图像视频中的文字为描述和注释图像内容提供了十分重要的信息,也是图像视频索引与检索的重要依据。如果图像视频中的文字能够被有效地检测出来,那么许多高层次的应用就可以得到很好的实现,所以文字检测就显得尤为重要。但是由于文字所处的图像背景非常复杂,不同文字的字体、大小、颜色、间距和背景纹理等相差很大,所以它又是一个具有很大难度性和挑战性的研究课题。本文首先介绍了图像中文字区域的特点,概述了现在已有的文字检测方法和研究现状,并分析了各种方法的优缺点,然后在这些算法的基础上,本文提出了两种文字检测方法。根据文字与背景存在一定的差异,本文提出了一种将边缘和支持向量机相结合的文字检测算法。该算法主要是利用边缘信息和形态学操作得到可能的文字区域,然后对每个可能的文字区域,通过提取小波变换后的灰度共生特征,并利用支持向量机对其进行分类。实验结果表明,该算法检测速度快,效果好,且在处理过程中基本不需要人工干预调整参数,具有一定的通用性。针对稀疏表示具有良好的分类特性,本文提出了一种基于稀疏表示的文字检测方法。该方法主要是通过构造反映文字和非文字特征的过完备原子库,将信号在两个过完备原子库上分别表示成少数原子的线性组合,得到稀疏系数,再运用稀疏表示分解系数对信号进行判别分类,从而得到精确的文字区域。实验表明,该算法能够对各种复杂背景图像中的文字区域进行检测,且正确率高,具有一定的鲁棒性。与经典的支持向量机方法相比,基于稀疏表示的检测方法效果更好。最后,本文将基于边缘和支持向量机的文字检测算法和其它三种经典算法使用OpenCV图像处理库在VS2008编译器中实现,基本满足了用不同方法检测图像中文字区域的目的,具有很高的实用价值。