自然图像中的物体检测与识别是计算机视觉领域的首要目标。而如何有效地从自然图像中提取图像特征,表达图像特征并对图像特征之间的关系进行建模是物体检测与识别中首要解决的问题。本文主要解决两个问题:灰度图像的骨架提取即自然图像中图像特征的提取及表达,及利用条件随机场对骨架进行建模,建立基于形状的自然图像的物体检测与识别方法。灰度图像的骨架提取面临着图像分割这一难题,为避免图像分割,本文提出从物体边缘计算骨架强度图并提取骨架的方法。骨架强度图是从距离变换出发,通过去噪、各向同性扩展等步骤计算得到的。它具有适合于骨架提取的优良性质:在骨架点位置骨架强度图有很高的值,而从骨架点到非骨架点位置,骨架强度值迅速减小。从骨架强度图不但可以提取稳定、连通、完整的二值图像骨架,也可以结合高层视觉信息提取稳定、连通的灰度图像骨架。本文还设计了一个基于局部相似性的非刚性物体检测方法,该方法既可以表示非刚性物体的局部相似性,又能够捕捉非刚性物体变化时拓扑结构的不变性。针对现有的物体检测方法不能有效对局部特征的相互关系进行建模这一问题,本文使用具有线性无向图结构的条件随机场模拟物体的线性骨架结构,并使用小段的骨架片段表示物体的局部特征,使用监督式的机器学习方法,有效地进行物体检测。同时,本文还提出了结合骨架的线性结构与星形结构的条件随机场模型,从而对更加复杂的局部特征间的关系进行建模。实验结果表明,作为物体的拓扑结构的一种表达形式,骨架在物体识别中起的作用非常关键,利用统计学习模型对物体骨架结构建模,将对物体识别中物体表达及建模有较大的借鉴作用。