随着互联网技术的发展,图像已经成为人们信息交流的重要媒介。图像中的文本具有精准的语义,准确的识别可以对机器视觉等领域的人工智能应用产生重要影响。尽管光学字符识别技术的研究已经取得了很大的进展,但在现实应用场景中很多情况下是比较复杂的文本图像,例如自动驾驶、盲人导航、票据自动化处理等。这些场景图像中的文本往往具有较强的不规范性,包括丰富的布局排列、干扰性的背景,手写体文本随意的书写风格、字符之间的粘连以及采集设备和采集方式不专业造成的图像模糊、低分辨率等。从这些复杂场景图像中准确的识别文本仍然是一项艰巨的任务。本文对两种类型的复杂场景文本识别技术进行研究,主要研究内容及成果如下:（1）针对现有方法在场景文本识别中的局限性,提出了一种基于文本注意与语义增强的场景文本识别算法。首先,针对背景干扰问题设计了基于文本注意的视觉特征提取模块,利用全卷积的框架对图像进行像素级别的预测,实现文本注意机制。该模块可以自适应地抑制背景特征的干扰,提取到更有效的前景特征。然后,针对基于一维序列的场景文本识别方法不能处理竖排文本的问题,设计了旋转矫正网络。通过预测场景图像中文本的排列方向、阅读顺序生成矫正方案,对提取到的二维视觉特征做矫正。最后,构建了融合时序卷积和Transformer编码器的语义增强模型,不仅有效地提高了低分辨率、噪声严重的文本图像的识别准确率,而且提高了模型的可并行度。实验结果表明,基于文本注意与语义增强的场景文本识别模型识别效果大大超过了基准模型,在多个数据集上的准确率提高了4%以上。（2）采用基于分割的文本识别框架,对票据中手写体大写金额的识别进行了研究,提出了基于有限状态自动机的手写体大写金额识别算法。首先,通过对字符进行分类、分析各类字符之间的语法逻辑构造出用于语法检查的确定有限状态自动机。然后,在路径搜索中利用构建的自动机优化搜索性能,并在识别结果中选择出符合语法规则的字符串。最后,针对低质量票据中字符笔画缺失的问题,利用构建的自动机实现模糊字符预测算法。实验结果表明,结合有限状态自动机的手写体大写金额识别算法在票据识别中的文本行识别准确率达到了96.6%。