JPH0896075A - 文書画像認識装置 - Google Patents
文書画像認識装置Info
- Publication number
- JPH0896075A JPH0896075A JP6232750A JP23275094A JPH0896075A JP H0896075 A JPH0896075 A JP H0896075A JP 6232750 A JP6232750 A JP 6232750A JP 23275094 A JP23275094 A JP 23275094A JP H0896075 A JPH0896075 A JP H0896075A
- Authority
- JP
- Japan
- Prior art keywords
- character
- layout information
- image
- unit
- storage unit
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012790 confirmation Methods 0.000 abstract 1
- 239000011295 pitch Substances 0.000 description 22
- 238000000034 method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Landscapes
- Character Input (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【構成】格納された画像はレイアウト解析部１２におい
て、文章、文字行、文字に分割され、文字ピッチ、行ピ
ッチなど施されレイアウト情報が抽出される。誤り候補
検出部１８では、個々の文字サイズと文字ピッチとの比
較により、誤りである可能性の高いものにエラーフラグ
を立て、更に未修正フラグを付加して出力し、同様に、
個々の行の高さも誤りである可能性の高いものを検出
し、エラーフラグ及び未修正フラグを立てて出力する。
誤り修正処理はユーザからのオペレーションに従って格
納された候補文字を順に読み出して出力し、それに対応
するレイアウト情報および原画像の出力を行い、誤り修
正を行う。レイアウト情報のエラーフラグと未修正フラ
グを読み出し、ユーザがこれを確認し修正入力し、再び
レイアウト情報記憶部に格納する。 【効果】読み取り誤りをユーザが修正する際に、レイア
ウト解析レベルの誤りの見落としが無く確認および修正
を行うことができる。
て、文章、文字行、文字に分割され、文字ピッチ、行ピ
ッチなど施されレイアウト情報が抽出される。誤り候補
検出部１８では、個々の文字サイズと文字ピッチとの比
較により、誤りである可能性の高いものにエラーフラグ
を立て、更に未修正フラグを付加して出力し、同様に、
個々の行の高さも誤りである可能性の高いものを検出
し、エラーフラグ及び未修正フラグを立てて出力する。
誤り修正処理はユーザからのオペレーションに従って格
納された候補文字を順に読み出して出力し、それに対応
するレイアウト情報および原画像の出力を行い、誤り修
正を行う。レイアウト情報のエラーフラグと未修正フラ
グを読み出し、ユーザがこれを確認し修正入力し、再び
レイアウト情報記憶部に格納する。 【効果】読み取り誤りをユーザが修正する際に、レイア
ウト解析レベルの誤りの見落としが無く確認および修正
を行うことができる。
Description
【０００１】
【産業上の利用分野】本発明は文書画像認識装置に関
し、特に文書を画像として入力し認識する文書画像認識
装置に関する。
し、特に文書を画像として入力し認識する文書画像認識
装置に関する。
【０００２】
【従来の技術】従来の文書画像認識装置における読み取
り誤りの修正処理は、原画像、レイアウト解析結果、そ
して認識結果テキストコードをユーザに提示し、これら
をユーザが確認しながら行う方法が用いられている。こ
れは得られたテキストコードを順に見ながら修正する方
法と、原画像上で個々の文字画像を辿りながら修正する
方法とに大別される。前者は例えば特開平５ー４６８０
３「認識結果の出力方法」に記載され、、後者は例えば
特開平５−６２００８「文字認識方法」に記載されてい
る。前者は後者に比べて高速かつ少ないメモリ容量で実
現でき、パーソナルコンピュータなどのソフトウェアで
実現するのに適している。
り誤りの修正処理は、原画像、レイアウト解析結果、そ
して認識結果テキストコードをユーザに提示し、これら
をユーザが確認しながら行う方法が用いられている。こ
れは得られたテキストコードを順に見ながら修正する方
法と、原画像上で個々の文字画像を辿りながら修正する
方法とに大別される。前者は例えば特開平５ー４６８０
３「認識結果の出力方法」に記載され、、後者は例えば
特開平５−６２００８「文字認識方法」に記載されてい
る。前者は後者に比べて高速かつ少ないメモリ容量で実
現でき、パーソナルコンピュータなどのソフトウェアで
実現するのに適している。
【０００３】
【発明が解決しようとする課題】従来のかかる認識装置
はレイアウト解析処理によって文字領域が文字でないと
誤判定された場合、その領域に対応する認識結果テキス
トコードは得られない。従って認識結果テキストコード
を順に見ながら修正する方法においては、誤判定された
文字領域をユーザが見落とす可能性があるという問題が
あった。
はレイアウト解析処理によって文字領域が文字でないと
誤判定された場合、その領域に対応する認識結果テキス
トコードは得られない。従って認識結果テキストコード
を順に見ながら修正する方法においては、誤判定された
文字領域をユーザが見落とす可能性があるという問題が
あった。
【０００４】本発明の目的は、レイアウト解析誤りをユ
ーザが見落とさないように誤り可能性のある領域を提示
し、その修正入力を可能とし、かつパーソナルコンピュ
ータのソフトウェア程度の環境で実現可能な文書画像認
識装置を提供することにある。
ーザが見落とさないように誤り可能性のある領域を提示
し、その修正入力を可能とし、かつパーソナルコンピュ
ータのソフトウェア程度の環境で実現可能な文書画像認
識装置を提供することにある。
【０００５】
【課題を解決するための手段】本発明の文書画像認識装
置は、文書を画像として入力する画像入力部と、前記画
像を格納する画像記憶部と、前記画像を少なくとも文
章、文字行、文字の属性をもつ領域に分割し、前記属性
が文字行である場合にその文字行内の文字ピッチ、前記
属性が文章である場合にその文章内の行ピッチをレイア
ウト情報として出力するレイアウト解析部と、前記レイ
アウト情報に従って文字領域に対する認識処理を行う文
字認識部と、前記文字認識部からの出力データを格納す
る文字情報記憶部と、前記文字情報記憶部に格納された
文字認識結果を表示する文字情報表示部と、前記レイア
ウト情報から、文字行領域における文字ピッチもしくは
文章領域における行ピッチが所定値以上であればエラー
フラグと未修正フラグを前記レイアウト情報に付加して
出力する誤り候補検出部と、前記誤り候補検出部の出力
を格納するレイアウト情報記憶部と、前記画像記憶部の
格納データと、前記レイアウト情報記憶部の格納データ
を表示する画像表示部と、ユーザからのオペレーション
を入力する修正指示入力部と、前記修正指示入力部の出
力に従い、前記画像記憶部と前記レイアウト情報記憶部
に対して前記画像と前記レイアウト情報の出力指示を行
い、前記文字情報記憶部に格納された前記文字認識結果
を逐次入力すると共に前記文字情報表示部に対する出力
指示を行い、前記画像表示部に表示された前記画像と前
記文字情報表示部に表示された前記文字認識結果をユー
ザが比較し修正することを可能とし、修正結果を再び前
記文字情報記憶部に格納する修正処理部とを含むことを
特徴とする。
置は、文書を画像として入力する画像入力部と、前記画
像を格納する画像記憶部と、前記画像を少なくとも文
章、文字行、文字の属性をもつ領域に分割し、前記属性
が文字行である場合にその文字行内の文字ピッチ、前記
属性が文章である場合にその文章内の行ピッチをレイア
ウト情報として出力するレイアウト解析部と、前記レイ
アウト情報に従って文字領域に対する認識処理を行う文
字認識部と、前記文字認識部からの出力データを格納す
る文字情報記憶部と、前記文字情報記憶部に格納された
文字認識結果を表示する文字情報表示部と、前記レイア
ウト情報から、文字行領域における文字ピッチもしくは
文章領域における行ピッチが所定値以上であればエラー
フラグと未修正フラグを前記レイアウト情報に付加して
出力する誤り候補検出部と、前記誤り候補検出部の出力
を格納するレイアウト情報記憶部と、前記画像記憶部の
格納データと、前記レイアウト情報記憶部の格納データ
を表示する画像表示部と、ユーザからのオペレーション
を入力する修正指示入力部と、前記修正指示入力部の出
力に従い、前記画像記憶部と前記レイアウト情報記憶部
に対して前記画像と前記レイアウト情報の出力指示を行
い、前記文字情報記憶部に格納された前記文字認識結果
を逐次入力すると共に前記文字情報表示部に対する出力
指示を行い、前記画像表示部に表示された前記画像と前
記文字情報表示部に表示された前記文字認識結果をユー
ザが比較し修正することを可能とし、修正結果を再び前
記文字情報記憶部に格納する修正処理部とを含むことを
特徴とする。
【０００６】本発明の文書画像認識装置は特許請求の範
囲第１項記載の文書画像認識装置において、レイアウト
解析部は前記画像を図、文章、文字行、文字、表枠線、
下線等の属性をもつ領域に分割し、前記領域間の包含関
係及び配置関係を検出し、全ての領域に関する前記属
性、前記包含関係、前記配置関係、および前記領域の位
置と大きさをレイアウト情報として出力することを特徴
とする。
囲第１項記載の文書画像認識装置において、レイアウト
解析部は前記画像を図、文章、文字行、文字、表枠線、
下線等の属性をもつ領域に分割し、前記領域間の包含関
係及び配置関係を検出し、全ての領域に関する前記属
性、前記包含関係、前記配置関係、および前記領域の位
置と大きさをレイアウト情報として出力することを特徴
とする。
【０００７】本発明の文書画像認識装置は特許請求の範
囲第１項記載の文書画像認識装置において、誤り候補検
出部は前記レイアウト情報から、文字領域の個々の幅
と、その文字領域を包含する文字行領域における文字ピ
ッチを比較し、その差が所定値以上であればエラーフラ
グと未修正フラグを前記レイアウト情報に付加して出力
し、文字行領域の個々の高さと、その文字行を包含する
文章領域における行ピッチを比較し、その差が所定値以
上であればエラーフラグと未修正フラグを前記レイアウ
ト情報に付加して出力し、以上に該当しない領域につい
てはそのまま前記レイアウト情報を出力することを特徴
とする。
囲第１項記載の文書画像認識装置において、誤り候補検
出部は前記レイアウト情報から、文字領域の個々の幅
と、その文字領域を包含する文字行領域における文字ピ
ッチを比較し、その差が所定値以上であればエラーフラ
グと未修正フラグを前記レイアウト情報に付加して出力
し、文字行領域の個々の高さと、その文字行を包含する
文章領域における行ピッチを比較し、その差が所定値以
上であればエラーフラグと未修正フラグを前記レイアウ
ト情報に付加して出力し、以上に該当しない領域につい
てはそのまま前記レイアウト情報を出力することを特徴
とする。
【０００８】本発明の文書画像認識装置は特許請求の範
囲第１項記載の文書画像認識装置において、修正処理部
は全ての前記文字認識結果の修正が終了したならば、次
に前記レイアウト情報記憶部に格納された前記レイアウ
ト情報のうち前記エラーフラグと前記未修正フラグの両
者が付加されているものを逐次入力すると共に前記画像
表示部に対する出力指示を行い、ユーザがこれを修正す
ることを可能とし、修正された前記レイアウト情報の前
記未修正フラグをクリアして再び前記レイアウト情報記
憶部に格納することを特徴とする。
囲第１項記載の文書画像認識装置において、修正処理部
は全ての前記文字認識結果の修正が終了したならば、次
に前記レイアウト情報記憶部に格納された前記レイアウ
ト情報のうち前記エラーフラグと前記未修正フラグの両
者が付加されているものを逐次入力すると共に前記画像
表示部に対する出力指示を行い、ユーザがこれを修正す
ることを可能とし、修正された前記レイアウト情報の前
記未修正フラグをクリアして再び前記レイアウト情報記
憶部に格納することを特徴とする。
【０００９】
【作用】誤り候補検出部において、レイアウト解析で得
られた個々の文字サイズとその文字を含む行における文
字ピッチを比較し、文字切り出し誤りの可能性がある領
域のレイアウト情報にエラーフラグを付加する。同様
に、個々の文字行の高さとその文字行を含む文章領域に
おける行ピッチを比較し、文字行切り出し誤りの可能性
がある領域のレイアウト情報にもエラーフラグを付加す
る。誤り修正の際には、個々の文字認識結果を修正する
だけでなく、エラーフラグの立っている領域に関するレ
イアウト情報の修正を行う。文章領域中で文字として抽
出されなかった領域を、ユーザが見落とすことなく確認
し入力することができる。
られた個々の文字サイズとその文字を含む行における文
字ピッチを比較し、文字切り出し誤りの可能性がある領
域のレイアウト情報にエラーフラグを付加する。同様
に、個々の文字行の高さとその文字行を含む文章領域に
おける行ピッチを比較し、文字行切り出し誤りの可能性
がある領域のレイアウト情報にもエラーフラグを付加す
る。誤り修正の際には、個々の文字認識結果を修正する
だけでなく、エラーフラグの立っている領域に関するレ
イアウト情報の修正を行う。文章領域中で文字として抽
出されなかった領域を、ユーザが見落とすことなく確認
し入力することができる。
【００１０】
【実施例】次に、本発明の一実施例について図面を参照
して詳細に説明する。
して詳細に説明する。
【００１１】図１は本発明の一実施例である文書画像認
識装置を示す。図１において、本発明の一実施例は文書
を画像として入力する画像入力部１０と、この画像を格
納する画像記憶部１６と、画像を少なくとも文章、文字
行、文字の属性をもつ領域に分割し、属性が文字行であ
る場合にその文字行内の文字ピッチを、属性が文章であ
る場合にその文章内の行ピッチをレイアウト情報として
出力するレイアウト解析部１２と、このレイアウト情報
に従って文字領域に対する認識処理を行う文字認識部１
３と、文字認識部１３からの出力データを格納する文字
情報記憶部１４と、文字情報記憶部１４に格納された文
字認識結果を表示する文字情報表示部１５と、レイアウ
ト情報から、文字行領域における文字ピッチが所定値以
上の場合、文章領域における行ピッチが所定値以上の場
合はエラーフラグと未修正フラグをレイアウト情報に付
加して出力する誤り候補検出部１８と、誤り候補検出部
１８の出力を格納するレイアウト情報記憶部１９と、画
像記憶部１６の格納データとレイアウト情報記憶部１９
の格納データを表示する画像表示部１７と、ユーザから
のオペレーションを入力する修正指示入力部２０と、修
正指示入力部２１の出力に従い、画像記憶部１６とレイ
アウト情報記憶部１９に対して画像とレイアウト情報の
出力指示を行い、文字情報記憶部１４に格納された文字
認識結果を逐次入力すると共に文字情報表示部１５に対
する出力指示を行い、画像表示部１７に表示された画像
と文字情報表示部１５に表示された文字認識結果をユー
ザが比較し修正することを可能とし、修正結果を再び文
字情報記憶部１４に格納し、全ての文字認識結果の修正
が終了したならば、次にレイアウト情報記憶部１９に格
納されたレイアウト情報のうちエラーフラグと未修正フ
ラグの両者が付加されているものを逐次入力すると共に
画像表示部１７に対する出力指示を行い、ユーザがこれ
を修正することを可能とし、修正されたレイアウト情報
の未修正フラグをクリアして再びレイアウト情報記憶部
１９に格納する修正処理部２１を含む。
識装置を示す。図１において、本発明の一実施例は文書
を画像として入力する画像入力部１０と、この画像を格
納する画像記憶部１６と、画像を少なくとも文章、文字
行、文字の属性をもつ領域に分割し、属性が文字行であ
る場合にその文字行内の文字ピッチを、属性が文章であ
る場合にその文章内の行ピッチをレイアウト情報として
出力するレイアウト解析部１２と、このレイアウト情報
に従って文字領域に対する認識処理を行う文字認識部１
３と、文字認識部１３からの出力データを格納する文字
情報記憶部１４と、文字情報記憶部１４に格納された文
字認識結果を表示する文字情報表示部１５と、レイアウ
ト情報から、文字行領域における文字ピッチが所定値以
上の場合、文章領域における行ピッチが所定値以上の場
合はエラーフラグと未修正フラグをレイアウト情報に付
加して出力する誤り候補検出部１８と、誤り候補検出部
１８の出力を格納するレイアウト情報記憶部１９と、画
像記憶部１６の格納データとレイアウト情報記憶部１９
の格納データを表示する画像表示部１７と、ユーザから
のオペレーションを入力する修正指示入力部２０と、修
正指示入力部２１の出力に従い、画像記憶部１６とレイ
アウト情報記憶部１９に対して画像とレイアウト情報の
出力指示を行い、文字情報記憶部１４に格納された文字
認識結果を逐次入力すると共に文字情報表示部１５に対
する出力指示を行い、画像表示部１７に表示された画像
と文字情報表示部１５に表示された文字認識結果をユー
ザが比較し修正することを可能とし、修正結果を再び文
字情報記憶部１４に格納し、全ての文字認識結果の修正
が終了したならば、次にレイアウト情報記憶部１９に格
納されたレイアウト情報のうちエラーフラグと未修正フ
ラグの両者が付加されているものを逐次入力すると共に
画像表示部１７に対する出力指示を行い、ユーザがこれ
を修正することを可能とし、修正されたレイアウト情報
の未修正フラグをクリアして再びレイアウト情報記憶部
１９に格納する修正処理部２１を含む。
【００１２】画像入力部１０はイメージスキャナ等の画
像入力装置により文書を入力し、ディジタル画像（以
下、文書画像と呼ぶ）を得る。画像記憶部１６は、画像
入力部１０で得られた文書画像を格納する。
像入力装置により文書を入力し、ディジタル画像（以
下、文書画像と呼ぶ）を得る。画像記憶部１６は、画像
入力部１０で得られた文書画像を格納する。
【００１３】レイアウト解析部１２は、文書画像から段
組を検出し、文章、図、表といった紙面構成要素を抽出
する。更に文章領域に対しては文字行の切り出し、下線
分離、文字の切り出しなどを行う。次にこれらの構成要
素間の包含関係及び配置関係を検出する。以上の処理よ
り全ての領域に関する属性（図、文章、文字行、文字、
表枠線、下線など）、包含関係、配置関係、領域の位
置、大きさ、更に文字行に関してはその文字行内の文字
ピッチ、文章に関してはその文章内の行ピッチをレイア
ウト情報として出力する。図３（ａ）にレイアウト情報
の一例を示す。ここでは木構造データによりレイアウト
情報を表現しており、木の各ノードが領域、ノード間の
ポインタが領域間の包含などの配置関係を表す。図３
（ａ）においては、ノードの属性とその開始座標、サイ
ズ、そこに含まれる子領域の数（注．ここでは包含する
側を親領域、される側を子領域と呼んでいる）、ピッチ
といった値が格納される。更に親領域、子領域と次領域
（＝隣接する領域）へのポインタを含んで構成される。
組を検出し、文章、図、表といった紙面構成要素を抽出
する。更に文章領域に対しては文字行の切り出し、下線
分離、文字の切り出しなどを行う。次にこれらの構成要
素間の包含関係及び配置関係を検出する。以上の処理よ
り全ての領域に関する属性（図、文章、文字行、文字、
表枠線、下線など）、包含関係、配置関係、領域の位
置、大きさ、更に文字行に関してはその文字行内の文字
ピッチ、文章に関してはその文章内の行ピッチをレイア
ウト情報として出力する。図３（ａ）にレイアウト情報
の一例を示す。ここでは木構造データによりレイアウト
情報を表現しており、木の各ノードが領域、ノード間の
ポインタが領域間の包含などの配置関係を表す。図３
（ａ）においては、ノードの属性とその開始座標、サイ
ズ、そこに含まれる子領域の数（注．ここでは包含する
側を親領域、される側を子領域と呼んでいる）、ピッチ
といった値が格納される。更に親領域、子領域と次領域
（＝隣接する領域）へのポインタを含んで構成される。
【００１４】文字認識部１３は、文字領域に関するレイ
アウト情報と画像を入力して文字認識を行い、候補文字
コードや距離値などを出力する。ここで距離値は、入力
パタンから抽出される特徴ベクトルＡ＝（ａｉ）と、予
め参照パタンから抽出された特徴ベクトルＢ＝（ｂｉ）
の間で定義される。例としては、 ユークリット 距離ｄ１： ｄ１2 ＝Σ（ａｉ−ｂｉ）
2 シティブロック距離ｄ１： ｄ１ ＝Σ｜ａｉ−ｂｉ｜ 等を用いることができる。距離値の代わりに類似度を用
いてもよい。文字情報記憶部１４には文字認識結果を格
納し、修正処理部２０からの信号に従ってこれらを読み
出す。文字情報表示部１５は、文字情報記憶部１４から
出力される文字認識結果の表示を行う。
アウト情報と画像を入力して文字認識を行い、候補文字
コードや距離値などを出力する。ここで距離値は、入力
パタンから抽出される特徴ベクトルＡ＝（ａｉ）と、予
め参照パタンから抽出された特徴ベクトルＢ＝（ｂｉ）
の間で定義される。例としては、 ユークリット 距離ｄ１： ｄ１2 ＝Σ（ａｉ−ｂｉ）
2 シティブロック距離ｄ１： ｄ１ ＝Σ｜ａｉ−ｂｉ｜ 等を用いることができる。距離値の代わりに類似度を用
いてもよい。文字情報記憶部１４には文字認識結果を格
納し、修正処理部２０からの信号に従ってこれらを読み
出す。文字情報表示部１５は、文字情報記憶部１４から
出力される文字認識結果の表示を行う。
【００１５】誤り候補検出部１８は、図４に示すように
レイアウト解析部１２から出力されるレイアウト情報を
入力（４１）し、行領域データからピッチ（＝文字ピッ
チ）を選択（４２）する。次に行に含まれる文字データ
よりそのサイズを選択（４３）する。これにより文字領
域の個々の文字幅と、その文字を含む行内の文字ピッチ
との比較（４４）を行う。文字幅が文字ピッチに比べて
著しく異なり、その差が所定値以上である場合、文字切
り出し誤りの可能性が高いものとし、エラーフラグと未
修正フラグをレイアウト情報に付加（４５）する。
レイアウト解析部１２から出力されるレイアウト情報を
入力（４１）し、行領域データからピッチ（＝文字ピッ
チ）を選択（４２）する。次に行に含まれる文字データ
よりそのサイズを選択（４３）する。これにより文字領
域の個々の文字幅と、その文字を含む行内の文字ピッチ
との比較（４４）を行う。文字幅が文字ピッチに比べて
著しく異なり、その差が所定値以上である場合、文字切
り出し誤りの可能性が高いものとし、エラーフラグと未
修正フラグをレイアウト情報に付加（４５）する。
【００１６】文字行に関しても同様に、誤り候補検出部
１８は、図５に示すように、レイアウト解析部１２から
出力されるレイアウト情報を入力（５１）し、文章領域
データからピッチ（＝行ピッチ）を選択（５２）する。
次に文章に含まれる行データよりその行幅を選択（５
３）する。これにより文字行領域の個々の文字行の高さ
と、その文字行を含む文章内の行ピッチとを比較（５
４）し、文字行切り出し誤りの可能性のあり、その差が
所定値以上である場合にエラーフラグと未修正フラグを
レイアウト情報に付加（５５）する。すなわち、誤り可
能性の高い領域に関するレイアウト情報にはこれらのフ
ラグを付加し、そうでないと判定された領域については
レイアウト情報をそのまま出力する。このようにレイア
ウト情報は図３（ｂ）に示すようにエラーフラグと未修
正フラグが付加されたレイアウト情報となる。
１８は、図５に示すように、レイアウト解析部１２から
出力されるレイアウト情報を入力（５１）し、文章領域
データからピッチ（＝行ピッチ）を選択（５２）する。
次に文章に含まれる行データよりその行幅を選択（５
３）する。これにより文字行領域の個々の文字行の高さ
と、その文字行を含む文章内の行ピッチとを比較（５
４）し、文字行切り出し誤りの可能性のあり、その差が
所定値以上である場合にエラーフラグと未修正フラグを
レイアウト情報に付加（５５）する。すなわち、誤り可
能性の高い領域に関するレイアウト情報にはこれらのフ
ラグを付加し、そうでないと判定された領域については
レイアウト情報をそのまま出力する。このようにレイア
ウト情報は図３（ｂ）に示すようにエラーフラグと未修
正フラグが付加されたレイアウト情報となる。
【００１７】図２を参照して、誤り候補検出部１８にお
ける処理の例を示す。図２において(a)は入力される文
書画像であり、(b)がレイアウト解析部１２から出力さ
れるレイアウト情報（ここでは文字切り出し結果）を示
す。一部の文字と下線とが接触しており、これらを分離
することができないため、文字ピッチに比べて横幅の長
い領域が抽出されている。従ってこの横長領域に対応す
るレイアウト情報に対して、エラーフラグと未修正フラ
グが付加される。
ける処理の例を示す。図２において(a)は入力される文
書画像であり、(b)がレイアウト解析部１２から出力さ
れるレイアウト情報（ここでは文字切り出し結果）を示
す。一部の文字と下線とが接触しており、これらを分離
することができないため、文字ピッチに比べて横幅の長
い領域が抽出されている。従ってこの横長領域に対応す
るレイアウト情報に対して、エラーフラグと未修正フラ
グが付加される。
【００１８】再び図１を参照して本発明の一実施例につ
いて説明する。
いて説明する。
【００１９】レイアウト情報記憶部１９には誤り候補検
出部１８の出力データを格納し、修正処理部２０からの
信号に従ってこれらを読み出す。画像表示部１７は、画
像記憶部１６およびレイアウト情報記憶部１９から出力
されるデータの表示を行う。修正指示入力部２１は、キ
ーボードやマウスといった入力デバイスを介してユーザ
からのオペレーションを入力する。修正処理部２０は、
修正指示入力部２１からの信号に従って読み取り誤りの
修正を行う。
出部１８の出力データを格納し、修正処理部２０からの
信号に従ってこれらを読み出す。画像表示部１７は、画
像記憶部１６およびレイアウト情報記憶部１９から出力
されるデータの表示を行う。修正指示入力部２１は、キ
ーボードやマウスといった入力デバイスを介してユーザ
からのオペレーションを入力する。修正処理部２０は、
修正指示入力部２１からの信号に従って読み取り誤りの
修正を行う。
【００２０】まず文字認識結果の修正を以下のように行
う。文字情報記憶部１４から文字認識結果を逐次入力す
ると共に、文字認識結果の文字情報表示部１５への出力
を指示する。また画像記憶部１６とレイアウト情報記憶
部１９に対して文字認識結果に対応する原画像とレイア
ウト情報の出力を各々指示する。この結果ユーザは文字
情報表示部１７上の文字認識結果と画像表示部１７上の
原画像、及びレイアウト情報を対比しながら、文字認識
結果の修正が可能となる。修正された文字認識結果は再
び文字情報記憶部１４に格納される。
う。文字情報記憶部１４から文字認識結果を逐次入力す
ると共に、文字認識結果の文字情報表示部１５への出力
を指示する。また画像記憶部１６とレイアウト情報記憶
部１９に対して文字認識結果に対応する原画像とレイア
ウト情報の出力を各々指示する。この結果ユーザは文字
情報表示部１７上の文字認識結果と画像表示部１７上の
原画像、及びレイアウト情報を対比しながら、文字認識
結果の修正が可能となる。修正された文字認識結果は再
び文字情報記憶部１４に格納される。
【００２１】全ての文字認識結果が修正されたならば、
次にレイアウト情報の修正を行う。まずレイアウト情報
記憶部１９に格納されたレイアウト情報のうちエラーフ
ラグと未修正フラグの両者が付加されているものを逐次
入力し、また画像表示部１７への出力を指示する。この
結果ユーザはレイアウト情報を見ながら修正することが
できる。修正されたレイアウト情報は未修正フラグをク
リアした後、再びレイアウト情報記憶部１９に格納す
る。これにより、誤り候補検出部１８において検出され
たレイアウト解析誤りをユーザが確認し、修正すること
ができる。
次にレイアウト情報の修正を行う。まずレイアウト情報
記憶部１９に格納されたレイアウト情報のうちエラーフ
ラグと未修正フラグの両者が付加されているものを逐次
入力し、また画像表示部１７への出力を指示する。この
結果ユーザはレイアウト情報を見ながら修正することが
できる。修正されたレイアウト情報は未修正フラグをク
リアした後、再びレイアウト情報記憶部１９に格納す
る。これにより、誤り候補検出部１８において検出され
たレイアウト解析誤りをユーザが確認し、修正すること
ができる。
【００２２】図２を参照して、修正処理部２０における
処理の例を示す。(c)は認識結果のテキストコードであ
り、文字情報記憶部１４に格納される。「下線付きの文
章」と書かれた文字領域は下線との接触によりサイズが
大きく、文字領域とみなされなかったため、(c)では対
応するテキストコードが含まれていない。しかし誤り候
補検出部１８においてエラーフラグが付加されているた
め、レイアウト解析誤りの修正時にその領域情報がユー
ザに提示され、確認および修正を行うことができる。
処理の例を示す。(c)は認識結果のテキストコードであ
り、文字情報記憶部１４に格納される。「下線付きの文
章」と書かれた文字領域は下線との接触によりサイズが
大きく、文字領域とみなされなかったため、(c)では対
応するテキストコードが含まれていない。しかし誤り候
補検出部１８においてエラーフラグが付加されているた
め、レイアウト解析誤りの修正時にその領域情報がユー
ザに提示され、確認および修正を行うことができる。
【００２３】
【発明の効果】例えば文字行と下線の分離を誤ると、下
線部分が文字塊として検出されることがある。しかし文
字塊のサイズがその行の平均的な文字ピッチに比べ著し
く大きくなり易いため、これを誤り候補として検出する
ことができる。
線部分が文字塊として検出されることがある。しかし文
字塊のサイズがその行の平均的な文字ピッチに比べ著し
く大きくなり易いため、これを誤り候補として検出する
ことができる。
【００２４】また隣接する文字行の分離を誤ると、その
２行分を１行として検出することがある。しかしその行
の高さは行ピッチに比べ著しく大きくなり易いため、こ
れを誤り候補として検出することができる。
２行分を１行として検出することがある。しかしその行
の高さは行ピッチに比べ著しく大きくなり易いため、こ
れを誤り候補として検出することができる。
【００２５】以上のような誤りにフラグを付加すること
により、ユーザがこれらを見落とすことなく確認および
修正を行うことができる。
により、ユーザがこれらを見落とすことなく確認および
修正を行うことができる。
【図１】本発明の一実施例である文書画像認識装置を示
すブロック図である。
すブロック図である。
【図２】本発明の一実施例における原画像、レイアウト
解析結果、認識結果テキストコードをを示す図である。
解析結果、認識結果テキストコードをを示す図である。
【図３】本発明の一実施例におけるレイアウト情報を示
す図である。
す図である。
【図４】本発明の一実施例における文字切り出し謝り候
補の検出フローを示す図である。
補の検出フローを示す図である。
【図５】本発明の一実施例における文字行切り出し謝り
候補の検出フローを示す図である。
候補の検出フローを示す図である。
１０ 画像入力部 １２ レイアウト解析部 １３ 文字認識部 １４ 文字情報記憶部 １５ 文字情報表示部 １６ 画像記憶部 １７ 画像表示部 １８ 誤り候補検出部 １９ レイアウト情報記憶部 ２０ 修正処理部 ２１ 修正指示入力部
Claims (4)
- 【請求項１】文書を画像として入力する画像入力部と、 前記画像を格納する画像記憶部と、 前記画像を少なくとも文章、文字行、文字の属性をもつ
領域に分割し、前記属性が文字行である場合にその文字
行内の文字ピッチ、前記属性が文章である場合にその文
章内の行ピッチをレイアウト情報として出力するレイア
ウト解析部と、 前記レイアウト情報に従って文字領域に対する認識処理
を行う文字認識部と、 前記文字認識部からの出力データを格納する文字情報記
憶部と、 前記文字情報記憶部に格納された文字認識結果を表示す
る文字情報表示部と、 前記レイアウト情報から、文字行領域における文字ピッ
チもしくは文章領域における行ピッチが所定値以上であ
ればエラーフラグと未修正フラグを前記レイアウト情報
に付加して出力する誤り候補検出部と、 前記誤り候補検出部の出力を格納するレイアウト情報記
憶部と、 前記画像記憶部の格納データと、前記レイアウト情報記
憶部の格納データを表示する画像表示部と、 ユーザからのオペレーションを入力する修正指示入力部
と、 前記修正指示入力部の出力に従い、前記画像記憶部と前
記レイアウト情報記憶部に対して前記画像と前記レイア
ウト情報の出力指示を行い、前記文字情報記憶部に格納
された前記文字認識結果を逐次入力すると共に前記文字
情報表示部に対する出力指示を行い、前記画像表示部に
表示された前記画像と前記文字情報表示部に表示された
前記文字認識結果をユーザが比較し修正することを可能
とし、修正結果を再び前記文字情報記憶部に格納する修
正処理部と、を含むことを特徴とする文書画像認識装
置。 - 【請求項２】特許請求の範囲第１項記載の文書画像認識
装置において、レイアウト解析部は前記画像を図、文
章、文字行、文字、表枠線、下線等の属性をもつ領域に
分割し、前記領域間の包含関係及び配置関係を検出し、
全ての領域に関する前記属性、前記包含関係、前記配置
関係、および前記領域の位置と大きさをレイアウト情報
として出力することを特徴とする文書画像認識装置。 - 【請求項３】特許請求の範囲第１項記載の文書画像認識
装置において、誤り候補検出部は前記レイアウト情報か
ら、文字領域の個々の幅と、その文字領域を包含する文
字行領域における文字ピッチを比較し、その差が所定値
以上であればエラーフラグと未修正フラグを前記レイア
ウト情報に付加して出力し、文字行領域の個々の高さ
と、その文字行を包含する文章領域における行ピッチを
比較し、その差が所定値以上であればエラーフラグと未
修正フラグを前記レイアウト情報に付加して出力し、以
上に該当しない領域についてはそのまま前記レイアウト
情報を出力することを特徴とする文書画像認識装置。 - 【請求項４】特許請求の範囲第１項記載の文書画像認識
装置において、修正処理部は全ての前記文字認識結果の
修正が終了したならば、次に前記レイアウト情報記憶部
に格納された前記レイアウト情報のうち前記エラーフラ
グと前記未修正フラグの両者が付加されているものを逐
次入力すると共に前記画像表示部に対する出力指示を行
い、ユーザがこれを修正することを可能とし、修正され
た前記レイアウト情報の前記未修正フラグをクリアして
再び前記レイアウト情報記憶部に格納することを特徴と
する文書画像認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6232750A JPH0896075A (ja) | 1994-09-28 | 1994-09-28 | 文書画像認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6232750A JPH0896075A (ja) | 1994-09-28 | 1994-09-28 | 文書画像認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0896075A true JPH0896075A (ja) | 1996-04-12 |
Family
ID=16944176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6232750A Pending JPH0896075A (ja) | 1994-09-28 | 1994-09-28 | 文書画像認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0896075A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116824121A (zh) * | 2023-06-28 | 2023-09-29 | 北京奇艺世纪科技有限公司 | 一种位置检测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6415889A (en) * | 1987-07-10 | 1989-01-19 | Nec Corp | Document image analysis system |
| JPH01130293A (ja) * | 1987-11-16 | 1989-05-23 | Nec Corp | 文書画像解析方式 |
| JPH02193278A (ja) * | 1989-01-20 | 1990-07-30 | Sanyo Electric Co Ltd | 画像処理装置 |
| JPH04349586A (ja) * | 1991-05-27 | 1992-12-04 | Dainippon Printing Co Ltd | 文字自動読み取り装置 |
-
1994
- 1994-09-28 JP JP6232750A patent/JPH0896075A/ja active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6415889A (en) * | 1987-07-10 | 1989-01-19 | Nec Corp | Document image analysis system |
| JPH01130293A (ja) * | 1987-11-16 | 1989-05-23 | Nec Corp | 文書画像解析方式 |
| JPH02193278A (ja) * | 1989-01-20 | 1990-07-30 | Sanyo Electric Co Ltd | 画像処理装置 |
| JPH04349586A (ja) * | 1991-05-27 | 1992-12-04 | Dainippon Printing Co Ltd | 文字自動読み取り装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116824121A (zh) * | 2023-06-28 | 2023-09-29 | 北京奇艺世纪科技有限公司 | 一种位置检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5664027A (en) | Methods and apparatus for inferring orientation of lines of text | |
| US5167016A (en) | Changing characters in an image | |
| US5257074A (en) | Image forming apparatus | |
| JPH0420226B2 (ja) | ||
| JP2835178B2 (ja) | 文書読取装置 | |
| US4677585A (en) | Method for obtaining common mode information and common field attribute information for a plurality of card images | |
| US7099507B2 (en) | Method and system for extracting title from document image | |
| JPH03214378A (ja) | 文字認識装置 | |
| JPH11219409A (ja) | 文書読取装置 | |
| JPH0896075A (ja) | 文書画像認識装置 | |
| JP2002063197A (ja) | 検索装置、記録媒体およびプログラム | |
| JP3171626B2 (ja) | 文字認識の処理領域・処理条件指定方法 | |
| JPH02255964A (ja) | 文書変更部分の自動識別装置 | |
| JPH10207981A (ja) | 帳票認識方法 | |
| JPH0728935A (ja) | 文書画像処理装置 | |
| JP3270551B2 (ja) | 文字認識装置および文字認識方法 | |
| JP2002014981A (ja) | 文書ファイリング装置 | |
| JPH0388086A (ja) | 文書読取装置 | |
| JP3268084B2 (ja) | 帳票読取システム | |
| JPH01292586A (ja) | 文字認識支援装置 | |
| JP2931485B2 (ja) | 文字切出し装置及び方法 | |
| JP2687902B2 (ja) | 文書画像認識装置 | |
| JP3024234B2 (ja) | 文書画像の罫線抽出装置 | |
| JPH04372089A (ja) | 文字認識方法 | |
| JPH0728934A (ja) | 文書画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19971118 |