文字作为传递信息的有效媒介,一直以来都受到人们关注。文字识别技术的难点在于如何得到有效的文字区域,也就是文字定位技术。在数字图像处理领域中,多尺度几何分析是重要的工具。本论文针对各种各样图像,分别讨论利用NSCT变换和离散Shearlet变换进行文字定位研究。具体内容如下:1、对文字定位的背景知识进行介绍,分别从它的发展历程、运用领域和挑战难点进行详细地说明。接着阐述目前的研究现状,对文字定位算法进行详细的分类比较。最后介绍图像中特殊文字以及相应的解决方法。2、提出改进的基于NSCT变换的文字定位方法,该方法可分为三部分,首先使用NSCT变换对训练图像进行多尺度、多方向分解,进行图像文字区域特征训练,然后对测试图像进行区域分类,丢弃非文字区域信息,最后对处理过的高频子带图像进行边缘检测获得文字边缘信息,使用形态学处理将零散的文字边缘连接起来,对同一尺度下的边缘信息图像进行“与”处理,获得共同包含的文字信息区域,对不同尺度下的文字信息区域进行投票判定得到更加精确的候选文字区域,对候选文字区域进行启发性知识筛选获得最终文字区域。3、由于Shearlet变换较为简单灵活,因此提出改进的基于离散Shearlet变换的文字定位方法。该方法与基于NSCT变换的文字定位方法类似,首先使用离散Shearlet变换对训练图像进行多尺度、多方向分解,进行文字区域特征训练,然后对测试图像进行区域分类,丢弃非文字区域信息,最后对高频子带图像进行动态阈值分析,得到各子带图像更为精确的文字信息区域,通过形态学处理、逻辑“与”处理、投票判定和启发性知识筛选,获得最终文字区域。实验表明本文提出的文字定位算法是有效的,同时离散Shearlet变换与NSCT变换相比,复杂度低,运算快,效果更加优异。