題 名 手書き文字の機械認識における 特徴抽出と識別関数の研究

_第 3329号
報告番号を'xi
主論文の.要
題名
手書き文字の機械語
における
特徴抽出と識別関数の研究
氏名
鶴
岡
信
治
主
論
文
報告番号董※L*第
本論文は,
汎用計算槙を使用
1.
について
状を
ための前処理
各種の提案が行わ
と 歴史を述べ,
では,
文字認識研究の学問的･社会的意義
1.
3
簡単に紹介する.
1.
と 認識対象,
認識過程
文字認識の方法(パタ
4
零在広
ー
本論文の位置づけを
にお
いて
く 使用さ
一般的な文字
れて
いる代表的な
楕造解析的手法)の
ン整合法,
そ して,
た研究の
その特色について述べ,
の位置づけを行
第2章でほ,
環
ほ,
概要について解説する.
目的及び手法,
ズムの
文字認識についての歴史と
で,
る.
る.
の積要
述べリ
い
よび文字認議アルゴリ
文字認諾お
2
た
た実験結果が述べられて
各章の内容を順に簡単に説明す
研究について
も
れた大量の文字を対象に,
して行っ
第1章では,
治
それらの手法の有効性を実証する
実際に紙面上に筆記さ
行 う.
信
文字"を穫械的
識別関数に関する
そ して,
いる.
以下,
岡
手書き文字を高精度で認識する
･特徴抽出の方法と
めに,
鶴
名圭
旨
ズムに関する研究について述べた
アルゴリ
り,
れて
氏
要
紙面上に書かれた"手書き
に認識する
のであ
号
の
1.
5
で,
筆者の行っ
本論文
う.
文字認識に適した"細線化アルゴリズム
"についての詳細な議論を行い,
処理結果であるデイ
-1-
ジ
論
主
…※甲第
之J
報告番号
文
号
氏
る.
そ して,
システム(スト
串
名妻
岡
信
治
ズム
新 し い雑音化アルゴリ
タル平面上の諌函形の定義と
を提案す
旨
要
の
文字の認識
これを競計的な手書き
と き の有用
ローク構造解析法)に用いた
性について述べる.
2.
2
では,
2次元デ
ジタル図形についての基礎的
ィ
な諸概念について解説し,
2.
ズム
緯線化アルゴリ
よ り,
値図形と
ジタル
そ して,
その定義か
2.
線化アルゴリ
ズム
提案する
と の比較を行い,
ら導出
と 並列型の鰭
濃淡図形に対する逐次塑
ズムについて述べる.
4
他の緯
でほ,
文字按分の涛追･消失が少ない割に,
アルゴリ
ズ
ヒ
イ
ゲ状ノ
ズ技(認識をする場合に不必要な線分)が少なく,
時間も迷いこ
と を述べ,
2.
5
る文字認識システム(スト
ローク
た と き,
4.
他の細線化法で9
き カ タカナ文字集合を対象に
に向上したこ
と を示す.
2
の固形(疑団形)
線化アルゴリ
ムは,
ィ
護国形を図形要素の近傍状態に
集合論的に定義する.
さ れ る 2
"デ
が1ビット
し,
"を議論
した
文字認識に適
で,
を開発するために,
次元平面における線分の太さ
と は何か?
3
処理
で,
-2-
し
構造解析法)に使用
6
して,
また,
構造解析的手法によ
由手書
%の正読率の自
正読率が9
多値図形の細線化法では
5.
6
%
主
論
号
報告番号… ※申第
要
の
文
氏
鴇
名萱
旨
岡
信
治
ZJ
交点
るこ
第
書き
t
く な り,
分岐点付近のひずみが少な
とほ手書き文字認諾に有効である
3
こ
と
を橡認する.
"人間の字種識別基準"を用いた
章では,
カ タ カナ文字認識について述べる.
形がわずかで,
人間な
従
の方法は,
標準字体からの変
ら囲襲な
と な らない場合が散見される
る.
自 由手
こ
来の続計的な文字認識システムでは,
た方法であ
譲度値を用い
く 読める文字でも,
こ
すなわち,
と に注目
蔑準パター
し,
正読
考えだされ
のに,
ンを作成する
う に実際の筆記された学習文字を競計的
従来の手法のよ
く,
に分析するのではな
字壱ごと
させた
に計算積で発生
変形文字(所縁近似パターン)を被敬老に見せ,
特故空
間内での各芋蔓の判読限界値(字種識別基準)を直接計
測す
り,
る方法であ
人間の表別可能な文字の積念約分布
(字毒識別範囲)を認識システム
そ して,
その判読限界値を基準と
距離)によ
り,
直接計測
を使用
3.
した研究はなく,
した研究も
2
でほ,
した識別関数(心理的
実際に筆記された文字を対象に
方法である.
の識別を行う
る.
に組み込む方法であ
従来,
して字種
もちろん,
人間の字種識別範囲を
字種の識別にそれ
ない.
実際に筆記された文字の折線近似パター
-3-
論
主
文
号
報告番号…※申第
Z.
ンを対義に
り抽出
3.
3
して,
要
の
氏
名…
鶴
旨
岡
信
治
字種ごとの字形変動を主成分分析によ
し,
人工的に変形文字を発生させる方法を述べる.
で,
その変形文字を被験者に見せて計謝した人間
し,
の判読限界値(字種識別基準)を紹介
読計的手法で
京めた字種識別基準と人間の字種識別基準の差異につい
し,
て考察
3.
統計的な識別関数の問題点を述べる.
4
人間の字種識別基準を用いた識別関数(心理的臣定)
で,
を提案し,
3.
続計約手法を用いる場合に比べ,
じて,
た話芸実敦を通
な り,
誤読率が半分以下と
未学習文字(
4
6
9
7.
に対する正読率が従来の最高値を上回る
ま た,
った.
い文字に限ら
第
4
章では,
ン認識に有効なボト
方向指数ヒスト
関数(
"疑似ベイ
0
こ
と が判明
手書き
ッ
%と
な
しに
く
した.
漢字･ひら
ムア
0文字)
2
誤読･棄却された文字も人間が表別
れる
し
カ タカナ文字を対象と
5で自由手書き
がな文字等のオ
フ
"加重
プ式の特徴抽出方法(
グラム法"
)と
ズ識別関数"
ラ イ
その特徴量に適した識別
) .を開発し,
を大量の文字を対象にした計算横実験によ
その有効性
り検証したこ
とを述べる.本手法は輪郭線解析法をパターン渠似度法
との融合化の方向へ発展させ,高精度に読み取る
-4-
こと
を
論
主
報告番号
文
号
※好第
氏
旨
要
の
名i
串
間
信
治
.a
目的
と した
も のであ
ズムであ
ルゴリ
り,
り,
ハードウ
違度計算には従来のベイ
問題点を解決
こ
と,
ひら
した"疑似ベイ
③あ
る 意味ではも
小領域の
4
6
4
タベース(
9
結果,
正読率
4.
2
2
7
9
9
っ
4
でほ,
×
ベイ
ズ識別関数の問題点
E
5
.
%
T
本誌
各
の小領域に分割して,
8
を特敬ベクト
教育漢字デー
た
)の認識実験を行っ
(高品質文字),
グラ
9
し,
ム法)について解説
でほ,
4.
と こ の特徴量に適
6
.
3
(
%
3
で,
従来の
した新たに開
ズ識別関数)について議論す
手書き
教育漢字･ひ
別実験の詳細(識別関数の比較,
ッ
L
いる
な どである.
グラム
る
し い特徴抽出の方法(加重方向指
発した識別関数(疑似ベイ
累積分類率.
4
ヒ スト
字穫;
その薪
スト
4
と されて
と も認識が困発
と,
い
られた.
数ヒ
4.
次表新関数)の
して電絵所作成の手書き
低品質文字)が得
ト
2
③相
ズ識別関数''を用いて
方向の方向指数の
次元)と
と,
ア化しやすいこ
がなの正読率が非常に高いこ
よ り 文字画像を
る.
ェ
ズ識別関数(
議方式に
ル(
その特敬は①単純な特徴抽出ア
誤読文字,
らがなに対する識
学習の効果,
処理時間)を紹介し,
正読率
現時点で
る こ と を示す.
プレベルの認識性能が実現でき
-5-
t
論
主
韓告番号
文
号
※申第
氏
旨
要
の
名妾
宅
岡
信
治
A
第
手書
''筆記者に対
5章では,
こ
き文字認識方式"について述べる.
力 さ れる
自 由手書き
書で認識
して,
らか
文字をあ
し,
く 方法であ
人にと
の荏準的な字形と異なる字形を書く
なる
る.
認識方式であ
り,
み取れる可能性があ
平均と
3
全ひ
ム法を用いて,
5
5
%
9
6.
に向上
8
し,
多人数
特に有
ってt
O
C
Rでほ,
し,
寒雲示
加重方向指数ヒ
らがな文字(
T
4
6
L
4
の1
0
の方式が効果的であ
スト
グラ
字種)を対象と
し
た.
汎
その結果,
0文字/字種で学
タ が,
%の平均正読率の文字デー
こ
本章
ルを用いる認識方法に
人の特定葦記者で認識実蛍を行っ
用辞書(電稔研作成のE
冒)で
り,
実用性の高い方法である.
固有僅.冠者ベクト
おける適応方法を
た
の方法を用いた
筆記者の字形
癖や続け･省略を含んだ文字でも読
葦記者に特有の書き
では,
こ
入
の方式は,
じめ用意された汎用育
その文字を学習に使用
に適応する辞書を逐次作成してい
効と
た 自 由
して適応積能を持っ
9
る こ と が実証さ
9.
れ
た,
5.
2では,
筆記者の文字だけで学習した専用辞書と,
不特定多数の筆記者の文字で学習した汎用辞書によ
識結果を比較し,専用辞書の方が効果的であるこ
-6-
る認
と を示
主
論
文
報告番号
氏
す.
5.
修正型辞書,
認諾性能,
に評価する.
第
6
3
種渠の方法(
自 由
した認識実数
新し
く 提案した混合型辞書が最
る こ と を示す.
章では,
文字を学習
筆記者の"個性ベクト
した手
ル"を利用
第
5
章では特定筆記老の
した適応空辞書を使用すれぼ,
読率よ
治
計算量などを総合的
使用記憶容量,
書き.文字認議について述べる.
し,
信
6字種)を対象と
その結果,
も有用であ
岡
混合型辞書)について,
手重きひらがな文字(4
を行い,
鶴
名::
筆記者の文字に適応する
3で,
更新空辞書,
旨
要
の
流用辞書の正
しか
りかをり長い結果が得られることを述べた.
こ
の方法を
ま 手書き漢字認識に適用する
そのま
漠字の字壱敦が多いので,
合には,
場合ほかな
した字葦を書く
と 考え
られる.
事前に筆記していない字種において
に機能する
よ う に,
弄度はかな
る
そ こ で,
本章でほ,
も 適応型辞書が有効
少数の字種の文字よ
に依存しない"個性ベクトル(書き
方法を提案し,
いる場
適応型辞書を有効に利用でき
そのため,
り 少ない
られて
学習文字数が限
筆記暑が事前に筆記
り 低 く な る.
と,
り 筆記者の字種
ぐせ)
その個性ベクトルから兼学習の字種にお
ける筆記者の個人平均ベクトルを推定する方法を述べる･
-7-
"を抽出する
主
報告番号
論
※甲第
文
号
要
の
氏
名…
串
旨
間
信
治
Zl
した個人平均ベクトルを招いてひ
実数
した結果,
礼,
平均正読率は
し,
%に向上
6.
2
出方法と
す.
スト
9
(汎用辞書)から
7.
1
られた.
ルの推定方法について提案し,
グラム法を用いて,
らがなの全芋蔓)に連用
6.
4
5
した結果
人の葦記者の
を 6.
3
に示
では推定した個人平均ベクトルを用い
ひらがな文字の認識実験の結果について述
べ,
汎用平均ベクト
られ
る こ と を示す.
に,
8%
個人平均ベクト
た 自 由手書き
して,
6.
人で長い正読率が得ら
で字種に依存しない筆記者の個性ベクトルの抽
また,
そ
3
その有効性が確かめ
加重方向指数ヒ
文字(ひ
らがなの全字種で認識
5人の筆記暑中
9
推定
し,
グラム法に適用
この手法を加重方向指数ヒスト
第
7
今後の課題につ
り 高い正読率が得
ルを用いた場合よ
章で,
第
6
章ま
いて述べる.
-8-
での内容を
要約す
る と 共