薄板样条插值---TPS(Thin Plate Spline)

薄板样条插值—TPS(Thin Plate Spline)

插值

已知一系列的观测点 $({\mathbf{x}}_1,{\mathbf{y}}_1),({\mathbf{x}}_2,{\mathbf{y}}_2),\cdots ,({\mathbf{x}}_{\mathbf{n}},{\mathbf{y}}_{\mathbf{n}})$, 这一组观测值得生成函数$Y=f(X)$未知，如何通过这一组观测值拟合出一个近似于真实生成函数的表达式。拟合出来的表达式称之为插值函数。

TPS

薄板样条的插值函数形式如下：
$$\begin{array}{rl}\Phi (\mathbf{x})& =\mathbf{c}+{\mathbf{a}}^{\mathbf{T}}\mathbf{x}+{\mathbf{w}}^{\mathbf{T}}\mathbf{s}(\mathbf{x})\\ \mathbf{s}(\mathbf{x})& =(\sigma (\mathbf{x}-{\mathbf{x}}_1),\sigma (\mathbf{x}-{\mathbf{x}}_2),\cdots ,\sigma (\mathbf{x}-{\mathbf{x}}_{\mathbf{n}}){)}^{\mathbf{T}}\\ \sigma (\mathbf{x})& =||\mathbf{x}|{|}_{\mathbf{x}}^2\log ||\mathbf{x}|{|}_{\mathbf{x}}^2\end{array}$$

其中, $\mathbf{c}\in {\mathbb{R}}^{1\times 1},\mathbf{a}\in {\mathbb{R}}^{\mathbf{D}\times 1},\mathbf{w}\in {\mathbb{R}}^{\mathbf{N}\times 1}$。 从中可以看出，该函数的输出值是一个标量，也就是说，如果要针对多个维度进行插值，需要求解多个插值函数。该插值函数总共存在$N+D+1$个参数。 而每个观测点都能提供一个如下的约束，共$N$个约束条件。
$$y_k=\Phi (x_k)$$
在认为添加$D+1$个约束条件：
$$\begin{array}{rl}\sum _{k=1}^K{w}_k& =0\\ \sum _{k=1}^K{w}_k{\mathbf{x}}_k^1& =0\\ ⋮& \\ \sum _{k=1}^K{w}_k{\mathbf{x}}_k^D& =0\end{array}$$

令：
$$\begin{array}{rl}X& =\left[\begin{array}{cccc}{\mathbf{x}}_1^1& {\mathbf{x}}_1^2& \cdots & {\mathbf{x}}_1^{\mathbf{D}}\\ {\mathbf{x}}_2^1& {\mathbf{x}}_2^2& \cdots & {\mathbf{x}}_2^{\mathbf{D}}\\ ⋮& ⋮& \ddots & ⋮\\ {\mathbf{x}}_{\mathbf{N}}^1& {\mathbf{x}}_{\mathbf{N}}^2& \cdots & {\mathbf{x}}_{\mathbf{N}}^{\mathbf{D}}\end{array}\right]Y=\left[\begin{array}{c}{\mathbf{y}}_1\\ {\mathbf{y}}_2\\ ⋮\\ {\mathbf{y}}_{\mathbf{N}}\end{array}\right]\\ S& =\left[\begin{array}{cccc}\sigma ({\mathbf{x}}_1-{\mathbf{x}}_1)& \sigma ({\mathbf{x}}_1-{\mathbf{x}}_2)& \cdots & \sigma ({\mathbf{x}}_1-{\mathbf{x}}_{\mathbf{N}})\\ \sigma ({\mathbf{x}}_2-{\mathbf{x}}_1)& \sigma ({\mathbf{x}}_2-{\mathbf{x}}_2)& \cdots & \sigma ({\mathbf{x}}_2-{\mathbf{x}}_{\mathbf{N}})\\ ⋮& ⋮& \ddots & ⋮\\ \sigma ({\mathbf{x}}_{\mathbf{N}}-{\mathbf{x}}_1)& \sigma ({\mathbf{x}}_{\mathbf{N}}-{\mathbf{x}}_2)& \cdots & \sigma ({\mathbf{x}}_{\mathbf{N}}-{\mathbf{x}}_{\mathbf{N}})\end{array}\right]\end{array}$$

则约束条件构成的方程组可以改写为：
$$\left[\begin{array}{ccc}S& 1_N& X\\ 1_N^T& 0& 0\\ X^T& 0& 0\end{array}\right]\left[\begin{array}{c}\mathbf{w}\\ \mathbf{c}\\ \mathbf{a}\end{array}\right]=\Gamma \left[\begin{array}{c}\mathbf{w}\\ \mathbf{c}\\ \mathbf{a}\end{array}\right]=\left[\begin{array}{c}\mathbf{Y}\\ 0\\ 0\end{array}\right]$$
当$\Gamma$非奇异时，这个方程组有唯一解。因此可获得参数矩阵：
$$\left[\begin{array}{c}\mathbf{w}\\ \mathbf{c}\\ \mathbf{a}\end{array}\right]={\Gamma }^{-1}\left[\begin{array}{c}\mathbf{Y}\\ 0\\ 0\end{array}\right]$$

Reference
[1] 数值方法——薄板样条插值（Thin-Plate Spline）
[2] Thin plate splines 薄板样条插值个人理解
[3] 关于Thin Plate Spline （薄板样条函数）