JPH08272811A - 文書管理方法及びその装置 - Google Patents

Abstract

(57)【要約】 【目的】 検索キーワードとテキストデータとの照合の
ヒット率を向上させる文書管理方法及びその装置を提供
する。具体的には、文書の登録方法及び検索方法を提供
する。 【構成】 文書登録時には、文書画像からテキスト領域
を取り出して文字認識処理を行い、複数のテキストデー
タ候補からなるテキストデータ群を前記文書画像と共に
登録し（図２）、文書検索時には、前記テキストデータ
群の組合せと検索キーワードとを照合することにより検
索を行う（Ｓ２０３）。登録される前記テキストデータ
の数は、文字認識確率のテキストデータ分の累積が大き
い順に所定数であり、前記テキストデータ群の組合せ
は、文字認識確率のテキストデータ分の累積が大きい順
に所定数のテキストデータ（図１１）、あるいはヒット
確率が所定の閾値より大きい文字（図１２，図１８，図
２０）に限定される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は文書管理方法及びその装
置、特に文書画像を入力し、画像中の認識した文字列に
対して検索を行う文書管理方法及びその装置に関するも
のである。

【０００２】

【従来の技術】従来、この種の文書管理装置における文
書の登録と検索は、次のように行っている。登録では、
まず登録したい文書画像をスキャナで読み取り、２値の
画像データに変換する。次に、テキスト領域と画像領域
とに領域分離を行い、テキスト（文字）領域を抽出す
る。続いて、テキスト領域に対して文字認識を行い、テ
キストデータを得る。一方、文書全体の画像データを圧
縮する。次に、前記テキストデータと文書全体の圧縮画
像データを併せて保存登録する。同様にして、多くの文
書を各々読み取って登録する。

【０００３】又、検索では、入力された検索キーワード
を保存されているファイルのテキストデータと照合し、
検索キーワードと一致したテキストデータに対応する圧
縮画像データを伸長し、ディスプレイに表示する。全て
のテキストデータとの照合が終了した所で、検索処理を
終了する。次に、従来の検索時の処理の流れの一例を、
図９のフローチャートを用いて説明する。

【０００４】まず、ステップＳ９０１で検索キーワード
を入力すると、ステップＳ９０２で検索データの数を記
憶しておくカウンタｉに“１”をセットする。次にステ
ップＳ９０３で、保存されているｉ件目のデータのテキ
ストデータと入力された検索キーワードとの照合を行
う。この照合はいわゆる全文検索を行い、テキストデー
タに検索キーワードがそのまま含まれているかどうかを
調べる。ステップＳ９０４で検索キーワードを含まれて
いた場合はステップＳ９０５へ進み、発見されたテキス
トデータに対応する文書の画像データを伸長してディス
プレイに表示し、ステップＳ９０６へ進む。なお、検索
キーワードがテキストデータに含まれていた場合を「ヒ
ットした」と呼ぶことにする。一方、ステップＳ９０４
で検索キーワードが含まれていなかったいなかった場合
は、ステップＳ９０６へ進む。ステップＳ９０６ではも
うデータがなければ終了し、そうでなければステップＳ
９０７でカウンタｉをひとつ増やして、ステップＳ９０
３へ戻る。以上のようにして、検索キーワードがテキス
トとして含まれている文書画像を全て捜し出し、ディス
プレイ上に表示する。

【０００５】

【発明が解決しようとする課題】しかしながら、上記従
来例では検索キーワードをそのままテキストデータと照
合していたため、テキストデータ中に文字の誤認識等に
起因して誤った文字が含まれていた場合、照合がヒット
せずに検索不能となったり、正しいデータが検索されな
いという欠点があった。

【０００６】本発明は、前記従来の欠点を除去し、検索
キーワードとテキストデータとの照合のヒット率を向上
させる文書管理方法及びその装置を提供する。具体的に
は、文書の登録方法及び検索方法を提供する。

【０００７】

【課題を解決するための手段】この課題を解決するため
に、本発明の文書管理方法は、文書登録時には、文書画
像からテキスト領域を取り出して文字認識処理を行い、
複数のテキストデータ候補からなるテキストデータ群を
前記文書画像と共に登録し、文書検索時には、前記テキ
ストデータ群の組合せと検索キーワードとを照合するこ
とにより検索を行うことを特徴とする。

【０００８】ここで、登録される前記テキストデータの
数は、文字認識確率のテキストデータ分の累積が大きい
順に所定数である。また、登録される前記テキストデー
タは、文字認識確率のテキストデータ分の累積が所定の
閾値より大きいものである。また、登録される前記テキ
ストデータの文字は、該文字のヒット確率が所定の閾値
より大きい文字である。また、前記テキストデータ群の
組合せは、文字認識確率のテキストデータ分の累積が大
きい順に所定数のテキストデータに限定される。また、
前記テキストデータ群の組合せは、ヒット確率が所定の
閾値より大きい文字に限定される。また、前記ヒット確
率が所定の閾値より大きい文字の限定は、検索によりヒ
ットした文字の中で、テキストデータ群中での出現確率
が所定の閾値より小さい文字を検索結果から除外するこ
とで実現する。また、前記ヒット確率が所定の閾値より
大きい文字の限定は、前記テキストデータ群中の出現確
率が所定の閾値より大きい文字との比較に限定すること
より実現する。また、前記ヒット確率が所定の閾値より
大きい文字の限定は、前記テキストデータ群中の的中率
が所定の閾値より大きい文字との比較に限定することよ
り実現する。また、前記的中率は文字認識の相違度で表
される。

【０００９】又、本発明の文書管理方法は、文書画像か
らテキスト領域を取り出して文字認識処理を行い、複数
のテキストデータ候補からなるテキストデータ群を前記
文書画像と共に登録することを特徴とする。又、本発明
の文書管理装置は、文書登録時に、文書画像からテキス
ト領域を取り出して文字認識処理を行い、複数のテキス
トデータ候補からなるテキストデータ群を前記文書画像
と共に登録する登録手段と、文書検索時に、前記テキス
トデータ群の組合せと検索キーワードとを照合すること
により検索を行う検索手段とを備えることを特徴とす
る。

【００１０】ここで、前記登録手段は、１つの文書画像
に対して、文字認識確率のテキストデータ分の累積が大
きい順に所定数のテキストデータを登録する。また、前
記登録手段は、１つの文書画像に対して、文字認識確率
のテキストデータ分の累積が所定の閾値より大きいテキ
ストデータを登録する。また、前記登録手段は、１つの
文書画像に対して、文字のヒット確率が所定の閾値より
大きい文字を登録する。また、前記検索手段は、前記テ
キストデータ群の組合せを、文字認識確率のテキストデ
ータ分の累積が大きい順に所定数のテキストデータに限
定する第１の限定手段を備える。また、前記検索手段
は、前記テキストデータ群の組合せを、ヒット確率が所
定の閾値より大きい文字に限定する第２の限定手段を備
える。また、前記ヒット確率が所定の閾値より大きい文
字の限定は、検索によりヒットした文字の中で、テキス
トデータ群中での出現確率が所定の閾値より小さい文字
を検索結果から除外することで実現する。また、前記ヒ
ット確率が所定の閾値より大きい文字の限定は、前記テ
キストデータ群中の出現確率が所定の閾値より大きい文
字との比較に限定することより実現する。また、前記ヒ
ット確率が所定の閾値より大きい文字の限定は、前記テ
キストデータ群中の的中率が所定の閾値より大きい文字
との比較に限定することより実現する。また、前記的中
率は文字認識の相違度で表される。

【００１１】又、本発明の文書管理装置は、検索キーワ
ードと一致するテキストデータを含む文書画像を検索し
て表示する文書管理装置において、文書画像からテキス
ト領域を取り出して文字認識処理を行うテキストデータ
認識手段と、認識により得られた複数のテキストデータ
候補からなるテキストデータ群を前記文書画像と共に登
録する登録手段とを備えることを特徴とする。

【００１２】

【実施例】以下、本発明の実施例を添付図面を用いて詳
細に説明する。 ＜文書管理装置の構成例＞図１は本実施例の文書管理装
置の構成例を表すブロック図である。図１において、１
０１は画像原稿に光を照射し、その反射光を読み取り電
気信号に変換するスキャナ、１０２はスキャナ１０１で
得られた電気信号を２値のデジタル電気信号に変換し、
他の装置構成要素に伝送するためのスキャナインタフェ
ース回路、１０３はディスプレイのウインドウ上で所望
とする座標を入力するためのポインティングデバイス
（マウス等）、１０４はポインティングデバイス１０３
からの信号を受け、それを他の装置構成要素に伝送する
ためのインターフェース回路、１０５は装置全体の制御
及び文字切り出し処理や認識処理を実行するためのＣＰ
Ｕ、１０６はＣＰＵ１０５が実行する制御プログラム１
０６ａ，各種処理プログラム１０６ｂやフォントデータ
１０６ｃなどを格納しているＲＯＭ、１０７は文字画像
の展開や文字認識処理のための作業領域１０７ａなどと
して用いられるＲＡＭである。また、１０８は入力イメ
ージや認識結果を表示するためのディスプレイ、１０９
はディスプレイインターフェース回路である。ディスプ
レイ１０８には、ＲＡＭ１０７の所定アドレスエリアに
格納されているＶＲＡＭ領域１０７ｂのイメージを表示
する。１１０は、登録されたデータ１１０ａが格納され
るハードディスク（ＨＤ）やフロッピーディスク（Ｆ
Ｄ）等の外部記憶装置で、１１１はそのインターフェー
ス回路である。そして１１２は各装置構成要素を接続す
るバスである。

【００１３】＜文書管理装置の動作例＞ （文書登録処理例１）文書をスキャナで読み取り、その
テキスト領域を文字認識して圧縮した画像領域と共に格
納する、本実施例の文書管理装置の登録の動作手順を、
図２〜図６を用いて説明する。

【００１４】図２は登録時の処理の流れを表すフローチ
ャートである。ステップＳ６０１で、登録しようとする
文書をスキャナで読込み２値の画像データに変換する。
ステップＳ６０２で、得られた入力画像に対してテキス
ト領域と画像領域の領域分離を行い、文字画像が存在す
るテキスト領域だけを抽出する。テキスト領域だけの抽
出は、例えば２値の画像データにおいて黒画素の連結成
分を抽出し文字と推定されるものだけを結合することに
より達成される。次にステップＳ６０３で、テキスト領
域に対して文字認識処理を行い、テキストデータを得
る。このテキストデータは検索時に検索キーワードとの
照合に用いるためのものである。本実施例では、ステッ
プＳ６０３の文字認識処理で１つのテキストデータを選
択するのでなく、文字認識処理で候補となった複数のテ
キストデータを得る。以下本例では、第１候補から第４
候補までをテキストデータとする。

【００１５】ステップＳ６０４で文書全体の画像データ
を圧縮する。本実施例では２値画像に最適な例えばＭＭ
Ｒを用いる。ステップＳ６０５で、圧縮した画像データ
とテキストデータとを結合し、さらに日付や登録者名，
データサイズ等を記述したヘッダを付加して外部記憶装
置１１０に保存する。図３は領域分離の様子を模式的に
表した図である。

【００１６】７０１という入力画像に対して領域分離を
行い、７０２のようなテキスト領域だけを得る。このテ
キスト領域に対して文字認識してテキストデータ７０３
ｂを得る。一方、元の画像データを圧縮した圧縮画像デ
ータ７０３ｃを前記テキストデータ７０３ｂとペアに
し、さらにヘッダ７０３ａが付加され、７０３のような
１件のデータとして保存される。

【００１７】図４は保存されるデータを表した図であ
る。１件目のデータが領域８０１に保存され、２番目以
降のデータは領域８０２から順に格納される。図５にテ
キスト領域の文章の一例を、図６に図５の文章を文字認
識した場合に保存される複数のテキストデータの候補例
を示す。 （文書検索処理例１）次に、実施例１の検索時の処理の
流れを、図７のフローチャートを用いて説明する。

【００１８】まず、ステップＳ２０１で検索キーワード
を入力すると、ステップＳ２０２で検索データの数を記
憶しておくカウンタｉに“１”をセットする。次にステ
ップＳ２０３で、保存されているｉ件目のデータの複数
のテキストデータ候補からなるテキストデータ群と入力
された検索キーワードとの照合を行う。この照合はいわ
ゆる全文検索を行い、テキストデータ群の組み合わせの
中に検索キーワードが含まれているかどうかを調べる。
ステップＳ２０４で、検索キーワードを含まれていた場
合にはステップＳ２０５へ進み、発見されたテキストデ
ータ群に対応する画像データを伸長してディスプレイに
表示し、ステップＳ２０６へ進む。

【００１９】一方、ステップＳ２０４で検索キーワード
が含まれていなかったいなかった場合は、ステップＳ２
０６へ進む。ステップＳ２０６ではもうデータがなけれ
ば終了し、そうでなければステップＳ２０７でカウンタ
ｉをひとつ増やし、ステップＳ２０３へ戻る。以上のよ
うにして、検索キーワードが文書領域に含まれている文
書画像を全て捜し出し、ディスプレイ上に表示する。

【００２０】図８は、図７のステップＳ２０３の処理を
更に詳細に示したフローチャートである。前記図６のよ
うに、第１候補から第４候補までがテキストデータ群と
して保存されているとし、検索キーワードとして「内部
処理統合型」という文字列が入力されたとする。まず、
図８のステップＳ３０１〜Ｓ３０９で、検索キーワード
の先頭構成文字「内」が一致する個所、すなわち、図５
に示すＰ１（５０１）をテキストデータの全候補から検
索する。

【００２１】図３において、ステップＳ３０１では、テ
キストデータの文字位置を表すカウンタｎを“１”にす
る。次のステップＳ３０２では、検索キーワードの構成
文字位置を表すカウンタｊを“１”にする。次のステッ
プＳ３０３では、候補文字順を表すカウンタｋを“１”
にする。次のステップＳ３０４では、保存されているｉ
件目の画像データに対応するテキストデータ群の、ｎ文
字目（最初はｎ＝１）の第ｋ候補（最初はｋ＝１）、こ
の文字候補文字をＸ（ｎ，ｋ）とすると、最初はＸ
（１，１）と検索キーワードの第ｊ構成文字（最初はｊ
＝１）（この構成文字をＹ（ｊ）とすると、Ｙ（１））
との照合を行う。

【００２２】一致しない場合はステップＳ３０５へ進
み、候補文字が終了したかをチェックする。終了してい
なければステップＳ３０６へ進み、候補文字順位ｋを１
つ進め（ｋ＝ｋ＋１を行う）ステップＳ３０４へ進む。
ステップＳ３０５で候補文字が終了した場合は、次にス
テップＳ３０９へ進んでテキストデータの全候補が終了
したかをチェックする。テキストデータの全候補が終了
していない場合はステップＳ３０８へ進み、テキストデ
ータのｎ文字目の次の文字へ進め（ｎ＝ｎ＋１を行
う）、ステップＳ３０３へ進む。テキストデータ群の全
ての文字とのマッチングが終了した場合はステップＳ３
０９へ進み、テキストワードに検索キーワードを含まな
いとして、処理を終了する。

【００２３】以上のようにして、Ｐ１を見つけたなら
ば、次にｊを次に進め、第２構成文字「部」がＰ１の次
の位置の第１候補から第４候補にあるかを検索する。こ
れが、図８のステップＳ３１０〜Ｓ３１９である。も
し、第２構成文字「部」と一致する候補がＰ１の次の位
置のどの候補にもなければ、テキストデータのＰ１の次
の位置から先頭構成文字「内」に一致する個所を再度検
索し、一致すればこれを新しいＰ１とする。本実施例１
では、図５に５０２で示すように、第２候補に「部」の
文字があり検索文字と一致するので、第３構成文字
「処」の検索に移る。同様な処理を繰り返して検索キー
ワードの全構成文字のマッチングを行い、全構成文字に
対して一致する文字が候補内にあれば、そのテキストデ
ータ群は検索キーワードを含んでいるとして検索を終了
する。

【００２４】図３のステップＳ３１０〜Ｓ３１９では、
具体的に次の様に処理を行う。ステップＳ３１０で検索
キーワードが終了かをチェックし、終了ならばステップ
Ｓ３１１へ進み、テキストデータ群に検索キーワードを
含むとして処理を終える。ステップＳ３１０で検索キー
ワードが終了していない場合は、ステップＳ３１２へ進
んで構成文字を次へ進め（ｊ＝ｊ＋１を行う）、次のス
テップＳ３１３へ行く。ステップＳ３１３では、テキス
トデータ群の全ての文字とのマッチングが終了したか否
かをチェックし、終了ならばステップＳ３１９へ進み、
ステップＳ３０９と同様に、テキストに検索キーワード
を含まないとして終了する。

【００２５】ステップＳ３１３でテキストデータ群の全
ての文字とのマッチングが終了していない場合は、ステ
ップＳ３１４へ進んでテキストデータ群の次の文字へ進
め（ｎ＝ｎ＋１を行う）、ステップＳ３１５へ進んで候
補文字順位ｋを“１”とする（ｋ＝１とする）。次に、
ステップＳ３１６で、Ｘ（ｎ，ｋ）（テキストデータ群
の第ｋ候補のｎ文字目）とＹ（ｊ）（検索キーワードの
ｊ番目の文字）とが一致するかをチェックする。一致し
たならばステップＳ３１０へ戻り、検索キーワードの更
に次の文字の比較に進む。一致しなかった場合はステッ
プＳ３１７へ進み、候補文字が終了してなければステッ
プＳ３１８へ進み、候補文字順位ｋを“１”進め（ｋ＝
ｋ＋１とする）、ステップＳ３１６へ行く。ステップＳ
３１７で候補文字が終了した場合はステップＳ３０２へ
戻り、検索キーワードの構成文字位置を“１”にして
（ｊ＝１とする）、テキストデータ群の次の文字から再
度「内」を検索してＰ１を探す。

【００２６】以上のようにすると、図５のテキストデー
タの例では、文字認識の誤りにより、図６に示すよう
に、本来「内部処理統合型」であるべきところが第１候
補では「内都処理統合型」になってしまっているが、第
２構成文字「部」が候補内にあるので、テキストデータ
群の組み合わせから「内部処理統合型」の照合が可能に
なるので、入力された検索キーワードに対してヒットす
るので、正しい検索をすることができる。

【００２７】（文書検索処理例２）本実施例では、図１
１に示すように、予め文字認識手段自体の正解文字を出
力する認識確率を求め、認識確率の高い順に並べ認識候
補順位とし、最も確率の高いものを第１候補とする。更
に、第１候補より各順位までの認識確率の累積を累積認
識率として求め、その累積認識率より、どの認識候補の
順位までを検索対象とするかを所定の値と比較して決定
する。その結果から、検索対象を全体の認識候補のうち
任意の順位候補までに限定する処理である。

【００２８】図１１の例を用いて説明すると、文字認識
手段での第１候補の平均認識率は９８. ０％となり、第
２候補以上の平均累積認識率は９８. ５％，第３候補以
上の平均累積認識率は９９. ０％，第４候補以上の平均
累積認識率は９９. ５％である。ここで、閾値を９９.
０％以上と定めると、第４候補以下の候補は検索対象外
とし、全体の認識候補のうちの上位３つの候補のみに限
定できる。尚、閾値を外部より変更できるようにしても
良い。

【００２９】本実施例の文書検索処理のフローチャート
を図１０に示す。ここで、図１０のステップＳ１６０
１，Ｓ１６０２およびステップＳ１６０５〜Ｓ１６０８
は、図７のステップＳ２０１，Ｓ２０２およびステップ
Ｓ２０４〜Ｓ２０７と同じなので、説明を省略する。ス
テップＳ１６０３では、予め上記手順で求めた検索対象
候補順位ｋにより、テキストデータの第ｋ候補までを検
索対象として限定する。ステップＳ１６０４では、保存
されているｉ件目のデータのテキストデータ群の第ｋ位
候補までを対象として検索キーワードとの照合マッチン
グを行う。

【００３０】以上のように、本実施例２によれば、認識
候補のうち検索を行う範囲を限定することにより、ヒッ
ト率を高めると共に検索時間を節約することができる。 （文書検索処理例３）本実施例では、予め多数の学習デ
ータに対する認識実験の結果から各文字ごとにテキスト
データの候補として各順位以上の候補に出力される確率
（累積認識率）を求め、次に、各文字ごとに、例えば累
積認識率が１００％になる順位を順位テーブルに記憶
し、この順位テーブルを参照して検索対象を限定しなが
ら検索を行う。

【００３１】例えば、認識実験の結果、図１４のよう
に、「之」という文字は、候補順位１位になる確率は９
２. １％，第１位または第２位になる確率は９５. ３
％，第１位または第２位または第３位になる確率は９
７. ５％，第１位または第２位または第３位または第４
位になる確率は１００％となったとする。図１５は、各
文字の累積認識率が１００％になる最初の順位を記憶し
ておく順位テーブルの例である。

【００３２】図１５より、「之」という文字の累積認識
率が１００％になる最初の順位は４位だということがわ
かる。しかし、「之」の認識結果は図１３の１１０１に
示すように第３候補にあるので、検索対象として残して
おく。「介」という文字の累積認識率が１００％になる
最初の順位が２位だとすると、本実施例の認識結果では
図１３の１１０２に示すように第３候補にあるので、検
索対象として残す必要はない。すなわち、図１３のよう
に、反転部を検索対象除外部分として除外し、検索対象
文字を限定できる。尚、上記例では１００％になる順位
を示したが、これには限定されず、又、外部より変更で
きるようにしても良い。

【００３３】本実施例の文書検索処理のフローチャート
を図１２に示す。ここで、図１２のステップＳ１７０
１，Ｓ１７０２およびステップＳ１７０５〜Ｓ１７０８
は、図７のステップＳ２０１，Ｓ２０２およびステップ
Ｓ２０４〜Ｓ２０７と同じなので、説明を省略する。ス
テップＳ１７０３では、予め求めた図１５の順位テーブ
ルを用いて、図１３に示すように、テキストデータ群の
検索対象文字を限定する。ステップＳ１７０４では、保
存されているｉ件目のデータに対して、前記ステップＳ
１７０３で検索対象を限定されたテキストデータ群と検
索キーワードとのマッチングを行う。

【００３４】以上のように、実施例３によれば、検索対
象文字を限定することができ、ヒット率を高めると共
に、更に検索時間を節約することができる。 （文書検索処理例４）本実施例は、前記実施例３と逆
に、作成した順位テーブルから、検索時に検索キーワー
ドの構成文字ごとに検索する候補順位を限定する実施例
である。

【００３５】例えば、図１７のように予め作成した順位
テーブルから、検索キーワードの各構成文字ごとの検索
時に限定する順位が求まったとすると、図１８に示すよ
うに、検索キーワードの「内」の検索時には上位２候補
に限定して処理を行うことになる。図１８上部の第１候
補が「な」の列にはヒットする文字がないので、隣の第
１候補が「え」の列に移り、同様に検索キーワードの
「内」と上位２候補のマッチングを行う。

【００３６】このように、検索キーワードの同じ構成文
字に対しては、候補の文字によらず常に一定数の候補と
マッチングを行うことになる。見方を変えると、「え」
の行は検索キーワードの「内」との間では上位２候補の
マッチングを行うが、検索キーワードの「部」との間で
は上位４候補のマッチングを行う。従って、検索キーワ
ードの構成文字によって同じ候補文字でも、検索対象文
字の限定が異なることになる。

【００３７】本実施例の文書検索処理のフローチャート
を図１６に示す。ここで、図１６のステップＳ１８０
１，Ｓ１８０２およびステップＳ１８０４〜１８０７
は、図７のステップＳ２０１，Ｓ２０２およびステップ
Ｓ２０４〜Ｓ２０７と同じなので省略する。ステップＳ
１８０３では、保存されているｉ件目のデータのテキス
トデータ群と、検索キーワードの各構成文字ごとに対応
する順位テーブル（例えば、図１７）から、文字候補の
検索対象を図１８のような検索対象文字候補に限定しな
がらマッチング処理を行う。

【００３８】従って、実施例４の場合、前記実施例３の
ように、テキストデータ全ての文字ごとに順位テーブル
を用いて検索対象文字を限定することに比べ、処理時間
を更に節約することができる。 （文書検索処理例５）本実施例は、文字認識結果に対し
て不確実な候補文字の判定を行い、不確実候補文字のみ
複数個の認識候補を保持し、他は検索対象を限定した認
識候補を残したものをテキストデータ群とし、検索キー
ワードとそれらの組合せを照合する実施例である。

【００３９】例えば図２０に示す例では、文字認識手段
が図２１に示すように入力文字と認識候補の特徴データ
の相違度を算出し、予め定めた閾値８０よりも相違度が
大きい認識結果の第１候補「都」（１４０１）および
「統」（１４０２）の認識候補を不確実な候補文字と判
定し、これらの全認識候補を検索対象として保持してい
る。また、相違度が閾値８０以下の他の認識候補に対し
ては、第１認識候補のみを検索対象文字として限定す
る。従って、ヒット率を高めると共に、更に検索時間を
節約することができる。尚、上記例では８０を閾値とし
た例を示したが、これには限定されず、又、外部より変
更できるようにしても良い。

【００４０】本実施例の文書検索処理のフローチャート
を図１９に示す。ここで、図１９のステツプＳ１９０
１，Ｓ１９０２及び、ステツプＳ１９０５〜Ｓ１９０８
は、図７のステツプＳ２０１，Ｓ２０２及び、ステツプ
Ｓ２０４〜Ｓ２０７と同じなので、説明は省略する。ス
テツプＳ１９０３では不確実候補文字を判定し、図２１
に示すように、入力文字と認識候補の特徴データの相違
度を算出し、予め定めた閾値より相違度が大きい認識結
果の第１位候補の認識候補を不確実な候補文字と判定
し、不確実候補文字以外の検索対象を限定する（図２
０）。ステツプＳ１９０４では、保存されているｉ件目
のデータのステツプＳ１９０３で限定されたテキストデ
ータ群と検索キーワードとのマッチングを行う。

【００４１】従って、実施例５の場合、処理時間を更に
節約することができる。尚、上記実施例２〜５では登録
処理を変えずに、検索処理における処理時間の節約を考
慮したが、登録処理において検索対象を除外される候補
あるいは文字を登録しないようにすれば、記憶容量の削
減をも達成できる。これは、検索対象の除外を登録時に
するか検索時にするかの違いだけであって、その変更は
容易である。又、累積認識率，順位テーブルあるいは相
違度等は、登録処理及び検索処理において更新されるよ
うにしてもよい。更に、本発明は、複数の機器から構成
されるシステムに適用しても、１つの機器から成る装置
に適用しても良い。また、本発明はシステム或は装置に
プログラムを供給することによって達成される場合にも
適用できることはいうまでもない。

【００４２】

【発明の効果】本発明により、検索キーワードとテキス
トデータとの照合のヒット率を向上させる文書管理方法
及びその装置を提供できる。具体的には、その文書の登
録方法及び検索方法を提供できる。すなわち、文書画像
データの登録時に文字認識が１００％正しくなくとも、
各認識対象が持つ複数個の認識候補の全てをテキストデ
ータとして保持し、それらの複数個の認識候補を組合
せ、検索キーワードとそれらの組合せを照合することに
より、高い精度で検索キーワードの含まれた画像データ
を捜し出すことができるという効果がある。

【図面の簡単な説明】

【図１】本実施例の文書管理装置の構成例を示すブロッ
ク図である。

【図２】本実施例の登録時の処理手順を示すフローチャ
ートである。

【図３】本実施例の領域分離の様子を模式的に表した図
である。

【図４】本実施例で保存されるデータの例を表した図で
ある。

【図５】本実施例の入力画像のうちのテキスト領域の一
例を示す図である。

【図６】本実施例のテキストデータ群の一例を示す図で
ある。

【図７】検索処理手順の一例を示すフローチャートであ
る。

【図８】図７のフローチャートのステップＳ２０３の処
理を詳細に示したフローチャートである。

【図９】従来の検索時の処理手順を示すフローチャート
である。

【図１０】検索処理手順の他の例を示すフローチャート
である。

【図１１】図１０の検索処理手順での認識例と検索対象
除外部分を示す図である。

【図１２】検索処理手順の更に他の例を示すフローチャ
ートである。

【図１３】図１２の検索処理手順での認識例と検索対象
除外部分を示す図である。

【図１４】図１２の検索処理手順での各文字に対する認
識確率の順位を示す図である。

【図１５】図１２の検索処理手順での各文字に対する確
率１００％になる順位を示す順位テーブルの図である。

【図１６】検索処理手順の更に他の例を示すフローチャ
ートである。

【図１７】図１６の検索処理手順での順位テーブルを示
す図である。

【図１８】図１６の検索処理手順での認識例と検索時の
検索対象文字候補を示す図である。

【図１９】検索処理手順の更に他の例を示すフローチャ
ートである。

【図２０】図１９の検索処理手順での認識例と検索対象
外を示す図である。

【図２１】図１９の検索処理手順での入力文字と認識候
補の特徴データの相違度を示す図である。

【符号の説明】

１０１ スキャナ １０２ スキャナインターフェース回路 １０３ ポインティングデバイス（マウス等） １０４ インターフェース回路 １０５ ＣＰＵ １０６ ＲＯＭ １０６ａ 制御プログラム １０６ｂ 各種処理プログラム １０６ｃ フォントデータ １０７ ＲＡＭ １０７ａ 作業領域 １０７ｂ ＶＲＡＭ領域 １０８ ディスプレイ １０９ ディスプレイインターフェース １１０ 外部記憶装置（ＨＤ，ＦＤ等） １１０ａ 登録データ １１１ インターフェース回路 １１２ バス

Claims (22)

【特許請求の範囲】
1. 【請求項１】 文書登録時には、文書画像からテキスト
   領域を取り出して文字認識処理を行い、複数のテキスト
   データ候補からなるテキストデータ群を前記文書画像と
   共に登録し、 文書検索時には、前記テキストデータ群の組合せと検索
   キーワードとを照合することにより検索を行うことを特
   徴とする文書管理方法。
2. 【請求項２】 登録される前記テキストデータの数は、
   文字認識確率のテキストデータ分の累積が大きい順に所
   定数であることを特徴とする請求項１記載の文書管理方
   法。
3. 【請求項３】 登録される前記テキストデータは、文字
   認識確率のテキストデータ分の累積が所定の閾値より大
   きいものであることを特徴とする請求項１記載の文書管
   理方法。
4. 【請求項４】 登録される前記テキストデータの文字
   は、該文字のヒット確率が所定の閾値より大きい文字で
   あることを特徴とする請求項１記載の文書管理方法。
5. 【請求項５】 前記テキストデータ群の組合せは、文字
   認識確率のテキストデータ分の累積が大きい順に所定数
   のテキストデータに限定されることを特徴とする請求項
   １または２記載の文書管理方法。
6. 【請求項６】 前記テキストデータ群の組合せは、ヒッ
   ト確率が所定の閾値より大きい文字に限定されることを
   特徴とする請求項１または２記載の文書管理方法。
7. 【請求項７】 前記ヒット確率が所定の閾値より大きい
   文字の限定は、検索によりヒットした文字の中で、テキ
   ストデータ群中での出現確率が所定の閾値より小さい文
   字を検索結果から除外することで実現することを特徴と
   する請求項６記載の文書管理方法。
8. 【請求項８】 前記ヒット確率が所定の閾値より大きい
   文字の限定は、前記テキストデータ群中の出現確率が所
   定の閾値より大きい文字との比較に限定することより実
   現することを特徴とする請求項６記載の文書管理方法。
9. 【請求項９】 前記ヒット確率が所定の閾値より大きい
   文字の限定は、前記テキストデータ群中の的中率が所定
   の閾値より大きい文字との比較に限定することより実現
   することを特徴とする請求項６記載の文書管理方法。
10. 【請求項１０】 前記的中率は文字認識の相違度で表さ
    れることを特徴とする請求項９記載の文書管理方法。
11. 【請求項１１】 文書画像からテキスト領域を取り出し
    て文字認識処理を行い、 複数のテキストデータ候補からなるテキストデータ群を
    前記文書画像と共に登録することを特徴とする文書登録
    方法。
12. 【請求項１２】 文書登録時に、文書画像からテキスト
    領域を取り出して文字認識処理を行い、複数のテキスト
    データ候補からなるテキストデータ群を前記文書画像と
    共に登録する登録手段と、 文書検索時に、前記テキストデータ群の組合せと検索キ
    ーワードとを照合することにより検索を行う検索手段と
    を備えることを特徴とする文書管理装置。
13. 【請求項１３】 前記登録手段は、１つの文書画像に対
    して、文字認識確率のテキストデータ分の累積が大きい
    順に所定数のテキストデータを登録することを特徴とす
    る請求項１２記載の文書管理装置。
14. 【請求項１４】 前記登録手段は、１つの文書画像に対
    して、文字認識確率のテキストデータ分の累積が所定の
    閾値より大きいテキストデータを登録することを特徴と
    する請求項１２記載の文書管理装置。
15. 【請求項１５】 前記登録手段は、１つの文書画像に対
    して、文字のヒット確率が所定の閾値より大きい文字を
    登録することを特徴とする請求項１２記載の文書管理装
    置。
16. 【請求項１６】 前記検索手段は、前記テキストデータ
    群の組合せを、文字認識確率のテキストデータ分の累積
    が大きい順に所定数のテキストデータに限定する第１の
    限定手段を備えることを特徴とする請求項１２または１
    ３記載の文書管理装置。
17. 【請求項１７】 前記検索手段は、前記テキストデータ
    群の組合せを、ヒット確率が所定の閾値より大きい文字
    に限定する第２の限定手段を備えることを特徴とする請
    求項１２または１３記載の文書管理装置。
18. 【請求項１８】 前記ヒット確率が所定の閾値より大き
    い文字の限定は、検索によりヒットした文字の中で、テ
    キストデータ群中での出現確率が所定の閾値より小さい
    文字を検索結果から除外することで実現することを特徴
    とする請求項１７記載の文書管理装置。
19. 【請求項１９】 前記ヒット確率が所定の閾値より大き
    い文字の限定は、前記テキストデータ群中の出現確率が
    所定の閾値より大きい文字との比較に限定することより
    実現することを特徴とする請求項１７記載の文書管理装
    置。
20. 【請求項２０】 前記ヒット確率が所定の閾値より大き
    い文字の限定は、前記テキストデータ群中の的中率が所
    定の閾値より大きい文字との比較に限定することより実
    現することを特徴とする請求項１７記載の文書管理装
    置。
21. 【請求項２１】 前記的中率は文字認識の相違度で表さ
    れることを特徴とする請求項２０記載の文書管理装置。
22. 【請求項２２】 検索キーワードと一致するテキストデ
    ータを含む文書画像を検索して表示する文書管理装置に
    おいて、 文書画像からテキスト領域を取り出して文字認識処理を
    行うテキストデータ認識手段と、 認識により得られた複数のテキストデータ候補からなる
    テキストデータ群を前記文書画像と共に登録する登録手
    段とを備えることを特徴とする文書登録装置。