基于未来帧的时间性反走样研究及实践

时间性反走样算法具有效率优势,是近年来被广泛应用的实时反走样算法之一。该算法通过将 采样点平摊至历史多帧及复用历史数据的方式来实现实时反走样。在时域信息采样充分且历史数据可复用的前 提下,该算法能取得和超采样反走样算法类似的效果。然而在实际应用中,时间性反走样算法会有几何边缘锯 齿、重影及子像素细节缺失等问题。本文以时间性反走样算法为研究基础,针对时间性反走样算法存在的问题, 提出了一种基于未来帧的时间性反走样算法。其基本思想是,在使用已有时域信息的基础上,将未经反走样处 理的未来一帧纳入时间性反走样,通过使用未来帧的样本,提升几何反走样效果,实现抗重影以及改善子像素 细节缺失情况。本文算法提出了可复用未来帧数据提取以及未来帧数据复用的解决方案。实验结果表明,与时 间性反走样算法相比,该算法的反走样效果更优。     

基于FPGA的直线反走样算法研究

反走样是计算机图形学的基本问题.为了提高直线反走样的效率,针对FPGA硬件实现的特点,结合经典的Wu反走样算法,提出一种新的直线反走样算法.该算法根据像素点中心到理想直线的距离来计算灰度值,在生成直线时预测直线相邻像素点之间的灰度值变化,并建立递推公式,使用整数移位,加法和比较来完成直线反走样,计箅简单,便于硬件实现.经计算机和FPGA分别实现验证,新算法的反走样效果较好,运算速度快于Wu反走样算法并能通过FPGA进一步提高速度.     

Bresenham画线反走样算法

介绍并分析了Bresenham画线方法的的特点,并以此为基础,构造出利用灰度变化使直线反走样的算法,得到了较好的效果。     

反走样的整数算法

反走样是计算机图形学及动画技术中的一个重要问题，本文利用Ｂｒｅｓｅｎｈａｍ直线绘制算法来实现图形的反走样，由于只使用整数运算，所以执行速度非常快。     

一种延期着色的快速反走样算法

使用延期着色技术,无法应用硬件对图形进行反走样处理。针对该问题,提出一种延期着色的快速反走样算法。利用缓存的位置和法线信息准确高效地在缓存中进行边缘检测,对边缘部分采用加权抖动采样方法进行平滑处理。实验表明,该算法能够快速地获得效果较好的反走样结果。     

基于FPGA的直线反走样算法研究

反走样是计算机图形学的基本问题。为了提高直线反走样的效率,针对FPGA硬件实现的特点,结合经典的Wu反走样算法,提出一种新的直线反走样算法。该算法根据像素点中心到理想直线的距离来计算灰度值,在生成直线时预测直线相邻像素点之间的灰度值变化,并建立递推公式,使用整数移位、加法和比较来完成直线反走样,计算简单,便于硬件实现。经计算机和FPGA分别实现验证,新算法的反走样效果较好,运算速度快于Wu反走样算法并能通过FPGA进一步提高速度。     

一个快速有效的直线反走样算法

直线f(x)=mx b，0≤m≤1；传统的生成算法是取样点(x，f(x))，其中x为整型，并将f(x)约束成整型，其实现过程有著名的DDA、Bresenham及Wu算法，本文针对直线的生成，分析了反走样技术，提出了直线的反走样生成算法，其取样点的光强由与之相邻的四个象素决定，且x和f(x)不必约束为整型，同时推导出点的光强与取样点数量无关而与直线的斜率有着直接的关系．并给出了具体的公式，实践证明，该算法具有更强的反走样效果．     

基于嵌入式图形系统的改进Bresenham反走样算法

基于Bresenham算法，依据去浮点数计算原理，结合矩形滤波反走样技术，提出了一种快速的反走样直线的优化算法．并在配备ARM7微控制器LPC2290的Magic ARM2200仪器上得以实现。该算法明显加快了反走样直线的生成速度并在低分辨率的显示环境中获得非常好的效果。     

一种基于加权区域采样的直线反走样生成算法

直线反走样生成算法是光栅化图形算法中的重要内容.主要讨论了一种离散化的加权区域采样方法.将一个像素均匀分割成若干个子像素,根据每个子像素在像素中的位置赋予它们一定的权值.讨论了如何计算一个像素对线段的贡献(也即是该像素的灰度).对Bresenham画线算法进行了改进,给出了一种反走样算法.从实验的结果看,该算法具有比较明显的反走样效果;和传统的反走样算法相比,文中算法效率更优.     

彩色基本图元反走样算法

本文基于双像素扫描转换原理,研究了基本图元直线、圆和椭圆的反走样算法,特别是直线的动态反走样算法。针对彩色线条,本文应用了反走样颜色处理技术。通过绘制反走样“卫星图”对所提算法进行了验证。     

双步圆的反走样生成算法

首先介绍了圆生成算法的发展及现状,接着对绘制圆的Bresenham算法及Kuzmin单点生成算法进行了实验分析及总结,并指出了其存在的优缺点。基于Wu和Rokne双步圆算法提出了新的双步反走样生成算法,使其成为一种反走样效果更佳的方法。该算法的灰度级数是原来Wu和Rokne算法的3倍,且最大灰度误差也比原来的减少了1/4;另外该算法由于只用整数运算,避免了除法,因此便于硬件实现。     

圆的整数反走样生成算法

针对现有圆的反走样生成算法计算复杂,反走样效果一般的缺点,提出一种基于中点画圆法的整数反走样生成算法。该算法根据像素中心到理想圆弧的距离来分配灰度,生成64级灰度的反走样圆弧。通过省略二次项来简化计算,并用简单的计算修正省略带来的误差以保证精度。为了简化计算,提出相邻像素的灰度递推方法,利用整数移位、加法、比较来实现反走样。该算法结构简单,反走样效果较好,由于避免了浮点和除法运算,便于硬件实现。     

基于MP算法的语音信号稀疏分解

语音信号稀疏分解是一种新的语音信号分解方法,可以将语音信号分解为很简洁的近似表达形式。在语音信号稀疏分解的基础上,可应用于语音处理的多个方面,如语音压缩、语音去噪和语音识别等。研究利用Matching Pursuit（MP）算法实现语音信号的稀疏分解,实验结果表明基于MP算法的语音信号稀疏分解具有较好的重建精度和较高的稀疏度。     

嵌入半球形滤波快速反走样画线方法

直线生成算法的优劣对计算机绘图及应用至关重要。Bresenham算法是最有效的直线生成算法,利用直线的两侧对称性可以进一步加快生成速度。但由于受到光栅扫描显示器的限制,用离散像素绘制的直线存在走样问题,实际应用中经常需要进行反走样处理。基于Bresenham算法,并依据直线的对称生成原理,与Hemisphere-filter反走样技术相结合,提出了一种新的快速反走样直线的生成算法。     

一种快速高效的反走样算法*

快速近似反走样是一种后处理式反走样技术,其效果好、效率高,但由于是根据亮度值检测边缘,导致模型纹理贴图上的条纹和高光部分也会被检测出来,从而造成不必要的反走样。针对这一问题,该算法提出了一种改进的反走样方法:根据物理和阴影信息检测出模型与阴影边缘,再以边缘周围状况计算确定混合朝向,最后结合亚像素覆盖率进行反走样运算。实验表明,该算法在保留了原快速近似反走样效率的同时,有效地消除了不必要的反走样。     

基于稀疏自编码特征聚类算法的图像窜改检测

同图复制窜改是图像窜改较为常见的一类,基于块匹配检测方法往往存在准确率低、时间复杂度高等问题,为提高准确率并大幅度降低时间复杂度,应用深度学习特征和聚类算法进行检测。首先用稀疏自编码器训练大量样本集找出同图复制图像的内部规律并得到降维的隐藏层权值矩阵,通过权值矩阵获得检测图像的隐藏层特征,即定义的稀疏自编码特征;用K-means算法一次聚类自编码特征去除图像平滑区域,二次聚类纹理特征获得检测结果,若检测结果中含有少量异常块,通过欧氏距离判断和RANSAC（random sample consensus）算法将异常块去除,从而实现窜改区域的检测。实验结果表明,该算法与其他算法比较综合准确率提升14.3%,时间效率提升72%。将深度学习特征与聚类算法结合使用,使得同图复制窜改在时间效率和准确率上皆有所提升。     

子像素形态学反走样算法的改进

针对子像素形态学反走样（SMAA）算法提取图像轮廓信息少和存储空间较大的问题,提出一种改进的形态学反走样算法。该算法用一个像素的亮度与调整因子的乘积作为动态阈值,来判定该像素是否为轮廓条件。与SMAA利用固定阈值判定轮廓相比,动态阈值严格限制了轮廓的判断条件,因此改进算法可以提取出更多的轮廓信息。同时,在分析SMAA存储形态模式的基础上,合并了不同模式但是面积计算和混合方式相同的存储,能有效地减少面积纹理的存储面积。在Windows 7操作系统下,用Microsoft DirectX SDK和HLSL着色语言实现了所改进的算法。实验结果表明：相对于SMAA算法,改进后算法可以提取更多更清晰的轮廓线,存储减少了51.93%。     

基于灰度递推的反走样圆生成算法

随着图形显示技术的特殊应用,对图形的显示效果提出了较高的要求。为了提高圆的反走样效率,建立了像素灰度与坐标之间的递推关系实现圆的反走样算法。该算法将每次循环中离理想圆弧最近的像素灰度作为判断依据,通过省略二次项带来简化计算,再对省略二次项带来的灰度误差进行修正,每次像素灰度结果可以直接输出,不需要再进行计算或转换,比其他算法的执行速度更快。经过验证,该算法的反走样效果和执行效率都比较好。     

基于CIM的偏差补偿稀疏NLMAD算法研究

为了解决输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿NLMAD(Normalized least mean absolute deviation, NLMAD)算法。 利用NLMAD算法可有效抵御脉冲输出观测噪声的优势,首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题。再次考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法CIMBCNLMAD。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其它自适应滤波算法,说明该方法具有强的鲁棒性且可应用于工程实践。