纹理合成技术是计算机图形学研究的重要内容之一，也是研究的热点。纹理合成在计算机虚拟现实，计算机动画，影视制作等领域有着广泛的应用。多年来，研究人员对提高纹理合成的质量和速度提出了各种各样的方法，也取得了显著的成果。随着计算技术的飞速发展，给进一步研究纹理合成算法，提高合成质量与速度提供了有利条件。本文对基于样图纹理合成方法进行了深入的研究，分别使用计算统一设备架构(ComputeUnified Device Architecture，CUDA)和标准粒子群算法(Standard ParticleSwarm Optimization SPSO)对纹理合成算法进行了改进，取得了较好的效果，也具有较强的实用价值。本文的主要工作与贡献如下：　　 (1)分析了纹理合成算法中点匹配的经典算法--Wei&Levoy算法，算法在执行过程中每合成输出图像的一个像素，需把输入样图像素的L邻域匹配值逐个计算一遍。传统的串行算法，其效率低，合成时间长，限制了算法的应用。本文提出使用并行算法加速纹理合成，基于CUDA平台，利用GPU强大的并行计算能力，将耗时的计算转移到GPU中去。仿真实验结果表明，改进后的算法极大的提高了效率，加速比最高可达160倍以上。　　 (2)分析了使用传统粒子群(Traditional Particle Swarm Optimization，TPSO)加速的纹理合成算法中，TPSO的迭代过程所有粒子只使用一个全局最优值，导致搜索中容易陷入局部最优，致使合成的效果并不理想。　　 (3)提出改进的基于标准粒子群(SPSO)的纹理合成算法，利用SPSO对匹配块搜索过程进行改进。SPSO中每个粒子使用自己的局部最优值，粒子以各自的局部最优值作为参照来运动，因此粒子在迭代过程中不容易陷入局部最优，能更好的搜索整个样图，得到较好的合成结果。仿真实验结果表明，使用SPSO的效果和速度都要优于TPSO，且找到的匹配块具有令人满意的匹配值。　　 最后，对研究内容进行总结，并指出后续的研究方向，为进一步的研究开拓思路。