JPH10247237A - 文書画像処理装置および文書画像処理方法および情報記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 文書画像の入力，保存，分類，検索，閲覧や
転送などの各種の文書画像処理を操作性良く、また、効
率良く行なうことが可能である。 【解決手段】 文書を読取って文書画像とする画像入力
部１と、画像入力部１によって入力された文書画像に対
し認識処理を行ない、少なくとも、入力された文書画像
をテキストに変換する認識処理部５と、保存部１０とを
有し、前記保存部１０は、画像入力手段で得られた文書
画像のうち、所望の文書を画像そのままの形で、および
／または認識処理されたテキストの形で保存する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書画像処理を行
なう文書画像処理装置および文書画像処理方法および情
報記録媒体に関する。

【０００２】

【従来の技術】従来、電子図書館に代表されるように文
書画像を電子化し、分類・検索する需要は非常に大き
い。従来、文書画像データを記録保存し、再利用する電
子ファイリングシステムの検索方法として、特開平６−
１６８２７６号に示されているような技術が知られてい
る。

【０００３】この従来の電子ファイリングシステムは、
１頁あるいは複数頁から成る文書画像データを入力する
画像入力手段と、前記画像入力手段で入力された画像デ
ータを記憶装置に保存する画像保存手段と、前記画像保
存手段で保存された画像データを縮小して縮小画像デー
タを作成する画像縮小手段と、前記画像縮小手段で縮小
された縮小画像データの複数ファイルを表示装置に同時
に表示させる表示手段と、表示された各縮小画像データ
ごと独立に任意の頁を表示させる第１の頁めくり手段
と、表示された複数の縮小画像データの頁を同時に切り
換える第２の頁めくり手段と、各縮小画像データの同一
のファイル内の複数頁を同時に表示装置に表示させる複
数頁表示手段を備えており、縮小画像を複数表示する検
索手法において、検索画像を各画像の１頁目に限ること
なく、任意の頁を用いた検索を可能とすることを意図し
ている。

【０００４】

【発明が解決しようとする課題】しかしながら、上述し
た従来のシステムでは、情報を画像のまま扱っているた
めに情報量が多く、保存や検索，閲覧，転送などを行な
う場合に非常に負荷となるという問題があった。

【０００５】また、上述したような従来のシステムで
は、画像入力手段には通常のスキャナが用いられていた
ため、複数ページの本や雑誌などの文書画像を入力する
際には、人手によって１ページずつめくってスキャナに
読み込ませており、文書画像の入力に相当な手間がかか
るという問題があった。

【０００６】すなわち、従来のシステムでは、文書画像
の入力，保存，分類，検索，閲覧や転送などの処理を操
作性良く、また、効率良く行なうことができないという
問題があった。

【０００７】本発明は、文書画像の入力，保存，分類，
検索，閲覧や転送などの各種の文書画像処理を操作性良
く、また、効率良く行なうことの可能な文書画像処理装
置および文書画像処理方法および情報記録媒体を提供す
ることを目的としている。

【０００８】

【課題を解決するための手段】上記目的を達成するため
に、請求項１記載の発明は、文書を読取って文書画像と
する画像入力手段と、画像入力手段によって入力された
文書画像に対し認識処理を行ない、少なくとも、入力さ
れた文書画像をテキストに変換する認識処理手段と、保
存手段とを有し、前記保存手段は、画像入力手段で得ら
れた文書画像のうち、所望の文書を画像そのままの形
で、および／または認識処理されたテキストの形で保存
することを特徴としている。

【０００９】また、請求項２記載の発明は、自動ページ
めくり機構を有し、文書が複数ページの文書からなる場
合、各ページを自動めくりしながら、各ページの文書を
読取って文書画像とする画像入力手段と、画像入力手段
によって入力された文書画像に対し認識処理を行ない、
少なくとも、入力された文書画像をテキストに変換する
認識処理手段と、保存手段とを有し、前記保存手段は、
画像入力手段で得られた文書画像のうち、所望の文書を
画像そのままの形で、および／または認識処理されたテ
キストの形で保存することを特徴としている。

【００１０】また、請求項３記載の発明は、文書を読取
って文書画像とする画像入力手段と、画像入力手段によ
って入力された文書画像に対し認識処理を行ない、少な
くとも、入力された文書画像をテキストに変換する認識
処理手段と、保存手段と、キーワードを入力するキーワ
ード入力手段とを有し、前記保存手段は、前記入力され
た文書の文書画像に対し認識処理を行なって得られたテ
キスト中に、キーワード手段から入力されたキーワード
と一致している文字列が存在するか否かを判断し、存在
する場合には、該文書をキーワードを付加して保存する
ことを特徴としている。

【００１１】また、請求項４記載の発明は、請求項１乃
至請求項３のいずれか一項に記載の文書画像処理装置に
おいて、前記認識処理手段は、文書画像の文字画像に対
して認識処理を行ない、コード化された文字列としての
テキストに変換するとともに、文書画像のレイアウトを
も認識することを特徴としている。

【００１２】また、請求項５記載の発明は、請求項１記
載の文書画像処理装置において、前記認識処理手段は、
文書画像の文字画像に対して認識処理を行ない、コード
化された文字列としてのテキストに変換するとともに、
文字画像のフォントタイプをも認識することを特徴とし
ている。

【００１３】また、請求項６記載の発明は、請求項１記
載の文書画像処理装置において、前記認識処理手段は、
文書画像の文字画像に対して認識処理を行ない、コード
化された文字列としてのテキストに変換するとともに、
文字画像のフォントサイズをも認識することを特徴とし
ている。

【００１４】また、請求項７記載の発明は、文書が複数
ページの文書からなる場合、各ページを自動めくりしな
がら、各ページの文書を読取って入力された文書画像に
対し認識処理を行ない、少なくとも、入力された文書画
像をテキストに変換し、入力された文書画像のうち、所
望の文書を画像そのままの形で、および／または認識処
理されたテキストの形で保存することを特徴としてい
る。

【００１５】また、請求項８記載の発明は、文書を読取
って文書画像とする画像入力手段と、文書画像の中から
記事を抽出する記事抽出手段と、記事抽出手段によって
抽出された記事の画像に対し認識処理を行ない、記事の
画像をテキストに変換する認識処理手段と、抽出した記
事を保存する保存手段とを有し、前記保存手段は、記事
を保存する際、記事から代表語を抽出し、抽出した代表
語を記事に付加して保存することを特徴としている。

【００１６】また、請求項９記載の発明は、前記画像入
力手段は、自動ページめくり機構を有し、文書が複数ペ
ージの文書からなる場合、各ページを自動めくりしなが
ら、各ページの文書を読取り、前記記事抽出手段は、入
力されたページ画像から記事を抽出することを特徴とし
ている。

【００１７】また、請求項１０記載の発明は、前記保存
手段は、前記記事抽出手段によって抽出された記事の全
ページの画像の認識結果であるテキストを所定の検索語
で検索し、全ページの記事のうちから、検索語と一致す
る記事のページを選択して保存することを特徴としてい
る。

【００１８】また、請求項１１記載の発明は、前記保存
手段は、前記記事抽出手段によって抽出された記事の全
ページの画像の認識結果であるテキストを所定の検索分
野に関する検索語で検索し、全ページの記事のうちか
ら、所定の検索分野に関する検索語と一致する記事を選
択して保存することを特徴としている。

【００１９】また、請求項１２記載の発明は、前記記事
抽出手段は、文書中に抽出したい記事が連続的におよび
ページ単位に存在する場合に、文書画像に対してタイト
ルの抽出処理を行ない、タイトルを含むページから次の
タイトルを含むページまでの部分を記事として抽出する
ことを特徴としている。

【００２０】また、請求項１３記載の発明は、前記記事
抽出手段は、文書中に抽出したい記事がページ単位に存
在する場合に、記事中に対象外のページが挿入されてい
るときには、対象外のページについては記事として抽出
しないことを特徴としている。

【００２１】また、請求項１４記載の発明は、前記記事
抽出手段は、文書中に抽出したい記事がページ単位では
なく領域単位に存在する場合に、入力された文書画像に
対してレイアウト解析処理を行ない、ページ内の各領域
を識別し、領域単位に存在する記事を抽出することを特
徴としている。

【００２２】また、請求項１５記載の発明は、文書が複
数ページの文書からなる場合、各ページを自動めくりし
ながら、各ページの文書を読取って入力された文書画像
に対し認識処理を行ない、少なくとも、入力された文書
画像をテキストに変換し、入力された文書画像のうち、
所望の文書を画像そのままの形で、および／または認識
処理されたテキストの形で保存する機能を実現するため
のプログラムが記録されていることを特徴としている。

【００２３】

【発明の実施の形態】以下、本発明の実施形態を図面に
基づいて説明する。図１は本発明に係る文書画像処理装
置の構成例を示す図である。図１を参照すると、この文
書画像処理装置は、文書を例えば２値画像として読み込
む画像入力部１と、画像入力部１で読み込まれた文書画
像を記憶する画像ファイル２と、文書画像を見出し，本
文，写真，表などの領域に分割し、領域を識別する領域
識別部３と、領域識別部３で識別された領域の識別結果
に基づき、文書画像から文字画像(文字画像の領域)のみ
を抽出する文字切り出し処理部４と、文字切り出し処理
部４により切り出された各文字画像に対し所定の認識処
理を行なう認識処理部５と、認識処理結果としてのテキ
スト(コード化された文字列)を記憶するテキストファイ
ル６と、キーワードを入力するキーワード入力部７と、
第１の検索部８と、表示部９と、保存部１０と、第２の
検索部１１と、全体の制御を行なう制御部１２とを有し
ている。

【００２４】ここで、画像入力部１は、例えば、自動ペ
ージめくり機構を有するスキャナとして構成されてい
る。

【００２５】また、文字切り出し処理部４は、文書画像
から例えば図２に示すように１つの文字画像を切り出す
ようになっている。すなわち、図２の例では、１つの文
字画像(図２の例では、文字「永」)は、文字の外接矩形
領域ＡＲとして切り出される。

【００２６】また、認識処理部５は、例えば図３のよう
に構成されている。図３の例では、認識処理部５は、対
象文書画像中の文字画像を文字認識し、該文字画像の文
字コードを求める(テキストに変換する)文字認識部４１
と、文書画像のレイアウトを認識するレイアウト認識部
４２と、文字画像のフォントタイプを認識するフォント
タイプ認識部４３と、文字画像のフォントサイズを認識
するフォントサイズ認識部４４とを有している。

【００２７】また、キーワード入力部７は、例えば、キ
ーボードなどの入力装置やかな漢字変換部などにより構
成され、キーボードなどから入力されたキーワードをコ
ード化された文字列の形で保持(登録)するようになって
いる。

【００２８】また、第１の検索部８は、画像入力部１で
読み込まれた文書画像のうち、必要とされる文書(保存
されるべき文書)をキーワードによって抽出するために
設けられている。すなわち、第１の検索部８は、認識処
理部５の文字認識部４１によって文書画像の各文字画像
がテキスト(コード化された文字列)に変換されたとき
に、この文書のテキスト中に、キーワード入力部７から
入力されたキーワード(コード化された文字列)と一致す
る文字列(コード化された文字列)があるか否かを検索
し、キーワード入力部７から入力されたキーワード(コ
ード化された文字列)と一致する文字列(コード化された
文字列)があるときに、この文書を保存すべき文書とし
て抽出するようになっている。

【００２９】また、表示部９は、例えば図４のように構
成されている。図４の例では、表示部９は、文書を文書
画像の状態で表示する画像表示部４５と、文書を文字認
識した結果のコード化文字列，すなわちテキストの状態
で表示するテキスト表示部４６とを有している。

【００３０】また、保存部１０は、例えば図５のように
構成されている。図５の例では、保存部１０は、第１の
検索部８によって抽出された文書(キーワードと一致す
る文字列を含む文書)を、文書画像そのままの形で、上
記キーワードを付与して保存する画像保存部４７と、第
１の検索部８によって抽出された文書(キーワードと一
致する文字列を含む文書)を、コード化文字列(テキス
ト)の形で、上記キーワードを付与して保存するテキス
ト保存部４８とを有している。

【００３１】すなわち、画像保存部４７は、予め登録さ
れたキーワード(キーワード入力部７から入力され、例
えば、コード化文字列の形で予め登録されているキーワ
ード)と一致する文字列が対象文書画像中(テキスト中)
に存在する場合に、このキーワードを含む文書にこのキ
ーワードを自動的に付与し、この文書を、文書画像その
ままの形で、すなわち、画像そのものを保存するように
なっている。

【００３２】また、テキスト保存部４８は、予め登録さ
れたキーワード(キーワード入力部７から入力され、例
えば、コード化文字列の形で予め登録されているキーワ
ード)と一致する文字列が対象文書画像中(テキスト中)
に存在する場合に、このキーワードを含む文書にこのキ
ーワードを自動的に付与し、対象文書画像の各文字画像
に対し文字認識を行なった結果のテキスト(コード化文
字列)の形で、すなわち、文字コードに変換されたテキ
ストの形で、文書を保存するようになっている。

【００３３】また、第２の検索部１１は、保存部１０に
保存された文書をキーワードによって検索するために設
けられている。図６は第２の検索部１１の構成例を示す
図であり、図６の例では、第２の検索部１１は、画像保
存部４７に保存されている文書画像のうちから所望の文
書画像をキーワードにより検索する画像検索部５０と、
テキスト保存部４８に保存されている文書テキストのう
ちから所望のテキストをキーワードにより検索するテキ
スト検索部５１とを有している。

【００３４】図７，図８は図１の文書画像処理装置の処
理動作例を説明するためのフローチャートである。な
お、図７，図８では、文書画像を入力し、これを保存す
るまでの処理が示されている。また、図７，図８の処理
を行なうに先立って、キーワード入力部７から所定の文
字列(例えばコード化された所定の文字列)がオペレータ
によりキーワードとして予め入力され、この文書画像処
理装置内の所定のメモリに予め登録されているものとす
る。ここで、この場合のキーワードは、オペレータにと
って必要な保存すべき文書を抽出するために入力され、
登録されるものである。

【００３５】図７，図８を参照すると、先ず、ステップ
Ｓ１０１では、画像入力部１により、処理対象である文
書(例えば原稿)を読込み、これを文書画像として画像フ
ァイル２内に取り込む。次いで、ステップＳ１０２で
は、取り込んだ文書画像に対して、領域識別部３によっ
て、文書画像を見出し，本文，写真，表などの領域に分
割し、分割されたそれぞれの領域を見出し，本文，写
真，表などに分類する。

【００３６】次いで、ステップＳ１０３では、文字切り
出し処理部４は、ステップＳ１０２で見出し及び本文と
分類された領域の部分を文字画像の部分と判断し、文書
画像から文字画像の部分のみを抽出し、その外接矩形の
座標を求める文字矩形抽出処理を行なう。

【００３７】しかる後、ステップＳ１０４では、ステッ
プＳ１０３で抽出された各文字画像に対して文字認識を
行ない、各文字画像の文字コードを求める。これによ
り、文書画像の各文字画像に対応したコード化文字列
(テキスト)が求まる。なお、文字認識によって求められ
たテキストは、テキストファイル６に取り込まれる。

【００３８】次いで、ステップＳ１０５では、予め登録
されているキーワードとステップＳ１０４で求められた
文字列(テキスト)とを比較し、ステップＳ１０４で求め
られたテキストがキーワードと一致する部分を含んでい
るか否かを判断する。この結果、キーワードと一致する
部分を含んでいる場合にはステップＳ１０６へ進み、一
致する部分を含んでいない場合にはステップＳ１１５へ
進む。

【００３９】ステップＳ１０６では、この文書がキーワ
ードと一致した部分を含んでいる場合、この文書を文書
画像そのままの形で保存するか否かを例えばオペレータ
に判断させ、例えばオペレータが文書を文書画像そのま
まの形で保存する(保存したい)と判断したならば、ステ
ップＳ１０７，Ｓ１０８へ進み、文書画像そのままの形
で保存しない(例えばテキストの形で保存したい)と判断
したならば、ステップＳ１０９へ進む。

【００４０】すなわち、ステップＳ１０６で文書を文書
画像そのままの形で保存すると判断された場合には、ス
テップＳ１０７で、保存対象となる文書に、予め登録さ
れているキーワードを付与した後、ステップＳ１０８で
この文書を文書画像の形で画像保存部４７に保存する。

【００４１】また、ステップＳ１０９では、入力画像中
のキーワードと一致した部分を含む文書をテキストの形
で(文書画像中の文書画像に対して文字認識処理を施し
た結果のコード化された文字列の形で(テキストの形
で))保存するか否かを例えばオペレータに判断させ、例
えばオペレータが文書をテキストの形で保存する(保存
したい)と判断したならばステップＳ１１０〜Ｓ１１４
へ進み、また、この文書を保存しないと判断したなら
ば、ステップＳ１１５へ進む。

【００４２】ステップＳ１０９で文書をテキストの形で
保存すると判断された場合、ステップＳ１１０では、対
象となる文書画像のレイアウト識別処理を行ない、見出
し，本文，図，表等に識別し、この識別結果とこれらの
位置情報を、文字認識結果としてのテキストとともに保
存することができる。また、ステップＳ１１１では、対
象となる文書画像の各文字画像についてフォントタイプ
の識別を行ない、また、ステップＳ１１２では、対象と
なる文書画像の各文字画像についてフォントサイズの識
別を行なって、これらの識別結果をも、文字認識結果と
してのテキストとともに保存することができる。

【００４３】そして、ステップＳ１１３で保存対象とな
る文書に、予め登録されているキーワードを付与した
後、ステップＳ１１４でこの文書をテキストの形でテキ
スト保存部４８に保存する。このとき、ステップＳ１１
０で求められた文書のレイアウト識別結果や、ステップ
Ｓ１１１，Ｓ１１２で求められた各文字のフォントタイ
プ識別結果，フォントサイズの識別結果をも、テキスト
とともに保存することができる。

【００４４】ステップＳ１１５では、次ページがあるか
否か判定し、次ページがあればステップＳ１１６へ進
み、次ページがなければ処理を終える。

【００４５】ステップＳ１１６では、自動ページめくり
機構によりページをめくらせ、次ページを出し、再びス
テップＳ１０１に戻る。

【００４６】なお、上述の例えばステップＳ１０６の処
理において、キーワードと一致した部分を含む文書を、
文書画像そのままの形で、あるいは、テキストの形で、
保存させるかをオペレータに判断させるとき、この文書
の文書画像そのものを表示部９の画像表示部４５に表示
させ、この文書テキストを表示部９のテキスト表示部４
６に表示させて、オペレータに提示させることができ
る。また、このような表示を、ステップＳ１０６の処理
のみならず、上述の各処理の所望の段階で行なわせるこ
ともできる。

【００４７】また、図７，図８の処理動作例では、保存
対象となる文書を、画像そのままの形で保存するか、あ
るいは、テキストの形で保存するかを選択させるように
しているが、これらに加えて、さらに、文書を画像その
ままの形とテキストの形との両方の形を保存させるよう
に選択させることも可能である。

【００４８】このように、本発明においては、自動ペー
ジめくり機構を有する画像入力手段を用いて複数ページ
を有する本や雑誌などから自動的に文書画像を入力し、
また、文書画像に対して文字認識処理を施してコード化
文字列(テキスト)に変換し、変換されたコード化文字列
(テキスト)を予め登録したキーワードと比較することに
よって、いま入力した文書が所望する文書か否か(保存
対象となる文書か否か)を自動的に判定し、所望する文
書と判定されたときには、この文書を画像そのままの形
で保存するか、テキストの形で保存するか、さらには、
画像とテキストとの両方の形で保存するかを選択するこ
とができ、この文書をいずれかの形で保存するとき、こ
の文書に、上記のキーワードを付与して保存することが
できる。これにより、文書画像データベースの作成，分
類，検索などに関して非常に有用性が高い。

【００４９】特に、本発明は、文書画像を文字認識処理
によってテキストに変換して扱うために、文書の内容の
全てに対して検索(キーワードとの一致を調べること)が
可能であり、所望の文書を極めて容易に抽出し、これを
保存することができる。また、本発明は、自動ページめ
くり機構を有する画像入力手段を用いることで、複数ペ
ージを有する本や雑誌などから非常に効率よく文書画像
の入力を行なうことができる。また、認識処理において
は、文書画像に対し、レイアウト認識，フォントタイプ
識別，フォントサイズ識別をも行ない、その識別結果を
も保存するため、これを検索して、元の文書画像を再生
するような場合、元の文書画像を忠実に再現することが
可能となる。

【００５０】このようにして、複数ページを有する本や
雑誌などから順次に入力された文書のうち保存の必要な
文書がキーワードを付与されて画像あるいはテキストの
形で保存された後、ユーザは、保存部１０に保存されて
いる文書のうち、所望の文書をキーワードによって検索
することができる。すなわち、ユーザが所望の文書に付
与されているキーワードをキーワード入力部７から入力
すると、第２の検索部１１は、入力されたキーワードに
一致するキーワードが付与された文書が保存部１０に保
存されているか否かを調べる。

【００５１】より詳細には、第２の検索部１１の画像検
索部５０は、保存部１０の画像保存部４７から、入力さ
れたキーワードに一致するキーワードが付与された文書
が保存されているか否かを調べ、また、第２の検索部１
１のテキスト検索部５１は、保存部１０のテキスト保存
部４８から、入力されたキーワードに一致するキーワー
ドが付与された文書が保存されているか否かを調べる。

【００５２】この結果、入力されたキーワードに一致す
るキーワードが付与された文書が保存部１０の画像保存
部４７に保存されているときには、第２の検索部１１の
画像検索部５０は、保存部１０の画像保存部４７から、
入力されたキーワードに一致するキーワードが付与され
た文書を保存部１０の画像保存部４７から読み出して、
例えば表示部９の画像表示部４５に表示させ、および／
または、所定の印刷装置に出力させる。また、入力され
たキーワードに一致するキーワードが付与された文書が
保存部１０のテキスト保存部４８に保存されているとき
には、第２の検索部１１のテキスト検索部５１は、保存
部１０のテキスト保存部４８から、入力されたキーワー
ドに一致するキーワードが付与された文書を保存部１０
のテキスト保存部４８から読み出して、例えば表示部９
のテキスト表示部４６に表示させ、および／または、所
定の印刷装置に出力させる。

【００５３】なお、この際、入力されたキーワードに一
致するキーワードが付与された文書が保存部１０の画像
保存部４７と保存部１０のテキスト保存部４８との両方
に保存されているときには、第２の検索部１１の画像検
索部５０は、保存部１０の画像保存部４７から、入力さ
れたキーワードに一致するキーワードが付与された文書
の画像を読み出して、例えば表示部９の画像表示部４５
に表示させ、および／または、所定の印刷装置に出力さ
せることができ、また、第２の検索部１１のテキスト検
索部５１は、保存部１０のテキスト保存部４８から、入
力されたキーワードに一致するキーワードが付与された
文書のテキストを読み出して、例えば表示部９のテキス
ト表示部４６に表示させ、および／または、所定の印刷
装置に出力させることができる。

【００５４】このように、本発明によれば、複数ページ
を有する本や雑誌などからキーワードを用いて、保存す
べき文書を自動的に抽出することが可能となり（特に、
入力された文書画像の全ての内容(文字認識処理された
コード化された文字列)とキーワードとの一致を調べる
ことで、非常に高精度に、必要とする文書画像の抽出を
行なうことができ)、また、保存すべき文書を文書画像
の形で、あるいはテキストの形で、あるいはこれらの両
方の形で保存することが可能となり、また、保存された
文書にはキーワードが付与されるので、文書が保存され
た後、これを容易に検索することが可能となる。

【００５５】図９は本発明に係る文書画像処理装置の他
の構成例を示す図である。なお、図９において、図１と
同様の箇所には同じ符号を付して詳細な説明を省略す
る。図９を参照すると、この文書画像処理装置は、文書
を例えば２値画像として読み込む画像入力部６１と、画
像入力部６１で読み込まれた文書画像などを記憶するメ
モリ６２と、文書画像の中から記事を抽出する記事抽出
部６３と、記事抽出部６３で抽出された記事の文書画像
から文字画像(文字画像の領域)のみを抽出する文字切り
出し処理部４と、文字切り出し処理部４により切り出さ
れた各文字画像に対し所定の認識処理を行なう認識処理
部５と、認識処理結果としてのテキスト(コード化され
た文字列)を記憶するテキストファイル６と、検索語お
よび／または検索分野を入力する検索語／検索分野入力
部６７と、入力された検索語および／または検索分野を
用いて記事の全ページの画像の認識結果であるテキスト
を検索する文字列検索部６８と、表示部９と、保存部７
０と、記事から代表語を抽出する代表語抽出部７１と、
全体の制御を行なう制御部７２とを有している。

【００５６】ここで、記事とは、雑誌の独立したコラム
や記事、また、本の章や節などの一まとまりの文章の単
位を指している。また、代表語とは、記事を代表する単
語であり、検索語とは、記事を検索するための単語を指
している。

【００５７】また、画像入力部６１は、例えば、自動ペ
ージめくり機構を有するスキャナとして構成されてい
る。また、メモリ６２には、画像データの他に、テキス
トデータ，領域データなども蓄積されるようになってい
る。また、記事抽出部６３は、単数ページもしくは複数
ページの文書画像を見出し，本文，写真，表などの領域
に分割し、領域を識別して１まとまりの文書画像を記事
として抽出するようになっている。また、認識処理部５
は、例えば図３で示したと同様に構成されており、文字
コード，フォントタイプ，フォントスタイル，レイアウ
トを確認するようになっている。また、文字列検索部６
８は、検索語／検索分野入力部６７から所定の検索語が
入力されたときには、記事抽出部６３によって抽出され
た記事の全ページの画像の認識結果であるテキストを所
定の検索語で検索し、全ページの記事のうちから、検索
語と一致する記事のページを選択するようになってい
る。また、文字列検索部６８は、検索語／検索分野入力
部６７から所定の検索分野が入力されたときには、記事
抽出部６３によって抽出された記事の全ページの画像の
認識結果であるテキストを所定の検索分野に関する検索
語で検索し、全ページの記事のうちから、所定の検索分
野に関する検索語と一致する記事を選択するようになっ
ている。

【００５８】また、表示部９は、例えば図４で示したと
同様に構成されており、画像，テキストを表示できるよ
うになっている。

【００５９】また、保存部７０は、例えば図１０のよう
に構成されている。図１０の例では、保存部７０は、文
字列検索部６８によって抽出された文書を、文書画像そ
のままの形で、代表語を付与して保存する画像保存部４
７と、文字列検索部６８によって抽出された文書を、コ
ード化文字列(テキスト)の形で、代表語を付与して保存
するテキスト保存部４８と、レイアウトを保存するレイ
アウト保存部４９とを有している。

【００６０】すなわち、画像保存部４７は、記事抽出部
６３で抽出された記事の文書を、文書画像そのままの形
で、すなわち、記事の画像そのものを保存するようにな
っている。

【００６１】また、テキスト保存部４８は、記事抽出部
６３で抽出された記事の文書画像の各文字画像に対し文
字認識を行なった結果のテキスト(コード化文字列)の形
で、すなわち、文字コードに変換されたテキストの形
で、記事の文書を保存するようになっている。

【００６２】図１１は図９の文書画像処理装置の処理動
作例を説明するためのフローチャートである。

【００６３】図１１を参照すると、先ず、ステップＳ２
０１では、画像入力部６１により、処理対象である文書
(例えば原稿)の注目ページの画像をメモリ６２内に取り
込む。次いで、ステップＳ２０２では、メモリ６２内に
取り込まれた注目ページの文書画像に対して領域を分割
し、分割したそれぞれの領域を、見出し、本文、写真、
表などに分類する。また一つの記事としてのまとまりを
識別する。次いで、ステップＳ２０３では、記事の全ペ
ージの画像が入力されたか否かを判定し、未入力のペー
ジがあると判定された場合には、ステップＳ２０４へ進
む。ステップＳ２０４では、自動ページめくり機構を用
いてページをめくり、ステップＳ２０１乃至Ｓ２０３の
処理を繰り返す。

【００６４】このようにして、ステップＳ２０３で、記
事の全ページの画像が入力されたと判断されると、ステ
ップＳ２０５に進み、ステップＳ２０５では、文書画像
から文字矩形の抽出を行なう。そして、ステップＳ２０
６では文字認識を行ない、ステップＳ２０７ではフォン
トタイプ、フォントスタイル、フォントサイズの識別を
行なう。次いで、ステップＳ２０８では対象文書の画像
データを保存し、ステップＳ２０９では対象文書のテキ
ストデータを保存する。このテキストデータには、文字
コード、フォントタイプ、フォントスタイル、フォント
サイズなどの情報を含む。また、ステップＳ２１０では
対象文書のレイアウト情報を保存する。

【００６５】次いで、ステップＳ２１１では対象記事の
代表語を抽出する。この代表語は、文書のテキストデー
タを単語単位に分けた場合に、出現頻度の多い単語や、
フォント情報などから強調されている単語や、これらの
組合せとして抽出される。なお、フォント情報において
強調されている単語とは、例えば相対的にサイズの大き
い単語や、多くが明朝体で書かれている中のゴシック体
の単語などを指す。

【００６６】次いで、ステップＳ２１２では、ステップ
Ｓ２１１で抽出した代表語を対象記事に付与して、記事
を保存する。次いで、ステップＳ２１３では全てのペー
ジの処理を終えたか否か判定し、未処理のページがあれ
ばステップＳ２０４へ進み、全てのページの処理を終え
ていれば全処理を終了する。

【００６７】このように、図１１の処理動作例では、保
存部７０は、記事抽出部６３によって抽出された記事の
全ページの画像の認識結果であるテキストを全て保存し
たが、これのかわりに、保存部７０は、記事抽出部６３
によって抽出された記事の全ページの画像の認識結果で
あるテキストを文字列検索部６８によって所定の検索語
で検索し、全ページの記事のうちから、検索語と一致す
る記事のページを選択して保存しても良い。

【００６８】図１２，図１３は図９の文書画像処理装置
の他の処理動作例を説明するためのフローチャートであ
る。図１２，図１３の処理動作例では、保存部７０は、
記事抽出部６３によって抽出された記事の全ページの画
像の認識結果であるテキストを文字列検索部６８によっ
て所定の検索語で検索し、全ページの記事のうちから、
検索語と一致する記事のページを選択して保存するよう
になっており、このため、先ず、ステップＳ３０１では
記事を選択的に保存するための検索語(欲する記事のキ
ーワード)を所定の文字列(例えばコード化された所定の
文字列)で利用者に入力させる。

【００６９】次いで、ステップＳ３０２では、画像入力
部６１により、処理対象である文書(例えば原稿)の注目
ページの画像をメモリ６２内に取り込む。次いで、ステ
ップＳ３０３では、メモリ６２内に取り込まれた注目ペ
ージの文書画像に対して領域を分割し、分割したそれぞ
れの領域を、見出し、本文、写真、表などに分類する。
また一つの記事としてのまとまりを識別する。次いで、
ステップＳ３０４では、記事の全ページの画像が入力さ
れたか否かを判定し、未入力のページがあると判定され
た場合には、ステップＳ３０５へ進む。ステップＳ３０
５では、自動ページめくり機構を用いてページをめく
り、ステップＳ３０２乃至Ｓ３０４の処理を繰り返す。

【００７０】このようにして、ステップＳ３０４で、記
事の全ページの画像が入力されたと判断されると、ステ
ップＳ３０６に進み、ステップＳ３０６では、文書画像
から文字矩形の抽出を行なう。そして、ステップＳ３０
７では文字認識を行なう。

【００７１】次いで、ステップＳ３０８では、記事を検
索する際に、入力された検索語のみを用いて検索する
か、または検索語とその関連語を用いて検索するのかを
判定する。この結果、検索語のみを用いて検索する場合
には、ステップＳ３０９へ進み、検索語のみを用いて全
文検索する。これに対し、検索語とその関連語を用いて
検索する場合にはステップＳ３１０へ進み、検索語とそ
の関連語を用いて全文検索する。ステップＳ３１１で
は、ステップＳ３０９またはＳ３１０における検索の結
果、記事中に検索語(またはその関連語も含む)と一致す
る文字列があるか否かを判定する。この結果、一致する
文字列がない場合にはステップＳ３０５へ進む。

【００７２】これに対し、ステップＳ３１１で一致する
文字列がある場合には、ステップＳ３１２へ進む。ステ
ップＳ３１２ではフォントタイプ、フォントスタイル、
フォントサイズの識別を行なう。そして、ステップＳ３
１３では対象文書の画像データを保存し、ステップＳ３
１４では対象文書のテキストデータを保存する。このテ
キストデータには、文字コード、フォントタイプ、フォ
ントスタイル、フォントサイズなどの情報を含む。ま
た、ステップＳ３１５では対象文書のレイアウト情報を
保存する。

【００７３】次いで、ステップＳ３１６では対象記事の
代表語を抽出する。この代表語は、検索の際に用いた検
索語、その関連語、文書のテキストデータを単語単位に
分けた場合に出現頻度の多い単語や、フォント情報など
から強調されている単語や、これらの組合せとして抽出
される。フォント情報において強調されている単語と
は、例えば相対的にサイズの大きい単語や、多くが明朝
体で書かれている中のゴシック体の単語などを指す。

【００７４】次いで、ステップＳ３１７では、ステップ
Ｓ３１６で抽出した代表語を対象記事に付与し、保存す
る。次いで、ステップＳ３１８では全てのページの処理
を終えたか否か判定し、未処理のページがあればステッ
プＳ３０５へ進み、全てのページの処理を終えていれば
全処理を終了する。

【００７５】このように、図１２，図１３の処理動作例
では、保存部７０は、記事抽出部６３によって抽出され
た記事の全ページの画像の認識結果であるテキストを所
定の検索語で検索し、全ページの記事のうちから、検索
語と一致する記事のページを選択して保存することがで
きる。なお、図１２，図１３の処理例では、検索語とそ
の関連語を用いて検索することも可能になっており、検
索語とその関連語を用いて検索する場合には、関連語辞
書がさらに必要である。

【００７６】図１２，図１３の処理動作例では、文字列
検索部６８は、記事抽出部６３によって抽出された記事
の全ページの画像の認識結果であるテキストを所定の検
索語で検索したが、これのかわりに、文字列検索部６８
は、記事抽出部６３によって抽出された記事の全ページ
の画像の認識結果であるテキストを所定の検索分野に関
する検索語で検索し、保存部７０は、全ページの記事の
うちから、所定の検索分野に関する検索語と一致する記
事を選択して保存しても良い。

【００７７】図１４，図１５は図９の文書画像処理装置
の他の処理動作例を説明するためのフローチャートであ
る。図１４，図１５の処理動作例では、保存部７０は、
記事抽出部６３によって抽出された記事の全ページの画
像の認識結果であるテキストを文字列検索部６８によっ
て所定の検索分野に関する検索語で検索し、全ページの
記事のうちから、所定の検索分野に関する検索語と一致
する記事を選択して保存するようになっており、このた
め、先ず、ステップＳ４０１では記事を選択的に保存す
るための対象分野(欲する記事の分野)を所定の文字列
(例えばコード化された所定の文字列)で入力する。

【００７８】次いで、ステップＳ４０２では、画像入力
部６１により、処理対象である文書(例えば原稿)の注目
ページの画像をメモリ６２内に取り込む。次いで、ステ
ップＳ４０３では、メモリ６２内に取り込まれた注目ペ
ージの文書画像に対して領域を分割し、分割したそれぞ
れの領域を、見出し、本文、写真、表などに分類する。
また一つの記事としてのまとまりを識別する。次いで、
ステップＳ４０４では、記事の全ページの画像が入力さ
れたか否かを判定し、未入力のページがあると判定され
た場合には、ステップＳ４０５へ進む。ステップＳ４０
５では、自動ページめくり機構を用いてページをめく
り、ステップＳ４０２乃至Ｓ４０４の処理を繰り返す。

【００７９】このようにして、ステップＳ４０４で、記
事の全ページの画像が入力されたと判断されると、ステ
ップＳ４０６に進み、ステップＳ４０６では、文書画像
から文字矩形の抽出を行なう。そして、ステップＳ４０
７では文字認識を行なう。

【００８０】次いで、ステップＳ４０８では、入力され
た分野に対応する検索語を用いて対象記事の全文検索を
行なう。そして、ステップＳ４０９では、検索の結果、
記事中に検索語(またはその関連語も含む)と一致する文
字列があるか否かを判定する。この結果、一致する文字
列がない場合には、ステップＳ４０５へ進む。

【００８１】これに対し、ステップＳ４０９で一致する
文字列がある場合には、ステップＳ４１０へ進み、ステ
ップＳ４１０ではフォントタイプ、フォントスタイル、
フォントサイズの識別を行なう。次いで、ステップＳ４
１１では対象文書の画像データを保存し、ステップＳ４
１２では対象文書のテキストデータを保存する。このテ
キストデータには、文字コード、フォントタイプ、フォ
ントスタイル、フォントサイズなどの情報を含む。ま
た、ステップＳ４１３では対象文書のレイアウト情報を
保存する。

【００８２】次いで、ステップＳ４１４では対象記事の
代表語を抽出する。この代表語は、検索の際に用いた検
索語、その関連語、文書のテキストデータを単語単位に
分けた場合に出現頻度の多い単語や、フォント情報など
から強調されている単語や、これらの組合せとして抽出
される。フォント情報において強調されている単語と
は、例えば相対的にサイズの大きい単語や、多くが明朝
体で書かれている中のゴシック体の単語などを指す。

【００８３】次いで、ステップＳ４１５では、ステップ
Ｓ４１４で抽出した代表語を対象記事に付与し、保存す
る。また、ステップＳ４１６では、検索に用いた分野を
保存する。次いで、ステップＳ４１７では全てのページ
の処理を終えたか否か判定し、未処理のページがあれば
ステップＳ４０５へ進み、全てのページの処理を終えて
いれば全処理を終了する。

【００８４】このように、図１４，図１５の処理例で
は、保存部７０は、記事抽出部６３によって抽出された
記事の全ページの画像の認識結果であるテキストを文字
列検索部６８によって所定の検索分野に関する検索語で
検索し、全ページの記事のうちから、所定の検索分野に
関する検索語と一致する記事を選択して保存することが
できる。なお、分野に関する検索語で全文検索する場
合、分野毎に検索語を用意する必要がある。

【００８５】また、上述の各例において、記事抽出部６
３は、より具体的には、次のような仕方で記事を抽出す
ることができる。

【００８６】第１の抽出の仕方として、記事抽出部６３
は、文書中に抽出したい記事が連続的におよびページ単
位に存在する場合に、文書画像に対してタイトルの抽出
処理を行ない、タイトルを含むページから次のタイトル
を含むページまでの部分を記事として抽出することがで
きる。図１６は第１の抽出の仕方を説明するための図で
あり、図１７は記事抽出部６３によって第１の抽出の仕
方で記事を抽出する処理例を示すフローチャートであ
る。

【００８７】なお、図１７の例では、対象原稿中に抽出
したい記事が連続的に及びページ単位に存在する場合を
対象としている。図１７を参照すると、ステップＳ５０
１では、画像入力部６１により、処理対象である原稿の
注目ページを画像情報としてメモリ６２に取り込む。ス
テップＳ５０２では、ステップＳ５０１で入力された文
書画像に対してタイトルの抽出処理を行ない、注目ペー
ジがタイトルを含むページか否か判定する。この結果、
タイトルを含まないページと判定されれば再びステップ
Ｓ５０１へ戻り、タイトルを含むページと判定されれ
ば、ステップＳ５０３へ進む。ステップＳ５０３では、
注目ページの番号に“１”を初期設定し、ステップＳ５
０４では自動ページめくり機構によってページをめく
る。そして、ステップＳ５０５では、注目ページを画像
情報としてメモリ６２に取り込み、ステップＳ５０６で
はページ番号を“１”だけインクリメントする。次い
で、ステップＳ５０７では、注目ページ(ページ番号を
ｎとする)がタイトルを含むページか否かを判定する。
この結果、注目ページ(ページ番号をｎとする)がタイト
ルを含むページと判定されれば、ステップＳ５０８へ進
み、ステップＳ５０８ではページ番号が１からｎ−１の
ページを１つの記事として抽出する。次いで、ステップ
Ｓ５０９では原稿の全てのページの処理を終えたか否か
判定し、全てのページの処理を終えていれば処理を終了
し、未処理のページが残っていれば処理ステップＳ５０
３へ進む。

【００８８】これに対し、ステップＳ５０７において、
注目ページ(ページ番号をｎとする)がタイトルを含まな
いページと判定されれば処理ステップＳ５１０へ進み、
ステップＳ５１０では注目ページ(ページ番号はｎ)が対
象原稿の最終ページであるか否かを判定し、最終ページ
であると判定されれば処理ステップＳ５１１へ進み、最
終ページではないと判定されれば処理ステップＳ５０４
へ進む。ステップＳ５１１ではページ番号が１からｎの
ページを１つの記事として抽出し、全ての処理を終え
る。

【００８９】このように、図１７の処理例では、記事抽
出部６３は、図１６に示すように、文書中に抽出したい
記事が連続的におよびページ単位に存在する場合に、文
書画像に対してタイトルの抽出処理を行ない、タイトル
を含むページから次のタイトルを含むページまでの部分
を記事として抽出することができる。

【００９０】第１の抽出の仕方では、対象原稿中に抽出
したい記事が連続的に及びページ単位に存在する場合を
対象としているが、第２の抽出の仕方として、対象原稿
中に抽出したい記事がページ単位に存在し、記事中に対
象外のページ(他の記事や広告など)が挿入されていても
良い。但し、この場合には、記事抽出部６３は、対象外
のページについては記事として抽出しないようになって
いる。図１８は第２の抽出の仕方を説明するための図で
あり、図１９，図２０は記事抽出部６３によって第２の
抽出の仕方で記事を抽出する処理例を示すフローチャー
トである。

【００９１】なお、図１９，図２０の例では、対象原稿
中に抽出したい記事がページ単位に存在し、記事中に対
象外のページ(他の記事や広告など)が挿入されている
(挿入されていなくても構わない)場合を対象としてい
る。また、図１９，図２０の処理では、対象外のページ
の直前のページの末尾などにジャンプする先のページが
指示されている場合と、これが指示されていない場合と
の両方を想定している。

【００９２】図１９，図２０を参照すると、ステップＳ
６０１では、画像入力部６１により、処理対象である原
稿の注目ページを画像情報としてメモリ６２に取り込
む。ステップＳ６０２では、ステップＳ６０１で入力さ
れた文書画像に対してタイトルの抽出処理を行ない、注
目ページがタイトルを含むページか否か判定する。この
結果、タイトルを含まないページと判定されれば再びス
テップＳ６０１へ戻り、タイトルを含むページと判定さ
れれば、ステップＳ６０３へ進む。ステップＳ６０３で
は、注目ページの番号に“１”を初期設定し、ステップ
Ｓ６０４では注目ページに特定のページへ読み順をジャ
ンプする指示があるか否かを判定する。ジャンプする指
示があればステップＳ６０５へ進み、ステップＳ６０５
では、ステップＳ６０４で指示されたページまでページ
をめくり、ステップＳ６１０に進む。

【００９３】これに対し、ステップＳ６０４でジャンプ
する指示がなければステップＳ６０６へ進み、ステップ
Ｓ６０６では注目ページが他の記事や広告など対象とし
ている記事であるか否かを判定し、対象としている記事
ではないと判定されればステップＳ６０７へ進み、注目
ページをメモリ６２から破棄し、ステップＳ６０８では
ページ番号を“１”だけデクリメントして、ステップＳ
６０９へ進む。これに対し、ステップＳ６０６で対象と
している記事であると判定されれば、すぐにステップＳ
６０９へ進む。ステップＳ６０９では自動ページめくり
機構によってページをめくり、ステップＳ６１０へ進
む。

【００９４】ステップＳ６１０では画像入力部６１によ
り、処理対象である原稿の注目ページを読取り、これを
画像情報としてメモリ６２に取り込む。

【００９５】ステップＳ６１１ではページ番号を“１”
だけインクリメントする。次いで、ステップＳ６１２で
は、注目ページ(ページ番号をｎとする)がタイトルを含
むページか否かを判定する。この結果、注目ページ(ペ
ージ番号をｎとする)がタイトルを含むページと判定さ
れれば、ステップＳ６１３へ進み、ステップＳ６１３で
はページ番号が１からｎ−１のページを１つの記事とし
て抽出する。次いで、ステップＳ６１４では原稿の全て
のページの処理を終えたか否か判定し、全てのページの
処理を終えていれば処理を終了し、未処理のページが残
っていれば処理ステップＳ６０４へ進む。

【００９６】これに対し、ステップＳ６１２において、
注目ページ(ページ番号をｎとする)がタイトルを含まな
いページと判定されればステップＳ６１５へ進み、ステ
ップＳ６１５では注目ページ(ページ番号はｎ)が対象原
稿の最終ページであるか否かを判定し、最終ページであ
ると判定されればステップＳ６１６へ進み、最終ページ
ではないと判定されればステップＳ６０３へ進む。ステ
ップＳ６１６ではページ番号が１からｎのページを１つ
の記事として抽出し、全ての処理を終える。

【００９７】このように、図１９，図２０の処理例で
は、記事抽出部６３は、図１８に示すように、対象原稿
中に抽出したい記事がページ単位に存在し、記事中に対
象外のページ(他の記事や広告など)が挿入されている場
合に、対象外のページについては記事として抽出しない
ようになっている。

【００９８】第１，第２の抽出の仕方では、対象原稿中
に抽出したい記事がページ単位に存在する場合を対象と
しているが、第３の抽出の仕方として、対象原稿中に抽
出したい記事がページ単位ではなく領域単位に存在して
いても良い。但し、この場合には、記事抽出部６３は、
入力された文書画像に対してレイアウト解析処理を行な
い、ページ内の各領域を識別し、領域単位に存在する記
事を抽出するようになっている。図２１(ａ)，(ｂ)は第
３の抽出の仕方を説明するための図であり、図２２は記
事抽出部６３によって第３の抽出の仕方で記事を抽出す
る処理例を示すフローチャートである。

【００９９】なお、図２２の例では、図２１(ａ)のよう
に記事が１ページ内に独立して存在する場合と、図２１
(ｂ)のようにページ境界をまたいで存在する場合との両
方を想定している。

【０１００】図２２を参照すると、ステップＳ７０１で
は、画像入力部６１により、処理対象である原稿の注目
ページを画像情報としてメモリ６２に取り込む。ステッ
プＳ７０２では処理ステップＳ７０１で入力された文書
画像に対してレイアウト解析処理を行ない、ページ内の
各領域を識別する。ステップＳ７０３では、ステップＳ
７０２の結果から注目ページ内に記事の始まり(記事の
タイトル，セパレータなど)が存在するか否か判定し、
存在しないと判定されればステップＳ７０１へ進む。こ
れに対し、ステップＳ７０３で、注目ページ内に記事の
始まり(記事のタイトル，セパレータなど)が存在すると
判定されればステップＳ７０４へ進む。ステップＳ７０
４では注目ページ内に注目記事の終わりかまたは次の記
事の始まりが存在するか否かを判定し、存在すると判定
されればステップＳ７０５へ進み、存在しないと判定さ
れればステップＳ７０８へ進む。

【０１０１】ステップＳ７０５では、注目記事を抽出
し、ステップＳ７０６では、原稿の全てのページ内の処
理を終えたか否かを判定し、全てのページの処理を終え
ていれば全ての処理を終了し、未処理のページが残って
いればステップＳ７０７へ進む。ステップＳ７０７では
注目ページ内に次の記事の始まりが存在するか否かを判
定し、存在すると判定されればステップＳ７０４へ進
み、存在しないと判定されればステップＳ７０１へ進
む。

【０１０２】一方、ステップＳ７０８では、自動ページ
めくり機構によってページをめくる。ステップＳ７０９
では、画像入力部６１により、処理対象である原稿の注
目ページを読取り、これを画像情報としてメモリ６２に
取り込む。ステップＳ７１０ではステップＳ７０９で入
力された文書画像に対してレイアウト解析処理を行な
い、ページ内の各領域を識別する。

【０１０３】このように、図２２の処理例では、記事抽
出部６３は、文書中に抽出したい記事がページ単位では
なく領域単位に存在する場合に、入力された文書画像に
対してレイアウト解析処理を行ない、ページ内の各領域
を識別し、領域単位に存在する記事を抽出することがで
きる。

【０１０４】なお、本発明において(上述の各構成例に
おいて)、「複数ページの文書」とは、「複数ページの
ばらばらの状態の文書」であっても良いし、「本や雑誌
などの製本された体裁(状態)の文書」であっても良い。
すなわち、本発明は、複数ページの文書として、「複数
ページのばらばらの状態の文書」を対象にすることもで
きるし、「本や雑誌などの製本された体裁(状態)の文
書」をも対象にすることができ、特に本発明は、「本や
雑誌などの製本された体裁(状態)の文書」を読み取って
処理するのに好適(有用)である。

【０１０５】図２３は図１あるいは図９の文書画像処理
装置のハードウェア構成例を示す図である。図２３を参
照すると、この文書画像処理装置は、例えばパーソナル
コンピュータ等で実現され、全体を制御するＣＰＵ２１
と、ＣＰＵ２１の制御プログラム等が記憶されているＲ
ＯＭ２２と、ＣＰＵ２１のワークエリア等として使用さ
れるＲＡＭ２３と、自動ページめくり機構を有し、文書
を文書画像として読込むスキャナ１と、スキャナ１で読
込まれた文書画像が例えばページ単位で記憶される画像
ファイル２と、文書画像に対し文字認識等を行なった結
果のテキストが例えばページ単位で記憶されるテキスト
ファイル６と、キーワード等が入力される入力装置７
と、保存されるべき文書が画像および／またはテキスト
の形で保存される保存ファイル１０と、ディスプレイ９
と、印刷装置２４とを有している。

【０１０６】ここで、ＣＰＵ２１は、図１あるいは図９
の制御部１２，７２，領域識別部３，文字切り出し処理
部４，認識処理部５，第１の検索部８，第２の検索部１
１，記事抽出部６３，文字列検索部６８，代表語抽出部
７１などの機能を有している。

【０１０７】なお、ＣＰＵ２１におけるこのような制御
部１２，７２，領域識別部３，文字切り出し処理部４，
認識処理部５，第１の検索部８，第２の検索部１１，記
事抽出部６３，文字列検索部６８，代表語抽出部７１等
としての機能は、例えばソフトウェアパッケージ(具体
的には、ＣＤ−ＲＯＭ等の情報記録媒体)の形で提供す
ることができ、このため、図２３の例では、情報記録媒
体３０がセットさせるとき、これを駆動する媒体駆動装
置３１が設けられている。

【０１０８】換言すれば、本発明の文書画像処理装置
は、イメージスキャナ，ディスプレイ等を備えた汎用の
計算機システムにＣＤ−ＲＯＭ等の情報記録媒体に記録
されたプログラムを読み込ませて、この汎用計算機シス
テムのマイクロプロセッサに文書画像処理を実行させる
装置構成においても実施することが可能である。この場
合、本発明の文書画像処理を実行するためのプログラム
(すなわち、ハードウェアシステムで用いられるプログ
ラム)は、媒体に記録された状態で提供される。プログ
ラムなどが記録される情報記録媒体としては、ＣＤ−Ｒ
ＯＭに限られるものではなく、ＲＯＭ，ＲＡＭ，フレキ
シブルディスク，メモリカード等が用いられても良い。
媒体に記録されたプログラムは、ハードウェアシステム
に組み込まれている記憶装置、例えばハードディスク装
置にインストールされることにより、このプログラムを
実行して、上述した本発明の文書画像処理機能を実現す
る文書画像処理装置の構築に寄与する。

【０１０９】また、本発明の文書画像処理機能を実現す
るためのプログラムは、媒体の形で提供されるのみなら
ず、通信によって(例えばサーバによって)提供されるも
のであっても良い。

【０１１０】

【発明の効果】以上に説明したように、請求項１，請求
項６，請求項７，請求項１５記載の発明によれば、文書
を読取って入力された文書画像に対し認識処理を行な
い、少なくとも、入力された文書画像をテキストに変換
し、入力された文書画像のうち、所望の文書を画像その
ままの形で、および／または認識処理されたテキストの
形で保存するようになっているので、文書を、画像その
ままの形で保存することもできるし、テキストの形で保
存することもでき、テキストの形で保存する場合、情報
量を低減でき、保存や検索，閲覧，転送などの処理負担
を著しく軽減できる。

【０１１１】また、請求項２，請求項６，請求項７記載
の発明によれば、画像入力手段が自動ページめくり機構
を有することによって、複数ページを有する本や雑誌中
から、人がページをめくることなしに全ページから所望
の文書を自動的に入力し、保存することができる。

【０１１２】また、請求項３記載の発明によれば、文書
を読取って文書画像とする画像入力手段と、画像入力手
段によって入力された文書画像に対し認識処理を行な
い、少なくとも、入力された文書画像をテキストに変換
する認識処理手段と、保存手段と、キーワードを入力す
るキーワード入力手段とを有し、前記保存手段は、前記
入力された文書の文書画像に対し認識処理を行なって得
られたテキスト中に、キーワード手段から入力されたキ
ーワードと一致している文字列が存在するか否かを判断
し、存在する場合には、該文書をキーワードを付加して
保存するので、保存対象となる文書に効率的にキーワー
ドを付与することができ、また、付与されたキーワード
によって検索の効率を著しく高めることができる。

【０１１３】また、請求項４記載の発明によれば、認識
処理手段は、文書画像の文字画像に対して認識処理を行
ない、コード化された文字列としてのテキストに変換す
るとともに、文書画像のレイアウトをも認識するように
しており、対象文書画像中の文字コードを求めるのみで
はなく、文書画像のレイアウトをも認識し、これを保存
することによって、文書画像の再現性を著しく向上させ
ることができる。

【０１１４】また、請求項５記載の発明によれば、認識
処理手段は、文書画像の文字画像に対して認識処理を行
ない、コード化された文字列としてのテキストに変換す
るとともに、文字画像のフォントタイプをも認識するよ
うにしており、対象文書画像中の文字コードを求めるの
みではなく、文字画像のフォントタイプをも認識し、こ
れを保存することによって、文書画像の再現性を著しく
向上させることができる。

【０１１５】また、請求項６記載の発明によれば、認識
処理手段は、文書画像の文字画像に対して認識処理を行
ない、コード化された文字列としてのテキストに変換す
るとともに、文字画像のフォントサイズをも認識するよ
うにしており、対象文書画像中の文字コードを求めるの
みではなく、文字画像のフォントサイズをも認識し、こ
れを保存することによって、文書画像の再現性を著しく
向上させることができる。

【０１１６】また、請求項８乃至請求項１４記載の発明
によれば、文書を読取って文書画像とする画像入力手段
と、文書画像の中から記事を抽出する記事抽出手段と、
記事抽出手段によって抽出された記事の画像に対し認識
処理を行ない、記事の画像をテキストに変換する認識処
理手段と、抽出した記事を保存する保存手段とを有し、
前記保存手段は、記事を保存する際、記事から代表語を
抽出し、抽出した代表語を記事に付加して保存するの
で、所望の記事のみを蓄積することができ、また、この
際、記事に代表語が保存されることによって、記事の再
利用性を高めることができる。

【図面の簡単な説明】

【図１】本発明に係る文書画像処理装置の構成例を示す
図である。

【図２】１つの文字画像の一例を示す図である。

【図３】図１の認識処理部の構成例を示す図である。

【図４】図１の表示部の構成例を示す図である。

【図５】図１の保存部の構成例を示す図である。

【図６】図１の第２の検索部の構成例を示す図である。

【図７】図１の文書画像処理装置の処理動作例を説明す
るためのフローチャートである。

【図８】図１の文書画像処理装置の処理動作例を説明す
るためのフローチャートである。

【図９】本発明に係る文書画像処理装置の他の構成例を
示す図である。

【図１０】図９の保存部の構成例を示す図である。

【図１１】図９の文書画像処理装置の第１の処理動作例
を説明するためのフローチャートである。

【図１２】図９の文書画像処理装置の第２の処理動作例
を説明するためのフローチャートである。

【図１３】図９の文書画像処理装置の第２の処理動作例
を説明するためのフローチャートである。

【図１４】図９の文書画像処理装置の第３の処理動作例
を説明するためのフローチャートである。

【図１５】図９の文書画像処理装置の第３の処理動作例
を説明するためのフローチャートである。

【図１６】記事を抽出する第１の抽出の仕方を説明する
ための図である。

【図１７】第１の抽出の仕方で記事を抽出する処理例を
示すフローチャートである。

【図１８】記事を抽出する第２の抽出の仕方を説明する
ための図である。

【図１９】第２の抽出の仕方で記事を抽出する処理例を
示すフローチャートである。

【図２０】第２の抽出の仕方で記事を抽出する処理例を
示すフローチャートである。

【図２１】記事を抽出する第３の抽出の仕方を説明する
ための図である。

【図２２】第３の抽出の仕方で記事を抽出する処理例を
示すフローチャートである。

【図２３】図１，図９の文書画像処理装置のハードウェ
ア構成例を示す図である。

【符号の説明】

１ 画像入力部(スキャナ) ２ 画像ファイル ３ 領域識別部 ４ 文字切り出し処理部 ５ 認識処理部 ６ テキストファイル ７ キーワード入力部(入力装置) ８ 第１の検索部 ９ 表示部(ディスプレイ) １０ 保存部 １１ 第２の検索部 １２ 制御部 ２１ ＣＰＵ ２２ ＲＯＭ ２３ ＲＡＭ ２４ 印刷装置 ３０ 情報記憶媒体 ３１ 媒体駆動装置 ４１ 文字認識部 ４２ レイアウト認識部 ４３ フォントタイプ認識部 ４４ フォントサイズ認識部 ４５ 画像表示部 ４６ テキスト表示部 ４７ 画像保存部 ４８ テキスト保存部 ５０ 画像検索部 ５１ テキスト検索部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｇ０６Ｆ 15/40 ３７０Ｂ 15/401 ３１０Ｃ (72)発明者 幸地 司 東京都大田区中馬込１丁目３番６号 株式 会社リコー内

Claims (15)

【特許請求の範囲】
1. 【請求項１】 文書を読取って文書画像とする画像入力
   手段と、画像入力手段によって入力された文書画像に対
   し認識処理を行ない、少なくとも、入力された文書画像
   をテキストに変換する認識処理手段と、保存手段とを有
   し、前記保存手段は、画像入力手段で得られた文書画像
   のうち、所望の文書を画像そのままの形で、および／ま
   たは認識処理されたテキストの形で保存することを特徴
   とする文書画像処理装置。
2. 【請求項２】 自動ページめくり機構を有し、文書が複
   数ページの文書からなる場合、各ページを自動めくりし
   ながら、各ページの文書を読取って文書画像とする画像
   入力手段と、画像入力手段によって入力された文書画像
   に対し認識処理を行ない、少なくとも、入力された文書
   画像をテキストに変換する認識処理手段と、保存手段と
   を有し、前記保存手段は、画像入力手段で得られた文書
   画像のうち、所望の文書を画像そのままの形で、および
   ／または認識処理されたテキストの形で保存することを
   特徴とする文書画像処理装置。
3. 【請求項３】 文書を読取って文書画像とする画像入力
   手段と、画像入力手段によって入力された文書画像に対
   し認識処理を行ない、少なくとも、入力された文書画像
   をテキストに変換する認識処理手段と、保存手段と、キ
   ーワードを入力するキーワード入力手段とを有し、前記
   保存手段は、前記入力された文書の文書画像に対し認識
   処理を行なって得られたテキスト中に、キーワード手段
   から入力されたキーワードと一致している文字列が存在
   するか否かを判断し、存在する場合には、該文書をキー
   ワードを付加して保存することを特徴とする文書画像処
   理装置。
4. 【請求項４】 請求項１乃至請求項３のいずれか一項に
   記載の文書画像処理装置において、前記認識処理手段
   は、文書画像の文字画像に対して認識処理を行ない、コ
   ード化された文字列としてのテキストに変換するととも
   に、文書画像のレイアウトをも認識することを特徴とす
   る文書画像処理装置。
5. 【請求項５】 請求項１記載の文書画像処理装置におい
   て、前記認識処理手段は、文書画像の文字画像に対して
   認識処理を行ない、コード化された文字列としてのテキ
   ストに変換するとともに、文字画像のフォントタイプを
   も認識することを特徴とする文書画像処理装置。
6. 【請求項６】 請求項１記載の文書画像処理装置におい
   て、前記認識処理手段は、文書画像の文字画像に対して
   認識処理を行ない、コード化された文字列としてのテキ
   ストに変換するとともに、文字画像のフォントサイズを
   も認識することを特徴とする文書画像処理装置。
7. 【請求項７】 文書が複数ページの文書からなる場合、
   各ページを自動めくりしながら、各ページの文書を読取
   って入力された文書画像に対し認識処理を行ない、少な
   くとも、入力された文書画像をテキストに変換し、入力
   された文書画像のうち、所望の文書を画像そのままの形
   で、および／または認識処理されたテキストの形で保存
   することを特徴とする文書画像処理方法。
8. 【請求項８】 文書を読取って文書画像とする画像入力
   手段と、文書画像の中から記事を抽出する記事抽出手段
   と、記事抽出手段によって抽出された記事の画像に対し
   認識処理を行ない、記事の画像をテキストに変換する認
   識処理手段と、抽出した記事を保存する保存手段とを有
   し、前記保存手段は、記事を保存する際、記事から代表
   語を抽出し、抽出した代表語を記事に付加して保存する
   ことを特徴とする文書画像処理装置。
9. 【請求項９】 請求項８記載の文書画像処理装置におい
   て、前記画像入力手段は、自動ページめくり機構を有
   し、文書が複数ページの文書からなる場合、各ページを
   自動めくりしながら、各ページの文書を読取り、前記記
   事抽出手段は、入力されたページ画像から記事を抽出す
   ることを特徴とする文書画像処理装置。
10. 【請求項１０】 請求項８記載の文書画像処理装置にお
    いて、前記保存手段は、前記記事抽出手段によって抽出
    された記事の全ページの画像の認識結果であるテキスト
    を所定の検索語で検索し、全ページの記事のうちから、
    検索語と一致する記事のページを選択して保存すること
    を特徴とする文書画像処理装置。
11. 【請求項１１】 請求項８記載の文書画像処理装置にお
    いて、前記保存手段は、前記記事抽出手段によって抽出
    された記事の全ページの画像の認識結果であるテキスト
    を所定の検索分野に関する検索語で検索し、全ページの
    記事のうちから、所定の検索分野に関する検索語と一致
    する記事を選択して保存することを特徴とする文書画像
    処理装置。
12. 【請求項１２】 請求項８記載の文書画像処理装置にお
    いて、前記記事抽出手段は、文書中に抽出したい記事が
    連続的におよびページ単位に存在する場合に、文書画像
    に対してタイトルの抽出処理を行ない、タイトルを含む
    ページから次のタイトルを含むページまでの部分を記事
    として抽出することを特徴とする文書画像処理装置。
13. 【請求項１３】 請求項８記載の文書画像処理装置にお
    いて、前記記事抽出手段は、文書中に抽出したい記事が
    ページ単位に存在する場合に、記事中に対象外のページ
    が挿入されているときには、対象外のページについては
    記事として抽出しないことを特徴とする文書画像処理装
    置。
14. 【請求項１４】 請求項８記載の文書画像処理装置にお
    いて、前記記事抽出手段は、文書中に抽出したい記事が
    ページ単位ではなく領域単位に存在する場合に、入力さ
    れた文書画像に対してレイアウト解析処理を行ない、ペ
    ージ内の各領域を識別し、領域単位に存在する記事を抽
    出することを特徴とする文書画像処理装置。
15. 【請求項１５】 文書が複数ページの文書からなる場
    合、各ページを自動めくりしながら、各ページの文書を
    読取って入力された文書画像に対し認識処理を行ない、
    少なくとも、入力された文書画像をテキストに変換し、
    入力された文書画像のうち、所望の文書を画像そのまま
    の形で、および／または認識処理されたテキストの形で
    保存する機能を実現するためのプログラムが記録されて
    いることを特徴とする情報記録媒体。