自然场景图像中的文本含有大量语义信息,是对图像场景的重要补充。随着智能手机、平板电脑和数码相机的普及,人们越来越容易获取高质量的场景图像。从自然场景图像中提取文本信息不仅有助于人们更深层次地理解场景,而且在检索、查询以及视觉辅助系统中有重要用途。准确提取自然场景中的文本信息的前提是精确定位文本区域,自然场景文本定位面临着图像背景复杂、字体多样以及遮挡、模糊等难题,是一个极具挑战性的研究课题。本文对自然场景文本定位的相关技术进行探索,提出了一种新的基于最大稳定极值区域的自然场景文本定位算法框架。本文的主要贡献如下:(1)针对MSER检测器检测文本候选区域的重复检测问题,提出了一种基于区域变化率的MSER重复嵌套区域删除规则。首先对图像进行预处理,从各个颜色通道中提取出MSER,然后根据区域的变化率以及包含关系,删除重复检测的区域。(2)针对低分辨率或者有阴影的图像,相邻字符之间存在边缘粘连的问题,本文用边缘增强的MSER作为字符候选区域,并且在此基础上设计了一种由粗到细的字符候选区域验证规则。首先利用区域的形状特征设计了验证候选字符区域的启发式规则,然后结合区域的笔画宽度变换和支持向量机实现字符区域的确认。(3)设计了一种基于字符区域特征相似性的文本行建立方法,将从多个通道中提取出的字符区域合并为能够表达完整语义信息的文本行。为了验证提出算法的性能,分别在ICDAR 2003、ICDAR 2013和SVT三个公开数据库进行了仿真实验,得到了良好的实验效果。