中国科学院软件研究所机构知识库
Advanced  
ISCAS OpenIR  > 中科院软件所  > 中科院软件所
题名:
真实感毛发生成与纹理合成技术的研究
作者: 杨刚
答辩日期: 2006-06-09
授予单位: 中国科学院软件研究所
授予地点: 软件研究所
学位: 博士
关键词: 真实感毛发表示 ; 毛发造型 ; 毛发绘制 ; 自阴影 ; GPU ; 纹理合成 ; 向量场可视化
摘要: 真实感毛发生成与纹理合成技术是如今计算机图形学的两个热点研究内容,它们在理论研究以及实际应用两方面都具有重要意义。本文对这两个领域中的问题进行了研究与探讨,取得了研究成果。 真实感毛发的表示技术一直是图形学中一个富有挑战性的问题,它对于在计算机中真实表现自然物体起着不可或缺的作用。随着研究与应用的深入,真实感毛发的表示效率越来越成为研究者关注的重点。人们力图提高真实感毛发的表示效率,以满足实时应用的要求。本文即针对真实感短毛的实时表示进行了研究,提出了短毛实时表示、造型以及绘制等方面的一系列解决方法。这些方法与技术为真实感短毛的实时应用创造了条件,具有很强的实用价值。本文在毛发方面的主要工作与贡献如下: 1. 提出一种基于非均匀纹理层的毛发表示方法。该方法采用多层次的纹理切片来表达毛发,并根据当前的视点位置以及物体表面各部位毛发的形态特征,自适应地采用不同层数的纹理切片进行毛发表达。该方法可以实时表示出真实感的毛发效果。相比于以往“均匀层数”的方式,这种“非均匀层数法”更为灵活,尤其适用于表现物体表面毛发形态富于变化的情况;而且“非均匀层数法”可以在不降低绘制质量的情况下尽量减少绘制的面片数,起到了加速的作用。 2. 提出“层状阴影图”的毛发自阴影计算方法。该方法对毛发表示中的各层纹理网格层分别进行可见度采样,得到多层“阴影图”。这些阴影图组成了毛发空间中的层状阴影结构,以用于毛发自阴影的计算。这种方法可以快速模拟出毛发的自阴影现象,大大增强了毛发绘制的真实感效果。另外,在毛发绘制以及阴影模拟过程中,本文充分利用了GPU的新型绘制功能,使毛发的光照及阴影计算准确到了像素级别;本文还有效模拟了由于物体遮挡而在毛发表面形成的软影现象和斑纹毛的效果。 3. 提出基于表面场的毛发控制策略,并在此基础上开发了多种对毛发进行造型的操作,包括梳理、风吹、插值、光滑、扰动等。利用这些造型操作,用户可以对毛发形态进行方便灵活的控制,设计出富于变化的短毛样式。在此造型方法的基础上,本文构建了一个短毛的实时造型与绘制系统。相比于目前已有的毛发造型系统,该系统具有速度上的优势:不但可以交互地完成造型操作,而且可以实时绘制出逼真的短毛效果,具有很强的实用意义。 纹理合成技术最初是为了解决纹理映射中的接缝和变形问题而提出的。近年来,基于样本的纹理合成技术成为纹理合成的主流技术并获得了很大发展,它在大规模场景的绘制、数据压缩、图像编辑、科学计算可视化等诸多领域都具有重要应用价值。本文针对基于样本的纹理合成技术及其在向量场可视化方面的应用进行了研究,主要贡献包括: 1. 提出一种基于边界图的纹理合成方法。该方法针对以往合成方法难以很好保持纹理边界结构特征的问题,提出利用纹元边界来辅助进行合成的方法。新方法首先从样本纹理中抽取出“纹元边界图”,然后在此图的指导下,针对“纹元式纹理”的两种情况“覆盖式”和“非覆盖式”纹理分别采用“边界覆盖法”和“边界匹配法”进行纹理的逐块合成。与已有的合成方法相比,新方法能更好地保持纹理的边界结构特征,对很多“纹元式纹理”都达到了满意的效果,并且合成速度很快。 2. 提出一种基于块纹理合成的向量场可视化方法。该方法在纹理合成过程中利用向量场作为指导,生成反映向量场变化的合成结果。本文算法采用了逐块合成的方式,但对合成块进行了多层次自适应分割,将之划分成为大小不同、形状不同的最终合成块,以与向量场的变化趋势相吻合。对向量变化过于剧烈的区域,则采用了点合成的方式进行纹理合成,以保证合成效果的平滑。实验表明,本文的方法可以生成直观反映向量场大小、方向变化的结果纹理,实现了快速而高质量的向量场可视化。
语种: 中文
内容类型: 学位论文
URI标识: http://ir.iscas.ac.cn/handle/311060/7474
Appears in Collections:中科院软件所

Files in This Item:
File Name/ File Size Content Type Version Access License
10001_200218015003341杨刚_null.doc(5532KB)----限制开放-- 联系获取全文

Recommended Citation:
杨刚. 真实感毛发生成与纹理合成技术的研究[D]. 软件研究所. 中国科学院软件研究所. 2006-06-09.
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[杨刚]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[杨刚]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2017  中国科学院软件研究所 - Feedback
Powered by CSpace