| 【中文题名】 | 基于Tsallis理论的自适应采样算法 |
| 【英文题名】 | Adaptive Sampling Based on Tsallis Theory |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-29 |
| 【中关键词】 | 蒙特卡罗,整体光照,自适应采样,Tsallis熵,Tsallis散度, |
| 【英关键词】 | Monte Carlo,Global Illumination,Adaptive Sampling,Tsallis Entropy,Tsallis Divergence, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>一般性问题>理论、方法>算法理论 |
| 【论文摘要】 |
真实感图形学是计算机图形学的重要组成部分,真实感图形技术的广泛应用对其算法提出了更高的要求。基于蒙特卡罗积分技术的整体光照计算是生成高质量真实感图像的主要方法。在绘制图像的过程中,需要用离散的像素来表示连续的图像,从本质上讲,绘制问题实际上就是采样的问题。本文从走样和反走样入手,针对某些像素的蒙特卡罗整体光照计算收敛速度较快,而另外一些像素则较慢的特点,引入自适应采样算法。其算法思想为:首先在每个像素内分配较少的固定数目的采样点数,然后根据计算出的像素质量来决定是否增加更多的采样点。
在回顾了基于方差、置信区间、对比度、香农熵和f-散度这些经典的自适应采样算法之后,本文引入了Tsallis理论,提出了基于Tsallis熵和基于Tsallis散度的自适应采样算法。在基于Tsallis熵的自适应采样算法中,引入最小二乘法根据不同的场景自动地选取合适的熵指数,由该算法生成图像在细节和计算复杂的区域表现较好,测得的均方根RMS也较其他算法小;在基于Tsallis散度的自适应采样算法中,本文通过手动地选取散度指数的一些实数值,经过实验,证明了只要选择合适的指数,由此算法生成的图像和得到的RMS数据均比... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第一章 绪论 |
7-15 |
|
1.1 计算机图形学简介 |
7-8 |
|
1.2 蒙特卡罗积分 |
8-9 |
|
1.3 整体光照算法 |
9-12 |
|
1.4 研究内容及创新 |
12-14 |
|
1.5 论文的组织结构 |
14-15 |
|
第二章 自适应采样技术 |
15-23 |
|
2.1 走样与反走样 |
15-16 |
|
2.2 采样点分布方式 |
16-19 |
|
2.2.1 规则采样(Regular Sampling) |
16 |
|
2.2.2 随机采样(Random Sampling) |
16-17 |
|
2.2.3 抖动采样(Jittered Sampling) |
17 |
|
2.2.4 半抖动的采样(Half-jittered Sampling) |
17 |
|
2.2.5 波松圆盘采样(Poisson Disk Sampling) |
17-19 |
|
2.3 超级采样 |
19 |
|
2.4 自适应采样 |
19-23 |
|
2.4.1 基于方差的自适应采样 |
19-20 |
|
2.4.2 基于置信区间的自适应采样 |
20 |
|
2.4.3 基于对比度(Contrast)自适应采样 |
20-21 |
|
2.4.4 基于香农熵(Shannon)的自适应采样 |
21 |
|
2.4.5 基于f-散度(f-Divergence)自适应采样 |
21-23 |
|
第三章 Tsallis信息理论在自适应采样中的应用 |
23-30 |
|
3.1 信息量与信息熵 |
23-24 |
|
3.2 信息熵应用在自适应采样中的理论基础 |
24 |
|
3.3 广义信息熵Tsallis熵在自适应采样中的应用 |
24-29 |
|
3.3.1 Tsallis信息熵在自适应采样中的算法分析 |
24-27 |
|
3.3.2 最小二乘回归方法分析 |
27-28 |
|
3.3.3 整体算法流程 |
28-29 |
|
3.4 探讨Tsallis散度(Tsallis Divergence)在自适应采样的应用 |
29-30 |
|
第四章 实验结果与分析 |
30-37 |
|
4.1 实验环境 |
30 |
|
4.2 基于Tsallis熵自适应采样算法的实验结果 |
30-35 |
|
4.2.1 实验一 |
30-32 |
|
4.2.2 实验二 |
32-33 |
|
4.2.3 实验三 |
33-35 |
|
4.3 基于Tsallis散度自适应采样算法的实验结果 |
35-37 |
|
第五章 总结与展望 |
37-38 |
|
5.1 结论 |
37 |
|
5.2 展望 |
37-38 |
|
参考文献 |
38-41 |
|
发表论文和科研情况说明 |
41-42 |
|
发表的论文: |
41 |
|
参与的科研项目: |
41-42 |
|
致谢 |
42 |
|
| 【DOI】 | LunWen.ID:2.2008.358133 |
