JP2007086954A - 文字認識処理装置、および文字認識処理方法、並びにコンピュータ・プログラム - Google Patents

Abstract

【課題】 文字認識の精度を向上させることを可能とした装置、および方法を提供する。
【解決手段】 文字認識処理手段（ＯＣＲ）において、入力画像データに基づく文字認識処理を実行し、実行された文字認識処理の確からしさを算出して、算出した文字認識確からしさを、予め設定した閾値と比較する評価処理を行い、文字認識確からしさが閾値より低い場合、異なる文字認識処理手法を文字認識処理手段に実行させる。本構成により、より高い確からしさを持つ情報を文字認識処理結果として出力することが可能となり、ユーザによる修正処理対象文字の絶対量の削減が可能であり、高精度な文字認識処理が実現される。
【選択図】 図１

Description

本発明は、文字認識処理装置、および文字認識処理方法、および文字認識処理方法、並びにコンピュータ・プログラムに関する。さらに詳細には、ＯＣＲ(Ｏｐｔｉｃａｌ Ｃａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ)等の文書画像データに基づく文字認識処理の精度を向上させた文字認識処理装置、および文字認識処理方法、および文字認識処理方法、並びにコンピュータ・プログラムに関する。

文書原稿を電子保存する場合、原稿を画像データ化した状態で保持しておくことが一般的である。特にデータの再利用性の観点からみると、テキスト領域については、文字認識処理（ＯＣＲ：Ｏｐｔｉｃａｌ Ｃａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ)によって、コード化して保存することが好ましい。

ＯＣＲによる文字認識率は電子文書の信頼度に大きく関わってくる。しかしながらＯＣＲの認識率、文字判定確からしさは１００％ではなく、多くの場合、文書を電子化して保存する場合には、ＯＣＲにおいて誤認識された文字の修正処理が必要となる。

ＯＣＲにおいて認識された文字については、正しく認識されたと判定された文字データと、正しく認識されていない可能性の高い文字データとが混在する。これら文字認識の確からしさを、各認識文字について判別し、不確かな文字のみについて修正を促すことで、修正を行なうユーザの負担を軽減させようという技術が提案されている。例えば、特許文献１には、ＯＣＲによって読み取られた文字毎に文字認識の確からしさを判定し、確からしさが低いと判定された文字を誤り候補として抽出し、これらの誤り候補についてスペースまたは特定文字などで置き換えるといった構成を開示している。

しかし、このような文字認識の確からしさについての情報を、修正処理を行なうユーザに提示しても、結果としては修正処理を行うのはユーザであり、修正の絶対量が削減されることにはつながらない。
特開２００３−２０３２０４号公報

本発明は、上述の問題点に鑑みてなされたものであり、文書データの文字認識処理（ＯＣＲ）を実行する構成において、文字認識率としての確からしさに応じて、文字認識処理の態様を変更することで文字認識の精度を向上させ、ユーザによる修正が必要なデータの絶対量を削減し、ユーザ負担を軽減させることを可能とした高精度な文字認識処理を実現する文字認識処理装置、および文字認識処理方法、並びにコンピュータ・プログラムを提供することを目的とする。

本発明の第１の側面は、
入力画像データに基づく文字認識処理を実行する文字認識処理手段と、
前記文字認識処理手段において実行可能な異なる複数の文字認識処理手法の実行情報を格納した記憶部と、
前記文字認識処理手段において実行された文字認識処理の確からしさを算出する文字認識確からしさ算出部と、
前記文字認識確からしさ算出部の算出した文字認識確からしさを、予め設定した閾値との比較によって評価する文字認識確からしさ評価部と、
前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの手法と異なる手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる処理変更部と、
を有することを特徴とする文字認識処理装置にある。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な複数の異なる二値化処理手法の実行情報を格納した構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの二値化処理手法と異なる二値化処理手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な複数の異なる二値化閾値を持つ二値化処理手法の実行情報を格納した構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの二値化処理に適用した二値化閾値と異なる二値化閾値を設定した二値化処理手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な固定閾値二値化処理手法と、浮動二値化処理手法の実行情報を格納した構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの二値化処理手法と異なる、固定閾値二値化処理手法または浮動二値化処理手法のいずれかの実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な複数のウィンドウサイズを適用した異なる浮動二値化処理手法の実行情報を格納した構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの浮動二値化処理に適用したウィンドウサイズと異なるウィンドウサイズを設定した浮動二値化処理手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な複数の異なるＯＣＲエンジンの実行情報を格納した構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みのＯＣＲエンジンと異なるＯＣＲエンジンの実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な複数の異なるＯＣＲエンジンに関する情報として処理実行順番を規定したＯＣＲエンジンリストを格納した構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、前記ＯＣＲエンジンリストの上位から順に、前記文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記記憶部は、前記文字認識処理手段において実行可能な複数の異なるＯＣＲエンジンに関する情報として、処理対象文書カテゴリに応じて分類したＯＣＲエンジンリストを格納した構成であり、前記処理変更部は、ＯＣＲ処理対象文書の解析に基づいて処理対象文書のカテゴリを特定し、前記記憶部から、該特定カテゴリに対応して分類されたＯＣＲエンジンを優先的に選択して、前記文字認識処理手段において実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記文字認識処理手段は、複数の異なる文字認識処理手法を並列に実行する構成であり、前記文字認識確からしさ算出部は、前記文字認識処理手段において実行された複数の文字認識処理の確からしさを算出し、前記文字認識確からしさ評価部は、前記文字認識確からしさ算出部の算出した複数の文字認識確からしさ中、最も高い確からしさを持つ処理結果を出力対象として選択する構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、文字認識確からしさ算出部は、前記文字認識処理手段において実行された文字認識処理の確からしさを、一定のデータ領域単位で算出する構成であり、前記文字認識確からしさ評価部は、前記データ領域単位で、前記文字認識確からしさ算出部の算出した文字認識確からしさを、予め設定した閾値との比較によって評価する構成であり、前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低いデータ領域についてのみ、実行済みの手法と異なる手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記データ領域は、前記文字認識処理手段において設定されるレイアウト区分領域であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記文字認識確からしさ算出部は、前記レイアウト区分領域毎に文字認識確からしさの平均値を算出し、前記文字認識確からしさ評価部は、前記平均値と前記閾値との比較に基づく評価処理を実行する構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記文字認識確からしさ算出部は、前記レイアウト区分領域毎に文字認識確からしさの平均値と分散値を算出し、前記文字認識確からしさ評価部は、前記平均値と分散値とに基づく評価処理を実行する構成であることを特徴とする。

さらに、本発明の文字認識処理装置の一実施例において、前記データ領域は、一文字単位、またはページ単位であることを特徴とする。

さらに、本発明の第２の側面は、
文字認識処理手段において、入力画像データに基づく文字認識処理を実行する文字認識処理ステップと、
前記文字認識処理ステップにおいて実行された文字認識処理の確からしさを算出する文字認識確からしさ算出ステップと、
前記文字認識確からしさ算出ステップにおいて算出した文字認識確からしさを、予め設定した閾値との比較によって評価する文字認識確からしさ評価ステップと、
前記文字認識確からしさ評価ステップにおける評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、複数の文字認識処理手法の実行情報を格納した記憶部から、実行済みの手法と異なる手法の実行情報を取得し、文字認識処理手段に実行させる処理変更ステップと、
を有することを特徴とする文字認識処理方法にある。

さらに、本発明の第３の側面は、
情報処理装置において文字認識処理を実行させるコンピュータ・プログラムであり、
文字認識処理手段において、入力画像データに基づく文字認識処理を実行する文字認識処理ステップと、
前記文字認識処理ステップにおいて実行された文字認識処理の確からしさを算出する文字認識確からしさ算出ステップと、
前記文字認識確からしさ算出ステップにおいて算出した文字認識確からしさを、予め設定した閾値との比較によって評価する文字認識確からしさ評価ステップと、
前記文字認識確からしさ評価ステップにおける評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、複数の文字認識処理手法の実行情報を格納した記憶部から、実行済みの手法と異なる手法の実行情報を取得し、文字認識処理手段に実行させる処理変更ステップと、
を有することを特徴とするコンピュータ・プログラムにある。

なお、本発明のコンピュータ・プログラムは、例えば、様々なプログラム・コードを実行可能なコンピュータシステムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体、例えば、ＣＤやＦＤ、ＭＯなどの記録媒体、あるいは、ネットワークなどの通信媒体によって提供可能なコンピュータ・プログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、コンピュータシステム上でプログラムに応じた処理が実現される。

本発明のさらに他の目的、特徴や利点は、後述する本発明の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

本発明の構成によれば、文字認識処理手段（ＯＣＲ）において、入力画像データに基づく文字認識処理を実行し、実行された文字認識処理の確からしさを算出して、算出した文字認識確からしさを、予め設定した閾値との比較による評価を行い、文字認識確からしさが閾値より低い場合、複数の文字認識処理手法の実行情報を格納した記憶部から、実行済みの手法と異なる手法の実行情報を取得して、文字認識処理手段に実行させて、より高い確からしさを持つ情報を文字認識処理結果として出力する構成としたので、ユーザによる修正処理対象文字の絶対量を削減することが可能となり、高精度な文字認識処理が実現される。

以下、図面を参照しながら本発明の実施形態に係る文字認識処理装置、および文字認識処理方法、並びにコンピュータ・プログラムの詳細について説明する。

［実施例１］
まず、図１を参照して、本発明の一実施例に係る文字認識処理装置の構成および処理について説明する。図１は、本発明の一実施例に係る文字認識処理装置１００の構成を示すブロック図である。なお、本発明の文字認識処理装置１００の実行するデータ処理は、文字認識処理装置１００の有するハードウェアと、ソフトウェアとしてのコンピュータ・プログラムを適用することによって実行されるものであり、図１に示す図は、本発明の文字認識処理装置において実行される複数の処理を個別に説明するために各処理ごとのブロックとして示したブロック図である。なお、文字認識処理装置のハードウェア構成の具体例については、後段で説明する。

文字認識処理装置１００は、図１に示すように、画像入力部１０１、文字認識処理手段としてのＯＣＲ（Ｏｐｔｉｃａｌ Ｃａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ）手段１０２、文字認識確からしさ算出部１０３、文字認識確からしさ評価部１０４、二値化手法変更部１０５、二値化手法記憶部１０６、ＯＣＲ結果出力部１０７を有し、ＯＣＲ手段１０２は、二値化部１１１、レイアウト解析部１１２、文字認識部１１３を有する。

画像入力部１０１は、文字認識処理対象となる画像データ、すなわち文字を含む文書ドキュメントの画像データを入力する。例えばスキャナによって読み取られた画像データ、あるいはハードディスクなどのデータベースから入力する。なお、入力ドキュメントは、イメージデータ、テキストデータ、さらにレイアウト情報などの属性データを含むドキュメントなど様々なデータが含まれる。

画像入力部１０１に入力された文書データは、ＯＣＲ手段１０２において、文字認識処理（ＯＣＲ：Ｏｐｔｉｃａｌ Ｃａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ)が実行される。ＯＣＲ手段１０２は、二値化部１１１、レイアウト解析部１１２、文字認識部１１３を有する。二値化部１１１では、画像入力部１０１から入力する画像データを、予め設定された閾値を適用して二値化処理を行なう、すなわち、例えば濃淡レベルを指定するある閾値を適用して、画像データについて、白［０］、黒［１］の二値化処理を実行する。

レイアウト解析部１１２は、解析対象のドキュメントの画像データを入力し、ドキュメントのレイアウト解析を実行する。なお、原本ドキュメントに属性情報としてレイアウト情報が含まれる場合は、その情報を適用してもよい。レイアウト情報が含まれない場合は、ドキュメントの画像データに基づいてレイアウト解析を実行する。レイアウト解析手段１１２におけるレイアウト解析は、ドキュメントに含まれる文字領域の区分処理によって複数のレイアウト区分領域を設定する処理などである。なお、後述するが、本発明の装置では、各レイアウト区分毎に文字認識の確からしさについての評価を実行し、評価値に基づいて、各レイアウト区分毎に二値化処理に適用する閾値の変更などを行なう。

文字認識部１１３は、二値化部１１１において生成した画像データの二値化情報に基づいて文字認識を実行する。なお、文字認識処理は、レイアウト解析手段１１２におけるレイアウト解析結果としてのレイアウト区分毎に実行される。文字認識部１１３の処理結果は、文字認識確からしさ算出部１０３に算出される。文字認識確からしさ算出部１０３では、ＯＣＲ手段１０２において実行された文字認識処理の確からしさを各レイアウト単位で検証する処理を実行する。

図２を参照して、ＯＣＲ手段１０２および文字認識確からしさ算出部１０３において実行される具体的な処理例について説明する。画像入力部１０１には、例えばスキャン処理対象となる原稿画像２０１に基づく画像データの読み取りが実行される。図２に示すステップＳ１１のスキャン処理が画像入力部１０１の処理に相当する。

その後、図２に示すステップＳ１２において、ＯＣＲ手段による二値化処理、レイアウト解析処理が実行される。図２に示す解析画像データ２０２が、二値化処理、レイアウト解析処理の結果の一例である。画像データは、複数のレイアウト区分Ｌ１〜Ｌｎに区分される。その後、ステップＳ１３において、文字認識部１０５における文字認識処理が実行され、例えば図２に示す文字認識結果データ２０３が生成される。

図２に示す例では、レイアウト区分Ｌ３では、全ての文字が正しく認識されているが、レイアウト区分Ｌ１，Ｌ２には誤って認識された文字が含まれる。図１に示す文字認識確からしさ算出部１０３は、文字認識部１１３の文字認識の確からしさをレイアウト区分毎に算出する。

この確からしさは、文字認識部１１３の文字認識結果として得られた文字コード情報の信頼度を示す値として算出される値である。例えば、特許２９９１７７９号公報に記載の文字の信頼度値を適用することができる。文字認識確からしさ算出部１０３は、図２に示すように文字認識部１１３の文字認識の確からしさを、レイアウト解析手段１１２におけるレイアウト解析結果としてのレイアウト区分毎に算出する。

図２に示す例では、
レイアウト区分Ｌ１の確からしさ＝６０％
レイアウト区分Ｌ２の確からしさ＝７５％
レイアウト区分Ｌ３の確からしさ＝１００％
というような結果を文字認識確からしさ算出部１０３において算出した例を示している。このように、文字認識確からしさ算出部１０３は、レイアウト区分ごとに文字認識の確からしさを算出する。

文字認識確からしさ評価部１０４は、文字認識確からしさ算出部１０３の算出した各レイアウト区分の確からしさの値を予め定めた閾値（Ｔｈ１）と比較し、各レイアウト区分毎の文字認識結果の確からしさについて、閾値以上の確からしさであるか閾値未満の確からしさであるかを判別する。

例えば、閾値（Ｔｈ１）＝確からしさ８０％とした場合、図２に示す例では、レイアウト区分Ｌ１，Ｌ２が閾値未満と評価され、レイアウト区分Ｌ３については閾値以上であると判定される。

文字認識確からしさ評価部１０４において、閾値未満の評価がなされたレイアウトについては、二値化手法変更部１０５において、二値化手法記憶部１０６に記録された異なる複数の二値化処理アルゴリズムを順次、選択し、実行済みの二値化アルゴリズムと異なるアルゴリズムを適用して、再度、低評価のレイアウト区分の画像データについて異なる処理アルコリズムでの二値化処理を実行する。

すなわち、図２に示すステップＳ１４の処理に示すように、二値化処理に適用するパラメータ、アルゴリズムなどを変更して異なる文字認識処理手法を実行する。この処理手法の変更処理は、所定回数、繰り返し実行される。すなわち、文字認識確からしさ評価部１０４において、閾値以上の確からしさが得られるまで、パラメータ、手法などの変更によるアルゴリズム変更処理を行なって繰り返し実行する。なお、図１に示す二値化手法記憶部１０６に、文字認識処理手段としてのＯＣＲ手段１０２において実行可能な異なる複数の文字認識処理手法の実行情報が格納され、二値化手法変更部１０５は、文字認識確からしさ評価部１０４における評価結果に基づいて、文字認識確からしさが閾値より低い場合、実行済みの手法と異なる手法の実行情報を記憶部１０６から取得して文字認識処理手段としてのＯＣＲ手段１０２に実行させる。

この結果、図２に示すように、例えばレイアウト区分Ｌ１は、１回目の処理では、確からしさ６０％のＯＣＲ結果しか得られていないが、アルゴリズムを変更した２回目の処理では確からしさ８０％となり、閾値（８０％）をクリアする結果が得られる。同様に、レイアウト区分Ｌ２は、１回目の処理では、確からしさ７５％のＯＣＲ結果しか得られていないが、アルゴリズムを変更した２回目の処理では確からしさ８５％となり、閾値をクリアする結果が得られる。

なお、アルゴリズム変更処理は、閾値以上の確からしさが得られるまで、繰り返し実行するが、予め二値化手法記憶部１０６に記録された全てのアルゴリズムに従ってＯＣＲ処理を実行しても、閾値未満の確からしさの評価しか得られない場合は、実行済みの処理結果から、最高の確からしさを持つ処理結果を選択して出力情報とする。

図１に示すＯＣＲ結果出力部１０７からは、これらの結果の最終結果が出力される。すなわち、各レイアウト区分ごとの確からしさが全て閾値以上、あるいは一部レイアウト区分については、閾値未満であっても、準備された二値化アルゴリズムを適用した処理中、最高の確からしさを持つＯＣＲ結果データが出力される。

図３、図４に示すフローチャートを参照して、本実施例に係る文字認識処理装置の処理手順について説明する。図３は、本実施例に係る文字認識処理装置の処理全体の手順を示すフローチャートであり、図４は、二値化処理および二値化処理のアルゴリズム変更処理の詳細シーケンスを説明するフローチャートである。

まず、図３のフローに従って、本実施例に係る文字認識処理装置の処理全体の手順について説明する。ステップＳ１０１において、例えばスキャナによって読み取られた画像データ、あるいはハードディスクなどのデータベースからＯＣＲ処理対象となる画像データを入力する。

次に、ステップＳ１０２〜Ｓ１０４において、ＯＣＲ手段による処理が実行される。ステップＳ１０２は、図１に示す二値化部１１１の処理であり、入力画像データを、予め設定された閾値を適用して二値化処理を行なう、ステップＳ１０３は、レイアウト解析部１１２の処理であり、解析対象のドキュメントの画像データを入力し、ドキュメントのレイアウト解析を実行する。ステップＳ１０４は、文字認識部１１３の処理であり、二値化部１１１において生成した画像データの二値化情報に基づいて文字認識を実行する。なお、文字認識処理は、例えば、予め各文字毎に準備されたパターンデータとの一致度を判別して、認識文字を決定するパターンマッチング処理として実行される。

次のステップＳ１０５は、文字認識確からしさ算出部１０３の処理であり、レイアウト解析手段１１２におけるレイアウト解析結果としてのレイアウト区分毎に文字認識の確からしさを算出する。

次のステップＳ１０６は、文字認識確からしさ評価部１０４の処理であり、文字認識確からしさ算出部１０３の算出した各レイアウト区分の確からしさの値を予め定めた閾値（Ｔｈ１）と比較し、各レイアウト区分毎の文字認識結果の確からしさについて、閾値以上の確からしさであるか閾値未満の確からしさであるかを判別する。

ステップＳ１０７において、各レイアウト区分についての文字データの認識の確からしさが判定され、文字データの認識の確からしさが閾値以上である場合は、ステップＳ１０９において保存データとされ、閾値未満である場合は、ステップＳ１０８に進み、そのレイアウトについての二値化処理態様を変更して、ステップＳ１０２以下の処理を異なる処理アルゴリズムを適用して繰り返し実行する。

ステップＳ１０７において、レイアウト区分についての文字データの認識の確からしさが閾値以上となった場合は、保存データとされ、全てのアルゴリズムについて実行しても、閾値未満である場合は、ステップＳ１０９において、これらのデータの中から、最高の確からしさを持つデータを選択して保存データとする。

この処理によって、各レイアウト区分ごとの確からしさが全て閾値以上のＯＣＲ結果データ、あるいは一部レイアウト区分については、閾値未満でも準備された二値化アルゴリズムを適用した処理中、最高の確からしさを持つＯＣＲ結果データが出力される。

次に、図４に示すフローチャートを参照して、二値化処理および二値化処理のアルゴリズム変更処理の詳細シーケンスについて説明する。図２に示すフローは、ステップＳ２０１における、確からしさと閾値（Ｔｈ１）との比較処理からスタートしている。この処理は、図１に示す文字認識確からしさ評価部１０４におけるレイアウト単位の確からしさ評価処理である。

文字認識確からしさ評価部１０４におけるレイアウト単位の確からしさが閾値以上となった場合（ステップＳ２０１：Ｙｅｓ）は、ステップＳ２０２以下の二値化ルゴリズムの変更処理は実行されず、そのレイアウトについての処理は終了し、これが保存データとされる。

文字認識確からしさ評価部１０４におけるレイアウト単位の確からしさが閾値未満となった場合（ステップＳ２０１：Ｎｏ）は、そのレイアウトについて、ステップＳ２０２以下の二値化ルゴリズムの変更処理が実行される。まず、ステップＳ２０２において、注目レイアウト内の入力画像の濃度ヒストグラムを生成し参照し、ステップＳ２０３において、最大ピーク値を持つ濃度レベルＺを背景構成データの持つ濃度であると判定し、この濃度と、二値化処理に適用した閾値Ａを比較する。

ステップＳ２０４では、二値化閾値Ａを変更する。具体的には、
Ｚ≧Ａである場合は、閾値Ａの濃度レベルを上げる（例えば＋５％）、
Ｚ＜Ａである場合は、閾値Ａの濃度レベルを下げる（例えば−５％）、
とする閾値変更処理を実行する。

この処理の後、ステップＳ２０６のＯＣＲ処理を再度実行する。なお、ステップＳ２０５では、閾値変更可能範囲の閾値変更処理が全て終了しているか否かを判定し、閾値変更可能範囲の閾値変更処理が全て終了している場合には、処理を終了するか、またはステップＳ２２１以下の処理を実行する。ステップＳ２０４での閾値変更処理を実行してステップＳ２０６におけるＯＣＲ処理を実効した結果、ステップＳ２０１における確からしさ評価結果が、確からしさが閾値以上となった場合は、その時点で、そのレイアウトに対するＯＣＲ処理は終了する。

ステップＳ２０５において、閾値変更可能範囲の閾値変更処理が全て終了している場合には、処理を終了するか、またはステップＳ２２１以下の処理を実行する。ステップＳ２２１〜Ｓ２２５の処理は、浮動二値化処理アルゴリズムによるＯＣＲ処理を示している。ステップＳ２０１〜Ｓ２０６までの処理は、固定化した閾値を適用した処理であり、固定閾値二値化処理と呼ばれる。一方、ステップＳ２２１〜Ｓ２２５の処理は、二値化閾値を二値化処理を実行する領域（局所領域）ごとに変更する処理であり、浮動二値化処理と呼ばれる。浮動二値化処理では、特定の二値化閾値を設定する領域（局所領域）の大きさ（ウィンドウサイズ）を設定して、二値化処理を実行する。

ステップＳ２０１〜Ｓ２０６の処理において、設定可能な全ての閾値を適用したＯＣＲ処理においても、確からしさが閾値以上にならない場合には、その時点で、最高の確からしさを持つデータを結果データとして保存してもよいが、ステップＳ２２１以下の浮動二値化処理を実行する構成としてもよい。

ステップＳ２２１では、まず、浮動二値化処理を実行する場合の局所領域サイズ（ウィンドウサイズ）を決定する。ウィンドウサイズは、例えば［１１×１１画素］→［９×９画素］→［７×７画素］ように、認識率が上がらない場合は、順次小さくして設定する。

確からしさが閾値を超える結果が得られる（ステップＳ２２５：Ｙｅｓ）か、全ての設定可能なウィンドウサイズの設定が終了するまで（ステップＳ２２２：Ｙｅｓ）繰り返し実行する。ステップＳ２２４の浮動二値化ＯＣＲ処理を、ウィンドウサイズを変更して繰り返し実行する。これらの繰り返し処理において、確からしさが閾値を超えた場合（Ｓ２２５：Ｙｅｓ）は、その時点で、そのデータを保存データとする。すべてのウィンドウサイズ変更許容範囲の処理を実行しても確からしさが閾値以上とならない場合は、実行済みのＯＣＲ結果中、最も高い確からしさを持つＯＣＲ結果データを保存データとして出力する。

このように、本実施例の構成を適用したＯＣＲ処理によれば、各レイアウト区分ごとの確からしさが全て閾値以上、あるいは一部レイアウト区分については、閾値未満であっても、準備された二値化アルゴリズムを適用した処理中、最高の確からしさを持つＯＣＲ結果データを得ることができる。

なお、上述の実施例では、確からしさの評価単位、アルゴリズムの変更単位をレイアウト単位とした例を説明したが、原稿全体やページを１つの単位として処理する構成としてもよく、また、各文字単位で評価を行い、処理手法、アルゴリズムを文字単位で変更する構成としてもよい。また、確からしさの評価を、レイアウト等の所定のデータ領域単位で実行する場合、そのデータ領域に含まれる文字の認識の確からしさの平均値を算出して、平均値と閾値との比較を行う方法や、確からしさの平均値、分散値を算出して、これらの値に基づく評価を実行する構成としてもよい。

［実施例２］
次に、図５を参照して、本発明の実施例２に係る文字認識処理装置の構成および処理について説明する。図５は、本発明の実施例２に係る文字認識処理装置３００の構成を示すブロック図である。文字認識処理装置３００は、画像入力部３０１、文字認識処理手段としてのＯＣＲ（Ｏｐｔｉｃａｌ Ｃａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ）手段３０２、文字認識確からしさ算出部３０３、文字認識確からしさ評価部３０４、ＯＣＲエンジン変更部３０５、ＯＣＲエンジン記憶部２０６、ＯＣＲ結果出力部２０７を有するなお、ＯＣＲ手段３０２は、先の実施例と同様、例えば二値化部、レイアウト解析部、文字認識部を有するＯＣＲ手段である。

画像入力部３０１は、文字認識処理対象となる画像データ、すなわち文字を含む文書ドキュメントの画像データを入力する。例えばスキャナによって読み取られた画像データ、あるいはハードディスクなどのデータベースから入力する。なお、入力ドキュメントは、イメージデータ、テキストデータ、さらにレイアウト情報などの属性データを含むドキュメントなど様々なデータが含まれる。

画像入力部３０１に入力された文書データは、ＯＣＲ手段３０２において、文字認識処理（ＯＣＲ：Ｏｐｔｉｃａｌ Ｃａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ)が実行される。本実施例においても、レイアウト解析後にレイアウト単位での文字認識処理が実行される。レイアウト解析は、ドキュメントに含まれる文字領域を区分する処理である。なお、後述するが、本発明の装置では、各レイアウト区分毎に文字認識の確からしさについての評価を実行し、評価値に基づいて、各レイアウト区分毎にＯＣＲエンジンの変更などを行なう。

図６を参照して、ＯＣＲ手段３０２による具体的な処理例について説明する。画像入力部３０１には、例えばスキャン処理対象となる原稿画像４０１に基づく画像データの読み取りが実行される。図６に示すステップＳ２１のスキャン処理が画像入力部３０１の処理に相当する。

その後、図６に示すステップＳ２２において、ＯＣＲ手段による二値化処理、レイアウト解析処理が実行される。図６に示す解析画像データ２０２が、二値化処理、レイアウト解析処理の結果の一例である。画像データは、複数のレイアウト区分Ｌ１〜Ｌｎに区分される。その後、ステップＳ２３において、文字認識処理が実行され、例えば図６に示す文字認識結果データ４０３が生成される。

図６に示す例では、レイアウト区分Ｌ３では、全ての文字が正しく認識されているが、レイアウト区分Ｌ１，Ｌ２には誤って認識された文字が含まれる。図５に示す文字認識確からしさ算出部３０３は、ＯＣＲ手段３０２における文字認識の確からしさをレイアウト区分毎に算出する。

文字認識確からしさ算出部３０３は、図６に示すように文字認識の確からしさを、レイアウト区分毎に算出する。図６に示す例では、まず、最初のＯＣＲエンジンであるＯＣＲエンジンＡを適用した結果として、
レイアウト区分Ｌ１の確からしさ＝６０％
レイアウト区分Ｌ２の確からしさ＝８０％
レイアウト区分Ｌ３の確からしさ＝１００％
という結果を算出した例である。

文字認識確からしさ評価部３０４は、文字認識確からしさ算出部３０３の算出した各レイアウト区分の確からしさの値を予め定めた閾値（Ｔｈ２）と比較し、各レイアウト区分毎の文字認識結果の確からしさについて、閾値以上の確からしさであるか閾値未満の確からしさであるかを判別する。

例えば、閾値（Ｔｈ２）＝確からしさ８０％とした場合、図６に示す例では、レイアウト区分Ｌ１が閾値未満と評価され、レイアウト区分Ｌ２，Ｌ３については閾値以上であると判定される。

文字認識確からしさ評価部３０４において、閾値未満の評価がなされたレイアウトについては、ＯＣＲエンジン変更部３０５において、ＯＣＲエンジン記憶部３０６に記録された異なる複数のＯＣＲエンジンを順次、選択し、実行済みのＯＣＲエンジンと異なるＯＣＲエンジンを適用して、再度、低評価のレイアウト区分の画像データについて異なるＯＣＲエンジンを適用したＯＣＲ処理を実行する。

すなわち、図６に示すステップＳ２４の処理に示すように、適用するＯＣＲエンジンを変更してＯＣＲ処理を実行する。このＯＣＲエンジンの変更処理は、所定回数、繰り返し実行される。すなわち、文字認識確からしさ評価部３０４において、閾値以上の確からしさが得られるまで、変更処理を行なって繰り返しＯＣＲ処理を実行する。この結果、図６に示すように、例えばレイアウト区分Ｌ１は、ＯＣＲエンジンＡを適用した１回目の処理では、確からしさ６０％のＯＣＲ結果しか得られていないが、ＯＣＲエンジンＢを適用した２回目の処理では確からしさ８５％となり、閾値（８０％）をクリアする結果が得られる。

なお、ＯＣＲエンジン変更処理は、閾値以上の確からしさが得られるまで、繰り返し実行するが、予めＯＣＲエンジン記憶部３０６に記録された全てのＯＣＲエンジンに従ってＯＣＲ処理を実行しても、閾値未満の確からしさの評価しか得られない場合は、実行済みの処理結果から、最高の確からしさを持つ処理結果を選択して出力情報とする。

図６に示すＯＣＲ結果出力部３０７からは、これらの結果の最終結果が出力される。すなわち、各レイアウト区分ごとの確からしさが全て閾値以上、あるいは一部レイアウト区分については、閾値未満であっても、準備された二値化アルゴリズムを適用した処理中、最高の確からしさを持つＯＣＲ結果データが出力される。

図７に示すフローチャートを参照して、本実施例に係る文字認識処理装置の処理手順について説明する。ステップＳ３０１において、例えばスキャナによって読み取られた画像データ、あるいはハードディスクなどのデータベースからＯＣＲ処理対象となる画像データを入力する。

次に、ステップＳ３０２において、ＯＣＲ手段による処理が実行される。この処理は、具体的には、先の実施例１で説明した二値化処理、レイアウト解析処理、パターンマッチングによる文字認識処理等が含まれる処理である。次のステップＳ３０３は、文字認識確からしさ算出部３０３の処理であり、レイアウト区分毎に文字認識の確からしさを算出する。

次のステップＳ３０４は、文字認識確からしさ評価部３０４の処理であり、文字認識確からしさ算出部３０３の算出した各レイアウト区分の確からしさの値を予め定めた閾値（Ｔｈ２）と比較し、各レイアウト区分毎の文字認識結果の確からしさについて、閾値以上の確からしさであるか閾値未満の確からしさであるかを判別する。

ステップＳ３０５において、各レイアウト区分についての文字データの認識の確からしさが判定され、文字データの認識の確からしさが閾値以上である場合は、ステップＳ３０７において保存データとされ、閾値未満である場合は、ステップＳ３０６に進み、そのレイアウトについてＯＣＲエンジンを変更して、ステップＳ３０２以下の処理を繰り返し実行する。

ステップＳ３０５において、レイアウト区分についての文字データの認識の確からしさが閾値以上となった場合は、保存データとされ、全てのＯＣＲエンジンによる処理を実行しても、閾値未満である場合は、ステップＳ３０７において、これらのデータの中から、最高の確からしさを持つデータを選択して保存データとする。

この処理によって、各レイアウト区分ごとの確からしさが全て閾値以上のＯＣＲ結果データ、あるいは一部レイアウト区分については、閾値未満でも準備されたＯＣＲエンジンを適用した処理中、最高の確からしさを持つＯＣＲ結果データが出力される。

なお、上述した処理シーケンスでは、複数のＯＣＲエンジンについて、シーケンシャルに１つずつ実行する処理例として説明したが、複数の異なるＯＣＲエンジンによる処理を並列に実行して、その実行結果から最大の確からしさを持つ結果のみを選択する手法を適用してもよい。

なお、例えば、１つずつ異なるＯＣＲエンジンを適用した処理を行なう場合、実行するＯＣＲエンジンの順番を設定したリストをＯＣＲエンジン記憶部３０６に格納し、ＯＣＲエンジン選択部３０５が、そのリストから順番に実行するＯＣＲエンジンを選択する構成とする。例えば、図８に示すＯＣＲエンジンリストをＯＣＲエンジン記憶部３０６に格納する。図８に示すＯＣＲエンジンリストは、例えば過去に実行したＯＣＲ処理結果に基づいて、確からしさの高い結果を出力したＯＣＲエンジンを字容易に設定したリストである。このようなリストの順に従って、ＯＣＲ処理を実行することで、より早い段階で、確からしさの高い結果を得ることができる。

また、各ＯＣＲエンジンには、特徴があり、例えば、帳票文書に対しての認識率が高いエンジンや、新聞などの文書データについての認識率の高いエンジンなど、それぞれのＯＣＲエンジンの得意とする文書がある。このようなＯＣＲエンジンの特徴を利用し、解析対象とする文書の種類を解析した上で、適用するＯＣＲエンジンの順番を動的に設定する構成としてもよい。

例えば、図９に示すように、
ＯＣＲエンジンＡ＝帳票用、
ＯＣＲエンジンＢ＝新聞、雑誌用、
ＯＣＲエンジンＣ＝英文用、
このように、適用対象の文書種類毎に区分したＯＣＲエンジンリストをＯＣＲエンジン記憶部３０６に格納する。

ＯＣＲエンジン変更部３０５は、図９に示すように、登録単語検索部３５１、ＯＣＲエンジン選択部３５２、登録単語格納部３５３を有し、登録単語検索部３５１において、ＯＣＲ手段３０２のＯＣＲ結果を入力して、入力文書データから、登録単語格納部３５３に格納された単語と一致する情報を検索する。登録単語格納部３５３には、例えば文書が帳票である場合に頻出する単語情報、文書が新聞である場合に頻出する単語情報、文書が英文である場合に頻出する単語情報など、文書カテゴリごとの単語情報が登録されており、登録単語検索部３５１は、ＯＣＲ結果と登録情報とを参照して一致する単語を検索する。

ＯＣＲエンジン選択部３５２は、登録単語検索部３５１の検索結果に基づいて、ＯＣＲ手段３０２によって読み取られた文書の種類を特定して、特定した文書種類に適したＯＣＲエンジンをＯＣＲエンジン記憶部３０６から選択して、この選択したＯＣＲエンジンを次に実行するＯＣＲ処理に適用するＯＣＲエンジンとする。

この処理によって、処理対象とする文書のカテゴリに応じた最適なＯＣＲエンジンが選択され、より早い段階で、高い認識率のＯＣＲ結果を得ることが可能となる。

最後に、図１０を参照して、本発明の文字認識処理装置のハードウェア構成例について説明する。図１０に示す構成は、例えばＰＣなどによって構成される文字認識処理装置であり、スキャナ等のデータ読み取り部５３１と、プリンタなどのデータ出力部５３２を備えたハード構成例を示している。

ＣＰＵ（Central Processing Unit）５０１は、上述の実施例において説明した各種のデータ処理、すなわち、ＯＣＲ処理、ＯＣＲにおける二値化手法変更処理、ＯＣＲエンジン変更処理、確からしさ算出処理、確からしさ評価処理等の各処理の実行シーケンスを記述したコンピュータ・プログラムに従った処理を実行する制御部である。

ＲＯＭ（Read Only Memory）５０２は、ＣＰＵ５０１が使用するプログラムや演算パラメータ等を格納する。ＲＡＭ（Random Access Memory）５０３は、ＣＰＵ５０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を格納する。これらはＣＰＵバスなどから構成されるホストバス５０４により相互に接続されている。

ホストバス５０４は、ブリッジ５０５を介して、ＰＣＩ(Peripheral Component Interconnect/Interface)バスなどの外部バス５０６に接続されている。

キーボード５０８、ポインティングデバイス５０９は、ユーザにより操作される入力デバイスである。ディスプレイ５１０は、液晶表示装置またはＣＲＴ（Cathode Ray Tube）などから成り、各種情報をテキストやイメージ情報として表示する。

ＨＤＤ（Hard Disk Drive）５１１は、ハードディスクを内蔵し、ハードディスクを駆動し、ＣＰＵ５０１によって実行するプログラムや情報を記録または再生させる。ハードディスクは、入力された原本ドキュメントやＯＣＲ結果データ、さらに複数の異なる二値化手法（アルゴリズム）、複数の異なるＯＣＲエンジンなどが格納される。さらに、その他の各種のデータ処理プログラム等、各種コンピュータ・プログラムが格納される。

ドライブ５１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体５２１に記録されているデータまたはプログラムを読み出して、そのデータまたはプログラムを、インタフェース５０７、外部バス５０６、ブリッジ５０５、およびホストバス５０４を介して接続されているＲＡＭ５０３に供給する。リムーバブル記録媒体５２１も、ハードディスクと同様のデータ記録領域として利用可能である。

接続ポート５１４は、外部接続機器５２２を接続するポートであり、ＵＳＢ，ＩＥＥＥ１３９４等の接続部を持つ。接続ポート５１４は、インタフェース５０７、および外部バス５０６、ブリッジ５０５、ホストバス５０４等を介してＣＰＵ５０１等に接続されている。通信部５１５は、ネットワークに接続され、外部とのデータ通信処理を実行する。データ読み取り部５３１は、ドキュメントの読み取り処理を実行し、データ出力部５３２は、ドキュメントデータの出力処理を実行する。

なお、図１０に示す文字認識処理装置のハードウェア構成例は、１つの装置例を示すものであり、本発明の文字認識処理装置は、図１０に示す構成に限らず、上述した実施例において説明した処理を実行可能な構成であればよい。

以上、特定の実施例を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が該実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本発明の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

なお、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。

例えば、プログラムは記録媒体としてのハードディスクやＲＯＭ（Read Only Memory)に予め記録しておくことができる。あるいは、プログラムはフレキシブルディスク、ＣＤ−ＲＯＭ(Compact Disc Read Only Memory)，ＭＯ(Magneto optical)ディスク，ＤＶＤ(Digital Versatile Disc)、磁気ディスク、半導体メモリなどのリムーバブル記録媒体に、一時的あるいは永続的に格納（記録）しておくことができる。このようなリムーバブル記録媒体は、いわゆるパッケージソフトウエアとして提供することができる。

なお、プログラムは、上述したようなリムーバブル記録媒体からコンピュータにインストールする他、ダウンロードサイトから、コンピュータに無線転送したり、ＬＡＮ(Local Area Network)、インターネットといったネットワークを介して、コンピュータに有線で転送し、コンピュータでは、そのようにして転送されてくるプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

以上、説明したように、本発明の構成によれば、文字認識処理手段（ＯＣＲ）において、入力画像データに基づく文字認識処理を実行し、実行された文字認識処理の確からしさを算出して、算出した文字認識確からしさを、予め設定した閾値との比較による評価を行い、文字認識確からしさが閾値より低い場合、複数の文字認識処理手法の実行情報を格納した記憶部から、実行済みの手法と異なる手法の実行情報を取得して、文字認識処理手段に実行させて、より高い確からしさを持つ情報を文字認識処理結果として出力する構成としたので、ユーザによる修正処理対象文字の絶対量を削減することが可能となり、高精度な文字認識処理が実現される。

本発明の一実施例に係る文字認識処理装置の構成を示すブロック図である。 本発明の一実施例に係る文字認識処理装置の実行する処理例について説明する図である。 本発明の一実施例に係る文字認識処理装置の実行する処理シーケンスについて説明するフローチャートを示す図である。 本発明の一実施例に係る文字認識処理装置の実行する二値化手法変更処理シーケンスについて説明するフローチャートを示す図である。 本発明の一実施例に係る文字認識処理装置の構成を示すブロック図である。 本発明の一実施例に係る文字認識処理装置の実行する処理例について説明する図である。 本発明の一実施例に係る文字認識処理装置の実行する処理シーケンスについて説明するフローチャートを示す図である。 本発明の一実施例に係る文字認識処理装置の利用するＯＣＲエンジンリストの例について説明する図である。 本発明の一実施例に係る文字認識処理装置の利用するＯＣＲエンジンリストの例および処理構成について説明する図である。 本発明の文字認識処理装置のハードウェア構成例について説明する図である。

符号の説明

１００ 文字認識処理装置
１０１ 画像入力部
１０２ ＯＣＲ手段
１０３ 文字認識確からしさ算出部
１０４ 文字認識確からしさ評価部
１０５ 二値化手法変更部
１０６ 二値化手法記憶部
１０７ ＯＣＲ結果出力部
１１１ 二値化部
１１２ レイアウト解析部
１１３ 文字認識部
３００ 文字認識処理装置
３０１ 画像入力部
３０２ ＯＣＲ手段
３０３ 文字認識確からしさ算出部
３０４ 文字認識確からしさ評価部
３０５ ＯＣＲエンジン変更部
３０６ ＯＣＲエンジン記憶部
３０７ ＯＣＲ結果出力部
３５１ 登録単語検索部
３５２ ＯＣＲエンジン選択部
３５３ 登録単語格納部
５０１ ＣＰＵ(Central Processing Unit)
５０２ ＲＯＭ（Read-Only-Memory）
５０３ ＲＡＭ（Random Access Memory）
５０４ ホストバス
５０５ ブリッジ
５０６ 外部バス
５０７ インタフェース
５０８ キーボード
５０９ ポインティングデバイス
５１０ ディスプレイ
５１１ ＨＤＤ（Hard Disk Drive）
５１２ ドライブ
５１４ 接続ポート
５１５ 通信部
５２１ リムーバブル記録媒体
５２２ 外部接続機器
５３１ データ読み取り部
５３２ データ出力部

Claims (16)

1. 入力画像データに基づく文字認識処理を実行する文字認識処理手段と、
   前記文字認識処理手段において実行可能な異なる複数の文字認識処理手法の実行情報を格納した記憶部と、
   前記文字認識処理手段において実行された文字認識処理の確からしさを算出する文字認識確からしさ算出部と、
   前記文字認識確からしさ算出部の算出した文字認識確からしさを、予め設定した閾値との比較によって評価する文字認識確からしさ評価部と、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの手法と異なる手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる処理変更部と、
   を有することを特徴とする文字認識処理装置。
2. 前記記憶部は、前記文字認識処理手段において実行可能な複数の異なる二値化処理手法の実行情報を格納した構成であり、
   前記処理変更部は、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの二値化処理手法と異なる二値化処理手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
3. 前記記憶部は、前記文字認識処理手段において実行可能な複数の異なる二値化閾値を持つ二値化処理手法の実行情報を格納した構成であり、
   前記処理変更部は、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの二値化処理に適用した二値化閾値と異なる二値化閾値を設定した二値化処理手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
4. 前記記憶部は、前記文字認識処理手段において実行可能な固定閾値二値化処理手法と、浮動二値化処理手法の実行情報を格納した構成であり、
   前記処理変更部は、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの二値化処理手法と異なる、固定閾値二値化処理手法または浮動二値化処理手法のいずれかの実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
5. 前記記憶部は、前記文字認識処理手段において実行可能な複数のウィンドウサイズを適用した異なる浮動二値化処理手法の実行情報を格納した構成であり、
   前記処理変更部は、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みの浮動二値化処理に適用したウィンドウサイズと異なるウィンドウサイズを設定した浮動二値化処理手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
6. 前記記憶部は、前記文字認識処理手段において実行可能な複数の異なるＯＣＲエンジンの実行情報を格納した構成であり、
   前記処理変更部は、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、実行済みのＯＣＲエンジンと異なるＯＣＲエンジンの実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
7. 前記記憶部は、前記文字認識処理手段において実行可能な複数の異なるＯＣＲエンジンに関する情報として処理実行順番を規定したＯＣＲエンジンリストを格納した構成であり、
   前記処理変更部は、
   前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、前記ＯＣＲエンジンリストの上位から順に、前記文字認識処理手段に実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
8. 前記記憶部は、前記文字認識処理手段において実行可能な複数の異なるＯＣＲエンジンに関する情報として、処理対象文書カテゴリに応じて分類したＯＣＲエンジンリストを格納した構成であり、
   前記処理変更部は、
   ＯＣＲ処理対象文書の解析に基づいて処理対象文書のカテゴリを特定し、前記記憶部から、該特定カテゴリに対応して分類されたＯＣＲエンジンを優先的に選択して、前記文字認識処理手段において実行させる構成であることを特徴とする請求項１に記載の文字認識処理装置。
9. 前記文字認識処理手段は、複数の異なる文字認識処理手法を並列に実行する構成であり、
   前記文字認識確からしさ算出部は、
   前記文字認識処理手段において実行された複数の文字認識処理の確からしさを算出し、
   前記文字認識確からしさ評価部は、
   前記文字認識確からしさ算出部の算出した複数の文字認識確からしさ中、最も高い確からしさを持つ処理結果を出力対象として選択する構成であることを特徴とする請求項１に記載の文字認識処理装置。
10. 文字認識確からしさ算出部は、
    前記文字認識処理手段において実行された文字認識処理の確からしさを、一定のデータ領域単位で算出する構成であり、
    前記文字認識確からしさ評価部は、
    前記データ領域単位で、前記文字認識確からしさ算出部の算出した文字認識確からしさを、予め設定した閾値との比較によって評価する構成であり、
    前記処理変更部は、前記文字認識確からしさ評価部における評価結果に基づいて、文字認識確からしさが前記閾値より低いデータ領域についてのみ、実行済みの手法と異なる手法の実行情報を前記記憶部から取得して文字認識処理手段に実行させる構成であることを特徴とする請求項１乃至９いずれかに記載の文字認識処理装置。
11. 前記データ領域は、
    前記文字認識処理手段において設定されるレイアウト区分領域であることを特徴とする請求項１０に記載の文字認識処理装置。
12. 前記文字認識確からしさ算出部は、
    前記レイアウト区分領域毎に文字認識確からしさの平均値を算出し、
    前記文字認識確からしさ評価部は、
    前記平均値と前記閾値との比較に基づく評価処理を実行する構成であることを特徴とする請求項１１に記載の文字認識処理装置。
13. 前記文字認識確からしさ算出部は、
    前記レイアウト区分領域毎に文字認識確からしさの平均値と分散値を算出し、
    前記文字認識確からしさ評価部は、
    前記平均値と分散値とに基づく評価処理を実行する構成であることを特徴とする請求項１１に記載の文字認識処理装置。
14. 前記データ領域は、
    一文字単位、またはページ単位であることを特徴とする請求項１０に記載の文字認識処理装置。
15. 文字認識処理手段において、入力画像データに基づく文字認識処理を実行する文字認識処理ステップと、
    前記文字認識処理ステップにおいて実行された文字認識処理の確からしさを算出する文字認識確からしさ算出ステップと、
    前記文字認識確からしさ算出ステップにおいて算出した文字認識確からしさを、予め設定した閾値との比較によって評価する文字認識確からしさ評価ステップと、
    前記文字認識確からしさ評価ステップにおける評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、複数の文字認識処理手法の実行情報を格納した記憶部から、実行済みの手法と異なる手法の実行情報を取得し、文字認識処理手段に実行させる処理変更ステップと、
    を有することを特徴とする文字認識処理方法。
16. 情報処理装置において文字認識処理を実行させるコンピュータ・プログラムであり、
    文字認識処理手段において、入力画像データに基づく文字認識処理を実行する文字認識処理ステップと、
    前記文字認識処理ステップにおいて実行された文字認識処理の確からしさを算出する文字認識確からしさ算出ステップと、
    前記文字認識確からしさ算出ステップにおいて算出した文字認識確からしさを、予め設定した閾値との比較によって評価する文字認識確からしさ評価ステップと、
    前記文字認識確からしさ評価ステップにおける評価結果に基づいて、文字認識確からしさが前記閾値より低い場合、複数の文字認識処理手法の実行情報を格納した記憶部から、実行済みの手法と異なる手法の実行情報を取得し、文字認識処理手段に実行させる処理変更ステップと、
    を有することを特徴とするコンピュータ・プログラム。

Images