本文围绕纹理合成与视频时域分割两种技术,对与之相关的二维纹理合成、视频纹理合成、镜头边界检测算法及其在视频水印方面的应用等问题展开研究。提出一种应用粒子群优化算法基于像素的纹理合成方法,能够快速地在输入纹理中搜索到合适的像素复制到结果纹理,提出该方法旨在提高传统的基于像素纹理合成方法的速度,克服基于块的纹理合成方法对非矩形样本纹理无法完全采样的缺陷。提出一种应用遗传算法的视频纹理合成算法,在视频纹理合成过程中引入遗传算法,对有限长度的源视频进行加工,得到可无限播放的连续视频序列。该算法只需设定一个适当的适应度函数即可省去大量复杂的对源视频的预处理。为提高上述方法的合成质量和速度,本文还对多种相似性尺度和测量准则进行实验比较,选取一种χ2直方图法来衡量视频帧间差异度,并采用分段遗传算法合成视频纹理。提出一种基于粒子群优化分类器的镜头边界检测算法,该算法以YUV模型中的U分量直方图差异曲线来反映视频帧间差异度,能够避免检测算法对镜头运动及镜头内物体运动的敏感,同时对渐变具有更好的识别效果。接着采用滑窗均值滤波的方法对差异曲线滤波,在镜头转换部分形成具有显著特征的曲线图形。然后使用一种应用粒子群优化算法的近邻学习方法对这些曲线图形进行分类,最终实现对镜头转换的位置检测与类型识别。该算法能够在同一步骤内完成对切变和渐变的检测。提出一种应用方向经验模式分解的镜头边界检测算法,并结合独立分量分析技术实现视频水印的嵌入。应用方向经验模式分解的镜头边界检测算法除去视频帧中反映图像内光照分布与能量的最低频率固有模态函数分量,并选择一种基于块跟踪的运动补偿方法,能够解决传统的基于直方图的方法对光照突变、镜头内物体运动和镜头运动的敏感问题,减少镜头边界识别的误检率,在保证召回率不受影响的前提下提高了视频分割的精确度。使用这种视频分割方法与独立分量分析技术结合,对分割出的每个视频段进行独立分量分析得到一系列独立分量帧,以这些独立分量帧为载体,采用一种改进的基于小波域量化的图像水印技术嵌入水印,实现对视频加入水印的过程。