纹理是自然界物体表面的自然属性。按照对纹理的表示，纹理可以分为图像纹理、动态纹理和三维纹理。动态纹理是一种空间重复且随时间变化的视觉模式，它构成了在时间上具有某种稳定特性的图像序列。动态纹理分类作为纹理分析研究的重要内容，它在军事、工业、医学、智能交通、气象学、公共安全等领域有着巨大的应用前景。因此，动态纹理分类的研究已成为令人关注的具有挑战性的研究课题。虽然小波变换广泛应用于纹理分类中，但是传统的实小波变换具有平移敏感性、缺乏方向选择性、缺少相位信息等缺点，复小波变换可以有效的克服实小波的缺点。因此本文主要研究基于复小波变换的动态纹理分类算法，主要工作如下：1．基于对偶树复小波变换的动态纹理分类。针对复小波变换所有子带的相位近似服从均匀分布，直接采用相位并不能充分体现复小波变换的优势，本文提出了一种结合复小波变换系数幅度和相对相位信息的能量特征。依据复小波变换系数的实部和虚部服从的广义高斯分布，研究了复小波变换系数幅度服从的概率分布，同时验证了相对相位服从Von Mises分布。针对广义高斯分布只能对单一实随机变量建立统计模型的缺点，提出了一种基于复小波变换系数的复广义高斯分布参数的新纹理特征。最后，采用两种代表性的分类器，k近邻分类器和支持向量机，对所提出的特征进行了动态纹理分类。实验结果表明了本文提出的基于对偶树复小波变换的动态纹理特征的良好性能。2．基于空时复小波变换的动态纹理分类。首先提出了一种新型的空时复小波变换，它既可以保持了空时实小波的优点，同时又具有良好的方向选择性和平移不变性，使得它更有利于描述动态纹理。然后研究了以空时复小波变换子带系数服从的Weibull分布参数为特征的动态纹理分类方法。最后，把三维空时复小波变换子带划分成一些子块，利用Gumbel分布对子块的中值建立模型，以模型的估计参数为特征进行动态纹理分类。通过实验验证了新方法比基于均值和方差能量特征的分类方法更具有优越性，从而验证了新纹理特征的优良性能。