JP2000113103A

JP2000113103A - 文書画像の方向判定方法、装置および記録媒体

Info

Publication number: JP2000113103A
Application number: JP10276768A
Authority: JP
Inventors: Takashi Saito; 高志齋藤; Yoshiaki Kitajima; 嘉明北島
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1998-09-30
Filing date: 1998-09-30
Publication date: 2000-04-21

Abstract

(57)【要約】【課題】文字認識の結果を利用して文書画像の方向を
９０度単位に判定する際に、複数方向で高い確信度を持
つ文字の影響を低減させて精度よく文書画像の方向を判
定する。【解決手段】画像のレイアウトを解析し（１０２）、
文字領域から文字を切り出し（１０３）、各文字を４方
向に認識処理し、確信度を求める（１０４）。方向判定
手段１０５は、４方向の内で最大の確信度のみがしきい
値を超えたとき、当該文字の方向性があると判定し、方
向頻度に加える。方向頻度ヒストグラムを作成し、最大
頻度値がしきい値以上である最大頻度値の方向を画像方
向と判定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書画像を９０度
単位に方向を判定する文書画像の方向判定方法、装置お
よび文書画像の方向判定プログラムを記録した記録媒体
に関する。

【０００２】

【従来の技術】文書画像を電子的にファイリングすると
きに、あるいは文字認識の前処理においては、画像方向
の判別を必要とする場合がある。従来、画像の方向判別
は、文字認識結果を利用して行っていた。

【０００３】例えば、特開平４−１９５４８５号公報
（以下、第１の従来例）に記載された画像入力装置で
は、文書画像から文字を切り出し、その特徴量を抽出
し、４通りの方向を持つ辞書と文字の特徴量との類似度
を求め、最も類似度の高い方向を、文字の方向を判定す
る方法であり、また、上記した辞書は、上下左右の形状
が著しく異なり、出現頻度の高い文字種から構成してい
る。

【０００４】他の例として、特開平８−２７４９８０号
公報（以下、第２の従来例）に記載された装置がある。
この装置では、一方向における文字認識の結果である確
信度が所定の閾値を超えたとき、認識率を加算し、４方
向の認識率の内、最大の認識率が所定値以上であると
き、最大の認識率が得られた方向を、画像の方向と判定
する。

【０００５】さらに他の例として、特開平８−２９３０
００号公報（以下、第３の従来例）に記載された装置が
ある。この装置では、切り出された各文字について４方
向の類似度を算出し、各方向毎の平均類似度を求め、そ
の内の最大の平均類似度を持つ方向を、画像の方向と決
定する。

【０００６】

【発明が解決しようとする課題】上記した第１の従来例
の方法では、文字認識の結果得られる各文字の確信度
（類似度）を加算して方向の判定を行っている。しか
し、「０」や「８」は１８０度回転しても同じ文字とし
て高い確信度が得られるし、「６」「９」や「ｕ」
「ｎ」は１８０度回転すれば、それぞれの文字として高
い確信度が得られる。したがって、入力画像中に、この
ような文字が多い場合には、単純に確信度を累積する方
法では方向の判別が難しい。

【０００７】上記した文字の確信度が、０度方向と１８
０度方向で全く同じ確信度が得られるのであれば、他の
文字の確信度で方向を判定できる可能性もある。ところ
が、文字認識結果の確信度は、辞書中に類似文字パター
ンが存在するか否かで大きく相違するので、「６」なら
９０％であるのに対して、「９」の場合には８０％にな
ることもある。そうすると、「９９９円」という文字列
で方向判別を行った場合に、「円」の０度方向と１８０
度方向の確信度の違いがあっても、「９９９」を「６６
６」とした場合の確信度の違いに吸収されてしまい、１
８０度違う誤った方向を判定する可能性がある。

【０００８】また、文字認識辞書が、方向を判別しやす
い文字種で構成されているが、文字種として「０」や
「９」などの方向判別の紛らわしい文字が辞書から除か
れていても、入力画像中には「０」「９」等が存在して
いることから、「０」「９」等が辞書中の適当な文字に
誤って識別されることになり、これによってノイズとな
る確信度が累積され、従って正しく方向判定できない場
合が生じる。

【０００９】上記した第２の従来例では、認識結果とし
て得られた確信度がしきい値を超えたときに認識率を加
算しているが、このような方法でも上記した「０」等で
は複数方向でしきい値を超える可能性があり、前述した
問題を解決できない。

【００１０】上記した第３の従来例では、予め決めた文
字数だけ文字を抽出し、その中で方向判定を行い処理を
終了している。この方法では余分な文字認識を行わない
ので処理時間が短縮されるが、しかし切り出す文字数を
少なくすると方向判別に十分な文字認識結果が得られな
い場合がある。したがって、切り出す文字数はある程度
多くとる必要があり、その結果、全体として大幅な処理
速度の向上は望めない。

【００１１】本発明は上記した問題を解決するためにな
されたもので、本発明の目的は、文字認識の結果を利用
して文書画像の方向を９０度単位に判定する際に、複数
方向で高い確信度を持つ文字の影響を低減させて精度よ
く文書画像の方向を判定する文書画像の方向判定方法、
装置および方向判定プログラムを記録した記録媒体を提
供することにある。

【００１２】

【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、文書画像の方向を判定す
る方法であって、前記文書画像から文字を抽出し、該文
字を複数の方向について認識処理し、該認識処理によっ
て得られる確信度を基に前記文字を方向判定に採用する
か否かを判定し、前記方向判定に採用された複数の文字
についての方向判定結果の頻度分布を基に前記文書画像
の方向を判定することを特徴としている。

【００１３】請求項２記載の発明では、前記文字を方向
判定に採用するか否かの判定において、一つの方向につ
いての確信度が所定のしきい値を超えたとき採用するこ
とを特徴としている。

【００１４】請求項３記載の発明では、前記文字を方向
判定に採用するか否かの判定において、最も確信度の高
い方向における確信度が所定のしきい値を超えていて、
かつ２番目に高い確信度との差分が大きいときに採用す
ることを特徴としている。

【００１５】請求項４記載の発明では、前記文書画像か
ら文字領域を抽出し、該各文字領域について方向判定に
使用する優先度を判定し、優先度の高い文字領域から順
に、該文字領域内の文字を抽出することを特徴としてい
る。

【００１６】請求項５記載の発明では、前記文書画像か
ら文字領域を抽出し、該各文字領域について方向判定に
使用するか否かを判定し、使用すると判定された文字領
域内の文字を抽出することを特徴としている。

【００１７】請求項６記載の発明では、前記文書画像か
ら文字領域を抽出し、該文字領域の処理の順番を所定の
基準に従って決定し、該決定された順番において、文字
領域から所定数の文字を抽出し、該文字を認識処理した
結果を基に方向判定を行い、方向判定の結果が不定の場
合には、さらに前記同一の文字領域から所定数の文字を
再度抽出して方向判定を行い、方向不定である限り、前
記再抽出処理を所定回まで行い、それでも方向が不定で
ある場合には次の文字領域に処理を移すことを特徴とし
ている。

【００１８】請求項７記載の発明では、前記文書画像の
レイアウトを解析し、該解析結果を基に方向判定に使用
する文字領域を特定し、該特定された文字領域内の文字
を抽出し、該文字の方向を判定することにより文書画像
の方向を判定することを特徴としている。

【００１９】請求項８記載の発明では、前記文書画像か
ら抽出した文字数が少ないとき、特定字種を除いた文字
認識結果を基に方向を判定することを特徴としている。

【００２０】請求項９記載の発明では、文書画像を入力
する手段と、該文字画像から文字を切り出す手段と、該
切り出された文字を複数の方向について文字認識する手
段と、該文字認識の確信度を基に前記文字の方向性の有
無を判定し、方向性が有ると判定された複数の文字につ
いての方向の頻度分布を基に前記文書画像の方向を判定
する手段とを備えたことを特徴としている。

【００２１】請求項１０記載の発明では、文書画像を入
力する機能と、該文字画像から文字領域を含む領域を抽
出する機能と、該領域から文字を切り出す機能と、該切
り出された文字を複数の方向について文字認識する機能
と、該文字認識の確信度を基に前記文字の方向性の有無
を判定する機能と、方向性が有ると判定された複数の文
字についての方向の頻度分布を作成する機能と、該頻度
分布を基に前記文書画像の方向を判定する機能をコンピ
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。

【００２２】

【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）図１は、本発明の実施例１の構成を示す。
図において、１０１はスキャナなどの画像入力手段、１
０２は領域抽出等を行うレイアウト解析手段、１０３は
領域中の文字を切り出す文字切り出し手段、１０４は各
文字について４方向から文字認識を行う文字認識手段、
１０５は文字認識結果を基に文書画像の方向を判定する
方向判定手段、１０６は入力画像や各処理中のデータな
どを記憶するデータ記憶部、１０７は全体の処理を制御
する制御部、１０８はデータ通信路、１０９はネットワ
ークなどを介して外部（コンピュータ、Ｆａｘなど）と
の通信を行うデー夕通信手段である。

【００２３】図２は、実施例１の処理フローチャートで
ある。まず、画像入力手段１０１またはデータ通信手段
１０９によって文書画像を入力する（ステップ２０
１）。次に、レイアウト解析１０２手段は、取得した文
書画像のレイアウト解析を行う（ステップ２０２）。レ
イアウト解析手段としては、例えば特開平９−４４５９
４号公報または特開平８−１８０１３２号公報などに記
載された方法などを用いる。例えば特開平９−４４５９
４号公報に記載された技術を用いた場合には、レイアウ
ト解析手段１０２は、小領域を抽出する手段と、行方向
を検出する手段と、行方向において小領域を文字列など
に分類する手段と、文字列小領域から段分割空白部を抽
出する手段と、空白部を活用して小領域を統合してまと
まりのある文章領域を抽出する手段などから構成され
る。

【００２４】これにより画像中の主たる行方向と、各領
域（文字領域、表領域、図その他領域等）が得られる。
また、文字領域については各領域毎に行方向も得られ
る。

【００２５】次に、方向判定手段１０５は、画像の方向
判定を行う（ステップ２０３）。図３は、方向判定の詳
細な処理フローチャートである。まず、方向判定手段１
０５はデータ記憶部１０６を参照してステップ２０２の
レイアウト解析において得られた領域のうち、方向判定
に使用するものを選別し、またその順位付けを行う（ス
テップ３０１）。

【００２６】すなわち、文字領域と表領域以外を除き、
次に、大きさの小さい領域を除く。また、主たる行方向
と異なる行方向の文字領域も除く。その上で、文字領域
は表領域より優先順位を高くする。さらに同じ領域種類
においては、面積の大きい方の順位を高くする。

【００２７】以上の優先順位に従い、１領域ずつ方向判
定処理を行う。ただし、処理の途中で方向が確定した場
合はそこで処理を終了する。

【００２８】各領域における処理は以下のように行う。
まず、方向判定手段１０５は、最も優先順位の高い処理
対象領域を選択し（ステップ３０３）、選択された領域
の中から最大Ｎ行を抽出する（ステップ３０４）。次
に、文字切り出し手段１０３は、抽出した行から文字を
切り出す。ここで一度にＮ行内全ての文字を抽出するの
ではなく、最初のＭ個を抽出する（ステップ３０５）。
抽出した各文字について以下の処理を行う。

【００２９】文字認識手段１０４は、文字認識手段内に
設けた辞書と照合することにより、１文字を０度、９０
度、１８０度、２７０度の４方向から認識処理し、各方
向の文字認識結果（文字コード）と確信度（類似度）を
求める（ステップ３０７）。ここで、文字認識の手法は
公知のものを用い、また確信度は、例えば文字の特徴量
と辞書パターンの特徴量との距離（ユークリッド距離、
マハラノビス距離など）を評価値とする。従って、文字
認識の結果、類似度が大きい（距離が小さい）文字ほど
確信度が大きい値をとる。

【００３０】そして、方向判定手段１０５は、４方向の
内で、最大の確信度だけが所定のしきい値を超えた場合
（図４）、この文字は「方向性あり」と判定して（ステ
ップ３０８）、データ記憶部１０６に作成される方向頻
度ヒストグラム（図６）に投票（カウント）する（ステ
ップ３０９）。ここで、最大の確信度がしきい値を超え
て、かつ２番目の確信度との差も大きい場合（図５）、
「方向性あり」と判定するようにしてもよい。

【００３１】「方向性あり」と判断された結果が投票さ
れ、方向頻度ヒストグラムが作成されるので、方向判定
手段１０５は、これを参照して方向判定を行う。すなわ
ち、全体頻度数が一定数以上となった場合で、最大頻度
値が所定のしきい値（図６では８５％）以上となる場合
に、この最大頻度値をとる方向を画像方向として確定し
（ステップ３１０）、処理を終了し、方向判定できない
場合にはステップ３０６に戻って未処理の文字について
同様に処理する。なお、図６では、各方向の度数を全体
の頻度数で除して頻度を正規化している。

【００３２】この方向判定処理は、図３の処理のように
１文字の認識処理が行われる度に判定処理を行ってもよ
いし、Ｍ個の文字について処理する度に１度判定処理を
行うようにしてもよいし、領域単位で判定処理を行って
もよい。

【００３３】そして、方向が確定しない限り次の文字に
ついて処理を行う。Ｍ個の文字全てについて処理が終了
したら（ステップ３０６でＮＯ）、同一領域の次のＭ個
の文字について処理を行う（ステップ３１１、３０
５）。ただし一領域から一定数（たとえばＭ×３）個以
上処理しないようにする（ステップ３１１）。そして、
一領域内の文字数がしきい値を超えたとき（ステップ３
１１でＹＥＳ）、次に優先順位の高い領域を選択し（ス
テップ３０３）、以下、同様に処理する。

【００３４】上記した実施例の他に、表領域については
異なる処理をしてもよい。すなわちＮ行を抽出するので
はなく、表領域のある範囲（上からＰ画素分など）にお
いてＭ個の文字を抽出し、Ｍ個の文字で方向判定できな
かった場合は範囲をずらすなどして更にＭ個の文字を抽
出する。

【００３５】また、ステップ３０７において、文字数が
Ｍ個より少ないなど文字数が少ないときに、認識結果が
予め定めた文字セットまたは文字種（数字、英字など）
であった場合には、確信度の内容に関わらず、そのよう
な特定字種（例えば、従来技術で挙げた「０」「８」
「６」「９」など）を方向判定の対象としない。つま
り、該文字セットまたは文字種は方向性あり／なしの判
定が難しい文字であるので、確信度が所定のしきい値以
上であっても方向頻度ヒストグラムに投票しない。ま
た、特定字種が認識された場合には、ステップ３１０の
頻度判定のしきい値を所定値以上となるように変えても
よい。

【００３６】（実施例２）図７は、本発明の実施例２の
構成を示す。実施例２は、本発明をソフトウェアによっ
て実現する実施例である。ＣＤ−ＲＯＭなどのコンピュ
ータ読み取り可能な記録媒体には、本発明の方向判定機
能を実現するプログラム、辞書などが記録されている。
また、文書画像はスキャナなどから取り込まれ、ハード
ディスクなどに格納されている。そして、該プログラム
が起動されると、文字画像データが読み込まれて、文書
画像の方向判定処理を実行し、判定結果をディスプレイ
などに出力する。

【００３７】

【発明の効果】以上、説明したように、請求項１、２、
３、９、１０記載の発明によれば、複数方向で高い確信
度を持つような文字の影響を低減して、正しく文書画像
の方向を判定することができる。

【００３８】請求項４、５、７記載の発明によれば、方
向判定に有効な領域から処理が行われるので、高速に正
しく文書画像の方向を判定することができる。

【００３９】請求項６記載の発明によれば、より少ない
文字で判定を行っているので、高速に文書画像の方向を
判定することができる。

【００４０】請求項８記載の発明によれば、紛らわしい
文字の影響を低減して正しく文書画像の方向を判定する
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】本発明の実施例１の処理フローチャートであ
る。

【図３】方向判定の詳細フローチャートである。

【図４】方向性ありと判定する確信度の第１の例を示
す。

【図５】方向性ありと判定する確信度の第２の例を示
す。

【図６】方向頻度ヒストグラムの一例を示す。

【図７】本発明の実施例２の構成を示す。

【符号の説明】

１０１画像入力手段１０２レイアウト解析手段１０３文字切り出し手段１０４文字認識手段１０５方向判定手段１０６データ記憶部１０７制御部１０８データ通信路１０９データ通信手段

Claims

【特許請求の範囲】

【請求項１】文書画像の方向を判定する方法であっ
て、前記文書画像から文字を抽出し、該文字を複数の方
向について認識処理し、該認識処理によって得られる確
信度を基に前記文字を方向判定に採用するか否かを判定
し、前記方向判定に採用された複数の文字についての方
向判定結果の頻度分布を基に前記文書画像の方向を判定
することを特徴とする文書画像の方向判定方法。
【請求項２】前記文字を方向判定に採用するか否かの
判定において、一つの方向についての確信度が所定のし
きい値を超えたとき採用することを特徴とする請求項１
記載の文書画像の方向判定方法。
【請求項３】前記文字を方向判定に採用するか否かの
判定において、最も確信度の高い方向における確信度が
所定のしきい値を超えていて、かつ２番目に高い確信度
との差分が大きいときに採用することを特徴とする請求
項１記載の文書画像の方向判定方法。
【請求項４】前記文書画像から文字領域を抽出し、該
各文字領域について方向判定に使用する優先度を判定
し、優先度の高い文字領域から順に、該文字領域内の文
字を抽出することを特徴とする請求項１記載の文書画像
の方向判定方法。
【請求項５】前記文書画像から文字領域を抽出し、該
各文字領域について方向判定に使用するか否かを判定
し、使用すると判定された文字領域内の文字を抽出する
ことを特徴とする請求項１記載の文書画像の方向判定方
法。
【請求項６】前記文書画像から文字領域を抽出し、該
文字領域の処理の順番を所定の基準に従って決定し、該
決定された順番において、文字領域から所定数の文字を
抽出し、該文字を認識処理した結果を基に方向判定を行
い、方向判定の結果が不定の場合には、さらに前記同一
の文字領域から所定数の文字を再度抽出して方向判定を
行い、方向不定である限り、前記再抽出処理を所定回ま
で行い、それでも方向が不定である場合には次の文字領
域に処理を移すことを特徴とする請求項１記載の文書画
像の方向判定方法。
【請求項７】前記文書画像のレイアウトを解析し、該
解析結果を基に方向判定に使用する文字領域を特定し、
該特定された文字領域内の文字を抽出し、該文字の方向
を判定することにより文書画像の方向を判定することを
特徴とする請求項１記載の文書画像の方向判定方法。
【請求項８】前記文書画像から抽出した文字数が少な
いとき、特定字種を除いた文字認識結果を基に方向を判
定することを特徴とする請求項１記載の文書画像の方向
判定方法。
【請求項９】文書画像を入力する手段と、該文字画像
から文字を切り出す手段と、該切り出された文字を複数
の方向について文字認識する手段と、該文字認識の確信
度を基に前記文字の方向性の有無を判定し、方向性が有
ると判定された複数の文字についての方向の頻度分布を
基に前記文書画像の方向を判定する手段とを備えたこと
を特徴とする文書画像の方向判定装置。
【請求項１０】文書画像を入力する機能と、該文字画
像から文字領域を含む領域を抽出する機能と、該領域か
ら文字を切り出す機能と、該切り出された文字を複数の
方向について文字認識する機能と、該文字認識の確信度
を基に前記文字の方向性の有無を判定する機能と、方向
性が有ると判定された複数の文字についての方向の頻度
分布を作成する機能と、該頻度分布を基に前記文書画像
の方向を判定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。