在多媒体技术发展越来越快的今天,从大数据中智能获取信息的技术具有广阔的应用前景。其中,文本包含的信息直接高效,将这些文本信息进行数字化处理对于提高多媒体检索能力、工业自动化水平、场景理解能力等具有重要意义。如今,对文档文本的识别技术已经有成熟的应用。而对于图像文本,尤其是自然场景图像中的文本检测与识别是一项重要但富有挑战性的任务,目前仍然在研究探索的阶段。本文主要研究内容如下:1.本文研究一种快速的自然场景水平文本检测算法。首先设计一种针对自然场景水平文本的特征提取网络,本文采用多个卷积通道并联的网络结构,使用符合文本行形状特征的卷积核,并对中层特征进行融合加强。之后将本文设计的水平文本特征提取网络应用到基于回归的检测模型上,减少检测分支数,缩小网络模型参数规模,得到端到端的快速自然场景水平文本检测模型。2.本文研究一种精确的自然场景多方向文本行检测方法。本文在一种基于候选区域的检测方法的基础上,结合文本行的上下文信息,对检测出的文本候选框进行分组和连接方式的改进。首先,根据候选框之间的相对位置判定是否将其分到同一文本行构建小组;然后根据同组候选框的中心位置拟合倾斜角度;最后,利用旋转矩形框选最终的文本行检测结果。该检测算法利用了基于候选框的检测算法在准确性上的优势,为之后的文本识别算法奠定基础。3.本文研究一种基于残差网络的自然场景文本识别算法。本文使用基于残差网络的文本识别方法,探究循环神经网络在文本序列识别中的作用。为了对本文的文本识别网络进行训练及测试,本文构建了针对自然场景下文本识别的数据库,尤其是针对中文文本的识别问题。最终在真实的自然场景文本图像上使用本文的文本检测与识别算法,实验结果表明了本文算法的有效性。