JP7468103B2 - Ｆａｘ受信装置、ｆａｘ受信方法およびプログラム - Google Patents

Description

本発明は、ＦＡＸ受信装置、ＦＡＸ受信方法およびプログラムに関する。

ファクシミリ（ＦＡＸ）を受信して、受信したＦＡＸに含まれる文字をＯＣＲ（Optical Character Recognition）によって読み取る技術が開発されている。

例えば、解像度の異なるＦＡＸ画像を、別途入力された解像度情報を用いて、ＯＣＲに適する固有の解像度に拡大／縮小する画像処理装置が開示されている。

従来技術は、単に文字を拡大／縮小するだけであり、文字が潰れたままの状態であったり、原稿に付着した汚れが送信機におけるスキャン時に読み取られた場合に、付着した汚れをそのまま拡大してしまったりするため、文字の読み取りの確度が十分ではないという問題があった。

開示の技術は、受信したＦＡＸに含まれる文字の読み取りの確度を向上させることを目的とする。

開示の技術は、ＦＡＸデータを受信する受信部と、前記ＦＡＸデータから文字を認識し、前記文字の確からしさを示す確度を算出する文字認識部と、算出された前記確度があらかじめ定められた閾値以下であるか否かを判定する判定部と、前記確度が前記閾値以下であると判定された場合に、前記ＦＡＸデータに含まれる文字の特徴を示す特徴量を測定する測定部と、前記確度が前記閾値以下であると判定された場合の前記特徴量に基づいて、前記特徴量の閾値を示す特徴量閾値を決定する閾値決定部と、を有し、前記判定部は、前記特徴量閾値が決定されると、前記測定部が測定した特徴量が前記特徴量閾値以下であるか否かを判定し、前記特徴量が前記特徴量閾値以下であると判定された場合に、超解像処理によって前記文字を復元する文字復元部、を有し、前記文字認識部は、復元された前記文字を認識する、ＦＡＸ受信装置である。

受信したＦＡＸに含まれる文字の読み取りの確度を向上させることができる。

第一の実施形態に係るＦＡＸ受信装置の機能の一例を示す図である。 ＦＡＸ受信装置のハードウェア構成の一例を示す図である。 第一の実施形態に係る文字認識処理のフローの一例を示す図である。 超解像処理を説明するための図である。 文字認識処理の処理結果を説明するための図である。 第二の実施形態に係るＦＡＸ受信装置の機能の一例を示す図である。 第二の実施形態に係る文字認識処理のフローの一例を示す図である。 第二の実施形態に係る特徴量が文字の大きさである一例を示す図である。 （ａ）第二の実施形態に係る特徴量が文字の太さである一例を示す第一の図、（ｂ）第二の実施形態に係る特徴量が文字の太さである一例を示す第二の図である。 第二の実施形態に係る学習済み処理のフローの一例を示す図である。 第三の実施形態に係るＦＡＸ受信装置の機能の一例を示す図である。 第三の実施形態に係る文字認識処理のフローの一例を示す図である。 （ａ）第三の実施形態に係るフォントの一例を示す第一の図、（ｂ）第二の実施形態に係るフォントの一例を示す第二の図である。 第三の実施形態に係る学習済み処理のフローの一例を示す図である。

（第一の実施形態）
以下に図面を参照して、本発明の実施の形態について説明する。

図１は、第一の実施形態に係るＦＡＸ（facsimile）受信装置の機能の一例を示す図である。

ＦＡＸ受信装置１０は、電話網３０を介してＦＡＸ送信装置２０と通信可能に接続されていて、ＦＡＸ送信装置２０からＦＡＸデータ４０を受信する装置である。ＦＡＸ受信装置１０は、ＦＡＸ専用の装置であっても良いし、ＦＡＸ通信の機能を有するＭＦＰ（MultiFunction Peripheral）、プリンタ等であっても良い。

ＦＡＸ送信装置２０は、ＦＡＸデータ４０をＦＡＸ受信装置１０に送信する装置である。ＦＡＸ送信装置２０は、ＦＡＸ専用の装置であっても良いし、ＦＡＸ通信の機能を有するＭＦＰ、プリンタ等であっても良い。ＦＡＸ送信装置２０は、文字が印刷された印刷媒体等の原稿をスキャンして画像を読み取り、読み取った画像を示すＦＡＸデータ４０を生成する。

また、ＦＡＸ送信装置２０は、文字が印刷された印刷媒体等の原稿を他の装置がスキャンして生成したデータ、または他の装置で生成された文字を含むデータを受信して、受信したデータをＦＡＸデータ４０として送信しても良い。

電話網３０は、例えば移動体通信、公衆交換電話網等の、音声通話を行うための電話網である。電話網３０は、音声通話以外にＦＡＸ通信等のデータ通信に利用される。一般に、電話網３０におけるデータ通信の回線速度は比較的小さい。

ＦＡＸデータ４０は、文字を画像として含むデータである。電話網３０のデータ通信の回線速度が小さいため、ＦＡＸデータ４０のデータ量は小さいことが多い。したがって、ＦＡＸデータ４０に含まれる画像は、解像度が比較的低い。

本実施形態に係るＦＡＸ受信装置１０は、ＦＡＸデータ４０から文字を認識して、テキストデータを生成する。さらにＦＡＸ受信装置１０は、生成したテキストデータを記憶するか、または他の装置等に出力しても良い。上述のように、ＦＡＸデータ４０に含まれる画像の解像度は比較的低い場合があるため、ＦＡＸ受信装置１０による文字の読み取りの確度を向上させることが重要である。

具体的には、ＦＡＸ受信装置１０は、記憶部１１と、受信部１２と、文字認識部１３と、判定部１４と、文字復元部１５と、を備える。

記憶部１１は、各種情報を記憶する。具体的には、記憶部１１には、設定情報１１０が格納される。

設定情報１１０は、後述する各種処理の動作を規定する閾値等の情報が含まれる。

受信部１２は、ＦＡＸ送信装置２０からＦＡＸデータ４０を受信する。

文字認識部１３は、受信部１２が受信したＦＡＸデータ４０から、ＯＣＲ（Optical Character Recognition）によって文字を認識し、文字の確からしさを示す確度を算出する。

確度とは、文字の確からしさを示す値である。具体的には、文字認識部１３は、読み取った文字の確度を、０から１００までの値で算出する。

例えば、ＦＡＸデータ４０に含まれる画像に、「発」という文字がはっきりと表されている場合には、文字認識部１３は、「発」という文字であることが確からしいと判断し、「発」である確度を９０、「登」である確度を３０と算出する。

逆に、ＦＡＸデータ４０に含まれる画像に、「発」という文字がぼんやりと表されている場合には、文字認識部１３は、「発」である確度を５０、「登」である確度を４０と算出する。

判定部１４は、文字認識部１３によって算出された確度が、あらかじめ定められた閾値Ｔｈ１以下であるか否かを判定する。閾値Ｔｈ１は、設定情報１１０として記憶部１１に格納された値であって、例えば７０と設定される。

文字復元部１５は、判定部１４によって、確度が閾値Ｔｈ１以下であると判定された場合に、超解像処理によって文字を復元する。

超解像処理とは、解像度の低いデータを、規定された計算式による補完処理や機械学習によって得られた予測モデルによる予測処理によって、解像度の高いデータを取得する処理である。

文字復元部１５は、文字を復元するための超解像処理として、例えば、バイリニアフィルター、バイキュービックフィルター等のフィルターによる補完処理を実行しても良いし、ＳＲＣＮＮ（Super-Resolution Convolutional Neural Network）やＳＲＲｅｓＮｅｔ（Super-Resolution Residual Network）などのディープラーニングを使った予測処理を実行しても良い。

また、文字認識部１３は、文字復元部１５によって復元された文字を認識する。

ＦＡＸ受信装置１０は、文字の認識が完了すると、認識された文字を示すテキストデータを生成して、生成されたテキストデータを記憶部１１に格納するか、または他の装置に出力しても良い。

次に、ＦＡＸ受信装置１０のハードウェア構成について説明する。

図２は、ＦＡＸ受信装置のハードウェア構成の一例を示す図である。

ＦＡＸ受信装置１０は、ＭＦＰであって、コントローラ４１０と、エンジン部（Ｅｎｇｉｎｅ）４１５と、を備える。コントローラ４１０およびエンジン部４１５は、ＰＣＩ（peripheral Component Interface）バス４１６を介して接続されている。

コントローラ４１０は、コンピュータによって構成され、ＦＡＸ受信装置１０の備える各部を制御する。例えば、コントローラ４１０は、描画、通信、操作表示部４１１からの入力等を制御する。

エンジン部４１５は、ＰＣＩバス４１６に接続可能なプリンタエンジンなどであり、たとえば白黒プロッタ、１ドラムカラープロッタ、４ドラムカラープロッタ、スキャナ又はファックスユニットなどである。

なお、このエンジン部４１５には、プロッタなどのいわゆるエンジン部分に加えて、誤差拡散やガンマ変換などの画像処理部分が含まれる。

コントローラ４１０は、ＣＰＵ４０１と、ノースブリッジ（ＮＢ）４０３と、システムメモリ（ＭＥＭ－Ｐ）４０２と、サウスブリッジ（ＳＢ）４０４と、ローカルメモリ（ＭＥＭ－Ｃ）４０７と、ＡＳＩＣ（Application Specific Integrated Circuit）４０６と、ハードディスクドライブ（ＨＤＤ）４０８と、を備える。

ノースブリッジ（ＮＢ）４０３およびＡＳＩＣ４０６は、ＡＧＰ（Accelerated Graphics Port）バス４０５を介して接続されている。

ＣＰＵ４０１は、ＦＡＸ受信装置１０の全体制御を行う演算装置であり、ＮＢ４０３、ＭＥＭ－Ｐ４０２及びＳＢ４０４からなるチップセットを介して他の機器と接続される。

ＮＢ４０３は、ＣＰＵ４０１とＭＥＭ－Ｐ４０２、ＳＢ４０４、ＡＧＰバス４０５とを接続するためのブリッジであり、ＭＥＭ－Ｐ４０２に対する読み書きなどを制御するメモリコントローラ、ＰＣＩマスタ及びＡＧＰターゲットを有する。

ＭＥＭ－Ｐ４０２は、プログラムやデータの格納用メモリ、プログラムやデータの展開用メモリ、プリンタの描画用メモリなどとして用いるシステムメモリである。具体的には、ＭＥＭ－Ｐ４０２は、ＲＯＭ（Read Only Memory）４０２ａと、ＲＡＭ（Random Access Memory)４０２ｂと、を備える。

ＲＯＭ４０２ａは、プログラムやデータの格納用メモリとして用いる読み出し専用のメモリであり、ＲＡＭ４０２ｂは、プログラムやデータの展開用メモリ、プリンタの描画用メモリなどとして用いる書き込み及び読み出し可能なメモリである。

ＳＢ４０４は、ＮＢ４０３とＰＣＩデバイス、周辺デバイスとを接続するためのブリッジである。このＳＢ４０４は、ＰＣＩバスを介してＮＢ４０３と接続されており、このＰＣＩバスには、ネットワークＩ／Ｆなども接続される。

ＡＳＩＣ４０６は、画像処理用のハードウェア要素を有する画像処理用途向けのＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）であり、ＡＧＰバス４０５、ＰＣＩバス４１６、ＨＤＤ４０８及びＭＥＭ－Ｃ４０７をそれぞれ接続するブリッジの役割を有する。

このＡＳＩＣ４０６は、ＰＣＩターゲット及びＡＧＰマスタと、ＡＳＩＣ４０６の中核をなすアービタ（ＡＲＢ）と、ＭＥＭ－Ｃ４０７を制御するメモリコントローラと、ハードウェアロジックなどにより画像データの回転などをおこなう複数のＤＭＡＣ（Ｄｉｒｅｃｔ Ｍｅｍｏｒｙ Ａｃｃｅｓｓ Ｃｏｎｔｒｏｌｌｅｒ）と、エンジン部４１５との間でＰＣＩバスを介したデータ転送をおこなうＰＣＩユニットとを有する。

このＡＳＩＣ４０６には、ＰＣＩバスを介してＦＣＵ（Ｆａｃｓｉｍｉｌｅ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）４１２、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）４１３、ＩＥＥＥ１３９４（ｔｈｅ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｓ １３９４）インタフェース４１４が接続される。

操作表示部４１１はＡＳＩＣ４０６に直接接続されている。ＭＥＭ－Ｃ４０７は、コピー用画像バッファ、符号バッファとして用いるローカルメモリである。ＨＤＤ４０８は、画像データの蓄積、プログラムの蓄積、フォントデータの蓄積、フォームの蓄積を行うためのストレージである。

また、ＨＤＤ４０８は、ＦＡＸ受信装置１０で実行されるアプリケーションのライセンスファイルを保存する。ＡＧＰバス４０５は、グラフィック処理を高速化するためのグラフィックスアクセラレーターカード用のバスインターフェースであり、ＭＥＭ－Ｐ４０２に高スループットで直接アクセスすることにより、グラフィックスアクセラレーターカードを高速にするものである。

次に、ＦＡＸ受信装置１０の動作について、図面を参照して説明する。

図３は、第一の実施形態に係る文字認識処理のフローの一例を示す図である。

ＦＡＸ受信装置１０は、ＦＡＸ送信装置２０からＦＡＸ通信の着信を受けると、文字認識処理を開始する。そして、受信部１２は、ＦＡＸ送信装置２０からＦＡＸデータ４０を受信する（ステップＳ１０１）。

次に、文字認識部１３は、ＦＡＸデータ４０の文字領域を検出する（ステップＳ１０２）。具体的には、文字認識部１３は、ＯＣＲによって、ＦＡＸデータ４０に含まれる画像のうち、文字の領域とそれ以外の領域とを判別し、さらに文字の領域を１文字ごとの領域に分解する。

本実施形態に係る文字認識部１３は、１文字ごとに分解された文字の領域を文字領域として文字領域ごとにＩＤ（以下、文字領域ＩＤという）を付与する。なお、複数の文字が含まれる領域を文字領域としても良い。

次に、文字認識部１３は、文字領域ごとにＯＣＲによって文字を認識して確度を算出する（ステップＳ１０３）。具体的には、文字認識部１３は、文字領域ごとに複数の文字の候補を決定し、それぞれの文字領域ごとに確度を算出する。そして、文字認識部１３は、最も確度の高い文字の候補を選択する。

例えば、文字領域ＩＤ＝１の文字領域に、「発」という文字の形状の画像が表されている場合には、文字認識部１３は、例えば、「文字領域ＩＤ１ 一位［発］：９０点、二位［登］：５０点、三位［癸］：３０点」のように、文字領域ごとに候補となる文字とそれぞれの確度を得点として算出し、確度の高い順に並べたリスト形式のデータを生成する。

同様に、文字領域ＩＤ＝２の文字領域に、「注」という文字の形状の画像が表され、文字領域ＩＤ＝３の文字領域に、「書」という文字の形状の画像が表されている場合、文字認識部１３は、「文字領域ＩＤ２ 一位［注］：９０点、二位［主］：２０点、三位［ ］：０点」、「文字領域ＩＤ３ 一位［書］：９０点、二位［建］：３０点、三位［津］：２０点」のようなデータを生成する。

なお、例えば、文字領域ＩＤ＝１の文字領域に、「発」という文字がはっきりと表されていない場合には、算出結果は、「文字領域ＩＤ１ 一位［登］：５０点、二位［発］：４０点、三位［癸］：３０点」のように、最も確度の高い文字でも、相対的に低い確度となるものと考えられる。

このように、確度は、ＯＣＲによる文字認識処理の過程において算出される値である。

次に、判定部１４は、確度が閾値Ｔｈ１以下であるか否かを判定する（ステップＳ１０４）。ここで、確度とは、処理対象の文字領域の文字の候補のうち、最も確度の高い候補の確度である。例えば、「文字領域ＩＤ１ 一位［発］：９０点、二位［登］：５０点、三位［癸］：３０点」と算出された場合、確度は９０である。また、「文字領域ＩＤ１ 一位［登］：５０点、二位［発］：４０点、三位［癸］：３０点」と算出された場合、確度は５０である。

閾値Ｔｈ１は、あらかじめ設定情報１１０として記憶部１１に格納されていて、例えば、Ｔｈ１＝７０である。

判定部１４が、確度が閾値Ｔｈ１以下であると判定すると（ステップＳ１０４：Ｙｅｓ）、文字復元部１５は、超解像処理によって文字を復元する（ステップＳ１０５）。具体的には、文字復元部１５は、補完処理、予測処理等を実行することによって、文字を復元する。

図４は、超解像処理を説明するための図である。

図４の上段に示される画像は、超解像処理によって文字を復元すると、図４の下段に示される画像のようになる。

図３に戻り、次に、文字認識部１３は、復元された文字をＯＣＲによって認識する（ステップＳ１０６）。そして、ＦＡＸ受信装置１０は、すべての文字領域を処理したか否かを判定する（ステップＳ１０７）。

ＦＡＸ受信装置１０は、いずれかの文字領域を処理していないと判定すると（ステップＳ１０７：Ｎｏ）、ステップＳ１０３に戻り、未処理の文字領域の処理を実行する。

また、ステップＳ１０４の処理において、判定部１４が、確度が閾値Ｔｈ１以下でないと判定すると（ステップＳ１０４：Ｎｏ）、ＦＡＸ受信装置１０は、ステップＳ１０５およびステップＳ１０６の処理をスキップして、ステップＳ１０７の処理に進む。

ＦＡＸ受信装置１０は、すべての文字領域を処理したと判定すると（ステップＳ１０７：Ｙｅｓ）、処理を終了する。

図５は、文字認識処理の処理結果を説明するための図である。

本実施形態に係るＦＡＸ受信装置１０は、ＦＡＸデータ４０に含まれる文字のうち、ＯＣＲによって確度を算出して、低い確度の文字については、超解像処理によって文字を復元し、復元された文字をＯＣＲによって認識する。また、ＦＡＸ受信装置１０は、高い確度の文字については、超解像処理は行わず、すでに実行したＯＣＲの結果を使用する。

例えば、図５に示される矩形３１－１から３１－２８まで（矩形３１－Ｎ）に示される領域の文字は、確度が高いため、ＦＡＸ受信装置１０は、超解像処理を行わず、そのままの状態の文字の認識結果を使用する。

また、図５に示される矩形３２－１から３２－７まで（矩形３２－Ｍ）に示される領域の文字は、確度が低いため、ＦＡＸ受信装置１０は、超解像処理によって文字を復元し、復元された文字の認識結果を使用する。

このように、本実施形態に係るＦＡＸ受信装置１０は、ＦＡＸデータ４０に含まれる文字認識の確度が低い文字についてのみ超解像処理によって文字を復元することによって、文字認識の確度を上げることができる。したがって、ＦＡＸ受信装置１０は、必要に応じて超解像処理を実行するため、すべての文字に超解像処理を実行するよりも処理の負荷が小さい。

また、本実施形態に係るＦＡＸ受信装置１０は、超解像処理を実行するか否かの判定を、ＯＣＲによって算出された確度に基づいて行うため、文字の大きさ、太さ等の他の方法による判定よりも正確に判定することができる。例えば、文字のフォント、太さ等や、他の要因によっては、必ずしも文字が大きければ正確に認識されるわけでは無い。それに対して、確度は、ＯＣＲによる文字認識処理の過程において算出される値であるため、認識の正確さを直接示す値である。したがって、文字の大きさによる判定よりも確度に基づく判定の方が正確であると考えられる。

（第二の実施形態）
以下に図面を参照して、第二の実施形態について説明する。第二の実施形態では、文字の特徴量を測定して、測定した特徴量による判定を、確度による判定と併用する点が、第一の実施形態と相違する。以下の第二の実施形態の説明では、第一の実施形態との相違点について説明し、第一の実施形態と同様の機能構成を有するものには、第一の実施形態の説明で用いた符号と同様の符号を付与し、その説明を省略する。

図６は、第二の実施形態に係るＦＡＸ受信装置の機能の一例を示す図である。

第二の実施形態に係るＦＡＸ受信装置１０は、第一の実施形態として説明した機能部に加えて、測定部１６と、閾値決定部１７と、をさらに備える。

測定部１６は、ＦＡＸデータ４０に含まれる文字の特徴を示す特徴量を測定する。具体的には、特徴量は、例えば、文字の大きさ、太さ等を示す値である。

閾値決定部１７は、判定部１４によって確度が閾値Ｔｈ１以下であると判定された場合の特徴量に基づいて、特徴量の閾値を示す特徴量閾値を決定する。具体的には、閾値決定部１７は、測定部１６がＦＡＸデータ４０から測定した複数の文字ごとの特徴量の統計値を算出し、算出された統計値に基づいて、特徴量閾値を決定する。

また、本実施形態に係る判定部１４は、閾値決定部１７によって特徴量閾値が決定されると、測定部１６が測定した特徴量が特徴量閾値以下であるか否かを判定する。

次に、本実施形態に係るＦＡＸ受信装置１０の動作について、図面を参照して説明する。

図７は、第二の実施形態に係る文字認識処理のフローの一例を示す図である。

本実施形態に係る文字認識処理のステップＳ２０１およびステップＳ２０２の処理については、第一の実施形態に係る文字認識処理のステップＳ１０１およびステップＳ１０２の処理と同様である。

次に、ＦＡＸ受信装置１０は、学習済みフラグがＯＮであるか否かを判定する（ステップＳ２０３）。学習済みフラグは、設定情報１１０として記憶部１１に格納されている。そして、学習済みフラグは、後述する処理においてＯＮに変更されるまでは、初期状態ではＯＦＦとなっている。

ＦＡＸ受信装置１０が、学習済みフラグがＯＮでないと判定すると（ステップＳ２０３：Ｎｏ）、文字認識部１３は、文字領域ごとにＯＣＲによって文字を認識して確度を算出する（ステップＳ２０４）。このステップＳ２０４の処理は、第一の実施形態に係る文字認識処理のステップＳ１０３の処理と同様である。また、ステップＳ２０５の処理は、第一の実施形態に係る文字認識処理のステップＳ１０４の処理と同様である。

ステップＳ２０５の処理において、判定部１４が、確度が閾値Ｔｈ１以下であると判定すると（ステップＳ２０５：Ｙｅｓ）、測定部１６は、文字領域ごとに特徴量を測定する（ステップＳ２０６）。特徴量とは、文字の大きさ、太さ等であって、ステップＳ２０２の処理によって文字領域として検出された領域における文字の特徴を示す値である。

図８は、第二の実施形態に係る特徴量が文字の大きさである一例を示す図である。

測定部１６は、文字の大きさを特徴量とする場合、例えば、文字を囲む四角形を区画し、四角形の横の長さと縦の長さの和を文字の大きさとして測定する。また、文字の大きさの定義は他でも良く、例えば、言語の性質等によっては、縦の長さまたは横の長さを文字の大きさとしても良い。すなわち、言語の性質等によってＯＣＲの認識の確度との相関が大きいものを文字の大きさとして定義すれば良い。

図９（ａ）は、第二の実施形態に係る特徴量が文字の太さである一例を示す第一の図である。図９（ｂ）は、第二の実施形態に係る特徴量が文字の太さである一例を示す第二の図である。

図９（ａ）は、いわゆる普通文字の例であり、図９（ｂ）は、いわゆる太字の例である。測定部１６は、文字の太さを特徴量とする場合、例えば、文字を囲む四角形を区画し、四角形に占める文字の線を示す部分の割合を充填率として定義し、充填率と文字の線を示す線分の長さや文字の内容等に基づいて、文字の太さを算出する。

例えば、充填率と文字の内容に基づいて文字の太さを算出する場合、同じ「発」という文字について、図９（ａ）に示した普通文字の場合の充填率が３０％であって、図９（ｂ）に示した太字の場合の充填率が５０％である場合、「発」の充填率３０％は太さ３、「発」の充填率５０％は太さ５のように、文字ごとの充填率に基づいて文字の太さを決定する。

同様に、「一」のようにもともとも充填率が低くなる文字の場合には、「一」の充填率１０％は太さ３、「一」の充填率２０％は太さ５のように、充填率と太さとの関係を文字ごとに規定することによって、文字の太さを決定する。

また、例えば、充填率と文字の線を示す線分の長さとに基づいて文字の太さを算出する場合、その線分の長さＬｃと充填率Ｐｆとに基づいて、Ｐｆ／Ｌｃを文字の太さとする。

「発」という文字の線を示す線分の長さが１０、「一」という文字の線を示す線分の長さが１である場合、「発」の充填率３０％の太さは、３０／１０＝３であり、「一」の充填率１０％の太さは、１０／１＝１０である。

上述した文字の大きさ、太さ等の算出方法は、一例であって他でも良い。

次に、閾値決定部１７は、特徴量の統計値の変動量が閾値Ｔｈ２以下であるか否かを判定する（ステップＳ２０７）。具体的には、閾値決定部１７は、文字領域ごとに取得した特徴量の最大値を算出する。すなわち、ステップＳ２０６の処理が測定部１６によって文字領域ごとに繰り返し処理され、処理されるたびに測定される特徴量のうちの最大値を、閾値決定部１７は取得し、その変動量を取得する。

閾値Ｔｈ２は、あらかじめ設定情報１１０として記憶部１１に格納されている。一定量の処理を行った後で、変動量が少なくなることは、統計値が収束し、統計的に十分な量のデータに基づく学習が為されたことを意味する。

そして、閾値決定部１７は、特徴量の統計値の変動量が閾値Ｔｈ２以下であると判定すると（ステップＳ２０７：Ｙｅｓ）、特徴量閾値Ｔｈ３を決定する（ステップＳ２０８）。

具体的には、閾値決定部１７は、特徴量の統計値に基づいて、特徴量閾値Ｔｈ３を決定する。例えば、閾値決定部１７は、特徴量の統計値（例えば最大値）を特徴量閾値Ｔｈ３としても良いし、特徴量の統計値に補正値を加算したものを特徴量閾値Ｔｈ３としても良い。そして、閾値決定部１７は、決定した特徴量閾値Ｔｈ３を、設定情報１１０として記憶部１１に格納する。

また、特徴量の統計値は、最大値でなくても良く、平均値等の他の統計値であっても良い。

そして、閾値決定部１７は、学習済みフラグをＯＮにする（ステップＳ２０９）。これによって、次に、ＦＡＸデータ４０を受信した場合のステップＳ２０３における判定結果が変わることになる。

そして、ステップＳ２１０の処理に進む。また、閾値決定部１７が、特徴量の統計値の変動量が閾値Ｔｈ２以下でないと判定すると（ステップＳ２０７：Ｎｏ）、ステップＳ２０８とステップＳ２０９の処理をスキップして、ステップＳ２１０の処理に進む。

ステップＳ２１０からステップＳ２１２までの処理は、第一の実施形態に係る文字認識処理のステップＳ１０５からステップＳ１０７までの処理と同様である。

また、ステップＳ２０３の処理において、ＦＡＸ受信装置１０は、学習済みフラグがＯＮであると判定すると（ステップＳ２０３：Ｙｅｓ）、学習済み処理を実行する（ステップＳ２１３）。

図１０は、第二の実施形態に係る学習済み処理のフローの一例を示す図である。

測定部１６は、文字領域ごとに特徴量を測定する（ステップＳ３０１）。このステップＳ３０１の処理は、本実施形態に係る文字認識処理のステップＳ２０６と同様である。

次に、判定部１４は、ステップＳ３０１で測定された特徴量が、特徴量閾値Ｔｈ３以下であるか否かを判定する（ステップＳ３０２）。判定部１４が、特徴量がＴｈ３以下であると判定すると（ステップＳ３０２：Ｙｅｓ）、文字復元部１５は、超解像処理によって文字を復元する（ステップＳ３０３）。

また、判定部１４が、特徴量がＴｈ３以下でないと判定すると（ステップＳ３０２：Ｎｏ）、ＦＡＸ受信装置１０は、ステップＳ３０３の処理をスキップする。

文字認識部１３は、ＯＣＲによって文字を認識する（ステップＳ３０４）。具体的には、ステップＳ３０３の処理が実行された場合は、文字認識部１３は、復元された文字を認識し、ステップＳ３０３の処理が実行されなかった場合は、文字認識部１３は、そのままの文字を認識する。

そして、ＦＡＸ受信装置１０は、すべての文字領域を処理したか否かを判定する（ステップＳ３０５）。

ＦＡＸ受信装置１０は、いずれかの文字領域を処理していないと判定すると（ステップＳ３０５：Ｎｏ）、ステップＳ３０１に戻り、未処理の文字領域の処理を実行する。

ＦＡＸ受信装置１０は、すべての文字領域を処理したと判定すると（ステップＳ３０５：Ｙｅｓ）、処理を終了する。

本実施形態に係るＦＡＸ受信装置１０によれば、ＦＡＸ受信装置１０が受信するＦＡＸデータ４０の特性に応じて、特徴量閾値Ｔｈ３を決定することができる。そして、特徴量閾値Ｔｈ３を決定した後は、ＯＣＲよりも処理の負荷が小さい特徴量の測定によって、超解像処理をするか否かを判定することができるため、処理時間の低減および処理負荷の軽減が達成される。

（第三の実施形態）
以下に図面を参照して、第三の実施形態について説明する。第三の実施形態では、文字のフォントを特定して、特定したフォントによる判定を、確度による判定と併用する点が、第二の実施形態と相違する。以下の第三の実施形態の説明では、第二の実施形態との相違点について説明し、第二の実施形態と同様の機能構成を有するものには、第二の実施形態の説明で用いた符号と同様の符号を付与し、その説明を省略する。

図１１は、第三の実施形態に係るＦＡＸ受信装置の機能の一例を示す図である。

本実施形態に係るＦＡＸ受信装置１０は、第一の実施形態として説明した機能部に加えて、フォント特定部１８と、判定用フォント決定部１９と、をさらに備える。

フォント特定部１８は、ＦＡＸデータ４０から文字のフォントを特定する。具体的には、あらかじめフォントの種類と特徴を示す情報が設定情報１１０として記憶部１１に格納されている。そして、フォント特定部１８はＦＡＸデータ４０に含まれる文字の特徴からフォントの種類を特定する。

判定用フォント決定部１９は、判定部１４によって確度が閾値Ｔｈ１以下であると判定された場合のフォントに基づいて、判定用のフォントを決定する。具体的には、判定用フォント決定部１９は、フォント特定部１８がＦＡＸデータ４０から測定した複数の文字ごとのフォントを統計的に分析し、分析結果に基づいて、判定用のフォントを決定する。

また、本実施形態に係る判定部１４は、判定用フォント決定部１９によって判定用のフォントが決定されると、フォント特定部１８によって特定されたフォントが判定用のフォントであるか否かを判定する。

次に、本実施形態に係るＦＡＸ受信装置１０の動作について、図面を参照して説明する。

図１２は、第三の実施形態に係る文字認識処理のフローの一例を示す図である。

本実施形態に係る文字認識処理のステップＳ４０１からステップＳ４０５までの処理については、第二の実施形態に係る文字認識処理のステップＳ２０１からステップＳ２０５までの処理と同様である。

ステップＳ４０５の処理において、判定部１４が、確度が閾値Ｔｈ１以下であると判定すると（ステップＳ４０５：Ｙｅｓ）、フォント特定部１８は、文字領域ごとのフォントを特定する（ステップＳ４０６）。具体的には、フォント特定部１８は、文字の特徴を検出して、検出された特徴と、設定情報１１０に含まれるフォントの種類と特徴を示す情報と、に基づいて、フォントを特定する。

図１３（ａ）は、第三の実施形態に係るフォントの一例を示す第一の図である。また、図１３（ｂ）は、第三の実施形態に係るフォントの一例を示す第二の図である。

図１３（ａ）は、フォントがゴシック体である例であり、線分の太さが変動しない特徴を示している。また、図１３（ｂ）は、フォントが明朝体である例であり、線分の太さが変動する特徴を示している。

そこで、例えば、フォント特定部１８は、線分の太さが変動する特徴から、フォントが明朝体であることを特定する。

次に、判定用フォント決定部１９は、文字数が閾値Ｔｈ４以上のフォントが存在するか否かを判定する（ステップＳ４０７）。文字数とは、ステップＳ２０６の処理がフォント特定部１８によって文字領域ごとに繰り返し処理され、処理されるたびにフォントが特定される文字の数を、フォントごとにカウントしたものである。

閾値Ｔｈ４は、あらかじめ設定情報１１０として記憶部１１に格納されている。一定量の処理を行った後で、文字数が多いことは、確度が低いと判定される可能性が高いフォントが特定され、統計的に十分な量のデータに基づく学習が為されたことを意味する。

そして、判定用フォント決定部１９は、文字数が閾値Ｔｈ４以上のフォントが存在すると判定すると（ステップＳ４０７：Ｙｅｓ）、判定用フォントを決定する（ステップＳ４０８）。具体的には、判定用フォント決定部１９は、文字数が閾値Ｔｈ４以上のフォントを、判定用フォントとして決定する。

そして、判定用フォント決定部１９は、学習済みフラグをＯＮにする（ステップＳ４０９）。これによって、次に、ＦＡＸデータ４０を受信した場合のステップＳ４０３における判定結果が変わることになる。

そして、ステップＳ４１０の処理に進む。また、判定用フォント決定部１９が、文字数が閾値Ｔｈ４以上のフォントが存在しないと判定すると（ステップＳ４０７：Ｎｏ）、ステップＳ４０８とステップＳ４０９の処理をスキップして、ステップＳ４１０の処理に進む。

ステップＳ４１０からステップＳ４１２までの処理は、第二の実施形態に係る文字認識処理のステップＳ２１０からステップＳ２１２までの処理と同様である。

また、ステップＳ４０３の処理において、ＦＡＸ受信装置１０は、学習済みフラグがＯＮであると判定すると（ステップＳ４０３：Ｙｅｓ）、学習済み処理を実行する（ステップＳ４１３）。

図１４は、第三の実施形態に係る学習済み処理のフローの一例を示す図である。

フォント特定部１８は、文字領域ごとにフォントを特定する（ステップＳ５０１）。このステップＳ５０１の処理は、本実施形態に係る文字認識処理のステップＳ４０６と同様である。

次に、判定部１４は、ステップＳ５０１で特定されたフォントが、判定用フォントと同じであるか否かを判定する（ステップＳ５０２）。判定部１４が、特定されたフォントが判定用フォントと同じであると判定すると（ステップＳ５０２：Ｙｅｓ）、文字復元部１５は、超解像処理によって文字を復元する（ステップＳ５０３）。

また、判定部１４が、特定されたフォントが判定用フォントと同じでないと判定すると（ステップＳ５０２：Ｎｏ）、ＦＡＸ受信装置１０は、ステップＳ３０３の処理をスキップする。

また、本実施形態に係るステップＳ５０４およびステップＳ５０５の処理は、第二の実施形態に係る学習済み処理のステップＳ３０４およびステップＳ３０５の処理と同様である。

本実施形態に係るＦＡＸ受信装置１０によれば、ＦＡＸ受信装置１０が受信するＦＡＸデータ４０の特性に応じて、判定用フォントを決定することができる。そして、判定用フォントを決定した後は、ＯＣＲよりも処理の負荷が小さいフォントの特定によって、超解像処理をするか否かを判定することができるため、処理時間の低減および処理負荷の軽減が達成される。

上記で説明した実施形態の各機能は、一又は複数の処理回路によって実現することが可能である。ここで、本明細書における「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上記で説明した各機能を実行するよう設計されたＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（Digital Signal Processor）、ＦＰＧＡ（Field Programmable Gate Array）や従来の回路モジュール等のデバイスを含むものとする。

以上、各実施形態に基づき本発明の説明を行ってきたが、上記実施形態に示した要件に本発明が限定されるものではない。これらの点に関しては、本発明の主旨をそこなわない範囲で変更することができ、その応用形態に応じて適切に定めることができる。

１０ ＦＡＸ受信装置
１１ 記憶部
１２ 受信部
１３ 文字認識部
１４ 判定部
１５ 文字復元部
１６ 測定部
１７ 閾値決定部
１８ フォント特定部
１９ 判定用フォント決定部
２０ ＦＡＸ送信装置
３０ 電話網
４０ ＦＡＸデータ

特開平０２－１２３４８９号公報

Claims (7)

1. ＦＡＸデータを受信する受信部と、
   前記ＦＡＸデータから文字を認識し、前記文字の確からしさを示す確度を算出する文字認識部と、
   算出された前記確度があらかじめ定められた閾値以下であるか否かを判定する判定部と、
   前記確度が前記閾値以下であると判定された場合に、前記ＦＡＸデータに含まれる文字の特徴を示す特徴量を測定する測定部と、
   前記確度が前記閾値以下であると判定された場合の前記特徴量に基づいて、前記特徴量の閾値を示す特徴量閾値を決定する閾値決定部と、を有し、
   前記判定部は、前記特徴量閾値が決定されると、前記測定部が測定した特徴量が前記特徴量閾値以下であるか否かを判定し、
   前記特徴量が前記特徴量閾値以下であると判定された場合に、超解像処理によって前記文字を復元する文字復元部、を有し、
   前記文字認識部は、復元された前記文字を認識する、
   ＦＡＸ受信装置。
2. 前記閾値決定部は、前記測定部が前記ＦＡＸデータから測定した複数の文字ごとの前記特徴量の統計値を算出し、算出された前記統計値に基づいて、前記特徴量閾値を決定する、
   請求項１に記載のＦＡＸ受信装置。
3. 前記特徴量は、文字の大きさを示す値である、
   請求項１または２に記載のＦＡＸ受信装置。
4. 前記特徴量は、文字の太さを示す値である、
   請求項１または２に記載のＦＡＸ受信装置。
5. 前記ＦＡＸデータから文字のフォントを特定するフォント特定部と、
   前記確度が前記閾値以下であると判定された場合の前記フォントに基づいて、判定用のフォントを決定する判定用フォント決定部と、
   前記判定部は、前記判定用の前記フォントが決定されると、前記フォント特定部によって特定された前記フォントが前記判定用の前記フォントであるか否かを判定し、
   前記文字復元部は、前記フォント特定部によって特定された前記フォントが前記判定用の前記フォントであると判定された場合に、前記超解像処理によって前記文字を復元する、
   請求項１に記載のＦＡＸ受信装置。
6. ＦＡＸ受信装置が実行する方法であって、
   ＦＡＸデータを受信するステップと、
   前記ＦＡＸデータから文字を認識し、前記文字の確からしさを示す確度を算出するステップと、
   算出された前記確度があらかじめ定められた閾値以下であるか否かを判定するステップと、
   前記確度が前記閾値以下であると判定された場合に、前記ＦＡＸデータに含まれる文字の特徴を示す特徴量を測定するステップと、
   前記確度が前記閾値以下であると判定された場合の前記特徴量に基づいて、前記特徴量の閾値を示す特徴量閾値を決定するステップと、
   前記特徴量閾値が決定されると、前記測定するステップで測定された特徴量が前記特徴量閾値以下であるか否かを判定するステップと、
   前記特徴量が前記特徴量閾値以下であると判定された場合に、超解像処理によって前記文字を復元するステップと、
   復元された前記文字を認識するステップと、を備える、
   ＦＡＸ受信方法。
7. コンピュータに、
   ＦＡＸデータを受信するステップと、
   前記ＦＡＸデータから文字を認識し、前記文字の確からしさを示す確度を算出するステップと、
   算出された前記確度があらかじめ定められた閾値以下であるか否かを判定するステップと、
   前記確度が前記閾値以下であると判定された場合に、前記ＦＡＸデータに含まれる文字の特徴を示す特徴量を測定するステップと、
   前記確度が前記閾値以下であると判定された場合の前記特徴量に基づいて、前記特徴量の閾値を示す特徴量閾値を決定するステップと、
   前記特徴量閾値が決定されると、前記測定するステップにより測定された特徴量が前記特徴量閾値以下であるか否かを判定するステップと、
   前記特徴量が前記特徴量閾値以下であると判定された場合に、超解像処理によって前記文字を復元するステップと、
   復元された前記文字を認識するステップと、
   を実行させるためのプログラム。

Images