人脸图像的虚拟合成是新一代人机交互中的重要技术，也是当前国内外非常活跃的研究方向，在计算机图形学和计算机视觉方面都将会得到广泛的关注和应用。其潜在的应用领域包括窄带视频传输、计算机辅助教学、电影特效制作、MTV特效制作、游戏制作、虚拟现实、人工智能和机器人等等。在人脸图像合成技术方面，不同的应用领域，不用的研究人员提出的方法区别很大。 人脸虚拟合成技术将成为人机交互(Human Computer Interaction)领域中重要的组成部分。人机交互技术发展的最终目标：一是使计算机越来越智能化，易于使用；二是机器人的智能感知。 在本文中，对人脸的合成和建模，是基于2D人脸样本图像的，完全不用提取人脸的3D信息，这是与3D人脸建模技术完全不同出发点的思想。 本文在分析和总结前人研究的基础上，对人脸合成技术进行了深入的研究。本文所涉及的主要研究工作如下： (1)把用于运动检测的光流算法成功应用到人脸合成技术中。给出了基于区域匹配的光流算法的人脸合成方法，并对这种方法进行了仿真实验。基于单一光流算法的人脸合成方法，能很好的解决人脸深度上旋转的拟合问题，但对神态表情、脸形等方面的拟合效果不明显。 (2)利用Greedy Snake模型算法获取人脸特征控制点，得到一种比较精确的人脸图像变形算法。在对基于Greedy Snake模型的图像变形算法进行仿真时发现：利用单一的变形算法合成人脸在解决神态表情、脸形变化、平面上旋转等方面的拟合效果很好，但对图像在深度上旋转的合成效果不明显。 (3)结合光流算法和图像变形算法各自的优缺点，把这两种图像合成方法整合在一起，使他们能各取所长弥补各自的不足，形成了一种新的人脸合成算法，即人脸虚拟合成方法。对本文给出的人脸虚拟合成算法进行了仿真试验，证实了该方法在利用2D样本图像来合成人脸的可行性和有效性。