以下、本発明の実施の形態について図面� ��参照して説明する。

 図1は、本発明の実施の形態に係る単語認 識方法を実現するための単語認識システムの 構成を概略的に示すものである。

 図1において、この単語認識システムは、 CPU(セントラル・プロセッシング・ユニット)1 、入力装置2、画像入力手段としてのスキャ� �3、表示装置4、記憶手段としての第1メモリ5� ��記憶手段としての第2メモリ6、および、読� �装置7などによって構成されている。

 CPU1は、第2メモリ6に格納されたオペレー� ��ィングシステムプログラム、および、第2メ モリ6に格納されたアプリケーションプログ� �ム(単語認識プログラムなど)を実行すること により、後で詳細を説明するような単語認識 処理などを行うものである。

 入力装置2は、例えば、キーボードやマウ スなどからなり、利用者が各種操作を行った り、各種データを入力するために使用される 。

 スキャナ3は、被読取物上に記載された単 語の各文字を光学的な走査により読取って入 力するものである。

 表示装置4は、例えば、ディスプレイ装置 やプリンタなどからなり、各種データを出力 するものである。

 第1メモリ5は、例えば、RAM(ランダム・ア� ��セス・メモリ)により構成されていて、CPU1� �作業用メモリとして使用され、処理中の各� �データなどを一時記憶するものである。例� �ば、後述する文字辞書9、単語辞書10、確率� �ーブル11などを一時記憶する。

 第2メモリ6は、例えば、ハードディスク� �置により構成されていて、CPU1を動作させる� ��めの各種プログラムなどを記憶するもので� ��る。第2メモリ6には、入力装置2、スキャナ3 、表示装置4、第1メモリ5、第2メモリ6、読取� ��置7などを動作させるためのオペレーティン グシステムプログラム、単語認識プログラム および単語を構成する文字の認識用の文字辞 書9、単語認識用の単語辞書10、単語を構成す る文字の出現確率を記憶している確率テーブ ル11などが記憶されている。上記単語辞書10� �しては、あらかじめ認識すべき単語の候補� �複数格納されているものであり、単語認識� �ステムが設置されている地域、例えば州に� �ける都市名が登録されている都市名辞書と� �っている。

 読取装置7は、例えば、CD-ROMドライブ装置 などからなり、記憶媒体としてのCD-ROM8に格� �(記憶)されている単語認識プログラムおよび 単語認識用の単語辞書10などを読取るもので� ��る。読取装置7により読取られた単語認識プ ログラム、文字辞書9、単語辞書10、確率テー ブル11は、第2メモリ6に格納(記憶)される。

 次に、単語認識方法の概略について、図2 に示すフローチャートを参照しつつ説明する 。

 まず、スキャナ3により郵便物Pの画像を� �り込む(読取る)画像取り込み処理が行われる (ステップST1)。この画像取り込み処理により� ��り込んだ画像により宛名の記載されている� ��域を検出する領域検出処理が行われる(ステ ップST2)。この領域検出処理により検出した� �名の記載領域から都市名に対応する単語の1� ��字ずつの矩形領域の文字パターンを、垂直� ��影や水平射影を用いて切出す切出し処理が� ��われる(ステップST3)。この切出し処理によ� �切出された単語の1文字ずつの文字パターン� ��文字辞書9に記憶されている文字パターンと を比較して得られる類似度により文字の認識 候補を得る文字認識処理が行われる(ステッ� �ST4)。この文字認識処理により得られる単語� ��1文字ずつの認識結果と単語辞書10に記憶さ� ��ている都市名の各文字と確率テーブル11と� �用いて、単語辞書10の各都市名ごとの事後確 率を算出し、事後確率の一番大きなものを単 語として認識する単語認識処理が行われる(� �テップST5)。上記各処理はCPU1により制御され ている。

 以下では、具体例の1つとして、アルファ ベット圏の帳票等に記載された宛先住所の中 から、都市名を読み取る例について説明する 。

 図3はスキャナ等により取り込まれたアル ファベット圏の帳票等の画像の例を示す図で ある。図4はスキャナ等により取り込まれた� �像から検出される単語候補の例を示す図で� �る。図5は都市名単語の登録された単語辞書� ��例を示す図である。この場合、図3の画像の 中から、図4の画像に示されるような単語候� �が検出され、これら単語候補の中から単語� �書に登録されている単語(例えば、図5の単語 辞書に登録されている都市名)が探し出され� �当該帳票等に記載されている単語(例えば、� ��市名)が特定されることになる。その際、本 実施形態では特に、単語候補と単語辞書内の 単語とのマッチング処理の結果に対し、所定 の補正処理が施される。

 ここで、本実施形態による補正処理を含� ��単語認識方法について、図6に示すフローチ ャートを参照しつつ説明する。

 図3に示されるような帳票等の画像がスキ ャナ等を通じて取り込まれると、図4に示さ� �るように画像の中に含まれる個々の単語候� �が検出される(ステップ11)。検出された単語� ��補には通し番号が振られる。

 次に、各単語候補に対する単語マッチン� ��処理が行われる(ステップ12)。単語マッチン グ処理は、各単語候補に対し、単語辞書内の 複数の単語との照合を行い、双方が一致する 度合いを示すマッチングスコアを単語毎に算 出する処理である。

 この単語マッチング処理には、DP(Dynamic P rogramming)マッチング(もしくは「動的計画法」 )と呼ばれる周知の技術を適用することが可� �である。このDPマッチングは、特に要素数(� �えば文字数)が異なる対象物(例えば単語)ど� �しを照合するにあたり、類似度などを算出� �る計算処理を最小限にするアルゴリズムと� �てよく知られ、要素間のずれなどを考慮し� �つ、要素間の対応付け(整列化)を行い、最適 な照合処理を実現するものである。この技術 を援用することにより、マッチング処理にお ける速度の向上などを図ることができる。

 単語マッチング処理で算出されたマッチ� ��グスコアは、マッチングスコアテーブルに� ��憶される。図7は、マッチングスコアテーブ ルに記憶されたマッチングスコアの例を示す 図である。このマッチングスコアテーブルに は、通し番号1~7の各単語候補と単語辞書内の 都市名単語“STOCKHOLM”,“TOCHICA”,“MOHEDA”,� �とのマッチング処理結果であるマッチング� �コアが単語毎に記憶されている。

 通し番号3の単語候補は、実際の帳票上で は、町名を示す“TOSHIBA”が書かれており、� �語辞書内の各都市名単語とのマッチングス� �アは低くなることが予想される。しかしな� �ら、単語辞書内には、“TOSHIBA”とは5文字が 一致し、2文字が異なる都市名単語“TOCHICA”� ��存在する。帳票上では“TOSHIBA”を構成する 個々の文字が丁寧に書かれているがために、 一致する5文字により、単語辞書内の都市名� �語“TOCHICA”とのマッチングスコア(符号a)が� ��くなってしまっている。

 一方、通し番号6の単語候補は、実際の帳 票上では、都市名を示す“StockHolm”が書かれ ており、単語辞書内の都市名単語“STOCKHOLM” とのマッチングスコアが高くなることが期待 される。しかしながら、帳票上では“STOCKHOLM ”が乱雑に書かれているがために、そのマッ チングスコア(符号b)は期待されるほど高くな ってはいない。

 この時点では、符号bのマッチングスコア よりも符号aのマッチングスコアの方が高い� �め、帳票上に書かれた“TOSHIBA”が都市名単� ��“TOCHICA”として誤認識されてしまう可能性 がある。本実施形態では、以下の各ステップ によりこの誤認識を防止する。

 上記単語マッチング処理の後、各単語候� ��に対する文字品質スコア算出処理が行われ� ��(ステップ13)。この文字品質スコア算出処理 は、各単語候補を構成する各文字が任意の文 字(文字辞書内のアルファベットのうちのい� �れかの文字)に一致する度合いを示す文字品� ��スコアを算出する処理である。例えば、あ� ��単語候補内のある文字候補の品質スコアを� ��出する際には、その文字候補が文字辞書内� ��いずれかのアルファベットに一致する確率( もしくは類似度)を算出する。このような算� �処理を文字候補毎に行って得られる個々の� �質スコアをそれぞれ加算等した結果が、そ� �単語候補の文字品質スコアとして採用され� �。

 この文字品質スコア算出処理においても� ��文字候補のマッチング処理の際に前述したD Pマッチングを適用することが可能である。

 文字品質スコア算出処理で算出された文� ��品質スコアは、文字品質スコアテーブルに� ��憶される。図8は、文字品質スコアテーブル に記憶された文字品質スコアの例を示す図で ある。この文字品質スコアテーブルには、通 し番号1~7の各単語候補に対する文字品質スコ アが記憶されている。

 例えば、帳票上に書かれた通し番号3の単 語候補や通し番号7の単語候補は、各文字が� �寧に書かれている。特に文字と文字との境� �がはっきりとしているため個々の文字を間� �いなく特定できる。特定される個々の文字� �形状が単語辞書内の任意のアルファベット� �ほぼ一致するため、他の候補よりも文字品� �スコアが高くなっている。例えば、通し番� �3の単語候補“TOSHIBA”の場合、手書きで書か れた文字“T”,“O”,“S”,“H”,“I”,“B”, “A”はそれぞれ、文字辞書内のアルファベ� �ト“T”,“O”,“S”,“H”,“I”,“B”,“A”� ��ほぼ一致するほど丁寧である(一致もしくは 類似する度合いが高い)ため、高めのスコア� �付されている。通し番号7の単語候補の場合� ��、同様、高めのスコアが付されている。

 一方、帳票上に書かれた通し番号4の単語 候補や通し番号6の単語候補は、各文字が乱� �な筆記体で書かれている。特に文字と文字� �の境目が不明確であるため個々の文字の特� �が困難であり、個々の文字の特定を誤りや� �い。個々の文字を正しく特定できたとして� �、その形状が文字辞書内の任意のアルファ� �ットにほぼ一致するものが見つからない場� �が多い。このため、他の候補よりも文字品� �スコアが低くなっている。例えば、乱雑に� �かれた通し番号6の単語候補“StockHolm”がこ� ��に該当し、低めのスコアが付されている。� ��し番号4の単語候補の場合も、同様、低めの スコアが付されている。

 文字品質スコア算出処理の後、各単語候� ��に対する補正スコア計算処理が行われる(ス テップ14)。補正スコア計算処理は、上記文字 品質スコア算出処理で得られた文字品質スコ アを元に上記単語マッチング処理で得られた マッチングスコアを補正する処理である。例 えば、上記単語マッチング処理で得られたマ ッチングスコアから、上記文字品質スコア算 出処理で得られる文字品質スコアを差し引く 処理を行う。これにより、文字が丁寧に書か れた単語候補のマッチングスコアは補正処理 により大きく低下し、一方、文字が乱雑に書 かれた単語候補のマッチングスコアは補正処 理により小さく低下することになる。

 補正スコア計算処理で算出された補正ス� ��アは、補正スコアテーブルに記憶される。� ��9は、補正スコアテーブルに記憶された補正 スコアの例を示す図である。この補正スコア テーブルには、通し番号1~7の各単語候補と単 語辞書内の都市名単語“STOCKHOLM”,“TOCHICA”, “MOHEDA”,…とのマッチング処理結果である� �ッチングスコアを補正した結果である補正� �コアが単語毎に記憶されている。

 上記単語マッチング処理を行った時点で� ��、通し番号6の単語候補と辞書内単語“STOCKH OLM”とのマッチングスコア(符号b)よりも、通 し番号3の単語候補と辞書内単語“TOCHICA”と� ��マッチングスコア(符号a)の方が高かったが� ��補正スコア計算処理後においては、スコア� ��高低が逆転している。すなわち、補正スコ� ��計算処理後においては、通し番号3の単語候 補と辞書内単語“TOCHICA”とのマッチングス� �ア(補正スコア)(符号a’)よりも通し番号6の� �語候補と辞書内単語“STOCKHOLM”とのマッチ� �グスコア(補正スコア)(符号b’)の方が高くな っている。これにより、正しい認識結果が得 られることが期待される。

 補正スコア計算処理の後、補正スコアテ� ��ブル上において補正スコアを最大とする都� ��名単語が単語辞書から選択され、選択され� ��都市名単語が認識結果として出力される(ス テップ15)。

 次に、図6中の単語マッチング処理の詳細 について、図10のフローチャートを参照しつ� ��説明する。

 まず、単語候補の番号iに1がセットされ� �(ステップ21)。そして、i番目の単語候補が選 択される(ステップ22)。

 次に、単語辞書内の単語の番号jに1がセ� �トされる(ステップ23)。そして、単語辞書内� ��j番目の単語が選択される(ステップ24)。

 次に、選択されたi番目の単語候補とj番� �の辞書内単語とのマッチング処理が行われ� �マッチングスコアが計算される(ステップ25)� ��そして、マッチングスコアテーブルの位置( i,j)にマッチングスコアが書き込まれる(ステ� ��プ26)。

 ここで、jと辞書内全単語数が比較される (ステップ27)。jが辞書内全単語数より小さい� ��合、jに1が加算され(ステップ28)、ステップ2 4からの処理が繰り返される。一方、そうで� �い場合、iと全単語候補数が比較される(ステ ップ29)。iが全単語候補数より小さい場合、i� ��1が加算され(ステップ30)、ステップ22からの 処理が繰り返される。一方、そうでない場合 、単語マッチング処理を終了する。

 次に、図6中の文字品質スコア算出処理の 詳細について、図11のフローチャートを参照� ��つつ説明する。

 まず、単語候補の番号iに1がセットされ� �(ステップ41)。そして、i番目の単語候補が選 択される(ステップ42)。

 次に、単語候補を構成する文字候補の文� ��品質スコアが計算される(ステップ43)。そし て、文字品質スコアテーブルの位置iに文字� �質スコアが書き込まれる(ステップ44)。

 次に、iと全単語候補数が比較される(ス� �ップ45)。iが全単語候補数より小さい場合、i に1が加算され(ステップ46)、ステップ42から� �処理が繰り返される。一方、そうでない場� �、文字品質スコア算出処理を終了する。

 次に、図6中の補正スコア計算処理の詳細 について、図12のフローチャートを参照しつ� ��説明する。

 まず、単語候補の番号iに1がセットされ� �(ステップ51)。そして、補正値hに、文字品質 スコアテーブルの位置iの値が読み込まれる(� ��テップ52)。

 次に、単語辞書内の単語の番号jに1がセ� �トされる(ステップ53)。そして、スコアsに、 マッチングスコアテーブルの位置(i,j)の値が� ��み込まれる(ステップ54)。さらに、スコアs� �ら補正値hが減算され、算出結果が補正スコ� ��テーブルの位置(i,j)に書き込まれる(ステッ� ��55)。

 次に、jと辞書内全単語数が比較される(� �テップ56)。jが辞書内全単語数より小さい場� ��、jに1が加算され(ステップ57)、ステップ54� �らの処理が繰り返される。一方、そうでな� �場合、iと全単語候補数が比較される(ステッ プ58)。iが全単語候補数より小さい場合、iに1 が加算され(ステップ59)、ステップ52からの処 理が繰り返される。一方、そうでない場合、 補正スコア計算処理を終了する。

 次に、上述した各種のスコアを算出する� ��めの計算式の具体例について説明する。

 ここでは、単語辞書内の単語、全ての文字� ��補の文字認識結果、文字候補の位置の全集� ��、ある位置の左端から右端に至る経路の全� ��合を、それぞれ次のように定義する。

 ある1つの単語候補とある1つの辞書内単語� �のマッチングスコアを算出するには、事後� �率比を用いた計算を行う。この場合、基本� �なる計算式として、例えば次の式(1)を採用� �る。

 式(1)の左辺における分数部分の分子は事� ��確率に相当し、分母は事前確率に相当する� ��

 式(1)に基づき、前述の単語マッチング処理� ��おけるマッチングスコア(図7のスコアテー� �ルに相当)を算出するには、次の式(2)を用い� ��。

 また、前述の文字品質スコア算出処理にお� ��る文字品質スコア(図8のスコアテーブルに� �当)を算出するには、次の式(3)を用いる。

 なお、式(3)中の「C*」は、任意のアルフ� �ベットであることを示している。

 最終的に、上記の式(2)および式(3)に基づき� ��前述の補正スコア計算処理における補正ス� ��ア(図9のスコアテーブルに相当)の最大値を� ��出するには、評価関数として次の式(4)を用� ��る。

 上述した実施形態によれば、単語の記載� ��置が未知である場合であっても、精度良く� ��語認識を行うことが可能となる。例えば、� ��解単語が乱雑に記載されており、非正解単� ��が丁寧に記載されていたような場合であっ� ��も、マッチングスコアが補正されて適切な� ��価値が得られるため、誤認識の発生を防止� ��ることが可能となる。

 なお、本発明は上記実施形態そのままに� ��定されるものではなく、実施段階ではその� ��旨を逸脱しない範囲で構成要素を変形して� ��体化できる。また、上記実施形態に開示さ� ��ている複数の構成要素の適宜な組み合わせ� ��より、種々の発明を形成できる。例えば、� ��施形態に示される全構成要素から幾つかの� ��成要素を削除してもよい。さらに、異なる� ��施形態にわたる構成要素を適宜組み合わせ� ��もよい。