本文提出了一种视频图像中维语文字的提取及识别算法。维语文字是一种类似于阿拉伯文字的文字,与阿拉伯文文字在笔画的构成上还有许多的区别,维语文字和汉语文字在结构和书写方式等方面完全不同。于是,需要设计专门的算法来实现视频图像中维语文字的提取和识别。论文首先对维语文字的结构、书写形式以及书写习惯等做出分析和总结,统计维语文字字符的种类和变体形式,针对维语文字字符独有的特点,提出了一种基于区域聚类的方法来实现维语文字的区域定位和提取。颜色归类的预处理工作特别提高了区域分割的效率,改善了区域分割的质量。对于区域聚类得到的文字字符,通过水平投影的方法,最终精确确定维语文字的区域。论文提出了一种基于结构的维语文字识别算法。即先对维语文字区域细化,得到维语文字骨架,然后依骨架的分支点和端点将其拆分,形成基本笔画,构建基本笔画的矢量描述,用模板匹配的方式,对所有的笔画归类识别。最后,设计出一组组合规则,将笔画重新组合成字母,完成对维语文字的识别。论文设计并实现了一个维语文字提取和识别系统,列出了系统功能的详细说明。同时提出了尚存在的问题和对今后工作的展望。实验结果表明,本文算法可以有效的从视频图像中提取出维语文字的区域,能够快速实现维语文字字符的识别。算法的时间复杂度满足预期的指标。