JPH01113887A - 文字切り出し及び認識方式 - 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】 ［産業上の利用分野］ 本発明は文字切り出し及び認識方式に係り、特にローマ
ン体とイタリック体が混在した印刷文書から高精度で文
字を切り出し・認識する文字切り出し及び認識方式に関
する。

［従来の技術］ 従来の文字切り出し方式では、例えば橋本新−会刊、昭
和５７年）に解説されているように、はぼ一定ピツチで
印版された文書を対象とし、横書きの文書であれば１行
分の文字パターンを垂直方向に面積投影して得た黒点ヒ
ストグラムを用いて。

文字間の空白を検出し文字を切り出すものであった。

［本発明が解決しようとする問題点］ 上記の従来技術を印刷英文文書に適用した場合には、イ
タリック体で印刷された文字が存在するため、垂直方向
の面積投影では文字間の空白が検出できないという問題
点があった。イタリック体文字に対して斜め方向の面積
投影を利用する考え方もあるが、今度はローマン体文字
で空白が検出できなくなるという問題点があった。

［問題を解決するための手段］ 本発明では、空型的な印刷文字では領域によって使用さ
れる文字フォントが異なっている場合が多く、たとえば
要約部をイタリック体で印刷し本文をローマン体で印刷
しているなどの示実に着目し、文書上の領域の種類を識
別して、この領域ごとに定まるフォント情報から文字列
の傾きを推定して文字切り出しを行うことにより、上記
の問題点を解決するものである。

さらに、同一の領域の中で複数の文字フォントが混在し
ているような場合には、領域内の各単語ごとに文字フォ
ントとして複数の仮説を立て、それぞれの仮説ごとに文
字列の傾きを求めて、文字の文字切り出し及び認識を行
い、最も良い認識結果が得られるような仮説を採用する
ことにより、上記の問題点を解決するものである。

なお、文字上の領域の種類を識別するには、例えば東野
純−氏他による電子通信学会昭和６０年度大会講演論文
５１２−１　ｒ書式定義言語にによる文書画像理解」で
報告されているような手法を用いることができる。

［作用］ 領域ごとに一定の文字フォントが用いられている場合に
は、その領域の文字フォント情報を用いて、それぞれの
フォントの傾きに適した方向に文字間隙を抽出するので
、単純な処理によって正しい文字切り出しが行われる。

同一領域内で複数の文字フォントが混用されている場合
では、単語の中では一個の文字フォントに限定されるの
で、上記複数の文字フォントをそれぞれ仮定した複数の
仮説を立て、各仮説ごとに文字切り出し・認識を行って
、最も認識拒絶（リジェクト）の少ない仮説を採用する
ので、その単語に合った文字フォントの仮説が採用され
る可能性が高く、僅かの処理量の増加のもとで正しい文
字切り出しが行われる。

［実施例］ 以下、本発明を図面を用いて詳細に説明する。

第１図は本発明の文字切り出し・認識方式の一実施例に
おける処理の概略の流れをＰＡＤ　（Ｐｒｏｂｌｅ＋ｉ
　Ａｎａｌｙｓｉｓ　Ｄｉａｇｒａ；）図で表したもの
である。

第２図は第１図の処理を実施する装置の構成を示すブロ
ック図である。第２図で装置の各部はバス２１に接続さ
れ、全体の動作は制御部２２により制御される。第１図
に示した処理は、制御部２２の上のプログラムとして実
現される。

第１図のステップ１１は文字画像の入力であり、第２図
に示す入力文字２３が光電変換部２４によって二値ディ
ジタル画像に変換され、上記ディジタル画像はメモリ２
５に格納されることに対応する。

第１図のステップ１２は文字画像の解析であり、上記メ
モリ２５に格納された二値ディジタル画像を解析して、
文字領域の抽出、文字領域の分割と意味付け、文字行の
抽出、単語の抽出を順次行う処理であって、処理結果は
メモリ２５に格納される。ここで、文字領域の抽出とは
、文字画像から文字の部分を写真や図表などと区別して
抜き出すことを言う。また、文字領域の分割と意味付け
とは、文字領域の内部を細分して、標題、著者名。

章・節標題２本文、ノンプルなどの部分領域に分割する
とともに、各部分領域の種類を決定することを言う、こ
のような文書画像の解析は、前記の電子通信学会昭和６
０年度大会演算論文５１２−１「書式定義言語による文
書画像理解」など、公知の手法を用いて行うことができ
る。

第１図のステップ１３は、文書上の単語の回数だけ以下
の処理ステップ１４〜１８を繰り返す制御ループであり
、１４〜１８は各単語に対応する領域を処理する部分で
ある。ステップ１４は、処理対象単語の属する領域の種
類の情報を取り出す部分であり、ステップ１５でこの情
報を用いて文字フォントを推定し、さらに文字フォント
から文字列の傾き角を推定する。−例として、部分領域
のうち抄録の部分がイタリック体であり、それ以外はロ
ーマン体で印刷されている場合、処理対象の単語が抄録
に属する場合は傾き角を７０度とし、それ以外の領域に
属する場合は傾き角を９０度とする（傾き角は水平方向
の基線から反時計方向に測するものとする）。

第１図のステップ１６は、対象とする単語領域の画像（
メモリ２５に入っている）から、文字傾き角を指定して
文字を切り出す部分であり、個々の文字パターンの画像
が分離されて取り出され、メモリ２５に格納される。同
時にこの単語に含まれる文字数も得られる。ステップ１
６の内容の詳細は後述する。

第１図ステップ１７は、単語中の文字数分だけステップ
１８を繰り返す制御ループであり、ステップ１８は各文
字パターンを認識する部分である。

文字認識処理は、第２図の制御部２２の指令により文字
認識プロセッサ２６により実行され、認識結果はメモリ
２５に返される。

入力文書２３の上の全ての単語について１文字切り出し
及び文字認識が終了すると、第１図のステップ１９で、
文字解析の結果得られる情報と文字認識結果とが編集さ
れて、ファイル２７に出力される。

処理の途中経過はコンソール２８に表示することができ
る。また文書解析における解析不能状態や文字認識にお
ける認識拒絶が生じた場合、これをコンソール２８を用
いて修正できることは従来と同様である。

次に１文字傾き角を指定して文字切り出し処理を行うス
テップ１６の詳細を説明する。

第３図は、ステップ１６の詳細の流れをＰＡＤ図で表し
たものである。第３図のステップ３１は、文字傾き角に
よって分岐する判断部であり、文字傾期角（この角度を
Ａ度とする）が９０度の場合は３２へ、それ以外は３３
へ行く、ステップ３２では、対象とする単語領域の画像
をバッファエリアに単純に複写する。ステップ３３では
、対象とする単語領域の画像（９０−Ａ）度だけ左側に
傾ける処理を行いながら、バッファエリアに複写する。

この処理による画像の変化の模様を第４図に示す。第４
図（Ａ）は、イタリック体文字領域の画像の例である。

一般にはこの領域の中に複数の文字が含まれるが、第４
図では３文字分の画像の場合を示す。第４図（Ａ）で、
本部で示された画素は黒画素、空白の画素は白画素であ
る。第４図（Ｂ）は（Ａ）のパターンを左側に傾けた結
果の画像を示し、ハツチした部分が（Ａ）のハツチした
部分に対応する。この傾き処理は、第４図（Ｂ）に示す
ように、画像の各行（走査線）ごとに、左側にＸ画素だ
けシフトする処理で実現される。ここで、Ｘは基線から
の高さをｙとするとき、ｘ　　＝＝　　ｙａｊａｎ（９
０Ａ）”である。

ステップ３３の処理により、第４図（Ａ）のように垂直
投影では重なっていたパターンでも、第４図（Ｂ）のよ
うに文字傾き角が９０度に補正され、垂直投影でも文字
間隙が見出しやすくなる。

第３図のステップ３４は、バッファエリア内の単語領域
の画像から、公知の手法によって文字パターンを切り出
す処理であり、各文字パターンと文字数の情報が得られ
る０文字傾き角が９０度に補正済みであるので、公知の
手法によっても正しい切り出し処理が可能である。

第３図のステップ３６は、文字数分だけ以下の３７〜３
８を繰り返す制御ループである。ステップ３７は、文字
傾き角によって分岐する判断部であり１文字傾き角Ａが
９０度以外の場合はステップ３８の処理を行う。ステッ
プ３８では、各文字パターンの画像の傾きを復元する。

すなわち、（９０−Ａ）度だけ右側に傾ける処理を行う
。この処理は、左側に傾ける処理の逆である。

次に、本発明の第二の実施例について説明する。

第５図は本発明の文字切り出し・認識方式の第二の実施
例における処理の概略の流れをＰＡＤ図で表したもので
ある。

第５図のステップ５１．５２は、それぞれ第１図のステ
ップ１１．１２と同じものである。ステップ５３も、文
書上の単語数だけ以下の処理５４１〜５８を繰り返す制
御部分である。

繰り返しループの中では、文字傾き角について２種類の
仮説を立て、それぞれの仮説について処理を行い、結果
のすぐれている方を採用する。すなわち、ステップ５４
１〜５７１と、ステップ５４２〜５７２とは、はぼ同一
の処理が繰り返されるが、前者ではステップ５４１で文
字の傾き角を９０度と仮定して５５１〜５７１の処理を
行い、後者ではステップ５４２で文字の傾き角を７０度
と仮定して５５２〜５７２の処理を行う。５５１〜５７
１及び５５２〜５７２の処理は、第１図の１６〜１８と
同一のものである。ステップ５８では、２種類の仮説に
対する結論、すなわちステップ５７１と５７２で得られ
た文字認識結果を比較し、認識拒絶の少ない方の結果を
採用する。

ステップ５９は、第１図の１９と同一の出力処理である
。

以上述べたように、この第二の実施例では、文字傾き角
として９０度と７０度を仮定する２種類の仮説を立てた
が、文字傾き角としてはこれ以外の値を仮定してもよく
、３種類以上の仮説を立ててもよい。さらに、第一の実
施例と組み合わせて、領域によって推定値の値類と値を
限定するようにしてもよい。

次に、本発明の第三の実施例について説明する。

第６図は本発明の文字切り出し・認識方式の第三の実施
例における処理の概略の流れをＰＡＤ図で表わしたもの
である。

第６図のステップ６０１は、第１図のステップ１１と同
じものである。第６図のステップ６０２は、第１図のス
テップ１２と同じく文書の解析を行うステップであるが
、本実施例では文書上の文字行の抽出までを行い、単語
の分離は行わない点が異なる。ステップ６０３は、文書
上の文字行数回だけ以下の処理６０４〜６１２を繰り返
す制御部分であり、６０４〜６１２は各行に対応する領
域を処理する部分である。ステップ６０４は、処理対象
文字行の属する領域の種類の情報を取り出す部分であり
、ステップ６０５でこの情報を用いて文字フォントを推
定し、さらに文字フォントから文字列の傾き角を推定す
る。

第６図のステップ６０６は、対象とする文字行領域の画
像から、文字傾き角を指定して単語を切り出す部分であ
り、個々の単語領域の画像の分離されて取り出される。

同時にこの文字行に含まれる単語数も得られる。ステッ
プ６０６の処理は第１図のステップ１６と類似している
が、十分広い空白で分離されている場合に切り出しを行
う点が異なる。この空白の幅は、１文字の幅程度に取れ
ばよい。

ステップ６０７〜６１２は、第１図のステップ１３〜１
８と同じものである。ステップ６１３は。

第１図のステップ１９と同じく出力処理である。

以上に説明した第三の実施例では、イタリック体の領域
で隣接した単語が重なり合って単語切り出しが困難にな
る場合に有効である。この第三の実施例でも、第２の実
施例と同様に、複数の仮説を立てて認識結果の比較によ
りその一つを採用することもできる。

以上に説明した三つの認雄側では、文字フォント情報は
文字傾き角の形で文字切り出しに利用されているが、こ
れと同時に文字認識でも文字フォントに応じた認識辞書
を用いて認識するようにすれば、文字フォント情報の利
用ができる。また、文字フォントに応じて文字ピッチの
推定値を文字切り出し部に与えることにも有効である。

さらに、文字傾き角に応じた文字切り出し手法として、
上記の実施例では画像に傾き処理を施して垂直投影を作
るようにしたが、傾め方向を投影を利用する方法など各
種の手法を用いることかで嵌 きる。

［発明の効果］ 以上説明したごとく、本発明によればローマン体とイタ
リック体が混在している文書からでも正しい文字パター
ンの切出し及び認識ができる。

【図面の簡単な説明】

第１図は本発明による第一の実施例における文字切出し
及び認識処理の流れ図、 第２図は本発明の実施例の機能ブロック図、第３図は第
１図の文字切出し処理の詳細な処理の流れ図、 第４図は文字の傾き補正処理の模様を示す説明図、 第５図は本発明による第二の実施例における文字切出し
及び認識処理の流れ図、 第６図は本発明による第三の実施例における文字切出し
及び認識処理の流れ図である。 ２１・・・バス、２２・・・制御部、２３・・・文書、
２４・・・光電変換部、２５・・・メモリ、２６・・・
文字認識プロセッサ、２７・・・ファイル、２８・・・
コンソール

Claims (1)

1. 【特許請求の範囲】 １、文字を含む文書を光電変換して２次元画像パターン
   を得る手段と、上記２次元画像パターンから複数個の文
   字を含む単位領域パターンを抽出し、該単位領域パター
   ンのフォント情報を推定するための文書構造解析部と、
   上記フォント情報によって定まる文字傾き角を利用して
   上記単位領域パターンから文字パターンを切り出すため
   の文字切り出し部と、上記切り出された文字パターンを
   認識するための文字該認識部とを有してなる文字切り出
   し及び認識方式。 ２、特許請求の範囲第１項記載の文字切り出し及び認識
   方式において、上記文書構造解析部ではフォント情報に
   関する複数の仮説を作って得た複数個のフォント情報を
   単位領域パターンとともに文字切り出し部に送り、該文
   字切り出し部では各仮説に基づいて切り出した単位文字
   パターンを認識部に送り、該認識部では各仮説に対する
   それぞれの単位文字パターン群を認識して認識結果を文
   書構造解析部に送り、該文書構造解析部において各仮説
   の中から単一の仮説を選択することを特徴とする文字切
   り出し及び認識方式。