前景提取与融合广泛应用于电影制作和体感游戏等领域，目前常见的方法有蓝屏抠像方法、背景建模方法和基于Kinect的方法等。但基于复杂背景的前景提取尚未有准确可靠的方法，是当前的研究热点。本文就复杂背景下的前景提取和后续的图像融合进行了研究，在前人的基础上改进了现有的方法，并提出了一种复杂背景下前景提取的新方法。本文首先实践了基于蓝屏抠像的前景提取方法，蓝屏抠像提取前景需要借助于蓝色背景墙，这种前提限制了它的使用范围。针对这种不足，有学者提出了对复杂的背景进行建模，本文分析了两种背景建模的方法：基于颜色信息的背景建模方法和基于高斯混合模型的背景建模方法。基于颜色信息的背景方法能够较好的区别前景的阴影，基于高斯混合模型的背景建模方法是当前背景建模效果较好的前景提取方法。两种方法对背景变化规律或者缓慢的情况的前景提取有很好的效果，但是当背景的变化复杂时，对背景建模的方法则不能很好的提取前景。微软使用基于散斑的Kinect提取前景。Kinect借助于红外散斑，得到场景的深度信息，进而提取复杂背景下的前景。但前景的边缘比较复杂时，Kinect提取的前景边缘并不准确。因此本文提出了利用漫水填充的方法对提取的前景参照源图像进行优化处理。本文提出了一种复杂背景下提取前景的新方法，通过对复杂背景下的前景照射均匀的近红外光，使前景具有区别于复杂背景的新信息，能够很好的将复杂背景下的前景提取出来。基于这种新方法提取的准确前景，本文探讨了将其无缝融合到新背景的方法：泊松方程法，实验表明，该方法可以生成浑然一体的新图像。