JPS6327990A - 文字認識方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［技術分野］ 本発明は、文書類の文字等の画像情報を光学的に読取り
入力する画像情報入力装置（以下、ＯＣＲという）に関
し、特に、あらかじめ文章情報のフォーマット認識モー
ドを設定し、そのモードにおけるフォーマット情報を印
字情報から抽出して認識する技術に関するものである。

［従来技術］ 従来、手書文等の文書をＯＣＲで認識する装置は１通常
、ある程度のフォーマットの情報をも認識する。例えば
、文頭、ｉの段落、空白行、大略のタブ位置を認識でき
る。その結果、第１１図の（ａ）に示すような文章のパ
ターンを読取って入力すると、第１１図の（ｂ）に示す
ような文章のパターンに再現される。この第１１図にお
いて、横線は、文章行を示している。

しかしながら、従来のＯＣＲで認識する装置では１文字
単位で認識しているため、文頭が初め揃っていたとして
も、再生車にカウンタのエラーによって１文字程度の不
揃いが生じる。また、空白行の間隔が不正確になったり
、通常行間隔が不正確になったりするという問題があっ
た。

［目的］ 本発明の目的は、ワードプロセッサー等で印字する場合
、印字情報からフォーマット情報を抽出して認識するこ
とができる技術を提供することにある。

本発明の前記ならびにその他の目的と新規な特徴は１本
明細書の記述及び添付図面によって明らかになるであろ
う。

［構成］ 本発明は、文書類の文字等の画像情報を光学的に読取り
入力する画像情報入力装置における文字認識方法におい
て１文字認識に先立ってあらかじめ文章等の情報のフォ
ーマット認識モードを設定し、そのモードにおけるフォ
ーマット情報を印字情報から抽出して認識する段階を備
えたことを特徴とするものである。

また、さらに、前記抽出された領域ごとに各領域固有の
処理を施す段階とを備えたことを特徴とするものである
。

以下１本発明の実施例を図面を用いて具体的に説明する
。

なお、実施例を説明するための全回において。

同一機能を有するものは同一符号を付け、その繰り返し
の説明は省略する。

［実施例■コ 第１図は、本発明の実施例Ｉの文字認識方法を実施する
ためのＯＣＲの概略構成を示すブロック図、 第２図は、第１図に示すＯＣＲを用いた多機能画像情報
処理装置の概略構成を示すブロック図。

第３図は、本発明の実施例ＩのＯＣＲを用いた文字Ｌｉ
　Ｔ’Ｓ方法の処理プロセスを示すフローチャートであ
る。

本実施例のＯＣＲ用文字認識方法を適用した画像情報処
理装置において、第２図に示すように、キーボード１は
１文字を入力する他に各種のモード（仮名漢字変換、漢
字仮名変換、ＯＣＲ文字認識等）を指定するものに用い
る。ＯＣＲ２は、原稿を光学的に読取り入力する。処理
装置３は、キーボード１や０ＣＲ２からの入力情報につ
いて、指定されたモードに従った処理を実行し、出力装
置４に出力する。出力装置４は、ディスプレイ装置、プ
リンタ等を総称して示したものである。処理装置３の処
理に必要なプログラムメモリ（ＲＯＭ）５に格納される
が、キーボード入力による仮名漢字変換、ＯＣＲ文字認
識の後処理、ＯＣＲ入力された文字等の仮名漢字変換や
漢字仮名変換についてできるだけ共通のアルゴリズムが
利用される。データメモリ（ＲＡＭ）６は、処理装置３
での処理途中のデータやパラメータを格納するのに用い
られる。単語辞書メモリ７には読み表記対応データを付
加した単語辞書が格納されている。

前記第２図に示す０ＣＲ２は、第１図に示すように、光
源と電荷結合素子（ＣＣＤ）等からなる光学的スキャナ
ー１１により、原稿上の文字等の画像情報を読み取って
入力する。この入力された仮名文字列又は仮名漢字混合
文字列、英字列等の画像情報を１文字切出しユニット１
２により、１文字毎に切出され、特徴抽出ユニット１３
でその切出された文字の特徴を抽出する。この抽出され
たデータは、特徴マツチングユニット１４で特徴辞書メ
モリ（ＲＯＭ又はＲＡＭ）１５に格納されている特徴辞
書データとのマツチングがとられる。

マツチングがとれれば、入力文字が認識され処理装置３
に送られる。マツチングがリジェクトとなった場合には
、特徴マツチングユニット１４からリジェクト信号が発
生して前記文字切出しユニット１２に送られる。

次に、本実施例の文字認識方法の処理プロセスを第３図
に従って説明する。

なお、本実施対象としては文章情報を扱う。

（１）フォーマット情報抽出認識処理プロセスまず１段
Ｉ！ｔＪ１０１で各種モードの中からフォーマット認識
モードを指定する。段階１０２で前記指定モードである
かの判断を行い、ＹＥＳであれば１段階１０３に移る６
段階１０３で行切出し処理を行う。この行切出し処理は
、通常の文字認識と同様に文字行を１行ずつ切り出す。

このアルゴリズムは、従来のように水平方向に一括射影
でもよいし、アダプティブに文字列を追跡してもよい。

この時１段階１０４で前の行と次の行との間の行間ピッ
チＰＱ　（ＰＱ＝（現走査ライン番地）−（前走査ライ
ン番地）〕を同時に取り出す。そして、同時に、前記行
間ピッチＰＱを横軸にとり、縦軸に頻度をとった行間ピ
ッチヒストグラムを、全画面にわたって集計して図示す
ると、第４図に示すようなグラフで表わされる。この時
、最も小さいピンチのものをＰｌとおく。この最も小さ
いピッチＰ１が基本ピッチである。

次に、段階１０５でコラム抽出処理を行う。このコラム
抽出処理は、従来にない新規な機能であり、特に、情報
が行と直交方向に構造を持っている時、コラムと呼ぶが
、このコラムは以下のようにして抽出する〔第１１図の
（ａ）のＣの部分〕。

まず、第５図に示すような一辺が文字サイズの１／２程
度のウィンドウを３Ｘ３個（９個）用意し、これを論理
用ウィンドウとする。この注目ウィンドウ（Ｘ）が０（
白）でウィンドウ（Ａ）＋（Ｂ）＋（Ｃ）・・・・又は
画素（Ｆ）＋（Ｇ）＋（Ｈ）・・・・とする。

このときウィンドウ内の白黒の判定は適当に設定された
閾値によるものとし、代表的には、１つのウィンドウ内
の黒の割合が０．２以上の場合を黒と判定する。この処
理を行ピッチＰ１と同等程度のピッチで実施すると、第
６図に示すような文章行（水平４りは互に接触し、斜線
で示すような領域になる。この領域が文章領域である。

このとき、文章の行間が埋まらないことが生じた場合は
、同−ｍ理ウィンドウを使って（Ｂ）＋　（Ｇ）≧１の
とき、Ｘ＝１とする処理を複数回繰り返せばよい。

もしも、この時、文章領域中に孤立空白部があれば埋め
る。このためには、空白部のラベリング（４連結）を行
い、小さい孤立空白部のラベルを黒に置換すればよい。

次に、段階１０６でレイアウトエディツト処理を行い、
段階１０７に移る。段階１０７でフォーマット認識処理
終了か否かの判断を行い、Ｎｏであれば段階１０１に戻
し、ＹＥＳであれば、フォーマット認識処理を終了する
。

前記抽出された文章領域を水平／垂直の線分で近似させ
、もし必要なら、この線分の編集をする。

第７図の（ａ）は線分で近似させた文章領域を示し、（
ｂ）はこれを編集した後の領域である。この場合の編集
は、マニュアル操作でもよいし、長線分を一辺とする長
方形近似を自動的に行ってもよい。結果は、識別コード
をファイル名として。

その領域を定義しておく。

（２）文字認識処理 まず、前記段階１０１で各種モードの中から文字認識モ
ードを指定する。段階１０２で前記指定モードかの判断
行い、ＹＥＳであれば、段階１０８に移る。段階１０８
で行切出し処理を行い、フォーマント認識処理の後又は
直接起動されるモードで、従来の文字認識処理と同様に
段階１０９〜１１２の処理を行う。これらの段階１０９
〜１１２処理は、従来の処理と同じであるので、ここで
はその説明は省略する。

ただし、フォーマット認識処理後に各領域ごとにその領
域固有の処理、例えば文字認識処理を実行する場合は、
抽出された領域別に認識手続を実行し、認識された文字
記号列の先頭には、領Ｉ！Ａ識別コードを付与する。結
果として、文字列のレイアウトができ上がる。第８図は
、その例であり、ファイル名２０は、領域とその全ての
属性を固定する。スタート、エンド座標値２１は、長方
形領域の左」二、右下隅の座標値であり、属性２２は文
字フォント、ピッチ等テキスト（Ｔｅｘｔ）内の属性を
示す。テキスト情報は、従来のワードプロセッサー内部
コードと見なしてよい。

このように、文字認識に先立ってあらかじめ文章等の情
報のフォーマット認識モードを設定し、そのモードにお
けるフォーマット情報を印字情報から抽出して認識する
段階を備えたことにより、ワードプロセッサー等で印字
する場合、印字情報からフォーマットコード情報を容易
に復元することができる。

この復元された領域ごとに各領域固有の処理を施す段階
とを備えたことにより、各領域に適切な画像が得られる
ので、空白行の間隔及び通常行間隔が正確に揃った再生
文を得ることができる。

一般に読み取られる文字と、再生される文字の大きさは
同じではないから、抽出された各領域内にぴったり文章
が納まる保障はない。これらの処理は従来のレイアウト
エディタあるいは組板システムで実施すればよい。

［実施例■コ 本発明の実施例■の文字認識方法のフォーマット認識処
理のプロセスについて説明する。

まず、第１図に示す０ＣＲ２の前記スキャナー１１によ
り、原稿全体の画像を２値（例えば２゜Ｏドツト／イン
チ）でコンピュータ処理装置３に読み込み、第２図に示
す出力装置（以下、ディスプレイという）４に表示し、
この表示された画像をデータメモリ６にファイルＡとし
て格納する。

この時、低価格のディスプレイ４では１例えば、帳票全
体（例えば２００ドツト／インチでは約１６００Ｘ　２
４００ドツト）を表示することは困難であるから画素を
間引き、第９図に示すような帳票３０の全体のレイアウ
トをディスプレイ４上に表示する。

そして、後で述べるフォーマット認識処理を行って、フ
ァイルＢ、Ｃ，Ｄ、Ｅ、Ｆを清書ファイルとしてデータ
メモリ６に格納する。この時ファイルＡは消去してもか
まわない。

前記ファルＢ、Ｃ，Ｄ、Ｅ、Ｆの処理方法は、第１０図
に示すディスプレイ４に表示されている画像レイアウト
図４Ａ上でマウス等の入力装置により、所定の領域を指
定する。手書き文字３１に関しては、低解像度で十分で
あるからデータメモリ６に格納されているファイルＡの
中の指定領域の画像データに文字種（ＡＮＳＫ、漢字な
ど入力装置により指定）の情報も付加して０ＣＲ２に送
り、その認識結果をデータメモリ６にファイルＢとして
格納する。

また、第９図に示すタイトル３０Ａなど大きな文字は、
前記文字認識装置の画像バッファの制約でこのまま送れ
ないことが多いので、前記ファイルＡの中の指定領域の
画像データを間引いて送り。

その認識結果に大文字の情報を付加してデータメモリ６
にファイルＣとして格納する。また、図３　４やグラフ
などは指定領域の画像をそのままファイルＤとしてデー
タメモリ６に格納する。この時画像データを間引いて格
納してもよい。

また、活字３３に関しては、低解像度では不充分である
ので、マウス等の入力装置によりディスプレイ４に表示
された画像レイアウト図４Ａ上で、帳票３０の指定され
た領域を高解像度（例えば３００．４００ドツト／イン
チ）で再びスキャナー１１により読取り、０ＣＲ２に送
り、その認識結果をファイルＥとしてデータメモリ６に
格納する。

また、ハーフトーンの写真３２などに関しては。

帳票３０の指定された領域をハーフトーン処理（ディザ
処理など）を指定し、再びスキャナー１１により読取り
、ファイルＥとしてデータメモリ６に格納する。

このように様々な画像の領域のフォーマットの指定をデ
ィスプレイ４上のレイアウト図を用いて行うようにした
ｄで、オペレータの作業を軽減することができると共に
、柔軟なフォーマット指定が可能となる。

また、処理の異なる領域に対して、再度スキャナー１１
により読取ることをディスプレイ４で指定するようにし
たので、その領域固有の処理の作業が容易となる。

また、不定形帳票等の場合においても前記フォーマット
指定が可能となる。

また、標準ドツトで表示する表示画面よりも小さい画像
メモリでも前記フォーマット指定が可能となる。

以上１本発明を実施例にもとずき具体的に説明したが１
本発明は、前記実施例に限定されるものではなく、その
要旨を逸脱しない範囲において種々変更可能であること
は言うまでもない。

〔発明の効果〕

以上説明したように１本発明によれば、文字認識に先立
ってあらかじめ文章等の情報のフォーマット認識モード
を設定し、そのモードにおけるフォーマット情報を印字
情報から抽出して認識する段階を備えたことにより、ワ
ードプロセッサー等で印字する場合、印字情報からフォ
ーマットコ−ド情報を抽出して容易にその領域を復元す
ることができる。

この抽出された領域ごとに各領域固有の処理を施す段階
とを備えたことにより各領域に適切な画像が得られるの
で１文章の空白行の間隔及び通常行間隔が正確に揃った
再生車を得ることができる。

【図面の簡単な説明】

第１図は１本発明の実施例Ｉの文字認識方法を実施する
ためのＯＣＲの概略構成を示すブロック図、 第２図は、第１図に示すＯＣＲを用いた多機能画像情報
処理装置の概ｌ１１８構成を示すブロック図。 第３図は、本発明の実施例ＩのＯＣＲを用いた文字認識
方法の処理プロセスを示すフローチャート、 第４図は１行間ピッチヒストグラムを全画面にわたって
集計したグラフ。 第５図は、３Ｘ３画素の論理用ウィンドウを説明するた
めの図、 第６図は、本発明の実施例■のフォーマット情報抽出認
識方法を用いて所定の領域を表示した図。 第７図は、第６図に示す領域を線分で、近似させた文章
領域及び編集領域を示す図、 第８図は、本発明の実施例Ｈのフォーマット認識処理の
後に文字認識処理を行うためのフォーマット情報を文字
記号列の先頭に領域識別コードを付与した例を示す図、 第９図は、本発明の実施例■を説明するための帳票の全
体レイアウトを示す図、 第１０図は、第９図の帳票全体のレイアウトをディスプ
レイ上に表示させた帳票全体のレイアウト図、 第１１図は、従来の文章認識方法の問題点を説明するた
めの図である。 図中、３・・・処理装置、４・・・出力装置（ディスプ
レイ）、１１・・・スキャナー、１２・・・文字切出し
ユニット、１３・・・特徴抽出ユニット、１４・・・特
徴マツチングユニット、１５・・・特徴辞書メモリであ
る。

Claims (2)

【特許請求の範囲】
1. （１）文書類の文字等の画像情報を光学的に読取り入力
   する画像情報入力装置における文字認識方法において、
   文字認識に先立ってあらかじめ文章等の情報のフォーマ
   ット認識モードを設定し、そのモードにおけるフォーマ
   ット情報を印字情報から抽出して認識する段階を備えた
   ことを特徴とする文字認識方法。
2. （２）文書類の文字等の画像情報を光学的に読取り入力
   する画像情報入力装置における文字認識方法において、
   文字認識に先立ってあらかじめ文章等の情報のフォーマ
   ット認識モードを設定し、そのモードにおけるフォーマ
   ット情報を印字情報から抽出して認識する段階と、この
   抽出された領域ごとに各領域固有の処理を施す段階とを
   備えたことを特徴とする文字認識方法。