文字是人类互相交流信息的重要工具。随着信息时代的到来,人们越来越关注和使用互联网上的信息,而大量的信息都是以多媒体信息的方式被数字化,这些多媒体信息大多以文本、图片、音频和视频等形式组成。人们在搜索信息时,一般都是通过关键词进行搜索的,但是在很多多媒体信息里(例如图片、视频),它本身就包含了描述自身的关键词,从而,提取图像中的文字越来越受到人们的重视。本文首先对文字提取中的几种代表性方法进行了深入的研究,其中包括经典方法中的阈值分割、人工智能方法中的蚁群算法和数学模型的主动轮廓方法(Snake方法),并总结出这些方法都依赖于文字本身所具有的特征,了解到文字提取问题其实是一类分割问题。针对这些方法在文字提取中的不足,本文讨论PDE图像分解模型的算法实现及其应用。PDE模型用于图像文字提取的主要思想是：通过模型的计算将图像分解为几何结构图像和纹理特征图像,其中文字部分视为图像的几何结构,其余背景视为纹理特征。本文的主要工作如下：首先,从经典方法、人工智能方法、数学模型的角度分析了阈值分割、蚁群算法、主动轮廓方法(Snake方法),对比这几种方法的优异之处。其次,分析了几种基于PDE的TV模型,图像分解是将图像的几个部分根据每个部分的不同特征来进行分解,TV模型使图像分解步入了新的领域。不同的TV模型是定义在不同的空间,因此它们对图像分解得到的效果不同。最后,针对阈值分割、蚁群算法、Snake方法不足,提出了运用ROF模型和TV-Gabor模型利用图像分解的原理将文字从图像中分解出来。分析了两个模型的原理、计算和参数的选择。