JP6000455B2 - フォーム認識方法及びフォーム認識装置 - Google Patents

Description

［関連出願の相互参照］
本出願は、あらゆる目的のために、参照によって本明細書に組み込まれる、２０１２年７月２４日に出願された、発明の名称を「ＦＯＲＭ ＲＥＣＯＧＮＩＴＩＯＮ ＭＥＴＨＯＤ ＡＮＤ ＤＥＶＩＣＥ（フォーム認識方法及びフォーム認識装置）」とする中国特許出願第２０１２１０２５８８８３．７号に基づく優先権を主張する。

本出願は、フォーム認識方法及びフォーム認識装置に関する。

「フォーム認識」は、描写的な物体及び現象を記述する、識別する、カテゴリ分けする、及び解釈するために、それらの物体及び現象の様々なフォームに関する情報（数値関係、テキスト関係、及び論理関係）を処理して解析することを言う。コンピュータ技術の発展に伴って、イベント又はプロセスを識別する及びカテゴリ分けするためのパターン認識に、コンピュータが適用されるようになった。識別されるイベント若しくはプロセスは、文字、音声、若しくは写真などの具体的対象を含むことができる、又は識別されるイベント若しくはプロセスは、状態若しくは程度などの抽象的対象を含むことができる。

例えば、文字認識を実施するために、コンピュータが使用されている。一例として、光学式文字認識を挙げると、光学式文字認識（ＯＣＲ）は、電子機器（例えば、スキャナ又はデジタルカメラ）によって、紙に印刷された文字を分析し、暗さ及び明るさのパターンの検出によってそれらの文字の形状を決定し、次いで、決定された形状を文字認識方法の使用によってコンピュータ文字に変換する。つまり、画像ファイルを生成するためにテキスト素材がスキャンされ、次いで、文字情報及びレイアウト情報を取得するために画像ファイルが解析される。テキスト文字の大半は、ＯＣＲを使用して認識することができる。

しかしながら、文字認識へのコンピュータの現適用には、依然として幾つかの限界がある。例えば、既存のＯＣＲ技術は、テキスト素材からスキャンされた画像ファイル内のフォームをあまり正確に認識しないことが多い。コンピュータがフォームに遭遇するときに、既存のＯＣＲ技術は、化け文字を生じることが多く、フォームを正しく識別することができない。

以下の詳細な説明及び添付の図面において、本発明の様々な実施形態が開示される。

フォーム認識プロセスの一実施形態を示すフローチャートである。

フォーム認識プロセスの別の一実施形態を示すフローチャートである。

フォームの一実施形態を示す図である。

水平直線の一実施形態を示す図である。

フォーム特徴図の一実施形態である。

距離の類似性を通じて識別されているフォームの一実施形態を示す図である。 距離の類似性を通じて識別されているフォームの一実施形態を示す図である。

フォーム直線検出プロセスの一実施形態を示すフローチャートである。

結合成分をフォーム画像から抽出するプロセスの一実施形態を示すフローチャートである。

フォーム直線検出における線分統合における距離決定の一実施形態を示す図である。

統合された線分の一実施形態を示す図である。

フォーム直線検出における線分統合における角度決定の一実施形態を示す図である。

フォーム直線検出における線分統合における平行線距離決定の一実施形態を示す図である。

フォーム画像文字線分抽出プロセスの一実施形態を示すフローチャートである。

フォーム直線検出における文字線分フィルタリングの一実施形態を示す図である。

フォームカテゴリ認識プロセスの一実施形態を示すフローチャートである。

フォーム特徴を抽出するプロセスの一実施形態を示すフローチャートである。

フォームカテゴリ認識を経ているマルチレベル階層フォームを示す図である。

フォームに対して直線検出が実施された後に続く出力結果を示す図である。

フォーム出力結果に対して特徴点抽出が実施された後に続く特徴点を示す図である。

様々なモデルに対するフォームの類似性を計算するプロセスの一実施形態を示すフローチャートである。

フォームモデルを確立するプロセスの一実施形態を示すフローチャートである。

フォーム認識装置の一実施形態を示す構造ブロック図である。

フォーム認識のためのシステムの一実施形態を示す構造図である。

本発明は、プロセス、装置、システム、合成物、コンピュータ読み取り可能記憶媒体に実装されたコンピュータプログラム製品、並びに／又は結合先のメモリに記憶された命令及び／若しくは結合先のメモリによって提供される命令を実行するように構成されたプロセッサなどのプロセッサのような、数々の形態で実現することができる。本明細書では、これらの実現形態、又は本発明がとりえるその他のあらゆる形態が、技術と称されてよい。総じて、開示されるプロセスの各段階の順番は、本発明の範囲内で変更されてよい。別途明記されない限り、タスクを実施するように構成されるものとして説明されるプロセッサ又はメモリなどのコンポーネントは、所定時にタスクを実施するように一時的に構成された汎用コンポーネントとして、又はタスクを実施するように製造された特殊コンポーネントとして実装されてよい。本明細書で使用される「プロセッサ」という用語は、コンピュータプログラム命令などのデータを処理するように構成された１つ以上の機器、回路、並びに／又は処理コアを言う。

本発明の原理を例示す添付の図面とともに、以下で、本発明の１つ以上の実施形態の詳細な説明が提供される。本発明は、このような実施形態との関わりのもとで説明されるが、いずれの実施形態にも限定されない。本発明の範囲は、特許請求の範囲によってのみ限定され、本発明は、数々の代替形態、変更形態、及び均等物を包含している。以下の説明では、本発明の完全な理解を与えるために、数々の具体的詳細が明記されている。これらの詳細は、例示を目的として提供されるものであり、本発明は、これらの詳細の一部又は全部を伴わずとも、特許請求の範囲にしたがって実施されえる。明瞭を期するために、本発明に関係した技術分野で知られる技術要素は、本発明が不必要に不明瞭にされないように、詳細な説明を省略されている。

図１は、フォーム認識プロセスの一実施形態を示すフローチャートである。プロセス１００は、図２２のサーバ２２２０によって実行に移すことができ、以下を含む。

ステップ１１０において、サーバは、フォーム二値画像内のフォームの直線検出を実施し、そのフォームの複数のフォーム境界と、それらの様々なフォーム境界の間の複数の位置関係とを取得する。

フォームにおいて、線分は、通常は明確で真っ直ぐである。線分は、直線検出を経ると、フォームの複数のフォーム境界と、それらの複数のフォーム境界の間の位置関係とを生じる。フォームにおけるフォーム境界は、そのフォームにおける線分を示している。直線検出は、ハフ変換又は別の周知の技術によって実現することができる。

ステップ１２０において、サーバは、複数のフォーム境界と、それらの複数のフォーム境界の間の位置関係とに基づいて、フォームから一連の特徴を抽出し、フォームから特徴ベクトルを確定する。特徴ベクトルは、フォームの構造的特徴を示している。

ステップ１３０において、サーバは、フォームの特徴ベクトルに基づいて、フォームとテンプレートフォームとの間の類似性を計算する。

一部の実施形態では、「テンプレートフォーム」は、サーバに記憶されたフォームである。フォームモデルは、サンプルフォーム画像に対して直線検出及び特徴抽出を実施することによって確立される。一部の実施形態では、「テンプレートフォーム」は、手動で生成される。一部の実施形態では、「テンプレートフォーム」は、その他のやり方で生成されることが理解される。

ステップ１４０において、サーバは、計算された類似性に基づいてフォームを識別する。

一部の実施形態では、サーバは、ＢＭＰファイル、ＴＩＦファイル、ＪＰＥＧファイル、ＧＩＦファイル、ＰＮＧファイルなどのフォーム二値画像内のフォームの線分と、それらの線分の間の関係とを得るために、フォームの構造的特徴に基づいて、フォームに対して直線検出を実施する。つまり、サーバは、フォームの様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とを得る。次いで、サーバは、フォームのフォーム境界及び位置関係に関係した情報に基づいて、フォーム上の特徴を抽出し、フォームの特徴ベクトルを取得してフォームの構造的特徴を取得する。続いて、フォームは、フォームの構造手的特徴に基づいてテンプレートと突き合わされ、どのテンプレートがフォームに対する類似性が最も大きいか、つまり、当のフォームと比較して最も類似の構造を有するかを決定する。突き合わせの結果に基づいて、フォームのカテゴリが決定される。従来のシステムは、コンピュータへの便利で且つ迅速な入力のために、画像ファイル内又はフォーム画像内のフォームを正しく識別すること及び画像ファイル内のフォーム又はフォーム画像内のフォームを正確に識別することができないのが通例である。便宜上、「画像ファイル内のフォーム又はフォーム画像内のフォーム」は、以下では「フォーム画像」と総称される。

図２は、フォーム認識プロセスの別の一実施形態を示すフローチャートである。プロセス２００は、図２２のサーバ２２２０によって実行に移すことができ、以下を含む。

先ず、プロセス２００は、フォームに対する直線検出を実行するために結合成分解析を利用し、取得されたフォーム境界に対して更なる最適化処理を実行する。次に、フォーム特徴抽出を実施する前に、プロセス２００は、フォーム境界に対して文字線分フィルタリングを実施する。更に、プロセス２００は、特徴交点を抽出することによってフォーム特徴抽出を実現する。また、プロセス２００は、フォーム及びテンプレートフォームについて最も近い距離対２番目に近い距離の比率を決定することによって、正確なフォーム認識を実現する。

プロセス２００は、「田」の形状をした単純な２×２フォームの例を使用して説明される。

ステップ２１０において、サーバは、直線検出を実行するために、及びフォームの様々なフォーム境界を取得するために、及びそれらの様々なフォーム境界の間の位置関係を取得するために、フォーム二値画像内のフォームの各線分に対して結合成分解析を実施する。

一部の実施形態では、サーバは、各線分に対して結合成分解析を行う、つまり、フォームの各線分に対し、サーバは、各線分上の設定点（例えば、設定点は、起点、終点、又は線分上のその他の任意の設定点に相当する）を起点として使用する。結合成分解析は、起点の隣接画素に対して実施され、それらの（１つ以上の）画素の隣接画素もまた、起点に隣接すると見なされ、以下同様に続いて直線の結合成分が取得される。次いで、サーバは、各直線の結合成分上の各画素について、各直線に垂直な結合成分の画素の数を取得する。サーバは、直線の結合成分上の各画素についての各直線に垂直な結合成分の画素の数に基づいて、各直線の平均線幅を取得する。サーバは、各画素が直線の結合成分上に位置しているところの線幅が、平均線幅よりも大きいか否かを決定する。線幅が平均線幅よりも大きい場合は、サーバは、平均線幅よりも大きい画素が位置しているところの線幅に対して線幅除去処理を実施する。線幅除去処理を実施した後、サーバは、線幅除去処理を経た各直線に基づいて、フォームのフォーム境界を取得する。一部の実施形態では、これと実質的に同時に、サーバは、結合成分の間の位置関係に基づいて、線分起点においてフォーム境界Ａがフォーム境界Ｂに垂直であるなどのような、様々なフォーム境界の間の位置関係も取得する。

検出された直線は、主に水平フォーム線及び垂直フォーム線であるので、位置関係は、水平線間の上下の関係、垂直線間の左右の関係、及び相交わるか隅で交わるかのいずれかである水平線と垂直線との間の交わり関係である。これらの位置関係は、直線の終点座標に基づいて決定することができる。

一部の実施形態では、サーバは、平均線幅よりも大きい画素が位置しているところの線幅に対して線幅除去処理を実施する場合に、平均線幅よりも大きい画素を直線の結合成分から除去する。続いて、サーバは、除去された画素が直線内に位置していたか否かを決定する。除去された画素が直線内に位置していた場合は、サーバは、除去された画素の両側で線分統合を実施する。

上記のプロセス２００を実施することによって、サーバは、なかでも特に、ぼやけた粗いフォーム画像などの、比較的低品質のフォーム画像を効果的に処理することができる。

図３Ａは、フォームの一実施形態を示す図である。フォームは、「田」形状のフォームである。以下の例は、「田」形状のフォームにおける第２の水平線に関するものである。結合成分解析によって実行されるフォーム直線検出プロセスが説明される。図３Ｂは、水平直線の一実施形態を示す図である。

直線の結合成分解析を行うための起点として、第２の水平線の設定点（例えば、図３Ｂにおける画素１）が取り上げられる。例えば、サーバは、第２の水平直線の起点画素として現画素（つまり、画素１）を設定し、水平方向に（左側又は右側に）現画素に隣接する次の画素が存在するか否かを決定する。この例では、その他の画素１に対しても、結合成分解析が実施される。つまり、異なる線幅に対応するために、結合成分解析は、両方の画素１に対して、すなわち各画素１に対して実施される。この例は、起点画素の右側に次の画素が位置していることを示している。現画素に水平方向に隣接する次の画素が存在する場合は、サーバは、次の画素を結合成分領域に追加し、該追加された次の画素を現画素であると見なす。サーバは、再び、水平方向に隣接する画素が存在するか否かを決定し、現画素に隣接する画素が存在しなくなるまで決定を続ける。こうして、サーバは、直線結合成分（例えば、図３Ｂの画素１−２−３−４−５−６−７−８）を得る。一部の実施形態では、この例のように、フォームが単純で明確なときは、第２の水平線の結合成分は、線全体を網羅している。実施形態によっては、何らかの複雑なフォームの場合に、直線に対して実施される結合成分解析によって複数の結合成分が生じる。

結合成分上の各画素について、サーバは、直線に垂直な画素を直線上の一点であると見なす。例えば、異なる線幅に対応するために、図３Ｂの画素１において垂直方向にある全ての画素が、画素１として記される。この状況では、直線の結合成分上の各画素に垂直な結合成分の画素の数を得ることが可能である。一部の実施形態では、このステップ（処理、操作）は、直線に対して結合成分解析を実施する前に、直線に対して実施される。この時点では、第２の水平線の結合成分について垂直結合成分が取得された後に、直線上の各画素について直線に垂直な結合成分の画素の数を取得することが可能である。

線の平均幅の計算は、線に垂直な結合成分の画素の数に基づく。上記の例では、線の平均幅は、第２の水平線上の垂直画素の平均数に相当する。平均線幅が、Ｎ（画素）であると想定する。結合成分上の各画素点について、結合成分の或る場所、すなわち現位置の線幅（垂直画素の数）が閾値よりも大きい場合に、又は線幅対Ｎの比率が既定の閾値を超える場合に、その画素点が位置しているところの線幅に対して線幅除去処理が実施される。例えば、過剰な線幅を有する画素点が除去される、又は画素点が結合成分から除去される。除去された画素点が直線内に位置している場合は、直線は、２本の線分に分断される。次いで、それらの２本の線分は、統合される。図３Ｂを一例として使用すると、Ｎは、水平直線の平均線幅であり、（２＋３＋３＋４＋２＋３＋３＋１）／８＝２１／８＝２．６２５である。線幅対Ｎの比率の閾値が１．２であると想定すると、１．２×２．６２５＝３．１５である。つまり、垂直画素の数が３．１５を超える場合、画素除去が実施される（例えば、図３Ｂにおける画素４）。除去された画素が直線の中ほどに見られる場合（例えば、図３Ｂの画素４）は、直線は、２本の直線（１−２−３）と（５−６−７−８）とに分断される。したがって、ノイズ、文字、及び垂直線による影響を排除することが可能である。

一部の実施形態では、垂直線の直線検出が、上述された水平線の直線検出に対応する。

図２に戻り、ステップ２２０において、サーバは、文字の線であると見なされる線を除去するために、取得されたフォームの様々なフォーム境界に対して文字線分フィルタリングを実施する。一部の実施形態では、文字線分は、フォーム境界と混同されやすい恐れがあるゆえに、フィルタリングによって除去される。

文字線分フィルタリングは、フォームの様々なフォーム境界の線分長さが第４の設定既定値以下であるか否かを決定することを含む。フォームの様々なフォーム境界の線分長さが第４の設定閾値以下である場合は、サーバは、その線分長さが第４の設定閾値以下であるフォーム境界を除去する。

ステップ２２０において、第４の閾値は、多くのやり方で設定される。例えば、第４の閾値は、テスト結果に基づいて設定される、経験値に基づいて設定される、又はその他の何らかの適切なやり方で設定される。一部の実施形態では、第４の閾値は、以下のように設定される。すなわち、フォームの様々なフォーム境界において最大の結合成分の長さを取得して、該最大の結合成分の長さを複数の長さ間隔に分け、様々なフォーム境界における各結合成分を、各結合成分の長さに基づいて、複数の長さ間隔のうちの１つの長さ間隔に振り分け、複数の長さ間隔の長さと、その長さ間隔の結合成分の数とに基づいて、線分長さ分布ヒストグラムを作成し、ヒストグラムにおけるｙ座標の最高点に対応する長さを、第４の閾値として確定する。

一部の実施形態では、取得されたフォームのフォーム境界は、多くの文字線分を有する。通常、（文字の線に対応する）線分の長さは、直線又はフォーム境界と比べて小さく、既定の閾値を用いてフィルタリングによって除去することができる。一部の実施形態では、既定の閾値は、１０〜２０画素であるが、しかしながら、既定の閾値は、その他の値に設定することができる。文字線分フィルタリングは、フォーム認識の正確さを向上させ、フォーム認識に対する文字の影響を軽減する。

上記の文字線分フィルタリングステップは、随意のステップであり、純粋にフォーム画像である一部のフォーム（つまり、テキストすなわち文字のみのフォーム、又はテキストすなわち文字を伴わないフォーム）の場合は省略することができる。

ステップ２３０において、サーバは、様々なフォーム境界が文字線分フィルタリングを経て且つ様々なフォーム境界の間の位置関係が取得された後に、それらの様々なフォーム境界に基づいてフォームに対して特徴抽出を実施してフォームから特徴ベクトルを取得する。

一部の実施形態では、サーバは、様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とに基づいて、フォーム境界の様々な交点を抽出し、それらの様々な交点に関する情報を取得し、それらの様々なフォーム境界のなかから、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得する。サーバは、様々な交点に関する情報、水平方向のフォーム境界に関する情報、及び垂直方向のフォーム境界に関する情報に基づいて、フォームの特徴ベクトルを取得する。

例えば、図４に示されるような単純な「田」形状のフォームは、抽出することができる合計９タイプの交点（特徴点とも呼ばれる）を有する一般的なフォームである。フォーム特性に基づくと、抽出することができる９タイプの特徴点には、北西特徴点タイプ（図４における３つのＮＷ特徴点）と、北特徴点（図４における４つのＮ特徴点）と、北東特徴点（図４における３つのＮＥ特徴点）と、東特徴点（図４における４つのＥ特徴点）と、南東特徴点（図４における３つのＳＥ特徴点）と、南特徴点（図４における４つのＳ特徴点）と、南西特徴点（図４における３つのＳＷ特徴点）と、西特徴点（図４における４つのＷ特徴点）と、中心特徴点（図４における５つのＭ特徴点）とがある。

代表的なフォームは、抽出することができる９タイプの交点を有する。事前に抽出された各線分の起点座標及び終点座標を使用して、様々なタイプの交点が抽出される。

一部の実施形態では、９タイプの特徴点を抽出することに加えて、サーバは、水平直線及び垂直直線（つまり、フォーム境界）に関係した量情報などの情報を抽出する。つまり、サーバは、水平直線及び垂直直線の本数を抽出する。

したがって、サーバは、合計１１タイプの特徴を抽出する。サーバは、これらの特徴を、フォームの構造的特徴を記述する特徴ベクトルとして出力し、ここで、特徴は、特徴点、水平直線、及び垂直直線に関係するものである。例えば、図１７を一例として使用すると、フォームについて、各次元（Ｎ、ＮＥ、Ｅ、ＳＥ、Ｓ、ＳＷ、Ｗ、ＮＷ、Ｍ、Ｈ、Ｖ）の発生が合計されて１１次元の特徴ベクトル（例えば、（１０，１，６，１，１０，１，６，１，１３，８，１２））が与えられる。

特徴点は、座標ではなく、様々な種類の境界特徴についての統計値である。直線検出を経たフォーム画像において、画素は、１１の状態、すなわち北西画素、北画素、北東画素、東画素、南東画素、南画素、南西画素、西画素、中心画素、水平線、及び垂直線のうちの１つを有する。線及び画素の座標値は不要である。フォーム画像におけるフォームの構造的特徴を得るために、１１タイプのうちの各タイプに属している特徴の数が数えられる。

図２に戻り、ステップ２４０において、サーバは、フォームの特徴ベクトル、及び様々なテンプレートフォームの特徴ベクトルについて、最も近い距離対２番目に近い距離の比率を計算し、該計算に基づいて、フォームを識別する。様々なテンプレートフォームは、異なる数の行、異なる数の列、間隔の差、フォーマットの差、又はこれらの任意の組み合わせを有する。

ステップ２４０において、「最も近い距離」は、フォームの特徴ベクトルから様々なテンプレートフォームの特徴ベクトルまでの全ての距離のなかで最も小さい値を有する距離を言う。最も近い距離に対応しているテンプレートフォームは、全てのテンプレートフォームのなかで、識別されるべきフォームに最も類似しているテンプレートフォームである。「２番目に近い距離」は、全ての距離値のなかで２番目に小さい値を有することを言う。「２番目に近い距離」よりも小さいのは、「最も近い距離」のみである。

最も近い距離対２番目に近い距離の比率が設定比率以上であり、フォームと、最も近い距離に対応するテンプレートフォームとの間の類似性が最も高いことが確認された場合に、フォームは、そのテンプレートフォームカテゴリに属すると見なされる。テンプレートフォームカテゴリは、テンプレートフォームによって表されるフォームのタイプを言い、１つのテンプレートフォームであってもよい。最も近い距離対２番目に近い距離の比率が設定値未満である場合は、フォームは、様々なテンプレートフォームのいずれとも類似していないことが確認される。

図５及び図６は、距離の類似性を通じて識別されているフォームの実施形態を示す図である。

フォームを識別するために最も近い距離対２番目に近い距離の比率を使用することには、多くの理由がある。例えば、サーバが既に「最も近い距離」を抽出していると想定すると、入力フォームがカテゴリに属しているか否かを決定するには様々な方法がある。たとえもし、対応するテンプレートフォームを入力フォームが持たないとしても、その入力フォームについて最も近い距離の値を計算することは可能である。入力フォームがカテゴリに属しているか否かを決定する方法の１つは、閾値ｓを設定することを含む。最も近い距離がｓ未満である場合は、入力フォームはそのカテゴリのフォームに属している。最も近い距離がｓ未満でない場合は、入力フォームは、フォームライブラリ内のいずれのカテゴリにも属していない。この方法の欠点は、明確な判定ｓ値を見つけることが予想以上に難しいことにある。このようなｓ値は、多くの手動テストを経て初めて決定することができる。別の一方法は、閾値ｓを設定しつつ、２番目に近い距離も見つけ、最も近い距離対２番目に近い距離の比率を計算することである。図５及び図６に示されるように、比率がｓよりも大きい場合は、フォームは、「最も近い距離」カテゴリに属していると見なされ、比率がｓ以下である場合は、フォームは、フォームライブラリ内のいずれのカテゴリにも属していない。最も近い距離と２番目に近い距離との間に大きな差がある場合は、入力フォームは、Ｓ０カテゴリに属している可能性が高い。図５に示されるように、Ｔ０とＴ１（最も近い距離及び２番目に近い距離をそれぞれ表している）との差は、極めて大きく、入力フォームは、Ｓ０カテゴリに属している。最も近い距離と２番目に近い距離との間の差が最小である場合は、入力フォームは、サンプル集合内のいずれのカテゴリにも属していない可能性が高い。図６に示されるように、Ｔ０とＴ１との差が十分に大きくないので、入力フォームは、サンプル集合内のいずれのカテゴリにも属していない可能性が高い。したがって、サーバは、フォームが属しているカテゴリを効果的に識別する。

フォームがカテゴリに属しているか否かを決定するために、２つのフォームを表す２つのベクトルの間のユークリッド距離が計算される。例えば、２つの同一フォームは、距離０を有する。２つのフォームの差が大きいほど、計算される距離が大きくなる。

２つのフォームが類似しているか否かを決定する第１のやり方は、閾値を設定することである。距離が閾値未満である場合、２つのフォームは類似している。しかしながら、異なるフォームは、異なる閾値を有する（例えば、複雑なフォームのための閾値は、単純なフォームのための閾値とは異なる）。

２つのフォームが類似しているか否かを決定する第２のやり方は、相対閾値を設定することである。例えば、相対閾値が０．７であり、１００個の異なるフォームテンプレートがあると想定する。フォームが入力された後、最も近い（Ｎ１）フォームテンプレート及び２番目に近い（Ｎ２）フォームテンプレートについて検索が行われ、距離Ｔ０及びＴ１がそれぞれ計算される。Ｔ０対Ｔ１の比率は、Ｎ１が相対閾値を満足させるフォームテンプレートであるか否かを決定するために使用される。Ｔ０とＴ１とが近い場合、入力フォームとＮ１とは一致せず、そうでなく、Ｔ０が大幅にＴ１未満である場合、入力フォームはＮ１に一致する。

一部の実施形態では、サーバは、フォーム画像線分に対して結合成分解析を実施することによって、フォーム境界を取得する。フォーム画像線分は、直線である。通常、入力フォームは、２つのタイプの線又は線分しか有さず、サーバは、線分どうしを区別する。サーバは、フォーム境界をより正確で且つより有効にするために、フォーム境界に対して線幅除去処理及び文字線分フィルタリングを行う。フォーム特徴点を抽出することによって、フォームの構造的特徴が取得される。続いて、サーバは、類似性の解析に基づいて、フォームに最も類似するテンプレートフォームを決定し、それによって、フォームを識別する。したがって、サーバは、コンピュータへの便利で且つ迅速な入力のために、画像ファイル内又はフォーム画像内のフォームを正しく識別するとともに、画像ファイル内のフォーム又はフォーム画像内のフォームを正確に識別する。

図７は、フォーム直線検出プロセスの一実施形態を示すフローチャートである。一部の実施形態では、プロセス７００は、図２のステップ２１０を実行に移したものであり、以下を含む。

プロセス７００は、本出願の、フォーム直線検出態様及びフォームカテゴリ認識態様を説明している。フォーム直線検出態様では、該態様は、フォーム境界の統合に関係するステップを含む。フォームカテゴリ認識態様では、該態様は、フォームの多解像度処理に関係するステップを含む。また、フォームモデルの確立も説明される。

先ず、フォーム直線検出態様は、フォーム画像を受信することと、フォーム画像を前処理することと、フォーム画像結合成分を抽出することと、フォーム画像線分を統合することと、フォーム画像文字線分をフィルタリングすることと、検出されたフォーム画像直線を出力することとを含む。

ステップ７１０において、サーバは、入力されたフォーム画像を受信する。

入力画像ソースには、スクリーンショット、写真取り込み、スキャナ取り込み、又はその他の方法を通じて得られた画像がある。入力フォームのカテゴリには、電子的な形態、紙片、産業用のデッサンなどがある。

ステップ７２０において、サーバは、フォーム画像を前処理する。

前処理には、入力されたフォーム画像のグレースケール処理及び二値処理がある。一部の実施形態では、前処理された出力画像は、黒及び白の２色のみを含む。

ステップ７３０において、サーバは、フォーム画像から結合成分を抽出する。

一部の実施形態では、サーバは、結合成分方法に基づいて直線を抽出する。これは、斜めの直線に関連する問題を効果的に回避する。例えば、フォームをスキャンするときに、線は、真っ直ぐではなく斜めにスキャンされるかもしれない。これらの斜めの線には、通常の水平／垂直スキャンは適切でない。

図８は、フォーム画像から結合成分を抽出するプロセスの一実施形態を示すフローチャートである。一部の実施形態では、プロセス８００は、図７のステップ７３０を実行に移したものであり、以下を含む。

フォーム境界は、通常は、実質的に水平又は垂直な構造を見せるので、プロセス８００が、使用される。

一例として、プロセス８００は、水平直線を検出する。

ステップ８１０において、サーバは、直線上の一点として処理するために、垂直方向の結合画素を収集する。一部の実施形態では、直線は、異なる線幅に適合可能である。

処理されたフォーム画像には、曖昧さ、粗さ、及びその他の同様な条件を伴う低品質のものがあるという事実に鑑みて、各画素に垂直に結合された画素は、水平直線検出の際に、直線の要素であると見なされる。

ステップ８２０において、水平方向に（左側又は右側に）現画素に隣接する画素が存在する場合に、サーバは、現画素を結合領域に追加する。

ステップ８３０において、サーバは、抽出された結合成分の平均幅（つまり、水平線上における垂直画素の平均数）を計算する。平均幅が、Ｎであると想定する。領域内の各水平座標について、現位置における線幅（垂直画素の数）対Ｎの比率が閾値を超える場合は、サーバは、結合成分から現位置を除去する。現位置が直線内にある場合は、現位置の除去は、直線を２本の線分に分断する。このステップは、ノイズ、文字、及び垂直線による影響を軽減する。

垂直直線検出方法は、水平直線検出方法と同様であり、同様なやり方で実行される。

再び図７を参照すると、ステップ７４０において、サーバは、フォーム画像線分を統合する。

通常は、文字線分は長さが短く、また、同じ長さを有する文字線分の度数は、多くの文字線分が同様な長さを有するゆえに高くなる。図１３のヒストグラムは、文字線分の比較的集中した分布を反映しており、通常は、文字線分は、短い長さを有する領域に現れる。

フォーム画像線分の統合は、もとは１本の線であると見なされていたが何らかの理由で分断されることになった複数の直線を統合することを含む。統合ステップ中は、同じ方向に伸びている隣り合う２本のフォーム境界が統合によって１本の線分にされるべきか否かを決定するために、ルールに基づく決定がなされる。隣り合う２本のフォーム境界が統合されるべきである場合、隣り合うそれらの２本のフォーム境界は、線分統合を施される。一部の実施形態では、Ａ）サーバは、同じ方向に伸びている隣り合う２本のフォーム境界の間の距離を取得し、該距離を第１の設定閾値と比較し、第１の設定閾値に照らした上記距離の比較に基づいて、線分統合を実施するかべきどうかを決定する、Ｂ）サーバは、同じ方向に伸びている隣り合う２本のフォーム境界の類似性を取得し、該類似性に基づいて、線分統合を実施するべきか否かを決定する、又はＣ）これらの組み合わせを行う。第１の閾値の一例は、１２画素である。一部の実施形態では、Ａ）サーバは、同じ方向に伸びている隣り合う２本のフォーム境界の類似性を取得し、該類似性に基づいて、線分統合を実施するべきか否かを決定する、Ｂ）サーバは、同じ方向に伸びている隣り合う２本のフォーム境界の間の角度を取得し、該角度を第２の設定閾値と比較し、該比較に基づいて、線分統合を実施するべきか否かを決定する、Ｃ）サーバは、同じ方向に伸びている隣り合う２本のフォーム境界の間の平行距離を取得し、該平行距離を第３の設定閾値と比較し、該比較に基づいて、線分統合を実施するべきか否かを決定する、又はＤ）これらの任意の組み合わせを行う。第２の閾値の一例は、５度である。

つまり、２本の直線線分の統合は、以下の条件のうちの少なくとも１つを満たす必要がある。

条件Ａ：２本の線分の間の最も近い距離（つまり、左側の線の右端と、右側の線の左端）が、設定閾値未満である。一部の実施形態では、閾値は、１２画素に設定される。上記距離が閾値未満である場合は、線の分断は、正常であると見なされ、２本の線分は、統合される。一態様としては、２本の線は、もとは別々であったと見なされ、統合されない。

図９Ａは、フォーム直線検出における線分統合における距離決定の一実施形態を示す図である。Ｔ１が設定閾値未満であるときに、２本の線分（左側の結合成分１−２−３−４−５−６−７−８及び右側の結合成分１−２−３−４−５−６−７−８）は、統合される。Ｔ１が設定閾値以上であるときは、２本の線分は、統合されない。図９Ｂは、統合された線分の一実施形態を示す図である。統合された線分は、隙間を満たされて、統合された線分を形成している。一部の実施形態では、隙間は、１画素の幅を有する線で満たされる。一部の実施形態では、隙間は、２画素以上の幅を有する線で満たされる。

条件Ｂ：２本の線分の類似性が、設定閾値未満である。２本の線分の類似性、すなわち２本の線分が同じ線を構成している可能性が、計算される。

類似性の計算は、各直線の中心画素位置を計算することと、次いで、線適合方法（例えば、最小二乗近似法）を用いて各直線の近似式を得ることとを含む。２本の線分が同じ線である可能性を測るために、２つの措置が使用される。

第１の措置は、２本の線分の間の角度（コサインの定理を通じて得ることができる）の決定に基づく。図１０は、フォーム直線検出における線分統合における角度決定の一実施形態を示す図である。サーバは、抽出された任意の２つの結合成分の垂直中心点を計算し、それらの中心点に基づいて、最も近い直線を適合させる。２つの結合成分の間の角度は、幾何学形状に基づいて計算され、それによって、結合成分の間の角度の計算が実現される。角度が小さいほど、２本の線が同じ直線に属する可能性が増す。

第２の措置は、２つの結合成分の間の平行距離の決定に基づく。一部の実施形態では、平行距離は、第２の線分画素中心から第１の線分までの点と線との距離の二乗平均の和によって表される。図１１は、フォーム直線検出における線分統合における平行線距離決定の一実施形態を示す図である。抽出された任意の２つの結合成分の場合に、サーバは、左側の結合成分の中心を通る直線を適合させ、次いで、右側の結合成分の各中心点から、上記の線を延長した線までの距離の二乗の和を計算する。サーバは、そうして、結合成分の間の平行距離を計算する。平行距離が短いほど、２本の線が同じ線である可能性が増す。一部の実施形態では、第１の措置のための閾値は、５度であり、第２の措置のための閾値は、第２の結合成分の平均線幅の二乗の平均の２倍である。つまり、２本の線分は、２本の線分がこれらの条件を両方とも満たすときに、統合されて１本の線にされる。

線分統合は、通常は、複雑な又は画像品質が悪く尚且つ「もとは１本の線だったが何かしらの理由で分断されたフォーム線」という現象に見舞われた何らかのフォーム画像のための、救済措置である。線分統合は、単純で鮮明なフォーム画像の場合は随意である。

再び図７を参照すると、ステップ７５０において、サーバは、フォーム画像文字線分をフィルタリングによって除去する。

一部の実施形態では、上記の線分統合の結果は、文字線分を含むことができる。通常は、（例えば、文字の線に対応する）文字線分の長さは、フォーム境界と比べて小さく、設定閾値を用いてフィルタリングによって除去される。設定閾値の一例は、２０画素である。

図１２は、フォーム画像文字線分抽出プロセスの一実施形態を示すフローチャートである。一部の実施形態では、プロセス１２００は、ステップ７５０を実行に移したものである。

プロセス１２００は、上記の出力結果に基づいて線の長さのヒストグラムを作成する自動の閾値抽出プロセスを含む。

ステップ１２１０において、サーバは、前回の出力結果のなかで最も長い結合領域の長さを得る。

ステップ１２２０において、サーバは、最も長い結合領域をＭ個の等間隔に分割する。

ステップ１２３０において、各線分について、サーバは、各線分をその長さにしたがって１つの間隔に振り分けて、その間隔についてのカウンタを１つ加算する。

ステップ１２４０において、サーバは、振り分けられた線分に基づいて、線分の分布のヒストグラムを作成する。サーバは、最も高い点に対応する長さを、文字線分の長さとして機能するものとして選択する。したがって、水平方向及び垂直方向において、文字幅及び文字高さをそれぞれ得ることが可能であり、サーバは、これらの文字幅及び文字高さを、線分をふるい分けするための閾値として使用する。文字幅及び文字高さは、事前に設定されるのではなく、ヒストグラムの解析に基づいて決定される。ヒストグラムのピークに対応する線分長さは、文字線分長さとして使用される。

ステップ１２５０において、サーバは、閾値よりも高い線分（つまり、閾値よりも右側の間隔に振り分けられた線分）のみを保持する。

図１３は、フォーム直線検出における文字線分フィルタリングの一実施形態を示す図である。図１２の、上記の文字線分フィルタリングプロセスは、図１３に照らして説明されている。

一例として、全ての長さが、画素数で表されている。最も長い結合成分の長さ（検出された最も長い直線によって表される）が、５００であると想定し、Ｍ＝１００とする。つまり、空間全体が、合計１００の間隔（０、５、１０、．．．．．．、４９５、５００）に区別される。サーバは、フォーム画像全体における検出された直線の画素長さに基づいて、ヒストグラムを作成する。ｘ座標は、画素間隔であり、ｙ座標は、度数である。なお、「Ｍ＝１００」は、例示のための一例に過ぎないことに留意せよ。実際の適用では、Ｍの値は、実際の条件にしたがって設定することができる。写真が大きければ、多数の画素が存在する。したがって、Ｍは、適宜増減される。

上記の直線検出は、（真のフォーム境界及び文字線線分を含む）複数の直線線分を出力する。ほぼ全ての状況において、フォーム境界は、文字線線分よりも長く且つ少数である（特に、ぎっしり詰まったテキストが含まれる場合はそうである）。したがって、このステップは、ピーク値を与えられた閾値（図１３において丸で囲われた部分に対応する文字線分の長さ）を検出し、該閾値よりも大きい線分（真のフォーム境界）のみを保持する。

一部の実施形態では、文字線分フィルタリングは、訓練を必要とする。訓練プロセス又は認識プロセスの際に、入力フォーム画像は、大量のテキスト入力内容を含む。フォームに入力される文字の量が設定値よりも大きい場合は、入力文字は、フォーム境界と比べて小さい直線を形成し、これは、後続のステップに対して影響を及ぼすだろう。文字線分をフィルタリングによって除去すること、及びフォーム認識に対するテキスト入力内容の影響を軽減することによって、精度が高まる。

図７に戻り、ステップ７６０において、サーバは、フォーム画像直線検出結果を出力する。

また、各線分について、サーバは、Ｐｓｔａｒｔすなわち起点座標と、Ｐｅｎｄすなわち終点座標と、Ｌすなわち長さと、Ｗすなわち平均幅とを保持する。

フォームに対して直線検出を実施した後、サーバは、フォームカテゴリ認識を実施する。

図１４は、フォームカテゴリ認識プロセスの一実施形態を示すフローチャートである。プロセス１４００は、図７のプロセス７００の後に実施され、以下を含む。

ステップ１４１０において、サーバは、フォーム特徴を抽出する。

異なるタイプのフォームは、異なる構造を有する。一部の実施形態では、フォームを記述し、フォームの構造的特徴を取得し、該フォーム構造的特徴に基づいてフォームカテゴリを決定するために、一般的な手法が使用される。

図１５は、フォーム特徴を抽出するプロセスの一実施形態を示すフローチャートである。一部の実施形態では、プロセス１５００は、ステップ１４１０を実行に移したものであり、以下を含む。

ステップ１５１０において、サーバは、交点（特徴点）を抽出する。一般的なフォームは、抽出することができる合計９タイプの交点を有する。事前に抽出された各線分は、少なくとも起点座標と終点座標とを含み、これは、特徴点を抽出するために使用することができる。図４を参照すると、一部の実施形態では、特徴点抽出は、抽出されている９タイプの特徴点、すなわち北西特徴点、北特徴点、北東特徴点、東特徴点、南東特徴点、南特徴点、南西特徴点、西特徴点、及び中心特徴点を含むフォーム特性に基づく。

図１６は、フォームカテゴリ認識を経ているマルチレベル階層フォームを示す図である。図１７は、フォームに対して直線検出が実施された後に続く出力結果を示す図である。図１８は、フォーム出力結果に対して特徴点抽出が実施された後に続く特徴点を示す図である。

図１６のフォームを一例として使用し、フォームが直線検出を経た後の出力フォームが、図１７に示されている。図１７に描かれているフォームは、図１８に示されるように、交点抽出を経る。ここで、ＮＷは、北西特徴点を示し、Ｎは、北特徴点を示し、ＮＥは、北東特徴点を示し、Ｅは、東特徴点を示し、ＳＥは、南東特徴点を示し、Ｓは、南特徴点を示し、ＳＷは、南西特徴点を示し、Ｗは、西特徴点を示し、Ｍは、中心特徴点を示している。また、水平線の数（Ｈ＝８）及び垂直線の数（Ｖ＝１２）が存在する。各次元（Ｎ、ＮＥ、Ｅ、ＳＥ、Ｓ、ＳＷ、Ｗ、ＮＷ、Ｍ、Ｈ、Ｖ）の発生が合計され、これらの次元に基づいて、このフォームについての１１次元（１０，１，６，１，１０，１，６，１，１３，８，１２）特徴ベクトルが与えられる。

精度の向上を実現するために、フォームに対して多重解像度処理が実施される。多重解像度処理下では、フォームの特徴ベクトルは、異なる部分窓下にある上記の各次元特徴を合計したものである。

図１５に戻り、ステップ１５２０において、サーバは、フォームの外枠領域を決定する。フォームの外枠領域は、上記の抽出された４隅特徴点に基づいて決定される。

ステップ１５３０において、サーバは、多重解像度処理を実施する。フォームが位置付けられた領域を得た後、第１の段階は、例えばフォームを６４０×４８０に均一に縮小又は拡大するなどのように、フォームのサイズを正規化することである。サーバは、正規化画像をＮ×Ｎ個のブロックに分ける。図１６に示されるように、元の画像は、３つのレベルに分けられる。

第１のレベルでは、元の画像から１１の次元が抽出される。次に、第２のレベルでは、元の画像は、２×２＝４の小領域に分けられ、したがって、次元は、４×１１＝４４である。第３のレベルでは、元の画像は、４×４＝１６の小領域に分けられ、したがって、次元は、１６×１１＝１７６である。第１、第２、及び第３のレベルの次元は、足し合わされ、次元の合計は、１１＋４４＋１７６＝２３１になる。

ステップ１５４０において、サーバは、特徴抽出を実施する。現例によって、合計１１タイプの特徴が抽出される。これらの１１タイプの特徴は、ステップ１５２０において抽出された９つの特徴量と、水平線及び垂直線とを含む。つまり、サーバは、複数ブロックのフォームのうちの各フォームブロック内の様々なフォーム境界とそれらの様々なフォーム境界の間の関係とに基づいて、各フォームブロックから様々な交点を抽出し、各フォームブロック内のフォーム境界の様々な交点を抽出し、各フォームブロック内の様々な交点に関する情報を取得し、各フォームブロック内の水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得する。

ステップ１５５０において、サーバは、特徴ヒストグラムを作成する。図１６のマルチレベル階層画像から、様々な画像小窓についての特徴量が抽出される。特徴量は、次いで、特徴ヒストグラムを形成するために統合される。図１６における３層画像の場合、合計で（１＋４＋１６）×１１＝２３１次元の特徴が抽出される。

ステップ１５６０において、サーバは、特徴を出力する。上記の２３１次元の特徴は、フォームの構造を記述するための特徴ベクトル出力と見なされる。

上記より、フォーム認識のための１１次元ベクトルの使用は、結果として大量の誤差（例えば、次元の不足や情報の不十分など）をもたらすが、多重解像度処理を通じて、認識の正確さは高まる。例えば、テキストにおいて３つの解像度（１、２ｘ２、４ｘ４）を使用することによって、最終的な結果は１１ｘ２１＝２３１次元になり、認識の正確さが高まる。

ステップ１４２０において、サーバは、様々なモデル（テンプレートフォーム）に対する類似性を計算し、フォームが属しているフォームカテゴリを決定する。

例えば、入力フォームの特徴ベクトルから様々なテンプレートフォームの特徴ベクトルまでのユークリッド距離が計算される。入力フォームがフォームテンプレートライブラリに属していることが知られている場合は、サーバは、ユークリッド距離が最も短いフォームタイプを直接返す。そうでない場合は、サーバは、様々なモデルに対するフォームの類似性を計算する。

図１９は、様々なモデルに対するフォームの類似性を計算するプロセスの一実施形態を示すフローチャートである。一部の実施形態では、プロセス１９００は、ステップ１４２０を実行に移したものであり、以下を含む。

ステップ１９１０において、サーバは、様々なテンプレートフォーム及び入力フォーム画像内のフォームから、最も近いユークリッド距離対２番目に近いユークリッド距離の比率を計算する。

ステップ１９２０において、サーバは、比率がＴ以上であるか否かを決定する。

ステップ１９３０において、比率がＴ以上である場合は、サーバは、入力フォーム画像に最も近いテンプレートフォームを返送する。

ステップ１９４０において、比率がＴ未満である場合は、サーバは、入力フォーム画像がいずれのテンプレートフォームにも一致しないと決定する。一部の実施形態では、Ｔは、３に設定される。

図２０は、フォームモデルを確立するプロセスの一実施形態を示すフローチャートである。一部の実施形態では、プロセス２０００は、図１４のステップ１４１０の後に実行され、以下を含む。

この例では、プロセス２０００を通じてフォームモデル（すなわち、テンプレートフォーム）が設定される。プロセス２００は、サンプル写真（フォームテンプレート）の入力と、サンプル写真の直線の検出及び抽出と、サンプル写真の特徴の抽出と、フォームモデルの確立とを含む。

一部の実施形態では、サンプル写真（フォームテンプレート）の入力と、サンプル写真の直線の検出及び抽出とは、フォーム直線検出プロセス７００の関連部分を参照にして進められる。サンプル写真の特徴の抽出については、該特徴抽出は、ステップ１４１０を参照にして進めることができる。

ステップ２０１０において、サンプル写真内のフォームに対する特徴の抽出と、特徴ベクトルの抽出とが実施された後、サーバは、これらの特徴ベクトルを、フォームのカテゴリを記述するモデル出力と見なし、それによって、テンプレートフォームを作成する。

例えば、異なるフォームテンプレート（送り状Ａ、フォームＢ、返済フォームＣなど）が用意される。システムは、これらの様々なフォームテンプレートに対して直線検出及び特徴抽出を行う。最終的な訓練出力結果は、Ａ：｛２３１次元ベクトル｝、Ｂ：｛２３１次元ベクトル｝、及びＣ：｛２３１次元ベクトル｝によって示されるように、各フォームモデルが多次元ベクトル（例えば２３１次元）に対応しているものになる。

フォーム写真構造のための自動認識プロセスが提供される。自動認識プロセスは、フォーム写真の直線検出において、明るさ、傾き、断絶、ノイズ、及び様々な線分幅を強力に中和させる。一部の実施形態では、入力フォーム画像は、スクリーンショット、写真撮影、スキャナ取り込み、又はその他の方法を通じて取得される。一部の実施形態では、画像ソースは、電子的な形態又は手書きのチャートである。更に、写真の品質に関する要件はない。サンプルライブラリが多くのテンプレートフォームを含んでいるときは、個々の入力フォームが属しているカテゴリを、訓練を通じて自動的に認識するための、フォーム特徴記述方法が存在する。更に、訓練プロセスを排除することによって、認識プロセス全体を、いかなる人手の介入も伴わずに自動化することが可能である。

図２１は、フォーム認識装置の一実施形態を示す構造的ブロック図である。一部の実施形態では、装置２１００は、図２２のサーバ２２２０の一実現形態であり、直線検出モジュール２１１０と、特徴抽出モジュール２１２０と、類似性計算モジュール２１３０と、フォーム認識モジュール２１４０とを含む。

直線検出モジュール２１１０は、フォーム二値画像内のフォームの直線検出を実施し、フォームの様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とを取得する。

特徴抽出モジュール２１２０は、様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とに基づいて、フォームから特徴を抽出し、フォームから特徴ベクトルを取得する。特徴ベクトルは、フォームの構造的特徴を示す。

類似性計算モジュール２１３０は、フォームの特徴ベクトルに基づいて、フォームとテンプレートフォームとの間の類似性を計算する。

フォーム認識モジュール２１４０は、計算された類似性に基づいて、フォームを識別する。

一部の実施形態では、直線検出モジュール２１１０は、フォーム上の各直線上の設定点を起点として使用し、各直線上の隣接画素に対して結合成分解析を実施し、各直線の結合成分を取得し、各直線の結合成分上の各画素について、各直線に垂直な結合成分の画素数を取得し、各直線の結合成分上の各画素についての各直線に垂直な結合成分の画素の数に基づいて、各直線の平均線幅を取得し、各画素が各直線の結合成分上に位置しているところの線幅が平均線幅よりも大きいか否かを決定し、各画素が各直線の結合成分上に位置しているところの線幅が平均線幅よりも大きい場合に、平均線幅よりも大きい画素が位置しているところの線幅に対して線幅除去処理を実施し、線幅除去処理を経た各直線に基づいて、フォームの様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とを取得する。

一部の実施形態では、直線検出モジュール２１１０が、平均線幅よりも大きい画素が位置しているところの線幅に対して線幅除去処理を実施するときに、平均線幅よりも大きい線幅を有する画素を直線の結合成分から除去し、除去された画素の位置が直線内であるか否かを決定し、除去された画素の位置が直線内である場合に、除去された画素の両側で線分を統合する。

一部の実施形態では、特徴抽出モジュール２１２０は、様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とに基づいて、フォーム境界の様々な交点を抽出し、それらの様々な交点に関する情報を取得し、様々なフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得し、様々な交点に関する情報、水平方向のフォーム境界に関する情報、及び垂直方向のフォーム境界に関する情報に基づいて、フォームの特徴ベクトルを取得する。

一部の実施形態では、フォーム認識装置２１００は、更に、フォーム処理モジュール２１５０を含む。

フォーム処理モジュール２１５０は、フォーム境界の様々な交点を抽出する前に、フォームの領域を決定し、該フォームの領域に基づいて、フォームに対して正規化処理を実施する。

一部の実施形態では、フォーム処理モジュール２１５０は、フォームを、それが正規化された後に複数のブロックに分け、特徴抽出モジュール２１２０は、フォームのブロックのうちの各フォームブロック内の様々なフォーム境界とそれらの様々なフォーム境界の間の位置関係とに基づいて、各フォームブロックから交点を抽出し、そのフォームブロック内のフォーム境界の様々な交点を抽出し、そのフォームブロック内の様々な交点に関する情報を取得し、そのフォームブロック内の水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得し、各フォームブロック内の様々な交点に関する情報、水平方向のフォーム境界に関する情報、及び垂直方向のフォーム境界に関する情報に基づいて、フォームの特徴ベクトルを取得する。

一部の実施形態では、類似性計算モジュール２１３０は、フォームの特徴ベクトル及び様々なテンプレートフォームの特徴ベクトルについて、最も近い距離対２番目に近い距離の比率を計算し、比率が設定比率以上である場合に、フォームと、最も近い距離に対応するテンプレートフォームとの間の類似性を、最も高いと決定し、比率が設定比率未満である場合に、フォームを、様々なテンプレートフォームのいずれとも類似していないと決定する。

一部の実施形態では、フォーム認識装置２１００は、更に、線分統合モジュール２１６０を含む。

フォームに対して特徴抽出を実施すること及びフォームから特徴ベクトルを取得することの前に、線分統合モジュール２１６０は、設定されたルールに基づいて、同じ方向に伸びている隣り合う２本のフォーム境界が線分統合を経るべきであるか否かを決定し、同じ方向に伸びている隣り合う２本のフォーム境界が線分統合を経るべきである場合は、それらの２本のフォーム境界に対して線分統合を実施する。

一部の実施形態では、線分統合モジュール２１６０は、同じ方向に伸びている隣り合う２本のフォーム境界の間の距離を取得し、該距離を第１の設定閾値と比較した結果に基づいて、線分統合が実施されるべきか否かを決定し、又は上記距離を第１の設定閾値と比較した結果に基づいて、同じ方向に伸びている隣り合う２本のフォーム境界の類似性を取得し、又はそれらの組み合わせを行って、線分統合が実施されるべきか否かを決定し、線分統合が実施されるべきである場合に、隣り合うそれらの２本のフォーム境界を統合する。

一部の実施形態では、線分統合モジュール２１６０は、同じ方向に伸びている隣り合う２本のフォーム境界の類似性を取得し、該類似性に基づいて、線分統合が実施されるべきか否かを決定するときに、同じ方向に伸びている隣り合う２本のフォーム境界の間の角度を取得し、該角度を第２の設定閾値と比較した結果に基づいて、線分統合が実施されるべきか否かを決定する、又は同じ方向に伸びている隣り合う２本のフォーム境界の間の平行距離を取得し、該平行距離を第３の設定閾値と比較した結果に基づいて、線分統合が実施されるべきか否かを決定する、又はこれらの組み合わせを行う。

一部の実施形態では、フォーム認識装置２１００は、更に、文字線分フィルタリングモジュール２１７０を含む。

特徴抽出モジュール２１２０が、様々なフォーム境界と、それらの様々なフォーム境界の間の位置関係とに基づいて、フォームから特徴を抽出し、フォームから特徴ベクトルを取得する前に、文字線分フィルタリングモジュール２１７０は、フォームの様々なフォーム境界の文字線分フィルタリングを実施する。

一部の実施形態では、文字線分フィルタリングモジュール２１７０は、フォームの様々なフォーム境界の線分長さが第４の設定閾値以下であるか否かを決定し、フォームの様々なフォーム境界の線分長さが第４の設定閾値以下である場合に、その線分長さが第４の閾値以下であるフォーム境界を除去する。

一部の実施形態では、第４の閾値は、以下のように設定される。すなわち、装置２１００は、フォームの様々なフォーム境界において最大の結合成分の長さを取得して、該長さを複数の長さ間隔に分け、様々なフォーム境界における各結合成分を、その長さに基づいて、複数の長さ間隔のうちの１つの長さ間隔に振り分け、複数の長さ間隔の長さと、各長さ間隔の結合成分の数とに基づいて、線分長さ分布ヒストグラムを作成し、ヒストグラムにおけるｙ座標の最高点に対応する長さを、第４の閾値として設定する。

フォーム認識装置２１００は、上記のフォーム認識方法のうちの少なくとも１つを実行する。更に、フォーム認識装置２１００は、対応するプロセスによって有益な結果を有する。したがって、簡潔さを期するために、装置２１００は、これ以上論じられない。

図２２は、フォーム認識のためのシステムの一実施形態を示す構造図である。システム２２００は、ネットワーク２２３０を通じてサーバ２２２０に接続されたクライアント２２１０を含む。

本出願は、フォーム画像のための自動認識プロセスを提供し、該プロセスは、２つの主な部分、すなわち入力フォーム画像の直線検出及びフォームカテゴリ決定を含む。直線検出に関しては、本出願は、結合成分解析に基づいて直線を抽出するためのプロセスを提供する。このプロセスは、フォーム境界の正確で且つ明瞭な抽出を可能にする。フォームカテゴリ決定は、フォームに対して多重解像度特徴抽出を実施するためのプロセスを提供する。このプロセスは、フォーム認識の正確さを高めることができる。

上述されたユニットは、１つ以上の汎用プロセッサ上で実行されるソフトウェアコンポーネントとして、又はプログラマブル論理装置及び／若しくは特定の機能を実施するように設計された特殊用途向け集積回路などのハードウェアとして、又はそれらの組み合わせとして実装することができる。一部の実施形態では、ユニットは、本発明の実施形態で説明される方法を（パソコン、サーバ、ネットワーク機器などの）計算装置に実行させるための幾つかの命令を含み尚且つ（光ディスク、フラッシュストレージデバイス、モバイルハードディスクなどの）不揮発性のストレージ媒体に記憶させることができるソフトウェア製品の形で具現化することができる。ユニットは、１つの装置に実装されてよい、又は複数の装置に分散されてよい。ユニットの機能は、互いに統合されてよい、又は複数の小ユニットに更に分けられてよい。

本明細書で開示された実施形態に照らして説明される方法又はアルゴリズム的段階は、ハードウェア、プロセッサによって実行されるソフトウェアモジュール、又はこれら両方の組み合わせを使用して実現することができる。ソフトウェアモジュールは、ランダムアクセスメモリ（ＲＡＭ）、メモリ、読み出し専用メモリ（ＲＯＭ）、電気的にプログラム可能なＲＯＭ、電気的に消去可能でプログラム可能なＲＯＭ、レジスタ、ハードドライブ、着脱式ディスク、ＣＤ−ＲＯＭ、又は当該技術分野で知られるその他の任意の形態のストレージ媒体にインストールすることができる。

以上の実施形態は、理解を明瞭にする目的で幾らか詳細に説明されてきたが、本発明は、提供された詳細に限定されない。本発明を実現するには、多くの代替的手法がある。開示された実施形態は、例示的であり、限定的ではない。
適用例１：フォーム認識方法であって、
フォーム二値画像内のフォームの直線検出を実施し、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得し、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出し、
少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立し、前記特徴ベクトルは前記フォームの構造的特徴を示し、
少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと複数のテンプレートフォームのそれぞれとの間の類似性を計算し、
前記計算された類似性に基づいて、前記フォームを識別すること、
を備える方法。
適用例２：適用例１に記載の方法であって、
前記フォーム二値画像内のフォームの直線検出を実施することは、
起点としての、前記フォーム上の直線上の設定点に基づいて、前記直線上の隣接画素に対して結合成分解析を実施し、前記直線の結合成分を取得し、
前記直線の前記結合成分上の各画素について、前記直線に垂直な結合成分の画素の数を取得い、
前記直線の前記結合成分上の画素についての前記直線に垂直な結合成分の前記画素の数に基づいて、前記直線の平均線幅を取得し、
前記画素が前記直線の前記結合成分上に位置しているところの線幅が前記平均線幅よりも大きいか否かを決定し、
前記画素が前記直線の前記結合成分上に位置しているところの前記線幅が前記平均線幅よりも大きい場合に、線幅が前記平均線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施し、
前記線幅除去処理を経た前記直線に基づいて、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得すること、
を備える、方法。
適用例３：適用例２に記載の方法であって、
線幅が前記平均線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することは、
前記平均線幅よりも大きい前記画素を、前記直線の前記結合成分から除去し、
前記除去された画素が前記直線内であるか否かを決定し、
前記除去された画素が前記直線内である場合に、前記除去された画素の両側で線分を統合すること、
を備える、方法。
適用例４：適用例１に記載の方法であって、更に、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出する前に、
設定されたルールに基づいて、同じ方向に伸びている隣り合う２本のフォーム境界が線分統合を必要とするか否かを決定し、
前記設定されたルールに基づき、前記同じ方向に伸びている前記隣り合う２本のフォーム境界が線分統合を必要とする場合に、前記隣り合う２本のフォーム境界に対して線分統合を実施する、
ことを備える方法。
適用例５：適用例４に記載の方法であって、
設定されたルールに基づいて、同じ方向に伸びている隣り合う２本のフォーム境界が線分統合を必要とするか否かを決定することは、
Ａ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の間の距離を決定し、前記距離を第１の設定閾値と比較し、前記比較に基づいて、線分統合が実施されるべきどうかを決定すること、
Ｂ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の類似性を決定し、前記類似性に基づいて、線分統合が実施されるべきか否かを決定すること、又は
Ｃ）Ａ）とＢ）との組み合わせ
を備える、方法。
適用例６：適用例５に記載の方法であって、
前記同じ方向に伸びている前記隣り合う２本のフォーム境界の類似性を決定することは、
Ａ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の間の角度を決定し、前記角度を第２の設定閾値と比較し、前記比較に基づいて、線分統合が実施されるべきか否かを決定すること、
Ｂ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の間の平行距離を決定し、前記平行距離を第３の設定閾値と比較し、前記比較に基づいて、線分統合が実施されるべきか否かを決定すること、又は
Ｃ）Ａ）とＢ）との組み合わせ、
を備える、方法。
適用例７：適用例２に記載の方法であって、更に、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出する前に、前記フォームの前記複数のフォーム境界の文字線分フィルタリングを実施することを備える方法。
適用例８：適用例７に記載の方法であって、
前記フォームの前記複数のフォーム境界の文字線分フィルタリングを実施することは、
前記フォームの前記複数のフォーム境界の線分長さが第４の設定閾値以下であるか否かを決定し、
前記フォームの前記複数のフォーム境界の前記線分長さが前記第４の設定閾値以下である場合に、その線分長さが前記第４の設定閾値以下であるフォーム境界を除去すること、
を備える、方法。
適用例９：適用例８に記載の方法であって、
前記第４の閾値は、少なくとも、
前記フォームの前記複数のフォーム境界において最大の結合成分の長さを取得して、前記長さを複数の長さ間隔に分割することと、
前記複数のフォーム境界における各結合成分を、前記各結合成分の長さに基づいて、前記複数の長さ間隔のうちの１つの長さ間隔に振り分け、
前記複数の長さ間隔の前記長さと、前記長さ間隔のそれぞれの結合成分の数とに基づいて、線分長さ分布ヒストグラムを作成し、
前記ヒストグラムにおけるｙ座標の最高値に対応する長さを、前記第４の閾値として与えること、
によって設定される、方法。
適用例１０：適用例１に記載の方法であって、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出することは、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出し、
前記複数の交点に関する情報を取得し、
前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
を備え、
少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立することは、
前記複数の交点に関する情報、前記水平方向のフォーム境界に関する情報、及び前記垂直方向のフォーム境界に関する情報に基づいて、前記フォームの特徴ベクトルを取得することを備える、方法。
適用例１１：適用例１０に記載の方法であって、更に、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出する前に、
前記フォームの領域を決定し、
前記フォームの前記領域に基づいて、前記フォームに対して正規化処理を実施すること、
を備える方法。
適用例１２：適用例１１に記載の方法であって、更に、
前記フォームに対して前記正規化処理を実施した後に、前記フォームを複数のブロックに分けることを備え、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出すること、前記複数の交点に関する情報を取得すること、並びに前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得することは、
前記フォームのブロックのうちの各フォームブロック内の複数のフォーム境界と前記複数のフォーム境界の間の位置関係とに基づいて、フォームブロックから交点を抽出すること、
前記フォームブロック内の前記フォーム境界の前記交点を抽出すること、
前記フォームブロック内の前記交点に関する情報を取得すること、
前記フォームブロック内の水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
を備える、方法。
適用例１３：適用例１に記載の方法であって、
少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと前記複数のテンプレートフォームのそれぞれとの間の類似性を計算することは、
前記フォームの前記特徴ベクトル及び前記テンプレートフォームの特徴ベクトルについて、最も近い距離対２番目に近い距離の比率を計算し、
前記比率が設定比率以上である場合に、前記フォームと、前記最も近い距離に対応する前記テンプレートフォームとの間の類似性を、最も高いと決定し、
前記比率が前記設定比率未満である場合に、前記フォームを、前記テンプレートフォームに類似していないと決定すること、
を備える、方法。
適用例１４：フォーム認識システムであって、
少なくとも１つのプロセッサであって、
フォーム二値画像内のフォームの直線検出を実施し、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得し、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出し、
少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立し、前記特徴ベクトルは、前記フォームの構造的特徴を示し、
少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと複数のテンプレートフォームのそれぞれとの間の類似性を計算し、
前記計算された類似性に基づいて、前記フォームを識別するように構成されている、少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに接続され、前記少なくとも１つのプロセッサに命令を提供するように構成されているメモリと、
を備える、フォーム認識システム。 適用例１５：適用例１４に記載のシステムであって、
前記フォーム二値画像内のフォームの直線検出を実施することは、
起点としての、前記フォーム上の直線上の設定点に基づいて、前記直線上の隣接画素に対して結合成分解析を実施し、前記直線の結合成分を取得し、
前記直線の前記結合成分上の各画素について、前記直線に垂直な結合成分の画素の数を取得し、
前記直線の前記結合成分上の画素についての前記直線に垂直な結合成分の前記画素の数に基づいて、前記直線の平均線幅を取得し、
前記画素が前記直線の前記結合成分上に位置しているところの線幅が前記平均線幅よりも大きいか否かを決定し、
前記画素が前記直線の前記結合成分上に位置しているところの前記線幅が前記平均線幅よりも大きい場合に、線幅が前記平均線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施し、
前記線幅除去処理を経た前記直線に基づいて、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得すること、
を備える、システム。
適用例１６：適用例１５に記載のシステムであって、
線幅が前記平均線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することは、
前記平均線幅よりも大きい前記画素を、前記直線の前記結合成分から除去し、
前記除去された画素が前記直線内であるか否かを決定し、
前記除去された画素が前記直線内である場合に、前記除去された画素の両側で線分を統合すること、
を備える、システム。
適用例１７：適用例１４に記載のシステムであって、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出することは、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出し、
前記複数の交点に関する情報を取得し、
前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
を備え、
少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立することは、
前記複数の交点に関する情報、前記水平方向のフォーム境界に関する情報、及び前記垂直方向のフォーム境界に関する情報に基づいて、前記フォームの特徴ベクトルを取得することを備える、システム。
適用例１８：適用例１７に記載のシステムであって、
前記１つ以上のプロセッサは、更に、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出する前に、
前記フォームの領域を決定し、
前記フォームの前記領域に基づいて、前記フォームに対して正規化処理を実施するように構成されている、システム。
適用例１９：適用例１８に記載のシステムであって、
前記１つ以上のプロセッサは、更に、前記フォームに対して前記正規化処理を実施した後に、前記フォームを複数のブロックに分けるように構成され、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出すること、前記複数の交点に関する情報を取得すること、並びに前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得することは、
前記フォームのブロックのうちの各フォームブロック内の複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、各フォームブロックから交点を抽出すること、
前記フォームブロック内の前記フォーム境界の前記交点を抽出すること、
前記フォームブロック内の前記交点に関する情報を取得すること、
前記フォームブロック内の水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
を備える、システム。
適用例２０：適用例１４に記載のシステムであって、
少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと前記複数のテンプレートフォームのそれぞれとの間の類似性を計算することは、
前記フォームの前記特徴ベクトル及び前記テンプレートフォームの特徴ベクトルについて、最も近い距離対２番目に近い距離の比率を計算し、
前記比率が設定比率以上である場合に、前記フォームと、前記最も近い距離に対応する前記テンプレートフォームとの間の類似性を、最も高いと決定し、
前記比率が前記設定比率未満である場合に、前記フォームを、前記テンプレートフォームに類似していないと決定すること、
を備える、システム。
適用例２１：非一時的なコンピュータ読み取り可能ストレージ媒体に実装された、フォームを認識するためのコンピュータプログラム製品であって、
フォーム二値画像内のフォームの直線検出を実施し、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得するためのコンピュータ命令と、
前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出するためのコンピュータ命令と、
少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立するためのコンピュータ命令と、前記特徴ベクトルは、前記フォームの構造的特徴を示し、
少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと複数のテンプレートフォームのそれぞれとの間の類似性を計算するためのコンピュータ命令と、
前記計算された類似性に基づいて、前記フォームを識別するためのコンピュータ命令と、
を備えるコンピュータプログラム製品。

Claims (21)

1. 少なくとも１つのプロセッサによって実行されるフォーム認識方法であって、
   フォーム二値画像内のフォームの直線検出を実施し、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得し、
   前記フォーム二値画像内のフォームの直線検出を実施することは、
   起点としての、前記フォーム上の直線上の設定点に基づいて、前記直線上の隣接画素に対して結合成分解析を実施し、前記直線の結合成分を取得し、
   前記直線の前記結合成分上の各画素について、前記直線に垂直な結合成分の画素の数を取得し、
   前記直線の前記結合成分上の画素についての前記直線に垂直な結合成分の前記画素の数に基づいて、前記直線の平均線幅を取得し、
   前記画素が前記直線の前記結合成分上に位置しているところの線幅が前記平均線幅の少なくとも一部に基づき決定される閾値線幅よりも大きいか否かを決定し、
   前記画素が前記直線の前記結合成分上に位置しているところの前記線幅が前記閾値線幅よりも大きい場合に、線幅が前記閾値線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することを含み、
   前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出し、
   少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立し、前記特徴ベクトルは前記フォームの構造的特徴を示し、
   少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと複数のテンプレートフォームのそれぞれとの間の類似性を計算し、
   前記計算された類似性に基づいて、前記フォームを識別すること、
   を備える方法。
2. 請求項１に記載の方法であって、
   前記フォーム二値画像内のフォームの直線検出を実施することは、更に、
   前記線幅除去処理を経た前記直線に基づいて、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得すること、
   を備える、方法。
3. 請求項１に記載の方法であって、
   線幅が前記閾値線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することは、
   前記閾値線幅よりも大きい前記画素を、前記直線の前記結合成分から除去し、
   前記除去された画素が前記直線内であるか否かを決定し、
   前記除去された画素が前記直線内である場合に、前記除去された画素の両側で線分を統合すること、
   を備える、方法。
4. 請求項１に記載の方法であって、更に、
   前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出する前に、
   設定されたルールに基づいて、同じ方向に伸びている隣り合う２本のフォーム境界が線分統合を必要とするか否かを決定し、
   前記設定されたルールに基づき、前記同じ方向に伸びている前記隣り合う２本のフォーム境界が線分統合を必要とする場合に、前記隣り合う２本のフォーム境界に対して線分統合を実施する、
   ことを備える方法。
5. 請求項４に記載の方法であって、
   設定されたルールに基づいて、同じ方向に伸びている隣り合う２本のフォーム境界が線分統合を必要とするか否かを決定することは、
   Ａ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の間の距離を決定し、前記距離を第１の設定閾値と比較し、前記比較に基づいて、線分統合が実施されるべきどうかを決定すること、
   Ｂ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の類似性を決定し、前記類似性に基づいて、前記線分統合が実施されるべきか否かを決定すること、又は
   Ｃ）Ａ）とＢ）との組み合わせ
   を備える、方法。
6. 請求項５に記載の方法であって、
   前記同じ方向に伸びている前記隣り合う２本のフォーム境界の類似性を決定することは、
   Ａ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の間の角度を決定し、前記角度を第２の設定閾値と比較し、前記比較に基づいて、線分統合が実施されるべきか否かを決定すること、
   Ｂ）前記同じ方向に伸びている前記隣り合う２本のフォーム境界の間の平行距離を決定し、前記平行距離を第３の設定閾値と比較し、前記比較に基づいて、線分統合が実施されるべきか否かを決定すること、又は
   Ｃ）Ａ）とＢ）との組み合わせ、
   を備える、方法。
7. 請求項２に記載の方法であって、更に、
   前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出する前に、前記フォームの前記複数のフォーム境界の文字線分フィルタリングを実施することを備える方法。
8. 請求項７に記載の方法であって、
   前記フォームの前記複数のフォーム境界の文字線分フィルタリングを実施することは、
   前記フォームの前記複数のフォーム境界の線分長さが第４の設定閾値以下であるか否かを決定し、
   前記フォームの前記複数のフォーム境界の前記線分長さが前記第４の設定閾値以下である場合に、その線分長さが前記第４の設定閾値以下であるフォーム境界を除去すること、
   を備える、方法。
9. 請求項８に記載の方法であって、
   前記第４の閾値は、少なくとも、
   前記フォームの前記複数のフォーム境界において最大の結合成分の長さを取得して、前記長さを複数の長さ間隔に分割することと、
   前記複数のフォーム境界における各結合成分を、前記各結合成分の長さに基づいて、前記複数の長さ間隔のうちの１つの長さ間隔に振り分け、
   前記複数の長さ間隔の長さと、前記長さ間隔のそれぞれの結合成分の数とに基づいて、線分長さ分布ヒストグラムを作成し、
   前記ヒストグラムにおけるｙ座標の最高値に対応する長さを、前記第４の閾値として与えること、
   によって設定される、方法。
10. 請求項１に記載の方法であって、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出することは、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出し、
    前記複数の交点に関する情報を取得し、
    前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
    を備え、
    少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立することは、
    前記複数の交点に関する情報、前記水平方向のフォーム境界に関する情報、及び前記垂直方向のフォーム境界に関する情報に基づいて、前記フォームの特徴ベクトルを取得することを備える、方法。
11. 請求項１０に記載の方法であって、更に、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出する前に、
    前記フォームの領域を決定し、
    前記フォームの前記領域に基づいて、前記フォームに対して正規化処理を実施すること、
    を備える方法。
12. 請求項１１に記載の方法であって、更に、
    前記フォームに対して前記正規化処理を実施した後に、前記フォームを複数のブロックに分けることを備え、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出すること、前記複数の交点に関する情報を取得すること、並びに前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得することは、
    前記フォームのブロックから、前記フォームの前記ブロックそれぞれの内の複数のフォーム境界と前記複数のフォーム境界の間の位置関係とに基づいて、交点を抽出すること、
    前記フォームの前記ブロック内の前記フォーム境界の前記交点を抽出すること、
    前記フォームの前記ブロック内の前記交点に関する情報を取得すること、
    前記フォームの前記ブロック内の水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
    を備える、方法。
13. 請求項１に記載の方法であって、
    少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと前記複数のテンプレートフォームのそれぞれとの間の類似性を計算することは、
    前記フォームの前記特徴ベクトル及び前記複数のテンプレートフォームのうち１つのテンプレートフォームの特徴ベクトルについて、最も近い距離対２番目に近い距離の比率を計算し、
    前記比率が設定比率以上である場合に、前記フォームと、前記最も近い距離に対応する前記テンプレートフォームとの間の類似性を、最も高いと決定し、
    前記比率が前記設定比率未満である場合に、前記フォームを、前記テンプレートフォームに類似していないと決定すること、
    を備える、方法。
14. フォーム認識システムであって、
    少なくとも１つのプロセッサであって、
    フォーム二値画像内のフォームの直線検出を実施し、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得し、
    前記フォーム二値画像内のフォームの直線検出を実施することは、
    起点としての、前記フォーム上の直線上の設定点に基づいて、前記直線上の隣接画素に対して結合成分解析を実施し、前記直線の結合成分を取得し、
    前記直線の前記結合成分上の各画素について、前記直線に垂直な結合成分の画素の数を取得し、
    前記直線の前記結合成分上の画素についての前記直線に垂直な結合成分の前記画素の数に基づいて、前記直線の平均線幅を取得し、
    前記画素が前記直線の前記結合成分上に位置しているところの線幅が前記平均線幅の少なくとも一部に基づき決定される閾値線幅よりも大きいか否かを決定し、
    前記画素が前記直線の前記結合成分上に位置しているところの前記線幅が前記閾値線幅よりも大きい場合に、線幅が前記閾値線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することを含み、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出し、
    少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立し、前記特徴ベクトルは、前記フォームの構造的特徴を示し、
    少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと複数のテンプレートフォームのそれぞれとの間の類似性を計算し、
    前記計算された類似性に基づいて、前記フォームを識別するように構成されている、少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに接続され、前記少なくとも１つのプロセッサに命令を提供するように構成されているメモリと、
    を備える、フォーム認識システム。
15. 請求項１４に記載のシステムであって、
    前記フォーム二値画像内のフォームの直線検出を実施することは、更に、
    前記線幅除去処理を経た前記直線に基づいて、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得すること、
    を備える、システム。
16. 請求項１５に記載のシステムであって、
    線幅が前記閾値線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することは、
    前記閾値線幅よりも大きい前記画素を、前記直線の前記結合成分から除去し、
    前記除去された画素が前記直線内であるか否かを決定し、
    前記除去された画素が前記直線内である場合に、前記除去された画素の両側で線分を統合すること、
    を備える、システム。
17. 請求項１４に記載のシステムであって、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出することは、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出し、
    前記複数の交点に関する情報を取得し、
    前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
    を備え、
    少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連する特徴ベクトルを確立することは、
    前記複数の交点に関する情報、前記水平方向のフォーム境界に関する情報、及び前記垂直方向のフォーム境界に関する情報に基づいて、前記フォームの特徴ベクトルを取得することを備える、システム。
18. 請求項１７に記載のシステムであって、
    前記１つ以上のプロセッサは、更に、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出する前に、
    前記フォームの領域を決定し、
    前記フォームの前記領域に基づいて、前記フォームに対して正規化処理を実施するように構成されている、システム。
19. 請求項１８に記載のシステムであって、
    前記１つ以上のプロセッサは、更に、前記フォームに対して前記正規化処理を実施した後に、前記フォームを複数のブロックに分けるように構成され、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、前記複数のフォーム境界の複数の交点を抽出すること、前記複数の交点に関する情報を取得すること、並びに前記複数のフォーム境界から、水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得することは、
    前記フォームのブロックから、前記フォームの前記ブロックそれぞれの内の複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とに基づいて、交点を抽出すること、
    前記フォームの前記ブロック内の前記フォーム境界の前記交点を抽出すること、
    前記フォームの前記ブロック内の前記交点に関する情報を取得すること、
    前記フォームの前記ブロック内の水平方向のフォーム境界に関する情報及び垂直方向のフォーム境界に関する情報を取得すること、
    を備える、システム。
20. 請求項１４に記載のシステムであって、
    少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと前記複数のテンプレートフォームのそれぞれとの間の類似性を計算することは、
    前記フォームの前記特徴ベクトル及び前記複数のテンプレートフォームのうち１つのテンプレートフォームの特徴ベクトルについて、最も近い距離対２番目に近い距離の比率を計算し、
    前記比率が設定比率以上である場合に、前記フォームと、前記最も近い距離に対応する前記テンプレートフォームとの間の類似性を、最も高いと決定し、
    前記比率が前記設定比率未満である場合に、前記フォームを、前記テンプレートフォームに類似していないと決定すること、
    を備える、システム。
21. フォームを認識するためのコンピュータプログラムであって、
    フォーム二値画像内のフォームの直線検出を実施し、前記フォームの複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを取得する機能と、
    前記フォーム二値画像内のフォームの直線検出を実施することは、
    起点としての、前記フォーム上の直線上の設定点に基づいて、前記直線上の隣接画素に対して結合成分解析を実施し、前記直線の結合成分を取得し、
    前記直線の前記結合成分上の各画素について、前記直線に垂直な結合成分の画素の数を取得し、
    前記直線の前記結合成分上の画素についての前記直線に垂直な結合成分の前記画素の数に基づいて、前記直線の平均線幅を取得し、
    前記画素が前記直線の前記結合成分上に位置しているところの線幅が前記平均線幅の少なくとも一部に基づき決定される閾値線幅よりも大きいか否かを決定し、
    前記画素が前記直線の前記結合成分上に位置しているところの前記線幅が前記閾値線幅よりも大きい場合に、線幅が前記閾値線幅よりも大きい前記画素が位置しているところの前記線幅に対して線幅除去処理を実施することを含み、
    前記複数のフォーム境界と、前記複数のフォーム境界の間の位置関係とを使用して、前記フォームから複数の特徴を抽出する機能と、
    少なくとも一部には前記複数の特徴に基づいて、前記フォームに関連し、前記フォームの構造的特徴を示す特徴ベクトルを確立する機能と、
    少なくとも一部には前記フォームの前記特徴ベクトルに基づいて、前記フォームと複数のテンプレートフォームのそれぞれとの間の類似性を計算する機能と、
    前記計算された類似性に基づいて、前記フォームを識別する機能と、
    をコンピュータに実現させるためのコンピュータプログラム。

Images