形状匹配是当前计算机视觉与模式识别方向的研究热点之一,骨架作为一种表示物体的形状描述子,它在尽可能的表示物体形状的主要视觉特征的同时简化了物体形状的表现方式,基于骨架的形状匹配被广泛地应用于目标识别、形状检索、医学图像分析与处理和增强现实等各个领域。但当前的很多骨架方法存在抗干扰性差、计算量大和匹配结果精度较差等问题。针对传统距离变换的方法存在连通性和单像素性的问题,采用骨架生长模型提取目标形状骨架,并在此基础上通过改进的骨架生长模型,降低时间复杂度。针对当前的骨架修剪方法容易受到轮廓噪声和形变影响的问题,在骨架层级结构的基础上,提出一种骨架修剪方法。该方法通过构建骨架的层次结构,以骨架分支的修剪度量准则和修剪策略来对骨架进行修剪;针对当前基于路径相似性的骨架匹配方法是以骨架端节点的匹配来度量形状相似性,而骨架分支节点比骨架端节点更能反映形状的相似性,在路径相似性的基础上扩展一种骨架匹配方法。该方法先对骨架端节点进行匹配,在端节点匹配的基础上,进行骨架分支节点的匹配,最终根据分支节点的最优匹配得到骨架间的匹配代价。实验结果表明,在骨架层级结构基础上提出的修剪方法,能够有效剪除冗余的骨架分支和毛刺,得到的骨架在充分表达目标形状的同时又能保持干净简洁的结构,对于同一个阈值情况下,该方法比当前主要修剪方法有更好的适应性和稳定性;在路径相似性基础上扩展的骨架匹配方法在处理存在形变和轮廓噪声的非刚性物体形状匹配过程中具有较好的稳定性,识别性能与当前主要的方法比较,也有较为理想的结果。