[發明專利]一種內容感知的環境光采樣方法

有效

• 申請號: 201310756422.7
• 申請日: 2013-12-31
• 公開（公告）號: CN103729873B
• 公開（公告）日: 2017-01-04
• 發明（設計）人: 萬亮;馮偉;楊英
• 申請（專利權）人: 天津大學
• 主分類號: G06T15/00
• 分類號: G06T15/00
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 李素蘭

技術領域

本發明屬于計算機圖形學和計算機視覺領域，涉及Mean-shift聚類、Tone-Mapping和環境光采樣等技術。本發明可用于虛擬現實、電影特效、游戲和動畫處理等實際應用。

背景技術

3D虛擬場景的渲染可以應用真實世界的光照信息，例如，使用HDR環境光圖像作為光源，來提高渲染效果的真實性，同時，需要面對的是大規模計算對于空間和時間的消耗。為了解決這個問題，環境光采樣技術使用有限數量的方向光源來近似環境光，這樣，計算的規模被大幅度降低，3D場景渲染的計算時間和存儲要求被大量節省。為了保持渲染的真實性，要求在單張環境光圖像上獲得高質量的采樣點數據。現有技術的方法中很多是基于將環境光圖像規則地分解為具有相似重要性的區域，例如q2-tree（如參考文獻[3]）和中值切割（如參考文獻[2]），這些方法將球形圖像分解成長方形區域。然而，光照區域通常都是不規則的形狀，所以使用長方形區域近似不規則形狀會導致浪費一部分的采樣點，以致于降低渲染質量。一種結構化重要性采樣（如文獻[6]）使用閾值限定方法進行不規則分解，該方法先根據閾值將環境光圖像分為若干層，然后將每一層分解成若干小區域。雖然分解的結果的形狀是不規則的，但是簡單的閾值限定沒有考慮光強范圍分布的不均勻特性。另外，基于扭曲方法的環境光采樣技術（如文獻[8]）提到在更重要的區域放置了更多的采樣點。本發明中涉及到的背景技術有：

1、環境光采樣（見文獻[1]）：對于一個3D物體上的每一個點的光照計算就是將入射光照和物體表面的BRDF（雙向反射分布功能）的積分。由于高分辨率的環境光圖像中含有成千上萬的方向光，大量的計算耗費過多的時間。環境光采樣技術通過使用有限數量的方向光近似環境光圖像的方法來簡化計算，通常在重要性更多的區域放置更多的采樣點。現有的方法主要是將一個環境光圖像分解為若干區域，每一區域放置一個采樣點。通常是在重要性更高的區域（高光區域）進行更多的分解，對于重要性不高的區域（可見光區域）進行較少的分解。一些已有的方法采用規則的分解，例如，將環境光圖像分解成若干不重疊的長方形區域（如文獻[2][3][4]），或者重疊的長方形區域（如文獻[5]）。然而，由于光照區域通常是不規則的形狀，對光照區域進行不規則分解可以提高采樣質量。一個不規則分解的方法（如文獻[6]），使用閾值限定方法將環境光圖像分割為若干層，每層放置不同數目的采樣點。簡單的閾值分割可能丟失環境光圖像中不均勻的高動態范圍部分。除此之外，還有一些其他的方法是基于扭曲形變算法的。例如，分層扭曲算法將輸入的點集扭曲，或者使用球諧函數（如文獻[7]），使其與小波空間的環境光相匹配（如文獻[8]）。文獻[9]在半球上生成均勻采樣點，然后將環境光圖像當作概率密度函數對采樣點進行扭曲處理。

2、Mean-shift聚類：Mean-shift聚類是一種常用的無參數特征聚類技術，被廣泛應用于圖像分割、噪聲消除、目標跟蹤等技術中。Mean-shift聚類首次在文獻[10]提出，后來被許多研究者進行擴展，使得聚類可以迅速地收斂并應用于高維特征空間。簡單地說，Mean-shift聚類可以自動地檢測特征空間中的多元分布的模態（極大值）。這是一個迭代的過程，模態是由計算數據點集的平均值而得到的，其中的權重由選取核函數決定。得到的結果很大程度上受到核函數的選取和核的寬度（窗口大小）的影響。傳統的做法是選取高斯函數作為核函數。另一方面，核的寬度可以是固定的值或者在每個特征點上自適應地計算出來，這樣可以在耗費更多的計算中獲得更好的聚類效果。在特征空間中尋找最近鄰是Mean-shift聚類中最費時的操作，為了加快收斂，許多加速技術被提出。例如，文獻[11]使用快速高斯轉換在每一步迭代中加速求和。文獻[12]將Mean-shift解釋為一種特征空間的拓撲分解，基于這種想法，大部分的像素不用進行迭代就可以分類。文獻[13]基于隨機采樣的方法簡化核密度估計。

參考文獻

[1].Gibson,S.and?Murta,A.Interactive?rendering?with?real-world?illumination.In?proceedings?of11th?Eurographics?Workshop?on?Rendering,pp.365-376,2000.

[2].P.Debevec,“A?median?cut?algorithm?for?light?probe?sampling,”in?ACM?SIGGRAPH2006Courses.ACM,2006,p.6.