基于计算机视觉的手势识别作为新一代的人机交互手段,它简单、直观、易使用,在某些应用领域,如虚拟现实、手语翻译、远程控制等领域,有着不可替代的优越性,因此,越来越得到人们的重视。虽然目前还是一个研究热点,但是手势交互也已经渐渐开始应用于实际生活了,在最新研发的消费类数码产品中可以看到它的身影。这代表了一种未来交互的新趋势,也预示着手势交互未来广阔的应用前景。本文从手势图像的预处理、手势特征提取、手势识别三方面对基于视觉的手势识别算法进行了研究,并验证了算法的可行性。实验结果表明,本文方法对静态手势识别具有很好的效果。图像预处理包括图像增强、图像分割和图像形态学处理。本文首先对输入的图像进行平滑,锐化处理,然后采用基于灰度的阈值分割方法,从图像中分割出手势,将得到的手势部分图像进行膨胀和腐蚀处理,达到最佳的手势分割效果,最后采用基于脉冲耦合神经网络的边缘检测方法检测手势的边缘。在手势的特征提取部分,本文针对手势图像识别率较低,易受噪声干扰的问题,提出一种基于二维极坐标傅立叶描绘子的手势特征提取算法。该描绘子不仅利用了手势图像的边界信息,还提取了手势图像的内部信息,受边界噪声的干扰更小,通用性更好,鲁棒性更高。针对手势的识别,本文采用了基于BP神经网络的识别方法。首先利用大量的样本图像训练BP网络,通过训练成功的网络来实现手势图像的识别,并根据输出结果来判定识别的正确性。本文的创新点和贡献:提出将基于脉冲神经网络的边缘检测方法和基于二维极坐标傅立叶描绘子的手势特征提取算法应用到手势识别,并对该算法进行了仿真实验,收到理想的识别效果。