Multiscale Representation of Directional Scattered Data

Abstract

Spatial inhomogeneity along the one-dimensional curve makes two-dimensional data non-stationary. Curvelet transform, first proposed by Candes and Donoho (1999), is one of the most well-known multiscale methods to represent the directional singularity, but it has a limitation in that the data needs to be observed on equally-spaced sites. On the other hand, radial basis function interpolation is widely used to approximate the underlying function from the scattered data. However, the isotropy of the radial basis functions lowers the efficiency of the directional representation. This thesis proposes a new multiscale method that uses anisotropic radial basis functions to efficiently represent the direction from the noisy scattered data in two-dimensional Euclidean space. Basis functions are orthogonalized across the scales so that each scale can represent a global or local directional structure separately. It is shown that the proposed method is remarkable for representing directional scattered data through numerical experiments. Convergence property and practical issues in implementation are discussed as well.

2차원 공간에서 관측되는 비정상 자료는 그 공간적 비동질성이 1차원 곡선을 따라 나타난다. 이러한 방향적 특이성을 표현하기 위한 다중척도 방법론으로는 Candes and Donoho (1999)가 처음 제시한 커브렛 변환이 널리 알려져 있지만 이는 자료가 일정한 간격으로 관측되어야 한다는 제약이 있다. 한편 산재된 자료에 내재된 함수를 근사하기 위해서는 방사기저함수를 이용한 내삽법이 흔히 이용되지만 등방성이 있는 방사기저함수로는 방향성을 효율적으로 표현할 수 없다. 본 학위논문에서는 2차원 유클리드 공간에서 잡음과 함께 산재되어 관측되는 방향성 자료의 효율적인 표현을 위해 비등방성 방사기저함수를 이용한 새로운 다중척도 방법론을 제안한다. 이때 각 스케일에서 전반적인 방향성 구조와 국소적인 방향성 구조를 분리하여 표현하기 위해 기저함수의 스케일 간 직교화가 이루어진다. 제안된 방법이 산재된 방향성 자료를 표현하는 데 있어 우수함을 보이기 위해 모의실험과 실제 자료에 대한 수치실험을 한 결과를 제시하였다. 한편 제안된 방법의 수렴성과 실제 구현 방법에 관한 사안들도 다루었다.