| 第一章 绪论 | 第1-11页 |
| 1．1 真实感图形概述 | 第7页 |
| 1．2 真实感图形理论的主要内容 | 第7-10页 |
| 1．3 研究内容综述 | 第10-11页 |
| 第二章 真实感图像生成系统模型 | 第11-16页 |
| 2．1 研究背景 | 第11页 |
| 2．2 研究现状 | 第11-12页 |
| 2．3 渲染系统模型RenderStorm 的提出 | 第12-16页 |
| 第三章 渲染系统中自适应采样技术应用 | 第16-21页 |
| 3．1 采样技术引入原因 | 第16-17页 |
| 3．2 自适应采样的流程分析 | 第17-18页 |
| 3．3 自适应采样中的象素质量判定标准 | 第18-21页 |
| 3．3．1 经典象素质量判定标准 | 第18-19页 |
| 3．3．2 Contrast 判定标准的实验验证 | 第19-21页 |
| 第四章 信息熵理论在自适应采样技术中的应用 | 第21-25页 |
| 4．1 信息熵理论概述 | 第21-23页 |
| 4．1．1 经典的香农熵理论 | 第21-23页 |
| 4．1．2 新的信息熵理论的发展 | 第23页 |
| 4．2 信息熵在自适应采样技术中的应用基础 | 第23-25页 |
| 第五章 实验结果分析与讨论 | 第25-32页 |
| 5．1 实验工具 | 第25-26页 |
| 5．1．1 程序流程 | 第25页 |
| 5．1．2 工具分析 | 第25-26页 |
| 5．2 结果与分析 | 第26-32页 |
| 5．2．1 基于香农熵的自适应采样算法试验结果 | 第26-28页 |
| 5．2．2 基于renyi 熵的自适应采样算法试验结果 | 第28-30页 |
| 5．2．3 基于Tsallis 熵的自适应采样算法实验结果 | 第30-31页 |
| 5．2．4 三种基于熵理论的自适应采样技术比较 | 第31-32页 |
| 第六章 其他自适应采样技术的改进与完善 | 第32-37页 |
| 6．1 模糊数学理论及基于模糊数学的自适应采样技术 | 第32-36页 |
| 6．1．1 模糊数学理论基础及应用 | 第32-33页 |
| 6．1．2 模糊数学的应用领域 | 第33-34页 |
| 6．1．3 模糊度的概念定义 | 第34页 |
| 6．1．4 可行性分析 | 第34-35页 |
| 6．1．5 隶属函数及模糊度算法的选择 | 第35-36页 |
| 6．1．6 模糊数学自适应采样结果分析 | 第36页 |
| 6．2 自适应采样技术的进一步完善 | 第36-37页 |
| 第七章 光线微分方法的理论分析及应用前景 | 第37-42页 |
| 7．1 理论基础及应用情况 | 第37-41页 |
| 7．1．1 光线微分法的发展现状 | 第37-38页 |
| 7．1．2 光线微分法的理论分析 | 第38-41页 |
| 7．2 作为判定方法的算法提出 | 第41-42页 |
| 第八章 总结与展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 发表论文和科研情况说明 | 第46-47页 |
| 致谢 | 第47页 |
