提出了一种基于文本像素颜色聚类的场景文本检测方法。利用最大稳定极值区域算法提取原图像初始文本区域，并通过笔画宽度变换算法与角度特征筛选稳定文本像素。在稳定文本像素中进行多尺度颜色聚类，并结合支持向量机进行了字符区域验证，最后进行文本行聚合，实现文本检测的目标。分别在公共数据集ICDAR2011和ICDAR2013上进行测试，算法的F-score分别为0.76和0.77，相比其他文本检测算法，所提算法获得了较好的检测性能。