作为传递信息的重要载体,文本图像在人们的生产生活中扮演着越来越重要的角色。本文以文本图像为主要研究对象,对图文识别算法及其下游应用算法进行了深入研究。首先,本文研究了低资源语言的图文识别问题。低资源语言是指数据资源相对匮乏的语言。在多语言的图文识别领域,现有研究已经在图文数据资源较多的语言上实现了令人满意的识别性能。对于低资源语言,现有的方法并没有获得良好的图文识别效果,不能满足实际的应用需求。因此,如何解决图文数据资源匮乏的问题,提高低资源语言的识别准确率是一项重要挑战。其次,随着跨国贸易和跨国旅游的日益发展,现实场景中多语言共存的情况越来越常见。许多相关应用只有在文本图像的语言类别已知的情况下才能正常地发挥作用。然而,现有的研究忽略了对共享同一字符表的不同语言的场景文本图像进行区分。为了解决现有研究存在的不足,本文研究了自然场景文本图像的细粒度语言判别问题。最后,文本图像检索是图文识别算法的一个重要应用。现有的大部分场景文本检索研究以图像中包含的文字内容为线索完成检索任务。很多情况下这种单一的线索不能很好地满足人们对检索的实际需求。在这样的背景下,本文研究了场景文本图像的细粒度检索问题,综合考虑文本图像中的视觉目标和文字内容来完成图像检索。本文的主要贡献和创新点如下:1.以印地语为低资源语言的代表,研究了自然场景文本识别问题。一方面,本文根据印地语的特点设计了印地语文本图像合成引擎,合成了大量图文数据用于支撑模型的训练。另一方面,本文设计了印地语文本识别网络。实验结果表明,本文的方法在印地语图文识别任务中的识别准确率超越了已有研究中的最先进方法。2.研究了自然场景文本图像的细粒度语言判别,解决了已有研究无法区分共享同一字符表的不同语言的文本图像的问题。不同于已有研究中的方法,本文提出的语言判别网络构建了图像中文本的语义表征,并基于语义特征预测文本图像的语言类别。语义特征为判别网络利用语言知识提供了载体。实验结果表明,本文方法的性能显著优于已有研究中最先进方法的性能。3.研究了以自然语言描述的查询语句检索文本图像,所提出的方法以细粒度的方式考虑了用户检索文本图像时对于图像中文字内容和视觉目标的不同要求。给定一个自然语言描述的查询语句,本文的方法从图像中文字内容的角度和视觉目标的角度分别构建候选图像与查询语句的匹配特征,综合利用两种角度的匹配特征计算匹配度得分。实验结果表明,本文的方法有效应对了不同检索意图混在的挑战。