动态纹理是时间上具有相关性，空间上具有重复性的纹理图像序列。关于动态纹理的研究有很多方面，包括动态纹理的分类、分割、合成等。由于动态纹理普遍存在于人们生活的各个方面，因此具有广泛的应用。动态纹理分割即是对纹理图像序列中的互不相叠、纹理均匀一致的若干区域重新标号的过程。马尔可夫随机场(markov random field, MRF)模型能够有效地描述动态纹理特征，因此，本文深入研究基于马尔可夫随机场模型的动态纹理分割算法，并将结合小波域的多分辨性，形成了非采样小波变换的马尔可夫随机场(NSMRF)模型。本文的工作如下：1、基于马尔可夫随机场模型的动态纹理分割：根据选取的邻域系统和能量函数来描述动态纹理的特性，分别采用服从吉布斯分布的标记场以及服从高斯分布的观察场来描述动态纹理，利用马尔可夫链蒙特卡洛(markov chain monte carlo, MCMC)方法实现参数估计，形成基于MCMC方法的MRF动态纹理分割模型，运用最大后验准则(MAP)分割动态纹理。仿真实验验证MRF模型的有效性。2、基于NSMRF模型的动态纹理分割：根据非采样小波变换具有平移不变性，非采样小波变换更适合于动态纹理分割，提出了基于非采样小波变换的动态纹理分割算法。该算法还考虑到MCMC方法用于参数估计的耗时性，提出了改进的MCMC算法用于实现参数估计，从而减少动态纹理分割的计算复杂性。同时该算法考虑了同一尺度各个子带小波系数的关系，建立了NSMRF模型。仿真实验验证了NSMRF模型用于动态纹理分割的优越性。