文字所具有的直观表达能力使其成为促进人类文明进步的重要信息载体之一。日常生活中随处可见的文字标识携带着与周围环境密切相关的抽象语义信息,在众多的实际应用场景中发挥着十分重要的作用。随着配备有拍摄功能的移动设备的普及和互联网技术的快速发展,为了使得机器能够模拟人类与环境进行交互,对周边捕获得到的图像内容进行理解、检索成为了亟待解决的问题,而自然场景文本的提取是其中一个重要环节。由于受到诸如复杂的环境、不同的语言、变化的光线以及图像的退化等不确定因素的影响,自然场景文本提取问题仍然面临着巨大的挑战。目前,大多数解决自然场景文本提取问题的方法均选择从单个字符的检测出发,然后基于空间或词典限制,将初始的字符检测结果聚合成单词。但自然场景中大量存在诸如弯曲文本、点阵文本、低分辨率文本以及与字符结构相似的背景等单个字符检测算法无法应对的问题,导致该类方法在实际操作过程中实现难度较高,对于变化因素较多的情况稳定性不强。本文针对自然场景文本提取任务中的难点部分进行了深入剖析,重点研究了基于文本目标独特性的区域建议方法。受到文本识别系统中传统文字提取技术转变为通用目标建议方法以及显著性对于图像分析起到关键作用的启发,本文选择基于文本目标自身特点以及全卷积网络预测得到的文本显著图相结合的区域聚合方法,对MSER产生的过分割区域进行过滤与融合,高效地生成文本区域建议的层次结构。通过在多种类别数据集上进行不同配置组合的测试以及与其他方法的对比,如复杂场景,多语言类别场景等,证明了该方法能够在背景环境较为复杂的情况下保证较高的检测召回率。针对自然场景中文本排列方向并不单一的问题,本文提出了结合文本区域建议与卷积神经网络的解决思路。以文本建议方法生成的高质量候选区域为基础,根据文本目标的几何特征设置多尺度归一化池化,并将不同卷积层提取到的特征进行融合,最后在区域类别判定和文本框坐标回归的多任务过程后,使用倾斜抑制方法过滤冗余输出,得到文本提取结果。通过多个类别的测试实验结果可以证明,该方法对与自然场景下多方向排列的文本提取问题具备一定的鲁棒性和有效性。