17

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

et la representation dans la base de Fourier :

Z
f (t) =
f()eit d
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

Chapitre 2. Les ondelettes

Naturellement, chacune de ces representations contient les informations de lautre,

puisque la transformation de Fourier permet de passer de lune `a lautre. Neanmoins,
`a chaque fois, seul un type dinformation est explicitee.
On peut reformuler les observations cidessus en disant que les distributions (. t)
sont tr`es localisees en espace et tr`es peu en frequence, et qu`
a linverse les t 7 eit ont
des resolutions spatiale et frequentielle respectivement nulle et infinie. La question qui vient
naturellement est la suivante : existe-t-il une representation dans laquelle on puisse lire une
information mixte, comme (( `
a tel instant, on entend un la et un do ))? Morlet et Gabor
ont cherche `
a concevoir des fonctions de base qui se situent `a michemin entre ces extremes,
cest`
adire qui ont `
a la fois une bonne localisation frequentielle et une bonne localisation
spatiale.
Une limite theorique dans cette perspective est bien connue : cest linegalite de Heisenberg. Soit une fonction de base f , quon suppose de norme L2 egale `a 1 :
Z
|f (t)|2 dt = 1 .
On definit le centre c(f ) et la largeur (f ) dune telle fonction par
Z
c(f ) = t|f (t)|2 dt
sZ
(f ) =

(t c(f ))2 |f (t)|2 dt

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

Reprsentations tempsfrquence et tempschelle

` une telle fonction, on associe un pave tempsfrequence, cest-`
A
a-dire un rectangle dans le
plan (t,) centre en (c(f ),c(f)) et de dimensions (f )(f). Ce pave est une representation

2.2. Reprsentations tempsfrquence et tempschelle

19

intuitive de la couverture en temps et en frequence dune fonction. On associe egalement `a

une base un pavage du plan tempsfrequence, qui est un recouvrement du plan (t,) par
des rectangles de couverture des fonctions de base. Si le centre des botes de Heisenberg
est fixe comme le point des centre spatial et frequentiel de la fonction, leurs dimensions sont
en general choisies de telle mani`ere que les botes forment une partition du plan tempsfrequence. Cette representation a un aspect arbitraire, dautant quaucun resultat ne lie le
fait quune famille soit une base au fait que les paves temps-frequence de la famille recouvrent
le plan.
Le pavage tempsfrequence correspondant par exemple aux bases de fonctions de Dirac
et de fonctions de Fourier sont des pavages par des rectangle infiniment fins et allonges
qui sont representees schematiquement dans la figure 2.1.

t
(a) Dirac

t
(b) Fourier

Fig. 2.1 Pavages tempsfrequences associes aux representations de Dirac et de Fourier

Pour representer un signal comme combinaison de telles fonctions, il est tr`es redondant de
laisser varier independamment les trois param`etres t0 , 0 et t. Deux approches differentes
ont prevalu :
la premi`ere approche est lapproche tempsfrequence, dans laquelle la largeur spatiale
t des fonctions g est independante de la frequence. Les fonctions secrivent sous la
forme
gt0 ,0 (t) = ei0 t g0 (t t0 )
2

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

Chapitre 2. Les ondelettes

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

Fig. 2.2 Pavages du plan tempsfrequence pour la representation tempsfrequence et la

representation tempsechelle
Les ondelettes que nous allons utiliser dans la suite correspondent `a lanalyse tempsechelle. Les avantages de ce mode de decomposition sont multiples. On dispose de moyens
efficaces pour construire des bases discr`etes pour lesquelles les calculs de transformation sont
tr`es rapides. Lanalyse multi-echelles repose sur une forme de fonction unique. Enfin, dans
lanalyse temps-echelle, les fonctions de base ont une taille de support proportionnelle `a la
resolution spatiale liee `
a leur frequence par linegalite de Heisenberg.

2.3

Transforme en ondelettes continue

On choisit une fonction de base appelee ondelette qui verifie la condition dadmissibilite :
Z
|()|2
C =
d < +
(2.1)

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

2.4. La transforme en ondelettes discrte

21

La transformee inverse secrit

f (t) =

1
C

ZZ

1
W(,s)
s
2
R

t
s

ds
s2

(2.3)

De meme que dans le cas de la transformee de Fourier, la transformation est quasi

isometrique :
ZZ
1
ds
kf k2L2 (R) =
|Wf (t,s)|2 dt 2 .
(2.4)
C
s
2
R
En revanche, la representation dune fonction f par sa transformee en ondelettes nest pas
biunivoque, mais redondante, car une transformee en ondelettes verifie une equation aux
noyaux reproduisants :
ZZ
ds
1
Wf (t,s) =
W(,)K(,t,,s)dt 2
C
s
2
R
avec un noyau K defini par
K(,t,,s) =

Z
R

2.4

1

s

t0 t
s


t0
dt0

La transforme en ondelettes discrte

Morlet a propose de construire des bases ou des frames de fonctions construits sur le
mod`ele suivant :


1
t t0
gt0 ,t (t) = g
t
t
o`
u les valeurs possibles de t sont pris sur une echelle geometrique et les param`etres de
translation sont proportionnels `a t :
t = bj
t0 = kt
Une gamme dechelles t couramment utilisee est la gamme des echelles dyadiques 2j , et
on obtient des familles constituees de fonctions de la forme g0 (2j (t 2j k)) = g(2j t k)
o`
u j et k sont des entiers relatifs. La normalisation la plus couramment utilisee etant une
normalisation en norme L2 , on obtient des familles de fonctions (jk )j,kZ o`
u jk (t) =
2j/2 (2j t k).
Dans un article ecrit en 1987, Stephane Mallat a trace un parall`ele entre les fonctions
de representation temps-echelle inspirees par le travail de Morlet et les filtres miroirs en
quadrature etudies par Burt, Adelson et Simoncelli pour effectuer de la compression
dimages.
Il a mis en avant une certaine categorie de decompositions en ondelettes qui peuvent
etre realisees numeriquement en un temps tr`es court par une (( transformee en ondelettes

22

Chapitre 2. Les ondelettes

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)

dont les transformees de Fourier 7 m0 () et 7 m1 () sont des fonctions 2

periodiques. On suppose quil existe une fonction dechelle et une ondelette de L2 (R)
telles que

()
=

+
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

2.5. Analyses multi-rsolutions

23

Nous pouvons faire les remarques suivantes :

Lhypoth`ese (2.9a) signifie que Vj est un espace de Riesz engendre par la famille
(jk )kZ . Sa definition depend de la topologie choisie pour lespace fonctionnel. On
peut le definir plus rigoureusement comme ladherence de lespace de combinaisons
lineaires finies de fonctions jk . Cette propriete impose une contrainte sur la fonction
. Pour une topologie L2 , la correspondance
`2 (Z) L2 (R)
X
(ak )kZ 7
ak 0k
kZ

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

Cest ainsi que nous voyons apparatre le filtre discret m0 .

Lhypoth`ese (2.9c) est formulee plus pour des raisons de principe, car elle est toujours
verifiee. Lhypoth`ese (2.9d) lest pourvu que la fonction ne soit pas nulle en = 0.
Les ondelettes apparaissent naturellement comme un moyen decrire la difference entre
deux espaces Vj et Vj+1 consecutifs. On construit pour cela un espace de Riesz W0 tel que :
V0 W 0 = V 1

(2.11)

Lespace W0 est engendre par une fonction :

W0 =

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

Ainsi apparat le deuxi`eme filtre discret m1 .

(2.12)

24

Chapitre 2. Les ondelettes

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

par iteration de (2.10),

(2.13a)

par (2.12).

(2.13b)

k=1

2.5.2

Les bases dondelettes

La relation (2.11) se transpose `

a toutes les echelles j :
Vj Wj = Vj+1

(2.14)

et on obtient par iterations de cette relation :

si j < j 0

Vj Wj Wj 0 1 = Wj 0

(2.15)

En faisant tendre j 0 vers + (et eventuellement j vers ), on obtient deux relations :

L2 (R) = Vj

+
M

quel que soit j Z

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

2.5. Analyses multi-rsolutions

25

Lalgorithme de transformation est iteratif et consiste `a remplacer la representation dune

composante sur Vj 0 par une representation sur Vj 0 1 Wj 0 1 . On passe ainsi successivement
par des decompositions adaptees aux differentes sommes directes suivantes :
Vj1 Wj1
Vj2 Wj2 Wj1
..
.
VL WL WL+1 Wj1

2.5.4 Filtres duaux, ondelettes duales

Literation de base de transformation en ondelettes est donc un changement de base entre
les deux decompositions suivantes :
Vj+1 Vj Wj
Elle secrit comme une correspondance
`2 (Z) `2 (Z) `2 (Z)
(aj+1,k )kZ 7 [(ajk )kZ ,(djk )kZ ]
Si on note Aj et Dj les fonctions 2periodiques dont les coefficients sont les suites discr`etes
k 7 ajk et k 7 djk :
X
Aj () =
ajk eik
kZ

Dj () =

djk eik

kZ

literation de base secrit comme lapplication dune matrice de transfert :


 


Aj (2)
m0 () m0 ( + )
Aj+1 ()
=
Dj (2)
m1 () m1 ( + )
Aj+1 ( + )
Une condition necessaire pour que cette transformation soit inversible est donc que la matrice
de transfert


m0 () m0 ( + )
T () =
m1 () m1 ( + )
soit bornee dinverse bornee sur [0,2]. Dans ce cas, on appelle matrice de transfert duale la
matrice T() = T ()T . Il existe deux autres fonctions 2periodiques m
0 et m
1 telles que
T() secrive :


m
0 () m
0 ( + )
T() =
m
1 () m
1 ( + )

26

Chapitre 2. Les ondelettes

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)

Les fonctions et sont donc des ondelettes duales dans le sens o`

u pour tout j, on a
les formules de decomposition sur L2 (R) :
E
E
XD
X D
f=
f,jk jk +
f,j 0 k j 0 k
(2.21)
j 0 >j,kZ

kZ

pour tous j Z et f L2 (Z), et en faisant tendre j vers la formule de decomposition

homog`ene :
E
X D
f=
f,jk jk
(2.22)
j,kZ

2.5.5

Lalgorithme de la transforme en ondelettes rapide

Les coefficients des filtres m0 , m1 et des filtres duaux m

0 et m
1 interviennent dans le
calcul des changements de base
{jk : k Z} {jk : k Z} {j+1,k : k Z}
avec les formules suivantes :
dans le sens de transformation dit (( direct )) (forward wavelet transform), on a
X
ajk = 2
m
0 [k]aj+1,2lk
lZ

djk = 2

m
1 [k]aj+1,2lk

lZ

et dans le sens de transformation inverse (inverse wavelet transform), on obtient

aj+1,k =

1X
m0 [2l k]ajl + m1 [2l k]djl
2
lZ

Des schemas de transformation directe et de transformation inverse sont representes sur

la figure 2.3 entre les echelles j = 0 et j = 3.
Pour un nombre fini N dechantillons, une transformation en ondelettes (jusqu`
a nimporte quelle profondeur autorisee par la taille de lechantillon) prend moins de A N operations, o`
u la constante A depend naturellement de la taille des filtres. Ceci est en theorie
meilleur quune transformee de Fourier rapide qui prend de lordre de N log N operations.

2.5. Analyses multi-rsolutions

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

Chapitre 2. Les ondelettes

Les ondelettes orthogonales

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

2.6. Dcroissance des coefficients, rgularit et approximation

29

(jk )j,kZ pour la reconstruction, pour avoir la formule :

f=

hjk ,f ijk

j,kZ

que lon peut comparer `

a la formule (2.22).

2.6

Dcroissance des coefficients, rgularit et approximation

Pour que la convergence dune decomposition dune fonction sur une base dondelettes
soit rapide, il faut que les coefficients dondelettes decroissent rapidement quand j +.

Cette decroissance est liee au nombre de moments nuls de londelette duale .

On dit que a p moments nuls si
Z
k dt = 0
(t)t
R

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!

f (p) (u) + (t u)p r(t)

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

Chapitre 2. Les ondelettes

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

Cration dondelettes rgulires et choix de filtres

La creation dune famille dondelettes se reduit donc au choix dune paire de filtres
(m0 ,m1 ). La matrice de transfert associee


m0 () m0 ( + )
T () =
m1 () m1 ( + )
doit satisfaire des conditions de reconstruction parfaite, cest`
adire quelle doit etre bornee
et dinverse bornee, ce qui est relativement facile `a verifier pour des filtres `a support compact.

2.7. Cration dondelettes rgulires et choix de filtres

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

qui ne verifie clairement pas les conditions dorthogonalite

hjk ,jk0 i =
6 kk0

pour |k k 0 | = 1

Pour resumer, les trois ingredients dune base dondelettes inconditionnelle de L2

construite `
a laide de filtres sont :
1. un jeu de filtres (m0 ,m1 ) `a reconstruction parfaite, dont les filtres duaux sont notes
(m
0 ,m
1) ;
2. lappartenance de la fonction definie par

()
=

+
Y

m0

k=1


2k

et de definie de mani`ere analogue avec m

0 `a lensemble L2 (R) ;
3. la convergence des produits partiels de convolutions tronques sur la bande de frequences
[2j ,2j ]
1[2j ,2j ] ()

j
Y

k=1

m0


2k

afin que la propriete de dualite des filtres se transpose

vers (et lanalogue vers ),
effectivement sur les ondelettes.

32

Chapitre 2. Les ondelettes

2.7.1

Conditions suffisantes dans le cas orthogonal

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

Condition suffisante de rgularit

Un theor`eme de Daubechies et Tchamitchian lie la regularite de londelette `a une

factorisation du filtre m0 .
Thorme 2.1 (DAUBECHIES, T CHAMITCHIAN)
Soit m0 un filtre discret tel que la fonction
7 m0 ()
soit bornee, derivable en 0 et telle que m0 (0) = 1, et soit la fonction (distribution temperee)
definie par

()
=

+
Y

m0



k=1

2k

On factorise m0 sous la forme suivante

m0 () =

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)

Alors la transformee de Fourier de est contr

olee par la formule suivante :

|()|
6

M
1 + ||N bj

j > 0

2.7. Cration dondelettes rgulires et choix de filtres

33

lder dexposant , cest `

Si on note H lespace de Ho
a dire lensemble des fonctions f
telles que
Z
|f()|(1 + ||) d < +
alors est dans lespace H pour tout < N bj 1.
Par ailleurs, pour tout < N bj 1/2, la fonction est dans lespace de Sobolev
dexposant .
Ceci est un des ingredients du theor`eme suivant de Cohen
Thorme 2.2 (C OHEN)
Soient deux paires de filtres (m0 ,m1 ) et (m
0 ,m
1 ) duales (donc `
a reconstruction parfaite). On
, b et b les exposants de factorisation et les exposants critiques des
note respectivement N , N
b > 1/2, alors les ondelettes generees
deux filtres passe-bas m0 et m
0 . Si N b > 1/2 et N
par ces filtres constituent deux bases inconditionnelles biorthogonales de L2 (R).

34

Chapitre 2. Les ondelettes

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