文字识别具有广泛的应用场景,如反作弊、街景标注、车牌定位、视频字幕识别等。为了识别图像中的文本,需要定位出文字区域。通常图像对比度越高,文字定位越容易,但低对比度的文字图像由于对比度低,以及存在文字大小、字符类型、颜色各异等情况,导致文字区域定位难。本文针对低对比度图像研究基于AdaBoost分类器和区域相似性的文字自动定位算法,实现对文字大小、中英文、颜色多样的低对比度图像自动定位与识别的目标,并利用自动定位算法定位的文字进行识别。本文首先对图像中文字定位与文字识别的国内外现状进行概述;其次,对文字定位相关理论知识进行描述;之后,针对低对比度图像文字自动定位困难的问题,提出了基于AdaBoost分类器和区域相似性的文字自动定位算法:首先对低对比度图像进行灰度化、对比度增强、边缘检测、边缘信息增强等预处理;然后利用连通区域分析方法、基于边缘和笔划宽度的统计特性训练的AdaBoost分类器分类方法、移动矩形条方法获取文字区域;之后使用组合的二值化、区域扩展与合并等方法处理文字区域,进而实现图像文字自动定位功能。为了验证本文算法的有效性,对网上搜集获得的1933幅低对比度图像进行测试,计算文字定位的查全率与漏检率,并与现有的方法进行对比,验证了本文算法可以较准确、较完整地定位出具有文字大小不一、中英文、颜色多样的低对比度图像。在完成文字区域自动定位之后,本文继续对定位的文字进行识别处理。先利用位置坐标从图像中提取文字区域,得到文字区域图像,再使用组合的二值化、腐蚀、区域填充等方法进行预处理,然后使用改进的垂直水平线投影方法进行文字切分,得到单个文字字符图像,使用神经网络进行训练与识别,输出识别结果。