15、几何细分与多尺度变换中的收敛性研究

几何细分与多尺度变换中的收敛性研究

1. 细分过程的收敛性定义

当将离散数据 $p$ 视为函数的采样时，细化后的数据 $Sp$、$S^2p$ 等可看作是比原始采样密度分别高 $N$ 倍、$N^2$ 倍等的采样结果。基于此，我们对收敛细化规则给出如下定义：

在第 $k$ 次细化迭代时，离散数据 $S^kp: \mathbb{Z}^s \to M$ 确定了一个函数 $f_k: N^{-k}\mathbb{Z}^s \to M$，其值为给定的数据点。对于任意 $N$ - 进点 $\xi$，若 $N^k\xi$ 为整数，则有 $(S^kp) {N^k\xi} = f_k(\xi)$。对于所有这样的 $\xi$，序列 $(f_k(\xi)) {k\geq0}$ 最终是有定义的，令 $f(\xi) = \lim_{k\to\infty}f_k(\xi)$。若对于所有 $\xi$，极限函数 $f$ 存在且连续，我们就称细分规则 $S$ 对于输入数据 $p$ 是收敛的，并且它可以唯一地扩展为一个连续函数 $S^{\infty}p: \mathbb{R}^s \to M$。

若数据 $p_i$、$Sp_i$ 等位于向量空间中，还可以通过另一种方式定义极限。我们用函数 $g_0$、$g_1$ 等对它们进行线性插值，使得 $g_k(N^{-k}i) = S^kp_i$。此时，函数 $g_k$ 的极限与上述定义的极限是一致的（虽然上述定义是逐点的，但实际上在紧集上通常是一致收敛的）。

2. 细分规则收敛性的判定引理

设 $M$ 是一个完备度量空间，细分规则 $S$ 以膨胀因子 $N$ 作用于数据 $p: \mathbb{Z}^s \to