随着科学技术不断发展,深度学习等人工智能的应用愈加广泛,计算机图像处理又是其中的重要组成部分。自然场景的文本识别技术作为计算机图像处理中的关键一环,近些年也处于不断发展之中。通过检测并识别自然场景下的文本,获取自然场景中的人们所需要的信息在车牌识别、人机交互等多个领域都有着广阔的应用价值和前景。自然场景中的文本识别与文档中的文本识别不同之处在于自然场景的背景更加复杂多样,同时,排列方向不确定、形状弯曲等不规则文本在自然场景中随处可见,这在一定程度上增加了自然场景中文本的识别难度。本文针对自然场景下的文字特性,基于深度学习的方法对自然场景下的不规则文本识别算法进行研究,主要内容分为以下三个部分。1.研究了一种场景文本数据合成算法。场景文本图像存在着数据集数据量较少、图像质量参差不齐、人工标注不准确等一系列问题,这些问题对文本检测和识别算法的训练造成重大影响。为了解决这个问题,我们研究了一种场景文本图像合成算法,用以合成我们所需要的训练数据。2.针对自然场景中排列方向不规则的文本,我们在one-stage检测框架的基础上进行改进,在原始的水平矩形包围框中引入了角度参数?,使得文本检测框更加契合倾斜排列的文本。此外,我们将two-stage中的锚点学习机制集成在我们的检测算法中,用学习到的锚点替换原始锚点进入最终的预测,实现了更好的文本检测结果,我们的算法可以检测多角度排列的倾斜文本。3.针对自然场景中形状不规则的文本,我们研究了一种基于聚焦增强的不规则文本识别算法。传统卷积层的卷积核一般为3*3的矩形,但不规则文本在图像中可能呈现弯曲的形状,我们利用可变形卷积层对卷积网络进行改造,使得我们的文本识别算法的注意力聚焦在文本区域,从而提高对形状不规则文本的识别能力。此外,我们的算法不需要对形状不规则的文本进行矫正即可对其识别。