整体光照算法是渲染真实感图像的一个重要环节,它不仅可以计算出光源对物体的直接照明,还可以计算光线经过物体多次反射、折射之后对其他的物体的照明,整体光照算法在建筑、设计、娱乐等领域中有着广泛的应用。在这些领域中场景的几何形状、物体表面的材质属性都非常复杂,蒙特卡罗光线跟踪算法可以处理这些复杂的场景,但是如果抽样的数目不足时,绘制的图像往往会有噪声。可以从两个方面来减小噪声,一方面可以在抽样之后对抽样做滤波来减少噪声,另一方面可以提高抽样算法本身的效率。本文从以上两方面出发,提出了用于离线渲染的新的滤波方法和抽样方法。在滤波算法方面,已有的算法会模糊物体或纹理的边界,而且会把低频噪声残留在图像中。本文提出了入射光复用滤波算法。因为复用的是入射光抽样,所以不会模糊物体或纹理的边界。滤波时考虑了抽样点周围的距离信息,因此可以使用大的滤波窗口来滤除低频噪声。为了减少滤波的时间本文提出了自适应的复用概率计算方法。通过四组场景测试验证了算法的有效性,与已有算法相比本文的方法渲染的图像质量更好。在抽样算法方面,本文提出了两类抽样算法:用于半球面抽样的迭代重要性抽样算法和用于图像平面抽样的自适应抽样算法。根据入射光辐射强度的分布做抽样是一种提高半球面抽样效率的有效方法,但是已有的方法没有考虑到物体对光源的遮挡,也不能用于间接光照。本文使用5D树把场景划分成多个子空间,在每个子空间内使用渲染过程中记录的抽样来计算入射光辐射强度分布,本文提出了两种树型重要性函数:球面2D树和空间3D树,分别用于描述间接光照和直接光照的入射光辐射强度分布。在数量蒙特卡罗框架下,把树型重要性函数与BRDF(双向反射分布函数)抽样和光源抽样三者组成混合转移核用来提高抽样的效率。本文的图像平面自适应抽样考虑了直接和间接光照抽样的方差和耗时,根据拉格朗日乘数法自适应地设置每个像素直接光照和间接光照抽样的数目,使得在给定的时间里图像的方差接近最小值。本文把半球面抽样算法和图像平面抽样算法结合在一起进一步降低抽样的方差。通过四组场景测试验证了算法的有效性,与已有方法相比新方法的抽样效率明显提高。