图像处理装置及图像处理方法

专利名称：图像处理装置及图像处理方法
技术领域：
本发明涉及一种生成用于搜索文档中的对象的电子文档数据的图像处理装置及图像处理方法。
背景技术：
传统地，考虑了提供一种搜索包含在文档中的诸如照片、图(线图)或者表等的对象的方法。(这里所使用的术语“对象”是指包括字符以外的诸如照片、图(线图)或者表等的对象。)例如，存在如下一种方法在从文档中提取的对象的附近，添加描述对象的字符串 (注释(caption))并将其作为元数据关联以使得能够搜索对象。当一般文档中的注释包含诸如图编号(例如“照片1”、“第一图”或“表1”)等用于识别对象的表述(以下称为“锚表述(anchor expression)")时，在正文中也使用锚表述来说明对象的更为详细的描述。如上所述的锚表述也被用作用于识别文档中的对象的手段。根据日本特开平11-025113(1999)号公报中公开的发明，提取包含锚表述的正文中的说明部分(以下称为“正文中的说明文本(explanatory text)”)并将其作为对象的元数据关联。当与图的对象邻近的注释包含锚表述“图1”并且正文包含例如“图1是AAA”的说明时，将锚表述“图1”作为图的对象的标识信息进行关联。同时，还将正文中的说明文本 “图1是AAA”作为元数据进行关联，由此提供利用元数据对图的对象的搜索。近年来，例如一些字处理器具有编辑功能(例如自动生成锚表述的功能以及将文档中存在的对象与正文中的说明文本关联的功能)。可以将通过这些功能给出的信息(元数据)存储在电子文档中，由此实现对文档的有效编辑。近年来的扫描器具有诸如自动文档给送器的功能，因此能够容易地读取多页纸。 因此，这种扫描器还能够同时读取多种文档。另一方面，当这种扫描器必须读取混合的不同文档时，存在如下可能性，即可能产生具有包含相同锚表述的注释的多个对象。例如，可能存在如下情况同时读取的多个文档中的一个文档具有注释为“表1是YYY”的表对象，而其中的另一个文档具有注释为“表1示出ZZZ”的表对象。如果在这种情况下简单地进行上述关联处理，则相同的锚表述“表1”与两个表对象关联，从而无法提供与锚表述“表1”适当地对应的正文中的说明文本。由于上述情形，期望这样一种方法即使当必须读取多种文档并且多个注释使用同一锚表述时，也能够将注释或正文中的说明文本作为元数据与对象适当地关联。

发明内容
根据本发明的图像处理装置包括区域划分单元，其被配置为将多页的图像分别划分为多个区域；属性信息添加单元，其被配置为向划分的所述多个区域中的各个添加与区域对应的属性；字符识别单元，其被配置为对由所述属性信息添加单元分别添加了注释属性和正文属性的注释区域和正文区域进行字符识别处理；以及元数据处理单元，其被配置为将元数据与附有所述注释区域的对象区域进行关联；其中，所述元数据处理单元包括 第一提取单元，其被配置为从对所述注释区域的所述字符识别处理的结果中，提取由预定字符串构成的锚表述以及由所述锚表述以外的字符串构成的注释表述；确定单元，其被配置为确定是否存在附有包含相同锚表述的注释区域的多个对象区域；第二提取单元，其被配置为从对所述正文区域的所述字符识别处理的结果中，提取包含所述锚表述的说明文本；第一关联单元，其被配置为在所述确定单元确定存在附有包含所述相同锚表述的注释区域的一个对象区域的情况下，将所述对象区域与由所述第二提取单元提取的所述说明文本获得的元数据进行关联；类似度计算单元，其被配置为在所述确定单元确定存在附有包含所述相同锚表述的注释区域的多个对象区域的情况下，分别计算包含所述相同锚表述的各个注释区域的注释表述、与由所述第二提取单元提取的包含所述相同锚表述的所述说明文本之间的类似度；以及第二关联单元，其被配置为基于由所述类似度计算单元计算出的所述类似度，来确定针对所述多个对象区域中的各个对象区域的最佳说明文本，并将由所确定的最佳说明文本获得的元数据与所述各个对象区域进行关联。根据本发明，即使存在包含相同锚表述的多个对象，也能够将对象与适当的元数据关联。因此，甚至在包含多个文档的混合的图像数据中，也能够准备向各个对象添加了适当的元数据的电子文档。从以下参照附图对示例性实施例的描述中，本发明的其它特征将变得清楚。


图1是示出根据本发明的图像处理系统的配置的框图；图2示出MFP 100的配置；图3是示出数据处理单元218的内部配置的框图；图4是示出元数据处理单元304的内部配置的框图；图5A至图5C示出数据处理单元218的处理详情，其中图5A示出如何将图像数据划分为区域，图5B是示出区域划分单元301、属性信息添加单元302以及字符识别单元303 的处理结果的示例的表，图5C示出格式转换单元305使用的对应表的示例；图6A和图6B示出在本发明中生成的电子文档，其中图6A示出利用SVG格式描述的电子文档的示例，图6B以表的形式示出电子文档中的元数据；图7是示出根据本发明的图像处理装置的处理的概要的流程图；图8A和图8B是示出元数据提取和添加处理的流程的流程图；图9A和图9B示出根据本发明的图像处理装置的处理，其中图9A示出输入到数据处理单元218的图像数据以及对其的区域划分的示例，图9B是示出在图像数据的情况下区域划分单元301、属性信息添加单元302以及字符识别单元303的处理结果的示例的表；图10是示出根据实施例1的、用于将正文中的说明文本与对象区域关联的处理的流程的流程图；图11是示出根据实施例1的类似度计算处理的流程的流程图；图12A和图12B示出通过类似度计算处理获得的中间结果，其中图12A示出通过到步骤1103的处理获得的结果的示例，图12B示出在步骤1105和步骤1106中的处理的示例；
图13以表的形式示出通过对图9A的图像数据901至907进行根据实施1的处理获得的元数据信息；图14是示出图14A和图14B之间的关系的图；图14A和图14B是示出根据实施例2的、用于将正文中的说明文本与对象区域进行关联的处理的流程的流程图；图15是示出根据实施例2的类似度计算处理的流程的流程图；图16是示出根据实施例3的、用于将正文中的说明文本与对象区域进行关联的处理的流程的流程图；图17示出在操作单元203上显示的用户界面(UI)画面的示例；图18示出在操作单元203上显示的警告画面的示例；以及图19是示出根据实施例4的、用于将正文中的说明文本与对象关联的处理的流程的流程图。
具体实施例方式[实施例1]下文将参照附图描述用于实现本发明的实施例。图1是示出根据本实施例的图像处理系统的配置的框图。在图1中，在办公室A中构建的LAN 102连接到作为用于实现多种功能(例如复印功能、打印功能、发送功能)的图像处理装置的多功能外围设备(MFP) 100。LAN 102还经由代理服务器103连接到外部网络104。客户端PC 101经由LAN 102接收从MFP 100发送的数据并使用MFP 100拥有的功能。例如，客户端PC 101还可以向MFP 100发送打印数据， 由此使得通过MFP 100来打印基于打印数据的打印物。图1的配置是示例。因此，也可以使用其它配置，其中具有与办公室A相同的构成部件的多个办公室经由网络104连接。网络104典型地是由例如互联网、LAN、WAN、电话线路、专用数字线路、ATM、帧中继线路、通信卫星线路、有线电视线路或者数据广播无线线路实现的通信网络。网络104可以是任意网络，只要能够通过其发送和接收数据即可。客户端PClOl和代理服务器103的各个终端具有在通用计算机中设置的标准构成部件(包括例如CPU、RAM、ROM、硬盘、外部存储装置、网络接口、显示器、键盘及鼠标)。图2示出MFP 100的配置。首先，MFP 100的配置主要被分为作为图像输入设备的扫描器单元201、作为图像输出设备的打印机单元202、由CPU 205构成的控制单元204以及作为用户接口的操作单元 203。控制单元204连接到扫描器单元201、打印机单元202和操作单元203。控制单元 204还是连接到LAN 219或者作为一般电话线网络的公共线路(WAN) 220、由此提供图像信息及设备信息的输入和输出的控制器。CPU 205控制包括在控制单元204中的各个单元。RAM 206是用于CPU 205的操作的系统工作存储器并且还是用于临时存储图像数据的图像存储器。ROM 210是存储诸如系统引导程序等的程序的引导ROM。
存储单元211是存储系统控制软件及图像数据的硬盘驱动器。操作单元I/F 207是与操作单元(UI) 203的接口单元，其向操作单元203输出要在操作单元203上显示的图像数据。操作单元I/F 207还具有向CPU 205发送由该图像处理装置的用户通过操作单元203输入的信息的功能。网络I/F 208将该图像处理装置连接到LAN 219以提供包(packet)类型信息的输入和输出。调制解调器209将该图像处理装置连接到WAN 220来提供数据解调和调制，由此提供信息的输入和输出。如上所述的设备被布置在系统总线221上。图像总线I/F 212是将系统总线221连接到用于以高速传送图像数据的图像总线 222以转换数据结构的总线桥。图像总线222由例如PCI总线以及IEEE 1394构成。图像总线222上具有如下设备。光栅图像处理器(RIP) 213实现分析页面描述语言(PDL)代码以将代码展开为具有指定分辨率的位像的所谓绘制处理。该展开以像素为单位或者以区域为单位来添加属性信息。这被称为图像区域确定处理。通过图像区域确定处理，针对各个像素或者各个区域添加示出对象类型(例如字符(文本)、线、图形或者图像)的属性信息。例如，依据 PDL代码中的PDL描述的对象的类型，RIP 213输出图像区域信号。然后，将与信号值所示的属性对应的属性信息和对应于对象的像素或区域关联地存储。因此，图像数据附有与其关联的属性信息。设备I/F 214经由信号线223将作为图像输入设备的扫描器单元201连接到控制单元204。设备I/F 214还经由信号线224将作为图像输出设备的打印机单元202连接到控制单元204。设备I/F 214提供图像数据的同步/异步转换。扫描器图像处理单元215对输入的图像数据进行校正、处理和编辑。打印机图像处理单元216对要输出到打印机单元202的打印输出图像数据进行例如依据打印机单元202的校正及分辨率转换。图像旋转单元217对输入的图像数据进行旋转以使数据直立并输出该数据。参照图3详细描述数据处理单元218。<数据处理单元>如图3所示，数据处理单元218由区域划分单元(区域提取单元)301、属性信息添加单元302、字符识别单元303、元数据处理单元304以及格式转换单元305构成。数据处理单元218利用各个处理单元301至305对输入的图像数据300进行预定的处理。最后， 生成并输出电子文档310。区域划分单元301接收由扫描器单元201读取的图像数据或者接收从诸如客户端PC的外部装置接收并存储在存储单元中的图像数据。为了以页为单位从输入的图像数据中提取基于诸如字符、照片、图或者表的各个属性划分的区域，使图像数据中的像素经历诸如提取或者分组的处理。可以通过已知的区域划分方法(区域提取方法)进行该处理。 以下描述这种方法的示例。首先，将输入图像进行二值化以生成二值图像。然后，使二值图像具有较低分辨率，由此准备筛选图像(缩小图像)。例如，为了准备1/(MXN)稀疏图像 (thinning image)，将二值图像划分为分别对应MXN个像素。如果MXN个像素包含黑色像素，则将缩小图像中的相应像素设置为黑色像素。如果MXN个像素不包含黑色像素，则将缩小图像中的相应像素设置为白色像素。以这种方式，准备稀疏图像。接下来，提取稀疏图像中黑色像素连接的部分(连接黑色像素)，由此准备由连接黑色像素外接的矩形。当布置大小与字符图像的大小类似的矩形(一个字符的矩形)时或者当在短边的附近布置高度或者宽度与字符图像大小类似的相似矩形(连接了多个字符的连接黑色像素的矩形)时， 这些矩形可以组成构成字符行的字符图像的可能性高。在这种情况下，将这些矩形相互连接，由此获得表示一个字符行的矩形。在表示一个字符行的、短边长度大体相同并且在列方向上以大体相等的间距布置的矩形的集合的情况下，该集合可以表示可能为正文。因此，将这些矩形连接，并提取得到的部分作为正文区域。通过大小大于字符图像的连接黑色像素来提取照片区域、图区域以及表区域。结果，例如提取了由图5A的标号501至506所示的各个区域。如稍后所述，基于例如大小、长宽比或者黑色像素密度或者连接黑色像素中包括的白色像素的轮廓跟踪结果来确定各个区域的属性。属性信息添加单元302向区域划分单元301划分的各个区域添加属性信息。如图 5A所示，基于假定区域划分单元301划分了图像数据500来进行以下描述。在页中的区域506中包括大于或者等于预定数量的字符和行并且具有例如段落的形式。因此，区域506被添加“正文”属性。为了简单地示出图，包含在图5A的区域506 中的字符用黑色点表示。然而，区域506实际包含多个字符图像。对于其余区域501至505，确定区域501至505是否是包含字符的区域。具体地说，在包含字符的区域的情况下，字符图像的矩形周期性地出现在区域中。因此，确定区域是否是包含大小与字符图像大小类似的矩形的区域。结果，区域501、区域504和区域505 被确定为包含字符的区域并被添加有“字符包含区域”属性。另一方面，对于上述区域以外的区域，首先确定区域的大小。当区域大小非常小时，其属性被确定为“噪声”。当区域大小不是很小而是等于或者大于固定大小时，该区域是某个对象的区域。因此，进一步对该区域进行以下确定以确定要向该区域添加的属性(即该区域对应于哪一个对象)。首先，对具有低像素密度的连接黑色像素中的白色像素进行轮廓跟踪。然后，确定白色像素轮廓的外接矩形是否按顺序布置。当白色像素轮廓的外接矩形按顺序布置时，则该区域被确定为具有“表”属性。当白色像素轮廓的外接矩形未按顺序布置时，该区域被确定为具有“图(线图)”属性。该区域以外的具有高像素密度的区域被确定为与图片或者照片相对应并被确定为具有“照片”属性。在上述部分中，基于“照片”、 “图(线图)”、以及“表”三种对象属性来对区域进行分类。然而，本发明不限于此。还可以使用其它确定标准以使得能够基于任意类型的对象属性来对区域进行分类。如果在添加有诸如“照片”、“图”或者“表”的属性的对象区域的附近(或正上方或正下方)存在字符包含区域，则确定该区域是用于描述对象区域的字符的区域并由此添加“注释”属性。将添加有“注释”属性的区域与附有该注释的诸如“照片”、“图”或者“表” 的区域关联地存储以使得可以识别后者区域。当区域大于正文部分的字符图像并且位于与正文部分的列设置的位置不同的位置时，该区域被添加“标题”属性。当区域大于正文部分的字符图像并且存在于正文部分的列设置的上部时，该区域被添加“副标题”属性。当区域是用于大小比正文部分的字符图像的大小小的字符图像并且存在于原稿的下端或上端时，该区域被添加“页”(或者“页眉”或者“页脚”)。在区域被确定为字符包含区域而不被确定为“正文”、“标题”、“副标题”、“注释”或者“页”的情况下，该区域被添加“字符”属性。通过如上所述的添加属性信息的处理，对图像数据500进行设置以使得分别对区域501添加标题属性，对区域502添加表属性，对区域503添加照片属性，对区域504添加字符属性，对区域505添加注释属性(其附加区域503)以及对区域506添加正文属性。对区域501、504以及505的各个属性给出的下划线表示对其添加了 “字符包含区域”。字符识别单元303对包含字符图像的区域(添加有“字符”属性、“正文”属性、“标题”属性、“副标题”属性以及“注释”属性的区域)进行已知的字符识别处理(OCR处理)。 还可以对“表”中的字符图像的区域添加“表内字符”属性并且随后可以对其进行字符识别处理。然后，将通过字符识别处理获得的字符代码列存储为字符识别信息并将其与目标区域关联。如上所述，存储单元211在其中存储由区域划分单元301、属性信息添加单元302 以及字符识别单元303中的各个单元提取的例如区域的位置及大小、区域属性信息、页信息、字符识别处理的结果的信息(字符代码列)。图5B以表的形式示出图像数据500的上述处理的结果。因此，该结果以表形式存储在存储单元211中。区域504是存在于照片503 中的字符图像的区域。因此，区域504被添加“在照片503中”属性。尽管表中关于区域的位置和大小的格(例如坐标X/Y、宽度W、高度H)包括诸如Xl的标记，但是在实际情况下在这些格中包括数值。元数据处理单元304将由属性信息添加单元302确定为附有注释的区域的对象区域(例如“照片”、“图”或者“表”)与用作用于搜索对象的信息的元数据进行关联。然后， 属性信息添加单元302将得到的数据存储在存储单元211中。具体地说，属性信息添加单元302将作为特定对象区域的注释来描述的字符串、与使用跟该字符串中包括的诸如图号 (锚描述)的词相同的词的正文中的说明部分(正文中的说明文本)关联，作为用于搜索对象的元数据。通过对各个对象给出的标识符(以下称为“注释标识符”)进行元数据的关联。该注释标识符可以用于将注释或者正文中的说明文本分别与附有注释的对象区域适当地关联。通过向各个对象添加不同的注释标识符，即使当存在具有包含相同锚表述的注释的多个对象时，也能够将元数据与对象适当地关联。在本实施例中，注释标识符是用于唯一识别附有注释的对象区域的ID(即从值“1”开始的序列号(正整数))。注释标识符还可以是诸如表示注释或者正文的字符识别信息的存储位置的地址或者指针的位置信息或者诸如 XMLPath或者URL的参照信息。格式转换单元305使用由上述各个处理单元获得的各种信息(例如页信息、区域的位置或者大小、属性、字符识别信息、元数据)，将图像数据转换为具有预定格式的电子文档。预定格式可以是例如通过格式转换生成的电子文档包括使用例如图形的页显示信息(例如待显示图像)以及使用诸如字符的语义描述的内容信息(例如元数据)。格式转换单元305主要进行以下两种处理。一种处理是对图像区域进行滤波器处理(例如直方图均衡化、平滑、边缘增强、色量化、二值化)，以使得图像数据(例如与添加有 “图(线图)”属性的区域相对应的部分的图像)能够以具有预定格式的电子文档的形式进行存储。通过将图像数据转换为矢量路径描述图形数据(矢量数据)或位图描述图形数据 (例如JPEG数据)，能够将图像数据以具有预定格式的电子文档的形式进行存储。可以通过已知的矢量化技术来进行到矢量数据的转换。该转换还生成当针对对象搜索将搜索结果进行识别或强调时显示的诸如框的图形描述(矢量路径描述)。另一种处理是向生成的矢量数据或位图数据中添加存储在存储单元211中的区域信息(位置、大小、属性)、用于区域中的字符识别的信息以及元数据，由此准备具有预定格式的电子文档。由格式转换单元305应当对各个区域进行的转换处理方法常常依据区域的属性。 例如，矢量转换处理适于诸如字符或者线图等由白黑颜色或者少数颜色构成的图形，但不适于诸如照片等具有灰阶的图像区域。为了提供与各个区域的属性对应的适当转换，还可以预先提供如图5C所示的对应表。例如，设置图5C所示的对应表，以使得对具有“字符”、“图(线图)”以及“表”属性的区域进行矢量转换处理并对具有“照片”属性的区域进行图像剪切处理，作为各自的转换处理。另外，设置如图5C所示的对应表，以使得针对各个属性设置是否从图像数据中删除区域的像素信息。例如，当将具有“字符”属性的区域的数据转换为矢量路径描述数据时， 设置区域以进行删除处理。在这种情况下，进行用周围颜色填充与由转换的矢量路径覆盖的部分相对应的像素的这种处理。类似地，当将具有“照片”属性的区域剪切作为矩形图像部分时，用例如周围颜色填充与剪切区域相对应的区域。如上所述的删除处理的目的是使用各个区域已经进行了填充处理的图像数据作为构成“背景”图像数据的部分。在背景图像数据(背景图像)中包含由区域划分处理提取的区域以外的其余部分(例如与图像数据中的基色(foundation)相对应的像素)。通过将由未示出的矢量转换处理单元或者图像剪切处理单元获得的图形数据(前景图像)叠加在背景图像上，由此显示结果图像来获得电子文档的数据描述。这因此能够防止背景像素(背景颜色)的信息的缺失并能够构建非冗余的图形数据。作为另选方案，还可以预先准备多个对应表，以使得能够依据电子文档的应用来选择适当的对应表。例如，当使用图5C的对应表时，主要将对象转换为具有矢量路径描述， 因此提供用于放大或者缩小显示的高图像质量。因此，提供其它对应表，例如根据该对应表针对字符图像的各个字符颜色生成不同的二值图像并对所述二值图像进行无损压缩以及将上述图像以外的图像作为背景图像进行例如JPEG压缩。前者适于再利用例如图形编辑器的应用。后者适于期望准备在实现高压缩比率的同时能够容易地读取字符图像的这样一种电子文档的情况。通过依据应用使用不同的对应表，能够准备适于用户应用的适当的电子文档。图6A示出由数据处理单元218生成的电子文档的示例。图6A示出基于图5A的图像数据500生成的、基于可缩放矢量图形(SVG)格式描述的电子文档600。为了简便起见，图6B以表的形式示出添加到电子文档600的元数据的信息。在这种情况下，图6A的标号601至606分别表示与图像数据500中的区域501至 506相对应的图形描述。标号601以及604至606表示使用字符代码的字符图描述。标号 602表示用于进行了矢量转换的表的框的矢量路径描述。标号603表示用于粘附照片图像的描述。描述603包括注释标识符(caption_id) 608 ( “ 1”)。标号607表示用于元数据的描述。描述607描述了照片对象中的字符“新产品”、注释“图1AAA”、注释中的锚表述“图1”以及基于所述锚表述和正文的字符串提取的正文中的说明文本“图1是关于AAA的XX”。此外，还描述了与注释标识符608相同的标识符609。 代替包含锚表述“图1”的正文中的说明文本(句子)“图1是关于AAA的XX”，还可以提取词“AAA”并可以将其作为元数据添加。作为另选方案，还可以使用正文中的说明文本以及词二者作为元数据。其同样适用于注释的字符串。因此，还可以将从注释中提取的词作为元数据添加。<元数据处理单元>图4是示出元数据处理单元304的内部配置的框图。标号401表示元数据添加目标选择单元，其进行从输入的图像数据中选择要进行元数据的提取/添加的区域的处理。在本实施例中，选择具有注释区域的图像数据作为要进行元数据(例如注释、锚表述或者正文中的说明文本)的提取/添加的目标。标号402表示锚表述提取单元，其从由元数据添加目标选择单元401选择的注释区域中提取锚表述。具体地说，锚表述提取单元402分析与选择的注释区域关联的字符识别信息，以在字符识别信息中搜索诸如“图1”的任意锚表述的存在。当找到锚表述时，提取相应部分作为锚表述并提取上述部分以外的其它部分作为注释表述。该提取使用例如字符代码特性或者词典以排除无用的字符串(例如无意义的符号串)。这因此防止了在字符识别中将出现在文档的文本部分的边界处的划分线或图像错误地识别为字符。此外，能够通过使用诸如图号的多语言字符串模式或者针对字符串模式的错误字符识别模式来提取锚表述，由此实现了锚表述提取的精确性并校正了锚表述的字符。还可以对注释表述进行使用自然语言处理的分析或者错误字符识别的校正。因此，还能够校正并排除具有锚表述的边界或者出现在开头或结尾的符号或字符修饰。标号403表示正文内搜索单元，其在与正文区域关联的字符识别信息中搜索包含由锚表述提取单元402获得的锚表述的正文中表述(句子)，以提取其作为正文中的说明文本。为了实现高速搜索，还可以准备和使用搜索索引。索引的准备以及使用索引的高速搜索可以通过已知技术实现并且不是本发明的要点，因此将不再对其进行描述。作为另选方案，可以同时搜索多个锚表述，由此实现高速。还可以将在搜索中找到的正文中的说明文本与使用多语言字符串模式描述的锚表述相组合。标号404表示表述类似度计算单元，其基于锚表述将注释表述与正文中的说明文本进行比较以计算它们之间的类似度。具体地说，表述类似度计算单元404使用字符级 (character level)或者自然语言分析来将注释表述与正文中的说明文本进行比较，由此进行基于词或者意义级的比较。然后，在关注两个表述中的锚表述的位置的同时计算类似度。类似度是当两个表述具有与锚表述较近的字符或者词时值增大的标准。稍后将详细描述类似度。标号405表示元数据收集/输出单元，其收集由上述各个单元提取的元数据以将元数据与要添加元数据的图像数据进行关联，由此将结果输出到格式转换单元305。标号406是元数据处理控制单元，其基于存储在存储单元211中的区域信息(位置、大小、属性)411、区域中的字符识别信息412及元数据413，将图像数据300分配给适当的处理单元401至405。然后，元数据处理控制单元406对元数据处理单元304的整体进行控制，以使得元数据收集/输出单元405能够将从各个处理单元401至404输出的数据进行整合。接下来，下文将参照图7的流程图来描述由根据本实施例的图像处理装置(MFP 100)进行的处理的概要。基于如下情况进行以下描述，所述情况为针对图9A所示的与由两种不同类型的文档构成的总共7页相对应的图像数据(901至903以及904至907)，生成各个对象被添加了适当的元数据的电子文档。各个步骤中的处理(在此，这些处理被描述为由各个处理单元进行的处理)通过使CPU 205读取存储在存储单元211中的计算机程序来实现。然而，本发明不限于此。例如，各个处理单元还可以全部或部分通过硬件实现，以使得构成数据处理单元218的各个单元中的任意一个可以通过诸如电子电路的硬件来实现。首先，在步骤S701中，CPU 205通过扫描器单元201读取文档或者读取从例如客户端PC 101发送并存储在存储单元211中的文档，由此获取多页的图像数据。将获取的图像数据901至907输入到数据处理单元218并将其从元数据处理控制单元406发送到区域划分单元301。在步骤S702中，区域划分单元301将输入的图像数据901至907按照其属性以页为单位进行划分。图像数据901至907被划分为各个区域908、910、911、912、913、915、917、 918,919 以及 920。在步骤S703中，属性信息添加单元302向在步骤S702中划分的各个区域添加属性信息。例如，在第三页的图像数据903的情况下，区域911被添加“照片”属性，区域912 被添加“注释”属性。注释912还被添加示出附加区域(对象)是区域911的信息。在步骤S704中，字符识别单元303对在步骤S703中添加了与字符相关的属性(例如正文、注释、标题、副标题)的区域进行字符识别处理，并将结果作为字符识别信息与区域关联，由此将结果存储在存储单元211中。各个区域的字符识别处理结果如在图9B所示的表中的字符识别信息的格中所描述的那样。在步骤S705中，数据处理单元218确定是否对所有页进行了步骤S702至S704中的各个处理。由于输入了与7页相对应的图像数据901至907，因此当如图9B中的表所示的所有信息都被存储在存储单元211中时，能够确定对所有页的处理完成。当确定对所有页的处理完成时，处理进入步骤S706。如果发现任何还未进行处理的页，则处理返回步骤 S702并重复上述处理。在步骤S706中，元数据处理单元304进行提取和添加元数据的处理。稍后将描述该处理的详情。 在步骤S707中，格式转换单元305使用图5C所示的对应表，基于存储在存储单元 211中的各个信息将图像数据901至907转换为具有预先指定的预定格式的电子文档。(元数据的提取和添加)接下来，下文将参照图8A和图8B的流程图来描述在上述步骤S706中的提取和添加元数据的处理的详情。该处理主要由以下两个处理构成。第一处理是用于提取锚表述及注释表述的第一提取(图8A)。第二处理是用于提取正文中的说明文本的第二提取(图 8B)。首先，进行用于提取锚表述和注释表述的处理。然后，进行用于提取正文中的说明文本的处理。首先，下文将参照图8A的流程图来描述用于提取锚表述及注释表述的处理。
在步骤S801中，元数据添加目标选择单元401参照存储单元211中的区域信息， 以从添加有“注释”属性的区域中选择还未进行用于提取锚表述及注释表述的处理的一个区域。具体地说，确定是否存在还未处理的注释区域。如果存在还未处理的注释区域，则选择该区域作为处理目标。然后，处理进入步骤S802。如果不存在具有“注释”属性的区域或者如果已经对所有区域进行了处理，则用于提取锚表述及注释表述的处理完成。在输入图像数据901至907的情况下，第一例程(routine)选择注释区域912，之后的例程依次选择注释区域918和920。在步骤S802中，元数据处理控制单元406向选择的附有注释区域的对象区域中添加注释标识符，并在存储单元211中确保用于所添加的注释标识符的元数据的存储区域。 在选择了注释912的情况下，注释标识符“1”被添加到附有注释912的照片对象911中，并且在存储单元211中确保用以存储用于注释标识符“1”的元数据的存储区域。在步骤S803中，锚表述提取单元402从选择的注释区域的字符识别信息中提取锚表述和注释表述。附加对象的注释可以仅包括锚表述、仅包括注释表述或者包括锚表述和注释表述两者。例如，图的锚表述常常由诸如“图”、“第几图”或者“Fig. ”的特定字符串(锚字符串)和编号或符号的组合来表现。因此，预先准备包括登记的锚字符串作为候选的词典。可以将词典中的这些候选与字符识别信息进行比较，由此识别锚表述(锚字符串+编号/符号)。然后，在注释区域的字符识别信息中，将不构成锚表述的字符串确定作为注释表述。例如，当注释区域的字符识别信息是由字符串“图1AAA”构成的区域912时，“图1” 部分是锚表述而“AAA”部分是注释表述。可能存在注释表述具有非常少的字符数或者注释表述不具有有意义的字符串(例如符号串“——”)的情况。在这种情况下，存在如下可能性，也即可能将不是字符的标记(例如文档的边界)错误地识别为字符串。因此，不提取该标记作为注释表述。在步骤S804中，元数据处理控制单元406确定在步骤S803中是否从注释区域提取到锚表述和/或注释表述。具体地说，确定是否提取到用作添加有注释标识符的对象的元数据的锚表述和注释表述。当提取到这种表述时，处理进入步骤S805。当未提取到这种表述时，处理返回到步骤S801。在步骤S805中，元数据处理控制单元406将从注释区域(锚表述或注释表述或锚表述和注释表述两者)中提取到的元数据，存储在步骤S802中确保的用于元数据的存储区域中。通过如上所述的处理，例如提取到的锚表述作为特定对象的元数据通过注释标识符被适当地关联。当用于通过锚表述和注释表述的提取来提取元数据的处理完成时，则开始用于提取正文中的说明文本的处理。下文将参照图8B的流程图来描述用于提取正文中的说明文本的处理。在步骤S806中，元数据处理控制单元406选择还未进行用于提取正文中的说明文本的处理的一个锚表述。具体地说，元数据处理控制单元406确定是否存在还未处理的锚表述。如果存在还未处理的锚表述，则选择该锚表述。然后，处理进入步骤S807。如果不存在锚表述，或者如果对所有的锚表述进行了处理，则用于提取正文中的说明文本的处理完成。在上述示例中，从注释区域912中提取“图1”作为锚表述。因此，首先选择该锚表述。然后，处理进入步骤S807。在步骤S807中，元数据处理控制单元406从存储在存储单元211中的正文区域的字符识别信息中提取包含提取的锚表述的部分(句子)，以将提取的正文中的说明文本作为元数据与对象关联。在上述示例中，“图1”被提取作为锚表述。因此，在图像数据901的正文区域908中包含标号916所示的词“图1”。由于该词与锚表述“图1”相同，因此正文区域908被提取作为正文中的说明文本并作为照片对象911的元数据关联。还可以进一步对提取到的作为正文中的说明文本的正文区域进行分析，由此提取元数据。例如，可以使用例如自然语言处理的形态分析来分离词，或者例如可以确定获得的词类(word class)或重要的词，由此提取正文区域908中的词“照相机”作为元数据。存在提取到正文中的多个说明文本的可能性。还可能存在从提取到的正文中的说明文本进一步获得元数据的可能性。因此，该步骤可以提取多个元数据。当用于提取正文中的说明文本的处理完成时，则处理进入步骤S808。在步骤S808中，元数据处理控制单元406确定是否提取到用作添加有注释标识符的对象区域的元数据的正文中的说明文本。如果提取到这种正文中的说明文本，则处理进入步骤S809。如果未提取到这种正文中的说明文本，则处理返回到步骤S806，对其它未处理的锚表述重复处理。在步骤S809中，元数据处理控制单元406将提取到的正文中的说明文本存储(或者添加)在步骤S802中确保的用于元数据的存储区域中。在存储之后，处理返回到步骤 S806以继续对其它未处理的锚表述的处理。通过上述处理，提取到的正文中的说明文本作为特定对象的元数据通过注释标识符被适当地关联。当对所有锚表述的处理完成时，元数据收集/输出单元405收集得到的元数据并将元数据以格式转换单元305能够接收的图像数据的形式添加到图像数据中。然后，将添加有元数据的图像数据发送到格式转换单元305。(正文中的说明文本与对象之间的关联)接下来，下文将参照图10的流程图来描述图8B的步骤S807中的处理的详情。在步骤S1001中，元数据处理控制单元406获取具有包含在图8B的步骤S806中选择的特定锚表述的注释的对象的数量。假定例如针对图像数据901至907选择了锚表述 “图2”的情况。在这种情况下，除了照片对象919以外不存在包含“图2”的对象。因此，获取“1”作为对象的数量。另一方面，当选择了锚表述“图1”时，照片对象911和照片对象 917作为具有包含“图1”的注释的对象存在。因此，选择“2”作为对象的数量。在步骤S1002中，元数据处理控制单元406确定在步骤S1001中获取的对象的数量是否是多个。当获取的对象的数量是“1”时(即当不再存在具有包含相同锚表述的注释的其它对象时)，处理进入步骤S1003。当获取的对象的数量是多个时(即当多个对象的注释使用相同的锚表述时)，处理进入步骤S1005。在步骤S1003中，正文内搜索单元403在正文区域的字符识别信息中搜索特定的锚表述。在上述示例的情况下，包含“图2”作为锚表述916的正文区域915被提取作为正文中的说明文本。当在正文区域的字符识别信息中找到包含锚表述的表述时，处理进入步骤 S1004。
在步骤S1004中，元数据处理控制单元406将正文中包含特定锚表述的表述(正文中的说明文本)与对象关联。在上述示例的情况下，将提取到的作为包含锚表述“图2” 的正文中的说明文本的正文区域915与照片对象919关联。在步骤S1005中，正文内搜索单元403如步骤S1003中那样在正文区域的字符识别信息中搜索特定的锚表述。在上述示例的情况下，找到正文区域908和913作为包含锚表述“图1”的正文中的说明文本。当如上所述在正文区域的字符识别信息中找到包含特定的锚表述的正文中的说明文本时，处理进入步骤S1006。在步骤S1006中，元数据处理控制单元406针对找到的正文中的说明文本(正文区域)准备用于找到与可能的对象区域的注释之间的最佳对应关系所需的多种组合。然后，对各个组合计算类似度。在上述示例的情况下，例如，在包含相同锚表述“图1”的注释 912和918与包含该锚表述的正文区域908和913之间准备两种组合。具体地说，在这种情况下，如果确定了与正文中的一个说明文本相对应的注释，则也确定了其它注释。因此，准备两种组合注释912和正文区域908的组合以及注释918和正文区域908的组合。作为另选方案，还可以准备相应的其它两种组合注释912和正文区域913的组合以及注释918 与正文区域913的组合。如果存在包含相同锚表述的三个注释(对象)并且找到正文中可以与所述注释相对应的三个说明文本，则至少计算5种组合。稍后将描述类似度的计算的详情。在类似度的计算完成之后，处理进入步骤 S1007。在步骤S1007中，元数据处理控制单元406基于步骤S1006中的计算结果认定类似度的值最大的组合是最佳的。然后，元数据处理控制单元406将组合中的正文中的说明文本与对象区域关联。(用于计算类似度的处理)参照图11的流程图，针对上述两种组合(注释912和正文区域908的第一组合以及注释918和正文区域908的第二组合)的示例来描述图10的步骤S1006中的类似度的计算。在步骤SllOl中，表述类似度计算单元404从计算目标的组合的注释中获取注释表述。当第一组合是计算目标时，获取通过从注释912中移除锚表述“图1”而获得的“AAA” 作为注释表述。在获取之后，处理进入步骤S1102。在步骤Sl 102中，表述类似度计算单元404通过形态分析对获取的注释表述进行词分离，由此获得关于各个词的词类信息。然后，基于获得的词类信息，选择具有诸如名词的词类的词(以下称为“注释词”)作为比较目标。具体地说，从比较目标中排除不重要的词或锚表述，以使得不选择该词或锚表述。例如，注释表述“AAA”提供一个名词“AAA”。获得注释词“AAA”及词类信息“名词”。结果，选择了“AAA”作为比较目标候选。在该步骤中， 可以选择多个注释词。在步骤S1103中，表述类似度计算单元404将注释词的权重设置为1。具体地说， 在本实施例中，不基于例如距锚表述的距离或者词的词类或词性来计算权重值。然而，当注释表述是具有某一长度的句子时或者当基于例如唯一的表述提取或者词典来计算词的重要性时，也可以使用如上所述通过计算获得的值作为权重。图12A以表的形式示出通过如上所述的处理获得的第一组合的结果。在该表中，注释表述和注释词是“AAA”，注释词属性是“名词”，并选择了比较目标候选。距锚表述的距离信息被设置为信息“_”，其表示不使用该距离信息。将权重设置为“ 1 ”。接下来，在步骤Sl 104中，表述类似度计算单元404在计算目标的组合中获取正文中的说明文本(正文区域)。在第一组合的情况下，获取正文区域908作为包含“图1”作为锚表述909的正文中的说明文本“照相机AAA(图1)用于例如风景的拍摄”。在步骤S1105中，表述类似度计算单元404通过形态分析对获取的正文中的说明文本进行词分离，由此获得各个词的词类信息。然后，基于获得的词类信息，选择具有诸如名词的词类的词(以下称为“说明文本词”)作为比较目标。另外，进行该选择以使得从比较目标中排除不重要的词或锚表述，并且不选择不重要的词或锚表述。在该步骤中，选择了多个说明文本词。在步骤S1106中，表述类似度计算单元404将选择的说明文本词按照在正文中的说明文本中的位置到锚表述更近的顺序(即按照距锚表述的距离(词距离)更短的顺序) 布置。将距锚表述的距离简单地设置为从锚表述到说明文本词的词数量。以下，将按照词距离的顺序布置的说明文本词的列称为“说明文本词串”。然后，将包含在该说明文本词串中的说明文本词的数量设置为变量N的值。图12B以表的形式示出对获取的正文中的说明文本“照相机AAA(图1)用于例如风景的拍摄”进行步骤S1105和S1106的处理的结果。三个说明文本词被选择作为比较目标候选，并分别给予值“3”、“2”、“1”作为在说明文本词串中的顺序，以使得可以按照词到锚表述“图1”距离更短的顺序(即按照“AAA”、“照相机”、及“风景”的顺序)提取这些词。 在这种情况下，包含在说明文本词串中的说明文本词的数量是3。因此，变量N的值被设置为 “3”。在步骤S1107中，表述类似度计算单元404对示出类似度的变量S的值进行初始化。具体地说，表述类似度计算单元404将作为类似度S的预定值设置为“0”。在步骤S1108中，表述类似度计算单元404确定变量N的值是否大于“0”。当变量 N大于“0”时，其表示存在作为未处理比较目标的说明文本词。因此，处理进入步骤S1109。 当变量N的值是“0”时，其表示已经对作为比较目标的所有说明文本词进行了处理。因此， 进行由步骤S1108至步骤S1113构成的例程并完成处理。在步骤Sl 109中，表述类似度计算单元404从说明文本词串中提取在说明文本词串中的顺序具有与变量N的值相同的值的说明文本词。在上述示例的情况下，首先提取了在说明文本词串中顺序为“3”的说明文本词“AAA”。在步骤SlllO中，表述类似度计算单元404基于示出距锚表述的距离的词距离来计算说明文本词的权重。权重具有依据词距离衰减(attenuate)的值并且具有最大值“1” 和最小值“0”。在本示例中，权重是词距离的倒数。在说明文本词“AAA”的情况下，其词距离为“2”。因此，计算出“0.5”作为权重。可以通过上述方法以外的各种方法(包括例如权重按线性方式衰减的方法、使用对数的方法或者使用分布函数的方法)来获得权重。然而， 也可以使用任意方法，只要该方法提供权重依据距离衰减即可。在步骤Sllll中，表述类似度计算单元404将选择的说明文本词与注释词进行比较以计算类似度S。具体地说，如下面公式1所示，当前词与后词具有相同的字符串时，通过将“1”乘以前词和后词的权重来计算类似度S。当前词和后词具有不同的字符串时，通过将“0”乘以前词和后词的权重来计算类似度S。类似度S = (1或0) X (注释词的权重)X (说明文本词的权重)…(公式1)以这种方式，对作为比较目标的说明文本词计算类似度S。当存在多个注释词时， 将注释词与选择的说明文本词逐一比较。然后，将计算出的类似度S中具有最大值的类似度S确定为Smax0在本实施例中，通过简单的计算获得类似度S。然而，还可以通过考虑例如同义词、 不一致的表示或者诸如平假名、片假名或汉字的表示的这种比较来获得类似度S。还可以通过使用同义词的比较或使用用于基于上下文确定多义性的比较语言的比较来获得类似度 S。还可以通过考虑例如字符串的包含率或同一字符混入的比率来获得类似度S。接下来，在步骤S1112中，表述类似度计算单元404将在步骤Sllll中计算出的类似度S (或Smax)的值与先前的类似度S的值相加，由此更新类似度S的值。在例如第一例程的情况下，将初始值设为“0”。因此，将在步骤Sllll中计算出的类似度S的值直接用作更新的类似度S。在第二及之后的例程的情况下，将通过先前例程获得的类似度S的值与最近确定的类似度S(或Smax)的值相加。在步骤Sl 113中，表述类似度计算单元404从变量N的值中减去1 ( 一)。然后，处理返回到步骤S1108。在图12B的示例中，有三个说明文本词作为比较对象候选。因此，将上述例程重复 3次。在第一例程中，将变量N的值设为“3”。因此，在步骤S1108中的确定之后进行步骤 S1109.在步骤S1109和SlllO中，如上所述，在“AAA”的提取之后，计算“0.5”作为词的权重。然后，在步骤Sllll中，进行计算说明文本词“AAA”与注释词“AAA”之间的类似度S的处理。在这种情况下，前词与后词具有相同的字符串。因此，计算类似度S为“ 1X1X0.5”。由于仅有一个注释词“AAA”，因此在步骤Sl 112中将得到的类似度S = 0. 5加到初始值“0”中。然后，处理进入步骤S1113。在步骤S1113中，从变量N的值中减去1( 一)以得到N = “2”。然后，处理返回到步骤S1108。之后，将相同的处理重复两次。还计算说明文本词“照相机”与“风景”之间的类似度S，然后不断更新类似度S。然而，由于说明文本词 “照相机”和“风景”与仅有的注释词“AAA”不同，因此对于说明文本词“照相机”和“风景” 两者来说，在步骤Sllll中计算的类似度S的值均是“0”。因此，最终获得的类似度S的值是 0. 5+0+0 = 0. 5。如上所述，描述了第一组合的处理。还对由注释918和正文区域908构成的第二组合进行类似的处理。在第二组合的情况下，从注释918获得的注释表述是“BBB”。因此， 注释表述与说明文本词不同。因此，最终获得的类似度S的值为0。结果，在图10的步骤 S1007中，元数据处理控制单元406认定类似度S为0.5的第一组合是最佳组合。具体地说，将具有根据第一组合的注释912的照片对象911与正文中的说明文本“照相机AAA(图 1)用于例如风景的拍摄”(正文区域908)关联。代替图11的流程图所示的方法，例如，还可以使用其它方法，诸如使用相同字符被使用的比率或相同字符被连续使用的程度的方法或者仅提取重要的表述由此获得用于比较的特定表述(字符串)的方法。图13以表的形式示出通过对图像数据901至907进行上述处理获得的元数据信息。例如，如标号1301所示，通过注释标识符“1”将正文区域908的正文中的说明文本、注释912及其锚表述“图1”与照片对象911适当地关联。如标号1302所示，通过注释标识符“2”同样将正文区域913的正文中的说明文本、注释918及其锚表述“图1”与照片对象917适当地关联。如标号1303所示，通过注释标识符“3”将正文区域915的正文中的说明文本、注释920及其锚表述“图2”与照片对象919适当地关联。在实际情况下，使用例如SVG格式描述图13的表中示出的元数据信息。可以使用与图6A所述的方法相同的方法来描述元数据信息。具体地说，在图6A中，注释标识符 608被添加到对象数据603，并且相同的标识符作为注释标识符609被添加到对象的元数据 607。类似地，在图13中，与添加到各个对象的注释标识符(1至3)相同的标识符被添加到与各个对象相对应的元数据，以使得能够识别与各个对象相对应的元数据。如上所述，在根据本实施例的图像处理装置中，能够将文档中的对象(例如照片、 图或表)与描述其内容的正文中的说明文本适当地关联。结果，即使当在不同文档的不同对象的注释中共同使用特定的锚表述时，能够针对各个对象准备添加有适当元数据的电子文档数据。此外，能够在大大降低由页面布局或页之间的距离带来的影响的同时提取元数据。因此，即使在页随机布置的图像数据中也能够添加适当的元数据。[实施例2]接下来，下文将参照图14A、图14B和图15来描述实施例2在图8B的步骤S807中的处理。实施例2是能够提高用于提取包含选择的锚表述的正文中的说明文本、以将提取的文本与对象区域关联的处理的效率的实施例。图14A和图14B是示出本实施例中的将正文中的说明文本与对象区域关联的处理的流程图。对与根据实施例1的图10的流程图相同的部分进行简单的描述或者不再描述。 因此，主要描述不同点。在步骤S1401中，获取具有包含特定锚表述的注释的对象的数量。在步骤S1402 中，当获取的对象的数量是多个时，处理进入步骤S1405。当对象的数量是“1”时，后续的处理(S1403和S1404)与图10的步骤S1003和S1004相同。在步骤S1405中，元数据处理控制单元406搜索正文区域中的锚表述。在步骤 S1406中，元数据处理控制单元406确定得到的正文中的说明文本是否与诸如照片的对象存在于同一页中。在通过扫描器读取这些页而获得的各个页的图像数据的情况下，很少出现一页的数据与其它文档的图像数据混合。因此，当诸如照片的对象与通过搜索找到的正文中的说明文本存在于同一页中时，认为对象与说明文本之间具有对应关系。因此，进行该确定处理以使得在不计算类似度的情况下就能够进行关联。当判断为诸如照片的对象与正文中的说明文本存在于同一页中时，处理进入步骤S1407。在步骤S1407中，元数据处理控制单元406将包含锚表述的正文中的说明文本与同一页中的对象区域关联。之后，处理进入步骤S1409。当判断为诸如照片的对象不与正文中的说明文本在同一页中时，处理进入步骤 S1408。在步骤S1408中，元数据处理控制单元406确定是否存在其它通过搜索找到的正文中的说明文本。具体地说，元数据处理控制单元406确定是否存在必须计算类似度的、对象区域和正文中的说明文本的组合。如果确定不再存在正文中的说明文本，则处理完成。如果存在其它正文中的说明文本，则处理进入步骤S1409。在步骤S1409中，元数据处理控制单元406确定在步骤S1401中获取的对象的数量是否是3或者更多。当对象的数量是2时，处理进入步骤S1410。当对象的数量是3或者更多时，处理进入步骤S1413。当对象的数量是3或者更多时的步骤S1413和步骤S1414 中的处理与图10的步骤S1006和步骤S1007中的处理相同。在步骤S1410中，表述类似度计算单元404对一个对象区域与正文中的说明文本的组合进行图11的流程图的上述处理，由此计算类似度S。接下来，在步骤S1411中，表述类似度计算单元404使用在步骤S1410中获得的类似度S，对其它对象区域与正文中的说明文本的组合进行图15的流程图所示的处理。具体地说，进行以下处理。首先，在步骤S1501中，表述类似度计算单元404获取在步骤S1410中获得的类似度S,以将该类似度S作为用作稍后描述的步骤S1514中的比较目标的类似度Scomp保持在 RAM 206中。然后，处理进入步骤S1502。在步骤S1502到步骤S1513中，进行与图11的步骤SllOl到步骤S1112的处理相同的处理。当在步骤S1513中进行了用于类似度S的第一更新的处理时，处理进入步骤 S1514。在步骤S1514中，表述类似度计算单元404将在步骤S1501中获取并保持的值 Scomp与在步骤S1513中更新的类似度S的值进行比较以确定这两个值中的哪一个更大。 当更新的类似度S的值大于Scomp时，处理完成。然后，处理进入步骤S1412。其原因是确定了获得的类似度S(Scomp)小于步骤S1410中的类似度S。当更新的类似度S的值小于值 Scomp时，处理进入步骤S1515以进行计算类似度S的第二例程。当在第二及随后的例程中在没有确定更新的类似度S的值大于Scomp的情况下变量N的值为O时，处理完成。然后，处理进入步骤S1412。在此时点，确定为在步骤S1410中获取的类似度S(Scomp)大于在步骤S1411中获取的类似度S。然后，在步骤S1412中，元数据处理控制单元406将类似度S的值较大的组合中的正文中的说明文本与对象区域关联。如上所述，根据本实施例，依据诸如照片的对象和正文中的说明文本是否存在于同一页中以及对象的数量是否是3或更多，能够省略部分处理。因此，能够以较高的速度进行处理。[实施例3]在实施例1和实施例2中，仅基于计算出的类似度的值是较大还是较小，来将诸如照片的对象与正文中的说明文本关联。下文将描述在计算类似度之后、确定计算出的类似度的值是否达到预定阈值的实施例。仅当计算出的类似度的值达到预定阈值时，将对象区域与正文中的说明文本关联。图16是示出根据本实施例的、用于将正文中的说明文本与对象区域关联的处理的流程的流程图。图16的流程图与实施例1的图10的流程图以及实施例2的图14A和图 14B的流程图相对应。因此，对它们之间的共同部分进行简单地描述或者不再进行描述。因此将主要描述不同点。步骤S1601到步骤S1608中的处理与图14A和图14B的步骤S1401到步骤S1408中的处理相同。步骤S1609的处理与图10的步骤S1006的处理相同。当在步骤S1609中计算了组合的类似度时，处理进入步骤S1610。在步骤S1610中，表述类似度计算单元404将最大的类似度的值与预先设置的预定阈值进行比较，以确定类似度的值是否等于或者大于阈值。当类似度的值等于或者大于阈值时，处理进入步骤S1611以将正文中的说明文本与对象区域关联。当类似度的值未达到阈值时，不将正文中的说明文本与对象区域关联并且处理完成。图17示出在MFP 100的操作单元203上显示的用户界面(UI)画面的示例。在UI 画面1710上具有用于指定搜索文档中的对象(例如照片、图或者表)的功能的等级的按钮 1702和1703。当选择了按钮1702时，通过具有高级对象搜索功能的方法(即根据本发明的方法)来准备电子文档。当选择了按钮1703时，通过文件大小的压缩优先的传统方法来准备电子文档。标号1704表示允许用户将上述阈值设置为任意值的按钮。为了提高文档中的元数据的提取等级，将按钮1704滑动到右侧。这因此减小了阈值，由此提取更多的元数据。另一方面，为了降低文档中的元数据的提取等级，将按钮1704滑动到左侧。这因此提高了阈值，由此提取更少的元数据。通过该用户界面，用户能够任意地改变阈值，以将元数据的提取等级改变为期望的等级。标号1705表示用于取消选择的内容的取消按钮。标号1706表示用于确定设置内容的确认按钮。根据本实施例，将类似度的值小于阈值的情况认定为不可能提取正确的元数据的情况，由此防止添加元数据。这因此能够防止正文中的说明文本错误地与对象区域关联而引起的错误元数据的添加的情形。因此，能够正确地进行后续的对象搜索。[实施例4]接下来，描述实施例4，在实施例4中，当发现存在具有包含特定锚表述的注释的多个对象时，通过警告显示来向用户警告该存在。图18示出在本实施例中的MFP 100的操作单元203上显示的警告画面的示例。图 19是根据本实施例的、用于将正文中的说明文本与对象区域关联的处理的流程的流程图。 对与根据实施例1的流程图相同的部分进行简单的描述或者不再描述。因此，将主要描述不同点。在步骤S1901中，获取具有包含特定锚表述的注释的对象的数量。当在步骤S1902 中确定获取的对象的数量是多个时，处理进入步骤S1905。在步骤S1905中，元数据处理控制单元406在例如操作单元203上显示如图18所示的警告画面。该警告画面包括表示在不同的图中检测到相同的图编号的消息，并且还包括用于指定是否继续处理的按钮。当用户在警告画面1801上选择“继续”按钮1802时，处理进入步骤S1907以继续处理。步骤S1907至步骤S1909的处理与图10中的步骤S1005至步骤S1007的处理相同。 另一方面，当用户选择“完成”按钮1803时，处理停止以返回到扫描开始之前的状态。根据本实施例，当发现存在具有包含相同锚表述的注释的多个对象时，用户能够有机会考虑是否继续处理。因此，为了添加正确的元数据，用户能够有机会停止处理以尝试第二次扫描。本发明的各方面还能够通过读出并执行记录在存储设备上的用于执行上述实施例的功能的程序的系统或装置的计算机(或诸如CPU或MPU的设备)、以及由系统或装置的计算机例如读出并执行记录在存储设备上的用于执行上述实施例的功能的程序来执行步骤的方法来实现。鉴于此，例如经由网络或者从用作存储设备的各种类型的记录介质(例如计算机可读介质)向计算机提供程序。 虽然参照示例性实施例描述了本发明，但是应当理解，本发明不限于所公开的示例性实施例。应对所附权利要求的范围给予最宽的解释，以使其覆盖所有这种变型、等同结构和功能。
权利要求
1.一种图像处理装置，所述图像处理装置包括区域划分单元，其被配置为将页的图像划分为多个区域； 属性信息添加单元，其被配置为向划分的所述多个区域添加与区域对应的属性； 字符识别单元，其被配置为对由所述属性信息添加单元分别添加了注释属性和正文属性的注释区域和正文区域进行字符识别处理；以及元数据处理单元，其被配置为将元数据与附有所述注释区域的对象区域进行关联； 其中，所述元数据处理单元包括第一提取单元，其被配置为从对所述注释区域的所述字符识别处理的结果中，提取由预定字符串构成的锚表述以及由所述锚表述以外的字符串构成的注释表述；确定单元，其被配置为确定是否存在附有包含相同锚表述的注释区域的多个对象区域；第二提取单元，其被配置为从对所述正文区域的所述字符识别处理的结果中，提取包含所述锚表述的说明文本；第一关联单元，其被配置为在所述确定单元确定存在附有包含所述相同锚表述的注释区域的一个对象区域的情况下，将所述对象区域与由所述第二提取单元提取的所述说明文本获得的元数据进行关联；类似度计算单元，其被配置为在所述确定单元确定存在附有包含所述相同锚表述的注释区域的多个对象区域的情况下，分别计算包含所述相同锚表述的各个注释区域的注释表述、与由所述第二提取单元提取的包含所述相同锚表述的所述说明文本之间的类似度；以及第二关联单元，其被配置为基于由所述类似度计算单元计算出的所述类似度，来确定针对所述多个对象区域中的各个对象区域的最佳说明文本，并将由所确定的最佳说明文本获得的元数据与所述各个对象区域进行关联。
2.根据权利要求1所述的图像处理装置，其中，所述对象区域是由所述属性信息添加单元添加了照片、图或者表的任意属性的区域。
3.根据权利要求1所述的图像处理装置，其中，所述第二关联单元将具有所述类似度计算单元计算出的最大类似度的说明文本确定作为针对所述对象区域的最佳说明文本，并将由所述最佳说明文本获得的元数据与所述对象区域进行关联。
4.根据权利要求1所述的图像处理装置，其中， 所述区域划分单元将多页的各个图像划分为多个区域，所述元数据处理单元还包括第二确定单元，所述第二确定单元被配置为确定由所述第二提取单元提取的所述说明文本和所述对象区域两者是否存在于同一页的图像内，以及在所述第二确定单元确定由所述第二提取单元提取的所述说明文本和所述对象区域两者存在于同一页的图像内的情况下，所述元数据处理单元跳过由所述类似度计算单元进行的所述类似度的计算，将由从该同一页的图像中提取的说明文本获得的元数据与存在于该同一页的图像内的所述对象区域进行关联。
5.根据权利要求1所述的图像处理装置，其中，所述第二关联单元在所述最佳说明文本的类似度达到预定阈值的情况下，将由所述最佳说明文本获得的元数据与所述对象区域进行关联。
6.根据权利要求1所述的图像处理装置，其中，所述元数据处理单元在所述确定单元确定存在附有包含所述相同锚表述的注释区域的多个对象区域的情况下，提供示出存在所述多个对象区域的警告显示。
7.根据权利要求1所述的图像处理装置，其中，所述图像处理装置还包括第三关联单元，所述第三关联单元被配置为将由所述第一提取单元提取的所述注释表述作为元数据与附有包含所述注释表述的注释区域的对象区域进行关联。
8.根据权利要求1所述的图像处理装置，其中，所述图像处理装置还包括生成单元，所述生成单元被配置为使用关于由所述区域划分单元对页的图像划分的所述多个区域的信息以及与所述对象区域关联的元数据，来生成具有预定格式的电子文档。
9.一种图像处理方法，所述图像处理方法包括区域划分步骤，用于将多页的图像划分为多个区域；属性信息添加步骤，用于向划分的所述多个区域中的各个添加与区域对应的属性；字符识别步骤，用于对由所述属性信息添加步骤分别添加了注释属性和正文属性的注释区域和正文区域进行字符识别处理；以及元数据处理步骤，用于将元数据与附有所述注释区域的对象区域进行关联；其中，所述元数据处理步骤包括第一提取步骤，用于从对所述注释区域的所述字符识别处理的结果中，提取由预定字符串构成的锚表述以及由所述锚表述以外的字符串构成的注释表述；确定步骤，用于确定是否存在附有包含相同锚表述的注释区域的多个对象区域；第二提取步骤，用于从对所述正文区域的所述字符识别处理的结果中，提取包含所述锚表述的说明文本；第一关联步骤，用于在所述确定步骤确定存在附有包含所述相同锚表述的注释区域的一个对象区域的情况下，将由所述第二提取步骤提取的所述说明文本获得的元数据与所述对象区域进行关联；类似度计算步骤，用于在所述确定步骤确定存在附有包含所述相同锚表述的注释区域的多个对象区域的情况下，分别计算包含所述相同锚表述的各个注释区域的注释表述、与由所述第二提取步骤提取的包含所述相同锚表述的所述说明文本之间的类似度；以及第二关联步骤，用于基于由所述类似度计算步骤计算出的所述类似度，来确定针对所述多个对象区域中的各个对象区域的最佳说明文本，并将由所确定的最佳说明文本获得的元数据与所述各个对象区域进行关联。
全文摘要
本发明提供一种图像处理装置及图像处理方法。即使当多个对象的注释使用相同锚表述时，本发明也能够将适当的正文中的说明文本作为元数据与对象关联。
文档编号G06F17/30GK102196130SQ20111005980
公开日2011年9月21日 申请日期2011年3月11日 优先权日2010年3月16日
发明者三沢玲司, 小坂亮, 相马英智, 金津知俊 申请人:佳能株式会社