JP2002312398A - 文書検索装置 - Google Patents

Abstract

(57)【要約】 【課題】 従来、書かれた文字が活字か手書きかを考慮
しないため、高精度な検索を実現できないという課題が
あった。 【解決手段】 文書入力手段１により入力された文書に
記載された文字を認識し、入力文書の画像から文字の品
質、状態に関する情報を検索補助情報として抽出する文
字認識手段２と、文字の標準パターンの特徴を格納する
文字辞書３と、文字認識結果と検索補助情報を検索用文
書データとして蓄積する文書蓄積手段４と、前記検索用
文書データを格納する検索用文書データベース７と、文
書検索のキーワードを入力するキーワード入力手段５
と、前記検索用文書データとキーワード文字の照合の際
に、前記文字認識手段が抽出した前記検索補助情報に応
じた照合を実施する文書検索手段６と、前記検索結果を
出力する検索結果出力手段８とを備えた。 【効果】 精度の高い検索処理ができ、検索もれ・検索
ノイズを削減することができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、文書や図面等の
画像を電子的に保存し検索・閲覧する文書検索装置に関
し、特に文書画像や図面に記載された文字を認識するこ
とにより作成・蓄積した文書・図面データから任意のキ
ーワードを用いて全文検索する文書検索装置に関するも
のである。

【０００２】

【従来の技術】紙文書をコンピュータが読取可能な文書
イメージとして電子的に登録・保存し、検索・表示する
ためには従来から、文書登録時に文書イメージに対して
人手でキーワード情報を付加する方法や、ＯＣＲ(Optic
al Character Reader：光学的文字読取装置)を用いて文
書イメージ中の文字を認識して作成した文書テキストを
文書イメージとともに保存する方法がある。

【０００３】前者の方法は、文書登録時のキーワード付
加に膨大な労力と時間を要する。一方、後者の方法は、
文字認識性能が不完全であるために誤認識が避けられ
ず、文字認識で得た文字コードを修正せずに登録すると
キーワード検索時に所望の文書が検索結果として表示さ
れない「検索もれ」や、検索キーワードと異なる文字列
が検索結果として表示される「検索ノイズ」が発生する
という問題がある。人手による誤認識の修正には前者の
方法と同様に膨大な労力を必要とする。

【０００４】後者の方法の問題を解決する方法の1つ
に、文字切出し誤り・文字認識誤りがあっても「検索も
れ」を低減し高精度に文書検索を実現する手法（特開２
０００−０５７３１５号公報）がある。これは文字認識
処理で得た文字コードに加え文字画像から各文字の形状
を表現する特徴量（形状特徴）を作成・保持し、検索時
には文字コードと形状特徴を併用して照合する手法であ
る。

【０００５】従来の文書検索装置について図面を参照し
ながら説明する。図１８は、例えば特開２０００−０５
７３１５号公報に示された従来の文書検索装置の構成を
示す図である。

【０００６】図１８において、１０１は入力手段、１０
２は制御手段、１０３は文字認識手段、１０４は特徴作
成手段、１０５は表示手段、１０６は検索手段、１０７
は特徴照合判定手段、１０８は検索特徴作成手段、１０
９は認識辞書、１１０は検索データ格納部、１１１は形
状特徴辞書である。

【０００７】つぎに、従来の文書検索装置の動作につい
て図面を参照しながら説明する。

【０００８】はじめに文書登録の説明をする。図１９
（ａ）は、登録する文書画像であり、図１９（ａ）を文
字認識手段１０３が認識した結果を図１９（ｂ）に示
す。

【０００９】次に、特徴作成手段１０４は、認識した各
文字の形状特徴を作成する。形状特徴は、図２０に示す
ように各文書画像を８分割した各領域中の文字外郭部の
水平、垂直、右上、右下の各方向成分を抽出することで
作成する。その結果を図２１に示す。

【００１０】次に、図２２を用いて、キーワード「文字
認識」と検索データ「文宇認識」との照合処理の説明を
する。

【００１１】検索手段１０６は、はじめに文字コードを
用いた照合を行う。図２２では、入力キーワード中の文
字「文」「認」「識」が検索データと一致するが、
「字」が一致しない。

【００１２】次に、検索手段１０６は、一致しない文字
同士の形状特徴による照合を行う。具体的には、文字が
一致しないキーワード中の「字」の形状特徴１２２と、
検索データ中の「宇」の認識結果を出力した文字画像の
形状特徴１２３の照合を行う。キーワード中の文字
「字」に対する形状特徴は、形状特徴辞書１１１に格納
された標準パターンの特徴値を用いる。

【００１３】いま、Ｃを文字コード間の距離、Ｄを形状
特徴間の距離とすると、キーワードと検索データ間の距
離を数式（１）で表す。

【００１４】 Ｄｉｓｔ＝（ΣＤ＋ΣＣ）／キーワード文字数 数式（１）

【００１５】ただし、Ｃｉｊ＝α（α：定数）の場合
は、キーワードのｉ文字目と検索データｊ文字目の文字
コードが一致しない。Ｃｉｊ＝０の場合は、キーワード
のｉ文字目と検索データｊ文字目の文字コードが一致す
る。

【００１６】 Ｄ［ｄｉｃ（ｉ），ｉｍｇ（ｊ）］＝ΣΣ｜Ｆｄｉｃ（ｋｌ）−Ｆｉｍｇ（ｋ ｌ）｜ 数式（２） ただし、最初のΣの範囲はｋ＝１〜Ｋ、２番目のΣの範
囲はｌ＝１〜Ｌである。

【００１７】ここで、Ｆｄｉｃは形状特徴辞書１１１に
格納されたキーワードのｉ文字目の特徴値、Ｆｉｍｇは
検索データのｊ文字目の特徴値、Ｋは方向成分数、Ｌは
各方向成分毎の特徴数である。Ｄｉｓｔ＜ＴＨ（ＴＨ：
閾値）を満たす場合に文字列とキーワードが一致したと
みなし、検索結果として出力する。

【００１８】形状特徴の照合を行う文字数がキーワード
と検索データで異なる場合には、動的計画法を用いるこ
とで照合が可能となる。これにより、文字切出し誤り、
文字認識誤りを許容する曖昧性のある照合を実現してい
る。

【００１９】

【発明が解決しようとする課題】上述したような従来の
文書検索装置では、文字認識誤り・文字切出し誤りを許
容する検索を実現するために曖昧性のある照合を行って
いる。このため、例えば１文字毎の文字枠（以下１文字
枠）を有する記入欄に書かれた文字などの、文字切出し
誤りが存在しない文字列に対して検索を行うと、文字切
出し誤りを許容しない検索に比べて誤抽出（検索ノイ
ズ）が増加するという問題点があった。

【００２０】また、１文字枠がないフィールドに書かれ
た手書き文字は、活字に比べて文字の大きさや文字間隔
のばらつきが大きく、文字認識で１行中の文字の切れ目
を正しく検知するのが難しい。このために、手書き文字
は、活字に比べて文字切出し誤りが増加し、認識率が低
下する。その結果、手書き文字を認識して作成した文書
データから検索を実行すると、検索もれが多くなるとい
う問題点があった。

【００２１】このように、１文字枠の有無や書かれた文
字が活字であるか手書き文字であるかによって文字認識
での誤り傾向が異なり、文書検索の際にこれを考慮しな
いと高精度な検索を実現できないという問題点があっ
た。

【００２２】この発明は、前述した問題点を解決するた
めになされたもので、検索補助情報を文書登録時に認識
結果とともに保存し、検索時には検索補助情報をもとに
照合を実行することで各文書データに応じて精度の高い
検索処理ができ、これにより、検索補助情報を使用しな
い場合に比べて検索もれ・検索ノイズを削減することが
できる文書検索装置を得ることを目的とする。

【００２３】

【課題を解決するための手段】この発明の請求項１に係
る文書検索装置は、文書を入力する文書入力手段と、前
記文書入力手段により入力された文書に記載された文字
を認識するとともに、入力文書の画像から文字の品質ま
たは状態に関する情報を検索補助情報として抽出する文
字認識手段と、文字の標準パターンの特徴を格納する文
字辞書と、前記文字認識手段による文字認識結果と検索
補助情報を検索用文書データとして蓄積する文書蓄積手
段と、前記検索用文書データを格納する検索用文書デー
タベースと、文書検索のキーワードを入力するキーワー
ド入力手段と、前記検索用文書データベース中の検索用
文書データとキーワード文字の照合の際に、前記文字認
識手段が抽出した前記検索補助情報に応じた照合を実施
する文書検索手段と、前記文書検索手段による検索結果
を出力する検索結果出力手段とを備えたものである。

【００２４】この発明の請求項２に係る文書検索装置
は、前記検索補助情報を、前記入力文書に記載された文
字が手書きであるか活字であるかを判別する情報とした
ものである。

【００２５】この発明の請求項３に係る文書検索装置
は、前記文書蓄積手段が、前記検索補助情報に応じた検
索用文書データベースに検索用文書データを保持し、前
記文書検索手段は、各々の検索用文書データベース毎に
指定した照合方法で照合するものである。

【００２６】この発明の請求項４に係る文書検索装置
は、文書を入力する文書入力手段と、文書の領域情報お
よび領域の属性情報について記述したフィールド情報を
保持するフォーマット定義ファイルと、前記フォーマッ
ト定義ファイルを用いて、前記文書入力手段により入力
された文書に記載された文字を認識するとともに、入力
文書の画像から文字の品質または状態に関する情報を検
索補助情報として抽出する文字認識手段と、文字の標準
パターンの特徴を格納する文字辞書と、前記文字認識手
段による文字認識結果と検索補助情報および前記フォー
マット定義ファイルに記述されたフィールド情報を蓄積
する文書蓄積手段と、前記文書蓄積手段が蓄積した検索
用文書データを格納する検索用文書データベースと、文
書検索のキーワードを入力するキーワード入力手段と、
前記検索用文書データとキーワードの照合の際に、前記
検索補助情報および前記フィールド情報に対応する照合
方法で照合を実施する文書検索手段と、前記文書検索手
段による検索結果を出力する検索結果出力手段とを備え
たものである。

【００２７】この発明の請求項５に係る文書検索装置
は、前記検索補助情報を、前記入力文書に記載された文
字が手書きであるか活字であるかを判別する情報とした
ものである。

【００２８】この発明の請求項６に係る文書検索装置
は、前記文書検索手段が、前記フォーマット定義ファイ
ル中の１文字枠の有無情報を用いて検索処理を行い、１
文字枠が存在するフィールドからの認識結果文字との照
合には文字切出し誤りを許容しない照合を行い、１文字
枠が存在しないフィールドからの認識結果文字との照合
には文字切出し誤りを許容する照合を行うものである。

【００２９】この発明の請求項７に係る文書検索装置
は、前記文書蓄積手段が、前記検索補助情報および前記
フィールド情報に応じた検索用文書データベースに検索
用文書データを保持し、前記文書検索手段は、前記検索
補助情報毎およびフィールド情報に応じた照合によって
検索結果を出力するものである。

【００３０】

【発明の実施の形態】実施の形態１．この発明の実施の
形態１に係る文書検索装置について図面を参照しながら
説明する。図１は、この発明の実施の形態１に係る文書
検索装置の構成を示す図である。なお、各図中、同一符
号は同一又は相当部分を示す。

【００３１】図１において、１は文書入力手段、２は文
書入力手段１が入力した文書イメージ中の文字を認識
し、文字コードと文字画像から検索補助情報を抽出する
文字認識手段、３は文字の標準パターンの画像特徴を格
納する文字辞書、４は文字認識手段２が出力する文字認
識結果と検索補助情報を蓄積する文書蓄積手段、５はキ
ーワード入力手段、６は文書検索手段、７は文字蓄積手
段４が出力する検索用文書データを格納する検索用文書
データベース、８は検索結果出力手段、９はフォーマッ
ト定義ファイルである。

【００３２】つぎに、この実施の形態１に係る文書検索
装置の動作について図面を参照しながら説明する。

【００３３】はじめに文書登録処理の説明をする。ここ
では、図６に示す定型用紙を使用して登録する。図６に
おいて、２０２は氏名フィールド、２０３は住所フィー
ルド、２０４は電話番号フィールド、２０５は商品名フ
ィールドを示す。

【００３４】図６に示す定型用紙の読取りに使用するフ
ォーマット定義ファイルの例を図７に示す。図７では、
各フィールド毎の１文字枠の有無、およびフィールド矩
形座標を示している。図７に示すフォーマット定義ファ
イルは人手で作成する。

【００３５】図２は、この実施の形態１に係る文書検索
装置の登録処理のフローチャートである。

【００３６】この図２を用いて登録処理の説明をする。
はじめに、図２のステップＳ１００において、文書入力
手段１は、文書画像を入力する。この文書入力手段１
は、スキャナを用いて紙文書を光電変換することで実現
可能である。また、既に光電変換されたイメージをネッ
トワーク経由等で取込むことでも実現可能である。文書
入力手段１で取込んだ文書画像の例を、図８および図９
に示す。

【００３７】次に、図２のステップＳ２００において、
文字認識を行う。文字認識手段２は、文書入力手段１が
入力した文書画像から文字画像を抽出し、各文字画像に
対応する文字コードを出力する。本実施の形態１では、
文字認識手段２は、公知である画像処理技術を用いて実
現する。はじめに、フォーマット定義ファイル９のフィ
ールド矩形座標、文字枠情報をもとに文書画像から１文
字毎の画像を抽出する。１文字枠があるフィールドに対
しては画像の直線成分から文字枠抽出を行い、各文字枠
内画像を１文字として切出し認識する。１文字枠がない
フィールドに対しては矩形座標内から文字列抽出を行
い、文字列の周辺分布を用いて１文字毎に分割する。

【００３８】次に、各１文字画像から文字認識で使用す
る特徴を抽出して、文字辞書３内各文字の標準パターン
の画像特徴との距離を計算し、距離の小さな順に１文字
以上を認識候補文字として出力する。

【００３９】具体的には、１文字枠があるフィールドか
らの文字枠検出は、フィールド矩形領域から水平、垂直
方向長が一定値以上の直線成分を検出し、その交点で囲
まれる矩形を１文字枠とする。直線成分検出は、公知の
画像処理技術を用いて実行する。この結果得られた１文
字枠内の文字を１文字とする。１文字枠がないフィール
ドに対しては文字列抽出、文字切出しを行う。文字列抽
出は、はじめに入力画像（白画素値＝０、黒画素値＝１
の２値画像）に対してユークリッド距離が一定値以内の
黒画素同士の結合処理を行う。次に、画像処理手法であ
るラベリング処理を行い、各ラベルの形状が短冊状であ
るものを文字列と決定する。

【００４０】次に、各文字列を水平方向と垂直方向から
走査して黒画素数の周辺分布を求め、黒画素数が極小と
なる位置を文字分割候補点として文字列を１文字画像に
分割する。

【００４１】文字認識処理は、１文字画像に対し、文字
の特徴として例えば縦８次元×横８次元のメッシュ特徴
を用いる。具体的には、８×８の碁盤目状の各小領域に
存在する黒画素数を計数し、文字辞書３内の標準パター
ンの特徴と各次元毎の差分の絶対値和から距離を求め、
その小さな順に１つもしくは複数の文字を認識候補文字
として出力する。

【００４２】次に、文字認識手段２は、認識する文字列
の画像特徴から検索補助情報を抽出する。ここでは、文
字が活字であるか手書きであるかを判定する。その判定
方法は、例えば「１行中の手書き文字は活字に比べて１
文字の大きさにばらつきがあり、その分散が大きい」と
いう知識を利用し、１行内における各文字の文字外接矩
形大きさの平均および分散を算出して、学習用活字デー
タ及び手書き文字データから予め算出した分散の閾値と
比較し、分散が閾値より大きい場合は手書き文字、閾値
以下の場合は活字と判定する。また、文字辞書３に文字
毎に活字と手書きの標準パターンを両方保持し、文字画
像から抽出した特徴と、手書き文字および活字の標準パ
ターン特徴との距離計算を行い、文字画像と一番距離の
近い文字の標準パターンが手書き文字であるか活字であ
るかで判定することも可能である。

【００４３】最後に、ステップＳ３００において、文書
蓄積手段４は、認識候補文字を保存して終了する。ここ
では、文字認識手段２が出力した文字コードに加えて手
書き／印刷を判別する検索補助情報を保存する。

【００４４】図８に示す文書画像に対する検索用文書デ
ータを図１０に、図９に示す文書画像に対する検索用文
書データを図１１に示す。図１０および図１１の認識候
補文字で［］に囲まれる文字は、１文字画像から複数の
認識候補文字の出力を示す。複数の認識候補文字を保持
することで文字列中に含まれる正解文字数を増加させ、
その結果検索もれを低減することができる。図１０、図
１１に示す検索用文書データを、検索用文書データベー
ス７に登録して終了する。

【００４５】次に、検索処理の手順について、図３、図
４のフローチャートをもとに説明する。

【００４６】ここでは、検索キーワードに「一郎」およ
び「一朗」の２つを用いて説明する。はじめに、図３の
ステップＳ１１００において、キーワード入力手段５
は、検索キーワードを入力する。このキーワード入力手
段５は、キーボードやマウス、ペンとタブレット等で実
現可能である。はじめに、検索キーワードとして「一
郎」と入力する。

【００４７】次に、ステップＳ１２００において、文書
検索手段６は、検索用文書データベース７と入力キーワ
ードの照合処理を行う。照合処理の手順を、図４のフロ
ーチャートを用いて説明する。

【００４８】図４のステップＳ１２１０において、検索
用文書データベース７から検索用文書データを１つ取り
出し、その検索補助情報と認識候補文字を図示しないバ
ッファにロードする。いま、検索用文書データベース７
には、図１０、図１１に示す２文書が格納されている。
はじめに、図１０に示す検索用文書データをバッファに
ロードする。

【００４９】次に、ステップＳ１２２０において、文書
検索手段６は、フィールド内検索を実行する。

【００５０】フィールド内検索は、図５に示すように検
索補助情報に応じた検索を行う。図５では、検索補助情
報が手書きの場合は、文字切出し・認識誤り対応検索１
５１を実行し、活字の場合は、文字切出し誤り対応検索
１５２を実行する。

【００５１】はじめに、図１０からフィールド番号１
（氏名）の検索補助情報を得る。ここでは「手書き」で
あるので、文字切出し・認識誤り対応検索１５１を実行
する。文字切出し・認識誤り対応検索１５１を実現する
には、従来例に示すような文字コードと形状特徴を併用
することで文字切出し・認識誤りを許容してもよいし、
入力キーワードとの文字コードの部分的な一致を照合に
成功したとみなして検索結果として出力することで文字
切出し・認識誤りを許容する方法でもよい。

【００５２】ここでは、後者の例を示す。後者の場合で
は、連続する文字列から、一致度＝（キーワード文字と
検索用文書データ中文字の一致文字数）／（キーワード
文字数）を算出し、これが一定値（ここでは０．５とす
る）以上の場合検索結果として出力する。認識候補文字
「川上一［朗郎］」とキーワード「一郎」は第１位認識
候補文字は「朗」と「郎」は互いに一致しないが、第２
位候補に「郎」があるために一致する。このときの一致
度は、２／２＝１．０であるので、検索結果出力候補と
する。

【００５３】次に、ステップＳ１２３０へ進み、全ての
フィールドを処理したか否かを判定する。図１０にはま
だ照合していないフィールドが存在するのでステップＳ
１２２０へ進み、フィールド番号２（住所）とのフィー
ルド内照合を実行する。フィールド番号２の文字認識結
果とキーワード文字との一致文字はないので出力する検
索結果は存在しない。

【００５４】以下同様に繰り返し、全てのフィールド内
検索が終わったらステップＳ１２４０へ進み、検索用文
書データベース７中に照合処理を行っていない検索用文
書データが存在するか否かを調べる。いま、図１１に示
す検索用文書データが検索用文書データベース７中に存
在するので、ステップＳ１２１０へ進み同様に実行す
る。

【００５５】図５に示す検索用文書データの検索補助情
報は「活字」であるので、文字切出し誤り対応検索１５
２を実行する。この文字切出し誤り対応検索１５２と
は、ここでは文字認識の結果が誤りとなるのは文字を誤
って切出した場合であると限定して、照合はキーワード
文字と検索用文書データ中の認識候補第１位文字と行
い、照合で部分的に一致しない文字があっても対応する
文字数が異なる場合に照合に成功するとみなす照合とす
る。

【００５６】例えば、キーワード「○×電機」と文字列
「○酸機」との照合では、「○」および「機」が違いに
一致するが、「×電」と「酸」が一致せず、文字数がそ
れぞれ「２」と「１」で異なる。この場合に、文字切出
し誤り対応検索１５２では文字認識手段２が「×電」を
誤って「酸」と認識したと解釈して照合に成功する。更
に精度を向上させるには従来例と同様に「×電」と
「酸」の形状特徴を照合することで不一致文字の形状を
検定して、形状が類似していると判定した場合に照合に
成功するようにしてもよい。

【００５７】図１１では、入力キーワード「一郎」と氏
名フィールドの認識候補文字である「山田一［郎朗］」
では「一」および「郎」が互いに一致するので検索結果
として出力する。以下未照合フィールドがなくなるまで
ステップＳ１２２０〜ステップＳ１２４０を繰り返し、
全てのデータとの照合が終わったらＳ１２５０へ進み、
出力結果作成を行う。検索結果出力手段８は、図１０、
図１１の検索用文書データの何れも検索結果として出力
する。最後に、図３でステップＳ１３００へ進み検索結
果を出力する。

【００５８】次に、本方式でキーワード「一朗」を用い
て検索を実行する。「一朗」を用いた検索では、図１
０、１１の検索用文書データの何れも検索結果として出
力されないのが理想的な結果である。はじめに、図１０
と文字切出し・認識誤り対応検索１５１を行う。図１０
の「川上一［朗郎］」とはキーワードの何れの文字とも
一致するので照合に成功する。その結果、図１０の検索
用文書データは検索結果として出力され、検索ノイズと
なる。

【００５９】次に、図１１と文字切出し誤り対応検索１
５２を実行する。図１１の「山田一［郎朗］」と、キー
ワード文字「一」が一致するが、キーワード文字「朗」
と文字列中の第１位候補文字「郎」が一致せず不一致文
字数がともに「１」と同一であるためキーワードとの照
合に失敗する。その結果、図１１の検索用文書データ
は、検索結果として出力されない。

【００６０】以上より、本手法ではキーワード「一郎」
で検索もれがなく、キーワード「一朗」で検索ノイズが
１文書となる。

【００６１】比較のために、図１０、１１に対して検索
補助条件を用いずに同一方法で検索する場合を考える。
文字切出し・認識誤り対応検索１５１を用いてキーワー
ド「一郎」で検索すると、図１０、１１の何れもキーワ
ード文字と一致するので照合に成功する。

【００６２】同様に、キーワード「一朗」を用いて検索
を行うと、図１０、図１１の何れもキーワード文字と一
致して照合に成功して検索ノイズとなる。この結果、文
字切出し・認識誤り対応検索１５１による検索では、キ
ーワード「一郎」で検索もれがないが、「一朗」で検索
ノイズが２文書となる。

【００６３】同様に、検索補助条件を用いずに文字切出
し誤り対応検索１５２の場合を考える。キーワード「一
郎」との照合では、図１１とは照合に成功するが図１０
との照合ではキーワード文字「郎」と検索用文書データ
中の「朗」とが一致せず不一致文字数が同一であるため
に照合に成功せず検索もれとなる。

【００６４】一方、キーワード「一朗」による検索で
は、図１０は照合に成功して検索ノイズとなるが、図１
１との照合ではキーワード文字「一」が一致するが
「朗」が一致せず検索結果として出力されない。この結
果、文字切出し誤り対応検索１５２では、キーワード
「一郎」で検索もれが１文書、キーワード「一朗」で検
索ノイズが１文書となる。

【００６５】キーワード「一郎」「一朗」を用いた検索
では、本手法は文字切出し・認識誤り対応検索１５１の
みの場合に比べて検索ノイズが１文書減少する。また、
文字切出し誤り対応検索１５２のみの場合に比べて検索
もれが１文書減少する。このように、検索補助情報を用
いて検索方法を切替えることで検索もれ、検索ノイズを
削減し精度の良い検索を実現することができる。

【００６６】この実施の形態１の第２の実現方式とし
て、検索補助情報が「手書き」であるか「活字」である
かで文書検索手段６が異なる照合を実行することに加え
て、フォーマット定義ファイル中のフィールド情報も検
索補助情報として用いることでより詳細な条件に応じた
照合が可能となる。

【００６７】その例を、図１２、１３、１４を用いて示
す。図２のステップＳ３００において、文書蓄積手段４
は、文字認識手段２が出力した認識候補文字と検索補助
情報に加え、図７のフォーマット定義ファイル９中の１
文字枠あり／なし情報も検索補助情報として検索用文書
データに加え、検索用文書データベース７に蓄積する。

【００６８】その例を、図１３、１４に示す。図１３、
図１４では、検索補助情報１が手書き／活字情報を指
し、検索補助情報２が１文字枠あり／なし情報を指す。

【００６９】キーワードと検索用文書データベース７と
の照合には印刷／手書き情報と、１文字枠の有無情報の
組合せから４種類の方法を設定する。その例を図１２に
示す。活字で１文字枠があるフィールドの文書データと
の照合には文字認識誤り・文字切出し誤りはほとんどな
いので完全一致検索１５４と設定する。これは入力キー
ワードと検索用文書データ中の文字列が完全に一致する
場合にのみ検索結果として出力する方法である。

【００７０】活字で１文字枠なしの場合は、本実施の形
態１の第１の実現方式と同様の文字切出し誤り対応検索
１５２とする。

【００７１】また、手書きで１文字枠がない場合も、本
実施の形態１の第１の実現方式と同様の文字切出し・認
識誤り対応検索１５１とする。

【００７２】手書きで１文字枠がある場合は、文字認識
誤り対応検索１５３を実施する。この文字認識誤り対応
検索１５３とは、入力キーワードと検索用文書データ中
の文字列で部分的な一致を許容する検索であって、互い
に対応する不一致文字の文字数が同一の場合に検索に成
功とする。

【００７３】例えば、入力キーワード「○×電機」と文
字列「○×雷機」の照合を考えると、これらは「○」
「×」「機」が互いに一致し、対応する「電」「雷」が
一致しない。このとき一致しない文字は各１文字と同一
であるので「○×雷機」を検索結果として出力する。こ
のように、検索補助情報に応じた検索方式を用意するこ
とで、個々の認識誤りに最適に対応した検索方式を実現
することができる。

【００７４】この実施の形態１の第２の実現方式では、
検索補助情報とフォーマット定義ファイルのフィールド
情報を検索に使用したが、これに限ったことではなく、
例えばフォーマット情報のみ登録して検索に使用しても
よい。

【００７５】また、本実施の形態１では、検索補助情報
に印刷・手書きの判別を用いたが、検索補助情報はこれ
に限ったものではなく、例えば文書画像の品質（ノイズ
の多少）、縦書き・横書き、フォントの種類、文字サイ
ズ等を用いることも可能である。

【００７６】また、本実施の形態１では、１つの検索用
文書データベース７に手書き文字、活字等の検索用文書
データを混在して保持しているが、これに限ったもので
はなく、手書き文字、活字別等の検索補助情報別に検索
用文書データベース７を独立して作成し、各々に特化し
た検索方式で検索することも可能である。この実施の形
態１の第２の実現方式では、図１２に検索補助情報毎に
４つの検索方式を示しており、各検索方式で最適な検索
用インデックス（文字位置索引情報）を作成することで
検索の高速化が実現可能となる。

【００７７】ここでは、検索用インデックスは、図１
５、図１６，図１７に示す。各インデックスでは、文字
コード、フィールド番号、文字位置を索引情報として保
持する。これにより、文字認識結果をキーワードと直接
照合することなく文書内に存在するキーワードを高速に
探索することができる。

【００７８】図１７は、完全一致検索１５４の検索用イ
ンデックスであり、検索補助情報が「活字」で「１文字
枠あり」であるフィールド、即ち図１４のフィールド番
号３、４から作成する。例えばフィールド番号「４」の
認識結果である「ピアノ」から「ピ」のフィールド番号
は４、文字位置はフィールドの先頭から数えて１文字目
であるので「１」となる。同様に、「ア」のフィールド
番号は４、文字位置は２となる。以下同様に作成する。
また、「ピア」のフィールド番号４、文字位置番号１、
「アノ」のフィールド番号４、文字位置番号２と連接す
る２文字のインデックスも作成する。連接文字数を増加
させるほど入力キーワード文字のインデックスの読み込
み、照合回数が少なくなるため完全一致検索１５４の高
速化を実現できる。

【００７９】図１５は、文字認識誤り対応検索１５３、
および文字切出し・文字認識誤り対応検索１５１の検索
インデックスであり、図１３の文字認識結果から作成す
る。同様に、図１６は文字切出し対応検索１５２の検索
用インデックスの例であり、図１４のフィールド番号
１、２から作成する。図１５、図１６は、曖昧性を有す
る検索方式のインデックスであり、文字切出し誤り・文
字認識誤りに起因する検索もれを防止するために１文字
インデックスのみを用いて検索する。これにより、図１
７のように連接文字インデックスを保持する場合に比べ
てインデックス容量を削減し、かつ高速検索を実現する
ことができる。手書き・印刷で同一検索を実行する場合
は、図１５、図１６に示す検索用インデックスを１つに
まとめてもよい。

【００８０】以上説明したように、本実施の形態１によ
ると、検索補助情報を文書登録時に認識結果とともに保
存し、検索時には検索補助情報をもとに照合を実行する
ことで各文書データに応じて精度の高い検索処理が可能
となる。これにより、検索補助情報を使用しない場合に
比べて検索もれ・検索ノイズの削減が可能となる。

【００８１】

【発明の効果】この発明の請求項１に係る文書検索装置
は、以上説明したとおり、文書を入力する文書入力手段
と、前記文書入力手段により入力された文書に記載され
た文字を認識するとともに、入力文書の画像から文字の
品質または状態に関する情報を検索補助情報として抽出
する文字認識手段と、文字の標準パターンの特徴を格納
する文字辞書と、前記文字認識手段による文字認識結果
と検索補助情報を検索用文書データとして蓄積する文書
蓄積手段と、前記検索用文書データを格納する検索用文
書データベースと、文書検索のキーワードを入力するキ
ーワード入力手段と、前記検索用文書データベース中の
検索用文書データとキーワード文字の照合の際に、前記
文字認識手段が抽出した前記検索補助情報に応じた照合
を実施する文書検索手段と、前記文書検索手段による検
索結果を出力する検索結果出力手段とを備えたので、精
度の高い検索処理ができ、検索もれ・検索ノイズを削減
することができるという効果を奏する。

【００８２】この発明の請求項２に係る文書検索装置
は、以上説明したとおり、前記検索補助情報を、前記入
力文書に記載された文字が手書きであるか活字であるか
を判別する情報としたので、精度の高い検索処理がで
き、検索もれ・検索ノイズを削減することができるとい
う効果を奏する。

【００８３】この発明の請求項３に係る文書検索装置
は、以上説明したとおり、前記文書蓄積手段が、前記検
索補助情報に応じた検索用文書データベースに検索用文
書データを保持し、前記文書検索手段は、各々の検索用
文書データベース毎に指定した照合方法で照合するの
で、精度の高い検索処理ができ、検索もれ・検索ノイズ
を削減することができるという効果を奏する。

【００８４】この発明の請求項４に係る文書検索装置
は、以上説明したとおり、文書を入力する文書入力手段
と、文書の領域情報および領域の属性情報について記述
したフィールド情報を保持するフォーマット定義ファイ
ルと、前記フォーマット定義ファイルを用いて、前記文
書入力手段により入力された文書に記載された文字を認
識するとともに、入力文書の画像から文字の品質または
状態に関する情報を検索補助情報として抽出する文字認
識手段と、文字の標準パターンの特徴を格納する文字辞
書と、前記文字認識手段による文字認識結果と検索補助
情報および前記フォーマット定義ファイルに記述された
フィールド情報を蓄積する文書蓄積手段と、前記文書蓄
積手段が蓄積した検索用文書データを格納する検索用文
書データベースと、文書検索のキーワードを入力するキ
ーワード入力手段と、前記検索用文書データとキーワー
ドの照合の際に、前記検索補助情報および前記フィール
ド情報に対応する照合方法で照合を実施する文書検索手
段と、前記文書検索手段による検索結果を出力する検索
結果出力手段とを備えたので、精度の高い検索処理がで
き、検索もれ・検索ノイズを削減することができるとい
う効果を奏する。

【００８５】この発明の請求項５に係る文書検索装置
は、以上説明したとおり、前記検索補助情報を、前記入
力文書に記載された文字が手書きであるか活字であるか
を判別する情報としたので、精度の高い検索処理がで
き、検索もれ・検索ノイズを削減することができるとい
う効果を奏する。

【００８６】この発明の請求項６に係る文書検索装置
は、以上説明したとおり、前記文書検索手段が、前記フ
ォーマット定義ファイル中の１文字枠の有無情報を用い
て検索処理を行い、１文字枠が存在するフィールドから
の認識結果文字との照合には文字切出し誤りを許容しな
い照合を行い、１文字枠が存在しないフィールドからの
認識結果文字との照合には文字切出し誤りを許容する照
合を行うので、精度の高い検索処理ができ、検索もれ・
検索ノイズを削減することができるという効果を奏す
る。

【００８７】この発明の請求項７に係る文書検索装置
は、以上説明したとおり、前記文書蓄積手段が、前記検
索補助情報および前記フィールド情報に応じた検索用文
書データベースに検索用文書データを保持し、前記文書
検索手段は、前記検索補助情報毎およびフィールド情報
に応じた照合によって検索結果を出力するので、精度の
高い検索処理ができ、検索もれ・検索ノイズを削減する
ことができるという効果を奏する。

【図面の簡単な説明】

【図１】 この発明の実施の形態１に係る文書検索装置
の構成を示す図である。

【図２】 この発明の実施の形態１に係る文書検索装置
の文書登録動作を示すフローチャートである。

【図３】 この発明の実施の形態１に係る文書検索装置
の文書検索動作を示すフローチャートである。

【図４】 この発明の実施の形態１に係る文書検索装置
の文書検索動作を示すフローチャートである。

【図５】 この発明の実施の形態１に係る文書検索装置
の検索補助情報と照合方式の対応関係を示す図である。

【図６】 この発明の実施の形態１に係る文書検索装置
の文書登録用紙を示す図である。

【図７】 この発明の実施の形態１に係る文書検索装置
の文書登録用紙のフォーマット情報を示す図である。

【図８】 この発明の実施の形態１に係る文書検索装置
の手書き文字による記入例を示す図である。

【図９】 この発明の実施の形態１に係る文書検索装置
の活字による記入例を示す図である。

【図１０】 図８の文書データを示す図である。

【図１１】 図９の文書データを示す図である。

【図１２】 この発明の実施の形態１に係る文書検索装
置の検索補助情報、フィールド情報と照合方式の対応関
係を示す図である。

【図１３】 図８の文書データの別の例を示す図であ
る。

【図１４】 図９の文書データの別の例を示す図であ
る。

【図１５】 この発明の実施の形態１に係る文書検索装
置の手書き文書の文字インデックスの例を示す図であ
る。

【図１６】 この発明の実施の形態１に係る文書検索装
置の印刷文書の１文字枠なしフィールドの文字インデッ
クスの例を示す図である。

【図１７】 この発明の実施の形態１に係る文書検索装
置の印刷文書の１文字枠ありフィールドの文字インデッ
クスの例を示す図である。

【図１８】 従来の文書検索装置の構成を示す図であ
る。

【図１９】 従来の文書検索装置の文字画像と文字認識
結果を示す図である。

【図２０】 従来の文書検索装置での形状特徴を作成す
る領域を示す図である。

【図２１】 従来の文書検索装置での文字認識結果と形
状特徴を示す図である。

【図２２】 従来の文書検索装置での照合動作を説明す
るための図である。

【符号の説明】

１ 文書入力手段、２ 文字認識手段、３ 文字辞書、
４ 文書蓄積手段、５キーワード入力手段、６ 文書検
索手段、７ 検索用文書データベース、８検索結果出力
手段、９ フォーマット定義ファイル。

Claims (7)

【特許請求の範囲】
1. 【請求項１】 文書を入力する文書入力手段と、 前記文書入力手段により入力された文書に記載された文
   字を認識するとともに、入力文書の画像から文字の品質
   または状態に関する情報を検索補助情報として抽出する
   文字認識手段と、 文字の標準パターンの特徴を格納する文字辞書と、 前記文字認識手段による文字認識結果と検索補助情報を
   検索用文書データとして蓄積する文書蓄積手段と、 前記検索用文書データを格納する検索用文書データベー
   スと、 文書検索のキーワードを入力するキーワード入力手段
   と、 前記検索用文書データベース中の検索用文書データとキ
   ーワード文字の照合の際に、前記文字認識手段が抽出し
   た前記検索補助情報に応じた照合を実施する文書検索手
   段と、 前記文書検索手段による検索結果を出力する検索結果出
   力手段とを備えたことを特徴とする文書検索装置。
2. 【請求項２】 前記検索補助情報は、前記入力文書に記
   載された文字が手書きであるか活字であるかを判別する
   情報であることを特徴とする請求項１記載の文書検索装
   置。
3. 【請求項３】 前記文書蓄積手段は、前記検索補助情報
   に応じた検索用文書データベースに検索用文書データを
   保持し、 前記文書検索手段は、各々の検索用文書データベース毎
   に指定した照合方法で照合することを特徴とする請求項
   １記載の文書検索装置。
4. 【請求項４】 文書を入力する文書入力手段と、 文書の領域情報および領域の属性情報について記述した
   フィールド情報を保持するフォーマット定義ファイル
   と、 前記フォーマット定義ファイルを用いて、前記文書入力
   手段により入力された文書に記載された文字を認識する
   とともに、入力文書の画像から文字の品質または状態に
   関する情報を検索補助情報として抽出する文字認識手段
   と、 文字の標準パターンの特徴を格納する文字辞書と、 前記文字認識手段による文字認識結果と検索補助情報お
   よび前記フォーマット定義ファイルに記述されたフィー
   ルド情報を蓄積する文書蓄積手段と、 前記文書蓄積手段が蓄積した検索用文書データを格納す
   る検索用文書データベースと、 文書検索のキーワードを入力するキーワード入力手段
   と、 前記検索用文書データとキーワードの照合の際に、前記
   検索補助情報および前記フィールド情報に対応する照合
   方法で照合を実施する文書検索手段と、 前記文書検索手段による検索結果を出力する検索結果出
   力手段とを備えたことを特徴とする文書検索装置。
5. 【請求項５】 前記検索補助情報は、前記入力文書に記
   載された文字が手書きであるか活字であるかを判別する
   情報であることを特徴とする請求項４記載の文書検索装
   置。
6. 【請求項６】 前記文書検索手段は、前記フォーマット
   定義ファイル中の１文字枠の有無情報を用いて検索処理
   を行い、１文字枠が存在するフィールドからの認識結果
   文字との照合には文字切出し誤りを許容しない照合を行
   い、１文字枠が存在しないフィールドからの認識結果文
   字との照合には文字切出し誤りを許容する照合を行うこ
   とを特徴とする請求項４記載の文書検索装置。
7. 【請求項７】 前記文書蓄積手段は、前記検索補助情報
   および前記フィールド情報に応じた検索用文書データベ
   ースに検索用文書データを保持し、 前記文書検索手段は、前記検索補助情報毎およびフィー
   ルド情報に応じた照合によって検索結果を出力すること
   を特徴とする請求項４記載の文書検索装置。