JPH11102412A - ビットマップ選択を用いて光学式文字認識の訂正を行うための方法および装置、並びに、ｏｃｒ出力の誤りを訂正するために一連の命令を記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 元のテキストをＯＣＲ出力のテキストに変換
している間に起こった間違いを正す際に、ユーザが元の
紙の文書を見なくても済むとともに、可能な訂正内容が
自動的に生成され、それによってユーザが訂正を容易に
行うことができるようにすること。 【解決手段】 光学式文字認識（ＯＣＲ）出力の元とな
る文書イメージが表示されるため、ユーザは表示された
文書イメージのある領域を選択することができる。領域
が選択されると、その選択された領域に対応するＯＣＲ
出力のテキストは、自動的に生成されてなる、そのテキ
ストに対する可能性のあるテキストの組と一緒にポップ
アップメニュー内に表示される。ユーザは、ポップアッ
プメニュー内の置換えテキストの一つを選択するかまた
はキーをたたいて訂正をすることによってＯＣＲ出力内
のテキストを置き換えることができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、光学式文字認識に
関し、特に光学式文字認識出力の誤りを訂正するための
方法および装置、並びに、並びに、ＯＣＲ出力の誤りを
訂正するために一連の命令を記録したコンピュータ読み
取り可能な記録媒体に関する。

【０００２】

【従来の技術】紙の書類からテキストおよびグラフィッ
クを取得することは、多くの産業にとって重大な問題で
ある。例えば出版会社は年間を通じて何百または何千の
学術論文を印刷するかもしれない。しばしば出版会社は
紙の文書から作業を始め、その紙の文書は出版会社のコ
ンピュータ装置に入力されなければならない。従来の一
手法は、紙の文書を読んでその文書をコンピュータシス
テムにタイプ入力するために、キーボード入力者を雇う
というものである。しかしながら文書を入力することは
時間を浪費し、かつコストも高い。

【０００３】光学式文字認識（以下、ＯＣＲとする）
は、出版産業およびその他の産業にとって有益であるこ
とを保証する技術である。その理由は、ＯＣＲ装置の入
力処理速度はキーボード入力者の入力速度をはるかに上
回っているからである。従って出版会社の従業員は、一
般に読取り走査された文書から作業を始める。その文書
はＯＣＲ装置によってコンピュータの読込み可能なテキ
ストフォーマット、例えばＡＳＣＩＩに変換されてい
る。

【０００４】しかしながら最近のＯＣＲ装置でもって可
能な高い認識率（しばしば９５％を越える）ですら、高
い正確度を必要とする出版産業のような産業にとっては
十分でない。従って出版会社は校正係の人を雇い、手作
業でＯＣＲ出力の修正を行う。

【０００５】

【発明が解決しようとする課題】しかしながらＯＣＲ出
力を手作業で校正することは、非常に時間を浪費し、ま
た人が行うのは困難である。校正係の人は、元の紙の文
書とＯＣＲ出力の印刷またはスクリーン表示とを見比べ
てそれらを一語一語比較しなければならない。たとえ認
識率が高くても、人がＯＣＲ出力の校正を行うと一人よ
がりになって誤りを見落としがちである。

【０００６】別の従来の選択は、結果として生じたコン
ピュータの読込み可能なテキストのスペルチェックを行
うことである。しかしながらスペルの間違った語すべて
を認識するというわけではない。加えて、入力された語
は非常に曲解されているかもしれないので、校正係はス
ペルチェックを行っている間中ずっと紙のテキストに戻
って参照しなければならない。一旦校正をする人は紙の
テキストを見て正しい語を決め、その正しい語をＯＣＲ
出力のテキストにキーをたたいて入力する。この手法は
時間を浪費し、またやや間違いがちであることが分かっ
ている。

【０００７】本発明の目的は、元のテキストをＯＣＲ出
力のテキストに変換している間に起こった間違いを正す
際に、ユーザが元の紙の文書を見なくても済むととも
に、可能な訂正内容が自動的に生成され、それによって
ユーザが訂正を容易に行うことができるようにすること
である。

【０００８】

【課題を解決するための手段】人がＯＣＲ出力を校正し
訂正することを容易に行えるようにする必要がある。特
にＯＣＲ出力を校正して訂正されたテキストの正確さを
向上させるのに費やされる時間を減らす必要がある。

【０００９】これらおよび他の必要性は、本発明によっ
てうまく処理される。元の紙の文書から得られた文書イ
メージの文字は、文書テキストを生成するために（例え
ばＯＣＲを介して）認識される。文書テキストの語に対
応する文書イメージの領域が決定される。文書イメージ
が表示され、それによってユーザは文書イメージ上のあ
る位置を選択することができる。文書イメージ内のその
位置を含む文書領域に対応する、文書テキストから抽出
されてなるテキスト（例えば語または句）が決定され、
表示され、好ましくはポップアップメニュー内に表示さ
れる。ユーザは選択されたテキストを置換えテキストで
置き換えることができる。

【００１０】好ましくは、選択されたテキストに基づい
て１または２以上の可能性のある置換えテキストが自動
的に生成されてポップアップメニュー内に表示される。
ユーザは選択されたテキストを置き換えるために、表示
された置換えテキストのうちの一つを選択することがで
きる。あるいは、ユーザは置換え語をキーをたたいて入
力することができる。一例においては、認識確度パラメ
ータが決定され、文字認識によって誤認識されるおそれ
のある語を強調して誤認識されていそうな文書テキスト
の部分に校正者の注意を向けるのに使用される。

【００１１】文書イメージを表示することによって、ユ
ーザは、紙の元の文書をＯＣＲ出力と比較するのに関す
る時間を節約する。さらには、誤りを訂正するのに要す
る時間は、可能な訂正内容を自動的に生成してユーザが
ポップアップメニュー内の訂正内容のうちの一つを選択
することができることによって減少される。

【００１２】付加的な目的、利点および本発明の新規な
特徴は、以下の詳細な説明の部分で明らかとなり、また
その部分において検査により明白となるか、あるいは本
発明の実施により分かるであろう。本発明の目的および
利点は、特許請求の範囲で指摘されている方法および装
置によって理解され、また得られるであろう。

【００１３】

【発明の実施の形態】以下に、本発明に係るビットマッ
プ選択を用いて光学式文字認識の訂正を行うための方法
および装置、並びに、ＯＣＲ出力の誤りを訂正するため
に一連の命令を記録したコンピュータ読み取り可能な記
録媒体を添付図面の図に示された具体例によって説明す
るが、本発明はそれに制限されるものではない。また図
面においては、同じ参照符号を付された構成要素は同様
の構成要素であることを表している。

【００１４】ＯＣＲ出力の誤りを訂正する方法および装
置について説明する。以下の説明においては、説明の便
宜上、本発明を完全に理解するために多数の特別な細部
が設けられている。しかしながら本発明はこれらの特別
な細部がなくても実施可能であるということは、明らか
である。別の例では、本発明をいたずらに分かり難くす
るのを避けるために、周知の構造および装置はブロック
図の形態で示されている。

【００１５】（ハードウェアの概略）図１について説明
すると、本発明の一例が実施され得るコンピュータシス
テム１００のブロック図が示されている。コンピュータ
システム１００は、情報を伝達するためにバス１１０ま
たは他の伝達手段を備えており、また情報を処理するた
めにプロセッサ１１２がバス１１０に接続されている。
さらにコンピュータシステム１００はランダムアクセス
メモリ（ＲＡＭ）または他のダイナミック記憶装置１１
４（メインメモリとして示されている）を備えており、
そのメインメモリ１１４は、情報およびプロセッサ１１
２によって実行されるべき命令を記憶するためにバス１
１０に接続されている。またメインメモリ１１４は、プ
ロセッサ１１２が命令を実行している間、一時的な変数
や他の中間的な情報を記憶するのにも使用されてもよ
い。またコンピュータシステム１００は読出し専用メモ
リ（ＲＯＭ）および他のスタティック記憶装置１１６の
一方または両方を備えており、それらはバス１１０に接
続されていて、静的な情報およびプロセッサ１１２に対
する命令を記憶する。データ記憶装置１１８は、例えば
磁気ディスクや光ディスクおよびそれに相当するディス
クのドライブであり、情報および命令を記憶するために
バス１１０に接続され得る。

【００１６】またコンピュータシステム１００には、バ
ス１１０を介して入出力装置が接続され得る。例えばコ
ンピュータシステム１００は、コンピュータのユーザに
情報を表示するために、例えばブラウン管（ＣＲＴ）の
ような表示装置１２０を用いる。さらにコンピュータシ
ステム１００は、キーボード１２２および例えばマウス
のようなカーソル制御手段１２４を用いる。加えてコン
ピュータシステム１００は、紙の文書をコンピュータの
読込み可能なフォーマットに変換するためのスキャナー
１２６を用いてもよい。さらにまたコンピュータシステ
ム１００は、スキャナー１２６によって生成された文書
イメージ、またはメインメモリ１１４や記憶装置１１８
に記憶された文書イメージにおける文字を認識するため
にＯＣＲ装置１２８を用いることができる。あるいはＯ
ＣＲ装置１２８の機能は、メインメモリ１１４に記憶さ
れた命令をプロセッサ１１２で実行することによって、
ソフトウェアで実施され得る。さらに別に例では、スキ
ャナー１２６とＯＣＲ装置１２８は、紙の文書を走査し
てそこにある文字を認識するように設計された単一の装
置に組み合わせられ得る。

【００１７】本発明は、ＯＣＲ出力において誤りを訂正
するためにコンピュータシステム１００を使用すること
に関する。一実施の形態によれば、ＯＣＲ出力の誤りを
訂正することは、メインメモリ１１４に格納された一連
の命令をプロセッサ１１２が実行することに応じてコン
ピュータシステム１００によって遂行される。そのよう
な命令は、例えばデータ記憶装置１１８のような別のコ
ンピュータ読込み可能媒体からメインメモリ１１４内に
読み込まれてもよい。メインメモリ１１４内に格納され
た一連の命令を実行することによって、プロセッサ１１
２は後述する処理工程を遂行することとなる。別の例で
は、本発明を実施するためにソフトウェアによる命令に
代えて、あるいはソフトウェアの命令とともにハードワ
イヤード回路が用いられてもよい。従って、本発明はハ
ードウェア回路とソフトウェアとの如何なる特定の組合
わせにも制限されない。

【００１８】（合成文書アーキテクチャ）合成文書は、
ある文書の多数の表現を有しており、その多数の表現を
論理的な全体として取り扱う。図２に示される合成文書
２００は、例えばコンピュータシステム１００のメイン
メモリ１１４や記憶装置１１８のようなメモリに記憶さ
れている。

【００１９】合成文書２００は文書イメージ２１０を備
えており、そのイメージは文書の文書（例えばスキャナ
ー１２６から生成されたＴＩＦＦファイル）のビットマ
ップ表示である。例えばアメリカ合衆国憲法のコピー
は、文書イメージ２１０の形態でアメリカ合衆国憲法の
イメージを生成するために、スキャナー１２６によって
読取り走査されてもよい。

【００２０】ビットマップ表示はピクセルの列であり、
モノクロ（例えば黒と白）または多色（例えば赤、青、
緑等）で表され得る。従って文書イメージ２１０の矩形
領域の位置は、例えば矩形の左上隅と右下隅を組み合わ
せることによって特定され得る。アメリカ合衆国憲法を
読取り走査する例では、前文の「form」という単語の最
初の文字は、左上が（１６，１１０）の座標で右下が
（３１，１１９）の座標の矩形内に配置されてもよい。
従って同じ単語の最後の文字は、左上が（１６，１４
０）の座標で右下が（３１，１４９）の座標の矩形内に
配置され得る。

【００２１】また合成文書２００は、文書テキスト２２
０および相関テーブル２３０を備えており、それらは図
３のフローチャートに示す方法によって生成されてもよ
い。文書テキスト２２０は、符号化したＡＳＣＩＩ、Ｅ
ＢＣＤＩＣまたは単一コード（Unicode ）に文字を符号
化した一続きの８ビットまたは１６ビットのバイトでで
きている。従って文書テキスト２２０内の文字は、文書
テキスト２２０内にオフセットにより配置され得る。前
記例では、相関テーブル２３０のオフセット欄に表され
るように、前文の「form」という単語の最初の文字はオ
フセット５７に、また同じ単語の最後の文字はオフセッ
ト６０に配置され得る。

【００２２】図３について説明すると、ステップＳ２５
０で、文書イメージ２１０内の文字は、ＯＣＲ装置１２
８またはそれと同等のものによって認識され、ステップ
Ｓ２５２で、文書テキスト２２０に保存される。またＯ
ＣＲ装置１２８は、ステップＳ２５０において、認識さ
れる文字の文書イメージにおける座標を出力するように
設計されている。従って文書テキスト２２０内の分かっ
ているオフセットにて認識された文字は、文書イメージ
２１０の領域に関連付けられ得る。上記例では、オフセ
ット５７にある文字は、座標（１６，１１０）および
（３１，１１９）によって定義される領域に関係づけら
れている。

【００２３】加えてＯＣＲ装置１２８の幾つかの実施例
は、当該技術分野において周知のように、その認識結果
が正しい結果である可能性を示す認識確度パラメータを
出力するように設計されている。例えばあるフォント
で、文書イメージ２１０の文字「rn」は、判断され得る
可能性を有する文字「m 」として認識されるかもしれな
い。この場合には、ＯＣＲ装置１２８は例えばその文字
対に対して６０％の認識確度パラメータを出力してもよ
い。

【００２４】ステップＳ２５４で、文書テキスト２２０
の単語は、例えば空白の間の文字を語として解釈するこ
とによって特定される。ステップＳ２５４で、その語の
文字に対応する文書イメージ２１０の領域は、合体され
て文書テキスト２２０の完全な語に対応する１つの領域
になる。一実施の形態では、文書領域は、個々の文字に
対応する領域の座標のうち最も左上の座標と最も右下の
座標を有する矩形として特定される。例えば先の前文に
おける「form」という単語に対応する領域は、座標（１
６，１１０）および（３１，１４９）を有する矩形によ
って特定される。あるいは特に種々のサイズの文字を有
する文書に対しては、全ての基本的な文字に対する座標
リストは保存されてもよい。

【００２５】ある単語が特定されると、全ての文字また
は文字対の認識確度パラメータからその単語に対する認
識確度パラメータが計算される。好ましくは単語に対す
る認識確度パラメータは、個々の文字に基づく認識確度
パラメータを掛け合わせることによって算出される。
「form」という単語を認識する場合には、「f 」および
「o 」の文字はきわめて高い認識確度パラメータ（例え
ば９５％および９０％）を有するが、しかし「rm」の文
字対は６０％の認識確度パラメータしか有していないか
もしれない。これらの認識確度パラメータを掛け合わせ
ると、全体の認識確度パラメータは５１．３％となる。
あるいは別の計算では、例えばその単語に対して最小の
認識確度パラメータ（例えば６０％）が用いられてもよ
い。

【００２６】ステップＳ２５６で、文書テキスト２２０
の各語についての情報は相関テーブル２３０に保存さ
れ、そのため文書イメージ２１０の領域は文書テキスト
２２０の語に関係づけられ得る。特に相関テーブル２３
０は、文書イメージ２１０における領域を特定する座標
対２３２、文書テキスト２２０における単語の位置を特
定するオフセット対２３４、およびその単語に対する認
識確度パラメータ２３６を格納する。上記例では、「fo
rm」という単語は、（１６，１１０）および（３１，１
４９）の座標対２３２と、５７および６０のオフセット
対２３４と、５１．３％の認識確度パラメータ２３６を
有する。

【００２７】相関テーブル２３０を用いると、文書テキ
スト２２０におけるオフセット２３４は、座標２３２で
特定される文書イメージ２１０の領域に対応し、その逆
も同じである。例えば（２３，１２７）の座標が与えら
れると、与えられた座標が、オフセット５７−６０に位
置する単語内に含まれていることを決めるために、相関
テーブル２３０の座標２３２の縦列が調べられ得る。文
書テキスト２２０のそのオフセットに位置する単語、上
記例の場合には、「form」という単語が導き出され得
る。

【００２８】もう一方については、与えられたオフセッ
ト（例えば５８）に対して相関テーブル２３０が調べら
れ、そしてその結果として（１６，１１０）および（３
１，１４９）の座標を有する矩形が特定される。従っ
て、ここで説明された合成文書アーキテクチャは、文書
テキスト２２０における語の配置を文書イメージ２１０
の対応する領域に関係づける一方法を提供している。

【００２９】（ＯＣＲ出力の誤りの訂正）元の紙の文書
を参照するのに関する時間を減らすために、元の紙の文
書の読取り走査されたイメージ（即ち文書イメージ２１
０）は、校正する人に対して表示される。アメリカ合衆
国憲法を読取り走査した例において、前文の読取り走査
されたイメージが、図４に示すようにイメージ表示３０
０内に表示されていてもよい。

【００３０】本発明の一実施の形態によるＯＣＲ出力の
誤りの訂正処理が図５のフローチャートに示されてい
る。ステップＳ３１０では、文書イメージ２１０は、例
えば高解像度モニタのような表示装置１２０上にイメー
ジ表示３００として表示される。加えてカーソル３０２
はイメージ表示３００上に表示される。そしてユーザ
は、マウスやトラックボールやジョイスティックのよう
なカーソル制御手段１２４を用いて、イメージ表示３０
０の如何なる部分上にもカーソル３０２を位置させても
よい。

【００３１】ステップＳ３１２で、誤り訂正装置は、イ
メージ表示３００上のある位置または位置の領域を選択
する入力を受け取る。この入力は、カーソル３０２がイ
メージ表示３００上に置かれる時にはいつでも、あるい
はユーザがボタンを操作する時にのみ、カーソル制御手
段１２４によって自動的に生成されてもよい。後者の場
合には、ユーザがボタンを操作する時に、カーソル制御
手段１２４はカーソル３０２の現在の位置を入力として
送る。例えばユーザがカーソル制御手段１２４としてマ
ウスを使用している場合には、マウスのボタンをクリッ
クすると誤り訂正装置に単独の位置が送られ、一方クリ
ックしながらドラッグする操作によってはテキストのあ
る範囲を選択するために誤り訂正装置に２つの位置が送
られる。

【００３２】ステップＳ３１２で受け取られる入力に関
連付けられる位置は、当該技術分野において周知のマッ
ピング技術によって、イメージ表示３００の座標システ
ムから文書イメージ２１０の座標システムに変換され
る。量の多い文書の文書イメージ２１０は、それよりも
小さいイメージ表示３００内に納まらないので、座標変
換はしばしば必要となる。

【００３３】図４に示す例では、イメージ表示３００に
おけるカーソル３０２の位置は文書イメージ２１０の座
標（２３，１２７）に対応している。

【００３４】ステップＳ３１４では、ステップＳ３１２
で受け取られた入力から得られた座標または座標の領域
を含む領域２３２を指定する記載を求めて、相関テーブ
ル２３０が調べられる。上記例では、座標（２３，１２
７）は、（１６，１１０）−（３１，１４９）の座標範
囲によって決まる領域に含まれる。文書テキスト２２０
に対するオフセット対２３４は、相関テーブル２３０の
記載から取り出され、そして文書テキスト２２０におい
て選択されたテキスト、この場合には語を決めるために
使用される。上記例では、対応するオフセット対は５７
−６０である。このオフセット対は、オフセット対２３
４の範囲内のオフセットにて文書テキスト２２０内に置
かれた文字列を抜き出すのに使用される。上記例では前
文の「form」という元の単語が「fonn」として誤認識さ
れたと仮定したが、その場合そのオフセット対２３４の
範囲で選択された語は「fonn」となるであろう。

【００３５】ステップＳ３１６では、認識されたテキス
トを生成し得たと思われる可能性のある置換え語または
テキスト（一語よりも多い場合）が生成される。当該技
術分野において、可能性のある置換えテキストを生成す
るために広範囲な種々の技術が知られているが、しかし
発明を実施するにはどれか特定の技術であることを必要
としない。例えば可能性のある置換えテキストを生成す
るために、文字レベルを対象とすること（すなわちある
文字または文字対が別の文字として誤認識される可能性
がある）が用いられ得る。別の例として、可能性のある
置換え語を生成するために、単語レベルの挙動が、例え
ばスペルチェックを行うことによって考慮され得る。さ
らに別の例として、句レベルの情報（例えばデータベー
ス内に存在する連続語のマルコフモデル）が用いられ得
る。さらにはこれらの種々の技術は組み合わされて重み
を付けられ得る。上記例では、ステップＳ３１６は、選
択されたテキスト「fonn」に対して以下の可能性のある
置換え語の組、すなわち「faun」、「form」、「fai
n」、「fawn」および「fern」を生成してもよい。

【００３６】ステップＳ３１８で、選択されたテキスト
および可能性のある置換えテキストは、カーソル３０２
の近くでポップアップメニュー３０４内に表示される。
実際に認識された文字、すなわち選択されたテキストは
標準的な位置、例えば一番目にポップアップメニュー３
０４内に表示され、そのためユーザは認識された文字が
何であるかを容易に判断することができる。従って上記
例では、ポップアップメニュー３０４は、一番目に「fo
nn」という選択された語を表示し、続いて可能性のある
置換えテキストである「faun」、「form」、「fain」、
「fawn」および「fern」を好ましくは置換えの可能性の
高い順序で表示する。可能性のある置換えテキストを置
換えの可能性の高い順序で並べる基準は、認識確度パラ
メータを用いてもよいし、認識確度パラメータを用いず
に他の手法を用いてもよいし、または重要な多くの要因
の一つとして認識確度パラメータを含んでいてもよ
い。。

【００３７】ポップアップメニューが表示されると、ユ
ーザは、文書イメージ２１０のイメージ表示３００を見
ることによって、ポップアップメニュー３０４内に表示
された選択されたテキストが正しくないことを判断する
ことができる。この場合には、ユーザ正しい置換えテキ
ストを探して可能性のある置換えテキストを見るであろ
う。正しい置換えテキストが見つかったら、ユーザはそ
の正しい置換えテキストを選択することができる（例え
ばカーソル制御手段１２４のボタンをクリックするか放
すことによって）。上記例では、正しい置換えテキスト
は「form」であり、ポップアップメニュー３０４の「fa
un」と「fain」の間に表示されている。

【００３８】他方では、正しい置換えテキストがポップ
アップメニュー３０４内にない場合には、ユーザは従来
の手段によって（例えばキーボード１２２を介して）正
しい置換えテキストを入力してもよい。ステップＳ３２
０で正しい置換えテキストのための入力が受け取られた
後、ステップＳ３２２において選択されたテキストは正
しいテキストで置き換えられる。さらに特に文書テキス
ト２２０は正しい置換えテキストを含むように更新さ
れ、相関テーブル２３０内の認識確度パラメータ２３６
は極めて高い値（例えば１００％）を反映するように更
新される。置換えテキストの文字数は、選択されたテキ
ストの文字数よりも多いかまたは少なくてもよいので、
相関テーブル２３０内のオフセット２３４のフィールド
は、全ての影響される記載事項のため（すなわち置換え
後の文書内のテキスト用）に更新される。可能性のある
置換えテキストを生成し、それらをポップアップメニュ
ー３０４内に表示することによって、ＯＣＲ出力に対し
て訂正を行うのに費やされる時間が減る。

【００３９】（誤りの発見）一実施の形態によれば、カ
ーソル３０２がイメージ表示３００のある語の上にある
場合には、そのカーソルの位置が自動的に入力され、そ
のためポップアップメニュー３０４が自動的に表示され
る。従ってユーザは、イメージ表示３００のテキストの
表示列の上にカーソル３０２を動かすことができ、ポッ
プアップメニュー３０４内の基準位置に自動的に表示さ
れる選択されたテキストを比較することができる。従っ
てユーザは、ある文字がＯＣＲ装置１２８によって誤認
識されたか否かを判断するために元の紙を見るのに要す
る時間を費やさずに済む。もしその語が違っている場合
には、ユーザは上述したようにしてそのテキストを訂正
することができる。

【００４０】別の実施の形態によれば、最も誤認識の可
能性の高い語は、他と異なるように表示される（例えば
強調したり、色やフォントを変えたり、明滅させたり、
下線を付すなど）。これらの語は、対応する認識確度パ
ラメータ２３６を規定された閾値と比較することにより
判断され得る。例えば認識確度パラメータ２３６が６０
％より低い語は赤で表示され、間違っていそうな語にユ
ーザの注意を向けさせる。上記例においては、元の「fo
rm」という語が、認識確度パラメータ２３６が５５％
で、「fonn」として誤認識されている。この場合には、
文書テキスト２２０の「fonn」という語に対応するイメ
ージ表示３００の領域の黒色のピクセルは赤色で表示さ
れる。好ましい実施の形態では、文字イメージを構成す
るピクセルの色を変える代わりに、文字のイメージの周
囲の背景ピクセルの色が変えられる。

【００４１】従ってユーザは、文書イメージ２１０内の
「form」という語の上にカーソル３０２を位置させ、ポ
ップアップメニュー３０４が表示されるとその語が「fo
nn」として誤認識されたことを知り、適切な訂正を行
う。訂正された語の認識確度パラメータ２３６は１００
％に再設定され、文書イメージ２１０の、訂正された語
に対応する領域の表示が黒に戻される。

【００４２】さらに別の実施の形態では、一般に同一出
願人による「ヒートマップを用いて光学式文字認識の訂
正を行うための方法および装置、並びに、ＯＣＲ出力の
誤りを発見するための一連の命令を記録したコンピュー
タ読み取り可能な記録媒体」で特定される関連特許出願
の中に記載されているように、文書イメージ２１０の領
域にふさわしいそれぞれの表示色を決めるために、認識
確度パラメータ２３６は複数の閾値と比較される。その
結果生じる「ヒートマップ」は、光学式文字認識につい
て、ユーザを文書イメージの最も問題のある部分に導く
助けとなる。

【００４３】本発明は、特定の実施の形態について言及
しながら特に詳細に説明され、また図示されたが、本発
明の趣旨または範囲から逸脱することなく、形態または
細部について上記説明または図における変形がなされて
もよいということは、当業者により理解されるであろ
う。

【００４４】

【発明の効果】以上説明したとおり、この発明によるビ
ットマップ選択を用いて光学式文字認識の訂正を行うた
めの方法および装置、並びに、ＯＣＲ出力の誤りを訂正
するために一連の命令を記録したコンピュータ読み取り
可能な記録媒体によれば、元のテキストをＯＣＲ出力の
テキストに変換している間に起こった間違いを正す際
に、ユーザが元の紙の文書を見なくても済むとともに、
可能な訂正内容が自動的に生成され、それによってユー
ザが訂正を容易に行うことができるという効果を奏す
る。

【図面の簡単な説明】

【図１】本発明が実施され得るコンピュータシステムの
上位ブロック図である。

【図２】合成文書アーキテクチャのブロック図である。

【図３】合成文書の生成処理を示すフローチャートであ
る。

【図４】本発明の一実施の形態によるスクリーン表示の
一例を示す図である。

【図５】一実施の形態によるＯＣＲ出力における誤りの
訂正処理を示すフローチャートである。

【符号の説明】

１１２ プロセッサ １１８ データ記憶装置（コンピュータ読込み可能媒
体） １２０ 表示装置 １２４ カーソル制御手段 １２８ 光学式文字認識装置 ２１０ 文書イメージ ２２０ 文書テキスト ２３６ 認識確度パラメータ ３０４ ポップアップメニュー

Claims (15)

【特許請求の範囲】
1. 【請求項１】 ＯＣＲ出力の誤りを発見する方法におい
   て、 文書テキストを生成するために文書イメージ内の文字を
   認識する工程と、 文書テキストの語に対応する文書イメージの領域を決定
   する工程と、 文書イメージを表示する工程と、 文書イメージ内のある位置を選択する入力を受け取る工
   程と、 文書イメージ内のその位置を含む文書領域に対応してな
   る、選択されたテキストを決定する工程と、 その選択されたテキストを表示する工程と、 置換えテキストを指示する入力を受け取る工程と、 文書テキスト内の選択されたテキストをその置換えテキ
   ストで置き換える工程と、 を含むことを特徴とするビットマップ選択を用いて光学
   式文字認識の訂正を行うための方法。
2. 【請求項２】 選択されたテキストに基づいて１または
   ２以上の可能性のある置換えテキストを決定する工程
   と、 １または２以上の可能性のある置換えテキストを表示す
   る工程と、 をさらに含み、 置換えテキストを指示する入力を受け取る工程は、それ
   ら１または２以上の可能性のある置換えテキストの内の
   一つを選択する入力を受け取る工程を含むことを特徴と
   する請求項１に記載のビットマップ選択を用いて光学式
   文字認識の訂正を行うための方法。
3. 【請求項３】 置換えテキストを指示する入力を受け取
   る工程は、置換えテキストのキーボード入力を受け取る
   工程を含むことを特徴とする請求項２に記載のビットマ
   ップ選択を用いて光学式文字認識の訂正を行うための方
   法。
4. 【請求項４】 選択されたテキストを表示する工程は、
   ポップアップメニュー内の基準位置に選択されたテキス
   トを表示する工程を含み、 また１または２以上の可能性のある置換えテキストを表
   示する工程は、ポップアップメニュー内に１または２以
   上の可能性のある置換えテキストを表示する工程を含む
   ことを特徴とする請求項２に記載のビットマップ選択を
   用いて光学式文字認識の訂正を行うための方法。
5. 【請求項５】 文書イメージの領域に対して認識確度パ
   ラメータを決定する工程をさらに含み、 文書イメージを表示する工程は、文書イメージの領域を
   それぞれの領域に対する認識確度パラメータを表すよう
   に表示する工程を含むことを特徴とする請求項１に記載
   のビットマップ選択を用いて光学式文字認識の訂正を行
   うための方法。
6. 【請求項６】 ＯＣＲ出力の誤りを訂正する装置であっ
   て、 文書テキストを生成するために文書イメージ内の文字を
   認識するＯＣＲ装置と、 文書テキストの語に対応する文書イメージの領域を決定
   する手段と、 文書イメージを表示する表示装置と、 文書イメージ内のある位置を選択する入力を受け取るカ
   ーソル制御手段と、 文書イメージ内のその位置を含む文書領域に対応してな
   る、選択されたテキストを決定し、その選択されたテキ
   ストを表示するために前記表示装置を制御する手段と、 文書テキスト内の選択されたテキストをその置換えテキ
   ストで置き換える手段と、 を具備することを特徴とするビットマップ選択を用いて
   光学式文字認識の訂正を行うための装置。
7. 【請求項７】 選択されたテキストに基づいて１または
   ２以上の可能性のある置換えテキストを決定する手段を
   さらに具備し、 前記表示装置は、１または２以上の可能性のある置換え
   テキストを表示するために制御され、 前記カーソル制御手段は、１または２以上の可能性のあ
   る置換えテキストの内の一つを選択する入力を受け取る
   ことを特徴とする請求項６に記載のビットマップ選択を
   用いて光学式文字認識の訂正を行うための装置。
8. 【請求項８】 置換えテキストの入力を受け取るキーボ
   ードを具備することを特徴とする請求項７に記載のビッ
   トマップ選択を用いて光学式文字認識の訂正を行うため
   の装置。
9. 【請求項９】 前記表示装置は、ポップアップメニュー
   内の基準位置に、選択されたテキストを表示し、かつポ
   ップアップメニュー内に１または２以上の可能性のある
   置換えテキストを表示するために制御されることを特徴
   とする請求項７に記載のビットマップ選択を用いて光学
   式文字認識の訂正を行うための装置。
10. 【請求項１０】 文書イメージの領域に対して認識確度
    パラメータを決定する手段をさらに具備し、 前記表示装置は、文書イメージの領域をそれぞれの領域
    に対する認識確度パラメータを表すように表示するよう
    に制御可能になっていることを特徴とする請求項６に記
    載のビットマップ選択を用いて光学式文字認識の訂正を
    行うための装置。
11. 【請求項１１】 ＯＣＲ出力の誤りを訂正するために一
    連の命令を記録したコンピュータ読み取り可能な記録媒
    体であって、 該一連の命令は、 文書テキストを生成するために文書イメージ内の文字を
    認識する工程と、 文書テキストの語に対応する文書イメージの領域を決定
    する工程と、 文書イメージを表示する工程と、 文書イメージ内のある位置を選択する入力を受け取る工
    程と、 文書イメージ内のその位置を含む文書領域に対応してな
    る、選択されたテキストを決定する工程と、 その選択されたテキストを表示する工程と、 置換えテキストを指示する入力を受け取る工程と、 文書テキスト内の選択されたテキストをその置換えテキ
    ストで置き換える工程と、 を実行するための一連の命令を記録したことを特徴とす
    るコンピュータ読み取り可能な記録媒体。
12. 【請求項１２】 前記一連の命令は、 選択されたテキストに基づいて１または２以上の可能性
    のある置換えテキストを決定する工程と、 １または２以上の可能性のある置換えテキストを表示す
    る工程と、 を実行するための一連の命令をさらに含み、 置換えテキストを指示する入力を受け取る工程は、それ
    ら１または２以上の可能性のある置換えテキストの内の
    一つを選択する入力を受け取る工程を含むことを特徴と
    する請求項１１に記載のコンピュータ読み取り可能な記
    録媒体。
13. 【請求項１３】 置換えテキストを指示する入力を受け
    取る工程は、置換えテキストのキーボード入力を受け取
    る工程を含むことを特徴とする請求項１２に記載のコン
    ピュータ読み取り可能な記録媒体。
14. 【請求項１４】 選択されたテキストを表示する工程
    は、ポップアップメニュー内の一番目に選択されたテキ
    ストを表示する工程を含み、 また１または２以上の可能性のある置換えテキストを表
    示する工程は、ポップアップメニュー内に１または２以
    上の可能性のある置換えテキストを表示する工程を含む
    ことを特徴とする請求項１２に記載のコンピュータ読み
    取り可能な記録媒体。
15. 【請求項１５】 前記一連の命令は、文書イメージの領
    域に対して認識確度パラメータを決定する工程を実行す
    るための一連の命令をさらに含み、 文書イメージを表示する工程は、文書イメージの領域を
    それぞれの領域に対する認識確度パラメータを表すよう
    に表示する工程を含むことを特徴とする請求項１１に記
    載のコンピュータ読み取り可能な記録媒体。