近年来,计算机视觉领域的发展日新月异。其中光学字符识别(optical character recognition,OCR)作为计算机视觉的一个重要分分支,旨在从图像中准确识别出所包含文字。而在现实生活和办公中,扫描文档图像作为文字的一种重要载体,准确对其进行OCR识别能够大大减少人力成本。但是获取文档图像的过程中,有很多因素将导致最终的文档图像处在错误的方向。例如扫描前没有将文档放在正确的方向,或者所获取的图像方向信息丢失。而这将影响OCR识别效果和后续图像处理工作。针对文档图像可能处在的四个方向,本文提出了基于字符的文档图像方向矫正算法。该算法从文档图像所包含的字符出发,通过分析字符方向以确定文档方向。本研究的主要工作如下:1.提出的基于字符的文档图像方向矫正方法,首先利用文本行检测和字符分割方法以确定字符位置,然后对文档内的字符进行方向分类以确定文档方向。最终在CASIA-HWDB2.1文档图像测试集上测试,准确率达到97.0%。2.提出了基于全卷积网络(fully convolutional network.FCN)的字符分割方法,可以端到端的判断文本行图像每一列是否为分割线,较传统图像处理手工设计的特征而言,能够更好的分割粘连字符。3.提出了基于残差神经网络(residual neural network.ResNet)字符图像四方向(同文档图像四方向)分类方法,在CASIA-HWDB1.1字符图像测试集上的准确率达到98.4%。本文提出的基于字符的文档图像方向矫正算法,准确率高具有实用性,且无需人工设计特征、因此能适应各种类型文档。