在许多领域,度量测度经常会被需要用来决定对一个信号是否继续或停止采样。当从信号中所采的样本值非常均一时,我们就认为这些样本足以用来表征信号的特征,所以就不需要再进行采样;否则,需要继续采样。为了达到这个目的,设计能够对微小的差异也很敏感的测度就显得非常重要,这些测度在计算机图形学中也起着极其重要的作用。真实感图形技术是计算机图形学的重要组成部分。使用该技术进行计算生成图像时,必须基于一定的光照明模型。而全局光照模型在真实感图形领域占据着重要的地位,它是依据物理学原理刻画光能在虚拟环境中的传递,在数学上归结为一系列(直至无穷多个)维数不断增加的(直至无限维)积分的和,是一类非常难解的问题。一般来说,蒙特卡罗方法是真实感图形领域中准确计算全局光照问题的唯一选择,但由该方法生成的图像当采样量不足时,会存在有大量的噪声。自适应采样技术是能够减少生成图像噪声的一种很好的方法,它的核心就在于像素质量评测标准的正确选择。本文中,我们充分挖掘信息理论中的Tsallis熵测度及AG-distance距离度量测度的特性,并将其引入到蒙特卡罗全局光照的自适应采样中。在Tsallis熵测度的应用中,对其公式中的用来表明非广度性程度的索引q,我们创新性地使用了最小二乘数学方法在采样过程之前自动地计算出q的值后来指导采样过程。论文主要运用RMS工具来衡量两幅图像之间的质量差异,而且将应用Tsallis熵测度和AG-distance距离度量测度的自适应采样算法生成的图像与两种经典的基于对比度和方差及其他几种方法生成的图像进行了对比。大量实验结果表明,Tsallis熵测度和AG-distance距离度量测度是非常有效的。同时,本文还将信息理论中的香农信息熵测度尝试性地应用在模型化简领域,并取得了有效的初步成果。