随着智能手机和互联网的发展,自然场景图片的获取和分享更加简单快捷。场景图片中的文字蕴含丰富精确的信息,图片中文字信息的检测对于图片内容的理解具有重要的意义,同时,图片中的文字可能是用户关注的焦点。自然场景图片中的文字检测指的是判断图片中是否包含文字,若包含则将文字区域与背景进行分割,利于后续的文字识别、翻译、语音播报等处理。自然场景图片中的文字检测存在背景复杂、文字表现形式多样和图片质量不佳等挑战。传统的基于连通域的检测算法一般由候选字符提取过滤、文本行连接、文本行过滤这几个步骤组成。该类检测技术存在以下问题:候选字符过滤环节难以区分砖块、圆圈等与字符相似的噪声区域;真实字符被滤除造成文本行检测不准确;由于不存在文本行的约束,难以检测单独出现或成对出现的字符;未考虑多方向文本行检测的不同点。因此,本文提出了基于级联过滤和连接的场景文字检测方法,同时对多方向文本行的检测进行拓展。本文的具体工作如下:1)融合基于特征过滤的ER算法和基于宽高比约束的MSER算法进行候选字符的检测。在文本行连接环节提出基于距离和相似度的衡量准则进行字符对的连接。加入单双字符检测模块和基于文本行内字符相似度和文本行统计特性的候选文本行过滤模块。该方法弥补了文本行内部字符缺失造成的检测误差,同时对噪声区域具有较好的滤除效果。在ICDAR2011和ICDAR2013数据集上进行实验,结果表明该方法能提高文字检测的精度和召回率。2)对多方向的文字检测进行拓展。分析了多方向文字检测与水平方向文字检测的异同点,改进了文本行连接算法。采用字符矩形框中心点作为文本行连接的特征,同时采用字符矩形框和文本行矩形框旋转的方法进行多方向文本行的检测。在USTB-SVT数据集上进行实验,结果表明该方法可以有效地检测多方向的文本行。