均値を算出し、正解カテゴリーと非正解カテゴリーとの比をとったとき、極めて正解が多くなるということを発見した。

【００２１】本発明はこの点に着目してなされたもので、信号比率とハフ変換の出力との平均値を複合信号比率とし、この値に応じて識別評価を行うようにしているため、識別力の高い文字認識を行うことが可能となる。

【００２２】

【実施例】以下、本発明の実施例について図面を参照しつつ詳細に説明する。

【００２３】この装置は、図１に示すような書籍の裏面に印刷されているＩＳＢＮコードを読み取る装置であり、特に入力画像のエッジ中、それがテンプレートの一部であるものを信号、それ以外をノイズとして、信号比率を求め、これとハフ変換の出力との平均値を複合信号比率とし、この値に応じて識別評価を行い、文字認識を行うようにしたことを特徴とする。

【００２４】まずこの装置の文字認識部の認識原理について説明する。

【００２５】この装置で、まず例えば

の識別を行う場合を２表に示す。

【００２６】

この表に示したように、ハフ強度や正規化ハフ強度のいずれをとっても を識別することはできない。 ところでハフ強度は入力画像とテンプレートとの一致度であるから、正規化ハフ強度は一致度をテンプレートの画素数で割ったものである。 そこで分母を換えて一致度を入力の画素数で割ったものを信号比率とする。 正規化ハフ強度の場合は、入力画像が（なな）、テンプレートが（ハイフン）のとき、

１を出力し、これは良い出力ではない。 一方信号比率の場合は、入力画像が（ハイフン）テンプレートが（なな）のとき１を出力し、これは良い出力ではない。 ところがこのときに正規化ハフ強度は０．５を出力し、良い出力である。 このように正規化ハフ強度と信号比率は相補的な役割を果たす。 したがってこれらの平均値によればいずれの場合でも良い出力を得ることができる。

【００２７】次にこの文字認識部を用いた書籍コード読取り装置全体について説明する。 まずこの装置では図２
に示すように走査線単位の間引きを行い、クラス間分散とクラス内分散との比を評価尺度とし、有効な特徴を持つ３組のラインを探し、これをテンプレートとして用いるようにしたことを特徴とする。 図２中１，２，３，４
はエッジの方向を表す。

【００２８】この装置を用いた読取りのアルゴリズムを図３に示すように、まず画像読取り信号から平滑化、１
次微分、２次微分を行いエッジ検出を行った後、パターンマッチングによりＩＳＢＮコードパターンの検出を行い、領域を選択してその領域内で一般化ハフ変換を行い文字認識を行うようにしている。

【００２９】すなわち、文字認識に際しては、ＩＳＢＮ
コード印刷領域として選択された領域のなかにあるエッジ点を検出して、そのエッジ点からハフ変換用テンプレートを作成しそのテンプレートを用いてハフ変換を行い、ハフ平面上で最大値を求め、コード認識を行う。

【００３０】図４は本発明実施例のＩＳＢＮコード認識方法におけるエッジ検出工程を示すアルゴリズムである。

【００３１】まず、原画像（１０１）を平滑化フィルタを用いて平滑化を行う（ステップ１０２）。

【００３２】ついでこの画像情報の２次微分をとるために１０３Ｓに示すようなラプラシアンフィルタを用いて画像処理を行いラプラシアン画像を得る（ステップ１０
３）。 そして、この２次微分値を２値化し（ステップ１０４）、ラプラシアン画像上を走査しながら、２次微分値が０となる点を検出し、これを零クロス点とする（ステップ１０５）。

【００３３】この後、ソーベルマスクを用いて零クロス点に対してのみ１次微分を行いエッジ強度および方向を演算する（ステップ１０６）。 ここで強度Ｍ，および方向θは次式で表される。

【００３４】 強度Ｍ＝ｓｑｒｔ（ｄｘ×ｄｘ＋ｄｙ×ｄｙ） 方向θ＝ａｔａｎ（ｄｙ／ｄｘ） さらにこの微分値に対してある閾値に対して２値化を行い（ステップ１０７）、閾値よりも大きいときにエッジ点を決定する（ステップ１０８）。

【００３５】次にＩＳＢＮの検出について説明する。

【００３６】ここではＩＳＢＮのキーパターンをテンプレートマッチングにより検出する。 まず図５(a) および
(b) に示すように、ＩＳＢＮの間引きテンプレートをエッジの方向画像に重ね合わせ、各画素毎にマッチング強度を求める。 そして、テンプレートマッチングを行い、
誤差吸収フィルタによる平滑化を行った後最大値検出を行いこれをＩＳＢＮの位置とする。

【００３７】次に、ＩＳＢＮのテンプレートの走査線単位での間引きについて説明する。

【００３８】図６にフローチャート、図７に装置構成を示す。

【００３９】まずＩＳＢＮテンプレートとなるべきノイズの無い画像を１つ選び、この画像の走査線を１本選び、真データと偽データとを用意し、真偽各データについてテンプレートとのマッチング度を求める。 真データのマッチング度と偽データマッチング度の分布を求め（図８）、真データと偽データとの分離度の評価基準（クラス間分散とクラス内分散との比）を評価尺度とし、全走査線に対してこの評価操作を行い（図９）、最適となる走査線を１本選び（ステップ２０１）、さらにこの選んだ走査線との組み合わせが最適となる１本を選び（ステップ２０２）、さらにこの走査線ともう１本の走査線との組み合わせが最適となる１本を選ぶ（ステップ２０２）。

【００４０】このようにして３本の走査線を選ぶ。

【００４１】このようにして選択した走査線の本数と、
クラス間分散とクラス内分散との比を評価尺度とした最適度との関係を測定した結果を図１０に曲線ａで示す。
曲線ｂは他のデータセットを用いた場合を示す。 これらの結果から３本以上であるとほぼ最適であることがわかる。

【００４２】なおここでは２４本から特定の３本の走査線を選択したが、３本以上であればよい。 多くなればなるほど処理データ量は増大するがより高精度の検出が可能となる。 また３本であればデータ量が１／８となり高速化が可能となる。

【００４３】図１１はこの実際の回路構成の一例である。

【００４４】このようにしてＩＳＢＮのキーパターンが検出されると、その領域を基準として切り出し、この領域内での文字認識を行う。

【００４５】文字認識はエッジとその方向を特徴としたハフ変換をベースとして行う。

【００４６】但し、ハフ変換では１つのテンプレートが他のテンプレートの一部分すなわち（テンプレート間で包含関係があるとき）、例えば１と７のような場合に正しく分類できない。 このためエッジのテンプレートに一致する部分を信号それ以外をノイズとして、入力信号の信号比率を求め、これとハフ変換の出力との平均値で分類するようにしている。

【００４７】またＩＳＢＮパターンの右にはハイフンを含めて通常１３文字であるが、書籍コードの書式には一例を次に示すようにいくつかのパターンがあるために１
４文字の認識を行う。

【００４８】 書式Ｉ ＩＳＢＮ４−？ ？ ？ ？ −？ ？ ？ ？ −＄（標準書式） 書式２ ＩＳＢＮ−４−？ ？ ？ ？ −？ ？ ？ ？ −＄ 書式３ ＩＳＢＮ−？ ？ ？ ？ −？ ？ ？ ？ −＄ さらに少しでも文字エッジ有効領域が小さい方が認識能力と処理速度とに優れると考えられるため、１４文字の認識はＩＳＢＮの右隣の文字から順次行う。

【００４９】次に文字認識のアルゴリズムについて説明する。

【００５０】図１２，図１３および図１４に示すように認識対象の文字がＩＳＢＮパターンの右隣の文字（１文字目）であるならば、仮の文字中心位置を、ＩＳＢＮパターンの中心位置より右へ、標準文字間隔の２．５倍の位置に設定する。 そしてそうでなければ、左の文字中心位置に対して、標準文字間隔だけ右の位置に仮の文字中心位置を設定する。

【００５１】そして図１３および図１４に示すように、
仮文字中心位置を基準にして文字エッジ有効領域とハフ画像有効領域とを設定する。

【００５２】認識対象の文字が１文字目の文字であるならば（ステップ３０１）、対象カテゴリーを４と−のカテゴリーとする（ステップ３０２）。 一方認識対象の文字が１文字目の文字でなければ（ステップ３０３）、対象カテゴリーを０１２３４５６７８９ｘ−の１２カテゴリーとする（ステップ３０４）。

【００５３】そして各カテゴリーに対してハフ変換・平滑化を行ってハフ画像を作成し、ハフ画像中の最大強度をハフ強度、その位置をその対象カテゴリーに対する文字中心位置として検出する（ステップ３０５）。

【００５４】図１２にステップ４０５で示すようにハフ強度をテンプレート自身のハフ強度でわったものを正規化ハフ強度として図１５に示すようにその値を求める。

【００５５】ハフ強度にハフ強度からエッジ数への変換係数を掛けたものを信号エッジ数（ステップ４０３）、
信号エッジ数を文字エッジ有効領域の全エッジ数で割ったものを信号比率（ステップ４０４）としてそれぞれ検出する（図１６）。

【００５６】そして正規化ハフ強度と信号比率の平均値を分類の評価基準としその値を求める（ステップ４０
５）。

【００５７】評価基準の大きい順に第１候補と第２候補とを求め、第１候補の文字中心位置とする（ステップ４
０６）。

【００５８】認識対象文字が第２文字目以降の文字であれば、第２候補の評価基準と第１候補の評価基準との差を求め、この差が相対閾値以上の場合（ステップ３０
６）、リジェクトを出力する（ステップ３０７）。

【００５９】第１候補の正規化ハフ強度が絶対閾値以下の場合（絶対リジェクト）は（ステップ３０８）、ハイフンを出力し、仮の文字中心位置を真の文字中心位置とする（ステップ３０９）。

【００６０】第１候補の正規化ハフ強度が絶対閾値以下でない場合（絶対リジェクトでない）は（ステップ３０
８）、仮の文字中心位置を真の文字中心位置とする（ステップ３０７）。

【００６１】図１５と図１６との比較からも複合信号比率の方がより正しく分類することができることがわかる。

【００６２】このように本発明によれば、簡単な演算処理のみで識別力の高い文字認識を行うことができ容易かつ高精度の自動読取りを行うことができる。

【００６３】

【発明の効果】本発明によれば、信号比率とハフ変換の出力との平均値を複合信号比率とし、この値に応じて識別評価を行うようにしているため、識別力の高い文字認識を行うことが可能となる。

【図面の簡単な説明】

【図１】本発明実施例の書籍コード読取り装置で読み取るべき書籍の面を示す図

【図２】本発明実施例のＩＳＢＮテンプレートの間引きを示す図

【図３】本発明実施例の読取りのアルゴリズムの概要を示す図

【図４】本発明実施例のエッジ検出のアルゴリズムを示す図

【図５】ＩＳＢＮコード領域のサーチを示す図

【図６】テンプレートの走査線単位の間引きのフローチャートを示す図

【図７】テンプレートの走査線単位の間引きのための装置構成を示す図

【図８】ＩＳＢＮパターンのマッチング度分布を示す図

【図９】ＩＳＢＮパターンの各走査線における評価値を示す図

【図１０】走査線の本数と、クラス間分散とクラス内分散との比を評価尺度とした最適度との関係を測定した結果を示す図

【図１１】同工程における実際の装置構成の一例を示す図

【図１２】文字認識のアルゴリズムを示す図

【図１３】文字認識の計算範囲を示す図

【図１４】文字認識の計算範囲を示す図

【図１５】正規化ハフ強度による文字認識結果を示す図

【図１６】複合信号比率による文字認識結果を示す図

【符号の説明】

１０１〜４０６ 各ステップ