[发明专利]一种基于矩阵行列采样和深度学习进行多光源渲染的方法

权利要求书

1.一种基于矩阵行列采样和深度学习进行多光源渲染的方法，其特征在于，包括：

步骤1，根据三维场景建立光照矩阵，该光照矩阵中，每一列表示一个光源照射的所有采样点，每一行表示一个采样点上的所有光源照射；

步骤2，从光照矩阵中随机抽取若干行，得到一次随机缩减矩阵；

步骤3，在一次随机缩减矩阵中随机抽取若干行，得到二次随机缩减矩阵；

步骤4，针对不同视点，分别绘制一次随机缩减矩阵图像和二次随机缩减矩阵图像；

步骤5，利用一次随机缩减矩阵图像和二次随机缩减矩阵图像对训练深度神经网络模型；

步骤6，在实时绘制高真实感图像时，首先绘制二次随机缩减矩阵图像，然后将二次随机缩减矩阵图像输入训练好的深度神经网络模型，输出得到完整的高真实感图像。

2.如权利要求1所述的矩阵行列采样和深度学习进行多光源渲染的方法，其特征在于，步骤4中，绘制一次随机缩减矩阵图像的步骤的具体过程如下：

步骤4-a-1，使用采样分簇，将一次随机缩减矩阵划分为若干簇，在每个簇中，选取完整的一列作为代表，根据RGB颜色通道对该列进行渲染，获得该列的完整光照采样；

步骤4-a-2，对代理列的光照采样进行扩展，得到每个簇在RGB通道上的光照强度总和；

步骤4-a-3，将各簇的光照强度进行合并，得到多光源渲染结果。

3.如权利要求2所述的矩阵行列采样和深度学习进行多光源渲染的方法，其特征在于，步骤4-a-1中的采样分簇，包括如下步骤：

步骤4-a-1-1，在一次随机缩减矩阵中随机选择个列作为簇中心，将与簇中心最近的点划分到簇中心所代表的簇中，c为一次随机缩减矩阵中的总列数；

步骤4-a-1-2，针对一次随机缩减矩阵中某一列，优先在远离该列的列中随机选取列，当某一列被选中时，按固定比例增加该列权重，直至个列被选中；

步骤4-a-1-3，将权重较大的列作为簇中心，依据与簇中心的距离将一次随机缩减矩阵划分为若干簇。

4.如权利要求1所述的矩阵行列采样和深度学习进行多光源渲染的方法，其特征在于，步骤4中，绘制二次随机缩减矩阵图像的步骤的具体过程如下：

步骤4-b-1，依据分簇因子对一次随机缩减矩阵进行分簇，分簇因子为每簇的行数；

步骤4-b-2，从所分的簇中随机选择一些簇，在每个随机选出的簇中，选取完整的一列作为代表，根据RGB颜色通道对该列进行渲染，获得该列的完整光照采样；

步骤4-b-3，对代理列的光照采样进行扩展，得到每个簇在RGB通道上的光照强度总和；

步骤4-b-4，将各簇的光照强度合并，得到多光源渲染结果。

5.如权利要求1所述的矩阵行列采样和深度学习进行多光源渲染的方法，其特征在于，步骤5中，图像对的数量不少于10000。