自然场景下的文本定位与提取是当前热门且有实际应用意义的课题。随着高性能、低价格的便携数码产品的普及,场景文本的提取和识别正在快速发展。本文在对现有方法进行分析研究以后,结合自然场景中文本的特征,提出了新的解决方案。本文采用改进的Niblack阈值分割法和8邻接的连通域标记法提取场景图像中的连通分量,然后通过先验知识对连通分量进行限制,剔除比较明显的非文本连通分量,再通过机器学习方法之一——支持向量机(Support Vector Machine, SVM)法对中间结果进行验证,剔除先验知识没有排除掉的非文本连通分量,最终得到文本连通分量。实验结果表明本文所用的方法准确有效。为了更有利于识别,本文还对文本块进行二值化和倾斜校正处理。本文将基于Fisher准则的二值化方法应用在文本块的二值化上,利用Fisher准则函数自动选择最佳色彩特征,然后用Otsu法进行分割,分割效果良好,非常适合背景不太复杂的彩色文本块的分割。在对倾斜的文本行进行倾斜校正时,本文提出了一种用一组等距平行线探测倾斜角的方法,再根据倾斜角进行校正。