纹理在计算机视觉和真实感绘制技术中具有十分重要的作用。其中为了解决纹理映射存在的走样问题而提出的纹理合成技术应用范围更为广泛。在纹理合成研究领域,合成速度与合成质量是检验一个纹理合成算法是否有效的基本标准,本文从这两方面入手对纹理合成技术进行研究,并对纹理合成的一些应用进行了研究。在纹理合成中,影响纹理合成速度有很多种因素,其中最主要的是搜索匹配策略的选取,本文将群智能中经典的粒子群优化算法引入到纹理合成领域,提出了应用粒子群优化算法的快速纹理合成算法,使在不影响质量的情况下,合成速度有了很大提高。基于方向经验模型分解的纹理合成算法,是本文从纹理合成质量入手所提出的另一种新的纹理合成算法,该算法与其他算法比较,既保留了样本纹理特征,又更进一步的从细节出发,在多尺度下完成纹理合成,使合成质量更高。同时该算法还具备简单、高效、适用范围广等优点。本文就纹理合成在图像处理中的应用提出了几种新算法:一是提出了基于块的快速纹理传输方法,可以方便的使用参数控制各种纹理在合成中所占的比例,来完成纹理的传输;二是提出了快速的图像类比方法,采用本文提出的纹理合成算法,进行图像类比处理,提高了类比速度,而且本算法只要一个输入的艺术风格样图就能生成和该样图风格类似的艺术绘画效果。还提出了两种基于约束的纹理合成算法,一种是单样本约束纹理合成算法,对本文提出的纹理合成算法进行扩展,用其实现对单幅照片的修复。另一种是双样本约束纹理合成,用户可以根据自己的需求设计获得新的效果图,实现从图像到图像的变换。另外还将二维纹理合成搜索匹配思想,引入到图像拼接领域中,结合多分辨率、模式识别等技术提出一种基于粒子群优化算法的多分辨率拼接算法,并将视频纹理引入到静态全景图中,实现了动态全景图系统。