DE69302003T2

DE69302003T2 - Dateneingabeanlage

Info

Publication number: DE69302003T2
Application number: DE69302003T
Authority: DE
Inventors: Dan Chevion; Ittai Gilat; Andre Heilper; Oren Kagan; Amir Kolsky; Yoav Medan; Eugene Walach
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 1992-12-15
Filing date: 1993-12-01
Publication date: 1996-10-24
Anticipated expiration: 2013-12-02
Also published as: US5455875A; EP0602821A3; DE69302003D1; EP0602821B1; GB9226137D0; EP0602821A2

Description

Die vorliegende Erfindung betrifft ein Dateneingabesystem für das Gewinnen von Buchstabeninformationen aus eingescannten Dokumentenabbildungen.
Mit dem Fortschritt der computerisierten Datenverarbeitung wurde es allgemein üblich, Informationen in elektronischer Form über die automatisierte Informationserkennung aus eingescannten Dokumenten zu generieren. Mit anderen Worten, die Datenerfassung läuft ab wie folgt. Zuerst werden Dokumente gescannt, dann werden vorgegebene Felder herausgezogen und zum Umsetzen eines Bildes in codierte Form, wie z. B. ASCII, zu Erkennungsmodulen geschickt.
Trotz der Tatsache jedoch, daß diese Erkennung jetzt sowohl für gedruckte als auch für handgeschriebene Texte durchgeführt werden kann, führt der Erkennungsprozeß fast immer zu einer ganzen Reihe von Fehlern und Zurückweisungen.
Daher bleibt die Notwendigkeit für manuelles Überprüfen und Korrigieren der erkannten Daten. Das geschieht in der Regel durch Anzeige der gescannten Abbildungen und der zugehörigen optischen Zeichenerkennungsergebnisse für einen menschlichen Bediener. Die menschlichen Bediener vergleichen dann den Text und führen gegebenenfalls eine Korrektur durch.
Solche Systeme werden z. B. geoffenbart in US 5,025,484, EP-A- 0,107,083, GB 2,149,171 und 'Visual Verification of OCR Rejects', Research Disclosure Nr. 313, Mai 1990, XP114832.
Herkömmlicherweise gibt es zwei Arten der Durchführung dieses Prozesses. Entweder muß ein Bediener alle Felder und Eingabefehler und Zurückweisungen überprüfen, die im OCR-Prozeß entdeckt wurden, oder sie müssen nur diejenigen Felder durchsehen und korrigieren, in denen mindestens ein Fehler oder eine Zurückweisung gefunden wurde.
In beiden Fällen ist der Prozeß wie folgt: Ein problematisches Feld wird auf dem Bildschirm gezeigt, wobei die Ergebnisse der Erkennung im Bild angezeigt werden. Problematische Zeichen werden im allgemeinen besonders hervorgehoben, z. B. kann der Cursor unter dem ersten problematischen Zeichen stehen bleiben oder der Videomodus kann umgekehrt werden, um die problematischen Zeichen hervorzuheben. Der Bediener kontrolliert und korrigiert gegebenenfalls die hervorgehobenen Zeichen und der Prozeß wiederholt sich, bis alle problematischen Zeichen berichtigt sind.
Ein Hauptnachteil des Standes der Technik ist es, daß die Felder von Bediener im Zusammenhang mit der Abbildung des ursprünglichen Dokuments gesehen werden. Nehmen wir an, daß die optische Zeichenerkennung 5% der zurückgewiesenen Zeichen erzeugt und daß in jedem Feld durchschnittlich 20 Zeichen stehen. In einem solchen Fall enthalten etwa 35% der Felder mindestens ein zurückgewiesenes Zeichen.
Daraus folgt, daß auf dem Stand der Technik in mindestens 35% der Fälle der Bediener gezwungen ist, sich mental auf das Feldbild zu konzentrieren, das Problem zu identifizieren und es zu korrigieren. Somit verbessert auf dem Stand der Technik eine OCR-gestützte Dateneingabe die Produktivität um höchstens einen Faktor 3 gegenüber einem rein manuellen Dateneingabeprozeß.
Die vorliegende Erfindung zielt ab auf eine weitere Verbesserung der Effizienz der OCR-gestützten Zeichendateneingabe.
Dementsprechend sieht die Erfindung vor ein Dateneingabesystem zum Generieren einer elektronisch gespeicherten codierten Darstellung einer Zeichensequenz aus einer oder mehreren elektronisch gespeicherten Dokumentenabbildungen, enthaltend eine optische Zeichenerkennungslogik zum Generieren von Zeichendaten aus der Dokumentenabbildung bzw. den Dokumentenabbildungen, die eines aus einer Vielzahl möglicher Zeichenwerte für entsprechende Segmente der Dokumentenabbildungen spezifizieren, sowie ein interaktives Anzeigegerät, das Mittel zum Generieren und sequentiellen Darstellen eines oder mehrerer Typen zusammengesetzter Abbildungen aufweist, wobei jede zusammengesetzte Abbildung Segmente der Dokumentenabbildung bzw. der Dokumentenabbildungen enthält, und einen Korrekturmechanismus, der auf eine Eingabeoperation eines Anwenders anspricht, um es dem Bediener zu ermöglichen, die den angezeigten Segmenten zugeordneten Zeichendaten zu korrigieren, dadurch gekennzeichnet, daß die Anordnung der Segmente in einem Typ der zusammengesetzten Abbildungen in Segmentgruppen erfolgt, für die die Zeichendaten den gleichen Zeichenwert spezifizieren.
Die Erfindung verkürzt wesentlich die Zeit, die zum Korrigieren und Ergänzen der Dateneingabe bei Dokumenten nach einem OCR-Prozeß erforderlich ist.
Das Anzeigen zusammengesetzter Abbildungen für den Bediener, die ganz aus Zeichen bestehen, die von der OCR-Logik als vom gleichen Typ erkannt wurden, läßt eine schnellere Fehlererkennung und Markierung auf einer Ausnahmebasis zu. Sobald diese Fehler erkannt sind, können sie entweder sofort oder während der Korrektur von Zeichen verbessert werden, die von der OCR-Logik zurückgewiesen wurden.
Wenn die Zeichendaten einen Vertrauenswert enthalten, der jedem spezifischen Zeichenwert zugeordnet wird, wobei dieser Vertrauenswert ein Hinweis für die Wahrscheinlichkeit der Richtigkeit des bestimmten Zeichenwerts ist, kann das zusammengesetzte Bild auch Segmente enthalten, die einen entsprechenden Vertrauenswert enthalten, der nur eine geringe solche Wahrscheinlichkeit anzeigt.
Zwecks Erzielen einer Extrageschwindigkeit lassen sich die Segmente in solchen zusammengesetzten Abbildungen in Gruppen von n Segmenten anordnen, wobei der Bediener in der Lage ist, den Vertrauenswert für die hohe Wahrscheinlichkeit der Richtigkeit des Zeichencodes in jedem dieser n Segmente durch eine einzige Bedienereingabeoperation festzusetzen.
Wenn die bearbeiteten Dokumente so sind, daß die Zeichencodes gemäß vorbestimmten Kriterien in Feldern angeordnet sind, wie z. B. Ort im Dokument, kann der Korrekturmechanismus auf vorteilhafte Weise mit einer Logik zum Generieren eines oder mehrerer zusammengesetzter Abbildungen versehen sein, die Segmentgruppen des Dokumentabbildes beinhalten, die Feldern des gleichen Typs zugeordnet sind und die zusammengesetzten Abbildungen zur Korrektur durch den Bediener anzeigen. Das ermöglicht die Korrektur dieser wenigen Fehler, die nur im Kontext berichtigt werden können.
In einer Ausführungsform ist die vorgegebene Bedienereingabeoperation die Betätigung einer Maus zu einem Zeitpunkt, wenn der Cursor auf dem angezeigten Element steht und die Anzeige der zusammengesetzten Abbildungen über eine Videoanzeigeeinheit vorgenommen wird, wie z. B. einen Monitor mit einer Kathodenstrahlröhre.
Gesehen unter einem anderen Aspekt sieht die Erfindung vor ein Verfahren zur Bedienung eines Dateneingabegeräts zum Generieren einer elektronisch abgespeicherten codierten Darstellung einer Zeichensequenz aus einer oder mehreren elektronisch gespeicherten Dokumentenabbildungen, wobei das Verfahren beinhaltet: Generieren von Zeichendaten, die einen einer Vielzahl möglicher Zeichenwerte für entsprechende Segmente der Dokumentenabbildung spezifiziert unter Verwendung einer optischen Zeichenerkennungslogik; Generieren und sequentielles Anzeigen eines oder mehrerer Typen zusammengesetzter Abbildungen aus den Zeichencodes und den Dokumentenabbildungen, wobei jede zusammengesetzte Abbildung die Segmente der Dokumentenabbildungen umfaßt, die in Segmentgruppen zusammengefaßt sind, für die die Zeichendaten den gleichen Zeichenwert spezifizieren; Wählen von Segmenten von Dokumentenabbildungen, die als Teil der zusammengesetzten Abbildungen angezeigt sind; und Korrigieren der Zeichendaten entsprechend den angewählten Segmenten, um die codierte Darstellung zu generieren.
In einer besonders vorteilhaften erfindungsgemäßen Form ist jedem der Dokumentsegmente ein Vertrauenswert zugeordnet, der ein Ausdruck der Wahrscheinlichkeit ist, daß der ihm zugeordnete Zeichencode richtig ist, und die Zeichencodes sind in Feldern angeordnet, die jeweils eines oder mehrere Zeichen beinhalten, wobei das Verfahren das Generieren und sequentielle Anzeigen einer Vielzahl von zusammengesetzten Abbildungen eines ersten Typs umfaßt, in dem die Segment& in Segmentgruppen, für die die Zeichendaten den gleichen Zeichenwert spezifizieren, angeordnet wird; Auswählen von Segmenten, die im ersten Typ der zusammengesetzten Abbildung angezeigt sind, und Setzen des entsprechenden Vertrauenswerts, so daß er eine geringe Wahrscheinlichkeit für die Richtigkeit des spezifizierten Zeichenwerts anzeigt; und Generieren und sequentielles Anzeigen einer Vielzahl zusammengesetzter Abbildungen eines zweiten Typs, der Segmente beinhaltet, die einen Vertrauenswert aufweisen, der eine ihnen zugeordnete geringe Wahrscheinlichkeit anzeigt; Auswählen von Segmenten der Dokumentenabbildung zur Anzeige als Teil der zusammengesetzten Abbildungen vom zweiten Typ; und Korrigieren der Zeichendaten entsprechend den ausgewählten Segmenten zum Generieren der codierten Darstellung.
Zum Korrigieren etwaiger noch vorhandener Fehler kann das Verfahren das Generieren und sequentielle Anzeigen einer Vielzahl zusammengesetzter Abbildungen eines dritten Typs beinhalten, umfassend Gruppen von Segmenten, die Feldern zugeordnet sind, denen der gleiche Wertetyp zugeordnet ist; Auswählen von Argumenten der Dokumentenabbildungen, die als Teil der zusammengesetzten Abbildungen des dritten Typs angezeigt werden; und Korrektur der Zeichendaten, die den ausgewählten Segmenten entsprechen, um die codierte Darstellung zu generieren.
Anschließend soll eine Ausführungsform der Erfindung nur beispielhaft beschrieben werden unter Bezugnahme auf die begleitenden Zeichnungen, in denen
Fig. 1 das in der Ausführungsform gebrauchte Gerät zeigt;
Fig. 2 ist eine schematische Ansicht des Geräts aus Fig. 1;
Fig. 3 ist eine schematische Darstellung der benutzten Softwareelemente;
Fig. 4 zeigt ein grundlegendes Eingabeprozeßmodul;
Fig. 5 ist ein Flußdiagramm, das die Operationsfolge zeigt;
Fig. 6 zeigt ein Beispiel für eine zusammengesetzte Abbildung.
Das Dateneingabesystem der Erfindung wird in Fig. 1 allgemein dargestellt. Es enthält einen Personalcomputer 10, der mit einer Scannervorrichtung 20 verbunden ist. Fig. 2 ist ein Blockschaltbild und zeigt die relevanten Teile des Computers 10 und des Scanners 20. Der Prozessor 30 ist über den Bus 40 mit der Plattenspeichereinrichtung 50, der Kathodenstrahl- Anzeigevorrichtung 60, Anwender-Eingabevorrichtungen - Tastatur und Maus - verbunden, die bei 70 allgemein dargestellt sind. Der Prozessor 30 liegt über den Bus 40 und den Eingabe/Ausgabeadapter 80 an der Scannervorrichtung 20.
Die Scannervorrichtung 20 ist eine herkömmliche Vorrichtung eines auf dem Stand der Technik wohlbekannten Typs. Sie wird benutzt zum Scannen von dort eingelegten Dokumentenseiten und übermittelt digitalisierte Abbildungen an den Rechner 10, die dann in der Speichervorrichtung 50 gespeichert werden. Die Abbildungsdigitalisierung wird bewirkt im Scanner 20 durch Messen der Helligkeit des Lichts, das von kleinen rechtwinkligen Bereichen der Seiten reflektiert wird, wobei diese Bereiche in Zeilen und Spalten angeordnet sind, um die ganze Seite zu überdecken, und Vergleichen der Helligkeitsniveaus jedes einzelnen Bereichs mit einem Schwellenwertparameter. In den digitalisierten Abbildungen, die vom Scanner produziert werden, werden die Bildelemente (Pels), die über diesem Schwellenwert liegen, auf 1 gesetzt, und Bildelemente, die darunter liegen, werden auf 0 gesetzt.
Gespeicherte Dokumentenabbildungen werden verarbeitet, um eine Folge von codierten Zeichendaten zu generieren, die die Zeicheninformationen enthalten, die aus den Dokumentenabbildungen gewonnen werden, die aber in einer Form, wie z. B. ASCII, sind, die im Computer leichter abzuspeichern und zu bearbeiten ist.
Fig. 3 ist ein schematisches Diagramm, das die in dieser Ausführungsform benutzten Softwareelemente zeigt. Die OCR-Logik 90 nimmt die Dokumentenabbildungen als Eingang auf und generiert eine Sequenz von Zeichencodes und zugehöriger Vertrauenswerte, die zusammen mit den segmentierten Zeichenabbildungen in der Datenbank 100 abgespeichert werden. Die Datenbank 100 enthält und verwaltet die folgenden Informationen für jedes Dokument:
1. Dokumentenabbildung.
2. Abbildung aller segmentierten Zeichen, die von der OCR- Logik 90 verarbeitet wurden.
3. Aufzeichnung der Erkennungsergebnisse, d.i. die Zeichencodes und Vertrauenswerte.
4. Eine Vordruck-Definitionsdatei, die die Informationen enthält, aus denen der Ort der einzelnen Zeichen und der OCR- Ergebnisses berechnet werden kann. Es handelt sich um eine Liste von Feldnamen mit ihrem geometrischen Ort auf dem Vordruck, ihren Typ (Zahl, Buchstaben usw.) und die Anzahl der Zeichen im Feld.
Grundeingabeprozeß-Module (BKP-Basic Key-in Process) 110, 120 und 130 rufen die Datenbank-Daten ab und modifizieren sie, wie nachstehend noch genauer beschrieben wird.
Der Dateneingabeprozeß umfaßt im allgemeinen fünf Stufen:
1. Die Dokumentenabbildungen enthalten eine Anzahl Felder, die jeweils einem besonders vordefinierten Bereich der Dokumentenabbildung entspricht. Jedes zu erkennende Feld ist in Abbildungen individueller Zeichen segementiert, die erkannt werden müssen.
2. Die einzelnen Zeichen werden in die OCR-Logik 90 eingespeist, die entweder die Zeichen erkennt, möglicherweise mit Fehlern, oder sie zurückweist. Viele Methoden der optischen Zeichenerkennung sind auf dem Stand der Technik bekannt und Einzelheiten der Operation der Zeichenerkennungslogik sollen hier nicht näher ausgeführt werden. Die OCR-Logik generiert für jede Zeichenabbildung einen Zeichencode und einen Vertrauenswert. Die Zeichen, die mit einem geringen Vertrauenswert generiert werden, gelten als zurückgewiesen.
3. Abbildungen einzelner Zeichen werden zu zusammengesetzten Mosaik Abbildungen zusammengefügt, die für eine optimale Bedienerproduktivität brauchbar sind. So werden die Zeichen aus verschiedenen Feldern, und sogar aus unterschiedlichen Dokumenten, zu einem zusammengesetzten Bild verschmolzen.
4. Die Zeichencodes, die diesen zusammengesetzten Abbildungen zugeordnet sind, werden vom Bediener in einer Eingabesitzung korrigiert.
5. Dateneingabeergebnisse werden in ihrer eigenen Sequenz innerhalb des Originaldokuments zwecks Endverarbeitung umgeformt.
Der Erfolg des Prozesses hängt davon ab, ob es möglich ist, eine höhere Bedienerproduktivität bei der Korrektur der zusammengesetzten Abbildungen zu erzielen, als bei der Anzeige der einzelnen Zeichen im Zusammenhang mit dem Dokument selbst.
In der Ausführungsform werden drei unterschiedliche Typen der zusammengesetzten Abbildungen auf verschiedenen Stufen des Korrekturprozesses benutzt. Die Typen aus zusammengesetzten Abbildungen werden gekennzeichnet durch die Ausnahmedateneingabe (Exemption Data Entry), Speicherumfangdateneingabe (Memory Span Data Entry) und Feldtypdateneingabe (Field Type Data Entry) der Erfinder.

1. Ausnahmedateneingabe (Exemption Data Entry)

Die Zeichen werden gewonnen, sortiert und in zusammengesetzten Abbildungen gemäß den Erkennungsergebnissen angezeigt. Alle erkannten Zeichnen mit einem besonderen Wert des Zeichencodes sind in den zusammengesetzten Abbildungen gruppiert, d. h. die Abbildungen aller Zeichnen, die als '1'-en gekennzeichnet sind, werden zusammen als ein zusammengesetztes Bild gezeigt. Genau das gleiche gilt für die Abbildungen, die als '2'-en erkannt worden sind, usw.
Diese Ergebnisse werden vom Bediener auf Richtigkeit überprüft. Fehler werden markiert mittels einer Anzeigevorrichtung, d. h. durch Bewegen des Cursors auf die unkorrekte Abbildung und Klicken der Maus, und als zurückgewiesen gekennzeichnet. Durch dieses Verfahren können alle OCR-Fehler gekennzeichnet werden.

2. Speicherumfangdateneingabe (Memory Span Data Entry)

Eine zusammengesetzte Abbildung wird gebildet, die sich aus n gleichzeitig auf dem Schirm angezeigten zurückgewiesenen Zeichenabbildungen zusammensetzt. Die zurückgewiesenen Zeichenabbildungen können entweder von der OCR-Maschine zurückgewiesen werden, d. h. mit einem niedrigen Vertrauenswert erkannt werden, oder sie können durch das Ausnahme- Dateneingabeverfahren als Fehler gekennzeichnet werden.
Der Bediener kann diese Abbildungen dann manuell korrigieren. Der Parameter n wird so gewählt, daß das angezeigte Bildformat für den Bediener leicht zu erkennen ist, um die Dateneingabegeschwindigkeit zu maximieren. Die Erfinder haben gefunden, daß ein Betrag von n = 3 optimal ist. Diese Zahl kann jedoch vom Bediener nach Belieben verändert werden.
Es ist vorteilhaft, diese Speicherumfangdateneingabe von Daten, die gemäß den OCR-Ergebnissen sortiert sind, durchzuführen, so daß die Felder durch Ausnahmedateneingabe korrigiert werden können, und es ist leicht, diese Sätze zurückgewiesener Daten zu identifizieren, soweit keine Korrektur erforderlich ist. Wenn 80% der Zeichen, die von der OCR mit einem niedrigen Vertrauensniveau erkannt werden, in Wirklichkeit richtig sind, dann sind bei n = 3 in 50% der Datensätze die OCR-Ergebnisse richtig und der gesamte Satz kann mit einem einzigen Tastendruck akzeptiert werden.

Feldtypdateneingabe (Field Type Data Entry)

Wenige Fehler können von einem Bediener in ihrem Zusammenhang korrigiert werden. Dieser Dateneingabetyp ist ausgelegt, diese Fehler zu bearbeiten. Zeichen werden in Feldern des gleichen Typs gruppiert und der Bediener kann die Informationen benutzen, die er über den Feldtyp hat, um zur Fehlerkorrektur beizutragen. Wenn z. B. in einem gegebenen Dokumentenstapel alle Daten zusammen gruppiert werden, werden alle Namen zusammen gruppiert usw. Als Ergebnis ist es für den Bediener leichter, sich auf eine bestimmte Betriebsart zu konzentrieren. Ferner gibt es eine erhöhte Chance für die Ahnlichkeit zwischen den Feldern, wenn z. B. viele Dokumente mit dem gleichen Datum generiert wurden, ist es leichter, dieses Datum in alle Felder dieses Typs einzuspeisen, und dann müssen nur Ausnahmen korrigiert werden.
In der Betriebsart, die in der vorliegenden Ausführungsform angewendet wird, werden diese drei Dateneingabetypen vorteilhafterweise kombiniert wie folgt.
1. OCR wirkt auf alle Zeichen. Einige Zeichen können durch diesen Prozeß zurückgewiesen werden.
2. Erkannte Zeichen werden unter Benutzen der Ausnahmedateneingabetechnik überprüft. In diesem Fall werden alle OCR-Fehler erkannt und gekennzeichnet.
3. Zurückgewiesene Zeichen und die als Fehler gekennzeichneten Daten werden korrigiert unter Verwendung der Speicherumfangdateneingabe, sortiert nach Feldern des gleichen Zeichentyps.
4. Die wenigen übrigbleibenden Zeichen, die durch Schritt 3 nicht korrigiert werden konnten, werden im Zusammenhang durch die Feldtypdateneingabe korrigiert.
Die Struktur der einzelnen BKP-Module wird in Fig. 4 gezeigt. Sie betreffen die folgenden drei Module:
1. Das Vorverarbeitungsmodul 140. Dieses Modul übernimmt den Satz der Dokumentenabbildungen und ordnet die Zeichen in allen diesen Dokumenten gemäß bestimmter Eingaberegeln neu. Es ist ein Datenbank-Abfrageverarbeitungsmodul, das die Datenbank 100 der Dokumentenabbildungen und OCR-Ergebnisse abfragt, und das Ergebnis einer Abfrage ist eine Satz zusammengesetzter Abbildungen, bestehend aus Zeichen der Datenbank, die der Abfrage entsprechen. Die von diesem Modul akzeptierten Abfragen sind:
a. "Übernimm alle Zeichen, die mit hoher Vertrauenswürdigkeit als 'x' erkannt wurden und ordne sie in einem Mosaik an" ('x' ist irgendein Zeichen). In diesem Falle wäre das Ergebnis dieser Abfrage alle Zeichen im Satz, die als 'x' erkannt sind und in einem Abbildungssatz angeordnet sind, von denen jedes eine Matrix von Zeichenabbildungen ist. Die Zeichen im Mosaik sind ggf. alle vermischt, wobei jedes von der einen oder anderen Form kommt, aber sie alle sind als 'x' erkannt worden. Diese Abfrage entspricht der oben beschriebenen Methode "Eingeben durch Ausnahme".
b. "Nimm alle Zeichen, die mit geringem Vertrauen erkannt wurden und ordne sie in einem Mosaik an". In diesem Fall besteht jede zusammengesetzte Abbildung aus n Zeichen, wobei n ein Parameter ist, der vom Bediener eingestellt werden kann. Diese Abfrage bezieht sich auf die oben beschriebene Methode "Eingabe über den gesamten Speicherumfang"
c. "Nimm alle Felder, die 11, 12, 13,. . ., gekennzeichnet sind, und ordne sie in einem Mosaik an", wobei 1i ein symbolischer Name für ein spezifisches Feld im Vordruck ist. In diesem Falle besteht das zusammengesetzte Zeichen aus einem vollen Feld. "Nimm alle Felder, die ein Jahr darstellen" ist ein Beispiel für eine solche Abfrage, die zu Mosaiken führt, die aus Feldern bestehen, die ein Jahr darstellen (Geburtsjahr, Jahr der derzeitigen Daten usw.). Diese Abfrage bezieht sich auf die oben beschriebene Methode "Eingabe gemäß Feldtyp".
Der Ausgang des Vorverarbeitungsmoduls 140 beinhaltet die folgenden Elemente:
a. Die zusammengesetzten Abbildungen.
b. Die entsprechenden OCR-Ergebnisse, die in Mosaiken angeordnet sind.
c. Zeiger, die zurück zur Datenbank weisen, um deren Aktualisierung zu ermöglichen, sobald der richtige Erkennungswert für jedes Zeichen in den Mosaiken erhalten wurde. Diese Zeiger werden generiert in einer Datei, die für jedes Zeichen im Mosaik z. B. die Informationen enthalten, von welchem Dokument und von welchem Zeichen in diesem Dokument es genommen wurde. Wenn zum Beispiel ein Mosaik "Eingabe durch Ausnahme" generiert wird, ist das Zeichen am Ort i,j im Mosaik das k-te Zeichen im Feld m in Dokument n.
2. Die Eingabe-Anwenderschnittstelle 150. Dieses Modul nimmt den Ausgang des Vorverarbeitungsmoduls als Eingang auf und generiert nach einer Eingabesitzung einen Satz Eingabeergebnisse für die Mosaiken. Die Anwenderschnittstelle 150 ist eine grafische Anwenderschnittstelle, die die einzugebende zusammengesetzte Abbildung anzeigt und die Daten für die Eingabe-Schreibfelder zum Eintrag der Eingabedaten erzeugt, jeweils ein Dateneingabefeld für jedes Element im Mosaik. Die Eingabeergebnisse haben genau das gleiche Format wie die OCR- Ergebnisse.
3. Der Nachprozessor 160, der die Eingabeergebnisse und die Zeigerdatei als Eingang übernimmt und die erkannten Ergebnisse in der Datenbank der anfänglichen Formen aktualisiert.
Diese drei Module sind gemäß Fig. 4 verschaltet. Das Vorverarbeitungsmodul 140 generiert die Mosaiken und einen Satz Zeiger zurück zur Datenbank. Davon generiert die Eingabe- Anwenderschnittstelle 150 einen Satz Eingabeergebnisse. Diese werden an das Nachverarbeitungsmodul 160 weitergeleitet und die OCR-Datensätze werden unter Benutzung der Zeigerdatei vom Vorverarbeitungsmodul aktualisiert.
Drei unterschiedliche BKPs 110, 120, 130 sind unter Verwendung der Vorverarbeitungsmodi gebaut, die in 1a, 1b und 1c beschrieben sind, und werden angeschlossen wie im Flußdiagramm der Fig. 5 beschrieben wird. Nach der Verarbeitung 170 durch die OCR-Logik wird BKP mit Eingabe durch Ausnahme durchgeführt 180, so daß in der Datenbank 100 alle Zeichen mit einem hohen OCR-Vertrauenswert, von denen festgestellt wurde, daß sie in Wirklichkeit ein falsches OCR-Ergebnis haben, auf einen niedrigen Vertrauenswert gesetzt werden, d. h. sie werden als Zurückweisungen gekennzeichnet.
Fig. 6 zeigt ein Beispiel für eine zusammengesetzte Abbildung, die bei der Eingabe durch Ausnahme erzeugt wird. Die zusammengesetzte Abbildung enthält alle Zeichen, die von der OCR als Buchstabe 'O' erkannt wurden. Fehler wurden in diesem Beispiel identifiziert und als schattierte Segmente gekennzeichnet.
Als nächstes wird BKP mit Eingabe über den gesamten Speicherumfang durchgeführt 190, so daß in der Datenbank 100 alle Zeichen mit niedrigem Vertrauenswert so weit als möglich korrigiert werden. Schließlich wird die Eingabe durch Feldtyp durchgeführt 200, um diese wenigen Fehler zu korrigieren, die im Zusammenhang mit der Generierung einer korrekten Datenbank berichtigt werden müssen.
Die Ausführungsform wurde als ein geeignet programmierter Allgemeinzweck-Computer beschrieben, der zusammen mit einer herkömmlichen Scannervorrichtung eingesetzt wird, in der Praxis kann natürlich die Erfindung auch als Hardware implementiert werden, entweder als Teil des Scanners oder als Spezialadapter zum Einsatz mit dem Computer oder als selbständige Hardwarevorrichtung, oder kann auch als jede beliebige Kombination zwischen Hardware und Software eingerichtet werden.
Hier erkennt man auch, daß viele Variationen der hier beschriebenen Geräte und Verfahren innerhalb des Bereichs der beiliegenden Ansprüche möglich sind. Die hier beschriebenen Verfahren können mit den unterschiedlichsten Zusatzmodulen für Felderkennung, OCR von gedruckten oder handgeschriebenen Daten, Zeichensegmentierung, Abbildungsanzeige und Eingabe arbeiten.
Das interaktive Anzeigegerät kann in vielen Formen ausgeführt sein. Zum Beispiel können die zusammengesetzten Abbildungen durch Drucken unter Verwendung einer Druckervorrichtung angezeigt werden. Der Bediener kann dann Fehler in den ausgedruckten Blättern anzeichnen und die markierten Blätter in ein Scannergerät einführen, das den Ort der markierten Fehler erkennt und die Zeichendaten entsprechend auf Stand bringt.
Als Alternative kann der Fehlerort auf dem aus gedruckten Blatt auch von Hand eingegeben werden.
Die Erfinder haben ihr Gerät zum Erfassen von Daten aus von Hand ausgefüllten Vordrucken und zum Erkennen von Adressen aus digitalisierten Adressenetiketten im Zusammenhang mit einer automatischen Postsortierung benutzt. Selbstverständlich ist darauf hinzuweisen, daß es eine große Vielfältigkeit bei den einzugebenden Datentypen gibt.
In der beschriebenen Ausführungsform ordnet die OCR-Logik einem zurückgewiesenen Zeichen eine niedrigen Vertrauenswert zu, andere OCR-Methoden sehen einen Code für ein zweitbestes Zeichen vor, das mit dem zweithöchsten Vertrauenswert erkannt wurde. Diese Information könnte beim Korrekturmechanismus benutzt werden, um den Dateneingabeprozeß zu beschleunigen, indem dem Bediener die zweite Wahl angeboten wird und dieser dann mit einem Tastendruck das Zeichen akzeptieren oder zurückweisen kann.
Weitere logische Tests können auf Felder wie Daten, Prüfsummen oder sonstige Code-Summen angewandt werden. Auch können Werte, die in Datenbanken oder Wörterbüchern angeführt sind, wie z. B. ID-Ziffern, auf ihre Gültigkeit überprüft werden. Solche Tests können sowohl die Geschwindigkeit als auch die Qualität des Dateneingabeprozesses verbessern und manuelle Eingriffe eliminieren. Dementsprechend können sie vor und nach jeder der obigen Dateneingabestufen als automatische Fehlerkorrektur/Erkennungsmechanismen eingesetzt werden.
Bei Anwendungen, bei denen die Genauigkeit von überragender Bedeutung ist, kann das Verfahren als Teil eines Zweidurchgangs-Prozesses benutzt werden. Die Ergebnisse der Dateneingabe mit der vorliegenden Methode werden dann mit Ergebnissen verglichen, die über eine manuelle Dateneingabe erhalten wurden, wobei Unstimmigkeiten einem Bediener angezeigt und von diesem berichtigt werden.
Nachstehend soll nur zu Illustrationszwecken eine ungefähre Analyse einer Leistungsverbesserung erbracht werden, die sich durch die vorliegende Lösung erreichen läßt.
Nehmen wir an, ein gegebenes Erkennungspaket weist 5% der Zeichen zurück und den Rest mit einem 1%igen Substitutionsirrtum akzeptiert, und 10 000 Dokumente mit 20 Zeichen in einem Schreibfeld müssen eingegeben werden, und die Produktivität des Bedieners ist 10000 Tastenanschläge die Stunde, dann ergibt das einen Durchschnitt von 1 s für die Korrektur jedes Feldes.
Mit Hilfe der manuellen Dateneingabe sollen unter Anwenden eines Doppeldurchgangs 200 000 Zeichen eingegeben werden. Jeder Durchgang erfordert 20 Stunden Bedienerzeit, was einen Gesamtaufwand von 40 Stunden Bedienerzeit ergibt.
Unter Anwendung der OCR-unterstützten Dateneingabe auf dem Stand der Technik müssen alle Daten manuell überprüft werden, um die 1% Substitutionsfehler aus der OCR zu finden. Nehmen wir einen ersten Durchgang der OCR-unterstützten Dateneingabe an mit Korrektur der Felder, die zurückgewiesene Zeichen enthalten, gefolgt von einem zweiten, manuellen Durchgang aller Daten, dann müssen
65% = 100% · (1 - 0.95²&sup0;)
der Felder im ersten Durchgang überprüft werden. Da wir für die Berichtigung eines Felds eine Zeit von 1 s angenommen haben, würde das erfordern
10 000 Dok. · 0,65 · 1s = 1,8 Std.
Der zweite, manuelle Durchgang würde, wie oben, 20 Stunden dauern und somit wäre die Gesamtzeit 21,8 Stunden.
Unter Anwendung der vorliegenden Technik würden wir mit Ausnahmedateneingabe aller erkannten Zeichen (200 000 · 0,95 = 190 000 Zeichen) beginnen, wenn jede zusammengesetzte Abbildung 80 Zeichen enthält und in 1 s verarbeitet wird, dann sind 190 000/80 = 2 375 Schirme erforderlich, die 0,66 Stunden dauern würden. Daraus folgt, daß 1% (1900) der Zeichen als zurückgewiesen gekennzeichnet sind. Diese Zeichen werden zu den 10 000 Erkennungszurückweisungen addiert und ergeben insgesamt 11 900 Zeichen, die unter Anwendung der Speicherumfangtechnik einer Korrektur bedürfen. Das würde 11 900/10 000 = 1,19 Stunden dauern. Somit ist die gesamte Bedienerzeit 0,66 + 1,19 = 1,85 Stunden.
Man sieht also, daß die Erfindung eine erhebliche Verbesserung sowohl gegenüber der voll-manuellen Doppeldurchgangsdateneingabe als auch der OCR-unterstützten Dateneingabe erbringt, von denen man annehmen kann, daß sie eine äquivalente Genauigkeitshöhe erreichen.

Claims

1. Dateneingabesystem zum Generieren einer elektronisch gespeicherten codierten Darstellung einer Zeichensequenz aus einer oder mehreren elektronisch gespeicherten Dokumentenabbildungen, enthaltend eine optische Zeichenerkennungslogik (90) zum Generieren von Zeichendaten aus der Dokumentenabbildung bzw. den Dokumentenabbildungen, die eines aus einer Vielzahl möglicher Zeichenwerte für entsprechende Segmente der Dokumentenabbildungen spezifizieren, sowie ein interaktives Anzeigegerät, das Mittel (110) zum Generieren und sequentiellen Darstellen eines oder mehrerer Typen zusammengesetzter Abbildungen aufweist, wobei jede zusammengesetzte Abbildung Segmente der Dokumentenabbildung bzw. der Dokumentenabbildungen enthält, und einen Korrekturmechanismus, der auf eine Eingabeoperation eines Anwenders anspricht, um es dem Bediener zu ermöglichen, die den angezeigten Segmenten zugeordneten Zeichendaten zu korrigieren, dadurch gekennzeichnet, daß die Anordnung der Segmente in einem Typ der zusammengesetzten Abbildungen in Segmentgruppen erfolgt, für die die Zeichendaten den gleichen Zeichenwert spezifizieren.

2. Dateneingabesystem gemäß Anspruch 1, bei dem die Zeichendaten einen Vertrauenswert beinhalten, der dem einzelnen Zeichenwert zugeordnet wird, wobei dieser Vertrauenswert ein Anzeichen für die Wahrscheinlichkeit ist, da)ß der spezifische Zeichenwert richtig ist, und bei dem ein Typ der zusammengesetzten Abbildungen Segmente enthält, die entsprechende Zeichenwerte aufweisen, die eine niedrige solche Wahrscheinlichkeit anzeigen.

3. Dateneingabesystem gemäß Anspruch 1 oder Anspruch 2, bei dem in einem Typ der zusammengesetzten Abbildungen die Segmente in Gruppen von n Segmenten angeordnet sind, in denen der Korrekturmechanismus dem Bediener die Möglichkeit gibt, den Vertrauenswert jedes der n Segmente in einer Gruppe durch eine einzige Eingabeoperation des Bedieners so zu setzen, daß er eine hohe Wahrscheinlichkeit für die Richtigkeit des Zeichencodes anzeigt.

4. Dateneingabesystem gemäß einem beliebigen der vorstehenden Ansprüche, wobei die Zeichendaten in Feldern angeordnet sind, die jeweils ein oder mehrere Zeichen enthalten, wobei die Zeichendaten einen Typwert beinhalten, der jedem Feld zugeordnet ist, und in dem ein Typ der zusammengesetzten Abbildungen Segmentgruppen beinhaltet, die den Feldern zugeordnet sind, denen jeweils der gleiche Typwert zugeordnet ist.

5. Dateneingabesystem gemäß einem beliebigen der vorstehenden Ansprüche, in dem die vorbestimmte Bedienereingabeoperation die Betätigung der Maus zu einem Zeitpunkt ist, an dem der Schirm-Cursor über dem angezeigten Segment steht.

6. Dateneingabesystem gemäß einem beliebigen der vorstehenden Ansprüche, in dem die Anzeige der zusammengesetzten Abbildungen durch eine Videoanzeigeeinheit erfolgt.

7. Verfahren zur Bedienung eines Dateneingabegeräts zum Generieren einer elektronisch abgespeicherten codierten Darstellung einer Zeichensequenz aus einer oder mehreren elektronisch gespeicherten Dokumentenabbildungen, wobei das Verfahren die folgenden Schritte beinhaltet: Generieren von Zeichendaten, die einen einer Vielzahl möglicher Zeichenwerte für entsprechende Segmente des Dokumentbildes spezifiziert unter Verwendung einer optischen Zeichenerkennungslogik,

wobei dieses Verfahren gekennzeichnet ist durch Generieren und sequentielles Anzeigen eines oder mehrerer Typen zusammengesetzter Abbildungen aus den Zeichencodes und den Dokumentenabbildungen, wobei jede zusammengesetzte Abbildung die Segmente der Dokumentenabbildungen umfaßt, die in Segmentgruppen zusammengefaßt sind, für die die Zeichendaten den gleichen Zeichenwert spezifizieren; wobei dieses Verfahren ferner die folgenden bekannten Schritte beinhaltet:

Wählen von Segmenten von Dokumentenabbildungen, die als Teil der zusammengesetzten Abbildungen angezeigt sind; und

Korrigieren der Zeichendaten entsprechend den angewählten Segmenten, um die codierte Darstellung zu generieren.

8. Verfahren gemäß Anspruch 7 zum Betreiben eines Dateneingabegeräts in dem die Zeichendaten einen Vertrauenswert für jeden spezifizierten Zeichenwert beinhalten, wobei dieser Vertrauenswert ein Anzeichen für die Wahrscheinlichkeit ist, daß der ihm zugeordnete Zeichencode richtig ist,

wobei das Verfahren das Generieren und sequentielle Anzeigen einer Vielzahl von zusammengesetzten Abbildungen eines ersten Typs umfaßt, in dem die Segmente in Segmentgruppen, für die die Zeichendaten den gleichen Zeichenwert spezifizieren, angeordnet wird;

Auswählen von Segmenten, die im ersten Typ der zusammengesetzten Abbildung angezeigt sind, und Setzen des entsprechenden Vertrauenswerts, so daß er eine geringe Wahrscheinlichkeit für die Richtigkeit des spezifizierten Zeichenwerts anzeigt; und

Generieren und sequentielles Anzeigen einer Vielzahl zusammengesetzter Abbildungen eines zweiten Typs, der Segmente beinhaltet, die einen Vertrauenswert aufweisen, der eine ihnen zugeordnete geringe Wahrscheinlichkeit anzeigt;

Auswählen von Segmenten der Dokumentenabbildung zur Anzeige als Teil der zusammengesetzten Abbildungen vom zweiten Typ; und

Korrigieren der Zeichendaten entsprechend den ausgewählten Segmenten zum Generieren der codierten Darstellung.

9. Verfahren gemäß Anspruch 8 zum Betreiben eines Dateneingabegeräts, in dem die Zeichendaten in Feldern angeordnet sind, von denen jedes ein oder mehrere Zeichen und einen jedem Feld zugeordneten Typwert enthält, wobei der Typwert einen einer Vielzahl von Werten annehmen kann, das umfaßt:

Generieren und sequentiell Anzeigen einer Vielzahl von zusammengesetzten Abbildungen eines dritten Typs, der Segmentgruppen enthält, die Feldern zugeordnet sind, denen jeweils der gleiche Typwert zugeordnet ist;

Auswählen von Segmenten der Dokumentabbildungen, die als Teil der zusammengesetzten Abbildungen des dritten Typs angezeigt werden; und

Korrigieren der Zeichendaten, die den ausgewählten Segmenten entsprechen, um die codierte Darstellung zu generieren.