首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

非均匀介质的无偏光子聚集算法

摘要第4-5页
Abstract第5页
第1章 绪论第11-17页
    1.1 课题背景第11-13页
    1.2 研究现状第13-15页
        1.2.1 无偏光子聚集算法第13页
        1.2.2 参与介质渲染算法第13-14页
        1.2.3 多重重要性采样策略第14-15页
    1.3 本文工作第15页
    1.4 篇章结构第15-17页
第2章 相关理论概述第17-32页
    2.1 论文符号一览表第17-18页
    2.2 相关概念第18-23页
        2.2.1 光路与顶点概率密度第18-20页
        2.2.2 双向散射分布函数第20-21页
        2.2.3 路径积分第21-23页
    2.3 无偏光子聚集算法第23-26页
        2.3.1 光子映射算法的偏差分析第23-24页
        2.3.2 无偏改进第24-26页
    2.4 参与介质的性质第26-29页
        2.4.1 基本光学性质第26-28页
        2.4.2 相函数第28-29页
    2.5 Woodcock跟踪采样法第29-30页
    2.6 多重重要性采样第30-31页
    2.7 本章小结第31-32页
第3章 参与介质中的无偏光子聚集算法第32-47页
    3.1 算法框架第32-33页
    3.2 子路径采样技术第33-38页
        3.2.1 方向采样第34-35页
        3.2.2 距离采样第35-37页
        3.2.3 角度和距离限制第37-38页
    3.3 测量贡献项的无偏估计第38-40页
    3.4 概率密度函数项的无偏估计第40-46页
        3.4.1 均匀介质中的估计算法第40-43页
        3.4.2 非均匀介质中的无偏扩展第43-46页
    3.5 本章小结第46-47页
第4章 面向无偏光子聚集算法的多重重要性采样第47-56页
    4.1 局部子路径权重第47-48页
    4.2 递推形式第48-52页
        4.2.1 双向路径追踪项的权重第49-50页
        4.2.2 无偏光子映射项的权重第50-52页
    4.3 顶点缓存数据第52-54页
    4.4 算法流程第54页
    4.5 本章小结第54-56页
第5章 算法测试与场景设计第56-62页
    5.1 算法实现第56-59页
        5.1.1 Mitsuba渲染器下的编程与调试第56-58页
        5.1.2 基于KD-Tree的加速结构第58-59页
    5.2 数据格式第59页
    5.3 应用场景分析第59-61页
    5.4 本章小结第61-62页
第6章 实验结果与分析第62-70页
    6.1 无偏验证第62-64页
    6.2 角度与距离限制第64-65页
    6.3 聚集半径第65-66页
    6.4 多重重要性采样权重第66-67页
    6.5 与其他算法的效果对比第67-69页
    6.6 本章小结第69-70页
第7章 总结与展望第70-72页
    7.1 本文工作总结第70-71页
    7.2 未来工作展望第71-72页
参考文献第72-76页
攻读硕士学位期间主要的研究成果第76-77页
致谢第77-78页
作者简历第78页

论文共78页,点击 下载论文
上一篇:基于卷积自编码器的异常事件检测研究
下一篇:一种基于深度学习和概率图模型的本征分解方法的研究