图像中的文字信息对于我们的日常生活具有非常重要的价值,为我们或者计算机理解生活场景提供了重要的线索。在实际应用中有许多需要使用复杂场景图像中文字信息的场合,例如智能交通辅助、出国旅游语言翻译等。借助于计算机技术来智能的对这些场景图像中的文字信息进行检测识别已经成为当前很热门的研究领域。由于场景图像的复杂性,检测识别其中的文字信息一般需要经过三个步骤:首先定位图像中的文本,然后将文本与背景分离,最后进行识别。本文主要对其中的定位算法进行了研究,对后续的文本分割以及识别中的关键算法也分别进行了实现。在对现有的文本定位方法综合研究分析之后,本文提出了一种基于多特征融合和SVM分类器相结合的两层定位算法来进行定位。首先通过改进的Niblack二值化算法对场景图像进行预处理,再结合形态学运算以及先验条件对图像区域进行粗分类,得到候选的文本区域。实验结果表明,本文算法在保留所有文本区域的前提下,有效地去除了大量的非文本区域,为后续的文本分割与识别打好了基础。通过对场景中的文本特征进行综合分析之后,采用了分层方向梯度直方图PHOG特征以及局部纹理LBP特征相结合,再辅以图像经过小波变换之后,提取的四种整体纹理特征,来对文本字符的特征进行描述。结合SVM分类器模型,在粗分类后的候选文本区域的基础上,进行再一次的细定位。实验表明本文选取的组合特征效果以及定位的准确率较好。在通过定位得到文本区域的基础上,本文还研究了现有的图像文本分割算法以及光学字符识别OCR软件的识别原理。文本分割预处理时,对定位的区域采用亚像素技术,之后再结合OSTU阈值分割法进行分割,实验表明分割效果较好。针对文本的倾斜矫正处理,提出了一种划定文本行,结合最小二乘法直线拟合方式的矫正方法。