Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Analyse multiresolution
J. Morlet Y. Meyer S. Mallat I. Daubechies
October 14, 2019 1 / 33
Qu’est-ce qu’une ondelette?
(N. Kevlahan) Une large classe de fonctions caracterisee par
leur regularite et le nombre de moments nuls
leur localisation dans l’espace spectral
Les ondelettes peuvent etre:
continues, orthogonales, bi-orthogonales, a support compact,symetriques (pas en meme temps)
utilisees pour l’analyse et la compression du signal ainsi que pour laresolution adaptative d’EDP
October 14, 2019 2 / 33
Les limites de l’analyse de Fourier
Pas d’information sur la localite de la frequence
Discontinuite locale affecte tous les modes de Fourier
Exemple: Notes de musique ne sont pas jouees en meme temps
October 14, 2019 3 / 33
Comment obtenir une information locale en frequence?
Transformee de Fourier sur des temps courtsD. Gabor(1900-1979) Short Time Fourier Transform (STFT)
Gx(τ, ω) =
∫ ∞−∞
x(t)e−π(t−τ)2e−jωtdt
On integre sur le domaine
Gx(τ, ω) =
∫ τ+1.91
τ−1.91x(t)e−π(t−τ)
2e−jωtdt
Synthese:
x(t) =
∫ ∞−∞
Gx(τ, ω)e iωtdω
October 14, 2019 4 / 33
Information locale en frequence
Autant de points pour chaque frequence
October 14, 2019 5 / 33
Information locale en frequence
Adapter la resolution a l’echelle
October 14, 2019 6 / 33
A quoi ressemble une ondelette?
DWT CWT
Mother wavelets
October 14, 2019 7 / 33
Translation et dilation of wavelets
Mexican hat (Ricker) wavelet
ψ(x) =2√
(3σπ1/4(1− (
x
σ
2)e−
x2
2σ2
Translations Dilations
October 14, 2019 8 / 33
Transformee en ondelette continue (CWT)
u(a, b) =1
a1/p
∫ ∞∞
u(x)ψ(x − b
a)dx (1)
Condition d’admissibilite: ∫ ∞−∞
|Ψk |2
|k |dk <∞
Analyse de Fourier locale: u(a, b) varie autour de b, avec une frequencequi varie comme 1/a
October 14, 2019 9 / 33
Transformee en ondelette discrete - DWT
Decomposition non redondante (N points → N coefficients)Idee de base: Separer donnees en approximation et detail:
approximation: scaling function
detail: ondelette
Interpolation sur differents niveaux
October 14, 2019 10 / 33
Analyse multiresolution
Soit f ∈ L2(R). On cherche une representation multi-niveaux de f. Oncherche des sous-espaces V0 ⊂ V1 ⊂ V2 . . . ⊂ L2(R) tels que
∪jVj est dense dans L2
∩jVj = {0}g(x) ∈ Vj ⇐⇒ g(2x) ∈ Vj+1
g(x) ∈ V0 ⇐⇒ g(x + 1) ∈ V0
Vj : approximationVj+1: approximation raffinee au niveau superieur
October 14, 2019 11 / 33
Interpolation
Toute fonction de V0 peut etre exprimee a partir de fonctions de V1 :La fonction de scaling a un niveau est exactement interpolee au niveausuperieur → Equation de dilation ou relation de scaling
φ(x) =∞∑
k=∞akφ(2x − k)
Parametre de dilation m
φm,k(x) = 2m/2φ(2mx − k)
October 14, 2019 12 / 33
Application a la fonction de Haar
Approximation (scaling function)
φ(x) = 1 for 0 ≤ x < 1
= 0 otherwise
φ(x) = φ(2x) + φ(2x − 1)
October 14, 2019 13 / 33
Application a la fonction de Haar
Complement orthogonal de V1 dans V2
⊕j∈ZWj = L2
Pour la fonction de Haar
ψ(x) = φ(2x)− φ(2x − 1)
ψm,k(x) = 2m/2ψ(2mx − k)
October 14, 2019 14 / 33
Generalisation
φ(x) =∞∑
k=−∞akφ(2x − k) (2)
ψ(x) =∞∑
k=−∞bkφ(2x − k) (3)
Definir une ondelette/scaling function = Definir a et b.
October 14, 2019 15 / 33
Conditions d’admissibilite
Les translatees de la scaling fonction φ sont orthogonales∫ ∞−∞
φ(x)φ(x + l)dx = δ0l
L’ondelette ψ est orthogonale a la scaling function φ:∫ ∞−∞
φ(x)ψ(x)dx = 0
Si on suppose N pair, cela implique
→ ψ(x) =∞∑−∞
(−1)kaN−1−kφ(2x − k)
Les coefficients {ak} et {(−1)kakaN−1−k} forment des filtres enquadrature miroir (quadrature mirror filters).
October 14, 2019 16 / 33
Conditions d’admissibilite
Les translatees de la scaling fonction φ sont orthogonales∫ ∞−∞
φ(x)φ(x + l)dx = δ0l
L’ondelette ψ est orthogonale a la scaling function φ:∫ ∞−∞
φ(x)ψ(x)dx = 0
Si on suppose N pair, cela implique
→ ψ(x) =∞∑−∞
(−1)kaN−1−kφ(2x − k)
Les coefficients {ak} et {(−1)kakaN−1−k} forment des filtres enquadrature miroir (quadrature mirror filters).
October 14, 2019 16 / 33
Conditions supplementaires
Normalisation∫∞−∞ φ(x)dx = 1
→∞∑
k=−∞ak = 2
Translatees de φ sont orthogonales:
→∞∑
k=−∞akak+2l = 2δ0l ,∀l ∈ Z( ici l < N/2) (4)
→ N/2 + 1 equations pour determiner N coefficients an
October 14, 2019 17 / 33
Conditions supplementaires - Ondelettes de Daubechies
Pour determiner an il manque N/2-1 equations
On impose que φ interpole exactement tout polynome P de degreinferieur ou egal a p P(x) = α0 + α1x + α2x
2 + . . .+ αp−1xp−1. →
Projection de ψ sur tout monome xk pour k < p est nulleCas k = 0 interpolation d’une constante redondant → p = N/2 →Moment de l’ondelette
∫∞−∞ ψ(x)xk = 0 pour k = 1, . . . ,N/2− 1.
→ N/2-1 equations pour les coefficients → ondelettes de Daubechiesa l’ordre N/2
October 14, 2019 18 / 33
Coefficients de Daubechies a l’ordre 4
φ(x) =∞∑
k=−∞akφ(2x − k) (5)
Trouver a0, a1, a2, a34 equations ∫
φ(x) = 1→ a0 + a1 + a2 + a3 = 2∫φ(x)φ(x) = 1→ a20 + a21 + a22 + a23 = 2∫ψ(x) = 0→ a0 − a1 + a2 − a3 = 0∫xψ(x) = 0→ −a1 + 2a2 − 3a3 = 0
October 14, 2019 19 / 33
Construction de la fonction de scaling - I
On utilise
φ(x) = a0φ(2x) + a1φ(2x − 1) + . . .+ an−1φ(2x − N + 1)
Support compact:
φ est integrable, ∃j1, φ(l) = 0 pour l < j1 → φ(j) = 0 for j < 0.φ est integrable, ∃j2 , φ(l) = 0 pour l > j2 → φ(j) = 0 for j > N − 1.
→ Ecrire en x = i for 0 ≤ i ≤ N − 1
φ(0) = a0φ(0)
φ(1) = a0φ(2) + a1φ(1) + a2φ(0)
φ(2) = a0φ(4) + a1φ(3) + a2φ(2) + a1φ(1) + a4φ(0)
. . . = . . .
φ(N − 2) = aN−3φ(N − 1) + aN−2φ(N − 2) + aN−1φ(N − 3)
φ(N − 1) = aN−1φ(N − 1)
October 14, 2019 20 / 33
Construction de la fonction de scaling - II
a0 0 0 . . . 0 0a2 a1 a0 . . . 0 0a4 a3 a2 . . . 0 0. . . . . . . . . . . . . . . . . .0 0 0 . . . aN−2 aN−30 0 0 . . . 0 aN−1
φ(0)φ(1)φ(2). . .
φ(N − 2)φ(N − 1)
=
φ(0)φ(1)φ(2). . .
φ(N − 2)φ(N − 1)
MΦ = Φ
Probleme aux valeurs propres, solution definie a une constante presNormalization
∞∑k=−∞
φ(k) = 1
φ est connue aux valeurs entieres k
October 14, 2019 21 / 33
Construction de la fonction de scaling - III
Pour les valeurs k/2 on utilise
φ(x/2) =∞∑
k=−∞akφ(x − k)
On peut ainsi trouver les valeurs de φ(x) en tous les points x = i/2n.
October 14, 2019 22 / 33
Scaling functions de Daubechies
Saravanan and Ramachadran (ESA 2009)
October 14, 2019 23 / 33
Ondelettes de Daubechies
October 14, 2019 24 / 33
Comment passer d’un niveau de resolution a un autre?
Soit f. On considere son approximation au niveau m et on cherche sonexpression au niveau m − 1. On a
Pmf = Pm−1f + Qm−1f
Pm−1 approximation au niveau m − 1Qm−1 detail au niveau m − 1
Pmf =∞∑
k=∞cm,kφm,k(x)
cm,k =< f , φm,k >
et dans Wm−1
Qmf =∞∑
k=∞dm,kψm,k(x)
dm,k =< f , ψm,k >
October 14, 2019 25 / 33
Transformation de Mallat
En utilisant Pm−1f = Pmf − Qm−1f , on obtient
cm−1,k =1√2
∞∑j=−∞
cm,j(−1)jaj−2k
et
dm−1,k =1√2
∞∑j=−∞
(−1)jcm,j(−1)jaN−1−j+2k
A partir de cm−1,k et de dm−1,k on peut reconstruire
cm,k =1√2
∞∑j=−∞
cm−1,jak−2j +1√2
∞∑j=−∞
dm−1,j(−1)kaN−1−k+2j
October 14, 2019 26 / 33
Algorithme de Mallat
h =1√2
[a0, 0, 0, . . . , aN−1, . . . , a2, a1]T
g =1√2
[aN−1, 0, 0, . . . ,−a0, . . . , aN−3,−aN−2]T
Decomposition:Downsampling:Garder 1 point sur 2
Synthese:Upsampling:Ajouter 1 zero entre 2 points
October 14, 2019 27 / 33
Ondelettes bi-orthogonales
Decomposition Synthese
October 14, 2019 28 / 33
Compression JPEG-2000
October 14, 2019 29 / 33
Compression JPEG-2000
Zhu and Lawson (2002)
7/9 ondelettes biorthogonales
October 14, 2019 30 / 33
Compression JPEG-2000
October 14, 2019 31 / 33
Quelques applications des ondelettes
Analyse de singularites (CWT)
Compression de donnees et reduction du bruit (DWT)
Resolution d’EDP (ondelettes bi-orthogonales)
October 14, 2019 32 / 33
Quelques references
Ten lectures on wavelets, I. Daubechies, 1996.
A friendly guide to wavelets, Kaiser 1994.
Introduction to wavelets in engineering, Williams and Amaratunga,IJNME, 1994.
A wavelet tour of signal processing, S. Mallat 1998
October 14, 2019 33 / 33