JPH11102413A - 光学式文字認識出力のポップアップ訂正のための方法および装置 - Google Patents

Abstract

(57)【要約】 【課題】 ＯＣＲ解釈を生成するのに使用された元の文
書を参照することなく、ユーザが文書イメージで表され
たテキストをそのテキストのＯＣＲ解釈と一緒に比較す
ることができるようにする。 【解決手段】 光学式文字認識（ＯＣＲ）出力および文
書イメージを含む表示について開示されている。文書イ
メージ部分は文書テキスト上のポップアップウィンドウ
内に表示されるため、ユーザは文書テキストと文書イメ
ージを同時に見ることができる。加えてユーザは、マウ
スの別のボタンをクリックするか、または別の同様なフ
ァンクションキーを押すことによって、文書テキストの
正確さを確認するためのポップアップメニューを表示す
ることを選択することができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、光学式文字認識技
術に関し、特に光学式文字認識出力を表示するとともに
その誤りを訂正するための方法および装置に関する。

【０００２】

【従来の技術】紙の書類からテキストおよびグラフィッ
クを取得することは、多くの産業にとって重大な問題で
ある。例えば出版会社は年間を通じて何百または何千の
学術論文を印刷するかもしれない。しばしば出版会社は
紙の文書から作業を始め、その紙の文書は出版会社のコ
ンピュータ装置に入力されなければならない。従来の一
手法は、紙の文書を読んでその文書をコンピュータシス
テムにタイプ入力するために、キーボード入力者を雇う
というものである。しかしながら文書を入力することは
時間を浪費し、かつコストも高い。

【０００３】光学式文字認識（以下、ＯＣＲとする）
は、出版産業およびその他の産業にとって有益であるこ
とを保証する技術である。その理由は、ＯＣＲ装置の入
力処理速度はキーボード入力者の入力速度をはるかに上
回っているからである。従って出版会社の従業員は、し
ばしば読取り走査された文書から作業を始める。その文
書はＯＣＲ装置によってコンピュータの読込み可能なテ
キストフォーマット、例えばＡＳＣＩＩに変換されてい
る。しかしながら最近のＯＣＲ装置でもって可能な高い
認識率（しばしば９５％を越える）ですら、高い正確度
を必要とする出版産業のような産業にとっては十分でな
い。従って出版会社はしばしば校正係の人を雇い、手作
業でＯＣＲ出力の修正を行う。

【０００４】

【発明が解決しようとする課題】しかしながらＯＣＲ出
力を手作業で校正することは、非常に時間を浪費し、ま
た人が行うのは困難である。校正係の人は、元の紙の文
書とＯＣＲ出力の印刷またはスクリーン表示とを見比べ
てそれらを一語一語比較しなければならない。たとえ認
識率が高くても、人がＯＣＲ出力の校正を行うと一人よ
がりになって誤りを見落としがちである。

【０００５】別の従来の選択は、結果として生じたコン
ピュータの読込み可能なテキストのスペルチェックを行
うことである。しかしながらスペルの間違った語すべて
を認識するというわけではない。加えて、入力された語
は非常に曲解されているかもしれないので、校正係はス
ペルチェックを行っている間中ずっと紙のテキストに戻
って参照しなければならない。一旦校正をする人は紙の
テキストを見て正しい語を決め、それからその正しい語
をＯＣＲ出力のテキストにキーをたたいて入力する。こ
の手法は時間を浪費し、またやや間違いがちであること
が分かっているので、校正する人が、ＯＣＲの解釈を生
成するのに使用された元の文書を参照する必要がなく、
校正をする人が、文書イメージを表すテキストをそのテ
キストのＯＣＲ解釈と一緒に比較することができるのは
有用であろう。

【０００６】文書イメージをそのテキストのＯＣＲ解釈
と一緒に見ることは、出版社が紙の形態ではなくＡＳＣ
ＩＩテキストの形態でＯＣＲ出力を再版して販売しよう
とする場合に特に有用である。出版社が電子形態でＯＣ
Ｒ出力を再販売する目的のためにそのＯＣＲ出力を得る
とき、そのＯＣＲ出力が正しい語を含むだけでなく、後
にＯＣＲ出力がコンピュータのモニタに表示される際
に、ＯＣＲ出力の形態が文書イメージの形態と同じまま
であるという付加的な関係がある。校正する人が編集段
階中にＯＣＲ出力と文書イメージを並べて比較すること
ができるということは、この目的をかなり促進する。

【０００７】本発明の目的は、ユーザが文書イメージか
らなるテキストをそのテキストのＯＣＲ解釈と一緒に比
較することができるようにすることにある。

【０００８】本発明の他の目的は、ＯＣＲ解釈を生成す
るのに使用された元の文書をユーザが参照する必要がな
く、ユーザが文書イメージで表されたテキストをそのテ
キストのＯＣＲ解釈と一緒に比較することができるよう
にすることである。

【０００９】本発明のさらに他の目的は、元のテキスト
をＯＣＲ出力のテキストに変換している間に起こった間
違いを正すために、ユーザが文書イメージで表されたテ
キストをそのテキストのＯＣＲ解釈と比較することがで
きるようにすることである。

【００１０】

【課題を解決するための手段】人がＯＣＲ出力を校正す
ることを容易に行えるようにする必要がある。この必要
性を満たすため、元の紙の文書から得られた文書イメー
ジの文字は、文書テキストを生成するために（例えばＯ
ＣＲを介して）認識される。文書テキストの領域に対応
する文書イメージの領域が決定され、そして認識確度パ
ラメータが各領域に対して決定される。ユーザは、語の
上にカーソルを位置させることによって文書テキストか
らその語を選択することができる。ユーザがマウスの一
方のボタンをクリックする（押す）か、あるいは同様な
ファンクションキーを押すと、選択された語に対応する
文書イメージ部分がポップアップウィンドウとして現れ
る。ユーザがマウスの別のボタンをクリックするか、あ
るいは別の同様なファンクションキーを押すと、対応す
るＯＣＲ出力に対するポップアップメニューが表示され
る。

【００１１】特に文書テキスト上に文書イメージ部分を
表示するためにコンピュータで実施される本方法は、あ
る文書の文書イメージを生成する工程、文書テキストを
生成するために文書イメージから文字を認識する工程、
文書テキストの語に対応する文書イメージの領域を決め
る工程、文書イメージの領域と文書テキストの対応する
語とを相関テーブルを用いて互いに関連させる工程、お
よび文書テキスト上に文書イメージ部分を表示する工程
を組み合わせたものである。それから文書テキストの選
択されたテキストは誤りを正される。

【００１２】本発明のこれらおよび他の見解および利点
は、以下の説明、図面および特許請求の範囲の記載を参
照することにより理解されるようになるであろう。

【００１３】

【発明の実施の形態】以下に図面を参照しながら本発明
に係る光学式文字認識出力のポップアップ訂正のための
方法および装置を詳細に説明するが、図面においては同
様の構成要素には同様の符号を付している。

【００１４】〔１．ハードウェアの概略〕図１は、本発
明の一例が実施され得るコンピュータシステム１００の
ブロック図である。コンピュータシステム１００は、情
報を伝達するためにバス１１０または他の伝達手段を備
えており、また情報を処理するためにプロセッサ１１２
がバス１１０に接続されている。さらにコンピュータシ
ステム１００はランダムアクセスメモリ（ＲＡＭ）また
は他のダイナミック記憶装置１１４（メインメモリとし
て示されている）を備えており、そのメインメモリ１１
４は、情報およびプロセッサ１１２によって実行される
べき命令を記憶するためにバス１１０に接続されてい
る。またメインメモリ１１４は、プロセッサ１１２が命
令を実行している間、一時的な変数や他の中間的な情報
を記憶するのにも使用されてもよい。またコンピュータ
システム１００は読出し専用メモリ（ＲＯＭ）および他
のスタティック記憶装置１１６の一方または両方を備え
ており、それらはバス１１０に接続されていて、静的な
情報およびプロセッサ１１２に対する命令を記憶する。
データ記憶装置１１８は、例えば磁気ディスクや光ディ
スクおよびそれに相当するディスクのドライブであり、
情報および命令を記憶するためにバス１１０に接続され
得る。

【００１５】またコンピュータシステム１００には、バ
ス１１０を介して入出力装置が接続され得る。例えばコ
ンピュータシステム１００は、コンピュータのユーザに
情報を表示するために、例えばブラウン管（ＣＲＴ）の
ような表示装置１２０を用いる。さらにコンピュータシ
ステム１００は、キーボード１２２および例えばマウス
のようなカーソル制御手段１２４を用いる。加えてコン
ピュータシステム１００は、紙の文書をコンピュータの
読込み可能なフォーマットに変換するためのスキャナー
１２６を用いてもよい。さらにまたコンピュータシステ
ム１００は、スキャナー１２６によって生成された文書
イメージ、またはメインメモリ１１４やデータ記憶装置
１１８に記憶された文書イメージにおける文字を認識す
るためにＯＣＲ装置１２８を用いることができる。ある
いはＯＣＲ装置１２８の機能は、メインメモリ１１４に
記憶された命令をプロセッサ１１２で実行することによ
って、ソフトウェアで実施され得る。さらに別に例で
は、スキャナー１２６とＯＣＲ装置１２８は、紙の文書
を走査してそこにある文字を認識するように設計された
単一の装置に組み合わせられ得る。

【００１６】本発明は、同一の表示装置１２０で元のテ
キストと出力されたテキストを見るためにコンピュータ
システム１００を使用することに関する。一実施の形態
によれば、この仕事は、メインメモリ１１４に格納され
た一連の命令をプロセッサ１１２が実行することに応じ
てコンピュータシステム１００によって遂行される。そ
のような命令は、例えばデータ記憶装置１１８のような
別のコンピュータ読込み可能媒体からメインメモリ１１
４内に読み込まれてもよい。メインメモリ１１４内に格
納された一連の命令を実行することによって、プロセッ
サ１１２は後述する処理工程を遂行することとなる。別
の例では、本発明を実施するためにソフトウェアによる
命令に代えて、あるいはソフトウェアの命令とともにハ
ードワイヤード回路が用いられてもよい。従って、本発
明はハードウェア回路とソフトウェアとの如何なる特定
の組合わせにも制限されない。

【００１７】〔２．合成文書アーキテクチャ〕合成文書
は、ある文書の多数の表現を有しており、その多数の表
現を論理的な全体として取り扱う。図２に示される合成
文書２００は、例えばコンピュータシステム１００のメ
インメモリ１１４やデータ記憶装置１１８のようなメモ
リに記憶されている。

【００１８】合成文書２００は文書イメージ２１０を備
えており、そのイメージは文書の文書（例えばスキャナ
ー１２６から生成されたＴＩＦＦファイル）のビットマ
ップ表示である。例えばアメリカ合衆国憲法のコピー
は、文書イメージ２１０の形態でアメリカ合衆国憲法の
イメージを生成するために、スキャナー１２６によって
読取り走査されてもよい。

【００１９】ビットマップ表示はピクセルの列であり、
モノクロ（例えば黒と白）または多色（例えば赤、青、
緑等）で表され得る。文書イメージ２１０の矩形領域の
位置は、例えば矩形の左上隅と右下隅を組み合わせるこ
とによって特定され得る。アメリカ合衆国憲法を読取り
走査する例では、前文の「form」という単語の最初の文
字（すなわち「f 」）は、左上が（１６，１１０）の座
標で右下が（３１，１１９）の座標の矩形内の文書イメ
ージ２１０に配置されてもよい。そして同じ単語の最後
の文字（すなわち「m 」）は、左上が（１６，１４０）
の座標で右下が（３１，１４９）の座標の矩形の文書イ
メージ２１０に配置され得る。

【００２０】また合成文書２００は、文書テキスト２２
０および相関テーブル２３０を備えており、それらは図
３のフローチャートに示す方法によって生成されてもよ
い。文書テキスト２２０は、符号化したＡＳＣＩＩ、Ｅ
ＢＣＤＩＣまたはユニコード（Unicode ）に文字を符号
化した一続きの８ビットまたは１６ビットのバイトでで
きている。従って文書テキスト２２０内の文字は、文書
テキスト２２０内にオフセットにより配置され得る。前
記例では、相関テーブル２３０のオフセット欄に表され
るように、前文の「form」という単語の最初の文字はオ
フセット５７で文書テキスト２２０内に配置されてもよ
く、また同じ単語の最後の文字はオフセット６０で文書
テキスト２２０内に配置され得る。

【００２１】図３について説明すると、ステップＳ２５
０で、文書イメージ２１０内の文字は、ＯＣＲ装置１２
８またはそれと同等のものによって認識され、ステップ
Ｓ２５２で、文書テキスト２２０を生成するために保存
される。またＯＣＲ装置１２８は、ステップＳ２５０に
おいて、認識される文字の文書イメージ２１０における
座標を出力するように設計されている。従って文書テキ
スト２２０内の分かっているオフセットにて認識された
文字は、文書イメージ２１０の領域に関連付けられ得
る。前文のイメージの上記例では、文書テキスト２２０
の「form」という単語の最初の文字（オフセット５７に
配置される）は、座標（１６，１１０）および（３１，
１１９）によって定義される文書イメージ２１０領域に
関係づけられている。同様に文書テキスト２２０の「fo
rm」という単語の最後の文字（オフセット６０に配置さ
れる）は、座標（１６，１４０）および（３１，１４
９）によって定義される文書イメージ２１０領域に関係
づけられている。

【００２２】ステップＳ２５４で、文書テキスト２２０
の単語は、例えば空白の間の文字を語として解釈するこ
とによって特定される。ステップＳ２５４で、これらの
語のそれぞれの文字に対応する文書イメージ２１０の領
域は、合併されて文書テキスト２２０のそれぞれの語に
対応するより大きな文書イメージ２１０領域になる。一
実施の形態では、文書イメージ２１０の領域は、文書テ
キスト２２０の個々の単語に対応する領域の座標のうち
最も左上の座標と最も右下の座標を有する矩形として特
定される。例えば文書テキスト２２０の「form」という
単語（オフセット５７−６０）に対応する文書イメージ
２１０の領域は、相関テーブル２３０の座標およびオフ
セットの欄に示されるように座標（１６，１１０）およ
び（３１，１４９）を有する矩形によって特定される。
あるいは特に種々のサイズの文字を有する文書に対して
は、文書テキスト２２０の各文字に対する座標リストお
よびそれらに対応する文書イメージ２１０領域は個々に
保存されてもよい。

【００２３】加えてＯＣＲ装置１２８の幾つかの実施例
は、当該技術分野において周知のように、文書テキスト
２２０内の単語または句が間違ったＯＣＲ解釈を含んで
いる可能性を十分に考慮した認識確度パラメータを出力
するように設計されている。例えばあるフォントで、文
書イメージ２１０の文字「m 」はＯＣＲ装置１２８によ
って文字の結合体「rn」として認識されてもよい（例え
ばＯＣＲ装置はその語を「modern」として解釈すること
ができるので、ＯＣＲ装置１２８は「modem 」という単
語に対して低い確度パラメータを出力してもよい）。そ
の結果、文字「m 」を含む語は、完全に唯一の特徴から
なる語よりも相対的に低い確度を割り当てられるようで
ある。上記前文の例では、「form」という単語は、当該
語の中に「m ］という文字があるため、５５％の認識確
度パラメータを割り当てられてもよい。

【００２４】ステップＳ２５６で、文書テキスト２２０
に出現する各語についての情報は相関テーブル２３０に
保存され、そのため文書イメージ２１０の領域は文書テ
キスト２２０の語に関係づけられ得る。特に相関テーブ
ル２３０は、文書イメージ２１０における領域を特定す
る座標対２３２、文書テキスト２２０における単語を特
定するオフセット対２３４、およびその単語に対する認
識確度パラメータ２３６を格納する。上記例では、文書
テキスト２２０の「form」という単語は、（１６，１１
０）および（３１，１４９）の座標対２３２と、５７お
よび６０のオフセット対２３４と、５５％の認識確度パ
ラメータ２３６を有する。

【００２５】相関テーブル２３０を用いると、文書テキ
スト２２０における各オフセットは文書イメージ２１０
の領域に対応し、その逆も同じである。例えばオフセッ
ト５８で文書テキスト２２０の文字が与えられると、そ
の文字が（１６，１１０）および（３１，１４９）の座
標を有する文書イメージ２１０内の矩形領域に該当して
いることを決めるために、相関テーブル２３０のオフセ
ット欄が調べられ得る。それから、それらの座標での文
書イメージ２１０における領域（上記例では「form」と
いう語）は、文書イメージ２１０から導き出されて表示
され得る。もう一方については、文書イメージ２１０の
座標（２３，１２７）が与えられると、与えられた文書
イメージ２１０の座標が、５７−６０のオフセットを有
する文書テキスト２２０の単語内に見出されることを決
めるために、相関テーブル２３０の座標欄が調べられ得
る。それから文書テキスト２２０のそのオフセット領域
での語（上記例では「form」という語）が特定され得
る。従って、ここで説明された合成文書アーキテクチャ
は、文書テキスト２２０における語の配置を文書イメー
ジ２１０の対応する領域に関係づける一方法を提供して
いる。

【００２６】〔３．誤認識の見込みを有する語の指摘〕
図４および図５のイメージ表示３００，３５０では、文
書テキスト２２０における、最も誤認識の可能性の高い
語は、種々の方式（例えば明るくしたり、色やフォント
を変えたり、下線を付したり、きらめかせるなど）で表
示され得る。これらの語は、全ての認識された語の認識
確度パラメータ２３６を規定された閾値と比較すること
によって決められ得る。例えば認識確度パラメータ２３
６が６０％以下の語は赤で表示され、テキスト中の間違
っているおそれのある語にユーザの注意を向けさせるこ
とができる。例えば元の語「form」は、５５％の認識確
度パラメータ２３６となり、それによって赤で表示され
る。別の例では、認識確度パラメータ２３６が低い語
は、その語の背景色を変えることによって、文書テキス
ト２２０から識別される（例えば文書テキスト２２０の
「form」という語は、はっきり見える色で強調され得
る）。

【００２７】別の例では、さらに紙のテキストの各語に
関連した認識確度パラメータ２３６は、文書テキスト２
２０の各語にふさわしい個々の表示色を決めて、認識さ
れた語の「ヒートマップ」を形成するために、複数の閾
値と比較される。ヒートマップは、複数の色を用いてス
ペクトルの種々の点でのパラメータ（例えば周波数、温
度または認識確度）の値を示した図表である。結果とし
て生じるヒートマップは、ＯＣＲ出力について文書テキ
スト２２０の最も問題の有りそうな部分にユーザを導く
助けとなる。本例では、ユーザに表示される文書テキス
ト２２０の語は種々の色で表される。

【００２８】図６について説明すると、ヒートマップ
は、文書テキスト２２０に対してステップＳ４１０で制
御されるループによって生成される。ステップＳ４１０
は、イメージ表示３００およびイメージ表示３５０のう
ちの一方または両方に表示されるべき文書テキスト２２
０の各語全部についてループをなす。ステップＳ４２０
で、文書テキスト２２０の表示された語に対応する認識
確度パラメータ２３６を見つけるために、相関テーブル
２３０が調べられる。それからこのパラメータ２３６
は、例えば６０％、８０％および９０％のような複数の
閾値と引き続き比較される。

【００２９】ステップＳ４２２−Ｓ４３４は、例えば閾
値を６０％、８０％および９０％とした場合のヒートマ
ップ表示の生成処理を示している。まず最も低い閾値で
ある６０％が比較用の閾値として使用される。認識確度
パラメータ２３６がその閾値よりも低い場合には、その
語の色は赤に設定される（ステップＳ４２４）。上記例
では、「form」という語は、その認識確度パラメータ２
３６が５５％であるため、赤で強調される。図４および
図５に示す例では、赤に設定される他の語は「general
」と「Constitution」であるかもしれない。

【００３０】つぎにステップＳ４２６では、つぎに低い
閾値である８０％が比較用の閾値として使用される。認
識確度パラメータ２３６がその閾値よりも低い場合に
は、文書テキスト２２０のその語の色は緑に設定される
（ステップＳ４２８）。上記例では、「Union 」という
語は、その認識確度パラメータ２３６が７５％であって
よく、その場合には緑で表示される。図４および図５に
示す例では、緑に設定される他の語は「insure」と「se
cure」であるかもしれない。

【００３１】ステップＳ４３０で、最後の閾値である９
０％が比較用の閾値として使用される。認識確度パラメ
ータ２３６がその閾値よりも低い場合には、文書テキス
ト２２０の語の色は青に設定される（ステップＳ４３
２）。図４および図５に示す例では、青に設定される語
は「Tranquility 」と「establish 」になり得る。他
方、認識確度パラメータ２３６が全ての閾値よりも高い
場合には、文書テキスト２２０のその語の色は、デフォ
ルトの色として使用され得る黒に設定される（ステップ
Ｓ４３４）。一旦色が設定されると、文書テキスト２２
０の語はその色で表示される（ステップＳ４３６）。

【００３２】閾値に対する数および色が、本発明の趣旨
から逸脱することなく、実施の形態に応じて変わっても
よいことは十分に理解されよう。例えば閾値が１つ、２
つ、３つまたは１０個でさえもかまわない。別の例とし
て、色の選択が変わってもよい（例えば赤、オレンジ、
黄色）。実際に例えば点滅や下線のような表示色以外の
表示属性が採用されてもよい。また図６のフローチャー
トに示すように分岐を厳格に体系化せずに、閾値および
表示色または他の表示属性が１つのテーブルに入力され
ていて１つのループで引き続き調べられてもよいことも
理解され得る。

【００３３】〔４．文書イメージウィンドウの表示〕元
の紙の文書を参照するのに関する時間を減らすために、
元の紙の文書の読取り走査されたイメージ部分（すなわ
ち文書イメージ２１０）は、そのテキストのＯＣＲ解釈
上に表示される。アメリカ合衆国憲法を読取り走査した
例において、前文の読取り走査されたイメージ部分が、
図５に示すようにＯＣＲ出力上のウィンドウのイメージ
表示３５０内に表示されていてもよい。

【００３４】イメージ表示３５０において、文書テキス
ト２２０は図５に示されるようにモニタに表示される。
それからユーザは、文書テキスト２２０の何らかの語の
上にカーソル３６０を位置させることによって文書テキ
スト２２０からある語を選択する。ユーザがマウスのあ
るボタンをクリックするか、あるいは同様なファンクシ
ョンキーを押すと、文書イメージ２１０の、選択された
語を囲む領域に対応する部分がポップアップウィンドウ
３９０として現れる。これによってユーザは、必要な時
には即座に文書イメージ２１０の部分を見ることができ
る。

【００３５】文書イメージ２１０と文書テキスト２２０
との調和された動きは、文書テキスト２２０の各語の配
置を、相関テーブル２３０を用いて文書イメージ２１０
からの対応する領域に関係付けることによって達成され
る。カーソル制御手段１２４によって与えられる情報に
基づいて、文書テキスト２２０上の如何なる瞬間のカー
ソル３６０の位置も特定されて、当該技術分野において
周知のマッピング技術によって、イメージ表示３５０の
座標システムから文書テキスト２２０のオフセットシス
テムに変換され得る。それから相関テーブル２３０を用
いて、文書テキスト２２０に表れる各語のオフセット
は、文書イメージ２１０の対応する領域に対する座標に
関連付けられ得る。それから対応する領域を含む文書イ
メージ２１０の部分は、そのイメージ部分がポップアッ
プウィンドウ３９０内に表示され得るように、抽出され
る。そしてユーザは、文書テキスト２２０の対応する語
が文書イメージ２１０と一致することを確かめるため
に、文書イメージ２１０の表示部分を見ることができ
る。

【００３６】別の例では、ポップアップウィンドウ３９
０内に表示された文書イメージ２１０の部分は、文書テ
キスト２２０をヒートマップ化するために用いられたの
と同じ方式でヒートマップ化される。文書テキスト２２
０の語の表示状態を文書イメージ２１０の対応する領域
に関連付けるため、文書テキスト２２０の特定の語の表
示状態をはっきり示すのに使用されるのと同じ認識確度
パラメータ２３６が、文書イメージ２１０の対応する領
域の表示状態をはっきり示すのに使用される。例えば相
関テーブル２３０において「form」という語に５５％の
認識確度パラメータ２３６が割り当てられていることに
よって、その語は、文書テキスト２２０および文書イメ
ージ２１０の対応する領域の両方において赤で表示され
ることとなる。別の例では、文書テキスト２２０および
文書イメージ２１０の両方ともヒートマップで表示され
ず、文書イメージ２１０の部分が文書テキスト２２０上
のウィンドウ内に表示されるだけである。

【００３７】〔５．ＯＣＲ出力の誤りの訂正〕図６のフ
ローチャートには、本発明の一実施の形態によるＯＣＲ
出力の誤りの訂正処理も示されている。訂正を行うため
に、カーソル３１０は、例えばマウスやトラックボール
やジョイスティック、およびポップアップウィンドウ３
９０を表示させるために使用されるマウスのボタンもし
くはファンクションキー以外のマウスのボタンやファン
クションキーのようなカーソル制御手段１２４を用いて
文書テキスト２２０の如何なる部分上にも配置される。

【００３８】ステップＳ４４０で、プロセッサ１１２
は、イメージ表示３００上のカーソル３１０の位置に関
してカーソル制御手段１２４からの入力を受け取る。こ
の入力は、カーソル３１０がイメージ表示３００上に置
かれる時にはいつでも、あるいはユーザがボタンを操作
する時にのみ、カーソル制御手段１２４によって自動的
に生成されてもよい。後者の場合には、ユーザがボタン
を操作する時に、カーソル制御手段１２４はカーソル３
１０の現在の位置を入力として送る。

【００３９】ステップＳ４４０で受け取られる入力に関
連付けられるカーソル３１０の位置は、当該技術分野に
おいて周知のマッピング技術によって、イメージ表示３
００の座標システムから文書テキスト２２０のオフセッ
トシステムに変換される。図４に示す例では、イメージ
表示３００におけるカーソル３１０の位置は文書テキス
ト２２０のオフセット５９に対応していてもよい。

【００４０】ステップＳ４４２で、ステップＳ４４０で
受け取られた入力から得られたオフセットを含むオフセ
ット対２３４を指定する記載を求めて、相関テーブル２
３０が調べられる。上記例では、オフセット５９はオフ
セット対５７−６０に含まれる。このオフセット対は、
オフセット対２３４の範囲内のオフセットにて文書テキ
スト２２０内に置かれた文字列を抜き出すのに使用され
る。

【００４１】ステップＳ４４４で、オフセット５７−６
０での文字列に対して可能性のある置換え語が生成され
る。当該技術分野において、可能性のある置換え語を生
成するために広範囲な種々の技術が知られているが、し
かし発明を実施するにはどれか特定の技術を必要としな
い。例えば可能性のある置換え語を生成するために、単
語レベルの反応が考慮され得る（例えばスペルチェック
をする）。さらに別の例として、句レベルの情報（例え
ばデータベース内に存在する連続語のマルコフモデル）
が用いられ得る。さらにはこれらの種々の技術は組み合
わされて重みを付けられ得る。上記例では、ステップＳ
４４４は、選択されたテキスト「domestic」に対して以
下の可能性のある置換え語の組、すなわち「dominat
e」、「demeanor」および「demotion」を生成してもよ
い。

【００４２】ステップＳ４４６で、選択されたテキスト
に対する可能性のある置換え語は、カーソル３１０の近
くでポップアップメニュー３３０内に表示される。これ
らの置換え語が、選択されたテキストの潜在的な置換え
の見込みにしたがう序列でポップアップメニュー３３０
内に表示されることは好ましい（すなわち選択されたテ
キストが間違っていると考えられる場合には、ポップア
ップメニュー３３０のリストの一番上にある置換え語
が、最も置換え語として使用されるそうである）。一実
施の形態では、ユーザが文書テキスト２２０の一部を手
休めずに削除することができるようにするために、削除
のオプションもカーソル３１０近くのポップアップメニ
ュー３３０内に設けられる。

【００４３】別の例によれば、カーソル３１０が文書テ
キスト２２０のある語の上にある場合には、選択された
テキストに対するポップアップメニュー３３０が自動的
に表示される。従ってユーザは、文書テキスト２２０の
テキストの表示列の上にカーソル３１０を動かすことが
でき、選択されたテキストをポップアップメニュー３３
０内の可能性のある置換え語と迅速に比較することがで
きる。

【００４４】ポップアップメニュー３３０が表示される
場合、ユーザは、文書イメージ２１０の部分を含むポッ
プアップウィンドウ３９０を見て、文書テキスト２２０
の選択されたテキストが正しくないということを決めて
もよい。この場合には、ユーザは、正しい置換え語を選
択するためにポップアップメニュー３３０内の可能性の
ある置換え語を見るであろう。正しい置換え語が見つか
ると、ユーザは正しい置換え語を選択することができる
（例えば適当な語を強調し、カーソル制御手段１２４の
ボタンをクリックするかまたはボタンを押している手を
放すようにする）。上記例では、「domestic」という語
に対する正しい置換え語は、ポップアップメニュー３３
０内の「dominate」と「demotion」の間に表示された
「demeanor」かもしれない。

【００４５】この時点で、ステップＳ４４８におけるよ
うにプロセッサ１１２は、意図された訂正のために入力
を受け取り、ステップＳ４５０におけるように文書テキ
スト２２０の語を、ユーザが選択した訂正で置き換え
る。しかしながらポップアップメニュー３３０内に正し
い置換え語がない場合には、ユーザは従来通りのやり方
で（例えばキーボード１２２を介して）正しい置換え語
を入力してもよい。可能性のある置換え語を生成してそ
れらをポップアップメニュー３３０内に表示することに
よって、ＯＣＲ出力に対する訂正に費やされる時間が減
少する。

【００４６】一旦ユーザが文書テキスト２２０に対して
訂正を行うかまたは何らかの方法で文書テキスト２２０
を変更すると、相関テーブル２３０は、この行為が起こ
ったことを反映するために更新されなければならない。
加えて、文書テキスト２２０の正された語の認識確度パ
ラメータ２３６は自動的に１００％に再設定され、文書
テキスト２２０における選択されたテキストはデフォル
トの色（例えば黒）に戻る。

【００４７】本発明は、ある好ましい実施の形態につい
て言及しながらかなり詳細に説明され、また図示された
が、他の変形例が可能である。上記説明を読むと、本発
明の趣旨または範囲から逸脱することなく、形態または
細部について上記説明または図における変形がなされて
もよいということは、当業者にとって明らかである。

【００４８】

【発明の効果】以上説明したとおり、この発明に係る光
学式文字認識出力のポップアップ訂正のための方法およ
び装置にあっては、ユーザが文書イメージからなるテキ
ストをそのテキストのＯＣＲ解釈と一緒に比較すること
ができる効果を奏する。また、ＯＣＲ解釈を生成するの
に使用された元の文書をユーザが参照する必要がなく、
ユーザが文書イメージで表されたテキストをそのテキス
トのＯＣＲ解釈と一緒に比較することができる効果を奏
する。さらに、元のテキストをＯＣＲ出力のテキストに
変換している間に起こった間違いを正すために、ユーザ
が文書イメージで表されたテキストをそのテキストのＯ
ＣＲ解釈と比較することができる効果を奏する。

【図面の簡単な説明】

【図１】本発明が実施され得るコンピュータシステムを
示す上位ブロック図である。

【図２】合成文書アーキテクチャを示すブロック図であ
る。

【図３】合成文書の生成処理を示すフローチャートであ
る。

【図４】本発明の一実施の形態によるスクリーン表示の
一例を示す図である。

【図５】本発明の他の実施の形態によるスクリーン表示
の一例を示す図である。

【図６】本発明の一実施の形態によるＯＣＲ出力におけ
る誤りの発見および訂正処理を示すフローチャートであ
る。

【符号の説明】

１１２ プロセッサ １２０ 表示装置 １２２ キーボード １２４ カーソル制御手段 １２６ スキャナー装置 １２８ 光学式文字認識装置 ２１０ 文書イメージ ２２０ 文書テキスト ２３０ 相関テーブル ２３６ 認識確度パラメータ ３３０ ポップアップメニュー

Claims (18)

【特許請求の範囲】
1. 【請求項１】 テキストを表示する方法において、 ある文書の文書イメージを生成する工程と、 文書テキストを生成するために前記文書イメージから文
   字を認識する工程と、 前記文書テキストの語に対応する前記文書イメージの領
   域を決める工程と、 相関テーブルを用いて前記文書イメージの前記領域を前
   記文書テキストの対応する語と関連させる工程と、 前記文書テキスト上に前記文書イメージの部分を表示す
   る工程と、 を含むことを特徴とする光学式文字認識出力のポップア
   ップ訂正のための方法。
2. 【請求項２】 前記文書イメージの前記領域は、それぞ
   れの認識確度パラメータを示すように表示されることを
   特徴とする請求項１に記載の光学式文字認識出力のポッ
   プアップ訂正のための方法。
3. 【請求項３】 前記文書テキストの前記対応する語は、
   それぞれの認識確度パラメータを示すように表示される
   ことを特徴とする請求項１に記載の光学式文字認識出力
   のポップアップ訂正のための方法。
4. 【請求項４】 前記文書イメージの前記領域および前記
   文書テキストの前記対応する語の両方とも、それぞれの
   認識確度パラメータを示すように表示されることを特徴
   とする請求項１に記載の光学式文字認識出力のポップア
   ップ訂正のための方法。
5. 【請求項５】 前記文書テキストにおけるある位置を選
   択する入力を受け取る工程と、 前記文書テキストの前記位置に対応する選択されたテキ
   ストを決定する工程と、 前記選択されたテキストを訂正するための入力を受け取
   る工程と、 前記選択されたテキストに対してなされた訂正を反映す
   るために、前記相関テーブルを最新情報を含む情報に更
   新する工程と、 をさらに含むことを特徴とする請求項１に記載の光学式
   文字認識出力のポップアップ訂正のための方法。
6. 【請求項６】 前記選択されたテキストを訂正するため
   の入力を受け取る工程は、前記選択されたテキストを削
   除する工程を含むことを特徴とする請求項５に記載の光
   学式文字認識出力のポップアップ訂正のための方法。
7. 【請求項７】 前記選択されたテキストを訂正するため
   の入力を受け取る工程は、 前記選択されたテキストに対する１または２以上の置換
   え語を決定する工程と、 前記選択されたテキストに対する前記１または２以上の
   置換え語を表示する工程と、 前記選択されたテキストに対する置換え語を指示する入
   力を受け取る工程と、 前記選択されたテキストを前記置換え語で置き換える工
   程と、 を含むことを特徴とする請求項５に記載の光学式文字認
   識出力のポップアップ訂正のための方法。
8. 【請求項８】 置換え語を指示する入力を受け取る工程
   は、前記置換え語のキーボード入力を受け取る工程を含
   むことを特徴とする請求項７に記載の光学式文字認識出
   力のポップアップ訂正のための方法。
9. 【請求項９】 前記１または２以上の置換え語はポップ
   アップメニュー内に表示されることを特徴とする請求項
   ７に記載の光学式文字認識出力のポップアップ訂正のた
   めの方法。
10. 【請求項１０】 テキストを表示する装置は、 ある文書の文書イメージを生成するためのスキャナー装
    置と、 文書テキストを生成するために文書イメージ内の文字を
    認識するための光学式文字認識装置と、 前記文書テキストの語に対応する前記文書イメージの領
    域を決め、かつ相関テーブルを用いて前記文書イメージ
    の前記領域を前記文書テキストの対応する語と関連させ
    るためのプロセッサと、 前記文書テキスト上に前記文書イメージの部分を表示す
    るための表示装置と、 を具備することを特徴とする光学式文字認識出力のポッ
    プアップ訂正のための装置。
11. 【請求項１１】 前記表示装置は、前記文書イメージの
    前記領域を、それぞれの認識確度パラメータを示すよう
    に表示することを特徴とする請求項１０に記載の光学式
    文字認識出力のポップアップ訂正のための装置。
12. 【請求項１２】 前記表示装置は、前記文書テキストの
    前記対応する語を、それぞれの認識確度パラメータを示
    すように表示することを特徴とする請求項１０に記載の
    光学式文字認識出力のポップアップ訂正のための装置。
13. 【請求項１３】 前記表示装置は、前記文書イメージの
    前記領域および前記文書テキストの前記対応する語の両
    方とも、それぞれの認識確度パラメータを示すように表
    示することを特徴とする請求項１０に記載の光学式文字
    認識出力のポップアップ訂正のための装置。
14. 【請求項１４】 さらに前記文書テキストにおけるある
    位置を選択する入力を受け取るためのカーソル制御手段
    を含み、 前記プロセッサは、 前記文書テキストの前記位置に対応する選択されたテキ
    ストを決定し、 前記選択されたテキストを訂正するための入力を受け取
    り、 前記選択されたテキストに対してなされた訂正を反映す
    るために、前記相関テーブルを最新情報を含む情報に更
    新することを特徴とする請求項１０に記載の光学式文字
    認識出力のポップアップ訂正のための装置。
15. 【請求項１５】 前記プロセッサは、前記選択されたテ
    キストを削除することによって、前記選択されたテキス
    トを訂正するための入力を受け取ることを特徴とする請
    求項１４に記載の光学式文字認識出力のポップアップ訂
    正のための装置。
16. 【請求項１６】 前記プロセッサは、 前記選択されたテキストに対する１または２以上の置換
    え語を決定し、 前記選択されたテキストに対する前記１または２以上の
    置換え語を表示するために表示装置を制御し、 前記選択されたテキストに対する置換え語を指示する入
    力を受け取り、 前記選択されたテキストを前記置換え語で置き換えるこ
    とによって、 前記選択されたテキストを訂正するための入力を受け取
    ることを特徴とする請求項１４に記載の光学式文字認識
    出力のポップアップ訂正のための装置。
17. 【請求項１７】 さらに前記選択されたテキストに対す
    る前記置換え語を入力するためのキーボードを具備する
    ことを特徴とする請求項１６に記載の光学式文字認識出
    力のポップアップ訂正のための装置。
18. 【請求項１８】 前記表示装置は、前記１または２以上
    の置換え語をポップアップメニュー内に表示するように
    制御されることを特徴とする請求項１６に記載の光学式
    文字認識出力のポップアップ訂正のための装置。