通常情况下，纹理被认为是按照一定的规则或规律对元素或者基元进行排列与组合所得到的重复模式。其研究分为两个主要的方向，一是图像处理的方向，包括纹理分析、纹理分割、纹理识别、纹理分类、纹理检索等；二是计算机图形学的方向，包括纹理生成、纹理合成、纹理映射等。传统图像处理研究的一般思路是，通过各种数学计算对图像进行处理，在获得的结果中找出计算意义上的特征，然后进行分析得出有意义的结论。借助机器学习和数据挖掘技术的帮助，相应的算法具备了一定程度上的自学习和自适应能力。而最近一段时期，图像领域的科研人员逐步地开辟出了一个新的研究方向，就是从视觉感知的角度对纹理图像进行研究和分析。这些工作中既有针对方向性、粗糙度等视觉感知维度进行的理论研究，也有基于视觉感知进行纹理检索和纹理缺陷检测等的应用研究。目前，纹理生成和纹理合成技术的研究取得了巨大的成就，尤其是一种被称为过程纹理生成（Procedural Texture Generation）的技术受到了极大的关注。过程纹理生成技术是利用预先编制好的一系列计算机程序来生成纹理图像，它或者是某种数学模型和算法的具体实现，或者是按照一定的规则和步骤顺序执行的计算机程序，通过程序的运算执行来获得相应的纹理图像。针对不同的需要，人们开发出了各种各样的过程纹理生成程序，只需给定相应的参数值，就可以得到预期纹理图像。但在给定参数值时，由于过程纹理生成模型都是从数学角度进行定义，对于普通用户来说，要理解参数的意义有着巨大的困难。本文的研究专注于找到一种合理的方式，将人类视觉系统描述纹理图像的视觉感知量映射成合适的过程纹理生成模型的参数值，使得普通用户能够利用自己熟悉的视觉感知维度来描述想要获取的预期纹理图像，只要给定了视觉感知量，就可以得到相应的模型参数值，进而驱动过程纹理生成模型获取想要的纹理图像。全文共包含七章。其中，第一章介绍了研究的背景、目标、内容和创新点；第二章综述分析了过程纹理生成模型的特点，并介绍了几种主流的过程纹理生成模型和向纹理图像中添加结构性信息的方法；第三章对纹理感知研究进行了介绍，从计算机视觉和视觉科学两个不同的视角分别分析了所要面对的问题，综述了纹理感知目前的研究现状，介绍了纹理感知研究所使用的技术和工具，对本文涉及的纹理感知研究实验的需求进行了分析；第四章首先提出了本文所涉及的心理物理学实验的总体要求，然后分析了对于样本图像的具体要求，严格按照这一要求准备了实验所需的过程纹理样本图像，设计并实现了相应的心理物理学实验，分别记录了有关“视觉真实感”的实验数据、感知分类的实验数据和视觉感知维度的评分数据；第五章对心理物理学实验所获得的数据进行了分析，找出了能够生成具有“视觉真实感”纹理图像的过程纹理生成模型，并获得了其它一些有意义的关于视觉感知的实验结论，面对有限样本的情况，找出了在中文语境下，能够描述过程纹理图像的主要的视觉感知维度；第六章分析讨论了目前主流的机器学习算法，从中选定了人工神经网络作为我们的模型映射工具，分析比较了BP反向传播网络和RBF径向基函数网络的优缺点，利用RBF网络成功地把视觉感知量映射成相应的过程纹理生成模型参数，建立了基于视觉感知机理的过程纹理生成模式，最后通过实验对其有效性进行了验证分析；第七章对全文进行了总结，指出了研究工作中存在的问题和不足，对未来下一步的研究进行了分析和展望。