JP7172343B2 - 文書検索用プログラム - Google Patents

Description

本発明は、文書検索装置、文書検索システム及びプログラムに関する。

特許文献１は、検索文字列を対応する文字列イメージに展開する展開工程と、前記展開工程で展開された文字列イメージに所定のフィルタリングを行うフィルタリング工程と、前記フィルタリング工程でフィルタリングされた文字列イメージを独立部分にセグメンテーションし、セグメンテーションされた各部分の文字認識を行い、認識文字列候補を獲得する認識工程と、前記認識工程で獲得された認識文字列候補の違いに基づいて、組み合わせ可能な別の認識文字列候補を生成する生成工程と、前記生成工程で生成された前記組み合わせ可能な別の認識文字列候補と前記認識工程で獲得された認識文字列候補の論理和条件で所定の文字列の検索を行う文字列検索工程とを備えることを特徴とする画像検索方法を開示する。

特許文献２は、紙の形態の文書をイメージデータとして取り込むためのスキャナと、検索結果を表示するディスプレイと、検索条件式を入力するキーボードと、文書をテキストコードの状態で蓄積する蓄積手段と、蓄積したテキストコードを読出して検索条件式として指示された文字列が存在する文書を検索する検索手段と、文書を登録する際に紙の形態の文書を該スキャナを用いてイメージ入力し文字認識手段を用いてテキストコードに変換して前記蓄積手段に登録する手段を持つ文書検索装置における文書検索方法であって、前記蓄積手段への文書のテキストコード登録時には前記文字認識手段が認識出力した文字をそのまま登録し、検索時には、検索条件式の検索文字列を文字認識手段が誤認識しやすい文字について複数の候補をあげた類似文字列リストにより展開して展開文字列を生成し、該展開文字列のいずれかの文字列を含む文書を検索することを特徴とする文書検索方法を開示する。

特開平１０－６９４９４号公報 特開平７－１５２７７４号公報

本発明は、一つの入力検索文字列に対して複数の検索用文字列を用いて検索を実行するものと比較して、検索漏れを少なくするように維持しつつ、検索処理数を減少させることができる文書検索装置、文書検索システム及びプログラムを提供することを目的としている。

請求項１に係る本発明は、画像データからなる文書を受け付ける文書受付手段と、前記文書受付手段により受け付けた文書の画像データを文字列に変換する画像文字列変換手段と、前記画像文字列変換手段により変換された結果を前記文書受付手段により受け付けた文書の特性毎に分類する分類手段と、検索文字列を受け付ける検索文字列受付手段と、前記検索文字列受付手段により受け付けられた検索文字列を前記分類手段により分類された文書の特性に合わせて変換して検索処理する検索処理手段と、を有する文書検索装置である。

請求項２に係る本発明は、前記画像文字変換手段により変換された文字列から検索インデックスを生成する検索インデックス生成手段をさらに有し、前記分類手段は、前記検索インデックス生成手段により生成された検索インデックスを分類する請求項１記載の文書検索装置である。

請求項３に係る本発明は、前記文書受付手段により受け付けた文書に関するデータから文書の特性を抽出する文書特性抽出手段をさらに有し、前記分類手段は、前記文書特性抽出手段により抽出された文書の特性で分類する請求項１又は２記載の文書検索装置である。

請求項４に係る本発明は、前記文書特性抽出手段は、文書を構成する画像の特性を抽出する請求項３記載の文書検索装置である。

請求項５に係る本発明は、前記文書特性抽出手段は、文書を構成する文字画像の解像度、文字サイズ及びフォントの少なくとも１つを含む文書の特性を抽出する請求項４記載の文書検索装置である。

請求項６に係る本発明は、前記検索処理手段は、前記検索文字列受付手段により受け付けられた検索文字列から前記分類手段により分類された文書の特性に合わせて検索文字列画像を生成する検索文字列画像生成部と、前記検索文字列画像生成部により生成された検索文字列画像を前記画像文字列変換手段により検索用文字列に変換する検索用文字列変換部と、前記検索用文字列変換部により変換された検索用文字列と前記分類手段により分類された前記画像文字列変換手段の変換結果との組み合わせを決定する決定部とを有し、前記決定部で決定された組み合わせ毎に検索処理する請求項１から５いずれか記載の文書検索装置である。

請求項７に係る本発明は、画像データからなる文書を受け付ける文書受付手段と、前記文書受付手段により受け付けた文書の画像データを文字列に変換する画像文字列変換手段と、前記画像文字列変換手段により変換された結果を前記画像文字列変換手段に影響を与える要因毎に分類する分類手段と、検索文字列を受け付ける検索文字列受付手段と、前記検索文字列受付手段により受け付けられた検索文字列を前記分類手段により分類された要因に合わせて変換して検索処理する検索処理手段と、を有する文書検索装置である。

請求項８に係る本発明は、前記文書受付手段により受け付けた文書に関するデータから前記画像文字列変換手段に影響を与える要因を抽出する要因抽出手段をさらに有し、前記分類手段は、前記要因抽出手段により抽出された要因で分類する請求項７記載の文書検索装置ある。

請求項９に係る本発明は、前記要因抽出手段は、文書を構成する画像の特性から抽出する請求項８記載の文書検索装置である。

請求項１０に係る本発明は、前記要因抽出手段は、文書を構成する文字画像の解像度、文字サイズ及びフォントの少なくとも１つを含む文書の特性を抽出する請求項９記載の文書検索装置である。

請求項１１に係る本発明は、画像データからなる文書を受け付ける文書受付手段と、前記文書受付手段により受け付けた文書を保存する文書保存手段と、前記文書受付手段により受け付けた文書の画像データを文字列に変換する画像文字列変換手段と、前記画像文字列変換手段により変換された結果を前記文書受付手段により受け付けた文書の特性毎に分類する分類手段と、検索文字列を受け付ける検索文字列受付手段と、前記検索文字列受付手段により受け付けられた検索文字列を前記分類手段により分類された文書の特性に合わせて変換して前記文書保存手段により保存されている文書を検索する検索処理手段と、を有する文書検索システムである。

請求項１２に係る本発明は、画像データからなる文書を受け付ける文書受付手段と、前記文書受付手段により受け付けた文書を保存する文書保存手段と、前記文書受付手段により受け付けた文書の画像データを文字列に変換する画像文字列変換手段と、前記画像文字列変換手段により変換された結果を前記画像文字列変換手段に影響を与える要因毎に分類する分類手段と、検索文字列を受け付ける検索文字列受付手段と、前記検索文字列受付手段により受け付けられた検索文字列を前記分類手段により分類された要因に合わせて変換して前記文書保存手段により保存されている文書を検索する検索処理手段と、を有する文書検索システムである。

請求項１３に係る本発明は、画像データからなる文書を受け付けるステップと、受け付けた文書の画像データを文字列に変換するステップと、変換された結果を受け付けた文書の特性毎に分類するステップと、検索文字列を受け付けるステップと、受け付けられた検索文字列を分類された文書の特性に合わせて変換して検索処理するステップと、を有するコンピュータに実行させるためのプログラムである。

請求項１４に係る本発明は、画像データからなる文書を受け付けるステップと、受け付けた文書の画像データを文字列に変換するステップと、変換された結果を画像文字列変換に影響を与える要因毎に分類するステップと、検索文字列を受け付けるステップと、受け付けられた検索文字列を分類された要因に合わせて変換して検索処理するステップと、を有するコンピュータに実行させるプログラムである。

請求項１、７、１１から１４いずれかに係る本発明によれば、一つの入力検索文字列に対して複数の検索用文字列を用いて検索を実行するものと比較して、検索漏れを少なくするように維持しつつ、検索処理数を減少させることができる。

請求項２に係る本発明によれば、請求項１に係る本発明の効果に加えて、インデックス検索を行うことができる。
なお、インデックス検索とは、文書から予め検索対象となる文字列を抽出して索引を作っておく検索方法であり、検索インデックスとはインデックス検索に用いる索引のことである。

請求項３に係る本発明によれば、請求項１又は２に係る本発明の効果に加えて、文書の特性を文書から抽出して文書の特性により分類することができる。

請求項４に係る本発明によれば、請求項３に係る本発明の効果に加えて、文書の特性を、文書を構成する画像から求めることができる。

請求項５に係る本発明によれば、請求項４に係る発明の効果に加えて、文字画像の解像度、文字サイズ及びフォントの少なくとも１つから文書の特性を抽出することができる。

請求項６に係る本発明によれば、請求項１から５いずれかに係る本発明の効果に加えて、検索処理においては、分類された文字の特性と同様の特性を検索文字列が持つようにして検索することができる。

請求項８に係る本発明によれば、請求項７に係る本発明の効果に加えて、画像文字列変換に影響を与える要因を文書の特性から抽出することができる。

請求項９に係る本発明によれば、請求項８に係る発明の効果に加えて、文書を構成する画像から文書の特性を抽出することができる。

請求項１０に係る本発明によれば、請求項９に係る本発明の効果に加えて、文字画像の解像度、文字サイズ及びフォントの少なくとも１つから文書の特性を抽出することができる。

本発明の実施形態に係る文書検索システムを有する文書管理システムを示すブロック図である。 本発明の実施形態に係る文書検索装置のハードウエアを示すブロック図である。 本発明の実施形態に係る文書検索装置の機能の概略を示す説明図である。 本発明の実施形態に係る文書検索装置の機能を示すブロック図である。 本発明の実施形態に係る文書検索装置において、保存データの一例を示す図表である。 本発明の実施形態に係る文書検索装置において、検索先のインデックス決定の組み合わせの一例を示す図表である。 本発明の実施形態に係る文書検索装置において、保存処理における処理フローを示すフローチャートである。 本発明の実施形態に係る文書検索装置において、検索処理における処理フローを示すフローチャートである。

次に、本発明の実施の形態について図面を参照して詳細に説明する。
図１は、本発明の実施形態に係る文書検索システム１０を有する文書管理システム１２の全体を示す。

文書管理システム１２は、端末装置である複数のパーソナルコンピュータ１４ａ，１４ｂがネットワーク１６を介して接続されている。ネットワーク１６は、ローカルエリアネットワークでもよいし、インターネットでもよい。また、ネットワーク１６には、複数の画像形成装置１８ａ，１８ｂが接続されている。画像形成装置１８ａ，１８ｂは、プリント機能、ファクシミリ機能、コピー機能、スキャン機能等を有する、いわゆる複合機である。

画像形成装置１８ａ，１８ｂは、認証装置を有し、この認証装置によって認証された使用者が使用できるようになっている。

文書検索システム１０は、例えばサーバである文書検索装置２０と、大容量の記憶装置であるデータベース２２とを有する。データベース２２には、画像形成装置１８ａ，１８ｂを経由した文書がログと共に記憶される。即ち、画像形成装置１８ａ，１８ｂによりプリントされ、ファクシミリ機能により送受信され、コピーされ、又はスキャンされた文書を使用者のＩＤ（Identification、画像形成装置の使用者を一意に識別するための番号や略称）及び使用日時等と共に記憶する。パーソナルコンピュータ１４ａ，１４ｂからプリント指示等を行った場合は、画像形成装置１４ａ，１４ｂで認証された使用者のＩＤの代わりにパーソナルコンピュータ１４ａ，１４ｂの使用者のＩＤであってもよい。

文書検索装置２０は、図２に示すように、ＣＰＵ２３、メモリ２４、記憶装置２６及びネットワークインターフェイス２８を有し、これらＣＰＵ２３、メモリ２４、記憶装置２６及びネットワークインターフェイス２８がバス３０を介して接続されている。

ＣＰＵ２３は、メモリ２４に格納された制御プログラムに基づいて予め定められた処理を実行する。記憶装置２６は、例えばハードディスクから構成され、必要とされるソフトウエアやデータが記憶されている。ネットワークインターフェイス２８は、前述したネットワーク１４を介してデータを入出力する。

図３は、文書検索装置２０の概略機能を説明する説明図である。
まず文書の保存処理時について説明する。
文書検索装置２０は、例えば画像データから構成された文書Ａ，Ｂ，Ｃを受け付ける。文書Ａ，Ｂ，ＣはＯＣＲ（光学式文字読み取り装置の略であるが、ここでは画像データを文字列データに変換するソフトウエア）により文字列データに変換される。また、文書Ａ，Ｂ，Ｃの要因情報を抽出する。要因情報とは、ＯＣＲの精度に影響を与える因子情報のことをいう。この要因情報は、文書の特性から判断される。文書の特性には、解像度、文字サイズ、フォントが含まれる。文書の特性は、解像度、文字サイズ及びフォントの少なくとも１つがあればよい。また、回動度、文字サイズ及びフォント以外にさらに背景色、文字の色、言語等が含まれてもよい。

ＯＣＲの結果から検索インデックスを生成する。例えば文書Ａと文書Ｃとは同じ要因の値であり、文書Ａ及び文書Ｂから抽出したインデックスＡとインデックスＣとは、要因グループ１に分類される。文書Ｂは、文書Ａ，Ｃとは要因の値が異なり、文書Ｂから抽出されたインデックスＢは要因グループ２に分類される。このように文書の保存時には、文書から抽出した要因別に検索インデックスを分類する。

次に検索処理時について説明する。
検索時においては、パーソナルコンピュータ１４ａ，１４ｂにおいて検索文字列が作成され、この検索文字列が文書検索装置２０へ送られる。文書検索装２０では検索文字列に対して検索文字列を画像データに変換する。検索文字列の画像データへの変換は、要因グループ別に実施される。即ち、要因グループ１及び要因グループ２に対応した解像度、文字サイズ、フォントで変換する。そして、このようにして画像データに変換された検索文字列画像を前述した保存処理時に用いた同じＯＣＲにより文字列データに変換する。要因グループ１と同じ条件で文字列データに変換された検索文字列で要因グループ１に分類されたインデックスを検索する。一方、要因グループ２に対しても同じ条件で変換された検索文字列で要因グループ２に分類されたインデックスを検索する。

図４は、文書検索装置２０の機能ブロック図である。

ＯＣＲ処理部３２は、受け付けた文書の画像を文字列に変換する。検索インデックス生成部３４は、ＯＣＲ処理部３２で変換された文字列から検索インデックスを生成する。この検索インデックス生成部３４で生成された検索インデックスは、検索インデックス保存部３６により保存される。また、要因情報抽出部３８は、文書の特性である解像度、文字サイズ、フォント等、ＯＣＲの精度に影響を与える要因の値を抽出して要因グループを形成する。要因グループの形成は、例えば図５に示すように、解像度が３００ｄｐｉ、文字サイズが１０．５ポイント、フォントがゴシックである文書に対してＯＣＲをかけた場合は要因グループ1とし、解像度が３００ｄｐｉ、文字サイズが１０．５ポイント、フォントが明朝である文書に対してＯＣＲをかけた場合は要因グループ２とし、解像度が３００ｄｐｉ、文字サイズが１１ポイント、フォントが明朝である文書に対してＯＣＲをかけた場合は要因グループ３とする。

分類保存部４０は、検索インデックス保存部３６に保存された検索インデックスを要因情報抽出部３８で抽出されたどのグループに保存するかを決定して検索インデックスを保存する。
なお、要因情報抽出部３２で抽出された要因情報は要因情報保存部４２により保存される。

検索処理部４４は、検索文字列画像の生成部４６、検索文字列画像のＯＣＲ処理部４８及び検索インデックスの組み合わせ決定部５０とから構成されている。

検索文字列画像の生成部４６は、ユーザから受け付けた検索文字列を、前述した要因情報保存部４２に保存されている要因グループの要因の値に従って要因グループ毎に検索文字列を画像に変換して検索文字列画像を生成する。

検索文字列画像のＯＣＲ処理部４８は、検索文字列画像の生成部４８で生成された検索文字列画像を要因グループ毎に検索文字列に変換する。

検索インデックスの組み合わせ決定部５０は、検索文字列画像のＯＣＲ処理部４８で変換された検索文字列によりどの検索インデックスを検索するかを決定する。
即ち、図６に示すように、検索インデックス１は番号１の要因グループに、検索インデックス２は番号２の要因グループに、検索インデックス３は番号３の要因グループにそれぞれ保存されているとする。ここで、検索文字列が「ＡＡＡ」であり、この検索文字列「ＡＡＡ」を要因グループ１の値で画像に変換し、さらにＯＣＲ処理した結果が「ＡＡＡ」となり、要因グループ２の値で画像に変換し、ＯＣＲ処理した結果が「ＡＡＢ」となり、要因グループ３の値で画像に変換し、さらにＯＣＲ処理した結果が「ＡＢＡ」であれば、検索インデックス１は、「ＡＡＡ」による検索を受け、検索インデックス２は、「ＡＡＢ」で検索を受け、検索インデックス３は、「ＡＢＡ」で検索を受けることになる。

図７は、文書検索装置２０の保存処理時の処理フローを示すフローチャートである。
まず、ステップＳ１０において、対象となる文書を受信する。次のステップＳ１２においては、ステップＳ１０で受信した画像データからなる文書に対してＯＣＲ処理する。

次のステップＳ１４においては、保存対象の文書の画像を解析して、解像度、文字サイズ、フォント等の値を抽出する。次のステップＳ１６においては、ステップＳ１４において抽出した要因別の値の組み合わせが新しい場合は、新しい要因グループとして保存する。既存の組み合わせであれば保存しない。

次のステップＳ１８においては、ステップＳ１４の結果に応じてインデックスの保存先（要因グループ）を決定する。ステップＳ１４の結果が新たなものであれば新たな保存先を作成し、そこを保存先とする。

次のステップＳ２０においては、ステップＳ１８で決定されたインデックスの保存先にステップＳ１２でＯＣＲ処理して生成されたインデックス情報を追加する。

次のステップＳ２２においては、受信した文書をデータベース２２に保存し、処理を終了する。

図８は、文書検索装置２０の検索処理時の処理フローを示すフローチャートである。
まずステップＳ３０において、ユーザがパーソナルコンピュータ１４ａ，１４ｂで作成した検索文字列を受け付ける。

次のステップＳ３２においては、前述した要因グループ毎に要因グループの情報を取得する。

次のステップＳ３４においては、ステップＳ３２で取得した要因グループ毎の情報から要因グループ毎に要因グループの要因の値に従った検索文字列画像を生成する。

次のステップＳ３６においては、ステップＳ３４で生成した検索文字列画像に対してＯＣＲ処理する。

次のステップＳ３８においては、ステップＳ３４で生成した検索文字列画像生成時の要因の値からステップＳ３６でＯＣＲ処理した結果の検索文字列をどのインデックスに検索を行うかを決定する。

そして、ステップＳ４０においては、ステップＳ３８で決定した組み合わせの文字列により検索を実行し、次のステップＳ４２において、ユーザのパーソナルコンピュータ１４ａ，１４ｂに検索結果を表示するように制御して処理を終了する。

なお、上記実施形態においては、インデックス検索に対して本発明を適用した実施形態について説明したが、インデックス検索に限らず、逐次検索に対しても本発明を適用することができる。逐次検索とは、検索インデックスを作成することなく、ＯＣＲした文書に対して検索を実施する検索方法である。この逐次検索の場合であっても、文書毎にＯＣＲの精度に影響がある要因で検索文字列画像を生成してこれにＯＣＲ処理を行い、文書毎に検索を行うようにしてもよい。

１０ 文書検索システム
１２ 文書管理システム
１４ａ，１４ｂ パーソナルコンピュータ
１６ ネットワーク
１８ａ，１８ｂ 画像形成装置
１８ａ，１８ｂ コインキット
２０ 文書検索装置
２２ データベース
２３ ＣＰＵ
２４ メモリ
２６ 記憶装置
２８ ネットワークインターフェイス
３０ バス
３２ ＯＣＲ処理部
３４ 検索インデックス生成部
３６ 検索インデックス保存部
３８ 要因情報抽出部
４０ 分類保存部
４２ 要因情報の保存部
４４ 検索処理部
４６ 検索文字列画像の生成部
４８ 検索文字列画像のＯＣＲ処理部
５０ 検索インデックスの組み合わせ決定部

Claims (2)

1. 画像データからなる文書を受け付けるステップと、
   受け付けた文書の画像データを文字列に変換する画像文字列変換ステップと、
   変換された結果である変換結果を、受け付けた文書の特性毎に分類するステップと、
   検索文字列を受け付けるステップと、
   受け付けられた検索文字列を前記特性に合わせて変換して検索文字列画像を生成するステップと、
   生成された前記検索文字列画像を、前記画像文字列変換ステップと同じ処理により検索用文字列に変換するステップと、
   変換された前記検索用文字列と分類された前記変換結果との組み合わせを決定するステップと、
   決定された前記組み合わせ毎に検索処理するステップと、
   をコンピュータに実行させるための文書検索用プログラム。
2. 画像データからなる文書を受け付けるステップと、
   受け付けた文書の画像データを文字列に変換する画像文字列変換ステップと、
   変換された結果である変換結果を画像文字列変換に影響を与える要因毎に分類するステップと、
   検索文字列を受け付けるステップと、
   受け付けられた検索文字列を前記要因に合わせて変換して検索文字列画像を生成するステップと、
   生成された前記検索文字列画像を前記画像文字列変換ステップと同じ処理により検索用文字列に変換するステップと、
   変換された前記検索用文字列と前記変換結果との組み合わせを決定するステップと、
   決定された前記組み合わせ毎に検索処理するステップと、
   をコンピュータに実行させる文書検索用プログラム。

Images