pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.1 Einleitung und Problemstellung 85<br />
Funktional φ mit<br />
(4.3b) φ(s) := 1<br />
2<br />
m1 <br />
1<br />
+ µ2<br />
2<br />
m2 <br />
i1=1 i2=1<br />
m1 b2<br />
<br />
i1=1<br />
[zi1,i2 − s(xi1 , yi2 )]2 1<br />
+ µ1<br />
2<br />
a2<br />
m2 <br />
i2=1<br />
0,r2 D s(xi1 , y) 2 1<br />
dy + µ1µ2<br />
2<br />
b1 r1,0<br />
D s(x, yi2 ) 2<br />
dx<br />
a1<br />
b1 b2<br />
[D r1,r2 2<br />
s(x, y)] dy dx.<br />
Das Glättungsfunktional (4.3b) – eine Verallgemeinerung des univariaten Schoenberg-<br />
Funktionals – wurde dabei so konstruiert, daß die entstehenden Quadratmittelprobleme in<br />
eine Folge von univariaten Problemen zerfallen. Es ist zwar nicht mehr so schön physikalisch<br />
interpretierbar, wir benutzen den Glättungsterm jedoch vorwiegend zur Regularisierung.<br />
Die Verwendung eines separablen Glättungsterms kann man historisch weit zurückverfolgen.<br />
So wird in [Die81] zunächst ein nichtzerfallender Glättungsterm verwendet, bevor in<br />
[Die82] der passende zerfallende Term benutzt wird. Nachdem in [HS85] natürliche bikubische<br />
glättende Splines untersucht wurden, untersuchen die Autoren in [HS86] komplette<br />
glättende Splines. Der abstrakte Fall von interpolierenden und glättenden Tensorprodukt-<br />
Splines – aus dem sich viele der bisher betrachteten Spezialfälle ableiten lassen – wird in<br />
[EMM89] behandelt. In den Arbeiten [Mul90], [Bre90] und [Pig91] wird schließlich der Fall<br />
der Splineapproximation (4.3b) untersucht. Man beachte, daß in letzteren Arbeiten – im<br />
Gegensatz zu den Variationszugängen – eine Datenreduktion möglich ist, da Splineknoten<br />
und Datenstellen unabhängig voneinander gewählt werden können.<br />
4.1.1 Darstellung des Zielfunktionals<br />
Als Basis für die univariaten Splineräume Sk1,τ 1 und Sk2,τ 2 benutzen wir die polynomialen<br />
B-Splines der Ordnung k1 bzw. k2 zur Knotenfolge τ 1 bzw. τ 2 . Sie seien analog zu Definition<br />
2.2 gebildet und bezeichnet mit Bj1,k1,τ 1 (j1 = 1, . . . , n1) bzw. Bj2,k2,τ 2 (j2 = 1, . . . , n2).<br />
Damit erhalten wir die Darstellung<br />
s(x, y) =<br />
n1 <br />
n2 <br />
j1=1 j2=1<br />
a1<br />
a2<br />
B j1,k1,τ 1(x)B j2,k2,τ 2(y)αj1,j2<br />
mit den Splinekoeffizienten αj1,j2 für einen Tensorprodukt-Spline s ∈ Sk1,τ 1 ⊗ Sk2,τ 2. Setzt<br />
man dies in das Zielfunktional ein, so erhält man die folgenden Darstellungen<br />
(4.4a)<br />
(4.4b)<br />
1<br />
2<br />
m1 <br />
1<br />
2<br />
m1 <br />
i1=1 i2=1<br />
m2 <br />
i1=1 i2=1<br />
m2 <br />
⎡<br />
⎡<br />
⎣zi1,i2 −<br />
1<br />
+ µ1<br />
2<br />
1<br />
+ µ2<br />
2<br />
⎣zi1,i2 −<br />
m2 <br />
i2=1<br />
m1 <br />
i1=1<br />
n1 <br />
n1 <br />
j1=1 j2=1<br />
b1<br />
a1<br />
b2<br />
a2<br />
n2 <br />
j1=1 j2=1<br />
n2 <br />
⎡<br />
n1 <br />
⎣<br />
B j1,k1,τ 1(xi1 )B j2,k2,τ<br />
B j1,k1,τ 1(xi1 )B j2,k2,τ<br />
2(yi2 )αj1,j2<br />
2(yi2 )αj1,j2<br />
n2 <br />
B<br />
j1=1 j2=1<br />
(r1)<br />
j1,k1,τ 1(x)Bj2,k2,τ 2(yi2 )αj1,j2<br />
⎡<br />
n1 <br />
⎣<br />
n2 <br />
j1=1 j2=1<br />
Bj1,k1,τ 1(xi1 )B(r2)<br />
⎤<br />
⎦<br />
2<br />
j2,k2,τ 2(y)αj1,j2<br />
⎤<br />
⎦<br />
⎤<br />
⎦<br />
2<br />
2<br />
⎤<br />
⎦<br />
2<br />
dx<br />
dy<br />
→ min<br />
αj 1 ,j 2