走樣是由于對(duì)連續(xù)信息進(jìn)行離散采樣、存儲(chǔ)或表示等所導(dǎo)致的一種信號(hào)失真現(xiàn)象,反走樣是計(jì)算機(jī)圖形學(xué)研究的基本問題之一。圖形反走樣可以有效地重建出幾何、紋理、運(yùn)動(dòng)等各種細(xì)節(jié),從而提高繪制圖形和生成動(dòng)畫的質(zhì)量,幫助用戶獲得更好的視覺體驗(yàn)。因此,反走樣一直是計(jì)算機(jī)圖形學(xué)研究中的重要課題,在三維計(jì)算機(jī)游戲、計(jì)算機(jī)動(dòng)畫、虛擬現(xiàn)實(shí)、影視后期制作等領(lǐng)域具有廣泛和重要的應(yīng)用。隨著各種圖形應(yīng)用對(duì)繪制效果和繪制性能要求的不斷提高,延遲著色技術(shù)正成為實(shí)時(shí)繪制中的主流方法。而傳統(tǒng)的屏幕反走樣技術(shù)與延遲著色技術(shù)不兼容,因此面向延遲著色的后期處理反走樣算法成為當(dāng)前圖形反走樣的研究熱點(diǎn)。該類算法利用場(chǎng)景的光柵化幾何或著色信息進(jìn)行反走樣,避免了傳統(tǒng)反走樣方法需要依賴于原始幾何信息的不足。如何高效存儲(chǔ)和利用幾何緩存信息,實(shí)現(xiàn)接近超采樣的反走樣效果,是該類算法中一個(gè)重要挑戰(zhàn)。陰影可以反映場(chǎng)景中物體的幾何屬性和相對(duì)位置,是真實(shí)感圖形繪制中的重要組成之一。在實(shí)時(shí)繪制中,陰影圖算法因其簡(jiǎn)單、高效而被廣泛使用。但是,由于陰影圖只是記錄了離散的場(chǎng)景深度信息,在實(shí)際應(yīng)用中存在著嚴(yán)重的走樣現(xiàn)象。如何高效、高質(zhì)量地生成反走樣陰影,一直是陰影圖算...

【文章頁數(shù)】：121 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 走樣現(xiàn)象的來源和分析
    1.2 實(shí)時(shí)繪制中的走樣
    1.3 屏幕反走樣算法
        1.3.1 傳統(tǒng)的基于超采樣的反走樣算法
        1.3.2 延遲著色技術(shù)帶給反走樣算法的挑戰(zhàn)
        1.3.3 后期處理的反走樣算法
    1.4 陰影圖算法中的反走樣
        1.4.1 陰影圖算法的基本原理
        1.4.2 反走樣的陰影圖算法
    1.5 本文工作和章節(jié)安排
第2章 基于三角形幾何重建的子像素反走樣
    2.1 算法概述
    2.2 G-buffer的生成
    2.3 反走樣濾波
    2.4 算法結(jié)果和對(duì)比
        2.4.1 和SRAA的對(duì)比
        2.4.2 和SMAA,MLAA的對(duì)比
        2.4.3 算法的局限性
    2.5 本章工作小結(jié)
第3章 面向延遲著色的統(tǒng)一反走樣算法
    3.1 算法概述
    3.2 G-buffer的存儲(chǔ)
    3.3 幾何邊界像素和非幾何邊界像素的分類
    3.4 基于三角形的幾何邊界像素的反走樣重構(gòu)
    3.5 基于圖像分析的非幾何邊界像素反走樣重構(gòu)
    3.6 重投影時(shí)間域反走樣
    3.7 實(shí)驗(yàn)結(jié)果分析
    3.8 本章工作小結(jié)
第4章 三角形重建的幾何陰影圖算法
    4.1 算法概述
    4.2 幾何緩存的生成
    4.3 保守光柵化
    4.4 幾何陰影圖的壓縮
    4.5 陰影計(jì)算
        4.5.1 三角形一致性檢測(cè)
        4.5.2 基于打包的陰影計(jì)算
    4.6 實(shí)驗(yàn)結(jié)果分析
        4.6.1 走樣與深度偏移
        4.6.2 與FVSM、alias-free等算法的對(duì)比
        4.6.3 與SPSM算法的對(duì)比
        4.6.4 SCR指標(biāo)和用戶調(diào)查
        4.6.5 算法的局限性
    4.7 本章工作小結(jié)
第5章 去像素化輪廓線重建的線性陰影圖算法
    5.1 線性陰影圖
        5.1.1 理論基礎(chǔ)
        5.1.2 線性陰影圖計(jì)算陰影
    5.2 去像素化輪廓線重建
        5.2.1 像素分類
        5.2.2 去像素化的輪廓線重建
    5.3 算法流程與實(shí)現(xiàn)
    5.4 與其它陰影圖算法結(jié)合使用
    5.5 實(shí)驗(yàn)結(jié)果分析
        5.5.1 算法結(jié)果對(duì)比
        5.5.2 和不同陰影圖算法結(jié)合
    5.6 本章工作小結(jié)
第6章 總結(jié)與未來工作展望
    6.1 全文總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
攻讀博士學(xué)位期間主要的研究成果
致謝



本文編號(hào)：4016126