图片和视频中的叠加文字是帮助理解图片和视频内容高层语义的重要线索,有效地提取这些文字对图像理解以及基于内容的多媒体信息检索系统来说是一项重要的技术。目前商业的OCR技术对于二值图像中文字的提取识别已经趋于成熟,但对于图片和视频中的叠加文字,由于图像背景复杂,有效的文字提取具有很大的挑战性,这限制了OCR技术的成功应用。针对图像背景复杂、分辨率低,文字形态变化多端等问题,本文提出一种基于拆分-合并的鲁棒文字分割算法,在文字检测的基础上,利用文字的颜色和尺度信息,对检测到的文字块进行准确和高效的分割,最大限度地去除图片中的背景,为OCR系统提供完整清晰的二值图像输入。为了有效地剔除叠加文字的背景,研究人员做过很多尝试,提出的算法大多比较复杂,以致检测和分割的处理速度较慢,准确性与实用要求也有一定的距离。本文提出了一种基于时间自适应变化模型的视频文字提取算法,使得在引入简单的人工交互行为后,文字提取系统的性能和速度得到显著提高,这在一些对完全自动化要求不高,但是对准确性和处理速度要求较高的系统中将是一项很为实用的技术。此外,作为图像和视频文字提取技术应用的一个尝试,本文还将文字检测技术和图像恢复技术相结合,开发一个较为实用的视频字幕自动擦除系统,通过文字背景的空域恢复和时域恢复实现了图片文字的自动擦除。