JPH0740268B2 - 文書フアイリング装置 - Google Patents
文書フアイリング装置Info
- Publication number
- JPH0740268B2 JPH0740268B2 JP60209630A JP20963085A JPH0740268B2 JP H0740268 B2 JPH0740268 B2 JP H0740268B2 JP 60209630 A JP60209630 A JP 60209630A JP 20963085 A JP20963085 A JP 20963085A JP H0740268 B2 JPH0740268 B2 JP H0740268B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- index
- information
- area
- attributes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Character Input (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、光ディスク装置等の大容量記憶装置を使用し
て印刷物等の紙面情報を生のまゝまたは文字情報に変換
して蓄積する文書ファイリング装置に係り、詳しくは、
格納済み文書を引き出す際に利用されるインデクス情報
の構成法に関する。
て印刷物等の紙面情報を生のまゝまたは文字情報に変換
して蓄積する文書ファイリング装置に係り、詳しくは、
格納済み文書を引き出す際に利用されるインデクス情報
の構成法に関する。
従来、文書ファイリング装置において文書を格納する当
っては、スキャナ等により紙面情報を電気信号に変換し
て原情報から入力すると共に、これとは独立に紙面情報
を代表する見出し等の言語情報すなわちキーワードなど
の文字列情報を人間がキーボード等から別途入力した
後、この両者を蓄積している。また、格納してあるはず
の文書を取り出すには、人間の記憶等を頼りに、格納当
時に付与したと思われる文字列情報を人間が同じくキー
ボード等から入力してその所在を検索後、原情報紙面を
入手する手法を用いている。
っては、スキャナ等により紙面情報を電気信号に変換し
て原情報から入力すると共に、これとは独立に紙面情報
を代表する見出し等の言語情報すなわちキーワードなど
の文字列情報を人間がキーボード等から別途入力した
後、この両者を蓄積している。また、格納してあるはず
の文書を取り出すには、人間の記憶等を頼りに、格納当
時に付与したと思われる文字列情報を人間が同じくキー
ボード等から入力してその所在を検索後、原情報紙面を
入手する手法を用いている。
ところで、キーワードとしての文字列情報は正確さにお
いては優れているが、自然言語の持つ多様性と人間の記
憶のあいまいさにより、文字格納時に付与した文字列情
報を正確に思い出すことが困難である。したがって、大
量文書蓄積装置における文書の取り出し操作に際しては
試行錯誤が多くなりがちで、そのハードウェア性能に基
づく速度に比し極めて遅い実質速度での取り出し動作が
実現されているに過ぎない。
いては優れているが、自然言語の持つ多様性と人間の記
憶のあいまいさにより、文字格納時に付与した文字列情
報を正確に思い出すことが困難である。したがって、大
量文書蓄積装置における文書の取り出し操作に際しては
試行錯誤が多くなりがちで、そのハードウェア性能に基
づく速度に比し極めて遅い実質速度での取り出し動作が
実現されているに過ぎない。
また、他の従来方法として文書を連想させる代表的な図
面をインデクスとして利用する手法もあるが、インデク
スとしては情報量が多過ぎて実用的ではない欠点があ
る。さらに他の方法としては、特願昭58-199572号の如
く、原文書を高速に表示する方法も考え得るが、それす
らもある程度特定されたファイル内部の一部領域でのみ
有効な手段であるにすぎない。
面をインデクスとして利用する手法もあるが、インデク
スとしては情報量が多過ぎて実用的ではない欠点があ
る。さらに他の方法としては、特願昭58-199572号の如
く、原文書を高速に表示する方法も考え得るが、それす
らもある程度特定されたファイル内部の一部領域でのみ
有効な手段であるにすぎない。
本発明の目的は、インデクスが文字列情報のみで不便で
あった従来の問題点を解決し、人間の記憶情報として比
較的安定（忘れ難い）なイメージ情報を利用出来る文書
ファイリング装置を提供することにある。
あった従来の問題点を解決し、人間の記憶情報として比
較的安定（忘れ難い）なイメージ情報を利用出来る文書
ファイリング装置を提供することにある。
本発明の文書ファイリング装置は、文書を読取る手段
と、前記読取った文書を記憶する手段と、前記読取った
文書紙面を複数の領域に分割し、その物理的特徴から各
領域がもつ属性を求め、分割した領域の属性が定まらな
い場合は、当該領域をさらに複数の小領域に分割し、こ
れを属性が定まるまで繰り返して小領域の属性を求める
手段と、前記求めた各領域および小領域の属性の集合を
前記読取った文書のインデックスとして該当文書に対応
づけて記憶する手段とを有する。
と、前記読取った文書を記憶する手段と、前記読取った
文書紙面を複数の領域に分割し、その物理的特徴から各
領域がもつ属性を求め、分割した領域の属性が定まらな
い場合は、当該領域をさらに複数の小領域に分割し、こ
れを属性が定まるまで繰り返して小領域の属性を求める
手段と、前記求めた各領域および小領域の属性の集合を
前記読取った文書のインデックスとして該当文書に対応
づけて記憶する手段とを有する。
即ち、本発明は、入力された文書紙面の物理定数を階層
分割的に計測・算出し、その結果得られた主要な数値を
キーワード・インデクス等とゝもにインデクス蓄積手段
に格納することにより、文書の取り出しに際しては、キ
ーワードとゝもに紙面の物理定数をも指定可能とし、大
量の格納文書の中から所望の文書を迅速・的確に取り出
すことができるようにしたことである。
分割的に計測・算出し、その結果得られた主要な数値を
キーワード・インデクス等とゝもにインデクス蓄積手段
に格納することにより、文書の取り出しに際しては、キ
ーワードとゝもに紙面の物理定数をも指定可能とし、大
量の格納文書の中から所望の文書を迅速・的確に取り出
すことができるようにしたことである。
第１図は本発明の文書ファイリング装置の一実施例の全
体構成を示す。イメージスキャナ１は文書紙面を白黒の
２値情報として読み取る。イメージバッファ２はイメー
ジスキャナ１で読み取った文書データを一時格納する。
本実施例では、イメージバッファ２は1728ドット×2304
ラインからなるとする。バッファ制御回路３はイメージ
バッファ２と切換え回路４を制御して、イメージバッフ
ァ２の入力文書データの余白部を除く中央部分（1024ド
ット×1536ラインとする）をＮ個に分割し、切換え回路
４を通して順次イメージデータバス９に出力する。本実
施例ではＮ＝６とする。情報圧伸回路10は文書データを
圧縮／伸長する回路である。文書データ蓄積装置110は
情報圧伸回路10で圧縮された文書データを格納する。文
書データ蓄積装置110から読み出された文書データは、
逆に情報圧伸回路10で伸長されCRT表示装置112に表示さ
れる。インデクスデータ蓄積装置111は、文書データ蓄
積装置110の文書データに対するインデクスを格納す
る。
体構成を示す。イメージスキャナ１は文書紙面を白黒の
２値情報として読み取る。イメージバッファ２はイメー
ジスキャナ１で読み取った文書データを一時格納する。
本実施例では、イメージバッファ２は1728ドット×2304
ラインからなるとする。バッファ制御回路３はイメージ
バッファ２と切換え回路４を制御して、イメージバッフ
ァ２の入力文書データの余白部を除く中央部分（1024ド
ット×1536ラインとする）をＮ個に分割し、切換え回路
４を通して順次イメージデータバス９に出力する。本実
施例ではＮ＝６とする。情報圧伸回路10は文書データを
圧縮／伸長する回路である。文書データ蓄積装置110は
情報圧伸回路10で圧縮された文書データを格納する。文
書データ蓄積装置110から読み出された文書データは、
逆に情報圧伸回路10で伸長されCRT表示装置112に表示さ
れる。インデクスデータ蓄積装置111は、文書データ蓄
積装置110の文書データに対するインデクスを格納す
る。
水平周辺分布計数回路５は、分割された各領域の水平周
辺分布を計数し、メモリ51に格納する。垂直周辺分布計
数回路６は、同様に垂直周辺分布を計算し、メモリ61に
格納する。水平ランレングス計数回路７は、分割された
各領域の水平ランレングスを計算し、メモリ71あるいは
72に格納する。垂直ランレングス計数回路８は、同様に
垂直ランレングスを計算してメモリ81あるいは82に格納
する。高速フーリエ変換回路32は、CPU100とは独立にフ
ーリエ変換処理を高速に行うためのものである。CPU100
は例えばマイクロプロセッサであり、文書データに対応
するインデクス生成のための大部分の処理を実行する。
以下、動作を説明する。
辺分布を計数し、メモリ51に格納する。垂直周辺分布計
数回路６は、同様に垂直周辺分布を計算し、メモリ61に
格納する。水平ランレングス計数回路７は、分割された
各領域の水平ランレングスを計算し、メモリ71あるいは
72に格納する。垂直ランレングス計数回路８は、同様に
垂直ランレングスを計算してメモリ81あるいは82に格納
する。高速フーリエ変換回路32は、CPU100とは独立にフ
ーリエ変換処理を高速に行うためのものである。CPU100
は例えばマイクロプロセッサであり、文書データに対応
するインデクス生成のための大部分の処理を実行する。
以下、動作を説明する。
読み取り CPU100はバス101を介してイメージスキャナ１に読み取
り指令を出し、スキャナ１に挿入した文書原稿を読み取
り、イメージバッファ２に白黒の２値データ（1728ドッ
ト×2304ライン）として一時蓄える。
り指令を出し、スキャナ１に挿入した文書原稿を読み取
り、イメージバッファ２に白黒の２値データ（1728ドッ
ト×2304ライン）として一時蓄える。
この紙面情報は情報圧伸回路10を経由して文書データ蓄
積装置110に格納保存されるが、これとは独立に、第２
図の如く紙面の中央部分1024ドット×1536ラインのみを
特徴抽出操作のためイメージバッファ２に保存する。
積装置110に格納保存されるが、これとは独立に、第２
図の如く紙面の中央部分1024ドット×1536ラインのみを
特徴抽出操作のためイメージバッファ２に保存する。
分割 イメージバッファ制御回路３は、まず第２図に示す文書
紙面の左上部分の領域１に相当する512ドット×512ライ
ン（紙面中央部分の1/6に相当）の２値データを、水平
方向に走査してイメージデータバス９に次々に出力す
る。イメージバッファ制御回路３は、この後、前記と同
じ文書紙面の左上に相当する２値データを垂直方向に走
査してイメージデータバス９に次々に出力する。以下、
これを領域２〜６についても繰り返す。
紙面の左上部分の領域１に相当する512ドット×512ライ
ン（紙面中央部分の1/6に相当）の２値データを、水平
方向に走査してイメージデータバス９に次々に出力す
る。イメージバッファ制御回路３は、この後、前記と同
じ文書紙面の左上に相当する２値データを垂直方向に走
査してイメージデータバス９に次々に出力する。以下、
これを領域２〜６についても繰り返す。
水平分布とランレングス 水平周辺分布回路５は、分割されたイメージデータの水
平１ライン毎にその中の黒画素個数を積算し、その値を
メモリ51に蓄える動作を512ライン分繰り返す。これと
同時に、水平ランレングス計数回路７は水平１ラインの
中のランレングスを個々に計測し、その値を平均操作し
つゝメモリ71に蓄えるとゝもに、分散を同時に計算して
メモリ72に蓄える。この動作も512ライン分繰り返す。
同様に、垂直方向についても、垂直周辺分布回路６と垂
直ランレングス計数８により、黒画素個数とランレング
スの平均・分散が算出され、メモリ61と81,82に各々格
納される。この動作を512ライン分繰り返す。
平１ライン毎にその中の黒画素個数を積算し、その値を
メモリ51に蓄える動作を512ライン分繰り返す。これと
同時に、水平ランレングス計数回路７は水平１ラインの
中のランレングスを個々に計測し、その値を平均操作し
つゝメモリ71に蓄えるとゝもに、分散を同時に計算して
メモリ72に蓄える。この動作も512ライン分繰り返す。
同様に、垂直方向についても、垂直周辺分布回路６と垂
直ランレングス計数８により、黒画素個数とランレング
スの平均・分散が算出され、メモリ61と81,82に各々格
納される。この動作を512ライン分繰り返す。
特徴ベクトル 上記水平・垂直の一連動作により水平周辺分布ベクトル
Ph（512要素）、垂直周辺分布ベクトルPv（512要素）、
ランレングス平均値ベクトルLr（水平黒ラン平均、垂直
黒ラン平均）、ランレングス分散ベクトルLv（水平ラン
分散、垂直ラン分散）の４個のベクトルが入手できたこ
とになる。このとき、各ベクトルの次元数は、各々、51
2,512,2,2である。この４個のベクトルは第２図の６分
割紙面の各々につき４個一組で生成される。その結果、
紙面１ページにつき６組、24組のベクトルがバス101を
介してCPU100に転送される。これらのベクトルは、この
まゝインデクスとするにはデータ量が大き過ぎ、また、
分類にも不便であるので、さらに以下のごとくCPU100が
代表値に変換する。
Ph（512要素）、垂直周辺分布ベクトルPv（512要素）、
ランレングス平均値ベクトルLr（水平黒ラン平均、垂直
黒ラン平均）、ランレングス分散ベクトルLv（水平ラン
分散、垂直ラン分散）の４個のベクトルが入手できたこ
とになる。このとき、各ベクトルの次元数は、各々、51
2,512,2,2である。この４個のベクトルは第２図の６分
割紙面の各々につき４個一組で生成される。その結果、
紙面１ページにつき６組、24組のベクトルがバス101を
介してCPU100に転送される。これらのベクトルは、この
まゝインデクスとするにはデータ量が大き過ぎ、また、
分類にも不便であるので、さらに以下のごとくCPU100が
代表値に変換する。
周辺分布の代表化 まず、６分割紙面１領域につき２組発生する周辺分布ベ
クトルＰは、よく知られているように１価関数の周辺分
布曲線２本（縦と横）と考えることができ、平均値Pmと
分散Vp各２個で代表することができる。これらは水平・
垂直の計２組が存在するが、水平周辺分布平均値Pmhと
垂直周辺分布平均値Pmvはその定義から、Pmh＝Pmvであ
り、その値は紙面の平均明度（黒画素数／全画素数）に
比例する。そこで、この両者を平均明度Pmと呼ぶことに
する。こうすることにより、周辺分布の算術的特徴は、
Ｐ（Pm,Vpv,Vph）なる３次元ベクトルに集約できる。物
理的には、平均明度は黒部分の集中度を表現する。
クトルＰは、よく知られているように１価関数の周辺分
布曲線２本（縦と横）と考えることができ、平均値Pmと
分散Vp各２個で代表することができる。これらは水平・
垂直の計２組が存在するが、水平周辺分布平均値Pmhと
垂直周辺分布平均値Pmvはその定義から、Pmh＝Pmvであ
り、その値は紙面の平均明度（黒画素数／全画素数）に
比例する。そこで、この両者を平均明度Pmと呼ぶことに
する。こうすることにより、周辺分布の算術的特徴は、
Ｐ（Pm,Vpv,Vph）なる３次元ベクトルに集約できる。物
理的には、平均明度は黒部分の集中度を表現する。
次に、周辺分布の周期的特徴をFFT（高速フーリエ変
換）を利用して以下のように抽出する。CPU100は指令に
基づき、水平周辺分布ベクトルPhのデータ群（例えば51
2個）を水平分布メモリ51からFFT演算回路32に転送し、
FFT演算を実行せしめる。CPU100は、その結果のみをバ
ス101を介して吸い上げたのち、代表横周波数Fhを求め
る。
換）を利用して以下のように抽出する。CPU100は指令に
基づき、水平周辺分布ベクトルPhのデータ群（例えば51
2個）を水平分布メモリ51からFFT演算回路32に転送し、
FFT演算を実行せしめる。CPU100は、その結果のみをバ
ス101を介して吸い上げたのち、代表横周波数Fhを求め
る。
同様に、垂直周辺分布ベクトルから代表縦周波数Pvを求
める。これらを要素として、周波数特徴ベクトル（Fh,F
v）を定義する。
める。これらを要素として、周波数特徴ベクトル（Fh,F
v）を定義する。
以上で周辺分布に基づく物理パラメータはベクトル２個
（スカラ量５個）に集約されたことになる。次にランレ
ングスに基づくパラメータの代表化を行う。
（スカラ量５個）に集約されたことになる。次にランレ
ングスに基づくパラメータの代表化を行う。
ランレングスの代表化 先に、ランレングスに関する情報は、白ラン、黒ランの
各平均値Lrw,Lrb、及び分散Lvh,Lvbの４個のスカラ量に
集約されることを示した。これらを要素とするラン・ベ
クトルＬは、Ｌ（Lrw,Lrb）で表現でき、ラン分散ベク
トルLvは、Lv（Lvh,Lvb）と表現できる。すなわち４個
のスカラ量を２個のベクトルに集約した。物理的には、
領域の全体の黒画素の連結傾向を表現し、写真や図表を
検知する。
各平均値Lrw,Lrb、及び分散Lvh,Lvbの４個のスカラ量に
集約されることを示した。これらを要素とするラン・ベ
クトルＬは、Ｌ（Lrw,Lrb）で表現でき、ラン分散ベク
トルLvは、Lv（Lvh,Lvb）と表現できる。すなわち４個
のスカラ量を２個のベクトルに集約した。物理的には、
領域の全体の黒画素の連結傾向を表現し、写真や図表を
検知する。
インデクス量 スカラ・パラメータ１個を２バイト表現することにする
と、４個のベクトルからなる18バイトのインデクス情報
が生成できたことになる。この18バイトのインデクス情
報は、１紙面６分割のとき１紙面につき６組できるか
ら、18×６＝108バイトであり、このまゝではインデク
スとしての保存に適しないので、以下の如くさらに大代
表化する。
と、４個のベクトルからなる18バイトのインデクス情報
が生成できたことになる。この18バイトのインデクス情
報は、１紙面６分割のとき１紙面につき６組できるか
ら、18×６＝108バイトであり、このまゝではインデク
スとしての保存に適しないので、以下の如くさらに大代
表化する。
領域のカテゴリ判定 注目する６分割領域は、以下の方法で空白、線図、文字
列、写真等の４カテゴリのいずれか一つのカテゴリに分
類する。二つのカテゴリには跨らせないことにする。す
なわち、文書は前記の４種の要素からなるというモデル
を採用する。
列、写真等の４カテゴリのいずれか一つのカテゴリに分
類する。二つのカテゴリには跨らせないことにする。す
なわち、文書は前記の４種の要素からなるというモデル
を採用する。
空白：平均濃度Pmが１×10-2より小さいことをもって空
白と見なす。たゞし、線画との区別をするため、黒ラン
レングス分散が１×102より大きいものは除く。
白と見なす。たゞし、線画との区別をするため、黒ラン
レングス分散が１×102より大きいものは除く。
線画：平均濃度Pmが１×10-1より小さいことをもって線
画と見なす。たゞし、空白との区別をするため黒ランレ
ングス分散が１×102より小さいものは除く。
画と見なす。たゞし、空白との区別をするため黒ランレ
ングス分散が１×102より小さいものは除く。
文字列：周波数特徴ベクトルの２次元空間写像で判定す
る。第３図のごとく座標のいずれかが周波数10より大き
い部分にあることをもって文字列と見なす。これは、行
構成情報を利用するものである。また、ラン・ベクトル
を解査し、黒ランの平均が５より小さいことは条件と
し、文字部分ではランが短いことを利用する。さらに両
軸のどちらかに近いときは縦／横の書式と見なすことが
出来る。第３図において、１つの丸印は１の分割領域に
対応し、白丸は文字列または表、黒丸はその他（図面、
グラフ、写真など）である。なお、周波数１とは、画面
の右半面が空白、左半面が黒塗のような場合に相当す
る。
る。第３図のごとく座標のいずれかが周波数10より大き
い部分にあることをもって文字列と見なす。これは、行
構成情報を利用するものである。また、ラン・ベクトル
を解査し、黒ランの平均が５より小さいことは条件と
し、文字部分ではランが短いことを利用する。さらに両
軸のどちらかに近いときは縦／横の書式と見なすことが
出来る。第３図において、１つの丸印は１の分割領域に
対応し、白丸は文字列または表、黒丸はその他（図面、
グラフ、写真など）である。なお、周波数１とは、画面
の右半面が空白、左半面が黒塗のような場合に相当す
る。
写真列：平均濃度Pmが１×10-1より大きいことをもって
写真と見なす。さらに、ラン・ベクトルを検査し、黒ラ
ン平均が水平・垂直とも５より大きい値であることを条
件とする。
写真と見なす。さらに、ラン・ベクトルを検査し、黒ラ
ン平均が水平・垂直とも５より大きい値であることを条
件とする。
領域属性判定の階層化 当然のことながら、６分割領域のなかにさらに複数種要
素が混在することにより、上記の第１階層判定操作では
カテゴリが決定しない場合が大多数である。その場合、
512×512画素の領域をさらに４分解し、128×128領域４
個に分解する。この分解領域につきさらに第２階層判定
操作を行い、前記カテゴリ判定を行う。４分解領域のカ
テゴリが４個とも一致した場合を以て、第１階層の判明
と定義する。
素が混在することにより、上記の第１階層判定操作では
カテゴリが決定しない場合が大多数である。その場合、
512×512画素の領域をさらに４分解し、128×128領域４
個に分解する。この分解領域につきさらに第２階層判定
操作を行い、前記カテゴリ判定を行う。４分解領域のカ
テゴリが４個とも一致した場合を以て、第１階層の判明
と定義する。
これでもなお不明の場合、分解領域をさらに４分し、64
×64に細分し、第３階層判定操作を行う。以下同様に、
第Ｎ＋１層の４個の一致を以て第Ｎ層の判明とする。第
４図はこれを説明する図である。
×64に細分し、第３階層判定操作を行う。以下同様に、
第Ｎ＋１層の４個の一致を以て第Ｎ層の判明とする。第
４図はこれを説明する図である。
判定結果の記述 空白、線画、文字列、写真等にそれぞれ記号S,G,C,Pを
割り当て、たとえば、６分割領域すべてが文字列の場
合、 サンプル文書１＝Ｃ と表現し、この文書は文字列以外の要素を含まぬことを
表現する。これを第０層表示と呼ぶ。
割り当て、たとえば、６分割領域すべてが文字列の場
合、 サンプル文書１＝Ｃ と表現し、この文書は文字列以外の要素を含まぬことを
表現する。これを第０層表示と呼ぶ。
もし、例えば第２図の下段２箇所（領域5,6）が画面と
写真の場合、 サンプル文書２＝X,CCCCGP（Ｘはカテゴリ不定の表示） と記述し、第０層表示で混在文書であることをＸで示
し、より詳細に６領域が文字列４、線画１、写真１の割
合と順次で構成されていることを表示する。これを第１
層表示と呼ぶ。
写真の場合、 サンプル文書２＝X,CCCCGP（Ｘはカテゴリ不定の表示） と記述し、第０層表示で混在文書であることをＸで示
し、より詳細に６領域が文字列４、線画１、写真１の割
合と順次で構成されていることを表示する。これを第１
層表示と呼ぶ。
第１階層で判明しない文書は次のように記述する。第４
図の如く、サンプル文書２の下段にある写真がやゝ大き
く、領域４にはみ出していると、領域４には余白と写真
の一部が混在しているので、一義の判定ができない場合
が生ずる。このような場合には サンプル文書３＝X,CCCXGP,…… と記述し、第２階層情報の表示に継続する。
図の如く、サンプル文書２の下段にある写真がやゝ大き
く、領域４にはみ出していると、領域４には余白と写真
の一部が混在しているので、一義の判定ができない場合
が生ずる。このような場合には サンプル文書３＝X,CCCXGP,…… と記述し、第２階層情報の表示に継続する。
第２階層の４分解領域で上半分が空白、下半分が概ね写
真とすると、サンプリ文書３の表示は、 サンプル文書３＝X,CCCXGP,SSGG. と記述する。
真とすると、サンプリ文書３の表示は、 サンプル文書３＝X,CCCXGP,SSGG. と記述する。
もし第２階層までに判明しない場合、例えば、上記例の
４分解領域の下段右が余白と写真の混在ならば、さらに
第３階層を記述して、 サンプル文書４＝X,CCCXGP,SSGX,SSGG. と記述する。この場合、階層レベルは必ずも明記する必
要はなく次のように、 サンプル文書４＝XCCCXGPSSGXSSGG と記述して単に記号を延長するのみでもよい。なぜな
ら、先頭の記号１個は必ず存在し、且つ、引き続く記号
は必ず６個であり、第２層以下は必ず４個で区切れる。
また、不定記号Ｘの順次と同一の順序で下位の階層が記
述されるからである。
４分解領域の下段右が余白と写真の混在ならば、さらに
第３階層を記述して、 サンプル文書４＝X,CCCXGP,SSGX,SSGG. と記述する。この場合、階層レベルは必ずも明記する必
要はなく次のように、 サンプル文書４＝XCCCXGPSSGXSSGG と記述して単に記号を延長するのみでもよい。なぜな
ら、先頭の記号１個は必ず存在し、且つ、引き続く記号
は必ず６個であり、第２層以下は必ず４個で区切れる。
また、不定記号Ｘの順次と同一の順序で下位の階層が記
述されるからである。
判定結果のインデクス化 上記の記号１個の表記には、分類カテゴリ４とカテゴリ
不明数１の合計数１の合計５状態を表示するので、最低
３ビットを必要とする。処理装置との整合を考えると、
４ビットがこれに近いが、将来のカテゴリ数拡張を考慮
して以後、８ビット（１バイト）で記述するものとす
る。すなわち、前記表記文字列をそのまゝインデクス記
号列として取り扱う。
不明数１の合計数１の合計５状態を表示するので、最低
３ビットを必要とする。処理装置との整合を考えると、
４ビットがこれに近いが、将来のカテゴリ数拡張を考慮
して以後、８ビット（１バイト）で記述するものとす
る。すなわち、前記表記文字列をそのまゝインデクス記
号列として取り扱う。
このようにしたとき、インデクスの情報量は、“割り切
れた”場合で１バイト／ページ、第１層までのときで１
＋６（バイト）、第２階層へ詳細化したときで１＋６＋
４×ｎ（ｎ≧６）、第３階層まで詳細化したときで、１
＋６＋４×ｎ＋４×ｍ（ｍ≦４）であり、第３階層を使
用すると最大47バイト／ページである。第４階層以下の
使用では、さらに大きくなるので、特別の用途以外では
使用しない。
れた”場合で１バイト／ページ、第１層までのときで１
＋６（バイト）、第２階層へ詳細化したときで１＋６＋
４×ｎ（ｎ≧６）、第３階層まで詳細化したときで、１
＋６＋４×ｎ＋４×ｍ（ｍ≦４）であり、第３階層を使
用すると最大47バイト／ページである。第４階層以下の
使用では、さらに大きくなるので、特別の用途以外では
使用しない。
このようにして生成したインデクス記号列は、従来のキ
ーワード文字列と同等の分類が可能である。例えばカテ
ゴリ記号に割り当てた文字がアルファベットの場合、イ
ンデクス記号列は単なるキーワードと全く同等の分類並
べ替えが可能である。このことは、後日の検索を能率的
に行う上で極めて有利である。
ーワード文字列と同等の分類が可能である。例えばカテ
ゴリ記号に割り当てた文字がアルファベットの場合、イ
ンデクス記号列は単なるキーワードと全く同等の分類並
べ替えが可能である。このことは、後日の検索を能率的
に行う上で極めて有利である。
またこのインデクス記号列を数値列と見なせば、各階層
に数個のベクトルが生成でき、これを特徴ベクトル・セ
ットＡと呼ぶことにして、 A0＝a0 A1＝(a11,a12,a13,a14,a13,a14) A2＝(a21,a22,a23,a24) ・ Am＝(am1,am2,am3,am4) 但し、amnは記号S,G,C,PXと１対１の数値と記述する。
第ｍ階層ベクトルが存在する場合、これを第ｍ層特徴ベ
クトルと呼び、その個数は一般には複数である。
に数個のベクトルが生成でき、これを特徴ベクトル・セ
ットＡと呼ぶことにして、 A0＝a0 A1＝(a11,a12,a13,a14,a13,a14) A2＝(a21,a22,a23,a24) ・ Am＝(am1,am2,am3,am4) 但し、amnは記号S,G,C,PXと１対１の数値と記述する。
第ｍ階層ベクトルが存在する場合、これを第ｍ層特徴ベ
クトルと呼び、その個数は一般には複数である。
インデクスの保存 文書を蓄積する場合は、後日取り出すときのために複数
のキーワードを付与する方法が一般的であり、本実施例
でもこのキーワードは保存する。すなわち、日付、文書
名等を公知の方法でインデクスデータ記憶装置111に文
字列形式で記憶する。
のキーワードを付与する方法が一般的であり、本実施例
でもこのキーワードは保存する。すなわち、日付、文書
名等を公知の方法でインデクスデータ記憶装置111に文
字列形式で記憶する。
特徴ベクトルはもはやキーワードと同様の文字列で表現
されているので、キーワードの記憶領域のすぐ後ろに引
き続いて記憶する。第ｍ階層ベクトルが存在するとき
は、これに引続き記憶して、保存する。この場合、効果
的な高速検索を実現するために、キーワードのみを分
類、並べ替えしたキーワード・インデクス・ファイルを
生成しておくのが常套手段である。同様の目的で、特徴
ベクトル・インデクス・ファイルをインデクスデータ記
憶装置111の中でに生成しておくと、後日の検索操作実
行時の処理速度を高めることはいうまでもない。なお、
インデクスデータ蓄積装置111は文書データ蓄積装置110
と一緒に同一のメモリで構成してもよい。
されているので、キーワードの記憶領域のすぐ後ろに引
き続いて記憶する。第ｍ階層ベクトルが存在するとき
は、これに引続き記憶して、保存する。この場合、効果
的な高速検索を実現するために、キーワードのみを分
類、並べ替えしたキーワード・インデクス・ファイルを
生成しておくのが常套手段である。同様の目的で、特徴
ベクトル・インデクス・ファイルをインデクスデータ記
憶装置111の中でに生成しておくと、後日の検索操作実
行時の処理速度を高めることはいうまでもない。なお、
インデクスデータ蓄積装置111は文書データ蓄積装置110
と一緒に同一のメモリで構成してもよい。
以上で、文書の蓄積動作と、これに伴う検索用インデク
スの保存が完了したことになる。
スの保存が完了したことになる。
文書の取出し 文書の取出し時には、まず人間の記憶に基づきキーワー
ドをキーボード等から入力し、候補文書を絞り込む。こ
ゝまでは従来から公知の技術を利用する。絞った結果が
単一にならない場合や、全く絞れない場合、従来は試行
錯誤的に入力キーワードを変更しながら目的の文書に近
づく方法しかなかった。本実施例ではつぎのように継続
する。
ドをキーボード等から入力し、候補文書を絞り込む。こ
ゝまでは従来から公知の技術を利用する。絞った結果が
単一にならない場合や、全く絞れない場合、従来は試行
錯誤的に入力キーワードを変更しながら目的の文書に近
づく方法しかなかった。本実施例ではつぎのように継続
する。
例示紙面と入力と特徴抽出 キーワードの入力に引き続き、記憶に基づく例示紙面を
入力する。原理的には、目的文書と同程度の大きさの白
紙を用意し、目的文書の中の記憶している１ぺージのレ
イアウトを筆記具で描き、これをスキャナ１に挿入し、
文書格納時と同様の手続きでパラメータ化するという操
作を行う。
入力する。原理的には、目的文書と同程度の大きさの白
紙を用意し、目的文書の中の記憶している１ぺージのレ
イアウトを筆記具で描き、これをスキャナ１に挿入し、
文書格納時と同様の手続きでパラメータ化するという操
作を行う。
実際には、紙に描く操作に替えて、CAD（コンピュータ
・エイデド・デザイン）や作図機能付きワードプロセッ
等と同様の公知の手段で、CRT上の操作のみで例示紙面
を作成する。例示紙面の作成に際しては、縦／横書き、
行ピッチ、図面／写真や余白の位置等の書式情報が含ま
れることが望ましいことは言うまでもない。このように
して作成した例示紙面データを、文書格納時に使用した
と同様に６分割領域ごとに特徴ベクトルＥを算出する。
Ｅが第０層のみの場合はＥ＝S,C,G,Pのいずれかが、第
１層までのとき、 E1＝(e11,e12,e13,e14,e15,e16) を求め、第ｍ層までのとき、 Em＝(em1,em2,em2,em4) 但し、emnは記号S,G,C,P,Xと１対１対応の数値を求め
る。
・エイデド・デザイン）や作図機能付きワードプロセッ
等と同様の公知の手段で、CRT上の操作のみで例示紙面
を作成する。例示紙面の作成に際しては、縦／横書き、
行ピッチ、図面／写真や余白の位置等の書式情報が含ま
れることが望ましいことは言うまでもない。このように
して作成した例示紙面データを、文書格納時に使用した
と同様に６分割領域ごとに特徴ベクトルＥを算出する。
Ｅが第０層のみの場合はＥ＝S,C,G,Pのいずれかが、第
１層までのとき、 E1＝(e11,e12,e13,e14,e15,e16) を求め、第ｍ層までのとき、 Em＝(em1,em2,em2,em4) 但し、emnは記号S,G,C,P,Xと１対１対応の数値を求め
る。
パラメータの比較方法 候補文書の特徴ベクトル第ｍ層の一つをSmとするとき、
例示文書のベクトルEmとの差異を示す距離ベクトルDmを Dm＝Sm-Sm で定義する。さらに、ベクトル不定要素Ｘを含まない場
合の距離関数｜Dm｜を、 と定義する。すなわち｜D1｜＝０は１紙面６個すべての
領域で候補と例示の属性が一致したことを意味し、｜D1
｜＝６はすべての領域で属性が異なることを意味する。
例示文書のベクトルEmとの差異を示す距離ベクトルDmを Dm＝Sm-Sm で定義する。さらに、ベクトル不定要素Ｘを含まない場
合の距離関数｜Dm｜を、 と定義する。すなわち｜D1｜＝０は１紙面６個すべての
領域で候補と例示の属性が一致したことを意味し、｜D1
｜＝６はすべての領域で属性が異なることを意味する。
一方、ベクトルにＸを含む場合の距離関数｜Dm｜はつぎ
のような拡張で定義できる。Ｘを含む特徴ベクトル第ｍ
層には必ず特徴ベクトル第ｍ＋１層が付随している筈で
あるから、これをベクトルSm1と表記すると、例えば Sm1＝（CCGP） が直ちに入手できる。一方、Emは不定記号Ｘを含まない
ので特徴ベクトル第ｍ＋１層が付随していないが、６分
割領域の４要素すべてがemであったことは自明なので、
例えば Em+1＝（CCCC） と記述する。こゝで拡張距離関数｜Dm｜を次式で定義す
る。前記同様に距離関数が で表されていて、δxは不定要素Ｘを含む演算を要する
ものとする。このときδxを の如く定義すれば、１階層下の４個の要素すべてが異な
るとき｜Dm｜＝１に、また、すべてが同一のとき｜Dm｜
＝０になる。
のような拡張で定義できる。Ｘを含む特徴ベクトル第ｍ
層には必ず特徴ベクトル第ｍ＋１層が付随している筈で
あるから、これをベクトルSm1と表記すると、例えば Sm1＝（CCGP） が直ちに入手できる。一方、Emは不定記号Ｘを含まない
ので特徴ベクトル第ｍ＋１層が付随していないが、６分
割領域の４要素すべてがemであったことは自明なので、
例えば Em+1＝（CCCC） と記述する。こゝで拡張距離関数｜Dm｜を次式で定義す
る。前記同様に距離関数が で表されていて、δxは不定要素Ｘを含む演算を要する
ものとする。このときδxを の如く定義すれば、１階層下の４個の要素すべてが異な
るとき｜Dm｜＝１に、また、すべてが同一のとき｜Dm｜
＝０になる。
以上の定義により、|D|の大きさは候補文書と例示文書
の近似程度をよく表現する。従って、候補文書のすべて
について|D|を算出し、一定の値、例えば１以下の候補
文書のみを残せば、外観に近い文書のみが残ることにな
る。また、候補文書のすべてについて検査するまでもな
く、文書格納時に分類並べ替えの施してある特徴ベクト
ル・インデクス・ファイルを検索すれば、より高速に検
索可能である。
の近似程度をよく表現する。従って、候補文書のすべて
について|D|を算出し、一定の値、例えば１以下の候補
文書のみを残せば、外観に近い文書のみが残ることにな
る。また、候補文書のすべてについて検査するまでもな
く、文書格納時に分類並べ替えの施してある特徴ベクト
ル・インデクス・ファイルを検索すれば、より高速に検
索可能である。
最終特定 CPU100は、距離ベクトルの値で例示紙面との近似度を計
算しながら、次々にインデクスを検索し、|D|＝０の候
補のみを残す。その結果判明した原文書データを記憶装
置110からとり出し、情報圧伸回路10を介してCRT表示装
置112に原文書を表示し、人間が最後の特定をして文書
を終了する。
算しながら、次々にインデクスを検索し、|D|＝０の候
補のみを残す。その結果判明した原文書データを記憶装
置110からとり出し、情報圧伸回路10を介してCRT表示装
置112に原文書を表示し、人間が最後の特定をして文書
を終了する。
また、|D|＝０では１文書も残らぬ場合には、|D|＜1.25
の文章を表示し、それでもなければ|D|＜1.5……と範囲
を広げて人間の判断に委ねる。
の文章を表示し、それでもなければ|D|＜1.5……と範囲
を広げて人間の判断に委ねる。
以上、実施例においては、原文書紙面分割数６、再分割
数４を採用したが、紙面の大きさ、縦横比等に応じて他
の値でもよい。また、周波数成分変換に高速フーリエ変
換を用いたが、他の直交変換、例えばアダマル変換など
を用いも良い。さらに、キーワードによる絞り込みに先
立って特徴インデクスによる絞り込みを先行してもよ
い。
数４を採用したが、紙面の大きさ、縦横比等に応じて他
の値でもよい。また、周波数成分変換に高速フーリエ変
換を用いたが、他の直交変換、例えばアダマル変換など
を用いも良い。さらに、キーワードによる絞り込みに先
立って特徴インデクスによる絞り込みを先行してもよ
い。
以上説明したように、本発明によれば、インデクスとし
てキーワードのみならず文書紙面の外観、レイアウト情
報を領域属性判定の階層化できめ細かに取り込めるよう
になっているから、キーワードのみ検索する従来方法に
比べて多数の文書の中から効果的に希望の文書を探し出
すことが可能である。また、キーワードを完全に忘れて
も、紙面の概観を覚えていることが多い自作の報告書等
では、容易に希望文書を発見できる利点がある。さら
に、電子ファイルシステム内の個人用のバインダ、フォ
ルダなどに文書を格納するにあたっては、バインダ名、
フォルダ名の他は特別なキーワードを付与することな
く、自動生成の特徴インデクスのみを付与するだけとい
う使い方が可能になる利点をもつ。
てキーワードのみならず文書紙面の外観、レイアウト情
報を領域属性判定の階層化できめ細かに取り込めるよう
になっているから、キーワードのみ検索する従来方法に
比べて多数の文書の中から効果的に希望の文書を探し出
すことが可能である。また、キーワードを完全に忘れて
も、紙面の概観を覚えていることが多い自作の報告書等
では、容易に希望文書を発見できる利点がある。さら
に、電子ファイルシステム内の個人用のバインダ、フォ
ルダなどに文書を格納するにあたっては、バインダ名、
フォルダ名の他は特別なキーワードを付与することな
く、自動生成の特徴インデクスのみを付与するだけとい
う使い方が可能になる利点をもつ。
また、文書を外観という、主として物理的側面から捕ら
えて分類できるという機能は、従来行われてきた意味、
概念情報の側面からの分類機能と対をなすものであり、
事務処理の大半を占める文書処理の自動化に貢献する。
えて分類できるという機能は、従来行われてきた意味、
概念情報の側面からの分類機能と対をなすものであり、
事務処理の大半を占める文書処理の自動化に貢献する。
これらの利点は、人間の多くの場合、イメージを取込
み、それから抽出した非言語情報と、さらに抽出した言
語情報の両方を使って記憶や思考をしていることを考慮
すると電子ファイルシステムの高利便化に極めて有効と
いえる。
み、それから抽出した非言語情報と、さらに抽出した言
語情報の両方を使って記憶や思考をしていることを考慮
すると電子ファイルシステムの高利便化に極めて有効と
いえる。
第１図は本発明の一実施例の全体構成図、第２図は文書
紙面の分割例を示す図、第３図は文字列領域の特徴抽出
の概念図、第４図は文書紙面の階層構造表示の模式図で
ある。 １……スキャナ、２……イメージバッファメモリ、３…
…バッファ制御回路、４……切換え回路、５……水平周
辺分布計数回路、６……垂直周辺分布計数回路、７……
水平ランレングス計数回路、８……垂直ランレングス計
数回路、９……イメージデータバス、10……情報圧伸回
路、32……高速フーリエ変換回路、100……マイクロコ
ンピュータ、101……制御データバス、110……文書デー
タ蓄積装置、111……インデクスデータ蓄積装置、112…
…CRT表示装置。
紙面の分割例を示す図、第３図は文字列領域の特徴抽出
の概念図、第４図は文書紙面の階層構造表示の模式図で
ある。 １……スキャナ、２……イメージバッファメモリ、３…
…バッファ制御回路、４……切換え回路、５……水平周
辺分布計数回路、６……垂直周辺分布計数回路、７……
水平ランレングス計数回路、８……垂直ランレングス計
数回路、９……イメージデータバス、10……情報圧伸回
路、32……高速フーリエ変換回路、100……マイクロコ
ンピュータ、101……制御データバス、110……文書デー
タ蓄積装置、111……インデクスデータ蓄積装置、112…
…CRT表示装置。
Claims (2)
- 【請求項１】文書を読取る手段と、前記読取った文書を
記憶する手段と、前記読取った文書紙面を複数の領域に
分割し、その物理的特徴から各領域がもつ属性を求め、
分割した領域の属性が定まらない場合は、当該領域をさ
らに複数の小領域に分割し、これを属性が定まるまで繰
り返して小領域の属性を求める手段と、前記求めた各領
域および小領域の属性の集合を前記読取った文書のイン
デックスとして該当文書に対応づけて記憶する手段とを
有することを特徴とする文書ファイリング装置。 - 【請求項２】特許請求の範囲第１項記載の文書ファイリ
ング装置において、さらに例示紙面を入力する手段と、
例示紙面に対して領域分割して属性を求める手段を操作
させて、例示紙面のインデックスを得る手段と、例示紙
面のインデックスと記憶されているインデックスとの類
似度を計算し、該類似度が一定範囲内にある原文書を引
き出す手段とを設けたことを特徴とする文書ファイリン
グ装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60209630A JPH0740268B2 (ja) | 1985-09-21 | 1985-09-21 | 文書フアイリング装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60209630A JPH0740268B2 (ja) | 1985-09-21 | 1985-09-21 | 文書フアイリング装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6269367A JPS6269367A (ja) | 1987-03-30 |
| JPH0740268B2 true JPH0740268B2 (ja) | 1995-05-01 |
Family
ID=16575979
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60209630A Expired - Fee Related JPH0740268B2 (ja) | 1985-09-21 | 1985-09-21 | 文書フアイリング装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0740268B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03241658A (ja) * | 1990-02-20 | 1991-10-28 | Casio Comput Co Ltd | 電池収納構造 |
| JP3142902B2 (ja) * | 1991-07-31 | 2001-03-07 | キヤノン株式会社 | 画像記憶装置および画像検索方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60123961A (ja) * | 1983-12-07 | 1985-07-02 | Ricoh Co Ltd | デ−タ記憶方法 |
| JPS60152176A (ja) * | 1984-01-19 | 1985-08-10 | Toshiyuki Sakai | 文書画像領域分割方式 |
-
1985
- 1985-09-21 JP JP60209630A patent/JPH0740268B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6269367A (ja) | 1987-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2816241B2 (ja) | 画像情報検索装置 | |
| Jobin et al. | Docfigure: A dataset for scientific document figure classification | |
| US7593961B2 (en) | Information processing apparatus for retrieving image data similar to an entered image | |
| Wang | Integrated region-based image retrieval | |
| JP4335335B2 (ja) | ドキュメント画像のソート方法 | |
| JP3942290B2 (ja) | ドキュメント画像のクライアント・ワークステーションへの送信方法 | |
| JP4236116B2 (ja) | 画像特徴抽出方法及び装置 | |
| JP4181892B2 (ja) | 画像処理方法 | |
| DE69731418T2 (de) | Such- und Wiederauffindungssystem für Dokumente mit Suchverfahren von teilweise passenden, benutzergezeichneten Anmerkungen | |
| Athitsos et al. | Boostmap: An embedding method for efficient nearest neighbor retrieval | |
| US20040220962A1 (en) | Image processing apparatus, method, storage medium and program | |
| JP3625054B2 (ja) | 技術文書検索装置 | |
| JPH0750483B2 (ja) | 文書画像追加情報の蓄積方法 | |
| CN1979481A (zh) | 利用形状进行目标表示与检索的方法和装置 | |
| JP3143532B2 (ja) | 画像検索装置及び方法 | |
| KR20010055492A (ko) | 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법 | |
| JPH0314184A (ja) | 文書画像再配置ファイリング装置 | |
| US20080244384A1 (en) | Image retrieval apparatus, method for retrieving image, and control program for image retrieval apparatus | |
| CN119380363A (zh) | 一种联合布局分析和语言模型的阅读顺序检测方法及系统 | |
| JP2004363786A (ja) | 画像処理装置 | |
| Wang | SIMPLIcity: a region-based retrieval system for picture libraries and biomedical image databases | |
| CN118799895B (zh) | 用于大模型知识增强的工业表格数据识别方法及程序产品 | |
| KR101951910B1 (ko) | 계통이 부여된 도판 및 문자의 자동배치를 통한 전자서적 제작 시스템 | |
| JPH0740268B2 (ja) | 文書フアイリング装置 | |
| Kao et al. | CLIMS—a system for image retrieval by using colour and wavelet features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |