一种面向大尺度地形的地貌晕渲效果增强方法技术

本发明专利技术公开了一种面向大尺度地形的地貌晕渲效果增强方法，包括以下步骤：基于数字高程数据计算得到地形的平面曲率图；利用综合考虑分界系数和对比度系数的自适应对比度增强方法对生成的曲率图进行处理，达到增强山脊和山谷位置锋锐程度的目的；利用基于深度可分离卷积的环境光遮蔽方法实时生成贴近真实光线追踪形成的环境光遮蔽，进而模拟在光照过程中山脉产生的自阴影效果，增加地貌的细节；将生成的曲率图、环境光遮蔽与卫星影像融合生成实时地貌晕渲效果。本发明专利技术可以处理现有的地貌晕渲技术在大尺度地形细节处纹理特征不明显的问题，使得观察者在把握三维地形整体走势的同时，能进一步分析地貌细节处的纹理特征。能进一步分析地貌细节处的纹理特征。能进一步分析地貌细节处的纹理特征。

【技术实现步骤摘要】
一种面向大尺度地形的地貌晕渲效果增强方法


[0001]本专利技术涉及计算机图形学领域，尤其涉及一种面向大尺度地形的地貌晕渲效果增强方法。

技术介绍

[0002]地貌晕渲技术可以增强三维地形仿真的真实感，为其增加更多的纹理细节。地貌晕渲技术是一种通过计算机输出灰度或彩色的像素点，形成随光度近似连续变化的色调从而模拟太阳光照射在凹凸地形上产生明暗对比的技术。针对现有的地貌晕渲技术在大尺度地形场景细节处纹理特征不明显的问题，提出了一种面向大尺度地形的地貌晕渲效果增强方法，将分为突出地貌特征线和增加地貌环境光遮蔽两个步骤来增强地貌晕渲效果。
[0003]地貌特征线是地理形态的骨架线，是描述地貌形态时的控制线，主要包括山脊线、山谷线等，它在分析地貌特征、增强地形可视化效果上起着至关重要的作用。山脊和山谷常常位于地形起伏变化剧烈的位置，常用地形的二阶因子来抽象描述。地表曲率是常见的确定山脊线和山谷线位置的方法之一，可以用来突显地形的主要地理特征。它是表达地形曲面结构的重要参数之一，是对地形曲面在各截面方向上的局部形状、凹凸变化的反映，是对地表物质运动和曲面形态的刻画。
[0004]传统的基于光线追踪的环境光遮蔽计算方法十分复杂且计算量庞大，在较低端的显卡上难以做到实时渲染，所以当前许多环境光遮蔽技术的具体实现都是基于屏幕空间环境光遮蔽技术，它是根据屏幕空间中的相邻像素深度信息来计算物体遮挡关系的经典算法。屏幕空间技术依靠着它与场景复杂性无关、实现简单和计算速度快等特性得到了广泛应用。然而，由于基于屏幕空间的处理技术丢失了场景相关的完整信息，这就导致在屏幕空间的计算往往会伴随着一些微小的渲染瑕疵，并且这些瑕疵情况复杂且难以预测。针对现有的屏幕空间环境光遮蔽技术会出现渲染瑕疵的问题，Daniel Holden等人率先提出了基于卷积神经网络的环境光遮蔽方法。

技术实现思路

[0005]针对现有的地貌晕渲技术在大尺度地形细节处纹理特征不明显的问题，本专利技术提出了一种面向大尺度地形的地貌晕渲效果增强方法，能够使观察者在把握三维地形整体走势的同时，进一步分析地貌细节处的纹理特征。主要包括以下步骤：
[0006](1)基于数字高程数据计算地形平面曲率值，然后生成曲率图。
[0007](2)通过图像增强方法处理生成的曲率图，将曲率图与卫星影像叠加可以突出山脊线和山谷线等地貌特征线。
[0008](3)提出一种基于深度可分离卷积的环境光遮蔽方法，训练神经网络去学习从像素邻域深度和法线等信息到该像素真实环境光遮蔽值的映射，可以为山体增加更多的自阴影效果。
[0009](4)最后将曲率图、环境光遮蔽与卫星影像三者融合生成实时地貌晕渲效果。
[0010]作为优选的技术方案，步骤(2)中利用图像增强方法对生成的曲率图进行处理的具体过程为：
[0011]本专利技术在伽马变换的基础上提出了综合考虑分界系数和对比度系数的自适应对比度增强方法。伽马变换是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系，在对比度偏低且整体亮度偏高时有明显增强效果，公式(1)为变换公式：
[0012]s＝cr
γ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0013]公式(1)中r为输入的灰度值，s为输出的灰度值，c为常量，可以拉伸图像灰度，一般取1。参数γ是伽马系数，本专利技术提出的自适应对比度增强方法中γ值的表达式如下：
[0014][0015]公式(2)中r为该位置的平面曲率值，m表示分界系数，k表示对比度系数。通过调整分界系数和对比度系数，能够对曲率图中特征地形所在位置进行对比度增强。其有益效果是，可以增强山脊和山谷位置的锋锐程度，从而得到更好的视觉效果。
[0016]作为优选的技术方案，步骤(3)中基于深度可分离卷积的环境光遮蔽方法主要包含离线训练和实时渲染两个阶段，图2展示了基于深度可分离卷积的环境光遮蔽方法流程图。具体过程包括：
[0017](31)离线训练阶段。在大尺度地形场景中，利用光线追踪渲染环境光遮蔽效果，并移动相机截取场景深度纹理、相机空间法线纹理和环境光遮蔽纹理作为训练的原始数据集。从上述描述同一场景的每组图像中随机选取n个采样点作为采样像素点，之后将各采样像素点邻域的深度和法线数据融合为神经网络的输入，将其对应于真实AO纹理的环境光遮蔽值作为神经网络的输出。本专利技术在基于卷积神网络的环境光遮蔽方法的基础上，利用深度可分离卷积优化其网络结构，在保证渲染效果相近的前提下，大幅提升渲染效率。如图3所示，本专利技术设计的神经网络模型主要包含5层，其中Dwise模块对应逐深度卷积层，Pwise模块对应逐点卷积层，FC模块包含了三层全连接操作。之后利用均方回归误差作为该神经网络的代价函数，通过随机梯度下降方法学习网络参数。
[0018](32)实时渲染阶段。训练完成后，需要在着色器中重现数据预处理和神经网络操作，以供渲染时使用。首先，将最佳的训练模型中各项参数转化成着色器实时渲染时可调用的形式。针对逐点卷积层和全连接层，可以直接将它们的权重参数转化为着色器中的矩阵和向量。但存储逐深度卷积层网络权重所需的总内存超过了着色器里变量要求的最大内存，无法将其存储在着色器代码中。观察发现，逐深度卷积层的乘积操作可以描述为矩阵和输入x对应深度之间的4个独立的点积。由于输入x是通过在片段着色器中进行采样而产生的，因此本专利技术决定将逐深度卷积层权重矩阵存储为1个2D纹理，然后对该2D纹理进行采样，并乘以输入向量的相应分量来模拟卷积层的操作。为提高实时渲染效率，本专利技术采用不完全采样的方式来进行计算。实时计算时只需根据样本数量来对权重矩阵纹理和输入x向量的相应位置进行点积运算，之后根据样本数量和转储的纹理总像素数比值对计算结果进行缩放。通过以上方式可以近似地模拟逐深度卷积层的操作。
[0019]本专利技术相较于现有的地貌晕渲增强技术具有如下优点和效果：针对现有的地貌晕渲技术在细节处纹理特征不明显的问题，本专利技术从突出地貌特征线和增加环境光遮蔽两步
出发，对现有的地貌晕渲技术进行了扩展。首先提出了一种基于曲率的地貌特征线增强方法。根据数字高程数据生成平面曲率图，利用自适应对比度增强方法对曲率图进行增强，可显著提升山脊和山谷位置的锋锐程度。之后提出了一种基于深度可分离卷积的环境光遮蔽方法，可以实时生成贴近光线追踪形成的环境光遮蔽效果。最后将曲率图、环境光遮蔽与卫星影像三者融合生成实时地貌晕渲效果。实验表明，本方法可以在较低级别的全球卫星影像上呈现更好的视觉效果，使得观察者在把握三维地形整体走势的同时，能进一步分析地貌细节处的纹理特征。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅展示出了本专利技术的某些实施例，因此不应该看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。...

【技术保护点】

【技术特征摘要】
1.一种面向大尺度地形的地貌晕渲效果增强方法，其特征在于，包括以下步骤：(1)基于数字高程数据计算得到地形的平面曲率值，并生成曲率图；(2)利用图像增强技术对步骤(1)生成的曲率图进行处理，从而达到增强山脊和山谷位置锋锐程度的目的；(3)利用基于深度可分离卷积的环境光遮蔽方法实时生成贴近真实光线追踪形成的环境光遮蔽，进而模拟在光照过程中山脉产生的自阴影效果，增加地貌的细节；(4)将曲率图、环境光遮蔽与卫星影像融合生成实时地貌晕渲效果。2.根据权利要求1所述的一种面向大尺度地形的地貌晕渲效果增强方法，其特征在于，步骤(2)中，利用图像增强技术对生成的曲率图进行处理的具体过程包括：本发明在伽马变换的基础上提出了综合考虑分界系数和对比度系数的自适应对比度增强方法，来增强山脊和山谷位置的锋锐程度，从而得到更好的视觉效果；伽马变换是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系，在对比度偏低且整体亮度偏高时有明显增强效果，公式(1)为伽马变换公式：s＝cr
γ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)公式(1)中r为输入的灰度值，s为输出的灰度值，c为常量，可以拉伸图像灰度，一般取1；参数γ是伽马系数，本文提出的自适应对比度增强方法中γ值的表达式如下：公式(2)中r为该位置的平面曲率值，m表示分界系数，k表示对比度系数；通过调整分界系数和对比度系数，可以对曲率图中特征地形所在位置进行对比度增强。3.根据权利要求1所述的一种面向大尺度地形的地貌晕渲效果增强方法，其特征在于，步骤(3)中，所述的基于深度可分...

【专利技术属性】
技术研发人员：孙胜哲，李辉，
申请(专利权)人：四川大学，
类型：发明
国别省市：