JP2002108854A - 文書処理装置 - Google Patents
文書処理装置Info
- Publication number
- JP2002108854A JP2002108854A JP2000300428A JP2000300428A JP2002108854A JP 2002108854 A JP2002108854 A JP 2002108854A JP 2000300428 A JP2000300428 A JP 2000300428A JP 2000300428 A JP2000300428 A JP 2000300428A JP 2002108854 A JP2002108854 A JP 2002108854A
- Authority
- JP
- Japan
- Prior art keywords
- language type
- character
- text data
- document processing
- language
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Abstract
(57)【要約】
【課題】 テキストデータと画像データとからなる文書
の画像データ中の文字部分の文字認識精度の高い文書処
理装置を提供する。 【解決手段】 テキストデータと画像データとからなる
ＨＴＭＬ文書の画像データ中に文字部がある場合には、
テキストデータのタグ中のキャラクタセットを指定する
文字列を調べて（Ｓ２１，Ｓ２６）、日本語を指定する
文字列の場合には（Ｓ２１：ＹＥＳ、Ｓ２２，Ｓ２３：
ＹＥＳ）、日本語に応じた固定ピッチの文字の切り出し
を行い（Ｓ２４）、日本語の文字認識を行う（Ｓ２
５）。英語を指定する文字列の場合には（Ｓ２６：ＹＥ
Ｓ、Ｓ２７，Ｓ２３：ＮＯ）、英語に応じた可変ピッチ
の文字の切り出しを行い（Ｓ３１）、英語の文字認識を
行う（Ｓ３２）。
の画像データ中の文字部分の文字認識精度の高い文書処
理装置を提供する。 【解決手段】 テキストデータと画像データとからなる
ＨＴＭＬ文書の画像データ中に文字部がある場合には、
テキストデータのタグ中のキャラクタセットを指定する
文字列を調べて（Ｓ２１，Ｓ２６）、日本語を指定する
文字列の場合には（Ｓ２１：ＹＥＳ、Ｓ２２，Ｓ２３：
ＹＥＳ）、日本語に応じた固定ピッチの文字の切り出し
を行い（Ｓ２４）、日本語の文字認識を行う（Ｓ２
５）。英語を指定する文字列の場合には（Ｓ２６：ＹＥ
Ｓ、Ｓ２７，Ｓ２３：ＮＯ）、英語に応じた可変ピッチ
の文字の切り出しを行い（Ｓ３１）、英語の文字認識を
行う（Ｓ３２）。
Description
【０００１】
【発明の属する技術分野】本発明は、テキストデータと
画像データとを持つデータを解析して翻訳を行う文書処
理装置に関する。
画像データとを持つデータを解析して翻訳を行う文書処
理装置に関する。
【０００２】
【従来の技術】従来、テキストデータと画像データとを
持つデータを解析して翻訳を行う文書処理装置におい
て、テキストデータと画像データの両方を含む文書を翻
訳する際には、テキストデータのみを翻訳して画像デー
タと合成して結果を表示する方法が知られている。例え
ば、図４の(１）に示すように、「This is English Hom
ePage. American Flag is shown in Fig 1.」が、星条
旗の画像の上に記載され、星条旗の画像の下に、「Fig
１」が記載されている場合に、「This is EnglishHome
Page. American Flag is shown in Fig 1.」がテキスト
データで記載されており、星条旗の画像の下に記載され
ている「Fig １」は、画像データの場合には、テキスト
データである「This is English Home Page. American
Flag is shown in Fig 1.」は、「これは英語のホーム
ページです。アメリカの旗を図１に示す。」と日本語に
翻訳されて、画像データである星条旗の画像と、画像デ
ータである「Fig １」と合成されて、図４（２）に示す
ように表示されることになる。
持つデータを解析して翻訳を行う文書処理装置におい
て、テキストデータと画像データの両方を含む文書を翻
訳する際には、テキストデータのみを翻訳して画像デー
タと合成して結果を表示する方法が知られている。例え
ば、図４の(１）に示すように、「This is English Hom
ePage. American Flag is shown in Fig 1.」が、星条
旗の画像の上に記載され、星条旗の画像の下に、「Fig
１」が記載されている場合に、「This is EnglishHome
Page. American Flag is shown in Fig 1.」がテキスト
データで記載されており、星条旗の画像の下に記載され
ている「Fig １」は、画像データの場合には、テキスト
データである「This is English Home Page. American
Flag is shown in Fig 1.」は、「これは英語のホーム
ページです。アメリカの旗を図１に示す。」と日本語に
翻訳されて、画像データである星条旗の画像と、画像デ
ータである「Fig １」と合成されて、図４（２）に示す
ように表示されることになる。
【０００３】
【発明が解決しようとする課題】しかしながら、上記の
方法では、画像データ中の文字部分である「Fig １」が
翻訳されないために、図４（２）に示すように日本語と
英語が混合した文書になってしまうという問題点があっ
た。また、特開平１０−１５４１４５号公報に記載され
ているように、画像データ中の文字部分を抽出して文字
認識を行い、翻訳する技術も提案されているが、必ずし
も、文字認識の精度が満足いかないという問題点があっ
た。
方法では、画像データ中の文字部分である「Fig １」が
翻訳されないために、図４（２）に示すように日本語と
英語が混合した文書になってしまうという問題点があっ
た。また、特開平１０−１５４１４５号公報に記載され
ているように、画像データ中の文字部分を抽出して文字
認識を行い、翻訳する技術も提案されているが、必ずし
も、文字認識の精度が満足いかないという問題点があっ
た。
【０００４】本発明は、上記課題を解決するためになさ
れたものであり、テキストデータと画像データとからな
る文書を解析して文字認識を行って、その結果の翻訳を
行う文書処理装置において、画像データ中の文字部分の
文字認識精度の高い文書処理装置を提供することを目的
とする。
れたものであり、テキストデータと画像データとからな
る文書を解析して文字認識を行って、その結果の翻訳を
行う文書処理装置において、画像データ中の文字部分の
文字認識精度の高い文書処理装置を提供することを目的
とする。
【０００５】
【課題を解決するための手段】上記目的を達成するため
の請求項１に係る発明の文書処理装置は、入力されたテ
キストデータとそのテキストデータに付随する画像デー
タとを記憶する記憶手段と、前記記憶手段に記憶された
テキストデータの言語種を判別する言語種判別手段と、
前記記憶手段に記憶された画像データから画像部分と文
字部分とを分離する分離手段と、前記分離手段が分離し
た文字部分を前記言語種判別手段によって判別された言
語種に基づいて文字認識を行って文字コードに変換する
文字認識手段とを備えたことを特徴とする構成となって
いる。
の請求項１に係る発明の文書処理装置は、入力されたテ
キストデータとそのテキストデータに付随する画像デー
タとを記憶する記憶手段と、前記記憶手段に記憶された
テキストデータの言語種を判別する言語種判別手段と、
前記記憶手段に記憶された画像データから画像部分と文
字部分とを分離する分離手段と、前記分離手段が分離し
た文字部分を前記言語種判別手段によって判別された言
語種に基づいて文字認識を行って文字コードに変換する
文字認識手段とを備えたことを特徴とする構成となって
いる。
【０００６】この構成の文書処理装置では、テキストデ
ータとそのテキストデータに付随する画像データとから
なるデータに対して、言語種判別手段がテキストデータ
の言語種を判別し、分離手段が画像データから分離した
文字部分を言語種判別手段によって判別された言語種に
基づいて文字認識手段が文字認識を行って文字コードに
変換するので、文字認識の精度を高めることができる。
ータとそのテキストデータに付随する画像データとから
なるデータに対して、言語種判別手段がテキストデータ
の言語種を判別し、分離手段が画像データから分離した
文字部分を言語種判別手段によって判別された言語種に
基づいて文字認識手段が文字認識を行って文字コードに
変換するので、文字認識の精度を高めることができる。
【０００７】また、請求項２に係る発明の文書処理装置
では、請求項１に記載の文書処理装置の構成に加えて、
前記文字認識手段は、前記言語種判別手段によって判別
された言語種専用の文字認識辞書を使用して文字認識を
行うことを特徴とする構成となっている。
では、請求項１に記載の文書処理装置の構成に加えて、
前記文字認識手段は、前記言語種判別手段によって判別
された言語種専用の文字認識辞書を使用して文字認識を
行うことを特徴とする構成となっている。
【０００８】この構成の文書処理装置では、請求項１に
記載の文書処理装置の作用に加えて、前記文字認識手段
は、前記言語種判別手段によって判別された言語種専用
の文字認識辞書を使用して文字認識を行うことができる
ので、文字認識の精度をより高めることができる。
記載の文書処理装置の作用に加えて、前記文字認識手段
は、前記言語種判別手段によって判別された言語種専用
の文字認識辞書を使用して文字認識を行うことができる
ので、文字認識の精度をより高めることができる。
【０００９】また、請求項３に係る発明の文書処理装置
では、請求項１又は２に記載の文書処理装置の構成に加
えて、前記テキストデータは言語種別の情報を含み、前
記言語種判別手段は、前記テキストデータが含む言語種
別の情報に基づき、前記テキストデータの言語種を判別
することを特徴とする構成となっている。
では、請求項１又は２に記載の文書処理装置の構成に加
えて、前記テキストデータは言語種別の情報を含み、前
記言語種判別手段は、前記テキストデータが含む言語種
別の情報に基づき、前記テキストデータの言語種を判別
することを特徴とする構成となっている。
【００１０】この構成の文書処理装置では、請求項１又
は２に記載の文書処理装置の作用に加えて、前記テキス
トデータは言語種別の情報を含み、前記言語種判別手段
は、前記テキストデータが含む言語種別の情報に基づ
き、前記テキストデータの言語種を判別するので、言語
種の判別をより正確に行うことができる。
は２に記載の文書処理装置の作用に加えて、前記テキス
トデータは言語種別の情報を含み、前記言語種判別手段
は、前記テキストデータが含む言語種別の情報に基づ
き、前記テキストデータの言語種を判別するので、言語
種の判別をより正確に行うことができる。
【００１１】また、請求項４に係る発明の文書処理装置
では、請求項１乃至３の何れかに記載の文書処理装置の
構成に加えて、前記テキストデータはＨＴＭＬで記述さ
れ、前記言語種判別手段は、前記テキストデータ中のキ
ャラクタセットを指定するコードを参照して、言語種を
判別することを特徴とする構成となっている。
では、請求項１乃至３の何れかに記載の文書処理装置の
構成に加えて、前記テキストデータはＨＴＭＬで記述さ
れ、前記言語種判別手段は、前記テキストデータ中のキ
ャラクタセットを指定するコードを参照して、言語種を
判別することを特徴とする構成となっている。
【００１２】この構成の文書処理装置では、請求項１乃
至３の何れかに記載の文書処理装置の作用に加えて、前
記言語種判別手段は、ＨＴＭＬで記述されたテキストデ
ータ中のキャラクタセットを指定するコードを参照し
て、言語種を判別するので、言語種の判別をより正確に
行うことができる。
至３の何れかに記載の文書処理装置の作用に加えて、前
記言語種判別手段は、ＨＴＭＬで記述されたテキストデ
ータ中のキャラクタセットを指定するコードを参照し
て、言語種を判別するので、言語種の判別をより正確に
行うことができる。
【００１３】また、請求項５に係る発明の文書処理装置
では、請求項１乃至３の何れかに記載の文書処理装置の
構成に加えて、前記言語種判別手段は、前記テキストデ
ータが２バイトの文字コードにより記述されているか否
かに基づいて、言語種を判別することを特徴とする構成
となっている。
では、請求項１乃至３の何れかに記載の文書処理装置の
構成に加えて、前記言語種判別手段は、前記テキストデ
ータが２バイトの文字コードにより記述されているか否
かに基づいて、言語種を判別することを特徴とする構成
となっている。
【００１４】この構成の文書処理装置では、請求項１乃
至３の何れかに記載の文書処理装置の作用に加えて、前
記言語種判別手段は、前記テキストデータが２バイトの
文字コードにより記述されているか否かに基づいて、言
語種を判別するので、キャラクタセットを指定するコー
ドがない場合にも、言語種の判別をより正確に行うこと
ができる。
至３の何れかに記載の文書処理装置の作用に加えて、前
記言語種判別手段は、前記テキストデータが２バイトの
文字コードにより記述されているか否かに基づいて、言
語種を判別するので、キャラクタセットを指定するコー
ドがない場合にも、言語種の判別をより正確に行うこと
ができる。
【００１５】また、請求項６に係る発明の文書処理装置
では、請求項１乃至５の何れかに記載の文書処理装置の
構成に加えて、前記文字認識手段は前記言語種判別手段
によって、判別された言語種に基づいて前記分離手段が
分離した前記文字部分の一文字分の文字の切り出し方法
を変更することを特徴とする構成となっている。
では、請求項１乃至５の何れかに記載の文書処理装置の
構成に加えて、前記文字認識手段は前記言語種判別手段
によって、判別された言語種に基づいて前記分離手段が
分離した前記文字部分の一文字分の文字の切り出し方法
を変更することを特徴とする構成となっている。
【００１６】この構成の文書処理装置では、請求項１乃
至５の何れかに記載の文書処理装置の作用に加えて、前
記文字認識手段は前記言語種判別手段によって、判別さ
れた言語種に基づいて前記分離手段が分離した前記文字
部分の一文字分の文字の切り出し方法を変更するので、
言語種に応じて正確に文字の切り出しを行うことができ
る。
至５の何れかに記載の文書処理装置の作用に加えて、前
記文字認識手段は前記言語種判別手段によって、判別さ
れた言語種に基づいて前記分離手段が分離した前記文字
部分の一文字分の文字の切り出し方法を変更するので、
言語種に応じて正確に文字の切り出しを行うことができ
る。
【００１７】また、請求項７に係る発明の文書処理装置
では、請求項１乃至６の何れかに記載の文書処理装置の
構成に加えて、前記文字認識手段は、前記言語種判別手
段によって言語種を判別された言語が、固定ピッチを主
に使用する言語か可変ピッチを主に使用する言語かに基
づいて、前記分離手段が分離した前記文字部分の一文字
毎の文字の切り出し方法を変更することを特徴とする構
成となっている。
では、請求項１乃至６の何れかに記載の文書処理装置の
構成に加えて、前記文字認識手段は、前記言語種判別手
段によって言語種を判別された言語が、固定ピッチを主
に使用する言語か可変ピッチを主に使用する言語かに基
づいて、前記分離手段が分離した前記文字部分の一文字
毎の文字の切り出し方法を変更することを特徴とする構
成となっている。
【００１８】この構成の文書処理装置では、請求項１乃
至６の何れかに記載の文書処理装置の作用に加えて、前
記文字認識手段は、前記言語種判別手段によって言語種
を判別された言語が、固定ピッチを主に使用する言語か
可変ピッチを主に使用する言語かに基づいて、前記分離
手段が分離した前記文字部分の一文字毎の文字の切り出
し方法を変更するので、言語種に応じて正確に文字の切
り出しを行うことができる。
至６の何れかに記載の文書処理装置の作用に加えて、前
記文字認識手段は、前記言語種判別手段によって言語種
を判別された言語が、固定ピッチを主に使用する言語か
可変ピッチを主に使用する言語かに基づいて、前記分離
手段が分離した前記文字部分の一文字毎の文字の切り出
し方法を変更するので、言語種に応じて正確に文字の切
り出しを行うことができる。
【００１９】また、請求項８に係る発明の文書処理装置
では、請求項１乃至７の何れかに記載の文書処理装置の
構成に加えて、前記文字認識手段の認識結果を前記言語
種判別手段が判別した言語種と異なる言語種に翻訳する
翻訳手段と、前記翻訳手段の翻訳結果と前記分離手段に
より分離された画像部分とを合成した合成画像データを
作成する文書合成手段とを備えたことを特徴とする構成
となっている。
では、請求項１乃至７の何れかに記載の文書処理装置の
構成に加えて、前記文字認識手段の認識結果を前記言語
種判別手段が判別した言語種と異なる言語種に翻訳する
翻訳手段と、前記翻訳手段の翻訳結果と前記分離手段に
より分離された画像部分とを合成した合成画像データを
作成する文書合成手段とを備えたことを特徴とする構成
となっている。
【００２０】この構成の文書処理装置では、請求項１乃
至７の何れかに記載の文書処理装置の作用に加えて、翻
訳手段は、前記文字認識手段の認識結果を前記言語種判
別手段が判別した言語種と異なる言語種に翻訳し、文書
合成手段は前記翻訳手段の翻訳結果と前記分離手段によ
り分離された画像部分とを合成した合成画像データを作
成することができる。
至７の何れかに記載の文書処理装置の作用に加えて、翻
訳手段は、前記文字認識手段の認識結果を前記言語種判
別手段が判別した言語種と異なる言語種に翻訳し、文書
合成手段は前記翻訳手段の翻訳結果と前記分離手段によ
り分離された画像部分とを合成した合成画像データを作
成することができる。
【００２１】また、請求項９に係る発明の文書処理装置
では、請求項１乃至８の何れかに記載の文書処理装置の
構成に加えて、前記文書合成手段が合成した合成画像デ
ータを表示する表示手段を備えたことを特徴とする構成
となっている。
では、請求項１乃至８の何れかに記載の文書処理装置の
構成に加えて、前記文書合成手段が合成した合成画像デ
ータを表示する表示手段を備えたことを特徴とする構成
となっている。
【００２２】この構成の文書処理装置では、請求項１乃
至８の何れかに記載の文書処理装置の作用に加えて、表
示手段は、前記文書合成手段が合成した合成画像データ
を表示することができる。
至８の何れかに記載の文書処理装置の作用に加えて、表
示手段は、前記文書合成手段が合成した合成画像データ
を表示することができる。
【００２３】
【発明の実施の形態】以下、本発明の一実施の形態につ
いて図面を参照して説明する。
いて図面を参照して説明する。
【００２４】図１は、文書処理装置１の装置の概略構成
を示すブロック図であり、図２は、文書処理装置１の主
制御のフローチャートであり、図３は、文書処理装置１
の言語種判別文字認識処理のサブルーチンのフローチャ
ートである。
を示すブロック図であり、図２は、文書処理装置１の主
制御のフローチャートであり、図３は、文書処理装置１
の言語種判別文字認識処理のサブルーチンのフローチャ
ートである。
【００２５】図１に示すように、本発明の第一の実施の
形態の文書処理装置１は、文書処理装置１の制御を司る
ＣＰＵ２に、ＣＰＵ２で実行されるプログラム等を記憶
したＲＯＭ７と、データを一時的に記憶するＲＡＭ８
と、ＣＰＵ２へのデータの入出力を仲介するＩ／Ｏイン
ターフェース３とが接続されている。また、Ｉ／Ｏイン
ターフェース３には、文字を入力するキーボード４と、
マウス５と、ＬＣＤ又はＣＲＴから構成された表示装置
６と、ＣＤ−ＲＯＭドライブ９と、外部のネットワーク
に接続するためのＬＡＮボード１０と、大容量のデータ
を記憶するハードディスクドライブ１２とが接続されて
いる。また、ＬＡＮボード１０は、ケーブル１１を介し
て、図示外のルータに接続され、図示外のルータは、イ
ンターネットに接続されている。
形態の文書処理装置１は、文書処理装置１の制御を司る
ＣＰＵ２に、ＣＰＵ２で実行されるプログラム等を記憶
したＲＯＭ７と、データを一時的に記憶するＲＡＭ８
と、ＣＰＵ２へのデータの入出力を仲介するＩ／Ｏイン
ターフェース３とが接続されている。また、Ｉ／Ｏイン
ターフェース３には、文字を入力するキーボード４と、
マウス５と、ＬＣＤ又はＣＲＴから構成された表示装置
６と、ＣＤ−ＲＯＭドライブ９と、外部のネットワーク
に接続するためのＬＡＮボード１０と、大容量のデータ
を記憶するハードディスクドライブ１２とが接続されて
いる。また、ＬＡＮボード１０は、ケーブル１１を介し
て、図示外のルータに接続され、図示外のルータは、イ
ンターネットに接続されている。
【００２６】次に、ＲＯＭ７の記憶エリアについて説明
する。ＲＯＭ７には、図１に示すように、ＨＴＭＬ（ハ
イパー・テキスト・マークアップ・ランゲージ）ファイ
ル解析プログラム記憶エリア７ａと、レイアウト解析プ
ログラム記憶エリア７ｂと、言語種判別プログラム記憶
エリア７ｃと、日本語切り出しプログラム記憶エリア７
ｄと、日本語認識プログラム記憶エリア７ｅ、日本語認
識辞書記憶エリア７ｆと、英語切り出しプログラム記憶
エリア７ｇと、英語認識プログラム記憶エリア７ｈと、
英語認識辞書記憶エリア７ｉと、翻訳プログラム記憶エ
リア７ｊと、ＨＴＭＬファイル合成プログラム記憶エリ
ア７ｋとが設けられている。
する。ＲＯＭ７には、図１に示すように、ＨＴＭＬ（ハ
イパー・テキスト・マークアップ・ランゲージ）ファイ
ル解析プログラム記憶エリア７ａと、レイアウト解析プ
ログラム記憶エリア７ｂと、言語種判別プログラム記憶
エリア７ｃと、日本語切り出しプログラム記憶エリア７
ｄと、日本語認識プログラム記憶エリア７ｅ、日本語認
識辞書記憶エリア７ｆと、英語切り出しプログラム記憶
エリア７ｇと、英語認識プログラム記憶エリア７ｈと、
英語認識辞書記憶エリア７ｉと、翻訳プログラム記憶エ
リア７ｊと、ＨＴＭＬファイル合成プログラム記憶エリ
ア７ｋとが設けられている。
【００２７】尚、ＨＴＭＬファイル解析プログラム記憶
エリア７ａには、ＨＴＭＬで記述されたファイルを解析
して、テキストデータと画像データとを抽出する処理を
ＣＰＵ２に行わせるＨＴＭＬファイル解析プログラムが
記憶されている。また、レイアウト解析プログラム記憶
エリア７ｂには、抽出された画像データをレイアウト解
析し、図のブロック、文字のブロック、表のブロック等
の解析する処理をＣＰＵ２に行わせるレイアウト解析プ
ログラムが記憶されている。
エリア７ａには、ＨＴＭＬで記述されたファイルを解析
して、テキストデータと画像データとを抽出する処理を
ＣＰＵ２に行わせるＨＴＭＬファイル解析プログラムが
記憶されている。また、レイアウト解析プログラム記憶
エリア７ｂには、抽出された画像データをレイアウト解
析し、図のブロック、文字のブロック、表のブロック等
の解析する処理をＣＰＵ２に行わせるレイアウト解析プ
ログラムが記憶されている。
【００２８】さらに、言語種判別プログラム記憶エリア
７ｃには、抽出されたテキストデータから言語種の判別
処理をＣＰＵ２に行わせる言語種判別プログラムが記憶
されている。また、日本語切り出しプログラム記憶エリ
ア７ｄには、抽出されたテキストデータが日本語の場合
に、抽出された画像データの文字のブロックから固定ピ
ッチで文字を出す処理をＣＰＵ２に行わせる日本語切り
出しプログラムが記憶されている。
７ｃには、抽出されたテキストデータから言語種の判別
処理をＣＰＵ２に行わせる言語種判別プログラムが記憶
されている。また、日本語切り出しプログラム記憶エリ
ア７ｄには、抽出されたテキストデータが日本語の場合
に、抽出された画像データの文字のブロックから固定ピ
ッチで文字を出す処理をＣＰＵ２に行わせる日本語切り
出しプログラムが記憶されている。
【００２９】さらに、日本語認識プログラム記憶エリア
７ｅには、日本語の文字認識を行う処理をＣＰＵ２に行
わせる日本語認識プログラムが記憶されている。また、
日本語認識辞書記憶エリア７ｆには、日本語の文字認識
時に参照される日本語認識辞書が記憶されている。さら
に、英語切り出しプログラム記憶エリア７ｇには、抽出
された画像データの文字のブロックから可変ピッチで文
字を出す処理をＣＰＵ２に行わせる英語切り出しプログ
ラムが記憶されている。
７ｅには、日本語の文字認識を行う処理をＣＰＵ２に行
わせる日本語認識プログラムが記憶されている。また、
日本語認識辞書記憶エリア７ｆには、日本語の文字認識
時に参照される日本語認識辞書が記憶されている。さら
に、英語切り出しプログラム記憶エリア７ｇには、抽出
された画像データの文字のブロックから可変ピッチで文
字を出す処理をＣＰＵ２に行わせる英語切り出しプログ
ラムが記憶されている。
【００３０】また、英語認識プログラム記憶エリア７ｈ
には、英語の文字認識を行う処理をＣＰＵ２に行わせる
英語認識プログラムが記憶されている。さらに、英語認
識辞書記憶エリア７ｉには、英語の文字認識時に参照さ
れる英語認識辞書が記憶されている。また、翻訳プログ
ラム記憶エリア７ｊには、英語から日本語、又は、日本
語から英語に翻訳する処理をＣＰＵ２に行わせる翻訳プ
ログラムが記憶されている。さらに、ＨＴＭＬファイル
合成プログラム記憶エリア７ｋには、画像データ中の文
字部分の翻訳された結果と、画像データ中の文字部分以
外の部分を合成する処理をＣＰＵ２に行わせるＨＴＭＬ
ファイル合成プログラムが記憶されている。
には、英語の文字認識を行う処理をＣＰＵ２に行わせる
英語認識プログラムが記憶されている。さらに、英語認
識辞書記憶エリア７ｉには、英語の文字認識時に参照さ
れる英語認識辞書が記憶されている。また、翻訳プログ
ラム記憶エリア７ｊには、英語から日本語、又は、日本
語から英語に翻訳する処理をＣＰＵ２に行わせる翻訳プ
ログラムが記憶されている。さらに、ＨＴＭＬファイル
合成プログラム記憶エリア７ｋには、画像データ中の文
字部分の翻訳された結果と、画像データ中の文字部分以
外の部分を合成する処理をＣＰＵ２に行わせるＨＴＭＬ
ファイル合成プログラムが記憶されている。
【００３１】次に、ＲＡＭ８の記憶エリアについて説明
する。ＲＡＭ８には、図１に示すように、ＨＴＭＬで記
述されたファイルから抽出したテキストデータを記憶す
るテキストデータ記憶エリア８ａと、ＨＴＭＬで記述さ
れたファイルから抽出した画像データを記憶する画像デ
ータ記憶エリア８ｂと、言語種の判別処理結果を記憶す
る言語種判別フラグ記憶エリア８ｃと、画像データの解
析結果を記憶する解析結果記憶エリア８ｄと、翻訳結果
を記憶する翻訳結果記憶エリア８ｅと、文字の切り出し
結果を記憶する切り出し結果記憶エリア８ｆと、画像デ
ータ中の文字部分の翻訳された結果と画像データ中の文
字部分以外の部分との合成結果を記憶する合成結果記憶
エリア８ｇと、文字認識の結果を記憶する認識結果記憶
エリア８ｈと、ＣＰＵ２が行う各種の処理でデータを記
憶するワーキングエリア８ｉとが設けられている。
する。ＲＡＭ８には、図１に示すように、ＨＴＭＬで記
述されたファイルから抽出したテキストデータを記憶す
るテキストデータ記憶エリア８ａと、ＨＴＭＬで記述さ
れたファイルから抽出した画像データを記憶する画像デ
ータ記憶エリア８ｂと、言語種の判別処理結果を記憶す
る言語種判別フラグ記憶エリア８ｃと、画像データの解
析結果を記憶する解析結果記憶エリア８ｄと、翻訳結果
を記憶する翻訳結果記憶エリア８ｅと、文字の切り出し
結果を記憶する切り出し結果記憶エリア８ｆと、画像デ
ータ中の文字部分の翻訳された結果と画像データ中の文
字部分以外の部分との合成結果を記憶する合成結果記憶
エリア８ｇと、文字認識の結果を記憶する認識結果記憶
エリア８ｈと、ＣＰＵ２が行う各種の処理でデータを記
憶するワーキングエリア８ｉとが設けられている。
【００３２】以上のように構成された文書処理装置１の
動作について、図２乃至図４を参照して説明する。図２
は、文書処理装置１が行う主制御のフローチャートであ
り、図３は、言語種判別文字認識処理のフローチャート
であり、図４は、テキストデータと画像データとを有す
るＨＴＭＬファイルが、表示装置６のブラウザ画面上に
表示された例を示す図である。
動作について、図２乃至図４を参照して説明する。図２
は、文書処理装置１が行う主制御のフローチャートであ
り、図３は、言語種判別文字認識処理のフローチャート
であり、図４は、テキストデータと画像データとを有す
るＨＴＭＬファイルが、表示装置６のブラウザ画面上に
表示された例を示す図である。
【００３３】以下、インターネットのホームページを英
語から日本語へ翻訳する場合を例にとって説明する。イ
ンターネットのホームページ上に、図４(１）に示すよ
うに、テキストデータで「This is English Home Page.
American Flag is shown inFig 1.」と記述され、その
下に星条旗の画像が配置され、星条旗の画像の下に、画
像データである「Fig １」が配置されている画面を表示
するＨＴＭＬファイルがあるとする。このＨＴＭＬファ
イルでは、「This is English Home Page. American Fl
ag is shown in Fig 1.」が英語のテキストデータで記
述され、星条旗及びその下の「Fig １」は、一体の画像
データから構成されているとする。
語から日本語へ翻訳する場合を例にとって説明する。イ
ンターネットのホームページ上に、図４(１）に示すよ
うに、テキストデータで「This is English Home Page.
American Flag is shown inFig 1.」と記述され、その
下に星条旗の画像が配置され、星条旗の画像の下に、画
像データである「Fig １」が配置されている画面を表示
するＨＴＭＬファイルがあるとする。このＨＴＭＬファ
イルでは、「This is English Home Page. American Fl
ag is shown in Fig 1.」が英語のテキストデータで記
述され、星条旗及びその下の「Fig １」は、一体の画像
データから構成されているとする。
【００３４】文書処理装置１では、そのインターネット
のホームページ上のＨＴＭＬファイルを、図示外のルー
タを介して、ケーブル１１及びＬＡＮボード１０を経
て、取り込みＲＡＭ８のワーキングエリア８ｉに記憶す
る。すると、表示装置６のブラウザ画面上には、図４
(１）に示すように、上部に「This is English Home Pa
ge. American Flag is shown in Fig 1.」と表示され、
その下に星条旗の画像が配置され、星条旗の画像の下
に、Fig １と表示がなされる。
のホームページ上のＨＴＭＬファイルを、図示外のルー
タを介して、ケーブル１１及びＬＡＮボード１０を経
て、取り込みＲＡＭ８のワーキングエリア８ｉに記憶す
る。すると、表示装置６のブラウザ画面上には、図４
(１）に示すように、上部に「This is English Home Pa
ge. American Flag is shown in Fig 1.」と表示され、
その下に星条旗の画像が配置され、星条旗の画像の下
に、Fig １と表示がなされる。
【００３５】ここで、使用者が、マウス５を用いて、表
示装置６に表示されている。図示外の翻訳ボタンをクリ
ックすると、図４(１）に示す表示画面のソースコード
であり、ＲＡＭ８のワーキングエリア８ｉに記憶されて
いるＨＴＭＬファイルを解析し、そのＨＴＭＬファイル
からテキストデータと画像データとを抽出し、テキスト
データをＲＡＭ８のテキストデータ記憶エリア８ａに記
憶し、画像データをＲＡＭ８の画像データ記憶エリア８
ｂに記憶する（Ｓ１）。ここでは、「This isEnglish H
ome Page. American Flag is shown in Fig 1.」が、テ
キストデータとして抽出され、星条旗及びその下の「Fi
g １」は、一体の画像データとして抽出される。
示装置６に表示されている。図示外の翻訳ボタンをクリ
ックすると、図４(１）に示す表示画面のソースコード
であり、ＲＡＭ８のワーキングエリア８ｉに記憶されて
いるＨＴＭＬファイルを解析し、そのＨＴＭＬファイル
からテキストデータと画像データとを抽出し、テキスト
データをＲＡＭ８のテキストデータ記憶エリア８ａに記
憶し、画像データをＲＡＭ８の画像データ記憶エリア８
ｂに記憶する（Ｓ１）。ここでは、「This isEnglish H
ome Page. American Flag is shown in Fig 1.」が、テ
キストデータとして抽出され、星条旗及びその下の「Fi
g １」は、一体の画像データとして抽出される。
【００３６】次に、Ｓ２の判断処理で、ＨＴＭＬファイ
ルから抽出されたテキストデータが有るか否かを判断す
る。図４(１）に示す表示画面では、「This is English
Home Page. American Flag is shown in Fig 1.」の部
分が、テキストデータとして抽出されているので（Ｓ
２：ＹＥＳ）、周知の機械翻訳法により、当該テキスト
データを日本語に翻訳する（Ｓ３）。すると、「これは
英語のホームページです。アメリカの旗を図１に示
す。」と翻訳され、ＲＡＭ８の翻訳結果記憶エリア８ｅ
に記憶される（Ｓ３）。
ルから抽出されたテキストデータが有るか否かを判断す
る。図４(１）に示す表示画面では、「This is English
Home Page. American Flag is shown in Fig 1.」の部
分が、テキストデータとして抽出されているので（Ｓ
２：ＹＥＳ）、周知の機械翻訳法により、当該テキスト
データを日本語に翻訳する（Ｓ３）。すると、「これは
英語のホームページです。アメリカの旗を図１に示
す。」と翻訳され、ＲＡＭ８の翻訳結果記憶エリア８ｅ
に記憶される（Ｓ３）。
【００３７】次いで、ＨＴＭＬファイルから抽出された
画像データが有るか否かを判断する（Ｓ４）。図４
(１）に示す表示画面では、星条旗及びその下の「Fig
１」は、一体の画像データとして抽出されているので
（Ｓ４：ＹＥＳ）、当該画像データの解析を行う（Ｓ
５）。具体的には、抽出された画像データをレイアウト
解析し、図のブロック、文字のブロック、表のブロック
等を抽出して、解析結果記憶エリア８ｄに記憶する処理
を行う。この解析処理は、レイアウト解析の周知技術を
用いることができ、例えば、画像データの射影を求め
て、その射影の特徴により、図のブロック、文字のブロ
ック、表のブロック等の解析を行う（Ｓ５）。例えば、
文字のブロックには、射影に切れ目が生じるが、図のブ
ロックでは、射影に切れ目が生じないので文字のブロッ
クと図のブロックは容易に識別できる。 図４（１）に
示す例では、画像データ中に文字部（文字のブロック）
である「Fig１」が存在するので、文字部（文字のブロ
ック）である「Fig １」を解析結果記憶エリア８ｄに記
憶する。
画像データが有るか否かを判断する（Ｓ４）。図４
(１）に示す表示画面では、星条旗及びその下の「Fig
１」は、一体の画像データとして抽出されているので
（Ｓ４：ＹＥＳ）、当該画像データの解析を行う（Ｓ
５）。具体的には、抽出された画像データをレイアウト
解析し、図のブロック、文字のブロック、表のブロック
等を抽出して、解析結果記憶エリア８ｄに記憶する処理
を行う。この解析処理は、レイアウト解析の周知技術を
用いることができ、例えば、画像データの射影を求め
て、その射影の特徴により、図のブロック、文字のブロ
ック、表のブロック等の解析を行う（Ｓ５）。例えば、
文字のブロックには、射影に切れ目が生じるが、図のブ
ロックでは、射影に切れ目が生じないので文字のブロッ
クと図のブロックは容易に識別できる。 図４（１）に
示す例では、画像データ中に文字部（文字のブロック）
である「Fig１」が存在するので、文字部（文字のブロ
ック）である「Fig １」を解析結果記憶エリア８ｄに記
憶する。
【００３８】図４（１）に示す例では、画像データ中に
文字部（文字のブロック）である「Fig １」が存在する
ので（Ｓ６：ＹＥＳ）、言語種判別文字認識処理（Ｓ
７）を行う。この言語種判別文字認識処理（Ｓ７）は、
図３に示す言語種判別文字認識処理のサブルーチンのフ
ローチャートに従って行われる。
文字部（文字のブロック）である「Fig １」が存在する
ので（Ｓ６：ＹＥＳ）、言語種判別文字認識処理（Ｓ
７）を行う。この言語種判別文字認識処理（Ｓ７）は、
図３に示す言語種判別文字認識処理のサブルーチンのフ
ローチャートに従って行われる。
【００３９】まず、言語種の判別を行うために、図２の
Ｓ１の処理で抽出され、ＲＡＭのテキストデータ記憶エ
リア８ａに記憶されているＨＴＭＬのテキストデータの
タグ中に、日本語のキャラクタセットを指定するコード
である「charset=shiftjis」の文字列が有るか否かを判
断する（Ｓ２１）。「charset=shiftjis」の文字列が有
る場合には、文字種は日本語であるので、言語種判別フ
ラグを日本語にセットしてＲＡＭ８の言語種判別フラグ
記憶エリア８ｃに記憶する（Ｓ２２）。
Ｓ１の処理で抽出され、ＲＡＭのテキストデータ記憶エ
リア８ａに記憶されているＨＴＭＬのテキストデータの
タグ中に、日本語のキャラクタセットを指定するコード
である「charset=shiftjis」の文字列が有るか否かを判
断する（Ｓ２１）。「charset=shiftjis」の文字列が有
る場合には、文字種は日本語であるので、言語種判別フ
ラグを日本語にセットしてＲＡＭ８の言語種判別フラグ
記憶エリア８ｃに記憶する（Ｓ２２）。
【００４０】テキストデータのタグ中に「charset=shif
tjis」の文字列が無い場合で（Ｓ２１：ＮＯ）、ＲＡＭ
のテキストデータ記憶エリア８ａに記憶されているＨＴ
ＭＬのテキストデータのタグ中に、英語のキャラクタセ
ットを指定するコードである「charset=iso8859」の文
字列が有る場合には、文字種は英語であるので、言語種
判別フラグを英語にセットしてＲＡＭ８の言語種判別フ
ラグ記憶エリア８ｃに記憶する（Ｓ２２）。
tjis」の文字列が無い場合で（Ｓ２１：ＮＯ）、ＲＡＭ
のテキストデータ記憶エリア８ａに記憶されているＨＴ
ＭＬのテキストデータのタグ中に、英語のキャラクタセ
ットを指定するコードである「charset=iso8859」の文
字列が有る場合には、文字種は英語であるので、言語種
判別フラグを英語にセットしてＲＡＭ８の言語種判別フ
ラグ記憶エリア８ｃに記憶する（Ｓ２２）。
【００４１】また、テキストデータのタグ中に「charse
t=iso8859」の文字列もない場合には（Ｓ２６：Ｎ
Ｏ）、テキストコードが２バイトコードか否かを判断す
る（Ｓ２８）。テキストコードが２バイトコードの場合
には、日本語と考えられるので、言語種判別フラグを日
本語にセットしてＲＡＭ８の言語種判別フラグ記憶エリ
ア８ｃに記憶する（Ｓ２２）。
t=iso8859」の文字列もない場合には（Ｓ２６：Ｎ
Ｏ）、テキストコードが２バイトコードか否かを判断す
る（Ｓ２８）。テキストコードが２バイトコードの場合
には、日本語と考えられるので、言語種判別フラグを日
本語にセットしてＲＡＭ８の言語種判別フラグ記憶エリ
ア８ｃに記憶する（Ｓ２２）。
【００４２】また、テキストコードが２バイトコードで
ない場合には、英語と考えられるので、言語種判別フラ
グを英語にセットしてＲＡＭ８の言語種判別フラグ記憶
エリア８ｃに記憶する（Ｓ２２）。図４（１）に示す例
では、テキストデータは英語であるので、テキストデー
タのタグ中に英語を指定する「charset=iso8859」の文
字列が存在したとして、言語種判別フラグを英語にセッ
トしてＲＡＭ８の言語種判別フラグ記憶エリア８ｃに記
憶する（Ｓ２２）。
ない場合には、英語と考えられるので、言語種判別フラ
グを英語にセットしてＲＡＭ８の言語種判別フラグ記憶
エリア８ｃに記憶する（Ｓ２２）。図４（１）に示す例
では、テキストデータは英語であるので、テキストデー
タのタグ中に英語を指定する「charset=iso8859」の文
字列が存在したとして、言語種判別フラグを英語にセッ
トしてＲＡＭ８の言語種判別フラグ記憶エリア８ｃに記
憶する（Ｓ２２）。
【００４３】次に、ＲＡＭ８の言語種判別フラグ記憶エ
リア８ｃに記憶されている言語種判別フラグが日本語か
否かを判断する（Ｓ２３）。言語種判別フラグが日本語
の場合には（Ｓ２３：ＹＥＳ）、解析結果記憶エリア８
ｄに記憶されている画像データから抽出された文字のブ
ロックから固定ピッチで文字を切り出す処理を行う（Ｓ
２４）。次に切り出された文字に対して、ＲＯＭ７の日
本語認識辞書記憶エリア７ｆに記憶された日本語認識辞
書を参照して、日本語の文字認識を行う（Ｓ２５）。
リア８ｃに記憶されている言語種判別フラグが日本語か
否かを判断する（Ｓ２３）。言語種判別フラグが日本語
の場合には（Ｓ２３：ＹＥＳ）、解析結果記憶エリア８
ｄに記憶されている画像データから抽出された文字のブ
ロックから固定ピッチで文字を切り出す処理を行う（Ｓ
２４）。次に切り出された文字に対して、ＲＯＭ７の日
本語認識辞書記憶エリア７ｆに記憶された日本語認識辞
書を参照して、日本語の文字認識を行う（Ｓ２５）。
【００４４】また、言語種判別フラグが日本語でない場
合（英語の場合）には（Ｓ２３：ＮＯ）、解析結果記憶
エリア８ｄに記憶されている画像データから抽出された
文字のブロックから可変ピッチで文字の切り出す処理を
行う（Ｓ３１）。次に切り出された文字に対して、ＲＯ
Ｍ７の英語認識辞書記憶エリア７ｉに記憶された英語認
識辞書を参照して、英語の文字認識を行う（Ｓ２５）。
合（英語の場合）には（Ｓ２３：ＮＯ）、解析結果記憶
エリア８ｄに記憶されている画像データから抽出された
文字のブロックから可変ピッチで文字の切り出す処理を
行う（Ｓ３１）。次に切り出された文字に対して、ＲＯ
Ｍ７の英語認識辞書記憶エリア７ｉに記憶された英語認
識辞書を参照して、英語の文字認識を行う（Ｓ２５）。
【００４５】図４（１）に示す例では、言語種判別フラ
グが英語にセットされているので（Ｓ２３）、解析結果
記憶エリア８ｄに記憶されている画像データの文字部
（文字のブロック）である「Fig １」を、可変ピッチで
文字の切り出す処理を行う（Ｓ３１）。切り出し結果
は、「Ｆ」、「ｉ」、「ｇ」、「１」の文字の画像デー
タが切り出され、ＲＡＭ８の切り出し結果記憶エリア８
ｆに記憶される（Ｓ３１）。次いで、ＲＯＭ７の英語認
識辞書記憶エリア７ｉに記憶された英語認識辞書を参照
して、順番に英語の文字認識を行うと、「Ｆ」、
「ｉ」、「ｇ」、「１」が認識され、文字コードがＲＡ
Ｍ８の認識結果記憶エリア８ｈに記憶される（Ｓ３
２）。
グが英語にセットされているので（Ｓ２３）、解析結果
記憶エリア８ｄに記憶されている画像データの文字部
（文字のブロック）である「Fig １」を、可変ピッチで
文字の切り出す処理を行う（Ｓ３１）。切り出し結果
は、「Ｆ」、「ｉ」、「ｇ」、「１」の文字の画像デー
タが切り出され、ＲＡＭ８の切り出し結果記憶エリア８
ｆに記憶される（Ｓ３１）。次いで、ＲＯＭ７の英語認
識辞書記憶エリア７ｉに記憶された英語認識辞書を参照
して、順番に英語の文字認識を行うと、「Ｆ」、
「ｉ」、「ｇ」、「１」が認識され、文字コードがＲＡ
Ｍ８の認識結果記憶エリア８ｈに記憶される（Ｓ３
２）。
【００４６】次いで、図２に示すＳ８に戻り、ＲＡＭ８
の認識結果記憶エリア８ｈに記憶されている「Fig 1」
の文字の英語から日本語への機械翻訳を行い（Ｓ８）、
翻訳された「図１」を翻訳結果記憶エリア８ｅに記憶す
る（Ｓ８）。次いで、ＨＴＭＬファイルの合成を行う
（Ｓ９）。ＨＴＭＬファイルの合成処理（Ｓ９）では、
具体的には、翻訳されたテキストデータ「これは英語の
ホームページです。アメリカの旗を図１に示す。」と、
Ｓ５で解析された画像データ中の文字部分以外の部分で
ある図形ブロックの星条旗の画像データと、画像データ
中の文字部を文字認識して翻訳した結果である「図１」
とを合成し、図４（３）に示す画像のＨＴＭＬファイル
を作成し、ＲＡＭ８の合成結果記憶エリア８ｇに記憶
し、処理を終了する。ここで、ＨＴＭＬファイルの合成
処理におけるテキストデータの配置や画像の配置は、Ｓ
１におけるＨＴＭＬファイルの解析時に読み取った翻訳
前のテキストデータの配置や画像の配置の情報を利用し
て、翻訳後のテキストデータの配置や画像の配置を行
う。
の認識結果記憶エリア８ｈに記憶されている「Fig 1」
の文字の英語から日本語への機械翻訳を行い（Ｓ８）、
翻訳された「図１」を翻訳結果記憶エリア８ｅに記憶す
る（Ｓ８）。次いで、ＨＴＭＬファイルの合成を行う
（Ｓ９）。ＨＴＭＬファイルの合成処理（Ｓ９）では、
具体的には、翻訳されたテキストデータ「これは英語の
ホームページです。アメリカの旗を図１に示す。」と、
Ｓ５で解析された画像データ中の文字部分以外の部分で
ある図形ブロックの星条旗の画像データと、画像データ
中の文字部を文字認識して翻訳した結果である「図１」
とを合成し、図４（３）に示す画像のＨＴＭＬファイル
を作成し、ＲＡＭ８の合成結果記憶エリア８ｇに記憶
し、処理を終了する。ここで、ＨＴＭＬファイルの合成
処理におけるテキストデータの配置や画像の配置は、Ｓ
１におけるＨＴＭＬファイルの解析時に読み取った翻訳
前のテキストデータの配置や画像の配置の情報を利用し
て、翻訳後のテキストデータの配置や画像の配置を行
う。
【００４７】すると、表示装置６のブラウザ画面には、
図４（３）に示すように、上段に「これは英語のホーム
ページです。アメリカの旗を図１に示す。」と表示さ
れ、その下に星条旗の画像が表示され、その星条旗の画
像下に「図１」と表示される。
図４（３）に示すように、上段に「これは英語のホーム
ページです。アメリカの旗を図１に示す。」と表示さ
れ、その下に星条旗の画像が表示され、その星条旗の画
像下に「図１」と表示される。
【００４８】以上説明したように、上記の実施の形態の
文書処理装置１では、ＨＴＭＬファイルのテキストデー
タにより判別された言語種固有の文字認識手法を用い
て、画像データの文字部分の文字認識を行うので、文字
認識の精度を高めることができる。
文書処理装置１では、ＨＴＭＬファイルのテキストデー
タにより判別された言語種固有の文字認識手法を用い
て、画像データの文字部分の文字認識を行うので、文字
認識の精度を高めることができる。
【００４９】尚、上記の実施の形態の文書処理装置１
は、各種の変形ができることは、言うまでもない。例え
ば、上記の実施の形態では、英語のホームページから日
本語に翻訳する例を挙げたが、逆に、日本語のホームペ
ージから英語に翻訳することも可能である。また、言語
は、日本語と英語に限られず、中国語、韓国語、ドイツ
語、フランス語、イタリア語、スペイン語等の各国語に
適用できることは言うまでもない。
は、各種の変形ができることは、言うまでもない。例え
ば、上記の実施の形態では、英語のホームページから日
本語に翻訳する例を挙げたが、逆に、日本語のホームペ
ージから英語に翻訳することも可能である。また、言語
は、日本語と英語に限られず、中国語、韓国語、ドイツ
語、フランス語、イタリア語、スペイン語等の各国語に
適用できることは言うまでもない。
【００５０】
【発明の効果】以上説明した通り、請求項１に係る発明
の文書処理装置では、テキストデータとそのテキストデ
ータに付随する画像データとからなるデータに対して、
言語種判別手段がテキストデータの言語種を判別し、分
離手段が画像データから分離した文字部分を言語種判別
手段によって判別された言語種に基づいて文字認識手段
が文字認識を行って文字コードに変換するので、文字認
識の精度を高めることができる。
の文書処理装置では、テキストデータとそのテキストデ
ータに付随する画像データとからなるデータに対して、
言語種判別手段がテキストデータの言語種を判別し、分
離手段が画像データから分離した文字部分を言語種判別
手段によって判別された言語種に基づいて文字認識手段
が文字認識を行って文字コードに変換するので、文字認
識の精度を高めることができる。
【００５１】また、請求項２に係る発明の文書処理装置
では、請求項１に記載の文書処理装置の効果に加えて、
前記文字認識手段は、前記言語種判別手段によって判別
された言語種専用の文字認識辞書を使用して文字認識を
行うことができるので、文字認識の精度をより高めるこ
とができる。
では、請求項１に記載の文書処理装置の効果に加えて、
前記文字認識手段は、前記言語種判別手段によって判別
された言語種専用の文字認識辞書を使用して文字認識を
行うことができるので、文字認識の精度をより高めるこ
とができる。
【００５２】また、請求項３に係る発明の文書処理装置
では、請求項１又は２に記載の文書処理装置の効果に加
えて、前記テキストデータは言語種別の情報を含み、前
記言語種判別手段は、前記テキストデータが含む言語種
別の情報に基づき、前記テキストデータの言語種を判別
するので、言語種の判別をより正確に行うことができ
る。
では、請求項１又は２に記載の文書処理装置の効果に加
えて、前記テキストデータは言語種別の情報を含み、前
記言語種判別手段は、前記テキストデータが含む言語種
別の情報に基づき、前記テキストデータの言語種を判別
するので、言語種の判別をより正確に行うことができ
る。
【００５３】また、請求項４に係る発明の文書処理装置
では、請求項１乃至３の何れかに記載の文書処理装置の
効果に加えて、前記言語種判別手段は、ＨＴＭＬで記述
されたテキストデータ中のキャラクタセットを指定する
コードを参照して、言語種を判別するので、言語種の判
別をより正確に行うことができる。
では、請求項１乃至３の何れかに記載の文書処理装置の
効果に加えて、前記言語種判別手段は、ＨＴＭＬで記述
されたテキストデータ中のキャラクタセットを指定する
コードを参照して、言語種を判別するので、言語種の判
別をより正確に行うことができる。
【００５４】また、請求項５に係る発明の文書処理装置
では、請求項１乃至３の何れかに記載の文書処理装置の
効果に加えて、前記言語種判別手段は、前記テキストデ
ータが２バイトの文字コードにより記述されているか否
かに基づいて、言語種を判別するので、キャラクタセッ
トを指定するコードがない場合にも、言語種の判別をよ
り正確に行うことができる。
では、請求項１乃至３の何れかに記載の文書処理装置の
効果に加えて、前記言語種判別手段は、前記テキストデ
ータが２バイトの文字コードにより記述されているか否
かに基づいて、言語種を判別するので、キャラクタセッ
トを指定するコードがない場合にも、言語種の判別をよ
り正確に行うことができる。
【００５５】また、請求項６に係る発明の文書処理装置
では、請求項１乃至５の何れかに記載の文書処理装置の
効果に加えて、前記文字認識手段は前記言語種判別手段
によって、判別された言語種に基づいて前記分離手段が
分離した前記文字部分の一文字分の文字の切り出し方法
を変更するので、言語種に応じて正確に文字の切り出し
を行うことができる。
では、請求項１乃至５の何れかに記載の文書処理装置の
効果に加えて、前記文字認識手段は前記言語種判別手段
によって、判別された言語種に基づいて前記分離手段が
分離した前記文字部分の一文字分の文字の切り出し方法
を変更するので、言語種に応じて正確に文字の切り出し
を行うことができる。
【００５６】また、請求項７に係る発明の文書処理装置
では、請求項１乃至６の何れかに記載の文書処理装置の
効果に加えて、前記文字認識手段は、前記言語種判別手
段によって言語種を判別された言語が、固定ピッチを主
に使用する言語か可変ピッチを主に使用する言語かに基
づいて、前記分離手段が分離した前記文字部分の一文字
毎の文字の切り出し方法を変更するので、言語種に応じ
て正確に文字の切り出しを行うことができる。
では、請求項１乃至６の何れかに記載の文書処理装置の
効果に加えて、前記文字認識手段は、前記言語種判別手
段によって言語種を判別された言語が、固定ピッチを主
に使用する言語か可変ピッチを主に使用する言語かに基
づいて、前記分離手段が分離した前記文字部分の一文字
毎の文字の切り出し方法を変更するので、言語種に応じ
て正確に文字の切り出しを行うことができる。
【００５７】また、請求項８に係る発明の文書処理装置
では、請求項１乃至７の何れかに記載の文書処理装置の
効果に加えて、翻訳手段は、前記文字認識手段の認識結
果を前記言語種判別手段が判別した言語種と異なる言語
種に翻訳し、文書合成手段は前記翻訳手段の翻訳結果と
前記分離手段により分離された画像部分とを合成した合
成画像データを作成することができる。
では、請求項１乃至７の何れかに記載の文書処理装置の
効果に加えて、翻訳手段は、前記文字認識手段の認識結
果を前記言語種判別手段が判別した言語種と異なる言語
種に翻訳し、文書合成手段は前記翻訳手段の翻訳結果と
前記分離手段により分離された画像部分とを合成した合
成画像データを作成することができる。
【００５８】また、請求項９に係る発明の文書処理装置
では、請求項１乃至８の何れかに記載の文書処理装置の
効果に加えて、表示手段は、前記文書合成手段が合成し
た合成画像データを表示することができる。
では、請求項１乃至８の何れかに記載の文書処理装置の
効果に加えて、表示手段は、前記文書合成手段が合成し
た合成画像データを表示することができる。
【図１】図１は、文書処理装置１の装置の概略構成を示
すブロック図である。
すブロック図である。
【図２】図２は、文書処理装置１の主制御のフローチャ
ートである。
ートである。
【図３】図３は、文書処理装置１の言語種判別文字認識
処理のサブルーチンのフローチャートである。
処理のサブルーチンのフローチャートである。
【図４】図４は、テキストデータと画像データとからな
るＨＴＭＬ文書の表示画面の模式図である。
るＨＴＭＬ文書の表示画面の模式図である。
１ 文書処理装置 ２ ＣＰＵ ３ Ｉ／Ｏインターフェース ４ キーボード ５ マウス ６ 表示装置 ７ ＲＯＭ ７ａ ＨＴＭＬファイル解析プログラム記憶エリア ７ｂ レイアウト解析プログラム記憶エリア ７ｃ 言語種判別プログラム記憶エリア ７ｄ 日本語切り出しプログラム記憶エリア ７ｅ 日本語認識プログラム記憶エリア ７ｆ 日本語認識辞書記憶エリア ７ｇ 英語切り出しプログラム記憶エリア ７ｉ 英語認識辞書記憶エリア ７ｊ 翻訳プログラム記憶エリア ７ｋ ＨＴＭＬファイル合成プログラム記憶エリア ８ ＲＡＭ ８ａ テキストデータ記憶エリア ８ｂ 画像データ記憶エリア ８ｃ 言語種判別フラグ記憶エリア ８ｄ 解析結果記憶エリア ８ｅ 翻訳結果記憶エリア ８ｆ 切り出し結果記憶エリア ８ｇ 合成結果記憶エリア ８ｈ 認識結果記憶エリア ８ｉ ワーキングエリア ９ ＣＤ−ＲＯＭドライブ １０ ＬＡＮボード １１ ケーブル １２ ハードディスクドライブ
Claims (9)
- 【請求項１】 入力されたテキストデータとそのテキス
トデータに付随する画像データとを記憶する記憶手段
と、 前記記憶手段に記憶されたテキストデータの言語種を判
別する言語種判別手段と、 前記記憶手段に記憶された画像データから画像部分と文
字部分とを分離する分離手段と、 前記分離手段が分離した文字部分を前記言語種判別手段
によって判別された言語種に基づいて文字認識を行って
文字コードに変換する文字認識手段とを備えたことを特
徴とする文書処理装置。 - 【請求項２】 前記文字認識手段は、前記言語種判別手
段によって判別された言語種専用の文字認識辞書を使用
して文字認識を行うことを特徴とする請求項１に記載の
文書処理装置。 - 【請求項３】 前記テキストデータは言語種別の情報を
含み、前記言語種判別手段は、前記テキストデータが含
む言語種別の情報に基づき、前記テキストデータの言語
種を判別することを特徴とする請求項１又は２に記載の
文書処理装置。 - 【請求項４】 前記テキストデータはＨＴＭＬで記述さ
れ、前記言語種判別手段は、前記テキストデータ中のキ
ャラクタセットを指定するコードを参照して、言語種を
判別することを特徴とする請求項１乃至３の何れかに記
載の文書処理装置。 - 【請求項５】 前記言語種判別手段は、前記テキストデ
ータが２バイトの文字コードにより記述されているか否
かに基づいて、言語種を判別することを特徴とする請求
項１乃至３の何れかに記載の文書処理装置。 - 【請求項６】 前記文字認識手段は前記言語種判別手段
によって、判別された言語種に基づいて前記分離手段が
分離した前記文字部分の一文字分の文字の切り出し方法
を変更することを特徴とする請求項１乃至５の何れかに
記載の文書処理装置。 - 【請求項７】 前記文字認識手段は、前記言語種判別手
段によって言語種を判別された言語が、固定ピッチを主
に使用する言語か可変ピッチを主に使用する言語かに基
づいて、前記分離手段が分離した前記文字部分の一文字
毎の文字の切り出し方法を変更することを特徴とする請
求項１乃至６の何れかに記載の文書処理装置。 - 【請求項８】 前記文字認識手段の認識結果を前記言語
種判別手段が判別した言語種と異なる言語種に翻訳する
翻訳手段と、 前記翻訳手段の翻訳結果と前記分離手段により分離され
た画像部分とを合成した合成画像データを作成する文書
合成手段とを備えたことを特徴とする請求項１乃至７の
何れかに記載の文書処理装置。 - 【請求項９】 前記文書合成手段が合成した合成画像デ
ータを表示する表示手段を備えたことを特徴とする請求
項１乃至８の何れかに記載の文書処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000300428A JP2002108854A (ja) | 2000-09-29 | 2000-09-29 | 文書処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000300428A JP2002108854A (ja) | 2000-09-29 | 2000-09-29 | 文書処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002108854A true JP2002108854A (ja) | 2002-04-12 |
Family
ID=18782114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000300428A Pending JP2002108854A (ja) | 2000-09-29 | 2000-09-29 | 文書処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002108854A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012147936A1 (ja) * | 2011-04-28 | 2012-11-01 | 楽天株式会社 | 閲覧システム、端末、画像サーバ、プログラム、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、及び方法 |
-
2000
- 2000-09-29 JP JP2000300428A patent/JP2002108854A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012147936A1 (ja) * | 2011-04-28 | 2012-11-01 | 楽天株式会社 | 閲覧システム、端末、画像サーバ、プログラム、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、及び方法 |
| JP5211266B1 (ja) * | 2011-04-28 | 2013-06-12 | 楽天株式会社 | 閲覧システム、端末、画像サーバ、プログラム、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、及び方法 |
| KR101410558B1 (ko) | 2011-04-28 | 2014-06-20 | 라쿠텐 인코포레이티드 | 열람 시스템, 단말기, 화상 서버, 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 및 방법 |
| US10013403B2 (en) | 2011-04-28 | 2018-07-03 | Rakuten, Inc. | Browsing system, terminal, image server, program, computer-readable recording medium storing program, and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5983184A (en) | Hyper text control through voice synthesis | |
| US7168040B2 (en) | Document processing apparatus and method for analysis and formation of tagged hypertext documents | |
| JP2001318948A (ja) | 文書検索方法及び装置並びにその処理プログラムを記憶した媒体 | |
| US20070061410A1 (en) | Webpage search | |
| JPH0981566A (ja) | 翻訳装置及び翻訳方法 | |
| JPH11353150A (ja) | 口頭の問合せを支援するためのマ―クアップ言語ペ―ジのエンハンスメント | |
| JPH1125098A (ja) | 情報処理装置、リンク先ファイルの取得方法および記憶媒体 | |
| JP2002278757A (ja) | Ｈｔｍｌアプリケーションにおいてユーザーインターフェースオブジェクトの文法ベースの認識のための方法及び装置 | |
| US20060143555A1 (en) | Apparatus and method for extracting information from a formatted document | |
| JP2003186870A (ja) | 文書表示方法、文書表示装置、プログラムおよび記録媒体 | |
| JP2002108854A (ja) | 文書処理装置 | |
| KR20000039748A (ko) | 다국어 웹 문서 번역 서비스 장치 및 이를 이용한번역 서비스 방법 | |
| JPH103483A (ja) | 情報検索装置 | |
| JP2002108855A (ja) | 文書処理装置 | |
| JP2838984B2 (ja) | 汎用参照装置 | |
| JPH0765005A (ja) | 文書速読支援表示装置並びに文書処理装置及びディジタル複写装置 | |
| JP5011511B2 (ja) | 辞書機能を備えた電子機器およびプログラム | |
| JP2974698B2 (ja) | 機械翻訳装置における単語間関係編集／学習装置 | |
| JP2001256259A (ja) | ハイパーテキスト制御システム | |
| JPH10154145A (ja) | 自動翻訳装置 | |
| JP3516700B2 (ja) | 文書処理装置及び文書処理方法 | |
| JP3969689B2 (ja) | 文書作成支援装置、文書作成支援方法及び文書作成支援プログラムを記憶した記憶媒体 | |
| JP4104000B2 (ja) | 情報処理装置、制御方法、プログラム、及びプログラム記録媒体 | |
| JPH0765008A (ja) | 用語登録制御方法及び同装置 | |
| JPH08212293A (ja) | Ｓｇｍｌタグ付与処理システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070530 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070619 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070810 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070828 |