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。

本研究识别的目标文献是德格版藏文文献。该文件是木刻印刷文件，字母相互重叠，方式复杂。目前，字符识别的一般方法是截取一个字符，将截取的字符创建一个字典字符，并利用创建的字典字符采用欧氏距离法进行字符识别。对于像本文档这样的木刻印刷文档，很难剪切单个字符。相同的字符提取方法并不能适用于所有木刻藏文文献，并且根据每个文献的字符特征，字符提取率差异很大。在这项研究中，首先，使用“水流法”，我们在德格版藏文的5000个字符中只能获得约24%的单个字符提取率。这说明其余76%的字符是重叠字符。而且木刻藏文中的所有文字都不能纵向裁切。换句话说，字符串沿对角线方向增长。未来，对于这些错综复杂的连接字符，有必要考虑采用面向对象设计的高精度单字符提取方法，同时考虑到藏文字符的特征。基于欧几里德距离的530个字典字符的识别率约为96%，在开放实验中，藏文的识别率约为99%，但木刻藏文的识别率还远远不够。识别率还没有达到这个水平。为此，我们希望提取被误识别的字符的特征，旨在构建更先进的字符识别系统。