JP2005157938A - 帳票認識装置、方法、プログラムおよび記憶媒体 - Google Patents

Abstract

【課題】 白黒２値帳票とカラー帳票とを高い認識率で統合的に処理する。
【解決手段】 評価対象とされた登録帳票と検索帳票との対応構成要素、たとえば表枠の対応セル、対応罫線、対応文字などについて色情報を比較し、同一色と判断された場合、形状特徴量について得られた類似度に所定の数値を加算する。
【選択図】 図７

Description

本発明は、帳票の自動認識を行う帳票認識装置、方法、プログラムおよび記憶媒体に関する。

帳票を、あらかじめ登録された帳票書式ごとに自動分類する帳票認識処理は、大量の帳票の入力・分類処理を行う上で大変有効な方法である。
入力・分類処理に際しては、スキャナ等から読み取った帳票画像のデータから特徴量を抽出して、帳票書式データを生成し、入力帳票と登録帳票の書式データの類似度を求め、類似度の最も高い登録帳票を、認識結果とする。

書式データの類似度の判定方法として、以下の従来例が存在する。
（１）帳票の表枠に着目し、各表枠の面積の全表枠の面積の合計に対する割合を、人の視覚的な感覚に近い類似度として、使用する帳票認識処理（例えば特許文献１）。この帳票認識処理では、罫線の形状が類似している帳票画像において高い類似度が得られ、その値を比較することで、登録されている帳票から、同一帳票を特定する。
（２）帳票の特定部分（カラーＩＤ領域）の色情報に注目する帳票認識処理（例えば特許文献２）。
（３）帳票画像の特徴量として複数種類の特徴量を使用し、１つの特徴量で判別できなかったときに、該特徴量で候補を絞り込んだ後、他の特徴量を用いて帳票を認識する（例えば特許文献３）。

特開２０００−２８５１８７号公報 特開２００１−１０９８４２号公報 特開２０００−２８５１９０号公報

特許文献１の帳票認識処理では、検索帳票と登録帳票における形状の特徴量が類似していても、帳票画像の色、例えば罫線の色が異なる場合、検索帳票と登録帳票の類比判別が困難であった。

特許文献２の帳票認識処理は、帳票ＩＤとして色を使用したものであり、帳票ＩＤ領域を帳票に持つ必要があるため、帳票の形状に制限が設けられてしまうという問題がある。

特許文献３の従来例では、当初使用した特徴で帳票を判別できなかった場合、当該特徴で絞り込んだ帳票の候補の中から更に新たな特徴を用いて絞り込んでいくものである。したがって、特徴量を順番に使用するため、評価に用いる特徴量の順番に応じて認識結果が大きく左右されてしまうという問題がある。

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、白黒２値帳票とカラー帳票とを高い認識率で統合的に処理することを目的とする。

本発明は、帳票画像の特徴量を、登録帳票の特徴量と比較して、登録帳票の中から類似する登録帳票を抽出して、帳票画像の認識結果とする帳票認識装置であって、前記帳票画像に含まれる構成要素から形状の特徴量を抽出する形状特徴量抽出手段と、前記帳票画像がカラー画像であるときに前記帳票画像の色情報を抽出する色情報抽出手段と、前記抽出された形状の特徴量によって登録帳票との類似度を計算する類似度計算手段と、前記抽出された色情報についての類似度を算出し、前記類似度計算手段によって計算された類似度に、前記色情報についての類似度を加算する色情報類似度加算手段と、前記色情報類似度加算手段によって求められた類似度に基づいて、類似する登録帳票を決定する決定手段とを有する。これによって、白黒２値帳票とカラー帳票とを高い認識率で統合的に処理し得る。

本発明に係る帳票認識装置において、前記カラー画像とは、カラー多値画像と、カラー２値画像と、白黒多値画像とのうち、少なくともいずれかであることが望ましい。

本発明に係る帳票認識装置において、前記帳票画像がカラー画像でないときに、前記決定手段は、前記形状特徴量抽出手段で抽出された特徴量に基づいて、類似する登録帳票を決定することが望ましい。

本発明に係る帳票認識装置において、前記色情報類似度加算手段は、前記形状の特徴量から計算された類似度が閾値以上のときのみ、前記色情報についての類似度を算出し、前記類似度計算手段によって得られた類似度に、前記色情報についての類似度を加算することが望ましい。

本発明に係る帳票認識装置において、前記色情報類似度加算手段は、前記帳票画像および比較対象の登録帳票の両者がカラー画像である場合に、前記色情報についての類似度を算出し、前記類似度計算手段によって得られた類似度に、前記色情報についての類似度を加算するが望ましい。

本発明に係る帳票認識装置において、前記色情報抽出手段は、前記構成要素それぞれについて前記色情報を抽出することが望ましい。

本発明に係る帳票認識装置において、前記色情報とは表枠内のセルの色、文字の色、表枠の罫線色のうちの少なくともいずれかであることが望ましい。

本発明に係る帳票認識装置において、前記帳票画像の前記色情報と前記比較対象の登録帳票の前記色情報の差が所定値以下のとき、前記帳票画像と前記比較対象の登録帳票を同一色と判断することが望ましい。

本発明に係る帳票認識装置において、前記色情報類似度加算手段は、形状特徴量の類似度と色情報の類似度とを重み付き加算することが望ましい。

本発明に係る帳票認識装置において、重み付き加算の重みは可変であることが望ましい。

本発明は、帳票画像の特徴量を、登録帳票の特徴量と比較して、登録帳票の中から類似する登録帳票を抽出して、帳票画像の認識結果とする帳票認識方法であって、前記帳票画像に含まれる構成要素から形状の特徴量を抽出する形状特徴量抽出工程と、前記帳票画像がカラー画像であるときに前記帳票画像の色情報を抽出する色情報抽出工程と、前記抽出された形状の特徴量によって登録帳票との類似度を計算する類似度計算工程と、前記抽出された色情報についての類似度を算出し、前記類似度計算工程で計算された類似度に、前記色情報についての類似度を加算する色情報類似度加算工程と、前記色情報類似度加算工程で求められた類似度に基づいて、類似する登録帳票を決定する決定工程とを有する。

本発明によれば、白黒２値帳票とカラー帳票とを高い認識率で統合的に処理し得る。

次に本発明に係る帳票認識装置および帳票認識方法の実施例１を図面に基づいて説明する。

図１は、本発明に係る帳票認識装置の実施例１を示すブロック図、図２は、図１の帳票認識装置で実施される帳票認識方法の実施例１における登録処理を示すフローチャート、図３は、図１の帳票認識装置で処理される表枠の一例を示す図、図４は、図１の帳票認識装置で実施される帳票認識方法におけるセル内の色情報抽出処理を示すフローチャート、図５は、図１の帳票認識装置で実施される帳票認識方法における文字色抽出処理を示すフローチャート、図６は、図１の帳票認識装置で実施される帳票認識方法における罫線色抽出処理を示すフローチャート、図７は、図１の帳票認識装置で実施される帳票認識方法における認識処理を示すフローチャート、図８は、本発明に係る帳票認識装置で読みだし可能な各種データ処理プログラムを格納する記憶媒体のメモリマップを説明する図である。

図１において、帳票認識装置は、磁気ディスク等の外部記憶装置１０４およびイメージスキャナ１０８を備え、帳票の画像データを外部記憶装置１０４から読み込み、あるいは原稿を直接イメージスキャナ１０８で読み取る。帳票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。イメージスキャナ１０８から入力された画像はＲＡＭ１０３に保持され、ＲＯＭ１０２内の制御プログラムにより、帳票認識のための処理を実行する。帳票認識のための認識辞書は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。

なお必要に応じ、帳票認識に先立ってノイズ除去等の前処理を実行する。

図１において、１０５はディスプレイ、１０６はキーボード、１０７はマウス等のポインティングデバイスである。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。

本発明は汎用的なコンピュータでも実施可能であり、その場合、媒体等で提供される制御プログラムを外部記憶装置１０４に記憶し、オペレータの指示等によりＣＰＵ１０１で実行し得るように構成してもよい。また、本発明の処理手順をコンピュータに実行させるためのコンピュータプログラムは、ネットワーク等を介して実行できるようになっていてもよい。

次に、図１の帳票認識装置において実行される帳票認識方法の実施例１を図面に基づいて説明する。

［帳票認識方法］
図２において、帳票を登録する処理は以下の各ステップにより実行される。

ステップＳ２０１：まずイメージスキャナ１０８等から登録すべき帳票画像を入力する。

ステップＳ２０２：Ｓ２０１で入力された帳票画像が白黒２値画像か否かを判断し、白黒２値画像の場合はステップＳ２０４に進み、その他の画像の場合はステップＳ２０３に進む。なお「その他の画像」には、カラー多値画像、カラー２値画像、グレースケール（白黒多値）画像が含まれる。

ステップＳ２０３：カラー多値画像その他の画像を白黒２値画像に変換し、ステップＳ２０４に進む。

ステップＳ２０４：白黒２値画像において形状に関する特徴量の抽出を行う。形状の特徴量とは、帳票内にある構成要素（例えば表枠や文字など）についての大きさ、位置、数、セル数などである。次にステップＳ２０５に進む。

ステップＳ２０５：再び、入力帳票画像が白黒２値画像か否か判定し、白黒２値画像であれば色情報なしとしてステップＳ２０８に進み、その他の画像であればステップＳ２０６に進む。

ステップＳ２０６：元の画像（カラー多値画像等その他の画像）において、Ｓ２０４で抽出された各構成要素について、色情報を抽出（例えば、ＲＧＢ（赤・緑・青）それぞれ８ビット（２５６階調）のいずれに属するか判別）する。次にステップＳ２０７に進む。

ステップＳ２０７：ステップＳ２０６で抽出された色情報を特徴量として、Ｓ２０４で抽出された形状の特徴量に追加する。

ステップＳ２０８：ステップＳ２０４、ステップＳ２０７で得られた特徴量を帳票書式データとして登録する。

以上の登録処理により登録帳票の帳票書式データが認識辞書に追加される。

図３〜図６を用いて、図２の処理におけるステップＳ２０６について、より詳細に説明する。

図３において、枠線３０１によって輪郭が設定された表枠に、複数（図３では３行３列の９個）のセル（便宜的に描いた矩形３０２等で示す。）が設けられ、各セルには、必要に応じて文字等が記入されている。図３では、１行１列のセル３０２に文字は含まれず、１行２列のセルには「２００２」の文字（文字領域３０１）が含まれ、１行３列のセルには「２００３」の文字（文字領域３０３）が含まれ、２行１列のセルには「Ａ」の文字が含まれ、２行２列のセルには「１２３４５６」および「７７７」の２行の文字が含まれ、２行３列のセルには文字は含まれず、３行１列のセルには「Ｂ」の文字が含まれ、３行２列のセルには文字は含まれず、３行３列のセルには「９９９８８」の文字が含まれる。すなわち１行２列、１行３列、２行１列、２行２列、３行１列および３行３列の各セルは文字領域である。また１行１列、３行２列のセルは文字領域ではない。

図４において、図３の表枠におけるセル内の色情報抽出は以下のステップにより実行される。

ステップＳ４０１：入力されたその他の画像において、表枠内の文字領域、すなわち１行２列、１行３列、２行１列、２行２列、３行１列および３行３列の各文字領域（点線の矩形領域部分）を除去する。

ステップＳ４０２：ステップＳ４０１で除去された文字領域以外の領域に基づいて各セルの色情報の平均値を算出し、この平均値をセル色の色情報とする。

図５において、図３の表枠における文字色抽出処理は以下のステップにより実行される。

ステップＳ５０１：図３の表枠における１行２列、１行３列、２行１列、２行２列、３行１列および３行３列の文字領域について、文字の画素を「１」、背景画素を「０」とする２値画像を生成し、この２値画像と元のカラー画像との論理積を取る。これによって、文字画素のみが抽出される。

ステップＳ５０２：ステップＳ５０１で抽出された文字のカラー画素群について、色情報の平均値を算出し、この平均値を文字色の色情報とする。

図６において、図３の表枠における罫線色抽出処理は以下のステップにより実行される。

ステップＳ６０１：図３の表枠における全てのセル内領域を除去し、罫線のみのカラー画像を生成する。

ステップＳ６０２：Ｓ６０１で残った罫線部分の画素の平均値を罫線色の色情報とする。

このように、図４〜６で抽出された各色情報を、ステップＳ２０６で抽出される色情報とする。

図２の処理により登録された帳票書式データ等により構成される認識辞書を用いて、入力帳票画像との類似度が最も高い登録帳票を抽出する認識処理は図７の各ステップによって実行される。

ステップＳ７０１：図２のステップＳ２０１と同様に、イメージスキャナ１０８等から認識対象の帳票画像（検索帳票）を入力する。

ステップＳ７０２：図２のステップＳ２０２と同様に、ステップＳ７０１で入力された帳票画像が白黒２値画像かを判断し、白黒２値画像の場合はステップＳ７０４に進み、その他の画像の場合はステップＳ７０３に進む。

ステップＳ７０３：図２のステップＳ２０３と同様に、その他の画像を白黒２値画像に変換し、ステップＳ７０４に進む。

ステップＳ７０４：図２のステップＳ２０４と同様に、白黒２値画像において形状に関する特徴量を抽出する。

ステップＳ７０５：図２のステップＳ２０５と同様に、再び、入力帳票画像が白黒２値画像か否か判定し、白黒２値画像であればステップＳ７０７に進み、その他の画像であれば、ステップＳ７０６に進む。

ステップＳ７０６：元のカラー画像において、Ｓ７０４で抽出された各構成要素について、図２のステップＳ２０６の処理と同様にして色情報を抽出する。次にステップＳ７０７に進む。

ステップＳ７０７：形状の特徴量を用いて、検索帳票と、認識辞書中の１個の登録帳票との類似度を算出する。

ステップＳ７０８：ステップＳ７０７で評価対象となった登録帳票と、検索帳票との両者がカラー帳票であるか否かを判断する。検索帳票、登録帳票の両者がカラー帳票（白黒多値帳票を含む。以下同じ。）であったときは、ステップＳ７０９に進み、検索帳票、登録帳票のいずれかがカラー帳票でなかったときはステップＳ７１０にジャンプする。

ステップＳ７０９：ステップＳ７０７で評価対象とされた登録帳票と検索帳票との対応構成要素、たとえば表枠の対応セル、対応罫線、対応文字などについて色情報を比較し、同一色と判断された場合、ステップＳ７０７で得られた類似度に所定の数値を加算する。色の同一の判断は、Ｒ、Ｇ、Ｂの各色成分について所定の許容範囲内であれば、同一と判断する。これは、帳票画像の印刷による発色、スキャナによる色の検出精度にばらつきが生じる可能性があることによる。

加算する類似度（Ｓｃとする。）は実験等により最適値が求められ、例えば、形状特徴量による類似度（Ｓｆ）の最大値に対し、所定比率ｒ（例えば２０％）を上限とし、色情報の比較対照となった構成要素（Ｋ個とする。）のうち、同一色と判断された構成要素（ｋ個とする。）の比率（ｋ／Ｋ）に基づいて加算する類似度（Ｓｃ＝ｒｋＳｆ／Ｋ）を求める。

例えば、構成要素Ｋ＝９個のうち、ｋ＝２個の構成要素の色が一致したとき、ｒ＝０．２とすると、Ｓｃ＝（０．２＊２／９）＊Ｓｆ＝０．０４４＊Ｓｆの数値を形状特徴量の類似度Ｓｆに加算する。

また、色情報に関して同一色の構成要素の評価に重みを与え、例えばセル、罫線、文字の色の一致による加算値を変化させてもよい。

ステップＳ７１０：ステップＳ７０９に続いて、検索帳票とすべての登録帳票との類似度計算が完了したか否か判断し、完了したときはステップＳ７１１に進み、まだ類似度を算出していない登録帳票が存在するときはステップＳ７０７に戻る。

ステップＳ７１１：ステップＳ７０７またはステップＳ７０９で算出された類似度をソートし、最も類似度が高い登録帳票を帳票認識結果とする。

なお、最も高い類似度があらかじめ定められた閾値に達しない場合は、入力帳票が登録帳票内になかったと判断するようにしてもよい。

以上説明したように、実施例１は、色情報を持たない帳票については、形状特徴量のみによる類似度を計算し、色情報を持つ帳票については、類似度に色情報の評価結果を加味するので、カラー帳票と白黒２値帳票を統一的に認識処理でき、カラー帳票はより高精度に帳票認識できる。

これによって当初白黒２値帳票のみを認識処理していた環境において、容易にカラー帳票を導入し得る。

図８において、図１の帳票認識装置で実行可能な各種データ処理プログラムを格納する記憶媒体のメモリマップは、ディレクトリ情報を格納する領域と、図２のフローチャートの各ステップに対応するプログラムコード群を格納する領域、および図７のフローチャートの各ステップに対応するプログラムコード群を格納する領域が設けられる。

なお、特に図示しないが、各種プログラムに従属するデータ、例えば認識辞書なども上記ディレクトリ情報の領域において管理され、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が記憶媒体に記憶される場合もある。

次に、図１の帳票認識装置において実行される帳票認識方法の実施例２を図面に基づいて説明する。図９は、図１の帳票認識装置で実施される帳票認識方法の実施例２における認識処理を示すフローチャートである。

実施例２は、形状特徴量の類似度が低い登録帳票については色情報に基づく類似度評価を省略する。

図９において、実施例２の認識処理は以下の各ステップによって実行される。

ステップＳ９０１：図７のステップＳ７０１と同様に、イメージスキャナ１０８等から検索帳票の画像を入力する。

ステップＳ９０２：図７のステップＳ７０２と同様に、ステップＳ７０１で入力された帳票画像が白黒２値画像か否かを判断し、白黒２値画像の場合はステップＳ９１１に進み、その他の画像の場合はステップＳ９０３に進む。

ステップＳ９０３：図７のステップＳ７０３と同様に、その他の画像を白黒２値画像に変換し、ステップＳ９０４に進む。

ステップＳ９０４：図７のステップＳ７０４と同様に、白黒２値画像において形状に関する特徴量を抽出する。

ステップＳ９０５：図７のステップ７０７と同様に、形状の特徴量を用いて、検索帳票と、認識辞書中の１個の登録帳票との類似度を算出する。

ステップＳ９０６：ステップＳ９０５で算出された類似度が所定の閾値以上か否かを判断する。類似度が閾値以上のときはステップＳ９０７に進み、類似度が閾値未満のときはステップＳ９１０にジャンプする。これによって類似度が低い登録帳票の色情報評価を省略する。

実施例１では、検索帳票、登録帳票の両者に色情報が存在する場合、色情報の類似度を加算するように構成したが、類似しない帳票同士では対応する構成要素が存在しない可能性が高いので、対応構成要素の色情報評価は無意味となることが多い。実施例２では、類似度が低い登録帳票の色情報評価を省略するので、認識精度を低下させることなく、処理速度を向上し得る。

ステップＳ９０７：検索帳票の色情報が既に抽出されているか否か判断する。色情報抽出が未処理であったときはステップＳ９０８に進み、色情報が既に抽出されていたときはステップＳ９０９にジャンプする。

ステップＳ９０８：検索帳票の色情報を抽出し、ステップＳ９０９に進む。

ステップＳ９０９：図７のステップＳ７０７と同様、ステップＳ９０８で抽出された色情報を使用し、ステップＳ９０５で評価対象とされた登録帳票と検索帳票との対応構成要素の色情報を比較し、同一色と判断された場合、ステップＳ９０５で得られた類似度に所定の数値を加算する。

ステップＳ９１０：図７のステップＳ７１０と同様に、ステップＳ９０９に続いて、検索帳票とすべての登録帳票との類似度計算が完了したか否か判断し、完了したときはステップＳ９１４に進み、未処理の登録帳票が存在するときはステップＳ９０６に戻る。

ステップＳ９１１：ステップＳ９０２で白黒２値画像と判断された場合は、ステップＳ９０４と同様に、検索帳票の形状の特徴量を抽出し、ステップＳ９１１に進む。

ステップＳ９１２：ステップＳ９０５と同様に、形状の特徴量を用いて、検索帳票と、認識辞書中の１個の登録帳票との類似度を算出する。

ステップＳ９１３：ステップＳ９１０と同様に、ステップＳ９１２に続いて、検索帳票とすべての登録帳票との類似度計算が完了したか否か判断し、完了したときはステップＳ９１４に進み、未処理の登録帳票が存在するときはステップＳ９１２に戻る。

ステップＳ９１４：ステップＳ９０５、ステップＳ９０９またはステップＳ９１２で算出された類似度をソートし、最も類似度が高い登録帳票を帳票認識結果とする。

以上説明したように、実施例２は、形状特徴量の類似度が低い登録帳票について、色情報による処理を行わないので、計算量が減少する効果がある。

上述した実施例１又は２では、検索帳票画像がグレースケール（白黒多値）画像である場合も、色情報を抽出（Ｓ７０５又はＳ９０８）して登録帳票と比較（Ｓ７０９又はＳ９０９）していた。

本実施例３では、検索帳票画像がグレースケール（白黒多値）画像であるときに、比較対象の登録帳票画像がカラー多値画像或いはカラー２値画像であれば、当該登録帳票画像をグレースケールに変換してから、色情報の類似度を算出する。

また、本発明の操作画面上にモノクロコピー画像検索ボタンを設け、該ボタンがＯＮにされていると、検索帳票画像がグレースケール（白黒多値）画像であるときに、比較対象の登録帳票画像がカラー多値画像或いはカラー２値画像であれば、当該登録帳票画像をグレースケールに変換してから、色情報の類似度を算出するようにしてもよい。

このようにすることによって、モノクロコピー機によってコピーされて作成された帳票をスキャンして検索する場合においても、元のカラー帳票画像を高精度に検索可能となる。

また、上述した実施例１又は２では、画像が白黒２値か否か判断（Ｓ２０２、Ｓ２０５、Ｓ７０２、Ｓ７０５、Ｓ９０２）して処理を変えていたが、白黒（２値・多値）とカラー（２値・多値）とのいずれであるか判断して処理を変えるようにしてもよい。

例えば、操作画面上に、他機種コピー画像検索ボタンを設け、該ボタンがＯＮにされていると、白黒（２値・多値）とカラー（２値・多値）とのいずれであるか判断して処理を変えるようにする。このようにすることによって、カラーモノクロ変換処理のアルゴリズムが本装置と異なるモノクロコピー機によってコピーされて作成された帳票をスキャンして検索する場合においても、色情報を用いずに形状に基づいて類似度を算出するので高精度に検索可能となる。

本発明に係る帳票認識装置の実施例１を示すブロック図である。（実施例１） 図１の帳票認識装置で実施される帳票認識方法の実施例１における登録処理を示すフローチャートである。（実施例１） 図１の帳票認識装置で処理される表枠の一例を示す図である。（実施例１） 図１の帳票認識装置で実施される帳票認識方法におけるセル内の色情報抽出処理を示すフローチャートである。（実施例１） 図１の帳票認識装置で実施される帳票認識方法における文字色抽出処理を示すフローチャートである。（実施例１） 図１の帳票認識装置で実施される帳票認識方法における罫線色抽出処理を示すフローチャートである。（実施例１） 図１の帳票認識装置で実施される帳票認識方法における認識処理を示すフローチャートである。（実施例１） 本発明に係る帳票認識装置で読みだし可能な各種データ処理プログラムを格納する記憶媒体のメモリマップを説明する図である。（実施例１） 図１の帳票認識装置で実施される帳票認識方法の実施例２における認識処理を示すフローチャートである。（実施例２）

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・・・スキャナ部
１０９・・・ネットワークインターフェース

Claims (22)

1. 帳票画像の特徴量を、登録帳票の特徴量と比較して、登録帳票の中から類似する登録帳票を抽出して、帳票画像の認識結果とする帳票認識装置であって、
   前記帳票画像に含まれる構成要素から形状の特徴量を抽出する形状特徴量抽出手段と、
   前記帳票画像がカラー画像であるときに前記帳票画像の色情報を抽出する色情報抽出手段と、
   前記抽出された形状の特徴量によって登録帳票との類似度を計算する類似度計算手段と、
   前記抽出された色情報についての類似度を算出し、前記類似度計算手段によって計算された類似度に、前記色情報についての類似度を加算する色情報類似度加算手段と、
   前記色情報類似度加算手段によって求められた類似度に基づいて、類似する登録帳票を決定する決定手段と、
   を有することを特徴とする帳票認識装置。
2. 前記カラー画像とは、カラー多値画像と、カラー２値画像と、白黒多値画像とのうち、少なくともいずれかであることを特徴とする請求項１に記載の帳票認識装置。
3. 前記帳票画像がカラー画像でないときに、前記決定手段は、前記形状特徴量抽出手段で抽出された特徴量に基づいて、類似する登録帳票を決定することを特徴とする請求項１に記載の帳票認識装置。
4. 前記色情報類似度加算手段は、前記形状の特徴量から計算された類似度が閾値以上のときのみ、前記色情報についての類似度を算出し、前記類似度計算手段によって得られた類似度に、前記色情報についての類似度を加算することを特徴とする請求項１乃至３のいずれかに記載の帳票認識装置。
5. 前記色情報類似度加算手段は、前記帳票画像および比較対象の登録帳票の両者がカラー画像である場合に、前記色情報についての類似度を算出し、前記類似度計算手段によって得られた類似度に、前記色情報についての類似度を加算することを特徴とする請求項１乃至４のいずれかに記載の帳票認識装置。
6. 前記色情報抽出手段は、前記帳票画像に含まれる構成要素それぞれについて前記色情報を抽出することを特徴とする請求項１に記載の帳票認識装置。
7. 前記色情報とは表枠内のセルの色、文字の色、表枠の罫線色のうちの少なくともいずれかであることを特徴とする請求項１に記載の帳票認識装置。
8. 前記帳票画像の前記色情報と前記比較対象の登録帳票の前記色情報の差が所定値以下のとき、前記帳票画像と前記比較対象の登録帳票を同一色と判断することを特徴とする請求項１に記載の帳票認識装置。
9. 前記色情報類似度加算手段は、形状特徴量の類似度と色情報の類似度とを重み付き加算することを特徴とする請求項１に記載の帳票認識装置。
10. 重み付き加算の重みは可変であることを特徴とする請求項９に記載の帳票認識装置。
11. 帳票画像の特徴量を、登録帳票の特徴量と比較して、登録帳票の中から類似する登録帳票を抽出して、帳票画像の認識結果とする帳票認識方法であって、
    前記帳票画像に含まれる構成要素から形状の特徴量を抽出する形状特徴量抽出工程と、
    前記帳票画像がカラー画像であるときに前記帳票画像の色情報を抽出する色情報抽出工程と、
    前記抽出された形状の特徴量によって登録帳票との類似度を計算する類似度計算工程と、
    前記抽出された色情報についての類似度を算出し、前記類似度計算工程で計算された類似度に、前記色情報についての類似度を加算する色情報類似度加算工程と、
    前記色情報類似度加算工程で求められた類似度に基づいて、類似する登録帳票を決定する決定工程と、
    を有することを特徴とする帳票認識方法。
12. 前記カラー画像とは、カラー多値画像と、カラー２値画像と、白黒多値画像とのうち、少なくともいずれかであることを特徴とする請求項１１に記載の帳票認識方法。
13. 前記帳票画像がカラー画像でないときに、前記決定工程では、前記形状特徴量抽出工程で抽出された特徴量に基づいて、類似する登録帳票を決定することを特徴とする請求項１１に記載の帳票認識方法。
14. 前記色情報類似度加算工程は、前記形状の特徴量から計算された類似度が閾値以上のときのみ、前記色情報についての類似度を算出し、前記類似度計算手段によって得られた類似度に、前記色情報についての類似度を加算することを特徴とする請求項１１乃至１３のいずれかに記載の帳票認識方法。
15. 前記色情報類似度加算工程では、前記帳票画像および比較対象の登録帳票の両者がカラー画像である場合に、前記色情報についての類似度を算出し、前記類似度計算工程で得られた類似度に、前記色情報についての類似度を加算することを特徴とする請求項１１乃至１４のいずれかに記載の帳票認識方法。
16. 前記色情報抽出工程は、前記帳票画像に含まれる構成要素それぞれについて前記色情報を抽出することを特徴とする請求項１１に記載の帳票認識方法。
17. 前記色情報とは表枠内のセルの色、文字の色、表枠の罫線色のうちの少なくともいずれかであることを特徴とする請求項１１に記載の帳票認識方法。
18. 前記帳票画像の前記色情報と前記比較対象の登録帳票の前記色情報の差が所定値以下のとき、前記帳票画像と前記比較対象の登録帳票を同一色と判断することを特徴とする請求項１１に記載の帳票認識方法。
19. 前記色情報類似度加算工程は、形状特徴量の類似度と色情報の類似度とを重み付き加算することを特徴とする請求項１１に記載の帳票認識方法。
20. 重み付き加算の重みは可変であることを特徴とする請求項１９に記載の帳票認識方法。
21. 請求項１１乃至２０のいずれかに記載の帳票認識方法をコンピュータによって実現させるためのコンピュータ実行可能プログラム。
22. 請求項１１乃至２０のいずれかに記載の帳票認識方法をコンピュータによって実現させるためのコンピュータ読取可能なプログラムを格納する記憶媒体。
    

Images