[新製品・サービス]

2010年9月6日(月)IT Leaders編集部

リスト

　最大の特徴は、文書ファイルを、Windowsの汎用印刷データ形式であるEMF（Enhanced Metafile）に変換する点。これにより、印刷データを、テキスト（文字コード）、線画図形（ベクトル・フォントなど）、ビットマップ画像、の3つに分類できる。これら3つの要素を個別に扱うことで、異なる要素が重なって印刷される場合や、異なる要素間の距離が近い場合に、文字列認識の精度が高まる。

　具体的な利用ケースの例は、文書に含まれる、背景文字（透かし文字）や社外秘マーク画像、など。特に、背景文字はテキスト情報と重なっているため、印刷後イメージ全体を対象とした既存の文字列認識方式では検出が難しい。社外秘マーク画像も、画像部分が他の要素と距離が近い場合、解析のためのノイズが多くなり、既存方式では検出速度や精度が下がる。

　同社が新方式と既存方式の文字列検出率を比べた実験結果は、以下の通り。Word/PDFを対象とした背景文字（透かし文字）の検出率は、新方式の99％に対して、既存方式では検出できなかった。テキストを模したマーク画像の検出率は、PDFが新方式で95％、既存方式が93％。Excel/Word/PowerPointが新方式で99％、既存方式で89％。

　なお、同社では、同技術の詳細を、2010年9月14日から行われる「電子情報通信学会ソサイエティ大会」で発表する。