图像中的文本字符存在于杂乱的背景之中，拍摄视角的不同使得文本具有较大的几何变形，再加上存在光照变化、字符颜色不统一等现象会导致背景分离和文本识别困难。为此提出一种基于图像文本区域的图像聚类方法。该方法首先对自然场景图像中已定位的文本区域提取局部特征描述，并使用随机投影方法将局部特征矢量集映射为固定维的特征向量，然后对包含图像文本区域的图像进行聚类。这种方法避免了由图像分割与字符识别带来的困难。实验结果表明，该方法可以对包含文字的自然场景图像有效地进行聚类，聚类的准确率能达到8666%。