自然背景中的文本识别具有巨大的应用价值。但由于场景非常复杂,字符又形态多样,其应用一直受限于定位和分割技术的不足。本文经过大量研究,提出了一种基于学习的自然场景中文本提取算法。该算法首先将原始图片通过NLNiblack分解为许多连通分量,包括文本连通分量与非文本连通分量。为了达到从背景中定位与分割文本的目的,文本连通分量被保留同时非文本连通分量被丢弃。本文共提出17个文本特征来区分文本连通分量与非文本连通分量。接着,本文算法用一个级联分类器和一个SVM组成的两阶段分类模型来验证这些连通分量。级联分类器由17个弱分类器串联组成,其中每个弱分类器关注一个特征。级联的第一个弱分类器接受所有分解的连通分量,一旦判断输入连通分量是非文本则立即将其丢弃,否则传入下一级弱分类器。每一级弱分类器都如此工作,直到整个级联的结束。大多数非文本会被级联分类器过滤掉,而SVM则在此基础上做进一步的验证来取得更为精确的分类结果。最终输出是只有文本的二值图像。这种基于两阶段分类的模型有效地结合了弱分类器与强分类器,使算法效率和有效性同时得以保证。本文提出一种基于像素的评价准则,在测试数据上进行算法评估,测试结果显示了令人满意的性能。