随着多媒体技术的飞速发展,复杂背景图像中的文本定位研究不仅丰富了图像处理理论,而且在诸如Internet环境下的图像检索、交通管理中的车牌识别等具有重大的价值。复杂背景文本定位是一个具有很大难度性的研究课题。原因是文本图像的背景非常复杂,图像有的在室内拍摄而有的在室外拍摄,光照条件变化较大,其中不同文字的颜色、亮度、字体、大小、间距、对比度、排列方向和背景纹理等有很大差别。要提取具有复杂背景的文本,首先要找到包含文本的区域,然后才能交给文本识别模块进行识别。本文考察了现有的主要文本定位方法,分析了其中的优缺点,提出了基于边缘检测和支持向量机的图像文本定位方法。基于边缘检测的文本定位主要由金字塔分解、基于改进Canny算子的边缘检测、边缘提取和二值化、连通区域分析、以及文本区域鉴定与合并几部分组成。首先运用改进的Canny边缘检测算法检测出文本边缘,然后对检测结果进行连通区域分析、文本区域鉴定与合并得到候选的文本区域。由于统计模型在模式识别研究中体现出的优势,本文通过将定位出的候选文本区域运用支持向量机的分类器训练的方法来提高文本定位的准确性,由于采用了主动学习的支持向量机,有效的减少了训练样本的数量,同时也取得了较好的实验结果。实验结果表明,本文所提出的文本定位方法不但可以较准确的定位出相应的文本区域,而且具有一定的理论意义和较大的实用价值。