目次情報を用いた書籍の文書画像構造解析

概要

論文の詳細を見る
これまで,文字認識などのメディア変換や文書画像のレイアウト解析を中心に多くの文書画像処理技術の検討が行われてきた.一方,図書館の蔵書をハイパーテキスト化する場合,文書画像のレイアウト解析だけではなく,文書の論理構造分析にも注目すべきである.書籍の場合,目次は書籍の文書論理構造を最も忠実かつ簡潔に表しているものであり,この論理構造をベースに書籍の本文を分析した方が効率的であると考えられる.本論文は,目次情報を利用して文書画像を電子的な文書へ変換する新しい文書構造解析手法を提案する.これまで行われてきた手法は,事前に細部にわたり定義されたレイアウトモデルもしくはキーワードとのマッチングにより文書構造理解を行うものであった.これらの手法で問題となっているのは識別率の高いモデル作成法およびモデル構築の負担である.そこで本論文ではこれらの問題を解決するため,書籍それぞれの文書構造を簡潔かつ的確に表現している目次情報からモデルを作成し,これと文書画像とのマッチング処理により構造化処理を行う.これによりモデル作成の負担を軽減でき,かつ個々に付属した目次情報を利用するため汎用性も向上させることができる・実験の結果,書籍の論理構造である章節構造99%,見出しセッション94%,ヘッダ・フッタ・ページ番号構造100%など,高い識別率を得ることができた.最後に,本方式に基づいて,解析した文書画像をHTMLに変換する事例も紹介する.
社団法人情報処理学会の論文
2002-10-15

目次情報を用いた書籍の文書画像構造解析

スポンサーリンク

概要

著者

関連論文

スポンサーリンク