JPH0883285A - 文字コ−ド生成方法及び文書デ−タベ−ス登録システムの前処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 スキャナを用いて読み取った画像データから
検索キー等の属性情報を伴う文字コードを容易確実に生
成して登録作業に要する時間の短縮を図る文書データベ
ース登録システムの前処理装置を提供する。 【構成】 画像獲得部１１によって画像蓄積部１２に蓄
積された画像データについて、文字認識処理を行う前
に、領域属性付与部１３で当該画像データの文字領域に
属性情報を付与する。具体的には、領域枠形成部１３３
により形成された領域枠によって文字領域を指定し、こ
の指定領域の位置情報と属性情報ファイル１３５から任
意に選択した属性情報とを対応付けるとともに、この対
応情報を対応情報ファイル１３４に格納しておく。そし
て上記領域枠にて特定される文字領域に対して文字認識
部１４で文字認識処理を施し、その認識結果と該当する
属性情報とを同時に出力し、属性情報を伴う文字コード
を得る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、光学的読取手段等で読
取った既存文書の画像データを所定の文字領域に分割し
て文字認識処理を行い、その結果得られた文字コードに
当該文字の属性情報を付与してデータベースに登録する
システムの前処理装置に関する。

【０００２】

【従来の技術】既存文書を光学的読取手段で読取って文
字認識処理を行い、認識された文字コードをデータベー
スへ登録する文書データベース登録システムが知られて
いる。図６は、この種の従来の文書データベース管理シ
ステムにおいて、上記文字コードを生成するための前処
理装置のブロック図であり、符号２１は画像獲得部、２
２は画像メモリを含む画像蓄積部、２３は読取領域指定
部、２４は文字認識部、２５は文字認識結果確認修正
部、２６は属性付与部、２７はデータベースに対するデ
ータ形式変換及び登録処理等を行う出力部である。

【０００３】画像獲得部２１は、紙文書等の既存文書を
例えばスキャナで読み取って電子化し、これにより得ら
れた画像データを画像蓄積部２２に蓄積する。読取領域
指定部２３は、画像蓄積部２２に蓄積された画像データ
を文書画像文字認識部２４における文字認識に適する領
域、例えば文字フォントや文字サイズの均一な領域に分
割する。これは、画像データ中に、縦書きや横書き、明
朝体やゴシック体などのフォントが混在していたり、さ
まざまなサイズのフォントが混在している領域を一度に
文字認識することは認識率低下の原因になるため、これ
を防ぐ目的で文字認識処理に適した領域に画像データを
分割するものである。文字認識部２４では、読取領域指
定部２３で分割された領域ごとに文字を切出し、これに
所定の認識処理を施して文字コード、即ちテキストデー
タに変換する。文字認識結果確認修正部２５では、文字
認識部２４における処理結果に誤りがある場合に、この
誤ったテキストデータを修正する。属性付与部２６で
は、文字認識結果確認修正部２５から出力されるテキス
トデータにデータベース登録及び検索時に必要となるキ
ー、即ち当該文書の属性を表す属性情報を付与する。例
えば紙文書によく見られる「標題」、「著者名」などが
これらの属性情報に相当する。その後、出力部２７を経
てテキストデータがデータベース（図示省略）に登録さ
れる。

【０００４】このように、従来の文書データベース登録
システムの前処理装置では、文書画像の獲得、読取領域
の指定（画像データ分割）、文字認識後の確認修正、テ
キストデータへの属性情報の付与という作業をこの順に
行っていた。

【０００５】

【発明が解決しようとする課題】上述のように、文書デ
ータベース登録システムの前処理装置では、文字認識処
理において高い認識率を得るために、オペレータが事前
に文字認識処理に適した領域を指定して画像データを分
割する必要がある。通常、この作業では、図やイラスト
領域等、文字認識を要しない領域の指定も伴う。さら
に、このようにして得られたテキストデータに対して、
データベース検索時に必要となる属性情報を付与する作
業を要する。

【０００６】しかしながら、上述のような作業手順で既
存文書をテキストデータに変換し、データベースへ登録
していたのでは、少なくとも画像データにおける文字領
域の指定時、文字認識処理結果の確認修正時、及びテキ
ストデータへの属性情報付与時に、オペレータの判断が
必要となるため、登録作業に時間がかかる問題があっ
た。また、属性情報の付与に際し、オペレータによる属
性情報の確認あるいは付与ミスが発生する問題もあっ
た。

【０００７】本発明の課題は、上記問題点に鑑み、属性
情報を伴う文字コードを容易確実に生成する方法及びこ
の方法を用いて上記登録作業に要する時間の短縮を図る
文書データベース登録システムの前処理装置を提供する
ことにある。

【０００８】

【課題を解決するための手段】上記目的を達成する本発
明の文字コードの生成方法は、既存文書を画像データに
変換して画像蓄積手段に蓄積し、蓄積した画像データ上
の文字領域に文字認識処理を施して、前記文書上の文字
の属性を表す所定の属性情報を伴う文字コードを生成す
る方法において、予めメモリに記憶した複数の属性情報
から特定のものを選択し、この選択した属性情報に対応
する前記画像データ上の文字領域を指定するステップ
と、指定した各文字領域の位置情報に当該属性情報を対
応付けるステップと、前記位置情報により特定される画
像データの文字領域に対して文字認識処理を施して当該
属性情報を伴う文字コードを生成出力するステップと、
を有することを特徴とする。

【０００９】また、本発明の文書データベース登録シス
テムの前処理装置は、既存文書を画像データに変換して
取り込む画像データ獲得手段と、取り込んだ画像データ
を蓄積する画像蓄積手段と、前記文書上の文字の属性を
表す属性情報を格納した属性情報ファイルと、前記蓄積
した画像データを前記属性情報ファイルより選択した特
定の属性情報に対応する文字領域に分割し、この文字領
域に当該属性情報を付与する属性情報付与手段と、前記
文字領域に対して前記文字認識処理を施して属性情報を
伴う文字コードを生成する文字コード生成手段と、を有
することを特徴とする。

【００１０】この前処理装置において、属性情報付与手
段は、例えば、前記画像データの文字上に特定の属性情
報に対応する領域枠を形成する領域枠形成手段と、形成
した領域枠の位置情報と当該属性情報とを対応付けて格
納し、前記文字認識処理の際に該当する属性情報を読み
出す対応情報格納手段とを有する。

【００１１】

【作用】本発明では、画像獲得手段によって画像蓄積手
段に蓄積された画像データについて文字認識処理を行う
前に、当該画像データの分割領域、即ち文字領域に属性
情報を付与する。具体的には、領域枠形成手段により形
成された領域枠によって上記文字領域を指定し、この指
定領域の位置情報と属性情報ファイルから任意に選択し
た属性情報とを対応付けるとともに、この対応情報を対
応情報格納手段に格納しておく。そして上記領域枠（位
置情報）にて特定される文字領域に対して文字認識処理
を施し、その認識結果と該当する属性情報とを同時に出
力する。これにより属性情報を伴う文字コードが得られ
る。

【００１２】

【実施例】次に、図面を参照して本発明の実施例を説明
する。図１は、本発明の一実施例に係る文書データベー
ス登録システムの前処理装置の機能ブロック図である。

【００１３】この前処理装置は、画像獲得部１１、画像
蓄積部１２、領域属性付与部１３、文字認識部１４、文
字認識結果確認修正部１５、及び出力部１６から成る。
また、領域属性付与部１３は、属性情報付与部１３１、
領域枠指定部１３２、領域枠形成部１３３、対応情報フ
ァイル１３４、及び属性情報ファイル１３５を少なくと
も有している。

【００１４】画像獲得部１１では、従来システムと同様
に、既存文書をスキャナ等で読み込み、これを画像デー
タの形で画像蓄積部１２に蓄積する。領域属性付与部１
３では、属性情報ファイル１３５から特定のものを選択
するとともに、選択した属性情報に対応する文字領域枠
を領域枠形成部１３３で形成する。更に、領域枠指定部
１３２で画像蓄積部１２の所定部位に領域枠を指定して
画像データの分割を行い、その結果得られた領域枠（文
字領域枠）に対して属性情報付与部１３１が当該属性情
報を付与する。具体的には、当該属性情報を領域枠の位
置情報に対応付け、その対応情報を、対応情報ファイル
１３４に格納しておく。文字認識部１４では、領域属性
付与部１３で指定された文字領域枠について文字認識処
理を施し、文字コードの一つであるテキストデータを出
力する。このとき、当該文字領域枠には前記選択した属
性情報が対応しているのでこれを上記テキストデータと
ともに出力する。文字認識結果確認修正部１５では、文
字認識結果であるテキストデータに誤りがあるときはこ
れを修正して出力部１６に導く。出力部１６では、従来
システムと同様、属性情報が付与されたテキストデータ
を文書データベース登録システムに出力する。

【００１５】次に、図２〜図５を参照して上記前処理装
置の処理手順を具体的に説明する。図２は、上記前処理
装置における全体的な処理手順を示すフローチャートで
あり、Ｓは処理ステップを表す。図２を参照すると、ま
ず、スキャナ等の入力デバイスを用いて既存文書から電
子的な画像データを獲得し（Ｓ１０１）、これを図示し
ない表示制御手段を用いてディスプレイ等に表示する
（Ｓ１０２）。領域属性付与部１３では、この表示され
た画像データについて領域指定を行い、この領域に対し
て特定の属性情報を付与する（Ｓ１０３）。この領域指
定は、例えばオペレータがディスプレイ上の画像データ
を実際に確認しながらマウス等を用いて属性情報に対応
する領域を上述の文字領域枠で指定することで行う。

【００１６】図３は、この領域属性付与部１３における
処理の説明図であり、３０は表示された画像データ、３
１は属性指定テーブル、３２はマウス等により指定され
る文字領域枠である。属性指定テーブル３１に登録され
た個々の属性情報と文字領域枠３２の位置情報とは予め
対応付けられている。図示の例では、「標題」の属性情
報に対して「文書構造解析とその応用について」という
文字領域が指定された様子が示されている。他の属性情
報についても同様の要領で領域指定が行われる。

【００１７】この処理により、例えば図４に示すよう
に、各属性情報のそれぞれに対応する領域領域枠３２の
位置情報、即ち、水平方向始点座標値、垂直方向始点座
標値、水平方向の長さ、垂直方向の高さの数値データが
特定され、これが対応情報ファイル１３４に格納され
る。

【００１８】このような数値データで特定される画像デ
ータの各文字領域に対して図２のＳ１０４〜Ｓ１０８の
処理を実行する。まず、文字領域画像を表示し（Ｓ１０
４）、表示された文字領域に対して文字切出しを実行し
て文字認識を行う（Ｓ１０５）。文字認識の結果は必ず
しも正しいとは限らないので、文字認識結果を表示し
（Ｓ１０６）、誤っている文字があるときは、これを修
正する（Ｓ１０７）。修正されたテキストデータを、Ｓ
１０３で対応付けた属性情報と共に出力部１６のメモリ
（図示省略）に格納する（Ｓ１０８）。全領域に対する
文字認識及び認識結果の修正が終了しているか否かをチ
ェックし（Ｓ１０９）、まだ終了していない領域がある
場合には、次の領域を表示し（Ｓ１１０）、Ｓ１０５以
降の処理を繰り返す。全領域に対する処理が終了してい
る場合には、Ｓ１０３で対応付けた属性情報とＳ１０８
で格納された文字コードとを共に出力する（Ｓ１１
１）。

【００１９】図５は、上記処理に基づき、属性情報を文
章記述言語ＳＧＭＬ（Standard Generalized Markup La
nguage）（ISO8879,JISX4151）で記述した出力例を示し
ている。この例では、Ｓ１０３で対応付けられた属性情
報を、開始タグ、終了タグとして使用している。なお、
属性情報の言語体系は任意であって良いのは勿論であ
る。

【００２０】このように、本実施例の前処理装置では、
オペレータが関与するのは文字領域枠３２を用いた領域
指定と文字認識結果の修正のみであり、しかも領域指定
の際に属性情報との対応付けが自動的にとられ、以後の
文字認識処理においてもこの属性情報が保持された状態
となっているので、文字認識結果であるテキストデータ
に既に属性情報が付与されており、文書データベースへ
登録する際の前処理作業の大幅な効率化が図れる。ま
た、文字認識処理の前に属性情報が付与されることか
ら、例えば、「住所」などの属性情報が付与された文字
領域に対しては予めそれに応じた適切な字種の限定など
を施した文字認識を行うことが可能となり、文字認識率
の向上と修正作業の軽減が図れる。さらに、一人のオペ
レータが、例えば「住所」などの同一属性情報が付与さ
れた文字領域の文字認識結果の確認と修正を担当するよ
うなシステム構成をとることができ、確認修正ミスが大
幅に軽減される効果も期待できる。

【００２１】なお、以上は、本発明の文字コード生成方
法を文書データベース登録システムの前処理装置に適用
した場合の説明であるが、この方法は、文書データベー
ス登録システムのみならず、属性情報を伴う文字コード
を必要とするシステム全般に適用することが可能であ
る。

【００２２】

【発明の効果】以上の説明から明らかなように、本発明
の文字コード生成方法によれば、画像データについて文
字認識処理を行う前に、当該画像データの分割領域、即
ち文字領域に属性情報が付与され、文字領域枠にて特定
される文字領域に対して文字認識処理を施した結果と該
当する属性情報とが同時に出力されるので、属性情報を
伴う文字コードが容易に得られる効果があり、これに要
していた従来の作業を省略することができる。

【００２３】また、本発明の文書データベース登録シス
テムの前処理装置によれば、画像獲得手段により画像蓄
積手段に蓄積された画像データについて文字認識処理を
行う前に、領域枠形成手段で形成した領域枠によって文
字領域が指定され、この指定領域の位置情報と任意に選
択した属性情報とが対応付けられた後に上記文字認識処
理が行われるので、認識結果である文字コードと該当す
る属性情報とが同時に出力される効果があり、文書デー
タベース登録システムの前処理に要する時間が短縮化さ
れ、従来の問題点が解消される。

【図面の簡単な説明】

【図１】本発明の一実施例に係る文書データベース登録
システムの前処理装置の機能ブロック図。

【図２】本実施例の前処理装置の全体的な処理手順図。

【図３】本実施例の構成要素である領域属性付与部にお
ける処理の説明図。

【図４】上記領域属性付与部における処理の結果、生成
される数値データの説明図。

【図５】本実施例により出力されるテキストデータの一
例を示す説明図。

【図６】従来の文書データベース登録システムの前処理
装置の機能ブロック図。

【符号の説明】

１１，２１ 画像獲得部 １２，２２ 画像蓄積部 １３ 領域属性付与部 １３１ 属性情報付与部 １３２ 領域枠指定部 １３３ 領域枠形成部 １３４ 対応情報ファイル １３５ 属性情報ファイル １４，２４ 文字認識部 １５，２５ 文字認識結果出力部 １６，２７ 出力部 ２３ 読取領域指定部 ２６ 従来の属性付与部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 岩城 修 東京都江東区豊洲三丁目３番３号 エヌ・ ティ・ティ・データ通信株式会社内

Claims (3)

【特許請求の範囲】
1. 【請求項１】 既存文書を画像データに変換して画像蓄
   積手段に蓄積し、蓄積した画像データ上の文字領域に文
   字認識処理を施して、前記文書上の文字の属性を表す所
   定の属性情報を伴う文字コードを生成する文字コード生
   成方法において、 予めメモリに記憶した複数の属性情報から特定のものを
   選択し、この選択した属性情報に対応する前記画像デー
   タ上の文字領域を指定するステップと、 指定した各文字領域の位置情報に当該属性情報を対応付
   けるステップと、 前記位置情報により特定される画像データの文字領域に
   対して文字認識処理を施して当該属性情報を伴う文字コ
   ードを生成出力するステップと、 を有することを特徴とする文字コード生成方法。
2. 【請求項２】 既存文書を画像データに変換して取り込
   む画像獲得手段と、 取り込んだ画像データを蓄積する画像蓄積手段と、 前記文書上の文字の属性を表す属性情報を格納した属性
   情報ファイルと、 前記蓄積した画像データを前記属性情報ファイルより選
   択した特定の属性情報に対応する文字領域に分割し、こ
   の文字領域に当該属性情報を付与する属性情報付与手段
   と、 前記文字領域に対して前記文字認識処理を施して属性情
   報を伴う文字コードを生成する文字コード生成手段と、 を有することを特徴とする文書データベース登録システ
   ムの前処理装置。
3. 【請求項３】 前記属性情報付与手段は、 前記画像データの文字上に特定の属性情報に対応する領
   域枠を形成する領域枠形成手段と、 形成した領域枠の位置情報と当該属性情報とを対応付け
   て格納し、前記文字認識処理の際に該当する属性情報を
   読み出す対応情報格納手段と、 を有することを特徴とする請求項２記載の文書データベ
   ース登録システムの前処理装置。