JP5953145B2 - 帳票登録支援方法及び装置並びにプログラム - Google Patents

Description

この発明は、帳票識別に利用するデータが登録された辞書データベースを更新する作業を支援する帳票登録支援方法及び装置並びにプログラムに関し、特に、辞書データベースに登録すべき帳票を選択するための帳票登録支援方法及び装置並びにプログラムに関する。

従来、金融機関をはじめとする様々な組織において、各種の帳票が利用されている。帳票は、金銭、物品、サービス等の出入りを管理するために利用される。帳票の自動処理装置を利用すれば、大量の帳票を１枚ずつ識別して種類別に分類して、各帳票に記載された情報を読み取って管理することができる。

帳票の識別には、予め帳票を識別するための特徴量データが種類別に登録された帳票辞書データベースが利用される。帳票を撮像した帳票画像から特徴量を抽出して、帳票辞書データベースに登録された特徴量と照合することによって、帳票を識別して種類別に分類することができる。分類された各帳票では、例えば、所定領域の文字がＯＣＲ処理によって読み取られる。そして、読み取られた文字情報が各帳票の処理に利用される。

現在でも非常に多くの種類の帳票が利用されているが、帳票の種類は日々増え続けている。新たに登場した帳票は、これを識別するための特徴データがデータベースに登録されていないので、識別できない帳票としてリジェクトされる。リジェクトされた帳票が次の処理時には識別されるように、特徴量データを辞書データベースに登録する処理は、例えば、週一回とか月一回といった頻度でしか行われない。登録処理時には、蓄積されたリジェクト帳票の数が膨大な数となる場合もあるため、帳票の特徴量データを帳票辞書データベースへ効率よく登録するための技術が望まれている。

例えば、特許文献１では、帳票をグループ化して、各グループを代表する帳票のデータをデータベースに登録した後、同じグループに属する帳票については登録処理を簡略化するための技術が開示されている。これにより、多くの種類の帳票に係るデータを、効率よく辞書登録することができる。ところが、帳票の中には、特定日又は特定の期間内に、限られた数だけが利用されて、その後は利用されないものも存在する。このような帳票を含めて全ての帳票をデータベースに登録すると、登録処理自体が無駄になる上に、データベースに含まれるデータが膨大な数になってしまう。また、一旦データベースに登録されると、実際には該当する帳票が存在しないにも拘わらず帳票を識別するための照合に利用されるため識別処理に係る処理効率が低下する。

これに対応するため、例えば、特許文献２には、帳票辞書データベースに登録する帳票の種類を選択する技術が開示されている。具体的には、処理された帳票を種類別に分類して、全帳票数に対する帳票の処理数が所定割合以上の場合にのみ、この帳票に係るデータをデータベースに登録する。これにより、処理数の多い帳票を優先的にデータベースに登録して、データベースに登録されるデータ数を抑えながらなるべく多くの帳票を識別して処理することが可能となる。

特開平９−３０５６８６号公報 特許第４１３２８２８号公報

しかしながら、特許文献２に記載の従来技術によれば、帳票識別に利用する帳票辞書データベースのデータ容量を抑えることはできるが、データベースに登録する帳票を選択する処理を行うために大容量の記憶装置が必要になるという問題があった。

帳票を識別分類して、各帳票に記載された情報を文字認識して管理する処理は、毎日のように繰り返して行われる。これに対して、リジェクトされた新たな帳票をデータベースに登録する処理は、週一回又は月一回程度の割合でしか行われない。帳票の種類を選択してデータベースへ登録する処理がなされるまでの一週間又は一ヶ月の所定期間は、処理された全ての帳票に関する帳票画像等のデータを記憶部に保存する必要がある。このため、大容量の記憶装置が必要になる。

また、データベースへ登録する帳票を選択する際には、所定期間蓄積された大量のデータを対象として処理が行われる。大量の帳票画像から特徴量を抽出して分類する必要があるため、処理に係る負荷が高く時間がかかる。

本発明は、上述した従来技術による問題点を解消するためになされたもので、帳票識別に利用する帳票辞書データベースに登録する帳票の種類を選択する処理を効率よく行うための帳票登録支援方法及び装置並びにプログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、読取部によって取得した帳票を帳票の特徴量が登録された帳票辞書データベースに基づいて識別して分類する帳票分類システムに供する帳票登録支援方法であって、（ａ）未登録帳票の帳票画像を取得するステップと、（ｂ）前記ステップ（ａ）で取得した帳票画像から特徴量を抽出するステップと、（ｃ）前記ステップ（ｂ）で抽出した新たな帳票の特徴量と、先に帳票の種類別に分類して保存されていた種類別特徴量とに基づいて、前記帳票の種類を分類して統合するステップと、（ｄ）前記ステップ（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記特徴量と先に保存されていた前記種類別特徴量とに基づいて、新たな種類別特徴量を決定するステップと、（ｅ）前記ステップ（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記帳票画像と先に保存されていた種類別代表画像との中から、前記ステップ（ｄ）で決定した種類別特徴量に最も近い特徴量を示す画像を選択して新たな種類別代表画像を決定するステップと、（ｆ）前記ステップ（ｃ）で分類して統合された帳票の種類毎に、該種類に分類して統合された帳票枚数と、前記ステップ（ｄ）で決定した前記種類別特徴量と、前記ステップ（ｅ）で決定した前記種類別代表画像とを関連付けて保存するステップと、前記ステップ（ａ）〜（ｆ）を繰り返して行った後の所定タイミングで、（ｇ）前記ステップ（ｆ）で保存された前記帳票の種類の中から前記帳票辞書データベースに登録する帳票の種類を選択するステップと、（ｈ）前記ステップ（ｇ）で選択した前記帳票の種類を前記帳票辞書データベースに登録するステップとを含んだことを特徴とする。

また、本発明は、上記発明において、分類して統合された種類毎に、新たな種類別特徴量を決定するために前記ステップ（ｆ）で先に保存された種類別特徴量を用いる際には、前記種類別特徴量が前記ステップ（ｆ）で先に保存された枚数分の帳票から抽出されたものとして処理されることを特徴とする。

また、本発明は、上記発明において、新たな帳票の特徴量及び前記種類別特徴量に基づいて帳票の種類を分類して統合する前記ステップ（ｃ）では、（ｃ１）新たな帳票の特徴量を示すクラス及び前記種類別特徴量を含む全てのクラスで、各クラス間の距離値を求めるステップと、（ｃ２）前記ステップ（ｃ１）で求めた各クラス間の距離値のうち、最小値を示す距離値が所定しきい値以下である場合には、最小距離値を示した２つのクラスを統合するステップとが、前記ステップ（ｃ２）の前記最小距離値が前記所定しきい値を超えるまで繰り返して行われることを特徴とする。

また、本発明は、上記発明において、前記ステップ（ｆ）では、さらに、帳票の種類毎に、前記種類に属する帳票が処理された処理日に関する情報が保存され、前記帳票辞書データベースに登録する帳票の種類を選択する前記ステップ（ｇ）では、所定の期間内に処理された帳票に関する前記帳票枚数を前記帳票の種類毎に比較して、登録する帳票の種類が選択されることを特徴とする。

また、本発明は、上記発明において、前記帳票辞書データベースに登録する帳票の種類を選択する前記ステップ（ｇ）は、（ｇ１）表示装置上に、少なくとも所定の期間内に処理された帳票に関する前記帳票枚数を、前記帳票の種類毎に分けて表示するステップを含んだことを特徴とする。

また、本発明は、帳票登録支援装置であって、未登録帳票の帳票画像を取得する画像取得部と、前記画像取得部によって取得した帳票画像から特徴量を抽出する特徴量抽出部と、同じ種類に属する帳票の特徴量を示す種類別特徴量と、同じ種類に属する帳票画像の中で前記種類別特徴量に最も近い特徴量を示す画像である種類別代表画像とが、帳票の種類別に分類して保存される記憶部と、前記特徴量抽出部によって抽出した新たな帳票の特徴量と、前記記憶部に先に保存されていた前記種類別特徴量とに基づいて、前記帳票の種類を分類して統合し、分類して統合した帳票の種類毎に、同じ種類に属する新たな帳票の前記特徴量と前記記憶部に先に保存されていた前記種類別特徴量とに基づいて、新たな種類別特徴量を決定すると共に、分類して統合した帳票の種類毎に、同じ種類に属する新たな帳票の帳票画像と前記記憶部に先に保存されていた前記種類別代表画像との中から、新たに決定した前記種類別特徴量に最も近い特徴量を示す画像を選択して、新たな種類別代表画像を決定する分類処理部と、分類して統合した前記帳票の種類毎に、該種類に分類して統合された帳票枚数と、新たに決定した前記種類別特徴量及び前記種類別代表画像とを関連付けて前記記憶部に保存するデータ管理部と、所定のタイミングで、前記記憶部に保存されている前記帳票の種類の中から、帳票の識別に利用する帳票辞書データベースに登録する帳票の種類を選択して前記帳票辞書データベースに登録する登録処理部とを備えることを特徴とする。

また、本発明は、帳票登録支援プログラムであって、（ａ）未登録帳票の帳票画像を取得する処理と、（ｂ）前記処理（ａ）で取得した帳票画像から特徴量を抽出する処理と、（ｃ）前記処理（ｂ）で抽出した新たな帳票の特徴量と、先に帳票の種類別に分類して保存されていた種類別特徴量とに基づいて、前記帳票の種類を分類して統合する処理と、（ｄ）前記処理（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記特徴量と先に保存されていた前記種類別特徴量とに基づいて、新たな種類別特徴量を決定する処理と、（ｅ）前記処理（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記帳票画像と先に保存されていた種類別代表画像との中から、前記処理（ｄ）で決定した種類別特徴量に最も近い特徴量を示す画像を選択して新たな種類別代表画像を決定する処理と、（ｆ）前記処理（ｃ）で分類して統合された帳票の種類毎に、該種類に分類して統合された帳票枚数と、前記処理（ｄ）で決定した前記種類別特徴量と、前記処理（ｅ）で決定した前記種類別代表画像とを関連付けて保存する処理と、前記処理（ａ）〜（ｆ）を繰り返して行った後の所定タイミングで、（ｇ）前記処理（ｆ）で保存された前記帳票の種類の中から、帳票の識別に利用する帳票辞書データベースに登録する帳票の種類を選択する処理と、（ｈ）前記処理（ｇ）で選択した前記帳票の種類を前記帳票辞書データベースに登録する処理とをコンピュータ装置に実行させることを特徴とする。

本発明によれば、帳票辞書データベースに新たな帳票を登録するまでの所定期間の間、帳票を種類別に分類して、種類毎に求めた種類別特徴量及び種類別代表画像のみを保存して各帳票のデータは削除するようにしたので、全帳票の特徴量及び画像を保存する場合に比べて、データ保存に利用する記憶容量を削減することができる。また、帳票辞書データベースに登録する帳票を選択する処理についても、帳票の種類毎に保存された情報を利用して行うことができるので、処理に係る負荷を軽減して短時間で効率よく処理を行うことができる。

また、本発明によれば、帳票の種類毎に特徴量を求める際に、先に種類別に分類して保存されていた種類別特徴量が、もととなった帳票枚数を考慮して処理されるので、処理された帳票の種類及び帳票枚数を保存済リジェクト帳票データに反映させて、最終的に帳票辞書データベースにも正しく反映させることができる。

また、本発明によれば、例えば、各帳票の罫線特徴量のユークリッド距離に基づいて、この距離が最小値を示す帳票を検索して統合するルーチン処理を行うことによって、多数の帳票を容易に種類別に分類することができる。

また、本発明によれば、所定期間内に処理された帳票の処理枚数に加えて、処理日に関する情報として、例えば帳票が処理された処理日に関する情報をもとに、帳票辞書データベースに登録する帳票を選択するので、特定の期間しか利用されない帳票や処理頻度が非常に少ない帳票等が帳票辞書データベースに登録されて、帳票辞書データベースへのデータ登録数が膨大になったり、帳票辞書データベースを利用した帳票識別処理の効率が低下するといった事態を回避することができる。

また、本発明によれば、所定期間内に処理された帳票の処理枚数が、表示装置上に、帳票の種類毎に分けて表示されるので、この表示を確認しながら帳票辞書データベースに登録する帳票の種類を選択することができる。

図１は、本実施形態に係る帳票登録支援装置と帳票処理との関係を説明する模式図である。 図２は、本実施形態に係る帳票登録支援装置の概要を説明する機能ブロック図である。 図３は、本実施形態に係る帳票登録支援装置で行われる処理の概要を説明するフローチャートである。 図４は、本実施形態に係る帳票登録支援装置で行われる帳票の分類方法を説明する図である。 図５は、本実施形態に係る帳票登録支援装置で行われる帳票の分類処理を説明する図である。 図６は、本実施形態に係る帳票登録支援装置で行われる帳票の種類別特徴量及び種類別代表画像について説明する図である。 図７は、本実施形態に係る帳票登録支援装置に蓄積されたデータの例を示す図である。 図８は、本実施形態に係る帳票登録支援装置で帳票辞書データベースに登録する帳票を選択するための登録条件の例を示す図である。

以下に添付図面を参照して、この発明に係る帳票登録支援方法及び装置並びにプログラムについて説明する。

まず、本実施形態に係る帳票登録支援装置の処理対象を明らかにするため、帳票処理全体の流れについて、その概要を説明する。図１は、帳票処理の概要を説明する模式図である。図１では、帳票現物の動きを白い矢印で示し、データの動きを黒い矢印で示している。

処理対象となる複数の帳票１００が帳票分類装置２に投入されると、スキャナ等の読取部６によって、投入された帳票１００の帳票画像が取得される。この帳票画像は識別部７によって帳票１００の種類を識別するために利用される。識別部７による識別は、帳票辞書データベース４に登録済みのデータを利用して行われる。帳票辞書データベース４には、予め、帳票１００の種類を識別するための特徴量が登録されている。

識別部７による帳票１００の識別結果は、分類部８によって帳票１００を分類するために利用される。帳票辞書データベース４に既にデータが登録されている登録済帳票については、帳票現物１１０が、分類部８によって分類され、例えば、複数の集積部に種類別に集積される。また、読取部６によって取得された登録済帳票の帳票画像１１１は、帳票処理装置３へ送られる。そして、帳票処理装置３では、帳票画像１１１を対象とするＯＣＲ処理によって帳票の記載事項が読み取られ、読み取り結果に基づいて各種の帳票処理が行われる。

一方、帳票辞書データベース４にデータが登録されていない未登録帳票は、識別部７によって識別することができないためリジェクトされる。リジェクトされた帳票については、例えば、帳票データ入力装置５を利用して、リジェクト帳票１２０の記載事項を目視確認しながら手入力する処理が行われる。手入力されたデータは、帳票処理装置３に送られて処理される。なお、帳票データ入力装置５で、読取部６で取得されたリジェクト帳票画像１２１を利用できる場合には、この画像を目視確認しながら記載事項を手入力する場合もある。

本実施形態に係る帳票登録支援装置１は、帳票辞書データベース４にデータが未登録であったためにリジェクトされたリジェクト帳票１２０のデータを、帳票辞書データベース４へ登録する処理を支援するために利用される。具体的には、リジェクト帳票画像１２１を取得して、この中から、帳票辞書データベース４に登録する帳票１２０の種類を選択して登録する処理を支援するものである。

なお、図１に示した処理は一例であって、例えば、帳票辞書データベース４が図示しない別の管理装置で管理される場合もあるし、帳票処理装置３によって管理される場合もある。また、帳票分類装置２が、帳票処理装置３や帳票データ入力装置５の一部又は全ての機能を兼ねる場合もあるし、帳票処理装置３が帳票データ入力装置５の機能を兼ねる場合もある。

また、帳票登録支援装置１が利用するリジェクト帳票画像１２１についても、帳票データ入力装置５から取得する場合もあるし、リジェクト帳票１２０をスキャンしてリジェクト帳票画像１２１を生成する専用装置から取得する場合もある。また、帳票登録支援装置１が、自らリジェクト帳票１２０をスキャンしてリジェクト帳票画像１２１を取得する場合もある。

以下では、帳票登録支援装置１の構成、機能及び動作について説明する。図２は、本実施形態に係る帳票登録支援装置１の構成概略を示す機能ブロック図である。帳票登録支援装置１は、後述する機能及び動作を実現するための制御部１０と、制御部１０の動作に必要な各種のデータを保存するための記憶部２０と、制御部１０による処理内容や処理結果に関する情報を表示するための表示部３０と、表示部３０に表示された情報に基づくデータ入力や処理内容に関する指示操作を行うための操作部３１と、外部装置との間でデータを送受信するためのデータ通信部３２とを備えている。

また、制御部１０は、記憶部２０に保存するデータを管理するためのデータ管理部１１と、帳票辞書データベース４に登録する帳票の種類を決定するためにリジェクト帳票画像１２１から各帳票の特徴量を抽出するための特徴量抽出部１２と、特徴量抽出部１２によって抽出された特徴量に基づいて帳票を分類するための分類処理部１３と、帳票辞書データベース４に登録する帳票の種類を決定して登録するための登録処理部１４とを有している。

記憶部２０には、保存済リジェクト帳票データ２１と、新規分リジェクト帳票データ２２と、帳票登録条件２３とが保存されている。図１に示すように帳票分類装置２で帳票１００が処理された後、帳票分類装置２から帳票登録支援装置１へ新たに入力されたリジェクト帳票画像１２１及び該画像に関する情報が新規分リジェクト帳票データ２２である。これに対して、先に記憶部２０に保存されていたリジェクト帳票画像１２１に関する情報が保存済リジェクト帳票データ２１である。また、帳票登録条件２３には、保存済リジェクト帳票データ２１の中から、帳票辞書データベース４に登録する帳票の種類を選択する条件に関する情報が保存されている。各データの詳細については後述する。

帳票登録支援装置１は、例えば、コンピュータ装置によって構成される。そして、制御部１０と、制御部１０に含まれる各部１１〜１４とは、専用のコンピュータプログラムを実行することによって実現される。コンピュータプログラムは、例えば、ハードディスク等の不揮発性の記憶装置によって実現される記憶部２０や専用の記憶装置に保存される。なお、表示部３０は液晶ディスプレイ等の表示装置、操作部３１はマウスやキーボード等の入力装置、データ通信部３２はＬＡＮ等のネットワークを利用してデータを送受信する通信インターフェイスによって実現される。

次に、帳票登録支援装置１による処理内容を説明する。図３は、帳票辞書データベース４へ登録する帳票の種類を選択する処理を示すフローチャートである。図３に示す処理は、例えば、リジェクト帳票１２０に係る情報を所定期間蓄積した後や、リジェクト帳票１２０の枚数が所定枚数に達した場合又はリジェクト帳票画像１２１のデータ容量が所定容量に達した場合等の所定のタイミングで開始される。

ここでは、１日の帳票処理が完了して、その日新たに得られた全てのリジェクト帳票画像１２１がデータ通信部３２によって取得され、データ管理部１１によって新規分リジェクト帳票データ２２として記憶部２０に保存された後に、以下の処理が開始されるものとして説明する。

まず、特徴量抽出部１２によって、記憶部２０に保存された各リジェクト帳票画像１２１から、各帳票の特徴量を抽出する処理が行われる（ステップＳ１）。ここで抽出される特徴量は、例えば、罫線特徴量である。

リジェクト帳票１２０には、罫線で囲まれた各欄内に金額、氏名、住所等の様々な文字が記入されているが、これらは帳票を利用した利用者によって変動する情報であるため、帳票の種類を識別するために利用することはできない。このため、帳票を識別するための特徴量として、帳票内で各欄を形成する罫線に関する特徴量が利用される。罫線特徴量は、例えば、帳票画像内で罫線を構成する黒画素の所定領域内での密度、長さ、方向等に基づいて算出される。ここで利用する罫線特徴量は、例えば、特開２００１−２８３１５２号公報に記載のものと同様であるため詳細な説明は省略する。

新規分リジェクト帳票データ２２として新たに保存された、１日分全てのリジェクト帳票画像１２１から特徴量が抽出されると、次に、分類処理部１３によって、抽出された特徴量に基づいて、リジェクト帳票画像１２１を種類別に分類する処理が行われる（ステップＳ２）。

ここで、特徴量に基づいて帳票を分類する処理について説明する。図４は、６つのリジェクト帳票画像１２１を、各画像の特徴量に基づいて分類する処理の例を示す模式図である。図４では、前日に２つのリジェクト帳票画像１２１の特徴量（図中の数字１及び２）が処理された後、当日新たに得られた４つのリジェクト帳票画像１２１の特徴量（図中の数字３〜６）を処理するものとして説明する。

また、図４では、帳票の特徴量が二次元で表されており、距離が近いものほど特徴量が近似していることを示す。具体的には、この距離が、特徴量間のユークリッド距離を示している。

まず、図４（ａ）に示すように、前日に、２つの帳票の特徴量（図中の数字１及び２）間の距離値が予め設定されたしきい値以下であることから、分類処理部１３によって、これらが１つのクラスＸに統合されていたものとする。すなわち、分類処理部１３は、これら２つの特徴量を示す帳票が同じ種類の帳票であると判定したものとする。

なお、統合する際には、統合しようとする２つの特徴量に関する各リジェクト帳票画像１２１を表示部３０に表示して、帳票登録支援装置１の利用者に、統合の可否を判断させるようにしてもよい。また、距離値と比較するしきい値は、帳票登録条件２３に含まれるデータの１つとして記憶部２０に保存されている。

次に、分類処理部１３によって、前日得られたクラスＸと、当日新たに得られた各リジェクト帳票画像１２１の特徴量（図４中の数字３〜６）を独立した各クラス３〜６として、これらを分類して統合する処理が開始される。まず、クラスＸ及びクラス３〜６の各クラス間の距離値が総当たりで確認される。その結果、クラス３とクラス４の間の距離値が最小値を示し、かつ、この最小値が予め設定された所定しきい値以下である場合には、図４（ｂ）に示すように、これらがクラスＹに統合される。このとき、クラス３とクラス４とが統合されたクラスＹの位置は、これら２つのクラスの中間位置となる。

次に、クラスＸ、クラスＹ、クラス５及びクラス６の各クラス間の距離値が確認される。その結果、図４（ｃ）に実線矢印で示したようにクラスＸとクラス５の間の距離値が最小値を示し、かつ、この最小値が所定しきい値以下である場合には、クラス５とクラスＸとが統合される。このとき、図４（ｄ）に示すように、統合された後のクラスを、前日のクラスＸと区別するために、クラスＸ’とする。クラスＸ’の位置は、前日に得られたクラスＸが図４（ａ）に示すように２つのクラスから得られたものであるため、クラス５よりもクラスＸに近い位置となる。

次に、クラスＸ、クラスＹ及びクラス６の各クラス間の距離値から、図４（ｄ）に実線矢印で示したようにクラスＹとクラス６の間の距離値が最小値を示したものとする。しかし、例えばここで、次に統合処理の対象となる２つのクラス（クラスＹとクラス６）間の距離値が所定しきい値を越えている場合には、クラスの統合は行われずに処理を完了することになる。すなわち、クラス６はクラスＹと統合されず、クラスＺに分類される。

このように、新たに得られたリジェクト帳票画像１２１の特徴量を独立したクラスとして、これらのクラスと前日までに得られたクラスとを区別することなく、距離値が最小値を示すクラスを統合する処理を繰り返し行って、最小となる距離値が予め設定された所定しきい値を越える状況となったところで処理を終了する。

例えば、図４の例では、最終的には同図（ｅ）に示すように、前日得られたクラス及び当日分のクラスが、３つのクラスに分類して統合されている。統合されたクラスは、各クラス内に含まれる特徴量を示した帳票が同じ種類の帳票であることを示している。すなわち、図４の例では、前日の２枚のリジェクト帳票１２０及び当日の４枚のリジェクト帳票１２０から得られた６つのリジェクト帳票画像１２１が、クラスＸ、クラスＹ及びクラスＺの３種類に分類されたことを示している。

このように、本実施形態に係る帳票登録支援装置１では、帳票を種類別に分類する際に、当日分として新たに得られたリジェクト帳票画像１２１だけではなく、前日までに分類処理されたリジェクト帳票画像１２１に関する情報を利用する点を１つの特徴としている。これについて、さらに、図５を参照しながら詳細を説明する。図５は、図３に示すステップＳ１及びＳ２に関する処理内容を説明する模式図である。

例えば、図５に示すように、前日にリジェクト帳票画像１２１がＡ〜Ｄの４つのクラスに分類されていた場合には、各クラスに関する情報（クラス別情報）が、図２に示すように保存済リジェクト帳票データ２１として記憶部２０に保存されている。具体的には、保存済リジェクト帳票データ２１として、各クラスの平均特徴量、代表画像及び帳票枚数等が保存されている。ここで、各クラスの平均特徴量とは、各クラスに分類された全てのリジェクト帳票画像１２１の特徴量の平均値であり、代表画像とは各クラスに分類されたリジェクト帳票画像１２１のうち各クラスの平均特徴量に最も近い特徴量を示す画像である。また、帳票枚数とは、各クラスに分類されたリジェクト帳票画像１２１の数、すなわちリジェクト帳票１２０の枚数を示している。なお、保存済リジェクト帳票データ２１には、これらの他に、各クラスのリジェクト帳票１２０が処理された日付情報等も保存される。

図５に示すように、前日までに得られた各クラスＡ〜Ｄの平均特徴量が、二次元平面１３０にプロットされる（Ｓ２）。また、当日の帳票処理で新たに得られた新規分のリジェクト帳票画像１２１については、各画像から特徴量が抽出された後（Ｓ１）、二次元平面１３０にプロットされる（Ｓ２）。そして、前日分までリジェクト帳票画像１２１から得られた各クラスの情報と、当日得られた新規分のリジェクト帳票画像１２１の情報とを利用して、図４で説明したように、必要があれば統合する処理が行われる。

例えば、図５右側の平面１３０上に示したように、前日のクラスＡの平均特徴量１３１と新規分のリジェクト帳票画像１２１から得られた当日分の特徴量（図中ひし形）とが、破線で囲まれた新たなクラスＡ’（１４１）に統合される。また、前日のクラスＢの平均特徴量１３２と当日分の特徴量（図中実線円形）とが、新たなクラスＢ’（１４２）に統合される。また、前日のクラスＣの平均特徴量１３３と当日分の特徴量（図中三角形）とが、新たなクラスＣ’（１４３）に統合される。また、前日のクラスＤの特徴量１３４については、これと統合される新たな特徴量が存在しないために前日のクラスＤがそのまま維持される。そして、前日には無かった新たな特徴量（図中正方形）が、新たなクラスＥ（１４５）に分類される。すなわち、前日までに得られたクラスＡ〜Ｄが、当日分の特徴量を反映した新たなクラスＡ’〜Ｃ’、Ｄ及びＥに分類して統合される。

こうして、前日までに得られたデータと当日得られたデータとを利用して、帳票を分類して統合する処理が完了すると（図３ステップＳ２）、次に、分類処理部１３によって各クラスの平均特徴量（種類別特徴量）が決定される（ステップＳ３）。また、各クラスの代表画像（種類別代表画像）が決定される（ステップＳ４）。これらの処理について、図６を参照しながら説明する。図６は、図３に示すステップＳ３及びＳ４に関する処理内容を説明する模式図である。

例えば、図６（ａ）に示すように、新たなクラスＡ’（１４１）では、前日のクラスＡの平均特徴量１３１と、当日得られた新規分の全リジェクト帳票画像１２１の特徴量とを含めた平均値を求めて、これを新たなクラスＡ’（１４１）の平均特徴量１５１とする（図３ステップＳ３）。同様に、新たなクラスＢ’（１４２）では、前日のクラスＢの平均特徴量１３２及び当日分の全特徴量の平均値を求めて、これを新たなクラスＢ’（１４２）の平均特徴量１５２とする。また、新たなクラスＣ’（１４３）でも、前日のクラスＣの平均特徴量１３３及び当日分の全特徴量から平均値を求めて、これを新たなクラスＣ’（１４３）の特徴量１５３とする。クラスＤ（１３４）については、新たに統合された特徴量が存在しないため、前日の特徴量がそのまま利用される。そして、新たに得られたクラスＥ（１４５）では、当日分の特徴量のみから平均値を求めて、これをクラスＥ（１４５）の特徴量１５５とする。こうして、各クラスの平均特徴量が決定される。

図６（ａ）では、平均特徴量を示す図形の大きさが、この平均特徴量に関する帳票枚数を反映している。例えば、新たなクラスＢ’（１４２）では、前日迄のクラスＢの平均特徴量１３２に、複数枚の新規分の帳票画像１２１の特徴量を加えて算出されるため、クラスＢ’の平均特徴量１５２を示す図形（実線円形）が、前日のクラスＢの平均特徴量１３２を示す図形（破線円形）より大きく示されている。

各クラスの平均特徴量の算出を行う際、前日までに得られた平均特徴量については、前日までにそのクラスに分類された帳票枚数が反映される。具体的には、例えば、前日までにクラスＢに分類された帳票の枚数が７枚であった場合には、図６（ａ）に示す前日までのクラスＢの平均特徴量１３２は７枚分の特徴量として、新たなクラスの平均特徴量の算出に用いられる。このように、先に種類別に分類して保存されていた平均特徴量が、この平均特徴量のもととなる特徴量を示した帳票の枚数を考慮して処理されるので、各クラスのデータを過去に処理された帳票の種類及び帳票枚数を反映したデータとすることができる。

なお、平均特徴量は、代表画像を決定する前にそのクラスの平均特徴量を決定することができれば、クラスを決定した後に算出される態様に限定されるものではない。例えば、図４で説明したようにクラスの分類統合処理を行う際に、２つのクラスを統合する度に統合された新たなクラスの特徴量を算出し、分類統合及び平均特徴量算出を繰り返して最終的に各クラスの特徴量を決定する態様であっても構わない。

各クラスの平均特徴量が決定されると、次に、各クラスの代表画像が選択される。具体的には、図６（ｂ）に示すように、新たに分類統合されたクラスＡ’では、このクラスの平均特徴量１５１との距離が最も近い特徴量１６１を示す画像を代表画像とする（図３ステップＳ４）。また、クラスＢ’では、このクラスの平均特徴量１５２との距離が最も近い特徴量１６２を示す画像を代表画像とする。また、クラスＣ’では、このクラスの平均特徴量１５３との距離が最も近い特徴量１６３を示す画像を代表画像とする。また、クラスＥでは、このクラスの平均特徴量１５５との距離が最も近い特徴量１６５を示す画像を代表画像とする。そして、クラスＤについては、このクラスの平均特徴量１６４を示す前日の代表画像がそのまま維持される。こうして、各クラスの代表画像が決定される。

各クラスＡ’〜Ｃ’、Ｄ及びＥの平均特徴量及び代表画像が決定されると、この結果を受けたデータ管理部１１によって、記憶部２０に保存されている保存済リジェクト帳票データ２１の更新が行われる（図３ステップＳ５）。具体的には、クラスＡ〜Ｃのデータが、新たに決定されたクラスＡ’〜Ｃ’の平均特徴量及び代表画像によって更新され、新たに得られたクラスＥに関する平均特徴量及び代表画像が追加される。また、クラスＤについては、前日に保存されたデータから変更がないため、前日のデータがそのまま維持される。なお、保存済リジェクト帳票データ２１として、各クラスの平均特徴量及び代表画像に加えて、各クラスに統合された帳票枚数と処理日に関する情報が保存される。

こうして、新たなクラスと各クラスの平均特徴量及び代表画像とによって前日のデータが更新されると、記憶部２０に保存された新規分リジェクト帳票データ２２は不要になる。このため、データ管理部１１によって削除される。

このように、本実施形態に係る帳票登録支援装置１では、毎日、当日分の全てのリジェクト帳票画像１２１から得られた情報を反映しながら、新たに得られた各クラスの平均特徴量、代表画像及び帳票枚数等のデータのみを保存して、その他のデータを破棄することができる。例えば、１日の帳票処理で同じ種類の帳票が数百枚リジェクトされた場合でも、これを１つのクラスにまとめて、このクラスの平均特徴量及び代表画像のみを保存する。多数のリジェクト帳票１２０から得られた特徴量及び画像を、クラス毎に帳票１枚分のデータ容量に相当する平均特徴量及び代表画像にまとめることができるので、全てのデータを保存する場合に比べてデータ保存に必要な記憶部２０の容量を抑制することができる。

リジェクト帳票に関するデータを更新する処理（図３ステップＳ１〜Ｓ５）は、帳票辞書データベース４の更新タイミングとなるまでの間（ステップＳ６；Ｎｏ）、繰り返し行われる。例えば、所定期間経過するまでの間や、リジェクト帳票１２０を分類したクラスの数が所定数に達する迄の間又は記憶部２０に保存された全クラスに関するデータ容量が所定容量に達するまでの間、これらの処理が繰り返される。以下では、リジェクト帳票１２０に関するデータを帳票辞書データベース４に登録する処理が、例として、月一回行われるものとして説明する。

帳票辞書データベース４の更新タイミングになると（ステップＳ６；Ｙｅｓ）、登録処理部１４によって、帳票辞書データベース４に追加する帳票のデータを選択する処理が行われる（ステップＳ７）。具体的には、１ヶ月の間、保存済リジェクト帳票データ２１として記憶部２０に蓄積されたクラスの中から、帳票辞書データベース４に登録するクラスが選択される。

蓄積された各クラスのデータ内容に基づいて、帳票辞書データベース４に登録するクラスを選択する処理について説明する。まず、帳票登録支援装置１の利用者が、操作部３１を操作してクラスを選択する処理を開始すると、表示部３０に、保存済リジェクト帳票データ２１の内容が表示される。

図７は、表示部３０に表示される各クラスのデータの例を示す図である。このように、１ヶ月の間に処理されたリジェクト帳票１２０を種類別に分類した各クラスと、各クラスが作成された日付である作成日と、各クラスのデータが最後に更新された日付である最終更新日と、各クラスに属する帳票のデータ数と、出願日数とが表示される。なお、表内のクラス名を選択すると、そのクラスの代表画像が表示部３０に表示されるようになっている。また、表内で、クラス、作成日、最終更新日、データ数、割合及び出現日数の中から項目を選択してその項目のデータが昇順又は降順となるようにクラスデータを並べ替えたり、作成日及び最終更新日の欄で直近に更新された日付をハイライト表示して他の日付と区別可能に表示したり、データ数、割合及び出現日数の欄で最も大きな数値を示すデータをハイライト表示させたりすることも可能である。

保存済リジェクト帳票データ２１で、各クラスのデータを保存する期間は、任意の期間に設定することができる。具体的には、帳票辞書データベース４に新たに登録された帳票に関するデータは、保存済リジェクト帳票データ２１から削除されるのに対して、選択されなかった帳票に関するデータは維持されるが、この維持期間を設定できるようになっている。例えば、帳票辞書データベース４への登録処理が月一回行われるのに対して、登録されなかった場合でも１年間はそのデータを維持するように設定される。このため、保存済リジェクト帳票データ２１には、例えば図７に示したクラスＲのように、他のクラスの作成日から１ヶ月以上前に作成されたクラスも維持されている。なお、保存済リジェクト帳票データ２１に維持されるデータは、予め設定された期間の経過後に自動的に削除されるが、維持する必要がないと判断した場合には、手動で削除することもできる。

ここで、図７に示すデータ数とは、１ヶ月の間に処理されたリジェクト帳票１２０のクラス別枚数のことを示している。また、データ数の欄内に割合として括弧で示された数字は、全クラスのリジェクト帳票１２０の合計枚数に対する各クラスのリジェクト帳票１２０枚数の割合を示している。また、出現日数とは、作成日から最終更新日迄の間に、各クラスに属するリジェクト帳票１２０が実際に処理された実日数である。例えば、図７の例では、クラスＡに属するリジェクト帳票１２０は２月２０日に始めて登場して２月２２日に更新されているが、この３日間のうちクラスＡに属するリジェクト帳票１２０が処理された実日数は２日間であることを示している。

利用者は、表示部３０に表示された図７の情報を確認しながら、帳票辞書データベース４に新たに登録するクラス、すなわち帳票の種類を選択する。例えば、もし帳票辞書データベース４に登録されていれば１ヶ月の間にリジェクトされた帳票の３８％がリジェクトされることなく処理されていたことを考慮して、クラスＰ及びＱを選択する。また、例えば、処理枚数は少ないものの１ヶ月のうちにリジェクト帳票１２０の手入力処理を行う日数が減ることを考慮して、出現日数が多いクラスＳを選択する。また、例えば、処理枚数は多いものの１ヶ月のうちに１日しか処理されていないことを考慮して、クラスＲを選択しないといった判断を行うことができる。

クラスの選択は、手動で行う態様に限らず自動で行うこともできる。処理を自動で行う場合には、記憶部２０に保存された帳票登録条件２３が利用される。帳票登録条件２３は、表示部３０及び操作部３１を利用して設定される。

図８は、帳票登録条件２３を設定する際に表示部３０に表示される設定画面の例を示す図である。例えば、設定画面には、上から、帳票辞書データベース４にデータを追加登録する周期と、設定可能な登録条件と、設定作業時に記憶部２０に保存されている保存済リジェクト帳票データ２１の内容を示す表とが表示される。

設定画面では、利用者が設定変更できる部分に下線が付されている。図８では、毎月第１月曜日にデータ登録を行うよう設定された例を示しているが、下線が付された部分を変更して、例えば、毎月１日にデータ登録を行うように設定したり、毎週金曜日にデータ登録を行うように設定することもできる。

また、登録条件についても、データ数の上位何位までを登録するのか、データ数が何枚以上である場合に登録するのか、全てのリジェクト帳票枚数に対する割合が何％以上である場合に登録するのか、データ登録周期として設定された期間内（図８では１ヶ月）の出現日数が何日以上又は何％以上の場合に登録するのかについて、各数値を設定することができる。

各登録条件の左側には、チェックボックスが設けられており、このチェックボックスによって各登録条件を有効にするか否かを選択することができる。図８では、データ数割合及び出現日数の登録条件が有効になっている。

このように各登録条件の数値条件を変更できることに加えて、有効にする登録条件の組み合わせを選択可能とすることで、様々な設定を行うことができる。例えば、図８に示すように、データ数の割合が１０％以上の場合に登録するという条件と、出現日数が４日以上という条件とを有効にすることで、登録条件下方に示した表内のクラスＰ〜Ｓのうち処理枚数が多いものの処理頻度（出現日数）が少ないクラスＰ及びＲを登録しないように設定することもできる。

登録条件を設定する際には、表示部３０上で、登録条件に対応するクラスが他のクラスと区別可能に表示されるようになっている。図８の例では、データ数が１０％以上という条件が有効にされた時点で、この条件を満たすクラスＰ〜Ｒの欄が表示部３０上で反転表示される。続いて、出現日数が４日以上の場合に登録する条件が設定されると、これら２つの条件設定を満たすクラスＱが点滅表示される。これにより、利用者は、登録条件が反映された場合に帳票辞書データベース４に登録されるクラスを確認しながら、登録条件の有効無効を変更したり数値設定を変更することができる。

記憶部２０に保存された保存済リジェクト帳票データ２１を利用して、図７に示すように表示部３０に表示された情報を確認しながら、手動で、帳票辞書データベース４に登録するクラスが選択されると、登録処理部１４によって、選択されたクラスのデータを帳票辞書データベース４に登録する処理が行われる（図３ステップＳ８）。また、予め、図８に示すように登録条件が選択され、クラスを選択する処理が自動的に行われるように設定されている場合には、登録処理部１４が、登録条件に基づいて帳票辞書データベース４に登録するクラスを自動的に選択して登録する（ステップＳ８）。

具体的には、登録処理部１４が、手動又は自動で選択された各クラスの代表画像から、罫線特徴量等、帳票を識別するための情報を抽出して、帳票辞書データベース４へ登録する。帳票辞書データベース４への登録処理が完了すると、新たに登録された帳票に関するデータは、記憶部２０に保存された保存済リジェクト帳票データ２１から削除される（ステップＳ９）。このとき、帳票辞書データベース４へ登録されなかった帳票のクラスに関するデータは、予め設定された期間は保存済リジェクト帳票データ２１として記憶部２０に維持される。

上述したように、本実施形態によれば、リジェクト帳票画像１２１を種類毎に各クラスに分類して、各クラスの平均特徴量、代表画像及び枚数情報等のデータのみを記憶部２０に保存するので、全てのリジェクト帳票画像１２１を保存する場合に比べて、利用する記憶部２０の容量を抑制することができる。リジェクト帳票１２０に関するデータの保存は、帳票辞書データベース４の登録処理が行われるまでの所定期間続けて行われるので、記憶部容量増大の抑制効果は非常に大きなものとなる。

また、特徴量について、各クラスで帳票１枚分のデータ容量に相当する平均特徴量及び代表画像のデータのみを保存しながら、この平均特徴量のもととなった帳票の枚数情報を保存しているので、過去に処理された全ての帳票に係る情報を各クラスの平均特徴量に反映させながら、日々新たに発生する帳票に基づいてデータを更新することができる。

また、帳票辞書データベース４に追加する帳票を選択する際には、各クラスの中から追加するクラスを選択するだけでよいので、従来のように全てのリジェクト帳票画像１２１を保存して全画像を対象に一度に処理を行う場合に比べて、処理に係る負荷が軽減され、短時間で効率よく処理を行うことができる。

また、帳票辞書データベース４に登録する帳票を選択する登録条件を設定変更することができるので、利用者のニーズに柔軟に対応した登録条件とすることができる。

以上のように、本発明は、帳票識別に利用する帳票辞書データベースへ登録する帳票の選択処理を支援して、データベースへの帳票登録を効率よく行うために有用な技術である。

１ 帳票登録支援装置
２ 帳票分類装置
３ 帳票処理装置
４ 帳票辞書データベース
５ 帳票データ入力装置
６ 読取部
７ 識別部
８ 分類部
１０ 制御部
１１ データ管理部
１２ 特徴量抽出部
１３ 分類処理部
１４ 登録処理部
２０ 記憶部
２１ 保存済リジェクト帳票データ
２２ 新規分リジェクト帳票データ
２３ 帳票登録条件
３０ 表示部
３１ 操作部
３２ データ通信部
１００、１１０、１２０ 帳票
１１１、１２１ 帳票画像

Claims (7)

1. 読取部によって取得した帳票を帳票の特徴量が登録された帳票辞書データベースに基づいて識別して分類する帳票分類システムに供する帳票登録支援方法であって、
   （ａ）未登録帳票の帳票画像を取得するステップと、
   （ｂ）前記ステップ（ａ）で取得した帳票画像から特徴量を抽出するステップと、
   （ｃ）前記ステップ（ｂ）で抽出した新たな帳票の特徴量と、先に帳票の種類別に分類して保存されていた種類別特徴量とに基づいて、前記帳票の種類を分類して統合するステップと、
   （ｄ）前記ステップ（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記特徴量と先に保存されていた前記種類別特徴量とに基づいて、新たな種類別特徴量を決定するステップと、
   （ｅ）前記ステップ（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記帳票画像と先に保存されていた種類別代表画像との中から、前記ステップ（ｄ）で決定した種類別特徴量に最も近い特徴量を示す画像を選択して新たな種類別代表画像を決定するステップと、
   （ｆ）前記ステップ（ｃ）で分類して統合された帳票の種類毎に、該種類に分類して統合された帳票枚数と、前記ステップ（ｄ）で決定した前記種類別特徴量と、前記ステップ（ｅ）で決定した前記種類別代表画像とを関連付けて保存するステップと、
   前記ステップ（ａ）〜（ｆ）を繰り返して行った後の所定タイミングで、
   （ｇ）前記ステップ（ｆ）で保存された前記帳票の種類の中から前記帳票辞書データベースに登録する帳票の種類を選択するステップと、
   （ｈ）前記ステップ（ｇ）で選択した前記帳票の種類を前記帳票辞書データベースに登録するステップと
   を含んだことを特徴とする帳票登録支援方法。
2. 分類して統合された種類毎に、新たな種類別特徴量を決定するために前記ステップ（ｆ）で先に保存された種類別特徴量を用いる際には、前記種類別特徴量が前記ステップ（ｆ）で先に保存された枚数分の帳票から抽出されたものとして処理されることを特徴とする請求項１に記載の帳票登録支援方法。
3. 新たな帳票の特徴量及び前記種類別特徴量に基づいて帳票の種類を分類して統合する前記ステップ（ｃ）では、
   （ｃ１）新たな帳票の特徴量を示すクラス及び前記種類別特徴量を含む全てのクラスで、各クラス間の距離値を求めるステップと、
   （ｃ２）前記ステップ（ｃ１）で求めた各クラス間の距離値のうち、最小値を示す距離値が所定しきい値以下である場合には、最小距離値を示した２つのクラスを統合するステップと
   が、前記ステップ（ｃ２）の前記最小距離値が前記所定しきい値を超えるまで繰り返して行われることを特徴とする請求項１又は２に記載の帳票登録支援方法。
4. 前記ステップ（ｆ）では、さらに、帳票の種類毎に、前記種類に属する帳票が処理された処理日に関する情報が保存され、
   前記帳票辞書データベースに登録する帳票の種類を選択する前記ステップ（ｇ）では、
   所定の期間内に処理された帳票に関する前記帳票枚数を前記帳票の種類毎に比較して、登録する帳票の種類が選択されることを特徴とする請求項１、２又は３に記載の帳票登録支援方法。
5. 前記帳票辞書データベースに登録する帳票の種類を選択する前記ステップ（ｇ）は、
   （ｇ１）表示装置上に、少なくとも所定の期間内に処理された帳票に関する前記帳票枚数を、前記帳票の種類毎に分けて表示するステップ
   を含んだことを特徴とする請求項４に記載の帳票登録支援方法。
6. 未登録帳票の帳票画像を取得する画像取得部と、
   前記画像取得部によって取得した帳票画像から特徴量を抽出する特徴量抽出部と、
   同じ種類に属する帳票の特徴量を示す種類別特徴量と、同じ種類に属する帳票画像の中で前記種類別特徴量に最も近い特徴量を示す画像である種類別代表画像とが、帳票の種類別に分類して保存される記憶部と、
   前記特徴量抽出部によって抽出した新たな帳票の特徴量と、前記記憶部に先に保存されていた前記種類別特徴量とに基づいて、前記帳票の種類を分類して統合し、
   分類して統合した帳票の種類毎に、同じ種類に属する新たな帳票の前記特徴量と前記記憶部に先に保存されていた前記種類別特徴量とに基づいて、新たな種類別特徴量を決定すると共に、
   分類して統合した帳票の種類毎に、同じ種類に属する新たな帳票の帳票画像と前記記憶部に先に保存されていた前記種類別代表画像との中から、新たに決定した前記種類別特徴量に最も近い特徴量を示す画像を選択して、新たな種類別代表画像を決定する分類処理部と、
   分類して統合した前記帳票の種類毎に、該種類に分類して統合された帳票枚数と、新たに決定した前記種類別特徴量及び前記種類別代表画像とを関連付けて前記記憶部に保存するデータ管理部と、
   所定のタイミングで、前記記憶部に保存されている前記帳票の種類の中から、帳票の識別に利用する帳票辞書データベースに登録する帳票の種類を選択して前記帳票辞書データベースに登録する登録処理部と
   を備えることを特徴とする帳票登録支援装置。
7. （ａ）未登録帳票の帳票画像を取得する処理と、
   （ｂ）前記処理（ａ）で取得した帳票画像から特徴量を抽出する処理と、
   （ｃ）前記処理（ｂ）で抽出した新たな帳票の特徴量と、先に帳票の種類別に分類して保存されていた種類別特徴量とに基づいて、前記帳票の種類を分類して統合する処理と、
   （ｄ）前記処理（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記特徴量と先に保存されていた前記種類別特徴量とに基づいて、新たな種類別特徴量を決定する処理と、
   （ｅ）前記処理（ｃ）で分類して統合された帳票の種類毎に、同じ種類に属する新たな帳票の前記帳票画像と先に保存されていた種類別代表画像との中から、前記処理（ｄ）で決定した種類別特徴量に最も近い特徴量を示す画像を選択して新たな種類別代表画像を決定する処理と、
   （ｆ）前記処理（ｃ）で分類して統合された帳票の種類毎に、該種類に分類して統合された帳票枚数と、前記処理（ｄ）で決定した前記種類別特徴量と、前記処理（ｅ）で決定した前記種類別代表画像とを関連付けて保存する処理と、
   前記処理（ａ）〜（ｆ）を繰り返して行った後の所定タイミングで、
   （ｇ）前記処理（ｆ）で保存された前記帳票の種類の中から、帳票の識別に利用する帳票辞書データベースに登録する帳票の種類を選択する処理と、
   （ｈ）前記処理（ｇ）で選択した前記帳票の種類を前記帳票辞書データベースに登録する処理と
   をコンピュータ装置に実行させることを特徴とする帳票登録支援プログラム。

Images