JP2009129392A - 文字認識装置、文字認識方法、および、文字認識プログラム - Google Patents

Abstract

【課題】読み取った文字をテキストへ変換するときに、類似する候補文字が多く発生したときでも、その候補文字から高精度で文字を確定すること。
【解決手段】文字認識装置２の文字認識部２４は、所定文字の候補文字群と、所定文字の前文字と、所定文字の後文字と、の入力を受け付け、類似文字種テーブル２７から、前文字および後文字それぞれに対応する文字種を読み取り、所定文字の候補文字群の各候補文字について、各候補文字の文字種と、読み取った前文字および後文字それぞれに対応する文字種と、の異同を判定することにより、所定文字の候補文字群から所定候補文字を選択し、選択した所定候補文字を所定文字として確定することを特徴とする。
【選択図】図１

Description

本発明は、文字認識装置、文字認識方法、および、文字認識プログラムに関するものである。

ＯＣＲ（Optical Character Reader）などの文字認識装置は、読み取った画像イメージの文字形状から、文字コードで特定されるテキストへと変換する。このとき、口（漢字）とロ（カタカナ）のように、読み取った文字が複数の候補文字に認識されたとき、これらの形状が類似する候補文字の集合から、１つの文字を確定する必要がある。

特許文献１の段落番号０００４には、認識結果の文字種（漢字、ひらがななど）が、例えば「○○△○○」であるときに、字種○に挟まれた字種△を、字種○に置き換える手法が開示されている。

特許文献１の段落番号００５８には、先行字種による文字決定テーブルを参照することにより、字種が混在しているときに、先行字種から決定された認識結果を得る手法が、開示されている。
特開平０６−３３３０８４号公報

しかし、特許文献１で示された各手法では、これから候補文字の確定を行う着目文字を中心に、その前後の文字の文字種（１種類ずつ）のみを参照していたため、前後の文字の精度が悪いときに、その影響を受けて、着目文字の確定制度も悪くなってしまっていた。

例えば、先行字種による文字決定テーブルを参照する手法では、これから候補文字の確定を行う着目文字の前文字が間違っていたときには、連鎖的に（連続的に）後続する着目文字や後文字も間違った候補が選択され続けてしまう恐れがある。

そこで、本発明は、前記した問題を解決し、読み取った文字をテキストへ変換するときに、類似する候補文字が多く発生したときでも、その候補文字から高精度で文字を確定することを主な目的とする。

前記課題を解決するため、本発明は、文字列中の所定文字を認識した結果、複数の候補文字が抽出されたとき、その候補文字を確定する文字認識装置であって、
前記文字認識装置が、
前記所定文字の候補文字群と、前記文字列中の前記所定文字の前に位置する前文字と、前記文字列中の前記所定文字の後に位置する後文字と、の入力を受け付け、
文字ごとに、文字コードと、文字の文字種と、その文字に形状が類似する類似文字の文字種と、を対応づけた類似文字種データを格納した記憶手段から、前記前文字および前記後文字それぞれに対応する文字種を読み取り、
前記所定文字の前記候補文字群の各候補文字について、各候補文字の文字種と、読み取った前記前文字および前記後文字それぞれに対応する文字種と、の異同を判定することにより、前記所定文字の前記候補文字群から所定候補文字を選択し、
前記選択した所定候補文字を前記所定文字として確定することを特徴とする。
その他の手段は、後記する。

本発明によれば、読み取った文字をテキストへ変換するときに、類似する候補文字が多く発生したときでも、その候補文字から高精度で文字を確定することができる。

以下に、本発明が適用される文字認識システムの一実施形態について、図面を参照して詳細に説明する。

図１は、文字認識システムの構成図である。文字認識システムは、帳票などの認識対象文字が記載された媒体を画像データ（イメージデータ）として読み取るスキャナ１と、スキャナ１が読み取った媒体上の認識対象文字を認識して、その結果をテキスト出力する文字認識装置２と、を含めて構成される。なお、文字認識システムの他の実施形態として、スキャナ１の代わりに、手書き入力を受け付けるタッチパネルに対してスタイラスなどで認識対象の文字を手書き入力するようにしてもよい。

文字認識装置２は、演算処理を行う際に用いられる記憶手段としての主記憶装置３と、前記演算処理を行う演算処理装置とを少なくとも備えるパソコンなどのコンピュータとして構成される。なお、主記憶装置３は、ＲＡＭ（Random Access Memory）などのメモリ、ハードディスクなど、任意好適な記憶媒体により構成される。演算処理は、ＣＰＵ（Central Processing Unit）４によって構成される演算処理装置が、主記憶装置３上のプログラムを実行することで、実現される。

文字認識装置２は、帳票イメージ記憶部２１、認識領域決定部２２、認識領域記憶部２３、文字認識部２４、確定前データ記憶部２５、文字確定部２６、類似文字種テーブル２７、および、確定後データ記憶部２８を有する。以下、各構成要素の詳細を説明する。

帳票イメージ記憶部２１は、スキャナ１が読み取った画像データを記憶する。認識領域決定部２２は、帳票イメージ記憶部２１に記憶された画像データから、画像データ上に認識対象の文字が記入されている箇所である認識領域を決定し、決定した認識領域を認識領域記憶部２３に格納する。

文字認識部２４は、帳票イメージ記憶部２１から画像データを読み取り、認識領域記憶部２３に格納されている認識領域内に記入されている文字を画像データから認識し、その結果を確定前データとして、確定前データ記憶部２５に格納する。具体的には、文字認識部２４は、認識領域の文字列から文字を切り出し、その文字の特徴を抽出する。そして、抽出した文字の特徴を、予め用意した文字の特徴辞書（図示省略）内の各文字の特徴と照合して、一致または類似する特徴の候補文字を、１文字以上決定する。

文字確定部２６は、確定前データ記憶部２５に格納された確定前データの各候補文字に対し、類似文字種テーブル２７を用い、適宜候補文字の確定を行うことで確定後データを作成し、確定後データ記憶部２８に記憶する。確定後データ記憶部２８に格納された確定後データは、帳票のテキストとして出力される。

表１に示す類似文字種テーブル２７は、１文字ごとに、その文字コードと、その文字およびその文字の類似文字の文字種を対応づけて格納する。例えば、文字コード「口（漢字）」は、自分自身の文字種「漢字」、および、口（漢字）に外見が類似するロ（カタカナ）の文字種「カタカナ」の２つの文字種に対応づけられて（表中の○印は対応を示す）いる。

文字コードとは、例えば、「JIS X 0208」規格の区点コードとして規定され、文字を一意に特定するためのコードである。また、文字コードは、例えば、16区〜47区がJIS第一水準漢字に割り当てられているように、文字種ごとにまとまって（連続して）登録されているので、文字コードからその文字の文字種が特定可能である。文字種とは、漢字、数字など、文字の種別を特定する情報である。

表２に示す確定前データ記憶部２５は、横方向に文字列、縦方向に各文字の候補を示す。そして、各文字の１番目の候補が、採用される対象となる。例えば、表２に示す文字列は、１番目の候補を順につなげると、「川ローＴ目（かわろーてぃーめ）」となり、このまま確定してしまうと誤認識となってしまう。

表３に示す確定後データ記憶部２８は、確定前データ記憶部２５と同じ形式である。確定後データ記憶部２８のデータ内容の初期値は、確定前データ記憶部２５と同じデータ内容がコピーされる。そして、文字確定部２６は、確定後データ記憶部２８のデータ内容について、各１番目の候補を適宜入れ替えることにより、正しい認識結果になるように編集する。表３では、表２の初期状態から、２，３，４文字目の１番目の候補が入れ替えられた結果、「川口一丁目（かわぐちいっちょうめ）」という正しい認識結果になっている。

図２は、図１の文字認識システムの動作概要を示すフローチャートである。

まず、スキャナ１は、帳票イメージを読み取り、帳票イメージ記憶部２１は、読み取った帳票イメージを記憶する（Ｓ１１）。次に、認識領域決定部２２は、読み取った帳票イメージ内の認識領域を決定し、その結果を認識領域記憶部２３に記憶する（Ｓ１２）。そして、文字認識部２４は、Ｓ１２で決定された認識領域内の文字を認識し、確定前データとして確定前データ記憶部２５に記憶する（Ｓ１３）。

さらに、文字確定部２６は、確定前データから文字を確定し、確定後データとして確定後データ記憶部２８に記憶する（Ｓ１４）。そして、文字認識装置２は、Ｓ１４の確定後データを読み取った帳票のテキストとして出力する（Ｓ１５）。

図３は、図２の文字確定部２６による文字確定処理（Ｓ１４）の詳細を示すフローチャートである。このフローチャートは、確定後データ記憶部２８のデータ内容を編集するものである。

着目文字とは、その１番目の候補を他の候補と入れ替えるために着目している文字である。この着目文字は、文字列の２番目の文字から開始して、順に右に１つずつずらし、文字列の最後から２番目の文字で終了する。本フローチャートでは、制御変数ｉを用いて、ｉ番目の文字を着目文字とする。前文字とは、着目文字から見て１つ左（１つ前）の文字であり、（ｉ−１）番目の文字である。後文字とは、着目文字から見て１つ右（１つ後）の文字であり、（ｉ＋１）番目の文字である。

まず、認識領域内の文字列の左端文字（開始文字）は、１番目の候補をそのまま確定するとともに、ｉ＝２とし、文字列の左側２番目の文字を着目文字とする（Ｓ１０１）。以下、ｉ番目の着目文字についての候補の確定処理を行う。

次に、前文字が類似文字種テーブル２７に登録済（Ｓ１０２，Ｙｅｓ）、かつ、前文字の１番目の候補が確定済でない（Ｓ１０３，Ｎｏ）なら、前文字の１番目の候補とその類似文字の文字種（文字ごとに１種類、合計複数種類）を類似文字種テーブル２７から取得する（Ｓ１０４）。なお、候補の確定処理は、Ｓ１２４において後記する。一方、登録済でない場合（Ｓ１０２，Ｎｏ）、または、確定済である（Ｓ１０３，Ｙｅｓ）場合は、前文字の文字種（１種類）を取得する（Ｓ１０５）。

そして、後文字が類似文字種テーブル２７に登録済（Ｓ１１１，Ｙｅｓ）なら、後文字の１番目の候補とその類似文字の文字種（文字ごとに１種類、合計複数種類）を類似文字種テーブル２７から取得する（Ｓ１１２）。一方、登録済でない場合（Ｓ１１１，Ｎｏ）は、後文字の文字種（１種類）を取得する（Ｓ１１３）。

ここで、着目文字における１番目の候補文字（ｊ＝１）を選択する（Ｓ１２１）。なお、制御変数ｊは、着目文字における確定候補となる候補文字の順番を示す。そして、着目文字のｊ番目の候補文字の文字種を取得する（Ｓ１２２）。

連続する３文字（前文字、着目文字の候補文字、後文字）の取得した文字種について、各文字種が互いに一致する組み合わせが有るか否かを判定する（Ｓ１２３）。判定要件を満たすときには、Ｓ１２４へ進み、満たさないときには、Ｓ１２５へ進む。

例えば、以下の連続する３文字の文字種の場合、３文字で互いに一致する文字種「漢字」が存在するので、Ｓ１２３の判定要件を満たす。
・Ｓ１０４またはＳ１０５で取得した、前文字に関する文字種「漢字、カタカナ」
・Ｓ１２２で取得した、着目文字の候補文字の文字種「漢字」
・Ｓ１１２またはＳ１１３で取得した、後文字に関する文字種「ひらがな、漢字」

別の例では、以下の連続する３文字の文字種の場合、３文字で互いに一致する文字種が存在しないので、Ｓ１２３の判定要件を満たさない。
・Ｓ１０４またはＳ１０５で取得した、前文字に関する文字種「漢字、カタカナ」
・Ｓ１２２で取得した、着目文字の候補文字の文字種「カタカナ」
・Ｓ１１２またはＳ１１３で取得した、後文字に関する文字種「ひらがな、漢字」

Ｓ１２３の判定要件を満たすとき、着目文字のｊ番目の候補文字を、着目文字を示す文字として確定する（１番目の候補と入れ替える）（Ｓ１２４）。そして、Ｓ１３１へ進む。

Ｓ１２３の判定要件を満たさないとき、着目文字における次の候補文字が存在するときには（Ｓ１２５，Ｙｅｓ）、次の候補文字へ移行し（ｊ＝ｊ＋１）（Ｓ１２６）、Ｓ１２２を再び実行する。次の候補文字が存在しないときには（Ｓ１２５，Ｎｏ）、Ｓ１３１へ進む。なお、「ｊ＝ｊ＋１」は、制御変数ｊの値に１を足すことを示す代入式である。

ここで、ｉ番目の着目文字についての候補の確定処理を終えたので、着目文字が文字列の右から２番目になっていなかったら（Ｓ１３１，Ｎｏ）、次の着目文字へ移行し（ｉ＝ｉ＋１）（Ｓ１３２）、処理をＳ１０２に戻す。着目文字が文字列の右から２番目になっていたら、文字列の右端（最後）の文字について、１番目の候補をそのまま確定し、処理を終える。なお、Ｓ１３１の判定は、文字列の長さを変数ＬＥＮとすると、判定式「ＬＥＮ＝＝ｉ＋１」（演算子＝＝は、両辺の値が等しいときに判定を満たす）と表現できる。

以下、図３のフローチャートを、表２及び表３の具体例に適用した場合を説明する。表２では、５文字からなる文字列を対象として、文字確定処理（Ｓ１４）を行う。

１文字目の第１候補「川（漢字）」は、先頭文字なので、そのまま確定する（Ｓ１０１）。

２文字目の第１候補「ロ（カタカナ）」は、第２候補「口（漢字）」と入れ替えられる。この入れ替えは、以下の３文字で互いに一致する文字種「漢字」が存在するためである（Ｓ１２３）。
・確定した前文字「川（漢字）」の文字種「漢字」
・着目文字の第２候補文字「口（漢字）」の文字種「漢字」
・後文字「ー（カタカナ）」の類似文字種テーブル２７から取得した文字種「カタカナ、漢字」「記号」

３文字目の第１候補「ー（カタカナ）」は、第３候補「一（漢字）」と入れ替えられる。この入れ替えは、以下の３文字で互いに一致する文字種「漢字」が存在するためである（Ｓ１２３）。
・確定した前文字「口（漢字）」の文字種「漢字」
・着目文字の第３候補文字「一（漢字）」の文字種「漢字」
・後文字「Ｔ（英字）」の類似文字種テーブル２７から取得した文字種「漢字、英字」

４文字目の第１候補「Ｔ（英字）」は、第３候補「丁（漢字）」と入れ替えられる。この入れ替えは、以下の３文字で互いに一致する文字種「漢字」が存在するためである（Ｓ１２３）。
・確定した前文字「一（漢字）」の文字種「漢字」
・着目文字の第３候補文字「丁（漢字）」の文字種「漢字」
・後文字「目（漢字）」の文字種「漢字」

５文字目の第１候補「目（漢字）」は、最後文字なので、そのまま確定する（Ｓ１３１）。以上により、表３に示す認識結果は、「川口一丁目（かわぐちいっちょうめ）」となる。

以上説明した本実施形態によれば、着目文字の候補を決定するときに、着目文字の前後文字の第１候補の文字種だけでなく、前後文字に類似する複数の文字種を類似文字種テーブル２７から取得することにより、高精度な着目文字の候補決定を実現できる。一方、特許文献１で示された各手法は、着目文字の前文字について、その第１候補の文字種（１種類）のみを参照するため、前文字の第１候補が間違っていたときには、連鎖的に（連続的に）後続する着目文字や後文字も間違った候補が選択され続けてしまう恐れがある。

以上説明した本発明は、以下のようにその趣旨を逸脱しない範囲で広く変形実施することができる。

例えば、図３のフローチャートでは、文字列の両端文字（ｉ＝１、ｉ＝ＬＥＮ）については、第１候補をそのまま確定する処理を行っていた。しかし、両端文字の第１候補が誤認識されている可能性もある。そこで、Ｓ１２４の候補確定処理において、着目文字だけでなく、着目文字に隣接する両端文字についても、Ｓ１２３で一致する文字種に対応する両端文字の候補文字を、両端文字の第１候補に確定することとしてもよい。これにより、両端文字の誤認識が発生しても、適切に正しい候補が選択される。

本発明の一実施形態に関する文字認識システムの構成図である。 本発明の一実施形態に関する図１の文字認識システムの動作概要を示すフローチャートである。 本発明の一実施形態に関する図２の文字確定処理の詳細を示すフローチャートである。

符号の説明

１ スキャナ
２ 文字認識装置
３ 主記憶装置
４ ＣＰＵ
２１ 帳票イメージ記憶部
２２ 認識領域決定部
２３ 認識領域記憶部
２４ 文字認識部
２５ 確定前データ記憶部
２６ 文字確定部
２７ 類似文字種テーブル
２８ 確定後データ記憶部

Claims (5)

1. 文字列中の所定文字を認識した結果、複数の候補文字が抽出されたとき、その候補文字を確定する文字認識装置であって、
   前記文字認識装置が、
   前記所定文字の候補文字群と、前記文字列中の前記所定文字の前に位置する前文字と、前記文字列中の前記所定文字の後に位置する後文字と、の入力を受け付け、
   文字ごとに、文字コードと、文字の文字種と、その文字に形状が類似する類似文字の文字種と、を対応づけた類似文字種データを格納した記憶手段から、前記前文字および前記後文字それぞれに対応する文字種を読み取り、
   前記所定文字の前記候補文字群の各候補文字について、各候補文字の文字種と、読み取った前記前文字および前記後文字それぞれに対応する文字種と、の異同を判定することにより、前記所定文字の前記候補文字群から所定候補文字を選択し、
   前記選択した所定候補文字を前記所定文字として確定することを特徴とする
   文字認識装置。
2. 前記所定候補文字は、前記前文字に対応する文字種と、前記候補文字の文字種と、前記後文字に対応する文字種と、が互いに一致する文字種が発見されたときに、発見された候補文字とすることを特徴とする
   請求項１に記載の文字認識装置。
3. 前記文字認識装置は、さらに、前記前文字または前記後文字が前記文字列の端に位置する文字のときに、その端に位置する文字を、確定した前記所定文字の文字種と同じ文字種の文字に置き換えることを特徴とする
   請求項２に記載の文字認識装置。
4. 文字列中の所定文字を認識した結果、複数の候補文字が抽出されたとき、その候補文字を確定する文字認識方法であって、
   文字認識装置が、
   前記所定文字の候補文字群と、前記文字列中の前記所定文字の前に位置する前文字と、前記文字列中の前記所定文字の後に位置する後文字と、の入力を受け付け、
   文字ごとに、文字コードと、文字の文字種と、その文字に形状が類似する類似文字の文字種と、を対応づけた類似文字種データを格納した記憶手段から、前記前文字および前記後文字それぞれに対応する文字種を読み取り、
   前記所定文字の前記候補文字群の各候補文字について、各候補文字の文字種と、読み取った前記前文字および前記後文字それぞれに対応する文字種と、の異同を判定することにより、前記所定文字の前記候補文字群から所定候補文字を選択し、
   前記選択した所定候補文字を前記所定文字として確定することを特徴とする
   文字認識方法。
5. 請求項４に記載の文字認識方法を、前記文字認識装置に実行させるための文字認識プログラム。

Images