伴随着大量移动设备涌现,利用移动设备拍摄的自然场景图像数量成爆炸式增长。自然场景图像中的文本定位是进行自然场景图像内容分析的必要步骤。文本定位在自动驾驶系统、图书检索分类系统、即时文本识别系统、导盲导航系统等都有巨大的应用前景。对比于文档中文本识别,自然场景中文本定位因其复杂的环境信息、灵活多样的获取图像风格和文本内容的多样性而定位效果较差。因此自然场景中的文本定位、识别越来越成为图像处理、模式识别领域的研究热点。本文重点研究自然场景中文本定位的方法。本文详细地叙述了文本定位的现行方法中所采取的特征,包括颜色特征、点和区域的特征、边缘特征、纹理特征、笔划宽度变换特征和混合特征。同时概述了文本定位中所采取模式识别算法。然后,阐述了最大稳定极值区域(MSER)的仿射不变性、稳定性、运算时间复杂度较低的特点。在应用方面,文本定位区域是基于MSER提取区域的。通过比较现行的边缘检测子(Canny、Sobel、Laplacian、Robert和Prewitt),根据实验效果选出效果最好的Canny算子作为边缘增强的方法,经过边缘增强的MSER区域能分割因模糊而相连的字符像素和分离字符连通区域中的孔洞,提高了提取文本候选区域的准确率。然后,经过基于距离变换的改进笔划宽度变换和几何约束,进行对文本候选区域的筛选,定位出文本区域,并在实际项目中应用。另一个应用是MSER区域结合卷积神经网络的文本区域分类过程。通过自行设计的预处理MSER区域作为卷积神经网络的输入,结合现行字符识别效果最好的卷积神经网络结构,从实验的分类结果来看,这个方法克服了大量使用滑动窗口所带来复杂的运算量,同时在文本区域分类正确性上达到了良好的效果,从而证明了MESR区域在结合卷积神经网络的研究方向上的潜力。