JPH04195692A

JPH04195692A - 文書読取装置

Info

Publication number: JPH04195692A
Application number: JP2328462A
Authority: JP
Inventors: Akio Sannomiya; 三宮　昭夫
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1990-11-28
Filing date: 1990-11-28
Publication date: 1992-07-15
Anticipated expiration: 2013-12-14
Also published as: US5265171A; JP2835178B2

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】〔発明の目的〕（産業上の利用分野）本発明は、英文等の一般文書の文字の読取りを行なう文
書読取装置に関する。

（従来の技術）近年では、英文等の一般文書の文字の読取りを行なう文
書読取装置が開発され、使用され始めている。このよう
な、文書読取装置では、読取りの対象となる文書の読取
りのフォーマットも、また内容自体も多様なものとなっ
ている。

また、読取結果に対する確認，修正を行なうために、例
えば英文の場合には、単語に対するスベルチェック等を
行なうことかある。このスペルチェックを行なう機能を
有する装置では、文字の読取結果からチエツクの対象と
なる単語を切り出すことが、その正確性を向上させるた
めの重要な要素となっている。

通常、単語の切り出しは、用紙に記録された各単語の物
理的な切れ目に基づいて行なっている。

具体的には、単語間のスペースの大小の判定を行ない、
所定値以上のスペースがあれば単語の切れ目と判別する
ものである。ところが、一般の英語の文書では、本来の
単語の切れ目と、印刷された用紙上での物理的切れ目と
異なる場合か多い。

例えば、次のような独立した単語がハイフンによって接
続されて生成された合成語ｒ　ｂｕｄｇｅｔ−１ｉｎｅ
Ｊは１語として切り出される。また、単語ｒ　ｉｍｐｏ
ｒｔａｎｔＪが行末に存在してｒｉｇ−Ｊと次行始めの
ｒｐｏｒｔａｎｔＪに分割された場合（以下、このよう
な単語を分離語と称する）には２語として切り出される
。

このような合成語、分離語は、通常、スペルチＪ−ツク
機能に予め用意された辞書に登録されていない。すなわ
ち、前記に示す合成語中のｒｂｕｄｇｅｔＪＮｉｎｅＪ
は別々に処理の対象とするべきものであり、また分離語
は本来の単語と別の単語（文字列）か処理の対象とされ
てしまう。このため、スペルチェックを行なっても正し
い結果を得ることかできない。

また、合成語、分離語を含んだ単語を全て辞書に登録す
ることも考えられるか、この場合、単語数が膨大なもの
になるため、辞書を記憶するための容量を多く必要とし
実用的ではない。

（発明か解決しようとする課題）このように、従来の文書読取装置では、合成語や分離語
についてはスペルチェック処理に供するべき単語が正し
く切り出すことかできなかった。

このため、スペルチェック処理を実行しても正しい結果
が得られず、文字認識処理結果についての確認、修正を
確実に行なうことができなかった。

本発明は前記のような点に鑑みてなされたもので、文字
認識結果について確認、修正を行なうための単語処理（
スペルチェック）を、良好に処理、運用することが可能
な文書読取装置を提供することを目的とする。

［発明の構成］（課題を解決するための手段）本発明は、読取対象となる文書についての文字認識処理
の結果について単語処理を行なう単語処理機能を有する
文書読取装置において、文字認識処理の結果から、単語
処理の対象とすべき単語を切出す単語切出し手段を具備
して構成するものである。

また、前記単語切出し手段によって得られた単語につい
ての単語処理結果に基づいて、誤った単語に対応する候
補単語を求める候補単語抽出手段と、前記候補単語抽出
手段によって得られた候補単語に基づいて、誤った単語
について修正を行なう単語修正手段と、前記単語修正手
段によって修正された単語を、前記単語切出し手段によ
って切出される前の形式に復元する単語復元手段とをさ
らに具備し、前記単語修復手段によって復元された単語
に基づいて、表示を行なうように構成するものである。

（作用）このような構成によれば、単語処理機能による単語処理
に応した処理対象とすべき単語が切出されるため、必要
以上に処理対象単語数を増加させる必要がない。つまり
、合成語、分離語については、そのまま単語処理の対象
とせずに、不必要な文字（ハイフン）を除いた、本来の
１単語毎に切出され、単語処理に供される。

（実施例）以下、図面を参照して本発明の一実施例を説明する。第
１図は同実施例に係わる文書読取装置の構成を示すブロ
ック図である。同実施例においては、英文の一般文書に
ついて文字読取処理を行なう場合を例にして説明する。

同図において、１゜は装置全体の制御を司る制御部であ
る。制御部１０は、スキャナ制御部１３、画像処理部１
４、認識処理部Ｉ５、単語処理ＨＩ６、表示処理部１７
、及び入力処理部１９の制御を行なう。

スキャナ制御部１３は、制御部ＩＯのちとにスキャナ部
２３の制御を行なう。スキャナ部２３は、文書を光学的
に走査し、文字等の画像を検出する。画像処理部１４は
、スキャナ部２３によって検出された画像データをもと
に、文書のサイズ、文書中の文字か記録された文字読取
処理の対象とする読取領域（文書ブロック）の検出、文
書ブロック内に含まれる各読取行の抽出、及び１文字毎
に文字パターンの切出しを行なう。認識処理部１５は、
切出された文字パターンについて、予め設定された文字
認識処理用の辞書（図示せず）を参照しながら、１文字
毎に文字認識処理を行なう。単語処理部１Ｇは、文字認
識処理の結果、及び切出された文字の位置等に基づいて
単語を切り出し、この単語について予め設定された単語
辞書（図示せず）を参照して単語処理（スペルチェック
）を行なう。ここで、単語の切り出しは、用紙等に印刷
された文書の状態をもとに得られた物理上の単語が合成
語１分離語であっても、この単語を単語処理の対象とす
べき論理上の単語に変換して行なう。そして、切り出し
た単語に対応する類傭した他の単語（候補単語）を求め
る。表示処理部１７は、制御部ＩＯの制御のもとに、表
示装置２４の表示制御を行なう。表示装置２４は、装置
の動作状態を通知する人間−マシンインターフェイスの
出力部分に相当し、例えば認忠結果についての確認修正
を行なう処理において第４図に示すような表示を行なう
。入力処理部１９は、キーボード２５．マウス２６から
の人力情報を制御する。

３０はメモリであり、画像格納領域３１、レイアウト・
切出し情報格納領域３２、認識情報格納領域３３、単語
情報格納領域３４が設けられている。画像格納領域３１
は、スキャナ部２３によって検出された画像データを格
納するだめのものである。レイアウト・切出し情報格納
領域３２は、画像処理部１４における処理によって得ら
れた文書サイズ、文書中の文書ブロックのレイアウト（
位置）を示すレイアウト情報、及び文書中の各読取行、
各文字の位置を示す切出し情報を格納するためのもので
ある。認識情報格納領域３３は、認識処理部１５におけ
る処理によって得られた各文字についての文字認識結果
を格納するためのものである。単語情報格納領域３４は
、単語処理部Ｉ６における「＝」（ハイフン）を単語中
から削除する処理によって得られた情報くハイフン位置
等）や、単語認識結果（候補単語）等を格納するための
ものである。

次に、同実施例の動作について第２図に示すフローチャ
ートを参照しながら説明する。

まず、スキャナ制御部１３の制御のもとにスキャナ部２
３において、文字読取処理の対象とする文書を光学的に
走査し、文書中の文字の文字パターンを含む画像データ
の検出が行なわれる。検出された画像データは、スキャ
ナ制御部１３を介して入力され、メモリ３０の画像格納
領域３１に格納される。

ここでは、画像格納領域３１に、１文書分の画像データ
が格納されるものとする（ステップＳｌ）。

スキャナ部２３によって１文書の走査が終了すると、制
御部１０は、画像処理部１４に対して検出された画像デ
ータについて文書ブロックのレイアウト等の解析を指示
する。制御部１０からの指示を受けると、画像処理部１
４は、画像格納領域３１に格納された１文書分の画像デ
ータをもとに、例えばＸ。

Ｙ軸方向に射影をとることによって、文書サイズと、図
形、イラスト等が記録された領域を除いた文字パターン
か存在する文字読取処理の対象する読取領域（文書ブロ
ック）の抽出を行なう。文書ブロックは、文書中の内容
的なまとまりであり、所定以上の行間隔、複数の行に渡
る同一桁における文字間隔によって区分されるものとす
る。画像処理部１４は、行間隔１文字間隔が所定以上あ
るか否かによって文書ブロックを抽出し、各文書ブロッ
クを文書ブロック内の文字を全て含む矩形によって位置
を表すものとする。さらに、画像処理部１４は、文書ブ
ロック内に含まれる各読取行、及び読取行内の各文字の
検出切出しを行なう。これらの処理の結果得られた文書
サイズ、文書ブロック。

読取行１文字の位置は、それぞれ矩形枠の対角の座標点
によって表され、レイアウト・切出し情報格納領域３２
に格納される（ステップＳ２）。

次に、制御部１０は、認識処理部１５に対して、文字認
識処理の実行を指示する。認識処理部１５は、画像処理
部１４によって切出された文字の文字パターンと、文字
毎の認識処理を行なうための辞書（図示せず）とを照合
することによって文字を認識する。各文字パターンにつ
いての文字認識処理の結果は、４議情報格納部３３に格
納される（ステップＳ３）。

制御部１ａは、文書単位で画像入力、レイアウト解析・
検出切り出し、文字認議の処理（ステップ８１〜Ｓ３）
を実行させる。１文書分の文字認識処理が終了すると、
制御部１０は、単語処理部１６に対して単語処理の実行
を指示する。

制御部１０によって単語処理の実行が指示されると、単
語処理部１６は、レイアウト・切出し情報格納領域３２
に格納された各読取行、各文字の位置を示す切出し情報
と、認識情報格納領域３３に格納された認識処理の結果
をもとに単語を作成する。例えば、切比し情報から、同
一行の文字と文字との間に所定以上の間隔（スペース）
かある位置を単語の区切りと判別し、この区切りによっ
て規定される文字認識処理結果の集合を一つの単語とす
るものである。

まず、こうして得られた１単語分の文字認識結果（］単
語）を入力する（ステップＳ４）。単語処理部１６は、
１単語中から「−」（ハイフン）の検出を行なう（ステ
ップＳ５）。通常、一般の英語の文書においては、複数
の単語をハイフンによって接続することによって合成語
か生成されている。また、行末における単語か、文書を
用紙の印刷する際に改行せざるを得ない都合上、当行と
次行とに分離された場合（分離語）には、当行中の前部
の文字列最後尾にハイフンが付されている。

単語処理部１６は、スペルチェックに不要なハイフンを
削除し、チエツクの対象とする本来の単語の生成を行な
う。

ここで、具体的な例を用いて説明する。第３図には、読
取りの対象とする用紙に印刷された文書の一例を示して
いる。また、第４図には、文字認識処理の結果、表示装
置２４に表示された内容を示している。

ステップＳ５における「＝」の検出の結果、単語中に「
−」か存在し、かつ単語の文字位置か行末である場合に
は（ステップＳ６）、分離語または合成語であると判別
する。この場合、前部の文字列の最後尾に接続されたハ
イフン「−」を削除し、次行の第１単語を入力する。そ
して、当行のハイフンが削除された文字列と、次行の第
１単語とを合併し単語を生成する。第３図中においては
、Ａ　−１，Ａ−２によって示す単語（ｒｃｏｍ−ｍｅ
ｎｔｓＪ　）が、分離語の例に当たる。行末の単語ｒ　
ｃｏＩｌ−Ｊは、英語としての単語を成しておらず、文
書を印刷する上で改行せざるを得ない都合上、語末に「
−」が付加され、それ以降のｒｍｅｎｔｓＪが次行に印
刷されたものである。ステップＳ７の処理によって、分
離語の場合では、本来の単語か得られる。なお、このス
テップでは、合併によって得られた単語と、ハイフンが
削除された行末位置の単語をステップＳ９におけるスペ
ルチェックに供する単語として用意する。すなわち、合
成語であった場合に、ハイフンが削除された本来の単語
によってスペルチェックを行なうためである。

一方、ステップＳ５における「−」の検出の結果、単語
中に「−」か存在し、かつ単語の文字位置か文字位置の
情報から行末ではないと判別された場合には（ステップ
Ｓ６）、合成語であると判別する。第３図中においては
、Ｂによって示す単語（ｒＡｍｅｒｉｃａｎ−Ｊｅｗｉ
ｓｈＪ　）が、この例に当たる。

この場合、ハイフン「−」を削除し、単語を分割する（
ステップＳ８）。第３図に示す合成語は、ハイフンが１
つ存在するため、２つの単語に分割される。

なお、ステップＳ５において、人力した単語中に「−」
が存在しない場合には、一般の単語であると判別する。

こうして、用紙等に印刷された文書の状態をもとに得ら
れた物理上の単語を論理上の単語に変換すると、この単
語について文字認識処理用の辞書を参照しながらスペル
チェックを行なう（ステップＳ９）。なお、ステップＳ
７において用意された２単語についてスペルチェックを
行なった結果、誤りの少ない方か本来の単語であるとす
る。すなわち、分離語であれば合併して得られた単語の
方が誤りか少なく、合成語であればハイフンを削除した
単語の方か誤りが少なくなる。ここで、行末の単語か分
離語であると判別された際には、次行の処理において第
１単語の処理が不要となる。

このスペルチェック処理において誤りが発見された場合
、すなわち文字認識処理の結果中にリジェクト（読取拒
否）や、または正しく４譚されていない文字（誤読）が
存在する場合には、スペルチェック処理の結果を用いて
、文字の修正を行なうことができる。つまり、リジェク
ト文字や誤読文字以外の文字が一致、または類似する複
数（１つでも良い）の候補単語をスペルチェック処理に
よって求める。そして、候補単語を表示装置２４の表示
画面中に表示し、キーボード２５、またはマウス２６を
用いて１つの単語を選択させる。

ステップＳＩＯにおいては、選択された正解単語と誤っ
た単語とを置換し、その結果を表示する。

例えば、第４図中のＣ−１に示すように、カーソル３０
が位置する分離語にリジェクト文字（図中−部分の文字
）か存在する場合には、候補文字から正解単語が選択さ
れるとステップ５５〜Ｓ８までの処理内容に応じて、「
−」（ハイフン）をＣ−２の文字列との間の所定の位置
に復元して表示を行なう。また、合成語の場合について
も、第４図中のＤに示すように、同様に正解単語の各単
語間にハイフンを復元して、表示を行なう。

こうして、単語の置換処理を行ないりジエクト文字、誤
読文字か修正され、正解単語を表示させると、次単語の
処理に移行するための準備を行なう（ステップ５１２）
。

以下、同様にして、１文書中の各単語について順次処理
を実行する。

なお、前記実施例においては、１単語毎に入力し、スペ
ルチェックによってリジェクトや誤読した文字を含む単
語について候補単語を表示して選択させるようにしてい
るが、１文書中の全単語についてスペルチェックを行な
った後に、修正すべき単語を任意に選択させることによ
って候補単語を表示し、正解単語の選択、修正を行なう
ようにしても良い。

このようにして、文字認識処理の結果について単語処理
（スペルチェック）を行なう際に、合成語、分離語であ
っても処理対象とすべき単語を切出すので、確認・修正
処理をより正確に行なうことができる。

［発明の効果］以上のように本発明によれば、単語処理機能による単語
処理（スペルチェック）の対象とすべき単語が切出され
るため、文書中に合成語や分離語が含まれている場合で
あっても直接処理対象とされないので、より確実にチエ
ツクが行われ、確認・修正処理を正確に行なうことがで
きるものである。

【図面の簡単な説明】

第１図は本発明の一実施例に係わる文書読取装置の構成
を示すブロック図、第２図は同実施例における文字読取
処理の処理手順を示すフローチャート、第３図は読取り
の対象とする用紙に印刷された文書の一例を示す図、第
４図は表示装置に表示された文字認識処理の結果の内容
を示す図である。１０・・・制御部、１３・・・スキャナ制御部、１４・
・・画像処理部、１５・・認識処理部、１６・・・単語
処理部、１７・・・表示処理部、１９・・・入力処理部
、２３・・・スキャナ部、２４・・・表示装置、２５・
・・キーボード、２６・・・マウス、３０・・・メモリ
、３１・・・画像格納領域、３２・・レイアウト・切出
し情報格納領域、３３・・・４諜情報格納領域、３４・
・・単語情報格納領域。出願人代理人　弁理士　鈴江武彦

Claims

【特許請求の範囲】

（１）読取対象となる文書についての文字認識処理の結
果について単語処理を行なう単語処理機能を有する文書
読取装置において、前記文字認識処理の結果から、前記単語処理の対象とす
べき単語を切出す単語切出し手段を具備し、前記単語切出し手段によって切出された単語について単
語処理を行なうことを特徴とする文書読取装置。
（２）前記単語切出し手段によって得られた単語につい
ての単語処理結果に基づいて、誤った単語に対応する候
補単語を求める候補単語抽出手段と、前記候補単語抽出手段によって得られた候補単語に基づ
いて、誤った単語について修正を行なう単語修正手段と
、前記単語修正手段によって修正された単語を、前記単語
切出し手段によって切出される前の形式に復元する単語
復元手段と、をさらに具備し、前記単語復元手段によって復元された単語に基づいて、
表示を行なうことを特徴とする第１請求項記載の文書読
取装置。