JP2004133841A

JP2004133841A - パターン認識装置、パターン認識方法、プログラムおよび記憶媒体

Info

Publication number: JP2004133841A
Application number: JP2002300053A
Authority: JP
Inventors: Hiroaki Ikeda; 池田　裕章
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2002-10-15
Filing date: 2002-10-15
Publication date: 2004-04-30
Anticipated expiration: 2022-10-15
Also published as: JP4328511B2

Abstract

【課題】処理速度を低下することなく認識精度を向上する。
【解決手段】大大分類辞書を参照して認識対象パターンに対応する大大分類カテゴリを抽出し、該大大分類カテゴリを大分類結果候補として大分類辞書を参照して前記認識対象パターンと該大分類結果候補との類似度を算出し、類似カテゴリテーブルを参照して大分類結果候補のカテゴリに類似する類似カテゴリを抽出し、前記大分類辞書を参照して該類似カテゴリと前記認識対象パターンとの間の類似度を算出し、それらの類似度に基づいて前記大分類結果候補と前記類似カテゴリとの中から大分類結果の大分類カテゴリを抽出し、詳細識別辞書を参照して該大分類カテゴリの中から前記認識対象パターンの認識結果を特定する。
【選択図】　　　　図２

Description

【０００１】
【発明の属する技術分野】
本発明は、文字認識等のためのパターン認識装置、パターン認識方法、プログラムおよび記憶媒体に関する。
【０００２】
【従来の技術】
パターン認識の実用例として文字認識が一般的である。文字認識装置では、入力された文字から特徴を抽出し、あらかじめ用意された対象文字すべての標準パターンと比較し、類似度の最も高い文字を認識結果として出力する。入力文字と標準パターンとを比較する識別演算は、字種の増加とともに計算量が増加し、計算量を減少しようとすると、認識精度が低下する。日本語は中国語とともに字種の多い言語であり、認識精度を維持しつつ処理を高速化する工夫が為されている。
【０００３】
例えば、識別演算の前に、文字数を絞り込む大分類処理を行う認識処理が提案されている。この場合、大分類に対して、本来の識別演算を詳細識別と呼ぶことがある。
【０００４】
大分類では、詳細識別に比べ計算量の少ない識別演算を行い、類似度上位から特定の文字数を選択し、あるいは類似度が閾値を越えた文字を選択する。詳細識別では、大分類で絞り込まれた文字のみを識別演算し、最も類似度の高い文字を認識結果として出力する。
【０００５】
これによって認識精度を維持しつつ処理を高速化し得る。
【０００６】
一方、類似文字情報を用いた文字認識処理が提案されている。
【０００７】
特開平５−２０５０３号公報（従来例１という。）記載の文字認識処理では、形状の類似する文字を集めた候補文字辞書を設け、候補文字辞書から認識結果に類似する文字を抽出し、認識結果とともに類似の文字を選択可能とする。
【０００８】
特開平８−１４７４０６号公報（従来例２）記載の文字認識処理では、認識処理の過程で認識結果になる可能性のある類似候補文字を抽出しておき、認識結果としての文字を確定できないときに、ある類似候補文字を検索可能とする。
【０００９】
【発明が解決しようとする課題】
従来例１、２は、誤認識に際して、ユーザが類似の文字を選択することを容易にしたもので、認識精度を高めるものではない。
【００１０】
本発明はこのような従来の問題点を解消すべく創案されたもので、処理速度を維持しつつ認識精度を向上する。
【００１１】
【課題を解決するための手段】
本発明に係るパターン認識装置は、認識対象のパターンを大大分類処理するための大大分類辞書と、前記大大分類処理よりも詳細な大分類処理を実行するための大分類辞書と、前記大分類辞書に含まれる各カテゴリに類似する類似カテゴリを示す類似カテゴリテーブルと、前記大分類処理よりも詳細な詳細識別処理を実行するための詳細識別辞書と、前記大大分類辞書を参照して、前記認識対象パターンに対応した大大分類カテゴリを抽出する大大分類手段と、前記大大分類カテゴリを大分類結果候補として、前記大分類辞書を参照して前記認識対象パターンと前記大分類結果候補との間の類似度を算出する第１の大分類類似度算出手段と、前記類似カテゴリテーブルを参照して、前記大分類結果候補のカテゴリに類似する類似カテゴリを抽出する類似カテゴリ抽出手段と、前記大分類辞書を参照して、前記類似カテゴリ抽出手段で抽出された類似カテゴリと前記認識対象パターンとの間の類似度を算出する第２の大分類類似度算出手段と、前記第１の大分類類似度算出手段で算出した類似度と前記第２の大分類類似度算出手段で算出した類似度とに基づいて、前記大分類結果候補と前記類似カテゴリとの中から、大分類結果の大分類カテゴリを抽出する大分類結果抽出手段と、前記大分類結果抽出手段で抽出された大分類カテゴリを認識結果候補として、前記詳細識別辞書を参照して、前記認識結果候補の中から前記認識対象パターンの認識結果を特定する詳細識別手段とを備える。
【００１２】
【発明の実施の形態】
次に本発明に係るパターン認識装置の第１の実施形態を図面に基づいて説明する。
【００１３】
［パターン認識装置］
図１は、本発明に係るパターン認識装置の第１の実施形態を示すブロック図である。
【００１４】
パターン認識装置は、磁気ディスク等の外部記憶装置１０４およびポインティングデバイス１０７を備え、画像データを外部記憶装置１０４またはポインティングデバイス１０７から入力する。パターン認識装置は全体制御のためのＣＰＵ１０１を備え、ＣＰＵ１０１の制御プログラムはＲＯＭ１０２に格納されている。外部記憶装置１０４等から入力された画像データはＲＡＭ１０３に保持され、ＲＯＭ１０２内の制御プログラムにより、パターン認識のための処理を実行する。パターン認識のための大分類辞書および詳細識別辞書が制御プログラムとともにＲＯＭ１０２に格納され、あるいは必要な字種ごとに、外部記憶装置１０４からＲＡＭ１０３に読み込まれる。
【００１５】
図１において、１０５はディスプレイ、１０６はキーボードである。また、１０９はネットワークインターフェースであり、図示しない遠隔地に存在する装置と通信し、プログラム、認識辞書、データ等を送受信し得る。
【００１６】
図示しないが、その他、文字認識に適用する場合には画像を読み取るためのイメージスキャナや、音声認識に適用する場合にはマイクや再生装置を含んで構成してもよい。
【００１７】
次に、パターン認識装置において実行されるパターン認識方法を説明する。
【００１８】
［パターン認識方法の第１の実施形態］
パターン認識方法の第１の実施形態を図面に基づいて説明する。第１の実施形態は、大分類の処理対象とするカテゴリを絞り込むために、大大分類を行うものである。すなわち、第１のパターン認識手段による大大分類結果に対して、第２の認識手段による大分類の処理を実行し、さらに、第２のパターン認識手段による大分類結果に対して、第３の認識手段による詳細分類の処理を実行する。
【００１９】
図２は、図１のパターン認識装置で実行されるパターン認識方法の第１の実施形態を示すフローチャート、図３は、図２のパターン認識方法における類似カテゴリテーブル作成方法一例を示すフローチャート、図４は、図２のパターン認識方法における類似カテゴリテーブルの一例を説明する図、図７は、大大分類の分類方法を示す概念図、図８は、大大分類の他の分類方法のための輪郭の方向指数を示す概念図、図９は、図８で使用した方向指数を示す概念図である。
【００２０】
図２において、第１の実施形態の処理の流れを説明する。
【００２１】
ステップＳ５０１：大分類辞書のカテゴリをより大きなカテゴリに分類した大大分類辞書を用いて、大大分類を実行する。大大分類は、大分類よりも計算量が少ない処理方法を用いる。例えば大大分類に用いる一つの方法として、光学的文字認識装置では、特定領域の黒画素の存否で分類し得る。図７の（１０−１）において、特徴領域を３×３の領域（左上から右方向にａ、ｂ、ｃ、２段面の左から右にｄ、ｅ、ｆ、３段面の左から右にｇ、ｈ、ｉの符号を付す。）に分割した例を示す。図７の（１０−２）は文字「Ａ」の画素と、これら分割領域との関係を示し、（１０−３）では文字「Ｌ」の画素を分割領域の関係を示す。文字「Ａ」は領域ｂ、ｄ、ｅ、ｆ、ｇ、ｈに黒画素が存在し、文字「Ｌ」は領域ａ、ｂ、ｅ、ｇ、ｈ、ｉに黒画素が存在する。このように黒画素が存在する領域によって文字のカテゴリを大大分類し得る。
【００２２】
あるいは、特徴領域内の画像の輪郭を抽出し、輪郭を形成する境界画素に、図９の方向指数を与えることによって、文字を大大分類し得る。特徴領域内の境界画素は左から右の走査を上方から下方に順次進める順序で評価され、注目されている境界画素Ｐ０に続く画素の方向は、注目画素の周囲８画素のうち対向しない４方向（例えば下、右下、右、右上）のいずれに存在するか表現すれば、該特徴データを表現するのに十分である。これらの方向は、例えばＣ１（下）、Ｃ２（右下）、Ｃ３（右）、Ｃ４（右上）の方向指数によって表現される。例えば、図８で、特徴領域７０１（ひらがな「い」１文字の画像を示す。）の幅をｗ、高さをｈとするとき、特徴領域７０１をその幅、高さを所定数に分割し、複数の小領域を形成する。分割数は例えば、幅方向分割数ｎ＝４、高さ方向分割数ｍ＝４である。
【００２３】
図８では１個の小領域７０２を代表的に示し、小領域内の画素の内、境界画素に斜線を付し、かつＰ１、Ｐ２、Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ７、Ｐ８の符号を与えている。これら境界画素は、左から右、上から下の走査順序でみるとき、画素Ｐ１に続いて画素Ｐ２が存在し、画素Ｐ２に続いて画素Ｐ３が存在する。また画素Ｐ４に続いて画素Ｐ５が存在し、画素Ｐ５に続いて画素Ｐ６が存在し、画素Ｐ６に続いて画素Ｐ７が存在し、画素Ｐ７に続いて画素Ｐ８が存在する。この連続状態は、画素Ｐ１に方向指数Ｃ２、画素Ｐ２に方向指数Ｃ２、画素Ｐ４に方向指数Ｃ２、画素Ｐ５に方向指数Ｃ３、画素Ｐ６に方向指数Ｃ２、画素Ｐ７に方向指数Ｃ２を与えることによって表現される。
【００２４】
各小領域では方向指数を統計的に処理し、例えば各方向指数の個数をその小領域の特徴データとする。小領域７０２ではＣ２が５回、Ｃ３が１回生じているので特徴データを｛Ｃ１，Ｃ２，Ｃ３，Ｃ４｝とすると、｛０，５，１，０｝となる。あるいは、最頻の方向指数を該小領域の特徴データとすると、画像の大局的方向が表現される。
【００２５】
このような特徴データにおいて、例えば４個の要素のうちのいずれかの要素の個数等により、カテゴリ（大大分類カテゴリという。）を抽出する。これによって、大分類の対象となるカテゴリが減少し、大分類処理を効率化し得る。
【００２６】
ステップ５０２：ステップＳ５０１の大大分類で選択された大大分類カテゴリについてのみ、第１の実施形態のＳ２０２と同様に、大分類辞書を参照して、パターンの特徴と標準パターンとの類似度を算出する。
【００２７】
ステップＳ５０３：大分類カテゴリのうち、類似度が最大となる大分類カテゴリを抽出する。最大類似度Ｓと所定の閾値Ｔ１、Ｔ２、Ｔ３、Ｔ４（Ｔ１＞Ｔ２＞Ｔ３＞Ｔ４）とを比較し、Ｓの値により次の処理を選択する。
【００２８】
Ｓ＞Ｔ１のときそれ以上のカテゴリの追加は不要と判断し、ステップＳ５０８に移行する。Ｔ１≧Ｓ＞Ｔ２のときステップＳ５０４に移行し、Ｔ２≧Ｓ＞Ｔ３のときステップＳ５０５に移行し、Ｔ３≧Ｓ＞Ｔ４のときステップＳ５０６に移行する。これらステップにおいて、類似度が高い程、より少数の大分類カテゴリを抽出し、認識精度を維持しつつ、処理を効率化し得る。
【００２９】
ステップＳ５０４：大分類の類似度が第１位のカテゴリの類似カテゴリに正解の文字が含まれる可能性があると判断し、類似カテゴリテーブルから大分類類似度第１位のカテゴリの類似カテゴリを抽出して、大大分類の結果に追加する。
【００３０】
ステップＳ５０５：大分類の類似度が第１および第２位のカテゴリの類似カテゴリを類似カテゴリテーブルから抽出して、大大分類の結果に追加する。
【００３１】
ステップＳ５０６：大分類の類似度が第１位から第８位のカテゴリの類似カテゴリを類似カテゴリテーブルから抽出して、大大分類の結果に追加する。
【００３２】
ステップＳ５０７：追加されたカテゴリに対して、大分類辞書のカテゴリとの類似度を算出する。
【００３３】
ステップＳ５０８：ステップＳ５０２とステップＳ５０７で計算された大分類演算結果を使用して、カテゴリ選択を行う。このステップで選択されたカテゴリが大分類の結果となる。
【００３４】
ステップＳ５０９：詳細識別実行し、認識結果を決定する。
【００３５】
図３において、第１の実施形態では、以下の処理によって類似カテゴリテーブルを作成する。
【００３６】
ステップＳ６０１：大分類辞書に格納されている標準パターンの最初のカテゴリを注目カテゴリとする。
【００３７】
ステップＳ６０２：すべてのカテゴリが終了するまでステップＳ６０３以下の処理を行う。
【００３８】
ステップＳ６０３：注目カテゴリの標準パターンとそれ以外のすべてのカテゴリの標準パターンとの類似度を計算する。
【００３９】
ステップＳ６０４：類似度の高い上位Ｋ個のカテゴリを選択し、それらを記憶する。
【００４０】
ステップＳ６０５：注目カテゴリの次のカテゴリを注目カテゴリとしステップＳ６０２に戻る。
【００４１】
ステップＳ６０６：すべてのカテゴリの処理が終了したら、選択された上位Ｍ個の各カテゴリについて、そのカテゴリの類似カテゴリを注目カテゴリとする。
【００４２】
図４（ａ）に示すように、ステップＳ６０４の処理は、Ｋ＝２とすると、注目カテゴリ「Ａ」に対する類似カテゴリは「Ｂ」、「Ｃ」、注目カテゴリ「Ｂ」に対する類似カテゴリは「Ａ」、「Ｄ」、注目カテゴリ「Ｃ」に対する類似カテゴリは「Ａ」、「Ｂ」、注目カテゴリ「Ｄ」に対する類似カテゴリは「Ｂ」、「Ａ」となる。
【００４３】
図４（ｂ）に示すように、類似カテゴリテーブルはカテゴリ「Ａ」について類似カテゴリ個数「３」、類似カテゴリ「Ｂ」、「Ｃ」、「Ｄ」、カテゴリ「Ｂ」について類似カテゴリ個数「３」、類似カテゴリ「Ａ」、「Ｃ」、「Ｄ」、カテゴリ「Ｃ」について類似カテゴリ個数「１」、類似カテゴリ「Ａ」、カテゴリ「Ｄ」について類似カテゴリ個数「１」、類似カテゴリ「Ｂ」が表示している。
【００４４】
なお、大分類辞書を使用せず、詳細識別辞書や他のすべての標準パターンを含むデータなどを用いて類似カテゴリテーブルを作成してもよい。
【００４５】
第１の実施形態では、大大分類で選択されたカテゴリの信頼度が高いカテゴリが含まれる場合は、追加するカテゴリを減らすことで計算量を制限することができ、大大分類の精度の低さを補いながら、高速に認識することができる効果がある。
【００４６】
［プログラム］
図１のパターン認識装置における制御プログラムには、パターン認識方法の第１の実施形態を実行するためのプログラムが含まれる。第１の実施形態を実行するためのプログラムはステップＳ５０１〜Ｓ５０９、ステップＳ６０１〜Ｓ６０６の処理を実行するルーチンを含む。
［記憶媒体］
本発明にかかるパターン認識方法は図１のパターン認識装置以外の装置、例えば汎用的なコンピュータでも実施可能であり、その場合、記憶媒体等で提供される制御プログラムを汎用コンピュータの外部記憶装置にセットし、オペレータ等の指示によりＣＰＵ等で実行してもよい。
【００４７】
図５は、パターン認識方法の第１の実施形態を実行するためのプログラムを記憶した記憶媒体を示すメモリマップである。
【００４８】
図５においてアドレスＡ０乃至Ａ１にはディレクトリ情報が格納され、Ａ１の次のアドレスからアドレスＡ２までの領域には第１の実施形態における図２、図３のフローチャートを実行するためのプログラムが格納される。
【００４９】
特に図示しないが、各種プログラムに従属するデータもディレクトリ情報として管理し、また、各種プログラムをコンピュータにインストールするためのプログラム等をディレクトリ情報内に記憶してもよい。
【００５０】
［パターン認識装置の第２の実施形態］
図６は、本発明に係るパターン認識方法を複数の機器により実行するパターン認識装置の第１の実施形態を示すブロック図である。
【００５１】
この実施形態では、インターネット・サービス・プロバイダにおいて、パターン認識のための認識辞書を含むプログラムがサーバＳＶ１に格納されている。インターネット・サービス・プロバイダは通信手段を介してインターネットに接続され、インターネットからサーバＳＶ１にアクセスすることによって、複数のユーザがパターン認識プログラムを利用し得る。
【００５２】
ユーザはスキャナＳＣ１、パーソナル・コンピュータＰＣ１等を有し、スキャナＳＣ１で読み取った原稿の画像をサーバＳＶ１に送信する。サーバにおいては、原稿の画像を入力画像としてパターン認識の処理を実行する。
【００５３】
なお大大分類の辞書、大分類辞書、詳細識別辞書は、必ずしもパターン認識プログラムと同一のコンピュータ上に存在する必要はなく、通信手段等を介して参照可能であればよい。例えば、パターン認識プログラムをサーバＳＶ１、詳細識別辞書等の辞書を別個のサーバＳＶ２に設け、別個のサービスとすることも可能である。この場合パターン認識プログラムの保有者、種々の辞書の保有者それぞれがプログラム、辞書という知的資産を内部に保有でき、違法コピー等を防止できる。
【００５４】
【発明の効果】
本発明によれば、処理速度を低下することなく認識精度を向上する。
【図面の簡単な説明】
【図１】本発明の実施形態に係るパターン認識装置の第１の実施形態を示すブロック図である。
【図２】図１のパターン認識装置で実行されるパターン認識方法の第１の実施形態を示すフローチャートである。
【図３】図２のパターン認識方法における類似カテゴリテーブル作成方法一例を示すフローチャートである。
【図４】図２のパターン認識方法における類似カテゴリテーブルの一例を説明する図である。
【図５】図１のパターン認識装置で実行される各種データ処理プログラム格納する記憶媒体のメモリマップである。
【図６】本発明に係るパターン認識方法を複数の機器により実行するパターン認識システムを示すブロック図である。
【図７】大大分類の分類方法を示す概念図である。
【図８】大大分類の他の分類方法のための輪郭の方向コードを示す概念図である。
【図９】図８で使用した方向コード向を示す概念図である。
【符号の説明】
１０１・・・ＣＰＵ
１０２・・・ＲＯＭ
１０３・・・ＲＡＭ
１０４・・・外部記憶装置
１０５・・・ディスプレイ
１０６・・・キーボード
１０７・・・ポインティングデバイス
１０８・・・ネットワークインターフェース

Claims

認識対象のパターンを大大分類処理するための大大分類辞書と、　前記大大分類処理よりも詳細な大分類処理を実行するための大分類辞書と、　前記大分類辞書に含まれる各カテゴリに類似する類似カテゴリを示す類似カテゴリテーブルと、　前記大分類処理よりも詳細な詳細識別処理を実行するための詳細識別辞書と、　前記大大分類辞書を参照して、前記認識対象パターンに対応した大大分類カテゴリを抽出する大大分類手段と、　前記大大分類カテゴリを大分類結果候補として、前記大分類辞書を参照して前記認識対象パターンと前記大分類結果候補との間の類似度を算出する第１の大分類類似度算出手段と、　前記類似カテゴリテーブルを参照して、前記大分類結果候補のカテゴリに類似する類似カテゴリを抽出する類似カテゴリ抽出手段と、　前記大分類辞書を参照して、前記類似カテゴリ抽出手段で抽出された類似カテゴリと前記認識対象パターンとの間の類似度を算出する第２の大分類類似度算出手段と、　前記第１の大分類類似度算出手段で算出した類似度と前記第２の大分類類似度算出手段で算出した類似度とに基づいて、前記大分類結果候補と前記類似カテゴリとの中から、大分類結果の大分類カテゴリを抽出する大分類結果抽出手段と、　前記大分類結果抽出手段で抽出された大分類カテゴリを認識結果候補として、前記詳細識別辞書を参照して、前記認識結果候補の中から前記認識対象パターンの認識結果を特定する詳細識別手段とを備えることを特徴とするパターン認識装置。
前記大分類手段は、類似度が上位の複数のカテゴリを抽出することを特徴とする請求項１記載のパターン認識装置。
前記類似カテゴリ抽
出手段は、前記大分類抽出手段で抽出されたカテゴリと重複した類似カテゴリを削除することを特徴とする請求項１記載のパターン認識装置。
前記類似カテゴリテーブルは、前記大分類辞書に格納されているカテゴリ間の類似度を算出して、類似度の高いカテゴリ同士を類似カテゴリとすることにより作成されることを特徴とする請求項１に記載のパターン認識装置。
前記類似カテゴリ抽出手段で抽出される類似カテゴリは、前記第１の大分類類似度算出手段で算出された類似度に応じて前記大分類結果候補を選択し、当該選択された大分類結果候補の類似カテゴリであることを特徴とする請求項１に記載のパターン認識装置。
大大分類辞書を参照して、認識対
象パターンに対応した大大分類カテゴリを抽出する大大分類ステップと、　前記大大分類カテゴリを大分類結果候補として、前記大大分類処理よりも詳細な大分類処理を実行するための大分類辞書を参照して、前記認識対象パターンと前記大分類結果候補との間の類似度を算出する第１の大分類類似度算出ステップと、　前記大分類辞書に含まれる各カテゴリに類似する類似カテゴリを示す類似カテゴリテーブルを参照して、前記大分類結果候補のカテゴリに類似する類似カテゴリを抽出する類似カテゴリ抽出ステップと、　前記大分類辞書を参照して、前記類似カテゴリ抽出ステップで抽出された類似カテゴリと前記認識対象パターンとの間の類似度を算出する第２の大分類類似度算出ステップと、　前記第１の大分類類似度算出ステップで算出した類似度と前記第２の大分類類似度算出ステップで算出した類似度とに基づいて、前記大分類結果候補と前記類似カテゴリとの中から、大分類結果の大分類カテゴリを抽出する大分類結果抽出ステップと、　前記大分類結果抽出ステップで抽出された大分類カテゴリを認識結果候補として、前記大分類処理よりも詳細な詳細識別処理を実行するための詳細識別辞書を参照して、前記認識結果候補の中から前記認識対象パターンの認識結果を特定する詳細識別ステップとを備えることを特徴とするパターン認識方法。
大大分類辞書を参照して、認識対象パターンに対応した大大分類カテゴリを抽出する大大分類ステップと、　前記大大分類カテゴリを大分類結果候補として、前記大大分類処理よりも詳細な大分類処理を実行するための大分類辞書を参照して、前記認識対象パターンと前記大分類結果候補との間の類似度を算出する第１の大分類類似度算出ステップと、　前記大分類辞書に含まれる各カテゴリに類似する類似カテゴリを示す類似カテゴリテーブルを参照して、前記大分類結果候補のカテゴリに類似する類似カテゴリを抽出する類似カテゴリ抽出ステップと、　前記大分類辞書を参照して、前記類似カテゴリ抽出ステップで抽出された類似カテゴリと前記認識対象パターンとの間の類似度を算出する第２の大分類類似度算出ステップと、　前記第１の大分類類似度算出ステップで算出した類似度と前記第２の大分類類似度算出ステップで算出した類似度とに基づいて、前記大分類結果候補と前記類似カテゴリとの中から、大分類結果の大分類カテゴリを抽出する大分類結果抽出ステップと、　前記大分類結果抽出ステップで抽出された大分類カテゴリを認識結果候補として、前記大分類処理よりも詳細な詳細識別処理を実行するための詳細識別辞書を参照して、前記認識結果候補の中から前記認識対象パターンの認識結果を特定する詳細識別ステップと、の各ステップをコンピュータに実行させるためのプログラムコードを含むコンピュータ実行可能なプログラム。
請求項７に記載のプログラムが格納されたコンピュータ読取
可能な記憶媒体。