RUS  ENG
Полная версия
ЖУРНАЛЫ // Труды Института математики и механики УрО РАН // Архив

Тр. ИММ УрО РАН, 2022, том 28, номер 2, страницы 7–23 (Mi timm1900)

Об аппроксимации нормали к линиям разрыва зашумленной функции

А. Л. Агеев, Т. В. Антонова

Институт математики и механики им. Н. Н. Красовского Уральского отделения РАН, г. Екатеринбург

Аннотация: Работа посвящена построению регуляризующих алгоритмов для решения некорректной задачи определения нормали и положения линий разрыва функции двух переменных. Предполагается, что вне линий разрыва функция гладкая, а в каждой точке на линии имеет разрыв первого рода. Рассматривается случай, когда точная функция неизвестна, а вместо нее в каждом узле равномерной сетки с шагом $\tau$ известны средние значения на квадрате со стороной $\tau$ от возмущенной функции. Возмущенная функция приближает точную функцию в пространстве $L_2(\mathbb{R}^2)$, и уровень возмущения $\delta$ считается известным. Ранее авторами были исследованы (получены оценки точности) глобальные дискретные регуляризирующие алгоритмы аппроксимации множества линий разрыва зашумленной функции. Для подавления шума при построении алгоритмов используется идея усреднения исходных возмущенных данных по обеим переменным. В настоящей работе конструируются методы, позволяющие находить множество пар (точка сетки и вектор): точка сетки аппроксимирует линию разрыва точной функции, а соответствующий вектор аппроксимирует нормаль к линии разрыва. Эти алгоритмы исследуются для частного случая, когда линии разрыва являются ломаными. Получены оценки точности аппроксимации линий разрыва и нормалей.

Ключевые слова: некорректная задача, метод регуляризации, линии разрыва, глобальная локализация, порог разделимости, нормаль.

УДК: 517.988.68

MSC: 65J22, 68U10

Поступила в редакцию: 16.12.2021
Исправленный вариант: 20.01.2022
Принята в печать: 24.01.2022

DOI: 10.21538/0134-4889-2022-28-2-7-23


 Англоязычная версия: Proceedings of the Steklov Institute of Mathematics (Supplementary issues), 2022, 319, suppl. 1, S12–S29

Реферативные базы данных:


© МИАН, 2024