图像文字检测与识别在计算机视觉领域有着广泛的应用。文字图像大致可以分为两种:文档图像和场景图像。与文档图像相比,场景图像文字的多样性和背景的复杂性给文字检测带来诸多困难。文字检测是文字识别的前端,本文对场景图像中的典型文字检测算法进行研究,分析了这些算法的优缺点,并在此基础上改进了 MSER算法和FASText文本检测器。主要研究内容包括以下三个方面:1.经典文字检测算法的研究。本文总结了21种主流算法在公开数据集ICDAR上的文字检测效果,数据显示现有文字检测算法依然存在低召回率的问题,召回率最高仅达83%。对候选文本区域提取和文本/非文本分类两大核心步骤中典型算法的优缺点及存在的问题进行了分析。2.基于Harris角点的MSER的文字检测方法。针对传统的MSER算法检测到的区域数量过多的问题,提出遍历所有角点提取候选区域的方法。首先为了尽可能全面地检测到角点,对Harris角点检测算法进行改进,从R、G、B三个颜色通道分别检测角点,对所有角点取并集,并使用最近邻插值构建了金字塔结构的多尺度空间。然后根据MSER算法原理,对每个检测到的Harris角点生成区域。实验结果表明,改进的算法在保证不漏检文字区域的前提下,有效减少了候选区域的数量。3.FASText文字检测器的改进。针对文字重复检测和非文字区域误检的问题,首先根据FASText关键点的分布特征和颜色属性滤除伪关键点,然后使用扫描线种子填充算法提取候选区域,并通过非最大值抑制减少文本重复检测,最后设计双阈值分类器进行文字/非文字分类。实验结果表明,改进的FASText文字检测器文字检测的准确率为91.3%、召回率为72.5%、F-指数为81.2%,与原算法相比,均有所提升。