1、自然場景下的文本定位與提取是當前熱門且有實際應用意義的課題。隨著高性能、低價格的便攜數(shù)碼產(chǎn)品的普及，場景文本的提取和識別正在快速發(fā)展。 本文在對現(xiàn)有方法進行分析研究以后，結合自然場景中文本的特征，提出了新的解決方案。本文采用改進的Niblack閾值分割法和8鄰接的連通域標記法提取場景圖像中的連通分量，然后通過先驗知識對連通分量進行限制，剔除比較明顯的非文本連通分量，再通過機器學習方法之一——支持向量機（Support Vecto

2、r Machine，SVM）法對中間結果進行驗證，剔除先驗知識沒有排除掉的非文本連通分量，最終得到文本連通分量。實驗結果表明本文所用的方法準確有效。 為了更有利于識別，本文還對文本塊進行二值化和傾斜校正處理。本文將基于Fisher準則的二值化方法應用在文本塊的二值化上，利用Fisher準則函數(shù)自動選擇最佳色彩特征，然后用Otsu法進行分割，分割效果良好，非常適合背景不太復雜的彩色文本塊的分割。在對傾斜的文本行進行傾斜校正時，本文提