我国听障人群约占世界听障人群的20%,并逐年增加。中国手语是我国听障人群与外界交流的重要辅助工具。手指语是手语的一部分,指式数量不多,易学易记。因此,本文以汉语字母手语为研究对象,基于计算机视觉,研究了不同背景下的汉语字母手语,并对手势图像的骨架提取、骨架描述子的提出和识别分别进行了研究。本文的主要研究内容是基于骨架特征的汉语字母手语识别,首先对手势进行提取,其次,在提取的手势二值图像的基础上,提出了改进的基于距离变化的手势骨架提取方法使提取的骨架具有连通性;然后,提出了改进不变矩用于对手势骨架进行描述;最后,利用概率神经网络对得到的手势骨架不变矩的值进行分类,达到识别手势的目的。总结起来,本文主要从以下两个方面展开研究工作:(1)提出了一种结合距离变换与形态学分水岭算法的手势骨架提取方法。该方法利用距离场和分水岭算法获得包含手势骨架的骨架潜在图,利用主动轮廓线模型确定骨架端点,通过A*算法对冗余骨架进行修剪,得到最终的骨架。实验结果证明,该方法获得的骨架不仅解决了基于距离变换的骨架提取方法提取的骨架存在的不连通的问题,而且保证了骨架的单像素性,符合目标的拓扑结构。(2)提出了一种改进的不变矩用来描述手势骨架并将其应用到手势识别领域。首先证明了Hu不变矩在数字图像中是不完全具备缩放不变性的,然后在Hu不变矩的基础上,规避具有局限性的不变矩,消除其区域因子,推导出描述手势骨架的改进的不变矩,最后结合概率神经网络进行手语识别。实验证明,本文提出的改进的不变矩在手势骨架旋转、缩放时特征值的变化幅度较小,将其与概率神经网络结合用于手语识别,准确率提高了5%。