近年来,随着移动设备的迅速普及和无线网络的广泛覆盖,图片和视频取代文本成为人们分享生活的主要方式,由此产生了数量庞大的图像数据。在自然场景图像中,文本常常蕴含丰富的语义信息,为人们理解场景提供了重要依据。最近涌现了一批行之有效的场景文本识别模型,但是由于自然场景中存在大量的不规则文本,目前已有的大部分模型都不能有效处理。不规则场景文本指的是由于拍摄角度或者文本自身排布而导致在图像中呈现出倾斜、弯曲、透视等外观的文本。本文在对现有的不规则场景文本识别方法进行分析的基础上,分别从两个不同的角度出发,探究不规则场景文本识别问题并提出了相应的解决办法。本文首先提出了一种基于局部矫正的不规则场景文本识别模型。已有文本矫正模型大多采用表达能力很强的形变函数（如薄板样条变换）对文本图像做全局矫正,容易造成字符扭曲变形从而干扰后续识别。本文借鉴空间分治的思想,将文本图像进行切分,利用多个简单的局部矫正函数去近似复杂的目标形变函数。本文首先预测文本行的上下控制点,然后用两条贝塞尔曲线分别去拟合文本行的上下边界,接着在贝塞尔曲线上均匀采样得到更为密集的控制点,相邻的两对控制点在图像中围出一个四边形区域。接着,本文利用投影变换函数,将这些四边形文本块拉伸成固定大小的矩形文本块,再将这些矩形文本块按照原来的顺序依次拼接在一起得到矫正后的文本图像。最后,本文将这些矫正后的文本图像送入识别网络进行识别。另一方面,本文提出了一种基于空间注意力机制的不规则场景文本识别方法。与现有方法不同,本文提出的注意力模型显式地预测并利用了文本的参数化形状线索来对齐字符特征,以模拟人类阅读的过程。在得到文本的形状信息后,人类紧接着会估计每个字符的位置并识别该字符,然后将目光移动下一个字符。首先利用多项式参数曲线建模文本行中心线,然后预测每个字符中心对应的多项式曲线变量值,接着利用二维高斯函数生成字符的注意力权重图。本文提出的这种基于视觉信息计算注意力权重的方式,可以有效地对注意力权重分布进行约束,进而能够更好地提取字符特征送入后续的序列到序列的识别模块中。本文在多个公开场景文本数据集上,对所提出的方法的有效性进行实验验证。实验结果表明,与现有方法相比,本文提出的基于局部矫正和基于空间注意力机制的不规则场景文本识别方法取得了较好的结果,从而验证了本文方法的有效性。