JP4788205B2

JP4788205B2 - 文書検索装置及び文書検索プログラム

Info

Publication number: JP4788205B2
Application number: JP2005182495A
Authority: JP
Inventors: 一郎山下; 哲範村上; 嘉英甲谷
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2005-06-22
Filing date: 2005-06-22
Publication date: 2011-10-05
Anticipated expiration: 2025-06-22
Also published as: JP2007004393A

Description

本発明は、文書に関する情報が蓄積されたデータベースの中から、入力された画像データに合致する文書を検索する装置及び方法に関する。

近年、企業における情報のセキュリティ強化、コンプライアンスあるいは個人情報の保護など情報の取扱いが重要視されてきている。例えば、企業側は、監査などに応じて業務がどのような情報に基づいて遂行されたかを公開する必要がある。そのためには、情報に対するアクセス状況をログ管理して、いつ誰がどのような情報をどこからどう処理したのかなどを特定できるようにしておく必要がある。

ところで、従来から紙媒体で取り扱われる機密情報のセキュリティ管理強化等のために、印刷用紙等の媒体にＵＵＩＤ（ＵｎｉｖｅｒｓａｒｙＵｎｉｑｕｅＩｄｅｎｔｉｆｉｅｒ）に割り振って、そのＵＵＩＤをバーコードやＩＣタグなどで媒体に印刷したり、埋め込んだりする技術がある。このＵＵＩＤを利用すれば、媒体に関する管理情報を検索することによって、手元にある機密文書がいつ誰がその機密文書を作成したかなどを特定することができる。従って、手元にある機密文書が不正若しくは無断で複製された文書であっても、その機密文書の作成元を探し出すことが可能になる。

このように、ＵＵＩＤを利用することで文書の作成元を容易に特定することができるが、ＵＵＩＤを利用する技術の他に文書を特定する際に用いるデータとして、文書の画像データから特徴量を算出し、その特徴量に基づいて原画像データを特定する技術がある（例えば特許文献１〜４）。

特開２００４−１３９２１０号公報特開平９−２７０９０２号公報特開２００３−２８１１７６号公報特開平１０−４９６５９号公報

しかしながら、従来においては、消去されたり、紙が汚れたりしてＵＵＩＤが特定することができない場合があり、このような場合には、文書作成元を特定することができない。また、ＵＵＩＤの入力も面倒である。また、特徴量を利用する技術だけでは、文書作成元を特定する精度に難点がある。

本発明は、読み取った文書をより確実に探し出すことを目的とする。

以上のような目的を達成するために、本発明に係る文書検索装置は、文書に関する情報が蓄積されたデータベースの中から、入力された画像データに合致する文書を検索する文書検索装置において、文書の画像データを入力する画像データ入力手段と、入力された文書の画像データから当該文書を特定しうる複数種類の文書特徴情報を抽出する文書特徴抽出処理手段と、前記文書特徴抽出処理手段から抽出された各文書特徴情報に基づき前記データベースを検索することによって当該文書の選択候補を取得する取得手段と、前記取得手段により取得された選択候補を評価することによって当該文書を特定する評価手段と、前記評価手段による評価結果を出力する出力手段とを有し、前記文書特徴抽出処理手段は、文書特徴情報として、当該文書に固有に割り付けられた識別情報を、画像データから抽出する識別情報抽出部と、文書特徴情報として、当該画像データの文字認識結果の中から所定の基準で単語を抽出する検索語抽出部と、文書識別情報として、当該文書の特徴量を画像データから算出する特徴量抽出部とを有し、入力された文書の画像データに基づき文書特徴情報の抽出に適用する前記各抽出部の優先順位付けを行うことを特徴とする。

また、前記画像データ入力手段は、画像読取手段によって読み取られた画像データを入力し、前記文書特徴抽出処理手段は、前記画像読取手段による読取時に選択されたスキャンモードを参照して前記各抽出部の優先順位付けを行うことを特徴とする。

また、前記文書特徴抽出処理手段は、全ての前記抽出部を用いて文書特徴情報を抽出することを特徴とする。

本発明に係る文書検索プログラムは、文書に関する情報が蓄積されたデータベースの中から、入力された画像データに合致する文書を検索するコンピュータを、文書の画像データを入力する画像データ入力手段、入力された文書の画像データから当該文書を特定しうる複数種類の文書特徴情報を抽出する文書特徴抽出処理手段、前記文書特徴抽出処理手段から抽出された各文書特徴情報に基づき前記データベースを検索することによって当該文書の選択候補を取得する取得手段、前記取得手段により取得された選択候補を評価することによって当該文書を特定する評価手段、前記評価手段による評価結果を出力する出力手段、として機能させ、前記文書特徴抽出処理手段は、文書特徴情報として、当該文書に固有に割り付けられた識別情報を、画像データから抽出する識別情報抽出部と、文書特徴情報として、当該画像データの文字認識結果の中から所定の基準で単語を抽出する検索語抽出部と、文書識別情報として、当該文書の特徴量を画像データから算出する特徴量抽出部と、を有し、入力された文書の画像データに基づき文書特徴情報の抽出に適用する前記各抽出部の優先順位付けを行うことを特徴とする。

本発明によれば、複数種類の文書特徴情報を抽出し、検索するという手段を組み合わせることにより、より確実に探し出すことができる。

以下、図面に基づいて、本発明の好適な実施の形態について説明する。

実施の形態１．
図１は、本発明に係る文書検索装置の一実施の形態を示した機能ブロック構成図である。本実施の形態における文書検索装置は、画像読取部１、抽出処理制御部２、ＵＵＩＤ抽出部４、特徴量抽出部６、検索語抽出部８、ＵＵＩＤ検索部１０、類似画像検索部１２、文書検索部１４、検索結果評価部１６及び表示部１８を有している。画像読取部１は、文書が記載された原稿を読み取る。ＵＵＩＤ抽出部４は、ＯＣＲ（光学的文字読取装置）を用いて読取画像からＵＵＩＤを抽出する。特徴量抽出部６は、読取画像から画像の特徴量を算出する。抽出処理制御部２は、各抽出部６における各抽出処理の実行順の決定などの処理制御を行う。検索語抽出部８は、ＯＣＲを用いて読取画像からテキスト文字を抽出し、その中から検索語を抽出する。本実施の形態では、読取画像から当該文書を特定しうる文書特徴情報を抽出する文書特徴抽出処理手段としてＵＵＩＤ抽出部４、特徴量抽出部６及び検索語抽出部８を設け、各抽出部４，６，８に文書特徴情報として、ＵＵＩＤ、特徴量及び検索語という異なる種類の情報をそれぞれ抽出させるようにした。そして、データベース検索によって当該文書の選択候補を取得する取得手段として、ＵＵＩＤ検索部１０、類似画像検索部１２及び文書検索部１４をそれぞれ各抽出部４，６，８に対応させて設けた。つまり、ＵＵＩＤデータベース２０には、各文書に割り振られたＵＵＩＤが登録されているので、ＵＵＩＤ検索部１０は、読取画像から抽出されたＵＵＩＤをキーにＵＵＩＤデータベース２０を検索することで該当する文書を特定する。また、類似画像データベース２２には、読取画像から抽出された特徴量が登録されているので、類似画像検索部１２は、読取画像から抽出された特徴量に基づき類似画像データベース２２を検索することで該当する文書を特定する。また、文書データベース２４には、文書自体が登録されているので、文書検索部１４は、読取画像から抽出された検索語をキーに文書データベース２４を検索することで該当する文書を特定する。なお、各検索部１０〜１４における検索処理の結果として、該当する文書が一つだけ必ず選択されるとは限らず、複数の文書が特定される場合もあるため、このような場合には、選択候補を取得するという表現の方が適切になる。検索結果評価部１６は、各検索部１２により得られた検索結果を評価して当該文書を特定する。表示部１８は、検索結果評価部１６による評価結果に従い特定された文書に関する情報を文書情報データベース２６から取り出して画面表示する。

なお、図１では、１台の文書検索装置として図示したが、実際には、図２に示したネットワークシステムで実現を想定している。すなわち、図２には、画像形成装置３０とデータベースサーバ３２とをＬＡＮ（ローカルエリアネットワーク）３４で接続した構成が示されているが、図１に示した各データベース２０〜２４はデータベースサーバ３２に、それ以外の構成は画像形成装置３０に、それぞれ搭載することを想定している。ただ、各データベース２０〜２４を１台のデータベースサーバで一括管理するという構成に限定されるものではない。また、図２では便宜的に１台の画像形成装置３０のみ示したが、実際には図１を用いて説明した各機能を搭載した画像形成装置３０が複数台接続されており、データベースサーバ３２は、いずれかの画像形成装置３０からの要求に応じてデータベース検索を行い、その検索結果を要求元の画像形成装置３０へ返信する。

また、本実施の形態における文書検索装置は、各データベース２０〜２４を除き、複合機等の画像形成装置３０の内部に形成されている。実際には、画像形成装置３０に搭載されたコンピュータで実現される。そして、画像読取部１はスキャナと、ＵＵＩＤ抽出部４及び検索語抽出部８はＯＣＲと、表示部１８は操作パネルと、それぞれ連携動作する。各構成要素２〜１６の各処理機能は、画像形成装置３０に搭載されたコンピュータ及びスキャナ等の機器と、そのコンピュータにより実行されるソフトウェアプログラムとの協調動作によって実現される。

次に、本実施の形態における文書検索処理について図３に示したフローチャートを用いて説明する。

例えば、何らかの原因で漏洩した文書が、いま入手でき、この文書に関する情報、例えばこの文書がいつ誰によって作成されたものであるかを追求したいとする。なお、ここでは、便宜的にその文書は１枚の用紙のみで構成されているものとし、用紙の所定位置（例えば、用紙の下端から２０〜３０ｍｍ）に文字列コードで表記されたＵＵＩＤが印刷されているものとする。ユーザは、画像形成装置のスキャン機能を利用してこの文書をスキャンする。画像読取部１は、このスキャンによって文書を読み取ることで読取画像を形成する（ステップ１０１）。なお、画像読取部１は、読取画像を自ら形成しなくても、他の装置でスキャンされ生成された読取画像をネットワーク経由で取得する場合もこの処理に含まれるものとする。

次に、ＵＵＩＤ抽出部４は、読取画像からＵＵＩＤを抽出する（ステップ１０２）。ＵＵＩＤは、画像の所定領域（画像の下端から２０〜３０ｍｍ）に付されているので、この所定領域内のコードを読み取ることで抽出できる。本実施の形態では、文字列（文字モード）で記載されたＵＵＩＤを想定したため、ＯＣＲで文字認識するようにしたが、例えばバーコードで表記されている場合はバーコードリーダによってＵＵＩＤを判読することになる。いずれにしてもＵＵＩＤの付加方法に合わせたＵＵＩＤの抽出手段を用いればよい。

ここで、読取画像からＵＵＩＤが正常に抽出できた場合、ＵＵＩＤ検索部１０は、読取画像から抽出されたＵＵＩＤをキーにＵＵＩＤデータベース２０を検索する（ステップ１０３，１０４）。ＵＵＩＤは、各文書にユニークに割り付けられているので、通常であれば、この検索によりただ一つの文書が抽出され特定されることになる。従って、この場合の検索結果評価部１６は、特に検索結果を評価する必要はなく、表示部１８は、ＵＵＩＤ検索部１０による検索により特定されたＵＵＩＤをキーに文書情報データベース２６を検索して取り出した当該文書に関する情報を画面表示する（ステップ１１２）。

本実施の形態における文書情報データベース２６には、各ＵＵＩＤに対応させて、当該文書の画像データ、作成日時、作成者及び機器に関する情報で構成される。画像データは、画像読取部１などの画像読取手段によって読み取られた画像そのものもデータを想定しているが、データ量が膨大となるためサムネイルとしてもよい。作成日時は、当該文書が作成された日時を特定するための時間情報である。作成者は、当該文書を作成した者を識別する情報であり、ユーザＩＤ若しくはユーザ名であり、文書を作成する装置にログインしたときに指定されたユーザ情報から得る。機器は、当該文書が作成された機器を特定する情報であり、本実施の形態ではＩＰアドレスを用いる。なお、プリント機能のように画像形成装置に対してネットワーク経由で印刷データを送信して印刷処理を実施させるような場合には、その印刷データ送信元のＩＰアドレスも合わせて記録する。ＦＡＸ送信機能の場合は、送信先のＩＰアドレスも合わせて記録する。

従って、表示部１８は、ＵＵＩＤ検索部１０による検索により特定されたＵＵＩＤに対応した文書に関する上記情報を画面表示することになる。これにより、ユーザは、漏洩した文書が、いつ誰によってどの機器を用いて印刷されたかを特定することができる。

なお、読取画像からＵＵＩＤが正常に抽出できた場合、基本的には、以上のように処理されるが、例外的に、読取画像からＵＵＩＤが正常に抽出できたと判断してもＯＣＲの解読ミス等で、読取画像から抽出されたＵＵＩＤと合致するＵＵＩＤがＵＵＩＤデータベース２０に存在しない場合も想定できる。この場合は、いくつかの桁をワイルドカードとして検索をしたり、例えば８と９、０と６など解読ミスをしやすい数字を入れ替えながら検索をしたりして複数の選択候補を抽出するようにしてもよい。あるいは、自動抽出したＵＵＩＤを画面表示してユーザにより修正させるような手段を設けるようにしてもよい。なお、選択候補を複数抽出した場合、検索結果評価部１６は、抽出したＵＵＩＤをキーに文書情報データベース２６を検索して取り出した各文書に関する情報を画面表示する（ステップ１１２）。ユーザは、表示された情報を参照に、漏洩文書と合致する文書を探し出す。この場合、文書検索装置は、ただ１つの文書を特定することはできないが、選択候補を抽出できるので、漏洩文書の作成元の特定を支援することは可能である。

一方、故意若しくは用紙上の汚れなどにより読取画像からＵＵＩＤが正常に抽出できなかった場合、検索語抽出部８は、ＯＣＲを使って読取画像からテキストを抽出する（ステップ１０３，１０５）。そして、形態素解析を行ってテキストから単語を切り出し、有効語を抽出する（ステップ１０６）。ここでいう有効語というのは、予め定められた文字数以上の単語、予め定められた出現頻度以上の単語及び単語の存在確率が予め定められた値より大きい単語の総称である。また、単語の存在確率というのは、「Ｎ文字の単語認識率は文字認識率のＮ乗である。」及び「この単語が当該文書にＭ回出現している場合には、１−（（１−（文字認識率のＮ乗））のＭ乗）が当該文書内にある確率である。」としたときの確率であると定義する。

ここで、抽出した有効語の数が予め決めたｎ個より多く抽出できた場合、文書検索部１４は、読取画像から抽出された有効語を検索語（キーワード）として、あるいは有効語の組合せにより検索式を生成する（ステップ１０７，１０８）、検索式は、例えば有効語を出現頻度順に並べたときの上位ｉ番目までの有効語のＡＮＤをとる、あるいは、有効語を構成する文字数の多い順に並べたときの上位ｊ番目までの有効語のＡＮＤをとる、などの規則に従い生成する。このようにして得た生成した検索語若しくは検索式によって全ての文書が登録されている文書データベース２４を検索することによって文書を抽出する（ステップ１０９）。なお、検索結果が０件の場合は、検索語を自動若しくはユーザ選択により減らして検索式を作成し直すようにしてもよい。

検索結果評価部１６は、検索結果を参照し、検索語と一致度の高い文書ほど、漏洩文書に該当する確率が高いと判断してヒット率の高い上位ｋ番目までの文書を選択候補として抽出する。表示部１８は、抽出した文書に付加されているＵＵＩＤをキーに文書情報データベース２６を検索して取り出した当該文書に関する情報を画面表示する（ステップ１１２）。ユーザは、表示された情報を参照し、漏洩文書と見比べることで、漏洩文書に合致する文書を複数候補の中から見つけ出すことができる。

一方、抽出した有効語の数が予め決めたｎ個より多く抽出できなかった場合（ステップ１０７）、続いて特徴量に基づく文書検索処理に移行する。これは、必要数以上の検索語が抽出できなかったために検索語による文書検索では的確な結果が得られないと判断できることである。このとき、特徴量抽出部６は、読取画像から色彩情報、テクスチャ情報、形状情報などの特徴を解析して特徴量を抽出する（ステップ１１０）。そして、類似画像検索部１２は、抽出された特徴量に基づき類似画像データベース２２を検索することによって抽出特徴量から推測される文書を特定する（ステップ１１２）。この場合も、予め決めている類似度の高い上位ｋ番目までの文書を選択候補として抽出する。表示部１８は、抽出した類似画像に付加されているＵＵＩＤをキーに文書情報データベース２６を検索して取り出した当該文書に関する情報を画面表示する（ステップ１１２）。ユーザは、表示された情報を参照し、漏洩文書と見比べることで、漏洩文書に合致する文書を複数候補の中から見つけ出すことができる。

本実施の形態によれば、以上のように異なる３種類の検索方法を組み合わせることで、漏洩文書に関する情報をより確実に探し出すことができる。本実施の形態では、フローチャートに示した処理手順から明らかなようにＵＵＩＤが抽出できればＵＵＩＤによる検索を実行し、ＵＵＩＤが抽出できないときには検索語として有効な語数を調べ、所定値以上の検索語が存在すれば検索語を抽出し、そして存在しなければ特徴量を抽出するようにした。すなわち、ＵＵＩＤ、検索語、特徴量という順に優先順位付けをして検索方法を適用するようにした。

実施の形態２．
本実施の形態における文書検索処理について図４に示したフローチャートを用いて説明する。図４において、実施の形態１において図３を用いて説明した処理と同じ処理には、同じステップ番号を付け、説明を適宜省略する。なお、本実施の形態における装置構成は、実施の形態１と同じでよいため説明を省略する。

文書スキャンによって読取画像を形成すると（ステップ１０１）、読取画像からＵＵＩＤを抽出する（ステップ１０２）。読取画像からＵＵＩＤが正常に抽出できた場合、ＵＵＩＤ検索部１０は、そのＵＵＩＤをキーにＵＵＩＤデータベース２０を検索し（ステップ１０３，１０４）、その検索結果を画面表示する（ステップ１０４，１１２）。

一方、読取画像からＵＵＩＤが正常に抽出できなかった場合、この場合の処理が実施の形態１と異なる処理手順であるが、このとき、抽出処理制御部２は、文書が読み取られたときのスキャンモードを確認し、そのスキャンモードが写真モードであれば、特徴量を抽出し、類似画像を検索、表示する（ステップ２０１，１１０〜１１２）。一方、スキャンモードが写真モードでなければ、検索語を抽出し、文書を検索、表示する（ステップ２０１，１０５〜１０９，１１２）。

すなわち、上記説明では、文字によって記述された「文書」を前提にしているが、読み取るべき用紙には、実際には写真の印刷領域が全部若しくは大半の場合もある。この場合、ユーザは、読取精度を考慮して、写真モードを選択してスキャンすると考えられる。この場合は、検索語を抽出するよりも特徴量を用いて検索した方が適切であると考えられる。そこで、本実施の形態では、スキャンモードとして写真モードが選択されているか否かを調べて検索方法を選択するようにした。すなわち、本実施の形態では、ＵＵＩＤ、特徴量、検索語という順に優先順位付けをして検索方法を適用するようにした。

実施の形態３．
本実施の形態における文書検索処理について図５に示したフローチャートを用いて説明する。図５において、実施の形態２において図４を用いて説明した処理と同じ処理には、同じステップ番号を付け、説明を適宜省略する。なお、本実施の形態における装置構成は、実施の形態１と同じでよいため説明を省略する。

文書スキャンによって読取画像を形成すると（ステップ１０１）、抽出処理制御部２は、文書が読み取られたときのスキャンモードを確認し、そのスキャンモードが写真モードであれば、特徴量を抽出し、類似画像を検索、表示する（ステップ２０１，１１０〜１１２）。一方、スキャンモードが写真モードでなければ、読取画像からＵＵＩＤを抽出する（ステップ１０２）。読取画像からＵＵＩＤが正常に抽出できた場合、ＵＵＩＤ検索部１０は、そのＵＵＩＤをキーにＵＵＩＤデータベース２０を検索し、その検索結果を画面表示する（ステップ１０３，１０４，１１２）。

すなわち、上記実施の形態２では、検索語より特徴量を優先することによって写真原稿の場合に適していると説明した。本実施の形態では、さらにその傾向を強めた。つまり、本実施の形態は、ＵＵＩＤが印刷できない写真原稿の場合には、ＵＵＩＤを確認するまでもなく特徴量を抽出しようとするものである。すなわち、本実施の形態では、特徴量、ＵＵＩＤ、検索語という順に優先順位付けをして検索方法を適用するようにした。

上記各実施の形態によれば、各検索処理を選択的に実行し、その検索結果を表示するようにしたので、漏洩文書に合致する文書情報を確実に探し出すことができる。また、ユーザは、文書をスキャンするという操作だけを行えばよいので簡単である。

実施の形態４．
本実施の形態における文書検索処理について図６に示したフローチャートを用いて説明する。図６において、実施の形態１において図３を用いて説明した処理と同じ処理には、同じステップ番号を付け、説明を適宜省略する。なお、本実施の形態における装置構成は、実施の形態１と同じでよいため説明を省略する。

文書スキャンによって読取画像を形成すると（ステップ１０１）、抽出処理制御部２は、本実施の形態が抽出する全ての文書特徴情報、すなわちＵＵＩＤと検索語と特徴量との各抽出処理を同時並行して実施させる（ステップ１０２〜１０４，１０５〜１０９，１１０〜１１１）。そして、検索結果評価部１６は、各検索部１０，１２，１４による検索結果をマージする（ステップ４０１）。マージは、予め決められた評価基準、例えば抽出数を検索結果毎に設定し、例えばＵＵＩＤ、検索語、特徴量といった予め決めた順番に各検索結果を並べる。表示部１８は、そのマージした結果を画面表示する（ステップ１１２）。

本実施の形態によれば、各検索処理を組み合わせて実行し、その検索結果をマージして表示できるようにしたので、漏洩文書に合致する文書情報を探し出せる可能性が高くなる。また、ユーザは、文書をスキャンするという操作だけを行えばよいので簡単である。

本発明に係る文書検索装置の一実施の形態を示した機能ブロック構成図である。本実施の形態における文書検索装置を適用したネットワークシステムの全体構成図である。実施の形態１における文書検索処理を示したフローチャートである。実施の形態２における文書検索処理を示したフローチャートである。実施の形態３における文書検索処理を示したフローチャートである。実施の形態４における文書検索処理を示したフローチャートである。

符号の説明

１画像読取部、２抽出処理制御部、４ＵＵＩＤ抽出部、６特徴量抽出部、８検索語抽出部、１０ＵＵＩＤ検索部、１２類似画像検索部、１４文書検索部、１６検索結果評価部、１８表示部、２０ＵＵＩＤデータベース、２２類似画像データベース、２４文書データベース、２６文書情報データベース、３０画像形成装置、３２データベースサーバ、３４ＬＡＮ。

Claims

文書に関する情報が蓄積されたデータベースの中から、入力された画像データに合致する文書を検索する文書検索装置において、
文書の画像データを入力する画像データ入力手段と、
入力された文書の画像データから当該文書を特定しうる複数種類の文書特徴情報を抽出する文書特徴抽出処理手段と、
前記文書特徴抽出処理手段から抽出された各文書特徴情報に基づき前記データベースを検索することによって当該文書の選択候補を取得する取得手段と、
前記取得手段により取得された選択候補を評価することによって当該文書を特定する評価手段と、
前記評価手段による評価結果を出力する出力手段と、
を有し、
前記文書特徴抽出処理手段は、
文書特徴情報として、当該文書に固有に割り付けられた識別情報を、画像データから抽出する識別情報抽出部と、
文書特徴情報として、当該画像データの文字認識結果の中から所定の基準で単語を抽出する検索語抽出部と、
文書識別情報として、当該文書の特徴量を画像データから算出する特徴量抽出部と、
を有し、入力された文書の画像データに基づき文書特徴情報の抽出に適用する前記各抽出部の優先順位付けを行うことを特徴とする文書検索装置。
請求項１記載の文書検索装置において、
前記画像データ入力手段は、画像読取手段によって読み取られた画像データを入力し、
前記文書特徴抽出処理手段は、前記画像読取手段による読取時に選択されたスキャンモードを参照して前記各抽出部の優先順位付けを行うことを特徴とする文書検索装置。
請求項１記載の文書検索装置において、
前記文書特徴抽出処理手段は、全ての前記抽出部を用いて文書特徴情報を抽出することを特徴とする文書検索装置。
文書に関する情報が蓄積されたデータベースの中から、入力された画像データに合致する文書を検索するコンピュータを、
文書の画像データを入力する画像データ入力手段、
入力された文書の画像データから当該文書を特定しうる複数種類の文書特徴情報を抽出する文書特徴抽出処理手段、
前記文書特徴抽出処理手段から抽出された各文書特徴情報に基づき前記データベースを検索することによって当該文書の選択候補を取得する取得手段、
前記取得手段により取得された選択候補を評価することによって当該文書を特定する評価手段、
前記評価手段による評価結果を出力する出力手段、
として機能させ、
前記文書特徴抽出処理手段は、
文書特徴情報として、当該文書に固有に割り付けられた識別情報を、画像データから抽出する識別情報抽出部と、
文書特徴情報として、当該画像データの文字認識結果の中から所定の基準で単語を抽出する検索語抽出部と、
文書識別情報として、当該文書の特徴量を画像データから算出する特徴量抽出部と、
を有し、入力された文書の画像データに基づき文書特徴情報の抽出に適用する前記各抽出部の優先順位付けを行うことを特徴とする文書検索プログラム。