本文選題：真實感繪制 + 稀疏性　； 參考：《浙江大學》2016年碩士論文

【摘要】：蒙特卡羅路徑追蹤(path tracing)是目前最重要的真實感繪制方法,是照片級真實感繪制的基礎,然而這種方法面臨著收斂速度慢的問題,在采樣不足時圖像會出現(xiàn)明顯噪點,如何減少采樣加快收斂是一個很重要的研究問題�！肮鈭鼍哂芯植肯∈栊浴笔抢L制中早已存在的共識,這是因為場景空間相鄰點接收的光輻射度也傾向相似。壓縮感知相關知識表明,以極少采樣量恢復原始稀疏信號是可能的。如果將場景空間臨近的著色點排列成行,上半球面域入射光采樣方向細分鋪開成列,組成一個光傳輸矩陣,則該矩陣是低秩的,可以利用壓縮感知中廣泛應用的低秩矩陣補全方法稀疏采樣重建出光場。我們關心的是,這種方法補全一個矩陣最低需要多少采樣數(shù)?這方面已有成熟的研究成果,其中與矩陣的元素分布結構有較大關系,數(shù)學上用Coherence這一變量來表示。基于此,本文首先研究了傳輸光場的矩陣Coherence相關性質,推導論證出一些定性和定量的數(shù)學結論;然后以此為指導,設計出一種似K-means聚類算法,用于將場景空間分割成局部光場具有較好稀疏性和低列空間Coherence的局部塊(local patch),并通過實驗證實該聚類算法優(yōu)于傳統(tǒng)的K-means算法;最后本文引入一種基于自適應采樣的低秩矩陣補全算法對聚類后的局部光場進行重建,該算法運行速度快,補全需要的采樣數(shù)比其他算法低,且非常適用于本文的繪制問題,本文也通過若干實驗結果證實了這些優(yōu)越性;另外,本文在不改變原算法邏輯的前提下,還對該算法作了進一步的優(yōu)化,矩陣補全結果未受影響,但是運行速度卻顯著地提升了 2～4倍。重建出來的光場可以作為重要度函數(shù),用于后續(xù)蒙特卡羅光線追蹤的重采樣過程。如果重建光場與真實光場足夠接近,也可以被直接用于最終圖像的繪制。
[Abstract]:Monte Carlo path tracing (path tracing) is the most important method of realistic rendering at present, which is the basis of photo-level realistic rendering. However, this method is faced with the problem of slow convergence. "the local sparsity of light field" is a consensus in rendering, which is because the intensity of light radiance received by adjacent points in scene space also tends to be similar. The knowledge of compressed sensing shows that it is possible to recover the original sparse signal with a small sample amount. If the coloring points near the scene space are arranged in rows and the sampling direction of the incident light in the upper hemispherical domain is subdivided into columns to form an optical transmission matrix, the matrix is of low rank. The low rank matrix complement method widely used in compressed sensing can be used to reconstruct the light field by sparse sampling. Our concern is, what is the minimum number of samples needed by this method to complement a matrix? There have been mature research results in this field, in which there is a great relationship with the element distribution structure of the matrix, which is expressed mathematically by coherence as a variable. Based on this, this paper first studies the matrix coherence correlation properties of the transmission light field, deduces some qualitative and quantitative mathematical conclusions, and then designs a K-means like clustering algorithm under the guidance of this method. The local block (local patch), is used to divide the scene space into local light fields with good sparsity and coherence in low column space. The experimental results show that the clustering algorithm is superior to the traditional K-means algorithm. Finally, this paper introduces a low rank matrix complement algorithm based on adaptive sampling to reconstruct the local light field after clustering. The algorithm runs faster and needs less samples than other algorithms, and it is very suitable for the rendering problem in this paper. In addition, without changing the logic of the original algorithm, the algorithm is further optimized, and the results of matrix complement are not affected. However, the speed of the operation was significantly increased by 2 times. The reconstructed light field can be used as an importance function for the subsequent Monte Carlo ray tracing resampling process.
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關博士學位論文 前8條

1 蘇忱;高分辨率可交互掃描光場顯示關鍵技術研究[D];浙江大學;2017年

2 朱智涵;軌道角動量光場時空特性與光聲耦合[D];哈爾濱理工大學;2017年

3 解松霖;三維顯示中的光場信息處理技術研究[D];北京郵電大學;2017年

4 吳量;三組份偏振糾纏光場的制備及三原子系綜之間量子糾纏的實現(xiàn)[D];山西大學;2017年

5 周瑤瑤;高糾纏度糾纏態(tài)光場的制備及其在量子秘密共享中的應用[D];山西大學;2017年

6 賀敬文;太赫茲光場調制超表面器件的設計與表征[D];哈爾濱工業(yè)大學;2017年

7 趙青青;生物光信息處理技術研究[D];中國科學院大學(中國科學院上海技術物理研究所);2017年

8 霍宇馳;基于光傳遞矩陣表示與重構的高效真實感繪制技術[D];浙江大學;2017年

相關碩士學位論文 前10條

1 吳國宏;基于低秩矩陣補全的光場空間重建[D];浙江大學;2016年

2 王林;光場反射式直線時柵光場分布仿真和結構設計[D];重慶理工大學;2017年

3 牛原野;壓縮感知光場重建及深度估計的研究[D];鄭州大學;2017年

4 張曉帥;光場的稀疏編碼模型及重構算法的研究[D];浙江工業(yè)大學;2017年

5 蔣孝鑫;基于光學天線的矢量光場的聚焦與調控[D];南京航空航天大學;2017年

6 鄧瑞婕;795nm壓縮熱態(tài)光場量子存儲的相關問題研究[D];山西大學;2017年

7 許現(xiàn)波;光場式直線時柵高精度動態(tài)測量方法研究[D];重慶理工大學;2017年

8 孟僑;基于壓縮光場的虛擬視點生成研究[D];北京郵電大學;2017年

9 余臨倩;基于改進K-SVD字典的壓縮光場重構與圖像去噪研究[D];浙江工業(yè)大學;2017年

10 牛朦朦;基于光場相機的深度圖像生成技術研究[D];沈陽理工大學;2017年

，

本文編號：2077438