手语识别是聋人与健全人自然交流的途径，是手势识别的重要研究内容。随着多模式人机接口技术的发展，手语识别的研究逐渐成为人们研究的热点。手语识别可以分为基于视觉(图像)的识别系统和基于数据手套(佩戴式设备)的识别系统。因为基于视觉的手语识别方法交互方式自然、更能反映机器模拟人类视觉的功能，所以目前是手语识别的研究重点。本文采用基于视觉的方法对静态手指语字母手势图像的识别算法进行了研究。手指语字母的识别过程可分为四个部分：图像采集、预处理、特征提取和识别。在预处理部分，对经过标准化处理的手语图像进行灰度变换、图像平滑、Pyramid分割、二值化和边缘提取。在特征提取和识别部分，本文提出了一种在Euclidean距离空间内计算图像几何矩中由7Hu不变矩特征量得到的组合矩特征量和图像间最小距离相结合的融合算法。首先，将经过预处理的手指语字母图像的边缘检测图像反色处理后进行Euclidean距离变换(EDT)，计算其7Hu不变矩特征量和组合矩特征量；然后，对二值图像进行EDT，通过计算待识别图像与模板EDT图之间的最小距离得到图像的一组特征值。最后，通过设定两个特征的权重来计算图像与模板间的距离，对30个手指语字母进行识别，最高识别率为90％。