JP2008262281A - 文字認識システム、情報処理装置、および情報処理プログラム - Google Patents

Abstract

【課題】クライアント装置やＯＣＲサーバのデバイスの相違にかかわらず、適切な文字認識結果を得る。
【解決手段】文字認識システム１は、ＯＣＲサーバ２０と、クライアント装置１０とを含む。ＯＣＲサーバ２０は、入力された画像に含まれる文字を認識し、認識した文字を含む第１のデータをクライアント装置１０に送信する。クライアント装置１０は、文字毎に、その文字の置換候補を関連づけた置換候補文字情報を記憶し、ＯＣＲサーバ２０により送信された第１のデータを受信し、記憶される置換候補文字情報に基づいて、第１のデータに含まれる文字を置換して第２のデータを生成する。
【選択図】図１

Description

本発明は、文字認識システム、情報処理装置、および情報処理プログラムに関する。

ＯＣＲ（Optical Character Reader）の処理をクライアントサーバ型で行う文字認識システムがある。このような文字認識システムでは、クライアント装置がスキャナにより取得したスキャン画像をＯＣＲサーバに伝送し、ＯＣＲサーバはスキャン画像に対してＯＣＲ処理を行った後、ＯＣＲ処理の結果をクライアント装置に返すようにしている。

クライアント装置により取得されるスキャン画像の画質がクライアント装置に備えられる又は接続されるスキャナの性能や特性により左右されるため、たとえ同じ原稿に対してＯＣＲ処理を行ったとしても、従来の文字認識システムではクライアント装置毎にＯＣＲ処理の結果生成されるデータが異なってしまうことがあった。また、たとえ同じクライアント装置を用いたとしても、サーバ側のＯＣＲエンジンが変更された場合には、それまでの認識結果と新たな認識結果とが異なることがあった。

本発明の目的は、文字認識システムに含まれるデバイスの相違にかかわらず、適切な文字認識結果を得ることができる文字認識システム、情報処理装置、及び情報処理プログラムを提供することにある。

上記目的を達成するために、請求項１に記載の文字認識システムの発明は、文字認識装置と、情報処理装置とを含み、前記文字認識装置は、入力された画像に含まれる文字を認識する文字認識手段と、前記文字認識手段により認識された文字を含む第１のデータを、前記情報処理装置に送信する送信手段と、を含み、前記情報処理装置は、文字毎に、該文字の置換候補の文字を関連づけた置換候補文字情報を記憶する記憶手段と、前記送信手段により送信された前記第１のデータを受信する受信手段と、前記記憶手段に記憶される置換候補文字情報に基づいて、前記第１のデータに含まれる文字を置換して第２のデータを生成する生成手段と、を含む、ことを特徴とする。

請求項２に記載の発明は、請求項１に記載の発明において、前記文字認識システムは、画像をスキャンするスキャン手段を含み、前記情報処理装置は、前記スキャン手段によりスキャンされたスキャン画像を取得する取得手段と、前記取得手段により取得されたスキャン画像を前記文字認識装置に送信する画像送信手段と、をさらに含み、前記文字認識装置は、前記画像送信手段により送信されたスキャン画像を受信する画像受信手段をさらに含み、前記文字認識手段は、前記画像受信手段により受信されたスキャン画像に含まれる文字を認識する、ことを特徴とする。

請求項３に記載の発明は、請求項１又は２に記載の発明において、前記置換候補文字情報は、文字毎に該文字の少なくとも１つの置換候補を優先順位とともに関連づけた情報である、ことを特徴とする。

請求項４に記載の発明は、請求項３に記載の発明において、前記情報処理装置は、前記スキャン手段によりスキャンされたスキャン画像の画質を判定する判定手段をさらに含み、前記記憶手段は、スキャン画像の画質毎に前記文字の置換候補の文字を関連づけて記憶し、前記生成手段は、前記判定手段により判定された画質に関連づけて前記記憶手段に記憶される置換候補の文字に基づいて前記第１のデータに含まれる文字を置換して、前記第２のデータを生成する、ことを特徴とする。

請求項５に記載の発明は、請求項１乃至４のいずれかに記載の発明において、前記情報処理装置は、前記第１のデータに含まれる文字とともに、該文字の置換候補の文字を表示する表示手段をさらに含み、前記生成手段は、前記表示手段に表示された置換候補の文字の中から選択された文字に従って前記第１のデータに含まれる文字を置換して、前記第２のデータを生成する、ことを特徴とする。

請求項６に記載の情報処理装置の発明は、入力された画像に含まれる文字を認識する文字認識手段と、前記文字認識手段により認識された文字を含む第１のデータを送信する送信手段と、を含む文字認識装置と接続される、情報処理装置であって、文字毎に、該文字の置換候補の文字を関連づけた置換候補文字情報を記憶する記憶手段と、前記送信手段により送信された前記第１のデータを受信する受信手段と、前記記憶手段に記憶される置換候補文字情報に基づいて、前記第１のデータに含まれる文字を置換して第２の文字列データを生成する生成手段と、を含む、ことを特徴とする。

請求項７に記載の情報処理プログラムの発明は、入力された画像に含まれる文字を認識する文字認識手段と、前記文字認識手段により認識された文字を含む第１のデータを送信する送信手段と、を含む文字認識装置と接続される、コンピュータを、文字毎に、該文字の置換候補の文字を関連づけた置換候補文字情報を記憶する記憶手段、前記送信手段により送信された前記第１のデータを受信する受信手段、及び、前記記憶手段に記憶される置換候補文字情報に基づいて、前記第１のデータに含まれる文字を置換して第２のデータを生成する生成手段、として機能させることを特徴とする。

請求項１の発明によれば、情報処理装置や文字認識装置のデバイスの相違にかかわらず、情報処理装置において適切な文字認識結果を得ることができる。

請求項２の発明によれば、情報処理装置にスキャン画像を入力するスキャン装置や文字認識装置のデバイスの相違にかかわらず、情報処理装置において適切な文字認識結果を得ることができる。

請求項３の発明によれば、文字毎にその文字の置換候補を優先順位とともに関連づけておき、その優先順位を情報処理装置や文字認識装置の属性等に応じたものとすることで、デバイスに適した置換候補を容易に利用できるようにすることができる。

請求項４の発明によれば、文字毎の置換候補の優先順位を、スキャンする画像の画質に応じたものとすることで、スキャンされる画像の画質の相違にかかわらず適切な文字認識結果を取得することができる。

請求項５の発明によれば、文字認識装置により認識された文字を置換候補文字に含まれる適切な文字に容易に置換することができる。

請求項６の発明によれば、情報処理装置や文字認識装置のデバイスの相違にかかわらず、情報処理装置において適切な文字認識結果を得ることができる。

請求項７の発明によれば、文字認識装置のデバイスの相違にかかわらず適切な文字認識結果を得ることができるようにコンピュータを機能させることができる。

以下、本発明を実施するための最良の実施の形態（以下、実施形態という）を、図面に従って説明する。

図１には、本実施形態に係る文字認識システム１のシステム構成図を示す。図１に示されるように、文字認識システム１は、クライアント装置１０とＯＣＲサーバ２０とがネットワークを介して接続されるシステムである。また、クライアント装置１０は、スキャン装置３０とシリアルやＳＣＳＩ等のインターフェースにより接続している。以下、各装置の詳細について説明する。

クライアント装置１０は、ＯＣＲサーバ２０に画像データを送信し、ＯＣＲ処理を依頼するクライアントコンピュータである。そして、クライアント装置１０は、ＯＣＲサーバ２０に依頼したＯＣＲ処理の結果を、ＯＣＲサーバ２０から受信する。図１に示されるように、クライアント装置１０は、機能的な構成として、制御部１００、記憶部１０２、通信部１０４、入出力部１０６、及び表示部１０８を含む。各部の詳細を以下に説明する。

制御部１００は、中央処理装置（ＣＰＵ）を含み、クライアント装置１０を構成する各部のハードウェアや、各部において行われる処理のタイミングを制御する。制御部１００は、例えば、記憶部１０２に格納されたプログラムを読み込み、読み込んだプログラムの命令を順次実行する。

記憶部１０２は、メモリ素子や磁気ディスク等の記憶デバイスを含み構成される。記憶部１０２には、プログラムやデータが格納される。記憶部１０２に格納されるプログラムには、クライアント装置１０の各部を制御するための制御プログラムや、接続されるスキャン装置３０とのデータ通信を制御するデバイスドライバプログラムが含まれる。そして、記憶部１０２に格納されるデータには、置換候補文字テーブルが含まれる。

置換候補文字テーブルとは、文字毎にその文字の置換候補となる少なくとも１つの文字（以下、置換候補文字）を関連づけて記憶したテーブル情報である。この置換候補文字テーブルは、クライアント装置１０毎にその環境に応じたデータ内容が記憶されるものである。そして、置換候補文字テーブルには、ＯＣＲ処理において誤認識が発生しやすい文字についてのみ置換候補文字を関連づけて記憶することとしてもよいし、全ての文字について置換候補文字を関連づけて記憶してもよい。以下、置換候補文字テーブルの詳細について具体例を用いて説明する。

図２には、置換候補文字テーブルの一例を示す。図２に示される置換候補文字テーブルは、「発」についての置換候補文字を優先順位とともに関連づけて記憶したものである。本実施形態では、第１から第６の優先順位について置換候補文字が記憶されている。そして、「発」について記憶される置換候補文字は、ケース毎に異なるレコードとして記憶される。

ケースとは、スキャン画像の画質や、スキャン装置３０、ＯＣＲサーバ２０等のデバイス属性等に応じて定められる情報である。例えば、ケースＡは原稿の画質がつぶれによる劣化状態にある場合に対応し、ケースＢはかすれによる劣化状態にある場合に対応している。そして、図２に示される例では、ケースＡ（つぶれ系劣化）では、「発」について第１、第２、第３の置換候補文字は、「発」「尭」「莞」であるのに対して、ケースＢ（かすれ系劣化）では、「発」「莞」「堯」とのように、異なる置換文字候補及び優先順位が関連づけられている。また、ケースＣは接続されているスキャン装置３０の機種について、またケースＤはＯＣＲサーバ２０のＯＣＲエンジンの種類に対応するものである。

このようにして、スキャン画像の画質や、スキャン装置３０、ＯＣＲサーバ２０などのデバイスの差異をクライアント装置１０側で吸収できるように、置換候補文字テーブルに記憶される文字やその優先順位を、クライアント装置１０の環境に応じて適宜変更するようにする。例えば、特定機種のスキャン装置では文字線分が太めに再現される、線分の交点が消失しやすい等の特性があり、これらの特性を持つスキャン装置により取得されたスキャン画像を用いて文字認識した場合の誤認識傾向を予め把握しておき、置換候補文字を作成する際に利用してもよい。また、スキャン装置３０に指定したスキャン設定（例えば、解像度、圧縮率、カラーモード等）により取得されたスキャン画像を用いて文字認識した場合の誤認識傾向を予め把握しておき、置換候補文字を作成する際に利用してもよい。そして、ＯＣＲエンジン間の差違を吸収するため、個別エンジンに特化することなく汎用的に候補文字リストを作成するようにしてもよい。また、複数のＯＣＲエンジンで多様な原稿を認識させた結果から統計的に候補文字を作成したり、例えば「白と臼」「番と香」など人が視覚的に似ていると判断する文字群を集めて候補文字を作成したりしてもよい。なお、これらの置換候補文字として格納されている文字及び各文字の優先順位は、ユーザにより適宜編集されることとしてよい。

通信部１０４は、ネットワークインターフェースカード（ＮＩＣ）を含み、ネットワークインターフェースカードを介してデータ通信を行う。本実施形態では、クライアント装置１０は、ＴＣＰ／ＩＰのプロトコルにより、ＯＣＲサーバ２０とデータ通信を行う。

入出力部１０６は、データ通信の入出力インターフェースとして機能する。入出力部１０６は、例えばＵＳＢインターフェースとしてよい。そして、クライアント装置１０は入出力部１０６を介してスキャン装置３０と接続し、スキャン装置３０によりスキャンされた画像データの入力を受け付ける。また、スキャン装置３０には、入出力部１０６を介して、スキャン開始の指示やスキャン設定情報等のデータを出力する。これらのスキャン装置３０とクライアント装置１０とのデータ通信は、クライアント装置１０に記憶されるスキャン装置３０のデバイスドライバプログラムに従って、制御部１００が動作することにより実現される。

表示部１０８は、液晶ディスプレイ等の表示装置を含み、表示装置に文字や画像を表示するものである。表示部１０８では、制御部１００における処理等により生成されたグラフィックデータに基づいて、ディスプレイに文字、画像等を表示する。

次に、スキャン装置３０について説明する。スキャン装置３０は画像を光学走査し、その画像の画素毎の色情報を取得する装置である。画素サイズは、スキャン装置３０の性能に応じた範囲の値に設定可能である。スキャン装置３０は、例えばＵＳＢインターフェース等の入出力インターフェースを備え、その入出力インターフェースを介してクライアント装置１０の入出力部１０６と接続する。こうして、スキャン装置３０はクライアント装置１０からのスキャン設定情報を含むスキャン指示を受信し、その指示に応じてスキャン処理を実行する。そして、スキャン装置３０はスキャンの結果得られた画像データをクライアント装置１０に送信する。

次に、ＯＣＲサーバ２０について説明する。図１に示されるように、ＯＣＲサーバ２０は機能的な構成として、制御部２００、記憶部２０２、及び通信部２０４を含む。各部の詳細を以下に説明する。

制御部２００は、中央処理装置（ＣＰＵ）を含み、ＯＣＲサーバ２０を構成する各部のハードウェアや、各部において行われる処理のタイミングを制御する。制御部２００は、例えば、記憶部２０２に格納されたプログラムを読み込み、読み込んだプログラムの命令を順次実行する。

記憶部２０２は、メモリ素子や磁気ディスク等の記憶デバイスを含み構成される。記憶部２０２には、プログラムやデータが格納される。記憶部２０２に格納されるプログラムには、ＯＣＲサーバ２０の各部を制御するための制御プログラムや、画像データに基づくＯＣＲ処理を行うためのＯＣＲプログラムが含まれる。

通信部２０４は、ネットワークインターフェースカード（ＮＩＣ）を含み、ネットワークインターフェースカードを介してデータ通信を行う。本実施形態では、ＯＣＲサーバ２０は、ＴＣＰ／ＩＰのプロトコルにより、クライアント装置１０とデータ通信を行う。

次に、図３に示すシーケンス図を参照しつつ、文字認識システム１における処理の詳細を説明する。

まず、クライアント装置１０の利用者は、入出力部１０６を介して接続されたスキャン装置３０に読み取り対象とする原稿画像をセットする。図４（Ａ）には、スキャン装置３０により読み取られる原稿画像の一例を示す。そして、表示部１０８に表示された設定画面に従って利用者によりスキャン設定が指定されると、クライアント装置１０は指定されたスキャン設定を含むスキャン指示をスキャン装置３０に送信する。

スキャン装置３０は、クライアント装置１０からスキャン指示を受信し、スキャン指示に含まれるスキャン設定に従って、セットされた原稿画像のスキャンを開始する。そして、スキャン装置３０は、スキャンが終了すると、スキャンにより取得した画像データをクライアント装置１０に送信する。クライアント装置１０は、スキャン装置３０から画像データを受信し取得する（Ｓ１０１）。

次に、クライアント装置１０は、受信した画像データを通信部１０４によりＯＣＲサーバ２０に送信する（Ｓ１０２）。

ＯＣＲサーバ２０は、クライアント装置１０により送信された画像データを受信する。そして、ＯＣＲサーバ２０は、受信した画像データに対してＯＣＲ処理を行う（Ｓ１０３）。

ＯＣＲ処理は、画像データの中から文字領域を抽出し、さらに抽出した文字領域を文字毎の領域に分割した上で、各領域を対象としたパターンマッチングを行い、その結果に基づいて各領域に含まれる文字（以下、認識文字）を決定することで行う。ＯＣＲ処理では、パターンマッチングの結果、複数の文字が認識文字の候補となることがある。その場合には、本実施形態では第１の候補の文字を認識文字に決定し、他の候補についてはデータとして残さないこととする。

ＯＣＲサーバ２０は、ＯＣＲ処理の結果得られた各領域の認識文字に基づいて、クライアント装置１０から送信された画像データに含まれる文字画像を認識文字データに置き換えた文書データを生成する（Ｓ１０４）。そして、ＯＣＲサーバ２０は、生成した文書データをクライアント装置１０に送信する（Ｓ１０５）。

クライアント装置１０は、ＯＣＲサーバ２０により送信された文書データを受信する。そして、クライアント装置１０は、ＯＣＲサーバ２０から受信した文書データについて、ＯＣＲサーバ２０の属性情報、スキャン装置３０の属性情報、スキャン装置３０によるスキャン時の設定、スキャン画像の画質の少なくとも１つ又はそれらの組み合わせに基づいて、置換候補文字テーブルの中から適切な置換候補文字レコードを検索し取得する（Ｓ１０６）。

クライアント装置１０が、例えばスキャン画像の画質に基づいて置換候補文字レコードを検索する場合には、まず、ＯＣＲサーバ２０に送信したスキャン画像の画質を判定する。そして、クライアント装置１０は、スキャン画像が「かすれによる劣化状態にある」と判定する場合には、それに対応したケースＡの候補文字リストを読み込む。また、クライアント装置１０は、スキャン画像が「つぶれによる劣化状態にある」と判定する場合には、それに対応したケースＢの候補文字リストを読み込む。また、クライアント装置１０は、スキャン画像の画質以外にも、スキャン装置３０の機種やＯＣＲエンジンの種類に応じたケースの置換候補文字レコードを読み込むこととしてもよい。

次に、クライアント装置１０は、図４（Ｂ）に示されるような、文書データに含まれるテキストデータの編集画面を表示部１０８に表示する。この編集画面では、編集の対象文字「発」について、上記の処理において読み込まれた置換候補文字レコードに含まれる置換候補文字を、編集対象文字の下部に表示している。ユーザは表示された置換候補文字の中から適切な文字を選択することで、編集対象文字を容易に適切な文字に直すことができる。

クライアント装置１０では、上述したように、文書データ中の文字データをその文字についての置換候補文字を用いて、適切な文字データに修正する。以上の処理を文書データ中の全ての文字について繰り返すことで、クライアント装置１０は、スキャン画像をＯＣＲ結果となる最終的な文書データを生成する（Ｓ１０７）。

また、文書データに含まれる文字データの置換処理は、検索された置換候補文字レコードにおける優先順位の上位にある文字のうち、文書データにおける前後の文字との関係が自然な形態となっているものをデータベースと照合することで選択し、その選択された文字データに順次置換することで行ってもよい。また、文字データの置換処理は、誤認識率の高い文字として予め定められた文字データのみについて行うこととしてもよい。そのほかにも、ＯＣＲサーバ２０から取得した文書データに含まれる各文字データについて、それらの置換候補文字のデータを埋め込み、文書編集時に、それらの埋め込まれたデータを図４（Ｂ）で示すような編集画面として表示するようにして、ユーザが適切な文字に置換できるようにしてもよい。

以上説明した文字認識システム１によれば、クライアント装置１０やＯＣＲサーバ２０のデバイスの相違にかかわらず、クライアント装置１０側で適切な文字認識結果を得ることができる。

また、本発明は、上記の実施形態に限定されるものではない。

本実施形態では、文字認識システム１には、１台のクライアント装置１０しか表示されていないが、複数台のクライアント装置１０が含まれる文字認識システムにも適用することができるのはいうまでもない。また、文字認識システム１には、ＯＣＲサーバ２０も複数台含まれることとしてもかまわない。そして、クライアント装置１０には、スキャン機能が内蔵された装置（例えば複合機等）を用いることとしてもよい。

本実施形態に係る文字認識システムのシステム構成図である。 置換候補文字テーブルの一例を示す図である。 文字認識システムにおける処理のシーケンス図である。 スキャン画像と、文書データの編集画面の一例を示す図である。

符号の説明

１ 文字認識システム、１０ クライアント装置、２０ ＯＣＲサーバ、３０ スキャン装置、１００ 制御部、１０２ 記憶部、１０４ 通信部、１０６ 入出力部、１０８ 表示部、２００ 制御部、２０２ 記憶部、２０４ 通信部。

Claims (7)

1. 文字認識装置と、情報処理装置とを含み、
   前記文字認識装置は、
   入力された画像に含まれる文字を認識する文字認識手段と、
   前記文字認識手段により認識された文字を含む第１のデータを、前記情報処理装置に送信する送信手段と、を含み、
   前記情報処理装置は、
   文字毎に、該文字の置換候補の文字を関連づけた置換候補文字情報を記憶する記憶手段と、
   前記送信手段により送信された前記第１のデータを受信する受信手段と、
   前記記憶手段に記憶される置換候補文字情報に基づいて、前記第１のデータに含まれる文字を置換して第２のデータを生成する生成手段と、を含む、
   ことを特徴とする文字認識システム。
2. 前記文字認識システムは、
   画像をスキャンするスキャン手段を含み、
   前記情報処理装置は、
   前記スキャン手段によりスキャンされたスキャン画像を取得する取得手段と、
   前記取得手段により取得されたスキャン画像を前記文字認識装置に送信する画像送信手段と、をさらに含み、
   前記文字認識装置は、
   前記画像送信手段により送信されたスキャン画像を受信する画像受信手段をさらに含み、
   前記文字認識手段は、前記画像受信手段により受信されたスキャン画像に含まれる文字を認識する、
   ことを特徴とする請求項１に記載の文字認識システム。
3. 前記置換候補文字情報は、文字毎に該文字の少なくとも１つの置換候補を優先順位とともに関連づけた情報である、
   ことを特徴とする請求項１又は２に記載の文字認識システム。
4. 前記情報処理装置は、
   前記スキャン手段によりスキャンされたスキャン画像の画質を判定する判定手段をさらに含み、
   前記記憶手段は、スキャン画像の画質毎に前記文字の置換候補の文字を関連づけて記憶し、
   前記生成手段は、前記判定手段により判定された画質に関連づけて前記記憶手段に記憶される置換候補の文字に基づいて前記第１のデータに含まれる文字を置換して、前記第２のデータを生成する、
   ことを特徴とする請求項３に記載の文字認識システム。
5. 前記情報処理装置は、
   前記第１のデータに含まれる文字とともに、該文字の置換候補の文字を表示する表示手段をさらに含み、
   前記生成手段は、前記表示手段に表示された置換候補の文字の中から選択された文字に従って前記第１のデータに含まれる文字を置換して、前記第２のデータを生成する、
   ことを特徴とする請求項１乃至４のいずれかに記載の文字認識システム。
6. 入力された画像に含まれる文字を認識する文字認識手段と、
   前記文字認識手段により認識された文字を含む第１のデータを送信する送信手段と、を含む文字認識装置と接続される、情報処理装置であって、
   文字毎に、該文字の置換候補の文字を関連づけた置換候補文字情報を記憶する記憶手段と、
   前記送信手段により送信された前記第１のデータを受信する受信手段と、
   前記記憶手段に記憶される置換候補文字情報に基づいて、前記第１のデータに含まれる文字を置換して第２の文字列データを生成する生成手段と、を含む、
   ことを特徴とする情報処理装置。
7. 入力された画像に含まれる文字を認識する文字認識手段と、
   前記文字認識手段により認識された文字を含む第１のデータを送信する送信手段と、を含む文字認識装置と接続される、コンピュータを、
   文字毎に、該文字の置換候補の文字を関連づけた置換候補文字情報を記憶する記憶手段、
   前記送信手段により送信された前記第１のデータを受信する受信手段、及び、
   前記記憶手段に記憶される置換候補文字情報に基づいて、前記第１のデータに含まれる文字を置換して第２のデータを生成する生成手段、
   として機能させることを特徴とする情報処理プログラム。

Images