基于自适应迭代面光源采样的物理正确柔和阴影绘制算法

针对蒙特卡罗可见性采样开销大的问题,提出了一种基于自适应迭代面光源采样的3D场景柔和阴影绘制算法。首先为每个可视场景点产生一个随机光源采样点,通过投射阴影光线来生成3D场景的二值面光源可见性图。其次基于可见性梯度探测算法,获得该图中半影的启发式信息,从而确定需要进行大量光源采样的可视场景区域。然后据此自适应计算每个可视场景点需要产生的光源采样点数量,并进行两次迭代面光源采样。最后对每个可视场景点累积的面光源可见性求平均后,得到最终的面光源可见性。实验结果表明,本算法可以显著减少面光源可见性的计算量,高效地绘制出物理正确的柔和阴影。

基于多尺度反向投影的图像超分辨率重建算法

为解决当前主流图像超分辨率重建算法对低分辨率图像中细节信息利用不够充分的问题,提出一种基于多尺度反向投影的图像超分辨率重建算法。使用多个不同尺度的卷积核从浅层特征提取层中提取出不同维度的特征信息,输入到反向投影模块后,交替使用升采样和降采样来优化高分辨率和低分辨率图像的投影误差,同时运用残差学习的思想将升采样和降采样阶段提取到的特征使用级联的方式进行连接,从而提升图像的重建效果。实验结果表明,在Set5、Set14和Urban100数据集上,与Bicubic、SRCNN、ESPCN、VDSR和LapSRN 5种主流算法相比,该算法的峰值信噪比和结构相似性均有所提高。

增益控制策略下的梯度域路径追踪算法

针对梯度域路径追踪算法在像素平面均匀采样的策略会使渲染图像在不同频率区域的渲染质量差别较大的问题,提出增益控制策略下的梯度域路径追踪算法.引入平均梯度计算局部平均梯度值,筛选并标记出高频区域和低频区域,将低频区域的样本用于对高频区域增强采样;随着每轮渲染高低频区域的不断更新,自适应地对样本进行分配,实现像素平面采样的增益控制.一方面,在不同材质和光照的场景下,将改进算法和梯度域路径追踪算法进行实验对比,结果表明,文中算法使人眼敏感的高频区域渲染更加细腻;另一方面,使用均方误差、峰值信噪比和结构相似度3种图像质量评价指标评价渲染图像,并对比采样过程中3个指标的变化情况,结果表明,在保证样本数量相同的条件下,文中算法可以加快渲染的收敛速度,提高渲染效率.

WCARS-ISPA火焰光谱特征选择的转炉炼钢终点预测

对转炉炼钢终点的实时精准控制能够有效提高钢铁产出的质量,炉口火焰光谱在炼钢不同时期的变化明显,对其进行分析处理并与机器学习方法相结合可有效用于炼钢终点的实时控制。针对炉口火焰光谱数据量大、现有方法对光谱特征提取在可信度和实时性上不足的缺陷,提出一种基于窗口竞争性自适应重加权采样(WCARS)结合迭代式连续投影算法(ISPA)的光谱特征波长选择方法,该方法在有效解决模型过拟合问题的同时,能够降低高维数据计算的复杂度。将火焰光谱数据沿波长方向进行窗口划分后,使用CARS进行计算选出特征窗口波段,再将迭代式选择与传统连续投影算法相结合,通过重复迭代精选出特征波长,在此基础上使用支持向量机回归(SVR)建立炼钢终点碳含量预测模型。实验采集363组炼钢后期的炉口火焰光谱数据作为样本,并对其进行Savitzky-Golay平滑预处理。使用WCARS-ISPA算法从全光谱数据中选出10个特征波长作为SVR模型的输入,碳含量为模型输出,Kennard-stone算法对训练集和测试集进行划分,选择碳含量的平均预测误差、预测误差在±2%以内的命中率以及运行30次的平均时间作为模型评价指标。实验结果显示,模型的平均碳含量预测误差为1.4132%,命中率高达90.63%,运行时间为0.019679 s。与使用全光谱和WCARS-ISPA,CARS-SPA,WCARS和SPA四种不同特征选择方法选出的特征波长建模得到的结果进行对比,基于WCARS-ISPA方法选出的特征波长建立的终点碳含量预测模型误差最小、命中率最高。提出一种新的炉口火焰光谱特征波长提取方法,使用窗口竞争性自适应重加权采样结合迭代式连续投影算法选取特征波长,并在此基础上建立转炉炼钢终点碳含量预测模型,实验结果表明,该方法能够有效提取火焰光谱特征,所建模型能够对转炉炼钢终点进行准确预测,满足工业生产的实时控制要求,为实际生产提供可靠帮助。