[论文解读] Construction of Recurrent Fractal Interpolation Surfaces with Function Scaling Factors and Estimation of Box-counting Dimension on Rectangular Grids

Chol-Hui Yun, HuiChol Choi+1 more|arXiv (Cornell University)|Jul 10, 2013

Mathematical Dynamics and Fractals参考文献 17被引用 3

一句话总结

该论文通过在递归迭代函数系统（RIFS）中使用函数缩放因子，在矩形网格上构建了递归分形插值曲面（RFIS），证明了此类曲面作为吸引子的存在性。它为所构建的RFIS的盒维数建立了紧致的下界和上界，表明当谱半径超过缩放因子时，维数被限制在 $1 + \log_a \underline{\lambda}$ 和 $1 + \log_a \bar{\lambda}$ 之间，推广了先前使用常数缩放因子的结果。

ABSTRACT

We consider a construction of recurrent fractal interpolation surfaces with function vertical scaling factors and estimation of their box-counting dimension. A recurrent fractal interpolation surface (RFIS) is an attractor of a recurrent iterated function system (RIFS) which is a graph of bivariate interpolation function. For any given data set on rectangular grids, we construct general recurrent iterated function systems with function vertical scaling factors and prove the existence of bivariate functions whose graph are attractors of the above constructed RIFSs. Finally, we estimate lower and upper bounds for the box-counting dimension of the constructed RFISs.

研究动机与目标

• 通过引入依赖于函数的垂直缩放因子而非常数因子，扩展现有的分形插值曲面构造方法。
• 建立一个在矩形网格上使用递归迭代函数系统（RIFS）构建递归分形插值曲面（RFIS）的一般框架。
• 证明对于任意给定的矩形网格上的数据集，其图像为所构建RIFS吸引子的双变量分形插值函数的存在性。
• 估计所生成RFIS的盒维数的紧致下界和上界，改进了先前使用常数缩放因子的结果。

提出的方法

• 在矩形区域 $E_{ij} = I_i \times J_j$ 上定义递归迭代函数系统（RIFS），使用区域压缩映射 $L_{x,ij}, L_{y,ij}$ 和函数缩放因子 $s_{ij}(x,y)$。
• 将RIFS映射 $\Psi_{ij}$ 构造为具有可变垂直缩放因子 $s_{ij}(x,y)$ 的仿射变换，确保该系统在乘积空间上是压缩的。
• 通过完备度量空间中连续函数上的压缩映射原理，证明唯一吸引子 $\mathcal{A}$ 存在，其为连续双变量函数的图像。
• 使用覆盖数 $N(\varepsilon_r)$ 估计盒维数，其中 $\varepsilon_r = a^{-r}$，并通过系数矩阵的谱半径 $\underline{\lambda}, \bar{\lambda}$ 分析渐近增长速率。
• 利用Frobenius定理和矩阵范数分析，限制覆盖数的增长，从而得到以 $\log_a \underline{\lambda}$ 和 $\log_a \bar{\lambda}$ 表示的维数边界。
• 建立维数边界：当 $\underline{\lambda} > a$ 时，有 $1 + \log_a \underline{\lambda} \leq \dim_B \mathcal{A} \leq 1 + \log_a \bar{\lambda}$；若 $\bar{\lambda} \leq a$，则 $\dim_B \mathcal{A} = 2$。

实验结果

研究问题

• RQ1 如何在矩形网格上使用函数依赖的垂直缩放因子构建递归分形插值曲面？
• RQ2 在该系统中，何种条件可确保唯一吸引子曲面作为双变量连续函数的图像存在？
• RQ3 所构建的RFIS的盒维数的最紧致可能的下界和上界是什么？
• RQ4 与使用常数缩放因子的系统相比，可变缩放因子如何影响维数边界？
• RQ5 在何种条件下，RFIS的盒维数等于2？

主要发现

• 所构建的RFIS是具有函数缩放因子的递归迭代函数系统（RIFS）的良好定义的吸引子，确保了插值曲面的存在性和唯一性。
• RFIS的盒维数下界为 $1 + \log_a \underline{\lambda}$，上界为 $1 + \log_a \bar{\lambda}$，其中 $\underline{\lambda}$ 和 $\bar{\lambda}$ 是由系统导出的系数矩阵的谱半径。
• 当较低谱半径 $\underline{\lambda} > a$ 时，维数严格大于1，并位于所推导的对数边界之内。
• 若较高谱半径 $\bar{\lambda} \leq a$，则RFIS的盒维数恰好为2，表明其在 $\mathbb{R}^3$ 中具有完整的拓扑维数。
• 结果推广了先前关于常数缩放因子的工作，为具有可变缩放行为的分形曲面提供了更紧致且更灵活的维数估计。
• 该方法适用于任意矩形网格上的数据集，并提供了一种系统化的方法，通过选择缩放函数和压缩映射来控制分形维数。