自然场景图像中包含着大量的文本信息,将其中的文本信息识别出来对于视频、图像和图片等大量信息的检索管理具有重要意义。但是在自然场景文本识别中往往面临着图像模糊不清晰、背景繁杂和文本分布无序等问题,所以自然场景图像中的文本识别仍然是一项极具挑战的任务。因此,本文主要针对自然场景图像中的文本识别进行研究,研究内容如下:1.提出了将最大稳定极值区域算法和卷积深度置信网络结合的自然场景文本检测的方法,首先使用最大稳定极值区域算法对自然场景图像中的文本进行定位,然后将候选文本区域经过预处理后送入卷积深度置信网络中进行训练,从训练的数据中学习更多的隐藏特征,并将学习到的特征输入到支持向量机中进行判别,验证候选文本区域,进一步过滤掉大量的非文本区域,得到最终的文本检测结果。2.提出了利用卷积深度置信网络对经过检测后的文本区域进行文本识别,首先将提取出来的文本区域输入到卷积深度置信网络中进行特征提取,然后将提取出来的特征作为Softmax字符分类识别器的输入,输出对应的字符或单词,最后对识别结果进行后处理,进而得到最终的输出。3.在ICDAR2011数据集和SVT数据集上测试了该文本识别方法,并分析了迭代次数、隐含层数、引入随机噪声以及采用不同池化方式对卷积深度置信网络性能的影响。实验结果表明:基于卷积深度置信网络的自然场景文本识别方法,在ICDAR2011和SVT数据集上获得了较好的效果,ICDAR2011数据集上的文本检测精确率为90.84%,文本识别准确率为92.05%;SVT数据集上文本检测精确率为65.72%,文本识别准确率为76.16%。