The invention discloses an adaptive rendering method based on locally weighted regression, the specific steps are as follows: using local regression filtering and image reconstruction; the use of truncated SVD (TSVD) to construct a simplified feature space to eliminate the noise feature vector carrying; using two step bandwidth selection algorithm respectively predict the best features of BJ and h bandwidth sharing bandwidth the use of simplified iterative method; feature subspace K based on local available light samples assigned to the presence of high error area. The invention relates to a novel adaptive rendering technique, which can be used to efficiently and robustly handle various types of rendering effects. Compared with the existing technology, the invention in the generation of the same quality results with time was reduced and the generation based on equivalent calculation time and calculation with price on the result of image effect is far more than similar technology.
【技术实现步骤摘要】
本专利技术涉及计算机图像处理
,是一种基于加权局部回的自适应渲染图像重构方法。
技术介绍
自适应渲染方法和蒙特卡罗光线追踪重建图像有很长一段历史。当前的工作在这一领域也取得了更大的进展,但是主要的目标仍然是相同的:即使用较少数量的光线样本去提高图片质量以提高效率。由过少光线样本生成的图像容易受到噪声并且聚合成一幅平滑图像的过程很慢。自适应样本和重构的关键因素在于局部实行误差分析,这在为图像重建控制平滑时指导光线集中在高误差区域,用以产生数值上和视觉上令人满意的渲染结果。在高维度上,自适应渲染技术可以被分为积分方法和图像空间方法。强大的积分方法早在2008年已经被提出了,但是近来的研究一直专注于设计一个有效的图像空间方法。这主要是由于图像空间方法能有效且易于集成到现有的渲染系统中,并处理多种复杂的渲染效果例如运动模糊,区域深度等等。近期的图像空间重构技术使用了著名的在图像处理领域被突出的过滤方法如高斯滤波器,非局部方法,联合双边滤波,以及微波。在图像处理上发展起来的重构技术和那些在渲染上使用的一个关键区别在于应用在渲染上的过滤方法适合利用不同类型的可用特征,例如法线、纹理和深度。由于这些特征用来去除MC渲染结果的噪声,很多现有的图像空间技术都是用来一些类型的特征并得到了理想的结果。不幸的是,这些特征也可以被视为双刃剑。即使是特征也会是很嘈杂的,特别当我们有复杂运动、几何体、纹理和光线路径的场景 ...
【技术保护点】
一种基于加权局部回归的自适应渲染方法,其特征在于,包括:步骤1,针对输入图像进行截断奇异值分解计算输入图像的简化的特征空间;步骤2,基于局部矩阵秩的方法将输入图像全局空间中的特征向量转变为在所述简化的特征空间中的简化向量;步骤3,构建局部回归基础统计模型y=f(x)+∈;利用所述简化向量基于扰动理论的截断SVD去除噪声∈得到处理后的输入图像f(x);步骤4,为处理后的输入图像的每个像素z设置光线样本数量的变化量,再进行渲染。
【技术特征摘要】
1.一种基于加权局部回归的自适应渲染方法,其特征在于,包括:
步骤1,针对输入图像进行截断奇异值分解计算输入图像的简化的特征空间;
步骤2,基于局部矩阵秩的方法将输入图像全局空间中的特征向量转变为在所述简化
的特征空间中的简化向量;
步骤3,构建局部回归基础统计模型y=f(x)+∈;利用所述简化向量基于扰动理论的截
断SVD去除噪声∈得到处理后的输入图像f(x);
步骤4,为处理后的输入图像的每个像素z设置光线样本数量的变化量,再进行渲染。
2.如权利要求1所述的基于加权局部回归的自适应渲染方法,其特征在于,局部回归基
础统计模型y=f(x)+∈中,其中y表示带有噪声∈的输入图像;所述噪声∈由偏差和方差构
成:
z为所述的简化向量;
为共享带宽h、特征带宽b与z的映射关系。
3.如权利要求2所述的基于加权局部回归的自适应渲...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。