Image Processing Reference
In-Depth Information
t r
r
>
· Y strikt konvex bemerke, dass
ϕ (
)=
Für die Eindeutigkeit im Falle r
1 und
t
strikt konvex ist, sich Minimierer u und u ∗∗ also nur in
m unterscheiden. Insbeson-
Π
dere gilt P m u =
P m u ∗∗ . Nehmen wir u =
u ∗∗ an, so folgt
Au =
P m u +
Q m u =
P m u +
Q m u ∗∗ =
P m u ∗∗ +
Q m u ∗∗ =
Au ∗∗
aufgrund der Injektivität von A auf
Π m . Einsetzen liefert
1
2
Au
u 0
1
2
Au ∗∗
u 0
r
Y
Au
u 0
r
Y
Au ∗∗
u 0
r
Y
(
)+
(
)
<
+
2 r
und es folgt ein Widerspruch zur minimierenden Eigenschaft von u und u ∗∗ . Damit i st
die Eindeutigkeit gezeigt.
r
2 r
Bemerkung 6.87
Die Injektivität (und damit Invertierbarkeit) von A auf
m sichert die Koerzivität des
Zielfunktionals entlang der Richtungen, die die Sobolew-Halbnorm invariant lassen.
Man kann in gewisser Weise sagen, dass eine Lösung u ihre Komponenten in
Π
m durch
Inversion direkt aus u 0 bezieht. Im Falle, dass Y ein Hilbert-Raum ist, lässt sich dieser
Zusammenhang präzise angeben, siehe Übungsaufgabe 6.26.
Π
Bevor wir uns der Anwendung auf konkrete Probleme zuwenden, wollen wir noch
den Subgradienten des Strafterms
p
p untersuchen. Dazu leiten wir zunächst die
1
p
m u
m u Werte in R d m hat, hängt die
Adjungierte natürlich vom dort verwendeten Vektor-Skalarprodukt ab. Wir verwenden
das zu (6.32) assoziierte Skalarprodukt
, R d m
m : L q
L p
(Ω)
)
Adjungierte zu
her. Da
d
i 1 ,..., i m
R d m .
a
·
b
=
a i 1 ,..., i m b i 1 ,..., i m
für a , b
=
1
, R d m
m
) w ? Testet man mit u
∈C (Ω)
∈D
)
(
Angenommen, w
, was ist dann
m , so folgt mit partieller Integration
dom
d
i 1 ,..., i m
m u d x
i 1
i m u d x
·∇
=
···∂
w
w i 1 ,..., i m
Ω
Ω
=
1
m
i m w i 1 ,..., i m u d x .
d
i 1 ,..., i m
i 1
=(
1
)
=1
···
Ω
C (Ω)
dicht in L p
(Ω)
Da
liegt, ist die gesuchte Adjungierte durch den Differentialope-
rator auf der rechten Seite gegeben. Im Fall m
=
=
1 entspricht dies
div, daher
schreiben wir
d
i 1 ,..., i m
m
) =(
m div m
m
i 1
i m .
(
1
)
=(
1
)
=1
···
 
Search WWH ::




Custom Search