「やさしくPDF OCR」の体験版を使ってみました。
新聞のレイアウトや文字自体の認識率は高かったけど，大きさが違う図が複数あって
図の中に文字が含まれていたりすると（例えばグラフなんかの場合）
文字領域と勘違いして？とんでもないレイアウトになりました。
手動で図を囲っても何故か複数の認識枠ができてしまって，削除，修正が一苦労。
文書領域全体を手動で大きく枠指定した後で，その上に重ねて図表枠を指定できたり
不要な図表部分だけを認識除外するような機能はないんですね。