JP2014013534A - 文書処理装置、画像処理装置、文書処理方法及び文書処理プログラム - Google Patents

Abstract

【課題】本発明は、文書画像データから文書内容の分かり易い文書名を生成する。
【解決手段】文書処理装置１は、文書読み取り部１２が紙文書を読み取った文書画像データからＯＣＲ部１３が文字情報を抽出して、タイトル作成部１４が、ＯＣＲ部１３の抽出した文字情報から該文書画像データの特徴を示す所定数の文字列をタイトル文字列として抽出し、文書名作成部１５が、タイトル作成部１４の抽出したタイトル文字列から予め設定されている出力条件に適した文字列を文書名として作成する。
【選択図】 図１

Description

本発明は、文書処理装置、画像処理装置、文書処理方法及び文書処理プログラムに関し、詳細には、文書画像データに対して、文書内容の分かり易い文書名を作成する文書処理装置、画像処理装置、文書処理方法及び文書処理プログラムに関する。

外部から取り込んだ文書画像データには、文書名が付与されていない文書画像データがあり、特に、スキャナ装置によって紙文書から取り込んだ文書画像データには、該文書データを有効に利用するために、文書名を付与して保管管理する必要がある。

このような取り込んだ文書画像データに対して文書名を付与する方法としては、従来、取り込んだ日付や所定の連番等を自動作成して付与する方法が用いられていたが、日付や連番のみでは、文書画像データの文書内容が分からず、文書画像データの利用性が悪いという問題があった。

そして、ユーザが、取り込んだ文書画像データに対して、該文書画像データの内容に応じた文書名を操作入力することも従来から行われているが、この場合、文書名から文書画像データの内容を理解することができ、利用性は向上されるが、文書画像データの数が多いときには、作業性が悪く、改良の必要があった。

そこで、従来、文書画像データから文書画像データの内容に応じたタイトルを抽出する技術が種々提案されている。例えば、文書画像データにＯＣＲ（Optical Character Reader：光学式文字読取装置）処理を施して認識した文書に対して、タイトル候補文の各々の特徴量を抽出し、該特徴量が、タイトル候補文と文書中の複数の文との類似度の関数である類似度情報を含むようにして、タイトルを抽出する方法（特許文献１参照）、文書画像データの、文字領域の属性、行領域のレイアウト的特徴からレイアウトらしさを抽出してタイトルを抽出する方法（特許文献２参照）、及び、タイトル文字列の近傍に記載されるキーワード文字列とタイトル文字列の相対位置等の情報からタイトルを抽出する方法（特許文献３参照）等がある。

しかしながら、上記従来技術にあっては、いずれも、文書画像データからタイトル（文書名）として文書画像データの内容に適した文字列を抽出技術であるが、抽出した文書名の利用性については、考慮されておらず、改良の必要があった。

すなわち、文書画像データに文書名を付与するのは、不揮発性メモリ等に保管されている該文書画像データを、該文書名によって特定して再利用する際の文書画像データの検索における利便性を向上させるためであり、このような文書名に基づく文書画像データの検索においては、文書名を表示部に表示させる等の出力を行うことで検索を行う。

ところが、文書名の出力においては、例えば、文書名の表示欄は、その表示文字数や行数が限られている場合が一般的であり、表示欄に収まらない長い文書名は、一部のみが表示されるか、その文書画像データを保管している装置のシステムとして、該長い文書名が許可されないことがあったり、出力文字が付与した文字から文字化けする等が発生して、文書名の作成において、改良の必要があった。

そこで、本発明は、文書画像データの内容を表現する文書名を出力条件に応じて作成することを目的としている。

上記目的を達成するために、請求項１記載の文書処理装置は、文書画像データから文字情報を抽出する文字情報抽出手段と、前記文字情報抽出手段の抽出した前記文字情報から前記文書画像データの特徴を示す所定数の文字列を文書名候補文字列として抽出する特徴文字列抽出手段と、前記特徴文字列抽出手段の抽出した前記文書名候補文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成手段と、を備えていることを特徴としている。

本発明によれば、文書画像データの内容を表現する文書名を出力条件に応じて作成することができる。

本発明の一実施例を適用した文書処理装置の要部ブロック構成図。 文書処理を示すフローチャート。 文書画像データの一例を示す図。 限界文字数まで文書名として文字列を採用する文書名作成処理を示すフローチャート。 文書処理を行なうコンピュータ装置の要部ブロック構成図。 複数の装置で分担して文書処理を行う文書処理システムの概略構成図。 第２実施例の文書処理装置の文書名作成部のブロック構成図。 ＡＳＣＩＩ文字の文書名を作成する文書名作成部のブロック構成図。

以下、本発明の好適な実施例を添付図面に基づいて詳細に説明する。なお、以下に述べる実施例は、本発明の好適な実施例であるので、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明によって不当に限定されるものではなく、また、本実施の形態で説明される構成の全てが本発明の必須の構成要件ではない。

図１〜図６は、本発明の文書処理装置、画像処理装置、文書処理方法及び文書処理プログラムの第１実施例を示す図であり、図１は、本発明の文書処理装置、画像処理装置、文書処理方法及び文書処理プログラムの第１実施例を適用した文書処理装置１の要部ブロック構成図である。

図１において、文書処理装置１は、文書画像データを取り扱う種々の装置、例えば、複写装置、複合装置、スキャナ装置、コンピュータ装置、ブックリーダ等に適用され、少なくとも、本発明の文書処理方法を実行する文書処理プログラムが、不揮発性メモリに導入されることで、文書給紙部１１、文書読み取り部１２、ＯＣＲ部１３、タイトル作成部１４、文書名作成部１５及び文書蓄積部１６等が構築されている。

すなわち、文書処理装置１は、ＲＯＭ、ＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory ）、ＥＰＲＯＭ、フラッシュメモリ、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory ）、ＣＤ−ＲＷ（Compact Disc Rewritable ）、ＤＶＤ（Digital Versatile Disk）、ＳＤ（Secure Digital）カード、ＭＯ（Magneto-Optical Disc）等のコンピュータが読み取り可能な記録媒体に記録されている本発明の文書処理方法を実行する文書処理プログラムを読み込んでＲＯＭやハードディスク等の不揮発性メモリに導入することで、後述する取り込んだ文書画像データの内容を表現する文書名を出力条件に応じて作成する文書処理方法を実行する文書処理装置として構築されている。この文書処理プログラムは、アセンブラ、Ｃ、Ｃ＋＋、Ｃ＃、Ｊａｖａ（登録商標）等のレガシープログラミング言語やオブジェクト指向ブログラミング言語等で記述されたコンピュータ実行可能なプログラムであり、上記記録媒体に格納して頒布することができる。

文書給紙部１１は、複数枚の紙文書が載置可能であり、載置された紙文書を１枚ずつ分離して文書読み取り部１２に送り出す。

文書読み取り部１２は、例えば、ＣＣＤ（Charge Coupled Device ）やＣＭＯＳ（Complementary Metal Oxide Semiconductor ）を利用したイメージスキャナ等が利用されており、文書給紙部１１から送り込まれてきた紙文書を、主走査及び副走査して、該紙文書の画像を所定の解像度で読み取って、２値化して、文書蓄積部１６及びＯＣＲ部１３に出力する。

ＯＣＲ部１３は、文書読み取り部１２の読み取った紙文書の画像データから文字データを読み出すとともに、該文字データの対応する文字画像位置や文字認識スコア及び言語処理結果（文字が所属する単語の位置や品詞等の文法上の情報）等の付加情報を付加してタイトル作成部１４に出力する。すなわち、ＯＣＲ部１３は、文書読み取り部１２の取り込んだ文書画像データから文字情報を抽出する文字情報抽出手段として機能している。

なお、本実施例の文書処理装置１は、紙文書を文書読み取り部１２で読み取ることで、文書画像データを取り込んでいるが、文書画像データの取り込み方法としては、上記方法に限るものではなく、例えば、紙文書を読み取るスキャナ装置や文書画像データを保存する複写装置、複合装置、コンピュータ装置等からネットワークとネットワークＩ／Ｆを介して受信することで取り込む等の方法であってもよい。

タイトル作成部１４は、ＯＣＲ部１３から入力される文字データ及び付加情報から文書画像データのページ毎に、該ページの内容を特徴的に表現するテキスト（以下、タイトル文字列という。）を抽出して、文書名作成部１５に出力する。すなわち、タイトル作成部１４は、ＯＣＲ部１３の抽出した文字情報である文字データ及び付加情報から文書画像データの特徴を示す所定数の文字列をタイトル文字列（文書名候補文字列）として抽出する特徴文字列抽出手段として機能している。

タイトル作成部１４によるタイトルの抽出は、上述した特許文献に記載の方法等の既存のタイトル抽出方法を用いることができ、例えば、ページのタイトルや見出し語が、大きな文字で横書きの場合、ページ上部、縦書きの場合、ページ右側に存在することに注目して、ＯＣＲ部１３からの付加情報のテキスト存在位置情報を参照してタイトルらしさや見出し語らしさを判定する方法、無意味な文字列ではなく、意味のある単語を含むテキストの方が有用である場合が多いことから、ＯＣＲ結果のテキストを、その付属情報を用いて文法的に解析して、文法的な逸脱の少ないテキストの方を採用する方法、さらには、テキスト位置情報や文法的解析結果等の複数の要素を総合的に評価してページを端的に表現する短いテキストを作成する方法等を用いることができる。タイトル作成部１４は、この特徴文字列抽出処理を、文書画像データのページ毎に実行する。

文書名作成部１５は、タイトル作成部１４が作成したタイトル文字列から予め設定されている出力条件に適した文字列を文書名として作成して、文書蓄積部１６に出力する。すなわち、文書名作成部１５は、タイトル作成部１４の抽出したタイトル文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成手段として機能している。

文書蓄積部１６は、ハードディスク等の大容量の不揮発性メモリを備えており、文書読み取り部１２から入力される文書画像データと文書名作成部１５で作成された文書名を関連付けて不揮発性メモリに保管して管理する。

そして、この文書処理装置１は、上述のように、スキャナ装置、複写装置、複合装置等の画像処理装置に適用され、該画像処理装置の操作表示部のユーザによる操作に応じて、文書蓄積部１６に保管されている文書画像データの文書名を、操作表示部のディスプレイに、表示出力する。

ユーザが、該ディスプレイの表示される文書名から文書画像データの内容を把握して、意図する文書名の文書画像データを操作表示部の操作で選択操作すると、画像処理装置が、選択された該文書画像データを操作表示部の操作に応じて出力形式、例えば、表示出力、プリント出力、他の装置への転送出力等を行う。

次に、本実施例の作用を説明する。本実施例の文書処理装置１は、取り込んだ文書画像データの内容を表現する文書名を出力条件に応じて作成する。

すなわち、文書処理装置１は、文書給紙部１１に読み取り対象の紙文書があるかチェックし（ステップＳ１０１）、読み取り対象の紙文書が文書給紙部１１にあるとき（ステップＳ１０１で、ＹＥＳのとき）には、文書給紙部１１から１枚だけ紙文書を文書読み取り部１２に送給して、文書読み取り部１２が、該紙文書を主走査及び副走査して、該紙文書の画像を所定の解像度で読み取って、２値化して、文書蓄積部１６及びＯＣＲ部１３に出力する文書取り込み処理を行う（ステップＳ１０２）。

ＯＣＲ部１３は、文書読み取り部１２の読み取った紙文書の画像データから文字データを読み出すとともに、該文字データの対応する文字画像位置や文字認識スコア及び言語処理結果（文字が所属する単語の位置や品詞等の文法上の情報）等の付加情報を付加してタイトル作成部１４に出力する文字情報抽出処理（ＯＣＲ処理）を行う（ステップＳ１０３）。

タイトル作成部１４は、ＯＣＲ部１３から入力される文字データ及び付加情報から文書画像データの該ページの内容を特徴的に表現するテキストであるタイトル文字列を抽出して、文書名作成部１５に出力する特徴文字列抽出処理を行なう（ステップＳ１０４）。

文書処理装置１は、１ページ分の文書取り込み処理、文字情報抽出処理及び特徴文字列抽出処理を行うと、ステップＳ１０１に戻って、読み取り対象の紙文書が文書給紙部２２にあるかチェックして（ステップＳ１０１）、読み取り対象の紙文書があるときには、同様に、次の紙文書の文書取り込み処理、文字情報抽出処理及び特徴文字列抽出処理を行う処理を、読み取り対象の紙文書がある限り順次繰り返し行う（ステップＳ１０１〜Ｓ１０４）。

文書処理装置１は、ステップＳ１０１で、読み取り対象の紙文書がないとき（ステップＳ１０１で、ＮＯのとき）には、文書名作成部１５が、タイトル作成部１４が作成したタイトル文字列から予め設定されている出力条件に適した文字列、例えば、文書名を表示出力するディスプレイの文書名表示領域の大きさ等に適した長さの文字列等、を文書名として作成して、文書蓄積部１６に出力する文書名作成処理を行なう（ステップＳ１０５）。

文書蓄積部１６は、文書読み取り部１２から入力される文書画像データ（複数ページからなるときには、該複数のページをまとめた文書画像データ）と文書名作成部１５で作成された文書名を関連付けて不揮発性メモリに保管して管理する。

そして、文書処理装置１は、文書名作成部１５によるステップＳ１０５の文書名作成処理において、文書画像データが複数ページからなる場合、全てのページの特徴文字列抽出結果を利用して、より適切な文書名を作成する。

すなわち、複数ページからなる文書画像データの文書名の作成を行なう場合、通常、先頭ページが表紙と予想されるため、先頭ページのタイトル文字列が文書全体を表現していると考えることができるが、表紙は本文ページとは傾向が異なり、飾り文字で文書名が書かれていたり、文字のない全面写真ページ等のように、ＯＣＲ部１３による文字情報抽出処理では、適切にテキスト処理することのできないページであると、先頭ページからタイトル文字列を取得することができない。また、文書区切りとして白紙が挿入されている場合には、ＯＣＲ部１３は、タイトル文字を取得することができない。

そして、タイトル作成部１４は、文字情報抽出処理結果の信頼度や文字サイズ、文字の存在位置等の要素から総合的に評価して、タイトルの順位付けを行なっている。

そのため、ＯＣＲ部１３による文字情報抽出処理の信頼度が低いときには、タイトル作成部１４による特徴文字列抽出結果の評価値も低くなる。

そこで、文書名作成部１５は、複数のページからなる文書画像データに対しては、全ページの特徴文字列抽出結果を利用して、例えば、各ページの特徴文字列抽出結果の評価値を求め、先頭ページから、該評価値を所定の閾値と比較して、評価値が該閾値よりも低い場合には、次のページに対する特徴文字列抽出結果の評価値を該閾値と比較する処理を順次行う。文書名作成部１５は、ページの特徴文字列抽出結果の評価値が該閾値を越えるページがあると、該ページでのタイトル文字列を文書名として用いる。

このようにすると、文字情報抽出処理機能が低い場合にも、適切な文書名を作成することができる。

例えば、タイトル作成部１４は、図３に示すように、図３（ａ）の報告書の文書画像データＧａ、図３（ｂ）の議事録の文書画像データＧｂ及び図３（ｃ）の報告書の文書画像データＧｃが存在した場合、上述のように、タイトル文字列が、ページ上部に、大きな文字で配置される傾向があるので、この傾向を利用して、各文書に対して、内容を顕著に表す文字列であるタイトル文字列として、文書画像データＧａに対して、「報告書］、文書画像データＧｂに対して、「議事録］、文書画像データＧｃに対して、「報告書］を抽出することとなる。

ところが、文書画像データＧａと文書画像データＧｃに対して抽出したタイトル文字列が同じ「報告書］となるため、このタイトル文字列を文書名とすると、文書画像データＧａと文書画像データＧｃを区別することができない。

そこで、文書名作成部１５は、図４に示すように、上記評価値に基づいて評価した評価順を利用して、表示領域に表示可能な文字数（設定文字数）分まで、すなわち、文書名として許可されている文字数まで順位の低いタイトル文字列を文書名として採用してもよい。この場合、文書名作成部１５は、タイトル作成部１４の抽出した複数のタイトル文字列に対して文書画像データの内容を表現する顕著らしさを評価して順序付ける評価部（評価手段）と、該評価部の評価順序に従ってタイトル文字列を前記設定文字数分まで連結した文字列を文書名として作成する文字連結部（文字列連結手段）と、を備えたものとなる。

すなわち、文書名作成部１５は、まず、文書名として採用可能な文字数である表示文字数を設定する（ステップＳ２０１）。この表示文字数は、例えば、文書処理装置１の適用装置が決まっていて、該装置の表示部の文書名として表示可能な文字数等が設定される。

文書名作成部１５は、使用候補順位に「１」をセットして（ステップＳ２０２）、現在の文書名の文字数（文書名文字数）が表示文字数未満（表示文字数＞文書名文字数）であるかチェックする（ステップＳ２０３）。

文書名作成部１５は、ステップＳ２０３で、文書名文字数が表示文字数未満であるとき（ステップＳ２０３で、ＹＥＳのとき）には、使用候補順位にセットされている評価順位のタイトル文字列を取得して（ステップＳ２０４）、該タイトル文字列を文書名に追加し（ステップＳ２０５）、使用候補順位を「１」だけインクリメント（増分）して（ステップＳ２０６）、ステップＳ２０３に戻って、上記同様に、文書名文字数が表示文字数未満であるかのチェックから上記同様に処理する（ステップＳ２０３〜Ｓ２０６）。

文書名作成部１５は、ステップＳ２０３からステップＳ２０６までの処理を順次繰り返し行なって、ステップＳ２０３で、文書名文字数が表示文字数以上になると（ステップＳ２０３で、ＮＯのとき）、文書名として最後に追加した文字列に対して、全体の文書名文字数が表示文字数になるように、制限して、文書名作成処理を終了する（ステップＳ２０７）。

このようにすると、上記図３の場合、図３（ａ）の文書画像データＧａの場合、「報告書」に対して、「報告書_Ａ社の売り上げ分析」等を、図３（ｂ）の文書画像データＧｂの場合、「議事録」に対して、「議事録_日時○月○日○時〜○時」等を、図３（ｃ）のぶん書画像データＧｃの場合、「報告書」に対して、「報告書_製品Ｂの販売経費推移」等を、それぞれ文書名として採用することができ、より一層文書画像データの内容の分かり易い文書名とすることができる。

そして、タイトル作成部１４が、タイトル文字列として優先順位の高い文字列として採用するのは、上述のように、ページ内においてサイズの大きな文字の文字列であることが多く、この場合、文字サイズが大きいということは、文書画像データのページの１行内に収まる文字数が少なくなることを意味し、ひいては、タイトル文字列として採用する文字数が少なくなる傾向にある。したがって、タイトル文字列の評価順位が１位のタイトル文字列のみを文書名として用いると、短い文字列の文書名になって、多数の文書画像データから所望の文書画像データを文書名に基づいて選択するのには、不十分な文書名となるおそれがある。

ところが、上述のように、文書名として採用可能な文字数まで、タイトル文字列を、その優先順位（使用候補順位）に基づいて、繋げて文書名として採用すると、文書画像データの内容をより一層特徴的に表現する文書名を採用することができ、文書名の利用性を向上させることができる。

なお、上記説明においては、文書画像データの取り込みから文書名作成及び文書蓄積までの処理を、１つの文書処理装置１で行なっているが、文書処理としては、１つの文書処理装置１内での処理に限定されるものではなく、例えば、文書読み取り部１２の取り込んだ文書画像データを、図５に示すようなコンピュータ装置２０に送信して、コンピュータ装置２０が、ソフトウェア処理することで、文字情報抽出処理、特徴文字列抽出処理及び文書名作成処理等の文書処理を行ってもよい。また、この場合、文書蓄積処理も、コンピュータ装置２０で行なってもよい。

すなわち、コンピュータ装置２０は、ＣＰＵ２１、メモリ２２、通信部２３、表示部２４、ハードディスク２５、キーボード２６、ＣＤ−ＲＯＭドライブ２７及びＦＤ（フレキシブルディスク）ドライブ２８等を備えており、上記各部は、バス２９によって接続されている。コンピュータ装置２０は、ハードディスク２５等に本発明の文書処理プログラムが導入されることで、上記ＯＣＲ部、タイトル作成部、文書名作成部、文書蓄積も行う場合には、文書蓄積部が構築される。

コンピュータ装置２０は、通信部２３がＬＡＮ（Local Area Network）やインターネット等の通信回線を介して、スキャナ装置等から取り込んだ文書画像データに対して、ＣＰＵ２１が、ハードディスク２５等に導入された文書処理プログラムに基づいて、文字情報抽出処理、特徴文字列抽出処理及び文書名作成処理等の文書処理を行なって文書名を作成し、作成した文書名を該文書画像データに関連付けて、ハードディスク２５に保管したり、ＣＤ−ＲＯＭドライブ２７に挿入されているＣＤ−ＲＯＭ、または、ＦＤドライブ２８に挿入されているＦＤに保管する。

また、文書処理は、１つの装置で行う場合に限るものではなく、例えば、図６に示すように、インターネットやＬＡＮ等の通信回線ＮＷに接続された複数の装置Ｓ１から装置Ｓ３を用いて文書処理システムＢＳを構築して、該文書処理システムＢＳを構築する装置Ｓ１〜Ｓ３を用いて実行してもよい。

この場合、例えば、装置Ｓ１が、文字情報抽出処理用の文書処理プログラムを搭載して、他の装置または図示しないスキャナ装置等から取り込んだり、自装置がスキャナ処理して取り込んだ文書画像データに対して文字情報抽出処理を実行して、装置Ｓ２に、少なくとも文字情報抽出処理結果を、通信回線ＮＷを介して送信する。

装置Ｓ２は、タイトル作成用の文書処理プログラムを搭載して、装置Ｓ１から送られてきた文字情報抽出処理結果に基づいて、特徴文字列抽出処理を行ない、抽出結果のタイトル文字列を、通信回線ＮＷを介して装置Ｓ３に送信する。

装置Ｓ３は、文書名作成用の文書処理プログラムを搭載して、装置Ｓ２から送信されてきたタイトル文字列から文書名を作成し、装置Ｓ１から送られてきた文書画像データまたは装置Ｓ２から送られてきた文書画像データと該文書名を関連付けて、自装置内の不揮発性メモリまたは通信回線ＮＷ上の記憶装置に保管する。

このように、本実施例の文書処理装置１は、文書画像データから文字情報を抽出するＯＣＲ部（文字情報抽出手段）１３と、ＯＣＲ部１３の抽出した前記文字情報から前記文書画像データの特徴を示す所定数の文字列をタイトル文字列（文書名候補文字列）として抽出するタイトル作成部（特徴文字列抽出手段）１４と、タイトル作成部１４の抽出したタイトル文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成部（文書名作成手段）１５と、を備えている。

したがって、文書画像データの特徴を示す所定数の文字列からなるタイトル文字列のうち、出力条件に適した文字列のみを文書名とすることができ、文書画像データの内容を表現する文書名を出力条件に応じて作成することができる。

また、本実施例の文書処理装置１は、文書画像データを取り込んで、該文書画像データに対して、文書処理部が、文書名を付与して保管し、該保管されている該文書画像データの該文書名を所定の操作表示部のディスプレイ（表示手段）に表示して、該ディスプレイへ表示している文書に対する出力要求に応じて該文書画像データの出力を行う複合装置、複写装置、スキャナ装置等の画像処理装置において、前記文書処理部として、上記文書処理装置１を搭載している。

したがって、画像処理装置に取り込んで蓄積するおける文書画像データの特徴を示す所定数の文字列からなるタイトル文字列のうち、出力条件に適した文字列のみを文書名とすることができ、文書画像データの内容を表現する文書名を出力条件に応じて作成することができる。

さらに、本実施例の文書処理装置１は、文書画像データから文字情報を抽出する文字情報抽出処理ステップと、前記文字情報抽出処理ステップで抽出された前記文字情報から前記文書画像データの特徴を示す所定数の文字列をタイトル文字列として抽出する特徴文字列抽出処理ステップと、前記特徴文字列抽出処理ステップで抽出したタイトル文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成処理ステップと、を有している文書処理方法を実行している。

したがって、文書画像データの特徴を示す所定数の文字列からなるタイトル文字列のうち、出力条件に適した文字列のみを文書名とすることができ、文書画像データの内容を表現する文書名を出力条件に応じて作成することができる。

また、本実施例の文書処理装置１は、コンピュータに、文書画像データから文字情報を抽出する文字情報抽出処理と、前記文字情報抽出処理で抽出された前記文字情報から前記文書画像データの特徴を示す所定数の文字列をタイトル文字列として抽出する特徴文字列抽出処理と、前記特徴文字列抽出処理で抽出したタイトル文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成処理と、を実行させる文書処理プログラムを搭載している。

したがって、文書画像データの特徴を示す所定数の文字列からなるタイトル文字列のうち、出力条件に適した文字列のみを文書名とすることができ、文書画像データの内容を表現する文書名を出力条件に応じて作成することができる。

さらに、本実施例の文書処理装置１は、前記文書名作成部１５ガ、タイトル作成部１４の抽出した複数のタイトル文字列に対して前記文書画像データの内容を表現する顕著らしさを評価して順序付ける図示しない評価部（評価手段）と、該評価順序に従ってタイトル文字列を前記設定文字数分まで連結した文字列を前記文書名として作成する図示しない文字列連結部（文字列連結手段）と、を備えている。

したがって、文書画像データの特徴を示す所定数の文字列からなるタイトル文字列のうち、出力条件により一層適した文字列のみを文書名とすることができ、文書画像データの内容をより一層適切に表現する文書名を出力条件に応じて作成することができる。

また、本実施例の文書処理装置１は、タイトル作成部１４が、前記文書画像データが複数ページから構成されていると、ページ毎に該ページの文書画像データの特徴を表す文字列を抽出し、文書名作成部１５が、タイトル作成部１４の抽出した前記文字列に対して文書名としての評価を行なう評価部（評価手段）と、該評価部が評価した評価結果が所定の閾値を越える文字列が前記設定文字数分になるまで前記文書画像データの先頭ページから最終ページに向かって前記評価部に評価させて、該閾値を超える該設定文字数分の文字列を前記文書名として作成する評価制御部（評価制御手段）と、を備えている。

したがって、文書画像データ全体の内容を特徴的に表した文字列を文書名として作成することができ、文書名による文書画像データの選択をより一層適切に行えるようにすることができる。

図７は、本発明の文書処理装置、画像処理装置、文書処理方法及び文書処理プログラムの第２実施例を適用した文書処理装置の文書名作成部３０の要部ブロック構成図である。

なお、本実施例は、上記第１実施例の文書処理装置１と同様の文書処理装置に適用したものであり、本実施例の説明においては、第１実施例の文書処理装置１と同様の構成部分については、第１実施例の説明で用いた符号をそのまま用いて説明する。

本実施例の文書処理装置１は、第１実施例の文書処理装置１と同様の文書給紙部１１、文書読み取り部１２、ＯＣＲ部１３、タイトル作成部１４、文書蓄積部１６を備えているとともに、図７に示す文書名作成部３０を備えており、文書名作成部（文書名作成手段）３０は、タイトル候補入力部３１、文書名文字列決定部３２、文字列整形部３３及び文書名文字列出力部３４等を備えている。

タイトル候補入力部３１は、タイトル作成部１４からタイトル文字列が入力され、該タイトル文字列を文書名文字列決定部３２に入力する。

文書名文字列決定部３２は、タイトル候補入力部３１から入力されるタイトル文字列から、文書画像データの内容を顕著に表現する文書名候補文字列を選択して文字列整形部３３に入力する。

文字列整形部３３は、全角半角変換部３３ａとファイル名禁則適用部３３ｂを備えており、同じ意味の文字をより少ないバイト数で表現可能な文字に整形する。

全角半角変換部（文字選択手段）３３ａは、同じ意味の文字を異なるバイト数で表現可能な文字が、そのバイト数とともに登録されている文字−バイト対応テーブルとして、全角／半角テーブルを有しており、全角／半角テーブルには、全角文字のうち、半角文字の存在する全角文字に対して半角文字が対応させて登録されている。すなわち、全角文字は、２バイトで構成される文字であり、半角文字は１バイトで構成されていて、表示に全角文字の半分の領域で住む。したがって、文書名の表示領域が制限されている場合に、同じ表示領域に対して半角文字の方が多くの文字を表示することができ、文書名としても多くの情報を盛り込んで、より分かり易い文書名とすることができる。

そして、全角半角変換部３３ａは、全角文字を全角／半角テーブルを参照して、半角に変換するだけでなく、表示領域に対して、半角文字にすることによって表示可能な文字数が増加した分だけ文書名文字決定部３２から文書名候補文字列を取得して文書名とする文字数を、該表示領域に表示可能な文字数まで選択して連結する。すなわち、全角半角変換部３３ａは、同じ意味の文字を異なるバイト数で表現可能な文字を、そのバイト数とともに登録されている文字−バイト対応テーブルとして、全角／半角テーブルを備えて、文字名候補文字列のうち、全角／半角テーブルに登録されている文字（全角文字）に対してより少ないバイト数の文字（半角文字）を文書名の文字列として選択する文字選択手段として機能している。例えば、横書き全角文字で、１０文字を表示することのできる表示領域の場合、半角文字では、２０文字表示することができる。また、全角の英数記号文字のうち、多くは対応する半角文字が存在する。例えば、「Ａ」と「A」、「？」と「?」等である。

そこで、全角半角変換部３３ａは、例えば、「本件に関するＱ＆Ａ」、「１７７６年７月４日アメリカ独立宣言」という文書名の場合、半角で表示可能な文字を半角に変換して、「本件に関するQ&A」、「1776年7月4日アメリカ独立宣言」とすることで、文字列の長さを短くすることができ、より多くの文字数の文字列を文書名とすることができる。その結果、文書名を、より一層ページの内容を理解し易い文書名とすることができる。

そして、ファイル名禁則適用部３３ｂは、文書名を表示する装置等においては、その文字数が制限されていたり、使用が禁止されている文字が存在する等の禁則が設けられていることがあるため、文書名をこのような禁則に適合させる。

具体的には、Microsoft Windows（登録商標）では、システムが別用途に既に規定している文字、例えば、「\、/、:、*、?、"、<、>、|」を含むファイル名を作成することが禁じられており、また、ファイル名の長さにも上限がある。

そこで、ファイル名禁則適用部３３ｂは、使用の禁止されている文字が、文書名に含まれているときには、該禁止文字を適当な文字に置換し、ファイル名長さを越える文書名については、後端側からその文字列をファイル名長さ以下の長さまで切り捨てる。

そして、文書名文字列出力部３４は、文字列整形部３３が作成した文書名を、文書蓄積部１６に出力する。

すなわち、本実施例の文書名作成部３０は、タイトル候補入力部３１がタイトル作成部１４からタイトル文字列を受け取って文書名文字列決定部３２に渡し、文書名文字列決定部３２が、入力されるタイトル文字列から、文書画像データの内容を顕著に表現する文書名候補文字列を選択して文字列整形部３３に入力する。

文字列整形部３３は、その全角半角変換部３３ａが、全角／半角テーブルを参照して、文書名文字列決定部３２が選択した文書名候補文字列の文字のうち、半角に変換可能な全角文字を半角に変換し、ファイル名禁則適用部３３ｂが、文書名の付与された文書画像データの出力先等の適用装置において禁止文字や長さ制限等の禁則が存在する場合に、その禁則を適用した文書名を作成する。

このように、本実施例の文書処理装置１は、文書名作成部３０が、同じ意味の文字を異なるバイト数で表現可能な文字を、そのバイト数とともに登録されている全角／半角テーブル（文字−バイト対応テーブル）と、前記タイトル文字列のうち、該全角／半角テーブルに登録されている文字に対してより少ないバイト数の文字を前記文書名の文字列として選択する全角半角変換部（文字選択手段）３３ａと、を備えている。

したがって、同じ出力条件である表示領域に対してより多くの文字数の文書名を作成することができ、文書画像データの内容をより一層適切に表現する文書名を出力条件に応じて作成することができる。

なお、文書名の文字列は、文書名によって保管されている文書画像データを選択する上で、文書処理装置１で作成した文書名を出力する出力先装置において正確に出力される文字列である必要がある。

そこで、本実施例の文書処理装置１は、上記作成した文書名が出力先装置で出力不可能な文字であるときには、出力先装置の如何にかかわらず出力可能なＡＳＣＩＩコードのみからなる文字列に文書名を変換して出力する。

この場合、図８に示すように、文書名作成部（文書名作成手段）４０は、図７に示した文書名作成部３０に対して、文字列整形部４１に、印刷可能ＡＳＣＩＩ限定部４２を追加することで、文書名を、出力先装置の如何にかかわらず、出力可能なＡＳＣＩＩコードのみからなる文字列に文書名を変換して出力する。

すなわち、文書名作成部４０は、図７の文書名作成部３０と同様のタイトル候補入力部３１、文書名文字列決定部３２及び文書名文字列出力部３４を、備えているとともに、文字列整形部４１を備えており、文字列成形部４１は、図７の文字列成形部３３と同様の全角半角変換部３３ａとファイル名禁則適用部３３ｂを備えているとともに、出力可能ＡＳＣＩＩ限定部４１ａを備えている。

出力可能ＡＳＣＩＩ限定部（文字列削除手段、文字列連結手段、文字置換手段）４１ａは、ＡＳＣＩＩコードテーブルを備えており、このＡＳＣＩＩコードテーブルには、例えば、ＡＳＣＩＩコードのうち、制御コードを除いた文字集合、具体的には、ＡＳＣＩＩ ３２（１０進数）である空白文字と、ＡＳＣＩＩ ３３（１０進数）〜１２６（１０進数）の半角英数の数字、句読点及び記号のコードテーブルである。

出力可能ＡＳＣＩＩ限定部４１ａには、全角半角変換部３３ａで半角変換され、さらに、ファイル名禁則適用部３３ｂで禁則処理された文書名文字列の文字コードと、文書名文字列が入力され、出力可能ＡＳＣＩＩ限定部４１ａは、該文書名文字列の文字コードに基づいてＡＳＣＩＩコードテーブルを参照して、ＡＳＣＩＩコードの存在する文書名文字列のみを文書名として採用して、ＡＳＣＩＩ文字以外の文字を削除する。

例えば、全角半角変換部３３ａが、半角に変換した上記ＳＪＩＳ文字列からなる文書名「1776年7月4日アメリカ独立宣言」に対して、出力可能ＡＳＣＩＩ限定部４１ａは、ＡＳＣＩＩコードのみを文書名に採用して、ＡＳＣＩＩコード以外を切り捨てて、「Q&A」「177674」を文書名とするとともに、出力可能（表示可能等）な文字数までＡＳＣＩＩ文字を連結して文書名とする。

そして、印字可能ＡＳＣＩＩコード文字は、世界中で使用される文字コードのうち、最も基本的で共通の集合であって、印字可能ＡＳＣＩＩコード文字のみで作成された文書名は、多く種類の装置で表示等の出力が可能である。

さらに、文書名として、ＡＳＣＩＩ文字のみを用いると、元々のタイトル文字列の一部だけしか使用しないため、文書内容の把握する効果は少なくなるが、日付連番文字列のように、文書内容とは無関係に機械的に作成される文書名よりも、文書内容を反映した文字列になる。

また、ドイツ語等におけるウムラウト等のアクセント記号付き文字を用いる言語においても印字可能ＡＳＣＩＩ文字に限定することで、当該アクセント付き記号文字の表示に対応していない装置での文書名の表示の出力における文字化けを防止することができる。

さらに、言語によっては、ＡＳＣＩＩコードにない文字をＡＳＣＩＩ文字によって代用文字が規定されている場合もあり、このような場合、出力可能ＡＳＣＩＩ限定部４１ａは、印字可能ＡＳＣＩＩ文字以外については、該文字を、削除するだけでなく、代用文字に置換可能な文字については、代用文字に置換して、連結する文字置換手段、文字連結手段として機能している。

例えば、ドイツ語の場合、アクセント記号付き文字は、以下のように、印字可能ＡＳＣＩＩ文字による代用が認められている。

エスツェット ss
アー・ウムラウト(小文字) ae
アー・ウムラウト(大文字) Ae
オー・ウムラウト(小文字) oe
オー・ウムラウト(大文字) Oe
ウー・ウムラウト(小文字) ue
ウー・ウムラウト(大文字) Ue
また、出力可能ＡＳＣＩＩ限定部４１ａは、代用文字が規定されていない場合であっても、印字可能ＡＳＣＩＩ文字以外の文字を削除する代わりに、適当なＡＳＣＩＩ文字、例えば、「_」等に置換する。

なお、上記説明においては、文書名作成に際して、文書画像データから取得したタイトル文字列のみから文書名を作成しているが、文書名の作成においては、タイトル文字列のみを用いる場合に限定されるものではなく、例えば、日付や所定の連番文字列をタイトル文字列に組み合わせて文書名としてもよい。

このように、本実施例の文書処理装置１は、その文書名作成部３０が、同じ意味の文字を異なるバイト数で表現可能な文字を、そのバイト数とともに登録されている文字−バイト対応テーブルである全角／半角テーブルと、タイトル文字列のうち、該全角／半角テーブルに登録されている文字に対してより少ないバイト数の文字である半角文字を文書名の文字列として選択する全角半角変換部（文字選択手段）３３ａと、を備えている。

したがって、文書画像データの内容を表現する文書名を出力条件に応じて作成しつつ、文書名の文字数を増やして、文書画像データの内容を特徴的に表す文字列をより多く文書名として使用することができ、利用性をより一層向上させることができる。

また、本実施例の文書処理装置１は、その文書名作成部４０が、タイトル文字列のうち、ＡＳＣＩＩ文字列以外の文字列を削除する文字列削除部（文字列削除手段）と、該文字列削除部によって削除されたタイトル文字列を前記設定文字数分まで連結した文字列を前記文書名として作成する文字列連結部（文字列連結手段）と、を有する出力可能ＡＳＣＩＩ限定部４１ａを備えている。

したがって、文書名を出力する出力先装置で文字化けや出力不能となることのないＡＳＣＩＩ文字列のみで文書名を作成することができ、文書名を出力する装置如何にかかわらず、文書名による文書画像データの選択を適切に行えるようにすることができる。

また、本実施例の文書処理装置１は、その文書名作成部４０が、タイトル文字列のうち、ＡＳＣＩＩ文字以外の文字を所定のＡＳＣＩＩ文字に置換する文字置換部（文字置換手段と、タイトル文字列のＡＳＣＩＩ文字と該文字置換部によって置換されたＡＳＣＩＩ文字を連結した文字列を前記文書名として作成する文字列連結部（文字列連結手段）と、有する出力可能ＡＳＣＩＩ限定部４１ａを備えている。

したがって、ＡＳＣＩＩ文字以外の文字を削除することなく、特定のＡＳＣＩＩ文字に置換して、文書名を出力する出力先装置で文字化けや出力不能となることのないＡＳＣＩＩ文字列のみで文書名を作成することができ、文書名を出力する装置如何にかかわらず、文書名による文書画像データの選択をより一層適切に行えるようにすることができる。

以上、本発明者によってなされた発明を好適な実施例に基づき具体的に説明したが、本発明は上記実施例で説明したものに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。

１ 文書処理装置
１１ 文書給紙部
１２ 文書読み取り部
１３ ＯＣＲ部
１４ タイトル作成部
１５ 文書名作成部
１６ 文書蓄積部
２０ コンピュータ装置
２１ ＣＰＵ
２２ メモリ
２３ 通信部
２４ 表示部
２５ ハードディスク
２６ キーボード
２７ ＣＤ−ＲＯＭドライブ
２８ ＦＤドライブ
２９ バス
ＮＷ 通信回線
Ｓ１〜Ｓ３ 装置
３０ 文書名作成部
３１ タイトル候補入力部
３２ 文書名文字列決定部
３３ 文字列整形部
３３ａ 全角半角変換部
３３ｂ ファイル名禁則適用部
３４ 文書名文字列出力部
４０ 文書名作成部
４１ 文字列整形部
４１ａ 出力可能ＡＳＣＩＩ限定部
４２ 印刷可能ＡＳＣＩＩ限定部

特開２００７−１２２４０３号公報 特開２００２−２９７６２９号公報 特開２００８−０７７４５４号公報

Claims (9)

1. 文書画像データから文字情報を抽出する文字情報抽出手段と、
   前記文字情報抽出手段の抽出した前記文字情報から前記文書画像データの特徴を示す所定数の文字列を文書名候補文字列として抽出する特徴文字列抽出手段と、
   前記特徴文字列抽出手段の抽出した前記文書名候補文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成手段と、
   を備えていることを特徴とする文書処理装置。
2. 前記文書名作成手段は、
   同じ意味の文字を異なるバイト数で表現可能な文字を、そのバイト数とともに登録されている文字−バイト対応テーブルと、
   前記文書名候補文字列のうち、前記文字−バイト対応テーブルに登録されている文字に対してより少ないバイト数の文字を前記文書名の文字列として選択する文字選択手段と、
   を備えていることを特徴とする請求項１記載の文書処理装置。
3. 前記文書名作成手段は、
   前記特徴文字列抽出手段の抽出した複数の前記文書名候補文字列に対して前記文書画像データの内容を表現する顕著らしさを評価して順序付ける評価手段と、
   前記評価手段の評価順序に従って前記文書名候補文字列を前記設定文字数分まで連結した文字列を前記文書名として作成する文字列連結手段と、
   を備えていることを特徴とする請求項１または請求項２記載の文書処理装置。
4. 前記文書名作成手段は、
   前記文書名候補文字列のうち、ＡＳＣＩＩ文字列以外の文字列を削除する文字列削除手段と、
   前記文字列削除手段によって削除された前記文書名候補文字列を前記設定文字数分まで連結した文字列を前記文書名として作成する文字列連結手段と、
   を備えていることを特徴とする請求項１から請求項３のいずれかに記載の文書処理装置。
5. 前記文書名作成手段は、
   前記文書名候補文字列のうち、ＡＳＣＩＩ文字以外の文字を所定のＡＳＣＩＩ文字に置換する文字置換手段と、
   前記文書名候補文字列のＡＳＣＩＩ文字と前記文字置換手段によって置換されたＡＳＣＩＩ文字を連結した文字列を前記文書名として作成する文字列連結手段と、
   を備えていることを特徴とする請求項１から請求項３のいずれかに記載の文書処理装置。
6. 前記特徴文字列抽出手段は、
   前記文書画像データが複数ページから構成されていると、ページ毎に該ページの文書画像データの特徴を表す文字列を抽出し、
   前記文書名作成手段は、
   前記特徴文字列抽出手段の抽出した前記文字列に対して文書名としての評価を行なう評価手段と、
   前記評価手段が評価した評価結果が所定の閾値を越える文字列が前記設定文字数分になるまで前記文書画像データの先頭ページから最終ページに向かって前記評価手段に評価させて、該閾値を超える該設定文字数分の文字列を前記文書名として作成する評価制御手段と、
   を備えていることを特徴とする文書処理装置。
7. 文書画像データを取り込んで、該文書画像データに対して、文書処理部が、文書名を付与して保管し、該保管されている該文書画像データの該文書名を所定の表示手段に表示して、該表示手段へ表示している文書に対する出力要求に応じて該文書画像データの出力を行う画像処理装置において、
   前記文書処理部として、請求項１から請求項６のいずれかに記載の文書処理装置を搭載していることを特徴とする画像処理装置。
8. 文書画像データから文字情報を抽出する文字情報抽出処理ステップと、
   前記文字情報抽出処理ステップで抽出された前記文字情報から前記文書画像データの特徴を示す所定数の文字列を文書名候補文字列として抽出する特徴文字列抽出処理ステップと、
   前記特徴文字列抽出処理ステップで抽出した前記文書名候補文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成処理ステップと、
   を有していることを特徴とする文書処理方法。
9. コンピュータに、
   文書画像データから文字情報を抽出する文字情報抽出処理と、
   前記文字情報抽出処理で抽出された前記文字情報から前記文書画像データの特徴を示す所定数の文字列を文書名候補文字列として抽出する特徴文字列抽出処理と、
   前記特徴文字列抽出処理で抽出した前記文書名候補文字列から予め設定されている出力条件に適した文字列を文書名として作成する文書名作成処理と、
   を実行させることを特徴とする文書処理プログラム。

Images