动态纹理是指具有稳态特征的图像序列(稳态特征有时间相关性)，它们描述诸如波浪、瀑布、烟雾等动态场景。在模式识别中，特征提取是最基本的问题之一。首先，我们采用基于频谱的方法和基于灰度共生矩阵的方法来抽取动态纹理的特征；其次，我们选择支持向量机来构造分类器，这种分类器对于小样本分类具有良好的分类效果。就纹理的频谱特征而言，采用常用核函数的支持向量机能得到良好的分类效果，分类正确率达到96％以上。对于基于纹理灰度共生矩阵的方法来说，由于特征维数较大，需要采用合适的特征选择方法。针对这一问题，我们采用微分几何的方法来解决：一是将线性的主成分分析推广到曲线上，即采用微分几何中的主曲率方法，其实质是在欧氏空间中嵌入一维流形。二是采用微分几何中的切距离，将其引入到核函数中，构造切距离的核函数，进而构造切距离核的主成分分析方法。这种核主成分分析方法利用非线性映射将原始数据映射到高维的特征空间，并在高维特征空间实施相应的线性操作。本文的实验表明，采用核主成分分析方法对动态纹理进行分类获得的效果比采用线性主成分分析方法的结果要更好些。最后，我们采用切距离的核函数的支持向量机对动态纹理实施分类。