[其他]圖象了解系統

無效

• 申請號: 85106850
• 申請日: 1985-09-11
• 公開（公告）號: CN85106850A
• 公開（公告）日: 1987-08-05
• 發明（設計）人: 中野康明;藤澤浩道;東野純一;江尼正員
• 申請（專利權）人: 株式會社日立制作所
• 主分類號: G06K9/36
• 分類號: G06K9/36
• 代理公司: 中國國際貿易促進委員會專利代理部
• 代理人: 余剛

一般地說，本發明涉及一種文件圖象處理系統，更具體地說，是涉及了一種適于作電子文件圖象存儲器的輸入單元的文件圖象處理系統。

通常的一些電子文件存儲器只是把文件的每一頁作為一個圖象來存儲，而用于信息檢索的輔助信息必須用代碼輸入裝置（比如鍵盤）從外部單獨地輸入。然而，為了使文件輸入工作自動化，最好通過自動地讀出文件中所描述的題目，作者名字等來生成輔助信息。為了進一步改進信息檢索，需要實現圖表標題和章節標題的自動輸入，或者通過正文本身的識別自動抽取關鍵詞。同時要求把目標文件之圖象劃分成各部分，比如標題、作者、摘要、正文、數字、插圖等，以減少存儲空間并增加檢索的自由度。

為了解決上述問題，目前已研究出了一個能夠了解文件內容并根據了解的結果處理文件的系統，由尤杰·諾古奇（Yoji????Noguchi）和朱尼奇·托亞特（Junichi????Toyoter）在“報刊文章剪輯系統的基本研究”中所公開的就是這種系統的一例（日本信息處理協會第23次全國大會文件摘需6C-1）。然而，由于這個文件了解系統是針對報紙的剪輯而研制的，所以還不清楚是否可以把它應用到具有任意格式的文件中。另外，它只是把字符部分分割，而分割和識別相結合的方法卻沒有公開。

本發明的目的是提供一種圖象了解系統，它可處理普遍的文件圖象，根據它們的結構把它們分割，使之可能在任何需要的時候識別字符部分。

為了完成上述目的，本發明運用了一種描述文件圖象之結構的語法和對以這種語法表示的語句（文件的結構）進行分析，以識別輸入未知的圖象的結構。該語法把圖象描述為一些子結構及其它們之間的相對關系。在分析過程中，識別了子結構和它們的相對關系以后，做搜索，看未知的輸入圖象中是否存在這些子結構和相對關系，如果存在，再進一步分解這些子結構的內部，以進行分析;如果不存在，則搜索其它的可能性。從這樣一種搜索的結果中我們可以了解輸入未知圖象的結構。

下面是附圖的簡要描述

圖1表示文件的一例;

圖2表示本發明的一個實施方案;

圖3、4、5和6是流程圖，用于說明圖2中所示控制單元的處理過程;

圖7是表示一個文件例子的參考圖;

圖8、9、10、11、12和13是用于解釋本發明的第四實施方案工作原理的解釋圖;

圖14和圖15是流程圖，用于解釋本發明的第四實施方案中控制單元102所進行的處理;

圖16和圖17是解釋圖，用于解釋圖15中所示的處理內容。

在描述這些實施方案以前，讓我們首先解釋一下本發明實施方案的語法分析方法。雖然下面是以技術論文為例來描述，但因為語法格式有一定程度的不同，所以通過改變語法的某些部分，也可以將本發明應用到其它文件中去。因此，本發明不受技術論文的具體限制。

圖1示例了一頁具有預定格式的技術論文，下面將說明一個表示文件結構的語法例子（以后稱為“文件語法”）。

（原文行）

1.<文件>??????∷＝｜<技術論文>｜<平裝本小

說>｜～｜<專利>

2.<技術論文>????∷＝<題目頁>

3.<技術論文>????∷＝<技術論文>〔+<接續頁>：〕

4.<題目頁>????∷＝｜<UDC>η<題目內容>η

<作者摘要>η<正文>η<題目頁

分隔符>

5.<接續頁>????∷＝<標題>η<正文>η<頁分隔

符>

6.<UDC> ∷＝《UDC》<周期數字>〔

《CL》<周期數字>〕

7.<標題> ∷＝<日文題目><卷數><數

字>

8.<卷數> ∷＝《VOL》<數字>《NO》

<數字>

9.<題目內容>????∷＝<日文題目>η<英文題目>

10.<日文題目>????∷＝<日文正文行區>

11.<英文題目>????∷＝<英文正文行區>

12.<作者摘要> ∷＝<摘要><作者組>