真实感图形生成系统及自适应采样技术在其中的应用

摘要

真实感图形技术是计算机图形学的重要组成技术，计算机科技的发展对更具真实感图形的生成算法提出了更高的要求。高效的真实感图形生成算法试验平台是这一技术发展的关键，本文根据近年来这一领域的研究情况，提出了基于虚拟环境的蒙特卡罗整体光照实验平台模型-RenderStorm，试验平台模型具有高度模块化的结构，良好的扩展性、适合生成静态及动态真实感图像等特点，其中我们着重设计了平台组成的主要模块及其作用，并对其的协作运行进行了分析。为了能够快速生成真实感图像，我们针对光线跟踪法这一核心算法中的自适应采样技术提出了新的改进，其中主要应用了信息熵理论、模糊数学理论，同时还提出了光线微分法在这一方面应用的想法。论文主要运用RMS，NCD等工具描述两幅图像之间的质量差异，分别将应用经典Contrast算法，信息熵算法，模糊数学算法等自适应采样算法生成图像与原始随机采样所得图像进行对比。其中主要创新性的在这一应用领域中引入了基于renyi熵、Tsallis熵自适应采样算法，通过大量的实验探索信息熵在这一领域应用的规律，同时对各算法之间的性能进行了比较分析，最终可以得到结论：自适应采样算法可以将采样点集中在图像比较重要的细节部分，对真实感图像的质量的整体提升具有明显的效果，新的信息熵理论的引入通过实验验证为可行的，最后论文对以后研究工作的继续进行了展望。

目录

文摘

英文文摘

独创性声明和学位论文版权使用授权书

第一章绪论

1.1真实感图形概述

1.2真实感图形理论的主要内容

第二章真实感图像生成系统模型

2.1研究背景

2.2研究现状

第三章渲染系统中自适应采样技术的应用

3.1象素采样技术引入原因

3.2自适应采样的流程分析

3.3自适应采样中的象素质量判定标准

3.3.1经典象素质量判定标准

3.3.2Contrast判定标准的实验验证

第四章信息熵理论在渲染系统中的应用

4.1信息熵理论概述

4.1.1经典的香农熵理论

4.1.2新的信息熵理论的发展

4.2信息熵在自适应采样技术中的应用基础

5.1.1程序流程

5.1.2工具分析

5.2结果与分析

5.2.1基于香农熵的自适应采样算法试验结果

5.2.2基于renyi熵的自适应采样算法试验结果

5.2.4三种基于熵理论的自适应采样技术比较

第六章其他自适应采样技术的改进与完善

6.1模糊数学理论及基于模糊数学的自适应采样技术

6.1.2模糊数学的应用领域

6.1.3模糊度的概念定义

6.1.4可行性分析

6.1.5隶属函数及模糊度算法的选择

6.1.6模糊数学自适应采样结果分析

6.2自适应采样技术的进一步完善

7.1理论基础及应用现状

7.1.1光线微分法的发展现状

7.1.2光线微理论分析

7.2作为判定方法的算法提出

第八章总结与展望

参考文献

发表论文和科研情况说明

致谢