骨架（又称中轴）是一种优良的形状特征。骨架提取主要应用于医学影像、物体识别和网络规划等。离散λ-中轴（discrete lambda-medial axis,DLMA）是一种快速、健壮的中轴变换方法,选择合适的参数λ可以提取物体较为精准的、单像素骨架。然而由于DLMA使用单阈值滤除的方法提取中轴,在处理物体拓扑结构较复杂的情况时不能自适应的选择合适的阈值λ,因此难以在实际应用中发挥优势。针对以上DLMA算法的缺点,提出了一种融合欧式距离变换局部极大值点思想和背景点空间思想的DLMA优化算法。提出的优化算法将DLMA算法分成两步,先使用一个小λ阈值获得骨架的粗提取结果,计算过程中将其N₈邻域简化为N₂邻域;然后在粗提取的结果下,使用自适应股架生长策略获取精准骨架。实验结果表明提出的改进算法与DLMA算法相比,不仅具有更快的计算速度,鲁棒性和自适应能力均有显著提高。改进的DLMA算法具有快速性、鲁棒性和自适应性等优点,适合于人体行为识别邻域。最后本文将取得的研究成果应用于手势识别领域,并以改进的DLMA算法为基础,设计设计并实现了一种以手势的欧式骨架为基准的手势识别系统。系统由通用视频采集模块和ARM开发板硬件组成。首先利用动态前景检测算法结合YCbCr肤色识别模型,分割出手势区域;然后借助欧式距离变换和改进的DLMA骨架提取算法获得手势区域的欧式骨架,并提取骨架的关键点和欧式距离等几何参数,以此建立手势识别的几何模型。试验测试正确识别率高达94%,每帧图片处理时间小于25ms,表明该系统实时、有效。