オブジェクト指向設計による木版刷チベット文献の文字自動認識に関する研究

面向对象设计的木刻藏文文字自动识别研究

基本信息

批准号：
07207222
负责人：
小島正美
金额：
$ 1.15万
依托单位：
Tohoku Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1995
资助国家：
日本
起止时间：
1995 至 1996
项目状态：
已结题

项目摘要

本研究で認識対象とした文献は、デルゲ版チベット文献である。本文献は木版刷文献で文字同士が複雑に重なり合っている。現在、文字認識を行う一般的な手法として、1文字切り出しを行い、1文字切り出しを行った文字の辞書文字を作成し、作成した辞書文字とのユークリッド距離法により文字認識を行う。本文献のような木版刷文献の場合、1文字切り出しが、困難となる。木版刷チベット文献は総て同じような文字切り出し法が適応できるわけでなく、各文献の文字の特徴により、文字切り出し率が大きく異なることになる。本研究では、まず「水流し法」によりデルゲ版チベット5.000文字に対しておよそ24%程度の1文字切り出し率しか得られていない。このことは、その他の76%の文字は繁がり文字であることを示している。さらに、木版刷チベット文字は、総ての文字が縦方向に切り出し不可能である。すなわち、斜め方向に文字列が繁がっている。今後は、これらの複雑に繋がっている文字に対して、チベット文字の特徴を考慮したオブジェクト指向設計による高精度な1文字切り出し法を検討する必要がある。辞書文字を作成した530文字に対するユークリッド距離による認識率はおよそ96%であり、さらに、チベット活字においては、オープン実験でほぼ99%の認識率を得ているが、木版刷チベット文字はまだまだそこまでの認識率までいたっていない。そのために、誤認識する文字の特徴を抽出して、さらに高度な文字認識システムの構築を目指していきたい。

在这项研究中认可的文献是藏族文学的Delge版本。这是一个木刻印刷文档，角色复杂地重叠。当前，字符识别的一般技术是切出一个字符，为已切除一个字符的字符创建一个字典字符，然后使用Euclidean距离方法使用创建的字典字符识别字符。对于诸如主文本之类的木刻印刷文献，很难切出一个角色。并非所有的藏族文献都可以适应相同类型的角色切割方法，并且角色切割率将大大差异，具体取决于每种文献的特征。在这项研究中，第一件事是“水流方法”仅是藏族5.000个字符的Delge版本的24％。这表明其他76％的字符是坚实的字符。此外，在木刻印刷藏语字符中，不可能垂直切出所有字符。也就是说，字符串是对角线的。将来，有必要使用面向对象的设计来考虑一种高度准确的单个字符切割方法，该设计考虑这些复杂连接的字符的藏语特征。在词典字符中创建的530个字符的欧几里得距离所引起的识别率约为96％，在藏族印刷品中，在开放实验中，识别率几乎达到了99％，但是伍德布洛克印刷藏语字符尚未达到该水平。为此，我们想提取被错误认可的字符的特征，并旨在建立更高级的角色识别系统。