JPH05189606A - 文字列領域検出方法 - Google Patents

Abstract

(57)【要約】 【目的】 キーボードから入力した文字列が画像データ
中のいずれの位置に存在するかを自動的に識別可能な文
字領域検出方法を提供する。 【構成】 文字のイメージデータを文字コードに変換す
る文字認識手段と、該文字認識のための文字辞書とを備
えた文字領域検出方法であって、画像データ中の図形に
含まれる画素の識別および消去、文字列領域の候補の切
り出し、文字領域候補のイメージデータからの文字コー
ド取得、入力文字列コードと該文字コードの候補との照
合による文字列領域候補の識別を順次実行する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字や図形が混在する
画像データに対する処理に関し、特に、画像データ中に
含まれる文字列領域を検出するための文字列領域検出方
法に関するものである。

【０００２】

【従来の技術】計算機システムにデータを入力する手段
に、文字認識技術を応用した装置が開発されており、キ
ーボードからのデータ入力に比べ操作が簡単等の理由か
ら次第に普及しつつある。この種の装置は、スキャナ等
から読み込んだイメージデータ（微小な画素データの集
合）中の文字イメージデータをＪＩＳやシフトＪＩＳ等
の文字コードに変換する機能を有し、主に、書式の定ま
った伝票等の文書入力に使用されている。一方、昨今で
は、文字だけでなく図形が混在した地図等を簡単に入力
したいという要望があり、このためにも文字認識技術は
有効な技術の１つである。しかし、現状の文字認識技術
では、認識対象とする文字イメージデータの品質が良好
で、文字以外のイメージが混在しない場合に実用的な文
字認識率が確保されるが、上記の地図等のように文字と
図形が混在したイメージデータに対しては、高い文字認
識率を期待することはできない。そこで、地図データ等
の計算機への入力においては文字部分を所定の位置にキ
ーボードから投入する方法が確実な方法として行われて
いる。

【０００３】

【発明が解決しようとする課題】上述のキーボードから
の文字投入の方法には、稠密な地図等を対象とする場合
には、文字列の投入位置を画像データ中で探索するため
に多くの時間を必要とし、データ投入効率が悪いという
問題があった。

【０００４】本発明は、上記事情に鑑みてなされたもの
であり、その目的とするところは、従来の技術における
上述の如き問題を解消し、キーボードから入力した文字
列が画像データ中のいずれの位置に存在するかを自動的
に識別可能な文字領域検出方法を提供することにある。

【０００５】本発明の上記ならびにその他の目的および
新規な特徴は、本明細書の記述および添付図面によって
明らかにする。

【０００６】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、文字列や図形が混在する画像データを対
象とした処理において、文字のイメージデータを文字コ
ードに変換する文字認識手段と、当該文字認識のための
文字辞書とを備えた文字領域検出方法であって、当該画
像データ中の画素の連なりを追跡することにより、当該
画像データ中の図形に含まれる画素の識別および消去を
行い、該消去処理によって残された画像データから文字
列領域の候補の切り出しを行い、上記文字認識手段によ
り当該切り出し処理によって得られる画像データを文字
コードの候補に変換し、別途指定された文字列コードと
当該文字コードの候補との照合により指定文字列コード
中の文字コードを対応する文字位置において最も多く含
む文字列領域の候補を識別し、該識別文字列領域の画像
データ中における位置情報を出力することを最も主要な
特徴とする。

【０００７】

【作用】上述の手段によれば、画像データ中の図形に含
まれる画素の識別および消去、文字列領域の候補の切り
出し、文字領域候補のイメージデータからの文字コード
取得、入力文字列コードと該文字コードの候補との照合
による文字列領域候補の識別を順次実行することによ
り、当該識別文字列領域の画像データ中における位置情
報を出力するので、入力しようとする文字列コードの入
力位置を画像データ中において示すことができ、これに
よって投入時間の短縮が可能な文字列コード入力方法を
実現することが可能となる。また、画像データ中の文字
列を直接検索可能な文字列探索方法を容易に実現するこ
とができる。

【０００８】

【実施例】以下、図面を用いて本発明の実施例を詳細に
説明する。

【０００９】図１は、本発明の一実施例に係わる文字列
領域検出方法を実施する文字列領域検出装置の構成を示
すブロック図である。図１において、１０１は背景図形
消去手段であり、リード線１０６より入力される画像デ
ータに対して、文字以外の記号等の背景図形を消去し、
全文字領域を含む画像データをリード線１０７へ出力す
る。尚、背景図形消去手段１０１については、後に図２
を用いて詳細に説明する。

【００１０】１０２は文字列領域候補検出手段であり、
リード線１０７から入力される背景図形が消去された画
像データから文字列領域の候補を検出し、文字列領域と
推定されるイメージデータ（文字列領域候補）のみを、
その画像データ中における座標情報とともにリード線１
０８へ出力する。尚、文字列領域候補検出手段１０２に
ついては、後に図３を用いて詳細に説明する。

【００１１】１０３は文字認識手段であり、リード線１
０８より入力される文字列領域候補に対して、各文字領
域の切り出しおよび文字辞書１０４を用いた認識を行っ
て、各文字イメージに対応する文字候補をリード線１１
０へ出力する。尚、文字認識手段１０３については、後
に図４を用いて詳細に説明する。

【００１２】１０５は用語照合手段であり、前記文字認
識手段１０３からの出力である文字列対応の文字候補
と、別途、リード線１１１より入力される文字列コード
との突き合わせを行い、入力された文字列に最も符合す
る用語候補に対応する文字列イメージ領域の座標をリー
ド線１１２に出力する。尚、用語照合手段１０５につい
ては、後に図５を用いて詳細に説明する。

【００１３】次に、図１に示す実施例の、画像データ入
力から文字列領域候補の出力までの動作原理を図６の例
で説明する。尚、図６は、地図中における文字列領域候
補を検出する例を示している。図６において、６０１は
入力画像データ、６０２は背景図形消去後の画像デー
タ、６０３は各文字領域の外接矩形および文字列領域の
外接矩形である。６０４から６０６までは、出力された
文字列領域候補である。入力画像データ６０１からの背
景図形の消去には、例えば、文字部分の線密度と図形部
分の線密度の相違ならびに線素の長さによって図形部分
を検出する方法を用いることができる。具体的には、図
６に示す例においては、画像データ中の黒画素の連続を
追跡し、文字の線素（ストローク）より長い線素につい
てはこれを図形と識別し、また、単位面積当たりのスト
ローク数が別途定める一定数を越える領域に含まれるス
トローク群を文字部分として識別する。

【００１４】画像データ６０２中の文字および文字列イ
メージデータに対する外接矩形の生成は、黒画素の縦横
両方向の接線を検出し、これら縦横の接線によって構成
される矩形を文字の外接矩形とし、これら文字の外接矩
形のうち、近傍に一定間隔で並んだ文字外接矩形の連な
りを文字列の外接矩形とすることで実現できる。この
後、各文字領域の外接矩形に対して、例えば、萩田他著
の「外郭方向寄与度特徴による漢字の識別」（電子情報
通信学会論文誌、Ｖｏｌ． Ｊ６６−Ｄ， Ｎｏ．１０
（１９８３年））に開示される文字認識法等によって文
字候補を得ることができる。尚、各文字外接矩形に対し
ては複数（ｍ個）の文字候補が得られ、文字列外接矩形
（文字外接矩形×文字数ｎ）から得られる文字認識結果
全体としてはｍ×ｎのマトリクス状に文字認識結果が得
られるので、以降、文字列全体に対する文字認識結果を
文字マトリクスと呼ぶことにする。

【００１５】次に、図１に示す実施例の、文字マトリク
スから対応する文字列領域の座標を求める動作原理を図
７の例で説明する。尚、図７は、文字列コードとして
「武蔵野センタ」が入力され、文字マトリクス２に対応
する文字列領域候補IIの座標が出力される例を示してい
る。図７において、７０１から７０３は文字マトリクス
の例、７０４は最大得点領域の選択部であり、文字マト
リクスに対して行う用語照合によって計算される用語得
点によって最も確からしい文字列領域を選択し、その座
標を出力する最大得点領域の選択を行う。

【００１６】また、図７において、文字マトリクス中の
網掛けを施した文字候補は、入力された文字列コード中
に含まれる文字候補であることを示している。各文字マ
トリクスに含まれる情報は、各文字外接矩形内のイメー
ジデータに対する文字認識結果として得られる文字候補
と、それら文字候補の確からしさを示す文字得点であ
る。入力文字列コードの探索（用語照合）では、入力さ
れた文字列コード「武蔵野センタ」の先頭の文字から順
に、各文字マトリクス中において対応する文字位置を対
象に探索を行い、該当する文字が見つかった場合には、
各文字マトリクス中に保持している当該文字得点を加算
していく。文字列コードに含まれる全ての文字につい
て、上記の文字探索を実行した結果として、最終的に入
力文字列コード中の全文字（用語）に対する、全文字マ
トリクスを対象とした探索結果が用語得点として得られ
る。図７の例では、文字マトリクス１の用語得点が５２
点、文字マトリクス２の用語得点が４２０点、文字マト
リクス３の用語得点が０点となる。その結果、最大得点
領域の選択部７０４においては、最も高い用語得点であ
る７０２の文字マトリクス２、すなわち文字列領域候補
IIが選択され、その座標が出力される。

【００１７】ここで説明した方法によれば、文字イメー
ジあるいは字体の品質が悪くて、高い文字認識精度が得
られないような場合においても、入力された文字列コー
ドを最も多く含む文字認識結果が得られる文字列領域の
選択を行うため、高い精度で正しい文字列領域を選択す
ることができる。

【００１８】次に、図２を用いて図１の実施例に示した
背景図形消去手段１０１について詳細に説明する。図２
において、２０１は連結線分消去手段であり、入力画像
データ中の黒画素を追跡し、連結線分の検出および消去
を実行する。

【００１９】２０２は破線消去手段であり、前記連結線
分消去手段２０１では消去できない破線等の間隙を有す
る線分を有する線分を消去する。破線等の消去には、例
えば、記述される破線等のパタン（破線部分間隔等）を
予め与えておき、このパタンを画像データ中で探索する
方法等によって実現できる。

【００２０】２０３は非線分画素消去手段であり、前記
連結線分消去手段２０１および破線消去手段２０２では
消去できない塗りつぶしや網掛け等の非線分画素を消去
する。非線分画素の消去には、例えば、船久保著「視覚
パターンの処理と認識」（ｐｐ．１１８−１２７，啓学
出版，１９９０年）に示されるテクスチャ（きめ、模
様）特徴を用いて非線分画素領域を検出し、これを消去
する方法等により実現できる。 図２に示した背景図形
消去手段によれば、上記のとおり、入力画像データ中の
連結線分、破線等の線分および塗りつぶし等の非線分画
素を消去し、文字と推定されるイメージデータの抽出を
実現することができる。

【００２１】次に、図３を用いて図１の実施例に示した
文字列領域候補検出手段１０２について詳細に説明す
る。図３において、３０１は文字外接矩形検出手段であ
り、背景図形が消去された画像データ中において、文字
と推定される黒画素領域の外接矩形を検出する。

【００２２】３０２は隣接矩形検出手段であり、前記文
字外接矩形検出手段３０１によって検出された文字外接
矩形のうち、同じ文字列（用語）領域に属する文字外接
矩形の候補を、それらの位置関係（主に近さ）から検出
する。

【００２３】３０３は隣接矩形統合手段であり、前記隣
接矩形検出手段３０２によって検出された隣接矩形に対
して、印字もしくは記入の方向を検出して最終的に同じ
文字列に属する文字外接矩形を確定し、これらを統合し
た文字列領域に対する外接矩形を検出する。印字もしく
は記入の方向の検出には、例えば、同一サイズで間隔が
等しい文字外接矩形を探索することにより実現できる。

【００２４】図３に示す文字列領域候補検出手段１０２
によれば、背景図形消去済みイメージデータから、文字
列領域と推定される候補を検出することが可能となる。

【００２５】次に、図４を用いて図１の実施例に示した
文字認識手段１０３について詳細に説明する。図４にお
いて、４０１は文字特徴抽出手段であり、文字列領域候
補内に含まれる各文字外接矩形内のイメージデータから
文字特徴を抽出する。

【００２６】４０２は文字特徴照合手段であり、予め標
準字体のイメージデータから抽出した文字特徴を集めた
文字辞書１０４と、前記文字特徴抽出手段４０１によっ
て抽出した文字特徴とを照合し、最も近い文字特徴を当
該文字辞書１０４から探し出す。文字特徴の照合におい
ては、その結果として、最も近い文字特徴に対応する文
字のコード（ＪＩＳコード、シフトＪＩＳコード等）
と、特徴の類似度を定量的に示す文字得点とを、文字列
の単位に文字マトリクスとして出力する。尚、文字特徴
および文字特徴照合については、例えば、萩田他著の
「外郭方向寄与度特徴による漢字の識別」（電子情報通
信学会論文誌、Ｖｏｌ． Ｊ６６−Ｄ， Ｎｏ．１０（１
９８３年））等により実現可能である。

【００２７】次に、図５を用いて図１の実施例に示した
用語照合手段１０５について詳細に説明する。図５にお
いて、５０１は文字マトリクス探索手段であり、前記文
字辞書１０４の出力である各文字マトリクスを対象に、
リード線１１１より入力される文字列コードに含まれる
文字コードを、対応する文字位置において探索する。

【００２８】５０２は文字列領域選択手段であり、各文
字マトリクス中のうち、入力された文字列コード中の文
字コードと一致した文字候補の有する文字得点を、文字
マトリクス毎に加算し、入力文字列コード中の全ての文
字コードに対する探索が終了した時点で、文字得点の加
算結果が最も多い文字マトリクス、すなわち文字列領域
を選択する。文字列領域の選択結果としては、選択され
た文字列領域の、入力画像データ中における座標を出力
する。

【００２９】以上、本発明を実施例に基づき具体的に説
明したが、本発明は、実施例に限定されるものではな
く、その要旨を逸脱しない範囲において種々変更し得る
ことはいうまでもない。

【００３０】

【発明の効果】以上、説明したように、本発明によれ
ば、画像データ中の図形に含まれる画素の識別および消
去、文字列領域の候補の切り出し、文字領域候補のイメ
ージデータからの文字コード取得、入力文字列コードと
該文字コードの候補との照合による文字列領域候補の識
別を順次実行することにより、該識別文字列領域の画像
データ中における位置情報を出力するので、入力しよう
とする文字列コードの入力位置を画像データ中において
示すことができ、これによって投入時間の短縮が可能な
文字列コード入力方法を実現することが可能となる。ま
た、画像データ中の文字列を直接検索可能な文字列探索
方法を容易に実現することができる。

【図面の簡単な説明】

【図１】 本発明の一実施例に係わる文字列領域検出方
法を実施する文字列領域検出装置の構成を示すブロック
図、

【図２】 図１の文字列領域検出装置に使用される背景
図形消去手段の構成図、

【図３】 図１の文字列領域検出装置に使用される文字
列領域候補検出手段の構成図、

【図４】 図１の文字列領域検出装置に使用される文字
認識手段の構成図、

【図５】 図１の文字列領域検出装置に使用される用語
照合手段の構成図、

【図６】 図１の文字列領域検出装置の入力画像データ
から文字列領域候補を得るまでの動作原理の説明図、

【図７】 図１の文字列領域検出装置の文字認識結果か
ら文字列領域候補を得るまでの動作原理の説明図。

【符号の説明】

１０１…背景図形消去手段、１０２…文字列領域候補検
出手段、１０３…文字認識手段、１０５…用語照合手
段、２０１…連結線分消去手段、２０２…破線消去手
段、２０３…非線分画素消去手段、３０１…文字外接矩
形検出手段、３０２…隣接矩形検出手段、３０３…隣接
矩形統合手段、４０１…文字特徴抽出手段、４０２…文
字特徴照合手段、５０１…文字マトリクス探索手段、５
０２…文字列領域選択手段、６０１…入力画像データ、
６０２…背景図形消去後の画像データ、６０３…各文字
領域の外接矩形および文字列領域の外接矩形、６０４〜
６０６…文字列領域候補、７０１〜７０３…文字マトリ
クスの例、７０４…最大得点領域の選択部。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 坂本 富栄 東京都千代田区内幸町一丁目１番６号 日 本電信電話株式会社内

Claims (1)

【特許請求の範囲】
1. 【請求項１】 文字のイメージデータを文字コードに変
   換する文字認識手段と、当該文字認識のための文字辞書
   とを備えた文字列領域検出方法であって、当該画像デー
   タ中の画素の連なりを追跡することにより当該画像デー
   タ中の図形に含まれる画素の識別および消去を行い、該
   消去処理によって残された画像データから文字列領域の
   候補の切り出しを行い、上記文字認識手段により当該切
   り出し処理によって得られる画像データを文字コードの
   候補に変換し、別途指定された文字列コードと当該文字
   コードの候補との照合により指定文字列コード中の文字
   コードを対応する文字位置において最も多く含む文字列
   領域の候補を識別し、該識別文字列領域の画像データ中
   における位置情報を出力することを特徴とする文字列領
   域検出方法。