动态纹理作为一种特殊的视觉纹理,逐渐成为纹理研究领域的重要内容,并在.诸多领域有着广泛应用。随着计算机技术的发展,对动态纹理的分类的研究逐渐成为极具科学价值前沿课题。因传统的小波变换本身具有的局限性阻碍了其在动态纹理研究中的应用。本文利用的具有良好的方向选择性和平移不变性的空时复小波替代小波,可以更利于结合动态纹理的“运动”和“外观”特性,由此完成动态纹理分类工作。本文主要工作如下:1.基于广义高斯分布的动态纹理分类。本文利用空时复小波变换系数的广义高斯分布对随机变量建立统计模型,来克服动态纹理子块系数所具有的非高斯性。然后利用极大似然法对该模型的参数进行估计,以得到动态纹理的特征。接下来针对于多峰值数据,提出一种基于有限复合广义高斯分布参数的新纹理特征。最后采用k近邻分类器对动态纹理的完成分类实验。2.基于极值分布的动态纹理分类。首先介绍了极值分布的概念,然后将极值理论引入到小波域,利用空时复小波变换将动态纹理划分成子块,然后利用了两类不同的极值分布:Ⅰ型Gumbel极值分布,广义Pareto分布,对动态纹理子块中值建立模型,并分别对模型参数进行估计,以之作为动态纹理分类的特征值。最后将这两个新的特征向量与于基于能量的特征向量的分类性能进行对比。