近年来,微博网络的兴起与发展对科研领域带来了许多新的研究内容,并推动了自然语言处理、复杂网络社区发现等多个领域的研究。将多媒体中的内容提取并作为相关研究的样本,对以微博为研究对象的科研工作将具有良好的帮助作用。同时,对图片中的文字进行提取和识别也将极大地方便计算机自动化处理,在商业运用上也具有广阔的前景。图像文字识别主要作为模式识别中的一个重要分支,经历多年的发展后技术已经非常成熟,研究领域也逐渐扩展到自然场景文本识别、手写字符文本识别等方面,并获得了良好的应用。在文字识别的理论基础上,本论文主要工作为对文字识别中的文本定位和特征提取工作进行了研究和改进。并将图像文字识别技术应用到微博内容研究中,将提取和识别的文字保存,可以提供给其他研究领域进行进一步分析处理。本文在文本定位过程中结合图像的纹理和边缘特征,提出使用多尺度Gabor滤波器组对原图像进行变换处理,结合文本区域的先验知识对变换结果中的非文本对象进行过滤处理。边缘提取步骤中,使用Sobel算法对图像进行处理。将所获得的特征图像和边缘图像进行融合,并采用图像形态学的方法对融合结果作进一步的细节处理,从而获得文本区域。该方法提高了文本定位过程的准确性,在实际应用过程中的参数设置对经验值的依赖程度较小,具有较强的适应性。在单字符的特征提取中,采用了多尺度的Gabor滤波器组提取图像特征,形成一组包含多尺度多方向纹理特征的向量,最后使用SVM对所形成的纹理特征进行分类。最后,将上述方法应用到微博网络中,建立一个微博图像的采集和文字内容识别系统,完成微博图像的采集和逐步识别的功能,对提出的定位方法进行了验证。论文的工作得到了国家自然科学基金(No.61172072,61271308)、北京市自然科学基金(No.4112045)、高等教育博士点基金(No.W11C100030)、北京科技计划(No.Z121100000312024)和北京市教育委员会学科建设与研究生建设项目等课题的支持。