JP4049289B2 - 文字認識方法、文字認識装置及び記録媒体 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、文字認識技術に関する。
【０００２】
【従来の技術】
文字認識系においては、一般に、高い認識率を得ようとすると非常に複雑な特徴抽出やマッチング処理を用いるため、処理に時間がかかるという問題がある。この処理時間の問題を解決する１つの手法として、認識処理を終わった文字画像と認識結果を対応付けて保存しておき、認識しようとする文字画像を認識済みの文字画像と比較し、同一とみなせる認識済み文字画像が見つかった場合には、その認識済み文字画像に対応して保存されている認識結果を、そのまま認識結果として出力する、いわゆる画像キャッシュ処理を利用する方法が知られている（例えば、特開平７−７２９０６号）。
【０００３】
【発明が解決しようとする課題】
このような画像キャッシュ処理を利用する方法は、特開平７−７２９０６号公報に見られるように、文字画像の比較処理と、認識処理とを並行して実行し、文字画像の比較処理で一致がとれた場合に認識処理を中止させるような装置構成とすれば、認識済みの文字画像と同一の文字画像がほとんど出現しない場合でも、格別不都合はない。しかし、まず文字画像の比較を行い、一致しないことが判明した段階で文字認識処理を開始するような順次処理とした場合、認識済み文字画像と同じ文字画像が繰り返し出現する頻度が低いと、文字画像の比較及び文字画像と認識結果の保存のための処理が増える分だけ、かえって処理時間が増加するという問題がある。特に、このような文字認識方法を一般的なコンピュータを利用しソフトウェアによって実施する場合には順次処理となることが多いため、その問題点は重要である。
【０００４】
本発明の目的は、そのような問題点を解決した文字認識方法及び装置を提供することにある。
【０００５】
【課題を解決するための手段】
上記目的を達成するため、本発明の主たる特徴は、入力画像中の認識対象文字数が所定値を越えるか否かを判断し、認識対象文字数が所定値を越えないと判断される場合には画像キャッシュ処理を無効とし、認識対象文字数が所定値を越えると判断される場合にのみ画像キャッシュ処理を有効にするとこにある。このような本発明の特徴、その他の特徴について以下に詳細に説明する。
【０００６】
【発明の実施の形態】
以下、添付図面を参照し、本発明の実施の形態を説明する。なお、説明の繰り返しを避けるため、添付図面中の複数の図面において、同一部分又は対応部分に対して同一又は同様の参照符号を用いる。
【０００７】
図１は、本発明による文字認識装置のブロック構成の一例を示す。ここに示す文字認識装置は、画像入力部１００、認識処理部１１０、画像キャッシュ制御部１２０、文字認識用辞書１２２、言語辞書１２３、及び、画像キャッシュ記憶部１２１から構成される。
【０００８】
画像入力部１００は、文書画像（文書全体の画像又は文書中の個々の認識対象領域の画像）を入力する部分である。具体的には、画像入力部１００は、例えば、イメージスキャナ等の画像入力機器を利用して文書原稿をスキャンして画像を取り込んだり、記録媒体から画像を読み込んだり、あるいは、通信回線を介して外部から画像を取り込んだりする。なお、入力された文書画像や、それに対する処理の過程で発生するデータ等を記憶するための記憶装置も当然に存在するが、図中には明示されていない。
【０００９】
認識処理部１１０は、文書画像上の文字画像の切り出しを行う文字切り出し部１１２、切り出された文字画像と画像キャッシュ記憶部１２１に記憶されている文字画像との比較を行う文字画像比較部１１２、文字画像の特徴を用いて１文字単位の文字認識を行う文字認識部１１３、文字認識部１１３による認識結果に対する後処理を行う後処理部１１４、文字認識部１１３による文字画像に対する認識結果（マッチング結果）を、その文字画像と対応付けて画像キャッシュ記憶部１２１に保存する処理を行うキャッシュ処理部１１５、及び、それら各部の動作の制御及び文字認識結果の確信度の計算等を行う制御部１１６からなる。文字認識用辞書１２２は文字認識部１１３による１文字単位の文字認識のために利用される辞書である。言語辞書１２３は、後処理部１１４による後処理のために利用される単語等の言語知識を格納した辞書である。画像キャッシュ記憶部１２１は、キャッシュ処理部１１５によって、文字の画像（あるいは、その文字の入力画像上での座標）に対応付けて、文字認識部１１３による認識結果）が書き込まれる記憶部である。
【００１０】
画像キャッシュ制御部１２０は、画像入力部１００による入力画像（文書全体又は個々の認識対象領域の画像、以下同様）中の認識対象文字数が所定値を超える否かを判断して、認識処理部１１０における画像キャッシュ処理を有効又は無効にする部分である。
【００１１】
このような本発明による文字認識装置は、専用のハードウェアとして実現してもよいし、一般的な構成のコンピュータ上でソフトウェアによって実現してもよい。後者の場合、画像入力部１００、認識処理部１１０、画像キャッシュ制御部１２０の機能をコンピュータ上で実現させるためのプログラム、換言すれば、本発明による文書認識方法のための処理ステップを実行させるためのプログラムが、コンピュータのメモリにロードされてＣＰＵにより実行される。そのようなプログラムが記録されたフロッピーディスク、ＣＤ−ＲＯＭ、ＲＡＭ、ＲＯＭ等の記録媒体も本発明に包含される。
【００１２】
本発明による文字認識装置は、その一部の構成要素間をネットワークを介して接続するような構成としてもよい。例えば図２に示すように、クライアント／サーバー・システム上に本発明による文字認識装置を構築し、サーバー１３０側に認識処理部１１０と画像キャッシュ制御部１２０を置き、サーバー１３０とネットワーク１３５を介して接続された各クライアント１４０側に、文字認識用辞書１２２、言語辞書１２３及び画像キャッシュ記憶部１２１を置くような構成が可能である。処理対象となる文書の種類はユーザによって異なる場合が多いので、扱われる文書に用いられるフォント、文字、語句などもユーザ毎に違いがあることが多い。したがって、この例のように、複数のユーザで共通の認識処理部１１０を利用するようなシステム構成の場合には、ユーザ別の文字認識用辞書１２２、言語辞書１２３及び画像キャッシュ記憶部１２１を各クライアント１４０側に配置し、特定のユーザの文書に対する処理に、そのユーザ専用の文字認識用辞書１２２、言語辞書１２３及び画像キャッシュ記憶部１２１を利用できるような構成は認識精度や処理効率の面で有利である。また、認識処理部１１０の性能向上などは、認識処理部１１０そのもの、又はそのためのプログラムの更新をサーバー１３０側だけで処置することができ、その性能向上の利益を各ユーザが享受できる等のメリットがある。
【００１３】
以下、図１又は図２に示したような本発明の文字認識装置の動作について説明する。まず、画像キャッシュ制御部１２０における処理について説明する。図３は、そのフローチャートである。
【００１４】
画像キャッシュ制御部１２０において、画像入力部１００による入力画像中の認識対象文字数を推定する（ステップ２００）。その推定は、後述のように様々な方法によって行うことが可能である。
【００１５】
文字画像の比較処理を、１文字分の文字認識処理（特徴抽出処理やマッチング処理）よりも高速に行うことができる場合、文書画像中の認識対象文字数が多いほど同じ文字画像が繰り返し出現する可能性が高いた。したがって、画像キャッシュ処理を利用すると、文書画像中の認識対象文字数と１文字単位の文字認識処理速度との間には、一般に図４に示すような関係が認められる。ここに示す処理速度は、画像キャッシュ処理を行わない場合の速度を１００として、画像キャッシュ処理を利用した場合の相対処理速度である。認識対象文字数が閾値αを越えると、画像キャッシュ処理による処理速度の向上が見込まれるわけである。この文字数の閾値αは、認識対象文書の種類（オフィス文書、新聞、帳票など）によって異なるため、文字認識装置がターゲットとする文書毎に予め調べておく必要がある。また、入力画像中の文字数は、文字認識が完了するまでは確定しないため、画像キャッシュ制御部１２０においては前述のように推定文字数を用いることになるが、推定文字数は推定方法によって値が変動するものであり、必ずしも実際の認識対象文字数とは一致しない。したがって、採用する推定方法に応じて、推定した文字数と実際の文字数とのずれを考慮し、予め文字数閾値αの修正値を用意する必要がある。以下の説明においては、文字数閾値αは、そのような修正が施された値であるものとする。
【００１６】
画像キャッシュ制御部１２０は、推定した文字数が閾値αを越えているか調べる（ステップ２０１）。推定した文字数が閾値αを越えている場合には、認識処理部１１０における画像キャッシュ処理を有効に設定し（ステップ２０２）、そうでない場合は画像キャッシュ処理を無効に設定する（ステップ２０３）。画像キャッシュ処理が無効に設定された場合、認識処理部１１０の文字画像比較部１１２とキャッシュ処理部１１５は動作しない。
【００１７】
前述のように、認識対象文字数の推定は様々な方法によって行うことができるが、そのいくつかの例を以下に示す。
【００１８】
一実施例によれば、入力画像中の文字行数Ｎl と、認識対象の文書について予め見積もった行内の文字数Ｎc を掛け合わせて、認識対象文字数Ｎt を推定する。認識処理部１１０の文字切り出し部１１１は、通常、文字行の切り出しを行ってから１文字単位の文字画像の切り出しを行うことが多いので、文字切り出し部１１１によって切り出された文字行の数をＮl として用いることができる。ただし、文字行の切り出しは、入力画像の行方向の射影等を利用することで容易に行うことが可能であるので、画像キャッシュ制御部１２０において文字行数Ｎl を実際に測定してもよい。
【００１９】
なお、行内の文字数Ｎc の見積もりが困難な場合は、文字行数に定数を掛け合わせることによって認識対象文字数を推定することも可能である（それに対応して文字数閾値αも修正しておく必要がある）。このようにすると文字数の推定精度が低いため、結果として画像キャッシュ処理の有効／無効の判断の精度は低下するが、文字数閾値αを適切に修正すれば、最悪でも処理速度の低下を発生させないようにすることは可能である。
【００２０】
もう１つの実施例によれば、入力画像の各行内の文字数Ｎc を推定し、それ全行について累積することにより入力画像中の認識対象文字数Ｎt を推定する。各行内の文字数Ｎc の推定は、例えば、行の幅Ｌw と高さＬh を測定し、
Ｎc ＝Ｌw ／Ｌh
で計算することができる。ただし、この計算式は、認識対象とする文書のフォントや印字ピッチ等に応じて適宜変更してよい。行の幅Ｌw と高さＬh は、認識処理部１１０の文字切り出し部１１１による行切り出しの際に求まるので、それを利用してもよい。ただし、前述のような射影を利用するような方法により簡単な行切り出しを画像キャッシュ制御部１２０で行って、行の切り出しと、その各行の幅と高さを測定してもよい。なお、全ての文字行の幅と高さが均一とみなせる文書を対象とする場合には、１つの行について行内文字数を推定し、それに行数を掛け合わせて認識対象文字数を推定してもよい。
【００２１】
他の実施例によれば、認識処理部１１０の文字切り出し部１１１により入力画像から切り出された文字画像の個数を、そのまま認識対象文字数と推定するか、あるいは、その文字画像個数に適当な補正定数を掛けて修正した値を認識対象文字数と推定する。認識処理部１１０において、文字切り出し部１１１で切り出した画像を文字画像の候補として扱って文字認識を行い、後処理部１１４による後処理において、例えば特開平５−３５９１７号公報や特開平９−２９７８１７号公報等に述べられているような、切り出された前後の文字画像候補中から文字らしい画像を最終的に文字画像として選択する、いわゆるパス選択処理を行うような場合には、文字切り出しで切り出された文字数は最終的に出力される認識結果の文字数とは一致しないことが多い。しかし、その誤差を予めを考慮して文字数閾値αを修正しておけば、画像キャッシュ処理の有効／無効を適切に判断可能である。
【００２２】
別の実施例によれば、入力画像中の黒画素の連結成分（黒画素がつなかっている塊）の個数Ｎr から認識対象文字数Ｎt を推定する。黒画素の連結成分の個数と、実際の文字数との間には正の相関が認められるため、その相関を予め求めておくことで、このような推定が可能である。例えば、最も簡単な例としては、黒画素連結成分数Ｎr と実際の文字数Ｎt との間に
Ｎt ＝Ａ・Ｎr （Ａは定数）
なる相関がある場合には、測定した黒画素連結成分数に定数Ａを掛け合わせるだけで認識対象文字数Ｎt を推定できる。なお、黒画素連結成分の個数を画像キャッシュ制御部１２０で実際に測定してもよいが、認識処理部１１０の文字切り出し部１１１において文字切り出しの際に黒画素連結成分の抽出が行われる場合には、そこで抽出された黒画素連結成分の個数を利用してもよい。
【００２３】
もう１つの実施例によれば、上に述べた黒画素の連結成分の個数の代わりに、ランの個数を用いて、同様に認識対象文字数を推定する。もう１つの実施例によれば、上に述べた黒画素の連結成分の個数の代わりに、輪郭の長さ（黒画素と白画素の隣り合わせの個数）を用いて、同様の認識対象文字数の推定を行う。また別の実施例によれば、文字画像の大きさ（認識対象領域の大きさ）から、認識対象文字数を推定する。以上、認識対象文字数の推定方法の例を挙げたが、他の推定方法を用いてもよい。
【００２４】
次に、認識処理部１１０の動作を説明する。図５は、その処理フローの一例を示すフローチャートである。
【００２５】
まず、文字切り出し部１１１において、画像入力部１００により入力された画像（前述のように、文書全体の画像又は個々の文字認識対象領域の画像）から文字画像を１文字単位で切り出す（ステップ３００）。この文字切り出しの方法は任意であるが、行切り出しを行ってから行内の文字を切り出す方法であれば、前述のように、切り出した行の個数を画像キャッシュ制御部１２０で認識対象文字数の推定に利用可能である。また、文字切り出しの際に黒画素の連結成分の抽出を行う方法であれば、前述のように連結成分の個数を認識対象文字数の推定に利用できる。この文字切り出しでは必ずしも正確に１文字単位で文字画像が切り出される必要はなく、文字画像の候補が切り出されればよい。なお、ここでは入力画像中の全ての文字画像の切り出しを一括して行うものとして説明するが、１行単位で文字切り出しと文字認識を行うような構成としてもよい。
【００２６】
次に、制御部１１６は、画像キャッシュ制御部１２０によって画像キャッシュ処理が有効に設定されるか無効に設定されるかによって、処理フローの切り替えを行う（ステップ３０１）。すなわち、画像キャッシュ処理が有効に設定された場合には、ステップ３０６以降の処理が選択され、文字画像比較部１１２及びキャッシュ処理部１１５が動作可能となる。画像キャッシュ処理が無効に設定された場合には、ステップ３０２以降の処理が選択され、文字画像比較部１１２及びキャッシュ処理部１１５の動作は抑止される。
【００２７】
《画像キャッシュ処理が無効の場合》 まず、画像キャッシュ処理が無効に設定された場合の動作を説明する。文字認識部１１３において、文字切り出し部１１１から入力された文字画像の特徴量を抽出し、その特徴量と文字認識用辞書１２２に格納されている特徴量とのマッチングを行うことにより、認識結果を得る
（ステップ３０２）。次に、後処理部１１４において、文字認識部１１３により得られた認識結果（マッチング結果）に対する後処理を行う（ステップ３０３）。この後処理において、前述のようなパス選択処理を行って文字切り出しの修正をしてもよい。
【００２８】
同様の処理を繰り返し、未処理の文字画像が無くなると（ステップ３０４，Ｙｅｓ）、制御部１１６は最終的な認識結果を外部の記録媒体やディスプレイ等へ出力し（ステップ３０５）処理を終了する。
【００２９】
１文字単位の文字認識処理（ステップ３０３，３０８）及びその後処理（ステップ３０３，３０９，３１３）には様々な手法を用いることができ、また、文字認識用辞書１２２として様々な構成のものを用いることができる。ここでは、１つの具体例として、図６に示すような構成の文字認識用辞書１２２を用いる場合について説明する。
【００３０】
ここに示す文字認識用辞書１２２は、文字認識用特徴量（例えば公知の多層方向ヒストグラムによる特徴量）を含む辞書レコードに、その文字認識用特徴量を持つ文字のコードを含む候補データを１つ又は２つ以上リンクさせ、さらに必要に応じて類似文字処理データを候補データにリンクさせた構成である（辞書レコードと候補データの詳細構造は図８を参照）。
【００３１】
文字認識用特徴量の抽出は文字画像を正規化した後に行われるのが一般的であるため、文字認識用特徴量だけでは区別が困難な類似文字も少なくない。類似文字処理用データは、後処理において、そのような類似文字に関して、文字画像の相対的な大きさ等により候補データを絞り込むために利用されるものである。ここに示す例では、特開平６−１７６１９６号公報に開示されている方法と同様に、文字画像の相対的な大きさ等として文字画像の縦横比、面積比及び上空白比という３種類のパラメータを用いる。文字行の最大の文字幅をＡ、最大の文字高さをＢ、行の上基準線（行内文字列を包含する外接矩形の上辺）から文字画像の上端までの距離をＣ、文字画像の幅をＤ、高さをＥとすると、それらパラメータの値は、例えば、
縦横比＝（Ｄ／Ｅ）×２５６
面積比＝（Ｅ×Ｄ）／（Ａ×Ｂ）×２５６
上空白比＝（Ｃ／Ｂ）×２５６
により計算される。類似文字処理データは、このような文字画像の縦横比、面積比及び上空白比という３種類のパラメータそれぞれに関するメンバシップ関数を指定するためのパラメータを内容としている（図８参照）。このメンバシップ関数とは、パラメータ値が標準値のときに最大となり、標準値からずれるにしたがい値が減少し、そのずれが限界値を越えると値が０になるような関数である。
【００３２】
後処理においては、まず、文字切り出し時に検出された文字画像の３つのパラメータ値と、各候補データにリンクされた類似文字処理データで指定されたメンバシップ関数を用いて、それぞれのパラメータのメンバシップ値を求め、その合成値が大きい候補データほど上位の候補とし、また、メンバシップ値の合成値
（最も単純な例では、３つのメンバシップ値の合計値）が０あるいは所定値未満となった候補データをリジェクトするといった処理を行う。次に、前後した文字列に対する候補データ中の文字コードの組み合わせと言語辞書１２３に格納されている単語との照合を行って、もっともらしい文字コードの組み合わせとなる候補データを最終的な認識結果とする。なお、このような言語処理において行端で分裂した単語に対する単語照合の間違いを回避するため、特開平４−２５２３９０号公報に述べられているように、各行において、処理した文字以降の末処理文字の数が閾値以下となった場合に、それら未処理文字列が次行の先頭の文字列につながったものとして扱うような処理をしてもよい。これ以外にも様々な言語処理の手法が知られているが、それらの手法も本発明において利用可能である。
【００３３】
ここで、入力画像上に図７に示すような２行の文字列が含まれているとして、１行目の２文字目「ょ」を認識する場合について説明する。画像キャッシュ記憶部１２１にはまだ何も記憶されていないものとする。ステップ３０２において、文字認識部１１３は、その文字画像「ょ」の特徴量を抽出し、その特徴量と文字認識用辞書１２２内の各辞書レコードの特徴量とのマッチングを行い、特徴量の相違度の小さい順に例えば３つの辞書レコードを選び、それらを候補辞書レコードとして出力する。図８は、そのマッチング結果の一例を示している（文字コード、リンク数以外のデータは便宜的なものである）。次のステップ３０３において、後処理部１１４は、各候補辞書レコードにリンクした候補データに対し、前述のような文字画像の縦横比、面積比及び上空白比を用いた後処理を行う。この後処理によって、特徴量の相違度が最小で第１位の候補となった「よ」と「ょ」の中で「よ」が不適当と判断されて候補から除外され、第２位の候補となった「お」と「ぉ」の中で「お」が不適当と判断されて候補から除外される。第３位の候補となった「ま」も不適当と判断されて候補から除外される。このようにして絞り込まれた候補のみが次の言語処理の対象となる。
【００３４】
《画像キャッシュ処理が有効な場合》 次に、画像キャッシュ処理が有効に設定され場合の動作を説明する。この場合、文字画像比較部１１２とキャッシュ処理部１１５による画像キャッシュ処理が有効となる。
【００３５】
まず、文字画像比較部１１２において、文字切り出し部１１１より入力された文字画像を、画像キャッシュ記憶部１２１に記憶されている文字画像と比較し、同一の画像とみなせるか否か判定する（ステップ３０６）。この文字画像の同一性の判定にはどのような手法を利用しても構わないが、例えば米国特許第５，３０３，３１３号に示されているような、２つの文字画像の間で、エッジのずれや黒画素数の差等の複数項目のテストを行い、１つの項目のテストで合格すると１票を投じるという投票操作を実行し、得票数が所定値を越えた場合に、それら２つの文字画像が一致したと判断する手法を利用可能である。
【００３６】
画像キャッシュ記憶部１２１に認識結果が記憶されている認識済み文字画像のいずれとも入力文字画像が一致しな場合には（ステップ３０７，Ｎｏ）、その入力文字画像は文字画像比較部１１２より文字認識部１１３へ送り出されて、入力文字画像と文字認識用辞書１２２との特徴量のマッチングが行われ（ステップ３０８）、そのマッチング結果に対して後処理部１１４で前述の後処理が施される（ステップ３０９）。そして、キャッシュ処理部１１５は、入力文字画像に対する認識結果の確からしさ（確信度）が高いか調べ（ステップ３１０）、確信度が高いと判定したときには、その認識結果（マッチング結果）を、入力文字画像そのもの、又は、入力文字画像の文書画像上の位置を指定する座標（文字座標）と対応付けて画像キャッシュ記憶部１２１に書き込む（ステップ３１１）。確信度が低いと判定したときには、そのような画像キャッシュ記憶部１２１への書き込みは行われない。なお、入力文字画像の文字座標が書き込まれる場合には、文字画像比較部１１２は、その文字座標を用いて対応する文字画像を入力画像から取り込むか、文字切り出し部１１１で切り出された文字画像が保存されているならば、保存されている文字画像の中から文字座標を用いて対応する文字画像を取り込み、それを入力文字画像と比較することになる。
【００３７】
各文字画像に対する認識結果の確信度の求め方は種々提案されている。例えば、特開平７−７２９０６号公報に述べられているような、マッチング結果の第１位候補の辞書との距離の逆数や、第１位候補と第２位候補の辞書との距離の比を確信度とする方法、特開平５−３５９１７号公報に述べられているような、マッチング結果の第１位候補の辞書との距離を文字画像の総輪郭数で除した値を確信度とする方法といった比較的単純な方法を用いることができる。これらの確信度は、文字認識用辞書１２２とのマッチング結果に対する確信度であるが、文字切り出しや後処理などを含めた確信度を算出してもよい。そのような確信度を得る方法としては、例えば特開平５−１８２０１４号公報に述べられているような、文字切り出し、文字認識用辞書１２２とのマッチング、後処理の各段階で得られた情報を総合して確信度を計算する方法がある。
【００３８】
文字画像比較部１１２による比較で同一とみなされる認識済み文字画像が１つ又は２つ以上見つかった場合には（ステップ３０７，Ｙｅｓ）、文字画像比較部１１２は、入力文字画像と同一画像と判断された各文字画像と対応付けられて画像キャッシュ記憶部１２１に記憶されているマッチング結果（例えば図８に示すようなデータ）を読み出し、それを入力文字画像に対する認識結果として後処理部１１４へ送り出し、後処理を行わせる（ステップ３１３）。
【００３９】
ステップ３０６から始まる処理が繰り返され、未処理の文字画像が無くなると（テップ３１４，Ｙｅｓ）、制御部１１６は最終的な認識結果を外部の記録媒体やディスプレイ等へ出力し（ステップ３０５）処理を終了する。
【００４０】
図７に示した２行の文字列を処理する場合について説明する。１行目には、同一の文字が出現しないので、それぞれの文字に対する認識結果の確信度が高ければ、それら文字画像又は文字座標がマッチング結果と対応付けられて画像キャッシュ記憶部１２１に保存される。例えば、「き」「ょ」「の」「て」「ん」「き」の各文字に対して求められた確信度がそれぞれ「９８」「９３」「９７」「８８」「９８」「９９」「８９」で、キャッシュ処理部１１５で「９０」以上の確信度を高いと判定する場合には、１行目の処理を終了した時点で画像キャッシュ記憶部１２１には「き」「ょ」「う」「て」「ん」の文字画像又は文字座標とマッチング結果が保存されていることになる。
【００４１】
２文字目の「ょ」に関しては、図１０に示すようなキャッシュデータが画像キャッシュ記憶部１２１に保存される。ここに示すキャッシュデータは、文字画像そのものではなく文字座標を保存する例であり、文字座標に候補辞書レコードをリンクさせた構造となっている。
【００４２】
２行目の文字は、１行目より文字サイズが小さいため、先頭の「よ」の文字画像が、保存されいる「ょ」の文字画像と同じ画像であると判断される。したがって、「ょ」のマッチング結果が取り出されて後処理部１１４へ渡され後処理が施される。文字の縦横比、面積比、上空白比による後処理によって、「ょ」と「ぉ」の候補データが不適切と判断されて候補から除外され、「よ」が第１位候補、「お」が第２位候補、「ま」が第３位候補となる。
【００４３】
近年の高精度な文字認識系においては、非常に複雑な特徴抽出／マッチング処理を用いることが多く、その処理に必要な時間は一般に文字画像の比較処理に比べ相当に長い場合が多い。したがって、２行目の「よ」のように認識処理済みの文字画像と同一とみなし得る文字画像が出現すれば、時間のかかる特徴抽出／マッチング処理が省かれる分、処理の高速化を期待できる。
【００４４】
【発明の効果】
請求項１又は３記載の発明によれば、文字数が多く、同じ文字画像が繰り返し出現する可能性の高い文書画像に対しては、画像キャッシュ処理を利用することによって処理時間の短縮を図ることができ、他方、文字数が少なく同じ文字画像が繰り返し出現する可能性が低い文書画像に対しては画像キャッシュ処理を無効にすることにより、画像キャッシュ処理と文字認識処理とを順次に行う場合であっても、無用な画像キャッシュ処理による処理時間の増加を回避することができる。請求項２又は４記載の発明によれば、不確かな認識結果を保存することによる認識誤りを回避することができる。請求項５又は６記載の発明によれば、文字認識装置の複数のユーザがそれぞれの扱う文書に対応したキャッシュデータを利用できるため、ユーザ毎に文書の種類等が異なる場合に認識率及び処理効率の面で有利であり、請求項６記載の発明によれば、さらに、認識処理のための手段の性能向上などをサーバー１３０側だけで処置することができ、その性能向上の利益を各ユーザが享受できる等のメリットがある。請求項７記載の発明によれば、一般的なコンピュータを利用し用意に請求項１記載の発明による文字認識を実施できる、等々の効果を得られる。
【図面の簡単な説明】
【図１】本発明による文字認識装置のブロック構成の一例を示すブロック図である。
【図２】クライアント／サーバー・システム上に構築した本発明による文字認識装置のブロック構成の一例を示すブロック図である。
【図３】画像キャッシュ制御部の処理フローの一例を示すフローチャートである。
【図４】画像キャッシュ処理による処理速度の向上効果と認識対象文字数との関係を示すグラフである。
【図５】認識処理部の処理フローの一例を示すフローチャートである。
【図６】文字認識用辞書の構成の一例を示す図である。
【図７】文書画像上の文字列の一例を示す図である。
【図８】「ょ」のマッチング結果の一例を示す図である。
【図９】「ょ」のキャッシュデータの一例を示す図である。
【符号の説明】
１００ 画像入力部
１１０ 認識処理部
１１１ 文字切り出し部
１１２ 文字画像比較部
１１３ 文字認識部
１１４ 後処理部
１１５ キャッシュ処理部
１１６ 制御部
１２０ 画像キャッシュ制御部
１２１ 画像キャッシュ記憶部
１２２ 文字認識用辞書
１２３ 言語辞書
１３０ サーバー
１３５ ネットワーク
１４０ クライアント

Claims (7)

1. 入力画像中の認識対象文字数が所定値を越えるか否かを判断し、
   認識対象文字数が所定値を越えないと判断される場合に、入力画像中の認識しようとする文字画像に対し文字認識処理を行って認識結果を取得し、
   認識対象文字数が所定値を越えると判断される場合に、
   入力画像中の認識しようとする文字画像を認識済みの文字画像と比較し、
   認識しようとする文字画像と同一と見なし得る認識済み文字画像が見つからなかったときに、その認識しようとする文字画像に対し文字認識処理を行って認識結果を取得するとともに、取得した認識結果をその文字画像と対応付けて保存し、
   認識しようとする文字画像と同一と見なし得る認識済み文字画像が見つかったときに、その認識済み文字画像に対応付けて保存されている認識結果を認識しようとする文字画像に対する認識結果として取得する、ことを特徴とする文字認識方法。
2. 確信度の高い認識結果のみが文字画像と対応付けられて保存されることを特徴とする請求項１記載の文字認識方法。
3. 文書の全体又は個々の認識対象領域の画像を入力するための第１手段と、この第１手段による入力画像中の認識対象文字数が所定値を越えるか否かを判断するための第２手段と、前記入力画像中の文字画像を切り出すための第３手段と、この第３手段により切り出された文字画像に対し文字認識処理を行って認識結果を取得するための第４手段と、この第４手段により取得された認識結果を文字画像と対応付けて記憶手段に保存するための第５手段と、前記第３手段により切り出された文字画像と、前記記憶手段に保存されている認識結果に対応した認識済み文字画像とを比較するための第６手段とを具備し、
   前記第２手段により認識対象文字数が所定値を越えないと判断された場合に、
   前記入力画像から切り出された文字画像に対する認識結果が前記第４手段による文字認識処理によって取得され、
   前記第２手段により認識対象文字数が所定値を越えると判断された場合に、
   前記入力画像から切り出された、認識しようとする文字画像と、前記記憶手段に保存されている認識結果に対応した認識済み文字画像とが前記第６手段によって比較され、
   認識しようとする文字画像と同一と見なし得る認識済み文字画像が見つからなかったときに、その認識しようとする文字画像に対する認識結果が前記第４手段による文字認識処理によって取得され、この認識結果がその文字画像と対応付けられて前記第５手段により前記記憶手段に保存され、
   認識しようとする文字画像と同一と見なし得る認識済み文字画像が見つかったときに、その認識済み文字画像に対応付けられて前記記憶手段に保存されている認識結果が、認識しようとする文字画像に対する認識結果として取得される、
   ことを特徴とする文字認識装置。
4. 前記第５手段によって確信度の高い認識結果のみが文字画像と対応付けられて前記記憶手段に保存されることを特徴とする請求項３記載の文字認識装置。
5. 前記記憶手段がユーザ別に用意されることを特徴とする請求項３記載の文字認識装置。
6. クライアント／サーバー・システムのサーバー側に前記第２手段、第３手段、第４手段、第５手段及び第６手段を設け、クライアント側に前記第４手段による文字認識処理のために参照される辞書及び前記記憶手段を設けてなることを特徴とする請求項３又は４記載の文字認識装置。
7. 入力画像中の認識対象文字数が、所定値を越えるか否かの判断、
   認識対象文字数が所定値を越えないと判断される場合に、入力画像中の認識しようとする文字画像に対し文字認識処理を行って認識結果を取得する処理、
   認識対象文字数が所定値を越えると判断される場合に、
   入力画像中の認識しようとする文字画像を認識済みの文字画像との比較、
   認識しようとする文字画像と同一と見なし得る認識済み文字画像が見つからなかったときに、その認識しようとする文字画像に対し文字認識処理を行って認識結果を取得するとともに、取得した認識結果をその文字画像と対応付けて保存する処理、
   認識しようとする文字画像と同一と見なし得る認識済み文字画像が見つかったときに、その認識済み文字画像に対応付けて保存されている認識結果を認識しようとする文字画像に対する認識結果として取得する処理、
   をコンピュータに実行させるためのプログラムが記録されたことを特徴とするコンピュータ読み取り可能記録媒体。

Images