图象分割是计算机视觉研究中的基本问题，而运动和纹理则是赖以进行图象分割的关键信息。传统的研究方法中通常孤立地探索二种信息在图象分割的作用。本文研究纹理和运动信息在自然景物图象分析中的互补性，提出了有效的线索融合方案。在探讨纹理与运动信息在分割中互补机制以前需要深入研究纹理信息的基本特征。为此本文首先讨论了基于分形的纹理特征分析方法；接下来讨论了纹理相似性判决和纹理检索，重点研究与人类视觉感知有明显对应关系的纹理特征的应用。然后讨论了光流估计算法，通过引入纹理一致性约束，把纹理分析结果与光流约束方程有机地结合起来，获取致密而精确的光流估计结果。最后讨论了基于运动和纹理信息结合的图象分层分割算法，使得最终的分割结果同时满足纹理一致性假设和运动的一致性假设。具体的内容包括：分形纹理特征估计方法 构造了一组分形纹理特征来描述图象不同部分的粗糙度及纹理基元大小、方向等性质。由此可以进行自然景物图象的分割，找出景物中的人造物体。此外，在分形特征估计中，通过对盒维数方法中的参数拟合性能的分析，优化了分形维数估计方法。并定义了一个统计自相似度，以便定量地描述了图象纹理区域的统计自相似程度。而该度量又可作为分形特征的一个权值，来确定该特征的可信度。在用于图象分割时，可以据此合理地限制某些不可信的纹理特征的权重，同时增大那些较为可信的纹理特征的权重，从而同时保证了了算法的灵活性和有效性。 纹理相似性度量研究及基于纹理特征的图象检索分析了与人类视觉感知有较为明确对应关系的19种纹理特征。将其应用于纹理合成和图象检索的相似性判断中，与其他无明确含义的纹理特征相比，能对算法性能的进一步改善提供更为明确的指导意义，从而提高了合成和检索的性能。通过利用主成分分析方法可有效地减少纹理特征向量的维数。实验表明，通过主成分分析，可以将纹理特征空间的维数降低到6维，而同时纹理相似性判别的性能的降低不超过原有性能的15％。这对于基于内容的图象检索中图象库的索引的构造有很大帮助。 基于纹理约束的精细光流估计和运动分割算法纹理一致性约束除了使用在图象初始分割中，还应用于后面的精细化光流估计和运动分割中。①在粗光流估计步骤中，使用部分拟合算法，从而保证光流计算仅在相同的纹理区域上进行。而本文有相同纹理区域对应于同一个刚体上的一个小平面的假设，从而保证局部光流计算所用的所有的象素点的可视运动(visualmotion)基本相同。而那些使用预先均匀划分好的局部区域作为初始分割的光流算法则难以保证局部区域光流运动的一致性。此外，由于纹理分割得到的局部区域内有足够的变化信息，因此比以往使用亮度一致的局部区域的算法，在光流方程拟合计算时，方程的解有更好的稳定性。②在基于参数化运动模型的精细光流估计步骤中，计算参数化模型的所有象素点也符合纹理一致性假设，进而也就满足小平面假设，从而可以满足使用参数化运动模型算法的必要条件。而那些使用预先均匀划分好的局部区域作为初始分割的光流算法，则难以满足参数化运动模型算法的必要条件，而那些使用基于亮度一致性的分割结果作为初始分割的算法，由于对自然纹理分割的得到的结果非常细碎，也不利于使用参数化运动模型算法。③在运动分割步骤中，精细光流估计结果和参数化运动模型是分割的基础。因此本文融合了纹理信息和运动信息的分割算法有利于提高分割的性能。其次，在运动分割的区域分裂合并和滤波的各个步骤中均使用了部分拟合算法作为纹理约束。使得在区域生成时得到的分割区域内的象素不但有相同的运动模型，也有相同的纹理特性。