一种基于模糊度评价的多通路Metropolis光线追踪自适应采样方法技术

本发明专利技术公开了一种基于模糊度评价的多通路Metropolis光线追踪自适应采样方法包括场景解析和参数设置；预采样获得初始样本；基于两种策略的正式渲染阶段；生成渲染图像等步骤。本发明专利技术提供的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法能提高明暗混合位置的渲染效果，优化整体采样分布。

A Multi-channel Metropolis Ray Tracking Adaptive Sampling Method Based on Fuzziness Evaluation

【技术实现步骤摘要】
一种基于模糊度评价的多通路Metropolis光线追踪自适应采样方法
本专利技术属于高逼真度图形渲染
，尤其涉及一种模糊度评价的多通路Metropolis光线追踪自适应采样方法。
技术介绍
实现在复杂光照模型中完成高逼真度的图形渲染任务一直是计算机图形学的主要目标。高逼真度的渲染技术越来越多的被应用到影视特效、建筑设计和游制作等领域。同时具备高逼真的渲染技术还被应用到民航飞行模拟训练的视景仿真中。为了追求更高的实际应用价值，尤其在一些对视觉真实感要求较高的应用领域，要求所渲染出来的图像具有较高的逼真度。多通路Metropolis光线追踪算法(MultiplexedMetropolislightTransport,MMLT)在以间接光照为主或者光线较暗的场景中路径搜索效率高，且算法鲁棒性强。但是，由于其采样过程是通过MCMC(MarkovChainMonteCarlo)采样算法主要过程是利用Metroplis-Hastings规则构造一条马尔可夫链,根据当前采样样本按提议分布函数生成提议样本,提议样本的接收与拒绝由接受概率来决定,其中接受概率取决于提议样本和当前样本光照值的比值。采样过程的转换不具备全局性，样本的更新与历史采样状态无关，同时忽略了像素内样本噪声水平对渲染结果的影响，因在一些局部明暗混合位置会出现不同程度的渲染失真问题，从而影响渲染结果的逼真度。有鉴于此，如何设计一种兼顾历史采样状态和像素内噪声水平的渲染技术，又能提高明暗混合位置的渲染效果的逼真度，优化整体采样分布，是业内技术人员急需解决的一项课题。
技术实现思路
本专利技术的目的在于提供一种基于模糊度评价的多通路Metropolis自适应采样方法。一种基于模糊度评价的多通路Metropolis自适应采样方法，所述的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法包括按顺序进行的下列步骤：步骤1：解析场景文件，构建场景对象模型并获得渲染过程所需的参数；步骤2：对步骤1构建完成的场景模型进行预采样，获得进入正式渲染的样本种子；步骤3：对当前样本进行突变，如果当前样本对应的像素位置的采样数量未达到阈值，对当前样本进行小范围内的扰动获得提议样本并进入步骤5；如果当前样本对应像素位置采样数量达到采样阈值，进入步骤4；步骤4：从当前样本对应八邻域位置中筛选模糊度最大的作为提议样本；步骤5：根据当提议样本和前样本标量度函数的比值来计算接受概率，根据接受概率来确定提议样本的接受与拒绝，每个样本的拒绝次数不能超过设定的最大拒绝次数，否则必须接受当前样本；步骤6：如果提议样本被接收，则下一次提议样本为当前样本进行突变生成新的提议样本，否则保留当前样本；步骤7：根据标量因子计算当前样本的光照值，并通过将光照值添加到对应像素位置的集合中；步骤8：如果当前迭代次数达到马尔科夫链的上限数，进行一次大范围内的随机突变，并开始一条新的马尔可夫链；步骤9：如果整体采用数量达到预设的场景最大采样数量，则结束渲染否则回到步骤3；步骤10：将所有采样样本写入胶片并生成渲染结果图片。优选地，在步骤1中，涉及的场景文件为渲染是所需要的参数，包括场景中的几何信息，材料特性、光源类型、相机模型、积分器等；还包括每像素平均采样数量，和并根据平均采样数量计算出采样阈值和马尔可夫链长度；此外为了实现模糊度评价，还需创建和像素平面相同大小的集合矩阵，用于存储每像素采样样本。优选地，在步骤2中，对构成完成的场景进行预采样，主要在像素平面上根据采样数量随机生成一定数量的采样点，并通过双向路径连接的方式获得路径样本，并将这些样本作为进入正式渲染阶段样本种子；同时计算标量因子b，来计算整个图像素的亮度，标量因子的计算公式为：b＝∫Ωp*(x)dx(1)其中，p*(x)为正标量函数，且p*(x)正比于概率密度函数p(x)。优选地，在步骤3中，对当前样本进行小范围内的扰动使用正态分布获得提议样本，提议样本和当前样本关系如下：xi+1～N(xi,σ2)(2)其中提议样本xi+1通过正态分布对当前样本xi进行扰动获得。优选地，在步骤4中，如果当前样本位置为x0(m,n)，则对应八邻域空间Θ如下：以每个像素内所有样本值为集合<L1,...,Ln>，u(Li)为隶属都函数，计算如下：其中Li表示每一个路径样本获得的光照值,为所有样本的均值；在本方法中隶属度函数只作大小判断,为了方便计算将a和β均取值为1；模糊都计算选取可表达像素内噪声水平的Deluca-Termini模糊度作为像素内的噪声水平的评价标准，计算如下：n为像素内样本个数，Q值越大,噪声水平越高,则采样权重越大。优选地，在步骤5中，接受概率的值计算方式为：其中f(x)和f(y)为当前样本和提议样的标量亮度函数值。优选地，在步骤6中，如果提议样本为y，当前样本为xi，下一次突变的起始状态xi+1则如果接受提议样本则xi+1＝y；否则保留当前样本xi+1＝xi。优选地，在步骤7中，路径样本的光照值计算机公式为：其中为标量函数，为像素过滤函数，为该路径的贡献度函数，h和f也称为该像素和路径的通光率，b为步骤2计算得到的标量因子。有益效果：本专利技术要解决的技术问题是提供一种基于模糊度评价的多通路Metropolis自适应采样方法。该方法以像素内采样样本为集合并且引Deluca-Termini模糊度作为像素噪声水平的评价标准；其次为了降低当前像素和周围像素内路径样本的差异性，采样过程中当采样数量达到一定数目后，将模糊度作为当前像素八邻域位置的采样权重，以权重来影响不同噪声水平像素采样比重，从而进行自适应采样。引入模糊度作为权值的自适应采样方法切实改进了不同光照材质场景中的明暗混合位置的渲染效果，减少生成图像噪声的同时改进了整体的采样分布。附图说明图1为本专利技术提供的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法流程图；图2-1、图2-2、图2-3为本专利技术中产品1的渲染结果对比图；图3-1、图3-2、图3-3为本专利技术中产品1的渲染结果细节对比图1；图4-1、图4-2、图4-3为本专利技术中产品1的渲染结果细节对比图2；图5-1、图5-2、图5-3为本专利技术中产品1的采样密度分布图；图6-1、图6-2、图6-3为本专利技术中产品2的渲染结果对比图；图7-1、图7-2、图7-3为本专利技术中产品2的渲染结果细节对比图；图8-1、图8-2、图8-3为本专利技术中产品2的采样密度分布图；具体实施方式下面参照附图对本专利技术的具体实施方案作进一步的详细描述。如图1所示，本专利技术提供的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法包括按顺序进行的下列步骤：步骤1：解析场景文件，构建场景对象模型并获得渲染过程所需的参数；其中涉及的场景文件为渲染是所需要的参数，包括场景中的几何信息，材料特性、光源类型、相机模型、积分器等；还包括每像素平均采样数量，和并根据平均采样数量计算出采样阈值和马尔可夫链长度。此外为了实现模糊度评价，还需创建和像素平面相同大小的集合矩阵，用于存储每像素采样样本。步骤2：对步骤1构建完成的场景模型进行预采样，获得进入正式渲染的样本种子。具体方法：对构成完成的场景进行预采样，主要在像素平面上根据采样数量随机生成一定数本文档来自技高网...

【技术保护点】
1.一种基于模糊度评价的多通路Metropolis光线追踪自适应采样方法，其特征在于：所述的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法包括按顺序进行的下列步骤：步骤1：解析场景文件，构建场景对象模型并获得渲染过程所需的参数；步骤2：对步骤1构建完成的场景模型进行预采样，获得进入正式渲染的样本种子；步骤3：对当前样本进行突变，如果当前样本对应的像素位置的采样数量未达到阈值，对当前样本进行小范围内的扰动获得提议样本并进入步骤5；如果当前样本对应像素位置采样数量达到采样阈值，进入步骤4；步骤4：从当前样本对应八邻域位置中筛选模糊度最大的作为提议样本；步骤5：根据当提议样本和前样本标量度函数的比值来计算接受概率，根据接受概率来确定提议样本的接受与拒绝，每个样本的拒绝次数不能超过设定的最大拒绝次数，否则必须接受当前样本；步骤6：如果提议样本被接收，则下一次提议样本为当前样本进行突变生成新的提议样本，否则保留当前样本；步骤7：根据标量因子计算当前样本的光照值，并通过将光照值添加到对应像素位置的集合中；步骤8：如果当前迭代次数达到马尔科夫链的上限数，进行一次大范围内的随机突变，并开始一条新的马尔可夫链；步骤9：如果整体采用数量达到预设的场景最大采样数量，则结束渲染否则回到步骤3；步骤10：将所有采样样本写入胶片并生成渲染结果图片。...

【技术特征摘要】
1.一种基于模糊度评价的多通路Metropolis光线追踪自适应采样方法，其特征在于：所述的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法包括按顺序进行的下列步骤：步骤1：解析场景文件，构建场景对象模型并获得渲染过程所需的参数；步骤2：对步骤1构建完成的场景模型进行预采样，获得进入正式渲染的样本种子；步骤3：对当前样本进行突变，如果当前样本对应的像素位置的采样数量未达到阈值，对当前样本进行小范围内的扰动获得提议样本并进入步骤5；如果当前样本对应像素位置采样数量达到采样阈值，进入步骤4；步骤4：从当前样本对应八邻域位置中筛选模糊度最大的作为提议样本；步骤5：根据当提议样本和前样本标量度函数的比值来计算接受概率，根据接受概率来确定提议样本的接受与拒绝，每个样本的拒绝次数不能超过设定的最大拒绝次数，否则必须接受当前样本；步骤6：如果提议样本被接收，则下一次提议样本为当前样本进行突变生成新的提议样本，否则保留当前样本；步骤7：根据标量因子计算当前样本的光照值，并通过将光照值添加到对应像素位置的集合中；步骤8：如果当前迭代次数达到马尔科夫链的上限数，进行一次大范围内的随机突变，并开始一条新的马尔可夫链；步骤9：如果整体采用数量达到预设的场景最大采样数量，则结束渲染否则回到步骤3；步骤10：将所有采样样本写入胶片并生成渲染结果图片。2.根据权利要求1所述的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法，其特征在于：在步骤1中，涉及的场景文件为渲染是所需要的参数，包括场景中的几何信息，材料特性、光源类型、相机模型、积分器等；还包括每像素平均采样数量，和并根据平均采样数量计算出采样阈值和马尔可夫链长度；此外为了实现模糊度评价，还需创建和像素平面相同大小的集合矩阵，用于存储每像素采样样本。3.根据权利要求1所述的基于模糊度评价的多通路Metropolis光线追踪自适应采样方法，其特征在于：在步骤2中，对构成完成的场景进行预采样，主要在像素平面上根据采样数量随机生成一定数量的采样点，并通过双向路径连接的方式获得路径样本，并将这些样本作为进入正式渲染阶段样本种子；同时计算标量因子b，来计算整个图像素的亮度，标量...

【专利技术属性】
技术研发人员：贺怀清，湛少胜，刘浩翰，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津,12