在自然场景图像中有很多的图像信息,同样也有很多的文本信息。这些文本信息对于场景中内容的理解起着十分重要的作用。自然场景图像中的文本定位具有重要的研究意义,同时也是也是很有挑战性和难度性研究内容。一般来说,图像背景比较复杂,文本处光照情况变化剧烈,文本中字体的大小不一、亮度不一、颜色多样、字体间的间距不同、对比度差异、排列方向不同和字体纹理差异等,还有拍摄导致的透视形变等因素都增加了文本定位的难度。但是,自然场景图像中的文本定位可以在很多应用场合中起作用,可以用于图像和视频的检索,也可以用于网络的搜索,也可以用于图像的标注,同时对于图像的理解也有帮助。对图像中的文本进行定位是图像文本识别中特别重要的一个环节,文本定位的结果直接决定了文本识别系统的识别结果的准确性。本文对自然场景图像中的文本定位进行了研究,提出一种基于最大稳定极值区域和笔画宽度转换的文本定位方法,达到了较好的定位效果。本文利用最大稳定极值区域(MSER)算法从图像中提取连通区域,训练AdaBoost分类器来判断所提取的连通区域对是否相邻,根据它们的邻接关系进行聚类得到文本候选区域。基于文本区域是由笔画宽度大致相当的像素组成的假设,我们对候选文本区域进行笔画宽度转换(SWT)操作,然后根据笔画宽度特征设计非文本过滤器,对得到的候选文本区域进行筛选,去除其中的非文本区域,得到文本定位的结果。本文使用ICDAR2003数据集和评价方法对本文算法进行测试和评价,并和其他的文本定位算法进行比较。根据本文的实验结果可以得出以下结论:本文所提出的文本定位方法可以对图像中的文本区域进行准确定位,同时该方法具有较大的实际应用价值。