类推是人类最常用的基本推理过程。图像类推思想是一种基于学习的思想，阐述的是计算机学习人类的类推过程，分析并学习源图像对中两幅图片的关系，将此关系应用到目标图像对中。 图像类推算法是由Hertzmann等人受人类推理过程的启发而提出的。该算法很好地解决了从数字艺术渲染中学习“艺术滤镜”的问题，在艺术滤镜、纹理合成、纹理传输、纹理数字化等典型图像处理方法中的应用取得了很好的效果。同时其提出的图像类推思想也启发了广大的专家学者，拓展了图像类推思想在其它相关领域的研究。但是，在图像类推算法中，最佳匹配像素搜索算法效率较低也一直是影响图像类推合成效率的因素。 本文在Hertzmann图像类推算法的基础上，提出了一种基于粒子群优化(PSO)算法的快速图像类推算法。粒子群优化算法(PSO)是由Kenndey和Eberhart在1995年提出一种基于群智能(Swarm Intelligence)的新的全局优化进化算法。PSO算法本质上属于迭代的随机搜索算法，其主要优点在于收敛速度快、能以较大的概率找到优化问题的全局最优解等。 本文应用粒子群优化(PSO)算法对Hertzmann图像类推算法的最佳匹配像素搜索算法进行了改进，将粒子群优化(PSO)算法引入到图像类推领域，取代了Hertzmann图像类推算法中使用的相似最近邻域(ANN)搜索。在合成效果与Hertzmann图像类推算法相差无几的前提下，合成速度有了数倍的提升。同时本文采用粒子群优化算法具有参数少，易实现，收敛快等优点，可以很方便地调节粒子群优化算法的相关参数来达到最佳合成效果。 本文提出的基于PSO的快速图像类推算法在艺术滤镜、纹理合成、纹理传输、纹理数字化等方面具有广泛的应用前景。