近年来,基于物理的真实感图片合成技术被广泛应用于游戏、动画、影视特效等行业中。其中,蒙特卡洛渲染算法由于可以满足严格的质量要求、易于实现、鲁棒性强,已成为主流的图片合成技术。然而,若要产生高质量、无噪声的结果,蒙特卡洛渲染算法往往需要设定极高的采样率,这意味着高昂的计算成本与巨量的计算时间。而幸运的是,各类降噪方法已被证明可以帮助蒙特卡洛渲染算法实现在较低采样率下得到高质量的渲染结果。在离线渲染领域中,蒙特卡洛渲染算法长久以来都是领域内的主流,针对于无偏蒙特卡洛渲染算法（如路径追踪）的降噪方法的研究已经非常丰富。这类在图像空间进行的后处理降噪方法可以有效去除无偏蒙特卡洛渲染算法在低采样率下常见的细小噪声。然而,这类降噪方法在应用到有偏蒙特卡洛渲染算法（如随机渐进式光子映射）时,面对其多尺度的噪声往往表现不佳,而同时又鲜有特别为有偏蒙特卡洛渲染算法设计的高效降噪方法。另一方面,在实时渲染领域中,随着对真实感渲染需求的不断提高,实时的蒙特卡洛渲染算法（如实时光线追踪）也成为当前研究的热点。实时渲染应用一般要求每秒渲染画面30帧以上,这便要求蒙特卡洛渲染算法必须采用极低的采样率,而其结果也将引入极多噪声。因此,实时蒙特卡洛渲染算法成功的关键便是结合降噪方法。近期,受到传统光栅化算法的时域反走样方法的启发,一系列时域降噪方法被提出,其使用一种运动向量,捕捉帧间有效信息进行降噪。然而,当运动向量失效时,降噪效果将大打折扣。本文针对蒙特卡洛渲染计算中的噪声问题提出基于多重残差网络和光子特征的随机渐进式光子映射降噪方法和基于精确运动向量计算的实时光线追踪的时域降噪方法。本文主要工作包括:针对蒙特卡洛随机渐进式光子映射算法中普遍存在的多尺度噪声问题,提出一种针对于有偏蒙特卡洛渲染算法的高效降噪方法。方法使用带有多重残函数的多重残差块,可以有效处理随机渐进式光子映射渲染结果中存在的多尺度噪声;使用了多种光子相关的辅助特征,可以更好地保留焦散等重要的光照细节。针对蒙特卡洛实时光线追踪的时域降噪问题,提出了一系列针对阴影、光泽反射和遮挡等困难情况的运动向量。它们捕捉并利用帧间的有效时域信息,有效解决鬼影伪影和光照细节滞后等问题;与领域内最先进的方法对比,本文提出的方法在时域上更加可靠和稳定,适用于存在大量几何遮挡关系的复杂场景,适用于光源和摄像机快速移动的情况,且几乎没有额外开销。综上,本文提出了一种随机渐进式光子映射降噪方法,以及一种基于多种精确运动向量的实时光线追踪时域降噪方法。相关方法研究有效解决了有偏和实时蒙特卡洛渲染算法结果中的噪声问题,为该领域降噪研究提供思路;相关方法可以广泛应用于影视动漫、游戏和三维仿真领域。