Definierte Differentialseparation von diskreten 3D-Datensätzen mit (bi-)orthogonalen Wavelet-Transformationen

在Messtechnik ist in den letzten Jahren mit der steigenden Verfügbarkeit schneller und hoch auflösender Meßsysteme ein eindeutiger Trend hin zur produktionsbegleitenden Qualitätskontrolle zu beobachten.但它仍然是一个很好的替代品。3D数据的解释和大数据的处理.小波变换通过一个局部频谱分析和一个非相干滤波器- Kernen的傅里叶变换来检验基于协方差滤波器的涡。（双）正交小波变换是一种基于特征值的数值微分方法，在SD-Oberflächendaten angewandt韦尔登变换中解决了（双）正交小波变换问题。我们必须解决转换的韦尔登，因为它们在复杂的复杂工程中优先考虑数据。Auf Basis dieser Projektionen ist dann einerseits ein schneller Soll-Ist-Vergleich zur Fehlerernung ohne Referenz und andererseits eine einfache Flächenrückfuhrung in variablen Komplexitätsstufen möglich.一个较好的Schwerpunkt位于对真实和综合数据的分析上。这两种方法在总体上是最好的，它们都是由一个简单的问题引起的。因为它是一种优雅的方法，它有一个参数化的定义，并在一个简单的算法中实现，迭代数值计算。

In der Messtechnik ist in den letzten Jahren mit der steigenden Verfügbarkeit schneller und hoch auflösender Meßsysteme ein eindeutiger Trend hin zur produktionsbegleitenden Qualitätskontrolle zu beobachten. Damit steigen ebenfalls die Anforderungen an die Systeme zur Auswertung bzw. Interpretation der 3D-Daten hinsichtlich Geschwindigkeit und Handhabung von großen Datenmengen.Wavelet-Transformationen vereinen die Vorteile von koordinaten-basierten Filtern mit denen der Fourier-Transformation durch eine lokalisierte Spektralanalyse mit unterschiedlichen Filter- Kernen. (Bi-)orthogonale Wavelet-Transformationen mit ihrer besonderen Eigenschaft der verschwindenden Momente erlauben eine Zerlegung von diskreten Datensätzen in numerische Differentiationen verschiedener Ordnung.In diesem Projekt sollen (bi-)orthogonale Wavelet-Transformationen auf SD-Oberflächendaten angewandt werden. Dabei sollen die Transformationen so gewählt werden, dass sie den zugrunde liegenden Datensatz in Orthogonalprojektionen mit zunehmender Komplexität zerlegen. Auf Basis dieser Projektionen ist dann einerseits ein schneller Soll-Ist-Vergleich zur Fehlererkennung ohne Referenz und andererseits eine einfache Flächenrückfuhrung in variablen Komplexitätsstufen möglich. Ein besonderer Schwerpunkt liegt dabei auf Untersuchungen zur Genauigkeit anhand von realen und synthetischen Datensätzen.Der wesentliche Vorteil dieses Verfahrens besteht in seiner Allgemeinheit, wodurch es sich von existierenden, auf das jeweilige Problem angepassten Ansätzen abhebt. Darüber hinaus besticht die elegante Methode, die sich mit einem begrenzten Parametersatz definiert steuern und in einem schnellen Algorithmus implementieren lässt und iterative numerische Berechnungen vermeidet.