JPH03225576A - 単語切り出し装置 - 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、欧文文書等の画像情報から単語を切り出すた
めの単語切り出し装置に関するものである。

（従来の技術〉 従来、このような分野の技術としては、特開昭６２−１
３３５８５号公報に記載されるものがあった。

一般に、文書画像を処理する装置において、欧文等を扱
う場合、文字単位の処理だけではなく、単語単位の処理
が必要となることが多い。例えば、光学的文字読取装置
（ＯＣＲ）では、文字認識処理を行った後に単語認識処
理を行うことにより、文字単位での認識結果が誤った場
合でも、単語認識処理によって誤った文字を修正するこ
とが可能となる。この際、対象となる文書の画像情報か
ら文字行を切り出し、各文字行中から文字を切り出すと
共に、単語をも切り出すことが必要となる。

従来のこの種の単語切り出し装置としては、前記文献に
記載されるものがあった。この単語切り出し装置では、
文字列の画像情報の文字列方向に沿った周辺分布に基づ
き、該周辺分布の切れ目の幅のヒストグラム（ｈｉｓｔ
ｏ（ｌｒａｍ　；単一のランダム変数の発生頻度分布図
）を作成する。そして、そのヒストグラムのピークに対
応する最大の幅に沿って単語間ギャップの判定閾値を決
定し、その判定閾値以上の幅の周辺分布の切れ目を単語
間のギャップと判定して単語を切り出すものであった。

（発明が解決しようとする課題） しかしながら、上記構成の装置では、次のような課題が
あった。

（ａ）　　従来の装置では、文字列に含まれる単語数が
少ない場合、作成したヒストグラムにおいて単語間ギャ
ップに対応するピークが得られにくいため、単語間ギャ
ップの判定閾値を決定することが困難となり、その結果
、正しく単語を切り出すことかできない。

（ｂ）　　従来の装置では、単語間ギャップの判定閾値
を決定するなめにヒストグラムを作成する必要があるの
で、装置構成が複雑化すると共に、処理速度が低下する
という問題があった。

本発明は前記従来技術が持っていた課題として、単語の
切り出しが正確に行えないという点と、装置構成が複雑
化すると共に処理速度が低下するという点について解決
した単語切り出し装置を提供するものである。

（課題を解決するための手段） 本発明は前記課題を解決するために、欧文等の文書の画
像情報に基づき該文書の単語の切り出し処理を行う単語
切り出し装置において、前記文書の画像情報より文字列
パタンを抽出する前処理手段と、前記文字列パタンの推
定文字ピッチを検出するピッチ推定手段と、前記文字列
パタンにおいて前記推定文字ピッチに応じて定められる
判定閾値よりも大きな空白幅を検出してその空白幅の位
置により単語を切り出す切り出し手段とを、備えたもの
である。

前記ピッチ判定手段は、例えば前記文字列パタンの文字
列方向についての周辺分布に基づき、推定文字ピッチを
検出するよう構成される。

（作用） 本発明によれば、以上のように単語切り出し装置を構成
したので、前処理手段は、欧文等の文書の画像情報より
文字列パタンを抽出し、それをピッチ推定手段に与える
。ピッチ推定手段は、例えば文字列パタンの文字列方向
についての周辺分布に基づき、推定文字ピッチを検出し
、その推定文字ピッチを切り出し手段に与える。切り出
し手段は、推定文字ピッチに基づき判定閾値を定め、そ
の判定閾値を基準にしてそれよりも大きな空白幅を検出
し、その空白幅位置により単語を切り出す。

これにより、文字列に含まれる単語数の大小にかかわら
ず、高精度に単語の切り出しが行えると共に、従来のよ
うなヒストグラムの作成が不安になって装置構成の簡単
化と処理速度の高速化が図れる。従って、前記課題を解
決できるのである。

（実施例） 第１図は、本発明の一実施例を示す単語切り出し装置の
構成ブロック図である。

この単語切り出し装置は、文字列パタンデータ８１０３
を得るための前処理手段１００と、文字列パタンデータ
５１０３に基づき推定文字ピッチｐを検出するピッチ推
定手段１１０と、推定文字ピッチｐに応じて判定閾値Ｔ
Ｈを定め、文字列パタンデータ５１０３において判定閾
値ＴＨより大きい空白幅を検出してその空白位置により
単語を切り出す切り出し手段１２０とで、構成されてい
る。

前処理手段１００は、欧文印刷文書等の記録媒体より白
黒２値の画像情報５１０１を読み取る画像読取部１０１
を有している。この画像読取部１０１は、イメージスキ
ャナ等で構成され、その出力側には、画像情報５１０１
を記憶する画像バッファ等からなる画像記憶部１０２と
、文字列抽出部１０３とが、接続されている。文字列抽
出部１０３は、画像記憶部１０２に記憶された画像情報
５１０１より、文字列パタンデータ５１０３を抽出し、
それをピッチ推定手段１１０に与える機能を有している
。

ピッチ推定手段１１０は、文字列パタンデータ５１０３
の文字列方向に沿った周辺分布に基づいて文字列を構成
する部分図形（これを黒ブロックという）の位置情報５
１１１を検出するブロック抽出部１０６と、黒ブロック
の位置情報５１１１に基づき推定文字ピッチｐを検出す
るピッチ計算部１０７とで、構成され、その出力側に切
り出し手段１２０が接続されている。

切り出し手段１２０は、推定文字ピッチｐに基づき判定
閾値ＴＨを計算する閾値計算部１２１と、単語抽出部１
２２とで、構成されている。単語抽出部１２２は、黒ブ
ロックの位置情報５１１１に基づいて計算される隣接す
る黒ブロツク間の空白幅が、判定閾値ＴＨより大きいこ
とを検知して該空白位置により、単語を切り出すことを
示す単語切り出し信号５１２２を出力する機能を有して
いる。

第２図は、第１図の単語切り出しの動作例を説明するた
めの図であり、この図を参照しつつ第１図の装置の動作
を説明する。

なお、第２図中の１１１ａは文字列パタンデータ５１０
３における文字列方向に沿った周辺分布、８１〜Ｂ２２
は黒ブロック、Ｗ１〜Ｗ４は空白領域、Ｈは黒ブロック
Ｂ８と空白領域Ｗ１を合わせた幅である。

先ず、欧文印刷文書等の記録情報は、画像読取部１０１
により読み取られ、白黒２値の画像情報５１０１として
画像記憶部１０２に記憶される。

次に、文字列抽出部１０３は、画像記憶部１０２に記憶
された２値の画像情報より、１行分に相当する文字列パ
タンデータ５１０３　（例えば、ｗｏｒｄｓｅｇｍｅｎ
ｔａｔｉｏｎ　ｍｅｔｈｏｄ　）を抽出し、それをブロ
ック抽出部１１１に与える。

ブロック抽出部１１１は、文字列パタンデータ５１０３
の文字列方向に沿った周辺分布１１１ａを計算により作
成し、さらにその周辺分布１１１ａが正の値となる連続
領域の各々を黒ブロックＢ１〜Ｂ２２として抽出する。

そして各黒ブロックＢ１〜Ｂ２２の文字列方向に沿った
始端位置及び終端位置からなる各黒ブロックＢ１〜Ｂ２
２の位置情報５１１１を計算し、その計算結果を保存す
る。

次にピッチ計算部１１２は、黒ブロックの位置情報５ｉ
ｌｌ（始端位置及び終端位置）に基づき、黒ブロックの
最大幅と該最大幅を持つ黒ブロックに隣接する空白領域
の最小幅との和を求め、これを推定文字ピッチｐとして
閾値計算部１２１へ出力する。すなわち、第１番目の黒
ブロックに対する文字列方向に沿った始端位置と終端位
置をそれぞれＳ、、Ｅ、（但し、Ｓｉ＜Ｅｉ＜Ｓｉ＋１
、ｉ＝１．２，３．・・・、Ｎ、Ｎは黒ブロツク数）と
すると、推定文字ピッチｐは次式で示される。

臣− 但し、 Ｚは値（Ｅｉ Ｓ ）が最大値を取る場 合のｉを表し、ｍ１ｎ（Ａ、　Ｂ）はＡとＢの最小値を
表す。このようにして求めた推定文字ピッチ臣は、各単
語内の文字ピッチと近似的に等しい値となる。

つまりピッチ計算部１１２では、第２図に示すように、
黒ブロック８１〜Ｂ２２より最大幅を持つ黒ブロックＢ
８を検出すると共に、その黒ブロックＢ８に隣接する空
白領域Ｗ１及びＷ２のうち最小幅となる空白領域Ｗ１を
検出し、黒ブロックＢ８と空白領域Ｗ１を合わせた幅Ｈ
を計算してそれを推定文字ピッチｐとして閾値計算部１
２０へ出力する。

閾値計算部１２１は、推定文字ピッチＦ）（＝Ｈ）に基
づき、単語を切り出すための空白幅に関する判定閾値Ｔ
Ｈを次式に従って計算し、単語抽出部１２２へ出力する
。

ＴＨ＝ａＸ１５ 但し、ａは定数であり、本実施例では例えばａ＝０．２
５とする。

単語抽出部１２２では、ブロック抽出部１１１に保存さ
れた各黒ブロックの位置情報５１１１に基づき、隣接す
る黒ブロツク間の空白領域（例えば、Ｗ３及びＷ４）の
幅が判定閾値ＴＨを越える場合に、該空白位置により、
単語を切り出すことを示す単語切り出し信号５１２２を
出力する。すなわち、値（Ｓｉ、１−Ｅ、−１＞が値Ｔ
Ｈより大きい場合に、第１番目の黒ブロックと第（ｉ＋
１）番目の黒ブロックとの間を、単語の切れ目と判断し
て単語切り出し信号１１１を出力する（ｉ＝１゜２、・
・・、Ｎ−１）。従って本実施例においては、推定文字
ピッチｐの０．２５倍を越える空白幅を検出する毎に、
１つの単語の切り出し位置（始端位置及び終端位置）が
確定する。

例えば、第２図では、黒ブロック８１〜Ｂ４（”ｗｏｒ
ｄ”　）　、黒ブロック８５〜Ｂ　１６　（”ｓｅｇｍ
ｅｎｔａｔｉｏｎ”　）　、及び黒ブロックＢ１７〜Ｂ
２２（”ｍｅｔｈｏｄ”　）が各々単語を構成すること
を示す単語切り出し信号５１２２となる。このような単
語切り出し信号５１２２が単語抽出部１２２から出力さ
れると、文字列パタンデータ５１０３に対する単語切り
出しの処理が完了する。

以上のように、本実施例では、次のような利点を有して
いる。

（ａ）　　文字列パタンデータ５１０３の推定文字ピッ
チｐを検出し、文字列パタンデータ５１０３において推
定文字ピッチβに応じて定められる判定閾値ＴＨより大
きい空白幅を検出してその空白位置により、単語パタン
を切り出す構成にしたので、文字列に含まれる単語数の
大小にかかわらず、高精度に単語を切り出すことができ
る。

（ｂ）　　ピッチ推定手段１１０は、文字列パタンデー
タ５１０３の文字列方向についての周辺分布１１１ａに
基づき、黒ブロックの位置情報５ｌ１１を求め、黒ブロ
ックの最大幅と該最大幅を持つ黒ブロックに隣接する空
白領域の最小幅との和（Ｈ）により、推定文字ピッチｐ
を検出する構成にしなので、周辺分布１１１ａの切れ目
の幅のヒストグラムを作成する必要のあった従来の単語
切り出し装置に比べ、装置構成が簡単になると共に、処
理速度をより高速化できる。

なお、本発明は図示の実施例に限定されず、種々の変形
が可能である。その変形例としては、例えば次のような
ものがある。

（ｉ＞　　上記実施例において、ピッチ推定手段１１０
は、文字列パタンデータ５１０３の文字列方向について
の周辺分布１１１ａに基づき、黒ブロックの位置情報５
１１１を求め、黒ブロックの最大幅と該最大幅を持つ黒
ブロックに隣接する空白領域の最小幅との和（Ｈ）によ
り、推定文字ピッチロを検出する構成にしたが、これを
他の構成にしてもよい。例えば、文字列パタンデータ５
１０３の文字列方向についての周辺分布１１１ａに基づ
き、黒ブロックの位置情報を求め、黒ブロックの最大幅
と空白領域の最小幅との和により、推定とッチｐを検出
する等、種々の方法で推定文字ピッチｐの検出が可能で
ある。

（ｉｉ）　　第１図の各ブロックは、個別回路で構成す
る他に、マイクロプロセッサ等を用いたソフトウェア処
理等によって構成してもよい。

（発明の効果） 以上詳細に説明したように、本発明によれば、前処理手
段により抽出した文字列パタンに基づき、ピッチ推定手
段で推定文字ピッチを検出し、次いで切り出し手段によ
り、文字列パタンにおいて推定文字ピッチに応じて定め
られる判定閾値より大きい空白幅を検出してその空白位
置により単語パタンを切り出す構成にしたので、文字列
に含まれる単語数の大小にかかわらず、高精度に単語を
切り出すことができる。

その上、例えば文字列パタンの文字列方向についての周
辺分布に基づき推定文字ピッチを検出する手段等により
、ピッチ推定手段を構成したので、従来のようなヒスト
グラムの作成が不要となり、装置構成の簡単化と、処理
速度の高速化という効果も期待できる。

【図面の簡単な説明】

第１図は本発明の実施例を示す単語切り出し装置の構成
ブロック図、第２図は第１図の単語切り出し動作例を説
明するための図である。 １００・・・・・・前処理手段、１０１・・・・・・画
像読取部、１０２・・・・・・画像記憶部、１０３・・
・・・・文字列抽出部、１１０・・・・・・ピッチ推定
手段、１１１・・・・・・ブロック抽出部、１１２・・
・・・・ピッチ計算部、１２０・・・・・・切り出し手
段、１２１・・・・・・閾値計算部、１２２・・・・・
・単語抽出部。

Claims (1)

1. 【特許請求の範囲】 １、文書の画像情報に基づき該文書の単語の切り出し処
   理を行う単語切り出し装置において、前記文書の画像情
   報より文字列パタンを抽出する前処理手段と、 前記文字列パタンの推定文字ピッチを検出するピッチ推
   定手段と、 前記文字列パタンにおいて前記推定文字ピッチに応じて
   定められる判定閾値よりも大きな空白幅を検出してその
   空白幅の位置により単語を切り出す切り出し手段とを、 備えたことを特徴とする単語切り出し装置。 ２、請求項１記載の単語切り出し装置において、前記ピ
   ッチ推定手段は、前記文字列パタンの文字列方向につい
   ての周辺分布に基づき推定文字ピッチを検出する構成に
   したことを特徴とする単語切り出し装置。