论文研究 基于遗传算法的频繁项挖掘算法.pdf

提出一种基于特征点运动分解和散乱灰度数据插值的网格图象变形算法，以改进传统的两步扫描网格变形法在扫描顺序和变形效果上的不足。将原始图象的象素坐标一次性映射至目标图象，再对映射后得到的散乱坐标点的灰度进行散乱数据插值以恢复目标图象的象素信息。为了提高灰度映射的效率，引入一种基于Delaunay三角剖分的三角线性插值的方法来处理大规模散乱数据的插值。最后通过实例证明该算法的变形效果较两步扫描网格变形法有显著提高。