文書認識の完全自動化

全自动文档识别

• 批准号: 08458072
• 负责人: 阿曽 弘具
• 金额: $ 2.75万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 1996
• 资助国家: 日本
• 起止时间: 1996 至 1997
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-08458072/
• 关键词: 文書認識; 文字認識; 印刷文字認識; 領域理解; マルチテンプレート

本年度の研究では、当初の目的であった。完全自動文書認識システムを完成させるまでに至らなかったが、次の成果を得た。これらを基礎にして展開研究を計画している。1.文字パターンの特徴量空間である196次元ベクトル空間において、各字種の特徴量の集まりを正2^N面体型特徴領域と2^N面体型特徴領域との共通部分として定め、字種間相互の特徴領域の重なりを調べた。2^N面体型特徴領域はマハラノビス距離による超球型特徴領域の近似であり、線形計画法を用いて重なりを調べるために導入した。調べた結果、1字種の特徴領域と重なる特徴領域を持つ字種数が平均79であることがわかった。これは、単純なマンハッタン距離を用いた正2^N面体型特徴領域だけによるものに較べて約1/5になっているが、まだ、重なりが大きいことを意味している。2.文字の特徴領域の重なりが類似文字に起因することに着目し、類似文字であるかどうかの判定法を考え、類似文字間の識別法としてその相違部分を重視する方法を考案した。また、低品質文字の認識のため、動的重み付き単純類似度を考え、つぶれ度による文字品質の判定により、品質に応じた識別手法を適用することで、より高精度な認識ができることを明らかにした。3.日本語文字列の生成確率モデルとして文字trigram-単語trigramの複合モデルを考え、これを用いて誤りを含む認識結果候補文字列からより正しいもの選択する手法を開発した。4.文書レイアウト解析については、必ずしも長方形ではない文章ブロックを抽出する方法を考案し、実験により検証した。

This year's research is aimed at the original goal. Fully automatic document recognition is completed. This is the foundation for the development of research projects. 1. The feature space of characters is 196-dimensional. The feature space of characters is 196-dimensional. 2. N-type feature fields are similar to each other in terms of distance. The average number of characters in a character field is 79. The distance between the two surfaces is about 1/5 of the distance between the two surfaces. 2. A study on the method of determining the cause of similar characters in the character field and the method of recognizing the contrary part of similar characters The recognition of low-quality characters is based on the analysis of pure similarity, the determination of character quality, and the application of high-precision recognition. 3. Japanese character string generation accuracy test, test 4. The method of extracting the document from the rectangle is examined and verified.

项目成果

大町真一郎, 阿曽弘具: "品質を考慮した印刷文字認識手法" 情報処理学会論文誌. 38・12. 2490-2498 (1997)

Shinichiro Omachi、Hirogu Aso：“考虑质量的印刷字符识别方法”，日本信息处理学会汇刊 38・12（1997 年）。

H. MORI, H. ASO, S. MAKINO: "Robust n-Gram Model of Japanese Character and its Application to Document Recognition" IEICE Trans. Information and Systems. E74D・5. 471-476 (1996)

H. MORI、H. ASO、S. MAKINO：“日语字符的鲁棒 n-Gram 模型及其在文档识别中的应用”IEICE Trans. 471-476 (1996)。

M. SUZUKI, N. KATO, H. ASO, Y. NEMOTO: "A Handprinted Character Recognition System Using Image Transformation Based on Partial Inchination Detection" IEICE Trans. Information and Systems. E79D・5. 504-509 (1996)

M. SUZUKI、N. KATO、H. ASO、Y. NEMOTO：“基于部分刻印检测的手印字符识别系统”IEICE Trans. 504-509。

F. Sun, S. OMACHI, H. ASO: "Precise Selection of Candidates for Handwritten Character Recognition Using Feature Regions" IEICE Trans. Information and Systems. E79D・5. 510-515 (1996)

F. Sun、S. OMACHI、H. ASO：“使用特征区域精确选择手写字符识别”IEICE Trans. 510-515。

大町真一郎,阿曽弘具: "つぶれを考慮した低品質印刷文字の高精度認識" 電子情報通信学会論文誌(D-II). J79D-II・9. 1534-1542 (1996)

Shinichiro Omachi、Hirogu Aso：“考虑失真的低质量印刷字符的高精度识别”电子、信息和通信工程师学会会刊（D-II）1534-1542（1996）。