低品質新聞画像における多手法による適応的なOCR認識精度向上に関する研究

摘要

電子図書館など図書館文書の電子化は様々な場所で行われている. 本学図書館でも懸案となっているが, 古い新聞記事などの低品質な文書の電子化は自動化が困難な問題として残されている. 古い新聞記事はどは経年劣化などにより汚れやシミが存在する. 文書は,1 次データとしてスキャナーなどによる画像データとして保存される.新聞を対象とした場合, フォントサイズに対して画像データの解像度が十分でなく, 低解像度画像をなる傾向がある. さらに検束を可能とするために画像データから文字を読み取りテキストデータ化を図る. 画像データからテキストデータを取り出すにはOCR を用いるが低解像度性および画像上の汚れやシミが障害となる. また新聞書体である明朝体の極めて細い横線が認識率の低下を招く.そこで本研究では, 新聞画像データのイズの軽減や明朝体に特有の横線の細さを補う処理によって認識率を向上させることを目指しす. さらに,OCR の識別距離値を用いて複数の補正手法を適用的に選択する方法を導入することによって認識率を向上させる方式を提案し, 図書館に所蔵されている古い新聞画像のデータを用いた認識実験を実施し方式の性能を検証する.