[发明专利]字符识别系统

说明书

技术领域

本发明涉及对于一种带有大量字符的语言的字符识别，如日语、汉语或者韩语。

背景技术

在对如日语、汉语或韩语这样的具有大量字符的语言进行的字符识别中，采用了这样一种方法，从输入图案中提取特征，以提取出特征向量，特征向量与事先为所有将要被识别的目标字符提取的参考向量之间的距离被计算出来，并且与具有最小距离值的参考向量相对应的字符被选中为识别出的字符。

日本专利未审查的公开No.Hei.2-186490中公开了一种系统，用于通过计算从输入字符的图案中提取的向量与从事先储存的目标字符中提取出的参考向量之间的距离来进行字符识别。在该系统中，输入图案的向量与参考向量之间的欧几里得距离(Euclidean distance)被计算出来并与一个预定的阈值进行比较，以执行字符识别。

日本专利未审查的公开No.Hei.4-286087中公开了一种系统，用于通过从输入字符图案中提取一个特征向量并计算与储存在一个特征字典中的参考向量的欧几里得距离来执行字符识别，其中，特征字典针对各个相近的字符类别被分为多个群组，输入图案的特征向量与代表每个群组的参考向量之间的距离被计算出来，并对属于具有最小距离的一个群组的相近字符的参考向量进行详细的识别处理。

一般来说，在具有大量字符的语言中，如日语、汉语或韩语中，有很大量的特征，例如几百或几千种特征被使用，以提高识别的精确性。在基于与每个候选字符相应的参考向量的距离的字符识别系统中，通常所花费的计算时间与候选字符的数目和特征的数目的成比例的，这样，识别速度的下降就成为了一个问题。具体地，作为距离，存在着欧几里得距离(x_i-r_i)²、加权欧几里得距离w_i(x_i-r_i)²、城市街区距离(cityblock distance)|x_i-r_i|，其中，

X＝(x₁，...，x_m)：输入图案的特征向量

R_j＝(R_j1，...，r_jm)：第j个候选字符的参考向量

W＝(w₁，...，w_m)：特征的加权向量

m：特征的数目

n：目标字符的数目

在任何情况下，针对各自特征对距离元素(x_i-r_i)²，|x_i-r_i|进行n×m次计算，也就是说，计算次数为(候选字符数目)×(特征数目)。

在前述的日本专利未审查的公开No.Hei.4-286087中，欧几里得距离的计算被限定在相近字符群组，这样处理速度得到了提高。然而，这预示着，很难适当地确定一个代表性的向量作为相近字符群组的选择标准，并且预示着识别精确度依据代表向量的质量而有所降低。

发明内容

本发明的一个目的是提高字符识别的速度而不降低识别精确度，即使是在一种包含的候选字符数目很大的语言中被使用的特征数目非常大的情况下。

依据本发明的一个方面，提供了一种具有下列结构的字符识别系统。即，在通过比较一个从输入图案中提取出的特征向量与事先储存的目标字符的参考向量之间的差距来进行字符识别的字符识别系统中，所有字符根据该目标字符的出现频率被分类为多个类别；提供一个用于储存每个类别的参考向量的字典存储设备和一台计算机；对该计算机进行编程，使其计算特征向量与属于一个在多个类别中具有最高字符出现频率的类别的多个字符的参考向量之间的距离并当距离小于一个为该类别所确定的类别阈值时，选择与该距离相对应的一个参考向量的一个字符作为字符候选对象。作为与参考向量的距离，虽然欧几里得距离、加权欧几里得距离、城市街区距离等被使用，这里通称为名词“距离”。