在现代的生活中,人们越来越注重数字化产品的质量,尤其是关于真实性以及可实时互动等方面的体验感。利用计算机模拟自然场景并达到较高的真实感效果是计算机图形学领域的重要研究之一。由于场景中的流体现象非常普遍,所以流体模拟的效果会直接影响整个场景的真实感效果。由于流体的运动变化复杂而且极具有瞬时性,那么在有限的计算资源和运算时间内模拟出具有真实感的流体运动状态是当前的研究重点。本文的重点是流体模拟方法中的一种新思路,即数据驱动的流体模拟方法。首先介绍了匹配两组不同流体表面的光流方法,然后提出了两种以稀疏性质为代表的约束条件来优化基于光流匹配的流体模拟方法,从而扩展了数据驱动流体模拟方法的适用范围,极大地提升了流体模拟的速度。关于本文的主要贡献,具体内容如下:一、提出了一种基于L0正则化光流匹配的流体模拟。该方法采用了光流技术的亮度恒定假设,并通过分析该假设中存在的欠定性问题,提出基于L0稀疏约束的光滑正则化模型,获得更加适定的变形场用以提高匹配流体表面过程的准确性。然后通过给定的插值权重系数融合输入的流体数据,从而生成新的流体动画。虽然该方法并没有结合流体运动的物理机理作为约束条件,但仍然能从已有的流体模拟数据中获得符合流体物理机理的运动信息,不仅保证了流体模拟的实时性而且使得生成流体的表现效果具有真实性,具有极高的研究价值。二、提出了一种基于时空变形的TV-L1流体匹配模型。该模型在数据驱动流体模拟方法的基础上,通过采用多层框架重采样流体数据,并结合了TV-L1变分光流法优化了时空流体表面匹配的过程。其中TV-L1变分光流法通过采用L1范数这种具有稀疏性的数学模型,能够准确地恢复流体之间的不连续性运动。具体来说,该优化模型能够更好地恢复目标的流体表面,同时减少了错误变形场导致的细节性误差形变,因此能计算合适的变形场从而准确地对齐流体表面。