● 摘要
整体光照算法在真实感计算机图形学中，是非常重要的一部分。它需要依据光传播的物理规律，对多种类型的光传播进行模拟，是生成高度真实感图像的关键技术之一。近年来，基于Monte Carlo方法的整体光照算法已成为整体光照算法研究工作主流，相对于以前基于有限元方法的算法，其优点是能够处理几乎任意类型的光传播，占用内存少，具有对数时间复杂度等。但是在实际应用中，由于整体光照模型的复杂性，现有基于Monte Carlo方法的整体光照算法仍然需要花费大量的计算资源，且算法计算速度慢、稳健程度较差，这些在一定程度上制约这类算法的广泛应用。因此，改进现有整体光照算法，提高计算效率具有重要的现实意义。论文回顾并分析了整体光照的数学物理模型， Monte Carlo积分技巧以及多种基于Monte Carlo或MCMC（Markov Chain Monte Carlo）方法的整体光照算法。在现有的基于Monte Carlo方法的整体光照算法基础上，提出了一种新的整体光照算法，将双向路径跟踪使用的多重重要性抽样（Multiple Importance Sampling, MIS）方法和ERPT（Energy Redistribution Path Tracing）使用的MCMC方法有机地结合在一起, 在对路径空间进行全局探索的同时，对困难路径进行局部探索，并且设计了一种改进后的路径跟踪方法，用来抽样特别困难的路径，最终生成无偏的结果。实验结果表明，提出的算法在相近的计算时间内生成的图像质量相对于双向路径跟踪和ERPT有比较显著的提高，且算法比较稳健，具有较强的实用性。