1、隨著信息化時代的到來，越來越多的數(shù)字媒介和數(shù)字終端被用作記錄與收發(fā)信息，數(shù)字圖像是其中一種重要的記錄方式。而視頻又是多幀圖像構(gòu)成，所以這就給研究視頻的動態(tài)特征賦予了極大的挑戰(zhàn)性，動態(tài)紋理作為一類復雜運動，吸引了許多學者的注意。對動態(tài)紋理表達、識別、分割和拓展的應用研究，有利于我們對復雜運動模型進行分析，實現(xiàn)在視頻監(jiān)控、視頻檢索、運動識別等領域的潛在應用。
　　本文首先對紋理的定義及相關研究意義進行了介紹，然后描述了常見的動態(tài)紋理模

2、型，分析了每種模型在動態(tài)紋理研究領域的處理方法，以及實用意義，例如，動態(tài)紋理的檢測技術(shù)、分類技術(shù)、分割技術(shù)。本文接著介紹了常見的紋理特征，并對灰度共生矩陣常用的四個特征（能量，對比度，相關性，熵）進行了對比實驗，分析了紋理圖片對應每個特征的紋理特性。詳細介紹了另外一種常用紋理特征(LBP特征)的核心思想，同時，本文著重介紹了描述視頻動態(tài)紋理的動態(tài)特征，引入了用于描述視頻動態(tài)特性強度的本質(zhì)屬性特征，能夠把具有相似場景的視頻進行分類處理，并

3、在分類好的視頻集里，按照視頻的動態(tài)特性強弱來對視頻進行排序整理?；贚BP動態(tài)紋理特征的改進算法還有傳統(tǒng)的VLBP，LBP-TOP等特征，本文在EOH特征和BGC3特征基礎上，進行了改進，拓展到視頻的時空域中，得到了EOH-TOP特征和BGC3-TOP特征，成功應用于動態(tài)紋理視頻的分類處理。在實驗中，由于VLBP特征的維數(shù)較大，本文只對比了LBP-TOP特征，EOH-TOP特征和BGC3-TOP特征。實驗結(jié)果表明，改進的EOH-TOP特

4、征和BGC3-TOP特征的算法在識別率上都有所提高。
　　本文還介紹了目前幾種用在視頻動態(tài)紋理分割領域的分割算法，對這些目前幾乎是最新的算法進行了詳細的闡述，并且進行了相應的實驗。然后，本文在傳統(tǒng)光流法的基礎上，提出了一個新的概念——光流殘余映射。成功將其應用于對含有動態(tài)紋理場景中的前景目標分割，提出了一種復雜場景下的視頻前景目標分割算法。為了對比本文算法的分割效果，對幾種常見分割算法進行了主觀和客觀評價，實驗結(jié)果表明，本文算法更