图像中的文本蕴含着丰富的信息,提取这些信息对图像所处场景的理解具有重要意义。近些年来,场景图像中的文本提取有效地促进了基于内容的图像和视频检索、网络安全、视觉辅助系统等领域的发展。本文对现有的图像文本检测识别方法进行了分析研究,并结合图像中文本的特征,提出了一种图像中文本检测与文本识别的方案。文本检测部分本文采用如下的方案:首先提取图像Canny边缘,对边缘图像进行形态学处理,并进行连通域区域分析,得到文本的候选区;在此基础上利用文本固有的形状特性得到较为精确的文本候选区;提取候选区域的HOG和LBP的联合特征训练分类器区分文本与非文本区域,进一步定位图像文本。实验结果表明:该算法能够较为准确地定位图像文本区域。本文使用卷积神经网络(CNN)和SVM两种方法训练文本分类器,实验结果表明:CNN分类器的分类准确率比SVM的分类准确率高5～6%。在文本识别方面,采用基于深度学习网络的直接识别整个单词图像的方法。单词识别是通过一个88172类的分类模型实现的,该模型中的每一类都是一个常用的英文单词。实验结果表明:该方法能够有效地克服背景模糊、光照不均等状况,较准确地识别图像中的文本。