文字是促进人类文明发展的一个重要信息载体,它拥有高度的抽象性和直观的表达能力,因此自然场景文字检测在智能交通、移动导盲、图像检索等领域有着重要的应用。区别于印刷体文档中的文字,自然场景文字通常嵌在复杂的背景当中。文字的字体、颜色、排列,以及光照变化、噪声干扰等因素使得自然场景文字检测成为了计算机视觉领域中的一个极具挑战性的研究课题。基于该技术的研究现状与广阔的应用前景,本文对自然场景文字检测方法展开子研究。概括起来,本文的研究成果主要包括：首先,针对交通监控图像中车牌这种特殊的自然场景文字区域检测问题,提出了一种基于梯度信息与级联检测的车牌检测方法。该方法通过获得车牌的梯度图像来解决不同类型的车牌文字与背景之间的对比度不一致的问题。为了有效、快速地实现车牌检测,本文设计了级联检测框架。在该框架中首先采用级联分类器并结合简单的矩形特征快速地剔除大量的背景区域,然后设计基于启发式判断规则和纹理特征的分类方法对所获得的车牌检测结果进行有效地验证。在交通监控图像库上的实验结果表明了本方法的有效性。其次,为了有效地检测交通监控视频中的车牌,设计了一种基于级联检测方法与跟踪策略的车牌检测框架。该方法利用视频序列中相邻帧之间的时空信息,通过引入目标跟踪机制来改善车牌检测器在处理低分辨率车牌目标时所导致的漏检现象。此外,将每一帧的车牌检测器的检测结果和跟踪模块的跟踪结果进行比较,从而获得新出现的车牌信息,以及选择置信度高的检测结果来改善跟踪算法长时间跟踪处理后可能出现的目标漂移现象。在交通监控视频库上的实验结果验证了本方法的优越性。再次,为了有效地检测一般性自然场景文字,提出了一种基于连通组件与纹理特征的文字检测框架。在该框架中,为了改善笔画宽度变换的结果,设计了一种多级边缘检测方法以提高边缘提取的准确度；为了重新检索已丢失的文字区域,本文利用文字上下文信息设计了判断规则,结合由已检测到的文字所建立的“关键区域”,将符合条件的已丢失的文字候选区域视为文字区域；此外,为了应对文字候选区域因粘连而导致的长宽比不一致的问题,设计了分层区域验证策略。在ICDAR2005、ICDAR2011数据库上的实验结果验证了本方法的有效性。然后,考虑到自然场景文字检测受多方面因素的影响,若孤立地对每一个自然场景文字进行判断,则容易得到错误的分类结果。基于上述分析,设计了一种置信度映射模型以提高自然场景文字检测的鲁棒性。该方法利用了文字上下文信息,结合文字候选区域自身的文字相似度值以及其相邻文字候选区域对它产生的影响,通过设计置信度映射模型以增强文字候选区域的分类鲁棒性。在ICDAR2005、 ICDAR2011以及ICDAR2013数据库上的实验结果表明了本方法取得了满意的检测效果。最后,为了对文字行候选区域进行有效地验证,提出了一种基于描述性中层块的文字行区域描述方法。该方法将文字行中的每一个文字候选区域视为描述性中层块,通过挖掘文字行区域的局部描述信息和整体描述信息以实现对文字行区域的验证。在进行组件级评价时,本文设计了文字候选区域自举识别模型;在进行区域级评价时,本文设计了分层识别策略以改善文字行候选区域因尺度归一化处理所可能导致的纹理特征严重失真的问题。在ICDAR2005、 ICDAR2011以及ICDAR2013数据库上的实验结果验证了本方法能有效地分类文字行候选区域,并取得了具有竞争力的文字检测结果。除此之外,本文对所做的工作进行了总结,并且结合本文工作的不足之处,介绍了本文后续的研究内容。