JP2000067065A - 文書画像識別方法および記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 ランダムに入力される文書画像の種類を自動
識別した後に、識別結果を閲覧あるいは編集する際に、
ユーザーにとって使いやすいインターフェースを提供
し、また単なるクラス分類だけではなく、識別作業を行
いながら同時に、ユーザーにとって最も使いやすい構造
の文書フォルダ構成が容易に構築できる。 【解決手段】 文書識別手段１０４は、複数の論理モデ
ル１０６を用いて入力文書画像１０１の種類を識別し、
識別結果を文書データベース１０７に出力する。識別結
果を閲覧・編集するとき、インターフェース画面上１０
８で行う。入力文書アイコンをあるカテゴリの論理モデ
ルフォルダにドロップすることにより、そのモデルのみ
を用いて入力文書の識別処理を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書画像の文書種
類を識別する方法に関し、特に文書種類を識別する際の
ユーザーインターフェースに関する。

【０００２】

【従来の技術】例えば、電子図書館、文書ファイリング
システム、データベースなどを構築する場合に、文書画
像の論理構造を認識し、書誌事項を自動的に抽出するこ
とが要求されると共に、文書画像の種類を認識し、自動
的に適当なフォルダに分類する技術も要求される。

【０００３】また、他の例では、文書種類ごとに用意さ
れたモデルを用いて書誌事項を抽出する場合に、入力文
書の種類を自動的に識別して、適切なモデルを自動選択
することは非常に有効である。この際、書誌事項抽出用
モデルと文書識別用モデルを共有化すれば、資源の有効
活用になり、かつモデルの管理も容易になる。

【０００４】文書の論理構造を認識する従来の方法とし
ては、特開平５−１５９１０１号公報に記載された文書
論理構造認識および文書内容認識のための装置および方
法がある。上記した装置および方法では、文書画像の要
素間の関係と構造モデルとの整合性を調べ、該当する構
造モデルの論理構造要素の属性パラメータとして文書画
像の用紙の内容を認識する。そのために、文書要素をノ
ード、要素間の配置関係をリンクするようなグラフ構造
の構造モデルも用いて文書構造認識を行っている。

【０００５】また、本出願人は先に、文書をデジタル画
像として入力し、該文書画像から前記文書のレイアウト
特徴を検出し、複数の論理モデルの中から、前記入力文
書のレイアウト特徴に一致する論理モデルを検出し、該
検出された論理モデルを用いて前記文書画像から論理要
素を抽出し、抽出された論理要素におけるレイアウト特
徴が所定のいきい値以上変動しているとき、前記文書画
像を用いて前記論理モデルを更新する文書画像の論理要
素抽出方法を提案した。同出願の他の実施例として、ラ
ンダムに入力される文書の種類を自動識別するために、
文書種類ごとに論理要素モデルを１つまたは複数作成し
て、文書が持つ不変的な情報である書誌事項や罫線のマ
ッチングを利用して精度良く文書種類を識別する方法も
提案した（特願平１０−１４５７８１号）。

【０００６】

【発明が解決しようとする課題】前掲した公報に記載さ
れた方法および本出願人が提案した方法は、文書構造の
識別に主眼が置かれている。このため、文書識別後の階
層的な分類手法、あるいは識別誤りやユーザーによる分
類変更などの際に発生する修正作業のためのユーザー支
援策については十分に考慮されていない。

【０００７】本発明は上記した事情を考慮してなされた
もので、本発明の目的は、ランダムに入力される文書画
像の種類を自動識別した後に、識別結果を閲覧あるいは
編集する際に、ユーザーにとって使いやすいインターフ
ェースを提供するものであり、単なるクラス分類だけで
はなく、識別作業を行いながら同時に、ユーザーにとっ
て最も使いやすい構造の文書フォルダ構成が容易に構築
できる文書画像識別方法および記録媒体を提供すること
にある。

【０００８】

【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、文書をデジタル画像とし
て入力し、該文書画像を所定の要素に分割すると共に、
前記文書画像のレイアウト特徴を抽出し、該抽出された
文書画像のレイアウト特徴を用いて、文書種類毎に予め
作成された複数の論理モデルと照合することにより、前
記文書画像の種類を識別する文書画像識別方法であっ
て、前記文書画像の識別結果を閲覧または編集すること
を特徴としている。

【０００９】請求項２記載の発明では、前記複数の論理
モデルは階層的に分類され、前記閲覧または編集を行う
とき前記階層構造の任意のノードが指定され、該指定さ
れたノードを含む下位の部分集合に限定した論理モデル
を用いて前記文書画像の種類を再識別することを特徴と
している。

【００１０】請求項３記載の発明では、前記閲覧または
編集を行うとき前記文書画像をＧＵＩ画面上でアイコン
表示し、前記複数の論理モデルをＧＵＩ画面上に木構造
で表示し、該木構造の任意のノード上に前記アイコンを
ドロップすることにより、前記ノードを含む下位の木構
造に限定した論理モデルを用いて前記文書画像の種類を
再識別することを特徴としている。

【００１１】請求項４記載の発明では、文書をデジタル
画像として入力する機能と、該文書画像を所定の要素に
分割すると共に、前記文書画像のレイアウト特徴を抽出
する機能と、該抽出された文書画像のレイアウト特徴を
用いて、文書種類毎に予め作成された複数の論理モデル
と照合することにより、前記文書画像の種類を識別する
機能と、前記文書画像の識別結果を閲覧または編集する
機能をコンピュータに実現させるためのプログラムを記
録したコンピュータ読み取り可能な記録媒体であること
を特徴としている。

【００１２】

【発明の実施の形態】以下、本発明の一実施例を図面を
用いて具体的に説明する。 （実施例１）本発明は、ランダムに入力される文書画像
の種類を、文書種類ごとに予め作成された複数の論理モ
デルを用いて識別し、適当なフォルダに分類する際に、
ＧＵＩを用いてユーザーにとって分かりやすく扱いやす
い方法を提供する。文書画像を自動識別する方法として
は、従来技術あるいは前述した本出願人による先に提案
した方法を用いればよい。

【００１３】自動識別の結果が正しい場合は何もしなく
てもよい。例えば、入力文書の種類が不明であっても、
その上のレベルでのカテゴリが既知である場合がある。
出版社名は不明であるが、カテゴリ「雑誌」には属して
いる、などの例である。このような例における文書識別
では、入力文書と登録されたすべての論理モデルと照合
する必要はなく、カテゴリ「雑誌」に登録された論理モ
デルとのみ照合すればよい。

【００１４】また、本発明では、登録された論理モデル
を、ユーザーの指示により、あるいは自動識別処理によ
って階層的に分類されているので、文書識別処理におけ
る冗長性を部分的に削除することができる。さらに、本
発明をＧＵＩアプリケーションとして組み込んだ場合に
は、登録された論理モデルを木構造として、入力文書を
アイコンとして画面上に表示しており、前記した例で
は、前記アイコンを前記木構造のカテゴリ「雑誌」ノー
ドの上にドロップするだけで、カテゴリ「雑誌」に属す
る論理モデルとのみ照合することになる。

【００１５】さらに、本発明の文書識別処理において
は、文字認識結果を利用せずに文書のレイアウト構造の
みで文書種類を識別しているので、言語に依存ぜずに処
理が可能である。また入力対象は文書画像の他に、デジ
タルカメラで撮影した自然画像や、その他識別の対象と
なり得るものならばどのようなものでもよい。

【００１６】図１は、本発明の実施例の構成を示す。図
において、１０１は入力文書、１０２は文書をデジタル
画像として入力するための画像入力手段、１０３は入力
された文書画像から文書識別のために必要なレイアウト
特徴を抽出するレイアウト特徴抽出手段、１０４は論理
モデルを用いて文書画像の種類を識別する文書識別手
段、１０５は識別結果を出力する結果出力手段、１０６
は論理モデルを管理する論理モデルデータベース、１０
７は識別結果を保持する文書データベース、１０８はユ
ーザーが識別結果を閲覧・編集する識別結果アクセスイ
ンターフェース部である。

【００１７】本発明の処理は、入力文書に対して複数種
類の論理モデルの中から最適なモデルを選択する文書識
別処理と、ユーザーがＧＵＩ画面上から識別結果を閲覧
・編集作業を行う識別結果アクセス処理からなる。

【００１８】文書画像を自動識別する文書識別処理方法
としては従来技術を用いてもよい。例えば、前述した本
出願人によって提案された方法を用いればよい。この方
法について簡単に説明すると以下のようになる。すなわ
ち、レイアウト特徴抽出手段１０３は入力文書画像を要
素に分割し、文字領域、罫線領域、文字行、文字を切り
出し、次いで、要素の座標や文字の大きさ、インデン
ト、フォント、コラム情報など文書レイアウト構造に関
するレイアウト特徴を求める。文書識別手段１０４は、
上記した入力文書と予め文書種類別に用意された論理要
素モデルとを照合し、入力文書とモデルとの文書間距離
を算出する。文書間距離に従って、文書識別足切りのた
めのしきい値を算出し、しきい値以下の距離値を持つモ
デルが唯一存在するならば、該モデルを正解として選択
し、結果を出力して処理を終了する。

【００１９】次に、本発明の特徴である識別結果アクセ
ス処理について説明する。図２〜６は、ユーザーが文書
識別の結果を閲覧・編集作業を行うときの処理を説明す
る図である。図７は、本発明の実施例１の処理フローチ
ャートである。

【００２０】図２に示すように、閲覧作業および編集作
業は、共にＧＵＩ画面上で、入力文書をアイコン表示
（２０１）したＷｉｎｄｏｗ上で、論理モデルＤＢを木
構造として表示した（２０２）Ｗｉｎｄｏｗ上で行われ
る。すなわち、複数の論理モデルは、Ｗｉｎｄｏｗｓの
エクスプロラーのフォルダ構造と同様の木構造で表示さ
れている。図２の表示２０２において、カテゴリ「雑
誌」の「＋」をクリックしたとき、「雑誌」の１つ下の
階層に属する論理モデル（フォルダ）「科学関連」と
「小説」が表示されている。

【００２１】ここで、編集作業とは、ステップ７０１で
文書識別処理された文書識別結果に誤りがあった場合や
何らかの事情で識別結果を変更する必要がある場合に、
ユーザーが自ら対象文書の文書種類を指定する作業と、
論理モデルを構成する木構造のある特定レベルのノード
以下で構成される部分木に属する論理モデルとだけ照合
して、対象文書の文書識別処理を再試行する作業からな
る（図３、４）。

【００２２】文書種類を指定する作業の場合は、ＭＳ−
Ｗｉｎｄｏｗｓ９５のエクスプローラーを用いたファイ
ルのコピーや移動、削除と同様に操作すればよい。

【００２３】文書識別処理を再試行する作業の場合は、
入力文書アイコンを前記特定のフォルダの上にドロップ
するだけで、自動的にそのフォルダ以下の論理モデルを
用いて文書識別処理を行うことができる（ステップ７０
２、７０３）。

【００２４】図３の例では、ユーザは入力文書（３０
１）をカテゴリ「雑誌」（３０２）以下の適切なフォル
ダに保存したいとする。前者の例では、自ら最適フォル
ダを選択して、その最適フォルダの中に入力文書アイコ
ンをドロップする。後者の例では、ユーザーはカテゴリ
「雑誌」以下の最適なフォルダの自動選択を望んでいる
ので、入力文書アイコン（３０１）をフオルダ「雑誌」
（３０２）の上にドロップすればよい（３０３）。そう
すると、図４のように選択された部分木構造のモデルだ
けを用いて文書識別処理を実行させるか否かの確認ダイ
アログ（４０１）が表示される（ステップ７０４）。こ
の場合は「はい」（４０２）を選択すればよい。

【００２５】前記文書識別処理の結果、入力文書がもし
前記部分木に属する論理モデル（フォルダ）である「科
学関連」（５０１）に識別された場合は（ステップ７０
５）、そのメッセージであるダイアログ（５０２）が提
示される（図５）。

【００２６】前記文書識別処理の結果、入力文書が前記
部分木に属するどの論理モデル（フォルダ）にも識別さ
れない場合は、図６に示すように、新規文書名あるいは
新規フォルダを作成（６０１）する（ステップ７０
６）。

【００２７】（実施例２）図８は、本発明をソフトウェ
アによって実現する場合の構成例を示す。ＣＤ−ＲＯＭ
などの記録媒体には、本発明の文書識別処理、閲覧・編
集処理、論理モデルの木構造表示などの処理手順、処理
機能を格納したプログラムが記録されている。また、入
力文書画像はハードディスクなどに格納されている。前
記プログラムを実行することによって、入力文書画像の
識別を行い、必要に応じてモニタ上で閲覧・編集処理を
行い、その編集結果をモニタ上に出力表示する。

【００２８】

【発明の効果】以上、説明したように、本発明によれ
ば、複数の論理モデルの中から、処理対象文書に適切な
論理モデルを自動的に選択し、その結果を効率的に閲覧
あるいは編集することができる。また、複数の論理モデ
ルを階層的に分類、表示することにより、識別処理の冗
長性が回避され、識別処理の結果を効率的に閲覧あるい
は編集することができる。

【図面の簡単な説明】

【図１】本発明の実施例１の構成を示す。

【図２】識別結果アクセスインターフェース画面を示
す。

【図３】入力文書アイコンを特定レベル以下の論理モデ
ルフォルダ上にドロップしている画面を示す。

【図４】部分木での識別確認ダイアログの画面を示す。

【図５】部分木に属する既存モデルに識別された場合の
画面を示す。

【図６】部分木のどのモデルにも識別されなかった場合
の画面を示す。

【図７】本発明の実施例１の処理フローチャートを示
す。

【図８】本発明をソフトウェアによって実現する場合の
構成例を示す。

【符号の説明】

１０１ 入力文書 １０２ 画像入力手段 １０３ レイアウト特徴抽出手段 １０４ 文書識別手段 １０５ 結果出力手段 １０６ 論理モデル管理データベース １０７ 文書データベース １０８ 識別結果アクセスインターフェース部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 文書をデジタル画像として入力し、該文
   書画像を所定の要素に分割すると共に、前記文書画像の
   レイアウト特徴を抽出し、該抽出された文書画像のレイ
   アウト特徴を用いて、文書種類毎に予め作成された複数
   の論理モデルと照合することにより、前記文書画像の種
   類を識別する文書画像識別方法であって、前記文書画像
   の識別結果を閲覧または編集することを特徴とする文書
   画像識別方法。
2. 【請求項２】 前記複数の論理モデルは階層的に分類さ
   れ、前記閲覧または編集を行うとき前記階層構造の任意
   のノードが指定され、該指定されたノードを含む下位の
   部分集合に限定した論理モデルを用いて前記文書画像の
   種類を再識別することを特徴とする請求項１記載の文書
   画像識別方法。
3. 【請求項３】 前記閲覧または編集を行うとき前記文書
   画像をＧＵＩ画面上でアイコン表示し、前記複数の論理
   モデルをＧＵＩ画面上に木構造で表示し、該木構造の任
   意のノード上に前記アイコンをドロップすることによ
   り、前記ノードを含む下位の木構造に限定した論理モデ
   ルを用いて前記文書画像の種類を再識別することを特徴
   とする請求項１記載の文書画像識別方法。
4. 【請求項４】 文書をデジタル画像として入力する機能
   と、該文書画像を所定の要素に分割すると共に、前記文
   書画像のレイアウト特徴を抽出する機能と、該抽出され
   た文書画像のレイアウト特徴を用いて、文書種類毎に予
   め作成された複数の論理モデルと照合することにより、
   前記文書画像の種類を識別する機能と、前記文書画像の
   識別結果を閲覧または編集する機能をコンピュータに実
   現させるためのプログラムを記録したコンピュータ読み
   取り可能な記録媒体。