JPH04268685A - 帳票類の種類判別方法 - 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】

【０００１】

【産業上の利用分野】本発明は、表形式の複数の帳票類
を読取る場合において、帳票の種類判別を行なう帳票類
の種類判別方法に関する。

【０００２】

【従来の技術】従来、表を含む帳票類を対象とする光学
式文字読取装置において文字読取りを行なう場合、上記
帳票類には文字記入位置を示す読取り枠が縦、横の罫線
等で印刷されている。光学式文字読取装置は、帳票を光
学的に走査して得られる帳票画像から読取り枠位置にお
いて文字パターンの検出、切出しを行ない、切出した文
字パターンについて文字認識処理を行ない、帳票に記入
された文字を読取るように構成されている。このとき、
読取り枠の位置情報はそれぞれの帳票について予め光学
式読取装置内に設定される。そして、読取り枠位置が異
なる複数種類の帳票が読取りの対象となる場合、帳票を
同定するためのバーコード又は番号（帳票識別マーク）
領域を帳票に設け、この領域内のバーコード又は番号を
読取って帳票の種類を判別し、帳票の種類に応じた読取
り枠位置情報を用いて文字読取処理を行なっている。

【０００３】

【発明が解決しようとする課題】しかしながら従来の方
法では、文字読取り枠の構造が異なる複数種類の帳票を
混在させて文字読取処理を行なう場合には、各帳票に帳
票の種類を判別するためのバーコード又は番号領域を帳
票に設ける必要があった。そして、複数種類の帳票を混
在させて読取処理を行なう場合は、この領域が設けてあ
る帳票のみが対象であり、この領域の位置が帳票毎に異
なっている場合や、バーコード又は番号領域を設けてい
ない帳票を読取り対象にする場合には種類判別の処理が
困難であった。

【０００４】本発明はこのような点に着目して成された
ものであり、このような領域の異なる帳票が混在してい
る場合やこのような領域の設けられていない帳票であっ
ても、安定して帳票の種類判別を行ない得るように帳票
類の表を形成する罫線情報を基に帳票類の種類を判別す
る方法を提供することを目的としている。

【０００５】

【課題を解決するための手段】本発明は帳票類の種類判
別方法に関するもので、本発明の上記目的は、被認識帳
票類の画像情報を入力し、この入力された画像データか
ら水平、垂直方向の線分を抽出し、抽出された各線分の
位置、長さ、方向の情報を検出し、前記入力された画像
を複数エリアに区分し、この区分されたエリア毎に存在
する前記抽出された線分の方向毎の長さ毎の重みである
特徴量を被認識対象のパターン特徴量として求め、認識
すべきパターンの基準となる標準パターンの特徴量を予
め記憶しておき、前記抽出された被認識パターンの特徴
量と前記記憶されている標準パターンの特徴量とを比較
照合し、その比較結果に基づいて前記被認識パターンが
どの標準パターンであるかを判断して帳票の種類を判別
することによって達成される。

【０００６】また、被認識帳票類の画像情報を入力し、
この入力された画像データから水平、垂直方向の線分を
抽出し、抽出された各線分の位置、長さ、方向の情報を
検出し、前記入力された画像を複数エリアに区分し、こ
の区分されたエリア毎に存在する前記抽出された線分の
方向毎の長さ毎の重みである特徴量を被認識対象のパタ
ーン特徴量として求め、認識すべきパターンの基準とな
る標準パターンの特徴量を予め記憶しておき、前記抽出
された被認識パターンの特徴量と前記記憶されている標
準パターンの特徴量とを比較照合し、所定値以上類似す
るものを類似する順に候補として抽出し、候補として抽
出された標準パターンの予め定められた特定領域に対応
する入力画像情報を検出して、前記標準パターンのもの
と一致するかを前記候補順に確認することによって帳票
の種類を判別することによって達成される。

【０００７】

【作用】本発明は、バーコード又は番号（帳票識別マー
ク）領域の設けられていない帳票や、各々異なる位置に
設けられている帳票等の複数種類の帳票を混在させて文
字読取処理を行なう場合の、帳票の種類判別を行なうた
めの表形式パターン認識方法に関するもので、入力され
た帳票画像データから文字読取り枠を構成している表の
構成要素である水平、垂直の線分（罫線）を抽出して複
数エリアに区分し、区分されたエリア毎に抽出された線
分の方向、長さ、位置を用いてベクトルパターン化して
標準パターンの特徴ベクトルと比較照合するようにして
いる。また、請求項２の発明では、区分されたエリア毎
に抽出された線分の方向、長さ、位置を用いて、ベクト
ルパターン化したパターンベクトルと標準パターンの特
徴ベクトルとを比較照合して一旦候補を抽出し、候補順
に詳細確認を行なうようにしている。

【０００８】

【実施例】図１は本発明の認識の対象である帳票の一例
を示しており、図２は本発明の認識アルゴリズムのフロ
ーチャートであり、このフローチャートを参照して認識
動作を説明する。

【０００９】先ずイメージセンサ等の画像入力手段で帳
票の画像入力を行ない（ステップＳ１）、帳票のサイズ
を検出する（ステップＳ２）。帳票のサイズ検出は、入
力画像の濃淡レベルを用いて帳票のエッジを検出するこ
とによって行なう。次に画像データの前処理を行なうが
、この前処理は２値化及びスムージングを行なうことに
よって実行する（ステップＳ３）。２値画像のスムージ
ング処理は図３に示すように、注目画素２に対する８近
傍領域３での穴埋め処理又は孤立点除去処理を行なうこ
とによって実行する。すなわち、黒画素を“１”、白画
素を“０”としたとき、穴埋め処理は、注目画素２が“
０”でかつ８近傍画素３の全てが“１”のとき、注目画
素２の値を“０”→“１”に変更する。また、孤立点除
去処理は、注目画素２が“１”でかつ８近傍画素３の全
てが“０”のとき、注目画素２の値を“１”→“０”に
変更する。

【００１０】次に、前処理（２値化、スムージング）さ
れた画像に対して、黒画素が水平又は垂直方向に連続す
る数をカウントし、各画素にこの水平、垂直に黒画素が
連続する値（以下、ランレングスという）を求め、この
ランレングスを用いた罫線の抽出を行なうが（ステップ
Ｓ４）、この動作フローは図４に示すようになっており
、図４を参照してその動作を説明する。

【００１１】先ず横方向の罫線についての抽出について
説明すると、前処理された画像データから水平方向に連
続する直線を抽出して横ランレングスを検出する（ステ
ップＳ３０）。そして、抽出された横ランレングスのう
ち極端に短いもの、例えば５ｍｍ未満のランレングスを
持つ画素はノイズとして無効データとし削除し、５ｍｍ
以上のランレングスを持つ画素は有効として取扱う横ラ
ンレングス画像の２値化を行なう（ステップＳ３１）。 この画像データの様子を示すのが図５の（Ａ）である。 次にこの画像データに基づいてつなぎ処理を行なう。つ
なぎ処理を具体的に説明すると、図５の（Ａ）の画像デ
ータの横方向のヒストグラムである横方向周辺分布特徴
を図５の（Ｂ）のように求め（ステップＳ３２）、周辺
分布特徴の高さがしきい値ＴＨ１を超える部分を罫線候
補位置とする（ステップＳ３３）。図５の（Ａ）、（Ｂ
）においては、罫線候補位置Ｘ、Ｙ、Ｚの３つの候補が
抽出されている。そして、各々の罫線候補位置毎にその
候補領域内の縦方向のヒストグラムである縦方向周辺分
布を求める（ステップＳ３４）。図５の（Ａ）の罫線候
補位置Ｙについて縦方向周辺分布を求めた様子を示すの
が図５の（Ｃ）である。図５の（Ｄ）に示すように、こ
の縦方向周辺分布をしきい値ＴＨ２（例えばＴＨ２＝１
画素）で比較し、しきい値ＴＨ２を超える部分を有効と
する。この有効線分の間隔が所定値ＴＨ３（例えばＴＨ
３＝５画素）以下の場合はつなぎ処理を施し、つながっ
た一つの直線として取扱って画像入力データの罫線の補
正を行なう。図１の帳票について、この処理を行なった
様子を示すのが図６の（Ａ）である。なお、ここで図５
の（Ｄ）に示すような各横罫線区間での縦周辺分布特徴
の値の平均値を、その罫線の幅としておく。線幅は文字
読取領域を画像より切出すときに、線で囲まれた領域の
内側のみを切出す時の情報として用いる。縦方向の罫線
についても同様な処理により縦罫線を求めることができ
る。図４のステップＳ２０〜Ｓ２５が縦罫線の抽出を示
している。図１の帳票について縦罫線を抽出した様子を
示すのが図６の（Ｂ）であり、罫線の抽出を終了したと
きの様子を示すのが図６の（Ｃ）である。

【００１２】上述のようなランレングスを用いた罫線の
抽出後、画像より抽出された罫線の各々について縦横罫
線情報（位置（始終点座標）、長さ、方向（縦、横））
を求める（ステップＳ４０）。以上の段階で画像入力デ
ータに修正が加えられ、罫線の抽出及び抽出された各罫
線についての情報が確実に検出されたことになる。以下
、この縦横罫線情報を基に処理を実行する。

【００１３】次に上記縦横罫線情報に基づいて帳票のパ
ターンベクトルを求める（図２のステップＳ５）。パタ
ーンベクトルについては後に詳述するが、ここでその概
略を述べておくと、パターンベクトルは図７に示されて
いるようなもので、Ｐ［ｍ］［ｎ］［ｔ］［ｗ］（但し
、ｍは縦方向のエリア番号（１〜Ｍ）、ｎは横方向のエ
リア番号（１〜Ｎ）、ｗは罫線の長さのレベル（１〜Ｗ
）、ｔは罫線の方向でｔ＝１が横方向、ｔ＝２が縦方向
）で表わされ、Ｍ×Ｎ×Ｗ×２次元ベクトルである。 つまり、Ｍ×Ｎの各エリアについて、縦、横それぞれの
罫線が、罫線の長さのレベル（短いものから長いものま
でをＷ段階で量子化し表現している）毎に含まれている
度合い（以下、重みという）を表現している。図８がこ
のパターンベクトルＰを求める動作を示すフローチャー
トであり、先ず初期化されたパターンベクトルに、各罫
線ｋｉ（但し、ｉは罫線番号）毎に、罫線の始点（Ｘｓ
ｉ，Ｙｓｉ）、終点（Ｘｅｉ，Ｙｅｉ）、長さＬｉに基
づいて、罫線ｋｉが含まれているそれぞれのエリアの罫
線ｋｉの長さのレベルにおいて、罫線ｋｉによる重みを
求め、順次加算することによりパターンベクトルＰを求
める。

【００１４】以下、パターンベクトルを求める動作を図
８に従って具体的に説明する。

【００１５】先ず図９のように入力帳票４をＭ×Ｎのエ
リアに区分する（ステップＳ５０）。次にパターンベク
トルを初期化し（ステップＳ５１）、全ての罫線が処理
済か否かを判定する（ステップＳ５２）。処理済でない
ときは未処理の罫線ｋｉについて、その罫線ｋｉの長さ
量子化レベルを求める（ステップＳ５３）。長さ量子化
レベルとは、罫線の長さの程度をＷ段階で量子化して表
現するものである。量子化レベル数はレベル１〜ＷのＷ
段階で表わし、帳票の両端を結ぶ罫線のレベルがＷにな
るように、横罫線は帳票幅のＬ０で、縦罫線は帳票高さ
ｈ０で規格化を行なっている。そして、罫線ｋｉの長さ
をＬｉとすると、その罫線ｋｉの長さ量子化レベルＷｉ
は、次式により求まる

【００１６】

【数１】 但し、横罫線のときａ０＝Ｌ０、縦罫線のときａ０＝ｈ
０である。ｃｅｉｌ［Ｘ］はＸを下まわらない最小の整
数を示す。ここで、ａ０／Ｗは長さ量子化レベルの１レ
ベル分に相当する長さとなる。

【００１７】次に、罫線ｋｉの存在するエリアを検出す
るために罫線の始点エリア、終点エリアを判定する（ス
テップＳ５４、Ｓ５５）。始点エリア、終点エリアの判
定は罫線情報として既に求められている始点（Ｘｓｉ，
Ｙｓｉ）、終点（Ｘｅｉ，Ｙｅｉ）の座標を用いて行な
う。先ず罫線の始点エリアの縦方向位置は、次式により
求まる。

【数２】 但し、横罫線のときｙ＝（Ｙｓｉ＋Ｙｅｉ）／２、縦罫
線のときｙ＝Ｙｓｉ、ｈ０は帳票の高さ、Ｍは帳票の縦
方向のエリア区分数である。

【００１８】ここで、ｈ０／Ｍは１エリアの高さに相当
する。また、横方向位置は次式により求まる。

【００１９】

【数３】 但し、横罫線のときｘ＝Ｘｓｉ、縦罫線のときｘ＝（Ｘ
ｓｉ＋Ｘｅｉ）／２、Ｌ０は帳票の幅、Ｎは帳票の横方
向のエリア区分数である。

【００２０】ここで、Ｌ０／Ｎは１エリアの幅に相当す
る。図１０に示す罫線ｋ１，ｋ２の例では、罫線ｋ１で
は始点エリアは（Ｍｓ１，Ｎｓ１）＝（１，２）として
、罫線ｋ２では、始点エリアは（Ｍｓ２，Ｎｓ２）＝（
２，１）として求まる。

【００２１】次に、罫線ｋｉの終点エリアの縦方向位置
は次式により求まる。

【００２２】

【数４】 但し、横罫線のときｙ＝（Ｙｓｉ＋Ｙｅｉ）／２、縦罫
線のときｙ＝Ｙｅｉまた、横方向位置は次式により求ま
る。

【００２３】

【数５】 但し、横罫線のときｘ＝Ｘｅｉ、縦罫線のときｘ＝（Ｘ
ｓｉ＋Ｘｅｉ）／２図１０に示す罫線ｋ１，ｋ２の例で
は、罫線ｋ１では終点エリアは（Ｍｅ１，Ｎｅ１）＝（
１，２）として、罫線ｋ２では終点エリアは（Ｍｅ２，
Ｎｅ２）＝（２，４）として求まる。

【００２４】この段階で、罫線ｋｉによりパターンベク
トルＰが更新される要素の範囲が求まったことになる。 すなわち、罫線ｋｉによりパターンベクトルＰが更新さ
れる範囲はエリア（Ｍｓｉ，Ｎｓｉ）から（Ｍｅｉ，Ｎ
ｅｉ）までの区間のエリアの、罫線ｋｉの方向（横罫線
か縦罫線の種類）の、罫線ｋｉの長さレベルＷｉに対応
する要素となる。例えば図１０の罫線ｋ１では、始点と
終点が同じエリア（１，２）で横方向罫線であるので、
パターンベクトルＰの更新される要素は、Ｐ［Ｍｓ１］
［Ｎｓ１］［１］［Ｗ１］（＝Ｐ［１］［２］［１］［
Ｗ１］）の１個である。図１０の罫線ｋ２の例では、始
点エリアと終点エリアが異なり複数のエリアにまたがっ
ており横罫線であるので、パターンベクトルＰの更新さ
れる要素は、Ｐ［Ｍｓ２］［Ｎｓ２］［１］［Ｗ２］か
らＰ［Ｍｅ２］［Ｎｅ２］［１］［Ｗ２］までの要素、
すなわちＰ［２］［１］［１］［Ｗ２］，Ｐ［２］［２
］［１］［Ｗ２］，Ｐ［２］［３］［１］［Ｗ２］，Ｐ
［２］［４］［１］［Ｗ２］の４個となる。なお、パタ
ーンベクトルＰが更新される重みについては後述する。

【００２５】次に罫線ｋｉによりパターンベクトルＰが
更新される重みを計算し、パターンベクトルＰを更新す
る。罫線が１つのエリア内に入るとき（図１０の罫線ｋ
１の場合）と、複数のエリアにまたがるとき（図１０の
罫線ｋ２の場合）では、重みの更新の方法が異なるので
、先ず罫線ｋｉについて求めた始点エリアと終点エリア
が一致するかを判定する（ステップＳ５６）。同じエリ
アであるときは、罫線ｋｉは１つのエリア内に入ると判
定して重み加算処理１（ステップＳ５７）を行ない、一
致しないときは、罫線ｋｉは複数のエリアにまたがると
判定して重み加算処理２（ステップＳ５８）を行なうこ
とにより、パターンベクトルＰの更新を行なう。重み加
算処理１及び重み加算処理２については後述する。この
ようにして罫線ｋｉによりパターンベクトルＰを更新し
、順次全ての罫線により（ステップＳ５９，Ｓ５２）パ
ターンベクトルＰを更新することにより、入力帳票の持
つ罫線情報をパターンベクトル化することができる。

【００２６】次に重み加算処理１（図８のステップＳ５
７）の動作を説明する。この処理は図１０の罫線ｋ１の
例のように、１つのエリア内に存在している罫線による
パターンベクトルＰの更新の処理を行うものである。１
本の罫線によりパターンベクトルＰが更新される重みの
総和は常に“１”として規格化する。このことにより、
重み加算処理１で更新されるパターンベクトルの要素は
１個のみであるので、このときの重み更新量はａ０＝１
となる。従って、罫線ｋｉの始点エリア（Ｍｓｉ，Ｎｓ
ｉ）と終点エリア（Ｍｅｉ，Ｎｅｉ）が等しく、罫線ｋ
ｉが１つのエリア内に存在していると判定されたときの
パターンベクトルＰの更新は、次の数６で行なわれる。

【００２７】

【数６】Ｐ［Ｍｓｉ］［Ｎｓｉ］［ｔ］［Ｗｉ］＝Ｐ［
Ｍｓｉ］［Ｎｓｉ］［ｔ］［Ｗｉ］＋ａ０但し、横罫線
のときｔ＝１、縦罫線のときｔ＝２、ａ０＝１ 次に重み加算処理２の動作を説明する。この処理は、図
１０の罫線ｋ２の例のように複数のエリアにまたがって
存在している罫線によるパターンベクトルＰの更新の処
理を行なうものである。重み加算処理１でも述べたよう
に、１本の罫線によりパターンベクトルＰが更新される
重みの総和を常に“１”として規格化する。このことよ
り、重み加算処理２では、複数のエリアにまたがる罫線
のそれぞれのエリアに含まれている長さの罫線全体に対
する比率を、それぞれのエリアの重みの更新量とする。 これにより、パターンベクトルＰが１本の罫線により更
新される重みの総和を全て“１”とすることができる。 図１１がこの重み加算処理２の動作を示すフローチャー
トであり、以下、図１１に従って具体的に説明する。

【００２８】この重み加算処理２で扱う罫線は、図１０
の罫線ｋ２のように複数のエリアにまたがるものである
。先ず、始点エリアについて重みａｓを求める（ステッ
プＳ６０）。罫線ｋｉの始点エリアに含まれている部分
の長さの、罫線ｋｉ全体の長さに対する比率を重みとし
て求める。具体的には罫線ｋｉが横罫線の場合は数７で
、罫線ｋｉが縦罫線の場合は数８で求まる。

【００２９】

【数７】

【００３０】

【数８】 数７及び数８共に分子第１項は始点から終点をみたとき
の始点エリアの境界座標であり、従って分子は罫線ｋｉ
の始点エリアに含まれている部分の長さであり、分母の
罫線ｋｉの長さＬｉで規格化することにより、始点エリ
アに含まれている部分の長さの全体に対する比率が求め
られる。数７及び数８により求められた始点重みａｓｉ
を用いて、パターンベクトルの始点エリア部分を数９に
より更新する（ステップＳ６１）。

【００３１】

【数９】 　　Ｐ［Ｍｓｉ］［Ｎｓｉ］［ｔ］［ｗｉ］＝Ｐ［Ｍｓ
ｉ］［Ｎｓｉ］［ｔ］［ｗｉ］＋ａｓｉ 但し、横罫線のとき　　ｔ＝１ 縦罫線のとき　　ｔ＝２ 次に終点エリアについて重みａｅｉを求める（ステップ
Ｓ６２）。始点エリア重みａｓｉと同様に、罫線ｋｉの
終点エリアに含まれている部分の長さの、罫線ｋｉ全体
の長さに対する比率を重みとして求める。具体的には罫
線ｋｉが横罫線の場合は数１０で、罫線ｋｉが縦罫線の
場合は数１１で求まる。

【００３２】

【数１０】

【００３３】

【数１１】 数１０及び数１１共に分子第２項は終点から始点をみた
ときの終点エリアの境界座標であり、従って分子は罫線
ｋｉの終点エリアに含まれている部分の長さであり、分
母の罫線ｋｉの長さＬｉで規格化することにより、終点
エリアに含まれている部分の長さの全体に対する比率が
求められる。数１０及び数１１により求められた終点重
みａｅｉを用いて、パターンベクトルの終点エリア部分
を数１２により更新する（ステップ６３）。

【００３４】

【数１２】 　　Ｐ［Ｍｅｉ］［Ｎｅｉ］［ｔ］［ｗｉ］＝Ｐ［Ｍｅ
ｉ］［Ｎｅｉ］［ｔ］［ｗｉ］＋ａｅｉ 但し、横罫線のとき　　ｔ＝１ 縦罫線のとき　　ｔ＝２ 次に、始点エリアと終点エリアに挟まれた部分のエリア
（以下、中間エリアという）についての重み更新を行な
う。先ず始点エリアと終点エリアが隣り合わせのエリア
かどうかを判定する（ステップＳ６４）。始点エリアと
終点エリアが隣り合わせのエリアかどうかの判定は、横
罫線の場合は（Ｎｓｉ＋１）とＮｅｉが等しいかどうか
、縦罫線の場合は（Ｍｓｉ＋１）とＭｅｉが等しいかど
うかで判定される。この判定の結果、始点エリアと終点
エリアが隣り合ったエリアと判定された場合は、中間エ
リアはないとして罫線ｋｉについての重み加算処理２を
終了する。また、隣り合っていないと判定された場合は
、中間エリアについて重みａｍｉを求める（ステップＳ
６５）。始点エリア重みａｓｉ，終点エリア重みａｅｉ
と同様に、罫線ｋｉの中間エリア１つに含まれている部
分の長さの、罫線ｋｉ全体の長さに対する比率を重みと
して求める。具体的には罫線ｋｉが横罫線の場合は数１
３で罫線ｋｉが横罫線の場合は数１４で求まる。ここで
中間エリア１つに含まれる罫線ｋｉの長さは、そのエリ
アの大きさと等しくなるので、これで置きかえると、

【００３５】

【数１３】

【００３６】

【数１４】 である。数１３及び数１４共に分子は中間エリア１つを
横切るときの長さで、それは横罫線のときはエリアの幅
と等しく、縦罫線のときはエリアの高さと等しくなる。 これを罫線ｋｉの長さＬｉで規格化することにより、中
間エリア１つに含まれている部分の長さの全体に対する
比率が求められる。数１３及び数１４により求められた
中間エリア重みａｍｉを用いて、パターンベクトルの全
ての中間エリアの部分を横罫線の場合は数１５により、
また縦罫線の場合は数１６により更新する（ステップＳ
６６）。横罫線の場合

【００３７】

【数１５】 　　Ｐ［Ｍｓｉ］［ｎ］［１］［ｗｉ］＝Ｐ［Ｍｓｉ］
［ｎ］［１］［ｗｉ］＋ａｍｉ 但し、ｎは（Ｎｓｉ＋１）〜（Ｎｅｉ−１）の区間全て
縦罫線の場合

【００３８】

【数１６】 　　Ｐ［ｍ］［Ｎｓｉ］［２］［ｗｉ］＝Ｐ［ｍ］［Ｎ
ｓｉ］［２］［ｗｉ］＋ａｍｉ 但し、ｍは（Ｍｓｉ＋１）〜（Ｍｅｉ−１）の区間全て
このようにして罫線ｋｉによりパターンベクトルＰの更
新が行なわれる。例えば図１０に示す罫線ｋ１によるパ
ターンベクトルＰの更新は１要素のみで、Ｐ［１］［２
］［１］［ｗ１］＝Ｐ［１］［２］［１］［ｗ１］＋１
となる。また罫線ｋ２によるパターンベクトルＰの更新
は４要素で

【００３９】

【数１７】 　　Ｐ［２］［１］［１］［ｗ２］＝Ｐ［２］［１］［
１］［ｗ２］＋ａｓ２　　Ｐ［２］［２］［１］［ｗ２
］＝Ｐ［２］［２］［１］［ｗ２］＋ａｍ２　　Ｐ［２
］［３］［１］［ｗ２］＝Ｐ［２］［３］［１］［ｗ２
］＋ａｍ２　　Ｐ［２］［４］［１］［ｗ２］＝Ｐ［２
］［４］［１］［ｗ２］＋ａｅ２となる。以上の処理動
作（ステップＳ５２〜５９）を全ての横罫線について行
ない、その後全ての縦罫線について行なうことにより入
力帳票の罫線情報をパターンベクトル化し、パターンベ
クトルＰが求められる。

【００４０】次に上述のようにして求めた認識対象帳票
のパターンベクトルＰに基ずいて、その帳票の種類の識
別に移る。帳票の種類の識別は、先ず帳票のパターンベ
クトルＰと、判別すべき複数種類の基本帳票の予め定め
られた標準パターンベクトルＳｘ（但し、ｘは標準パタ
ーン番号）とを比較して距離計算をし、候補を決定する
（ステップＳ６）。距離計算は、パターンベクトルＰと
標準パターンＳとの間でシティブロック距離を用いた距
離計算を行なう。その距離ｄｘは次式で求まる。

【００４１】

【数１８】 そして、距離ｄｘが予め設定したしきい値以下になるも
のを全て帳票の候補とする。このとき距離の小さいもの
から順に並べておいて、詳細確認での優先順位とする。 詳細確認においては、距離判定で候補として選択された
帳票についてそれぞれ特定領域の解析と検定を行なう（
ステップＳ７）。このとき、距離判定での優先順位に従
った順番に解析、検定を行ない、満足する結果が得られ
た時点で入力された帳票の種類を決定し、未処理のまま
残された候補は破棄することにより、処理の効率化を計
る。

【００４２】詳細確認ができれば最終候補を決定し（ス
テップＳ９）、帳票の種類が決定したことになる。詳細
確認ができなければ次の候補が有るか否かを判定し（ス
テップＳ１０）、次の候補が有ればステップＳ７にリタ
ーンし、無ければリジェクトとなる。

【００４３】ここで詳細確認を説明すると、詳細確認は
、標準帳票毎に特徴のある特定領域を予め定めておき、
候補として挙がった標準帳票のその特定領域に相当する
領域を入力帳票画像から切出し、その領域域内の文字や
番号を読取って確認したり、又、切り出された領域につ
いて濃淡パターンを読取って一致するかどうかを確認す
る処理である。例えば図１に示す帳票の場合では詳細確
認用特定領域１内の文字を読取り、「振替伝票」と書か
れてあるか否かで詳細確認を行なう。そして、最終的に
帳票の種類が決定されると、その帳票の記載形式に従っ
たその帳票の情報記入欄を切出し、その欄の内容を読取
り（ステップＳ１１）、帳票の種類の判別及び読取処理
を終了する。

【００４４】なお、上記実施例では入力画像の罫線の情
報により類似する帳票の候補を抽出して、その候補とし
て挙がった標準帳票の特定領域で詳細確認を行なってい
るが、この詳細確認を省略して候補の一番目のものと決
定してもよい。特に、特定領域として設けていない帳票
については詳細確認は不要である。

【００４５】

【発明の効果】以上のように本願発明によれば帳票を形
成する罫線の情報を基にベクトルパターン化したパター
ンベクトルを求めて標準帳票のものと比較照合するよう
にしているので、帳票に種類番号やバーコードを付加し
ていないものであっても帳票の種類の判別を可能とする
ことができる。

【００４６】又、一旦パターンベクトルと標準帳票のも
のと比較照合して候補を抽出し、候補順に候補として挙
がった帳票の一部を確認するようにしたので、確実に帳
票の種類を判別できる。しかも、このようにしたことに
より帳票毎に特徴領域や番号、バーコードの付されてい
る位置が異なっても、最終的に詳細確認の段階で行なう
のみで良く、通常最後に一回特定の場所を見るのみで良
く、種類判定可能とする帳票の特定領域の全てについて
確認する必要がなく、判別処理の高速化を実現できる。

【図面の簡単な説明】

【図１】本発明が対象とする帳票の一例を示す図である
。

【図２】本発明の動作例を示すフローチャートである。

【図３】スムージング処理を説明するための図である。

【図４】罫線抽出の動作例を示すフローチャートである
。

【図５】罫線抽出の動作を説明するための図である。

【図６】図１に示す帳票の処理結果を示す図である。

【図７】パターンベクトルを説明するための図である。

【図８】パターンベクトルを求める動作例を示すフロー
チャートである。

【図９】入力帳票をＭ×Ｎのエリアに区分する様子を示
す図である。

【図１０】帳票上の罫線の例を示す図である。

【図１１】重み加算処理の動作例を示すフローチャート
である。

【符号の説明】

１　　特定領域 ２　　注目画素 ３　　８近傍画素 ４　　入力帳票 ５　　始点エリア ６　　終点エリア

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　被認識帳票類の画像情報を入力し、こ
   の入力された画像データから水平、垂直方向の線分を抽
   出し、抽出された各線分の位置、長さ、方向の情報を検
   出し、前記入力された画像を複数エリアに区分し、この
   区分されたエリア毎に存在する前記抽出された線分の方
   向毎の長さ毎の重みである特徴量を被認識対象のパター
   ン特徴量として求め、認識すべきパターンの基準となる
   標準パターンの特徴量を予め記憶しておき、前記抽出さ
   れた被認識パターンの特徴量と前記記憶されている標準
   パターンの特徴量とを比較照合し、その比較結果に基づ
   いて前記被認識パターンがどの標準パターンであるかを
   判断して帳票の種類を判別することを特徴とする帳票類
   の種類判別方法。
2. 【請求項２】　　被認識帳票類の画像情報を入力し、こ
   の入力された画像データから水平、垂直方向の線分を抽
   出し、抽出された各線分の位置、長さ、方向の情報を検
   出し、前記入力された画像を複数エリアに区分し、この
   区分されたエリア毎に存在する前記抽出された線分の方
   向毎の長さ毎の重みである特徴量を被認識対象のパター
   ン特徴量として求め、認識すべきパターンの基準となる
   標準パターンの特徴量を予め記憶しておき、前記抽出さ
   れた被認識パターンの特徴量と前記記憶されている標準
   パターンの特徴量とを比較照合し、所定値以上類似する
   ものを類似する順に候補として抽出し、候補として抽出
   された標準パターンの予め定められた特定領域に対応す
   る入力画像情報を検出して、前記標準パターンのものと
   一致するかを前記候補順に確認することによって帳票類
   の種類を判別することを特徴とする帳票類の種類判別方
   法。