径向基Fn与小波（不是神经网络）/表示2D标量函数

Question

我对没有网格的表面参数化很感兴趣。在光学领域中使用的一种技术是使用径向基函数（例如，高斯函数）。

从天真的角度来看，将2D标量场分解为以高斯函数为中心的2 与听起来并没有太大不同小波变换。

在小波和RBF上都是新手，与傅立叶分解，贝塞尔函数分解，Legendre相比，似乎都分解为一系列有限范围的函数多项式...倾向于分布在2D场的整个区域。

1. 对于每个，您在选择RBF或小波的空间尺度（最小大小）时是否不需要进行主观判断？
2. 是否存在根本的差异，可以帮助人们选择使用哪种方法？ （RBF与小波）
3. 一种计算效率比另一种有效吗？
4. 确定哪个最好的度量标准是什么？

参考

• http://math.iit.edu/~fass/#Book
• https://www.elsevier.com/books/a-wavelet-tour-of-signal-processing/mallat/978-0-12-374370-1
• https://www.amazon.com/Meshfree-Approximation-Interdisciplinary-Mathematical-Sciences/dp/9812706348