JPH09185715A

JPH09185715A - 統合同値類の作成方法

Info

Publication number: JPH09185715A
Application number: JP8319936A
Authority: JP
Inventors: Daniel Davies; デイヴィーズダニエル
Original assignee: Xerox Corp
Current assignee: Xerox Corp
Priority date: 1995-12-20
Filing date: 1996-11-29
Publication date: 1997-07-15
Anticipated expiration: 2016-11-29
Also published as: JP3925971B2; US5818965A

Abstract

(57)【要約】【課題】同値類同士を併合して、統合同値類を作成す
る方法を提供する。【手段】本発明の統合同値類作成方法は、ａ）画像デ
ータから抽出されたシンボルを分類して複数の同値類を
作成するステップを含み、該同値類の各々がその同値類
を表す標本を有し、ｂ）第１同値類標本を第２同値類標
本にマッチングするステップを含み、該マッチングステ
ップが第１同値類標本のランと第２同値類標本のランか
ら得られる情報を有し、ｃ）前記第１同値類標本と前記
第２同値類標本がマッチする場合に、第１同値類と第２
同値類の標本を結合して統合同値類を作成するステップ
を含み、ｄ）上記ステップｂ〜ｃを前記複数の同値類の
各々に対して繰り返し、複数の同値類を作成するステッ
プを含み、ｅ）前記複数の統合同値類の各々に対して、
前記統合同値類を作成するために使用された標本のセッ
トから、該統合同値類を表す１つの標本を選択するステ
ップを含む。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、テキストの走査画
像の圧縮の分野に関する。

【０００２】

【従来の技術及び発明が解決しようとする課題】デジタ
ル化された画像の一般的な使用に対する主な障害は、そ
れらのサイズである。３００ドット／インチ（dpi ）の
８．５×１１インチの画像は、およそ８，０００，００
０個のピクセルを含む。走査画像の二値化により１ピク
セルにつき１ビットまでビット数が減少された後でさ
え、まだ１メガバイトである。圧縮方法は、典型的にLO
SSLESS（ロスレス）又はLOSSY （ロシー）と特徴づけら
れる。LOSSLESS圧縮方法では、データは圧縮及びその後
の圧縮解除中に消失されない。LOSSY 圧縮方法では、所
定量のデータが消失されるが、圧縮されたデータの本質
は圧縮解除後も保持されるのでデータの消失は許容でき
る。

【０００３】ＣＣＩＴＴグループ３又はグループ４のよ
うなバイナリ画像に対する一般的なLOSSLESS圧縮方法
は、１／１０〜１／２０にバイナリ画像を圧縮できる。
同等画像を作成するために使用される合成電子フォーム
に比較すると、これでもまだ大きい。

【０００４】ほとんどの文書はテキストを含む。バイナ
リ画像においてテキストを圧縮する一つの方法は、光学
文字認識を実行してテキストストリームを作成し、ある
種のテキスト圧縮スキームを使用してテキストストリー
ムを圧縮し、得られたものを格納することである。あい
にく、キャラクタ、フォント、フェース及び位置の選択
において生じるミスは、しばしば問題を含む。

【０００５】別の方法は、見出されるシンボルを同値類
にグループ化することである。この方法では、シンボル
がバイナリ画像から抽出され、一つ以上の同値類に対す
るテンプレートにマッチングされる。分類は部分的に
は、幅、高さ、マス（黒ピクセルの数）等のシンボルの
特徴に基づく。典型的に、テンプレートは同値類を示す
シンボルの「ビットマップ」である。主要な分類基準
は、エラーピクセルの位置、構成及び数に基づく。エラ
ーピクセルは、抽出されたシンボル又はテンプレートの
両方ではなくどちらか一方において「オン」となるピク
セルと定義される。圧縮された出力ファイルは、各シン
ボルの位置と、同値類を表すために使用される同値類の
標本のＩＤと、各同値類の標本の１つの表現（テンプレ
ート）とを含む。

【０００６】うまく実行されると、この方法は標準的な
LOSSLESS圧縮で実行されるあらゆるシンボルの個々の符
号化を全て回避する。この方法はまた、（未知のフォン
トで）印刷、ファックス、コピー及び走査されることに
よって質の低下したキャラクタの外観及び間隔を適切に
表現するフォント及びフェースを見出そうとすることに
関連する問題の多くを回避する。詳細には、この方法は
ローマ字でないキャラクタセット、破壊及び結合された
キャラクタ、グラフィクス、及びページ上に現れる他の
いずれにもはたらく。従来のスキームは、シンボルのビ
ットマップを標本のビットマップと比較することによっ
て分類を実行する。

【０００７】従ってそのようなシステムの中心となるの
はシンボル分類子である。良好な圧縮を得るには、分類
子は少数の同値類を生成すべきである。シンボル置換エ
ラーを回避するために、分類子は新しいシンボルが既存
のテンプレートのいずれにもマッチしないことを実際に
確信する度に、新たな同値類を作成しなければならな
い。これでは多数の同値類が作成されがちである。バイ
ナリ画像中のテキストのキャラクタセットに馴染んだ人
間により使用される測定基準を正確に測定する分類子を
有することが目的である。しかし、既知の分類子はこれ
らの測定基準とあまり関連性のないシンボル特徴を測定
する。これはでは、シンボルが置換されたり、極端な数
の同値類が生成されたりすることになる。

【０００８】シンボルマッチングに基づく画像圧縮の例
は、”Method and Apparatus For Compression of Imag
es”と題され、１９９４年４月１２日に出願されたマー
ク（Mark）他による米国特許番号第５，３０３，３１３
号（'313特許）に記載されている。'313特許では画像は
シンボルのマッチングに先立って「予備圧縮」され
る。'313特許は、このような予備圧縮のためにランレン
グス符号化の使用を述べている。シンボルは、ランレン
グス表現から抽出される。投票スキームは、シンボルマ
ッチングの正確さを向上するために複数の類似テストと
共に使用される。'313特許はさらに、マッチするシンボ
ルに基づいてテンプレートが修正され得るテンプレート
構成スキームを開示する。

【０００９】

【課題を解決するための手段】走査シンボルの同値類へ
の分類方法及び装置を示す。本発明は、水平方向及び垂
直方向の両方向におけるランレングス情報に基づいてラ
ンレングスシンボル抽出を実行し、シンボルを分類す
る。同値類は１つの標本により表される。標本とのマッ
チングのための特徴に基づいた分類規準は、対応する標
本テンプレートによって定義される。標本テンプレート
は、各々が一つ以上のシンボルにマッチする規準を定義
する水平方向及び垂直方向テンプレートグループを含
む。特徴ベースの分類規準は全て、ランの終点から容易
に計算できる量を使用する。

【００１０】本発明のシンボル分類方法は概して；シン
ボルを抽出するステップと；抽出されたシンボルを整合
のために準備するステップと；比較される同値類を識別
するステップと；シンボルの特徴をラン情報から生成す
るステップと；識別された同値類の１つから標本テンプ
レートを得るステップと；シンボルが標本のサイズ及び
傾斜（度）のしきい値を満たすことをチェックするステ
ップであって、抽出されたシンボルが小さい場合には小
シンボルチェックを実行するステップと；必要であれば
抽出されたシンボル又は標本テンプレートを調整するス
テップと；標本テンプレートグループの規準を満たすシ
ンボルランを見出すステップであって、全てのテンプレ
ートグループ規準が満たされ、全てのシンボルランが消
費され、マッチするものがあれば、標本にマッチングす
るための識別子及びシンボルの位置を記録するステップ
と；を含む。これは、比較に対して識別される各同値類
に対してマッチするものが見つかるまで繰り返される。
マッチするものがなければ、抽出されたシンボルを標本
として用いて新たな同値類が作成される。小シンボルチ
ェックは概して、小さいシンボルに特に関連があると決
定されたシンボル特徴を同値類の標本のしきい値に比較
することを含む。

【００１１】同値類の数の減少は、同値類の統合と呼ば
れるプロセスを通して達成される。同値類の統合では、
上述されたシンボル分類プロセスを使用して標本同士が
マッチングされる。各標本の３つのバージョン、即ちオ
リジナルの標本と、１ピクセル分上にシフトされた標本
と、１ピクセル分右にシフトされた標本とが、他の同値
類とマッチングされる。これはミスアラインメント（不
整列、不整合）又はノイズの影響を最小化することに貢
献すると共に、可能な限りマッチするものを見つけ出す
ことを容易にする。統合同値類を表すのに使用される標
本の選択は、どの標本がほとんどのシンボルにマッチす
るかを決定することにより行われる。

【００１２】本発明の一態様は、画像を表す画像データ
中のシンボルを分類するシステムにおいて、同値類同士
を併合して統合同値類を作成する方法であって、ａ）画
像データから抽出されたシンボルを分類して複数の同値
類を作成するステップを含み、該同値類の各々がその同
値類を表す標本を有し、ｂ）第１の同値類の標本を第２
の同値類の標本にマッチングするステップを含み、該マ
ッチングステップが、第１の同値類の標本のランと第２
の同値類の標本のランから得られる情報を有し、ｃ）前
記第１の同値類の標本と前記第２の同値類の標本がマッ
チする場合に、第１の同値類と第２の同値類の標本を結
合して統合同値類を作成するステップを含み、ｄ）上記
ステップｂ〜ｃを前記複数の同値類の各々に対して繰り
返して、複数の同値類を作成するステップを含み、ｅ）
前記複数の統合同値類の各々に対して、前記統合同値類
を作成するために使用された標本のセットから、該統合
同値類を表す１つの標本を選択するステップを含む、こ
とを特徴とする。

【００１３】

【発明の実施の形態】走査シンボルを同値類に分類する
方法及び装置を示す。本発明は、光学文字認識（ＯＣ
Ｒ）やデータの暗号化やデータ圧縮等の種々のアプリケ
ーションで使用され得る。かかるアプリケーションは、
全体的な画像処理システムとして又はスタンドアロンア
プリケーションとして見出され得る。

【００１４】以下の用語及びそれらの意味は以下のよう
に用いられる。「画像」は、媒体上にマーキングされた
もの、又は媒体の外観に関していう。「画像データ」
は、画像の再生に使用され得る画像表現である。「同値
類」は、問題を生じる程に画像の外観を変更することな
く互いに置換されることのできる、画像中に見出される
シンボルのセットである。「同値類の標本」は、画像が
圧縮解除又はさもなければ再生される時に同値類の全て
のメンバに対して置換されるシンボルである。「標本テ
ンプレート」又は「テンプレート」は、シンボルを標本
にマッチングするのに使用されるデータ構造及び規準の
セットである。「抽出（された）シンボル」又は「シン
ボル」は、画像データから得られる媒体上のマーキング
の画像表現である。

【００１５】本発明は、向上されたシンボル分類子に関
する。好適な実施形態のシステムは、同値類のリスト
（またはディクショナリと呼ぶ）を使用し、維持する。
抽出シンボルは、それが既存の同値類に追加されるべき
かどうかを決定するために同値類の標本（複数）に比較
される。マッチするものがなければ、抽出シンボルを標
本として用いて新しい同値類が作成される。

【００１６】上記のように、本発明は種々のアプリケー
ションで使用され得る。図１は、本発明を使用するアプ
リケーションの概略ステップを記述するフローチャート
である。まず、ステップ１０１で文書が走査され、画像
データが生成される。画像データは典型的に、画像のビ
ットマップ表現である。次いでステップ１０２では、画
像のクリーンアップ又はテキスト及び画像のセグメンテ
ーション等の種々のオペレーションが画像データ上で実
行され得る。本発明が処理するのはテキスト部分であ
る。ステップ１０３では、例えば何らかのしきい値処理
方法により画像データのテキスト部分がバイナリ表現に
変換されて、各ピクセルがシングルビットにより表され
る表現が作成される。「黒」又は「オン」ピクセルはバ
イナリの１で表され、「白」又は「オフ」ピクセルはバ
イナリの０で表されるのが典型的である。シンボルのマ
ッチングが始まるのはこの時点においてである。

【００１７】まず、ステップ１０４において新たな個々
のシンボルが抽出される。この好適な実施形態では、こ
の抽出はバイナリ画像の結合されたコンポーネントの分
析を介して発生する。シンボルは、水平方向ランのリス
トとして表される。ランは、「黒」又は「オン」ピクセ
ルのシーケンスと定義される。次いで、抽出されたシン
ボルはステップ１０５において、抽出されたシンボルに
サイズの類似する同値類の各標本に比較される。このス
テップはシンボル分類と呼ばれる。マッチするものがみ
つかると、抽出されたシンボルはステップ１０６におい
て、マッチした標本の同値類に追加される。新たなシン
ボルがどの同値類にもあてはまらない場合には、ステッ
プ１０７において新たな同値類が作成される。この好適
な実施形態では、既存の同値類に追加されるシンボルの
形状はすぐに捨てられ、その同値類を表す標本のみが残
される。次いでステップ１０８では全てのシンボルに対
してステップ１０４〜１０７が繰り返される。全てのシ
ンボルが処理されると、ステップ１０９において、各同
値類の標本の何らかの表現と各シンボルを表すべき標本
の識別子と共に各シンボルの位置を含む情報が出力され
る。換言すれば、位置と標本識別子のペアのセットは、
標本を含むディクショナリに引き継がれる。典型的に
は、この情報は結果的に圧縮画像となる画像のバイナリ
表現よりもずっと少ない。次いでステップ１１０におい
て、同値類が統合されて、より少数の同値類が作成され
得る。同値類が統合されると、ステップ１０９で出力さ
れた標本識別子と標本ディクショナリが同値類の統合を
反映するようにステップ１１１において修正される。

【００１８】マシンの印刷したテキストを含む走査画像
は、見出されるシンボルを同値類にグループ化すること
により圧縮できる。この好適な実施形態は、画像データ
を圧縮するシステムにおいて実行された。このシステム
では、シンボル分類子が使用されて、抽出されたシンボ
ルを独自の標本により表される同値類に分類する。作成
される同値類の数は、抽出されたシンボルをトータルし
た数よりも少ない。作成される出力ストリームは、標本
を含むディクショナリに引き継がれる標本ＩＤ／位置の
ペアを含む。

【００１９】上述のように、本発明はさらに同値類のセ
ットの統合を提供する。同値類の数の減少はさらに、デ
ィクショナリのサイズを減少することにより画像データ
を圧縮する。統合を生じる方法は、シンボルが標本に比
較される方法と略同じである。一般に、シンボルをマッ
チングする作業をより拡大すると（互いにいくらかオフ
セットさせようとすると）、マッチするものがより多く
みつかる。効率のためには、この余分な努力をそのまま
のシンボルの全体的なセットに実行するのではなく、同
値類の比較的小さいセットに広げるのがより効率的であ
る。

【００２０】画像が圧縮解除されると、識別された標本
の一例が指定されたロケーションに配置されるように上
記ペアの各々が処理される。これは、すべてのペアに対
して継続して行われる。いくらかのデータがマッチング
プロセス中に消失するかもしれないので、このタイプの
圧縮はLOSSY 圧縮と呼ばれる。データの消失にもかかわ
らず、画像の本質は残る。

【００２１】上記のように、本発明の目的は、向上され
たシンボル分類子を提供することである。本発明のシン
ボル分類子はビットマップを分析するのではなく、シン
ボルを表すランを直接使用してシンボルを分類する。分
類子は、分類のために幅及び高さのようなシンボル特徴
を使用する。より詳細なシンボル特徴に対しては、分類
子は、標本中の隣接する３つの走査線からなる対応する
グループを見ることによって計算される正規の終点位置
同士の対応する範囲と各シンボルのランの終点の位置を
比較する。

【００２２】十分な正確さを成し遂げるために、垂直方
向ランが水平方向ランから生成され、ランの両セットが
分類に使用される。

【００２３】特徴ベースの分類規準は全て、ランの終点
から容易に計算できる量を使用する。これらの終点の有
効性により、ビットマップを用いた場合よりもシンボル
の測定値の生成がずっと容易になる。特徴ベースの分類
規準がシンボル分類子により如何に使用されるかを記述
することにより、特徴ベースの分類規準について以下に
記載する。

【００２４】シンボルの幅及び高さは、シンボルを囲む
境界ボックスにより特定される。境界ボックスを用いて
比較の対象とする同値類のサブセットが選択されると共
に、どのシンボル特徴テストを適用すべきかが決定され
る。この好適な実施の形態では、同値類の標本は、比較
の資格を得るにはシンボルの幅及び高さに２つのピクセ
ルをプラスマイナスした範囲内になければならない。

【００２５】最も基本的なテストは、大きいシンボルの
識別に適している。より小さいシンボルにおいては微妙
な特徴が重要になるので、より多くのテストが必要とな
る。小さいシンボルは一般に、２０個以下のピクセルの
幅又は高さを有するシンボルと定義される。

【００２６】これは２つの方法で使用される。まず、非
常に小さいシンボルは、幅及び高さをマッチングする比
較的小さい範囲を有する。従って最小及び最大の許容幅
及び許容高さが各同値類に記録される。この範囲外のシ
ンボルは、この同値類に含められることができない。

【００２７】幅及び高さの範囲の他方の使用は、同値類
の統合中に発生する。この場合も、最小及び最大の許容
幅及び高さが提供されるが、この場合には同値類が統合
されると範囲が変化する。同値類統合について、より詳
細に以下に記載する。

【００２８】シンボルのマスは、シンボルが含有する黒
ピクセルの数である。マスのチェックは、小シンボルチ
ェックの一つである。それは主に太く標準的なフェース
キャラクタの識別に使用される。２つのシンボルのマス
の比が大きすぎる場合には、それらはマッチしない。除
算は時間のかかるオペレーションであるので、この好適
な実施形態の規準はマス同士の差に基づく。許容される
差の量を求めるここでの計算は、（シンボル領域×（１
＋シンボル領域／２５６））／８である。主にシンボル
のマスに基づく計算、又はシンボルのマスと領域の両方
の関数に基づく計算等の他の計算も使用され得る。な
お、上記式中に示される除算演算子は、全ての端数ビッ
トが意図的に消去される整数除算である。

【００２９】内部（interior）のチェックは、小シンボ
ルチェックの一つである。これは困難であるが、非常に
小さい句読点シンボルを識別するために重要である。連
結した黒ピクセルの小さな丸いしみ状のものは、大抵の
ものにマッチする。非常に多くのシンボルが、丸いしみ
から１ピクセル分プラスマイナスしたエンベロープ内に
あてはまる。しかし、丸いしみは、コンマとはかなり異
なる数の内部ピクセルを有する。内部ピクセルの数は、
水平方向ランの数を倍にした数をマスから引いたもの
（これは黒ピクセルの数から水平方向エッジのピクセル
の数をマイナスすることにより大雑把に決定できる）で
あると定義される。これは正確ではないが、十分な近似
値であり計算が容易である。２つのシンボルは、それら
の内部が上記指定されたマスの差の範囲よりも異なると
マッチしない。

【００３０】小さく丸いイタリックキャラクタは、小さ
くて丸い非イタリックのキャラクタと見分けるのが難し
い。以下に１つの例を示す。

【００３１】

【外１】

【００３２】一方のキャラクタにおける全ピクセルは、
他方のキャラクタ中のピクセルに非常に近い。傾斜度
は、シンボルがどれくらい傾斜しているかを測定するも
のとして計算される。「ｙ」のように自然に傾斜したキ
ャラクタもあるので、シンボルの傾斜度を用いて「この
シンボルはイタリックキャラクタである」ということは
できない。傾斜度を用いて２つのキャラクタを比較し、
それらのキャラクタの傾斜度の差が大きすぎる場合には
それらのキャラクタはマッチしないといえる。

【００３３】傾斜度はシンボルにおけるコーナーの数と
広がりの関数として計算される。連続的な列におけるラ
ンの終点のｘ位置の間の差が＋１又は−１となる度に、
その差が傾斜度に加算される。差が＋１より大きいか又
は−１より小さい場合には、＋２又は−２が適切である
ように加算される。これは垂直方向ランに対しても実行
され、傾斜が強調される。２つのシンボルは、それらの
傾斜度がＭＩＮ（幅，高さ）／２よりも異なっている場
合にはマッチしない。

【００３４】Ｂやａのように小さくて濃い略方形のもの
はしばしば、８やｅのように小さくて濃い丸みがかった
ものと見分けるのが困難である。これらのキャラクタの
ホールは、サイズがかなり異なっている。シンボルの外
部だけに基づいて測定を計算するのが最も安全である。
これらのマッチしないシンボル同士がマス及び内部テス
トをパスした順序で、丸いシンボルは、より高さが高く
若しくは幅が広く、又は高さも高く幅も広い傾向があ
る。

【００３５】水平方向ボリューム及び垂直方向ボリュー
ムも同様に定義される。水平方向ボリュームは、全範囲
がシンボルの幅の少なくとも７／８である列における左
右の終点同士の間のピクセルの数として定義される。同
様に、垂直方向ボリュームは、全範囲がシンボルの高さ
の少くとも７／８であるコラム（縦列）の上下の終点同
士の間のピクセル数と定義される。これは丸いものより
も四角いものを優遇する。しかし、水平方向ボリューム
及び垂直方向ボリュームはしばしば意味がないので、ch
eckHVolume及びcheckVVolumeという２つのフラグが提供
される。対応するボリュームが全領域の少くとも３／４
である場合にフラグがセットされる。２つのシンボルの
checkHVolumeフラグの両方がセットされ、それらの幅が
等しくなく、より幅の広いシンボルがより小さい水平方
向ボリュームを有する（即ち非常に丸い）場合には、そ
れら２つのシンボルはマッチしない。対応するテストが
垂直方向ボリュームに適用される。水平方向ボリューム
及び垂直方向ボリュームをチェックすることも、小シン
ボルチェックの一つである。

【００３６】シンボル分類子により実行される種々の処
理ステップを記載する。

【００３７】シンボルアラインメント（整列、整合）を
用いて、標本のランテンプレートグループに対するシン
ボルのランのマッチングに備えられる。２つのアクショ
ンがとられる。１つのアクションは、ランの軸に沿うミ
スアラインメント（不整列、不整合）の影響を改善しよ
うとする。２つ目のアクションはシンボルランとテンプ
レートランを整列させようとするものである。

【００３８】２つのシンボルがランの軸に沿って整列さ
れていない場合には、ケアされなければあらゆるノイズ
が比較ミスを生じるおそれがある。この問題を処理する
ために、終点の座標が変更され、重要な余剰ビットで表
される。このシンボルの座標表現の変更は、ノイズに起
因する寸法の変化の影響の最小化を促す。記録される水
平方向ランの終点は−（実幅−１）から＋（実幅−１）
までの範囲をとる。これは、（実幅−１−（−（実幅−
１））= ２×実幅、という計算された幅を提供する。垂
直方向ランの終点は、トップの−（実高さ−１）からボ
トムの（実高さ−１）までの範囲を有する。

【００３９】２つのシンボルのミスアラインメントに対
する最も一般的な理由は、一方のシンボルが、他方のシ
ンボルがノイズを有さない側にノイズを有することであ
る。これは、シンボルのうちの１つを１ピクセル分幅広
く（又は高さを高く）する。しかし、これは対応するラ
ンの記録された座標を１だけ変化させる。この好適な実
施の形態における最小のシンボル以外のすべてに対し
て、シンボルの終点と標本の終点の間に３という距離が
許容される。３は、ミスアラインメントに対する１に１
ピクセルだけオフするための２を加えた合計である。そ
の測定は各ランの軸に沿ったミスアラインメントを考慮
しようとする。

【００４０】行われる第２のアクションは、ランに垂直
な軸においてランを整列させようとする。シンボルのラ
ンを処理するシステムを以下に詳細に記述する。手短に
言えば、各標本は、マッチするシンボルの終点に対する
正規の範囲を記述したテンプレートを有する。アライン
メントステップがなければ、比較は常にシンボルのボト
ム（最下）列とテンプレートの標本のボトム列との間で
行われる。標本がノイズを有さないボトムにシンボルが
ノイズを有する場合には、シンボルと標本は正確に整合
されない。これが比較ミスにつながるおそれがある。こ
れはさらに悪いことに、実際に違うシンボル同士がそれ
らのエンベロープがかろうじて近くなるようにミスアラ
インメントされることにつながりかねない。例えば、大
文字の「Ｉ」がわずかに数字の「１」の左にミスアライ
ンメントされると、文字「Ｉ」の上のキャップの右側
が、数字の「１」と十分に異なってみえる程には伸びき
らない。

【００４１】これを避けるために、シンボルの水平方向
及び垂直方向の中心軸のロケーションが計算される。垂
直軸のロケーションは、シンボルのエンベロープ（すな
わち境界）の左右のサイドに見出されるポイントを平均
することにより見いだされる。水平軸は、シンボルのエ
ンベロープのトップの終点及びボトムの終点を平均する
ことにより見出される。この計算は、二つの余剰ビット
精度を用いて行われる（すなわち、得られる値は二進少
数点未満に２ビットを有する）。次いで、シンボルの水
平軸からボトムラインまで（及びシンボルの垂直軸から
左サイドまで）の距離が計算される。

【００４２】新しいシンボルを任意の標本に比較する前
に、シンボルの余分なボトム列及び左コラムが作成され
る。これらの追加された列及びコラムはそれぞれ、アラ
インメント列及びアラインメントコラムと呼ばれる。余
分な列（コラム）は、実際のボトム（左）列（コラム）
における各ランの中央と同じコラムに１つの黒ピクセル
を有する。同様に、アラインメント列及びコラムは、シ
ンボルランのチェックに使用されるテンプレートデータ
構造に追加される。テンプレートのアラインメント列及
びコラムに関して言えば、それらはそれぞれボトム列及
び左コラムをチェックするのに使用される１セットの二
重テンプレートグループの形態にある。テンプレートグ
ループについて以下により詳細に記載する。特定のシン
ボルの水平方向ランの特定の標本の水平方向ランへの比
較を開始する前に、水平軸とボトム列（垂直方向ランの
垂直軸と左コラム）の間の距離が調べられる。シンボル
の水平軸がそのボトム列に対して、標本の水平軸がその
ボトム列に対するよりも少なくとも一列近ければ、シン
ボルのアラインメント列を用いて比較が開始される。標
本の水平軸がそのボトムに対して、標本の水平軸がその
ボトム列に対するよりも一列を越えて近い場合には、標
本のテンプレートの二重セットを用いて比較が開始され
る。これによりシンボルランが標本テンプレートに合わ
せられる。

【００４３】ランの中央において列又はコラムに黒ピク
セルを加えることは、ノイズを加えるのと同種である。
シンボルのトップ及びボトムにおいてはノイズに対して
だけチェックがなされる。ノイズについてチェックする
ことは、シンボルのピクセルが標本に対して遠く離れて
いるかどうかを見るチェックである。アラインメント列
（コラム）における各ランの中央にピクセルが１つだけ
存在するので、シンボルのピクセルが標本上のいずれか
らも遠く離れてミスマッチを生じるようなことはあり得
ない。

【００４４】この方法を用いると、エラーの減少と共に
同値類の数が目立って減少することがわかった。

【００４５】これは、シンボルを同値類標本と比較する
第一の方法である。大きいシンボルに対してはこれを行
うだけでよい。この方法は、非常に小さいシンボルの非
常に小さな差をとらえることに対しては実際のところ適
切ではない（このような小さな差は小シンボルチェック
によってとらえられる）。テンプレート範囲がそのよう
な差を捕らえる程に狭くされると、かなり多くの同値類
が生成される可能性がある。

【００４６】まさに同じ方法（及び同じソフトウェアコ
ード）を用いて、水平方向標本テンプレートに対して水
平方向シンボルランがマッチングされ、垂直方向標本テ
ンプレートに対して垂直方向シンボルランがマッチング
される。水平方向ランチェックは、垂直方向エッジにお
けるミスマッチの検出に用いられる。垂直方向ランチェ
ックは、水平方向エッジにおけるミスマッチの検出に用
いられる。両タイプのチェックが行われることにより、
全てのエッジにおいて正確なチェックが行われることが
保証される。簡潔さのために、水平方向テンプレート及
び水平方向ランのチェックについてのみ記載する。垂直
方向テンプレート及び垂直方向ランのチェックも同様で
ある。

【００４７】標本をシンボルと比較する最も単純な方法
は、各標本ランを１つのシンボルランと比較することで
ある。あいにく、この方法は標本とシンボルの間の十分
なバリエーションを考慮しないことが決定された。各シ
ンボルランに対して単一の標本ランを参照するのではな
く、標本の薄い３列水平方向スライスを用いて、各シン
ボルランに対する終点テンプレートを計算する。標本中
の全ての列ｎに対して、列ｎ−１、ｎ、及びｎ＋１を含
む標本の水平方向スライスが抽出される。このスライス
中の各関連するコンポーネントが１つのグループに対応
する。関連するコンポーネントは、スライス中の隣接す
る列におけるランとオーバーラップするランのセットに
より容易に識別できる。グループは、シンボルランの終
点をチェックするのに使用されるテンプレートを保持す
るデータ構造である。

【００４８】グループのこの概念を図２で示す。図２を
参照すると、１行目２０１は「ａ」のラン２０５、
「ｂ」のラン２０６及び「ｄ」のラン２０７を、２行目
２０２は「ｃ」のラン２０８及び「ｅ」のラン２０９
を、３行目２０３は「ｆ」のラン２１０及び「ｇ」のラ
ン２１１を、４行目２０４は「ｈ」のラン２１２を含
む。従って１行目２０１、２行目２０２及び３行目２０
３により規定されるスライスには、２つのグループが存
在する。第１のグループは、ラン「ａ」２０５、「ｂ」
２０６、「ｃ」２０８及び「ｆ」２１０により規定され
る。第２のグループはラン「ｄ」２０７、「ｅ」２０９
及び「ｇ」２１１により規定される。２行目２０２、３
行目２０３及び４行目２０４により規定されるスライス
に対しては、１つだけのグループが存在する。このグル
ープは、ラン「ｃ」２０８、「ｅ」２０９、「ｆ」２１
０、「ｇ」２１１及び「ｈ」２１２である。

【００４９】このグルーピングの有利な点は、エッジの
配置における不確かさを大目に見ることができる点であ
る。例えば、本発明はラン「ｈ」２１２により表される
エッジが１行上に移動してラン「ｆ」２１０及び「ｇ」
２１１と結合することを許容する。従ってグルーピング
は、水平方向グループが垂直方向のノイズを許容し、垂
直方向グループが水平方向のノイズを許容することを可
能にする。別の例としては、薄壁を有する１０×１０の
円の左右のサイドは画像中でつながっているが、円の中
央を通る３列スライスが、連結された２つの異なるコン
ポーネントを含むので、それらは個々のグループを有す
る。トップにおける３列スライスは、１つの関連するコ
ンポーネントを有するので、１つのグループである。し
かしながら、３列の高さ（又は３コラム分の幅）未満の
ホールの回りの全ての水平方向３列スライスは、単一の
関連するコンポーネントを有するので、ここに１つのグ
ループが生成される。

【００５０】各テンプレートグループは特定のタイプか
らなる。４つのタイプのテンプレートグループがある。
グループのタイプにより、どの種類のチェックが行われ
るかが決まる。チェックが失敗すると、シンボルと標本
は上記のことを除いてマッチしない。４つのテンプレー
トグループタイプを以下に記載する。

【００５１】CheckNoise：このタイプは、標本のエッジ
で使用される。標本のピクセルの最終ラインは、マッチ
ングシンボル中に存在するかもしれないし、存在しない
かもしれない。同様に、標本のエッジのすぐ隣の空白
は、その中にマッチングシンボルからのビットを有し得
る。CheckNoiseグループの目的は、シンボルランがChec
kNoiseグループによりカバーされる範囲と交差する場合
に、全体のシンボルランがその範囲内に含まれることを
保証することである。それ自身のCheckNoiseグループに
適する標本エッジの最小レングスを特定するパラメータ
が存在する。さらに、所与のポイントの右のシンボルラ
ンだけがチェックされることにより、このグループはCh
eck1RunNoAdvance規準（後述する）と共に後で使用され
得る。

【００５２】Check1Run ：これは、最も一般的なグルー
プである。これは、対象とする領域の３本の走査線の各
々において標本が正確に１つのランを有する場合に使用
される。これは、左右の終点の値の範囲を含む。左終点
の範囲は、３つのランの最も左の左終点と３つのライン
の最も右の左終点との間である。次いで、或るスロップ
（slop）が追加される。左におけるスロップのサイズ
は、シンボルサイズと最も左の終点が標本のラインに属
するかどうかとの関数である（中間のラインに対しては
より多くのスロップが許容される）。右の終点範囲も同
様に計算される。

【００５３】時に、シンボルは中央の走査線上に２つの
ランを有し得る。これは、標本を作成するのに使用され
る一例のシンボルが閉（つまった）ループを有するが他
のシンボルは有さない場合に発生する。分類は主にシン
ボルのエンベロープの形状に関係するので、この差によ
って比較ミスは発生しないはずである。従って、上記規
準が失敗すると、CheckEndpointsテストが実行される。

【００５４】CheckEndpoints：このテストは、１つのグ
ループの３つの列のいずれかの上に１つより多くランが
存在する場合に用いられる。範囲内に含まれるランのブ
ロックの最も左の端及び最も右の端が正しい場所にある
かについてチェックが行われる。これは、小さいホール
の有無が重要でないとする考え方と一致する。これはま
た、標本におけるフォーク（分岐）及びジョイント（連
結）を上下に移動させる。最も左の終点と最も右の終点
の範囲は、Check1Run において行われる方法と同様に決
定される。

【００５５】Check1RunNoAdvance：このグループタイプ
は特別なケースを扱う。これは、現行のシンボルランを
越えて進行しないことを除けばCheck1Run グループと同
じである。この特別なケースを以下に示す。

【００５６】垂直方向ストロークは、垂直方向に隣接す
る水平方向ランの集まりと定義される。同様に水平方向
ストロークもあるが、垂直方向ストロークを説明する目
的でそれについては考慮しないことにする。ストローク
の各列には正確に一つのランがある。非常に小さいシン
ボルのループにおいては、１つのみランを含むストロー
クにより２つの垂直方向ストロークがトップ又はボトム
において連結され得る。ランの正確な位置は、それが実
際にストローク同士の間のギャップにわたらなければ重
要でない。この場合、CheckNoiseグループが用いられて
ギャップの右のノイズが放棄され、Check1RunNoAdvance
グループが用いられてギャップを覆うランがあるかどう
かが調査され、別のCheckNoiseグループによりギャップ
の上／下のラインの右端の右にあるランが放棄される。
したがって、ノイズブリップは、ギャップの右及び／又
は左に対してチェックされると共に許容され、CheckNoi
seグループはギャップをまさにカバーする単一のラン、
又はギャップの上／下のライン近くの全てのスペースを
カバーする単一のランをチェックする。

【００５７】以下により詳細に記載するように、上述の
タイプの１セットのテンプレートグループが生成され、
その後標本とシンボルの比較に使用される。テンプレー
トグループのセットは、マッチが発生する場合に満たさ
れなければならない１セットのマッチング規準を定義す
る。このマッチング規準は、同値類及びその標本に唯一
のものであり得る。比較中に、テンプレートグループと
シンボルランの両方が右から左、下から上へと処理され
る。１つのテンプレートグループは複数のタイプからな
るように規定できるので、各テンプレートグループは、
１つ以上のシンボルランをチェックするように使用され
る。グループの余剰セットが標本のトップより上に生成
されると、シンボルのトップにおけるノイズが捕えられ
る。すべての標本グループが失敗することなくチェック
されると、残りのシンボルランの数がチェックされる。
左にシンボルランが存在する場合には、シンボルと標本
はマッチしない。ランの水平方向セットと垂直方向セッ
トの両方がマッチする場合には、シンボルと標本はマッ
チする。

【００５８】上記チェックが十分でないこともある。注
意されるべき特定的な問題は、小さい太字の「ｅ」と小
さい太字の「ａ」である。これら両者は傾向として、つ
まり気味で丸みがかっている。人は、比較的大きな特徴
（差）を比較的小さい特徴にあてはめることによりこれ
を扱う。小さくて濃い丸いものを比較する場合には、別
の、即ちより敏感なテストが用いられる。シンボルの終
点が標本により特定される範囲内にあるかどうかを決定
するばかりでなく、シンボル同士が実際には同じでない
ことを示すようにシンボルの終点が範囲内で移動してい
ないかを決定することが意図される。

【００５９】例えば、「ａ」は「ｅ」よりも少し方形で
あり、左に小さなくぼみを有する。「ａ」の左のエッジ
は、（ボトムにおいて）「ｅ」の左のエッジよりも左に
あると共に、（中央においては）「ｅ」の左のエッジよ
り右にある。しかしながら、シンボルと標本における相
関性のないノイズをシンボルと標本が互いに放棄するこ
ともできる。

【００６０】シンボルの左サイド及び右サイド（又は垂
直方向ランを見る際にはトップ及びボトム）に対して別
々に計算が実行される。両サイドに対する計算は同じで
あるので、左サイドの計算に関してのみ記載する。各列
において、シンボルの最も左の終点（Ｓとラベル付けさ
れるコラム）と標本の最も左の終点（Ｅとラベル付けさ
れるコラム）の間の距離が決定される（ＥΔとラベル付
けされるコラム）。なお、シンボルＳの終点と標本Ｅの
終点は常に、上述のアラインメントプロセスにより２の
倍数である。これらの間の距離の差は、隣接するライン
（ＥΔ−ＰΔとラベル付けされるコラム）において計算
される。これは、最初の誘導体のようなものである。変
数Ｐは、先行する０でない距離（即ちＥΔ−ＰΔのイン
スタンス）を保持するように維持される。この変数は、
比較プロセスの開始時に０（ゼロ）に初期化される。距
離のこの差（すなわちＥΔ−ＰΔ）がゼロでない時毎
に、（Ｐ＋この差）の絶対値が差の実行中の合計に加算
され、次いでＰが新たな差に取り替えられる。右サイド
のトータルか左サイドのトータルのいずれかが高さの３
／４（垂直方向ランを比較する際には幅の３／４）より
大きい場合には、シンボルと標本はマッチしない。

【００６１】

【表１】

【００６２】この計算の一例について表１を参照して説
明する。表１の種々のコラムは、上述の情報を含む。表
１の合計の更新というコラムは、合計値が更新されるべ
きかを示すと共に、記述の目的で提供される。ＥΔ−Ｐ
Δの値が０でない場合には、合計が更新されることを思
い起こしていただきたい。

【００６３】表１の列１は、分析される最初の列を例証
する。処理の開始時にＰΔ及びＰの値はゼロに初期化さ
れる。ＥΔ−ＰΔが０ではないので、合計は変更され
る。結果的に、合計フィールドが３という値をとること
になる。

【００６４】列２では、シンボル及び標本の終点が動か
ないのでＥΔ−ＰΔ＝０である。従って、合計に変化は
生じない。値Ｐは列１からのものである。

【００６５】列３では、標本の終点Ｅが移動され、ＥΔ
が１という値になる。ＥΔ−ＰΔがゼロでない（−２）
ので、合計の更新が示される。値Ｐは列１からのもので
ある。よって、（ＥΔ−ＰΔ）＋Ｐ＝−２＋３は１であ
り、これが合計に加算されて４という値が得られる。

【００６６】列４では、標本の終点は、列１及び列２に
あった場所に戻る。ＥΔ−ＰΔが０でないので、合計の
更新が示される。値Ｐは列３からのものである。しか
し、（ＥΔ−ＰΔ）＋Ｐ即ち（−２＋２）の絶対値はゼ
ロであるので、合計に対して有効な変化が生じない。

【００６７】列５では、標本の終点は列３にあった場所
に戻る。ＥΔ−ＰΔが０ではないので、合計の更新が示
される。値Ｐは列４からのものである。しかし、この場
合には（ＥΔ−ＰΔ）＋Ｐ（即ち、−２＋２）は０であ
るので、合計に有効な変化は生じない。

【００６８】列６では、シンボルの終点と標本の終点が
等量移動する。Ｐは列５からその値を得る。ＥΔ−ＰΔ
が０であるので、合計に変化は生じない。

【００６９】列７では、標本の終点が移動する。これは
結果的に−１というマイナスのＥΔに帰結する。Ｐは列
５からの値を保持する。値ＥΔ−ＰΔ＝−１−１＝−２
であり、合計に加算される値は（ＥΔ−ＰΔ）＋Ｐ＝−
２−２＝−４の絶対値の４であり、これが合計に加算さ
れる。次いで合計は８の値をとる。

【００７０】列８では、標本の終点が再び動く。これ
は、−３というマイナスのオフセットＥΔに帰結する。
値Ｐは列７からのものである。ＥΔ−ＰΔ＝−３−１＝
４であり、合計に追加される値は（ＥΔ−ＰΔ）＋Ｐ＝
−４−２＝−６の絶対値である６である。合計は１４と
いうの値をとる。

【００７１】このように作用すると、２つのシンボルが
完全にミスアラインメントされる場合には終点の距離は
全てこの同じミスアラインメント距離に等しいので、差
は全く記録されず、合計には何も追加されない。関連の
ないノイズは、その差を＋１、−１、＋１、−１等のよ
うに見せる傾向がある。各ペアの合計は０であるので、
不規則変動は行われない。一方、実際の変動は少くとも
２つのステップに対して同じ方向に生じる傾向があるの
で、発現する。

【００７２】これを実施するために、標本の最も左端と
最も右端にタグが付けられる。タグがセットされると、
グループの中央のライン上の標本ランとシンボルランと
の差が計算される。標本が小さくて丸く濃いシンボルを
表す場合にのみフラグがセットされる。

【００７３】分類に使用される個々のテストについて記
載した。ここではテストが実行される順序を記載する。
先に述べたように、シンボル抽出ステップは、画像中の
すべての関連するコンポーネント、又はシンボルを見出
す。見出された各シンボルに対して、シンボル−ファイ
ンダ（symbol-finder ）がシンボルのロケーション、境
界ボックス、及びシンボルを含むランのリストを用いる
分類ルーチンを呼び出す。

【００７４】図３は、分類ルーチンのステップを概説す
るフローチャートである。まず、入力される水平方向ラ
ンの座標が、（１）シンボルの中心に対して、（２）２
を乗じられたオフセットを有するように、ステップ３０
１において変更される。これにより、上記２つのステッ
プにおいて−（幅−１）から＋（幅−１）までの範囲を
とるシンボルランが生成される。次いで、シンボルのマ
ス及び内部がステップ３０２において計算される。ステ
ップ３０３においてシンボルのボトムに対してアライン
メント列が作成される。これは、ボトムの走査線におけ
る水平方向ランから水平方向ランの二重セットを計算す
ることにより行われる。これらは、各実際の水平方向ラ
ンの中央のコラムに単一の黒ピクセルを有するランであ
る。上述のように、アラインメント列は、必要であれば
シンボルを垂直方向（上）にオフセットするように用い
られ得る。

【００７５】ステップ３０４では、シンボルの垂直方向
ランが水平方向ランから計算される。垂直方向ランも、
シンボルの中央に中心を置く２×座標を使用する。次に
アラインメントコラムがステップ３０５で作成される。
ここで、左コラムにおいて垂直方向ランから垂直方向ラ
ンの二重セットが作成される。これらは、各実際の垂直
方向ランの中央の列に一つの黒ピクセルを有するランで
ある。それらは、必要であればシンボルを右にオフセッ
トするように用いられる。

【００７６】次に、ステップ３０６においてシンボル特
徴が計算される。先に述べたように、これらの特徴は、
傾斜（度）、水平方向ボリューム及び垂直方向ボリュー
ム、水平方向中心軸からシンボルのボトムまでの距離、
そして垂直方向中心軸から左コラムまでの距離を含む。
また、ステップ３０７では水平方向ボリューム及び垂直
方向ボリュームが決定され、必要であればボリュームフ
ラグがセットされる。対応するボリュームが全領域の少
くとも３／４であれば、フラグがセットされる。これら
フラグは、小さくて濃いシンボルのチェックを補助す
る。

【００７７】次いでステップ３０８において、シンボル
との比較に適格な標本テンプレートがディクショナリか
ら識別される。上述のように、標本は、比較が行われる
ために抽出シンボルの２つのピクセルの範囲内の高さ及
び幅を有さなければならない。標本テンプレートは、幅
及び高さによりグルーピングされる。表２は、標本が比
較されるシーケンスを示す。「ｗ」及び「ｈ」のコラム
の下に与えられる数はそれぞれ、シンボルの幅及び高さ
からのオフセットである。例えば、標本の第１のグルー
プはシンボルと同じ幅及び高さを有する。調査される標
本の第２のグループは、シンボルよりも１だけ幅が広
い、等。所与の幅及び高さのグループの全標本は、シー
ケンスにおける次のサイズグループの標本を見る前に調
査される。

【００７８】

【表２】

【００７９】ステップ３０９においてディクショナリが
空であること又はその範囲に標本がないことが決定され
れば、ステップ３１８において新たな同値類が作成され
る。最初のチェックは、シンボルの幅及び高さとシンボ
ルの傾斜特徴が標本のしきい値内にあるかどうかをステ
ップ３１１で決定することである。標本は、シンボルの
高さ及び幅に対する最小値及び最大値を規定する。傾斜
のしきい値は、ＭＩＮ（幅、高さ）／２という関数によ
り定義される。これらの特徴が標本のしきい値の範囲内
になければ、それが比較に適格な最後の標本であったか
どうかのチェックがステップ３１２において行われる。
最後の標本でなければ、次の標本がステップ３１０で読
み出される。それが最後の標本であれば、新たな同値類
がステップ３１８で作成される。新たな同値類を作成す
るステップ３１８については、標本テンプレートを参照
して後述する。

【００８０】シンボルの幅及び高さと傾斜特徴が標本の
しきい値の範囲内であれば、小さいシンボル（即ち大き
くないこと）に関する検査と小シンボルチェックがステ
ップ３１３で実行される。小さいシンボルに関する検査
は、シンボルの高さ及び幅が２０ピクセル以下であるか
どうかである。これにより、小さいシンボルに対する特
別なチェックが幅の狭い又は偏平なシンボルに実行され
ることができる。小シンボルチェックについては図４を
参照してより詳細に、及び大きいシンボルに実行される
チェックに追加して説明する。シンボルが小さく、小シ
ンボルチェックのいずれをもみたさない場合には、標本
とマッチするものはなく、ステップ３１２において処理
は可能であれば別の標本を試行し続ける。

【００８１】シンボルが大きいか、又はシンボルが小さ
いと共に全ての小シンボルチェックをパスした場合に
は、ステップ３１４においてテンプレートグループ規準
にマッチングするシンボルランが見出される。先に述べ
たように、標本テンプレートは、各々が特別なマッチ規
準を有する水平方向及び垂直方向テンプレートグループ
を含む。テンプレートグループを使用するこのプロセス
については、さらに図５を参照して説明する。次いでス
テップ３１５では、標本テンプレートがマッチされるか
どうかが決定される。マッチするものが生じなければ、
処理はステップ３１２で可能であれば別の標本を試行し
続ける。マッチするものが生じれば、シンボルの位置及
びマッチングした標本のＩＤがステップ３１６で記録さ
れる。最後に、標本テンプレートに対するマッチカウン
タがステップ３１７で増分される。後述するように、マ
ッチカウンタは同値類統合中に使用され、統合された同
値類を表現するのにどの標本が使用されるべきかを決定
する。

【００８２】図３に記されるステップは、画像から抽出
される各シンボルに対して繰り返される。

【００８３】図４は、小シンボルチェックを示すフロー
チャートである。これらのチェックについては図３のス
テップ３１３で言及した。概して、これらのチェックは
シンボル特徴を標本しきい値と比較する。なお、小さく
濃いシンボルに対する更なるチェックは、テンプレート
グループとシンボルランの比較に関して実行され、これ
については図５を参照して説明する。図４では、以下の
チェックが小さいシンボルに実行される。

【００８４】ステップ４０１では、シンボルのマスが標
本により指定される範囲内にあるかどうかのチェックが
行われる。２つのシンボルはそれらのマスの比が大きす
ぎる場合にはマッチしない。大きすぎる場合には、図３
のステップ３１２で次の標本が試行される。大きすぎな
い場合には次のチェックが実行される。

【００８５】ステップ４０２ではシンボルの内部が標本
により特定される範囲内にあるかどうかのチェックが行
われる。２つのシンボルはそれらの内部がマスの範囲を
越えて異なる場合にはマッチしない。内部がマスの範囲
を越えて異なれば、図３のステップ３１２で次の標本が
試行される。

【００８６】次いで、残りのチェックは小さく濃いシン
ボルに使用される。濃さの指標は、HVolume 又はVVolum
e フラグのセットである。

【００８７】ステップ４０３では、シンボルのcheckHVo
lumeフラグ又は標本のcheckHVolumeフラグがセットされ
たか、及びシンボルと標本が同一の幅でないか、及びそ
れらのうちの幅の広い方がより小さいHVolume を有する
かのチェックが行われる。そうである場合には、図３の
ステップ３１２で次の標本が試行される。そうでない場
合には、次のチェックが実行される。

【００８８】シンボルのcheckVVolumeフラグ又は標本の
checkVVolumeフラグがセットされ、及びシンボルと標本
が同一の高さでないか、及びそれらのうちの高さの高い
方がより小さいVVolume を有するかのチェックがステッ
プ４０４で行われる。そうであれば、図３のステップ３
１２で次の標本が試行される。そうでない場合には、す
べての小シンボルチェックがパスされ、標本のテンプレ
ートグループ規準の分析が図３のステップ３１４で実行
される。

【００８９】テンプレートグループをシンボルとマッチ
ングするプロセスは、水平方向／垂直方向テンプレート
グループと水平方向／垂直方向シンボルランの両方に対
して同一である。従って、図５のフローチャートで記述
されるステップは、水平方向及び垂直方向ランに対して
適用される。なお、図５はまた、小さくて濃い丸いシン
ボルをチェックするための更なるステップについても記
述する。図５を参照すると、最初のステップは、シンボ
ルの水平方向／垂直方向軸とそのボトム列／左コラムと
の間の距離（値Ｘと呼ぶ）と標本の水平方向／垂直方向
軸とそのボトム列／左コラムとの間の距離（値Ｙと呼
ぶ）を決定する。これらの測定は、アラインメント列／
コラムがシンボル又は標本に付加されるかどうかを決定
するために使用される。ステップ５０２でＸ−Ｙ≧１が
真であれば、ステップ５０３でアラインメント列／コラ
ムがシンボルに付加される。換言すれば、水平方向ラン
の場合、シンボルの軸がそのボトム列に対して、標本の
軸がそのボトム列に対するよりも少なくとも一列近けれ
ば、シンボルのアラインメント列を用いてシンボルが標
本と整合され始める。逆にステップ５０４でＹ−Ｘ≧１
が真であれば、ステップ５０５でアラインメント列／コ
ラムが標本に付加される。換言すれば、標本の軸がその
ボトム列に対して、シンボルの軸がそのボトム列に対す
るよりも少なくとも一列近ければ、標本のアラインメン
ト列を用いて開始される。なお、これはシンボルのボト
ム列を標本にマッチングするのに使用されるテンプレー
トグループの二重セットに対応する。

【００９０】処理は、各標本のボトム列、右コラムにお
いて始まるテンプレート及びシンボルランを用いて進行
する。ステップ５０６でテンプレートグループが得られ
る。次いでステップ５０７において、シンボルランリス
ト中の現行のラン（単数又は複数）がテンプレートグル
ープ規準にマッチするかどうかが決定される。先に述べ
たように一つより多くのランがテンプレートグループの
規準にマッチすることを要求されることができ、マッチ
規準はグループのタイプにより特定される。テンプレー
ト規準がランリスト中のランによって満たされない場合
には、処理は図３のステップ３１２において次の標本を
得るように継続する。ステップ５０８において規準が満
たされる場合には、テンプレートグループにマッチング
するランが消費され、ランリスト中の次のランがステッ
プ５０９で現行ランとなる。これにより、すべてのラン
が標本の或るテンプレートにマッチすることが保証され
る。シンボルが小さく、丸く、濃い場合には、ステップ
５１０においてアラインメント及びノイズチェックが列
に対して実行される。このチェックは、現行列がゼロで
ない隣接列オフセットを有する際の隣接列オフセットの
差の集積であり、これについては表１を参照して上述し
た。

【００９１】ステップ５１１では、より多くのテンプレ
ートグループがチェックされる必要があるかどうかが決
定される。そうである場合には、処理はステップ５０６
で継続する。そうでない場合には、シンボルランリスト
が使用されきったかどうかがステップ５１２において決
定される。そうでない場合には、マッチするものが発生
しなかったので、処理は図３のステップ３１２で次の標
本を得るように継続する。小さく、丸い、濃いシンボル
の場合、ランリストが消費されきった場合には、集積さ
れたオフセットの差が所定のしきい値よりも大きいかど
うかがステップ５１３で決定される。この好適な実施の
形態では、所定のしきい値は、高さの３／４（垂直方向
ランを比較する場合には幅の３／４）である。小さくて
丸く濃いシンボルでない場合、又は所定のしきい値が越
えられない場合には、マッチが発生し、処理は図３のス
テップ３１６においてシンボルをコード化するように継
続する。しきい値を越える場合には、処理は図３のステ
ップ３１２において次の標本を得るように継続する。

【００９２】シンボルの抽出及びマッチングプロセスの
間に、シンボルがどの標本にもマッチしないこともあ
る。この場合には、新しい同値類が作成される。新しい
同値類の標本は、抽出されたシンボルである。新しい同
値類が作成されると、新しい標本にシンボルをマッチン
グすることを要求されるテンプレートが作成される。幸
いにも、テンプレートに使用されるシンボル特徴の多く
は、分類プロセス中に作成されたので、再計算される必
要がない。新たな標本は、その後のシンボル分類のため
に標本リスト（すなわちディクショナリ）に挿入され
る。検索が楽なように、標本は標本を定義する境界ボッ
クスのサイズによりインデックスを付けられる。

【００９３】標本テンプレートは、シンボルを標本にマ
ッチングすることを必要とされるすべてのデータを含
む。図６は、標本テンプレートの基本構成要素を示す。
図６を参照すると、標本テンプレートは、標本ＩＤ番号
６０１と、マッチカウント６０２と、標本特徴パート６
０３と、標本フラグ６０４と、しきい値範囲６０５と、
種々のランポインタ６０６とを含む。

【００９４】標本ＩＤ番号６０１は、標本テンプレート
にアクセスするためにシンボル分類子により使用される
インデックスである。

【００９５】マッチカウント６０２は、標本にマッチン
グするシンボルの数を含む記憶場所である。

【００９６】標本特徴パート６０３は、幅及び高さ情
報、標本中の１（黒ピクセル）の数、標本の傾斜、内部
ピクセルの数、水平方向ランから計算されるアシメトリ
（非対称性）、垂直方向ランから計算されるアシメト
リ、水平方向ランから計算されるボリューム（各走査線
上の最も左の終点と最も右の終点との間に含まれるピク
セルの数の合計）、及び垂直方向ランから計算されるボ
リューム（垂直方向ランに対する各走査コラムにおける
トップとボトムの間に含まれるピクセルの数の合計）を
含む。

【００９７】標本フラグ６０４は、小さく濃いシンボル
に対するチェックに使用されるHVolume 及び VVolumeフ
ラグを含む。

【００９８】しきい値範囲パート６０５は、種々のシン
ボルと標本特徴を比較するしきい値を含む。なお、他の
しきい値範囲は実際のシンボル分類処理の間に計算され
る。

【００９９】ランポインタパート６０６は、テンプレー
トを用いて抽出シンボル中のランをチェックするのに使
用される水平方向及び垂直方向テンプレートグループの
リストに対するポインタと、対応する標本を定義するラ
ンに対するポインタとを含む。

【０１００】すべての画像シンボルを標本と比較した
後、あまりに多くの同値類が存在する可能性がある。そ
れにはいくつかの原因がある。第一は、比較における共
有（ communitivity）の不足である。シンボルＡが標本
Ｂにマッチしないことがわかっても、標本Ｂにより表さ
れるシンボルがシンボルＡに対する標本にマッチするか
どうかはわからない。シンボルＢが第１でシンボルＡが
第２であることがわかると、実際には併合されるべき２
つの標本が作成され得る。同値類超過の別の原因は、ミ
スアラインメント（不整列）である。ランの軸に沿うミ
スアラインメントを許容すると共に正確な走査線とマッ
チングしようとする試みがなされるが、それは必ずしも
うまくいかない。

【０１０１】同値類を合併する結果生ずる同値類は、統
合同値類と呼ばれる。同値類の統合は少なくとも４つの
ケースを考慮に入れる：１．統合同値類のメンバでない２つの独立した標本同士
がマッチする。この場合、新しい統合同値類が生成され
る。２．孤立した標本が、すでに統合同値類のメンバである
標本にマッチする。この場合、孤立した標本が既存の統
合同値類に追加される。３．すでに統合同値類のメンバである標本が、孤立した
標本にマッチする。この場合、孤立した標本が既存の統
合同値類に追加される。４．すでに２つの異なる統合同値類のメンバである２つ
の標本同士がマッチする。この場合、２つの既存する統
合同値類が併合され、２つの元々の統合同値類のメンバ
を含む新たな統合同値類が生成される。

【０１０２】同値類統合の際には、別の同値類の少くと
も１つのメンバにマッチする或る同値類の少くとも１つ
のメンバを見出すことにより、同値類同士が合併され
る。マッチが正確でないので、推移性（移行性）に関す
る何らかのトラブルが発生する。すなわち、シンボルＡ
はシンボルＢにマッチし、シンボルＢはシンボルＣにマ
ッチするが、シンボルＡはシンボルＣにマッチしないか
もしれない。かなり拡張されると、不正確な同値類同士
につながりが存在するので、同じ同値類中にかなり異な
るシンボル同士が存在し得る。

【０１０３】この好適な実施の形態では、推移性の問題
は、併合される各同値類の許容サイズ範囲を、併合して
いる同値類の範囲の交わりに制限することにより最小に
される。これは、或る同値類のシンボルが他の同値類の
いずれのシンボルにも類似することを保証する。サイズ
範囲が制限されると、他のテストは、大きな差の防止に
対して十分に正確である。なお、他のテストはマスの許
容範囲を提供すること等のアドレス指定にも使用され得
るが、サイズの許容範囲に対する制限が大抵のケースを
処理することが決定した。

【０１０４】さらに、同値類統合中に個々のシンボルを
比較する際、第１のシンボルの同値類中に見出されるシ
ンボルの寸法の範囲が第２のシンボルの同値類により許
容される範囲と比較される。第１の同値類中のすべての
シンボルが第２の同値類において指定される範囲内に合
わなければ、２つのシンボルはマッチすることができな
い。同様に、第２の同値類中のすべてのシンボルが第１
の同値類において指定される範囲内に合わなければ、２
つのシンボルはマッチすることができない。

【０１０５】同値類を統合する時には、それらのうちど
れが新しい同値類の標本になるかが決定されるまで、す
べての同値類標本が保持される。或る同値類の標本が別
の同値類の標本にマッチすれば、それらの同値類は統合
される。分類プロセスの特徴は、２つのシンボルがすで
に同じ同値類のメンバである場合にはそれら２つのシン
ボルは比較されないことである。

【０１０６】図７及び図８は、この好適な実施の形態の
同値類統合を述べたものである。図７は、本発明のこの
好適な実施形態における同値類統合の基本ステップを概
説するフローチャートである。図７を参照すると、標本
はまずステップ７０１で「シフトされない」位置におい
て他の標本とマッチングされ、統合同値類が作成され
る。なお、ここでは各標本は統合同値類中にセーブされ
る。「マッチする」とは、セット中の標本が全て、セッ
ト中の少なくとも１つの他の標本にマッチしたとの意味
である。使用されるマッチング方法は、上述のシンボル
分類子のものと同じである。図８に関して後述するよう
に、マッチングの規準は、より多くの標本がマッチング
される程、より厳しくなる。なお、各標本は正確に統合
された１つの同値類に属する。

【０１０７】マッチするものの最大数を見出すために、
標本がシフトされる。「シフトされる」とは、全ランの
終点が変更されるという意味である。まず、ステップ７
０２において標本が右にシフトされて他の標本にマッチ
ングされ、次いでステップ７０３において上にシフトさ
れて他の標本に比較される。ステップ７０１〜７０３
は、マッチされる標本の複数のセットを得るためにステ
ップ７０４において全ての標本に対して繰り返される。

【０１０８】標本が統合同値類に一旦合併されると、ス
テップ７０５においてその統合同値類に対する標本とな
るように標本の中から１つの標本が選択される。この好
適な実施の形態では、これは累積されたマッチスコアに
より決定される。先に述べたように、各同値類テンプレ
ートはマッチカウントを有している。このマッチカウン
トは、標本にマッチすることがわかったシンボルの数に
対応する。同値類の統合中に２つの標本がマッチするこ
とがわかると、各標本は、他の標本のマッチカウントを
受け継ぐ（即ち、他の標本のマッチカウントがそれらの
マッチカウントに追加される）。最も高いマッチカウン
トを有する標本が、その同値類を表す標本となる。本発
明の主旨及び範囲を逸脱しなければ、マッチカウントの
重みづけ平均等の他の方法を使用することもできる。

【０１０９】最後にステップ７０６において、処理され
るシンボルを含むデータストリームが、新たな統合同値
類を反映するように変更される。これは、出力データス
トリーム中の標本ＩＤを実際に変更することにより、又
は画像は再生される時に使用される平行移動表を提供す
ることにより、達成されることができる。またこれは、
新たな同値類をディクショナリとして提供することも含
む。

【０１１０】図８は、図７のステップ７０１〜７０３で
実行される標本のマッチングステップを概説するフロー
チャートである。このプロセスを説明する目的で、図８
は標本Ａと標本Ｂを使用する。標本Ａは、他の標本に比
較されている標本である。標本Ｂは、標本Ａに比較され
ている標本の一例を表す。標本Ａ及びＢの両者は、孤立
した標本、又は統合同値類の一部である標本であり得
る。前者の場合、図８中に挙げられる値／範囲は、その
標本の値／範囲のことである。後者の場合、図８に挙げ
られる値／範囲は、統合同値類の値のことである。さら
に、各標本は、２つの指定されたサイズ範囲、即ち実際
のサイズ範囲と許容されるサイズ範囲を有する。実際の
サイズ範囲は、標本又は統合同値類中の標本（複数）に
対する実際のサイズ又はサイズ範囲を示す。許容サイズ
範囲は、標本にマッチすることのできるサイズの許容範
囲を表す。

【０１１１】図８を参照すると、まずステップ８０１に
おいて、標本Ｂの実際のサイズ範囲が標本Ａの許容サイ
ズ範囲内にあるかどうか、及び標本Ａの実際のサイズ範
囲が標本Ｂの許容サイズ範囲内にあるかどうかが決定さ
れる。上述したように、これらのサイズチェックにより
推移性の問題が処理されることが決定された。

【０１１２】ステップ８０２の「サイズはＯＫ」がノー
であれば、ステップ８０３において同じ同値類中にまだ
存在しない次の標本が比較され、処理はステップ８０１
で再開する。ステップ８０２の「サイズはＯＫ」がイエ
スであれば、ステップ８０４において標本Ａが標本Ｂに
比較される。比較ステップは、シンボル特徴がそれぞれ
の標本テンプレート内に含まれるのでそれらを計算する
必要がないことを除いて、上述の比較ステップと同じで
ある。ステップ８０５の「マッチする」がノーであれ
ば、同一の統合同値類中にまだ存在しない次の標本がス
テップ８０３で比較され、処理はステップ８０１で再開
する。

【０１１３】ステップ８０５の「マッチする」がイエス
である場合には、ステップ８０６で標本Ａが標本Ｂと合
併される。合併により、上述した種々の組み合わせに対
応する統合同値類、即ち新たな統合同値類が得られたり
（標本Ａ及び標本Ｂは両者とも孤立した標本である場
合）、それら標本のうちの１つが既存の統合同値類に併
合されたり（標本Ａ又は標本Ｂのいずれかが既存の同値
類中にある場合）、あるいは２つの統合同値類が併合さ
れたりする（標本Ａと標本Ｂが両者とも既存の統合同値
類のメンバである場合）。

【０１１４】次いで、統合同値類の実際のサイズ範囲及
び許容サイズ範囲は、ステップ８０７において標本Ｂ
（又は使用される標本Ｂが帰属すべき統合同値類）を考
慮するように変更される。その結果、２つのサイズ範囲
が次のように変更される：（１）同値類中の実際のサイ
ズは典型的に、標本が追加されるためにより大きくな
る；（２）新たな同値類にマッチングする許容サイズ範
囲は、２つの合併される同値類に対して許容される範囲
の交わりであるので、典型的により小さくなる。

【０１１５】前述の例に関して同値類統合をさらに説明
する。ＡＢＣＤＥＦＧＨという８つの同値類標本を有す
ると仮定する。

【０１１６】まず、同値類Ａは同値類Ｂ、Ｅ及びＧとマ
ッチすると仮定すると、（Ａ，Ｂ，Ｅ，Ｇ）ＣＤＦＨが
得られる。従って、表される同値類のセットが５つのみ
存在し、（Ａ，Ｂ，Ｅ，Ｆ）は統合同値類となる。比較
は各標本に対して繰り返される、即ち、同一セット中の
標本同士は比較されないことを除いて、同値類Ｂ〜Ｈは
全て他に比較される。同値類ＣとＦがマッチし、同値類
Ｄ及びＨは他のどの同値類にもマッチしないと仮定す
る。これにより、（Ａ，Ｂ，Ｅ，Ｇ）（Ｃ，Ｆ）ＤＨが
得られる。従って、（Ｃ，Ｆ）も統合同値類となり、４
つのみの同値類が存在することになる。統合同値類に対
して、同値類を表す標本の選択が残る。ここで、最も累
積したシンボルマッチを有するものが代表者となる。従
って例えば、標本Ａが５０個のマッチを有し、Ｂが４０
個のマッチを有し、Ｅが４６個のマッチを、そしてＧが
２０個のマッチを有する場合には、標本Ａがその同値類
を表すことになる。

【０１１７】本発明のこの好適な実施形態が使用され得
るコンピュータベースシステムについて図９を参照して
説明する。図９を参照すると、コンピュータベースシス
テムは、バス９０１を介して接続される複数のコンポー
ネントを含む。ここで示されるバス９０１は、本発明を
不明瞭にしないように単純化されている。バス９０１
は、複数の並列バスから成る（例えばアドレスバス、デ
ータバス、状態バス）かもしれないし、複数のバスの階
層構造（例えばプロセッサバス、ローカルバス、及びＩ
／Ｏバス）であるかもしれない。いずれにせよ、コンピ
ュータシステムはさらに、内部メモリ９０３からバス９
０１を介して提供される命令を実行するプロセッサ９０
２を含む（なお、内部メモリ９０３は典型的にはランダ
ムアクセスメモリ又は読出し専用メモリの組み合わせで
ある）。かかる命令は、図１〜図５と図７及び図８のフ
ローチャートで概説された処理ステップを実行するソフ
トウェア中で実行されるのが好ましい。プロセッサ９０
２及び内部メモリＲＯＭ９０３は、別々のコンポーネン
トであっても、アプリケーション指定集積回路（ASIC）
チップ等の単一の集積デバイスであってもよい。

【０１１８】またバス９０１には、英数字入力のための
キーボード９０４、データ格納のための外部記憶装置９
０５、カーソル操作のためのカーソル制御デバイス９０
６、及びビジュアル出力をディスプレイするためのディ
スプレイ９０７も接続される。キーボード９０４は典型
的に、標準のＱＷＥＲＴＹキーボードであるが、電話の
ようなキーパッドであってもよい。外部記憶装置９０５
は、固定された又は取り外し可能な磁気若しくは光ディ
スクドライブであってよい。カーソル制御デバイス装置
９０６は典型的に、ある種の機能の実行をプログラムで
きるボタン若しくはスイッチを有する。さらに、スキャ
ナ９０８もバス９０１に接続される。スキャナ９０８
は、媒体（すなわち走査文書画像）のビットマップ表現
を作成する手段を提供する。

【０１１９】バス９０１に接続されることのできる任意
のエレメントは、プリンタ９０９、ファクシミリエレメ
ント９１０及びネットワークコネクション９１１を含
む。プリンタ９０９はビットマップ表現を印刷するのに
使用できる。ファクシミリエレメント９１２は、本発明
を用いて圧縮された画像データを伝送するのに使用され
るエレメントを含み得る。あるいはファクシミリエレメ
ント９１２は、本発明を使用して圧縮された文書画像を
圧縮解除するエレメントを含んでもよい。ネットワーク
コネクション９１１は、画像データを含むデータの受信
／伝送に使用される。従って本発明により使用される画
像データは、走査プロセスを介して、又は受け取られた
ファックスを介して、又はネットワーク上で得られるこ
とが可能である。

【図面の簡単な説明】

【図１】本発明の好適な実施形態で実行され得る、走査
されたシンボルを同値類に分類するステップのフローチ
ャートである。

【図２】標本の薄い水平方向スライスから作成されるラ
ンのグループを示す図である。

【図３】本発明の好適な実施形態で実行され得るシンボ
ル分類のステップを概説するフローチャートである。

【図４】本発明の好適な実施形態において実行され得る
小シンボルチェックのステップを概説するフローチャー
トである。

【図５】本発明の好適な実施形態において実行され得る
テンプレートグループ／シンボルラン比較ステップを概
説するフローチャートである。

【図６】標本テンプレートのコンポーネントを示すブロ
ック図である。

【図７】本発明の好適な実施形態において実行され得る
同値類統合の基本ステップを概説するフローチャートで
ある。

【図８】図７で記述された統合同値類を作成するための
標本のマッチングステップのサブステップを概説するフ
ローチャートである。

【図９】本発明の好適な実施形態が使用され得るコンピ
ュータベースシステムのブロック図である。

【符号の説明】

９０１バス９０２プロセッサ９０３内部メモリ９０４キーボード９０５外部記憶装置９０６カーソル制御デバイス９０７ディスプレイ９０８スキャナ９０９プリンタ９１０ファクシミリエレメント９１１ネットワークコネクション

Claims

【特許請求の範囲】

【請求項１】画像を表す画像データ中のシンボルを分
類するシステムにおいて、同値類同士を併合して統合同
値類を作成する方法であって、ａ）画像データから抽出されたシンボルを分類して複数
の同値類を作成するステップを含み、該同値類の各々が
その同値類を表す標本を有し、ｂ）第１の同値類の標本を第２の同値類の標本にマッチ
ングするステップを含み、該マッチングステップが、第
１の同値類の標本のランと第２の同値類の標本のランか
ら得られる情報を有し、ｃ）前記第１の同値類の標本と前記第２の同値類の標本
がマッチする場合に、第１の同値類と第２の同値類の標
本を結合して統合同値類を作成するステップを含み、ｄ）上記ステップｂ〜ｃを前記複数の同値類の各々に対
して繰り返して、複数の同値類を作成するステップを含
み、ｅ）前記複数の統合同値類の各々に対して、前記統合同
値類を作成するために使用された標本のセットから、該
統合同値類を表す１つの標本を選択するステップを含
む、ことを特徴とする統合同値類の作成方法。