文字認識のための文字セグメントを自動的に識別する方法および装置
【課題】文字認識用の文字セグメントを自動的に識別する方法および装置を提供する。
【解決手段】文字認識用の文字セグメントを自動的に識別するための方法および装置が提供される。方法は、複数の単語、およびその複数の単語の各単語に対応するグランドトルース（ground truth）を受信することを含む。複数の単語は、筆記体で受信され得る。複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメントに分割される。その後、各単語の分割は、１つまたはより多くの類似文字セグメントに基づいて、各単語を反復して再分割することによって改善される。
【解決手段】文字認識用の文字セグメントを自動的に識別するための方法および装置が提供される。方法は、複数の単語、およびその複数の単語の各単語に対応するグランドトルース（ground truth）を受信することを含む。複数の単語は、筆記体で受信され得る。複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメントに分割される。その後、各単語の分割は、１つまたはより多くの類似文字セグメントに基づいて、各単語を反復して再分割することによって改善される。
【発明の詳細な説明】
【技術分野】
【０００１】
発明の分野
本発明は、概して、文字認識のための文字セグメントを自動的に識別する方法および装置に関する。より特定的には、本発明は、１つまたはより多くの単語レベルおよび行レベルのグランドトルース（ground truth）に基づいて、文字認識のための文字セグメントを自動的に識別するような分類器を訓練するための方法および装置に関する。
【背景技術】
【０００２】
発明の背景
スキャンされた文章の編集可能でかつ検索可能なテキストへの自動変換は、正確でかつロバストな光学式文字認識（Optical Character Recognition：ＯＣＲ）システムの使用を必要とする。ＯＣＲシステムは、テキストの入力画像を文字に分割することによる、スキャンされた画像からのテキストの認識を含む。スキャンされた画像からのテキストの認識のために、ＯＣＲシステムは、最初に、文字のサンプル画像とその対応するグランドトルースとを用いて訓練される。原稿におけるテキストを認識するためのＯＣＲシステムの連続的な訓練の際に、ＯＣＲシステムは、テキストにおける異なる文字を識別することを習得する。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
英語のテキストのような非筆記体についてのＯＣＲシステムは、高い精度のレベルにまで達している。この高精度レベルについての主な理由の１つは、非筆記体を、分離した文字に引き下げる自動的な事前処理を行なって、ＯＣＲシステムへの入力として提供する能力である。非筆記体における各文字は、非接触であるという非筆記体の生来的な特性のために、分離することができる。各文字が分離されると、対応する文字レベルのグランドトルースが、ＯＣＲシステムを訓練するために適用され得る。
【０００４】
しかしながら、アラビア文字のような筆記体では、ＯＣＲエンジンを訓練するために個々の文字を分離することは複雑である。これは、アラビア文字で書かれた文字の接触している性質によるものである。さらに、アラビア語のテキストは、文字の発音を示すために文字の上方または下方に配置されるドットやアクセントマークのような付加文字を含み得る。これは、非筆記体のテキストを認識するために設計されたＯＣＲシステムによって用いられる既知の事前処理技術が、アラビア語のテキストを正確に処理することを妨げる。さらに、多くのアラビア文字は、その文字が単語の始めに配置されるか、中間に配されるか、最後に配置されるか、または単独の文字として配置されるかに依存して、３つまたは４つの形態を含む。アラビア語のテキストについてのこれらの特徴は、アラビア語のテキストを個々の文字に自動的に分割することを困難にする。
【０００５】
現在、アラビア語のテキストを認識するためのＯＣＲエンジンを訓練するために、アラビア語のテキストにおける単語の個々の文字を手動で区切る必要があり、対応するグランドトルースが、区切られた文字に対して入力される。大量の文章がＯＣＲエンジンを訓練するために用いられる場合、単語における文字の手動区分および各文字についてのグランドトルースを引き続いて入力することは、面倒でありかつ間違いの元である。
【０００６】
したがって、１つまたはより多くの単語レベルおよび行レベルのグランドトルースに基づいた、文字認識用の文字セグメントを自動的に識別するための方法および装置が必要とされている。
【課題を解決するための手段】
【０００７】
一般的に言って、多くの実施形態に従って、本発明は文字認識用の文字セグメントを自動的に識別するための方法および装置を提供する。方法は、複数の単語、およびその複数の単語の各々の単語に対応するグランドトルースを受信することを含む。複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメントに分割される。その後、各単語の分割は、１つまたはより多くの類似の文字セグメントに基づいて、各単語を反復的に再分割することによって改善される。
【０００８】
添付の図面は、さまざまな実施形態を例示するとともに、本発明にすべて従うさまざまな原理および利点を説明することを提供する。図面において、同じ参照符合は個別の図を通して同一または機能的に類似の要素を示し、かつ以下の詳細な説明とともに本明細書に含まれてその一部を形成する。
【図面の簡単な説明】
【０００９】
【図１】本発明の実施形態に従う、文字認識のための文字セグメントを自動的に識別する方法のフロー図を示す。
【図２ａ】本発明の実施形態に従った、複数の反復にわたるアラビア文字における単語の文字セグメントへの分割を示す概略図である。
【図２ｂ】本発明の実施形態に従った、複数の反復にわたるアラビア文字における単語の文字セグメントへの分割を示す概略図である。
【図２ｃ】本発明の実施形態に従った、複数の反復にわたるアラビア文字における単語の文字セグメントへの分割を示す概略図である。
【図３】本発明の実施形態に従う、文字認識用の文字セグメントを自動的に識別するための装置を示す図である。
【発明を実施するための形態】
【００１０】
当業者は、図中の要素は単純化および明確化のために示されており、必ずしも縮尺通りに描かれていないことを理解するであろう。たとえば、本発明の実施形態の理解を向上するのを助けるために、図におけるいくつかの要素の寸法は、他の要素に比べて誇張され得る。
【００１１】
発明の詳細な説明
本発明に従う詳細な実施形態の説明の前に、本実施形態が、第１に、文字認識のための文字セグメントを自動的に識別することに関連する方法ステップおよび装置要素の組み合わせに属することに注意すべきである。したがって、装置要素および方法ステップは、必要に応じて、図において慣習的なシンボルで表わされ、当業者には容易に明白である本明細書の記載の利益を有する詳細を伴う開示が曖昧にならないように、本発明の実施形態の理解に関する特定の詳細のみを示す。
【００１２】
本文書において、第１および第２、上部および下部などのような関係語は、単に、１つのエンティティまたは動作を、他のエンティティまたは動作と区別するためだけに用いられ、そのようなエンティティまたは動作間において、実際のそのような関係または順序を必ずしも必要とせず、または意味していない。語句「備える（comprise）」、「備えている（comprising）」またはその任意の変形は、要素のリストを含むプロセス、方法、項目または装置が、それらの要素のみではなく、そのようなプロセス、方法、項目または装置に明示的に列挙されておらずまたは生来的に備わっていない他の要素を含み得るように、非排他的包含をカバーすることを意図している。「…を備える」によって始まる要素は、多くの制限なしに、その要素を備えるプロセス、方法、項目または装置において、追加的な同一の要素の存在を排除するものではない。
【００１３】
本明細書において説明される発明の実施形態は、１つまたはより多くの従来のトランザクション−クライアントと、固有の記憶されたプログラム指令とで構成され、そのプログラム指令は、特定の非トランザクション−クライアント回路と関連して文字認識用の文字セグメントを自動的に識別するための方法および装置の機能のいくつか、多くまたは全てを実行するように１つまたはより多くのトランザクション−クライアントを制御する。非トランザクション−クライアント回路は、限定されないが、無線受信器、無線送信器、信号ドライバ、クロック回路、電源回路、およびユーザ入力装置を含む。すなわち、これらの機能は、画像におけるテキストを認識するための画像分割についての方法のステップとして解釈され得る。あるいは、いくつかのまたは全ての機能は、記憶されたプログラム指令を有さない状態機械によって、または１つまたはより多くの特定用途向け集積回路（ＡＳＩＣ）で実現されてもよく、それらにおいては、各機能または特定の機能のいくつかの組み合わせはカスタムロジックとして実現される。もちろん、この２つのアプローチの組合せを用いることもできる。したがって、これらの機能のための方法および手段が、本明細書において説明される。さらに、たとえば、利用可能時間、現在の技術、および経済的考慮によって動機付けられる可能性のある大幅な努力および多くの設計事項にもかかわらず、本明細書に開示される概念および原理によって案内される場合に、当業者は、最小の実験でそのようなソフトウェア指令およびプログラム、ならびにＩＣを容易に生成することが可能であるだろう。
【００１４】
一般的に言って、多くの実施形態に従って、本発明は文字認識用の文字セグメントを自動的に識別するための方法および装置を提供する。方法は、複数の単語、およびその複数の単語の各々の単語に対応するグランドトルースを受信することを含む。複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメントに分割される。その後、各単語の分割は、１つまたはより多くの類似の文字セグメントに基づいて、各単語を反復的に再分割することによって改善される。
【００１５】
図１は、本発明の実施形態に従う、文字認識用の文字セグメントを自動的に識別するための方法のフロー図を示す。方法は、ステップ１０２にて、複数の単語、およびその複数の単語の各々の単語に対応するグランドトルースを受信することを含む。実施形態においては、複数の単語は、１行のテキストに対応し、そのテキストの行全体についてのグランドトルースが受信され得る。複数の単語が段落、ページのあるゾーン、１ページ、または複数ページに対応し得ることが、本発明の範囲から逸脱することなく当業者には明らかであろう。複数の単語は、筆記体であり得る。たとえば、複数の単語は、アラビア文字、ペルシャ文字、クルド文字などであり得る。
【００１６】
ステップ１０４にて、複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメント（以下、「文字セグメント」と称する。）に自動的に分割され得る。単語は、その単語のグランドトルースによって示される文字数に基づいて、文字セグメントに分割される。たとえば、単語のグランドトルースが、その単語に４つの文字があることを示している場合は、その単語は４つのセグメントに分割される。単語の文字セグメントへの分割は、その単語内の文字セグメントについての境界を表わす。一実施形態においては、その単語のグランドトルースによって示される文字数に基づいて、その単語を文字セグメントにランダムに分けることによって分割され得る。他の実施形態においては、単語は、その単語内の各文字に関連する平均文字幅に基づいて、その単語を文字セグメントに分けることによって分割され得る。特定の文字についての平均文字幅は、文書コーパス（corpus）を解析し、特定の文字のすべての発生の幅を平均することによって決定され得る。文字幅を決定するための他の方法も、本発明の範囲から逸脱することなく作用されてもよいことが、当業者には明らかであろう。
【００１７】
各単語の構成文字セグメントへのランダムな、または平均文字幅に基づいた分割は、正確でないかもしれない。これは、各文字セグメントに関連するノイズによるものであり得る。そのノイズは、文字セグメントに関連するセグメントにおける、１つまたはより多くの隣接文字セグメントの部分に対応し得る。ノイズは、文字セグメントにおける外部からの（foreign）セグメントも含む。これらの外部からのセグメントは、撮像光センサからの量子化ノイズ、撮像装置光学系上のほこり、インクスパッタ、およびトナー汚れであり得る。
【００１８】
単語の文字セグメントに関連するノイズを最小化するために、ステップ１０６にて、各単語の分割は、文字セグメントを、１つまたはより多くの類似文字セグメント（以下、「類似文字セグメント」と称する。）と比較することにより、各単語を反復的に再分割することによって自動的に改善される。類似文字セグメントを決定するために、単語の文字セグメントのグランドトルースが、複数の単語および予め記憶された１組の文字セグメントにおける他の文字セグメントのグランドトルースと比較される。２つのグランドトルースが一致した場合、その２つのグランドトルースに関連する文字セグメントは、類似文字セグメントとみなされる。類似文字セグメントの比較において、単語内の各文字セグメントの分割が改善される。複数の単語の各単語の分割を改善することは、各単語の文字セグメントについての複数の水平境界および複数の垂直境界を決定することを含む。その後、各単語の文字セグメントの複数の水平境界および複数の垂直境界は、各単語の文字セグメントと類似文字セグメントとを複数の反復にわたって比較することによって、反復的に修正される。複数の反復にわたって文字セグメントを改善することは、図２ａから図２ｃに関連して説明されるように、文字セグメントに関連するノイズを排除する。
【００１９】
さらに、複数の単語に関連した文字セグメントが、複数の単語に関連した類似文字セグメントとともに記憶され、予め記憶された文字セグメントの組に加えられてもよい。類似文字セグメントを伴った文字セグメントは、複数の単語の各単語の分割を改善するための後続的な反復のために用いられ得る。ここで、類似文字セグメントを伴う文字セグメントが、各反復の後に予め記憶された文字セグメントの組に追加されるので、予め記憶された文字セグメントの組は、動的に成長する文字セグメントの組である。
【００２０】
図２ａ〜図２ｃは、１つまたはより多くの文字セグメントに反復的に分割されるアラビア文字の単語２００を例示的に示す。まず、単語２００は、ランダムにまたは平均文字幅に基づいて、単語２００のグランドトルースによって示された多くの文字に基づく多くのセグメントに分割される。図２ａにおいて、単語２００のグランドトルースが、単語２００が７文字で構成されていることを示している場合は、単語２００は、ランダムにまたは平均文字幅に基づいて、セグメント２０２−１，セグメント２０２−２，セグメント２０２−３，セグメント２０２−４，セグメント２０２−５，セグメント２０２−６，セグメント２０２−７（以下、セグメント２０２−１から２０２−７と称する。）のような７つのセグメントに分割される。セグメント２０２−１から２０２−７は、それぞれ、文字セグメント２０４，文字セグメント２０６，文字セグメント２０８，文字セグメント２１０，文字セグメント２１２，文字セグメント２１４，文字セグメント２１６（以下、文字セグメント２０４−２１６と称する。）についての境界を規定する。
【００２１】
その後、文字セグメント２０４−２１６の分割は、文字セグメント２０４−２１６を１つまたはより多くの類似文字セグメント（以下、類似文字セグメントと称する。）と反復的に比較することによって改善される。この場合において、セグメント２０２−１から２０２−７は、図２ｂに示されるような比較に基づいて、セグメント２１８−１，セグメント２１８−２，セグメント２１８−３，セグメント２１８−４，セグメント２１８−５，セグメント２１８−６，セグメント２１８−７（以下、セグメント２１８−１から２１８−７と称する。）にそれぞれ改善される。類似文字セグメントを決定するために、文字セグメント２０４−２１６のグランドトルースが、複数の単語からの他の文字セグメントおよび予め記憶された文字セグメントの組のグランドトルースと比較される。２つのグランドトルースが同じ場合は、２つのグランドトルースに関連する文字セグメントは、類似文字セグメントであるとみなされる。
【００２２】
文字セグメント２０４−２１６を類似文字セグメントと比較する際に、複数の水平境界および複数の垂直境界が、文字セグメント２０４−２１６の各々について決定される。文字セグメント２０４−２１６の各々についての複数の水平境界および複数の垂直境界は、図２ｂにおけるセグメント２１８−１から２１８−７として示される。したがって、この比較に基づいて単語２００のセグメントを改善することによって、文字セグメント２０４−２１６は、文字セグメント２２０，文字セグメント２２２，文字セグメント２２４，文字セグメント２２６，文字セグメント２２８，文字セグメント２３０，文字セグメント２３２（以下、文字セグメント２２０−２３２と称する。）へそれぞれ改善される。文字セグメント２０４−２１６を文字セグメント２２０−２３２へ改善することは、文字セグメント２０４−２１６における１つまたはより多くの隣接文字の部分を排除し、それによって、文字セグメント２０４−２１６に存在するノイズを低減する。
【００２３】
その後、文字セグメント２０４−２１６は、文字セグメント２０４−２１６に対応する類似文字セグメントとともに、予め記憶された文字セグメントの組に記憶され得る。そして、記憶された類似文字セグメントを伴う文字セグメントは、複数の単語の分割を改善するための後続の反復のために用いられ得る。
【００２４】
同様に、複数の単語の各単語は、複数の反復にわたって類似文字セグメントと比較され、各単語の分割は各反復において改善される。図２ｃを参照して、単語２００の分割を示すｎ番目の反復が示される。この場合は、図２ｂのセグメント２１８−１から２１８−７は、図２ｃに示されるような比較に基づいて、セグメントｎ−１，セグメントｎ−２，セグメントｎ−３，セグメントｎ−４，セグメントｎ−５，セグメントｎ−６，セグメントｎ−７（以下、セグメントｎ−１からｎ−７と称する。）に改善される。比較に基づいて単語２００の分割を改善する際に、ｎ番目の反復において文字セグメント２２０−２３２は、文字セグメント２０４−２１６は、文字セグメント２３４，文字セグメント２３６，文字セグメント２３８，文字セグメント２４０，文字セグメント２４２，文字セグメント２４４，文字セグメント２４６（以下、文字セグメント２３４−２４６と称する。）へそれぞれ改善される。
【００２５】
図３は、本発明の実施形態に従う、文字認識用の文字セグメントを自動的に認識するための装置３００を示す。装置３００は、メモリ３０２と、メモリ３０２に結合されたプロセッサ３０４とを含む。
【００２６】
プロセッサ３０４は、複数の単語と、その複数の単語の各単語に対応するグランドトルースとを受けるように構成される。一実施形態においては、複数の単語は、１行のテキストに対応し、テキストの全体の行についてのグランドトルースが受信される。複数の単語は、段落、ページ内のあるゾーン、１ページ、または複数のページでもよいことが、本発明の範囲から逸脱することなく、当業者には明らかであろう。複数の単語は、筆記体であり得る。
【００２７】
さらに、プロセッサ３０４は、複数の単語の各単語を、その単語のグランドトルースによって示される文字数に基づいて、１つまたはより多くの文字セグメント（以下、「文字セグメント」と称する。）に分割するように構成される。単語の文字セグメントへの分割は、文字セグメントについての境界を表わす。一実施形態においては、プロセッサ３０４は、単語のグランドトルースによって示される文字数に基づいて、その単語を文字セグメントにランダムに分けることによって、単語を分割するように構成される。他の実施形態においては、プロセッサ３０４は、その単語における各文字に関連する平均文字幅に基づいてその単語を分けることによって、単語を分割するように構成される。複数の単語の各単語の分割は、図１に関連して説明される。
【００２８】
プロセッサ３０４は、さらに、複数の単語における各単語の文字セグメントを１つまたはより多くの類似文字セグメント（以下、「類似文字セグメント」と称する。）と比較することにより各単語を反復的に再分割することによって、各単語の分割を改善するように構成される。類似文字セグメントは、１つまたはより多くの複数の単語、および予め記憶された文字セグメントの組から、プロセッサ３０４によって選択され得る。類似文字セグメントを決定するために、文字セグメントのグランドトルースは、複数の単語および予め記憶された文字セグメントの組における他の文字セグメントのグランドトルースと比較される。２つのグランドトルースが一致する場合、２つのグランドトルースに関連する文字セグメントは、類似文字セグメントであるとみなされる。
【００２９】
類似文字セグメントを比較する際に、プロセッサ３０４は、複数の単語の各単語における各文字セグメントの分割を改善する。各単語の分割を改善するために、プロセッサ３０４は、各単語の文字セグメントについての複数の水平境界および複数の垂直境界を決定するように構成される。そして、複数の水平境界および複数の垂直境界は、図１および図２ａから図２ｃに関連して説明されたように、文字セグメントを類似文字セグメントと比較することによって、反復的に修正される。複数の水平境界および複数の垂直境界を規定することに加えて、プロセッサ３０４は、さらに、文字セグメントの１つまたはより多くの隣接文字の部分を除去して各単語の分割を改善するように構成される。
【００３０】
さらに、複数の単語に関連する文字セグメントは、その複数の単語に関連する類似文字セグメントとともにメモリ３０２に記憶され、予め記憶された文字セグメントの組に追加され得る。予め記憶された文字セグメントの組も、メモリ３０２に記憶され得る。類似文字セグメントを伴う文字セグメントは、複数の単語の各単語の分割を改善するための後続の反復のために用いられ得る。
【００３１】
本発明のさまざまな実施形態は、文字認識用の文字セグメントを自動的に識別するための方法および装置を提供する。方法および装置は、アラビア文字の単語のような、筆記体の単語の効果的な分割を可能にする。方法は、複数の単語の各単語を、単語レベルまたは行レベルのグランドトルースに基づいて、１つまたはより多くの文字セグメントに自動的に分割することを可能にする。反復的な比較による各単語の分割は、各単語の分割を手動で区分する必要性を排除し、それによって、誤差率および単語を文字セグメントに分割するために必要とされる時間を低減する。グランドトルースが単語レベルまたは行レベルで与えられるので、各文字セグメントについてのグランドトルースを手動で提供することも回避される。これは、分類器を訓練するためにグランドトルースを提供するのに必要とされる時間を低減する。
【００３２】
当業者は、本明細書に記載された上記の認識された利点および他の利点が、単なる例示に過ぎず、本発明のさまざまな実施形態のすべての利点の完全な表現であるとは意味されていないことを理解するであろう。
【００３３】
上記明細書においては、本発明の特定の実施形態が説明された。しかしながら、当業者は、以下の特許請求の範囲に記載されるように、本発明の範囲から逸脱することなく、さまざまな修正および変形がなされ得ることを理解する。したがって、明細書および図面は、制限的な意味というよりは例示的な意味と考えられるべきであり、そのようなすべての修正は、本発明の範囲内に含まれることが意図される。利益、利点、問題の解決、および任意の利益、利点、または解決を生じるあるいはより顕著にする任意の要素は、全てまたは任意の請求項の、重大な、必須の、または本質的な特徴あるいは要素であるとして解釈されるべきではない。本発明は、本出願の継続中になされる補正を含む添付の請求項、および発行されたそれらの請求項の均等物によってのみ規定される。
【符号の説明】
【００３４】
３００ 装置、３０２ メモリ，３０４ プロセッサ。
【技術分野】
【０００１】
発明の分野
本発明は、概して、文字認識のための文字セグメントを自動的に識別する方法および装置に関する。より特定的には、本発明は、１つまたはより多くの単語レベルおよび行レベルのグランドトルース（ground truth）に基づいて、文字認識のための文字セグメントを自動的に識別するような分類器を訓練するための方法および装置に関する。
【背景技術】
【０００２】
発明の背景
スキャンされた文章の編集可能でかつ検索可能なテキストへの自動変換は、正確でかつロバストな光学式文字認識（Optical Character Recognition：ＯＣＲ）システムの使用を必要とする。ＯＣＲシステムは、テキストの入力画像を文字に分割することによる、スキャンされた画像からのテキストの認識を含む。スキャンされた画像からのテキストの認識のために、ＯＣＲシステムは、最初に、文字のサンプル画像とその対応するグランドトルースとを用いて訓練される。原稿におけるテキストを認識するためのＯＣＲシステムの連続的な訓練の際に、ＯＣＲシステムは、テキストにおける異なる文字を識別することを習得する。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
英語のテキストのような非筆記体についてのＯＣＲシステムは、高い精度のレベルにまで達している。この高精度レベルについての主な理由の１つは、非筆記体を、分離した文字に引き下げる自動的な事前処理を行なって、ＯＣＲシステムへの入力として提供する能力である。非筆記体における各文字は、非接触であるという非筆記体の生来的な特性のために、分離することができる。各文字が分離されると、対応する文字レベルのグランドトルースが、ＯＣＲシステムを訓練するために適用され得る。
【０００４】
しかしながら、アラビア文字のような筆記体では、ＯＣＲエンジンを訓練するために個々の文字を分離することは複雑である。これは、アラビア文字で書かれた文字の接触している性質によるものである。さらに、アラビア語のテキストは、文字の発音を示すために文字の上方または下方に配置されるドットやアクセントマークのような付加文字を含み得る。これは、非筆記体のテキストを認識するために設計されたＯＣＲシステムによって用いられる既知の事前処理技術が、アラビア語のテキストを正確に処理することを妨げる。さらに、多くのアラビア文字は、その文字が単語の始めに配置されるか、中間に配されるか、最後に配置されるか、または単独の文字として配置されるかに依存して、３つまたは４つの形態を含む。アラビア語のテキストについてのこれらの特徴は、アラビア語のテキストを個々の文字に自動的に分割することを困難にする。
【０００５】
現在、アラビア語のテキストを認識するためのＯＣＲエンジンを訓練するために、アラビア語のテキストにおける単語の個々の文字を手動で区切る必要があり、対応するグランドトルースが、区切られた文字に対して入力される。大量の文章がＯＣＲエンジンを訓練するために用いられる場合、単語における文字の手動区分および各文字についてのグランドトルースを引き続いて入力することは、面倒でありかつ間違いの元である。
【０００６】
したがって、１つまたはより多くの単語レベルおよび行レベルのグランドトルースに基づいた、文字認識用の文字セグメントを自動的に識別するための方法および装置が必要とされている。
【課題を解決するための手段】
【０００７】
一般的に言って、多くの実施形態に従って、本発明は文字認識用の文字セグメントを自動的に識別するための方法および装置を提供する。方法は、複数の単語、およびその複数の単語の各々の単語に対応するグランドトルースを受信することを含む。複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメントに分割される。その後、各単語の分割は、１つまたはより多くの類似の文字セグメントに基づいて、各単語を反復的に再分割することによって改善される。
【０００８】
添付の図面は、さまざまな実施形態を例示するとともに、本発明にすべて従うさまざまな原理および利点を説明することを提供する。図面において、同じ参照符合は個別の図を通して同一または機能的に類似の要素を示し、かつ以下の詳細な説明とともに本明細書に含まれてその一部を形成する。
【図面の簡単な説明】
【０００９】
【図１】本発明の実施形態に従う、文字認識のための文字セグメントを自動的に識別する方法のフロー図を示す。
【図２ａ】本発明の実施形態に従った、複数の反復にわたるアラビア文字における単語の文字セグメントへの分割を示す概略図である。
【図２ｂ】本発明の実施形態に従った、複数の反復にわたるアラビア文字における単語の文字セグメントへの分割を示す概略図である。
【図２ｃ】本発明の実施形態に従った、複数の反復にわたるアラビア文字における単語の文字セグメントへの分割を示す概略図である。
【図３】本発明の実施形態に従う、文字認識用の文字セグメントを自動的に識別するための装置を示す図である。
【発明を実施するための形態】
【００１０】
当業者は、図中の要素は単純化および明確化のために示されており、必ずしも縮尺通りに描かれていないことを理解するであろう。たとえば、本発明の実施形態の理解を向上するのを助けるために、図におけるいくつかの要素の寸法は、他の要素に比べて誇張され得る。
【００１１】
発明の詳細な説明
本発明に従う詳細な実施形態の説明の前に、本実施形態が、第１に、文字認識のための文字セグメントを自動的に識別することに関連する方法ステップおよび装置要素の組み合わせに属することに注意すべきである。したがって、装置要素および方法ステップは、必要に応じて、図において慣習的なシンボルで表わされ、当業者には容易に明白である本明細書の記載の利益を有する詳細を伴う開示が曖昧にならないように、本発明の実施形態の理解に関する特定の詳細のみを示す。
【００１２】
本文書において、第１および第２、上部および下部などのような関係語は、単に、１つのエンティティまたは動作を、他のエンティティまたは動作と区別するためだけに用いられ、そのようなエンティティまたは動作間において、実際のそのような関係または順序を必ずしも必要とせず、または意味していない。語句「備える（comprise）」、「備えている（comprising）」またはその任意の変形は、要素のリストを含むプロセス、方法、項目または装置が、それらの要素のみではなく、そのようなプロセス、方法、項目または装置に明示的に列挙されておらずまたは生来的に備わっていない他の要素を含み得るように、非排他的包含をカバーすることを意図している。「…を備える」によって始まる要素は、多くの制限なしに、その要素を備えるプロセス、方法、項目または装置において、追加的な同一の要素の存在を排除するものではない。
【００１３】
本明細書において説明される発明の実施形態は、１つまたはより多くの従来のトランザクション−クライアントと、固有の記憶されたプログラム指令とで構成され、そのプログラム指令は、特定の非トランザクション−クライアント回路と関連して文字認識用の文字セグメントを自動的に識別するための方法および装置の機能のいくつか、多くまたは全てを実行するように１つまたはより多くのトランザクション−クライアントを制御する。非トランザクション−クライアント回路は、限定されないが、無線受信器、無線送信器、信号ドライバ、クロック回路、電源回路、およびユーザ入力装置を含む。すなわち、これらの機能は、画像におけるテキストを認識するための画像分割についての方法のステップとして解釈され得る。あるいは、いくつかのまたは全ての機能は、記憶されたプログラム指令を有さない状態機械によって、または１つまたはより多くの特定用途向け集積回路（ＡＳＩＣ）で実現されてもよく、それらにおいては、各機能または特定の機能のいくつかの組み合わせはカスタムロジックとして実現される。もちろん、この２つのアプローチの組合せを用いることもできる。したがって、これらの機能のための方法および手段が、本明細書において説明される。さらに、たとえば、利用可能時間、現在の技術、および経済的考慮によって動機付けられる可能性のある大幅な努力および多くの設計事項にもかかわらず、本明細書に開示される概念および原理によって案内される場合に、当業者は、最小の実験でそのようなソフトウェア指令およびプログラム、ならびにＩＣを容易に生成することが可能であるだろう。
【００１４】
一般的に言って、多くの実施形態に従って、本発明は文字認識用の文字セグメントを自動的に識別するための方法および装置を提供する。方法は、複数の単語、およびその複数の単語の各々の単語に対応するグランドトルースを受信することを含む。複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメントに分割される。その後、各単語の分割は、１つまたはより多くの類似の文字セグメントに基づいて、各単語を反復的に再分割することによって改善される。
【００１５】
図１は、本発明の実施形態に従う、文字認識用の文字セグメントを自動的に識別するための方法のフロー図を示す。方法は、ステップ１０２にて、複数の単語、およびその複数の単語の各々の単語に対応するグランドトルースを受信することを含む。実施形態においては、複数の単語は、１行のテキストに対応し、そのテキストの行全体についてのグランドトルースが受信され得る。複数の単語が段落、ページのあるゾーン、１ページ、または複数ページに対応し得ることが、本発明の範囲から逸脱することなく当業者には明らかであろう。複数の単語は、筆記体であり得る。たとえば、複数の単語は、アラビア文字、ペルシャ文字、クルド文字などであり得る。
【００１６】
ステップ１０４にて、複数の単語の各単語は、各単語に対応するグランドトルースに基づいて、１つまたはより多くの文字セグメント（以下、「文字セグメント」と称する。）に自動的に分割され得る。単語は、その単語のグランドトルースによって示される文字数に基づいて、文字セグメントに分割される。たとえば、単語のグランドトルースが、その単語に４つの文字があることを示している場合は、その単語は４つのセグメントに分割される。単語の文字セグメントへの分割は、その単語内の文字セグメントについての境界を表わす。一実施形態においては、その単語のグランドトルースによって示される文字数に基づいて、その単語を文字セグメントにランダムに分けることによって分割され得る。他の実施形態においては、単語は、その単語内の各文字に関連する平均文字幅に基づいて、その単語を文字セグメントに分けることによって分割され得る。特定の文字についての平均文字幅は、文書コーパス（corpus）を解析し、特定の文字のすべての発生の幅を平均することによって決定され得る。文字幅を決定するための他の方法も、本発明の範囲から逸脱することなく作用されてもよいことが、当業者には明らかであろう。
【００１７】
各単語の構成文字セグメントへのランダムな、または平均文字幅に基づいた分割は、正確でないかもしれない。これは、各文字セグメントに関連するノイズによるものであり得る。そのノイズは、文字セグメントに関連するセグメントにおける、１つまたはより多くの隣接文字セグメントの部分に対応し得る。ノイズは、文字セグメントにおける外部からの（foreign）セグメントも含む。これらの外部からのセグメントは、撮像光センサからの量子化ノイズ、撮像装置光学系上のほこり、インクスパッタ、およびトナー汚れであり得る。
【００１８】
単語の文字セグメントに関連するノイズを最小化するために、ステップ１０６にて、各単語の分割は、文字セグメントを、１つまたはより多くの類似文字セグメント（以下、「類似文字セグメント」と称する。）と比較することにより、各単語を反復的に再分割することによって自動的に改善される。類似文字セグメントを決定するために、単語の文字セグメントのグランドトルースが、複数の単語および予め記憶された１組の文字セグメントにおける他の文字セグメントのグランドトルースと比較される。２つのグランドトルースが一致した場合、その２つのグランドトルースに関連する文字セグメントは、類似文字セグメントとみなされる。類似文字セグメントの比較において、単語内の各文字セグメントの分割が改善される。複数の単語の各単語の分割を改善することは、各単語の文字セグメントについての複数の水平境界および複数の垂直境界を決定することを含む。その後、各単語の文字セグメントの複数の水平境界および複数の垂直境界は、各単語の文字セグメントと類似文字セグメントとを複数の反復にわたって比較することによって、反復的に修正される。複数の反復にわたって文字セグメントを改善することは、図２ａから図２ｃに関連して説明されるように、文字セグメントに関連するノイズを排除する。
【００１９】
さらに、複数の単語に関連した文字セグメントが、複数の単語に関連した類似文字セグメントとともに記憶され、予め記憶された文字セグメントの組に加えられてもよい。類似文字セグメントを伴った文字セグメントは、複数の単語の各単語の分割を改善するための後続的な反復のために用いられ得る。ここで、類似文字セグメントを伴う文字セグメントが、各反復の後に予め記憶された文字セグメントの組に追加されるので、予め記憶された文字セグメントの組は、動的に成長する文字セグメントの組である。
【００２０】
図２ａ〜図２ｃは、１つまたはより多くの文字セグメントに反復的に分割されるアラビア文字の単語２００を例示的に示す。まず、単語２００は、ランダムにまたは平均文字幅に基づいて、単語２００のグランドトルースによって示された多くの文字に基づく多くのセグメントに分割される。図２ａにおいて、単語２００のグランドトルースが、単語２００が７文字で構成されていることを示している場合は、単語２００は、ランダムにまたは平均文字幅に基づいて、セグメント２０２−１，セグメント２０２−２，セグメント２０２−３，セグメント２０２−４，セグメント２０２−５，セグメント２０２−６，セグメント２０２−７（以下、セグメント２０２−１から２０２−７と称する。）のような７つのセグメントに分割される。セグメント２０２−１から２０２−７は、それぞれ、文字セグメント２０４，文字セグメント２０６，文字セグメント２０８，文字セグメント２１０，文字セグメント２１２，文字セグメント２１４，文字セグメント２１６（以下、文字セグメント２０４−２１６と称する。）についての境界を規定する。
【００２１】
その後、文字セグメント２０４−２１６の分割は、文字セグメント２０４−２１６を１つまたはより多くの類似文字セグメント（以下、類似文字セグメントと称する。）と反復的に比較することによって改善される。この場合において、セグメント２０２−１から２０２−７は、図２ｂに示されるような比較に基づいて、セグメント２１８−１，セグメント２１８−２，セグメント２１８−３，セグメント２１８−４，セグメント２１８−５，セグメント２１８−６，セグメント２１８−７（以下、セグメント２１８−１から２１８−７と称する。）にそれぞれ改善される。類似文字セグメントを決定するために、文字セグメント２０４−２１６のグランドトルースが、複数の単語からの他の文字セグメントおよび予め記憶された文字セグメントの組のグランドトルースと比較される。２つのグランドトルースが同じ場合は、２つのグランドトルースに関連する文字セグメントは、類似文字セグメントであるとみなされる。
【００２２】
文字セグメント２０４−２１６を類似文字セグメントと比較する際に、複数の水平境界および複数の垂直境界が、文字セグメント２０４−２１６の各々について決定される。文字セグメント２０４−２１６の各々についての複数の水平境界および複数の垂直境界は、図２ｂにおけるセグメント２１８−１から２１８−７として示される。したがって、この比較に基づいて単語２００のセグメントを改善することによって、文字セグメント２０４−２１６は、文字セグメント２２０，文字セグメント２２２，文字セグメント２２４，文字セグメント２２６，文字セグメント２２８，文字セグメント２３０，文字セグメント２３２（以下、文字セグメント２２０−２３２と称する。）へそれぞれ改善される。文字セグメント２０４−２１６を文字セグメント２２０−２３２へ改善することは、文字セグメント２０４−２１６における１つまたはより多くの隣接文字の部分を排除し、それによって、文字セグメント２０４−２１６に存在するノイズを低減する。
【００２３】
その後、文字セグメント２０４−２１６は、文字セグメント２０４−２１６に対応する類似文字セグメントとともに、予め記憶された文字セグメントの組に記憶され得る。そして、記憶された類似文字セグメントを伴う文字セグメントは、複数の単語の分割を改善するための後続の反復のために用いられ得る。
【００２４】
同様に、複数の単語の各単語は、複数の反復にわたって類似文字セグメントと比較され、各単語の分割は各反復において改善される。図２ｃを参照して、単語２００の分割を示すｎ番目の反復が示される。この場合は、図２ｂのセグメント２１８−１から２１８−７は、図２ｃに示されるような比較に基づいて、セグメントｎ−１，セグメントｎ−２，セグメントｎ−３，セグメントｎ−４，セグメントｎ−５，セグメントｎ−６，セグメントｎ−７（以下、セグメントｎ−１からｎ−７と称する。）に改善される。比較に基づいて単語２００の分割を改善する際に、ｎ番目の反復において文字セグメント２２０−２３２は、文字セグメント２０４−２１６は、文字セグメント２３４，文字セグメント２３６，文字セグメント２３８，文字セグメント２４０，文字セグメント２４２，文字セグメント２４４，文字セグメント２４６（以下、文字セグメント２３４−２４６と称する。）へそれぞれ改善される。
【００２５】
図３は、本発明の実施形態に従う、文字認識用の文字セグメントを自動的に認識するための装置３００を示す。装置３００は、メモリ３０２と、メモリ３０２に結合されたプロセッサ３０４とを含む。
【００２６】
プロセッサ３０４は、複数の単語と、その複数の単語の各単語に対応するグランドトルースとを受けるように構成される。一実施形態においては、複数の単語は、１行のテキストに対応し、テキストの全体の行についてのグランドトルースが受信される。複数の単語は、段落、ページ内のあるゾーン、１ページ、または複数のページでもよいことが、本発明の範囲から逸脱することなく、当業者には明らかであろう。複数の単語は、筆記体であり得る。
【００２７】
さらに、プロセッサ３０４は、複数の単語の各単語を、その単語のグランドトルースによって示される文字数に基づいて、１つまたはより多くの文字セグメント（以下、「文字セグメント」と称する。）に分割するように構成される。単語の文字セグメントへの分割は、文字セグメントについての境界を表わす。一実施形態においては、プロセッサ３０４は、単語のグランドトルースによって示される文字数に基づいて、その単語を文字セグメントにランダムに分けることによって、単語を分割するように構成される。他の実施形態においては、プロセッサ３０４は、その単語における各文字に関連する平均文字幅に基づいてその単語を分けることによって、単語を分割するように構成される。複数の単語の各単語の分割は、図１に関連して説明される。
【００２８】
プロセッサ３０４は、さらに、複数の単語における各単語の文字セグメントを１つまたはより多くの類似文字セグメント（以下、「類似文字セグメント」と称する。）と比較することにより各単語を反復的に再分割することによって、各単語の分割を改善するように構成される。類似文字セグメントは、１つまたはより多くの複数の単語、および予め記憶された文字セグメントの組から、プロセッサ３０４によって選択され得る。類似文字セグメントを決定するために、文字セグメントのグランドトルースは、複数の単語および予め記憶された文字セグメントの組における他の文字セグメントのグランドトルースと比較される。２つのグランドトルースが一致する場合、２つのグランドトルースに関連する文字セグメントは、類似文字セグメントであるとみなされる。
【００２９】
類似文字セグメントを比較する際に、プロセッサ３０４は、複数の単語の各単語における各文字セグメントの分割を改善する。各単語の分割を改善するために、プロセッサ３０４は、各単語の文字セグメントについての複数の水平境界および複数の垂直境界を決定するように構成される。そして、複数の水平境界および複数の垂直境界は、図１および図２ａから図２ｃに関連して説明されたように、文字セグメントを類似文字セグメントと比較することによって、反復的に修正される。複数の水平境界および複数の垂直境界を規定することに加えて、プロセッサ３０４は、さらに、文字セグメントの１つまたはより多くの隣接文字の部分を除去して各単語の分割を改善するように構成される。
【００３０】
さらに、複数の単語に関連する文字セグメントは、その複数の単語に関連する類似文字セグメントとともにメモリ３０２に記憶され、予め記憶された文字セグメントの組に追加され得る。予め記憶された文字セグメントの組も、メモリ３０２に記憶され得る。類似文字セグメントを伴う文字セグメントは、複数の単語の各単語の分割を改善するための後続の反復のために用いられ得る。
【００３１】
本発明のさまざまな実施形態は、文字認識用の文字セグメントを自動的に識別するための方法および装置を提供する。方法および装置は、アラビア文字の単語のような、筆記体の単語の効果的な分割を可能にする。方法は、複数の単語の各単語を、単語レベルまたは行レベルのグランドトルースに基づいて、１つまたはより多くの文字セグメントに自動的に分割することを可能にする。反復的な比較による各単語の分割は、各単語の分割を手動で区分する必要性を排除し、それによって、誤差率および単語を文字セグメントに分割するために必要とされる時間を低減する。グランドトルースが単語レベルまたは行レベルで与えられるので、各文字セグメントについてのグランドトルースを手動で提供することも回避される。これは、分類器を訓練するためにグランドトルースを提供するのに必要とされる時間を低減する。
【００３２】
当業者は、本明細書に記載された上記の認識された利点および他の利点が、単なる例示に過ぎず、本発明のさまざまな実施形態のすべての利点の完全な表現であるとは意味されていないことを理解するであろう。
【００３３】
上記明細書においては、本発明の特定の実施形態が説明された。しかしながら、当業者は、以下の特許請求の範囲に記載されるように、本発明の範囲から逸脱することなく、さまざまな修正および変形がなされ得ることを理解する。したがって、明細書および図面は、制限的な意味というよりは例示的な意味と考えられるべきであり、そのようなすべての修正は、本発明の範囲内に含まれることが意図される。利益、利点、問題の解決、および任意の利益、利点、または解決を生じるあるいはより顕著にする任意の要素は、全てまたは任意の請求項の、重大な、必須の、または本質的な特徴あるいは要素であるとして解釈されるべきではない。本発明は、本出願の継続中になされる補正を含む添付の請求項、および発行されたそれらの請求項の均等物によってのみ規定される。
【符号の説明】
【００３４】
３００ 装置、３０２ メモリ，３０４ プロセッサ。
【特許請求の範囲】
【請求項１】
文字認識のための文字セグメントを自動的に識別する方法であって、
前記方法は、
複数の単語、および前記複数の単語の各単語に対応するグランドトルース（ground truth）を受信するステップと、
各単語を、各単語に対応する前記グランドトルースに基づいて、少なくとも１つの文字セグメントに分割するステップと、
少なくとも１つの類似文字セグメントに基づいて各単語を反復して再分割することによって、各単語の分割を改善するステップとを備え、
前記少なくとも１つの類似文字セグメントは、各単語に関連する前記少なくとも１つの文字セグメントに類似する、方法。
【請求項２】
前記複数の単語は、１行のテキストである、請求項１に記載の方法。
【請求項３】
前記複数の単語は、筆記体である、請求項１に記載の方法。
【請求項４】
単語は、前記単語のグランドトルースに関連する多くの文字に基づいて、少なくとも１つの文字セグメントに分割される、請求項１に記載の方法。
【請求項５】
前記単語を分割するステップは、
前記単語を前記少なくとも１つの文字セグメントにランダムに分割するステップ、および
前記複数の単語の各文字に関連した予め規定された平均文字幅に基づいて、前記単語を前記少なくとも１つの文字セグメントに分割するステップ、
のうちの少なくとも１つのステップを含む、請求項４に記載の方法。
【請求項６】
前記各単語の分割を改善するステップは、前記少なくとも１つの文字セグメントについての水平境界および垂直境界を決定するステップを含む、請求項１に記載の方法。
【請求項７】
前記各単語の分割を改善するステップは、前記少なくとも１つの文字セグメントのうちの１つの文字セグメントを、前記少なくとも１つの類似文字セグメントと比較するステップを含み、
前記文字セグメントのグランドトルースと前記少なくとも１つの類似文字セグメントのグランドトルースとは一致する、請求項１に記載の方法。
【請求項８】
前記少なくとも１つの類似文字セグメントは、
前記複数の単語、および
予め記憶された１組の文字セグメント、
のうちの少なくとも１つから選択される、請求項７に記載の方法。
【請求項９】
前記少なくとも１つの文字セグメントおよび前記少なくとも１つの類似文字セグメントのうちの少なくとも１つを記憶するステップをさらに備える、請求項７に記載の方法。
【請求項１０】
前記各単語の分割を改善するステップは、少なくとも１つの隣接する文字の少なくとも一部分を削除するステップを含む、請求項１に記載の方法。
【請求項１１】
文字認識のための文字セグメントを自動的に識別するための装置であって、
メモリと、
前記メモリに結合されたプロセッサとを備え、
前記プロセッサは、
複数の単語、および前記複数の単語の各単語に対応するグランドトルースを受信し、
各単語を、各単語に対応する前記グランドトルースに基づいて、少なくとも１つの文字セグメントに分割し、
少なくとも１つの類似文字セグメントに基づいて、各単語を反復して再分割することによって、各単語の分割を改善するように構成され、
前記少なくとも１つの類似文字セグメントは、各単語に関連する前記少なくとも１つの文字セグメントに類似する、装置。
【請求項１２】
前記複数の単語は、１行のテキストである、請求項１１に記載の装置。
【請求項１３】
前記複数の単語は、筆記体である、請求項１１に記載の装置。
【請求項１４】
前記プロセッサは、単語を、前記単語のグランドトルースに関連する多くの文字に基づいて、少なくとも１つの文字セグメントに分割するようにさらに構成される、請求項１１に記載の装置。
【請求項１５】
前記単語を少なくとも１つの文字セグメントに分割するために、前記プロセッサは、
前記単語を前記少なくとも１つの文字セグメントにランダムに分割すること、および
前記複数の単語の各文字に関連した予め規定された平均文字幅に基づいて、前記単語を前記少なくとも１つの文字セグメントに分割すること、
のうちの少なくとも１つを実行するようにさらに構成される、請求項１１に記載の装置。
【請求項１６】
前記プロセッサは、前記少なくとも１つの文字セグメントについての水平境界および垂直境界を決定することによって、各単語の分割を改善するようにさらに構成される、請求項１１に記載の装置。
【請求項１７】
前記プロセッサは、前記少なくとも１つの文字セグメントの文字セグメントを、前記少なくとも１つの類似文字セグメントと比較することによって、各単語の分割を改善するようにさらに構成され、
前記文字セグメントのグランドトルースと前記少なくとも１つの類似文字セグメントのグランドトルースとは一致する、請求項１１に記載の装置。
【請求項１８】
前記プロセッサは、
前記複数の単語、および
予め記憶された１組の文字セグメント、
のうちの少なくとも１つから、前記少なくとも１つの類似文字セグメント選択するようにさらに構成される、請求項１７に記載の装置。
【請求項１９】
前記少なくとも１つの文字セグメント、前記少なくとも１つの類似文字セグメント、および前記予め記憶された１組の文字セグメントのうちの少なくとも１つは、前記メモリ内に記憶される、請求項１７に記載の装置。
【請求項２０】
前記プロセッサは、少なくとも１つの隣接する文字の少なくとも一部分を削除して各単語の分割を改善するようにさらに構成される、請求項１１に記載の装置
【請求項１】
文字認識のための文字セグメントを自動的に識別する方法であって、
前記方法は、
複数の単語、および前記複数の単語の各単語に対応するグランドトルース（ground truth）を受信するステップと、
各単語を、各単語に対応する前記グランドトルースに基づいて、少なくとも１つの文字セグメントに分割するステップと、
少なくとも１つの類似文字セグメントに基づいて各単語を反復して再分割することによって、各単語の分割を改善するステップとを備え、
前記少なくとも１つの類似文字セグメントは、各単語に関連する前記少なくとも１つの文字セグメントに類似する、方法。
【請求項２】
前記複数の単語は、１行のテキストである、請求項１に記載の方法。
【請求項３】
前記複数の単語は、筆記体である、請求項１に記載の方法。
【請求項４】
単語は、前記単語のグランドトルースに関連する多くの文字に基づいて、少なくとも１つの文字セグメントに分割される、請求項１に記載の方法。
【請求項５】
前記単語を分割するステップは、
前記単語を前記少なくとも１つの文字セグメントにランダムに分割するステップ、および
前記複数の単語の各文字に関連した予め規定された平均文字幅に基づいて、前記単語を前記少なくとも１つの文字セグメントに分割するステップ、
のうちの少なくとも１つのステップを含む、請求項４に記載の方法。
【請求項６】
前記各単語の分割を改善するステップは、前記少なくとも１つの文字セグメントについての水平境界および垂直境界を決定するステップを含む、請求項１に記載の方法。
【請求項７】
前記各単語の分割を改善するステップは、前記少なくとも１つの文字セグメントのうちの１つの文字セグメントを、前記少なくとも１つの類似文字セグメントと比較するステップを含み、
前記文字セグメントのグランドトルースと前記少なくとも１つの類似文字セグメントのグランドトルースとは一致する、請求項１に記載の方法。
【請求項８】
前記少なくとも１つの類似文字セグメントは、
前記複数の単語、および
予め記憶された１組の文字セグメント、
のうちの少なくとも１つから選択される、請求項７に記載の方法。
【請求項９】
前記少なくとも１つの文字セグメントおよび前記少なくとも１つの類似文字セグメントのうちの少なくとも１つを記憶するステップをさらに備える、請求項７に記載の方法。
【請求項１０】
前記各単語の分割を改善するステップは、少なくとも１つの隣接する文字の少なくとも一部分を削除するステップを含む、請求項１に記載の方法。
【請求項１１】
文字認識のための文字セグメントを自動的に識別するための装置であって、
メモリと、
前記メモリに結合されたプロセッサとを備え、
前記プロセッサは、
複数の単語、および前記複数の単語の各単語に対応するグランドトルースを受信し、
各単語を、各単語に対応する前記グランドトルースに基づいて、少なくとも１つの文字セグメントに分割し、
少なくとも１つの類似文字セグメントに基づいて、各単語を反復して再分割することによって、各単語の分割を改善するように構成され、
前記少なくとも１つの類似文字セグメントは、各単語に関連する前記少なくとも１つの文字セグメントに類似する、装置。
【請求項１２】
前記複数の単語は、１行のテキストである、請求項１１に記載の装置。
【請求項１３】
前記複数の単語は、筆記体である、請求項１１に記載の装置。
【請求項１４】
前記プロセッサは、単語を、前記単語のグランドトルースに関連する多くの文字に基づいて、少なくとも１つの文字セグメントに分割するようにさらに構成される、請求項１１に記載の装置。
【請求項１５】
前記単語を少なくとも１つの文字セグメントに分割するために、前記プロセッサは、
前記単語を前記少なくとも１つの文字セグメントにランダムに分割すること、および
前記複数の単語の各文字に関連した予め規定された平均文字幅に基づいて、前記単語を前記少なくとも１つの文字セグメントに分割すること、
のうちの少なくとも１つを実行するようにさらに構成される、請求項１１に記載の装置。
【請求項１６】
前記プロセッサは、前記少なくとも１つの文字セグメントについての水平境界および垂直境界を決定することによって、各単語の分割を改善するようにさらに構成される、請求項１１に記載の装置。
【請求項１７】
前記プロセッサは、前記少なくとも１つの文字セグメントの文字セグメントを、前記少なくとも１つの類似文字セグメントと比較することによって、各単語の分割を改善するようにさらに構成され、
前記文字セグメントのグランドトルースと前記少なくとも１つの類似文字セグメントのグランドトルースとは一致する、請求項１１に記載の装置。
【請求項１８】
前記プロセッサは、
前記複数の単語、および
予め記憶された１組の文字セグメント、
のうちの少なくとも１つから、前記少なくとも１つの類似文字セグメント選択するようにさらに構成される、請求項１７に記載の装置。
【請求項１９】
前記少なくとも１つの文字セグメント、前記少なくとも１つの類似文字セグメント、および前記予め記憶された１組の文字セグメントのうちの少なくとも１つは、前記メモリ内に記憶される、請求項１７に記載の装置。
【請求項２０】
前記プロセッサは、少なくとも１つの隣接する文字の少なくとも一部分を削除して各単語の分割を改善するようにさらに構成される、請求項１１に記載の装置
【図１】
【図２ａ】
【図２ｂ】
【図２ｃ】
【図３】
【図２ａ】
【図２ｂ】
【図２ｃ】
【図３】
【公開番号】特開２０１３−９７７８４（Ｐ２０１３−９７７８４Ａ）
【公開日】平成２５年５月２０日（２０１３．５．２０）
【国際特許分類】
【出願番号】特願２０１２−３２７０９（Ｐ２０１２−３２７０９）
【出願日】平成２４年２月１７日（２０１２．２．１７）
【出願人】（５１１０７２８９５）キング・アブドゥルアジズ・シティ・フォー・サイエンス・アンド・テクノロジー（ケイ・エイ・シィ・エス・ティ） (13)
【氏名又は名称原語表記】ＫＩＮＧ ＡＢＤＵＬＡＺＩＺ ＣＩＴＹ ＦＯＲ ＳＣＩＥＮＣＥ ＡＮＤ ＴＥＣＨＮＯＬＯＧＹ （ＫＡＣＳＴ）
【Ｆターム（参考）】
【公開日】平成２５年５月２０日（２０１３．５．２０）
【国際特許分類】
【出願日】平成２４年２月１７日（２０１２．２．１７）
【出願人】（５１１０７２８９５）キング・アブドゥルアジズ・シティ・フォー・サイエンス・アンド・テクノロジー（ケイ・エイ・シィ・エス・ティ） (13)
【氏名又は名称原語表記】ＫＩＮＧ ＡＢＤＵＬＡＺＩＺ ＣＩＴＹ ＦＯＲ ＳＣＩＥＮＣＥ ＡＮＤ ＴＥＣＨＮＯＬＯＧＹ （ＫＡＣＳＴ）
【Ｆターム（参考）】
[ Back to top ]