Approximationstheorie
Approximationstheorie
Approximationstheorie
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
156 7 WAVELETS<br />
1. In (7.24) findet sich nur eine Approximationsordnung von 2 −kn während wir für die Approximationsordnung<br />
des Raums Vk in Satz 7.20 ja die Ordnung 2 −k(n+1) bekommen haben.<br />
Es ist aber nichts faul mit den Wavelets, wie man auch aus dem Beweis von Satz 7.24<br />
ersehen kann, sondern es ist lediglich eine Normierungsfrage: Die skalierten Wavelets<br />
ψ 2 k · −ℓ erfüllen schließlich “nur”<br />
weswegen sie eigentlich zu<br />
ψ 2 k · −ℓ , ψ 2 k · −ℓ ′ = 2 −k δℓ,ℓ ′, ℓ, ℓ′ ∈ Z,<br />
ψk,ℓ := 2 k/2 ψ 2 k · −ℓ , k, ℓ ∈ Z,<br />
umskaliert werden müssten, um eine Orthnormalbasis zu bilden. Verwendet man diese<br />
Funktionen, so ergibt sich dann auch die “erwartete” Approximationsordung 2 −k(n+1) .<br />
2. Es gibt Wavelets mit kompaktem Träger, nämlich die bereits erwähnten Daubechies–<br />
Wavelets, die sogar verhältnismäßig einfach zu konstruieren sind 195 , ihre Verfeinerungskoeffizienten,<br />
um genau zu sein, denn man kennt weder geschlossene Formeln für diese<br />
Funktionen, noch für ihre Fouriertransformierte! Das macht aber auch nichts, denn diese<br />
Koeffizienten reichen für das praktische Arbeiten mit Wavelets vollkommen aus. Außerdem<br />
sind die Verfeinerungskoeffizienten zu Daubechies–Wavelets kleiner Ordnung sogar<br />
in [16, 54] aufgelistet.<br />
3. Wir können den kompakten Träger der Wavelets sogar als Stärke sehen: Hat ψ den Träger<br />
[a, b], so hat ψ 2k · −ℓ den Träger 2−k (ℓ + [a, b]) und berücksichtigt so nur das lokale<br />
Glattheitsverhalten der Funktion f um den Punkt 2−kℓ. Hat also beispielsweise eine<br />
Funktion einen “Knick” an einer Stelle x∗ und ist ansonsten glatt, dann werden die Wa-<br />
k veletkoeffizienten dk 2 x deutlich langsamer abfallen. Das kann man beispielsweise<br />
zur automatischen Erkennung von Singularitäten nutzen, siehe Abb. 7.6.<br />
4. Aber auch bei der Kompression hilft das: Ist nämlich die Funktion f “weitestgehend”<br />
glatt, dann werden die meisten Wavelet–Koeffizienten ziemlich schnell ziemlich klein werden<br />
und wir können sie einfach vergessen und nur die betragsmäßig größten Koffizienten<br />
oder alle, deren Absolutbetrag oberhalb eines bestimmten Wertes liegt 196 behalten. Der<br />
Vorteil solcher Kompressionsverfahren liegt darin, daß die Rekonstruktion oftmals kaum<br />
sichtbare Unterschiede zum Original aufweist.<br />
5. Was aber tun mit Skalierungsfunktionen wie Splines, bei denen wir entweder nur ein<br />
Prewavelet mit kompaktem Träger oder aber ein Wavelet mit unendlichem Träger bekommen?<br />
Nun, abgesehen davon, daß man wegen des Abfalls von Funktion und Koeffizienten<br />
numerisch einfach “abschneiden” könnte, gibt es auch noch biorthogonale Wavelets, siehe<br />
z.B. [54] oder [49].<br />
195 Aber trotzdem gehört dieser Punkt in eine Spezialvorlesung über Wavelets.<br />
196 Dieses Verfahren bezeichnet man als “Threshholding”.