真实感图形技术是计算机图形学的重要组成技术,计算机科技的发展对更具真实感图形的生成算法提出了更高的要求。高效的真实感图形生成算法试验平台是这一技术发展的关键,本文根据近年来这一领域的研究情况,提出了基于虚拟环境的蒙特卡罗整体光照实验平台模型-RenderStorm,试验平台模型具有高度模块化的结构,良好的扩展性、适合生成静态及动态真实感图像等特点,其中我们着重设计了平台组成的主要模块及其作用,并对其的协作运行进行了分析。为了能够快速生成真实感图像,我们针对光线跟踪法这一核心算法中的自适应采样技术提出了新的改进,其中主要应用了信息熵理论、模糊数学理论,同时还提出了光线微分法在这一方面应用的想法。论文主要运用RMS,NCD等工具描述两幅图像之间的质量差异,分别将应用经典Contrast算法,信息熵算法,模糊数学算法等自适应采样算法生成图像与原始随机采样所得图像进行对比。其中主要创新性的在这一应用领域中引入了基于renyi熵、Tsallis熵自适应采样算法,通过大量的实验探索信息熵在这一领域应用的规律,同时对各算法之间的性能进行了比较分析,最终可以得到结论:自适应采样算法可以将采样点集中在图像比较重要的细节部分,对真实感图像的质量的整体提升具有明显的效果,新的信息熵理论的引入通过实验验证为可行的,最后论文对以后研究工作的继续进行了展望。