图像分割和目标跟踪技术是计算机视觉领域的重要的研究方向,在模式识别、图像编辑、智能监控等领域有着广泛的应用。我们把图像分割和目标跟踪应用到视频真实场景与虚拟图像融合问题之中,研究并改进了相关算法,并针对该问题设计了一套解决方案。论文以实现逼真的图像融合效果为目的,提出了以交互式分割获得场景中背景目标的边界,以8参数透视模型为基础估计目标的透视变换参数,并以高分辨率重采样进行图像融合的算法思想。在交互式分割环节,论文采用了基于最大流的Graph Cuts方法,讨论了通过分水岭变换、区域合并进行预分割,在预分割区域上构造能量函数,并且在用最大流算法最小化能量函数时,提出了通过减小待分割图像的有效分割范围来降低流网络的复杂度,以加快Graph Cuts分割速度的方法。在参数估计环节,论文详细分析了在灰度不变性条件下建立代价函数,并运用Levenberg-Marquardt算法来估计透视参数的方法,并在此基础上提出了一种减少迭代计算量的LM改进算法。同时本文采用由粗至精的图像金字塔数据结构,在每层金字塔上对透视参数逐步求精,进一步减少了计算量并避免了误匹配。除此之外,为了保证在目标快速运动时算法的鲁棒性,本文提出了将卡尔曼滤波、Mean Shift和基于透视模型的参数估计相结合的目标跟踪算法,实验表明此算法可以在目标快速运动时仍能准确估计透视参数。最后本文采用了一种将输出图像坐标变换到输入图像坐标,并且在高分辨率输入图像上重采样的图像融合方法。并且在融合时考虑到光照影响,对输入图像生成阴影并控制阴影的显示范围,实现了更逼真的融合效果。