Metropolis光线追踪算法是一种基于马尔可夫蒙特卡罗的无偏的全局光照算法,在一些复杂的光照场景中有很高的路径搜索效率,其渲染效果好且鲁棒性强。但是在局部明暗混合位置Metropolis算法会出现采样数量和光照分布不对称的问题,此外在采样过程中忽略了像素内的噪声水平对渲染结果的影响。这些特点都会导致最终渲染图像局部细节位置采样逼真度不够。因此,递进地提出了三种改进方案。第一种是在相对宏观的角度,兼顾采样数量和光照分布的影响,构造关于采样数量和光照的采样权重,来优化局部明暗混合位置采样数量和光照分布的对称性。第二种方案是从像素合成的微观角度进一步精确地度量像素内的样本状态,提出基于模糊度的自适应采样算法,在采样过程中以每像素内的样本为集合,用模糊度来评价像素内的噪声水平,并以模糊度作为不同噪声水平位置的采样权重。第三种方案是为了进一步优化第二种方案中预采样阶段的初始样本,进而引入方差过滤的方法优化进入正式渲染阶段的样本种子,此外在正式渲染阶段依然以模糊度作为不同噪声水平位置的采样权重。实验结果表明,第一种改进方案切实完善了不同光照和材质场景中明暗混合位置采样数量和光照分布的局部对称性,提升了渲染逼真度;第二种方案引入模糊度作为权重的自适应采样算法改进渲染噪声的同时优化了整体的采样分布,达到渲染后期自适应采样的效果;第三种融合方差过滤的模糊度评价算法,对渲染噪声有一定的优化。最后,对全文进行总结,并展望了后续的研究工作。