文本检测是许多文本识别应用的必要前提,随着手机等应用设备的日益普及,图像成了人们记录生活的重要载体,特别是自然场景图像。虽然OCR文字识别技术已经相当成熟,但是对于图像中文本的检测,它所面向的图像一般是文档图像,文本背景单一且文字和背景能够很容易地进行区分;而自然场景图像中文本形状不一,背景复杂且其中包含一些与文本相似的内容,因此自然场景图像的文本检测具有较大的难度。基于最大稳定极值区域(MSER)的检测方法是目前研究的热点,本文对该类方法进行了分析与研究,提出了新的分类特征,并将深度学习的思想应用到文本检测中,有效地提高了自然场景图像的文本检测效率。主要研究成果如下:首先,提出了一种引入矩和纹理特征的场景文本检测算法,通过在分类器中引入新的特征,更好地描述了文本的几何特征和纹理特征,提高了分类器的分类准确率。算法在候选字母剪枝阶段通过一个引入Hu矩特征的字母分类器来删除非字母候选,在保留字母的同时有效地减少了非字母候选的数量:文本分类阶段,算法在文本分类器中引入了共生纹理来描述文本的纹理特征,有效地提高了文本检测的召回率。为了进一步提高文本检测结果的准确率,在前述基于矩和纹理特征的算法基础上,提出了一种基于深度学习的场景文本检测算法。算法利用深度学习具有高分类准确率的特点,在文本分类阶段通过一个深度置信网络来对候选文本进行分类,有效地提高了文本检测的准确率。为了提高深度置信网络训练图像的质量,算法采用中值滤波算法对训练图像进行去噪处理,减少了图像噪声的干扰。与同类的基于最大稳定极值区域方法以及其他自然场景图像文本检测算法的比较结果表明,本文算法在准确率和召回率上都取得较好的结果,在f-measure值上相比其他算法有较大的提高,是一种有效的自然场景文本检测算法。