[论文解读] Analysis vs. synthesis sparsity for $\alpha$-shearlets

Felix Voigtlaender, Anne Pein|arXiv (Cornell University)|Feb 12, 2017

Mathematical Analysis and Transform Methods被引用 4

一句话总结

该论文在生成器光滑性和采样密度满足精确条件的前提下，建立了 $\alpha$-shearlet 系统下分析稀疏性与综合稀疏性的等价性。证明了剪切波光滑性空间 $\mathscr{S}_{\alpha,s}^{p,q}$ 同时刻画了这两种稀疏性，从而实现了对类漫画函数的最优 $N^{-1}$ 逼近率，通过明确控制系数，解决了文献中长期存在的空白，表明分析稀疏性蕴含综合稀疏性。

ABSTRACT

There are two notions of sparsity associated to a frame $\\Psi=(\\psi_i)_{i\\in I}$: Analysis sparsity of $f$ means that the analysis coefficients $(\\langle f,\\psi_i\ angle)_i$ are sparse, while synthesis sparsity means that $f=\\sum_i c_i\\psi_i$ with sparse coefficients $(c_i)_i$. Here, sparsity of $c=(c_i)_i$ means $c\\in\\ell^p(I)$ for a given $p<2$. We show that both notions of sparsity coincide if $\\Psi={\ m SH}(\\varphi,\\psi;\\delta)$ is a discrete (cone-adapted) shearlet frame with 'nice' generators $\\varphi,\\psi$ and fine enough sampling density $\\delta>0$. The required 'niceness' is explicitly quantified in terms of Fourier-decay and vanishing moment conditions. Precisely, we show that suitable shearlet systems simultaneously provide Banach frames and atomic decompositions for the shearlet smoothness spaces $\\mathscr{S}_s^{p,q}$ introduced by Labate et al. Hence, membership in $\\mathscr{S}_s^{p,q}$ is simultaneously equivalent to analysis sparsity and to synthesis sparsity w.r.t. the shearlet frame. As an application, we prove that shearlets yield (almost) optimal approximation rates for cartoon-like functions $f$: If $\\epsilon>0$, then $\\Vert f-f_N\\Vert_{L^2}\\lesssim N^{-(1-\\epsilon)}$, where $f_N$ is a linear combination of N shearlets. This might appear to be well-known, but the existing proofs only establish this approximation rate w.r.t. the dual $\ ilde{\\Psi}$ of $\\Psi$, not w.r.t. $\\Psi$ itself. This is not completely satisfying, since the properties of $\ ilde{\\Psi}$ (decay, smoothness, etc.) are largely unknown. We also consider $\\alpha$-shearlet systems. For these, the shearlet smoothness spaces have to be replaced by $\\alpha$-shearlet smoothness spaces. We completely characterize the embeddings between these spaces, allowing us to decide whether sparsity w.r.t. $\\alpha_1$-shearlets implies sparsity w.r.t. $\\alpha_2$-shearlets.

研究动机与目标

• 为剪切波理论中关于方向表示系统下分析稀疏性是否蕴含综合稀疏性的长期模糊问题提供解决。
• 针对一般 $\alpha \in [0,1]$ 的 $\alpha$-shearlets，以加权 $\ell^p$ 空间形式精确刻画稀疏性等价性。
• 证明在生成器满足显式衰减和矩条件的前提下，剪切波光滑性空间 $\mathscr{S}_{\alpha,s}^{p,q}$ 同时刻画了分析稀疏性和综合稀疏性。
• 展示通过剪切波表示，类漫画函数的 $N$-项 $L^2$ 逼近率可达 $N^{-1}$（含对数因子），从而解决了现有证明中的空白。
• 刻画不同 $\alpha$ 值下 $\alpha$-shearlet 光滑性空间之间的嵌入关系，实现跨系统稀疏性传递。

提出的方法

• 使用满足傅里叶衰减和矩条件的锥适应剪切波框架，通过 $L^2$-范数和加权 $\ell^p$ 空间进行量化。
• 引入加权 $\ell^p$ 空间 $\ell_{w^s}^p$，其中权重 $w^s = (2^{js})$ 编码尺度 $j$，以同时建模光滑性和稀疏性。
• 应用 Stechkin 估计，将 $N$-项逼近误差以系数序列尾部的 $\ell^p$-范数形式有界。
• 通过框架算子 $S^{(\delta)}$ 及其逆构造对偶框架，将综合系数与分析系数关联。
• 利用框架性质 $S^{(\delta)} \circ C^{(\delta)} = \text{id}_{L^2}$，将系数序列与逼近误差的 $L^2$-范数联系起来。
• 应用涉及 $\omega_0^{\kappa_0}(\delta B_v^{-T}k)$ 的加权估计，以控制高频或高尺度区域的系数衰减，确保可积性与可 summability。

实验结果

研究问题

• RQ1 在生成器和采样密度满足适当条件时，剪切波框架中的分析稀疏性是否蕴含同一函数的综合稀疏性？
• RQ2 剪切波光滑性空间 $\mathscr{S}_{\alpha,s}^{p,q}$ 是否能同时刻画给定 $\alpha$-shearlet 框架下的分析稀疏性和综合稀疏性？
• RQ3 不同 $\alpha$ 值下 $\alpha$-shearlet 光滑性空间之间的精确关系是什么？一种系统中的稀疏性是否蕴含另一种系统中的稀疏性？
• RQ4 能否通过综合稀疏性而非仅依赖分析稀疏性，严格建立类漫画函数的 $N$-项逼近率 $N^{-1}$（含对数因子）？
• RQ5 生成器 $\varphi, \psi$ 需满足何种显式衰减和矩条件，才能使分析稀疏性与综合稀疏性一致？

主要发现

• 对于满足傅里叶衰减和矩条件且采样密度 $\delta > 0$ 足够小的 $\alpha$-shearlet 框架，分析稀疏性与综合稀疏性一致。
• 剪切波光滑性空间 $\mathscr{S}_{s+\frac{3}{2}(p^{-1}-2^{-1})}^{p,p}(\mathbb{R}^2)$ 同时刻画了分析稀疏性和综合稀疏性，且以下三个条件等价：$f$ 属于该空间，分析系数属于 $\ell_{w^s}^p$，综合系数属于 $\ell_{w^s}^p$。
• 对于类漫画函数 $f \in \mathcal{E}^2(\mathbb{R}^2)$，$N$-项逼近误差满足 $\|f - f_N\|_{L^2} \lesssim N^{-(1-\varepsilon)}$（任意 $\varepsilon > 0$），接近最优。
• 本文通过新建立的等价性结果，填补了以往研究的空白：表明仅靠分析稀疏性无法保证最优 $N^{-1}$ 逼近率，而综合稀疏性可以。
• 作者证明了 $\ell_{u^{(1+\alpha)/2}}^\infty(V^{(\alpha)} \times \mathbb{Z}^2)$ 同构于 $\ell_{u^{(1+\alpha)/2}}^\infty(V^{(\alpha)} \times \mathbb{Z}^2)$，从而实现了对跨尺度和方向的系数序列的有效控制。
• $\alpha$-shearlet 光滑性空间 $\mathscr{S}_{\alpha,s}^{p,q}$ 之间的嵌入关系得到完整刻画，使得不同 $\alpha$-shearlet 系统间的稀疏性特性可相互传递。