JPH10240901A - 文書ファイリング装置及び文書ファイリング方法 - Google Patents

Abstract

(57)【要約】 【課題】 レイアウト変動の大きい文書から自動的に文
書項目を抽出する。 【解決手段】 文書の画像を蓄積するイメージファイル
と、文書の種類ごとに文書構造のレイアウト規則を記憶
する文書レイアウト知識ファイルと、文書の種類および
文書項目ごとの記述内容を記憶する文書コンテンツ知識
ファイルと、文書レイアウト知識ファイルに記述された
知識に従い文書画像のレイアウトを解析するレイアウト
解析手段と、文書画像から切り出された文字パターンを
認識する文字認識手段と、レイアウト解析手段と文字認
識手段で得られる文書レイアウト情報および文字認識結
果と文書レイアウト知識ファイルおよび文書コンテンツ
知識ファイルの内容を照合することにより文書を構成す
る項目ごとに文字認識結果を分類する文書項目分類手段
を備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、文書内の文字を
認識して得られる文字認識結果あるいは文書のイメージ
をファイリングする際、文書を構成する項目を自動的に
分類しファイリングする文書ファイリング装置及びその
方法に関するものである。

【０００２】

【従来の技術】従来の項目自動分類を行う文書ファイリ
ング装置は、文書構造のレイアウト情報を用いて文書項
目の分類を行っていた。以下、特開平８−８７５２８号
公報に示された文書ファイリング装置を例にとり動作を
説明する。

【０００３】図４４に示すとおり従来の文書ファイリン
グ装置は、イメージファイル１に格納された文書画像か
ら画像処理手段３９０により文字列等のパターン成分を
抽出した後、この文字列等のパターン成分を文書レイア
ウトに関する規則を格納した文書レイアウト知識ファイ
ル８と照合する。照合結果をもとに文書を構成する各項
目に対応付けて文字認識結果を蓄積手段５に保持し、検
索手段６により文書項目ごとの検索を可能にし、出力手
段７で出力している。

【０００４】従来の文書ファイリング装置の一動作例を
図面を用いて説明する。従来の文書ファイリング装置に
おいて、図４（ｂ）に示す文書のレイアウト情報を文書
レイアウト知識ファイル８に保持し、図４（ａ）に示す
文書画像に対して項目分類を試みる場合、文書レイアウ
ト知識ファイル８には図９に示すように項目ごとの座標
情報が格納されている。ここで、図９の座標情報７０に
格納された座標及びサイズの値は文書の幅と高さそれぞ
れを１００とした時の百分比で格納されている。

【０００５】文書画像の項目分類においては、まず画像
処理手段３９０で文字列等のパターン成分を抽出し、文
書レイアウト知識ファイル８と照合できるレイアウト情
報を抽出する。具体的には文書画像に対して文字列切り
出し及び文字切り出しを行い、文字列の座標情報を得
る。図４（ａ）に示す文書画像の文字列切り出し及び文
字切り出し結果を図１０に示す。図１０で黒正方形は文
字切り出し結果８０，破線矩形は文字列切り出し結果を
示す。

【０００６】次に図１０の各文字列に対して、座標・サ
イズを抽出する。抽出した結果を図１１に示す。図１１
においてブロックは各文字列に対応して連番をふり、各
ブロックの左上点座標と幅，高さを抽出する。

【０００７】最後に、図９に示した文書レイアウト知識
ファイルの内容と、図１１のレイアウト情報との照合を
とる。照合は下記（１）式に従って、各ブロックと項目
との照合度ｐijを算出することにより実現する。例え
ば、図９の座標情報７０からタイトルの項目に対応する
領域の面積は６０（幅）×５（高さ）＝３００，図１１
の第３ブロック１０４に対応する領域の面積は５０
（幅）×５（高さ）＝２５０，両者の重なりあう領域の
面積は２５０であるので、第３ブロック１０４に対する
タイトルとの照合度Ｐは１００×２５０×２／（３００
＋２５０）＝９１となる。すべてのブロックに対して上
記の照合度の算出を行い、図１２に示す照合度を得る。
各項目で照合度が最大となるブロックを、対応付け結果
として出力する。図１２の場合、項目「論文番号」１０
０に対しては第２ブロック１０３，項目「タイトル」１
０１に対しては第３ブロック１０４，項目「著者」１０
２に対しては第４ブロック１０５が対応付けられ、正し
い結果が得られる。

【０００８】 ｐij＝１００×（項目iとブロックjの重なり領域の面積）×２／（項目iの面積 ＋ブロックjの面積）・・・（１）

【０００９】上記に示した手段により、項目に対応する
記入量が大きく変動して項目の位置ずれが発生する等の
理由で文書レイアウト変動が大きい、図５（ａ）乃至図
５（ｂ）に示すような文書に対して項目分類を行った場
合の例を次に示す。上記と同様の動作により、図５
（ａ）に示す文書画像に対する各文書項目の座標情報を
抽出し、図１３に示す文書レイアウト知識ファイルを得
る。

【００１０】文書画像の項目分類においては上記の例と
同様に、文字列の座標情報を得る。図５（ｂ）に示す文
書画像の各文字列に対して座標・サイズを抽出する。こ
こで、文書レイアウト知識ファイルを作成した図５
（ａ）に示す文書画像では、複数の連続する文字列で構
成される項目も存在するため、文書レイアウト知識ファ
イルと照合するレイアウト情報も、図１４に示すように
複数文字列を対象として座標・サイズを抽出する。図１
４においては、開始ブロックから終了ブロックまでの連
続する複数文字列に対する座標・サイズ情報を示した。

【００１１】次に、図１３に示した文書レイアウト知識
ファイルの内容と、図１４のレイアウト情報との照合を
とる。照合は上記の例と同様に、（１）式を用いて行
う。図１５に照合度の算出結果を示す。この結果、会議
名称に対しては第２ブロックと第３ブロック，開催場所
に対しては第４ブロック，開催日時に対しては第５ブロ
ック，出席者に対しては第６ブロックと第７ブロックが
対応付き、図５（ｂ）の項目分類結果３０が照合結果と
して得られ、誤った結果が出力される。

【００１２】また、表の論理構造が固定した表形式文書
に対する項目分類は、文書レイアウト知識ファイル８に
表の構造を記述した情報を保持して、文書画像から抽出
した表の構造とを照合することにより、従来の文書ファ
イリング装置でも実現できる。しかし、図６（ａ）及び
図６（ｂ）に示すような表の論理構造が変動する表形式
文書に対して文書項目の分類を行う場合、文書画像から
抽出した表の構造と、文書レイアウト知識ファイル８に
格納された表の構造が大きく異なり、誤った項目分類が
行なわれる。

【００１３】また、従来の文書ファイリング装置では、
図７（ａ）及び図７（ｂ）に示すように文書項目の境界
がレイアウトの情報のみで分割できないような文書に対
しては誤った項目分類が行なわれる。例えば、図７
（ａ）に示す文書画像を元に文書レイアウト知識ファイ
ル８を作成し、図７（ｂ）に示す文書画像の項目分類を
行った場合、図７（ｂ）の項目分類結果Ｂ５０の誤った
結果が出力される。

【００１４】さらに、図８（ａ）及び図８（ｂ）に示す
ように文書項目の一部が省略された文書に対しては、省
略された文書項目を同定することができず、誤った項目
分類が行なわれる。例えば、図８（ａ）に示す文書画像
を元にタイトル６１，著者６２，英字著者６３，著者所
属６４の４項目に対して文書レイアウト知識ファイルを
作成しておき、英文著者が省略された図８（ｂ）の文書
画像に対して項目分類を行った場合、図８（ｂ）の項目
分類結果Ｃ６０が各項目に対して抽出され、誤った結果
として出力される。

【００１５】

【発明が解決しようとする課題】上記のように従来の文
書ファイリング装置は、文書のレイアウト情報のみを用
いて文書項目の分類を行っているため、レイアウト変動
の大きい文書に対して、正しく文書項目ごとの分類を行
うことが困難である。

【００１６】また、表形式の文書に対しては表の論理構
造が変動するような文書画像に対して正しく文書項目を
分類することができない。

【００１７】さらに、文書項目の境界がレイアウトの情
報のみで分割できない文書画像，文書項目の一部が省略
された文書画像に対して正しく文書項目を分類すること
ができない。

【００１８】この発明は上記の課題を解決し、レイアウ
ト変動が大きく，項目の省略が発生しても正しく文書の
項目を自動分類する文書ファイリング装置及びその方法
を提供することを目的とする。

【００１９】

【課題を解決するための手段】請求項１の発明は上記の
課題を解決するため、文書の画像を蓄積するイメージフ
ァイルと、文書の種類ごとに文書構造のレイアウト規則
を記憶する文書レイアウト知識ファイルと、文書の種類
および文書項目ごとの記述内容の規則を記憶する文書コ
ンテンツ知識ファイルと、文書レイアウト知識ファイル
に記述された知識に従い文書画像のレイアウトを解析す
るレイアウト解析手段と、文書画像から切り出された文
字パターンを認識する文字認識手段と、レイアウト解析
手段と文字認識手段で得られる文書レイアウト情報およ
び文字認識結果と文書レイアウト知識ファイルおよび文
書コンテンツ知識ファイルの内容を照合することにより
文書を構成する項目ごとに文字認識結果を分類する文書
項目分類手段と、文書項目分類手段により得た文書項目
ごとに分類された文字認識結果を蓄積する蓄積手段と、
検索要求を受けて蓄積手段に対して検索を行い検索要求
を満たす文書を同定する検索手段と、検索手段により同
定された文書の文書画像あるいは文字認識結果をイメー
ジファイルあるいは文字認識結果ファイルから出力する
出力手段を有することを特徴とする。

【００２０】請求項２の発明は、レイアウト解析手段
を、文書を構成する罫線を抽出する罫線抽出手段と罫線
で囲まれる領域を抽出する候補領域抽出手段とで構成し
たことを特徴とする。

【００２１】請求項３の発明は、文書項目分類手段に使
用字種判定手段を設け、文書コンテンツ知識ファイルに
格納された文書項目を構成する字種情報と照合するよう
に構成したことを特徴とする。

【００２２】請求項４の発明は、省略可能性指示手段を
設け、項目の対応関係を求める際に省略の可能性のある
項目に対しては空の項目を対応付けるように文書項目分
類手段を構成したことを特徴とする。

【００２３】請求項５の発明は、文書項目分類手段を文
書項目の相対的な位置関係とコンテンツの分布内容に従
い、文書項目の分類を行う弛緩整合文書項目分類手段で
構成したことを特徴とする。

【００２４】請求項６の発明は、文書の画像を読取りイ
メージファイルに蓄積する画像蓄積ステップと、文書の
種類ごとに文書構造のレイアウト規則が記憶された文書
レイアウト知識ファイルの知識に従い上記イメージファ
イルに蓄積された文書画像のレイアウトを解析するレイ
アウト解析ステップと、このレイアウト解析ステップに
より文書画像から切り出された文字パターンを認識する
文字認識ステップと、上記レイアウト解析ステップで得
られる文書レイアウト情報と上記文書レイアウト知識フ
ァイルの内容および上記文字認識ステップで得られる文
字認識結果と文書の種類および文書項目ごとの記述内容
が記憶された文書コンテンツ知識ファイルの内容を照合
することにより文書を構成する項目ごとに文字認識結果
を分類する文書項目分類ステップと、この文書項目分類
ステップによって得られた文書項目ごとに分類された文
字認識結果を文字認識結果ファイルに格納する文字認識
結果記憶ステップとを有することを特徴とする。

【００２５】

【発明の実施の形態】

実施の形態１ 以下、この発明を実施の形態に基づいて説明する。図１
は、請求項１の発明の文書ファイリング装置の構成図で
ある。イメージファイル１にはスキャナー等によって読
み出された（図２の読取りステップＳ１）文書画像が保
持され（図２の画像蓄積ステップＳ２）、イメージファ
イル１に格納された文書画像はレイアウト解析手段２に
入力される。レイアウト解析手段２では、予め作成した
読取対象文書のレイアウト知識を格納した文書レイアウ
ト知識ファイル８を参考にして、文字列，文字の座標情
報等の文書レイアウトに関する情報を文書画像から抽出
する文書レイアウト解析をする（図２のレイアウト解析
ステップＳ３）。次に文字認識手段３でレイアウト解析
手段２によるレイアウト解析の結果、１文字ごとに切り
出された文字画像を文字コードに変換する（図２の文字
認識ステップＳ４）。文書項目分類手段４では、レイア
ウト解析の結果得られた文書レイアウト情報と文書レイ
アウト知識ファイル８とを比較すると共に、文字認識手
段３によって得られた文字コードと文書の記述内容に関
する知識を格納した文書コンテンツ知識ファイル９とを
比較して文書項目ごとに文字認識結果を自動的に分類す
る（図２の文書項目分類ステップＳ５）。蓄積手段５で
は、文書項目分類手段４によって得られる文書項目ごと
の文字認識結果を文字認識結果ファイル１０に格納する
（図２の文字認識結果記憶ステップＳ６）。検索手段６
は、入力された検索要求（図３の要求入力ステップＳ１
１）を受けて上記文字認識結果ファイル１０に対して検
索を行い、検索要求を満たす文書を同定する（図３の検
索ステップＳ１２）。出力手段７は、検索手段６によっ
て同定された文字認識結果を文字認識結果ファイル１０
から抽出、あるいは文字認識結果ファイル１０から抽出
された文字認識結果に対応する文書画像をイメージファ
イル１から抽出し（図３の抽出ステップＳ１３）、この
抽出された文字認識結果、及び／又は文書画像を出力す
る（図３の出力ステップＳ１４）。

【００２６】以下、図５，図１３〜図２０を用いて、図
１に示す構成の発明の動作を詳細に説明する。

【００２７】図５は、イメージファイルに格納された文
書画像の一例を示す説明図である。図１３は、文書レイ
アウト知識ファイル８の内容の一例を示す説明図であ
り、図において、１１０は開催日時の項目の座標情報を
示す。図１４は、レイアウト解析手段２の出力内容の一
例を示す説明図であり、１２０は開始ブロック，１２１
は終了ブロック，１２２は各開始ブロックおよび終了ブ
ロックの座標情報，１２３は‘開始ブロック５’と‘開
始ブロック６’の領域に対応する座標情報を示す。

【００２８】図１５は、文書項目分類手段４の文書レイ
アウトに関する動作を説明する説明図であり、図におい
て、１３０は‘開始ブロック５’と‘開始ブロック６’
の領域と開催日時の項目との照合度を示す。

【００２９】図１６は、文書コンテンツ知識ファイル９
の内容の一例を示す説明図であり、図において、１４０
は開催場所の項目に対応するキーワード情報，１４１は
キーワード‘開催場所’，１４２はキーワード‘場
所’，１４３はキーワード‘会議室’，１４４はキーワ
ード‘ルーム’，１４５はキーワード‘ミーティン
グ’，１４６は禁止キーワード‘会議名称’，１４７は
禁止キーワード‘開催日時’を示す。

【００３０】図１７は、文字認識手段３の出力結果の一
例を示す説明図であり、１５０は開始ブロック２’と
‘開始ブロック３’の領域に対応する文字認識結果Ａを
示す。

【００３１】図１８は、文書項目分類手段４の文書コン
テンツに関する動作を説明する説明図であり、図におい
て、１６０は‘開始ブロック２’と‘開始ブロック３’
の領域と開催場所の項目との照合度を示す。

【００３２】図１９は、文書項目分類手段４の文書レイ
アウトと文書コンテンツに関する照合結果の統合動作を
説明する説明図であり、図において、１７０は‘ブロッ
ク１’の領域と会議名称の項目との照合度，１７１は
‘開始ブロック２’と‘開始ブロック３’の領域と開催
場所の項目との照合度，１７２は‘開始ブロック４’と
‘開始ブロック５’の領域と開催日時の項目との照合
度，１７３は‘開始ブロック６’と‘開始ブロック７’
の領域と出席者の項目との照合度を示す。

【００３３】図２０は、文書項目分類手段４の文書項目
と文字列の対応動作を説明する説明図であり、図におい
て、１８０は会議名称，開催場所，開催日時，出席者と
ブロックとの対応関係，１８１は照合度，１８２は最大
の照合度を与えるブロックの組合せを示す。

【００３４】まずイメージファイルから図５（ｂ）に示
す文書画像を読み出し、レイアウト解析手段２によって
文書レイアウトを解析する。レイアウト解析は、文書レ
イアウト知識ファイル８に記載された内容を利用して、
文書画像内の文字列，文字の切り出しを行う。例えば、
図１３に記載された文書レイアウト知識の幅，高さの比
から、‘会議名称’１１１，‘開催場所’１１２，‘開
催日時’１１３，‘出席者’１１４ともに横書きで記載
されていると判定し、文書が横書きで記載されているこ
とを前提に文字列切り出しを行い、その後文字切り出し
を実施する。

【００３５】上記で得た文字列切り出し結果から、複数
の連続した文字列を組み合わせた矩形領域を形成し、そ
れぞれの領域に対する座標とサイズ情報を抽出し、図１
４に示すレイアウト情報を作成する。図１４において、
開始ブロック１２０はブロックを形成する先頭の文字列
の順番を示し、終了ブロック１２１はブロックを形成す
る終端の文字列の順番を示す。領域座標情報１２２は、
開始ブロックから終了ブロックまでの矩形領域の座標・
サイズ情報を示す。

【００３６】文字認識手段３では、レイアウト解析手段
２により得られた文字列切り出し，文字切り出し結果を
もとに文字画像を文字コードに変換し、図１７に示す文
字認識結果を得る。

【００３７】次に、文書項目分類手段４では、文書レイ
アウトと文書コンテンツ双方の情報を用いて文書の項目
を分類する。

【００３８】文書レイアウト情報を用いた分類は、図１
４に示す文書レイアウト情報と図１３に示す文書レイア
ウト知識とを照合することにより実現する。照合は、図
１４に示した開始ブロックから終了ブロックまでの矩形
領域の座標情報と、図１３に示した文書レイアウト知識
の各項目の座標情報とを用い、上記（１）式に従って照
合度を各項目に対して算出する。

【００３９】例えば、図１４における開始ブロックが
‘５’で終了ブロックが‘６’の領域に対する座標情報
１２３で形成される領域の面積は９０（幅）×１０（高
さ）＝９００、図１３における開催日時に対する座標情
報１１０で形成される領域の面積は９０（幅）×３（高
さ）＝２７０、双方の領域が重畳する領域の面積は２７
０なので、照合度は、１００×２７０×２／（９００＋
２７０）＝４６となり、図１４における開始ブロックが
‘５’で、終了ブロックが‘６’の領域に対する座標情
報１２３と開催日時との照合度として図１５に示す‘４
６’１３０が得られる。上記の方法で、すべての領域お
よび文書項目に対して文書レイアウト情報による照合度
を算出する。

【００４０】文書コンテンツを用いた分類は、図１７に
示す文字認識結果Ａと図１６に示す文書コンテンツ知識
とを照合することにより実現する。例えば照合は、図１
７に示した文字認識結果Ａの連続する文字で構成される
文字群と図１６に示す文書コンテンツ知識とを照合し
て、キーワードとして登録された文字列が合致した場合
は下記（２）式による照合度ｐｃを加算し、存在しては
ならないキーワードが合致した場合は下記（３）式によ
る負の照合度ｐｅを加算して、照合度ｐｃ、ｐｅから総
合的な照合度ｐａを下記（４）式に従って算出する。

【００４１】 ｐｃ ＝ ２０×（合致したキーワードの文字数） ・・・（２）

【００４２】 ｐｅ ＝ −５０×（合致したキーワードの個数） ・・・（３）

【００４３】Ｐａ ＝ ｐｃ ＋ ｐｅ ・・・（４）

【００４４】ここで具体的に、図１９における開始ブロ
ックが‘２’で終了ブロックが‘３’の領域と開催場所
との照合度を求める場合について説明する。開始ブロッ
クが‘２’で終了ブロックが‘３’の領域に対応する図
１７の認識結果１５０と図１６の開催場所に対するキー
ワード情報１４０とを照合する。

【００４５】まず、開催場所の先頭に位置するキーワー
ド‘開催場所’１４１及び‘場所’１４２と認識結果１
５０との照合をとる。開催場所の先頭に位置するキーワ
ードは、領域の先頭から始まる文字列のみを対象にして
照合を行う。この場合、認識結果１５０の先頭の文字列
は、キーワード‘開催場所’１４１，‘場所’１４２の
いずれとも一致しないので、照合度の加算は行わない。

【００４６】次に、開催場所の末尾に位置するキーワー
ド‘会議室’１４３及び‘ルーム’１４４と認識結果１
５０との照合をとる。開催場所の末尾に位置するキーワ
ードは、領域の末尾で終了する文字列のみを対象にして
照合を行う。この場合、認識結果１５０の末尾の文字列
はキーワード‘会議室’１４３と一致するので、上記
（２）式に従って２０×３（文字数）＝６０を照合度に
加算する。

【００４７】位置が任意のキーワード‘ミーティング’
１４５と認識結果１５０との照合は、全認識結果を対象
にして照合を行う。この場合、認識結果１５０にキーワ
ード‘ミーティング’１４５は一度も現れないので、照
合度の加算は行わない。

【００４８】禁止キーワード‘会議名称’１４６及び
‘開催日時’１４７との照合は、全認識結果を対象にし
て照合を行う。照合が成立した場合は、入ってはならな
いキーワードが存在したとして照合度を減算する。この
場合、認識結果１５０の先頭の文字列がキーワード‘会
議名称’１４３と一致するので、上記（３）式に従って
照合度を５０だけ減算する。

【００４９】算出した加算分と減算分を足しあわせ、開
始ブロックが‘２’で終了ブロックが‘３’の領域と開
催場所との最終的な照合度‘１０’１６０を得る。

【００５０】上記の方法で、すべての領域および文書項
目に対して文書コンテンツ情報による照合度を算出す
る。

【００５１】次に文書レイアウト，文書コンテンツ双方
の情報に対する照合度を上記により求めた後、双方の照
合度を加算し、図１９に示す連続する文字列領域と文書
項目との総合的な照合度を算出する。

【００５２】連続する文字列領域と文書項目との総合的
な照合度を算出した後、図１３に示した文書レイアウト
知識の項目の座標値から、読取対象文書が上から順に
‘会議名称’，‘開催場所’，‘開催日時’，‘出席
者’の順番で配列されていることを求める。これをもと
に、文書の各項目に対応する可能性を持つ連続文字列領
域の組合せを抽出する。図５（ｂ）に示した文書の場
合、７行の文字列から４領域を抽出し、各領域に対して
必ず１行以上の文字列を割当て、上から‘会議名称’，
‘開催場所’，‘開催日時’，‘出席者’の順に配列す
る組合せを抽出する。その結果、図２０に示す組合せが
抽出できる。

【００５３】次に、それぞれの領域と文書項目の組合せ
を行った場合の、文書全体としてみた場合の照合度を求
める。図２０に示す領域組合せ例１８０の場合、それぞ
れの項目に対する照合度を図１９により求める。会議名
称は開始ブロック‘１’，終了ブロック‘１’の領域が
対応しており、図１９から照合度は‘−５０’１７０と
なる。開催場所は開始ブロック‘２’，終了ブロック
‘３’の領域が対応しており、図１９から照合度は‘１
０’１７１となる。開催日時は開始ブロック‘４’，終
了ブロック‘５’の領域が対応しており、図１９から照
合度は‘１３６’１７２となる。開催場所は開始ブロッ
ク‘６’，終了ブロック‘７’の領域が対応しており、
図１９から照合度は‘３８’１７３となる。これらの照
合度を加算して、領域組合せ例１８０に対する照合度
‘１３４’１８１を得る。

【００５４】上記の方法により、文書の各項目に対応す
る可能性を持つ連続文字列領域の組合せのすべてに対し
て、照合度を算出する。照合度算出の後、照合度が最も
大きくなる組合せを項目分類結果とする。図２０の場
合、会議名称に対して２行目の文字列，開催場所に対し
て３行目の文字列，開催日時に対して４行目の文字列，
出席者に対して５行目の文字列を対応付けた時、最大の
照合度を示す。その結果、正しい項目分類結果が得られ
る。

【００５５】蓄積手段５では、上記の結果得られた文書
項目ごとに分類された文字認識結果を文字認識結果ファ
イル１０に蓄積する。

【００５６】実施の形態２ 以下、図面に基づいてこの発明の実施の形態２について
説明する。図４０は、請求項２の発明の文書ファイリン
グ装置の構成図である。イメージファイル１には表形式
の文書画像が保持され、イメージファイル１に格納され
た表形式の文書画像はレイアウト解析手段２に入力され
る。レイアウト解析手段２では、罫線抽出手段４１０に
より文書画像内に存在する罫線を抽出し、候補領域抽出
手段４１１により上下左右の罫線の組合せで構成される
項目領域の候補を抽出した後、表の内部に記載された文
字列と文字の切り出しを行う。レイアウト解析に際して
は、予め作成した読取対象文書のレイアウト知識を格納
した文書レイアウト知識ファイル８を参考にして文書レ
イアウトを解析する。次に文字認識手段３では表領域内
の文字画像を文字コードに変換する。文書項目分類手段
４では、レイアウト解析の結果得られた文書レイアウト
情報と文書レイアウト知識ファイル８とを比較すると共
に、文字認識手段３によって得られた文字コードと文書
の記述内容に関する知識を格納した文書コンテンツ知識
ファイル９とを比較して文書項目ごとに文字認識結果を
自動的に分類する。蓄積手段５，検索手段６，出力手段
７に関しては、上記実施の形態１と同様な動作を行う。

【００５７】以下、図６，図３４〜図３９を用いて、図
４０に示す構成の動作を詳細に説明する。

【００５８】図６は、イメージファイルに格納された表
形式の文書画像の一例を示す説明図である。図３９は、
罫線抽出手段４１０の出力結果及び項目に対応する領域
を説明する説明図であり、図において、３７０，３７
１，３７２，３７３，３７４は罫線抽出において抽出さ
れた縦罫線，３７５，３７６，３７７，３７８，３７９
は罫線抽出において抽出された横罫線，３７０１は会議
名称に対応する領域，３７０２は開催場所に対応する領
域，３７０３は開催日時に対応する領域，３７０４は出
席者に対応する領域を示す。

【００５９】図３４は、文書レイアウト知識ファイル８
の内容を作成するための罫線情報の一例を示す説明図で
ある。図３５は、文書レイアウト知識ファイル８の内容
の一例を示す説明図である。

【００６０】図３６は、罫線抽出手段４１０の出力の一
例を示す説明図であり、図において、３４０，３４１，
３４２，３４３は縦罫線，３４４，３４５，３４６，３
４７，３４８，３４９は横罫線，３４００，３４０１，
３４０２，３４０３，３４０４，３４０５，３４０６，
３４０７，３４０８は縦罫線と横罫線で囲まれた領域を
示す。

【００６１】図３７は、候補領域抽出手段４１１の出力
の一例を示す説明図である。図３８は、文書項目分類手
段４の文書レイアウトに関する動作を説明する説明図で
ある。

【００６２】表形式の文書レイアウト知識ファイル８
は、表の罫線情報を保持する。例えば、図６（ａ）に示
す文書画像で文書レイアウト知識ファイル８を作成する
場合、図６（ａ）の画像に対して罫線抽出処理を行い、
図３９に示す罫線情報を得る。次に項目領域を設定する
手段（図示せず）により、会議名称，開催場所，開催日
時，出席者の各項目に対応する領域を指定する。会議名
称に対しては第１の領域３７０１，開催場所に対しては
第２の領域３７０２，開催日時に対しては第３の領域３
７０３，出席者に対しては第４の領域３７０４を指定し
た後、各項目領域の上下左右に隣接する罫線情報を抽出
して、図３４に示した罫線情報を得る。図３４で、‘タ
テ罫線１’は罫線３７０，‘タテ罫線５’は罫線３７
４，‘ヨコ罫線１’は罫線３７５，‘ヨコ罫線３’は罫
線３７６，‘ヨコ罫線４’は罫線３７７，‘ヨコ罫線
５’は罫線３７８，‘ヨコ罫線７’は罫線３７９を示
す。

【００６３】次に、図３４内で同一罫線を領域間で共有
しているものを抽出し、図３５に示した罫線共有関係を
作成した上で、文書レイアウト知識ファイル８とする。

【００６４】一方、文書画像に対する項目分類は、まず
イメージファイルから図６（ｂ）に示す文書画像を読み
出し、罫線抽出手段４１０によって文書内の罫線情報の
みを抽出する。文書画像に対する罫線抽出処理は、例え
ば特開平４−３４３１９０号公報に記載された方法によ
り実現できる。図３６に、図６（ｂ）の画像に対して罫
線抽出を行った結果を示す。

【００６５】罫線抽出を行った後、候補領域抽出手段４
１１において上下左右の罫線の組合せで構成される項目
領域の候補を抽出する。候補領域抽出の際には、文書レ
イアウト知識ファイル８に記載された内容を利用して、
候補領域の抽出を行う。例えば、文書レイアウト知識の
内容（図示せず）から各項目の領域がすべて矩形で指定
されている場合、領域候補は、縦横の罫線で構成される
矩形領域を抽出する。この場合、候補領域抽出手段４１
１は、図３６に示した罫線で構成される矩形領域を領域
候補として抽出する。その結果、候補領域抽出手段４１
１の出力として、図３７に示した領域と領域の上下左右
の罫線との情報を得る。

【００６６】文字認識手段３には、図６（ｂ）の文書画
像から図３６で得られた罫線情報の内部に記述された文
字画像を抜き出して入力する。

【００６７】文書項目分類手段４における、文書レイア
ウトに関する文書項目分類は、項目の上下左右の罫線の
共有関係が、文書レイアウト知識に合致するものを抽出
する。具体的には、図３７に示した出力結果と、図３５
に示した文書レイアウト知識ファイルとの照合を行う。
例えば、図３５で会議名称，開催場所，開催日時，出席
者の各項目は、左側の縦罫線と右側の縦罫線とが共通し
ている。さらに、会議名称の下側の横罫線と開催場所の
上側の横罫線，開催場所の下側の横罫線と開催日時の上
側の横罫線，開催日時の下側の横罫線と出席者の上側の
横罫線がそれぞれ共通している。この条件に合致する組
合せを図３７から抽出する。これから、図３８に示す対
応付けを抽出する。

【００６８】上記の文書レイアウトに関する項目分類候
補に対して、上記実施の形態１に示した文書コンテンツ
に関する項目分類を実施することにより、図３８の‘連
番６’の結果が選択されるのは明らかであり、これによ
り正しい項目分類結果が得られる。

【００６９】実施の形態３ 以下、図面に基づいてこの発明の実施の形態３について
説明する。図４１は、請求項３の発明の文書ファイリン
グ装置の構成図である。使用字種判定手段４２０が文書
項目分類手段４に付加されている以外は上記実施の形態
１と同一の構成であり同一動作を行うので、同一部分の
動作説明は省略する。使用字種判定手段４２０は、文字
認識手段３によって出力される文字認識結果に対して記
入文字種の判定を行い、文字認識結果と文書コンテンツ
知識ファイル９に格納された項目毎の記入文字種に関す
る情報を照合することにより、文書コンテンツを利用し
た項目分類を実現する。

【００７０】以下、図７，図２１，図２３〜図２９を用
いて、図４１に示す構成の動作を詳細に説明する。

【００７１】図７は、イメージファイルに格納された文
書画像の一例を示す説明図である。図２１は、文書コン
テンツ知識ファイル９の内容の一例を示す説明図であ
る。図２３は、図７（ｂ）に対する文字認識結果の一例
を示す説明図である。図２４は、文書項目分類手段４の
キーワードを用いた文書コンテンツに関する照合度の一
例を示す説明図である。図２５は、文書項目分類手段４
の使用文字種を用いた文書コンテンツに関する照合度の
一例を示す説明図である。

【００７２】図２６は、文書項目分類手段４の文書レイ
アウトに関する照合度の一例を示す説明図である。図２
７は、文書項目分類手段４の文書レイアウトに関するペ
ナルティ算出の一例を示す説明図である。図２８は、文
書項目分類手段４の文書レイアウトと文書コンテンツに
関する照合結果の統合動作を説明する説明図である。図
２９は、文書項目分類手段４の文書項目と文字列の対応
動作を説明する説明図であり、図において、２７０は最
大の照合度Ａを示す。

【００７３】文書項目分類手段４においては、文書レイ
アウトに関して２種類の照合度，文書コンテンツに関し
て２種類の照合度を算出する。

【００７４】文書レイアウトに関しては、まず上記実施
の形態１で説明した項目領域の重畳関係を用いた照合度
算出を行う。図７（ａ）の文書画像を用いて文書レイア
ウト知識ファイル８を作成し、図７（ｂ）の文書画像に
対して照合を行う。照合は上記実施の形態１に示した方
法で行う。その結果、図２６に示した照合度を得る。

【００７５】さらに文書レイアウトに関する第２の照合
度は、文書構成の一般ルールとして文字列に対する字下
げ情報を用いる。第２の照合度ｐｐijは、例えば下記
（５）式を用いて算出する。例えば、図７（ｂ）の第２
行目と第３行目の文字列で構成される領域に対して、
（５）式を適用すると第３行目の文字列の末尾は右端ま
で伸びており、領域内最小の右側字下げ量＝０，領域内
の第１行目すなわち図７（ｂ）の第２行目の右側字下げ
量は４０である。これを下記（５）式に代入すると、
ｐｐij ＝−８０となる。つまり、文書項目を羅列して
文書を記入する場合、同一項目の先頭行が他の行に比べ
て文字列の右側が凹んでいることはまれであり、これに
対して８０点のペナルティを付与することに相当する。

【００７６】 ｐｐij ＝ ２０×（領域内最小の右側字下げ量 − 領域内第１行目の右側 字下げ量）・・・（５）

【００７７】上記のペナルティを文字列の組合せについ
てすべて算出し、図２７に示した照合度を作成する。

【００７８】文書コンテンツに関しては、まず上記実施
の形態１で説明した項目に含まれるキーワードをもとに
した照合度を算出する。図７の文書画像の読取を行う場
合は、文書の記述内容に従い図２１に示した文書コンテ
ンツ知識ファイル９を用いて、図２３に示した認識結果
に対して照合度算出を行う。照合は上記実施の形態１に
示した方法で行う。その結果、図２４に示した照合結果
を得る。

【００７９】さらに文書コンテンツに関する第２の照合
度は、項目毎に使用される字種の情報を用いて照合度を
算出する。

【００８０】文書項目毎に使用される文字種の情報は、
文書コンテンツ知識ファイル９に予め格納される。図７
の示した文書画像の場合、図２１に示すようにタイト
ル，著者，著者所属の項目に対しては全字種，英字著者
の項目に対しては、英字の指定を行う。

【００８１】一方、使用字種判定手段４２０では、文書
コンテンツ知識ファイル９に格納された字種情報を用い
て、図２３に示した文字認識結果に対して記入文字種の
判定を行う。字種の限定が行なわれている項目に対し
て、下記（６）式を用いて使用文字種に関する照合度を
求める。例えば、図２３の１行目の認識結果の英字著者
に対する照合度は、字種指定に合致する英字は１文字，
字種指定に合致しない文字は１８文字であり、領域内の
全文字数は１９文字である。よって、ｐｕij ＝１００
×（１−１８）／１９ ＝ −８９となる。つまり、領
域内に含まれる文字種が字種指定と合致する場合は照合
度を加算し、領域内に含まれる文字種が字種指定と合致
しない場合は照合度を減算する。これにより、項目の分
類を行う。

【００８２】 ｐｕij ＝ １００×（領域内で字種指定に合致する文字の数 − 領域内で字種指定に合致しない文字の数）／（領域内の 全文字数）・・・（６）

【００８３】上記の方法ですべての文字列の組合せにつ
いて照合度を算出し、図２５に示した照合度を作成す
る。

【００８４】文書項目分類手段４では、上記で求めた４
種類の照合度をすべて加算し、図２８に示した総合的な
照合度を算出する。

【００８５】さらに上記実施の形態１と同様の動作に従
い、文書の各項目に対応する可能性を持つ連続文字列領
域の組合せのすべてに対して、照合度を算出する。照合
度算出の後、照合度が最も大きくなる組合せを項目分類
結果とする。図２９の場合、タイトルに対して１行目と
２行目の文字列，著者に対して３行目の文字列，英字著
者に対して４行目と５行目の文字列，著者所属に対して
６行目の文字列を対応付けた時、最大の照合度Ａ２７０
を与える。その結果、正しい項目分類結果が得られる。

【００８６】実施の形態４ 以下、図面に基づいてこの発明の他の実施の形態につい
て説明する。図４２は、この発明の実施の形態４の文書
ファイリング装置の構成図である。省略可能性指示手段
４３０が付加されている以外は上記実施の形態１と同一
の構成であり、同一部分の動作説明は省略する。省略可
能性指示手段４３０は予め設定した条件に従って、文書
項目が省略される可能性があるかに否かの指示を行う。
文書項目分類手段４は省略可能性指示手段４３０の指示
に従って、省略可能性のある項目については該当する項
目を省略した場合の組合せを追加して文書項目分類を行
う。

【００８７】以下、図８，図３０〜図３３を用いて、図
４２に示す構成の動作を詳細に説明する。

【００８８】図８は、イメージファイルに格納された文
書画像の一例を示す説明図である。図３０は、文書項目
分類手段４の文書レイアウトに関する照合度の一例を示
す説明図であり、図において、２８０は空領域Ａを示
す。図３１は、文書項目分類手段４の文書レイアウトに
関するペナルティ算出の一例を示す説明図であり、図に
おいて、２９０は空領域Ｂを示す。図３２は、文書項目
分類手段４の文書コンテンツに関する照合度の一例を示
す説明図であり、図において、３００は空領域Ｃを示
す。図３３は、文書項目分類手段４の文書項目と文字列
の対応動作を説明する説明図であり、図において、３１
０は空領域Ｄ，３１１は最大の照合度Ｂを示す。

【００８９】文書項目分類手段４では図８（ｂ）の文書
画像に対して、実施の形態３で示した文書レイアウト知
識ファイル９を用いて２種類の文書レイアウトに関する
照合度を算出する。項目領域の重畳関係を用いた照合度
を図３０に、文書レイアウトの一般ルールによるペナル
ティを図３１に示す。図３０および図３１の照合度を算
出する際に、文書項目分類手段４は、省略可能性指示手
段４３０によって予め指定された「英字著者の項目は省
略される可能性があるという情報」（図示せず）を受け
て、空領域Ａ２８０および空領域Ｂ２９０を英字著者の
項目に対して対応付ける。対応付けの照合度は０を設定
する。

【００９０】文書コンテンツに関しては、実施の形態３
で示したキーワードを用いた文書コンテンツに関する照
合度を算出する。照合度の算出においては実施の形態３
と同様の動作を行い、図２１に示した文書コンテンツ知
識ファイル９と照合を行う。照合の結果、図３２に示し
た照合度を得る。この時上記と同様に、空領域Ｃ３００
を英字著者の項目に対して対応付ける。対応付けの照合
度は０を設定する。

【００９１】図３０〜図３２に示した照合度を加算し、
総合的な照合度（図示せず）を求めた後、実施の形態３
と同様の動作に従い、文書の各項目に対応する可能性を
持つ連続文字列領域の組合せのすべてに対して、照合度
を算出する。この時、省略可能性のある英字著者の項目
に関しては、空領域Ｄ３１０の対応関係も考慮して組合
せを構成する。例えば、図３３の項目対応関係３１２の
場合、タイトルに対して１行目、著者に対して２〜３行
目、著者所属に対して４行目が割り当てられ、英字著者
を省略した組み合わせとなる。

【００９２】照合度算出の後、照合度が最も大きくなる
組合せを項目分類結果とする。図３３の場合、タイトル
に対して１行目と２行目の文字列，著者に対して３行目
の文字列，英字著者に対して空領域Ｄ３１０，著者所属
に対して４行目の文字列を対応付けた時、最大の照合度
Ｂ３１１を与える。その結果、項目の省略された文書画
像に対しても正しい項目分類結果が得られる。

【００９３】実施の形態５ 以下、図面に基づいてこの発明の実施の形態５について
説明する。図４３は、この発明の実施の形態５の文書フ
ァイリング装置の構成図である。文書項目分類手段４が
弛緩整合文書項目分類手段４００で構成されている以外
は上記実施の形態１と同一の構成であり、同一部分の動
作説明は省略する。弛緩整合文書項目分類手段４００
は、文書レイアウトと文書コンテンツの分布内容から初
期候補を抽出して対応付けの初期確率を設定し、文書項
目の相対的な位置関係を用いて対応付け確率を変更する
ことにより、項目分類を実現する。

【００９４】以下、図２２を用いて、図４３に示す構成
の動作を詳細に説明する。図２２は、弛緩整合文書項目
分類手段４００の動作を説明する説明図であり、図にお
いて、２０１は弛緩整合法の初期値を示す。

【００９５】上記実施の形態１の説明で用いた図５の文
書画像に対して、弛緩整合文書項目分類手段４００を適
用した場合について説明する。文書レイアウトと文書コ
ンテンツに対する照合度を求め、図１５と図１８に示し
た照合度を求め、双方を加算して図１９に示した総合的
な照合度を求めるまでは、上記実施の形態１と同一の動
作を行う。

【００９６】次に、上記実施の形態１では文書の各項目
に対応する可能性を持つ連続文字列領域の組合せを抽出
して、すべての組合せに対して照合度を求め最終的な結
果を抽出していた。このような対応付けの問題に対して
は、「弛緩整合法による手書き教育漢字認識」電子通信
学会論文誌■82/9 Vol.J65-D No.9に示されるような弛
緩整合法を適用することにより、高速に対応付けを行う
ことができる。

【００９７】弛緩整合法を文書項目の対応付けに適用す
る場合は、図２２に示すように、まず各項目に対応する
候補ブロックの絞り込みを行う。具体的には図１９に示
した照合度で５０以上の数値を有するものを抽出する。
その結果、会議名称，開催場所に対しては２種類のブロ
ック組合せ，開催日時，出席者に対しては３種類のブロ
ック組合せが抽出される。

【００９８】抽出した対応付けの確率は、各項目につい
て加算すると１００になるように正規化を行う初期値２
０１とする。この初期値に対して弛緩整合法のアルゴリ
ズムを適用して繰り返し動作を行うことにより、最適な
組合せを得る。図２２の場合、‘繰り返し４’におい
て、会議名称は‘ブロック２’，開催場所は‘ブロック
３’，開催日時は‘ブロック４’，出席者は‘開始ブロ
ック５’に対応付けられ、正解が得られる。

【００９９】上記実施の形態１乃至実施の形態５におい
て、文字認識結果として第１位の文字認識結果のみが得
られた場合の例を示したが、任意の個数の認識候補文字
を文字認識結果とすることも可能である。

【０１００】

【発明の効果】以上説明したように請求項１及び請求項
６の発明は、文書レイアウトと文書コンテンツの双方の
知識を利用して、文書を構成する項目ごとに文字認識結
果を分類することで、レイアウト変動の大きい文書に対
して文書項目を自動的に分類することができる。

【０１０１】また、請求項２の発明は、文書を構成する
罫線を抽出した後、罫線で囲まれる領域を抽出し、罫線
の共有関係をもとに項目に対応する領域を抽出すること
で、論理構造が異なる表形式文書に対して正しく項目を
分類することができる。

【０１０２】また、請求項３の発明は、文書コンテンツ
に関する情報として文書項目を構成する字種情報を知識
として用い、文書レイアウトに関する知識と併用するこ
とで、レイアウト情報だけでは分割できない文書に対し
て正しく項目分類することができる。

【０１０３】また、請求項４の発明は、項目の対応関係
を求める際に省略の可能性のある項目に対しては空の項
目を対応付けるように構成することで、項目の省略があ
る文書に対しても正しく項目分類することができる。

【０１０４】また、請求項５の発明は、弛緩整合法で文
書項目の相対的位置関係とコンテンツの分布内容に従っ
て文書項目を分類することで、レイアウト変動の大きい
文書の項目を高速にかつ高い精度で自動分類することが
できる。

【図面の簡単な説明】

【図１】この発明の実施の形態１の文書ファイリング装
置の構成図。

【図２】図１に示す実施の形態１の文書ファイル作成の
フローチャート。

【図３】図１に示す実施の形態１の文書検索のフローチ
ャート。

【図４】文書画像の例を示す説明図。

【図５】文書画像の例を示す説明図。

【図６】文書画像の例を示す説明図。

【図７】文書画像の例を示す説明図。

【図８】文書画像の例を示す説明図。

【図９】文書レイアウトに関する知識情報を説明する説
明図。

【図１０】文書レイアウト解析結果の例を示す説明図。

【図１１】文書レイアウト解析結果の例を示す説明図。

【図１２】項目分類結果の例を示す説明図。

【図１３】文書レイアウトに関する知識情報を説明する
説明図。

【図１４】文書レイアウト解析結果の例を示す説明図。

【図１５】文書レイアウトに関する文書項目分類の動作
を説明する説明図。

【図１６】文書コンテンツに関する知識情報を説明する
説明図。

【図１７】文字認識結果の例を示す説明図。

【図１８】文書コンテンツに関する文書項目分類の動作
を説明する説明図。

【図１９】文書のレイアウトとコンテンツ双方の情報を
用いた文書項目分類の動作を説明する説明図。

【図２０】文書項目と領域の対応動作を説明する説明
図。

【図２１】文書コンテンツに関する知識情報を説明する
説明図。

【図２２】弛緩整合法の動作を説明する説明図。

【図２３】文字認識結果の例を示す説明図。

【図２４】文書コンテンツに関する文書項目分類の動作
を説明する説明図。

【図２５】文書コンテンツに関する文書項目分類の動作
を説明する説明図。

【図２６】文書レイアウトに関する文書項目分類の動作
を説明する説明図。

【図２７】文書レイアウトに関する文書項目分類の動作
を説明する説明図

【図２８】文書のレイアウトとコンテンツ双方の情報を
用いた文書項目分類の動作を説明する説明図。

【図２９】文書項目と領域の対応動作を説明する説明
図。

【図３０】文書レイアウトに関する文書項目分類の動作
を説明する説明図。

【図３１】文書レイアウトに関する文書項目分類の動作
を説明する説明図。

【図３２】文書コンテンツに関する文書項目分類の動作
を説明する説明図。

【図３３】文書項目と領域の対応動作を説明する説明
図。

【図３４】文書レイアウトに関する知識情報を説明する
説明図。

【図３５】文書レイアウトに関する知識情報を説明する
説明図。

【図３６】文書画像の罫線抽出を説明する説明図。

【図３７】文書レイアウト解析結果の例を示す説明図。

【図３８】文書レイアウトに関する文書項目分類の動作
を説明する説明図。

【図３９】文書レイアウトに関する知識情報を説明する
説明図。

【図４０】この発明の実施の形態２の文書ファイリング
装置の構成図。

【図４１】この発明の実施の形態３の文書ファイリング
装置の構成図。

【図４２】この発明の実施の形態４の文書ファイリング
装置の構成図。

【図４３】この発明の実施の形態５の文書ファイリング
装置の構成図。

【図４４】従来の文書ファイリング装置の構成図。

【符号の説明】

１：イメージファイル、 ２：レイアウト解析手段、
３：文字認識手段、４：文書項目分類手段、 ５：蓄積
手段、 ６：検索手段、 ７：出力手段、８：文書レイ
アウト知識ファイル、 ９：文書コンテンツ知識ファ
イル、１０：文字認識結果ファイル、 ３０：項目分類
結果Ａ、５０：項目分類結果Ｂ、 ６０：項目分類結
果Ｃ、 ６１：タイトル、６２：著者、 ６３：英
字著者、 ６４：著者所属、７０：タイトルに対応し
た座標情報、 ８０：文字切り出し結果、１００：論
文番号、 １０１：タイトル、 １０２：著者、１
０３：第２ブロック、 １０４：第３ブロック、 １０
５：第４ブロック、１１０：開始日時に対応した座標情
報、 １１１：会議名称、１１２：開催場所、 １１
３：開催日時、 １１４：出席者、１２０：開始ブロ
ック、 １２１：終了ブロック、１２２：開始ブロッ
クおよび終了ブロックに対応した座標情報、１２３：
‘開始ブロック５’‘終了ブロック６’に対応した座標
情報、１３０：‘開始ブロック５’‘終了ブロック６’
と開催日時の照合度、１４０：開催場所の項目に対応し
たキーワード、１４１：キーワード‘開催場所’、 １
４２：キーワード‘場所’、１４３：キーワード‘会議
室’、 １４４：キーワード‘ルーム’、１４５：キ
ーワード‘ミーティング’、１４６：禁止キーワード
‘会議名称’、１４７：禁止キーワード‘開催日時’、
１５０：文字認識結果Ａ、１６０：‘開始ブロック
２’と‘開始ブロック３’の領域と開催場所の項目との
照合度、１７０：‘ブロック１’の領域と会議名称の項
目との照合度、１７１：‘開始ブロック２’と‘開始ブ
ロック３’の領域と開催場所の項目との照合度、１７
２：‘開始ブロック４’と‘開始ブロック５’の領域と
開催日時の項目との照合度、１７３：‘開始ブロック
６’と‘開始ブロック７’の領域と出席者の項目との照
合度、１８０：会議名称，開催場所，開催日時，出席者
とブロックとの対応関係、１８１：照合度、 １８
２：最大の照合度を与えるブロックの組合せ、２０１：
弛緩整合法の初期値、 ２７０：最大の照合度Ａ、
２８０：空領域Ａ、 ２９０：空領域Ｂ、 ３
００：空領域Ｃ、３１０：空領域Ｄ、 ３１１：最
大の照合度Ｂ、３４０：罫線抽出において抽出された縦
罫線Ａ、３４１：罫線抽出において抽出された縦罫線
Ｂ、３４２：罫線抽出において抽出された縦罫線Ｃ３４
３：罫線抽出において抽出された縦罫線Ｄ、３４４：罫
線抽出において抽出された横罫線Ａ、３４５：罫線抽出
において抽出された横罫線Ｂ、３４６：罫線抽出におい
て抽出された横罫線Ｃ、３４７：罫線抽出において抽出
された横罫線Ｄ、３４８：罫線抽出において抽出された
横罫線Ｅ、３４９：罫線抽出において抽出された横罫線
Ｆ、３７０：罫線抽出において抽出された縦罫線Ｅ、３
７１：罫線抽出において抽出された縦罫線Ｆ、３７２：
罫線抽出において抽出された縦罫線Ｇ、３７３：罫線抽
出において抽出された縦罫線Ｈ、３７４：罫線抽出にお
いて抽出された縦罫線Ｉ、３７５：罫線抽出において抽
出された横罫線Ｆ、３７６：罫線抽出において抽出され
た横罫線Ｇ、３７７：罫線抽出において抽出された横罫
線Ｈ、３７８：罫線抽出において抽出された横罫線Ｉ、
３７９：罫線抽出において抽出された横罫線Ｊ、３９
０：画像処理手段、 ３９１：文書認識手段、 ４１
０：罫線抽出手段、４１１：候補領域抽出手段、 ４
２０：使用字種判定手段、４３０：省略可能性指示手
段、 ３４００：縦罫線と横罫線に囲まれる領域Ａ、３
４０１：縦罫線と横罫線に囲まれる領域Ｂ、３４０２：
縦罫線と横罫線に囲まれる領域Ｃ、３４０３：縦罫線と
横罫線に囲まれる領域Ｄ、３４０４：縦罫線と横罫線に
囲まれる領域Ｅ、３４０５：縦罫線と横罫線に囲まれる
領域Ｆ、３４０６：縦罫線と横罫線に囲まれる領域Ｇ、
３４０７：縦罫線と横罫線に囲まれる領域Ｈ、３４０
８：縦罫線と横罫線に囲まれる領域Ｉ、３７０１：会議
名称に対応する領域、３７０２：開催場所に対応する領
域、３７０３：開催日時に対応する領域、３７０４：出
席者に対応する領域。

Claims (6)

【特許請求の範囲】
1. 【請求項１】 文書の画像を蓄積するイメージファイル
   と、文書の種類ごとに文書構造のレイアウト規則を記憶
   する文書レイアウト知識ファイルと、文書の種類および
   文書項目ごとの記述内容を記憶する文書コンテンツ知識
   ファイルと、上記文書レイアウト知識ファイルに記述さ
   れた知識に従い上記イメージファイルに蓄積された文書
   画像のレイアウトを解析するレイアウト解析手段と、こ
   のレイアウト解析手段により文書画像から切り出された
   文字パターンを認識する文字認識手段と、上記レイアウ
   ト解析手段で得られる文書レイアウト情報と上記文書レ
   イアウト知識ファイルの内容および上記文字認識手段で
   得られる文字認識結果と上記文書コンテンツ知識ファイ
   ルの内容を照合することにより文書を構成する項目ごと
   に文字認識結果を分類する文書項目分類手段と、この文
   書項目分類手段によって得た文書項目ごとに分類された
   文字認識結果を格納する文字認識結果ファイルとを有す
   ることを特徴とする文書ファイリング装置。
2. 【請求項２】 上記レイアウト解析手段は、文書を構成
   する罫線を抽出する罫線抽出手段と文書項目に隣接する
   罫線の共有関係を抽出する共有罫線抽出手段とで構成さ
   れたことを特徴とする請求項１記載の文書ファイリング
   装置。
3. 【請求項３】 上記文書項目分類手段は、文字種の判定
   を行う使用字種判定手段が設けられ、上記文字認識手段
   で得られる文字認識結果と上記文書コンテンツ知識ファ
   イルに格納された文書項目を構成する字種情報とを照合
   するように構成されたことを特徴とする請求項１記載の
   文書ファイリング装置。
4. 【請求項４】 上記文書項目分類手段は、予め設定した
   条件に従って、文書項目の省略可能性有無の指示を行う
   省略可能性指示手段が設けられ、項目の対応関係を求め
   る際に省略の可能性のある項目に対しては空の項目を対
   応付けるように構成されたことを特徴とする請求項１記
   載の文書ファイリング装置。
5. 【請求項５】 上記文書項目分類手段は、文書項目の相
   対的な位置関係とコンテンツの分布内容に従い文書項目
   の分類を行う弛緩整合文書項目分類手段で構成されたこ
   とを特徴とする請求項１記載の文書ファイリング装置。
6. 【請求項６】 文書の画像を読取りイメージファイルに
   蓄積する画像蓄積ステップと、文書の種類ごとに文書構
   造のレイアウト規則が記憶された文書レイアウト知識フ
   ァイルの知識に従い上記イメージファイルに蓄積された
   文書画像のレイアウトを解析するレイアウト解析ステッ
   プと、このレイアウト解析ステップにより文書画像から
   切り出された文字パターンを認識する文字認識ステップ
   と、上記レイアウト解析ステップで得られる文書レイア
   ウト情報と上記文書レイアウト知識ファイルの内容およ
   び上記文字認識ステップで得られる文字認識結果と文書
   の種類および文書項目ごとの記述内容が記憶された文書
   コンテンツ知識ファイルの内容を照合することにより文
   書を構成する項目ごとに文字認識結果を分類する文書項
   目分類ステップと、この文書項目分類ステップによって
   得られた文書項目ごとに分類された文字認識結果を文字
   認識結果ファイルに格納する文字認識結果記憶ステップ
   とを有することを特徴とする文書ファイリング方法。