文字認識システムおよび文字認識プログラム
【課題】 旧字体・異字体を含む文字認識結果の文字の訂正を効率よく行える文字認識システムおよび文字認識プログラムを提供する。
【解決手段】実施形態の文字認識システムは、文字認識部と、記憶部と、字体変換辞書記憶部と、訂正部と、字体変換部とを持つ。文字認識部は文字を認識して文字認識結果を記憶部に記憶する。字体変換辞書記憶部は、現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書を記憶する。訂正部は、文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する。字体変換部は、更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する。
【解決手段】実施形態の文字認識システムは、文字認識部と、記憶部と、字体変換辞書記憶部と、訂正部と、字体変換部とを持つ。文字認識部は文字を認識して文字認識結果を記憶部に記憶する。字体変換辞書記憶部は、現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書を記憶する。訂正部は、文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する。字体変換部は、更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明の実施形態は、文字認識システムおよび文字認識プログラムに関する。
【背景技術】
【０００２】
一般に文字認識装置では、旧字体・異字体を含む文書を文字認識する場合、旧字体・異字体は、現在の字体（現字体または正字という）に置き換えて認識される。
【０００３】
例えば「はしごだか」"▲高▼"という異字体の文字画像（口の両側が目状になっている文字画像）を文字認識装置が文字認識した場合に、通常では、現字体（正字）の「くちだか"高"が出力される。
【０００４】
旧字体・異字体を直接認識できる文字認識装置も存在するが、これら字体の文字は極めて類似している場合が多く、誤読が多く発生する。従って誤読訂正は必須である。
【０００５】
従来、誤読した文字の訂正は、仮名漢字変換機能を使用して訂正する文字をキー入力することにより行っている。
【０００６】
ところで、旧字体や異字体などは、仮名漢字変換機能の候補として表示されない場合があり、キーボードから直接入力すること自体が難しい。したがって、手書き文字認識機能などを利用して旧字体や異字体の漢字そのものを特定した上で訂正することになる。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開平７−２３９９０１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、上記の訂正機能は、あくまで氏名のような、出現頻度の低い旧字体・異字体に対するものであり、例えば明治時代の新聞や書籍などのように旧字体・異字体が文章中に極めて多数存在する場合では、漢字一覧を都度読み出してその中から選択するような操作を行っていたのでは作業効率が悪いという問題があった。
【０００９】
本発明が解決しようとする課題は、旧字体・異字体を含む文字認識結果の文字の訂正を効率よく行える文字認識システムおよび文字認識プログラムを提供することにある。
【課題を解決するための手段】
【００１０】
実施形態の文字認識システムは、文字認識部と、記憶部と、字体変換辞書記憶部と、訂正部と、字体変換部とを持つ。文字認識部は文書に記録された文字を認識する。記憶部は文字認識結果を記憶する。字体変換辞書記憶部は、現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書を記憶する。訂正部は文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する。字体変換部は更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する。
【図面の簡単な説明】
【００１１】
【図１】実施形態の文字認識システムの構成を示す図である。
【図２】訂正画面の一例を示す図である。
【図３】字体変換リストの一例を示す図である。
【図４】実施形態の文字認識システムの動作を示すフローチャートである。
【図５】誤認識された文字（誤読文字）を現字体の文字に訂正する様子を示す図である。
【図６】年代を指定する年代指定画面の一例を示す図である。
【図７】現字体で訂正した文字認識結果を旧字体に一括変換する様子を示す図である。
【発明を実施するための形態】
【００１２】
以下、図面を参照して実施形態を詳細に説明する。図１は一つの実施形態の文字認識システムの構成を示す図である。
【００１３】
図１に示すように、この実施形態の文字認識システムは、スキャナ１、文字認識装置２、訂正端末３をネットワーク４を介して接続して構成されている。
【００１４】
スキャナ１は、認識対象の文書を光学的に読み取り、読み取った画像（以下これを「文書画像」という）を文字認識装置２に出力する。認識対象の文書としては、例えば明治、大正、昭和などの年代（時代）の新聞、雑誌、一般書籍などがある。
【００１５】
訂正端末３は、文字認識装置２に対してネットワーク４を介して接続され、入力装置（キーボード、マウス）および出力装置（モニタ、プリンタなど）として機能する端末である。
【００１６】
文字認識装置２は、例えばＣＰＵ、メモリ、ハードディスク装置、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなどの記録媒体を再生する再生装置としてのディスク再生装置などを有する例えば、パーソナル・コンピュータである。パーソナル・コンピュータでは、ディスク再生装置からハードディスク装置にインストールされた制御ソフトウェアをＣＰＵがメモリ上に読み出し、そのソフトウェアの処理を実行することで、コンピュータが文字認識装置として機能する。
【００１７】
文字認識装置２は、受付部２０、文字認識結果が記憶される記憶部としてのメモリ２１、レイアウト解析部２２、文字認識部２３、訂正部２４、年代特定部２５、字体変換部２６、年代別の字体変換辞書記憶部としての字体変換リスト記憶部２７、出力部２８などを有している。
【００１８】
受付部２０は、スキャナ１が文書を光学的に読み取った文書画像を、ネットワークを介して受信し、メモリ２１に記憶する。
【００１９】
レイアウト解析部２２は、メモリ２１に記憶された文書画像を読み出し、文書画像に対してレイアウト解析を行うことで、読み取り元の文書の構造（画像のどの位置に文字または文字列が記載されているかなど）を得る。
【００２０】
文字認識部２３は、レイアウト解析部２２により解析された文書構造に従い文書画像を文字列の単位および文字の単位に切り出し、予め設定された現在の文字認識用の辞書（例えばＪＩＳ第１および第２水準相当の文字を認識するための辞書）を参照して文字を認識する。
【００２１】
メモリ２１には、文字認識部２３により文字認識された結果の文字（テキスト）とこの文字に対応する文字画像とが対応して記憶される。
【００２２】
訂正部２４は、メモリ２１から読み出した文字認識結果の文字とこの認識結果に対応する文字画像とを対比して表示する訂正画面３０（図２参照）を訂正端末３のモニタに表示させるために、メモリ２１から読み出した文字認識結果の文字とこの認識結果に対応する文字画像とをネットワークを介して訂正端末３に転送する。
【００２３】
図２に示すように、訂正画面３０には、文字認識結果の文字列（テキスト）が表示される訂正欄３１と、この文字列（テキスト）に対応する文書画像から切り出した行イメージを表示する表示欄３２とが設けられている。
【００２４】
この例では、表示欄３２に表示されている"學"という旧字体の漢字が、現字体の漢字"吊"として誤読（誤認識）されて訂正欄３１に表示されている例を示している。
【００２５】
この誤読文字の訂正として、訂正端末３にてユーザが現字体の"学"をキー入力すると、訂正部２４はメモリ２１の文字認識結果を上書き更新する。具体的には、文字認識結果の"吊"という文字の文字コードを新たに入力された現字体の"学"という文字の文字コードに変更する。
【００２６】
字体変換リスト記憶部２７には、年代辞書としての年代毎の字体変換リスト（図３参照）２９が記憶されている。字体変換リスト２９には、年代毎の字体の文字（テキスト）とその文字画像のデータが対応して格納されている。文字画像のデータとしては、例えば文字イメージそのものの他、文字イメージから抽出した特徴ベクトルなどの文字画像に関するデータが含まれる。
【００２７】
日本における漢字の使用年代（切り替わり年代）として、例えば１７９０年〜１９４６年（昭和２１年）の第１年代には康煕字典（文字数：49030文字）が使われ、１９４６年（昭和２１年）〜１９８１年（昭和５６年）の第２年代には当用漢字（文字数：1850文字）が使われ、１９８１年（昭和５６年）以降の第３年代は常用漢字（文字数：1945文字）が使われている。
【００２８】
図３に示すように、例えば昭和２１年〜昭和５６年などの第２年代の字体変換リスト２９には、現在の文字（常用漢字）の字体である現字体"高"、"学"、"会"…に、それぞれ対応して昭和２１年〜昭和５６年の（当用漢字）の旧字体"▲高▼"、"學"、"會"…が格納（記憶）されている。
【００２９】
また、一つの現字体に対して複数の旧字体（異字体）が存在する場合は、変換の際の優先順位が設定されている。例えば現字体の"崎"に対して、異字体の"▲崎▼"が優先順位［１］、異字体の"嵜"が優先順位［２］などと設定されている。現字体の"崎"に対しては、異字体の"▲崎▼"が第１候補として優先的に選出されて変換される。
【００３０】
すなわち、字体変換リスト記憶部２７には、現在使用されている文字の現字体と過去に使われていた文字の旧字体または異字体との変換のための字体変換辞書としての字体変換リストが年代毎（第１年代〜第３年代）に記憶されている。
【００３１】
年代特定部２５は、文書画像の文字認識結果から得られる日付（年、月、日など）またはグラフィック・ユーザ・インターフェース（図６の年代指定画面参照）からの文書の作成年代（年月の直接入力または年代バーのスライドなど）の指定により旧字体の使用年代（第１年代〜第３年代のどの年代に属すか）を特定する。グラフィック・ユーザ・インターフェースは、例えば訂正端末３に表示され、ユーザによるキー入力などで旧字体の使用年代を直接指定する。
【００３２】
字体変換部２６は、年代特定部２５により特定された年代の字体変換リスト２９を参照して、メモリ２１に記憶されている文字認識結果のうち、誤読文字が訂正された結果として現字体に訂正された文字を特定された年代の字体（旧字体）に変換してメモリ２１に記憶する。
【００３３】
出力部２８は、字体変換部２６により文字の字体が旧字体に変換された文字認識結果の文字をメモリ２１から読み出して訂正端末３へ出力する。
【００３４】
続いて、図４から図７を参照してこの実施形態の文字認識システムの動作を説明する。
【００３５】
この文字認識システムの場合、スキャナ１にセットされた認識対象の文書（例えば旧字体の文字を含む新聞や雑誌など）が光学的に読み取られると、その読み取られ文書画像がネットワーク４を通じて文字認識装置２へ出力される。
【００３６】
文字認識装置２では、スキャナ１からの文書画像がネットワーク４を通じて受付部２０により受信され（図４のステップＳ１０１）、メモリ２１に記憶される。
【００３７】
例えばこの文字認識装置２に接続されたキーボードなどから、文字訂正装置２に対して、文字認識の実行を指示すると、レイアウト解析部２２が、メモリ２１に記憶された文書画像に対してレイアウト解析を行い（ステップＳ１０２）、レイアウト解析結果を文字認識部２３に通知する。文字認識の実行を指示するのは訂正端末３からであってもよい。
【００３８】
文字認識部２３は、受け取ったレイアウト解析結果を基づいて文書画像に対して文字認識を行い（ステップＳ１０３）、テキスト（文字コード）と文字画像とのペアからなる文字認識結果をメモリ２１に記憶する。
【００３９】
そして、文字認識結果の訂正作業を行う場合、訂正部２４は、文字認識結果の文字とこの認識結果に対応する文字画像とをメモリ２１から読み出し、ネットワークを介して訂正端末３に転送する。これにより、訂正端末３はモニタに訂正画面３０（図２参照）を表示する。
【００４０】
ユーザが、訂正端末３に表示された訂正画面３０の訂正欄３１に表示されている文字の中から誤読文字（"吊"など）を見つけた場合、訂正欄３１の誤読文字（"吊"）を、キー入力操作により、図５に示すように、現字体（"学"３４など）へ訂正すると（ステップＳ１０４）、訂正部２４は、訂正された文字認識結果をメモリ２１に上書き更新する。このように文字認識結果の訂正作業を、１文書の範囲で実施する。
【００４１】
続いて、訂正画面３０に表示されている字体変換ボタン３３またはキー操作による字体変換コマンドを入力すると、年代特定部２５は、年代指定画面５１（図６参照）を訂正端末３のモニタにホップアップ表示する。この際、年代指定画面５１と訂正画面３０が同時に見えるようにモニタに表示される。
【００４２】
図６に示すように、年代指定画面５１には、年代を直接入力するための開始年欄５２と終了年欄５３と年代バー５４が設けられている。開始年欄５２と終了年欄５３で年代の範囲（幅）を指定することができる。年代バー５４は、横軸に年代をとったものであり、年代バー５４の下には、おおよその年代（明治、大正、昭和、平成など）が示されている。
【００４３】
また年代バー５４には、年代をポイントするためのポインタ５５がスライド自在に設けられており、ユーザがマウスのドラッグ操作などによりポインタ５５を所望の年代の位置に左右にスライドさせることで、開始年欄５２と終了年欄５３の西暦年数がある幅をもって可変する。年数の可変幅は、各年代の字体変換リスト２９にリンクされておりその年代の幅で可変する。
【００４４】
年代指定画面５１で年代が指定されると（ステップＳ１０５）、年代特定部２５は年代を特定し（ステップＳ１０６）、字体変換リスト記憶部２７の中から、該当する年代の字体変換リスト２９を特定する。字体変換部２６は、特定された年代の字体変換リスト２９を参照して、図７に示すようにメモリ２１に記憶されている文字認識結果のうち、誤読文字が訂正された結果として現字体に訂正された文字を特定された年代の字体（旧字体）に変換してメモリ２１に記憶する。
【００４５】
なお、変換対象の現字体１文字に対して字体変換リスト２９に複数の旧字体・異字体が存在した場合、予め字体変換リスト２９に設定された優先順位に従い、字体が選出されて、変換される。
文字認識結果の文字の字体の一括変換が終了し、訂正画面３０にて訂正完了が指示されると（ステップＳ１０８）、字体変換部２８は、メモリ２１の文字認識結果をハードディスク装置の所定の保存領域に保存する（ステップＳ１０９）。
【００４６】
このようにこの実施形態によれば、文字認識により誤読した文字を現字体で容易に修正できると共に、訂正画面で訂正したい文字が旧字体でありその旧字体の読み方が分からない場合にも、現字体で修正した後、文書の作成年代を指定するだけで、訂正した文字の字体を文書どおりの旧字体へ一括変換できるので、文字認識結果の訂正作業を効率よく行うことができる。
【００４７】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【００４８】
上記実施形態では、年代毎に字体変換リストを設けたが、日本で現在主に利用される字体変換は、図３に示した第２年代の字体変換リスト２９であり、この第２年代の字体変換リスト２９を一つだけで用いてもよい。この場合、年代指定は不用になるため、例えば図２の訂正画面３０の字体変換ボタン３３を旧字体への変換を指示する指示部とし、字体変換ボタン３３が操作されたとき、つまり旧字体への変換が指示された場合に、字体変換部２６が字体変換リスト２９を参照して、メモリ２１の文字認識結果の文字の字体を旧字体に一括変換してもよい。
【００４９】
また上記実施形態では、文書の作成年代をユーザのキー操作で指定したが、例えば新聞などのように文書のフォーマットが予め決まっている場合、文書画像から日付の欄を文字認識部２３が文字認識し、年代特定部２５がその文字認識された日付を用いて年代を特定してもよい。
【００５０】
さらに上記実施形態では、各構成要素を、コンピュータのハードディスク装置などのストレージにインストールしたプログラムで実現したが、上記プログラムを、コンピュータ読取可能な電子媒体：electronic mediaに記憶しておき、プログラムを電子媒体からコンピュータに読み取らせることで本発明の機能をコンピュータが実現するようにしてもよい。電子媒体としては、例えばＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ等の記録媒体やフラッシュメモリ、リムーバブルメディア：Removable media等が含まれる。さらに、ネットワークを介して接続した異なるコンピュータに構成要素を分散して記憶し、各構成要素を機能させたコンピュータ間で通信することで実現してもよい。
【００５１】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【００５２】
１…スキャナ、２…文字訂正装置、３…訂正端末、４…ネットワーク、２０…受付部、２１…メモリ、２２…レイアウト解析部、２３…文字認識部、２４…訂正部、２５…年代特定部、２６…字体変換部、２７…字体変換リスト記憶部、２８…出力部、２９…字体変換リスト、３０…訂正画面、３１…訂正欄、３２…表示欄、３３…字体変換ボタン、５１…年代指定画面、５２…開始年欄、５３…終了年欄、５４…年代バー、５５…ポインタ。
【技術分野】
【０００１】
本発明の実施形態は、文字認識システムおよび文字認識プログラムに関する。
【背景技術】
【０００２】
一般に文字認識装置では、旧字体・異字体を含む文書を文字認識する場合、旧字体・異字体は、現在の字体（現字体または正字という）に置き換えて認識される。
【０００３】
例えば「はしごだか」"▲高▼"という異字体の文字画像（口の両側が目状になっている文字画像）を文字認識装置が文字認識した場合に、通常では、現字体（正字）の「くちだか"高"が出力される。
【０００４】
旧字体・異字体を直接認識できる文字認識装置も存在するが、これら字体の文字は極めて類似している場合が多く、誤読が多く発生する。従って誤読訂正は必須である。
【０００５】
従来、誤読した文字の訂正は、仮名漢字変換機能を使用して訂正する文字をキー入力することにより行っている。
【０００６】
ところで、旧字体や異字体などは、仮名漢字変換機能の候補として表示されない場合があり、キーボードから直接入力すること自体が難しい。したがって、手書き文字認識機能などを利用して旧字体や異字体の漢字そのものを特定した上で訂正することになる。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開平７−２３９９０１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、上記の訂正機能は、あくまで氏名のような、出現頻度の低い旧字体・異字体に対するものであり、例えば明治時代の新聞や書籍などのように旧字体・異字体が文章中に極めて多数存在する場合では、漢字一覧を都度読み出してその中から選択するような操作を行っていたのでは作業効率が悪いという問題があった。
【０００９】
本発明が解決しようとする課題は、旧字体・異字体を含む文字認識結果の文字の訂正を効率よく行える文字認識システムおよび文字認識プログラムを提供することにある。
【課題を解決するための手段】
【００１０】
実施形態の文字認識システムは、文字認識部と、記憶部と、字体変換辞書記憶部と、訂正部と、字体変換部とを持つ。文字認識部は文書に記録された文字を認識する。記憶部は文字認識結果を記憶する。字体変換辞書記憶部は、現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書を記憶する。訂正部は文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する。字体変換部は更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する。
【図面の簡単な説明】
【００１１】
【図１】実施形態の文字認識システムの構成を示す図である。
【図２】訂正画面の一例を示す図である。
【図３】字体変換リストの一例を示す図である。
【図４】実施形態の文字認識システムの動作を示すフローチャートである。
【図５】誤認識された文字（誤読文字）を現字体の文字に訂正する様子を示す図である。
【図６】年代を指定する年代指定画面の一例を示す図である。
【図７】現字体で訂正した文字認識結果を旧字体に一括変換する様子を示す図である。
【発明を実施するための形態】
【００１２】
以下、図面を参照して実施形態を詳細に説明する。図１は一つの実施形態の文字認識システムの構成を示す図である。
【００１３】
図１に示すように、この実施形態の文字認識システムは、スキャナ１、文字認識装置２、訂正端末３をネットワーク４を介して接続して構成されている。
【００１４】
スキャナ１は、認識対象の文書を光学的に読み取り、読み取った画像（以下これを「文書画像」という）を文字認識装置２に出力する。認識対象の文書としては、例えば明治、大正、昭和などの年代（時代）の新聞、雑誌、一般書籍などがある。
【００１５】
訂正端末３は、文字認識装置２に対してネットワーク４を介して接続され、入力装置（キーボード、マウス）および出力装置（モニタ、プリンタなど）として機能する端末である。
【００１６】
文字認識装置２は、例えばＣＰＵ、メモリ、ハードディスク装置、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなどの記録媒体を再生する再生装置としてのディスク再生装置などを有する例えば、パーソナル・コンピュータである。パーソナル・コンピュータでは、ディスク再生装置からハードディスク装置にインストールされた制御ソフトウェアをＣＰＵがメモリ上に読み出し、そのソフトウェアの処理を実行することで、コンピュータが文字認識装置として機能する。
【００１７】
文字認識装置２は、受付部２０、文字認識結果が記憶される記憶部としてのメモリ２１、レイアウト解析部２２、文字認識部２３、訂正部２４、年代特定部２５、字体変換部２６、年代別の字体変換辞書記憶部としての字体変換リスト記憶部２７、出力部２８などを有している。
【００１８】
受付部２０は、スキャナ１が文書を光学的に読み取った文書画像を、ネットワークを介して受信し、メモリ２１に記憶する。
【００１９】
レイアウト解析部２２は、メモリ２１に記憶された文書画像を読み出し、文書画像に対してレイアウト解析を行うことで、読み取り元の文書の構造（画像のどの位置に文字または文字列が記載されているかなど）を得る。
【００２０】
文字認識部２３は、レイアウト解析部２２により解析された文書構造に従い文書画像を文字列の単位および文字の単位に切り出し、予め設定された現在の文字認識用の辞書（例えばＪＩＳ第１および第２水準相当の文字を認識するための辞書）を参照して文字を認識する。
【００２１】
メモリ２１には、文字認識部２３により文字認識された結果の文字（テキスト）とこの文字に対応する文字画像とが対応して記憶される。
【００２２】
訂正部２４は、メモリ２１から読み出した文字認識結果の文字とこの認識結果に対応する文字画像とを対比して表示する訂正画面３０（図２参照）を訂正端末３のモニタに表示させるために、メモリ２１から読み出した文字認識結果の文字とこの認識結果に対応する文字画像とをネットワークを介して訂正端末３に転送する。
【００２３】
図２に示すように、訂正画面３０には、文字認識結果の文字列（テキスト）が表示される訂正欄３１と、この文字列（テキスト）に対応する文書画像から切り出した行イメージを表示する表示欄３２とが設けられている。
【００２４】
この例では、表示欄３２に表示されている"學"という旧字体の漢字が、現字体の漢字"吊"として誤読（誤認識）されて訂正欄３１に表示されている例を示している。
【００２５】
この誤読文字の訂正として、訂正端末３にてユーザが現字体の"学"をキー入力すると、訂正部２４はメモリ２１の文字認識結果を上書き更新する。具体的には、文字認識結果の"吊"という文字の文字コードを新たに入力された現字体の"学"という文字の文字コードに変更する。
【００２６】
字体変換リスト記憶部２７には、年代辞書としての年代毎の字体変換リスト（図３参照）２９が記憶されている。字体変換リスト２９には、年代毎の字体の文字（テキスト）とその文字画像のデータが対応して格納されている。文字画像のデータとしては、例えば文字イメージそのものの他、文字イメージから抽出した特徴ベクトルなどの文字画像に関するデータが含まれる。
【００２７】
日本における漢字の使用年代（切り替わり年代）として、例えば１７９０年〜１９４６年（昭和２１年）の第１年代には康煕字典（文字数：49030文字）が使われ、１９４６年（昭和２１年）〜１９８１年（昭和５６年）の第２年代には当用漢字（文字数：1850文字）が使われ、１９８１年（昭和５６年）以降の第３年代は常用漢字（文字数：1945文字）が使われている。
【００２８】
図３に示すように、例えば昭和２１年〜昭和５６年などの第２年代の字体変換リスト２９には、現在の文字（常用漢字）の字体である現字体"高"、"学"、"会"…に、それぞれ対応して昭和２１年〜昭和５６年の（当用漢字）の旧字体"▲高▼"、"學"、"會"…が格納（記憶）されている。
【００２９】
また、一つの現字体に対して複数の旧字体（異字体）が存在する場合は、変換の際の優先順位が設定されている。例えば現字体の"崎"に対して、異字体の"▲崎▼"が優先順位［１］、異字体の"嵜"が優先順位［２］などと設定されている。現字体の"崎"に対しては、異字体の"▲崎▼"が第１候補として優先的に選出されて変換される。
【００３０】
すなわち、字体変換リスト記憶部２７には、現在使用されている文字の現字体と過去に使われていた文字の旧字体または異字体との変換のための字体変換辞書としての字体変換リストが年代毎（第１年代〜第３年代）に記憶されている。
【００３１】
年代特定部２５は、文書画像の文字認識結果から得られる日付（年、月、日など）またはグラフィック・ユーザ・インターフェース（図６の年代指定画面参照）からの文書の作成年代（年月の直接入力または年代バーのスライドなど）の指定により旧字体の使用年代（第１年代〜第３年代のどの年代に属すか）を特定する。グラフィック・ユーザ・インターフェースは、例えば訂正端末３に表示され、ユーザによるキー入力などで旧字体の使用年代を直接指定する。
【００３２】
字体変換部２６は、年代特定部２５により特定された年代の字体変換リスト２９を参照して、メモリ２１に記憶されている文字認識結果のうち、誤読文字が訂正された結果として現字体に訂正された文字を特定された年代の字体（旧字体）に変換してメモリ２１に記憶する。
【００３３】
出力部２８は、字体変換部２６により文字の字体が旧字体に変換された文字認識結果の文字をメモリ２１から読み出して訂正端末３へ出力する。
【００３４】
続いて、図４から図７を参照してこの実施形態の文字認識システムの動作を説明する。
【００３５】
この文字認識システムの場合、スキャナ１にセットされた認識対象の文書（例えば旧字体の文字を含む新聞や雑誌など）が光学的に読み取られると、その読み取られ文書画像がネットワーク４を通じて文字認識装置２へ出力される。
【００３６】
文字認識装置２では、スキャナ１からの文書画像がネットワーク４を通じて受付部２０により受信され（図４のステップＳ１０１）、メモリ２１に記憶される。
【００３７】
例えばこの文字認識装置２に接続されたキーボードなどから、文字訂正装置２に対して、文字認識の実行を指示すると、レイアウト解析部２２が、メモリ２１に記憶された文書画像に対してレイアウト解析を行い（ステップＳ１０２）、レイアウト解析結果を文字認識部２３に通知する。文字認識の実行を指示するのは訂正端末３からであってもよい。
【００３８】
文字認識部２３は、受け取ったレイアウト解析結果を基づいて文書画像に対して文字認識を行い（ステップＳ１０３）、テキスト（文字コード）と文字画像とのペアからなる文字認識結果をメモリ２１に記憶する。
【００３９】
そして、文字認識結果の訂正作業を行う場合、訂正部２４は、文字認識結果の文字とこの認識結果に対応する文字画像とをメモリ２１から読み出し、ネットワークを介して訂正端末３に転送する。これにより、訂正端末３はモニタに訂正画面３０（図２参照）を表示する。
【００４０】
ユーザが、訂正端末３に表示された訂正画面３０の訂正欄３１に表示されている文字の中から誤読文字（"吊"など）を見つけた場合、訂正欄３１の誤読文字（"吊"）を、キー入力操作により、図５に示すように、現字体（"学"３４など）へ訂正すると（ステップＳ１０４）、訂正部２４は、訂正された文字認識結果をメモリ２１に上書き更新する。このように文字認識結果の訂正作業を、１文書の範囲で実施する。
【００４１】
続いて、訂正画面３０に表示されている字体変換ボタン３３またはキー操作による字体変換コマンドを入力すると、年代特定部２５は、年代指定画面５１（図６参照）を訂正端末３のモニタにホップアップ表示する。この際、年代指定画面５１と訂正画面３０が同時に見えるようにモニタに表示される。
【００４２】
図６に示すように、年代指定画面５１には、年代を直接入力するための開始年欄５２と終了年欄５３と年代バー５４が設けられている。開始年欄５２と終了年欄５３で年代の範囲（幅）を指定することができる。年代バー５４は、横軸に年代をとったものであり、年代バー５４の下には、おおよその年代（明治、大正、昭和、平成など）が示されている。
【００４３】
また年代バー５４には、年代をポイントするためのポインタ５５がスライド自在に設けられており、ユーザがマウスのドラッグ操作などによりポインタ５５を所望の年代の位置に左右にスライドさせることで、開始年欄５２と終了年欄５３の西暦年数がある幅をもって可変する。年数の可変幅は、各年代の字体変換リスト２９にリンクされておりその年代の幅で可変する。
【００４４】
年代指定画面５１で年代が指定されると（ステップＳ１０５）、年代特定部２５は年代を特定し（ステップＳ１０６）、字体変換リスト記憶部２７の中から、該当する年代の字体変換リスト２９を特定する。字体変換部２６は、特定された年代の字体変換リスト２９を参照して、図７に示すようにメモリ２１に記憶されている文字認識結果のうち、誤読文字が訂正された結果として現字体に訂正された文字を特定された年代の字体（旧字体）に変換してメモリ２１に記憶する。
【００４５】
なお、変換対象の現字体１文字に対して字体変換リスト２９に複数の旧字体・異字体が存在した場合、予め字体変換リスト２９に設定された優先順位に従い、字体が選出されて、変換される。
文字認識結果の文字の字体の一括変換が終了し、訂正画面３０にて訂正完了が指示されると（ステップＳ１０８）、字体変換部２８は、メモリ２１の文字認識結果をハードディスク装置の所定の保存領域に保存する（ステップＳ１０９）。
【００４６】
このようにこの実施形態によれば、文字認識により誤読した文字を現字体で容易に修正できると共に、訂正画面で訂正したい文字が旧字体でありその旧字体の読み方が分からない場合にも、現字体で修正した後、文書の作成年代を指定するだけで、訂正した文字の字体を文書どおりの旧字体へ一括変換できるので、文字認識結果の訂正作業を効率よく行うことができる。
【００４７】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【００４８】
上記実施形態では、年代毎に字体変換リストを設けたが、日本で現在主に利用される字体変換は、図３に示した第２年代の字体変換リスト２９であり、この第２年代の字体変換リスト２９を一つだけで用いてもよい。この場合、年代指定は不用になるため、例えば図２の訂正画面３０の字体変換ボタン３３を旧字体への変換を指示する指示部とし、字体変換ボタン３３が操作されたとき、つまり旧字体への変換が指示された場合に、字体変換部２６が字体変換リスト２９を参照して、メモリ２１の文字認識結果の文字の字体を旧字体に一括変換してもよい。
【００４９】
また上記実施形態では、文書の作成年代をユーザのキー操作で指定したが、例えば新聞などのように文書のフォーマットが予め決まっている場合、文書画像から日付の欄を文字認識部２３が文字認識し、年代特定部２５がその文字認識された日付を用いて年代を特定してもよい。
【００５０】
さらに上記実施形態では、各構成要素を、コンピュータのハードディスク装置などのストレージにインストールしたプログラムで実現したが、上記プログラムを、コンピュータ読取可能な電子媒体：electronic mediaに記憶しておき、プログラムを電子媒体からコンピュータに読み取らせることで本発明の機能をコンピュータが実現するようにしてもよい。電子媒体としては、例えばＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ等の記録媒体やフラッシュメモリ、リムーバブルメディア：Removable media等が含まれる。さらに、ネットワークを介して接続した異なるコンピュータに構成要素を分散して記憶し、各構成要素を機能させたコンピュータ間で通信することで実現してもよい。
【００５１】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【００５２】
１…スキャナ、２…文字訂正装置、３…訂正端末、４…ネットワーク、２０…受付部、２１…メモリ、２２…レイアウト解析部、２３…文字認識部、２４…訂正部、２５…年代特定部、２６…字体変換部、２７…字体変換リスト記憶部、２８…出力部、２９…字体変換リスト、３０…訂正画面、３１…訂正欄、３２…表示欄、３３…字体変換ボタン、５１…年代指定画面、５２…開始年欄、５３…終了年欄、５４…年代バー、５５…ポインタ。
【特許請求の範囲】
【請求項１】
文書に記録された文字を認識する文字認識部と、
前記文字認識部により文字認識された文字認識結果を記憶する記憶部と、
現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正部と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する字体変換部と
を具備する文字認識システム。
【請求項２】
文書に記録された文字を認識する文字認識部と、
前記文字認識部により文字認識された文字認識結果を記憶する記憶部と、
旧字体の使用年代別に現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正部と、
前記文字認識結果から得られる日付または外部からの年代の指定により、前記旧字体の使用年代を特定する年代特定部と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記年代特定部により特定された年代の字体変換辞書を参照して旧字体の文字に変換する字体変換部と
を具備する文字認識システム。
【請求項３】
現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、文字認識結果を記憶するための記憶部とを持つコンピュータに処理を実行させる文字認識プログラムにおいて、
前記コンピュータに、
文書に記録された文字を認識して文字認識結果を前記記憶部に記憶する文字認識機能と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正機能と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する字体変換機能と、
を実現させるための文字認識プログラム。
【請求項４】
旧字体の使用年代別に現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、文字認識結果を記憶するための記憶部とを持つコンピュータに処理を実行させる文字認識プログラムにおいて、
前記コンピュータに、
文書に記録された文字を認識して文字認識結果を前記記憶部に記憶する文字認識機能と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正機能と、
前記文字認識結果から得られる日付または外部からの年代の指定により、前記旧字体の使用年代を特定する年代特定機能と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記特定された年代の字体変換辞書を参照して旧字体の文字に変換する字体変換機能と、
を実現させるための文字認識プログラム。
【請求項１】
文書に記録された文字を認識する文字認識部と、
前記文字認識部により文字認識された文字認識結果を記憶する記憶部と、
現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正部と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する字体変換部と
を具備する文字認識システム。
【請求項２】
文書に記録された文字を認識する文字認識部と、
前記文字認識部により文字認識された文字認識結果を記憶する記憶部と、
旧字体の使用年代別に現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正部と、
前記文字認識結果から得られる日付または外部からの年代の指定により、前記旧字体の使用年代を特定する年代特定部と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記年代特定部により特定された年代の字体変換辞書を参照して旧字体の文字に変換する字体変換部と
を具備する文字認識システム。
【請求項３】
現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、文字認識結果を記憶するための記憶部とを持つコンピュータに処理を実行させる文字認識プログラムにおいて、
前記コンピュータに、
文書に記録された文字を認識して文字認識結果を前記記憶部に記憶する文字認識機能と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正機能と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記字体変換辞書を参照して旧字体の文字に変換する字体変換機能と、
を実現させるための文字認識プログラム。
【請求項４】
旧字体の使用年代別に現在使用されている文字の現字体と過去の文字の旧字体との変換のための字体変換辞書が記憶された字体変換辞書記憶部と、文字認識結果を記憶するための記憶部とを持つコンピュータに処理を実行させる文字認識プログラムにおいて、
前記コンピュータに、
文書に記録された文字を認識して文字認識結果を前記記憶部に記憶する文字認識機能と、
前記文字認識結果のうち、誤読された文字を訂正し前記記憶部に記憶されている文字認識結果を更新する訂正機能と、
前記文字認識結果から得られる日付または外部からの年代の指定により、前記旧字体の使用年代を特定する年代特定機能と、
前記記憶部に記憶されている前記更新された新字体の文字認識結果を前記特定された年代の字体変換辞書を参照して旧字体の文字に変換する字体変換機能と、
を実現させるための文字認識プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２０１２−１３３６５４（Ｐ２０１２−１３３６５４Ａ）
【公開日】平成２４年７月１２日（２０１２．７．１２）
【国際特許分類】
【出願番号】特願２０１０−２８６３１４（Ｐ２０１０−２８６３１４）
【出願日】平成２２年１２月２２日（２０１０．１２．２２）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【出願人】（３０１０６３４９６）東芝ソリューション株式会社 (1,478)
【Ｆターム（参考）】
【公開日】平成２４年７月１２日（２０１２．７．１２）
【国際特許分類】
【出願日】平成２２年１２月２２日（２０１０．１２．２２）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【出願人】（３０１０６３４９６）東芝ソリューション株式会社 (1,478)
【Ｆターム（参考）】
[ Back to top ]