JPS62133585A - 単語切出方式 - 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】 〔技術分野〕 本発明は、欧文原稿などの読取画像情報から単語を切り
出すための１１を語切出方式に関する。

〔従来技術〕

文書処理を行う装置類において、欧文などを処理する場
合１文字ｌｉ位の処理だけでなく、単語！１を位の処理
が必要になることが多い。

例えば欧文を処理するＯＣＲにおいては、個々の文字を
認識するだけではなく、認識した文字の集まりである単
語を単語辞書と比較することにより、認識エラーを修正
ないし防＋ｆｚ　したり、あるいは、認識不可能な文字
を推定するなどの単語単位の処理を行うことがある。こ
の場合に、欧文原稿の読取画像情報から文章行を切り出
し、さらに文字を切り出すだけではなく、単Ｊ５の切出
も必要である。

同様の１′Ｌ語切出処理は、欧文を邦文に翻訳するコン
ピュータ翻訳システムにおいては不可欠である。

従来、そのような単語切出処理は、読取画像から切り出
された文章行の画像情報の垂直射影をとり、その射影の
切れ［１の幅榮予め設定された固定のＱｔ語間ギャップ
の判定閾値と比較し、その判定閾値以上の幅の射影の切
れ［１を単語の切れ目とみなし１文章行画像情報から１
１１語を切り出している。

しかし、欧文雑誌などはプロポーション・ピッチで印刷
されているのが一般的であって、文字間ギャップ幅およ
び単語間ギャップ幅は一定しておらず、一定の閾値では
単語間ギャップの判定エラーが起きやすく、その結果、
単語の切出エラーが起きやすい。

また、必ずしもプロポーショナル・ピッチ印刷の欧文原
稿でなくとも、一定の判定閾値を用いる方法では、単語
の切出エラーが頻繁に起こる場合がある。例えば異サイ
ズの文字が混在している欧文原稿の場合がそうである。

つまり、大きな文字サイズで印刷された文字間キャップ
の幅が小さな文字サイズで印刷された単語間ギャップの
幅より大きくなることがあるため、従来のように一定の
判定閾値を用いたのでは！ｌｊ−ｎｒｉ間ギャップを正
しく判定できずに単語の切出エラーが起こる確率が高℃
）。

〔口　的〕

本発明の目的は、プロポーショナル・ピッチ印刷の欧文
原稿、人文字サイズの文字が混在しているような欧文原
稿などから読み取られた画像情報から、単語を確実に切
り出すための単語切出方式を提供することにある。

〔構　成〕

この目的を達成すべくなされた本発明の単語切出方式は
、文章行の画像情報の垂直方向の射影をとり、その射影
の切れ目の幅のヒストグラムを作成し、そのピークに対
応する最大の幅に従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射影の切れ目を単語間の
ギャップと判定し、文章行の画像情報から単語を切り出
すことを特徴とするものである。

〔実施例〕

以下、本発明の一実施例について図面を参照し説明する
。

第１図は本発明の単語切出方式の適用された文書処理装
置の要部の構成を示す概略ブロック図である。同図にお
いて、１０は文書原稿（例えば英文原稿）を読み取るた
めのスキャナであり、このスキャナ１０により読み取ら
れた文書原稿の画像情報は画像バッファ１２に蓄積され
る。この画像バッファ１２より画像情報は行切出部１４
に順次入力され、文章行の画像情報が切り出される。

この行切出処理は、例えば水平方向（行方向）の射影を
求め、その射影の谷と谷の間を切り出すという一般的な
射影法によって行われる。勿論。

部分領域毎の射影をとる改良型射影法によって行切男し
を行ってもよい。切り出された文章行の画像情報は行バ
ッファ１６に一時的に蓄積され、後段の単語切出部１８
に入力される。

このη１語切出部１８は垂直射影抽出回路２０、ギャッ
プヒスドグ９１１作成回路２２、’ｌ’−ｌ！ｎ間ギャ
ップ判定閾値決定回路２４および単語切出回路２６から
なっている。

垂直射影抽出回路２０は行バッファ１６から人力された
文章行画像情報の垂直方向（文章行に対して直角の方向
）の射影を求める回路である。この射影の連続した部分
は文字の範囲に対応し、射影の切れ「１（山部）は文字
と文字の間のギャップまたは１１１語と１１１、語の間
のギャップである。

前述のように、プロポーショナル・ピッチ印刷の欧文原
稿などにあっては、文字間ギャップおよび単語間ギャッ
プが大輪に変動するため、単語１ｊｌＴギヤツプを識別
するための判定閾値を文章行毎に適切に設定する必要が
ある。そのための回路がギャップヒストグラム作成回路
２２および単語間ギャップ判定閾値決定回路２４である
。

ギャップヒストグラム作成回路２２は垂直射影抽出回路
２０より一つの文章行の垂直射影の情報を人力され、そ
の垂直射影の切れ目（ギャップ）の幅の頻度を計数して
ギャップヒストグラムを作成する。例えば第２図に示す
ような欧文原稿の画像情報が入力された場合を想定する
。この図において、ＬＬ、Ｌ２．Ｌ３はそれぞれ文章行
を意味し、斜線を施した範囲がそれぞれ単語を意味し、
単語の間の空白部は！１を語間のギャップを意味する。

いまＬ２の文章行の画像情報が単語切７１′ｊ部１８に
入力された場合、第７３図に示すようなギャップヒス１
−グラムが得られる。このギャップヒストグラム中のＡ
の範囲は文字間ギャップに対応し、またＢの範囲は単語
間ギャップに対応している。

単語間ギャップ判定閾値決定回路２４は、そのようなギ
ャップヒストグラムの情報を入力され、そのギャップヒ
ストグラムのピークに対応する最大の幅（Ｇｍ）を検出
する。但し、そのピークは所定値（例えば２）以上の頻
度値のものとする。

例えば第３図に示すギャップヒストグラムの場合、範囲
Ｂのピークに対応するギャップ幅がＧｍとして検出され
る。

そして単語間ギャップ判定閾値決定回路２４は、単語間
ギャップ判定閾値Ｇｔを式 ％式％ （こ＼でＧδはＯ＜Ｇδ（Ｇｍの定数）によって算定し
、その単ｄ１１間ギャップ判定閾値Ｇ１、の情報を単語
切出回路２６に送る。

１１語り出回路２６は、垂直射影抽出回路２０から入力
される垂直射影の情報から単、！ｒｉ間ギャップ判定閾
値以上の幅の垂直射影の切れ目を単語間ギャップとして
識別し１文章行画像情報から単語間ギャップによって区
切られた単語の画像情報を切り出す。

例えば、垂直射影が第４図のようになる二つの文章行の
画像情報が単語切出部１８に順次入力されたとする。図
中、斜線を施した範囲は垂直射影の連続している範囲で
あり、それぞれ１個ないし複数個の文字の列または単語
に相当する。プロポーショナル・ピッチ印刷の場合には
１文章行の垂直射影はこの例のようにギャップ幅が変動
する。

このような文章行では、矢印↑を付した垂直射影の切れ
Ｌｌが単語間ギャップと判定され、単語が切り出される
。

このように、文章行の垂直射影のギャップヒストグラム
に基づき単語間ギャップ判定閾値がダイナミックに決定
されるため、プロポーショナル・ピッチ印刷の文書、異
なったサイズの文字が混在した文書の場合にも、単語間
キャップを間違いなく識別した正確に単；（６を切り出
すことができる。

なお、単語切出部［８の機能はマイクロプロセッサなど
を用いてソフ１へウェア処理により実現してもよい。こ
れ以外にも１本発明は種々変形して実施しつるものであ
る。

〔効　果〕

以」二の詳細な説明から明らかなように、本発明は、文
章行の垂直射影のギャップヒストグラムに基づき単語間
ギャップ判定閾値をダイナミックに決定して単語切出を
行うため、プロポーショナル・ピッチ印刷の文書、異な
ったサイズの文字が４Ａ在した文書の場合にも正確に単
語を切り出すことができる。

【図面の簡単な説明】

第１図は本発明の単語切出方式を適用した文書処理装置
の要部構成のみを示す概略ブロック図、第２図はギャッ
プヒス１−グラムの説明のための文章行の一例を示す図
、第３図はギャップヒストグラムの一例を示す図、第４
図は文章行の垂直射影とその単語間ギャップを対照させ
て示す図である。 １０・・・スキャナ、　　１２・・・画像バッファ、１
４・・行切出部、　　１６・・行バッファ、１８・、単
語切出部、　　２ｏ・・・１１峠直射影抽出回路、２２
・・・ギャップヒストグラム作成回路、２４・・・単語
１ｊ１１ギャップ判定闇値決定回路、２６・・１１１語
切出回路。 代理人弁理士　　鈴　木　　　誠 第２図 四コロロロ＝コーし１ 図コロ＝コロニーＬ２ ０コーロコロｅ−Ｌ３ 第３図 縛 度 第４図 ↑　　↑↑　↑

Claims (1)

【特許請求の範囲】
1. （１）文書の画像情報を入力して文書の単語の切出処理
   を含む処理を行う文書処理装置において、文章行の画像
   情報の垂直方向の射影をとり、その射影の切れ目の幅の
   ヒストグラムを作成し、そのピークに対応する最大の幅
   に従って単語間ギャップの判定閾値を決定し、その判定
   閾値以上の幅の射影の切れ目を単語間のギャップと判定
   し、文章行の画像情報から単語を切り出すことを特徴と
   する単語切出方式。