纹理合成以人工生成纹理为目的,是计算机图形学与图像处理的重要研究领域。基于样图的纹理合成是近些年来出现的一种新技术,它以小块纹理图像作为输入合成任意大的同类纹理,并以高质量的输出图像、满足实时需要的合成速度与全自动的合成过程为目标。该技术大量用于制作虚拟现实中的场景,在电影、游戏娱乐等产业中,有着巨大的应用需求。随着近些年来计算机三维绘图能力的飞速提高和对大尺寸高质量纹理的强烈需求,基于样图的纹理合成成为热门研究领域之一。目前该领域的难点主要体现在纹理合成的速度与合成图像的质量上。针对以上两点,本论文以高质量快速纹理合成算法为目标,提出了若干有效的解决方法。主要研究工作和创新之处如下:首先,在分析MRF模型优缺点的基础上,为了接近全局意义上的MRF最优,首次将QPSO搜索算法引入一般的基于块拼贴的纹理合成算法中,减少了陷入局部最优值的概率,提高了纹理合成的质量。实验表明,无论对于结构性纹理,随机性纹理,还是半结构半随机性纹理,其合成质量都有明显改善。其次,分析了现有纹理合成技术中相似性测度的优缺点,为了降低噪声干扰和数据缺失等因素造成的纹理误配,在以QPSO作为搜索算法的基础上,本文将概率论中的互信息作为相似性测度引入纹理合成过程,提高了纹理合成的稳定性。最后,详细分析了特征点识别与定位对整个纹理合成的作用,并提出了一种用多边形近似来分析纹理图像中特征点分布的结构模式分析方法。该方法可以提取结构性及半结构性半随机性纹理中的特征点分布规律,并在此基础上定位纹理的全局特性。将纹理特征点全局定位要素加入基于QPSO的块拼贴纹理合成的框架中,提出一种新的使用特征点定位的块拼贴纹理合成算法。