Análise Wavelet Aplicada A Sinais Geofísicos

UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA MECNICA

INSTITUTO DE GEOCINCIAS
Anlise Wavelet Aplicada a Sinais Geofsicos
Autor: Joo Marcelo Brazo Protzio

Orientador: Armando Zaupa Remacre
15/02


Curso: Cincias e Engenharia de Petrleo

rea de Concentrao: AB Reservatrio e Gesto
Dissertao de mestrado apresentada Sub-Comisso de Ps-Graduao da

Faculdade de Engenharia Mecnica e Instituto de Geocincias, como requisito para a
obteno do ttulo de Mestre em Cincias e Engenharia de Petrleo
Campinas, 2002
S.P. - Brasil
ii

DISSERTAO DE MESTRADO

___________________________________________________
Prof. Dr. Armando Zaupa Remacre, Presidente
UNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP
___________________________________________________
Prof. Dr. Adalberto da Silva
UNIVERSIDADE FEDERAL FLUMINENSE - UFF
___________________________________________________
Prof. Dr. Srgio Nascimento Bordalo
UNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP
Campinas, 16 de abril de 2002
iii
FICHA CATALOGRFICA ELABORADA PELA

BIBLIOTECA DA REA DE ENGENHARIA - BAE - UNICAMP
P946a
Protzio, Joo Marcelo Brazo

Anlise wavelet aplicada a sinais geofsicos / Ricardo
Marinho.--Campinas, SP: [s.n.], 2001.
Orientador: Armando Zaupa Remacre.
Dissertao (mestrado) - Universidade Estadual de
Campinas, Faculdade de Engenharia Mecnica e
Instituto de Geocincias.
1. Wavelets (Matemtica). 2. Processamento de
sinais. I. Remacre, Armando Zaupa. II. Universidade
Estadual de Campinas. Faculdade de Engenharia
Mecnica e Instituto de Geocincias. III.Ttulo.
iv
Dedicatria
Dedico este trabalho minha esposa e meus filhos: um na terra e outro no cu.
Agradecimentos
Este trabalho no poderia ser terminado sem a ajuda de diversas pessoas s quais presto
minha homenagem:
Aos meus pais pelos incentivos em todos os momentos da minha vida.
Ao meu orientador, que me mostrou os caminhos a serem seguidos.
A todos os professores, colegas e funcionrios dos departamento do IG e da FEM que de
forma direta e indireta muito ajudaram na concluso deste trabalho.
ANP e ao CEPETRO/Unicamp pela concesso de bolsa de estudo, importante para
minha manuteno ao longo do curso.
Aos membros da banca pelas correes e sugestes apresentadas quando da defesa da tese.
vi
As crianas no devem chorar

mil crianas representam mil sorrisos
o mundo ainda no entende
e mata, e mata, e mata, e mata suas crianas
as crianas no devem morrer
no antes de poderem sorrir
no antes... de poderem nascer
Mosaico de Ravena Banda Paraense da Dcada de 90
vii
Resumo
PROTZIO, Joo Marcelo Brazo, Anlise Wavelet Aplicada a Sinais Geofsicos, Campinas:
Faculdade de Engenharia Mecnica, Universidade Estadual de Campinas, 2001. 150 p.
Dissertao (Mestrado)
A classe de funes chamadas wavelets surgiu pela primeira vez na tese apresentada pelo
fsico ingls Alfred Haar em 1910. Desde ento, depois de muito formalismo matemtico, na
segunda metade da dcada de 80, esta ferramenta comeou a ser aplicada em vrias reas da
Cincia. Sua capacidade singular de obteno de
localizao tanto no tempo quanto na
freqncia mostra-se uma caracterstica bem adaptada para o tratamento de sinais no

estacionrios. A proposta principal deste trabalho a utilizao da Transformada Wavelet como
uma ferramenta utilizada no processamento de sinais geofsicos em geral e apresentada atravs
de duas abordagens, uma no caso 1D (perfis geofsicos), onde o mtodo utilizado na
transferncia de escalas e outra no caso 2D (imagens ssmicas) onde o mtodo utilizado como
uma ferramenta de filtragem. Este caso comparado ento com o mtodo da Krigagem Fatorial.
Palavras Chave
Transformada Wavelet, Anlise Wavelet, Sinais Geofsicos, Processamento de Sinais
viii
Abstract
PROTZIO, Joo Marcelo Brazo, Wavelet Transform Applied in Geophysical Signals,
Campinas: Faculdade de Engenharia Mecnica, Universidade Estadual de Campinas, 2001.
150 p. Dissertao (Mestrado)
The class of functions called wavelets appeared for the first time in the thesis presented by
the English physicist Alfred Haar, in 1910. Ever since, after a lot of mathematical formalism, in
the second half of the 80s decade, this tool began to be applied in several areas of the Science.
Its singular capacity of obtaining of so much location in the time as in the frequency a
characteristic is shown well adapted for the treatment of non stationary signals. The main
proposal of this work is the use of Wavelet Transform as a tool used in general in the processing
of geophysical signals and it is presented through two approaches, one in the case 1D
(geophysical well log), where the method is used in the transfer of scales and another in the case
2D (seismic imaging) where the method is used as a tool filtering. This case is compared then
with Fatorial Krigings method.
Key Words
Wavelet Transform, Wavelet Analysis, Geophysical Signals, Signal Processing
ix
ndice
Captulo 1 ........................................................................................................................................1
Introduo....................................................................................................................................1
1.1 Objetivos...........................................................................................................................2
1.2 Organizao da dissertao...............................................................................................3
Captulo 2 ........................................................................................................................................5
Reviso Bibliogrfica ..................................................................................................................5
Captulo 3 ......................................................................................................................................11
Aspectos Tericos .....................................................................................................................11
3.1 Anlise no tempo e na freqncia...................................................................................11
3.2 Transformada de Fourier ................................................................................................12
3.2.1 Definio .................................................................................................................12
3.3 Transformada de Fourier de Curta Durao ...................................................................13
3.3.1 Definio .................................................................................................................13
3.3.2 Localizao no tempo e na freqncia ....................................................................17
3.4 Transformada Wavelet....................................................................................................20
3.4.1 Definio .................................................................................................................21
3.4.2 Localizao no tempo e na freqncia ....................................................................23
3.4.3 Transformada Wavelet e a anlise no tempo e escala.............................................25
3.4.4 Relao entre Frequncia e Escala..........................................................................26
3.5 Funes wavelets ............................................................................................................28
3.5.1 Exemplos de waveles unidimensionais...................................................................30
3.6 Transformada Wavelet Contnua ....................................................................................35
3.7 Transformada Wavelet Discreta .....................................................................................39
x
3.7.1 Transformada Wavelet Ortogonal...........................................................................39

3.7.2 Representao multi-resoluo ...............................................................................41
3.8 Transformada Wavelet Contnua para Wavelets Bidimensionais ..................................42
3.9 Efeitos de Borda..............................................................................................................43
.........................................................................................................................................43
Captulo 4 ......................................................................................................................................44
Anlise Wavelet Aplicada na Transferncia de Escala em Perfis Geofsicos...........................44
4.1 Introduo .......................................................................................................................44
4.2 Metodologia Utilizada para a Transferncia de Escala em Perfis Geofsicos atravs da
Anlise Wavelet ...................................................................................................................45
4.3 Resultados Obtidos .........................................................................................................49
4.4 Concluses ......................................................................................................................54
Captulo 5 ......................................................................................................................................70
Decomposio Multi-resoluo Aplicada a Filtragem de Imagens...........................................70
5.1 Introduo .......................................................................................................................70
5.2 Exemplo de filtragem realizada atravs da decomposio multi-resoluo ...................73
5.2.1 Decomposio Multi-resoluo atravs da Wavelet de Haar .................................75
5.2.2 Decomposio Multi-resoluo atravs da Wavelet Daubechies 8 (db8)...............79
5.3 Concluso........................................................................................................................82
Captulo 6 ......................................................................................................................................84
Decomposio multi-resoluo aplicada a filtragem em imagens de atributos ssmicos..........84
6.1 Metodologia utilizada para a filtragem das imagens ssmicas atravs da decomposio
multi-resoluo atravs da Anlise Wavelet.........................................................................85
6.2 Resultados Obtidos .........................................................................................................86
6.1.1 Filtragem da imagem ssmica TDT (Tempo Duplo de Trnsito) da camada Z3 do
Campo de Namorado........................................................................................................87
6.1.2 Filtragem da imagem ssmica amplitude mnima (Amp) da camada Z3 do Campo
de Namorado ....................................................................................................................92
xi
6.1.3 Filtragem da imagem ssmica impedncia acstica mdia (Imp) da camada Z3 do

Campo de Namorado........................................................................................................97
6.3 Comparao entre a filtragem obtida atravs da MRA e a obtida atravs da KF ........102
6.3.1 Estatstica bsica e histogramas para cada uma das imagens filtradas .................102
6.3.2 Validao Cruzada para cada uma das Imagens Filtradas ....................................105
6.3.3 Variogramas para cada uma das Imagens Filtradas ..............................................109
6.3.4 Comparao Visual entre as Filtragens.................................................................112
Concluso ....................................................................................................................................115
Apndice A ..................................................................................................................................118
Krigagem Fatorial....................................................................................................................118
Apndice B ..................................................................................................................................119
Algoritmos Utilizados .............................................................................................................119
Referncias Bibliogrficas .........................................................................................................121
xii
Lista de Figuras
Figura 3.1 Anlise espectral atravs de Fourier e Wavelet de dois sinais. A Figura (a)
ilustra a superposio de duas freqncias (sen 10t e sen 20t), e a Figura (b), as mesmas
freqncias s que aplicadas a cada uma das metades da durao do sinal. As Figuras (c) e (d)
ilustram os espectros dos dois sinais em (a) e (b) atravs da transformada de Fourier. As Figuras
(d) e (e) ilustram a magnitude da Transformada Wavelet dos mesmos sinais (wavelet de Morlet)
........................................................................................................................................................19
Figura 3.2 Parte real (em verde) e parte imaginria (em vermelho) do ncleo de anlise da
transformada de Fourier de curta durao em diferentes freqncias: (a) = 3, (b) = 6 e (c)
= 9. A funo grafada em azul a janela gaussiana g(t) ..............................................................21
Figura 3.3 Localizao das incertezas no domnio do tempo (acima) e no domnio da
freqncia (abaixo) da Transformada de Fourier de Curta Durao (WFT) para uma funo
genrica ..........................................................................................................................................23
Figura 3.4 Representao no espao de fase usando a Transformada de Fourier de Curta
Durao (WFT) .............................................................................................................................24
Figura 3.5 Ilustrao esquemtica de efeito da dilatao de uma wavelet genrica (acima) e
a mudana correspondente de sua Transformada de Fourier (abaixo). Quando a wavelet se dilata,
sua Transformada de Fourier se contrai e vice versa ....................................................................26
xiii
Figura 3.6 Ilustrao da dilatao de uma wavelet: no topo, a wavelet distendida; no meio,
a wavelet no tamanho original; abaixo, a wavelet comprimida ....................................................30
Figura 3.7 Grfico de uma wavelet deslocada para a frente................................................31
Figura 3.8 Figura ilustrando a representao, no espao de fase, da Transformada
Wavelet...........................................................................................................................................31
Figura 3.9 Ilustrao da wavelet de Haar ............................................................................34
Figura 3.10 Ilustrao da wavelet Chapu Mexicano (Mexican Hat) ...............................35
Figura 3.11 Ilustrao da wavelet de Morlet: no topo tm-se as suas partes real e
imaginria (vermelho e azul, respectivamente) e, abaixo, o seu espectro......................................37
Figura 3.12 Ilustrao de diferentes tipos de wavelets que podem ser utilizados na
obteno da CWT .........................................................................................................................37
Figura 3.13 Comparao entre a Wavelet (vermelho) e o sinal (azul) ..............................40
Figura 3.14 Move-se a wavelet para direita e obtenha um novo valor de C ......................40
Figura 3.15 Extende-se a wavelet e repete-se o os passos (1) a (3) ...................................41
Figura 3.16 Finalmente os passos (1) a (4) so repetidos para todas as escalas. Quando o
processo for finalizado, tm-se os coeficientes produzidos em diferentes escalas para diferentes
sees do sinal ...............................................................................................................................41
xiv
Figura 4.1 Exemplo de sinal com freqncia 5 em toda sua extenso e com freqncia 20
na segunda metade do mesmo ......................................................................................................51
Figura 4.2 Escalograma do sinal da Figura 4.1 (acima a esquerda), transformada de
Fourier (acima a direita), sinal filtrado (azul) e sinal retirado (vermelho) atravs da Transformada
wavelet (embaixo a esquerda) e sinal filtrado (azul) e sinal retirado (vermelho) atravs da
Transformada de Fourier (embaixo a direita) ................................................................................51
Figura 4.3 Perfil de rhoB do poo NA01 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................56
Figura 4.4 Perfil de rhoB do poo NA01 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................56
Figura 4.5 Perfil de dT do poo NA01 antes da transferncia de escala (canto esquerdo),
Figura 4.6 Perfil de dT do poo NA01 depois da transferncia de escala (canto esquerdo),
Figura 4.7 Perfil de rhoB do poo NA02 antes da transferncia de escala (canto esquerdo),
........................................................................................................................................................58
xv
Figura 4.11 Perfil de rhoB do poo NA04 antes da transferncia de escala (canto
........................................................................................................................................................60
........................................................................................................................................................60
........................................................................................................................................................62
........................................................................................................................................................62
xvi
........................................................................................................................................................64
........................................................................................................................................................64
Figura 4.23 Perfil de rhoB do poo RJS42 antes da transferncia de escala (canto
........................................................................................................................................................66
Figura 4.24 Perfil de rhoB do poo RJS42 depois da transferncia de escala (canto
........................................................................................................................................................66
xvii
Figura 4.25 Perfil de dT do poo RJS42 antes da transferncia de escala (canto esquerdo),
Figura 4.26 Perfil de dT do poo RJS42 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................67
Figura 4.27 Perfil de rhoB do poo RJS234 antes da transferncia de escala (canto
........................................................................................................................................................68
Figura 4.28 Perfil de rhoB do poo RJS234 depois da transferncia de escala (canto
........................................................................................................................................................68
Figura 4.29 Perfil de dT do poo RJS234 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................69
Figura 4.30 Perfil de dT do poo RJS234 depois da transferncia de escala (canto
........................................................................................................................................................69
Figura 5.1 Decomposio multiresoluo efetuada na imagem original em um nvel
........................................................................................................................................................71
Figura 5.2 Decomposio multiresoluo efetuada na aproximao A1
em um nvel
........................................................................................................................................................72
xviii
Figura 5.3 Imagem original obtida do elemento fsforo contido em uma lmina obtida
atravs de microscpio eletrnico .................................................................................................74
Figura 5.4 Aproximao 1 A1 (parte superior) obtida para da imagem original mostrada na
Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................75
........................................................................................................................................................76
........................................................................................................................................................76
Figura 5.7 Aproximao 4 A4 (parte superior) obtida para da imagem original mostrada
na Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................77
Figura 5.8 Imagem Original (parte superior), imagem filtrada atravs da decomposio
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (Imagem
Original = A4 + H4) ......................................................................................................................77
........................................................................................................................................................79
xix
........................................................................................................................................................80
........................................................................................................................................................80
........................................................................................................................................................81
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (parte inferior,
onde Imagem Original = A4 + D) .................................................................................................81
Figura 6.1 Imagem original do tempo duplo de trnsito do intervalo Z3 do Campo de
Namorado ......................................................................................................................................87
........................................................................................................................................................87
........................................................................................................................................................88
xx
........................................................................................................................................................88
........................................................................................................................................................89
........................................................................................................................................................89
onde Imagem Original = A4 + H4) .............................................................................................90
Figura 6.8 Imagem original da amplitude mnima do intervalo Z3 do Campo de Namorado
........................................................................................................................................................91
........................................................................................................................................................92
........................................................................................................................................................92
xxi
........................................................................................................................................................93
........................................................................................................................................................93
Figura 6.14 Imagem original da impedncia do intervalo Z3 do Campo de Namorado
........................................................................................................................................................95
........................................................................................................................................................95
........................................................................................................................................................96
........................................................................................................................................................96
xxii
........................................................................................................................................................97
........................................................................................................................................................97
Figura 6.21 TDT - Estatstica bsica e histogramas da Imagem original e a imagem obtida
atravs da filtragem pela MRA (parte superior) e estatstica bsica e histogramas da Imagem
original e a imagem obtida atravs da filtragem KF .....................................................................98
Figura 6.22 Impedncia - Estatstica bsica e histogramas da Imagem original e a imagem
obtida atravs da filtragem pela MRA (parte superior) e estatstica bsica e histogramas da
Imagem original e a imagem obtida atravs da filtragem KF .......................................................99
Figura 6.23 Amplitude - Estatstica bsica e histogramas da Imagem original e a imagem
obtida atravs da filtragem pela MRA (parte superior) e estatstica bsica e histogramas da
Imagem original e a imagem obtida atravs da filtragem KF .....................................................100
Figura 6.24 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da KF ...........................................................................................................................................101
xxiii
da MRA .......................................................................................................................................102
da KF ...........................................................................................................................................102
da MRA .......................................................................................................................................103
da KF ...........................................................................................................................................103
da MRA .......................................................................................................................................104
Figura 6.30 TDT - Variograma da Imagem original, Imagem filtrada atravs da MRA e
KF, em azul, verde e vermelho respectivamente ........................................................................104
Figura 6.31 Impedncia - Variograma da Imagem original, Imagem filtrada atravs da
MRA e KF, em azul, verde e vermelho respectivamente ...........................................................105
Figura 6.32 Amplitude - Variograma da Imagem original, Imagem filtrada atravs da
MRA e KF, em azul, verde e vermelho respectivamente ...........................................................106
Figura 6.33 TDT - Imagem filtrada atravs da MRA (parte superior) e a imagem filtrada
atravs da KF (parte inferior) ......................................................................................................107
Figura 6.34 Impedncia - Imagem filtrada atravs da MRA (parte superior) e a imagem
xxiv
filtrada atravs da KF (parte inferior) .........................................................................................107

Figura 6.35 Amplitude - Imagem filtrada atravs da MRA (parte superior) e a imagem
filtrada atravs da KF (parte inferior) .........................................................................................108
xxv
Nomenclatura
WFT Transformada de Fourier de curta durao, do Ingls Windowed Fourier Transform

FFT Transformada rpida de Fourier, do Ingls Fast Fourie Transform
CWT Transformada Wavelet Contnua, do Ingls Continuous Wavelet Transform
FT Transformada de Fourier, do Ingls Fourier Transform
WT Transformada Wavelet, do Ingls Wavelet Transform
DWT Transformada Wavelet Discreta, do Ingls Discrete Wavelet Transform
xxvi
Captulo 1
Introduo
A transformada wavelet1 uma transformao integral onde os ncleos de integrao usados

so denominados de wavelets. Estas wavelets so essencialmente usadas de duas maneiras no
estudo de processos ou sinais: (i) como um ncleo de integrao para analisar a extrao de
informaes sobre um processo, e (ii) como uma base de representao ou caracterizao do
mesmo. De forma evidente, em toda anlise ou representao, a escolha da funo base (ou
ncleo) determina o tipo de informao que pode ser extrada de um processo. Isto implica
tambm nas seguintes questes: qual o tipo de informao que se pode extrair usando as wavelet ?
e como pode-se obter uma representao ou descrio de um processo por meio das mesmas ?
A resposta para a primeira questo recai em uma das propriedades mais importantes das
wavelets, que sua capacidade de obter localizao tanto no tempo quanto na freqncia. A idia
por trs desta representao a separao do sinal de interesse em vrias partes e analisar cada
uma delas separadamente, ou seja, usar as grandes escalas para mostrar as caractersticas mais
globais do sinal e as pequenas escalas para mostrar os detalhes (caractersticas locais) do mesmo.
Esta propriedade de extrema utilidade na anlise de sinais que possuam as seguintes
caractersticas: no estacionaridade, componentes transientes de curta durao e singularidades em
vrias escalas diferentes.
A resposta para a segunda questo baseada na utilizao das wavelets como blocos
1 Que literalmente significa pequena onda
elementares de construo usados para a decomposio ou expanso de um processo em uma

srie, de maneira similar como efetuada atravs da srie de Fourier. Assim, uma representao
de um processo atravs das wavelets obtida por meio de uma expanso em uma srie infinita de
verses dilatadas (ou comprimidas) e transladadas de uma wavelet-me (tambm chamada de
wavelet bsica) e multiplicadas por um coeficiente apropriado.
Sendo assim, a Transformada Wavelet capaz de revelar aspectos em um sinal que no

foram possveis de serem obtidas atravs de outras tcnicas de processamento, aspectos estes
como: tendncias, pontos de descontinuidade, descontinuidades em derivadas superiores e autosimilaridade. Alm do mtodo obter uma maneira diferente de representar um sinal, em
comparao com outros mtodos usuais de processamento, a anlise obtida atravs da
Transformada Wavelet pode frequentemente comprimir ou filtrar um sinal sem uma degradao
considervel e com grande economia de memria.
Com estas caractersticas singulares e bem adaptadas anlise de sinais, a Transformada

Wavelet provavelmente mostrar-se- uma tcnica com grande potencialidade no estudo de sinais
geofsicos.
1.1 Objetivos
A motivao principal deste trabalho aplicao da Anlise Wavelet na anlise de sinais

geofsicos. A pesquisa feita sobre o assunto na literatura atual disponvel bastante extensa e com
muitas aplicaes em reas to diversas como matemtica, geofsica, fsica, economia, estatstica,
msica, processamento de sinais e imagens, engenharia eltrica, medicina, entre outras.
Entretanto, ela tem mostrado que a quantidade de trabalhos publicados especificamente e
aplicados Geocincias ainda muito pequena. Buscou-se, na medida do possvel, a utilizao e a
adaptao de mtodos existentes ou mesmo a criao de mtodos hbridos, onde a Anlise
Wavelet utilizada em combinao com outros mtodos usuais de tratamento de sinais e imagens,
como a Geoestatstica e a Transformada de Fourier Clssica.
Os objetivos bsicos do trabalho so a adaptao e implementao de mtodos numricos

aplicados transferncia de escala para o caso de sinais geofsicos 1D e supresso e/ou
eliminao de rudos em sinais geofsicos 2D.
1.2 Organizao da dissertao
A presente disssertao est organizada da seguinte forma: o Captulo 1 apresenta as razes

que motivaram este trabalho, expondo os objetivos pretendidos.
O Captulo 2 traz a reviso bibliogrfica que focaliza trabalhos que fazem uso da
Transformada Wavelet em algumas reas da cincia, assim como trabalhos relevantes aplicados ao
processamento de sinais gerais e em problemas de transferncia de escala de propriedades
petrofsicas de rochas de reservatrio.
Os fundamentos tericos da Anlise Wavelet, assim como a comparao da mesma com

outros mtodos clssicos usualmente aplicados em processamento de sinais dentre eles, a
Transformada de Fourier Clssica ou FT (do ingls, Fourier Transform) e a Transformada de
Fourier de Curta Durao ou WFT (do ingls, Windowed Fourier Transform) esto contidos no
Captulo 3.
No Captulo 4, a Anlise Wavelet utilizada na transferncia de escalas em um sinal de

uma dimenso (perfis geofsicos obtidos de um campo real). Este processo vai ser utilizado em
perfis de densidade total (rhoB) e tempo de trnsito snico (dt), perfis esses obtidos de poos
existentes no Campo de Namorado da Petrobrs. Este processo de transferncia de escala tm por
objetivo reduzir, por filtragem, a informao geolgica s bandas de freqncia compatveis com a
aquisio ssmica, procedimento este adotado para obteno de sismogramas sintticos utilizados
na amarrao poo-ssmica.
No Captulo 5 a Anlise Wavelet aplicada na supresso de rudo em uma imagem de uma

amostra contendo traos de elemento fsforo altamente contaminada por rudo.
No Captulo 6, a Anlise Wavelet ser aplicada supresso de rudos em imagens de

atributos petrofsicos (imagens ssmicas). A qualidade do mtodo ser ento comparada com
resultados obtidos atravs de tcnicas de filtragem da Geoestatstica, no caso, a Krigagem
Fatorial.
No Concluso, finalmente, sero sumarizadas as principais concluses do trabalho.
Captulo 2
Reviso Bibliogrfica
O conceito de Transformada Wavelet foi formalizado pela primeira na dcada de 80 atravs

de uma srie de artigos escritos por Morlet (1981). Entretanto, foi no incio do sculo passado, em
1910, que o fsico Alfred Haar introduziu um sistema completo de funes ortogonais com muitas
propriedades e caractersticas que fazem das wavelets, atualmente, uma das ferramentas
matemticas com um vasto campo de aplicaes nas cincias mais diversas.
Foi contudo na segunda metade da dcada de 80 que foram definidos com rigor os conceitos
que permitem compreender de uma forma clara a natureza deste tipo de funes, estabelecendo as
suas propriedades e permitindo as construo e gerao de outras famlias de wavelets.
Envolvidos neste trabalho pioneiro estiveram vrios pesquisadores, destacando-se, entre outros,
Meyer (1989a), Mallat (1989) e Daubechies (1992). Aps dcadas de formalismo matemtico,
finalmente a transformada wavelet foi utilizada de forma pioneira na anlise de sinais geofsicos
mais diversos (Kumar & Foufoula, 1994).
Graps (1995) apresenta uma abordagem mais terica das wavelets e apresenta a sua
potencialidade de aplicaes em vrias reas. Mostrou-se que as wavelets so funes

matemticas que separam um sinal em suas componentes de diferentes freqncias e estuda cada
uma das componentes com a resoluo compatvel para esta escala. Este mtodo possui vantagens
sobre a Transformada de Fourier na anlise de situaes fsicas onde o sinal contm
descontinuidades e pulsos.
Boa parte da teoria wavelet foi desenvolvida de forma independente em vrios campos da
cincia, tais como: matemtica, fsica quntica, engenharia eltrica e ssmica. Contribuies entre
estes campos especficos durante os ltimos dez anos tm levado a um nmero maior de
aplicaes, como: processamento e compresso de imagens, turbulncia, viso humana, radar,
entre outras. Outro trabalho com esta abordagem terica foi tambm apresentado por Astaf'eva
(1996). A teoria bsica da Transformada Wavelet apresentada e mostra-se uma ferramenta
adequada e bem adaptada para a investigao e anlise de processos no estacionrios envolvendo
um grande nmero de escalas. Em contraste com a Transformada de Fourier, a Transformada
Wavelet bem localizada tanto no tempo quanto na freqncia. O potencial do mtodo ilustrado
pela anlise de vrios modelos de sries, tais como: harmnicos, fractal e as mesmas sries
contaminadas com vrios tipos de singularidades.
No trabalho de Prokoph & Barthelmes (1996), a anlise obtida atravs da Transformada

Wavelet foi utilizada na deteco e localizao de descontinuidades, eventos e sequncias cclicas
peridicas e caticas em uma sucesso sedimentar marinha. A Transformada Wavelet tambm foi
utilizada na localizao exata das transies e mudanas abruptas das sucesses sedimentares,
permitindo assim uma suficiente e simples localizao das mesmas do conjunto de dados. J no
trabalho de Liu (1996), a
anlise do espectro obtido atravs da Transformada Wavelet foi
aplicada a um conjunto de dados de ventos ocenicas, coletados durante o programa SWADE

(Surface Wave Dynamics Experiment) de 1990. Resultados novos foram obtidos e que no seriam
evidentes se fosse utilizada metodologia tradicional atravs da Transformada de Fourier.
O trabalho de Chu (1996) apresenta uma nova forma de obteno de upscaling em

alternativa s numerosas tcnicas existentes na literatura especializada. A obteno de mtodos
razoavelmente precisos e eficientes para a obteno das propriedades equivalentes de rochas do
reservatrio em escalas mais finas permanecem ainda um problema de difcil soluo. Devido a
natureza das heterogeneidades multiescalas inerentes aos reservatrios de petrleo, as
propriedades de rocha e fluido equivalentes iro variar com a escalas de heterogeneidade. A
anlise realizada atravs da Transformada Wavelet um mtodo de decomposio multi-resoluo
(ou multiescala) e, portanto, adequada para realizar o upscaling de propriedades de rochas e
fluxo em um reservatrio com heterogeneidades em vrias escalas. Na mesma linha de pesquisa, o
trabalho de Kumar & Farmer (1997) mostra que o upscaling de propriedades petrofsicas gerais
necessrio, pois importantes informaes sobre o reservatrio so obtidas em escalas mais finas
que os blocos de discretizao utilizados para simular o reservatrio. Este artigo apresenta
algumas novidades que tornam os mtodos de upscaling mais eficientes, dentre elas, uma viso
geral da gerao de um modelo de simulao e a hierarquia de modelagem, a eficcia dos mtodos
de mdias simples comparados com as tcnicas de soluo de presso direta para fluxos mono e
bifsico e, finalmente, uma tcnica mais rpida de upscaling para a permeabilidade relativa. Mais
recentemente, Jansen (1998) mostra que modelos geolgicos gerados em uma escala mais fina
determinam modelos de reservatrio contendo centenas de milhares de blocos de discretizao.
Mesmo para computadores de alto desempenho, este tipo de discretizao muito custosa e no
justifica a sua utilizao na simulao de reservatrios. A Transformada Wavelet tem a capacidade
de preservar estruturas locais em conjuntos de dados espaciais. Para diminuir o esforo
computacional foi utilizada a Transformada Wavelet para realizar o upscaling dos valores das
propriedades em escala mais fina para uma escala maior em 2 ou 3 dimenses.
No trabalho de Torrence & Compo (1997), um guia prtico, passo a passo, para anlise
atravs da Transformada Wavelet apresentado, com exemplos obtidos de sries temporais das
oscilaes do ENSO (El Nio Southern Oscillation). Este guia abrange uma comparao do
mtodo com a WFT, a escolha da funo wavelet apropriada, os efeitos de borda devido ao
comprimento finito das sries temporais e a relao entre as escalas wavelet e a freqncia de
Fourier.
Jansen & Kelkar (1997) mostram que dados de produo so uma das maiores fontes de
informao disponveis sobre o comportamento do reservatrio e do poo. Vrios trabalhos tm
mostrado como a correlao cruzada entre pares de poos pode fornecer informao sobre a
direo de fluxo em um reservatrio, mas geralmente, o clculo da mesma tm-se mostrado
problemtica. Isto se deve principalmente natureza no linear e no estacionria das relaes
entre poos. A relao entre poos uma funo das condies de contorno impostas pelos
prprios poos e das propriedades do reservatrio. A Transformada Wavelet mostrada como
uma nova ferramenta, que diferente da Transformada de Fourier, permite um tratamento de dados
no estacionrios. Isto abre novas possibilidades com respeito a obteno de correlaoes cruzadas
mais robustas entre poos e a utilizao destes dados para uma determinao mais consistente das
causas do comportamento do poo e sua influncia nos poos ao seu redor.
Por outro lado, a anlise obtida atravs da Transformada Wavelet um mtodo sensvel para
deteco automtica e distino de descontinuidades abruptas, tais como falhas, descontinuidades,
ciclicidades e mudanas graduais na taxa de sedimentao (Prokoph & Agterberg, 2000). A
Transformada Wavelet foi aplicada a perfis reais de raio gama e utilizada na avaliao da
distribuio espao-temporal das rochas reservatrio e para estimar as taxas de acumulao em
uma bacia sedimentar.
De forma pioneira, Oliver, Bosch & Slocum (2000) usaram a decomposio atravs da
Transformada Wavelet para descrever e localizar um amplo espectro de freqncias
simultneamente e, ento, filtr-las atravs da decomposio multi-resoluo obtida atravs da
Transformada Wavelet. O mtodo foi aplicado e comparado com a filtragem obtida pelo uso da
Krigagem Fatorial, com resultados satisfatrios.
Silva (2001) mostra que nos mtodos usuais utilizados na obteno de sismogramas
sintticos, o sinal de perfil sofre uma converso de escala do domnio do espao para o domnio
do tempo, filtrado (com bandas de freqncia de corte derivadas do espectro do sinal ssmico) e
convolvido num trao ssmico sinttico. Geralmente, o controle da filtragem utiliza o sinal ssmico,
com espectro mais empobrecido e de menor resoluo espacial, mas que, por outro lado possui
uma cobertura espacial mais adequada ao reconhecimento das informaes geolgicas. Neste
trabalho prope-se um enfoque alternativo, decompondo e analisando o espectro (utilizando a
Transformada de Fourier) do sinal de perfis de poo previamente sua transformao para a
escala do tempo e reduzindo por filtragem a informao geolgica s bandas de freqncia
compatveis com a aquisio ssmica. Neste procedimento a escala natural da natureza
preservada, permitindo o controle eficaz das rotinas de filtragem com base no conhecimento da
geologia do reservatrio, em grande parte derivada da prpria interpretao dos perfis.
10
Captulo 3
Aspectos Tericos
3.1 Anlise no tempo e na freqncia

A motivao original para a criao da teoria de wavelet foi o desenvolvimento de um
mtodo de aquisio, transformao e armazenagem de um trao ssmico (funo de uma varivel
no domnio do tempo) e que tambm satisfizesse as seguintes propriedades:
A contribuio de cada uma das diferentes bandas de freqncia devem ser razoavelmente
separadas (no domnio da frequncia)
Esta separao deve ser alcanada sem a perda excessiva de resoluo na varivel tempo
(sujeito, claro, limitao imposta pelo princpio da incerteza de Heisenberg2).
A reconstruo da funo original a partir de sua representao ou transformada deve ser

obtida por um mtodo que seja capaz de oferecer uma alta preciso e que ao mesmo tempo seja
robusto, ou seja, que o mesmo seja estvel ante pequenas perturbaes.
As duas primeiras condies caracterizam essencialmente a propriedade conhecida como

localizao no tempo e na freqncia.
Em 1927 Werner Heisenberg formula um mtodo para interpretar a dualidade da quntica, o princpio da
incerteza. Segundo ele, pares de variveis interdependentes, como tempo e energia, velocidade e posio, no
podem ser medidos com preciso absoluta.
11
3.2 Transformada de Fourier

3.2.1 Definio
Os profissionais responsveis pela anlise de sinais j tem sua disposio uma grande
quantidade de ferramentas. Talvez a mais bem conhecida de todas elas seja a Transformada de
Fourier, que separa o sinal em suas componentes (cossenos e senos) de diferentes freqncias.
Outra maneira de se pensar na Transformada de Fourier como uma tcnica matemtica para
transformar o sinal observado no domnio do tempo (ou do espao, sem perda alguma de
generalidade) para o domnio da frequncia (nmero de onda, no caso espacial).
Para muitos sinais, a Transformada de Fourier extremamente til, pois o contedo de

freqncia de extrema importncia. Por que , ento, se faz necessrio o uso de outras tcnicas de
anlise, tal como a Transformada Wavelet?
A Transformada de Fourier possui uma peculiaridade indesejvel. Na transformao do sinal

do domnio do tempo para o domnio da freqncia, perde-se totalmente a informao sobre a
localizao temporal (ou espacial). Quando olhamos para a Transformada de Fourier de um sinal,
impossvel dizer onde um evento em particular est localizado, pois o que obtido so apenas as
freqncias que compem o sinal.
Se um sinal no se altera no tempo, ou seja, se um sinal dito estacionrio, esta

peculiaridade no tem importncia alguma. Entretanto, a maioria dos sinais contm numerosas
caractersticas no estacionrias ou transitrias, tais como: tendncias, mudanas abruptas e o
incio ou final de eventos. Estas caractersticas so geralmente as partes mais importantes de um
sinal e a Transformada de Fourier incapaz de detectar tais processos.
Formalmente, a Transformada de Fourier de uma funo f t , definida em Kumar &

Foufolla (1994) como
0
i t
F f K , 1 f t e1 dt ,
f
12
(3.1)
e fornece informaes sobre o contedo de freqncia de um processo ou sinal, mas no fornece

informaes sobre a localizao destas freqncias no domnio do tempo.
No exemplo mostrado na Figura 3.1(a,b) tm-se dois sinais, o primeiro consistindo de duas
freqncias (sen10t e sen20t) superpostas para toda durao do sinal e o segundo, consistindo das
mesmas freqncias, mas cada uma aplicada separadamente em cada metade do sinal. Na Figura
3.1(c,d) tem-se o espectro de energia,
f b2 , destes dois sinais, respectivamente. Como se
observa, o espectro incapaz de fazer qualquer distino entre os dois sinais.
Variaes de freqncias dependentes do tempo so muito comuns na msica, voz humana,

sinais ssmicos, sinais geofsicos no estacionrios, entre outras. Para estudar tais sinais, deve-se
efetuar uma transformada capaz de obter o contedo de freqncia de um sinal localmente no
tempo (ou no espao). Existem essencialmente dois mtodos que foram desenvolvidos e que
apresentam tais propriedades (dentro dos limites impostos pelo princpio de incerteza de
Heisenberg): A Transformada de Fourier de Curta Durao ou WFT (do ingls, Windowed
Fourier Transform) e a Transformada Wavelet. Pode-se visualizar, na Figura 3.1(e,f) a magnitude
dos coeficientes obtidos via Transformada Wavelet Contnua ou CWT (do ingls, Continuous
Wavelet Transform) para os sinais mostrados na Figura 3.1(a,b) respectivamente, e que
claramente mostra a capacidade da transformada wavelet de fazer distino entre estes sinais, ou
seja, de localizar espacialmente no sinal cada uma das frequncias envolvidas no mesmo.
3.3 Transformada de Fourier de Curta Durao

3.3.1 Definio
Num esforo para corrigir a deficincia encontrada na Transformada de Fourier, Dennis
Gabor (1946) adaptou a Transformada de Fourier para analisar apenas uma pequena seo ou
parte do sinal, aplicando uma tcnica chamada de janelamento do sinal. A adaptao de Gabor,
chamada de Transformada de Fourier de Curta Durao ou WFT, mapeia um sinal utilizando uma
13
funo bidimensional definida no tempo e na freqncia e representa uma forma de compromisso

entre uma representao tanto no tempo quanto na freqncia deste sinal. Ela fornece 'alguma'
informao sobre 'onde' e qual 'freqncia' de um dado evento do sinal. Entretanto, esta
informao obtida com uma preciso muito limitada, e esta preciso determinada pelo tamanho
da janela utilizada na obteno da WFT do sinal (Kaiser, 1994).
Figura 3.1 Anlise espectral atravs da Transformada de Fourier e atravs da

Transformada Wavelet de dois sinais. O primeiro sinal (a) consiste da superposio de
duas freqncias (sen 10t e sen 20t), e o segundo consiste das mesmas freqncias
aplicadas a cada uma das metades da durao do sinal (b). As Figuras (c) e (d) mostram
os espectros dos dois sinais obtidos atravs da Transformada de Fourier, ou seja,
b
f b2 vs
, de (a) e (b) respectivamente e finalmente as Figuras (d) e (e)
mostram a magnitude da Transformada Wavelet dos mesmos sinais (usando para isso a
wavelet de Morlet). Observe-se com isso a propriedade de localizao.
14
Apesar da WFT fornecer informao sobre tempo e freqncia, a desvantagem que

quando se escolhe um tamanho particular para a 'janela' que ir percorrer o sinal, esta janela
continua a mesma para todas as freqncias. Entretanto grande parte dos sinais necessitam de uma
abordagem mais flexvel, ou seja, precisam de uma janela de comprimento varivel para que
possibilite uma localizao mais precisa de um determinado evento tanto no tempo quanto
freqncia, pois na maioria das vezes impossvel determinar uma tamanho de janela de timo que
consiga localizar com resoluo suficiente eventos com frequncias muito distintas.
Formalmente, na WFT, a localizao temporal pode ser obtida atravs do janelamento do

processo ou sinal f t em vrios instantes diferentes, ou seja, utilizando-se uma janela g t e
ento obtendo-se a sua transformada de Fourier. Isto , a transformada de Fourier de curta
durao, G f , t , definida em (Kumar & Foufolla, 1994) por
0
0
i u
1i u
du, 1 f u g , t u e1 du
G f , t , 1 f u g u1 t e
(3.2)
1i u
. Esta transformada mede
onde o ncleo de integrao definido como g , t u K g u1 t e
localmente e na vizinhana do ponto t, a amplitude da componente de onda sinusoidal de

freqncia . A funo janela g t geralmente escolhida de maneira que seja real, par e com a
concentrao mxima de energia contida nas componentes de baixa freqncia. Observe que o
ncleo de integrao g , t u tem o mesmo suporte para todo em t, mas o nmero de ciclos
contidos nesta janela variam com a freqncia como pode ser visualizado na Figura 3.2.
15
A representao desta funo f t em um plano (, t) denominada de representao no

espao de fase e mede a frequncia contida (com as devidas limitaes) de uma determinada
poro do sinal.
A WFT preserva a energia do sinal, ou seja,

0
o1
uma vz que
0
o1 g
b f t b
dt,
1 0 0
2
1 1bGf , t b d dt ,
2
o o
(3.3)
(o que ser assumido a partir de agora), e inversvel e sua
b t b , 1
transformada inversa definida em (Kumar & Foufolla, 1994) como

f t ,
1 0 0
iu
1 1 Gf ,u g u1 t e d du.
2
o o
(3.4)
Os parmetros t e podem assumir valores discretos. Definindo-se ento t, nt0 e
, n
, sendo n um inteiro positivo, a Transformada de Fourier Discreta de Curta Durao
ou DWFT (do ingls, Discret Windowed Fourier Transform) definida em (Kumar & Foufolla,
1994) por
0
1i m u
G d f m,n , 1 f u g u1 nt0 e
du.
(3.5)
Para que a transformada de Fourier de curta durao discreta seja inversvel, necessrio
que a condio
t ?2
0 0
seja satisfeita, fato este baseado no Princpio da Incerteza de
Heisenberg (Kaiser, 1994).
16
Figura 3.2 Parte real (em verde) e a parte imaginria (em vermelho) do ncleo de
anlise g t e1 i t da Transformada de Fourier de Curta Durao para diferentes
freqncias: (a) = 3, (b) = 6 e (c) = 9. A funo grafada em azul a janela
gaussiana g(t).
3.3.2 Localizao no tempo e na freqncia
Para entender a propriedade da localizao no tempo e na freqncia da WFT, precisa-se

estudar as propriedades de
g , tb
g , tb

, visto que determinam as caractersticas que sero
extradas de f t . De fato, usando-se o Teorema de Parseval, a equao (3.2) pode ser escrita
como
0
Gf ,t , 1 ' g ,t ' d '
f

(3.6)

sendo g ,t ' a transformada de Fourier de g ,t u e a barra indicando a conjugao
17

complexa. Define-se em Kumar & Foufolla (1994) os desvios padres das funes g ,t e g ,t
como
respectivamente, ou seja
[o
g,
\ [o
0
2
2
1 u1 t bg ,t u b du
0.5
[o
g,

0 2
2
1 u g u du
0

1 ' 1bg , t ' b d '
0.5
(3.7)
0.5
(3.8)

A funo destes parmetros medir a disperso das funes >g ,t> e >g ,t> em funo de
t e respectivamente, como pode ser visualizado na Figura 3.3. Relacionando agora os mesmos
diretamente com o princpio da incerteza, o produto de
2
g
2
g

satisfaz a seguinte
desigualdade (Kumar & Foufolla, 1994),

2
g gD

(3.9)
ou seja, a escolha de uma alta preciso arbitrria tanto no tempo quanto na freqncia no pode
ser obtida. A igualdade na equao (3.9) s pode ser obtida quando g t uma funo
gaussiana, ou seja,
t
g t ,11 ! 4 e1 ! 2 .
2
(3.10)
Quando a funo janela g t utilizada na Transformada de Fourier de Curta Durao a

funo gaussiana, a mesma ento denominada de Transformada de Gabor.
18
Figura 3.3 Localizao das incertezas no domnio do tempo (acima) e no domnio da

freqncia (abaixo) da WFT para uma funo g t qualquer.
Quando uma funo g t escolhida, pelas equaes (3.8) e (3.9), tanto

permanecem fixos. Ento, para qualquer t0 e
, a resoluo no tempo e na freqncia pode
t 6 3 6 , como pode
ser visualizado na Figura 3.4, ou seja, a WFT em um dado ponto t , no espao de fase
fornece informao sobre a funo f(t) que est localizada com uma incerteza de no domnio
do tempo e de no domnio da freqncia, e esta localizao uniforme em todo o espao de
ser representada por uma clula de resoluo de tamanho fixo
fase. Em outras palavras, todo o espao de fase uniformemente dividido em clulas ou blocos de
resoluo fixa. Isto implica em dois tipos de limitaes: inicialmente se o processo possui uma
componente transiente com um suporte menor que
preciso maior que
, fica difcil de localiz-la com uma
. Por outro lado, se o processo tem caractersticas importantes com

19
diferentes dimenses, ento no possvel encontrar uma funo g t que seja tima para
analisar tal processo. Desta forma, a WFT mais recomendada para a anlise de processos onde
todas suas freqncias possuam aproximadamente a mesma frequncia.
Figura 3.4 Representao em espao de fase usando a Transformada de Fourier de

Curta Durao (WFT)
3.4 Transformada Wavelet
A anlise obtida atravs da Transformada Wavelet representa o prximo passo lgico: uma
tcnica que utiliza uma janela com regies de dimenso varivel. A Transformada Wavelet permite
o uso de longos intervalos onde queremos mais preciso sobre as baixas freqncias, e regies de
tamanho menor para obter informaes sobre as altas freqncias (isto deve-se ao princpio de
incerteza de Heisenberg).
20
Na transformada de Fourier de curta durao, para todo t e a funo de anlise gw,t

consiste de um mesmo envelope preenchido com sinusides de freqncia . Devido ao tamanho
fixo do envelope g(t), o tamanho da clula de resoluo no espao de fase dado por
3
g
o mesmo para todo t e .

Como as caractersticas com freqncias mais altas (ou de comprimento de ondas mais
curto) tem um suporte menor, seria desejvel ter uma funo de anlise denominada (t), onde o
seu desvio padro fosse menor quando (t) fosse caracterizar as componentes de alta
freqncia e vice-versa.
Isto foi obtido pela decomposio da funo f(t) usando-se uma famlia de funes de dois
parmetros chamadas de wavelets. Um destes parmetros est relacionado com o parmetro
responsvel pela translao (de maneira similar a transformada de Fourier de curta durao) e o
outro parmetro responsvel pela dilatao (em lugar do parmetro de freqncia da
Transformada de Fourier)
3.4.1 Definio
A WT de uma funo f(t) com energia finita definida como uma transformada integral
onde o ncleo a famlia de funes
10.5
, t u K
11
[ u1 t \ e definida por Kaiser (1994)
como
0
Wf ,t , 1 f u , t u du
onde o smbolo um parmetro de escala, t o parmetro de localizao e
(3.11)
, t
u so
funes chamadas wavelets. Mudando-se o valor de tem-se um efeito de dilatao ( > 1) ou de

contrao ( < 1) na funo
(vide Figura 3.5), enquanto que mudanas no parmetro t
21
tem o efeito de analisar a funo f(t) em torno deste ponto. A constante de normalizao
1!
escolhida para que a igualdade

2
c , tc K
b , t u b
du,
seja vlida para todas as escalas (observe a identidade
b t b
dt
(3.12)
). A funo
Figura 3.5 Ilustrao esquemtica de efeito da dilatao de um wavelet
satisfazer a normalizao
b t b
t K1,0 t
deve
dt,1.
(acima) e a mudana correspondente de sua Transformada de Fourier

b b
Quando a wavelet dilata, sua Transformada de Fourier contrai e vice-versa.

A escolha da wavelet (t) no nica, mas a funo (t) deve ter energia unitria (como foi
mostrado anteriormente) e deve satisfazer as seguintes propriedades:
1. possuir suporte compacto, ou decaimento suficientemente rpido, para se obter boa localizao
espacial.
22
2. mdia zero, ou seja,

0
o1 t dt,0.
Esta propriedade garante que a funo
(3.13)
tenha carter ondulatrio, ou seja, comporte-
se tal qual uma onda.
Define-se em Kumar & Foufolla (1994) a Transformada Wavelet Inversa como
f t ,
1 0 0 12
2
1 1 W f , t ,t u d du
C
o o
(3.14)
onde
C , 2
0 b b

d ? .
(3.15)
A Transformada Wavelet tambm preserva energia, ou seja

0
o1
f t b2 dt,
1 0 0 12
2
bW f , u b d du
C 1 1
o o
(3.16)
3.4.2 Localizao no tempo e na freqncia
Para entender o comportamento da Transformada Wavelet no domnio da freqncia, til

reconhecer que a transformada Wf(, t) pode ser escrita como
W f , t ,
1 0
f , t d
2 1
23
(3.17)
b , t u b
Ento, tal como na WFT, precisa-se estudar as propriedades de
b , t b
para
se entender propriedades de localizao no tempo e na freqncia da Transformada Wavelet. Mais

2
b , tb
especificamente, necessrio entender o comportamento dos desvios padres de

2
b , tb
equao (3.13),
, t t
, ou seja, obter os valores de
,0,0
,t
,t
respectivamente. Observa-se que, devido a
. Consequentemente, o centro do passa banda,
,t
,t
, para
localizado distante da origem = 0 (vide Figura 3.5)

0
o b b d
, 0
o b b d
0
(3.18)
,t
,t
,t
Desta forma, o desvio padro no domnio da freqncia (ou seja, a raiz quadrada do
segundo momento central)
definido como
,t
1! 2
,[o 1 b b d \
0
,t
De maneira similar, o desvio padro no domnio do tempo
1! 2
,[o u1 u b ub du\
0
,t
,t
,t
(3.19)
,t
,t
,t
definido como
(3.20)
onde t0 dado por

0
o ub ub du .
t , 0
o b ub du
2
,t
(3.21)
,t
As seguintes propriedades so vlidas e esto definidas em Kumar & Foufolla (1994) como
1. O desvio padro
,t
satisfaz igualdade
24
,
,t
2. O desvio padro
,t
(3.22)
1 ,t
satisfaz igualdade
,
(3.23)
1 ,t
,t
3. O centro do passa-banda
,t
correspondente a wavelet
,t u
satisfaz a relao
,
0
(3.24)
1 ,0
,t
Pode-se notar, pelas relaes mostradas acima que quando aumenta, ou seja, quando a
funo
,t u
dilatada, tanto
,t
quanto
,t
diminuem, indicando que o centro do
passa-banda deslocado das componentes de baixa freqncia e a incerteza tambm decresce,e

vice-versa (vide Figura 3.5). Logo, no espao de fase, a clula de resoluo para a Transformada
Wavelet em torno do ponto
t 0 ,
,t
dada por
t 6 3 1 ! 6
0
1,0
1,0
1,0
(vide
Figura 3.6) e possui dimenses variveis dependendo do valor da escala . Em outras palavras, o
espao de fase dividido em clulas de resoluo varivel e que so funes do parmetro de
escala e possuem rea constante. Ento, devido ao princpio da incerteza, um aumento na
resoluo no domnio do tempo implica em um aumento da incerteza na localizao da freqncia.
3.4.3 Transformada Wavelet e a anlise no tempo e escala

Na Transformada Wavelet, quando o parmetro de escala aumenta, a wavelet se expande
e carrega apenas infomao sobre o comportamento dos grandes perodos. Por meio de uma
mudana de varivel, a equao (3.11) pode ser reescrita como
25
[ \
0
W f ,t , 1
t
o f u u1
O mapeamento f t l f t tem o efeito de contrair f t quando

quando
?1
(3.25)
du
@1
e de ampliar
, ou seja, a equao mostrada anteriormente indica que quando se aumenta a
escala, uma verso contrada da funo vista atravs de uma filtro de tamanho fixo e vice-versa.
Em resumo, escalonar uma wavelet significa distender ou comprimir a mesma, figura abaixo.
Quanto menor a escala utilizada, mais comprimida a wavelet, e vice-versa.
Figura 3.6 Na parte superior tem-se a wavelet distendida, no meio tem-se a wavelet no
tamanho original e na parte inferior tem-se a wavelet comprimida.
E deslocar a wavelet simplesmente significa mover a mesma parar frente ou para trs no
sinal. Matematicamente, o deslocamento de uma funo f t por k representada por
f t1 k . Pode-se visualizar este processo na figura mostrada a seguir
3.4.4 Relao entre Frequncia e Escala

Pode-se relacionar a escala wavelet com frequncia (melhor definido como uma pseudofrequncia) pela relao mostrada a seguir (Abry, 1997):
26
Fa,
onde a a escala,
(3.26)
o perodo da amostragem, F c a frequncia central em Hz da
wavelet (especfica para cada tipo de wavelet) e F a a pseudo-frequncia correspondente a

escala a em Hz.
Figura 3.7 Grfico de uma wavelet deslocada para a frente.
27
Figura 3.8 Figura mostrando a representao em espao de fase via Transformada

Wavelet.
3.5 Funes wavelets
Uma das principais crticas direcionadas Transformada Wavelet a escolha da funo

wavelet
. Na escolha escolha da funo wavelet, existe uma srie de critrios que devem
serem considerados (Torrence & Compo, 1998) e que so listados na sequncia:
Ortogonais ou no ortogonais Na Transformada Wavelet utilizando-se famlias de

wavelets ortogonais (Meyer, 1989a), o nmero de convolues em cada escala proporcional
janela da funo wavelet escolhida nesta escala. Isto produz um Espectro Wavelet que
contm blocos discretos de Energia Wavelet e til no processamento de sinais, pois fornece
uma representao mais compacta do mesmo. Infelizmente para analisar sries temporais, um
deslocamento no peridico na srie produz um Espectro Wavelet diferente. Reciprocamente, a
28
Transformada Wavelet obtida utilizando-se famlias de wavelets no ortogonais (Meyer, 1989a)

altamente redundante em escalas maiores, onde o Espectro Wavelet em tempos adjacentes
altamente correlacionado. A Transformada Wavelet no Ortogonal til na anlise de sries
temporais (vlido tambm para sries espacias) onde atenuaes e variaes contnuas na
amplitude wavelet so esperadas.
Complexa ou real Uma funo wavelet complexa ir fornecer informao da amplitude e da

fase e mais bem adaptada para capturar comportamentos oscilatrios de sries temporais.
Uma funo wavelet real fornace apenas informao sobre uma componente e pode ser
utilizada apenas para localizar picos e descontinuidades.
Suporte A resoluo de uma funo wavelet determinada pelo balano entre seu suporte
no espao real e o seu suporte no espao na freqncia. Uma funo com um suporte mais
compacto (mais estreita) vai ter uma boa resoluo no domnio do tempo e uma resoluo mais
pobre no domnio da freqncia, enquanto uma funo com suporte mais amplo (mais larga)
ter uma resoluo mais pobre no domnio do tempo e uma boa resoluo no domnio da
freqncia (caractersticas determinadas pelo princpio da incerteza de Heisenberg).
Formato A funo wavelet escolhida deve refletir o tipo de caractersticas presentes na srie
temporal. Para sries com picos ou descontinuidades, uma boa escolha seria a wavelet de Haar
, enquanto que para sries mais suaves e com variaes mais sutis deve se escolher uma funo
como a wavelet de Morlet. Se o interesse principal a obteno do Espectro de Energia
Wavelet, ento a escolha da funo wavelet no crtica e qualquer uma delas ir fornecer o
29
mesmo resultado qualitativo.
3.5.1 Exemplos de waveles unidimensionais
Devido a flexibilidade de escolha das wavelets, muitas funes tem sido utilizadas como
wavelets. Abaixo pode-se ter um resumo das wavelets mais utilizadas na literatura.
Wavelet de Haar A wavelet de Haar (vide Figura 3.9) a mais simples de todas as wavelets
e pertence a famlia das wavelets ortogonais com suporte compacto e definida (Kumar &
Fourfola, 1988) como
t,01 se 0Ct?0.5
t,11 se 0.5C t?1
t, 0 caso contrrio
(3.26)
Em um sinal unidimensional discretamente amostrado esta wavelet pode ser vista atuando
como um operador de diferenciao, ou seja, fornecendo diferenas das mdias no sobrepostas
da observao.
Figura 3.9 Visualizao da wavelet de Haar

30
Wavelet Chapu Mexicano (Mexican Hat Wavelet) esta wavelet a derivada segunda da
, e1 !
funo gaussiana f t
1 2 t2
, pertence a famlia de wavelets no ortogonais e definida
como (Kumar & Fourfola, 1988), (vide Figura 3.10)
t, 2 1 11t e1
2
0.25
0.5t 2
(3.27)
A constante escolhida de modo que a condio ?? ,1 seja satisfeita. Esta wavelet

2
muito utilizada na literatura principalmente na deteco de bordas.
Figura 3.10 Visualizao da wavelet Chapu Mexicano (Mexican Hat)
Wavelet de Morlet - O conceito de wavelet na atual forma terica foi pela primeira vz
proposto por Jean Morlet e o grupo de Fsica Terica de Marseille trabalhando sobre o
comando de Alex Grossmann, na Frana. A wavelet de Morlet pertence a famlia de wavelets
no ortogonais e definida (Kumar & Fourfola, 1988) como
t ,1 ! e1
1 4
31
t1 e
11 ! 2
2
0
e1 !
2
1 2t
(3.28)
que geralmente aproximado por
t ,1 !
1 4
1i
11 ! 2t
D5
, para
(3.29)
e geralmente utilizada no estudo de sinais geofsicos.
Desde que a condio
D5
0
seja satisfeita, o segundo termo na equao negligencivel,
satisfazendo ainda a condio de admissibilidade, ou seja,

,o1 bb d ? .
bb
0
(3.30)
Toda vz que for feita referncia sobre a wavelet de Morlet, usar-se- a equao definida
em (3.43).
A Transformada de Fourier da equao (3.29) dada por

,1 !
2
1 4 1 ! 2 0 1
A Transformada de Fourier da wavelet escalonada
,1 !
1 4
,0
(3.31)
t
,t
dada por
11 ! 2 1
(3.32)
Como propriedade importante, esta wavelet possui sua Transformada de Fourier quase que
inteiramente suportada no intervalo
de
,1 ! .
,t
,t
@0,
centrada em em
, !
0
,t
centrada em t com uma disperso igual a
32
com uma disperso
, .
,t
A Figura 3.11 mostra a parte real e imaginria da wavelet de Morlet na escala unitria assim
como a sua Transformada de Fourier (lembrando que a mesmo vlido para
D5
0
) . Pode-se
ento interpretar o resultado da anlise de um processo assumindo valores reais usando-se esta
wavelet obtendo-se o visualizando o quadrado do mdulo e a fase,
tan11
Im f, ,t
Re f, ,t
b f, b
,t
respectivamente, em grficos diferentes.
Figura 3.11 No topo tm-se a parte real e a parte imaginria da wavelet de Morlet
(para
,5
0
) em vermelho e azul, respectivamente. Embaixo tm-se o espectro da
mesma wavelet de Morlet mostrada no topo.
33
Critrio de Escolha das Escalas Este critrio de extrema importncia quando se faz a
anlise de um sinal atravs da Transformada Wavelet por meio da wavelet de Morlet, evitando-se
assim o processamento de clculos desnecessrios e consequentemente minimizando o uso da
memria do computador. Se
! deve
! C! t , logo
passa banda
min
o intervalo da amostragem de f t
, ento o centro do
ser menor ou igual a freqncia de Nyquist3, ou seja,
min
min D
0 t
.
(3.33)
A escala mxima de anlise obtida considerando-se a disperso de
b b
,t
,t
,t
. Sabendo-se que
chega a praticamente a 1 % de seu valor em 3 , foi imposta a condio de que

,t
C0.5 t 1 t ,
max
min
logo tm-se que
maxC
Grandes valores em
b f, b
,t
tmax 1 t min
.
6
(3.34)
permitem facilmente obter a identificao da escala das
caractersticas e sua respectiva localizao no eixo t.
3.6 Transformada Wavelet Contnua

A Transformada Wavelet Contnua ou CWT(do ingls, Continuos Wavelet Transform) definida
pela equao (3.12) e com os parmetros asssumindo os valores
/0 e t V
. Na prtica, a
CWT pode ser obtida da forma mostrada a seguir (Meyer, 1989a).
3 A frequncia de Nyquist vem do Teorema da amostragem ou Teorema de Nyquist que diz Um sinal limitado
em frequncia, pode ser representado com erro nulo por amostras igualmente espaadas de intervalo 1/2F, onde
F a maior frequncia existente no sinal.
34
Trasformada Wavelet Continua em cinco passos Este processo realmente muito

simples. De fato, abaixo listado uma sequncia de cinco passos de uma pequena receita para se
calcular uma CWT.
1. Escolhe-se uma wavelet e faz-se a comparao com uma poro contida no incio do sinal
original (vide Figura 3.12).
Figura 3.12 Diferentes tipos de wavelets que podem ser utilizados na obteno da
CWT.
2. Calcula-se ento o nmero C, que representa a correlao da wavelet com a poro do sinal
sendo analisado (vide Figura 3.13).
3. Move-se a wavelet para a direita e inicia-se novamente os passos (1) e (2) at que todo o sinal
seja percorrido pela wavelet (vide Figura 3.13).
4. A wavelet distendida e repetem-se os passos (1) a (3) (vide Figura 3.14).
5. Os passos de (1) a (4) so repetidos para todas as escalas (vide Figura 3.15).
35
Figura 3.13 Wavelet (vermelho) comparada com o sinal (azul)
Figura 3.14 Move-se a wavelet para direita e obtenha um novo valor de C.
36
Figura 3.15 Extende-se a wavelet e repete-se o os passos (1) a (3)
Figura 3.16 Finalmente os passos (1) a (4) so repetidos para todas as escalas.
Quando o processo for finalizado, tm-se os coeficientes produzidos em diferentes
escalas para diferentes sees do sinal.
37
3.7 Transformada Wavelet Discreta
et
Quando os parmetros
da Transformada Wavelet
f,
,t
assumem valores
contnuos, tm-se a CWT (como mostrado anteriormente). Para aplicaes prticas, o parmetro
de escala
e o parmetro de localizao t precisam ser discretizados. A escolha feita
, m , onde m inteiro e 0 o passo de dilatao fixo e maior que 1. Visto que

0
,
,t
1 ,t
m
, pode-se escolher t, n t 0 0 onde t 0@0 e depende de
e n um inteiro.
Escolhe-se um aumento, ou seja, 1 m e estuda-se o processo em uma localizao particular e

0
ento move-se para outra localizao. Se o aumento grande, ou seja, para analisar as pequenas
escalas, move-se em pequenos passos e vice-versa, ou seja, de maneira proporcional a escala
m , como mostrado abaixo

0
t,1 1 t1 nt
0.5m
m,n
(3.35)
Desta forma, a Transformada Wavelet
f, ,1 o f t1 t1nt dt
m
0.5m
,t
(3.36)
chamada de Transformada Wavelet Discreta ou DWT(do ingls, Discret Wavelet Transform).
f,
@0 e t1 ,0 caracteriza

completamente a funo f t .De fato, pode-se reconstruir f t usando a equao (3.14).
Usando a wavelet discreta
(com decrescendo rapidamente) e escolhas apropriadas de
e t , pode-se tambm obter uma caracterizao completa de f t .
No
caso
da
CWT,
diz-se
que
,t
para
m,n
3.7.1 Transformada Wavelet Ortogonal

Considera-se agora a DWT com 0,2 e t0,1 , ou seja
38
t,21 21 t1 n
0.5m
(3.37)
m,n
possvel ento construir uma certa classe de wavelets
tal que m,n t sejam
ortogonais, ou seja
o t t dt,
m,n
onde
ij
m',n'
mm'
nn'
(3.38)
a funo delta de Kronecker, definida como
ij,1 se i, j
ij,0 se i/ j
(3.39)
A condio acima implica que essas wavelets so ortogonais para com suas dilataes e
translaes. Pode-se ento aproximar a funo f t
at uma resoluo arbitrria, por uma
combinao linear de wavelets m,n t (Kumar & Fourfola, 1988), ou seja
, {
{D
m ,0 n ,0
f t
m ,1 n ,1
m,n
t
m,n
(3.40)
onde o primeiro somatrio sobre as escalas (da menor para a maior) e cada escala somada em
cada uma das translaes. Os coeficientes D m,n so obtidos como
D m,n
, f, Ko f t t .
m,n
,t
(3.41)
Logo, pode-se escrever a equao (3.39) como
, {
{ f,
m ,0 n ,0
f t
m ,1 n ,1
,t
t
m,n
(3.42)
Pela equao (3.40) fcil observar como as wavelets fornecem uma representao no
tempo e escala de um processo, onde a localizao temporal e de escala so dadas pelos ndices n
e m respectivamente. A expanso em srie acima similar a srie de Fourier, com algumas
pequenas diferenas:
39
1. A srie duplamente indexada com os ndices indicando escala e localizao
2. A funo base tem propridedades de localizao de tempo e escala (equivalentes a tempo e

freqncia)
Usando-se uma escala intermediria m 0 , a equao (3.40) pode ser separada em duas
somas
f t
{ {
m ,0 n ,0
m , m 0 0 1 n ,1
f, t0 {
{ f,
m , m 0 n ,0
,t
m,n
m ,1 n ,1
,t
t
m,n
(3.43)
e com isso pode-se finalmete definir as funes m,n t de maneira anloga a m,n t , ou seja
t,21 ! 21 t1 n
1 2m
(3.44)
m,n
de forma que a primeira soma da srie da equao (3.43) pode ser finalmente escrita como uma
combinao linear de m t , ou seja,
0,n
{ f,
n ,0
n ,1
m 0,n
t,
m 0,n
{ { f,
m ,0 n ,0
m , m 0 0 1 n ,1
,t
(3.45)
m,n
e, consequentemente,
, { f, t0 {
f t
n ,1
{ f,
m , m 0 n ,0
n ,0
m 0,n
m 0,n
m ,1 n ,1
,t
t .
(3.46)
m,n
A funo m,n t chamada de funo escala e satisfaz sa condio
o t dt,1,
entre
outras propriedades (Meyer, 1989b). Por exemplo, a funo escala correspondente para a wavelet
de Haar a funo caracterstica de intervalo [0,1) dada por
40
t,1 para 0Ct?1

t,0 caso contrrio
(3.47)
As funes escala e wavelets representam um conjunto de regras na anlise de processos por

meio de wavelets ortogonais. Esta anlise estrutural tambm conhecida como Anlise Wavelet
multi-resoluo (MRA) e ser discutida a seguir.
3.7.2 Representao multi-resoluo
A equao (3.43) expressa que todas as caractersticas do processo f t , que so maiores

que a escala 2 m , podem ser aproximadas por uma combinao linear de translaes (sobre n)
0
de uma funo escala
na escala fixa 2 m . Pode-se representar esta aproximao por

0
P m f , (Kumar & Fourfola, 1988) ou seja,

0
, { f, t .
(3.48)
K { f, t ,
(3.49)
n ,0
Pm f t
0
m 0,n
n ,1
m 0,n
Definindo
n ,0
Qm f t
m,n
n ,1
m,n
logo a equao (3.42) pode ser reescrita como
,P
f t
0 {
m,m0
m0
f t
m ,1
Qm f t .
(3.50)
Visto que a escala m 0 arbitrria, temos que
, P
f t
m 0 11
f t
m , m 0 11
m ,1
Qm f t .
Uma simples operao de subtrao entre as equaes (3.49) e (3.50), fornece
41
(3.51)
, P
0Q f t
(3.52)
, P f t0Q f t
(3.53)
P m 11 f t
0
m0
f t
ou, de uma forma mais geral

P m 11 f t
Esta equao caracteriza a estrutura bsica da decomposio wavelet ortogonal. Como
mencionado antes, P m f t
contm toda informao sobre as caractersticas em f t
que so
maiores que a escala 2 m . Pela equao (3.50) mostra-se que quando se vai da escala 2 m para
a escala menor mais prxima 2 m 1 1 , adiciona-se algum detalhe em P m f t
Qm f t
. Pode-se ento dizer que Q m f t
, dado por
, ou de forma equivalente, a expanso wavelet de
uma funo em alguma escala 2 m , caracteriza a diferena entre os porcessos em duas escalas
diferentes, 2 m e 2 m 1 1 , ou equivalentemente em duas resolues diferentes. Logo a
representao de uma funo f t
pela equao (3.53) chamada de Representao Wavelet
multi-resoluo.
3.8 Transformada Wavelet Contnua para Wavelets Bidimensionais
De maneira anloga Transformada Wavelet definida na equao (3.12) a verso

bidimensional da mesma obtida tratando-se u
, u
,u 2 e t
, t ,t
1
como vetores. Ento para
o caso bidimensional tm-se
[ \
1
f, KW f , t ,o0 o0 f u u1 t
1 1
,t
du
(3.53)
De forma anloga, a frmula de inverso dada por

1
, C
f t
o o o
0
0
0
1
1
1
1 W f , u t d d u
3
,u
e as condies abaixo devem ser satisfeitas:
42
(3.54)
1. suporte compacto ou decaimento suficientemente rpido.
2.
oo t d t,0 .
3.9 Efeitos de Borda

Classicamente a DWT definida apenas para sinais com comprimento derivados da potncia
de dois, devido ao processo de decomposio didica (Meyer, 1989b). Na grande maioria das
vezes, os sinais com os quais vai-se trabalhar no satisfazem esta exigncia e por isso deve-se de
alguma forma completar este sinal de forma que ele se torne manipulvel. Existem vrios mtodos
de extenso de sinais (Strang & Nguyen, 1996) e que so listados a seguir:
Preenchimento com zeros : Este mtodo assume que o sinal zero fora do seu suporte original.
A sua desvantagem a criao de descontinuidades artificiais nas bordas.
Simetrizao : Este mtodo assume que o sinal ou imagem pode ser extendido fora de seu
suporte original simplesmente assumindo os valores simtricos sua fronteira. A sua
desvantagem de criar artificialmente descontinuidades na derivada de primeira ordem nas
bordas. Por outro lado, este mtodo funciona bem para imagens.
Preenchimento suave : Este mtodo assume que o sinal ou imagem pode ser extendido fora do
seu suporte original por uma extrapolao utilizando-se a derivada de primeira ordem. Este
mtodo funciona bem sinais atenuados.
43
Captulo 4
Anlise Wavelet Aplicada na Transferncia de Escala em Perfis

Geofsicos
4.1 Introduo
Alguma das propriedades mais importantes na caracterizao de um reservatrio e que
melhor definem uma unidade produtora so: porosidade, saturao de hidrocarbonetos e
permeabilidade. A avaliao correta destes parmetros extremamente importante em todas as
fases de explorao e produo de petrleo e so obtidas usualmente por meio da aquisio e da
anlise de perfis geofsicos. Estes perfis so utilizados principalmente na prospeco de petrleo e
de gua subterrnea e tm sempre como objetivo principal a determinao da profundidade e a
estimativa do volume da jazida.
Neste captulo ser efetuada a transferncia de escala4 em em perfis geofsicos de densidade
(rhoB) e snico (dT) utilizando-se a Anlise Wavelet. Este procedimento adotado devido a
incompatibilidade da amostragem da perfilagem, que de 0.2 m para os perfis envolvidos neste
estudo, e da menor resoluo horizontal da ssmica, que no caso do levantamento 3D de Campo
de Namorado de 25 a 50 m. Este procedimento adotado para a gerao de sismogramas
sintticos (utilizados na integrao poo e ssmica), que em resumo, so gerados pela convoluo
da refletividade obtida atravs dos perfis snico (dT) e densidade (rhoB) com a wavelet derivada
do dado ssmico. De maneira geral, a maioria dos mtodos existentes na literatura especializada se
4 Reduzir por filtragem a informao geolgica s bandas de frequncia compatveis com as da ssmica.
44
utiliza da Transformada de Fourier para realizar este procedimento. O mtodo proposto a

decomposio de cada um dos perfis geofsicos atravs da Anlise Wavelet para depois realizar a
filtragem (transferncia de escala) dos mesmos. Neste procedimento, a escala natural da formao
tambm preservada.
Uma das principais motivaes para o uso da Anlise Wavelet na filtragem dos perfis
geofsicos sua capacidade singular em identificar e localizar fenmenos no estacionrios que
ocorrem em um sinal. Vrios fenmenos ocorrem em um perfil e no esto necessariamente
presentes em todo o sinal. Por exemplo, quando utiliza-se a Transformada de Fourier, esta uma
caracterstica um tanto indesejvel para o mesmo, pois esta tcnica consegue identificar as
freqncias constituintes do sinal mas de forma alguma consegue localiz-las .
Quando uma determinada freqncia filtrada atravs da Transformada de Fourier, a mesma

retirada em toda a extenso do sinal. Isto no nem um problema quando esta frequncia
ocorre em todo ele (caso de sinal estacionrio), mas os perfis geofsicos geralmente so sinais com
caractersticas no estacionrias. Portanto, quando realizada uma filtragem para uma freqncia
especfica atravs da Transformada de Fourier, pode-se estar tirando a freqncia de onde ela
existe e/ou tambm retirando onde ela no existe, criando-se com isso artefatos no sinal.
Na Figura 4.1 pode-se visualizar um exemplo de sinal no estacionrio e a comparao

entre a filtragem realizada pela Transformada de Fourier e pela Anlise Wavelet, e na Figura 4.2
o artefato criado pela filtragem realizada atravs da Transformada de Fourier para um sinal com
um processo no estacionrio.
4.2 Metodologia Utilizada para a Transferncia de Escala em Perfis Geofsicos atravs da

Anlise Wavelet
Inicialmente foi escolhida uma familia de wavelets ortogonais para que seja efetuada a
decomposio multi-resoluo do sinal. Neste caso a wavelet escolhida foi a Daubechies 8 ou db8
e esta escolha foi feita pelo fato da mesma ser bastante suave e regular, ou seja, adequada para o
problema em questo.
45
A frequncia de corte escolhida para a filtragem foi a mesma adotada no trabalho de Silva
(2001), que corresponde ao comprimento de onda acima de 15 m de comprimento, ou seja, a
filtragem vai preservar grande parte dos corpos com mais de 15 m de comprimento. Esta janela de
resoluo tambm compatvel com as frequncias ssmicas usuais, que correspondem a uma
resoluo vertical de 25 a 50 m para as maiores velocidades da formao.
Figura 4.1 Exemplo de sinal com freqncia 5 em toda sua extenso e

freqncia 20 na segunda metade do mesmo.
46
com
Figura 4.2 Escalograma do sinal da Figura 4.1 (acima a esquerda) e Transformada

de Fourier do mesmo (acima a direita), sinal filtrado (azul) e rudo retirado
(vermelho) atravs da Anlise Wavelet (embaixo a esquerda) e sinal filtrado (azul) e
sinal retirado (vermelho) atravs da Transformada de Fourier (embaixo a direita).
Nota-se na na figura do canto inferior esquerdo que foi filtrado o rudo da segunda
metade do mesmo e foi criado um artefato na primeira metade do sinal.
A etapa ou nvel da decomposio escolhido foi o 5, pois utilizando-se a equao (3.26) o

resultado obtido para a frequncia de corte para a wavelet db8 foi 0.1048 Hz, que corresponde a
um comprimento de onda de 10 metros aproximadamente, ou seja, grande maioria dos eventos do
sinal com comprimento de onda menor ou igual a 10 metros foram retirados do sinal, ou seja,
grande parte da escala natural da formao permanece conservada (Silva & Remacre, 2000) . No
Fluxograma A se tem um resumo da metodologia utilizada e uma mostra do algoritmo
desenvolvido para este propsito utilizando a linguagem de programao MATLAB, da
empresa Mathworks.
No se utilizou uma decomposio a nvel 6 pois a frequncia de corte correspondente a

este nvel de decomposio de 0.0541 Hz, que equivale a um comprimento de onda de 20
47
metros aproximadamente, o que retiraria do sinal os eventos com comprimento de onda menores
que 20 metros, ou seja, retirando com isso os eventos com comprimento de onda de 15 metros,
que tem significado geolgico (Silva, 2001). Uma maneira de contornar este problema seria
reamostrando os perfis, de uma taxa de amostragem de 20 cm para uma taxa de amostragem de 16
cm. Com isso agora, uma decomposio nvel 6, utilizando-se a mesma wavelet daria uma
frequncia de corte de 0.668 Hz que corresponde a aproximadamente ao comprimento de onda de
15 metros. Neste trabalho a abordagem de reamostragem foi deixada de lado.
Fluxograma A
Utilizou-se neste trabalho como um controle do processo de filtragem, o clculo do
variograma (Apndice B) obtidos para cada uma das etapas da decomposio multi-resoluo e
para cada um dos sinais resultantes (aproximaes e detalhes). Quando no houver no variograma
do sinal resultante mais nenhuma estrutura embricada para distncias menores ou iguais a 15 m,
isso mostra que maioria dos eventos do sinal com comprimento de onda iguais ou menores a 15 m
48
foram retirados do mesmo. Utilizou-se esta frequncia em questo por motivos de comparao
entre o mtodo proposto e o trabalho de (Silva, 2001). O histograma de cada uma das
aproximaes tambm foi calculado, assim como a estatstica bsica dos mesmos (mdia e
varincia).
A metodologia foi aplicada grande maioria dos poos utilizados no trabalho de Silva
(2001), que utiliza tambm uma forma alternativa de realizar este procedimento a partir da
Transformada de Fourier. Os poos utilizados foram: 3NA01, 3NA02, 3NA04, 7NA07, 7NA12,
RJS42 e 4RJS234 e os atributos onde foi efetuada a transferncia de escala foram densidade total
(rhoB) e tempo de trnsito (dT) e finalmente os resultados foram ento analisados.
4.3 Resultados Obtidos
Analisando-se a transferncia de escala realizada no atributo rhoB do poo NA01 na

Figura 4.3 e a Figura 4.4, nota-se que para o sinal original e o sinal filtrado no houve mudana
no parmetro mdia m = 2.34 g/m3. A varincia do sinal original e do sinal filtrado foi de 0.14
(g/m3)2 para 0.12 (g/m3)2 respectivamente, que corresponde a uma reduo de aproximadamente
15 % na varincia do sinal original, que esperado, pois est-se filtrando um sinal e
consequentemente diminuindo a variabilidade do mesmo. Nota-se pelo variograma da imagem
original uma infinidade de estruturas embricadas para distncias menores de 15 metros e que no
variograma do sinal filtrado, grande maioria destas estruturas no esto mais presentes. A
comparao entre o histograma do sinal original e do sinal filtrado mostra que houve um aumento
no nmero dos elementos das classes das extremidades da distribuio.
Analisando-se a transferncia de escala realizada no atributo dT do poo NA01 na Figura

4.5 e a Figura 4.6, nota-se que para o sinal original e o sinal filtrado praticamente no houve
mudana no parmetro mdia, valendo m = 87.48 ms e m = 87.47 ms respectivamente. A varincia
do sinal original e do sinal filtrado foi de 11.40 (ms)2 para 8.27 (ms)2 respectivamente, que
corresponde a uma reduo de aproximadamente 18 % na varincia do sinal original. Nota-se
pelo variograma da imagem original uma infinidade de estruturas embricadas para distncias
49
menores de 15 metros e que no variograma do sinal filtrado, grande maioria destas estruturas no
esto mais presentes. A comparao entre o histograma do sinal original e do sinal filtrado mostra
que qualitativamente quase no houve mudana nas classes da distribuio.

Figura 4.7 e a Figura 4.8, nota-se que para o sinal original e o sinal filtrado no houve mudana
no parmetro mdia, valendo m = 2.27 g/cm3. A varincia do sinal original e do sinal filtrado foi de
0.12 (g/cm3)2 para 0.09 (g/cm3)2
respectivamente, que corresponde a uma
reduo de
aproximadamente 42 % na varincia do sinal original. Nota-se pelo variograma da imagem original

uma infinidade de estruturas embricadas para distncias menores de 15 metros e
que no
comparao entre o histograma do sinal original e do sinal filtrado mostra que que houve uma
movimentao dos elementos das classes mais direita para as classes mais esquerda.

que que houve uma movimentao dos elementos das classes mais direita para as classes mais
esquerda.

Figura 4.11 e a Figura 4.12, nota-se que para o sinal original e o sinal filtrado no houve
mudana no parmetro mdia, valendo m = 2.36 g/cm3. A varincia do sinal original e do sinal
filtrado foi de 0.13 (g/cm3)2 para 0.11 (g/cm3)2 respectivamente, que corresponde a uma reduo
de aproximadamente 16 % na varincia do sinal original. Nota-se pelo variograma da imagem
50
movimentao dos elementos das classes mais direita para as classes mais esquerda. A

que qualitativamente quase no houve mudana nas classes da distribuio.


51
que houve um aumento no nmero dos elementos das classes das extremidades da distribuio.

comparao entre o histograma do sinal original e do sinal filtrado mostra que houve uma
movimentao dos elementos das classes esquerda da distribuio para a direita da mesma.

que a distribuio se tornou bimodal.
Analisando-se a transferncia de escala realizada no atributo rhoB do poo RJS42 na

52
comparao entre o histograma do sinal original e do sinal filtrado mostra que houve uma
movimentao dos elementos das classes direita da distribuio para a esquerda da mesma.
Analisando-se a transferncia de escala realizada no atributo dT do poo RJS42 na Figura

que houve uma movimentao dos elementos das classes esquerda da distribuio para a direita
da mesma.
Analisando-se a transferncia de escala realizada no atributo rhoB do poo RJS234 na

movimentao dos elementos das classes mais direita para as classes mais esquerda.
53
Analisando-se a transferncia de escala realizada no atributo dT do poo RJS234 na

Figura 4.29 e a Figura 4.30, nota-se que para o sinal original e o sinal filtrado praticamente no
houve mudana no parmetro mdia, valendo m = 85.10 ms e m = 85.14 ms respectivamente. A
varincia do sinal original e do sinal filtrado foi de 7.87 (ms)2 para 4.30 (ms)2 respectivamente,
que corresponde a uma reduo de aproximadamente 46 % na varincia do sinal original. Nota-se
que houve uma movimentao dos elementos das classes esquerda da distribuio para a direita
da mesma.
4.4 Concluses
A grande motivao do uso da Anlise Wavelet no tratamento de sinais geofsicos se deve
principalmente ao fato de que se est utilizando um mtodo totalmente adaptado ao sinal com o
qual se est trabalhando, ou seja, utilizou-se um mtodo que sensvel sinais no estacionrios,
no caso, os perfis geofsicos.
Sumarizando os resultados obtidos, observou-se que a mdia obtida para o sinal original e
o sinal filtrado (praticamente para todos os poos e parmetros), mante-se praticamente a mesma,
mostrando com isso um ponto positivo do mtodo. A varincia obtida para o sinal original e o
sinal filtrado alterou-se para todos os poos e parmetros, mas esta diminuio se mostrou mais
acentuada para o perfil de dT (a menos dos perfis referentes aos poos NA01 e NA12), o que
pode ser notado tambm pelo variograma, observando a diminuio brusca do patamar do
variograma do sinal filtrado em comparao ao patamar da imagem original. Isto mostra que os
pequenos comprimentos de onda menores ou iguais a 15 metros so responsveis por uma parte
considervel de energia deste sinal. Tambm no variograma do sinal original e do sinal filtrado,
observa-se que no primeiro o comportamento esfrico na origem e no segundo tem-se o
comportamento parablico. Isto um comportamento inerente de todos os filtros, ou seja, por
mais que se tente evitar, sempre haver uma atenuao do sinal original. No geral o mtodo se
mostrou eficiente, mantendo a mdia praticamente constante aps a filtragem e conservando de
54
alguma forma a varincia original, ou seja, conservando ainda parte da variabilidade original do
sinal.
55
Figura 4.3 Perfil original (antes da transferncia de escala) de rhoB do poo NA01
(canto esquerdo), seu variograma (canto superior direito) e seu histograma (canto
inferior direito).
Figura 4.4 Perfil de rhoB do poo NA01 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
56
Figura 4.5 Perfil original (antes da transferncia de escala) de dT do poo NA01

inferior direito).
Figura 4.6 Perfil de dT do poo NA01 aps transferncia de escala em azul e perfil
original em vermelho (canto esquerdo), variograma (canto superior direito) e
57
inferior direito).
58

inferior direito).
Figura 4.10 Perfil de dT do poo NA02 aps transferncia de escala em azul e

59
inferior direito).
60

inferior direito).

61
inferior direito).
62

inferior direito).

63
inferior direito).
64

inferior direito).

65
Figura 4.23 Perfil original (antes da transferncia de escala) de rhoB do poo

RJS42 (canto esquerdo), seu variograma (canto superior direito) e seu histograma
(canto inferior direito).
Figura 4.24 Perfil de rhoB do poo RJS42 aps transferncia de escala em azul e
66
Figura 4.25 Perfil original (antes da transferncia de escala) de dT do poo RJS42

inferior direito).
Figura 4.26 Perfil de dT do poo RJS42 aps transferncia de escala em azul e

67
Figura 4.27 Perfil original (antes da transferncia de escala) de rhoB do poo

RJS234 (canto esquerdo), seu variograma (canto superior direito) e seu histograma
(canto inferior direito).
Figura 4.28 Perfil de rhoB do poo RJS234 aps transferncia de escala em azul e
68
Figura 4.29 Perfil original (antes da transferncia de escala) de dT do poo RJS234

inferior direito).
Figura 4.30 Perfil de dT do poo RJS234 aps transferncia de escala em azul e

69
Captulo 5
Decomposio Multi-resoluo Aplicada a Filtragem de Imagens
5.1 Introduo
A anlise Wavelet permite que uma imagem (informao) seja representada em termos de
um conjunto de funes bsicas, ,t t , ou seja, vetores bsicos ou ncleos. As funes
bsicas so um conjunto de funes linearmente independentes que podem ser usadas para
produzir todas as funes admissveis f(t) (Strang and Nguyen, 1996). Alm disso, o conjunto de
funes bsicas
me
,t t construdo via escalonamentos (2s) e translaes (u) de uma wavelet
(tambm chamada de wavelet bsica), como definido em seguida
u,21 21
0.5
,t
0.5
t u
(5.1)
Como os parmetros de escala e translao podem variar, pode-se analisar um sinal (uma
imagem no presente caso, sem perda alguma de generalidade) em diferentes nveis de resoluo.
Isto permite efetuar o que denominado de Anlise multi-resoluo obtida atravs da Anlise
Wavelet. Esta anlise feita por meio da utilizao das funes
(funo escala) que
correspondem a um filtro discreto passa-baixa e por meio das funes wavelet
que
correspondem a um filtro discreto passa-alta. O filtro passa-baixa retm as baixas freqncias do

sinal (atenuando o sinal) enquanto que o filtro passa-alta retm os detalhes do sinal (caractersticas
de alta freqncia). Em Daubechies & Mallat (1998), os respectivos autores fornecem os detalhes
70
para a construo das funes wavelets e seus respectivos filtros. A escolha da funo bsica
determina o tipo de informao que pode ser extrada de um sinal. Ento, de uma maneira
informal, uma funo f t
pode ser expressa como
,{ { b
f t
,t
,t
(5.2)
onde os coeficientes b ,t so definidos como
b ,t
,o f u
,t
du
(5.3)
cuja magnitude fornece a medida da significncia da sua funo bsica correspondente. Essas
mesmas equaes que agora se mostram de uma forma mais compacta, j foram mostradas nos
captulos anteriores.
Em resumo, o processo de decomposio multi-resoluo consiste em separar o sinal

original em duas partes: uma contendo as caractersticas de grande escala e uma contendo as
caractersticas de pequena escala do sinal, que so chamada de aproximao e detalhe. De forma
esquematica o processo pode ser visualizado na Figura 5.1.
Figura 5.1 Decomposio multi-resoluo efetuada na imagem original em um nvel
71
ou seja, supondo que os filtros sejam de reconstruo perfeita (Mallat, 1998), temos a seguinte
expresso:
A0 = A1 + D1
(5.4)
onde A0 a imagem original, ou aproximao nvel 0, A1 a aproximao da imagem original

nvel 1 e D1 o detalhe da imagem original nvel 1. O processo de decomposio pode ser
repetido novamente utilizando-se agora a aproximao a nvel 1 A1, ou seja
Figura 5.2 Decomposio multi-resoluo efetuada na aproximao A1 em um nvel
A1 = A2 + D2
(5.5)
onde A1 a aproximao a nvel 1, A2 a aproximao nvel 2 e D2 o detalhe nvel 1.

Substituindo ento esta expresso na outra obtida anteriormente tem-se que
A0 = A2 + D2 + D1
(5.6)
ou seja, por induo, uma decomposio realizada a nvel n, tem-se a expresso da forma
mostrada a seguir
A0 = An + Dn + ... + D1
72
(5.7)
e para efeito de simplificao vamos definir
Hn = Dn + ... + D1
(5.8)
Com isso, pode-se ento representar uma decomposio multi-resoluo a nvel 3 da forma
abaixo:
onde
A0 = A3 + D3 + D2 + D1
(5.9)
ou ainda
A0 = A3 + H3
(5.10)
5.2 Exemplo de filtragem realizada atravs da decomposio multi-resoluo

No exemplo a seguir aplicou-se a decomposio multi-resoluo atravs da decomposio
multi-resoluo no tratamento e supresso de rudo de uma imagem de 256 x 256 pixels contendo
uma nica informao primria, informao esta referente ao elemento fsforo (P) medida atravs
de um microscpio eletrnico (amostra esta contida em uma lmina de ao). Esta imagem faz
parte de um conjunto de estudos de casos contidos no pacote geoestatstico Isatis da empresa
73
Geovariance. Devido a pequena quantidade de material (traos), a realizao da fotografia

(imagem) levou-se muitas horas de exposio contnua, portanto, uma grande quantidade de rudo
criada por conta deste processo. Na Figura 5.3 pode-se visualizar a imagem original detalhada
anteriormente. Nota-se bem que a imagem possui uma grande quantidade de rudo, que
responsvel pela falta de clareza, ou seja, pelo aspecto difuso da mesma. O parmetro de controle
utilizado para controle da filtragem ser estimando a razo sinal-rudo5, onde para esta imagem o
mesmo vale 0.75, ou seja, 75 % da energia nesta imagem est associada ao rudo.
Figura 5.3 Imagem original obtida do elemento fsforo contindo em uma lmina
obtida atravs de microscpio eletrnico.
A metodologia adotada foi a decomposio da imagem por meio da Anlise Wavelet.

Obteve-se assim uma imagem atenuada em cada nvel (tirando-se os detalhes para cada cada um
deles), ou seja, retirando-se as altas frequncias e mantendo as baixas frequncias. O variograma
ento obtido para cada umas das aproximaes obtidas em cada uma das etapas da
decomposiao multi-resoluo, quando o efeito pepita (efeito este associado ao rudo do sinal)
chegar a um nvel satisfatrio (isto fica a critrio de quem estiver utilizando a ferramenta) o
5 Que definida pela relao N SR
de longo alcance e
1999)
, onde
o componente sinal associado ao modelo variogrfico
o componente rudo associado ao modelo variogrfico de curto alcance (Mundim,
74
processo interrompido. O variograma obtido para cada uma das etapas da decomposio multiresoluo a contribuio principal do presente mtodo, por meio da visualizao do efeito
pepita, o profissional vai inferir se deve ou no interromper a filtragem.
5.2.1 Decomposio Multi-resoluo atravs da Wavelet de Haar

A primeira anlise foi efetuada usando-se a Wavelet de Haar, a pioneira e mais simples de
todas wavelets (Mallat, 1998). Em cada etapa da anlise (obteno da aproximao e detalhe para
cada nvel) foi obtida o variograma, histograma e estatstica bsica para cada aproximao obtida,
e que sero os parmetros de controle do estudo de caso. Na Figura 5.4, Figura 5.5, Figura 5.6
e Figura 5.7 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3 e nvel 4 A4
respectivamente e o variograma, histograma e estatstica bsica para cada uma delas.
Figura 5.4 Aproximao 1 A1 (parte superior) obtida para da imagem original

mostrada na Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma
(parte inferior direita).
75


76

Figura 5.8 Imagem Original (parte superior), imagem filtrada atravs da

decomposio multi-resoluo (meio) e imagem contendo as baixas frequncias
retiradas do sinal (Imagem Original = A4 + H4).
77
Para o exemplo anterior de decomposio multi-resoluo, tem-se que

Imagem Original = A4 + H4
e obteve-se a tabela
Nvel
Mdia
Varincia
Efeito Pepita
35.22
69.68
40.01
35.22
27.98
5.03
35.22
21.06
0.68
35.22
18.55
0.16
35.22
15.02
0.15
De posse dos resultados acima, notou-se uma reduo quase total do efeito pepita, sem
mudanas no comportamento do variograma, mantendo o alcance do mesmo e sem alteraes na
mdia das imagens resultantes, que um indicador muito forte da qualidade do mtodo. Nota-se
que na aproximao de nvel 4 A4 a imagem ficou excessivamente grosseira e sem mais melhoras
expressivas nos parmetros efeito pepita e varincia, ou seja, a anlise poderia ter sido encerrada
no nvel 3.
Outro aspecto importante a diminuio da dimenso da imagem original a cada etapa da

anlise multi-resoluo, ou seja, inicialmente tinha-se uma imagem original possuindo dimenso de
256 x 256 pixels e que depois de obtida a aproximao 1 A1 notou-se que esta nova imagem tem
agora a dimenso de 128 x 128 pixels. E assim por diante tem-se que, a aproximao 2 A2 possui
dimenso de 64 x 64 pixels, a aproximao 3 A3 possui dimenso 32 x 32 pixels e finalmente a
aproximao 4 A4 possui dimenso 16 x 16 pixels. Nota-se, para este tipo de wavelet, que este
processo de retirar detalhes de uma imagem automaticamente realiza o 'upscaling' da mesma, ou
seja, tira-se as escalas que no interessam e fica-se somente com a escalas que so relevantes para
o problema. Os mtodos de 'upscaling' so muito importantes na indstria do petrleo, pois so
eles responsveis pelo processo de transferncia de escalas, no caso especfico do petrleo, passar
da escala da geologia (escala mais fina) para uma escala mais grosseira que ser utilizada no
78
simuladores de fluxo (blocos maiores), e com a garantia de que a resposta ao fluxo de ambas seja
o mais semelhante possvel.
5.2.2 Decomposio Multi-resoluo atravs da Wavelet Daubechies 8 (db8)

A segunda anlise foi efetuada usando-se a Wavelet chamada db8, que uma wavelet mais
complexa e de maior continuidade (Mallat, 1998). Em cada uma das etapas da anlise (obteno
da aproximao e detalhe para cada nvel) foram obtidos o variograma, histograma e estatstica
bsica para cada uma das aproximaes obtidas, e que sero os parmetros de controle do estudo
de caso. Em cada etapa da anlise (obteno da aproximao e detalhe para cada nvel) foi obtida
o variograma, histograma e estatstica bsica para cada aproximao obtida, e que sero os
parmetros de controle do estudo de caso. Na Figura 5.10, Figura 5.11, Figura 5.12 e Figura
5.13 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3 e nvel 4 A4 respectivamente e
o variograma, histograma e estatstica bsica para cada uma delas.

79


80


retiradas do sinal (parte inferior, onde Imagem Original = A4 + D).
81
De posse dos resultados obtidos pode-se construir a seguinte tabela:
Nvel
Mdia
Varincia
Efeito Pepita
35.22
69.68
40.01
35.22
28.62
3.81
35.22
21.10
0.29
35.22
19.70
0.03
35.21
15.02
0.01
De posse dos resultados mostrados acima, notou-se uma reduo quase total do efeito
pepita (como no exemplo anterior), sem mudanas no comportamento do variograma, mantendo o
alcance do mesmo e sem alteraes na mdia das imagens resultantes, que um indicador muito
forte da qualidade do mtodo. Nota-se que na aproximao de nvel 4 A4 a imagem ficou
extremamente ntida, em contraposio a imagem filtrada obtida anteriormente atravs da wavelet
de Haar. O efeito pepita diminuiu mais consideravelmente tambm nesta decomposio atravs da
wavelet db8, sem perda aparente de resoluo e no ocorrendo efeito de borda (efeito este
geralmente encontrado quando feita a decomposio com outro tipo de wavelet, ex: wavelet
Symlet).
5.3 Concluso
A anlise feita inicialmente com a wavelet de Haar no alterou o parmetro mdia (que se
manteve constante durante todas as etapas da anlise), mas no foi satisfatrio na imagem final,
que ficou cada vez mais difusa a cada etapa do processo. A varincia e o efeito pepita cairam de
forma expressivas. Po outro lado, a anlise efetuada com a wavelet db8 obteve melhor resultado
com a resoluo da imagem final (aproximaes de nvel maior) e no alterou o parmetro mdia
(salvo a mudana ocorrida a nvel 4, onde mdia = 35.21, ou seja, uma mudana praticamente
inexpressiva levando-se em considerao as dimenses envolvidas no problema). Como aconteceu
82
na anlise anterior, os parmetros varincia e efeito pepita tambm diminuiram.
Muitos aspectos foram deixados de lado nesta primeira abordagem. O processo de filtragem
foi feito simplesmente retirando-se continuamente os processos de alta freqncia, mas existem
mtodos de filtragem wavelet mais complexos e robustos, tal como o processo de encolhimento,
tambm chamado de wavelet shrinkage, que tem por objetivo a reduo (e remoo) do rudo
presente num sinal, diminuindo ou zerando a magnitude dos coeficientes da wavelet (Mallat,
1988).
83
Captulo 6
Decomposio multi-resoluo aplicada a filtragem em imagens de

atributos ssmicos
Neste captulo aplicou-se a decomposio multi-resoluo obtida atravs da Anlise
Wavelet na filtragem de imagens ssmicas e utilizando o mtodo nas imagens usadas na dissertao
de Mundim (1999). Assim como na filtragem 1D realizada no Captulo 4 (transferncia de
escala) utilizou-se uma subrotina criada especialmente para esse propsito, que se utiliza das
rotinas bsicas de decomposio wavelet para imagens (caso 2D) da sute matemtica Matlab e
seu respectivo toolbox Wavelet 3.0, da empresa Mathworks.
Os variogramas calculados para cada uma das imagens originais mostraram que existe
anisotropia zonal em todas elas e a existncia de vrios embricamentos, demonstrando que tais
imagens so formadas por superposio de fenmenos, ou seja, processos com escalas distintas.
De uma forma geral, foram ajustadas duas estruturas embricadas, uma de curto alcance e outra de
longo alcance, de forma o que o modelo de regionalizao dos fenmenos seja descrito como
(Mundim, 1999):
h, h0 h
curto
longo
(6.1)
Neste caso utilizou-se a decomposio multi-resoluo para realizar a filtragem dos

fenmenos mostrados no variograma de curto alcance, que est associado com o rudo6 contido na
6 A rigor, em geoestatstica o termo rudo se refere apenas ao efeito pepita. No jargo da geofsica, o termo rudo
empregado para descrever qualquer sinal aditivo que contamine os dados, classificandose em rudo branco e
rudo coerente (Mundim, 1999)
84
imagem e que fisicamente devido influncia de mltiplas.
No seu trabalho, Mundim (1999), o autor utiliza uma tcnica derivada da geoestatstica
chamada de Krigagem Fatorial KF (vide Apndice C) para efetuar a remoo de rudos e realizar
a otimizao de imagens de atributos ssmicos. Tambm mostrou-se que as imagens de atributos
ssmicos por ele utilizadas encontravam-se contaminadas por rudos e, contrariadamente ao que se
poderia esperar, principalmente no intervalo Z3, no salientam o carter geolgico dos intervalos.
6.1 Metodologia utilizada para a filtragem das imagens ssmicas atravs da decomposio
multi-resoluo atravs da Anlise Wavelet
Inicialmente escolhe-se uma das imagens ssmicas para que a filtragem seja efetuada e ento
feita a decomposio multi-resoluo da mesma para n nveis. Para cada nvel de decomposio
calculado o variograma da imagem referente a aproximao nas direes N-S (norte-sul) e L-O
(leste-oeste). Este variograma utilizado ento como critrio de parada, ou seja, ele analisado e
enquanto houver embricamento para distncias menores ou iguais a a, distncia essa igual ao
alcance dos variograma de curto alcance modelados no trabalho de Mundim (1999) e que esto
associados ao rudo que se deseja retirar da imagem. Um detalhe que no foi levado em
considerao no presente trabalho a anisotropia, pois como esta classe de wavelets no consegue
acessar este fenmeno da imagem, a distncia a escolhida como o maior dos alcances (direo
de maior variabilidade) do modelo de variograma anisotrpico de curto alcance . Quando no
existir mais embricamento visvel no variograma para a distncia a, o processo interrompido e a
imagem resultante, ltima aproximao obtida, a imagem final ou imagem filtrada.
Um resumo da metodologia ento adotada para efetuar a filtragem desses rudos associados
a mltiplas contidas nas imagens de sinais ssmicos mostrada de forma grfica no Fluxograma B
e ento sumarizada a seguir:
Calcula-se o variograma da imagem original (para as direes N-S e L-O)
85
Identificou-se no variograma o alcance a, este relacionado com o modelo de variograma de

curto alcance, fenmeno este associado ao rudo da imagem. Para cada uma das imagens
ssmicas existe um alcance especfico encontrado no trabalho de Mundim (1999).
Inicia-se ento o processo de decomposio multi-resoluo, ou seja, obteve-se uma imagem

tirando-se os detalhes a nvel 1 da mesma, ou seja, obteve-se com isso uma imagem contendo
as baixas frequncias ou aproximao nvel 1.
Calculou-se o variograma desta imagem resultante. O processo de decomposio repetido n

vezes, at que no exista mais nenhuma estrutura embricada no variograma desta imagem para
uma distncia igual ou menor que a.
Fluxograma B
6.2 Resultados Obtidos
Inicialmente feita a escolha da wavelet a ser utilizada no processo de decomposio, como

j foi mostrado anteriormente. Devido a complexidade dos fenmenos existentes nestas imagens,
evitou-se a utilizao da wavelet de Haar, pois a mesma causa (quando em nveis de
decomposio mais altos) um excessiva difuso na mesma (tornam os blocos da matriz maiores,
diminuindo com isso sua resoluo). A famlia de wavelet foi escolhida para este caso, foi a
Daubechies, no caso db8, uma wavelet bastante regular, contnua e de suporte compacto. Como
86
j foi mostrado anteriormente, em cada uma das sequncias da decomposio gerada uma
aproximao e um detalhe, A e D mostrados na figura acima, que correspondem respectivamente
as baixas e altas freqncias. O processo similar ao mostrado no Captulo 5, onde retirou-se da
imagem apenas as pequenas escalas e ficou-se com as grandes escalas, que similar a metodologia
adotada por Mundim (1999), que se utiliza da Krigagem fatorial para retirar os fenmenos de
pequena escala modelados pelo variograma de curto alcance (fenmeno este associado ao rudo).
6.1.1 Filtragem da imagem ssmica TDT (Tempo Duplo de Trnsito) da camada Z3 do

Campo de Namorado
O tempo duplo de trnsito (TDT) um atributo que mede o tempo gasto pela energia
ssmica no percurso topo-base-topo do horizonte considerado. funo da velocidade de
propagao da energia ssmica no meio, sendo que a velocidade , por sua vez, funo do prprio
meio e, geralmente, apresenta-se crescente na escala de rochas: arenito folhelho carbonato
sal (Mundim, 1999), ou seja, um bom indicador para a litologia. A imagem do atributo ssmico
TDT utilizada no trabalho foi a camada Z3 do trabalho de Mundim (1999), que corresponde a
camada mais superficial do reservatrio.
Em cada etapa da decomposio (obteno da aproximao e detalhe para cada nvel) foi
obtido o variograma, histograma e estatstica bsica para cada aproximao obtida e que sero os
parmetros de controle da filtragem. Na Figura 6.2, Figura 6.3, Figura 6.4, Figura 6.5 e Figura
6.6 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3, nvel 4 A4 e nvel 5 A5
respectivamente, assim como o variograma, histograma e estatstica bsica para cada uma delas.
O trabalho de Mundim (1999) mostra que para esta imagem ssmica, o alcance do modelo de
variograma de curto alcance de a = 650 metros.
87
Figura 6.1 Imagem original do tempo duplo de trnsito do intervalo Z3 do Campo

de Namorado (Mundim, 1999).
Efetuou-se a decomposio multi-resoluo at o nvel 5 e observou-se o comportamento

do variograma e do histograma para cada uma das aproximaes obtidas. Notou-se com isso uma
mudana bastante visvel no comportamento do variograma e do histograma para a Figura 6.4 e
Figura 6.5. No variograma da Figura 6.5 nota-se o desaparecimento de estruturas embricadas
para alcance igual ou menor que 600 metros e com isso, pelo critrio de parada escolhido, esta
imagem foi a escolhida como imagem final ou imagem filtrada, ou seja, a imagem filtrada a
aproximao de nvel 4 A4 da imagem original. Notou-se tambm um aumento no nmero de
elementos das classes mais centrais da distribuio, mas este efeito j era esperado e ocorre
quando da utilizao de filtros. Outro parmetro importante, a mdia da imagem final se manteve
praticamente o mesmo da imagem final e a varincia diminuiu, o que tambm j era esperado.
Na Figura 6.7 pode-se ento confrontar a imagem original e contaminada com rudos com a
imagem final ou filtrada obtida atravs da decomposio multi-resoluo.
88


89


90


retiradas do sinal (parte inferior, onde Imagem Original = A4 + H4).
91
6.1.2 Filtragem da imagem ssmica amplitude mnima (Amp) da camada Z3 do Campo de

Namorado
O coeficiente de reflexo depende da onda P, da densidade do meio e da razo de Poisson,
variveis que esto diretamente relacionadas a litologia, porosidade e ao contedo de fludos das
rochas em ambos os lados da interface. Por incidncia normal o coeficiente de reflexo definido
como a razo da amplitude da onda refletida em relao a onda incidente e est relacionada
impedncia acstica do meio Mundim (1999). A imagem do atributo ssmico Amp utilizada no
trabalho foi a camada Z3 do trabalho de Mundim (1999) e corresponde a camada mais superficial
do reservatrio.
parmetros de controle da filtragem. Na Figura 6.9, Figura 6.10, Figura 6.11, Figura 6.12 e
Figura 6.13 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3, nvel 4 A4 e nvel 5 A5
Figura 6.8 Imagem original da amplitude mnima do intervalo Z3 do Campo de

Namorado.
92
Como na imagem utilizada anteriormente, efetuou-se a decomposio multi-resoluo at o

nvel 5 e observou-se o comportamento do variograma e do histograma para cada uma das
aproximaes obtidas. Nota-se na sequncia dos variogramas da Figura 6.8, Figura 6.9, Figura
6.10, Figura 6.11 e Figura 6.12 uma diminuio gradual do patamar dos mesmos, ou seja, em
cada uma das etapas da decomposio era retirada uma parte considervel de energia do sinal.
Finalmente nota-se na Figura 6.12 que no existe mais nenhum embricamento para alcance menor
ou igual a 850 metros e com isso, pelo critrio de parada escolhido, esta imagem foi a escolhida
como imagem final ou imagem filtrada, ou seja, a imagem filtrada a aproximao de nvel 5 A5
da imagem original. Notou-se tambm um aumento no nmero de elementos das classes mais
centrais da distribuio, mas este efeito j era esperado e ocorre quando da utilizao de filtros.
Outro parmetro importante, a mdia da imagem final tambm se manteve praticamente a mesma
da imagem final e a varincia diminuiu, o que tambm j era esperado.
Na Figura 6.13 pode-se ento confrontar a imagem original e contaminada com rudos com
a imagem final ou filtrada obtida atravs da decomposio multi-resoluo. A imagem final ou
filtrada ficou notadamente mais suavizada.
93


94


95


96
6.1.3 Filtragem da imagem ssmica impedncia acstica mdia (Imp) da camada Z3 do

Campo de Namorado
A impedncia acstica (produto da densidade pela velocidade) um atributo obtido de um
volume ssmico aps inverso sismoestatigrfica. A inverso um algoritmo que busca incorporar
aos dados ssmicos bandas de frequncia no mostradas a partir das informaes dos perfis
snicos e de densidade obtidos nos poos. Trata-se de um atributo com forte conotao litolgica,
pois funo da densidade e da velocidade ssmica do meio Mundim (1999). A imagem do
atributo ssmico amplitude utilizada no trabalho foi a camada Z3 do trabalho de Mundim (1999) e
corresponde a camada mais superficial do reservatrio.
parmetros de controle da filtragem. Na Figura 6.15, Figura 6.16, Figura 6.17, Figura 6.18 e
Figura 6.19 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3, nvel 4 A4 e nvel 5 A5
Figura 6.14 Imagem original da impedncia do intervalo Z3 do Campo de

Namorado.
97
Da mesma forma utilizada anteriormente, efetuou-se a decomposio multi-resoluo at o

nvel 5 e observou-se o comportamento do variograma e do histograma para cada uma das
aproximaes obtidas. Notou-se com isso uma mudana bastante visvel no comportamento do
variograma e do histograma para a Figura 6.17 e Figura 6.18. No variograma da Figura 6.18
nota-se o desaparecimento de estruturas embricadas para alcance igual ou menor que 800 metros
e com isso, pelo critrio de parada escolhido, esta imagem foi a escolhida como imagem final ou
imagem filtrada, ou seja, a imagem filtrada a aproximao de nvel 4 A4 da imagem original.
Notou-se tambm um aumento no nmero de elementos das classes mais centrais da distribuio,
mas este efeito j era esperado e ocorre quando da utilizao de filtros. Outro parmetro
importante, a mdia da imagem final tambm se manteve praticamente a mesma da imagem final e
a varincia diminuiu, o que tambm j era esperado.
Na Figura 6.20 pode-se ento confrontar a imagem original e contaminada com rudos com
a imagem final ou filtrada obtida atravs da decomposio multi-resoluo.
98


99


100


101
6.3 Comparao entre a filtragem obtida atravs da MRA e a obtida atravs da KF
A seguir vai-se sumarizar os principais resultados obtidos na seo anterior e comparar os

resultados obtidos da filtragem atravs da decomposio multi-resoluo com os obtidos pela
filtragem atravs da krigagem fatorial.
6.3.1 Estatstica bsica e histogramas para cada uma das imagens filtradas
A estatstica bsica e os histogramas das imagens tempo duplo de trnsito, impedncia e
amplitude esto contidas nas figuras Figura 6.21, Figura 6.22, Figura 6.23 respectivamente.
Figura 6.21 TDT - Estatstica bsica e histogramas da Imagem original e a imagem

obtida atravs da filtragem pela MRA (parte superior) e
estatstica bsica e
histogramas da Imagem original e a imagem obtida atravs da filtragem KF.
102
Figura 6.22 Impedncia - Estatstica bsica e histogramas da Imagem original e a

imagem obtida atravs da filtragem pela MRA (parte superior) e estatstica bsica e
Figura 6.23 Amplitude - Estatstica bsica e histogramas da Imagem original e a

imagem obtida atravs da filtragem pela MRA (parte superior) e estatstica bsica e
103
A partir dos resultados mostrados nas figuras acima obtm-se as tabelas abaixo:
L
Mdia e varincia para a filtragem da imagem ssmica TDT para a imagem original e cada um
dos mtodos de filtragem
TDT
varincia
Imagem Original
16.74
3.97
KF
16.74
1.53
MRA
L
mdia
16.74
2.63
Mdia e varincia para a filtragem da imagem ssmica Imp para a imagem original e cada um
Impedncia
varincia
Imagem Original
8163
9639
KF
8162
4287
MRA
L
mdia
8105
7722
Mdia e varincia para a filtragem da imagem ssmica Amp para a imagem original e cada um
Amplitude
mdia
varincia
Imagem Original
-92.2
122.7
KF
-91.2
5.95
MRA
-93.1
13.4
Pela comparao dos resultados mostrados nas tabelas anteriores, nota-se que os mtodos
so praticamente equivalentes quanto ao parmetro mdia da imagem final, ou seja, eles
praticamente mantiveram a mdia da imagem original. Quanto ao parmetro varincia, o mtodo
de MRA de alguma forma conservou melhor a variabilidade da imagem original, isto ocorrendo
em todos as imagens filtradas.
104
Os histogramas obtidos para ambas os mtodos de filtragem se equivalem qualitativamente,

sendo que os obtidos por meio das imagens filtradas atravs da MRA , mostra que o mtodo
conservou melhor os elementos situados nas caudais da distribuio.
6.3.2 Validao Cruzada para cada uma das Imagens Filtradas
Pela anlise da Figura 6.24, Figura 6.25, Figura 6.26, Figura 6.27, Figura 6.28 e Figura
6.29 pode-se confirmar o que j foi visto anteriormente atravs da anlise de histogramas, as
validaes cruzadas das imagens obtidas atravs da MRA mostram que o mtodo conservou
melhor os elementos situados nas caudais da distribuio. Em outras palavras, ele de alguma
forma continua conservando parte da variabilidade da imagem original.
Comparando as validaes cruzadas obtidas para a imagem ssmica tempo duplo de trnsito
na Figura 6.24 (MRA) e Figura 6.25 (KF) nota-se que a nuvem obtida para a imagem filtrada
atravs da MRA apresentou uma melhor simetria em torno da 1a bissetriz.
Esta mesma comparao efetuada entre as validaes cruzadas obtidas para a imagem
impedncia acstica na Figura 6.26 (MRA) e Figura 6.27 (KF) mostra que a nuvem obtida para
a imagem filtrada atravs da MRA apresentou uma melhor simetria em torno da 1a bissetriz, o que
no acontece com a nuvem obtida para a imagem filtrada atravs da KF.
J para as validaes cruzadas obtidas para a imagem ssmica amplitude na Figura 6.28
(MRA) e Figura 6.29 (KF) mostra que a nuvem obtida para a imagem filtrada para ambas as
imagens se mostrou bastante difusa, mas ainda assim a nuvem obtida para a imagem filtrada
atravs da MRA mostra-se mais simtrica em relao 1a bissetriz.
105
Figura 6.24 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da KF.
atravs da MRA.
106
atravs da KF.
atravs da MRA..
107
atravs da KF.
atravs da MRA.
108
Calculou-se tambm o parmetro que mede a disperso da imagem original e a imagem

filtrada, definido como (Journel, 1989)
S 2,
1
n
{,
n
i 1
x i1 y i 2
e que tambm chamado de disperso em torno da primeira bissetriz e onde xi um ponto da

imagem original, yi um ponto da imagem filtrada e n o nmero total de pontos da matriz
imagem. Com isso obteve-se as seguintes tabelas, disperso esta relativa a imagem original:
Disperso
KF
MRA
TDT
16.15
13.66
Impedncia
42474
52911
Amplitude
969.6
1019.8
Nota-se que de uma maneira geral, que a imagem filtrada atravs da MRA apesar de
conservar a mdia e ainda assim conservar melhor parte da variabilidade da imagem original, de
alguma forma alterou bem mais a imagem original, o que se v com os parmetros de disperso
acima, bem maiores do que os obtidos da imagem filtrada atravs da KF.
6.3.3 Variogramas para cada uma das Imagens Filtradas
Comparando agora os variogramas obtidos das imagens filtradas atravs da MRA e os

variogramas obtidos das imagens filtradas atravs da KF, mostra tambm que os variogramas das
imagens filtradas atravs da MRA conservam melhor a variabilidade das imagens iniciais, ou seja,
estes variogramas esto mais prximos ao variograma da imagem original que os obtidos das
imagens da KF.
109
Figura 6.30 TDT - Variograma da Imagem original, Imagem filtrada atravs da

MRA e KF, em azul, verde e vermelho respectivamente.
Figura 6.31 Impedncia - Variograma da Imagem original, Imagem filtrada atravs

da MRA e KF, em azul, verde e vermelho respectivamente.
110
Figura 6.32 Amplitude - Variograma da Imagem original, Imagem filtrada atravs

da MRA e KF, em azul, verde e vermelho respectivamente.
111
6.3.4 Comparao Visual entre as Filtragens
A seguir pode-se comparar de uma forma qualitativa (no visual) as imagens obtidas atravs
da MRA e as obtidas atravs da KF.
Na Figura 3.33, que confronta a imagem filtrada do atributo ssmico TDT obtido atravs da
MRA com a obtida atravs da KF, mostra que os resultados obtidos so qualitativamente
parecidos, principalmente com respeito parte central do reservatrio, onde em ambas as imagem
pode-se notar a existncia de um corpo acanalado que entra pela face sul do reservatrio. Nota-se
entretanto que a imagem obtida atravs da MRA mostra mais detalhes, ou seja, mostra-se menos
atenuada (suavizada) que a imagem obtida atravs da KF.
J na Figura 3.34, que confronta a imagem filtrada do atributo ssmico Imp obtido atravs
da MRA com a obtida atravs da KF, mostra que os resultados obtidos so visualmente
diferentes, pelo menos no que diz respeito ao formato dos corpos em geral encontrados em ambas
as imagens. Nota-se tambm que a imagem obtida atravs da MRA mostra-se mais atenuada que
a imagem obtida atravs da KF.
Na Figura 3.35, que confronta a imagem filtrada do atributo ssmico Amp obtido atravs da
MRA com a obtida atravs da KF, mostra que apresentam resultados qualitativamente
equivalentes, pelo menos no que diz respeito ao formato dos corpos em geral encontrados em
ambas as imagens. Nota-se entretanto, que neste caso, a imagem obtida atravs da MRA mostrase bem mais atenuada que a imagem obtida atravs da KF.
112
Figura 6.33 TDT - Imagem filtrada atravs da MRA (parte superior) e a imagem
filtrada atravs da KF (parte inferior).
Figura 6.34 Impedncia - Imagem filtrada atravs da MRA (parte superior) e a

imagem filtrada atravs da KF (parte inferior).
113
Figura 6.35 Amplitude - Imagem filtrada atravs da MRA (parte superior) e a

imagem filtrada atravs da KF (parte inferior).
114
Concluso
Esta dissertao mostra alguns fundamentos importantes da Anlise Wavelet e de como a

mesma se revela uma tcnica importante para o processamento de sinais geofsicos (perfis
geofsicos e ssmica). O mtodo particularmente bem adaptado tanto para a anlise de processos
estacionrios, quanto para processos no estacionrios. Em contraste com as tcnicas clssicas
existentes de processamento de sinais (Transformada de Fourier, Transformada de Fourier de
Curta Durao, entre outras), a Anlise Wavelet permite uma excepcional localizao tanto no
domnio do tempo, atravs da translao de suas wavelets, quanto no domnio da frequncia,
atravs da dilatao ou expanso das mesmas.
A aplicao da Anlise Wavelet na transferncia de escala em perfis geofsicos (caso 1D

mostrado no Captulo 4) deve-se ao fato de que a tcnica bem adaptada para o processamento
de sinais no estacionrios, ou seja, simplesmente utilizou-se uma tcnica adequada ao sinal com
o qual se est trabalhando. A literatura atual j mostra a Anlise Wavelet como uma ferramenta de
comprovada eficincia no tratamento de sinais 1D no estacionrios, sendo assim, no houve a
necessidade de comparao entre os resultados obtidos com outras filtragens obtidas atravs de
outras tcnicas clssicas de processamento de sinais (Transformada de Fourier, Transformada de
Fourier de Curta Durao, entre outras).
115
O processo de filtragem realizado nas imagens de atributos ssmicos no Captulo 5 mostra a

capacidade que a MRA tem em acessar as informaes existentes em vrias escalas e localiz-las
espacialmente, o que de extrema importancia no tratamento de imagens. O processo de filtragem
foi realizado tendo como referncia a utilizao do variograma, que se mostrou uma ferramenta de
controle eficiente na hora de decidir quando o processo de decomposio deve ser abortado. De
uma forma geral, a filtragem obtida atravs da MRA conservou a mdia da imagem original (salvo
pequenas flutuaes), mas ainda assim reduziu a varincia da mesma, o que comum com o uso
de filtros, mas essa diminuio foi bem menor que a ocorrida na filtragem atravs da KF, ou seja,
a filtragem atravs da MRA est de alguma forma conservando melhor a variabilidade do
conjunto de dados original (imagem inicial). Atravs dos histogramas das imagens filtradas podese observar que a filtragem atravs da MRA conservou melhor os menores e os maiores valores
da imagem original, o que pode tambm pode ser notado nos grficos obtidos para a validao
cruzada.
Pela anlise dos variogramas pode-se observar que o patamar do variograma da imagem
filtrada atravs da MRA est mais prximo do patamar do variograma da imagem original, ou
seja, confirmando o que j vinha sendo mostrado, que parte da variabilidade dos dados originais
est sendo mantida. Mostrou-se com isso que a filtragem atravs da MRA um mtodo de grande
potencial e aplicabilidade no tratamento de sinais geofsicos e que o uso combinado com as
ferramentas da geostatstica (variogramas, validaes cruzadas, entre outras) se mostrou bastante
eficiente.
116
Apndice A
Krigagem Fatorial
A teoria geral da Anlise atravs da Krigagem Fatorial ou FKA (do ingls Factorial Kriging
Analysis) foi desenvolvida por Matheron (1982). A FKA foi utilizada por Galli, Gerdil-Neuillet &
Dadou (1984) como uma tcnica para separao de anomalias magnticas. A FKA assume que
um fenmeno regionalizado pode ser visto como uma soma linear de subfenmenos independentes
atuando em diferentes escalas, cada qual apresentando seu prprio variograma ou modelo de
covarincia do fenmeno regionalizado. Desta forma, uma varivel regionalizada com
estacionaridade de segunda ordem Z x pode ser decomposta em uma soma de sua mdia
m x , representada por E Z x , com n variveis regionalizadas no correlatas com mdia
zero Z n x :
Z x , Z 0 x 0... 0 Z n x 0 m x
O variograma imbricado ser a soma linear de seus variogramas constituintes
h , 0 h 0...0 n h
e
A componentes estimada Z n [ x \ dado pela combinao linear:
117
Z n x ,
,1
Z x
O sistema de krigagem resolvido em uma vizinhana com n pontos amostrados
,1
x 1 x 0, n x 1 x0
,1
com
,0
1,..., n .
118
Apndice B
Algoritmos Utilizados
Os algoritmos utilizados e implementados neste trabalho esto listados abaixo com um
respectivo resumo de utilizao do mesmo.
VARIO1D
Calcula o variograma para um conjunto de dados unidimensional e cuja sintaxe da forma :
var = vario1d(vet), onde vet o vetor a ser variografado (input) e var o variograma calculado
(output).
VARIO2D
Calcula o variograma para um conjunto de dados bidimensional e cuja sintaxe da forma :
[var1 var2] = vario2d(mat), onde mat a imagem a ser variografada (input) e var1 o
variograma calculado na direo NS e var2 o variograma calculado na direo LO (output).
ANALISE1D
Realiza a decomposio multi-resoluo do sinal (perfil). O uso do algoritmo est restrito
aos perfis mostrados no trabalho. Sua utilizao bastante simples e resumida abaixo:
1. Digite no prompt do MATLAB o comando analise1d

2. Escolha o nome do poo a ser utlizado
3. Escolha o atributo
4. Escolha a wavelet
119
5. Escolha o nvel da decomposio
A sada grfica e mostra em cada uma das decomposies, e seus respectivos variograma e
histograma.
FILTRAGEM2D
Assim como o algoritmo analise1d, este algoritmo est otimizado para trabalhar apenas com
as imagens mostradas no trabalho. Posteriormente ser realizada a adaptao do programa para
que sua utilizao seja possvel com qualquer conjunto de dados bidimensional (imagens) estar
disponvel
para
download,
assim
como
ftp://ftp.ige.unicamp.br/pub/prota
120
os
outros
algoritmos
em
Referncias Bibliogrficas
Abry, P., Ondelettes et turbulence. Multirsolutions, algorithmes de dcomposition,

invariance d'chelles, Diderot Editeur, Paris, 1997
Astaf'eva, N.M. Wavelet Analysis: basic theory and some applications, Physics Uspekhi, vol.
39, no. 11, pp. 1085 1108, 1996
Brewer, K.E., Wheatcraft, S.W. Including multi-scale information in the characterization of

hydraulic conductivity distributions, Wavelet in Geophysics, Efi Fourfoula-Georgiou and
Praveen Kumar (eds), pp. 213 248, 1998
Daubechies, I. Orthonormal Bases of Compactly Supported Wavelets, Comm Pure and Appl.
Math,. vol. 41, no. 7, pp. 909-996, 1988.
Daubechies, I. Ten Lectures on Wavelets, Society for Industrial and Applied Mathematics,
Philadelaphia, Pennsylvania, 1992.
Chan, Y.T. Wavelet basics, Boston, Kluver Academic Publisher, 1995
Chu, L., Schatzinger, R.A., Tharn, M.K. Application of wavelet analysis to upscaling of rock
properties, SPE 36517, 1996
Doveton, J.H. Geologic log analysis using computer methods, AAPG Computer Applications in
121
Geology, #2, Tulsa, 1994
Galli, A., Gerdil-Neuillet, F., Dadou, C. Factorial kriging analysis: A substitute to spectral
analysis of magnetic data, G. Verly et al. (eds), Geostatistical for natural resources
characterization, Part 1, D Raidal Publishing Company, pp. 543 557, 1984
Graps, A. An Introduction to wavelets, IEEE, vo. 2, no. 2, 1995

Grossman, A., Morlet. J., Mathematics and Physics, 2, L, Streit, Ed., World Scientific
Publishing, Singapore, 1997
Jansen, F.E. Upscaling of reservoir properties using wavelets, SPE 39495, 1998
Journel, A., Fundamentals of Geostatistics in Five Lessons (Short Course in Geology, Vol 8).
Amer Geophysical Union, 1989
Kumar, A., Farmer, C.L., Jerauld, G.R.,Li, D. Efficient upscaling from cores to simulation
models, SPE 38744 presented at the ATCE held in San Antonio, 1997.
Kumar, P., Fourfoula-Georgiou, E. Wavelet analysis in geophysics: An introduction, Wavelet

in geophysics, Efi Fourfoula-Georgiou and Praveen Kumar (eds), pp. 213 248,1994
Liu, P.C. Wavelet spectrum and ocean wind waves, Wavelets in Geophysics, Efi FourfoulaGeorgiou and Praveen Kumar (eds), pp. 151 166, 1996
Mallat, S. A Theory for Multiresolution Signal Decomposition: Wavelet Representation,

IEEE Trans. Pattern Anal. Mach. Intellig., no. 11, pp. 674-693, 1989
Massel, S.R. Wavelet analysis for processing of ocean surface wave records, Ocean
Engineering, no. 28, 957 987, 2001
122
Matheron, G. Pour une analyse krigeante de donns rgionalses. Internal Report, no. 732,
Centre de Geostatistics, Fontainebleau, 1982
Mathworks, Inc. Wavelet Toolbox: User's Guide, internet, 2001
Meyer, Y. Wavelets and Applications, Procceedings of the International Conference, Marseille,

France, May, 1989a
Meyer, Y. Ondelletes et oprateurs, Tome 1, Hermann Ed. (English Translation: Wavelet and
operators, Cambridge University Press), 1989b
Morlet, J. Sampling theory and wave propagation, Proc. 51st Annu. Meet. Soc. Explor.
Geophy., Los Angeles, 1981
Mundim, E.C. Avaliao da Krigagem fatorial na filtragem de atributos ssmicos: um filtro

geoestatstico aplicado caracterizao de reservatrios, Dissertao de Mestrado,
Faculdade de Engenharia mecnica, Universidade Estadual de Campinas, 1999
Mundim, E.C., Remacre, A.Z., Johann, P. Seismic data factorial kriging analysis: a
geostatistical filtering applied to reservoir characterization, Society Exploration
Geophysicists - The Leading Edge, vol. 18, no. 7, 787, 1999
Oliver, M.A., Borch, E., Slocum, K. Wavelets and kriging for filtering and data
reconstruction, WJ Kleingeld and DG Krige (eds), Geostats 2000, Cape Town, Copyright
2000
Panda, M.N, Mosher, C., Chopra, A.K. Application of wavelet transform to reservoir data
analysis ans scaling, SPE 36516, 1996
Prokoph, A., Agtemberg, F.P. Wavelet analysis off well-logging data fro oil source rock, Egret
Member, Offshore eastern Canada, AAPG Bulletin, vol. 84, no. 10, pp. 1617 1632,
123
2000
Prokoph, A., Barthelmes, F. Detection of nonstationarities in geological time-series: Wavelet

Transform of chaotic and ciclic sequences, Computer and Geosciences, vol. 22, no. 10,
pp. 1097 1108, 1996
Seron, F.J., Baddal, J.I., Sabadell, F.J. Spatiall prediction procedures for regionalization and
3-D imaging of Earth structures, Physics of the Earth and Planetary interior, vol. 123, pp.
149 168, 2001
Silva, A. Anlise de perfis geofsicos de poo no domnio de Fourier e sua integrao com a
aquisio ssmica no modelamento de reservatrios, relatrio de projeto de pesquisa
(processo 99/11140-9) de Ps-doc junto ao DARM IG / UNICAMP, FAPESP, 2001
Silva, A., Remacre, A.Z. Geological constrained log filtering as a basis for scale transference,
SPE 69484, 2001
Strang, G., Nguyen, T. Wavelets and filter banks, Wellesley, Cambridge Press
Torrence, C., Compo, G.P. A practical guide to wavelet analysis, Bulletin of the American
Meteorololical Society, vol. 79, no. 1, 61 78, 1998
Valens, C. A really friendly guide to wavelets, internet, 1999
124

Análise Wavelet Aplicada A Sinais Geofísicos

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Análise Wavelet Aplicada A Sinais Geofísicos

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECNICA

Anlise Wavelet Aplicada a Sinais Geofsicos

Autor: Joo Marcelo Brazo Protzio

UNIVERSIDADE ESTADUAL DE CAMPINAS

Anlise Wavelet Aplicada a Sinais Geofsicos

Curso: Cincias e Engenharia de Petrleo

Dissertao de mestrado apresentada Sub-Comisso de Ps-Graduao da

UNIVERSIDADE ESTADUAL DE CAMPINAS

Anlise Wavelet Aplicada a Sinais Geofsicos

Campinas, 16 de abril de 2002

FICHA CATALOGRFICA ELABORADA PELA

Protzio, Joo Marcelo Brazo

As crianas no devem chorar

localizao tanto no tempo quanto na

freqncia mostra-se uma caracterstica bem adaptada para o tratamento de sinais no

3.7.1 Transformada Wavelet Ortogonal...........................................................................39

6.1.3 Filtragem da imagem ssmica impedncia acstica mdia (Imp) da camada Z3 do

filtrada atravs da KF (parte inferior) .........................................................................................107

WFT Transformada de Fourier de curta durao, do Ingls Windowed Fourier Transform

A transformada wavelet1 uma transformao integral onde os ncleos de integrao usados

elementares de construo usados para a decomposio ou expanso de um processo em uma

Sendo assim, a Transformada Wavelet capaz de revelar aspectos em um sinal que no

Com estas caractersticas singulares e bem adaptadas anlise de sinais, a Transformada

A motivao principal deste trabalho aplicao da Anlise Wavelet na anlise de sinais

Os objetivos bsicos do trabalho so a adaptao e implementao de mtodos numricos

1.2 Organizao da dissertao

A presente disssertao est organizada da seguinte forma: o Captulo 1 apresenta as razes

Os fundamentos tericos da Anlise Wavelet, assim como a comparao da mesma com

No Captulo 4, a Anlise Wavelet utilizada na transferncia de escalas em um sinal de

No Captulo 5 a Anlise Wavelet aplicada na supresso de rudo em uma imagem de uma

No Captulo 6, a Anlise Wavelet ser aplicada supresso de rudos em imagens de

No Concluso, finalmente, sero sumarizadas as principais concluses do trabalho.

O conceito de Transformada Wavelet foi formalizado pela primeira na dcada de 80 atravs

potencialidade de aplicaes em vrias reas. Mostrou-se que as wavelets so funes

No trabalho de Prokoph & Barthelmes (1996), a anlise obtida atravs da Transformada

trabalho de Liu (1996), a

anlise do espectro obtido atravs da Transformada Wavelet foi

aplicada a um conjunto de dados de ventos ocenicas, coletados durante o programa SWADE

O trabalho de Chu (1996) apresenta uma nova forma de obteno de upscaling em

3.1 Anlise no tempo e na freqncia

A reconstruo da funo original a partir de sua representao ou transformada deve ser

As duas primeiras condies caracterizam essencialmente a propriedade conhecida como

3.2 Transformada de Fourier

Para muitos sinais, a Transformada de Fourier extremamente til, pois o contedo de

A Transformada de Fourier possui uma peculiaridade indesejvel. Na transformao do sinal

Se um sinal no se altera no tempo, ou seja, se um sinal dito estacionrio, esta

Formalmente, a Transformada de Fourier de uma funo f t , definida em Kumar &

e fornece informaes sobre o contedo de freqncia de um processo ou sinal, mas no fornece

f b2 , destes dois sinais, respectivamente. Como se

observa, o espectro incapaz de fazer qualquer distino entre os dois sinais.

Variaes de freqncias dependentes do tempo so muito comuns na msica, voz humana,

3.3 Transformada de Fourier de Curta Durao

funo bidimensional definida no tempo e na freqncia e representa uma forma de compromisso

Figura 3.1 Anlise espectral atravs da Transformada de Fourier e atravs da

, de (a) e (b) respectivamente e finalmente as Figuras (d) e (e)

Apesar da WFT fornecer informao sobre tempo e freqncia, a desvantagem que

Formalmente, na WFT, a localizao temporal pode ser obtida atravs do janelamento do

localmente e na vizinhana do ponto t, a amplitude da componente de onda sinusoidal de

A representao desta funo f t em um plano (, t) denominada de representao no

A WFT preserva a energia do sinal, ou seja,

(o que ser assumido a partir de agora), e inversvel e sua

transformada inversa definida em (Kumar & Foufolla, 1994) como