随着人工智能和互联网的快速发展，智能检测和图像识别在生活中的应用越来越广泛。嵌入在图像中的文本信息是图像语义的重要表达方式。智能检测与识别图像中的文本信息对于人们的日常生活和工作有很大的帮助。在文本信息智能检测与识别时，文本信息检测存在定位不准和贝叶斯分类模型存在属性间条件独立性假设的问题。为了改善上述问题带来的不利影响，本文进行了以下研究。
　　首先，针对利用小区域图像特征进行文本检测时容易出现定位错误的问题，本文结合成行的文本属性具有很强的不一致性的特点，构建了一种基于连通域的图像文本检测算法。该算法首先通过动态分割的方法检测出图像中的候选文本区域，然后结合文本区域的启示性特性对候选文本区域进行筛选，最后得到图像中的文本区域。经过在文本图像上的验证，该算法可以快速高效的提取图像的文本区域。
　　其次，针对利用贝叶斯分类模型进行模式识别时存在属性间条件独立性假设不成立的问题，本文结合遗传算法和细菌觅食算法，构建了基于混合改进的遗传细菌觅食算法的贝叶斯网络结构学习算法。利用该结构算法训练贝叶斯网络模型，放松了贝叶斯分类模型的属性间条件独立性假设，提高了分类性能和识别能力。
　　最后，将上述算法应用到基于贝叶斯分类的文本信息智能检测与识别系统研究中，完成了系统的搭建和软件的设计工作。结合文字识别技术和文字转语音技术，完善了该系统的功能，使之成为了具有独立知识产权的产品。该系统为图像智能识别提供了可行性方案，并进一步开阔了模式识别领域的研究视野。