版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、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(chǔ),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。
“光場具有局部稀疏性”是繪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(guān)知識表明,以極少采樣量恢復(fù)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(xì)
2、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(yīng)用的低秩矩陣補(bǔ)全方法稀疏采樣重建出光場。
我們關(guān)心的是,這種方法補(bǔ)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(jié)構(gòu)有較大關(guān)系,數(shù)學(xué)上用Coherence這一變量來表示?;诖?,本文首先研究了傳輸光場的矩陣Coherence相關(guān)性質(zhì),推導(dǎo)論證出一些定性和定量的數(shù)學(xué)結(jié)論;然后以此為指導(dǎo),設(shè)計出一種似K-means聚類算法,用于
3、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(yīng)采樣的低秩矩陣補(bǔ)全算法對聚類后的局部光場進(jìn)行重建,該算法運行速度快,補(bǔ)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(jié)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(jìn)一步的優(yōu)化,矩陣補(bǔ)全結(jié)果未受影響,但是
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于低秩矩陣重建的光線空間采樣.pdf
- 基于加權(quán)殘差和矩陣分解的快速低秩矩陣補(bǔ)全方法.pdf
- 基于矩陣低秩逼近的動態(tài)MRI重建.pdf
- 基于高階擴(kuò)展FMM和低秩矩陣恢復(fù)的信號重建研究.pdf
- 一種求解低秩矩陣補(bǔ)全的修正加速近端梯度算法
- 基于低秩矩陣表示的視覺跟蹤方法.pdf
- 基于字典學(xué)習(xí)與低秩矩陣重建的WMSN視頻去噪算法研究.pdf
- 基于低秩矩陣與稀疏矩陣分解的語音增強(qiáng)方法.pdf
- 基于低秩與稀疏矩陣分解的子空間語音增強(qiáng)方法的研究.pdf
- 基于低秩矩陣恢復(fù)的視頻修復(fù)研究.pdf
- 基于三維全變差和矩陣低秩逼近的高光譜圖像重建.pdf
- 基于低秩矩陣估計的機(jī)器學(xué)習(xí)算法分析.pdf
- 基于矩陣低秩稀疏分解的運動目標(biāo)檢測.pdf
- 基于子空間學(xué)習(xí)的低秩表示.pdf
- 基于低秩矩陣填充的相位檢索方法研究.pdf
- 基于低秩矩陣恢復(fù)的數(shù)據(jù)表征與分類.pdf
- 8168.改進(jìn)的低秩張量補(bǔ)全算法及應(yīng)用
- 基于低秩矩陣恢復(fù)的數(shù)據(jù)表征算法研究.pdf
- 基于低秩矩陣模型的雷達(dá)目標(biāo)參數(shù)估計.pdf
- 基于低秩矩陣恢復(fù)的算法及應(yīng)用研究
評論
0/150
提交評論