骨架是穿过数据分布中心的像素点集合，是一种重要的形状特征。该特征在保持形状的拓扑和几何性质的同时还能有效的降低计算复杂度。虽然，骨架提取领域已经取得了诸多的研究成果，但是，现有的骨架提取算法仍然存在一些挑战。例如大部分算法所提取的骨架与人类视觉差距较大；特别是当形状存在模糊、扭曲以及稀疏、间断等复杂情况时骨架提取效果较差；现有的骨架提取算法难以向高维扩展。 主曲线(principalcurves)是满足“自相合”并且穿过数据分布“中间”的光滑曲线，即该曲线可以理解为能够反映数据集合拓扑结构的“骨架”。基于此，本论文提出了一种基于主曲线的骨架提取算法，用于提取低质手写体汉字骨架。该算法采用类似于自动聚类算法的思路，增量的寻找每个voronoi区域中的第一主成份线段，通过代价函数连接所得的K段主成分线段从而构造初始哈密尔顿路径。当然这里所得的是局部意义上的一条次优哈密尔顿路径，因此，我们提出了一种简单方法用于优化初始哈密尔顿路径，得到更具有全局最优性的汉字骨架。另外，由于这里是用一条哈密尔顿路径去逼近汉字骨架，因此我们还提出了一种基于全局的平均稀疏度来设定阈值的简单后处理策略，从而删除冗余边集，得到符合人类视觉的汉字骨架。 经过了大量Matlab实验证明，该方法对带模糊、扭曲、断裂、稀疏的低质手写体汉字均取得了很好效果。另外通过对图像背景中添加噪音，也能够得到连续的、完整的汉字骨架。我们还尝试进行了将2-3个自由手写体汉字作为一个整体进行骨架提取，也取得了较为理想的效果。 无疑，本文提出的方法不仅对于低质汉字骨架提取是可行的，而且是鲁棒性非常好的一种新方法，也为汉字骨架提取研究提供了一条新思路。