Académique Documents
Professionnel Documents
Culture Documents
Les Ondellete
Les Ondellete
Chapitre 2
Les ondelettes
Rsum
Lobjet de ce premier chapitre est de presenter les ondelettes que nous allons utiliser
dans la suite de ce travail. Nous les situerons dans le panorama plus large de lanalyse
tempsfrequence, puis nous rappellerons leurs proprietes fondamentales.
2.1
Frquence locale
Les ondelettes ont ete introduites il y a presque 50 ans pour combler une lacune entre
deux modes extremes de representation du signal : la representation dune fonction par son
graphe classique de R dans R, ce qui correspond `a une decomposition sur la base continue
des distributions de Dirac :
Z
f (t) =
f (u)(t u)du
R
La premi`ere representation donne une information precise en temps : la valeur f (t) indique lintensite du signal au temps t. En revanche linformation frequentielle est nulle. La
valeur en un point de f ne donne aucune information sur le (( contenu frequentiel )) du
` linverse, la representation de Fourier donne une information tr`es precise en
signal f . A
frequence, mais ne donne aucune information temporelle. Pour prendre une analogie musicale, supposons que la courbe f represente un son. La representation temporelle f permet
de lire la localisation temporelle du signal, cest-`
a-dire : ici on entend un son, l`
a on nentend
rien, sans que lon puisse savoir quelle est la hauteur du son, ou bien les notes qui composent
un accord. En revanche, la representation frequentielle permet de dire : cet air de musique
contient un la, un si, un re [ et pas de sol, mais cette representation ne permet de dire quand
ces notes (de duree finie) sont jouees.
18
Linegalite de Heisenberg est une inegalite fondamentale qui secrit pour toute fonction f
de norme 1 :
(f )(f) >
1
2
(H)
Si on appelle largeur frequentielle dune fonction f la largeur de sa transformee de Fourier f, cette inegalite interdit donc davoir une fonction avec des largeurs temporelle et
frequentielle toutes deux aussi petites que lon veut.
On connat egalement les fonctions qui realisent le minimum de cette limite theorique :
ce sont les fonctions gaussiennes translatees et modulees :
Ae(tt0 )
/2t2 i0 t
o`
u A est un coefficient de normalisation tel que la fonction ait une norme L2 egale `a 1, qui
depend de t. Pour de telles fonctions, et seulement pour ces fonctionsl`
a, linegalite (H)
devient une egalite. Ces fonctions ont ete appelees ondelettes de Gabor.
2.2
19
t
(a) Dirac
t
(b) Fourier
o`
u g0 (t) = A0 et /2t . Ce mode dapproximation est egalement appele analyse de
Fourier `
a fenetre.
Une deuxi`eme approche est lapproche tempsechelle, dans laquelle la largeur spatiale
des fonctions g est inversement proportionnelle `a la frequence (le produit 0 t est
constant et egal `
a c). On obtient alors, `a un facteur de module 1 pr`es, une forme
relativement simple pour les differentes ondelettes :
1
t t0
gt0 ,t (t) = g0
t
t
2
o`
u g0 (t) = A0 et
/2t2 ict
e .
20
Les pavages du plan tempsfrequence donnent une idee de la difference des deux approches. Dans le cas de lanalyse tempsfrequence, le pavage obtenu est une pavage par des
domaines rectangulaires qui se deduisent les uns des autres par translation dans le plan
tempsfrequence. Dans le cas de lanalyse tempsechelle, les domaines sont egalement de
surface constante, mais ont une resolution frequentielle relative /0 constante.
t
(a) Tempsfr
equence
t
(b) Temps
echelle
2.3
R
On remarque que si transformee de Fourier de est reguli`ere, elle doit necessairement
sannuler en 0, ce qui exclut doffice la fonction de Gabor que nous avions indiquee ci
dessus. En pratique, on considerera que la fonction de Gabor satisfait presque la condition
dadmissibilite, dans la mesure o`
u sa transformee de Fourier prend une valeur tr`es petite
(mais non nulle) en 0.
On definit la transformee en ondelettes continue Wf de la fonction f par la formule
suivante :
Z
1
t
Wf (t,s) =
f ( )
d
(2.2)
s
s
R
21
1
C
ZZ
1
W(,s)
s
2
R
t
s
ds
s2
(2.3)
Z
R
2.4
1
s
t0 t
s
t0
dt0
22
rapide )), pour laquelle londelette de base doit etre ecrite comme convolution infinie de filtres
discrets. Plus exactement, soit un couple de filtres discrets (m0 ,m1 ) :
k
7 m0 [k]
k
7 m1 [k]
k Z,
k Z;
(2.5)
(2.6)
()
=
+
Y
m0
2k
()
= m1
2
2
(2.7)
k=1
(2.8)
Sous certaines conditions sur m0 et m1 , la famille (jk ) est une base orthogonale, et la
decomposition en ondelettes dune fonction echantillonnee peut etre effectuee par un algorithme rapide constitue dune cascade de filtrages et de sousechantillonnages.
Cette approche reduit considerablement la complexite de la construction dune ondelette.
Au lieu de choisir une fonction, on choisit lensemble discret (et en general fini) des coefficients
des deux filtres.
2.5
Analyses multi-rsolutions
Le cadre danalyse de ces ondelettes qui sexpriment `a laide de filtres discrets sest considerablement developpe ces derni`eres annees, et nous disposons de tout un jeu de theor`emes
reliant les proprietes des ondelettes et celles de filtres discrets. Par ailleurs, il existe plusieurs
familles classiques dondelettes qui portent en general soit le nom de leur createur, soit celui
dune propriete.
2.5.1
Cadre thorique
Le cadre theorique pose par Stephane Mallat est base sur la notion danalyse multiresolutions. Une analyse multi-resolutions est une famille de sous-espaces de L2 (R) notee
(Vj )jZ , qui ont les proprietes suivantes :
(
)
X
Vj =
ak jk : ak R
(Espace de Riesz)
(2.9a)
kZ
Vj Vj+1
(2.9b)
Vj = {0}
(2.9c)
Vj = L2 (R)
(2.9d)
jZ
jZ
23
doit etre continue. Une fonction avec une decroissance en espace trop faible nest
donc pas admissible.
Intuitivement, nous pouvons considerer que lensemble des fonctions de Vj+1 constitue
un ensemble plus (( riche )) ou plus (( dense )) que Vj , ce qui ne signifie nullement de
relation dinclusion. Lhypoth`ese (2.9b) limpose.
Pour des raisons dinvariance par translation et par changement dechelles relatives, on
peut verifier que cette hypoth`ese est equivalente `a supposer que V1 , ce qui signifie
quil existe une suite de coefficients (m0 [k])kZ telle que
X
(t) = 2
m0 [k](2t k)
(2.10)
kZ
(2.11)
t 7
dk (t k) : ak R
kR
Ceci impose que la fonction soit dans lespace V1 , et secrive comme combinaison lineaire
des fonctions (t 7 (2t k))kZ :
(t) =
m1 [k](2t k)
kZ
(2.12)
24
On montre que les fonctions et sont alors definies par les seules donnees des filtres
discrets m0 et m1 . Les formules sont
()
=
+
Y
m0
2k
()
= m1
2
2
(2.13a)
par (2.12).
(2.13b)
k=1
2.5.2
(2.14)
Vj Wj Wj 0 1 = Wj 0
(2.15)
+
M
Wj 0
(2.16)
j 0 =j
L2 (R) =
+
M
Wj 0
(2.17)
j 0 =
La reunion des bases de Riesz de chacun des espaces de ces sommes directes fournit ainsi
plusieurs bases dondelettes :
Bj = {jk : k Z} {j 0 k : j 0 > j, k Z}
B = {jk : j Z, k Z}
2.5.3
(2.18)
(2.19)
Transforme en ondelettes
La transformee en ondelettes sapplique `a des signaux echantillonnes sur une grille discr`ete, et en general cet echantillonnage consiste `a approcher une fonction de L2 (R) par
X
f=
2j/2 f [k/2j ]jk
kZ
o`
u lechantillon f [k/2j ] peut lui aussi etre estime par :
f [k/2j ] ' f (k/2j )
Le signal dont on part est donc represente sur une base de Riesz de Vj . Appliquer `a ce signal
une transformation en ondelettes jusqu`
a lechelle L Z revient `a representer ce signal sur
une base adaptee `a la somme directe :
VL WL WL+1 Wj1
25
Dj () =
djk eik
kZ
26
Ces filtres definissent les ondelettes duales et par des relations identiques `a (2.13a)
et (2.13b) :
()
=
+
Y
m
0
2k
()
=m
1
2
2
(2.20a)
k=1
(2.20b)
kZ
2.5.5
djk = 2
m
1 [k]aj+1,2lk
lZ
1X
m0 [2l k]ajl + m1 [2l k]djl
2
lZ
a0,k
27
m
0
21
m
0
21
m
0
21
m
1
21
m
1
21
m
1
21
d1,k
d2,k
a3,k
d3,k
(a) Transform
ee directe
a3,k
d3,k
12
m0
12
m1
d2,k
12
m0
12
m1
12
m0
12
m1
a0,k
d1,k
(b) Transform
ee inverse
Fig. 2.3 Transformees en ondelettes rapides. Les cercles sur fond grise designent les composantes dentree, tandis que les cercle sur fond blanc designent les composantes de sortie.
28
2.5.6
Les ondelettes orthogonales sont des ondelettes telles que la famille t 7 2j/2 (2j t
ce qui
k) j,kZ soit une base orthogonale de L2 (R). Cest le cas d`es que = et = ,
equivaut `a ecrire que la matrice de transfert et la matrice de transfert duale sont egales, soit
encore que la matrice de transfert est unitaire pour tout . Ceci se traduit par la contrainte
sur les filtres m0 et m1 par :
|m0 ()|2
+
|m0 ( + )|2
= 1
m0 ()m1 () + m0 ( + )m1 ( + ) = 0
|m1 ()|2
+
|m1 ( + )|2
= 1
Dans ce cas, les filtres m0 et m1 sont appeles filtres miroirs en quadrature, selon la
terminologie dEsteban et Galand et reprise par Adelson et Simoncelli. De plus les
sommes directes qui apparaissent dans les formules cidessus sont toutes orthogonales. En
pratique le choix des filtres se reduit au seul choix de m0 , car alors un choix pour m1
simpose :
m1 () = ei m0 ( + )
Historiquement, les premi`eres ondelettes qui ont ete mises au point sont les ondelettes
orthogonales (Meyer, Mallat), si bien que les familles dondelettes non orthogonales ont
recu lappellation dondelettes biorthogonales. Le prefixe (( bi )) est cense rappeler que deux
bases dondelettes sont utilisees, une pour lanalyse (la base duale) et une pour la reconstruction. Une etude systematique des ondelettes biorthogonales a ete menee par Cohen,
Daubechies et collaborateurs.
Il existe un certain nombre de familles dondelettes orthogonales couramment utilisees.
Les plus connues sont sans doute les ondelettes de Daubechies. Ces ondelettes resultent
de compromis optimaux entre deux crit`eres contradictoires : le nombre de moments nuls
des ondelettes et la taille de leur support (ces deux crit`eres contradictoires rappellent dans
une certaine mesure linegalite de Heisenberg). Il existe dautres familles dondelettes orthogonales, comme les coiflets, du nom de Ronald Coifman, ou les symmlets qui sont des
ondelettes presque symetriques.
Les bases dondelettes orthonormees ont un avantage theorique considerable dans les
probl`emes de compression ou de debruitage : dune part la metrique derreur utilisee est
en general la metrique L2 , et celle-ci sexprime tr`es simplement avec les coefficients dune
decomposition dans une base orthonormale. Dans le cas du debruitage, il se trouve egalement quun bruit blanc gaussien a une decomposition egalement tr`es simple dans une base
orthonormale : les coefficients sont alors egalement des variables gaussiennes independantes
centrees et de meme variance.
En pratique, en revanche, les ondelettes orthogonales noffrent pas la meme souplesse dans
leur conception que les ondelettes biorthogonales, et on peut egalement montrer quelles ne
peuvent jamais etre symetriques (`
a un cas trivial pr`es). Il faut noter que la relation duale
entre la base danalyse des jk et de reconstruction des jk est symetrique, et que les r
oles
peuvent etre interchanges, on peut tr`es bien utiliser la base (jk )j,kZ pour lanalyse et
29
hjk ,f ijk
j,kZ
2.6
pour tout k dans {0, . . . ,p 1}. Ceci revient `a ecrire que la transformee de Fourier de a
un zero dordre p en = 0, ou `a dire que est orthogonale `a tous les polyn
omes de degre
inferieur `
a p.
On peut montrer alors que si une fonction f est p fois contin
ument derivable dans un
intervalle I, ses coefficients dondelettes hjk ,f i decroissent en 2j(p+1/2) dans I, cest `a dire
quil existe une borne M telle que
si supp jk I
hjk ,f i 6 M 2(p+1/2)j
Pour montrer cette majoration, il suffit dappliquer la formule de Taylor `a la fonction
f autour du centre de londelette jk . Si u = k/2j , on a :
f (t) =
p1
X
(t u)p
k=0
p!
o`
u la fonction r(t) est bornee par la derivee pi`eme de f . Quand on fait le produit scalaire de
f avec jk , la somme de termes polyn
omiaux disparat, et il ne reste que
Z
hjk ,f i = (t u)p r(t)jk (t)dt
Z
= tp r(t + u)j0 (t)dt
dont on montre par un simple changement de variable quil est majore par M 2(p+1/2)j .
On voit donc que la regularite locale de la fonction conditionne la decroissance en echelles
des coefficients dondelettes. Une quasireciproque est egalement vraie : si la decroissance
30
x = k/2j
Fig. 2.4 Coefficients dondelettes dune fonction `
a support compact. On voit notamment
que les coefficients restent importants autour des singularites pour des j croissants.
des coefficients est de lordre M 2(p+1/2)j , et si est pLipschitz, alors la fonction est
rLipschitz pour tout r < p.
Pour illustrer le lien entre coefficients et regularite, la decomposition en ondelettes dune
fonction `a support compact avec une singularite est donnee en Fig. 2.4.
Remarque
On voit le lien entre deux param`etres dune base dondelettes : le nombre de moments nuls
de londelette duale dune part, et la regularite de londelette dautre part. Ces deux param`etres interviennent pour le premier dans un theor`eme liant la decroissance des coefficients
dondelettes `
a la regularite de la fonction, et le deuxi`eme dans sa reciproque.
Yves Meyer a montre que si une ondelette etait p fois derivable, londelette duale avait
necessairement p + 1 moments nuls. La reciproque est notoirement fausse : lordre de regularite dune ondelette peut etre bien inferieur au nombre de moments nuls de londelette
duale.
Cohen et Conze ont montre que lordre de regularite N des ondelettes de Daubechies
a N moments nuls est asymptotiquement :
`
log 3
1
N ' 0,2075 N
2 log 2
2.7
31
Cette condition nest pas suffisante. En effet, pour certains filtres m0 , la fonction
associee par convolutions infinies peut tr`es bien ne pas etre dans L2 (R). Si on choisit par
exemple m0 () = 1 pour tout , on obtient () = () (distribution de Dirac). Il faut
` ces deux contraintes sen
que les fonctions ainsi generees soient suffisamment reguli`eres. A
ajoute une troisi`eme : la convergence des produits partiels de convolution
1[2j ,2j ] ()
j
Y
m0
2k
k=1
vers doit etre suffisamment forte (i.e. se faire au moins en norme L2 ) pour que les proprietes
de reconstruction des filtres se traduisent par la dualite effective des ondelettes, cest`
adire
pour que notamment
hjk ,jk0 i = kk0
Cette condition nest pas superflue. Le filtre m0 () = (1+e2i )/2 est orthogonal, produit
bien par convolutions infinies une fonction de carre integrable
(t) =
1
1[0,2] (t)
2
pour |k k 0 | = 1
()
=
+
Y
m0
k=1
2k
j
Y
k=1
m0
2k
32
2.7.1
Une condition suffisante relativement simple a ete etablie par Stephane Mallat dans son
article de 1987, dans le cas des ondelettes orthogonales `a support compact. Il a etabli quil
suffisait que le filtre m0 orthogonal (verifiant m0 (0) = 1, et |m0 ()|2 + |m0 ( + )|2 = 1)
gen`ere un base orthogonale de L2 (R) si
m0 () 6= 0
pour [/2,/2]
Cette condition suffisante a ete allegee par la suite en imposant la non annulation de m0
sur [/3,/3] (toujours dans le cas orthogonal).
2.7.2
()
=
+
Y
m0
k=1
2k
ei + 1
2
N
r()
o`
u N est le plus grand entier tel que le quotient r reste borne. On pose
j
Y
k
Bj = sup
r(2 )
k=1
et
log Bj
j log 2
b = inf bj
bj =
j>0
(exposant critique)
|()|
6
M
1 + ||N bj
j > 0
33
34
BIBLIOGRAPHIE
35
Bibliographie
[BCD+ 91] G. Beylkin, R. Coifman, I. Daubechies, S. G. Mallat, Y. Meyer, L. Raphael et M. B. Ruskai. Wavelets. Jones and Bartlett, Boston, 1991.
[Dau92]
I. Daubechies. Ten Lectures on Wavelets, tome 61 de CBMS-NSF Regional
Conference Series in Applied Mathematics. Society for Industrial and Applied
Mathematics, Philadelphia, 1992.
[Mal89a] S. G. Mallat. Multiresolution approximations and wavelet orthonormal bases
of L2 (R). Trans. Amer. Math. Soc., 315(1):6987, 1989.
[Mal89b] S. G. Mallat. A theory for multiscale signal decomposition: The wavelet representation. IEEE Trans. on Pattern and Machine Intelligence, 11(7):674693,
1989.
[Mal97]
S. G. Mallat. A Wavelet Tour of Signal Processing. Academic Press, 1997.
36
BIBLIOGRAPHIE