Image Processing Reference
In-Depth Information
1
∈
∈
Π
=
dass
A
konstante Funktionen nicht auf 0 abbildet, für
u
K
und
v
mit
v
0
folgt also
u
. Es existiert nach
Satz 6.84 ein Minimierer
u
∗
für das Funktional in (6.47), von dem man sich analog zu
Anwendungsbeispiel 6.98 überlegen kann, dass er eindeutig ist.
+
v
/
∈
K
. Dies gibt die gewünschte Koerzivität von
Φ
Beim Studium der Minimierer
u
∗
mittels konvexer Analysis stoßen wir auf ähnliche
Probleme wie schon in Anwendungsbeispiel 6.98: Die Einschränkung
ist nicht ste-
tig und deswegen lässt sich die Summenregel für Subdifferentiale nicht ohne Weiteres
anwenden. Auch hier lässt sich Abhilfe schaffen.
Dafür stellen wir fest, dass es aufgrund der Surjektivität von
A
:
H
1,
p
Φ
R
N×M
(
Ω
)
→
NM
linear unabhängige Vektoren
u
i
,
j
H
1,
p
∈
(Ω)
≤
≤
≤
≤
gibt (1
i
N
und 1
j
M
), so
u
i
,
j
L
q
dass die Einschränkung von
A
auf
V
=
span
(
)
⊂
(
Ω
)
bijektiv ist. Es existiert also
A
−
1
V
A
−
V
A
gilt
T
1
=
und für
T
1
=
T
1
sowie ker
(
T
1
)=
ker
(
A
)
. Für
T
2
=
id
−
T
1
folgt
. Mit obigem
u
1
(
)=
(
)
damit rg
T
2
ker
A
bildet nun
1
p
u
1
p
d
x
u
∈
V
:
u
→
Ω
|∇
(
+
u
)
|
in
R
ab und ist folglich stetig in
V
in der Relativtopologie (Satz 6.25). Genauso folgt die
Stetigkeit von
u
u
1
, in der Relativtopologie. Die Summe-
nidentität für Subdifferentiale ist damit gültig (siehe wieder Übungsaufgabe 6.14); ein
u
∗
ist genau dann Lösung von (6.47), wenn 0
→
I
K
(
+
u
)=
0 für
u
∈
rg
(
T
2
)
∈
∂
p
·
◦∇
(
p
p
u
∗
)+
∂I
K
(
u
∗
)
. Der erste
Summand liefert erneut den
p
-Laplace-Operator während für den zweiten Summanden
gilt:
ker
)
⊥
U
0
(
=
A
falls
Au
(
)=
∂
I
K
u
∅
sonst.
Da
A
surjektiv ist, folgt mit dem Satz vom abgeschlossenem Bild (Satz 2.26) ker
A
⊥
=
rg
A
∗
)=
w
i
,
j
, letzteres wegen
w
i
,
j
A
∗
e
i
,
j
(
span
(
)
=
für 1
≤
i
≤
N
und 1
≤
j
≤
M
. Die
Optimalitätsbedingungen lauten damit:
u
∗
∈
L
q
(
Ω
)
ist eine Lösung von (6.47), falls es
λ
∗
∈
R
N×M
gibt, so dass
⎧
⎨
ein
div
u
∗
N
i
M
j
u
∗
|
p
−
2
=
∑
∑
=1
λ
i
,
j
w
i
,
j
−
|∇
∇
in
Ω
=1
u
∗
|
p
−
2
u
∗
·
ν
=
|∇
∇
0
auf
∂
Ω
(6.48)
⎩
≤
≤
1
i
N
,
u
∗
w
i
,
j
d
x
U
i
,
j
=
1
≤
j
≤
M
.
Ω
λ
∗
kann man als Lagrange-Multiplikatoren zur Nebenbedin-
Die Komponenten von
U
0
auffassen (vergleiche mit Beispiel 6.48). Im Falle der Optimalität von
u
∗
unterliegen sie einer Einschränkung, integriert man nämlich die erste Gleichung
in (6.48), wie schon in Beispiel 6.93, auf beiden Seiten, so folgt
gung
Au
=
j
=
1
λ
i
,
j
N
i
=
1
M
Ω
∇
∗
|∇
u
∗
d
x
u
∗
|
−
w
i
,
j
d
x
p
2
=
∇
=
0,
Ω