TW299425B - - Google Patents

Description

A7 B7 五、發明説明（1 ) 本文 本發明係關於自動產生文件檩記（marker)技術的應 用，本發明申請是延績1 9 9 2年1 0月9日編號爲0 7 /9 5 8，9 3 8的專利申請，確切而言，本發明係指利 用文件中各紙頁的編碼賫訊標記，以便提供一個特定裝置 ，不僅用以進行文件識別及文件結構辨認，同時在藉由光 學字符辨認技術再製出所標記的文件時，亦可執行錯誤檢 知和錯誤修正。 本發明背景 經濟部中央標準局員工消費合作社印製 利用電腦讀取條碼所進行的產品識別係藉由簡單的數 字編碼及掃瞄技術，針對具有一組固定數値的商品項目進 行辨識，其中的條碼係直接記錄在紙張上，對電腦產生及 儲存的文件而言，其文件的辨識属於另一種技術，此項技 術的發展是應用二値編碼並提供儲存文件的檢索。大部份 的文件產生軟《程式不僅提供文件的識別及/或檢索資訊 ，也針對其搭配使用的印表機提供編碼資訊，舉例而言， 這些資訊可以詳細地指定間隔，邊限以及相關的佈局資訊 ，然而，一且當文件被印製在紙頁上，這些資訊不會出現 在文件中，但其效果可爲使用者所分辨。 如果期望使用一個光學字符辨識（OC R )系統進行 再製文件，則目前無法取得自動裝®可以將佈局賫訊透過 掃瞄器進行通訊並且傳送至接收電腦，因此薔要將辨認技 術予以改良提供一種可以產生文件紙張版本的裝S，而這 83. 3.10,000 (請先閲讀背面之注意事項再填寫本頁) 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐） A7 B7 五、發明説明（2 ) 些文件可藉由m腦以光學方式掃瞄包含在紙張文件上或其 中的一個標記，並且配合光學字符本文文件掃瞄予以辨載 ，再製及校讀。 過去所使用的文件或產品辨認系統包含了可廣泛應用 於多用途的條碼檫記及掃瞄器，對於紙張文件而言，紙頁 上所具有的特殊標記或圖樣已可用來提供若干資訊給相關 的設備，例如Hikawa在美國專利第5，0 5 1，7 7 9 號中所提及影像處理用之工作管制紙頁，以類似的方式， Johnson等人在美國專利第5，0 6 0，9 8 0猇中亦提 及包含在表格中的辨認槺記，道個系統可針對已存放在電 腦中的表格作編耩，使用者可編胲表格的拷貝，再經由掃 瞄，則可針對，以電子信號形式存放於氰腦中的複製表格 ，塡入其中的欄位。在最近所取得的美國專利第 5 ’ 〇 9 1 ，9 6 6 號中.，發明人Bloomberg等人 glyph· 碼進行解碼，這種碼是以數位方式在紙張上將資料編碼 而成，利用電腦可讀取辨認碼，然後有利於電腦處理文件 ，例如辨認，檢索以及俥输文件，然而現今的系統均未包 .1 括錯誤檢知或修正的功能，再者，道樣的系統要求在透過 掃瞄输入資訊前，必須在所使用的電腦中，將一份待處理 文件的拷貝存放在其記憶體中，如此無法逋用於利用光學 字符辨認且由掃瞄電腦產生的文件。 ffl1中的光學字符辨識系統一般而言包含一個數位化 掃瞄器1 6以及一個用以掃瞄一印刷紙頁丨4的％掃瞄' 镭:腦1 8 ’該印刷紙頁丨4是由原文產生電腦1 2所產生 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐） 83. 3.10,000 (請先閲讀背面之注意事項再填寫本I)

5 經濟部中央標準局員工消费合作社印製 B7 五、發明説明（3 ) ，並由印表機1 3所输出，藉由掃瞄器1 6將本文（ text )抽取出來並以一標準的電子格式，例如ASC I I ，製作成電子文件存放於《腦中，我們期望能夠加入若干 關於本文及佈局的賫訊以供錯誤檢知及修正之用，道些賫 訊可以光學方式掃瞄或自動输入。 由於掃瞄程序以及光學字符辨識系統在字符辨識準確 度上存在的限制，將會在输出結果上引入若干錯誤，其不 僅包括字符誤驊（misinterpretation)錯誤，也造成佈 局關連錯誤，發生於文件OC R再製過程中的典型字符誤 驊錯誤包含下述情形：第1種是'^置換錯誤（substitut-ion error)'，其中辨認錯誤的字符被實際列印的字符 所取代（例如| b '辨識成| h # ，所以* the bat#變 成了 ％the hat# ):第2種是*消除錯誤（deletion error)'，其中的字符或空白自掃瞄區域中錯誤地被消 除了（例如，％thebat〃 變成了 ithat# ):而第3種 則是^插入錯誤（insertion error) f ，其中，字符或 空白被錯誤地插入再製i域中（例如，* the bat"變成 ^t, he bar )。而有一種常見的錯誤事實上是上述基 本錯誤型態的組合（例如，將'mV讀成'r η'包含了 置換及插錯誤，而將1#讀成'"則包含了置換和 消除錯誤），除之此外，在進行OCR掃瞄及再製過程中 ，亦有可能發生整行的本文被插入或被消除。一般而言， 傳統的錯誤檢知/修正機構可執行檢知及修正置換錯誤， 但是對於OC R過程中遇到的消除及插入錯誤，則無法有 本紙張尺度適用中國囷家標準（CNS ) Α4現格（210Χ297公釐） 83. 3.10,000 ίιιΑΛ ! (請先閱讀背面之注意事項再填寫本頁) 、νβ 經濟部中央標準局員工消費合作社印製 A7 B7 五、發明説明（4 ) 效地檢知及修正，以下將進一步說明。 後置處理，特定錯誤檢知及修正是下一階段必須進行 的工作，主要是以人眼來校讀再製出來的文件，利用人力 作後置處理工作是昂贵的，不僅因爲實際成本上的考量， 而完成處理文件所需的時間亦屬可觀，最佳的解決方法是 ，提供一種裝置不僅可以檢知字符置換錯誤，亦可以檢知 及修正所有的字符及列誤譁等錯誤，再者，一種理想的解 決方案亦可提供文件本身的辨認以及針對文件，傅遞適當 佈局結構的功能。 對已經使用在電腦文件產生技術（亦即文字處理）中 的錯誤檢知/修正系統而言，其所涵羞的技術係基礎於字 典査閱和/或企圓使用取自文件的語法，或內容，賫訊以 辨認及修正錯誤，許多道樣的系統要求文件中若有與字典 中字彙並不相關的字彙時，必須利用％人力後置處理器# 予以檢視，這種以字典爲基礎的系統，其所具備的自動錯 誤檢知功能在進行辨認過程中，將自發地修正與字典中字 彙不相關的字彙，吾人可輕易的想像出沒有自動拼字修正 的狀況，例如一個不正確的名字，一個有心的拼錯字及新 造的字詞等狀況，這種系統在使用字典比對的設定下，整 個文件中的字彙將與資料庫中字典的字彙相比對，文件中 各字詞與一特定字彙比對的成本相當昂貴；而串列錯誤檢 知及定位，無需逐字的加以比對，是我們所期待的。 抽取自文件的語法賫訊亦可使用在本技術領域中，其 可用於辨認以及針對檢知出的錯誤進行自動修正，而上述 本紙張尺度適用中國囷家標準（CNS ) A4規格（210X297公釐） 83. 3.10,000 ^^^1 —^1— ^^^1 ^^^1 ^^^1 1^1 HI^L I I (請先閱讀背面之注意事項再填寫本頁) -* 經濟部中央標準局負工消費合作社印製 A7 B7 五、發明説明（5 ) 檢知出的錯誤並非是可輕易辨認爲存在於字典中字彙的錯 拼（misspelling)或者類似一個以上存在於字典中字彙 的情形，當一個字典査閱的動作單純地剔除了該字或者作 了錯誤的修正，則骸系統將會進行辨識，並且將"^ofthe | —字修正爲’of the"，同理，針對所使用的軟雅及硬 體，或者用於掃瞄的字體中，眾多經常發生的錯誤可應用 在文句內容，或酹法，賫訊中，以變進行辨認以及自動修 正常發生的錯誤，例如η"會被錯誤地辨認爲' ，或者字母、〇〃會被錯誤地辨認爲數字、〇# 。 爲了避免使用逐字査閱比對的方式來檢知錯誤，特別 是針對透過網路來傅遞的文件，系統已經使用同位位元與 資料同時進行傅输。一旦傅输開始，則進行*新#文件的 位元計數，如果所計算的位元符合傳输的同位位元，則認 定是一個無錯誤的傅输，此種同位及査核位元概念的延伸 ，如同Chandran等人在美國專利第5，0 6 8，8 5 4號 中所說明的，逋用於數位化編碼資訊的錯誤檢知，同位位 元概念的其他延伸，例如平衡加權錯誤修正碼可用於檢知 及修正一個以上的單一位元錯誤，在kir by的美國專利第 4，9 6 5，8 8 3號中可找到類似的技術，針對二値碼 資訊所發展出來的同位及査核位元系統可以合理的準確度 確定錯誤是否存在，而在某一數置錯誤接收之賫料中發生 錯誤位元符合待傳送資料之査核位元的機率是極低的。因 爲位元的計算是針對二値化編碼資料而言，因此特別逋用 於檢知單一位元錯誤：除了加權平衡及隨機査核所修正的 本紙張尺度適用中國國家樣率（CNS ) A4規格（210X297公釐） 83.3.10,000 n^i' ^^^1 tnn ^in (請先閲讀背面之注意事項再填寫本頁) -9 鍊 經濟部中央標準局員工消費合作社印製 A7 B7 五、發明説明（6 ) 情況。然而，一般而言，査核及同位位元系統傾向於利用 資料不相關的方法以確定電腦至電腦間的傅输是否爲無錯 誤傅输，因此，査核及同位位元系統並不能視爲徹底的檢 査系統，僅能視爲用於數位並數位通訊中的初階段篩選技 術，而明顯地並不適用於例如光學字符辨識系統中的類比 至數化轉換。 在Calvignac等人的美國專利第4，9 6 4，1 2 7 號說明中，提及另一個習用的系統，它所具有的一個1 6 位元査核序列是賫料相關的，且針對賫料欄位的內容進行 計算，道樣的系統仍然是逋用於沿著一個賫料路徑（data path)傳输的資料，而該資料是以數位的格式存在。 在光學字符辨識的領域中，所存在的一個相似的需求 是希望有一種裝置能針對經由光學掃瞄，位元對映及《腦 編碼等程序再製出的資料進行檢知及修正錯誤，字典査閑 及通用錯誤參考兩種方法已被提出且應用於OC R的文件 中，然而，如同過去文件產生的需求一般，逐字核對的方 法並非有效且無法保證產出正確的結果，同時，除了印刷 字之外，文件的佈局是爲OC R中的一個重要特徵，現今 使用在一個光學掃瞄，位元對映系統中的同位位元査核系 統充其置僅對錯誤檢知有效，對於錯誤定位的效果極低， 而針對不當佈局的檢知及修正則完全無效。 在Rudak的美國專利第4，9 7 4，2 6 2號中提出 一個使用在OCR設備中的裝置，其可以辨識及修正％無 法辨識（unrecognizable)#的字符，在此系統中，無法. 本紙張尺度適用中國國家標準（CNS > Α4規格（210Χ297公釐） 83. 3.10,000 nn It 1.^1 ^^^1 Γ戈 (請先閱讀背面之注意事項再填寫本頁) ，νβ 經濟部中央標隼局員工消费合作社印製 A7 B7 五、發明説明（7 ) 藉電子字典査閱作業辨識出的字符將選擇性顯示給操作貝 看，以便進行翻譯及修正，自動化較完整的OC R錯誤檢 知及修正功能有醫要的，但在目前並未出現。 檫題爲"^用於達成以光學字符讀取方式正確讀取印刷 文字的方法〃，發明人爲McGinn的美國專利第 4，1 0 5，9 9 7號専利中提出一種基本的錯誤檢知功 能，可用以檢査利用光學字符辨識所再製出之文字的準確 性。 此McGinn系統針對每一列使用ASCI I文字的資 料，計算出一個核對和（check-sum)値，並在文件中毎 一個待印的文字列終了處印上核對和符號，在毎一印刷列 進行OCR掃瞄時，而印出的核對和符號亦被掃瞄，並且 "……以相同的方式處理，以產生一個A S C I I碼序列 位元串……# ，在印刷列再製過程中，將計算再製文字列 的核對和値，並與掃瞄進來的符號相比較，如果兩個核對 値不符合，則假設有一個錯誤存在，該列再予以掃瞄，而 所須處理重覆進行直到符合爲止，McGinn系統無法執行 印刷列內錯誤的定位*也無法在不重覆掃瞄的情況下進行 檢知錯誤的實際修正以及再製出該印刷列。 因爲McGinn系統針對使用ASCI I文字的核對和 符號進行編碼，如同檫準文字的狀況，該符號將以相同的 技術藉由光學方式加以掃瞄並且進行辨識，結果是無錯誤 定位和核對和符號的辨識無法保證，而該辨識系統可能無 法自文字列中分辨出符號，再者，該符號可能會發生辨識 本紙張尺度適用中國國家標率（CNS ) Α4規格（210X297公釐） 83. 3.10,000 n^i ^^^1 Kt ^^^1 ^^^1 ^^8- .Μ (請先閲讀背面之注意事項再填寫本頁) 訂 10 經濟部中央標準局員工消費合作社印製 A7 B7 五、發明説明（8 ) 錯誤的情況，因此，經由掃瞄的符號以及針對再製文字所 計算出之核對和兩者間的差異可顯示出核對和符號的誤課 ，即使已經正確地完成了掃瞄文字的再製，另一類使用

McG inn系統無法考慮到的OC R再製錯誤爲整個文字列的 遺漏或插入，若缺少了相對應的掃瞄核對和，McGinn系統 無法顧及且無法修正整個文字列錯誤，因此實際上，

McGinn系統僅單純地確認了使用0 C R進行文字再製的準 確度，而非改善該準確度。 本發明的目的之一在提供一個裝置和方法，以便自動 地將資訊槺記加入一份紙張文件中，該資訊可透過編碼提 供各種有關於文件的詳細賫料給配合使用的電腦。 本發明另一個目的是確定一張使用〇C R技術再製出 的紙頁上是否存在錯誤，且不需作逐字的比對。 本發明另一個目的是提供一個錯誤檢知系統以及方法 ，用以在一張使用OC R技術再製出來的紙頁上準確的定 位出錯誤的所在。 本發明另一個目的則是提供一個能與現存之錯誤修正 系統共同使用的錯誤錯誤檢知系統，以便準確的定位出文 件的錯誤，並且在進行置換錯誤修正程序之前，針對消除 及插入錯誤作補償。 本發明另一個目的是針對利用OC R技術再製出的文 件，提供一個自動修正錯誤的裝置和方法。 本發明另一個目的是提供一個錯誤檢知系統，此系統 能涵盖蓄意的錯拼，縮寫等狀況。 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐） 83. 3.10,000 --------丨 — tJk. (請先閲讀背面之注意事項再填寫本頁) 訂 -線 -11 - 經濟部中央標準局員工消費合作社印製 A7 B7 五、發明説明（9 ) 本發明另一個目的是提供一個錯誤檢知系統，此系統 可適用於任何的文件格式，字形及相關的硬體。 本發明另一個目的是提供一個裝置，能夠將唯一的槲 記與文件相結合，道些標記可用以將各種的賫訊傅給《腦 Ο 本發明另一個目的是提供一個裝置和方法，其能夠將 電腦可讀取的槺記供應給文件，道些檫記包含了與文件相 關的資訊，諸如：文件結構，錯誤辨認，定位及修正賨訊 ，以及文件辨認和檢索資訊。 本發明之總結 實現上述目的系統能夠針對文件的再製，產生標記， 並將此標記加入文件之中，標記可包括多樣的賫訊，諸如 :文件結構及錯誤檢知編碼，道個錯誤檢知/修正編碼資 訊包含一個證明書（certificate)，而此證明害至少含 有一個針對文字計算的數値，同時在多種編碼技術中選擇 一個方法，將該數値加入標記的證明害之中，而該檫記係 存在於欲再製文件的紙頁上。在進行文件的OC R再製過 程中；針對文字的證明害數値，如同文字出現在再製文件 上，將予以再計算，然後與原先的保證害數値相比較，如 果兩個數値相符，則該再製作業有很大的機率爲零錯誤， 如果保證書數値並不相符，則在再製過程中，至少有一個 錯誤出現在文字中，證明害的作用不僅可以提供錯誤檢知 ，亦可進行錯誤定位（例如，一文字列中的那一個字符是 本紙張尺度適用中國國家標準（CNS〉A4規格（210X297公釐） 83. 3.10,000 n^i' ^^^1 ^^^1 m^i ^^—^1 I n^i ^^^1 (請先閱讀背面之注意事項再填寫本頁)

-、tT 祿「 -12 - 經濟部中央標準局員工消費合作社印製 2 的 425 五、發明説明（i〇 ) 錯誤的），同時其亦可包括錯誤修正碼或指標，有利於傳 統字典査閱及語法系統的作業：其他的資訊亦可透過解碼 ，其可與計算出的文字證明害搭配使用或如同機器可讀檩 記的各別賫訊一般，將電腦系統中有關於文件佈局，文件 辨藤：，文件位置以及針對文件傳遞之相關m腦及其他相連 週邊裝置的目的地，其他被窬要的資訊亦包含於其中。 附圖的簡述 以下將針對本發明，配合附圖詳細說明，其中： 圇1顯示出習知技術中，用以掃瞄及再製一份文件的 0 C R方法。 圚2顯示具有標記，且用以再製文件的OC R方法， 該檫記包含有證明睿以便提供錯誤檢知和修正功能。 圖3顯示一份根據本發明所產生的文件。 圓4顯示一份複雜的文件，其包括圖形，文字面塊以 及照片。 圖5A至5 F顯示一個針對圓4中顯示的複雜文件， 用以對該文件進行編碼的機制。 圚6係根據本發明，圚示一份文件檫記的內容。 圓7顯示一個利用編輯距離函數（以下即將提及）所 產生的回溯表（traceback table)。 圔8 A及8 B針對一印刷文句及Ο C R的再製，顯示 整個本文的對正（alignment)以及減列次序。 圚9提供一個由證明軟體所執行，且具有代表性之處 本紙張尺度適用中國國家梯準（CNS > A4規格（210X297公釐〉 83. 3.10,000 ^^i·- I tuf m ^^^1 m in «^9^ (請先閲讀背面之注意事項再填寫本頁) 、?τ_ -13 - A7 B7 五、發明説明（11 ) 理步騄的流程圓，其中，該證明軟髖使用的證明»具有根 據本發明且經由編碼而得的減數，錯誤修正碼以及核對和 資訊。 圆1 0顯示一個編輯距離數値的表格，它可用以確定 0 C R再製本文中的文字列以及原文中文字列的對應關係 ，並且可以定位出整個文字列的消除及插入。 本發明實例之詳述 根據本發明，用於紙張文件的檫記可含有與資料有關 的文件資訊，諸如：一ίί "證明書'編碼錯誤檢知和錯誤 修正資訊以及一個文件佈局碼，在使用OC R技術進行文 件再製作業時，道些資訊可用於'掃瞄#電腦的通訊，以 及掃瞄《腦的處理工作，但是所謂的資訊並不限制在上述 特定資訊。 經濟部中央標準局貝工消费合作社印製 在原始文件進行電腦產生及前置處理期間且正產生一 個槺記的保證害元件時，如圖2所示，原文產生電腦2 2 的保證害產生器21利用逋切的演算法計算出一個或多個 與賫料相關的證明害2 7，以下將以幾個例子來加以說明 :一個證明書是一種簡要且重要的編碼賫訊，該編碼資訊 與紙頁的內容相關，且在文件產生及列印期間所產生，藉 由OCR軟髗2 9及搭配使用的掃瞄電腦2 8可辨認出骸 項編碼資訊。由電腦產生的任何文件，其所具有的樣記至 少含有一個證明窨附在各個本文1E塊或紙頁中，或者與其 配合使用，產生標記的程序不須有人力的介入，且僅需增 83. 3. 10,000 |4乂 丨_ (請先閲讀背面之注意事項再填寫本頁) 嫌「 本紙張尺度適用中國國家標準（CNS > A4規格（210X297公釐） -14 - 經濟部中央標準局員工消費合作社印製 83. 3.10,000 A7 __B7___ 五、發明説明（12 ) 加少量的計算成本：如園3所示，以印刷紙頁或其他型式 媒體存在的文件3 4包含一特定區域3 5，它的格式主要 供使用人使用，該文件亦包含另一個特定區域3 7，其格 式係針對機器的處理，用有助於機器、了解#所謂的*使 用人# 1：域，使用人區域爲文件的類比部份，而機器區域 則爲文件的數位部份，這樣的區分是針對文件中各部份的 使用，而非針對特定的實例。道兩個部份可以使用，且最 好是使用相同的技術列印出來，舉例而言，*數位'部位 (亦即檩記）可使用一特殊字型，條碼或其他使用者可以 判讀或無法判讀的符號列印出來，但道種狀況的選用是考 量《腦的可讀性，使用標記係著眼於提供資訊給〇C R軟 髗，如此可針對原始的印刷文件紙頁，製作出一份完整的 數位化複製文件。 經由計算且列印在紙頁上的棵記包含了有關於該紙頁 之內容的賫訊，圓2中的原文產生電腦2 2包含’了稱爲證 明害產生器的證明軟嫌2 1，一旦完成了文件的產製，或 是在文件產製的過程中，證明軟體將依據文件中的賫訊計 算一個或多個證明害；値得注意的是當進行原始文件的產 生時，並不需要針對此原始文件指定證明書數値，但可以 在列印之前，透過證明軟《，進行前置處理以產生該原始 文件，包含一個或多個計算證明睿2 7的檫記被產製出來 後，將成爲文件拷貝2 4的一個機器可讀部份，且可利用 印表機1 3输出，如同習知技術，再製出的硬式拷貝（ hard copy)是使用一個數位掃瞄器1 6掃瞄而得，此掃 本紙張尺度適用中國國家標準（CNS ) A4規格（21〇><297公釐） (請先閲讀背面之注意事項再填寫本頁) ----訂 ---谦「 15 - 經濟部中央標準局員工消費合作社印製 A7 _B7_；_ 五、發明説明（13 ) 瞄機1 6與一個配備OCR軟«的第2電腦2 8共同使用 。原始棵記2 7亦可利用光學方式掃瞄並利用掃瞄髦腦備 存起來：在OCR文件產出之後，OCR軟雔利用相同的 演算法，如同使用原始列印軟體的狀況一般，針對抽取出 的本文，計算一個或多個證明書數値，圔中的|證明窨確 認器'2 6是電腦2 8的一個別部份，而％證明害產生器 # 2 1則爲電腦2 2的一部份，精於本技術領域的人士可 清楚的看出來，證明窨產生器或證明窨確認器是結合在整 個系統之中，且不需要是個別的程式，此外，針對原始或 掃瞄賫料所進行的證明害計算並不必然是各別的程序步驟 ，但是可配合資料的產生及/或備存同時進行，在計算期 間，新的證明書數値可與經掃瞄印刷紙頁所得的原始說明 睿數値相比較，如果這兩個新舊證明書數値相符，則互譯 工作視爲完成，且認定有極高的機率是零錯誤，如果不相 符，則OC R證明窨確認器軟體可檢知並且修正一少置的 錯誤，所使用的方法爲其本身具有或一個或數個已知的錯 誤修正機制，如上所述，道些修正機制是應用在現今的文 件產生或是OCR系統中。 如圖6所示，文件標記可包含數麗與資料相關的編碼 文件資訊，包括紙頁結構編碼（亦即文件佈局資訊）和一 個或多個本文的證明窨，如圖示，說明害的計算可以每一 文字列爲基礎，或以一面域的文字爲基礎，該ffi塊可包括 所有或紙頁的某部份，對文字進行編碼以結合證明害的數 種方法，包括圚6中的減置函數，在以下的內容中加以說 本紙張尺度適用中國國家梂準（CNS ) Λ4規格（210X297公釐） 83. 3.10,000 --------—Iff. (#先閲讀背面之注意事項再填寫本頁) 訂 -16 - A7 B7 五、發明説明（14 ) 明，除了列的本文減量編碼，該說明害可包含一個可選擇 性加入的錯誤修正碼以及一個可選擇加入的核對和，兩者 皆可用於確定再製作業及修正工作的準確性。値得注意的 是證明睿的'1組成部份'，亦即減置字串，錯誤修正碼以 及核對和並不*要對紙頁上同量的內容作計算，如附圆的 建讖，該證明害可以包括各列中所有三個數値的編碼，其 中針對一面塊文字所進行的說明害產生，所涉及的步蹂包 括：針對骸班域文字計算出一個減置，針對本文提供一個 錯誤修正碼（或者提供一個指檩，通知掃瞄《腦召喚（ invoke)某個已知的錯誤修正査表等），以及提供一個對 該區塊文字計算得出的核對和。另一種方法則是，針對不 同大小的文字區塊，計算出各種證明睿數値，舉例而言， 減量可用於一文字列的處理，而核對和可針對一照片或整 個紙頁內容作計算，若有其他實用的簧化方式，也都清楚 的包含在本發明之敘述及申請專利範園中。 經濟部中央標準局員工消費合作社印製 可能存在於文件檩記之說明睿部份的錯誤修正碼能夠 被選用來定址（address)典型的誤譁錯誤，道種有可能 發生在文字，列印碼，字型等以及預期掃瞄器技術中。若 考慮到是否有其他特別的錯誤。例如本文背景說明中所提 及的標準字型特徽描述錯誤，則可在給定本文的證明窨中 予以考慮，另一種方法是，證明睿中包括一個指標，能將 掃瞄竈腦指向存在其中可逋用的錯誤修正査表，吾人可以 想像的到，在現今可用的技術狀況下，預知的字符誤譯錯 誤數置之多，將使得本文變得無從修正，並且缺乏期望字 83. 3.10,000 (請先閲讀背面之注意事項再填寫本頁) 本紙張尺度適用中國國家標率（CNS > A4規格（210X297公釐） -17 - 經濟部中央標準局貝工消費合作社印製 A 7 B7 五、發明説明（15 ) 符及間隔的相似性，在此狀況下，最有利的做法是在證明 書中，針對整個本文或壓縮版本作編碼。 如上述，標記可以，且最好是利用某種技術，除了檫 準的印刷字符之外，被列印在待印文件的紙面上，針對道 個急待解決的問題，亦即所使用的〇C R技術無法完美的 再製出印刷字符：一種機器可讀性更高的再製技術，例如 條碼符號，最好可用來將槺記印製在文件的紙頁上，使用 可靠性較好的符號不僅保證能提供符號本身更準確的解譁 ，也能具有內部錯誤修正功能，以進一步確保標記讀取的 正確性，掃瞄電腦可事先以程式規劃，如此可在紙頁上將 槺記定位在一個預定的位置上，或者搜專與文件檫記相關 的各個紙頁，對文件的使用者而言，檫記不需具可讀性， 甚至不必要在使用者的視覺範圔內，事資上，檫記可存在 於紙頁表面上不可見的符號中，但仍可被掃瞄器讀取。 —旦檩記被掃瞄機器識別出來並加以解碼，則證明害 數値可被用以確認再製本文的準確性，第1等級的錯誤檢 知是減置及再對正函數，它們能夠檢知並修正插入錯誤， 也可以檢知消除錯誤且將它們轉換成置換錯誤，如此至少 可產生一個部份修正的候選本文字串，以下將進一步詳細 說明，在減置及再對正函數處理過後，如果錯誤修正賫已 在證明睿中予以解碼，則該錯誤修正資訊將被召喚以定址 出任何的置換錯誤，而道些錯誤可在一已知再對正候選字 串中發現，再者，不管是在完成了β換錯誤修正的重覆步 驟之前或者之後，如果取得了一個證明窨核對和，則將計 本紙張尺度適用中國國家標準（CNS ) Α4規格（210Χ297公釐） 83. 3.10,000 --- (請先閲讀背面之注意事項再填寫本頁) 訂 -線； 附件-/1: 第 83104858五、發明説明（16 ) 號專利申謓案説_明窨修疋_3 民國83年10月修訂

V 算出一個針對修正後之再製本文的核對和，且針對相關的 本文區塊，與原先掃瞄取得的核對和相比較，如果該證明 書未包含任何錯誤修正碼，卻具有一個原始本文的核對和 ，則可針對一個再對正候選字串計算出一個核對和，除了 以減量及再對正函數所執行的錯誤修正之外，不骼要其他 任何的錯誤修正動作：在任何狀況下，連縝性的候選字串 可以試著進行錯誤修正，如果一開始所產生的一個字串並 非全然被修正過時。顯然的，召喚比較及修正等級的次序 是可變的，與錯誤修正碼和/或核對和的是否取得，預知 錯誤的特性及頻率，各個重覆步驟的成本（金錢以及時間 限制的考量）有關。 如以上申請書所敘述的內容，核對和的計算可使用任 何一種方法，舉例而言，以下顯示的程式是以列爲 基礎，計算出一個簡單的核對和： «include <stdio.h> Hinclude <ctype.h> ttdefine MAXLEN 200 /*maximuni input line length */ 請 先 Μ 1:黄 背 1¾ 意 事 項 再 填 % 本 頁 裝 訂

線 I 故

Main() { char line [MAXLEN], /* input line V hash; /* θ-bit hash value */ int len, /* length of input line */ i; /* counter V 中 央 捸 準 β) Ά 工 消 費 合 作 社 印 % hash = (hash <<1) | ((hash >> 7) & 0x01)； /* left-rotate hash */ while (gets (line) !» NULL) { len = strlen(line); if (len > 〇) hash = 0； for (i = 0; i < len; i++){ if (!isspace (line[i】））{ hash '= line [i]; printf (. 2xM, hash E> Oxff); /* while more lines */

/* get length of input line V /* if line is non-empty V /* initialize 8-bit hash */

/* check each character V /* if character is non-space V '* X〇R ASCII value with hash V

/* print hash value V 83. 3. 10,000 本纸伕尺A通用中困國家搮準（CNS)八4此^( 2丨0X297公* ) -19 - 經濟部中央標準局員工消費合作社印製 A 7 _ B7_ 五、發明説明（17 ) 各個非間隔字符的ASC I I値與一個四捨五入的8 位元核對和作互斥運算，此核對和再向左旋轉1個位元， 而此程序連同字串中的下一個字符被重覆執行，在此狀況 下，文字列％ This is a test#將接收一個核對和、 0 3 # (以十六進位表示），此核對和將依序列印在紙頁 上，如果在掃瞄過程中，OCR軟镫將文字誤讀爲| Thus is a test# ，計算出來的核對和爲’7 3# :因此，藉 由比較兩個核對和（一個是針對再製本文所計算出新的核 對和，而另一個核對和則是先前所計算，列印且由印出的 證明窨所讀取，OC R軟«可以檢知錯誤的存在，並且確 定道兩個核對和不相符，在應用此取樣系統時，本文中任 意兩文字列具有相同核對和的機率爲2 5 6分之1，這個 8位元核對和只是證明書數値計算系統的一個例子，精於 本技術領域的人士可以看出其他計算方法皆不離本發明的 範園，一個精於此技術的人士亦可明瞭核對和的大小和計 算方法可以有所變化，以針對特殊應用之醫求，增減錯誤 檢知的機率。 本發明的另一個本文編碼功能被稱爲 ' 減置及再對正 '函數，道個方法可有效地檢知及修正插入錯誤，也能夠 檢知消除錯誤，並在後績的錯誤修正步驟中，將其轉換成 可定址的置換錯誤，由於原始文件以及再製文件兩者的字 符間缺乏對應性，因此無法輕易地利用已知的置換演算法 定址出消除及插入錯誤並且針對相同的資料串列提供另一 串字符，上述的置換演算法可辨認出存在於一任童資料串 本紙張尺度適用中國國家橾準（CNS ) A4規格（210X297公釐） 83. 3.10,000 (請先閲讀背面之注意事項再填寫本頁) 訂 線' -20 - 經濟部中央標準局黃工消費合作社印製 A7 B7 五、發明説明（18 ) 中的辨識字符錯誤，置換演算法無法顧及或辨識出插入或 消除錯誤的存在，因此，再對正函數的第1個階段是强制 取得原始及再製資料串列中字符的對應性，對於具有原始 本文字符串列的文句而言： % The quick brown fox jumped over the lazy dog’ ， 以下經掃瞄取得的文字列字符串可以再製爲： 'The qUick br own fox jumped over the 1 a z y d o g 〃 値得注意的是，OC R再製文字列較之原始的本文文 字列，長度多了一個字符，如此則違反對正假設，且引發 傳統的錯誤修正碼，再者，該兩個文字列間的漢明距離（ Hamming distance)(亦即，兩文字列相差的位置數目） 爲3 5，因此，即使原始文字列利用一額外的間隔或其他 t 字符加以擴充以便使得文字列的長度相同，一個傅統錯誤 修正碼應可以處理最多是3 5個置換錯誤以便修正賅文字 列，在現有的技術中，這種方法並未出現。 由隨機插入及/或消除所造成的問題是原始文字列及 再製文字列彼此相對位置的| s丨i d i n g (滑動）# ，如此 增加了漢明距離並引發了更多的置換錯誤，減置程序藉由 强制取得文字列中字符間的對應性而抵銷了消除及插入的 效應。 爲了辨認出消除及插入錯誤，吾人使用了一個著名的 概念，亦即近似字串匹配，兩個相似但不必然是相同的本 本紙張尺度逋用中國國家標準（CNS ) A4規格（210X297公釐） 83. 3.10,000 (請先閲讀背面之注意事項再填寫本頁) 訂 -21 - 費许 % 83104858 號4利中務棄中文説明書修正頁 民躡5T今 經濟部中央標準局員工消費合作社印策

發明説明（19 ) 文文字列之間的關係可 的觀點而言變得準確， —個字符，插入一個任 一個字符。上述各個操作被指定了一個成本，Cdel ( X ) b(x，y )。消除字符X之成本 X)，而插入字符y之成本指定爲 y取代字符X之成本指定爲Csub 使用一種編輯棋型， 其中使用到若干基本的操作：消除 意的字符以及以另外一個字符取代 * C i n s ( y )，和 C ： 表示並指定爲値 Cins(y ) * 和 (X，y ) 0 而 所對應的最小成 動態可程式化演

S S i爲

Cdel ( 以字符‘ 對於將一字串轉換成另一字串的操作，其 本序列 算法來 原始文 稱爲編輯距離，可利用一個著名的 實現編輯距離的最佳化，其中S S 字列的前i個字符，而t i，t 2··· …13爲OCR再製文字列中的前j字字符，將定義 爲兩個副子串間的距離，則動態可程式化循環關係式爲 di-l,j + cdei(si) Li,j => min 《+ cins(tj) + csub(si,tj) 因此 生線之第 作（消除 參考圖7 y )指爲 且編輯成 於y，則 其它有利 例如 種更換（ 的取代需 此外 決定）被 所指的操 ，藉由 一 j字 ，插入 ，此例 値1， 本Csu I Csub 於本發 ，編辑 例如以 求（例 ，如果 予以對 作是指 上述之式子，d i,』爲需要傳送OC R再 符進入原始線之第一 i字符之基本編輯操 ，和替換）之最低成本序列之全部成本。 中顯示，編輯成本Cdel ( X )和，CinS( 如果x = y (亦即X，和y相同字符時） b(x，y )指定爲値0，而如果X不等 (X，y )指定爲値1。但是，於此亦可 明之特殊應用之方式以指定編輯成本。 成本可安排成較低以用於特殊之取代，此 >0#取代'0'(零））之需求比其它 如以'^ w '取代、a # )頻繁。 造成最小値的選擇（上述計算所得的最佳 映，則所求得的回追表提供操作的順序， 執行轉換所需的對正及編辑*或修正再製 本紙張尺度適用中國國家標準（CNS ) A4規格（210X 297公釐）_ π 請 閲 ί

I 頁

ft5. 1.9補毛丨 --2n- -— 五、發明説明（） 字串，圚7中所顯示的編辑距離/回追表組合可用以將原 始字icharacte〆與再製出的錯誤字'"chanace〆相比 對；起始於表中右下角朝左上角指去的粗線箭頭串列對應 了最佳的編輯路徑，加了星號的箭頭棋示出一個消除（字 母、1_ )以及一個置換（字母取代）的位 置0 —般而言，透過該.表，可以有一個以上的最佳編輯路 徑。圇8A，8B和8C爲表示編輯距離軌跡回溯箭頭之 圖，其中在表內之實際距離人宜爲了清晰起見，業已刪除 。圖8 A爲編輯距離軌跡回溯箭頭之圖，和單一字（圖7 )比較，其表示顯示在圚7中除了整個句子（圖8A)之 外之程序。圖8 A顯示一個針對上述兩個句子，或字符串 列的對正圚表，如所見，兩者間的對應 性可提供兩種可能的解譯，取決於選擇那一徊字符是針對 消除，而那一個字符則是針對置換。 另一個方法是；進行原始，或來源本文的 ' 減量# ， 亦即將原始本文的各個字符，包括間隔，對映到證明睿中 的一個單一位元；在ASC I I編碼的內容中，各個字符 之ASCI I表示的一個位元被指定到對應於該字符的證 明睿中，例如，一種已經不常使用的編碼方法是針對每個 字符，如同對應此字符的證明窖數値一般，利用其A S C I I編碼的下一個至最後一個位元，前述列印出來的原始 本文文字列的減置則變爲： 000000011011111011001000000110100000001000111 這個減置數値將被加入證明書中，而此證明書將與原 始的本文文字列相結合且印製在紙頁上：在進行文字列的 OC R再製過程中，證明軟體將字符以同樣的方法對映至 位元，針對前面印出的掃瞄文字列字符串，最終所得的減 置爲： 0000000110110111011001011000011110000000100111 本紙張尺度適用中國國家梂準（CNS ) A4規格（210X297公釐）-23 - (請先閱請背面之注意事項再填寫本頁) 訂 經濟部中央標準爲員工消费合作社印製 經濟部中央標準局貝工消費合作社印製 2d^425 A7 B7 五、發明説明（21 ) 證明軟«再執行兩個減置證明害間的串列對正，以便 確定可能的消除，插入，甚至若干置換的位置，圚8 B針 對兩個減置字串，顯示一個對正圓表或一個回追表，在減 置字串的對正程序中，不確定的區域面稹較之實際字符串 列的單純對正對應BE域爲大，很明顯的可看出，減置對正 能夠辨識出消除及插入，並且至少可以辨識出部份的置換 錯誤。 證明軟體召喚出一個再對正演算法，以便修正未對正 (亦即再製錯誤〉的掃瞄文字列字符串，如同部份的再對 正程序，該演算法可針對掃瞄文字列，產生相當數董的部 份修正版本，針對上述所提供的掃瞄字句，若干個被修正 的候選者可包含（包含在其他宇句中）以下的字符串：

The quick brown fox ju*ped ov*r the laz*ydog.

The quick bro%m fox jumped ov*r the lazy*dog.

The quick brown fox ju*ped ov*r the lazyd*og. 原始文字列以及候選文字列間的漢明距離分別爲5， 4及3，雖然置換錯誤'取代'u#並未在文字列中 被檢知出來，由於所應用的特殊減董函數，以'η'取 代的置換被標識出來，同時，一個額外的字符被消 除而以一個星號取代另一個字符，而以取代 本紙張尺度適用中國國家橾準（CNS ) A4規格（210X297公釐） 83. 3.10,000 (請先閲讀背面之注意事項再填寫本頁) 訂 -24 - 經濟部中央標準局員工消费合作社印製 A7 _B7____ 五、發明説明（22 ) 的e換被標識出來，其中錯誤的字符被一個星號所取代， 加在*brown#中的間隔空白被檢知並予以消除，而在％ lazy#及idog#間被消除的間隔空白可以被辨識出來， 並以一個星號塡補，因爲再對正無法準確的定位出後面內 容提及的消除，三個可能的後選者將會產生。 由再對正字符串中可明顯見到，針對文字列長度及字 符的對應性而言，消除及插入錯誤已利用再對正演算法予 以補償，假定只有插入錯誤存在，則再對正程序可以達成 1 〇 0 %的修正文字串，如果在檩記中有一個核對和，則 此修正文字串的核對和可被計算出來且與先前的核對和相 比較以顯示出透過再對正程序可以成功的完成修正工作。 如果再對正功能無法產生一個全部修正的字串，則可 使用本文證明書中其他可用的數値，如上面所敘述的內容 ，再對正軟髖將產生候選的字串，各個字串則透過動態程 式化回追表，對應到一個最小成本編辑路徑，如果證明書 j 額外的包含一個原始本文的選擇性核對和，則可產生一個 再對正候選字串的一個核對和，如此可與原先的核對和相 比較，顯然的，如果此兩個核對和具有關聯性，則可假定 再對正候選字串是*正確的〃，如果證明害包含一個原始 本文的錯誤修正碼，則錯誤修正碼可應用於再對正候選字 串，該本文的鐯誤本發明碼將予以編碼，以針對已知的字 符集合，預測出期待的OC R錯誤，如此則可藉由相伴的 錯誤修正碼輕易的地址及修正置換錯誤。 現已知有一文字列，其中的證明窨包含減量，錯誤修 本紙張尺度適用中國國家樣準（CNS ) A4規格（210X297公嫠） 83. 3.10,000 ----I----丄 (請先閲讀背面之注意事項再填寫本頁) 訂 25 經濟部中央標隼局員工消费合作社印製 A7 B7 五、發明説明（23 ) 正碼和一個核對和，針對此減*，對正及置換字串所計算 出的核對和可加以運用，並將所得到的核對和與原先的核 對和相比較，如果道兩個核對和並不相符，則再對正軟髏 可產生另一個部份修正候選者，其可應用在置換修正，核 對和計算以及比較等程序，直到原始字串的修正再製作業 完成，在無修正再製作業完成的稀有狀況下，有必要針對 手動的*後嫌[處理（ρ 〇 s t p r 〇 c e s s i n g ) #槺示出字串的 存在。 如同技術背景一節所提及的，可與OC R系統結合的 錯誤修正方法包括了字典査聞表搜尋法，語法或內容賫訊 碼以及常見錯誤辨識碼等方法，證明睿可改善OC R的辨 識率且提供可靠的方法，使用者利用此方法可以確定各個 掃瞄頁是否爲零錯誤，如上述，雖使用錯誤檢知及修正系 統，但卻不知道是否有蓄意的|錯誤#存在於文件中，實 際上將使得本文中出現錯誤，而若使用錯誤檢知及修正的 證明書系統，則可避免上述問題，舉例而言，在蓄意錯拼 (misspelling)的狀況下，證明害系統不會指示錯誤已 經造成，且不會因此而ίΐ誤地修正蓄意的錯拼。 圖9顯示出使用減置及再對正函數的代表性處理流程 ，其中的證明害不僅含有減置編碼，也包括了錯誤修正碼 及核對編碼，印刷紙頁7 4被掃瞄後，藉此將兩個資訊串 列俥給接收/掃瞄電腦，此電腦在此之前是以電腦系統2 表示，其中一個爲掃瞄電腦所接收的賫訊串列爲掃瞄文字 列字符串（以7 1標識）的ASC I I本文（有錯誤存在 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐） 83. 3.10,000 -------ί—ΛΧ (請先閱讀背面之注意事項再填寫本頁) 、1Τ 線 -26 - 經濟部中央標準局貝工消費合作社印製 A7 B7 五、發明説明（24 ) )，另一個賫訊串爲出現在文件檩記中的原始證明窨，針 對本例而言，其至少包含一個原始減置字串，至少一個錯 誤修正碼以及至少一個由印刷頁掃瞄取得的核對和，此程 序以7 0檫識：證明軟镫將減置函數傳給掃瞄文字列字符 串的ASC I I本文，此程序以7 3檫識，並且在以7 5 檫識的再對正程序中，將所取得的減置字串與原始減置字 串相比較，在再對正程序中的第一次重覆動作結束時，緊 接著有兩條程序路徑可供遢擇（只能選一條），一個候選 修正字串可被直接用在核對和的計算以及比較，道可由再 對正程序至方塊7 6的直線加以標識，在方塊7 6中，將 針封候選字串進行核對和的計算，在方塊7 7之中，再將 計算出來的核對和與在方塊7 0中所求出的原始核對和相 比較，如同方塊7 8之中的判斷顯示，如果兩核對和相符 ，則在方塊8 0之中输出經證明合格的ASC I I本文， 否則再逋當地予以處理。 如果兩核對和並不相符，在方塊7 2中將針對置換錯 誤修正提供候選字串，如果在判斷方塊7 9中，就'"置換 錯誤修正是否完成？ #所得到的答案是'^非（NO) ♦， 則有一條選擇路徑先針對候選字串進行置換錯誤修正，並 且假定其爲一完全修正字串，同時針對此修正後的候選字 串作計算，再將得出的核對和與原始核對和相比較，如果 此修正候選字串的核對和與原始核對和並不相符，且置換 錯誤修正必然已針對已知的候選者予以處理，則此處理程 序將針對另一個候選字串的處理，回復至方塊7 5的再對 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐） 83. 3.10,000 (請先閲讀背面之注意事項再填寫本頁) 訂 線f -27 - A7 B7 五、發明説明（25 ) 正步驟，對於精通本技術的人士而言，可以在不超出本發 明範園的情況下，針對上述的處理流程作若干修改以進一 步改善或取得最佳化。 請 先 閲 讀 背 面 之 注 意 事 項 再 t 先前提及有關於實現修正文字列消除及插入錯誤的困 難可以類似的方式，使用如圖1 〇中顯示之編輯距離處理 來加以定址，圈1 0中的對應性表格係用以比對原始本文 文字列和OC R本文字列，此種比對可確定每一文字列中 原始本文字符減置字串與〇C R再製本文減置字串之間的 編輯距離，如果文字列是對正的，則編辑距離爲零，基本 是以指示在對角線上，此假定再製文字列中並無 OCR錯誤，如果有OCR錐誤存在，則兩個'^正確對應 '文字列的編距離將會極小，且對應性表格的對角線上將 i 出現低數値的整數，文字列對應軟«可配合一個針對文字

線 I 經 濟 部 中 央 橾 準 局 貝 工 消 費 合 作 社 印 % 列 '相似性^所預先設定之極限値，提供可用碼已知的錯 誤修正能力，然而，如果原始文字列與〇C R文字列間的 編輯距離並不相對應時，則此編輯距離一定是相當大，在 表格中以逮離對角線的大數値整數表示，當遇到一個高編 辑距離數目對，文字列對應軟髏將原始本文的相關文字列 與OC R再製本文的另一個相異文字列相比較，並重覆此 —程序，直到找出一合理的對應文字列，亦即具有一個很 低的編輯距離數目。 圖1 0中的表格顯示出可以用編辑距離，文字列對應 函數加定址的二個文字列錯誤。 如同針對原始本文第5文字列所做的編辑距離分析， 83. 3.10,000 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公瘦） -28 - 經濟部中失揉準局員工消费合作社印製 A7 B7___ 五、發明説明（26 ) 因爲未出現低數値的整數，我們可明顯的看出在任何的 〇C R文字列以及原始本文第5文字列之間，存在著極少 的對應性，從道個分析中很明顯地可以得知，原始本文的 第5文字列已從〇C R再製文件被剔除，當檢視對應於 OC R第8文字列的文字行時，亦可明顯地從低數値整數 的缺乏看出，OCR再製本文的文字列中，只有極少數（ 如果存在）字符與原始本文中任何文字列的字符相對應， 結論則是，OCR本文的第8文字列已被錯誤地插入，因 爲它不與原始本文中任何文字列相對應，在此之前，並不 存在任何的自動文件修正方法能夠提供道種層次的錯誤修 正。 從以上的內容可清楚的得知，文字列錯誤修正程序使 用字符減量證明鲁數値，如果知道存在有文字列錯誤，圖 9中的處理流程理想化的在方塊7 5中字符對正程序之前 加入一個文字列對應步騄；無庸多言，如果OC R再製文 字列無法正確的與原始文字列相對正，則無法與原始本文 的一個對應文字列相比較，也就無法有效地進行後縯的字 符對正。 有一個重要的考慮，特別是在具有複雜結構的文件中 ，是針對計算證明耆數値來確定正規詞類次序，明顯的， 計算原始證明書數値的軟髖以及0 C R軟懺兩者必須使用 同樣的次序，對佈局編碼而言，可使用一個線性化公式依 照一般人閱讀英文文字由左至右，右上而下的次序，另一 個方法是將一個紙頁的內容分解爲一系列的本文區塊，各 本紙張尺度適用中國國家標準（CNS ) A4规格（210X297公釐） 83. 3.10,000 --------„---^ X (請先閏讀背面之注意事項再填寫本頁) 訂 -29 - 經濟部中央揉準局員工消費合作社印製 A7 B7 五、發明説明（27 ) 個區塊在計算過程中是一個個別的實體，而包含圊片或其 他非文字資訊的任何區塊必須以異於檫準文字的方法來處 理，在含有圖表的狀況下，針對一群'^黏<> 所對應成的全 圓而言*欲進行辨識對影像處理軟髋而言是非常困難的， 然而，證明窨產生器若針對一已知包含3個圆形及一個三 角形之圖形賫訊作編碼時，道樣的資訊可以大大地加快處 理速度以及增加準確度，除了對圖形組成物之存在所作的 編碼之外，圖形中基本幾何構件的正確位置及大小可予以 編碼（亦即圖半徑0.3公分：X軸1.3公分：y軸 3.8公分等），除此之外，亦能夠採取一種證明窨機制 來辨識數學方程式以及其他特殊型式的結構。 現參考圖6，我們希望將文件結構資訊加入文件標記 中，一個長7英时宽6英寸，且具有複雜佈局結構的文件 如圖4所示，文件4 4包含了文字區塊4 5的A，B，D ，丑和0，在4 8的區塊C中之照片，以及在4 6的面塊 F中的圖形。爲了辨認出文件佈局且傳至掃瞄系統，可應 用的一個佈局辨認系統是基於一個平面分割模型，如圖 5 A至5 F所示，其他模型亦適切地予以應用，此種平面 分割模型實例先設定此文件的佈局不論如何複雜，可以若 干數目的剪裁（cut)部份來描述，平面分割可重覆性的 以一個二進樹（binary tree)來表示，假設以樹葉代表 之次平面的正規排序以經予以定義，各個分割平份及平面 先予以辨認，例如，其特徽可描述爲特定的水平及水平構 件，Η及V。各個分割部份經辨認而成爲一樹狀結構的一 本紙張尺度適用中國國家梂準（CNS〉A4規格（210X297公釐） 83. 3.10,000 ------- 4丄 (蜻先閲璜背面之注意事項再填寫本頁) 訂 線 -30 - A【7 A【7

經濟部中央搞準局員工消費合作社印衷 部份，此樹狀結構再被編性字串，針對此顯示出的 文件而言，一個重菝的語法可用來取得以下的結果： (H1"CRTA(V2"(H3.，CRTB(H5"PHTCCRTD) ) (V4._CRT (H3_.FIGFCRTG)〉）); 其中各個正確位©是以英时來表示，不管是垂直方向 或水平方向，CRT代表被指定文字區塊所計算得出的證 明窖：PHT代表照片；而F I G則爲圖形。短字串則可 全然描述文件的基本佈局：在字串中，可隱涵其他的資訊 ，例如，次平面內容的描述（亦即，文字，圖形，方程式 ，照片），紙頁上次平面的精確的X，Y座標，當然也含 有錯誤檢知/修正的證明書數値。 爲了不讓謓者清楚見到標記，舉例而言，可以將檩記 '藏（hide)'在一個記號（logo)中，一個 3/4 X 3 /4平方英吋的記號可以針對超過1 0 0 0 編碼，其他寅例可包括：使用隱形墨水或者 文件本身的格式中，不需要在文件中諛者可 例如空白邊綠區域中放入其他資訊，重要的 地確定資訊的所在位fi且輕易地讀取·編碼資 避免與諛者可諛部份產生混淆而變得無法閱 4 因爲標記在以上的說明中與0 C R的使 前爲止，我們假設用以讀取標記的裝置是一 器，由於其他輸入裝置的發展，所使用的編 相關的系統運作，如同以上所^的說明，對 本紙張尺度適用中國國家樣準（CNS ) Α4洗格（210Χ297公釐） 位元的資訊作 將標記隱藏在 諛部份之外， 是電腦可容易 訊，如此則可 諛0 用相關，至目 個數位化掃瞄 碼系統將配合 於精於本技術 83. 3.10,000 ----------裝 丄---訂------線—丄丨 ί . ' ' (請先間靖背而之注意亊項再填寫本頁) -31 - 經濟部中央標準局員工消費合作社印製 A7 B7 五、發明説明（29 ) 領域的人士而言，可以在不超出本發明之精神及申請專利 範園的原則下，針對本發明作各種修改。 (請先閲讀背面之注意事項再填寫本頁) -L!

、tT 83. 3.10,000 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐） _ 32 -

Claims (1)

1. 經濟部中央標準局員工消費合作社印製 A8 B8 C8 D8六、申請專利範圍 1 ·—種用以針對電腦產生的印刷文件，以電子方式 再製出字符資料的方法包含以下的步驟： 將若干個第1二進位數値指定給上述的第1字符資料 ，其中的一個第1二進位數値被指定給上述第1字符賫料 的各個字符： 印出上述資料及上述若干個第1二進位數値： 以光學方式掃瞄具有上述第1字符資料和上述若干個 第1二進位數値的印刷文件，以便產生一至少包含一個字 串的電子式文件，而該字串則包括第2字符：以及 將若干個第2二進位數値指定給上述具有第2字符的 字串，其中一個第2二進位數値係指定給各個第2字符： 以及 將上述若干個第1二進位數値與上述若干個第2二進 位數値比較： 2. 根據如申請專利範園第1項中的方法，亦包含辨 認第2字符錯誤之存在及位置的步驟，即使當一字符的第 2二進位數値與該字符的第1二進位數値不同。 3. 根據如申請專利範園第2項中的方法亦包括針對 辨認出之錯.誤作自動修正的步驟。 4. 根據如申請專利範園第3項中的方法，其中的修 正包含將該若干個第2二進位數値與賅若干個第2二進位 數値相對正以去除錯誤的步騍。 5. 根據如申請專利範園第4項中的方法，亦包含藉 由變更至少一個第2字符字串以產生至少一個第3字符字 (請先閲讀背面之注意事項再填寫本頁) r 、?τ 線Γ 本紙張尺度適用中國’國家標準（CNS ) Μ規格（210X297公釐） -33 - 經濟部中央標準局員工消費合作社印裝 A8 B8 C8 D8 六、申請專利範圍 串的步驟。 6. 根據如申腈專利範第5項中的方法，其中的指 定程序亦包含將至少一個第1賫料相關數値指定給第1字 符資料，而印刷程序亦包含印出至少一個第1賫料相關數 値的步驟。 7. 根據如申請専利範園第6項中的方法，其中將至 少一個第1資料相關數値指定給第1字符資料的程序亦包 含針對第1字符資料進行錯誤修正賫訊編碼的步驟。 8. 根據如申請専利範園第7項中的方法亦包含將錯 誤修正編碼賫訊傅給至少一個第3字符字串的步驟。 9. 根據如申請專利範園第6項中的方法，其中將至 少一個資料相關數値指定給第1字符資料的程序包含針對 第1字符資料計算出至少一個第1核對和的步驟。 10. 根據如申請專利範圍第9項中的方法亦包含以 下的步驟： 針對至少一個第3字符字串，計算出至少一個第2核 對和； 將至少一個第1核對和與至少一個第2核對和相比較 :以及 當兩核對和相異時，則針對至少一個第3字符字串， 檢知出至少一個錯誤。 11. 一種用以對資料相關黉訊作編碼的方法包含以 下的步騍，其中所謂的賫料相關賫趴係關於一個至少具有 若千個印刷文字列的印刷文件，上述步騍包括： _本紙用中國國家標準（CNS > A4規格（210X297公釐) (請先聞讀背面之注意事項再填寫本頁) 訂 線Γ -34 - 經濟部中央榇準局員工消費合作社印製 A8 B8 C8 D8 七、申請專利範圍 將印刷文件減量成若干個二進位數値：並且 在該印刷文件紙面上印上一個具有上述若干個二進位 編碼數値的檫記，而其中的二進位編碼數値是以機器可讀 取的符號來表示。 12. 申請專利範圍第11項中的方法亦包括對文件 佈局細部作編碼以及印出被編碼在該檫記中之文件佈局的 步驟。 13. 申請專利範園第11項中的方法亦包括將數個 置換錯誤修正碼指定給上述印刷文字以及在該檩記中印出 錯誤修正碼的步驟。 14. 申請專利範圍第11項中的方法亦包括針對上 述印刷文字計算出至少一個核對和以及在該標記中印出上 述錯誤修正碼的步驟。 1 5 .—個以機器可讀取符號表示兩存在於具有印刷 字符文字列之印刷文件表面的標記包含： 至少一個用以對印刷字符作編碼的減置字串。 16. 申請專利範_第15項中的標記亦包含至少一 個針對上述印刷字符而計算出的核對和。 17. 申請專利範圍第15項中的檫記亦包含至少一 個針對上述印刷文件之佈局而計算出的佈局相關數値。 18. 申請專利範園第15項中的檫記亦包含至少一 個與該印刷字符相關的錯誤修正碼。 19種可達成較準確之光學字符辨識文件再製程 序的方法，包括若干個步驟：其中所指的文件包含原始印 本紙張尺度適用中國國家標準（CNS ) Λ4规格（210X297公釐） (請先聞讀背面之注意事項再填寫本頁) 、1T -35 - 經濟部中央標準局員工消費合作社印製 A8 B8 C8 D8 六、申請專利範圍 刷文件字列以及至少一個包含有若干個第1減量字串的文 件標記，各個減置字串與一個印刷文字字串相對應，賅文 件標記至少含有一個針對該印刷文字字串而計算出的第1 核對和數値，這些步驟包括： 產生一份電子式文件，此文件包含若干個藉由光學掃 瞄該原始印刷文字所得到第1再製文字字串； 對至少一個文件檫記作光學掃瞄： 針對掃瞄文件標記所得到的數個第1減置字串作編碼 * 將上述再製文字減童成數個第2減置字串； 藉由比較第1及第2減量字串而計算出原始印刷文字 以及再製印刷文字兩者相對應文字列間的編輯距離； 比較兩個編輯距離，若差異超過某一預設量時，則辨 認出再製文字中的文字列插入及消除錯誤： 修正所檢知到的列插入及消除錯誤； 比較各個第1減量字串和第2減置字串； 辨認出在再製文字中位於字串位置的文字錯誤，在 此位置上，上述的二個.減量字串並不符合； 針對已有文字錯誤被辨認出來的字串位置，將其中不 同的字符換掉以產生至少一個第2再製文字串： 將第2核對和與第1核對和相比較：並且 當第1及第2核對和相等時，針對第2再製文字串的 準確度進行確認。 2 〇 .根據申請專利範圍第1 9項中的方法，其中的 本紙張尺度適用中國'國家標準（CNS > A4规格（210X297公釐） ----^-------^ U ! (請先閲讀背面之注意事項再填寫本頁) 訂 線--Μ -36 - A8 B8 C8 D8 六、申請專利範圍 文件檩記亦包含數個原始本文的錯誤修正碼，也包含將對 應的錯誤修正碼在計算出該本文之第2核對和之前，使用 在至少一個第2再製本文字串中。 21.利用光學掃瞄以進行準確再製程序所採用的印 印文件包含讀者可見的印刷資料以及至少一個機器可讀的 標記，而此標記至少包含一個對該印刷資料進行編碼的一 個減量字串。 2 2 .根據申請專利範園第2 1項中的文件，其中至 少存在一個機器可讀的檫記，而此標記至少包含一個對該 印刷資料計算得出的核對和。 2 3 .根據申請專利範圔第2 1項中的文件，其中至 少存在一個機器可讀的標記，而此檫記亦至少包含一個針 對骸印刷文件之佈局所計算得到的佈局相關數値。 2 4 .根據申請專利範園第2 1項中的文件，其中至 存在一個機器可讀的標記，而此標記亦至少包含一個與該 印刷資料相關的錯誤修正碼。 (請先閱讀背面之注意事項再填寫本頁) 訂 if 經濟部中央標準局員工消費合作社印製 本紙張尺度逋用中國國家標準（CNS > A4規格（21〇Χ297公釐） -37 -