基于视觉的手势识别研究是人机交互领域的一个热点研究方向,由于其应用的广泛,手势识别技术的研究也就具有十分重要的意义。针对目前静态手势识别领域存在的一系列问题,本文提出了一种有效的骨架化方法来进行图像识别,可以有效的解决特征稳定性和不精确性等问题。本文的主要研究工作如下：1.本文在基于距离变换的骨架化方法的基础上提出了一种改进的骨架特征提取方法。该方法的第一步是快速高效的计算图像的欧氏距离,然后,选取起始骨架点进行骨架生长,最后进行基于离散曲线演化的骨架剪枝。本文方法有三个方面的改进：首先,体现了传统距离变换方法的精确性优点；其次,在传统距离变换基础上的骨架生长算法实现了骨架的单像素性和连通性的特点；第三,骨架剪枝方法实现了粗骨架的优化,有效地去除了边界噪声,保留视觉的主要部分。2.本文提出了一种边界Hu矩来描述骨架特征的方法。该方法的基本思想是在传统经典区域Hu矩的基础上,消除其区域因子,实现了具有完整Hu矩信息的边界Hu矩描述子。该方法可以有效的描述骨架,并且具有良好的鲁棒性,以保证后续基于SVM的分类和识别。实验结果表明,本文算法提取的骨架图具有良好的稳定性、可控性、连通性等,相比其他的传统骨架化方法有较大的改进；基于边界Hu矩对骨架的描述具有良好的稳定性和较高的实现效率,是骨架特征较好的描述子；基于支持向量机的机器学习识别方法得到了较为理想的效果,相比其他的经典机器学习分类算法具有更好的效果。