大千世界,形状无处不在。如何表示和理解形状,日益重要。形状匹配已经在目标识别、动画合成、生物形状分析、图像检索、机器人导航、虚拟现实等多个领域取得了丰富的成果。形状匹配不仅引起了感知心理学和计算机视觉领域的科学家的兴趣,还受到了军方和医院的重视,其研究进展将直接促成很多新技术和产品的涌现。本文针对基于骨架描述符的形状匹配相关的几个问题进行了研究,包括形状的表示、形状的匹配、形状相似性度量以及基于形状的目标识别。本文的创造性研究成果主要有:(1)提出了一种基于离散曲线演化模型的视觉骨架剪枝算法,通过轮廓曲线演化的过程来获得符合人类视觉规律的多尺度骨架。根据骨架和轮廓之间的内在联系,用轮廓演化的方法来全局控制生成多尺度骨架,代替了传统的依据骨架点重要性的局部度量方法,是一条全新且有效的思路。实验结果表明,该方法能完全除去冗余的骨架枝,且不损坏骨架的拓扑,具备骨架点位置精度高,时间耗费低等特点,在效果上明显优于其它常用的骨架化或骨架剪枝算法。所获得的骨架能直接用于形状匹配、医学形状分析、传感器网络拓扑分析等。(2)提出了一种基于路径相似性的骨架图匹配算法,与传统的基于树或图的匹配方法不同,这里不考虑拓扑图的结构,而是将所有骨架路径转换成特征向量序列的形式,从而克服了骨架分叉点不稳定的问题。将骨架图匹配近似地转化为序列匹配这一思路打破了传统方法,从一个新的角度解决了图匹配问题,巧妙地避免了匹配不稳定的分叉点的过程,使图匹配过程更高效更快速。实验结果表明,该方法不但能准确地找到不同形状之间的匹配对应关系,同时能有效地识别形状,且时间复杂度比起传统方法有了大幅度降低。(3)对形状相似性度量问题展开了新的探索,提出了通过学习数据库形状度量空间上的最短路径距离代替原有距离度量的问题思路。对于给定的一种相似性度量,通过图转导得到一个新的相似性度量。这个新的相似性度量是通过迭代地学习输入形状的相邻形状对最终形状相似性度量的影响来得到。这一研究充分地利用了数据库形状的先验信息来改进原有的形状度量,打破了使用成对的形状度量来做形状检索的传统思路。实验结果表明,该方法能大幅度地提高形状检索的精度,在著名的MPEG-7形状数据集上获得了目前最高的检索精度:91.61%,该方法能改进形状分类和形状聚类等,可适用于任意一种形状相似性度量,是一种通用且简单的方法。(4)提出一种基于骨架结构表示的目标检测算法。使用物体的骨架来描述物体的主要拓扑结构,这尤其适合克服物体局部肢体变化和非刚性形变带来的识别困难。通过骨架建模是由于非刚性物体形变通常不会改变物体的拓扑结构。本文提出的活动骨架模型是一种显性的形状建模方法,它避免了传统目标检测方法粗暴学习包围盒的方式,具备描述能力强、计算速度快的优点,不但能搜索到目标的位置,同时能准确地确定目标的局部形状。实验结果表明,该方法具备学习效率高,检测速度快,十分适合于物体非刚性形变的情况,是一种易于实现的目标检测方法。本文是以骨架这种形状表示为主线,研究内容涵盖了形状匹配的几个关键问题,并在这些方面取得了一些突破性成果,已经得到了大量的实验证明。本文所提出的理论、模型及算法对于其它视觉理论及应用也有指导意义。