伴随着手机等移动智能设备常见化和使用便捷化,以及信息化技术发展日新月异,拍照已经成为人们生活中必不可少的部分。最初使用传统胶片相机还存在成片洗像过程,成本颇高。到现在,从拍照到设备相册查看可能就几秒。摄影技术在人们的生活工作中越发普遍,随时随刻将看到的各种内容,如文件、表格、某个场景以照片或视频格式上传至互联网,如何使用计算机准确快速地在海量图片中提取有用的信息,已成为研究热点。目前国内外对图像中英文字符和数字的识别做过大量研究,并取得一些成果,对图像中中文文字的识别研究还比较少,与汉字的数量庞大、笔画多、字体种类多、结构复杂有一定原因。本文所研究的中文文字在复杂图像中识别,就是为了在这些纷繁多杂的场景的图像中识别出其中的中文文本信息,为人们的工作和生活提供便利。对于许多较为简单的背景文本图像,使用现有的文本识别软件即可轻松识别,但除简单的文本图像以外,文字信息往往隐藏在具有复杂环境因素的待检测图像中,这令众多研究人员望而却步。国内外研究人员对图像中文本信息识别做了大量研究,现有使用较为广泛的OCR软件则是最成熟的成果。本文根据前人对该领域的研究现状,提出分别了基于最大极值区域算法(MSER)的图像中文文字检测算法与基于尺度空间算法(SURF)的图像中文文字检测算法。图像文本检测时,首先对待检测图像的背景复杂度进行计算,如果图像复杂度较低,则直接采用已有的文本识别软件配合字符串匹配算法即可较准确地识别待检测图像中的文本信息;如果待检测图像背景较为复杂,在经过一次降噪后仍存在干扰因素影响结果时,即待图像背景复杂程度较高,则采用图像处理领域的文字分割技术与图像匹配算法相结合的方式进行识别,图像匹配算法主要采用尺度空间算法(SURF),对SUFR特征点进行匹配。该算法针对不同的图像场景均有较高的识别率,能准确识别包含文字的目标图像与不包含文字的目标图像,具有一定的应用价值。