基于GPU和均匀栅格法的光线追踪算法研究

由于GPU(图形处理器)性能的大幅提高和可编程性的发展,基于GPU的光线追踪算法逐渐成为研究热点。光线追踪算法需要的计算量大,基于此,分析了光线追踪算法的基本原理,在NVIDIA公司的CUDA(计算统一设备体系结构)环境下采用均匀栅格法作为加速结构实现了光线追踪算法。实验结果表明,该计算模式相对于传统基于CPU的光线追踪算法具有更快的整体运算速度,GPU适合处理高密度数据计算。     

基于光线跟踪方法的全局光照研究

光线跟踪方法是解决全局光照问题的一种重要方法。概括性地提出光线跟踪方法研究的基本任务是研究关于采样、加速求交的问题,并综述性地分析了光线跟踪相关算法。介绍了该领域近期研究热点即实时光线跟踪以及基于图形硬件的光线跟踪的相关研究工作,指出了光线跟踪方法在解决全局光照问题时的优缺点以及未来的研究重点。展望了基于光线跟踪方法的全局光照应用前景。     

基于BRDF 和GPU 并行计算的全局光照实时渲染

基于光线追踪,将屏幕图像像素分解为投射光线与场景对象交点面片辐射亮度和 纹理贴图的合成,每个面片的辐射亮度计算基于双向反射分布函数(BRDF)基的线性组合,并通 过图形处理器(GPU)处理核心并行绘制进行加速,最后与并行计算的纹理映射结果进行合成。 提出了一种基于BRDF 和GPU 并行计算的全局光照实时渲染算法,利用GPU 并行加速,在提 高绘制效率的前提下,实现动态交互材质的全局光照实时渲染。重点研究：对象表面对光线的 多次反射用BRDF 基的线性组合来表示,将非线性问题转换为线性问题,从而提高绘制效率; 利用GPU 并行加速,分别计算对象表面光辐射能量和纹理映射及其线性组合,进一步提高计算 效率满足实时绘制需求。     

基于CUDA的光线追踪优化算法研究与实现

在三维场景仿真过程中,为了实现真实的光影效果,通常采用光线追踪法对场景进行渲染。光线追踪算法的核心过程是光线与场景中的片元进行相交测试,而对于一个复杂的场景,该过程计算量非常大。为了改善光线追踪算法的计算速度问题,实现一种基于CUDA(Compute Unified Device Architecture)的光线追踪算法。该算法利用GPU的并行处理能力同时结合KD-Tree加速相交测试过程,最终提高仿真场景的渲染速度。通过实验表明,该算法的KD-Tree创建性能相比传统方法提升约20%,光线追踪性能提升约6倍。     

基于遮挡区间映射的软阴影的研究与实现

阴影贴图采样不足会导致严重的走样问题,全局光照算法虽能实现逼真的效果,但算法复杂、计算量大,只能用于离线渲染。针对这些缺陷,提出一种结合基于光线跟踪的离线渲染方法和遮挡区间映射技术的算法。其生成的软阴影更具真实感,克服了阴影映射算法产生的锯齿现象和全局光照的计算复杂问题。实验结果表明,该算法能以很高的帧率,实现大规模复杂场景下随光照变化产生动态软阴影的逼真效果。     

一种基于八叉树空间剖分技术的光线跟踪算法

光线跟踪算法是生成真实感图形的主要算法之一。为了提高光线追踪速度,在研究和比较各种光线跟踪算法的基础上,提出了一种基于八叉树数据结构的光线追踪算法。并结合基于重心坐标系的快速求交算法来提高光线跟踪的求交效率,使用重心坐标来表示包含三角形面片的参数平面,不用像三角形顶点一样需要长期存储,能够快速判定光线与三角形是否相交并计算出交点。实验结果表明,该算法能够在保证图像质量的同时提高绘制速度。     

基于物理的分布并行光线追踪算法

基于物理的光线追踪算法用于从三维场景模型生成逼真的二维图像,光线追踪渲染较为耗时,所以如何提高算法的效率成为研究热点。针对斯坦福大学经典的多线程光线追踪引擎--PBRT,考虑任务划分粒度和负载均衡等因素,基于两级任务划分体系,提出了动态自适应分布式并行光线追踪算法。实验中在保证高质量图像生成的前提下,使用80个CPU核时,改进算法比PBRT原算法获得了近乎线性的加速比。实验结果表明改进算法具有良好的效率和扩展性,能够有效地用于光线追踪成像,提高光线追踪成像效率。     

基于卷积神经网络的实时环境光遮蔽计算

环境光遮蔽是一种常用于计算机游戏以及可视化领域的低频全局光照模拟算法。已有的基于屏幕空间的环境光遮蔽计算方法虽然保证了计算的实时性,但是存在估计失真以及细节丢失等难以解决的问题。针对该问题,本文提出了一种结合低频光线追踪采样以及蒙特卡罗去噪的算法框架对环境光遮蔽进行实时计算。为了解决传统蒙特卡洛去噪算法无法实时处理的问题,提出了一种基于卷积神经网络的蒙特卡罗去噪算法,并针对问题对网络结构进行了改进和优化。验证实验证明基于卷积神经网络的方法能够对环境光遮蔽的去噪问题进行准确的处理,同时本文对卷积网络的改进在保持精度的基础上显著地提高了计算效率。对比实验显示了本文算法在保持与高频采样光线追踪算法相近效果的前提下可达到与基于屏幕空间环境光遮蔽计算方法相近的每秒数百帧计算效率。     

实时光线追踪相关研究综述

光线追踪因其渲染效果的真实性,长期以来被视为下一代主流图像渲染技术,是计算机图形学领域的热点研究方向。近年来,学术界和商业界对实时光线追踪开展了广泛研究。为促进实时光线追踪的研究,对相关文献进行归纳、分析和总结。首先阐述了光线追踪的概念、算法、加速数据结构等理论知识;介绍了三款支持光线追踪商用图形处理器（GPU）,并对比了之间的差异;从光线束遍历、无栈遍历、光线重排序、多分支BVH、降噪技术、与神经网络结合的实时光线追踪这六个方法综述了光线追踪的算法优化工作,并阐明了相关具体方法的优缺点;在算法加速的基础上,对使用GPU优化加速和采用定制化设计的硬件加速进行了归纳分析;最后对文章的内容进行了总结,指出了实时光线追踪仍面临的困难,并对未来的发展方向进行了展望。可以帮助研究人员系统地了解实时光线追踪的研究现状,为后续开展相关研究提供思路。     

一种基于GPU的改进光线投射算法

针对传统光线投射算法计算量大、速度慢、在没有硬件加速情况下难以实时重建的问题,提出了一种基于GPU编程的快速计算重采样点值的光线投射算法。首先,设计一个GPU程序确定投射光线的终点与方向;其次,采用加速度步长采样方法确定重采样点的位置并利用快速复合插值方法计算重采样点的颜色值;最后,采用不透明度提前截止法进一步加速重建过程。实验结果表明,该方法计算复杂度低、执行效率高。在保证重建图像质量的同时,与现有基于CPU的光线投射算法相比,重建速度提高6倍,与基于GPU的传统光线投射算法相比,速度提高2倍。     

基于Vibe背景建模的运动目标检测算法

在运动目标检测的过程中，传统算法基于对单一特征背景进行建模，对背景描述不够准确，针对这个问题，本文提出融入颜色和边缘特征的Vibe背景建模.解决了三帧差分法在运动目标检测结果中出现噪声、断点与内部空洞等问题，并采用基于形态学处理方法对图像处理的结果进行补偿.为了保证运动目标检测的准确性，加快消除Vibe算法中第一帧出现“鬼影”现象，本文结合了Vibe算法和改进的三帧差分法对运动目标实现实时检测.通过研究分析与计算推导，实验中运动目标的检测结果表明，基于Vibe背景建模的改进三帧差分法检测效果明显优于三帧差分法.     

基于Web-Log Mining的Web文档聚类

速度和效果是聚类算法面临的两大问题.DBSCAN(density based spatial clustering of applications with noise)是典型的基于密度的一种聚类方法,对于大型数据库的聚类实验显示了它在速度上的优越性.提出了一种基于密度的递归聚类算法(recursive density based clustering algorithm,简称RDBC),此算法可以智能地、动态地修改其密度参数.RDBC是基于DBSCAN的一种改进算法,其运算复杂度和DBSCAN相同.通过在Web文档上的聚类实验,结果表明,RDBC不但保留了DBSCAN高速度的优点,而且聚类效果大大优于DBSCAN.     

基于效益函数的网格任务调度算法

在动态、异构、分布广泛的网格环境中，对资源的调度是一个非常复杂而重要且具有挑战性的问题。本文针对网格环境中的动态性特点，特别是用户QoS要求的动态变化性，提出了一种基于效益函数的网格任务调度算法，并采用GridSim模拟器分别对该调度算法和模拟器自带的代价最优和时间最优的网格任务调度算法进行模拟。实验的结果表明：该调度算法更能体现用户对QoS要求的动态变化；在系统完成相同数量的网格任务时，消耗相同时间的情况下，该调度算法在代价上优于基于时间优化的调度算法；而花费相同预算的情况下，在时间上优于基于代价优化的调度算法。     

基于树形框架的随机分组反碰撞算法

现存反碰撞算法不能有效处理中小规模标签识别问题。为此,提出一种基于树形框架的随机分组反碰撞算法。在树形算法的基础上,改进标签分组方法,采用标签随机选择的方法对标签进行分组,由此形成标签识别树。实验结果表明,该算法相对帧时隙ALOHA算法,识别吞吐率上升约10%,相对树形算法实现更简单。     

基于区间套理论的克隆选择算法的收敛性研究

克隆选择算法是基于免疫学中的克隆选择学说而产生的一种免疫优化算法。它通过克隆算子进行操作。本文首先介绍了标准的克隆选择算法;其次引入了克隆算子并对标准的克隆选择算法进行改进;然后以数列知识为基础,以抗体群的克隆选择过程为对象,对克隆选择算法的收敛性进行分析;最后应用区间套定理证明了算法的全局收敛性。     

基于相似孤立系数的孤立点检测算法

基于聚类的孤立点检测算法得到的结果比较粗糙,不够准确。针对该问题,提出一种基于相似孤立系数的孤立点检测算法。定义相似距离以及相似孤立点系数,给出基于相似距离的剪枝策略,根据该策略缩小可疑孤立点候选集,并降低孤立点检测算法的计算复杂度。通过选用公共数据集Iris、Labor和Segment—test进行实验验证,结果表明,该算法在发现孤立点、缩小候选集等方面相比经典孤立点检测算法更有效。     

一种最小连通支配集的分布式广播算法

研究移动自组网络中的广播算法,提出了一种适用于移动自组网络的基于最小连通支配集的分布式广播算法,并证明了新的广播算法与已有算法相比能够更加有效地解决网络采用洪泛(Flooding)方式进行广播时所可能产生的广播风暴问题。同时,算法是基于并行和分布式运行模式的,因此具有很好的扩展性和实用性。     

一种自适应惯性权重的并行粒子群聚类算法

针对K-means聚类算法和基于遗传（GA）的聚类算法的一些缺点,及求解实优化问题时粒子群算法优于遗传算法这一事实,提出了一种自适应惯性权重的并行粒子群聚类算法。理论分析和实验表明,该算法在收敛速度和收敛精度方面明显优于基于遗传算法的聚类方法。     

基于边缘特征的亚像素相关匹配跟踪算法

基于像素灰度和基于特征的相关匹配跟踪算法跟踪精度不高,只能匹配定位到整像素点。针对该问题,采用相关函数拟合极值法对整像素匹配点进行亚像素定位。设计一种新的实验方法和基于边缘特征的相关匹配跟踪算法。实验结果表明,该算法可以达到0.1级别的亚像素定位精度。     

基于Skowron差别矩阵属性约简的矩阵表示

针对目前基于Skowron差别矩阵的属性约简中缺少矩阵表示的问题,定义一种新的矩阵,并给出基于新矩阵的属性约简定义,证明该定义与基于Skowron差别矩阵的属性约简等价。以矩阵为基础,定义属性的重要性,设计一个基于Skowron差别矩阵的属性约简算法,实例证明了算法的有效性。