文字作为一种用符号记录信息的方式和工具,是文化的传承者,是人类知识的载体,它在人文交流、知识传承中扮演着重要角色,因此文本检测领域的研究是计算机研究领域当中的重要组成部分。文本检测技术拥有广阔的应用前景,其中包括场景文本检测、卡片票券的信息提取、机器人视觉中的目标检测、古籍图像中的字符检测等。当前,学术界有较多针对古籍图像的文本检测技术的相关研究,国外的研究主要针对的是古代拉丁文手稿图像,国内的研究主要有对古代汉字佛经、维吾尔文古籍、藏文古籍、蒙古文古籍等的研究。中国拥有上下五千年的悠久文化历史,五十六个民族留下了形形色色的古籍资料,但除了上述提到的外,还有很多不同民族、不同国家的古籍数字化尚未开展。古籍资料大多以纸张、树皮、甲骨等形式存在,其易损性体现着古籍图像数字化工作的重要性。而世界上现存古籍可以分为两个大类,一类是以英语、中世纪拉丁、意大利语等为代表的表音文字,还有一类是以古彝文、汉字为代表的表形文字。而现有方法大都是针对某一特定语种的古籍图像进行处理,其方法不具有可迁移性。因此,对于古籍图像进行文本检测的这一数字化研究工作的进程而言,提出一个通用的针对两类不同语言类别古籍图像数据集的文本检测方法,对于古籍图像的数字化研究和工作的开展具有重大的指导性和借鉴价值。本文对两类不同语种的古籍图像,构建了一个包含古彝文、古英文、中世纪拉丁、意大利语的两类文字古籍图像数据集,提出了基于高斯多维模型的古籍版面分析方法,并提出了一种通用的古籍图像中字本检测的方法和用于文本检测的多文本框合并算法,设计了古籍图像原型检测系统。本文的具体工作如下:（1）收集并设计了包含表音文字和表形文字两大类文字的古籍图像数据集。与贵州工程应用技术学院彝学研究院合作收集并采样了450张彝文古籍图像,并对其进行四个坐标八个数值字符级位置信息标注,共计9万余字符的古彝文数据集AYTD（Ancient Yi Text Dataset）。并在公开论文、网站收集了古英文ANDAR-TL-1K数据集以及中世纪拉丁、意大利语数据集DIVA-His DB数据集,并参照AYTD数据集的训练集与测试集格式整理出了两类古籍数据集TTHD（Two Type of Historical Datasets）。（2）提出了基于古籍图像的版面分析算法。因为古籍图像常常出现的图文混排现象,大量非文本类型的大面积图形、小面积的标点符号等干扰会严重影响文本检测精度。而本文利用高斯多维模型GMM（Gaussian Mixture Model）,对古籍图像进行版面分析,使用高斯概率密度函数对存在大量图文混排现象的古籍进行精确量化,分析图像中具有不同密度特征的图文,实现古籍中常见图文混排的图文分割。在实验环节,针对包含版面分析和非版面分析的文本检测实验测试结果表明,该方法提高了后续对单字检测的精度。（3）提出了基于卷积神经网络CNN（Convolutional Neural Network）以及最大稳定极值区域MSER（Maximally Stable Extremal Regions）的古籍单字符检测模型ATD模型（Ancient Text Detection）。基于传统手写体文本检测的二分类问题,将古籍图像文本检测任务重新定义为三元分类。针对古籍图像检测模型的非通用性,以及相关方法的迁移学习的时间成本,本文结合传统检测算法以及深度学习模型,对CNN以及MSER进行了针对性改进,使得该模型对两类古籍图像数据集中手写体字符都能进行检测。基于全卷积神经网络FCN-16（Fully Convolutional Network-16）,在FCN的骨架上进行改进,提出了包含5个卷积层和5个反卷积层以及5个横向连接的ATD网络（Ancient Text Detection Network）,使得ATD网络对于古籍图像的表层特征以及深层特征都能得到良好的学习,针对表音文字和表形文字等古籍数据集都能精确学习特征并精确确定文本的位置信息。针对存在的分离型字符的问题,使用多文本框合并算法,将CNN和MSER产生的单字符的多个候选框合并。在文本检测实验精度对比上,基于两类数据集,本文的结合类方法相较于单一FCN以及MSER等方法的检测精度更高,与主流针对单一数据集的方法（如DBnet、ABCnet等）仍具有更高的精度。