纹理是在计算机图形学中一种普遍存在的视觉现象。纹理通常用来描述自然界中具有重复性的现象,如机房中的噪声,物体移动,物体表面细节特征以及人类的活动等等。计算机图形学的主要目标就是再现真实世界,那么纹理合成在图像处理和动画领域上有着重要的意义。首先,提炼多种纹理合成算法共性,提出一种基于马尔可夫随机场(MRF)的纹理合成算法框架设计,该架构比较简单灵活,由两个相对独立的模块组成:多分辨率图像金字塔和匹配查询。每个模块都可以进行独立的扩展。该框架是本文纹理合成算法扩展和优化的原型。其次,基于这种算法框架,提出一系列应在纹理合成过程中进行提取的纹理特征。假设纹理为空间上分布的信号,挖掘出四个纹理特征作为合成过程的参考:纹理能量,像素颜色值,梯度和空间频率。纹理能量是纹理的全局信息,那么纹理合成过程就转换为能量最小化的优化过程。在能量约束下误差不会在纹理生成过程中累积,纹理的全局信息可以在大范围内得到交换。像素颜色值是纹理合成的基本依据。梯度为合成过程加入了高通滤波效应,增强了合成纹理的高频信息。邻域尺寸的设置对最终结果影响颇大,通过动态空间频率检测,可以在适当的场景中使用适当的邻域尺寸。最后,对算法的迭代过程和匹配查询过程进行加速。提出基于遗传算法的混合迭代优化以及多分辨率多尺度的方式进行纹理合成,可以有效降低在迭代过程中陷入局部极值的可能性。同时,使用k-d树或TSVQ(tree-structured vector quantization)树等技术,对邻域匹配操作进行加速。