小波分析从引入图像图形领域后，就一直是计算机图形学和图像处理应用的一个重要工具。小波分析方法是一种时间窗和频率窗都可改变的时频局部化分析方法。对于大小不同的尺度成分采用相应粗细的时域取样步长，从而能不断聚焦分析信号的任意微小细节。近年来，Kingsbury等人提出了一种新的小波分析工具——二元树复小波变换(Dual-tree Complex Wavelet Transform，DTCWT)。DTCWT不仅保持传统小波优良的时频局部化分析能力，还具有优良的方向分析能力，能够反映出图像在不同分辨率上沿多个方向的变化情形，因此DTCWT越来越多应用于图形图像领域。本论文主要研究DTCWT在纹理合成和人脸特征检测方面的应用。 纹理合成是当前计算机视觉、计算机图形学、图像处理等多个领域的研究热点之一，在图像的MPEG压缩编码、图像修复、基于图像类推的滤波器设计等方面都有广泛的应用。另一方面，人脸也是图像与视频中重要的视觉对象，在计算机视觉、模式识别、多媒体技术研究中占有重要的地位。人脸检测和人脸特征检测是人脸信息处理及基于内容的检索研究中一个焦点问题，是近年来研究十分活跃的一个方向。 将DTCWT引入到纹理合成算法领域中，提出了基于DTCWT的纹理合成算法。通过构造纹理相似度评估函数，对整个集合进行纹理匹配的搜索和选择，最终由生成的小波系数通过逆变换合成新的纹理图像。实验结果表明，基于DTCWT的纹理合成算法比传统的算法在效率上有较大的提升，同时处理结构化的纹理也有着一定的优势。 通过分析DTCWT的特性，提出了基于DTCWT的人脸特征检测算法。由复小波变换分解的系数构造出局部能量函数和全局能量函数，进行极值搜索寻找特征点。基于DTCWT的人脸特征检测算法在人脸内的特征检测效果相当好，比较其他的算法速度也很快，而且不需要学习训练背景。 在以上的基础上设计了一个基于DTCWT方法的平台。整个平台包括图像预处理模块、DTCWT模块和应用模块。一方面提供内部的接口，可以方便将基于DTCWT的方法应用到更多领域中；另一方面也提供外部的接口，使得基于DTCWT的方法可以有效的与其他方法相结合，提高算法的效率、增加算法的适应性。 基于DTCWT的方法不仅可以应用于纹理合成和人脸特征检测，在图像去噪、增强、补绘和压缩等方面也有着广泛的应用前景。对DTCWT的研究和应用在将来会受到越来越多的重视，也会出现越来越多的成果。