本發(fā)明涉及真實感流體重仿真方法,采用離散小波變換，在頻域高頻區(qū)域中，提取物理驅(qū)動數(shù)據(jù)的細節(jié)；在流體重仿真的推演過程中，將提取的高頻成分的動態(tài)細節(jié)增強到仿真過程的頻譜驅(qū)動數(shù)據(jù)中，從而可以在頻譜空間中實現(xiàn)流體重仿真中的驅(qū)動數(shù)據(jù)的增強，進而獲得具有豐富細節(jié)的重仿真結果。
背景技術：
：真實感流體重仿真目前已經(jīng)廣泛地被應用于游戲設計、流體動畫仿真、電影的特效設計、流體軍事仿真等領域。近年來,視頻流體重仿真技術的研究備受關注，其目的是充分利用視頻流體中的驅(qū)動數(shù)據(jù),獲取真實感的實時仿真效果。目前研究中,人們采用在低維空間中通過降低維數(shù)的方法獲取仿真的時間性能,從而在重仿真過程中出現(xiàn)了缺少真實感細節(jié)的問題。目前，現(xiàn)有的技術中，雖然出現(xiàn)了一些流體真實感仿真的方法，但是，利用視頻流體實現(xiàn)真實感的流體重仿真仍然是一個具有挑戰(zhàn)性的問題。技術實現(xiàn)要素：本發(fā)明的目的是針對現(xiàn)有技術的不足,并針對視頻流體反向工程中真實感重仿真的需要,提供一種基于物理運動數(shù)據(jù)驅(qū)動的、頻域空間對于物理驅(qū)動數(shù)據(jù)增強的措施,利用該方法能夠?qū)崿F(xiàn)視頻流體反向工程中流體真實感重仿真。實現(xiàn)本發(fā)明目的的具體技術方案是：一種真實感流體重仿真方法，其特征在于，利用視頻的前兩個樣例幀,記為F1和F2，利用密度的頻域中高頻成分,實現(xiàn)流體真實感重仿真，具體步驟如下：步驟1：預處理計算F1中任意一個粒子的高度Hi，利用F1和F2計算F1中粒子的速度vi及密度Pi，其中i是非負整數(shù),且0≤i＜N,N是流體場景的粒子個數(shù)；(a)建立標準密度的頻譜塊集合SF,具體地：將F1中的所有粒子分塊處理,并按照每塊中粒子的運動方向,將所有的塊確定為不同類別；先進行粒子塊的劃分與標記，將F1中的所有粒子按照指定大小b×b分成正方形的塊,如果圖像的分辨率為X×Y，那么，水平分割塊數(shù)垂直分割塊數(shù)表示向下取整；利用這WA個頻譜塊構建頻譜塊集合SF；其中為F1中任意一個塊，它位于頻譜空間中水平的第w塊和垂直的第h塊，w和h為非負整數(shù)，0≤w＜W,0≤h＜A；假設F1中任意一個塊中所有粒子2D速度的均值為并且u是的水平方向分量、v是的垂直方向的分量，那么的類型T利用(1)式確定：T=1u>0,v>02u<0,v>03u<0,v<04u>0,v<0---(1)]]>計算F1中所有粒子密度,稱其為標準密度,將標準密度按照指定層數(shù)進行離散小波變換，假設層數(shù)為L，那么變換后的高頻區(qū)一共有3L個，對于這3L個高頻區(qū)中任意一個區(qū)Ak(0≤k＜3L)，按照上述方法分塊：水平分割為W塊，垂直分割為A塊；在每個高頻區(qū)中，將WA個頻譜塊按如下方法構建四個集合具體地：對于Ak(0≤k＜3L)中任意一個塊bj(0≤j＜W*H),如果Ak在SF中對應塊的類型假設為T，那么，將bj置入集合中，按照這樣方法，構建每個區(qū)域四個頻譜的集合稱為標準密度頻譜塊集；(b)對每個集合內(nèi)部的頻譜塊排序,具體地：統(tǒng)計每個集合內(nèi)部所有粒子的頻譜和,并將集合的頻譜塊，按照統(tǒng)計結果從大到小排序，排序后的集合記為稱為標準密度頻譜塊有序集；步驟2：按照以下步驟，共進行NR次仿真推演：(a)當前次是第I次仿真，設I＝1；如果滿足I≤NR，NR仿真一共進行的推演次數(shù)，繼續(xù)進行以下步驟，否則，跳轉到步驟3；(b)利用速度vi(0≤i＜Z)，初始化LBM模型，使仿真開始推演，然后按照以下步驟對推演后的密度進行增強,Z是流體場景的粒子個數(shù)，如果流體視頻F1的分辨率為g×m，那么Z可以計算為Z＝gm；在推演過程中，獲取第I次推演中流體場景粒子的密度pl(0≤l＜Z)(稱pl為推演密度,Z是流體場景的粒子個數(shù))，其中I是自然數(shù)(1≤I≤NR)；然后將pl按照步驟1的(a)和(b)建立pl的頻譜塊有序集(c)推演密度的增強假設標準密度頻譜塊有序集中有c個頻譜塊、推演密度的頻譜塊有序集中有e個頻譜塊；對于指定的閾值θ(0＜0＜1)，對于第m次推演中，中前θc個頻譜塊進行增強處理；具體地：推演密度的頻譜塊bi塊號i，計算標準密度頻譜塊Bs塊號s：s＝ci/e(2)選取標準密度頻譜塊Bs，然后對于bi中粒子的密度頻譜pt增強為：pt＝KtQb/XB(3)其中Kt為Bs中序號為t的粒子的密度頻譜；Qb為頻譜塊中所有頻譜的和，XB為頻譜塊中所有頻譜的和；(d)轉步驟2，進行下一次推演。步驟3：重仿真結束。本發(fā)明利用視頻流體的物理驅(qū)動數(shù)據(jù)，實現(xiàn)真實感視頻流體重仿真,克服了現(xiàn)有重仿真研究中缺少細節(jié)的問題,可以實現(xiàn)具有豐富細節(jié)的視頻流體重仿真的效果,適用于包括平流及海浪等多種流體類型。本發(fā)明中提出了一種在頻域空間獲取楊例幀的真實感細節(jié)、并在仿真推演的過程中,利用獲取流體密度高頻的動態(tài)細節(jié)增強仿真驅(qū)動數(shù)據(jù)，從而可以實現(xiàn)真實感的流體重仿真。附圖說明圖1為本發(fā)明實施例真實感流體重仿真序列結果圖；圖2為本發(fā)明實施例在重仿真邊界測試中得到的結果圖；圖3為本發(fā)明實施例真實感流體重仿真結果與現(xiàn)有方法的結果對比圖。具體實施方式實施例下面結合附圖對于發(fā)明進一步說明。本實施例采用DynTex動態(tài)紋理庫中的流體視頻(例如54ab110等流體視頻)實施流體場景真實感重仿真。在PC機上Windows7操作系統(tǒng)下進行實施，其硬件配置是2.66GHzIntelCore(TM)2DuoCPU、4GBRAM。選擇流體視頻(例如54ab110等流體視頻)的兩幀(稱為樣例幀,記為F1和F2)實現(xiàn)流體仿真功能，由于仿真初始化條件來源于樣例幀，目的是在流體視頻樣例幀的物理驅(qū)動數(shù)據(jù)初始化以后，實現(xiàn)真實感流體重仿真過程,本發(fā)明按照以下步驟進行：步驟1：預處理計算F1中任意一個粒子的高度Hi，利用F1和F2計算F1中粒子的速度vi及密度Pi，其中i是非負整數(shù),且0≤i＜N,N是流體場景的粒子個數(shù)；(a)建立標準密度的頻譜塊集合SF,具體地：將F1中的所有粒子分塊處理,并按照每塊中粒子的運動方向,將所有的塊確定為不同類別；先進行粒子塊的劃分與標記，將F1中的所有粒子按照指定大小b×b分成正方形的塊,如果圖像的分辨率為X×Y，那么，水平分割塊數(shù)垂直分割塊數(shù)表示向下取整；利用這WA個頻譜塊構建頻譜塊集合SF；其中為F1中任意一個塊，它位于頻譜空間中水平的第w塊和垂直的第h塊，w和h為非負整數(shù)，0≤w＜W,0≤h＜A；假設F1中任意一個塊中所有粒子2D速度的均值為并且u是的水平方向分量、v是的垂直方向的分量，那么的類型T利用(1)式確定：T=1u>0,v>02u<0,v>03u<0,v<04u>0,v<0---(1)]]>計算F1中所有粒子密度,稱其為標準密度,將標準密度按照指定層數(shù)進行離散小波變換，假設層數(shù)為L，那么變換后的高頻區(qū)一共有3L個，對于這3L個高頻區(qū)中任意一個區(qū)Ak(0≤k＜3L)，按照上述方法分塊：水平分割為W塊，垂直分割為A塊；在每個高頻區(qū)中，將WA個頻譜塊按如下方法構建四個集合具體地：對于Ak(0≤k＜3L)中任意一個塊bj(0≤j＜W*H),如果Ak在SF中對應塊的類型假設為T，那么，將bj置入集合中，按照這樣方法，構建每個區(qū)域四個頻譜的集合稱為標準密度頻譜塊集；(b)對每個集合內(nèi)部的頻譜塊排序,具體地：統(tǒng)計每個集合內(nèi)部所有粒子的頻譜和,并將集合的頻譜塊，按照統(tǒng)計結果從大到小排序，排序后的集合記為稱為標準密度頻譜塊有序集；步驟2：按照以下步驟，共進行NR次仿真推演：(a)當前次是第I次仿真，設I＝1；如果滿足I≤NR，NR仿真一共進行的推演次數(shù)，繼續(xù)進行以下步驟，否則，跳轉到步驟3；(b)利用速度vi(0≤i＜Z)，初始化LBM模型，使仿真開始推演，然后按照以下步驟對推演后的密度進行增強，Z是流體場景的粒子個數(shù)，如果流體視頻F1的分辨率為g×m，那么Z可以計算為Z＝gm；在推演過程中，獲取第I次推演中流體場景粒子的密度pl(0≤l＜Z)(稱pl為推演密度，Z是流體場景的粒子個數(shù))，其中I是自然數(shù)(1≤I≤NR)；然后將pl按照步驟1的(a)和(b)建立pl的頻譜塊有序集(c)推演密度的增強假設標準密度頻譜塊有序集中有c個頻譜塊、推演密度的頻譜塊有序集中有e個頻譜塊；對于指定的閾值θ(0＜0＜1)，對于第m次推演中，中前θc個頻譜塊進行增強處理；具體地：推演密度的頻譜塊bi塊號i，計算標準密度頻譜塊Bs塊號s：s＝ci/e(2)選取標準密度頻譜塊Bs，然后對于bi中粒子的密度頻譜pt增強為：pt＝KtQb/XB(3)其中Kt為Bs中序號為t的粒子的密度頻譜；Qb為頻譜塊中所有頻譜的和，XB為頻譜塊中所有頻譜的和；(d)轉步驟2，進行下一次推演。步驟3：重仿真結束。圖1是利用本發(fā)明進行重仿真，得到的時序序列結果。從圖中的重仿真結果可以明顯看出，利用本發(fā)明進行重仿真時可以得到具有真實感細節(jié)的時序結果。這說明了本發(fā)明中的有效性。圖2是本發(fā)明實施例真實感流體重仿真結果圖，在重仿真邊界測試中得到的結果圖，從圖中的結果可以看出，本發(fā)明中利用頻域成分增強的措施很有效，在邊界測試的實例中流體表面的細節(jié)仍然能夠體現(xiàn)出來。圖3為本發(fā)明實施例真實感流體重仿真結果與現(xiàn)有方法的結果對比圖。在圖3結果中，右側一列是本發(fā)明實施例真實感流體重仿真結果，左側是利用現(xiàn)有方法實現(xiàn)的重仿真結果，從對比的結果可以看出，本發(fā)明中真實感流體重仿真的措施非常有效，重仿真細節(jié)明顯。當前第1頁1 2 3