嵌入在图像中的字符是传递信息的一种重要表现形式,它常常会提供关于图像内容的重要信息.如何提取和理解图像中隐含的字符信息是智能化视觉信息处理的主要研究内容之一.按照字符所处的环境,可以分为结构化和非结构化环境.与结构化环境相比,非结构化环境是一种没有明确结构、不规则的环境,提取处于这种环境中的字符是极具挑战性的一项研究工作.该文研究了非结构化环境中的字符提取方法,将字符提取转化为两类分类器的设计问题,首先给出了一种用于特征提取的基于三次B样条曲线的主动轮廓模型,然后针对三种典型的非结构化环境,对如何得到这种环境中的字符图像与非字符图像的特征及如何将这两类分开,从而将字符成功提取出来进行了深入研究,并有针对性地给出了三种提取字符的方法.该文的主要研究内容及学术贡献为:1、深入研究了主动轮廓模型及三次B样条曲线的特性.结合三次B样条曲线连续性及局部可控性的特点,该文提出了一种基于三次B样条曲线的主动轮廓模型.2、该文构造了一个提取啤酒瓶表面凸性字符的系统.首先对如何从啤酒瓶上采集到含有字符的图像进行了研究,提出了一个以线阵CCD摄像头为前端图像采集设备对啤酒瓶连续采样的图像采集系统,它将啤酒瓶通过传送带运送到工作台,酒瓶在工作台上旋转一圈,摄像头将字符图像采集下来,传回计算机,然后对得到的图像进行中值滤波,将图像中的干扰点尽量去除;最后再采用一种改进的主动轮廓模型提取字符.3、该文在深入研究统计学习理论和支持向量机的基础上,提出了一种基于支持向量机和彩色空间变换的字符提取方法.4、该文在深入分析了处于复杂背景中的字符特点的基础上,提出了一种通用的从车辆图像中提取牌照字符的方法.