[发明专利]基于径向基函数神经网络拟合的全局光照实时绘制方法

摘要

本发明公开了一种基于径向基函数神经网络拟合的全局光照实时绘制方法，属于真实感图形实时渲染领域，包括训练数据获取、神经网络构建、神经网络训练、间接光照值拟合、直接光照值计算、全局光照绘制，使用离线渲染的方式进行预计算，获得训练数据，通过减聚类的方法确定径向基函数的中心，采用有监督的学习方法进行训练，拟合间接光照中的视点位置、光源位置、场景中物体表面法向量等与间接光照值之间的非线性关系，以代替传统的全局光照模型完成间接光照的计算，避免了光线的多次求交。该方法能有效减少冗余数据，以较快的速度收敛，并且很好地拟合离线渲染的结果，完成全局光照实时绘制。

主权项

一种基于径向基函数神经网络拟合的全局光照实时绘制方法，其特征是，包括如下步骤：1)通过离线渲染获取训练数据：通过基于物理的光线跟踪渲染方法，对场景进行渲染，得到高质量的图片，从而得到任意位置处的全局光照值；所述高质量的图片依据经验值判断；在渲染场景的同时，获取的场景中点的位置、表面法向量、双向反射函数值、光源的位置和光照值；2)训练数据优化：对于步骤1)得到的训练数据通过聚类提取特征信息，剔除冗余信息并进行优化，得到优化后的训练数据；3)神经网络构建：通过减聚类的方法获取径向基函数的中心，采用随机分布，初始化隐含层到输出层的权值，构建出径向基函数神经网络；4)神经网络训练：采用BP学习方法训练，通过信号的前向传播计算每个节点的值；通过与期望值的比较，计算出误差，然后进行误差的反向传播由输出层开始逐层计算各层神经元的输出误差，根据误差梯度下降法来调节各层的权值和阈值，使修改后的网络的最终输出能接近期望值；5)间接光照值拟合：对于一组视点和光源，可以得到在该视点下需要渲染的场景中的点的位置，计算得到表面法向量和双向反射函数，将这些值输入训练好的神经网络得到该像素点的R、G、B颜色分量；6)直接光照值计算：采用基于双缓冲区非局部均值滤波的自适应采样的方法进行蒙特卡罗光线跟踪完成直接光照值的计算，具体步骤为：61)采用均匀分布的方式分布初始采样点；62)采用非局部均值方法去噪，在合成图像的时候，生成两个采样点相同的缓冲区域A和B；63)用两缓冲区之间的差值来表示错误率，根据错误率来重新分配采样点；64)如此反复迭代步骤61)‑63)，完成采样后用经典的光线跟踪算法完成直接光照部分的渲染；7)全局光照绘制：结合5)、6)两步得到的分别得到间接光照值和直接光照值，完成全局光照绘制。