Vous êtes sur la page 1sur 253

Bruno Torrsani

Centre de Physique Thorique de Marseille (CNRS)

Analyse continue par ondelettes


Prface de Yves Meyer, membre de lInstitut

S A V O I R S

A C T U E L S Interditions / CNRS ditions

O 1995, InterEditions, 5, rue Laromiguire, 75005 Paris et CNRS ditions, 20/22, rue Saint-Amand, 75015 Paris.

Tous droits de traduction, dadaptation et de reproduction par tous procds rservs pour tous pays. Toute reproduction ou reprsentation intgrale ou partielle, par quelque procd que ce soit, des pages publies dans le prsent ouvrage, faite sans lautorisation de lditeur est illicite et constitue une contrefaon. Seules sont autorises, dune part, les reproductions strictement rservs lusage priv du copiste et non destines une utilisation collective et, dautre part, les courtes citations justifies par le caractre scientifique ou dinformation de luvre dans laquelle elles sont incorpores (art. L. 122-4, L. 122-5 et L. 335-2 du Code de la proprit intellectuelle). Des photocopies payantes peuvent tre ralises avec laccord de lditeur. Sadresser au : Centre franais dexploitation du droit de copie, 3, rue Hautefeuille, 75006 Paris. Tel. (1) 43 26 95 35.
ISBN 2 7296 0591 6 ISBN 2 271 05364 1

SOMMAIRE

Prface Introduction
I
Rfrences .

x i

.............................

1 6
9

II

Dcomposition temps-frquence . . . . . . . . . . . . . . . . . . Lanalyse de Fourier court terme . . . . . . . . . . . . . . . . 11.1 Les gaborettes en dimension 1 . . . . . . . . . . . . . . . . 11.2 Un exemple simple . . . . . . . . . . . . . . . . . . . . . . 11.3 Le cas multidimensionnel . . . . . . . . . . . . . . . . . . III Lanalyse par ondelettes en dimension 1 . . . . . . . . . . . . . 111.1 Dcompositions continues en ondelettes . . . . . . . . . . 111.2 Quelques exemples simples . . . . . . . . . . . . . . . . . IV Ondelettes multidimensionnelles . . . . . . . . . . . . . . . . . IV.l Ondelettes radiales . . . . . . . . . . . . . . . . . . . . . . IV.2 Ondelettes engendres par les translations, rotations et dilatations de lR . . . . . . . . . . . . . . . . . . . . . . IV.3 Retour sur lespace temps-frquence . . . . . . . . . . . V Noyauxreproduisants . . . . . . . . . . . . . . . . . . . . . . . VI Quelques remarques et complments . . . . . . . . . . . . . . . VI .1 Analyses multirsolutions infinitsimales . . . . . . . . . . VI.2 Quelques exemples singuliers . . . . . . . . . . . . . . . . VI1 Commentaires et rfrences . . . . . . . . . . . . . . . . . . . . VI11 Complment A : Rotation dans l . . . . . . . . . . . . . . . R VIII.l Les angles dEuler . . . . . . . . . . . . . . . . . . . . . V111.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . .

Analyse continue par ondelettes et par gaborettes

I II

10 11 11 15 17 17 17 24 25 25
26 29 30 33 33 34 36 38 38 40

vi

Sommaire

III Quelques exemples et illustrations I Le plan temps-frquence . . . . . . . . . . . . . . . . . . . . . . II Aspect temps-chelle . . . . . . . . . . . . . . . . . . . . . . . .


III IV V Aspect temps-frquence . . . . . . . . . . . . . . . . . . . . . . Exemples bidimensionnels . . . . . . . . . . . . . . . . . . . . . Commentaires et rfrences . . . . . . . . . . . . . . . . . . . .

41 41 43 46 51 56
59 59 59 64 66 66 69 71 71 77 78

IV Ondelettes et rgularit globale et locale des fonctions I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


II III IV

VI

Singularit et contours . . . . . . . . . . . . . . . . . . . . . . . Convergence ponctuelle de la formule de reconstruction . . Rgularit holderienne . . . . . . . . . . . . . . . . . . . . . . . IV.l Rgularit globale . . . . . . . . . . . . . . . . . . . . . . IV.2 Rgularit locale . . . . . . . . . . . . . . . . . . . . . . . Auto-similarit . . . . . . . . . . . . . . . . . . . . . . . . . . . V.l Mesures fractales . . . . . . . . . . . . . . . . . . . . . . . V.2 Fonctions fractales . . . . . . . . . . . . . . . . . . . . . . Commentaires et rfrences . . . . . . . . . . . . . . . . . . . .

..

V
I II

Applications : Approximations asymptotiques et analyse de signaux moduls en amplitude et en frquence 81


Signal analytique et transformation de Hilbert . . . . . . . . . Analyse par ondelettes de lignes spectrales . . . . . . . . . . . . 11.1 Coefficients dondelettes de lignes spectrales . . . . . . . . 11.2 Caractrisation de lignes spectrales . . . . . . . . . . . . . Signaux moduls en amplitude et en frquence . . . . . . . . . 111.1 Estimation des coefficients dondelettes . . . . . . . . . . . 111.2 Larte de la transforme en ondelettes . . . . . . . . . . . 111.3 Les courbes-ondelette . . . . . . . . . . . . . . . . . . . . 111.4 Extraction de larte . . . . . . . . . . . . . . . . . . . . . 111.5 Une implmentation possible . . . . . . . . . . . . . . . . 111.6 Commentaires, dveloppements . . . . . . . . . . . . . . . Le cas bidimensionnel . . . . . . . . . . . . . . . . . . . . . . . IV.l Analyse de lignes spectrales . . . . . . . . . . . . . . . . . IV.2 Frquences locales bidimensionnelles et texture . . . . . . IV.3 Illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . Commentaires et rfrences . . . . . . . . . . . . . . . . . . . . Complment B : Approximations asymptotiques et phase stationnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI.l Dveloppements asymptotiques : un exemple simple . . VI.2 Mthode de la phase stationnaire : calcul des premiers termes . . . . . . . . . . . . . . . . . . . . . . . . . . . .
82 85 85 88 92 92 93 94 95 97 99 105 105 106 108 108

III

IV

VI

112 112
114

Sommaire

vii

VI.3

Mthode de la phase stationnaire : qualit de lapproximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

VI Ondelettes discrtes. repre dondelettes et de gaborettes 119


Thorie lmentaire des repres dans un espace de Hilbert . . . Repres de gaborettes . . . . . . . . . . . . . . . . . . . . . . . III Le phnomne de Balian-Low . . . . . . . . . . . . . . . . . . . 111.1 Le principe dincertitude de Heisenberg . . . . . . . . . . 111.2 Le thorme de Balian-Low . . . . . . . . . . . . . . . . . IV Repre dondelettes . . . . . . . . . . . . . . . . . . . . . . . . . V Repres continus et gnralisation . . . . . . . . . . . . . . . . V.l Repres continus . . . . . . . . . . . . . . . . . . . . . . . V.2 Repres discrets dondelettes interpolantes . . . . . . . . . VI Ondelettes presque continues . . . . . . . . . . . . . . . . . . VI1 Commentaires et rfrences . . . . . . . . . . . . . . . . . . . .

I II

119 122 126 126 127 129

132 132
134 134 136

VI1 tats cohrents et reprsentations de carr intgrable de groupes localement compacts et despaces homognes associs139 I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
II

Reprsentations de carrs intgrables et tats cohrents . . . . 140 11.1 Coefficients de Schur et relations dorthogonalit . . . . . 141 11.2 Etats cohrents et transformation associe . . . . . . . . . 143 11.3 Retour aux reprsentations temps-frquence . . . . . . . . 144 11.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 III Carr intgrabilit, modulo un sous-groupe et ondelettes associes151 111.1 Retour sur le groupe de Weyl-Heisenberg . . . . . . . . . 151 111.2 Ondelettes indexes par un espace homogne . . . . . . . 151 111.3 Atomes temps-frquence : le groupe de Weyl-Heisenberg affine . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 IV Espaces de phases . . . . . . . . . . . . . . . . . . . . . . . . . 156 IV.l Thorie de Kirillov et espace des phases . . . . . . . . . . 157 IV.2 Retour sur les exemples prcdents . . . . . . . . . . . . . 158 IV.3 Les ondelettes multidimensionnelles . . . . . . . . . . . . . 159 IV.4 Les gaborettes sur la sphre . . . . . . . . . . . . . . . . . 160 V Commentaires et rfrences . . . . . . . . . . . . . . . . . . . . 164 VI ComplmentC . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 VI.l Quelques calculs despace des phases . . . . . . . . . . . . 166 VI.2 Le groupe euclidien . . . . . . . . . . . . . . . . . . . . . . 171 VI1 ComplmentD . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 VII.l Ondelettes sur les sphres . . . . . . . . . . . . . . . . . . 173 VII.2 Identit approche sur la sphre . . . . . . . . . . . . . . 175 VII.3 Le schma bilinaire . . . . . . . . . . . . . . . . . . . . . 176

viii

Sommaire

VI11

Algorithmes rapides de calcul de la transforme en ondelettes 179


Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ondelettes sur une grille dyadique . . . . . . . . . . . . . . . . 11.1 Le thorme dchantillonnage . . . . . . . . . . . . . . . 11.2 Algorithmes pyramidaux en traitement dimages . . . . . 11.3 Codage en sous-bandes . . . . . . . . . . . . . . . . . . . . 11.4 Transforme en ondelettes sur grille dyadique . . . . . . . 11.5 Quelques exemples et commentaires . . . . . . . . . . . . Ondelettes sur grille rgulire . . . . . . . . . . . . . . . . . . . 111.1 Utilisation de QMFs . . . . . . . . . . . . . . . . . . . . . 111.2 Pseudo-QMFs . . . . . . . . . . . . . . . . . . . . . . . . . 111.3 Redondance en chelle . . . . . . . . . . . . . . . . . . . . Le cas bidimensionnel . . . . . . . . . . . . . . . . . . . . . . . IV.l Produit tensoriel . . . . . . . . . . . . . . . . . . . . . . . IV.2 Algorithmes approchs . . . . . . . . . . . . . . . . . . . . Commentaires et rfrences . . . . . . . . . . . . . . . . . . . . Complment E : Filtres pour ondelettes splines et LOG . . . . VI.l Splines de base et ondelettes de Battle-Lemari . . . . . . VI.2 Filtres approchs pour ondelettes LOG . . . . . . . . . . . 179 181 181 184 187

I II

III

IV

V VI

189 191 193 194 195 201 203 203 205 207 208 208 212

Annexe A Elments danalyse I Notionsdebase . . . . . . . . . . . . . . . . . 1.1 Continuit, diffrentiabilit, rgularit


II

III

1.2 Mesurabilit, intgrabilit Espaces fonctionnels et distributions . . . . . . . . . . . . . . . 11.1 Les espaces LP . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Lespace L2 . . . . . . . . . . . . . . . . . . . . . . . . . . 11.3 Quelques ingalits utiles . . . . . . . . . . . . . . . . . . 11.4 Identit approche . . . . . . . . . . . . . . . . . . . . . . 11.5 Fonctions de test et distributions . . . . . . . . . . . . . . Analyse de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 111.1 Transformation de Fourier . . . . . . . . . . . . . . . . . . 111.2 Quelques proprits (aide-mmoire) . . . . . . . . . . . . . 111.3 Transformation de Hilbert . . . . . . . . . . . . . . . . . .

........... ..................

..........

217
217 217 219 220 220 220 221 222 222 223 223 225 225

Annexe B Elments de thorie des groupes I Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Notion de groupe . . . . . . . . . . . . . . . . . . . . . . .

227
227 227 227 230 230 231

II III
IV

1.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . Groupes et algbres de Lie . . . . . . . . . . . . . . . . . . . . . Mesure de Haar . . . . . . . . . . . . . . . . . . . . . . . . . . . Reprsentations . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sommaire

ix 231 232 233 233 233 234 235

VI

IV.l Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . IV.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . IV.3 Reprsentation rgulire . . . . . . . . . . . . . . . . . Reprsentations induites . . . . . . . . . . . . . . . . . . . . . . V.l Espaces homognes . . . . . . . . . . . . . . . . . . . . . . V.2 Reprsentations induites . . . . . . . . . . . . . . . . . Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

..

..

Index

237

PRFACE

Quand Bruno Torrsani ma pri de prfacer cet ouvrage, jai aussitt laiss de ct ce que je faisais et, oubliant le temps qui passe, me suis abandonn la lecture. Bien videmment je savais que mon plaisir serait la hauteur de mon admiration pour les travaux de B. Torrsani et de ses collaborateurs qui incluent notre matre Alex Grossmann. Mon attente na pas t due et ce livre est beau, car il est le reflet dune profonde conviction scientifique que je vais tenter dexpliquer et de justifier dans les lignes qui suivent. Les ondelettes sont dabord apparues (1981) dans larticle fondamental dAlex Grossmann et Jean Morlet comme des tats cohrents au sens de la mcanique quantique. Ce point de vue est gomtrique par opposition une approche algorithmique qui prit en 1985 le devant de la scne la suite des travaux de S. Mallat et I. Daubechies. Pour insister davantage, disons que lapproche algorithmique repose sur lapproximation de lespace gomtrique ambiant par une suite emboite de rseaux (ou grilles) de plus en plus denses. Ces rseaux, une fois choisis, imposent une pnible rigidit gomtrique et vont, par exemple, empcher deffectuer des translations ou des rotations arbitraires. Voil un srieux handicap si lon compare la transforme en ondelettes orthogonale la transforme de Fourier qui est compatible avec laction du groupe euclidien. Mais par ailleurs, on ne saurait faire danalyse numrique ou de calcul scientifique (mthodes multigrilles, etc.) sans utiliser ces grilles de plus en plus fines et lusage de la FFT (fast Fourier transform ou transforme de Fourier rapide) impose aussi de choisir de telles grilles. Ce divorce entre la libert de manuvre dont on souhaite disposer dans lanalyse par ondelettes et les contraintes imposes par lutilisation dalgorithmes efficaces, du type FFT, a t lune des tensions les plus fcondes et cratrices de la thorie des ondelettes depuis les origines. I1 est clair que louvrage de B. Torrsani avive ces tensions et sera donc la source de nouveaux progrs. Un des points forts de cet ouvrage est donc laccent mis sur la libert de mouvement fournie par les diverses actions de groupe (translations, dilatations et rotations) que lon peut envisager dans les constructions dondelettes. On ne peut cependant bouger dans tous les sens et si lon dsire le faire, il fau-

xii

Prface

dra relier ces trois types de transformations gomtriques dans une recherche qui sapparente celle de la meilleure base dans les algorithmes de Coifman et Wickerhauser, Cette tude, qui navait pas t prvue par les pres fondateurs, est un des points trs originaux du beau livre de B. Torrsani. Un second point fort est la description prcise et exacte du remarquable algorithme de dtection de la frquence instantane. Comme chacun sait, la qute de la frquence instantane est lune des popes majeures du traitement du signal et les techniques utilises classiquement taient bases sur la transformation de Wigner-Ville et ses gnralisations. Une des plus belles ralisations scientifiques de lquipe ondelettes de Marseille a t la dcouvert e dun algorithme temps-frquence bas sur la transformation en ondelettes. La prsentation de cet algorithme par B. Torrsani est la meilleure dont nous disposions aujourdhui. Une troisime nouveaut, prsente par B. Torrsani, est la construction sur la sphre donde1ettes de Gabor qui soient compatibles avec linvariance par rotation. Un dernier chapitre traite de la possibilit dutiliser des QMFs (quadrature mirror filters) pour effectuer des calculs approchs mais rapides sur des ondelettes non orthogonales. Louvrage que nous offre B. Torrsani complte Ten Lectures on Wavelets, crit par I. Daubechies, et je crois que ces deux traits feront bon mnage sur le bureau des scientifiques qui utilisent les ondelettes. Le style de B. Torrsani est remarquablement clair et efficace et je suis heureux quun large public scientifique puisse enfin disposer de cet excellent cours avanc sur les ondelettes et leurs applications. Yves Meyer, membre de lInstitut

Chapitre I

INTRODUCTION

Lanalyse par ondelettes est apparue sous ses formes modernes, au dbut des annes 80, dans un remarquable article dAlex Grossmann et Jean Morlet. Lun des points essentiels quelle nous enseigne est quun objet mathmatique (quil sagisse dune fonction, dun signal, dun oprateur,...) peut tre reprsent de multiples faons, chacune de ces reprsentations permettant de mettre laccent sur certaines caractristiques de lobjet tudi. Un exemple significatif est fourni par le signal de parole, dont des reprsentations temps-frquence diffrentes (par exemple une reprsentation en ondelettes et une reprsentation de Gabor bande troite) conduisent des interprtations diffrentes. I1 est amusant de constater quil en va de mme pour lanalyse par ondelettes elle-mme : on peut la prsenter de divers points de vue, qui dpendent autant de lapplication vise que de la culture scientifique de lutilisateur. En effet, quelle que soit lapproche choisie, on peut toujours y retrouver une prhistoire des ondelettes, au cours de laquelle des techniques trs semblables aux ondelettes (et qui souvent avaient tout des ondelettes sauf le nom) taient couramment utilises. On peut se livrer un essai de classification des prhistoires des ondelettes et de leurs prolongements contemporains. Cette classification est bien entendu arbitraire (les quatre classes ci-dessous ont une intersection non vide - et il nest pas certain que leur runion recouvre lensemble du sujet), mais elle permet de dcrire les tendances gnrales.
0

Approches temps-chelle : I1 sagit dapproches trouvant leur origine dans des problmes de caractrisation despaces fonctionnels et doprateurs. Certaines proprits de rgularit des fonctions se trouvent mises en vidence lorsque lon tudie le prolongement harmonique des fonctions en question (voir par exemple [13]), cest--dire une autre reprsentation. Lun des outils de base dans ce domaine est lidentit de Calderon [ 5 ] , dont la formule de reprsentation en ondelettes peut tre vue comme une paraphrase plus gomtrique. Lune des consquences a t la construction de bases orthonormes dondelettes par J.O. Stromberg [31] puis Y . Meyer et ses collaborateurs (voir [23]), qui a abouti au concept danalyse multirsolution [21], puis diverses gnralisations (bases dondelettes

Introduction

sur un intervalle ou priodiques, ondelettes multidimensionnelles associes des dilatations gnralises, bases trigonomtriques locales,...).
0

Approches algorithmiques : On peut regrouper dans cette catgorie les travaux qui font suite aux travaux de Marr [22] (bien que celui-ci ne se soit que trs peu intress aux aspects purement algorithmiques) et ses collaborateurs (ou mme certains prcurseurs, puisquil semble que certains physiologistes de la vision aient eu, la fin du sicle dernier, de semblables proccupations) sur la vision par ordinateur et le traitement dimages. Laccent est mis ici sur les aspects algorithmiques. Cela fait apparatre la richesse algorithmique des ondelettes, bases sur des oprations de dilatation et translation trs naturelles, y compris dans le cas de signaux dfinis sur un rseau (ce qui est le cas en pratique). Les rfrences historiques sont les articles fameux de Burt et Adelson sur le Laplacien Pyramidal [4], ainsi que les travaux dEsteban et Galand [ i l ] , puis de Smith et Barnwell [30] qui ont conduit la construction des filtres miroir en quadrature (QMF) et rejoignent la thorie des analyses multirsolution, puis plus rcemment aux algorithmes adaptatifs de dcomposition en paquets dondelettes de lquipe de Yale (voir par exemple [33]). Une avance plus rcente concerne lutilisation systmatique des bases dondelettes en analyse numrique [3], base sur le fait quune large classe doprateurs peuvent tre reprsents de faon conomique ( i e . par des matrices creuses) dans des bases dondclettes. Approclics temps-frquence : On se place ici dlibrment dans le contexte du traitement du signal. Suite aux travaux fondamentaux de J. Ville [32] sur les reprsentations temps-frquence des signaux, le sujet est presque devenu une discipline scientifique part entire. De nombreux auteurs se sont particulirement intresss au problme de dfinition et destimation de la frquence instantane dans les signaux (voir ce sujet le livre de P. Flandrin [12]). Les ondelettes apparaissent dans ce contexte comme une reprsentation temps-frquence parmi beaucoup dautres, qui a cependant pour elle une grande souplesse dutilisation. Le problme se pose maintenant des reprsentations temps-frquence adaptatives : tant donne une famille de reprsentations temps-frquence, comment choisir celle qui dcrira optimalement un signal donn ? I1 sagit de lun des dfis les plus stimulants lheure actuelle. Approches gomtriques : Bien que ces approches soient assez similaires aux prcdentes, lorigine et le langage sont ici ceux de la mcanique quantique et de la thorie des groupes (voir par exemple larticle de base [16], ou encore [27], dans lequel le lien avec les tats cohrents de la mcanique quantique est explicit). Laccent est mis sur les proprits de symtrie des reprsentations en ondelettes, ce qui permet de donner

Introduction

une description unifie dune famille de reprsentations temps-frquence incluant, outre les ondelettes dans diverses versions, les reprsentations de Fourier fentre (voir par exemple [29]) ainsi que de nombreuses gnralisations. En revanche, on ne sait toujours pas comment insrer dans ce cadre les analyses multirsolution ( lexception de quelques cas trop spcifiques), qui restent lune des pierres angulaires de ldifice ondelettes. Des descriptions axes sur divers points de vue (la plupart du temps il sagit des deux premiers) peuvent tre trouves par exemple dans [6], [lo], [12], [17], [23], [29] et [33]. En revanche, il nexiste ce jour que trs peu de textes de rference sur les dcompositions continues en ondelettes. Le prsent ouvrage ne prtend pas rendre compte de laspect multiforme des ondelettes que nous venons dvoquer (nous renvoyons [24] pour une description globale de certains aspects ou aux compilations darticles de revue 121, [7], [is],1201, [28]). I1 est plus spcifiquement consacr aux dcompositions continues en ondelettes ainsi qu certaines de leurs applications en traitement du signal. On insistera donc principalement sur les approches tempsfrquence et gomtrique, ainsi que sur les mthodes et algorithmes bass sur ces aspects. Les trois premiers chapitres sont consacrs des gnralits concernant les reprsentations temps-frquence et temps-chelle et, en particulier, sur les transformations continues en ondelettes et de Gabor. Aprs cette introduction, le chapitre II dcrit un certain nombre de reprsentations de type tempsfrquence ou temps-chelle, ainsi que certaines de leurs proprits caractristiques, notamment la souplesse des reprsentations continues, qui les rend adaptables de nombreuses situations spcifiques. Le chapitre III est, quant lui, consacr un certain nombre dexemples acadmiques comments et destins familiariser le lecteur avec les images de transforme en ondelettes. Les chapitres IV et V illustrent les deux aspects complmentaires des reprsentations en ondelettes, savoir les aspects temps-chelle et temps-frquence. Au chapitre IV on utilise les ondelettes pour effectuer une analyse locale des fonctions et des signaux, ce qui est illustr par les problmes de caractrisation de singularits ponctuelles des fonctions et mis en parallle avec les problmes de dtection de contours dans les images, et de caractrisation dauto-similarit dans les signaux, suivant entre autres les travaux du groupe de Bordeaux (voir par exemple [l]). chapitre V est consacr aux problmes de caractrisation Le de signaux par des amplitudes et frquences locales, donc des aspects tempsfrquence. On y dcrit les mthodes, mises au point par le groupe de Marseille, pour la mesure de frquences locales dans les signaux et les images au moyen des transformations continues en ondelettes ou de Gabor. Les trois derniers chapitres sont consacrs des points prcis de lanalyse continue par ondelettes. Le chapitre VI traite la stabilit des reprsentations

Introduction

continues par rapport la discrtisation, suivant la voie trace par I. Daubechies [9]. chapitre VI1 consiste en une relecture des dcompositions dcrites au Le chapitre II selon un point de vue plus gomtrique ; on y justifie en particulier le terme temps-frquence sous un angle gomtrique et algbrique, en montrant comment les reprsentations temps-frquence sont naturellement associes un espace des phases construit par la thorie des groupes. Enfin, le chapitre VI11 est consacr aux algorithmes de calcul adapts aux diffrentes versions de la transformation en ondelettes envisages dans ce livre. On y montre notamment comment les algorithmes rapides de transforme en ondelettes discrtes sont obtenus naturellement partir des algorithmes pyramidaux d u traitement dimage et comment ils peuvent tre adapts la situation plus gnrale de la transformation (presque) continue en ondelettes. Ces trois chapitres peuvent tre lus indpendamment les uns des autres. Quelques aspects plus spcifiques encore (comme par exemple quelques calculs gomtriques sur les groupes de rotations ou le groupe euclidien ou des coefficients de filtres pour algorithmes pyramidaux) ne sont abords que sous forme de complments, situs en fin de chapitre, pour ne pas alourdir le corps du texte. Pour complter le texte, des annexes rsumant quelques bases mathmatiques ncessaires ont t placs la fin de louvrage. Les analyses multirsolution et les bases dondelettes napparaissent explicitement aucun moment dans le texte, du moins sous leur forme classique. I1 sagit l dun choix dlibr, dans la mesure o il existe dj dexcellents ouvrages faisant autorit sur le sujet (entre autres [6],[lo] et (231). En revanche, la notion danalyse multirsolution apparat en filigrane de nombreuses reprises, comme par exemple au chapitre VI11 (consacr aux algorithmes de calcul de transforme en ondelettes), o elle est naturellement associe aux algorithmes pyramidaux, ou la fin du second chapitre dans lequel est bauch le passage des ondelettes continues aux ondelettes discrtes. Le lecteur dsireux dexphrimenter les techniques dcrites dans ce livre peut utiliser un certain nombre de logiciels du domaine public, dposs sur quelques sites du rseau Internet (il existe aussi quelques logiciels commerciaux). Nous donnons ici une liste (qui est loin dtre exhaustive) de tels sites :
e

cs.nyu.edu : Dans le rpertoire /pub/wave/software se trouve une version de logiciels dvelopps par le dpartement computer science du Courant Institute de New York. On y trouve en particulier des outils de transformation en ondelettes unidimensionnelle (fichier wavei. tar.2) et bidimensionnelle (fichier waved. tar.2), ainsi que de dcomposition tempsfrquence adaptative (fichier mpp.tar.2) ou dautres outils relis. Dans tous les cas, ce sont des logiciels dvelopps en langage C. pascal.math.yale.edu : Le rpertoire /pub/software contient des logiciels

Introduction

dvelopps par le dpartement de Mathmatiques de Yale University, et fonds sur les dcompositions temps-frquence et temps-chelle adaptatives, les bases de paquets dondelettes et les bases trigonomtriques locales, ainsi que des outils de dbruitage de signaux bass sur ces mthodes.
e

maxweii.math.scaroJina.edu : Le rpertoire /pub/wavelets/prograrnscontient un certain nombre doutils lis aux dcompositions en ondelettes (dvelopps en langage C).
stats.stanford.edu : Le rpertoire /pub/waveiab contient des outils (utilisant lenvironnement MATLAB) de dbruitage de signaux par transformation en ondelettes. cpt.univ-mrs.fr : Un logiciel (bas sur lenvironnement Spius), mettant en uvre les techniques dcrites au chapitre V de ce volume, ainsi que des algorithmes relis, sera prochainement disponible sur ce site.

Dans tous les cas, ces logiciels sont disponibles par la procdure UNIX ftp usuelle : composer ftp site ; la question user, rpondre anonymous, et la question password, donner sa propre adresse Internet. Utiliser ensuite cd rep pour se positionner dans le rpertoire voulu (rep en loccurrence), puis get nomfichier pour transfrer le fichier voulu (dont le nom est ici nomfichier). Cet ouvrage se fonde sur des cours que jai donns au DEA Physique des Particules, Physique Mathmatique et Modlisation des universits dAixMarseille I et II, de Nice, Toulon-Var et Toulouse entre 1991 et 1994, ainsi qu lcole dt Ondelettes et Applications organise par lENSICA, Toulouse (t 1992). Avant et durant sa rdaction, jai bnfici dinnombrables discussions avec, en particulier, A. Grossmann, Ph. Tchamitchian, M.A. Muschietti, G. Beylkin, R. Carmona, B. Escudi, K. Flornes, P. Ponenti, V. Wickerhauser, M. Holschneider et F. Plantevin, que je tiens remercier ici. J e suis aussi particulirement reconnaissant envers Y . Meyer pour ses conseils, ses encouragements toujours chaleureux et ses critiques constructives, mais aussi pour avoir relu en dtail et corrig une version prliminaire de ce texte et accept den crire la prface. J e tiens adresser mes remerciements C. Fabre, directeur de la collection, pour ses nombreuses remarques. J e tiens enfin remercier S. Zhong, qui a aimablement produit les figures IV.l-IV.3 du chapitre IV, ainsi que M. Kunt, diteur de la revue Signal PTOcessing pour lautorisation de reproduire les figures 8, 9 et 10 du chapitre V (extraites de larticle de C. Gonnet et B. Torresani, Local frequency analysis with two-dimensional wavelet transform, Signal Processing, 37 (1994) 389-404).

Introduction

RFRENCES
E. Bacry, A. Arneodo, J.F. Muzy, Singularity Spectrum of Fractal Signals from Wavelet Analysis : Exact Results, J . Stat. Phys., 70, (1993) p. 635. J. Benedetto, M. Frazier Ed., Wavelets : Mathematics and Applications, CRC Press (1993). G. Beylkin, R. R. Coifman, V. Rokhlin, Fast Wavelet Transforms and Numerical Algorithms I, C o m m . Pure and A p p l . Math., 44 (1991) p. 141-183. P. Burt, E. Adelson, The Laplacian Pyramid as a Compact Image Coder, I E E E Trans. o n Comm., 31 (1983) p. 482-540. A. Calderon, Intermediate Spaces and Interpolation, the Complex Method, Studia Math., 24 (1964) 113. C. Chui, An introduction to Wavelets, Academic Press, New York (1992). C. Chui Ed., Wavelets : a Tutorial an Theory and Applications, Academic Press, New York (1992). J.M. Combes, A. Grossmann, Ph. Tchamitchian Eds., Wavelets,Time-Frequency Methods and Phase Space, I P T I , Springer (1987). I. Daubechies,The Wavelet Transform, Time-Frequency Localisation and Signal Analysis, I E E E Trans. Inf. T h . 36 (1990) p. 961-1005. [lo] I. Daubechies,Ten Lectures on Wavelets, S I A M - C B M S (1992). [ll]D. Esteban, G. Galand, Application of Quadrature Mirror Filters to Split Band Voice Coding Schemes, PTOC.Int. Conf. A S S P (1977) p. 191-195. [12] P. Flandrin, Temps-Frquence, Herms (1993). [13] M. Frazier, B. Jawerth, G. Weiss, Littlewood-Paley Theory and the Study of Function Spaces, C B M S - A M S regional conferences series, S I A M [14] D. Gabor, Theory of Communication, J . Inst. Etec. Eng. 903 (1946), p. 429. [15] A. Grossmann, J. Morlet, Decomposition of Hardy Functions into Square Integrable Wavelets of Constant Shape, S I A M J . Math. An. 15, (1984) p. 723. [16] A. Grossmann, J. Morlet, T. Paul, Transforms Associated with Square Integrable Group Representations I, J. Math. Phys., 27 (1985) p. 2473 ; Transforms Associated with Square Integrable Group Representations II, A n n . Inst. H. Poincar, 45 (1986) p. 293. [17] M. Holschneider, Wavelets : a n Analysis Tool, Oxford University Press (1994). [18] J.R. Klauder, B.S. Skagerstam, Coherent States, World Scientific (1985). [19] T. Koornwinder Ed., Wavelets, a n Elementary Treatment of Theory and Applications, Series in Approximations and Decompositions 1, World Scientific (1993). [20] P. G. Lemari Ed., Les Ondelettes en 1989, Lect. Notes in Math., 1438 (1990). [21] S. Mallat, A Theory for Multiresolution Signal Decomposition : The Wavelet Representation, I E E E Trans. Pattern Anal. and Mach. Intell., 11, n. 7 (1989) p. 674-693. [22] D. Marr, Vision, Freeman, New York (1982). [23] Y. Meyer, Ondelettes et Oprateurs (en trois volumes), Hermann (1989-1991). [24] Y. Meyer, Les Ondelettes, Aigorithmes et Applications, Armand Colin, 2 dition (1994). [25] Y. Meyer Ed., Ondelettes et applications, Actes d e la confrence d e Marseille, Masson (1989).

Rfrences

1261 Y . Meyer, S. Roques Ed., Wavelets and their Applications, Actes de la confrence de Toulouse, Editions Frontires (1992). [27] T. Paul, Ondelettes et Mcanique Quantique, Thse dEtat, CPT Marseille (1985). [28] M.B. Ruskai et al. Ed., Wavelets and their Applications, Jones and Bartlett Publ. Comp., Boston (1992). [29] W. Schempp, Harmonic Analysis on the Heisenberg Nilpotent Lie Group, Pitm a n Research notes in Mathematical series, 147 (1986). [30] M.J. Smith, D.P. Barnwell, Exact Reconstruction for Tree-Structured Subband Coders, ZEEE Trans. A S S P , 34 (19%) p. 434-441. [31] J.O. Stromberg, A Modified Franklin System and Higher-Order Spline Systems on IR as Unconditional Bases for Hardy Spaces, Conference in Harmonic Analysis in Honor of A n t o n i Zygmund, Wadworth math. series (1983) p. 475-493. [32] J. Ville, Thorie et Applications de la Notion de Signal Analytique, Cbles et Transmissions 2 A (1) (1948) p. 61-74. [33] M.V. Wickerhauser, Adapted Wavelet Analysis f r o m Theory to Software, A.K. Peters Publ. Comp. (1994).

Chapitre II

ANALYSE CONTINUE PAR ONDELETTES ET PAR GABORETTES

Lanalyse de Fourier est sans conteste lun des outils les plus puissants mis la disposition des mathmaticiens et physiciens daujourdhui et aussi lun des plus utiliss. Nanmoins, bien que btie sur la base du concept physique de frquence (spatiale ou temporelle), elle se rvle imparfaitement adapte la description de fonctions ou signaux que lon peut rencontrer couramment. Lexemple le plus parlant (si lon peut dire) est celui de la musique. Nous sommes capables dassocier chaque note que nous entendons une frquence fondamentale (que nous appelons la, si, do,...), mais cette note est, presque par dfinition, de dure finie, contrairement aux exponentielles complexes utilises dans sa dcomposition de Fourier. Cette note semble donc a priori difficile dcrire par une analyse spectrale usuelle. Cest ainsi que la notation musicale usuelle fait naturellement intervenir simultanment des notions de temps et de frquence : sur une porte musicale, la variable temporelle correspond la direction horizontale et la variable frquentielle laxe vertical. Restons dans le monde de la musique et coutons un glissando jou par exemple par un violoniste ou un violoncelliste. Ce que nous entendons est peru comme une frquence (toujours la hauteur du son) dpendant du temps de faon continue, ce que, une fois encore, lanalyse de Fourier peut difficilement dcrire. Dans ces deux cas, il semblerait premire vue prfrable de calculer la transforme de Fourier dune partie finie (un segment) uniquement de la fonction, centre sur linstant auquel lon sintresse, plutt que de la fonction dans son intgralit. E n fait cette solution simple souffre dun grave dfaut ; elle quivaut calculer la transforme de Fourier du produit de la fonction initiale par lindicatrice du segment considr, qui nest autre que le produit de convolution de la transforme de Fourier de la fonction par celle du segment, savoir un sinus cardinal sin(wz)/wz. Le rsultat est une fonction lentement dcroissante de la frquence, qui ne reflte en rien la bonne localisation frquentielle de notre signal musical. La variante que lon introduit consiste remplacer lindicatrice du segment par une fonction (appele fentre), localise au voisinage du segment,

10

Analyse continue par ondelettes et par gaborettes

et suffisamment rgulire pour que sa transforme de Fourier soit elle aussi bien localise, pour viter linconvnient prcdent. Nous voyons donc lintrt quil peut y avoir utiliser une fentre bien localise des deux cots de la transforme de Fourier. I1 ne nous semble pas ncessaire pour linstant de donner une dfinition quantitative prcise de lexpression bien localise. Sauf spcification contraire, nous dirons quune fonction est bien localise si elle possde de bonnes proprits de dcroissance linfini (cest--dire aussi bonnes quun critre fix lavance). Dans des cas prcis, nous serons amens utiliser des notions plus prcises de localisation. On peut par exemple supposer quune fonction f(x) est telle que

pour certaines constantes positives IC et N . Avant dentrer dans le vif du sujet, donnons encore une motivation supplmentaire pour lintroduction dune analyse de Fourier locale et illustrons la encore par un exemple musical. Considrons une enregistrement analogique dun son extrmement rgulier, dont on peut supposer que la transforme de Fourier dcrot rapidement, sur un disque dtrior en un unique point. La prsence de ce craquement empche la transforme de Fourier du signal de dcrotre rapidement, ce qui se traduit par une reconstruction (par transforme de Fourier inverse) numriquement instable, car obtenue partir dintgrales trs oscillantes, et ce en tous points. Nous verrons plus loin comment lintroduction de fentres permettra de localiser cette instabilit numrique.

DCOMPOSITION TEMPS-FRQUENCE

Nous allons maintenant dcrire un certain nombre de reprsentations tempsfrquence des fonctions dune variable relle ; par reprsentation temps-frquence nous entendons la mise en correspondance de la fonction avec une fonction de deux variables : le temps (ou la position) et la frquence (ou la frquence spatiale). Nous verrons plus loin quil existe une infinit de faons diffrentes de construire de telles correspondances ; aussi nous nous restreindrons une sous-classe, savoir celle des correspondances :
0
0

linaires ; covariantes : certaines transformations naturelles de la fonction analyse (translation, modulation, dilatation, . . , ) se traduisent de manire simple sur la reprsentation temps-frquence.

On ajoutera cela une contrainte plus intuitive de lisibilit : la reprsentation choisie doit permettre (dans la mesure du possible) de mettre en vidence

Lanalyse de Fourier court terme

11

certains types dinformations sur la fonction ou le signal analys. Comme nous lavons signal plus haut, la reprsentation musicale est un prototype de reprsentation temps-frquence. Les notions que nous allons maintenant introduire et utiliser dans les &apitres suivants se rapporteront toujours un objet essentiel, appel le pian temps-frquence (ou position-impulsion dans le cas multidimensionnel), que lon nommera aussi espace des phases. Le plan temps-frquence permettra de donner une description la fois temporelle et frquentielle des fonctions tudies. Disons tout de suite que la prcision de cette description sera limite par lingalit de Heisenberg (dont nous verrons en particulier une consquence au chapitre VI) :

1 AXA[ 2 2
qui nous montre quon ne peut esprer dcrire une fonction avec une prcision infinie simultanment en temps et en frquence.

II

LANALYSE DE FOURIER COURT TERME

Nous dbutons cette analyse par une description de la transformation de Fourier court terme (aussi appele transformation de Fourier fentre glissante ou transforme de Gabor) et de la transformation inverse. Plaons-nous tout dabord dans le cadre unidimensionnel.

11.1

Les gaborettes en dimension 1

Lide de base est donc dintroduire dans lanalyse de Fourier usuelle une notion de localit spatiale (ou temporelle) en remplaant la fonction analyse par un produit de celle-ci par une fentre convenablement choisie au pralable possdant de bonnes proprits de localisation, puis en calculant la transforme de Fourier du produit ainsi form. On renouvelle alors lopration avec des copies translates de la fentre, ce qui conduit une analyse locale en tous points. Si nous choisissons de noter g(x) la fentre et f(x) la fonction analyse, le rsultat est alors la collection de nombres :

J,f(z)g(z- b ) i U W 2 d Z
Pour des raisons pratiques, il est souvent plus intressant de considrer les coefficients :

(11.1)
Nous ne sommes pas encore en mesure ce point de prciser la signification d e cette contrainte ; o n rejoint l la problmatique du traitement du signal adaptatif, qui vise essentiellement adapter (de faon automatique) loutil danalyse lobjet analys. Ces notions se prciseront par la suite.

12

Analyse continue par ondelettes et par gaborettes

qui sobtiennent partir des prcdents par une multiplication par eiwb une et redfinition de la fentre. Les nouveaux coefficients forment la transforme de Gabor G f ( b , ) de f(x), et sexpriment simplement par : w

G f (b, w ) = (f g(b,w) L a ) o les fonctions


g(b,w). ) (

(11.2) (11.3)

= g( - b)e

iw( z-6 )

sont appeles ondelettes de Gabor, ou encore gaborettes. Remarque : La transformation de Gabor nous met en prsence dun objet nouveau, que nous appelons Plan temps-frquence, ou Espace des phases. I1 sagit ici du plan IR2, mais nous verrons par la suite quil peut aussi prendre des formes diffrentes. La transformation de Gabor permet de reprsenter les fonctions de L2(IR)comme des fonctions sur le plan temps-frquence. Cependant, il est important de rappeler qu cause de lingalit de Heisenberg dj mentionne, toute fonction sur le plan temps-frquence ne peut tre transforme de Gabor dune fonction de L2(lR). Remarquons que les gaborettes sont construites partir de la fentre g(x) par une procdure extrmement simple, savoir par des translations et des modulations (cest--dire des translations en frquence). Cest naturellement aussi le cas de leur transforme de Fourier :
S G ) (0 =

- w>

(11.4)

La formule de Plancherel permet donc dexprimer la transforme de Gabor de f(x) comme une transforme de Gabor de sa transforme de Fourier f(t): (11.5) Supposant sans perte de gnralit que g(x) et ij(<)sont toutes deux bien localises autour de lorigine (on peut en effet toujours se ramener ce cas par une translation et une modulation), on peut donner linterprtation suivante des coefficients Gj(b,w ) . G f ( b , ) fournit une information sur le contenu de w f ( x ) au voisinage du point x = b et de la frquence = w. Autrement dit, G f ( b , ) slectionne le contenu de f(x) au voisinage du point de coordonnes w ( b , u ) dans le plan temps-frquence. Naturellement, la notion de contenu dune fonction dans un voisinage dun point est une notion trs peu prcise, qui dpend en outre trs fortement de la fentre choisie. Nous serons amens donner un sens lgrement plus prcis cette notion par la suite. La question suivante que lon est amen se poser est de savoir comment volue la localisation de g(b,w) dans le plan temps-frquence quand on fait varier

Lanalyse de Fourier court terme

13

-10

-5

10

Temps

Figure 11.1 : Localisation de deux gaborettes g(o,zr)(z)et g(6,4n)(z) dans lespace des z (partie relle).

les paramtres de translation et de modulation b et w. La rponse cette question est encore une fois trs simple. Les gaborettes tant engendres par des translations en temps et en frquence de la fentre g(z), g(b,w) est localise dans le plan temps-frquence lintrieur dune rgion centre sur le point de coordonnes (b, w ) , daire gale laire du domaine (centr en (0,O)) lintrieur duquel est localise g(x). La localisation de g(b,w) est dcrite dans les figures 11.1 et 11.2. Considrons maintenant lensemble des coefficients de Gabor G f ( b , ) , o w b, w E lR. Les paramtres (b,w ) dcrivant la droite relle, les coefficients de Gabor constituent un ensemble redondant de donnes (nous verrons comment prciser cette redondance en discutant les espaces noyaux reproduisants). E n revanche, du fait que les gaborettes dcrivent lensemble du plan tempsfrquence, elles constituent une information suffisante pour la caractrisation de f (z). On peut donc, sous certaines hypothses, inverser la transforme de Gabor et restituer partir des G f ( b , ) la fonction f (x)elle-mme. Cest ce w quexprime le thorme de reprsentation suivant.

Thorme 1 Soitg E L(I72). Toutefonction f E L(Ill) peut tredcompose


comme suit : (11.6)

14

Analyse continue par ondelettes et par gaborettes

10

15

20

Frquence

Figure 11.2 : Localisation des deux gaborettes de la figure prcdente dans l'espace de Fourier (seul le module est reprsent).
o J'gaJit est prendre a u sens faible et o G f est la transforme de Gabor de f ( : G f (b' w> = (f,Q(b,w)) . >

Preuve : I1 est bien connu que G f E L2(IR,db).Donc :

De plus, puisque f,g E L2(IR)

ce qui prouve le thorme. Notons au passage que f et g tant dans L2(lR),G f ( b , w ) est fini pour tous b,w E lR.

Remarque 1 : Dcouplage des fonctions d'analyse et de synthse. Le rsultat prcdent peut tre lgrement gnralis, en remarquant que rien ne force

Lanalyse de Fourier court terme

15

utiliser les mmes fentres pour le calcul des coefficientset pour linversion de la transforme de Gabor. E n introduisant une autre fentre h E L 2 ( B ) ,on montre aisment que lquation (11.6) peut tre remplace par : (11.8) o Gf est toujours dfinie par (11.2) et lgalit est toujours prendre au sens faible. Cette proprit peut savrer intressante en pratique (nous verrons plus loin une proprit similaire dans le cadre de lanalyse par ondelettes). Remarque 2 : Densit dnergie dans le plan temps-frquence. La transforme de Fourier court terme est trs utilise depuis une trentaine dannes dans le contexte de lanalyse de signal. En particulier, son module carr IGf(b,w)), parfois appel spectrogramme, peut tre employ pour ltude de la rpartition de lnergie de f (x) dans le plan temps-frquence. Ceci est rendu possible par lquation (11.7), qui est une formule de Plancherel et permet linterprtation de IGf(b,w)I2comme une densit dnergie de f (x) dans le plan tempsfrquence. I1 convient nanmoins de prciser que cette densit dnergie nest pas une caractristique intrinsque de la fonction analyse, dans la mesure o elle dpend de la fentre utilise.

11.2

Un exemple simple

Nous allons immdiatement voir sur un exemple trs simple que le comportement de la transforme de Gabor est tel quattendu. La motivation initiale tait de permettre une analyse de Fourier locale, cest--dire de donner un accs simple certaines quantits locales, telles quune frquence locale ou une amplitude locale. Le cas des frquences locales sera trait au chapitre V, mais nous pouvons considrer le cas de fonctions du type
f(z)= A(z)eiAX

o A ( x ) est suppose de classe C(El). Soit g E L(El) une fentre, suppose support compact dans un intervalle 1 centr sur lorigine. Sans perte de gnralit, on peut en outre supposer que Itj(<)l soit maximale en = O. Un dveloppement de Taylor au premier ordre A(%)= A(b) (z - b)?-b(%)conduit

G / ( b , w ) = A(b)eiA6S(X w) -

+R(~,w)

(11.9)

Ainsi, si le reste R ( b , w ) est ngligeable, on peut voir que IGf(b,w)l est localement maximum en w = A, ce qui permet une mesure directe de A. La dcroissance de IGf(b,w)l quand lon sloigne de cette valeur est fixe par les proprits de localisation de 9. Sous les mmes hypothses, une autre mesure

16

Analyse continue par ondelettes et par gaborettes

de X est fournie par ltude de la phase de la transforme de Gabor, qui volue linairement en fonction de b. Enfin, une mesure de la fonction A ( z ) est obtenue partir des variations de IGf(b,w)l en fonction de b. Tout est donc conditionn par la taille du reste R ( b , w ) , qui est ici facile valuer. En effet, comme dans S21&7(b,w)) on a 1 5 sup / A [ , 4 R(b,u)est de plus born IR(bW)I 5 SUP IA(.)I (II.1O )
xEb+I

o IC est une constante (finie ds que lzllg(z)ldz < CO) qui ne dpend que de g. Dans ces conditions, on pourra ngliger le reste si A / A est petit sur le support de g(b,w),autrement dit si lamplitude A(z) est lentement variable sur le support de g(b,w). Dans ce qui prcde, lhypothse A E c(IR) pas t utilise complna tement. Elle peut ltre dans un cas bien prcis, cest--dire le cas o lon se place exactement la frquence w = A. E n poussant alors le dveloppement de Taylor lordre suivant et en utilisant le fait que ij(0) = O, on obtient

G j ( b , w ) = A(b)eiXbij(X ) * + R ( b , w ) -w
o RZ(b,w) est cette fois born

(II.11)

(11.12)
pour une constante I( compltement dtermine par g(z) (finie ds lors que

s I~lls(~>ldz <

CO>.

I1 est bien clair que cet exemple simple noffre en lui-mme que peu dintrt, dans la mesure o A et w peuvent tre caractriss plus simplement par une simple transforme de Fourier. I1 est nanmoins rvlateur de lusage qui peut tre fait des dcompositions temps-frquence pour le problme de dtermination de frquences locales. Nous verrons des exemples plus complexes au chapitre

V) *

I1 faut aussi remarquer que, compte tenu de la linarit de la transforme de Gabor, la transforme dune fonction du type :
k

est donne par

G f ( b , u )=
k

Ak(b)eiXkb6(Xk W ) * -

+ R(b,U )

cest--dire une superposition de composantes possdant des proprits de localisation diffrentes dans le plan temps-frquence, ce qui facilite leur sparation.

Lanalyse par ondelettes en dimension 1

17

E n effet, ds que w est proche de lune des frquences x k o , ou plus prcisment si Ako(b>ij(&, - w) > Ak(b)ij(Xk - w ) pour tout k # ko, la transforme de Gabor va essentiellement voir la composante dindice ko. Remarque : On sait que le problme de la recherche des lieux x, tels quune fonction If(x)I atteigne un maximum, est un problme mal pos et donc numriquement instable. Nanmoins, le cas que nous considrons est plus favorable, dans la mesure o une transforme de Gabor est une fonction trs redondante, comme nous verrons la fin de ce chapitre. Cette redondance confre la mthode que nous venons de dcrire une plus grande stabilit. Nous aurons loccasion de revenir sur ce point au chapitre V.

11.3

Le cas multidimensionnel

Terminons cette partie par une description de lanalyse de Fourier court terme en dimensions suprieures un. La gnralisation se fait de faon immdiate. On considre une fonction g E L2(Rn) les gaborettes associes, et toujours dfinies par (11.3) :

mais pour lesquelles les paramtres de translation et de modulation dcrivent chacun IR et o w-(z-b) est un produit scalaire dans lR.Dans ces conditions, on montre aisment que pour toute f E L2(iRn), a la dcomposition suivante on gnralisant (11.6) :

(11.13)
Les gaborettes sont alors localises dans lespace des phases lRn x IR dans des domaines de forme et de volume constants.

III
111.1

LANALYSE PAR ONDELETTES EN DIMENSION 1


Dcompositions continues en ondelettes

Tournons-nous maintenant vers une autre procdure permettant de dcrire le plan temps-frquence 1R x iR. En guise de justification, mettons dabord en vidence lun des dfauts de lanalyse de Fourier court terme, qui est la consquence immdiate du processus utilis pour la construction des gaborettes. Les gaborettes sont des fonctions de taille constante et ne permettent donc pas dobtenir une rsolution temporelle aussi haute que ncessaire. Supposons en

18

Analyse continue par ondelettes et par gaborettes

particulier que la fonction analyse f(z)soit singulire en un point 2 = 5 0 . Les coefficients G f ( b ,u)ne permettent alors pas de localiser la singularit, cest-dire de dterminer zo avec une prcision suprieure la taille de g(z). Les gaborettes tant aussi de taille constante dans lespace de Fourier, un argument similaire peut y tre dvelopp. Ce raisonnement trs simple dmontre la ncessit de pouvoir disposer dune mthode danalyse agissant en quelque sorte comme un microscope mathmatique, cest--dire adaptant sa rsolution (ici la taille des fentres danalyse) la taille de lobjet (ou du dtail) analys. Cest prcisment ce que fait lanalyse par ondelettes. Partant dune fonction $(x) bien localise (dans le plan tempsfrquence), on lui associe la famille dondelettes $((,a) ) engendres par des ( . translations et des dilatations de $(z) : (111.1) les paramtres b et a dcrivant gnralement l et a;. R Les ondelettes sont donc de forme constante, mais de taille variable, proportionnelle au paramtre de dilatation a. Les ondelettes $(b,a) (z) permettent de dcrire le plan temps-frquence de faon assez diffrente de la description donne par les gaborettes. Remarquons tout dabord que lon peut toujours, sans perte de gnralit, supposer que +(z) est bien localise autour de lorigine z = O. En revanche, G(() na aucune raison dtre localise autour de lorigine des frquences x = O , nous allons en fait voir plus loin que cette hypothse doit tre exclue. Supposons donc bien localise autour du point z = u > O. Dans ces conditions, @ s ( ~ , ~est z ) g )( bien localise dans une rgion du plan temps-frquence, centre sur le point de coordonnes (b,uO/a). De plus, ce domaine est une version dilate (dans la variable z) et contracte (dans la variable <) du domaine dans lequel est localise S(z). On a suppos ici a > 1 ; si a < 1, il y a dilatation en z et contraction en <. Ces proprits de localisation sont dcrites dans les figures 11.3 et 11.4. Lanalyse par ondelettes associe donc la fonction analyse lensemble de coefficients : (111.2) Tf(b,a) (f@(b,a) )Lz =

4(<)

qui, paralllement aux coefficients de Gabor, dcrivent le contenu de f(z)au voisinage de (b, w o / a ) dans le plan temps-frquence. Lensemble de ces coefficients forme la transforme en ondelettes de De mme que la transforme de Fourier court terme, celle-ci est inversible sur son image dans certaines hypothses. On peut, en particulier, reprendre une preuve similaire celle de la section prcdente et montrer une formule de rciprocit au sens faible. Nous donnons ici un rsultat lgrement plus fort, qui nous sera utile pour la suite.

I) (. .

Lanalyse par ondelettes en dimension 1

19

-1 O

-5

O Temps

10

Figure 11.3 : Localisation de deux ondelettes $(z) et z (partie relle).

$(6,2)

(x)dans lespace des

I\
-

0.8

0.6
0.4
-

0.2

O
I I I

Figure 11.4 : Localisation des deux ondelettes de la figure prcdente dans lespace de Fourier (seul le module est reprsent).

20

Analyse continue par ondelettes et par gaborettes

Plus prcisment, nous allons en fait donner trois formules dinversion, utiles dans diffrents contextes.

Thorme 2 1) Soit 1c, E L1(LR), que : telle

Toute fonction f E L2(L7i)peut tre dcompose ainsi :

(111.4)
o lgalit est prendre au sens de la convergence dans L2(LR).

2) Si 1c, E L (lR) telle que seules ses frquences positives satisfont la condiest tion dadmissibilit :

(111.5)
la formule (111.4) reste valable pour toute fonction f E H2(LR).

3) Soit 11, E L1(L7i),telle que :


(111.6)

Toute fonction f E L2(lR)peut tre dcompose comme suit :

(111.7)
o lgalit est prendre a u sens de la convergence dans L2(lR).

Avant de donner la dmonstration de ce rsultat, il est intressant de fixer les diffrences entre ces trois approches. Le point essentiel est que des paramtres de dilatation positifs ne permettent en gnral pas de dcrire de la mme manire les demi-axes positif et ngatif de lespace de Fourier. Les trois rsultats prcdents sappliquent des cas dans lesquels les difficults disparaissent de diffrentes manires. Dans le premier cas, londelette $(z) possde des proprits de symtrie (dans lespace des frquences) suffisantes pour traiter simultanment les frquences positives et ngatives. Dans le second cas, on simplifie le problme en restreignant lanalyse lespace de Hardy H 2 (IR) des fonctions de L 2 ( B )ne possdant pas de frquence ngative. Enfin, le problme est vit dans le troisime cas par lintroduction de dilatations ngatives ou, ce qui est quivalent, de dilatations positives composes dune rflexion par rapport lorigine des frquences.

Lanalyse par ondelettes en dimension 1

21

Preuve : Passons maintenant la preuve du thorme. Notons tout dabord quil est facile de vrifier les galits (111.4) et (111.7) par un calcul formel, si lon ne se soucie pas de la convergence des expressions employes. Le travail consiste donc donner un sens ce calcul formel. Si on note f(x) = f ( - x ) * , il vient :

Tf ) = [f * G a ] ( b ) (b .
o
$a(x)

(111.8)

#--)

(111.9)

et lingalit de Young assure que Tf E L2(lR,db). Considrons :

da(x) = J Tf(h m a)+(b,a) ( x ) d b


h

(III. 10)

alors da($) = [ T f ( - , a ) (x)et lingalit de Young entrane que da E L2(172) pour tout a > 0. da existe donc presque partout et

Soit

un nombre rel positif non nul et soit :

(III. 12)
Lingalit intgrale de Minkowsy implique que llsc112 5 J que s^, existe presque partout et :

th da^^*^, de sorte
(111.13)

Plaons-nous maintenant dans le cadre dcrit dans la premire partie du thorme.

(111.14) o a = sgn([). On a donc I$(<)/ < c~ p.p. et le thormede convergence domine de Lebesgue permet den dduire : (111.15)
ce qui prouve (1).

If^(<)l

22

Analyse continue par ondelettes et par gaborettes

(2) sobtient comme cas particulier de (1) pour des fonctions f (z) telles que

j ( < ) O v< 5 o. =
Enfin, (3) sobtient de faon similaire en montrant que :

(III. 16)
La convergence dans L2(IR) entranant la convergence faible, on dduit immdiatement de ces rsultats le corollaire suivant :

Corollaire 1 i) Si ct/, < M et f E L2(nZ),alors

TfE L2(lR2; IR, x


U

y), et
(111.17)

J
ii) Si cb

m; x R

ITf(b,u)I2 b = c,,j gd

lm

lf(z)12dz

< M et

f E

L2(IR), TfE L2(lR* x IR, alors

v),
et

(111.18)
Ces deux formules de Plancherel montrent que la transforme en ondelettes est une isomtrie partielle de L 2 ( B )dans L2(IR; x nZ) (resp. L 2 ( B *x IR)), et permettent donc linterprtation de ITf(b, .)I2 (resp. ITf(b,. ) I2 ) comme
C

c;

une densit dnergie dans le demi-plan (resp. plan) temps-chelle.

Remarque 1 : Admissibilit des ondelettes. Nous avons vu dans la section prcdente qutant donne une fonction fentre g(z) intgrable, la condition ncessaire lutilisation de g(z) dans le cadre de lanalyse de Gabor de L(El) est que g(z) soit de carr intgrable. Dans le cas de lanalyse par ondelettes, la condition ncessaire pour que $(z) E L(IR) puisse tre utilise comme ondelette analysante est quelle vrifie une condition dadmissibilit, comme par exemple ct/, = l$(u)12$ < 03 (ou une condition similaire). Cette condition implique en particulier que $(O) = $ ( z ) d z = O. Une ondelette admissible est donc typiquement une fonction dintgrale nulle, donc oscillante. Les exemples ne manquent pas. Le plus simple est sans doute la fonction de Haar, qui vaut -1 entre -1 et O, 1 entre O et 1, et O ailleurs. Dans le contexte de lanalyse dimages et de la vision par ordinateur, les ondelettes les plus employes sont la drive seconde de fonction gaussienne et la diffrence de deux gaussiennes de mme centre et intgrale, des chelles diffrentes. Un autre exemple clbre est, aussi paradoxal que cela puisse paratre car non admissible, londelette de Morlet, ou gaussienne dplace en frquence : $(z) = exp(-z2/2) exp(iwz). Dans ce

sooo

Lanalyse par ondelettes en dimension 1

23

cas, G(0) > O, mais pour w assez grand (w 2 5 en pratique), $(O) est assez petit pour pouvoir tre considr comme numriquement admissible Lun des avantages pratiques de londelette de Morlet est quelle est bien adapte lanalyse de H 2 ( a ) (nous en verrons des applications au chapitre V) et optimalement localise dans le plan temps-frquence (elle minimise lingalit de Heisenberg).

Remarque 2 : Dcouplage des ondelettes danalyse et de reconstruction. Comme dans le cas de la transforme de Gabor, on peut utiliser une ondelette diffrente pour reconstruire f partir de sa transforme en ondelettes. Soit y E L(Di!), telle que de plus

(III. 19)

(111.20)
On se place par exemple dans le cadre dcrit par la premire partie du thorme 2. Le thorme 2 se gnralise alors et on peut crire pour toute f E L(Di!) :

(111.21)
Une telle formule dinversion est particulirement utile en pratique. E n effet, il arrive souvent que lon ait besoin dondelettes danalyse et de reconstruction ayant des proprits diffrentes3. Nous verrons aussi la fin de ce chapitre un exemple dans lequel londelette danalyse nest pas admissible, mais o la condition mixte (111.19-111.20) permet de faire porter ladmissibilit sur londelette de synthse. Remarque 3 : Dcomposition de Littlewood-Paley. Si on prend formellement y = b (la masse de Dirac lorigine) dans (111.19) et (111.21) en dfinissant :

(111.22)
et en supposant que :

< lk$l < Co

(111.23)

* I l est possible d e donner un sens plus prcis a u terme numriquement admissible. Tous les calculs numriques t a n t en pratique effectus avec une prcision finie (simple ou double prcision), g(z) sera numriquement admissible ds q u e ij(0) nexcde pas la limite d e prcision fixe. Bien entendu, pour tous les problmes pour lesquels la prcision est cruciale, il conviendra dtre plus soigneux. 311 est souvent utile dutiliser des ondelettes danalyse possdant des moments nuls, alors q u e la synthse rclame plutt des ondelettes moins oscillantes.

24

Analyse continue par ondelettes et par gaborettes

on obtient la formule de reconstruction dite de Morlet :

(111.24)
Bien entendu, la formule de Morlet doit tre montre diffremment. On part dune fonction cp(z) telle que cp(z)dz = 1, et on lui associe lidentit approche cpa(z) = cp(z/u)/a. Si on note @(x) = cp(-x), et si f(z)E L 2 ( B )on associe T f ( b , u )= -aa f * @,(b), (111.24) est une consquence de lima+O f * Fa. La formule de Morlet savre particulirement efficace du point de vue numrique, car elle met en jeu une intgrale simple au lieu dune intgrale double, ce qui rduit dautant le volume des calculs.

111.2

Quelques exemples simples

1) Reprenons tout dabord lexemple discut dans le paragraphe prcdent, pour illustrer laspect analyse de Fourier locale des ondelettes. Soit donc

f(z)= A(z)eiAX
la fonction considre prcdemment, et soit $(z) une ondelette support est maximale pour une certaine compact dans un intervalle I , telle que valeur = W O . En utilisant les mmes outils que prcdemment, il vient

G(<)

T f ( b , ~= A ( b ) e i x b $ ( ~ X ) *R ( ~ , u ) )
o

(111.25) (111.26)

La transforme en ondelettes est donc localise autour de a = wo/X et permet une mesure directe de X et A ( z ) , condition bien sr que le reste R ( b , a ) soit ngligeable, ce qui est le cas quand les variations de lamplitude sont lentes par rapport aux oscillations provenant de lexponentielle complexe. Le cas des signaux du mme type, mais cette fois valeurs relles (ie. A ( z )cos(Xz)), se traite de faon similaire, condition dutiliser une ondelette 4 E H 2 ( a ) ,qui supprime les frquences ngatives. On est alors ramens au problme prcdent.

2) Passons donc lillustration de laspect analyse ponctuelle de la transforme en ondelettes. Supposons, par exemple, que nous ayons analyser une fonction f(z)qui possde un comportement singulier en 2 0 , par exemple une singularit holderienne : il existe deux constantes O < cy < 1 et I( > O telles que : - j ( z 0 ) l 2 I-. - Z o l a va: E lR i1 (111.27)

If(.)

Ondelettes multidimensionnelles

25
telle

Dans ces conditions, en utilisant une ondelette


que :

+, donc dintgrale nulle,

I< =
on a :

1Zll+(Z)ldZ

< 00 ,

La transforme en ondelettes permet donc dans ce cas lestimation de lexposant (Y. Nous reviendrons plus en dtail sur lanalyse par ondelettes des proprits de rgularit locale dans le chapitre IV.

IV

ONDELETTES MULTIDIMENSIONNELLES

Nous avons pu voir la fin de la section II que lanalyse de Fourier court terme se gnralise sans problme plusieurs dimensions. Nous allons maintenant voir que la gnralisation multidimensionnelle de lanalyse par ondelettes est lgrement plus complexe, essentiellement pour la mme raison que celle qui avait conduit trois thormes de reprsentation une dimension diffrents. Nous allons ici obtenir deux versions diffrentes de lanalyse par ondelettes, gnralisant les parties (1) et (3) du thorme 2. Nous nous plaons dans le cadre o les mmes ondelettes sont utilises pour la dcomposition et la reconstruction. I1 est bien vident que lon peut, comme prcdemment, dcoupler les ondelettes danalyse et de reconstruction.

IV.l

Ondelettes radiales

Nous considrons ici des ondelettes engendres de la manire habituelle, cest--dire par des translations et des dilatations de londelette mre $(x). Notons donc :

(IV. 1)
pour tous b E lR, E a (noter ici la normalisation diffrente de (111.1). A toute f E L2(m2) associe ses coefficients en ondelettes : on

Ces coefficients dondelettes permettent une analyse du mme type que celles prcdemment dcrites, sous rserve que $ satisfasse certaines conditions dinvariance par rotation dans lRn, ce quexprime le rsultat suivant :

26

Analyse continue par ondelettes et par gaborettes

Thorme 3 Soit qh E L'(ITI"), telle que :


(IV.3) soit finie et indpendante du vecteur unitaire e E IRn. Toute fonction f E L2(lRn) peut tre dcompose comme suit : (IV.4)
o l'galit est prendre au sens de la convergence dans L2(lRn). De plus,

Tj E L2(lR2; lR", x

y).

Preuve : La preuve est en tous points identique celle du thorme 2 de la section prcdente, jusqu' l'quation (111.14). Ensuite, on a : (IV.5) o on a pos e, = x 1 z 1 Enfin, (111.16) est toujours valide, de sorte que le /11. thorme de convergence domine permet de conclure. Examinons maintenant les consquences de l'hypothse faite sur l'ondelette $J. Le fait que ctl, soit finie est une hypothse dj rencontre dans la section prcdente. En revanche, le fait que (IV.3) soit indpendant du vecteur unitaire e E IR" a pour consquence (si $J est suffisamment rgulire) que [$(<)I est invariante par les translations de la sphre de rayon dans l'espace de Fourier. Par consquent, $(I) tre localise mieux que dans une ne peut couronne centre sur l'origine des frquences et les coefficients T f ( b ,a ) ne peuvent donner aucune information sur des localisations dans l'espace spectral. Par exemple, si la fonction analyse est de la forme f (z) = A ( z )exp(ilc0 z), o A ( z ) est une enveloppe lentement variable, les coefficients T f ( b , a )peuvent permettre l'valuation de Ilkoll, mais pas celle de IC0 lui-mme. Pour pallier ce dfaut de l'analyse par ondelettes usuelle, on introduit des degrs de libert supplmentaires, correspondant des rotations dans mn. En revanche, l'avantage des ondelettes radiales est que la transforme en ondelettes est ici une fonction de n 1 variables, au lieu de 2n dans le cas de l'analyse de Fourier court terme.

IV.2

Ondelettes engendres par les translations, rotations et dilatations de IIZ"

Commenons pour simplifier par le cas bidimensionnel. Nous cherchons construire des familles d'ondelettes que l'on puisse bien localiser dans l'espace

Ondelette multidimensionnelle

27

de Fourier. L'ide est donc de partir d'une telle fonction et de faire agir dessus des rotations, en plus des translations et dilatation usuelles, afin de faire varier sa localisation dans l'espace de Fourier. Considrons donc, pour E [O, 27r], la matrice de rotation : cos -sine (IV.6) re= sin cos

et notons (IV.7) On construit ainsi la transforme en ondelettes de f E L2(lR2) :

Tf(b,a,) ( f , $ ( b , u $ ) ) =

(IV.8)

qui est maintenant une fonction de quatre variables relles. I est facile de v1 rifier (en adaptant les dmonstrations prcdentes et en utilisant le fait que la mesure d est invariante par rotation sur le cercle) que, pour peu que l'ondelette +(z) E L1(Di2) vrifie la condition d'admissibilit (IV.9) on a alors la dcomposition suivante : V (z) E L 2 ( m 2 ) , f

La dmonstration est laisse au lecteur. Passons maintenant au cas de dimension quelconque. Nous nous donnons maintenant la possibilit de faire agir sur l'ondelette mre $(z), en plus des dilatations et translations habituelles, des matrices de rotation en dimension n. Si r est une telle matrice -nous rappelons ici qu'une matrice de rotation est une matrice orthogonale, c'est--dire telle que T .t r = 1 et de dterminant 1 ; les rotations de IR" forment un groupe de dimension n(n 1)/2, not SO(n). On considre donc les ondelettes :

(IV.11) On construit ainsi la transforme en ondelettes de f E L'(Di") : (IV. 12) qui est donc maintenant une fonction de n(n+ 1)/2+ 1paramtres rels, au lieu de n 1 dans le cas prcdent. Nous allons voir que l'introduction des matrices

28

Analyse continue par ondelettes et par gaborettes

de rotation permet de se passer de l'hypothse d'invariance par rotation de le prix payer tant un accroissement notable de la dimension l'ondelette de l'espace des paramtres. Pour plus de dtail sur les rotations et les angles d'Euler en dimension n, nous renvoyons au complment A la fin de ce chapitre. Considrons donc les coefficients :

G(c),

T f ( b i ai r ) = (fi 1Cl(b,a,r)) .

NOUS avons maintenant tous les lments ncessaires pour montrer le thorme suivant :

Thorme 4 : Soit qb E L'(IF') telle que


(IV.27) Alors, toute f E L'(Di?) peut tre dcompose comme :
dadb T / ( b , a , r)qb(b,a,r)y d ~ n ( r )

(IV.28)

o l'galit est prendre au sens de la convergence dans L ' ( E n ) . De plus,

TfE LyR; x IR" x S O ( n ) ,* d p " ( r ) ) .


Preuve : La preuve suit les grandes lignes des dmonstrations prcdentes. Introduisons la fonction d a , r dfinie par :
d a , v ( x ) = /mn ~ f ( b , ar)S>(b,a,r) x ) d b , (

(IV.29)

puis :

(IV.30)
En rptant lcs mmes arguineiits que prcdemment, on vrifie aisment que (IV.31)
et le lemme 3 du complment A permet de conclure. Notons que, dans ce cas, la transforme en ondelettes est une fonction de n(n 1)/2 1 paramtres, ce qui reprsente un important volume de donnes pour les grandes valeurs de n.

Ondelettes multidimensionnelle

29

IV.3

Retour sur lespace temps-frquence

On vrifie de faon immdiate que dans le cas dune ondelette $(z) invariante par rotation, (IV.10) redonne essentiellement (IV.4). En revanche, une hypothse lgrement plus faible permet de retrouver un espace temps-frquence (ou position-impulsion) naturel, de dimension 2n. Supposons que $ ( x ) soit invariante par rotation dans un hyperplan 172- de dimension n - 1 de lR. Notons e,, E 172 un vecteur unitaire perpendiculaire lhyperplan dinvariance. Comme nous le montre le complment A, toute matrice de rotation I E SO(n) peut tre factorise en un produit

o s E SO(n - 1) est une matrice de rotation dans lhyperplan dinvariance, laissant donc e,, invariant. Les ondelettes

= a-$
(

s-I-l

.x -ab )

(IV.32)

sont donc indpendantes de s et paramtres par les lments de S O ( n ) modulo S ( n - l ) , autrement dit la sphre Sn-. Exemple : Considrons lexemple de londelette de Morlet en dimension 3, dfinie par sa transforme de Fourier

&E) = e- ( c - k ) 2 - e - k 2
o k E 172 est la frquence centrale de londelette et le terme e - k z , ncessaire pour ladmissibilit de $(z), est numriquement ngligeable ds que II L est assez grand. I1 est vident que $(z) est invariante par toutes les rotations dans le plan perpendiculaire IC. E n effet, si lon choisit une base orthonorme { e l , e2, e 3 ) de LR3 telle que IC soit proportionnel e3, il vient :

et toute rotation dans le plan ( e l , e 2 ) laisse invariant ES < Dans ce cas, on ; . pourra paramtrer les ondelettes de Morlet tridimensionnelles par trois variables de position, une variable dchelle et deux angles de rotation seulement. Dans le cas gnral, si lon paramtre la sphre de dimension n - 1 par ses angles dEuler, on obtient donc une reprbsentation temps-frquence, fonction de :

n variables de position b, en coordonnes cartsiennes ; une variable dchelle a ; e n - 1 angles, paramtrant une direction dans lespace des frquences.
e
O

30

Analyse continue par ondelettes et par gaborettes

Ce qui fait un espace de dimension 2n. Une autre interprtation des n dernires variables est quelles ne sont autres que les coordonnes sphriques (en dimension n ) dune frquence, a, ou plutt u- pour des raisons dhomognit, tant la variable radiale, et les angles dEuler les variables angulaires. Le thorme de reprsentation correspondant sobtient facilement, en utilisant la factorisation de la mesure de Haar sur SO(n) en mesure de Haar sur SO(n - 1) fois la mesure invariante sur la sphre, qui permet tout simplement de remplacer lintgration sur SO(n) par une intgration sur les angles dEuler paramtrant S-, tout en divisant la constante dadmissibilit par VoZ(SO(n1)).

NOYAUX REPRODUISANTS

Nous avons dj eu loccasion de remarquer que lensemble des coefficients dune fonction, obtenus dans le cadre dune analyse de type temps-frquence, fournit une information fortement redondante sur la fonction analyse. Cette redondance peut en fait tre facilement caractrise par lintroduction du concept despace de Hilbert noyaux reproduisants. Un espace de Hilbert noyaux reproduisants est un espace de Hilbert de fonctions satisfaisant une relation du type :

f=K*f
o I< est un oprateur noyau, dfini par

I1 existe en fait un grand nombre despaces familiers qui sont des espaces
noyaux reproduisants. Lun des plus clbres est sans doute lespace des

fonctions analytiques dune variable complexe dans le demi-plan de Poincar H = { z E C, Irn(z) > O}. Un noyau reproduisant de cet espace est le noyau de Cauchy et on a :

Un autre exemple trs classique despace noyaux reproduisants, exemple que nous allons tre amens rencontrer souvent par la suite, est lespace de PaleyWiener :

pwu = {f E L 2 ( R ) ,SWP(f) c

[-wJI}

(V.4)

aussi appel espace des fonctions bande limite ou fonctions frquence de coupure. La thorie de lchantillonnage usuelle montre que si f E PW,, f

Noyaux reproduisant

31

est entirement dtermine par un ensemble discret de valeurs (chantillons) fk = f(ICr/w), IC E ZZ ; autrement dit :

f (x)=
k

fk

sin(w(x - I c ~ / w ) ) w(x - k r / w )

ce qui est aussi une quation de reproduction. Nous allons voir que, pour chaque thorme de reprsentation dcrit depuis le dbut de ce chapitre, la transforme en ondelettes et la transformede Fourier court terme font naturellement apparatre des noyaux reproduisants. Plaonsnous, pour simplifier, dans le cadre de l'analyse par ondelettes unidimensionnelle dcrite par le thorme 1 de la section III. Le thorme 1 peut tre rcrit sous la forme d'une galit entre oprateurs :

est la forme linaire dfinie par :

$IL,:) f = (f,
*

q(6,a))

(V-7)

de sorte que l'intgrand de (V.4) est un oprateur de rang 1 :


[$(6,a)

'8 4t;,k)]

f = Tf(b,a)$(b,a)

P.8)

On peut alors, suivant une procdure usuelle en physique, insrer l'identit (V.4) dans la dfinition de T f ( b , a ) ,ce qui conduit l'galit :

le noyau Ir', tant donn par :


I r U O ; b, l (bo, $

1
= -($(bo
C$
,a0)7

q(6,a))

(V.10)

IC, est donc entirement dtermin par l'ondelette $ et possde de plus la proprit de covariance par translation-dilatation suivante :
1 bo - b ao Ic$(bo,ao; b, a ) = -I<-+(, a -; O, 1) 0, u
Finalement, un raisonnement du mme type conduit : (V.11)

(bo,ao ;b, U ) l i ' $ (b,a; bl ,u1

dadb a= A-$(bo,

a0 ; bl al )

(V.12)

Notons P$ l'oprateur noyau dfini par Nous avons donc montr :

K$.Clairement, Ptl, est auto-adjoint.

32

Analyse continue par ondelettes et par gaborettes

Proposition 1 Soit T f la transforme en ondelettes de la fonction f E L(El) par rapport londelette t,b E L(El). Alors

T f

(V.13)

o 7 i + est le sous-espace de L2(lR;x lR, It7$.

y) par le noyau reproduisant dfini


dadb
U

3C$={FL2(El2;xIIZ,-),P~.F=F)
De plus, P$ est un projecteur orthogonal.

(V.14)

Cette proprit de noyau reproduisant savre trs intressante en pratique, car elle conduit des formules dinterpolation permettant la restitution (approchce) de la transforme continue partir de versions chantillonnes. On peut pour cela utiliser des rsultats dj existants concernant la thorie de lcliaiitillonnage dans les espaces de Hilbert noyaux reproduisants. Nous reviendrons sur ces questions au chapitre VI quand nous dcrirons les notions de repres dondelettes (et de gaborettes). Remarque 1 : Nous avons dj vu que la formule de reconstruction dune fonction f E L(IR2) partir de sa transforme en ondelettes est loin dtre unique, dans la mesure o une ondelette diffrente peut tre utilise pour la reconstruction. De mEme, le noyau reproduisant est loin dtre lui-mme unique. En effet, si-7 est londelette de reconstruction, ce qui suppose que O < ci,-, = j $?(<)+(<)* < 00, le noyau I<@,-, dfini par : (V.15) est lui aussi un noyau reproduisant pour la transformeen ondelettes. I1 possde toujours les mmes proprits de covariance, mais dfinit cette fois un projecteur oblique sur N+. Remarque 2 : La projection sur lespace 3C+ au moyen du noyau reproduisant peut aussi tre vue dune autre manire. En effet, il est facile de voir que PJ, nest que la composition de deux oprateurs : dune part, loprateur T * qui est linversion de la transforinbe en ondelettes : si F E L2(lR; x

my)

(V.16) et, dautre part, la transformation en ondelettes T : L(Pi!) + +Cette I . remarque prendra tout son intrt lorsque nous aurons vu comment construire des algorithmes rapides de transformation en ondelettes et transformation inverse, car on aura aussi un algorithme rapide de projection sur 7 i ~ .

Quelques remarques et complments

33

VI
VI.l

QUELQUES REMARQUES ET COMPLMENTS


Analyses multirsolutions infinitsimales

Nous avons vu prcdemment que lanalyse par ondelettes prsente lavantage suivant : les fonctions danalyse, cest--dire les ondelettes, sadaptent la taille des vnements quelles analysent. Nanmoins, cet avantage peut devenir un inconvnient sur le plan pratique si les vnements analyss sont de grande taille, les calculs numriques pouvant alors devenir trs lourds. I1 peut alors tre souhaitable de regrouper les contributions des grandes chelles dans une famille unique de coefficients ; autrement dit, remplacer une famille de filtres passe-bande par un unique filtre passe-bas. Ceci peut tre fait en associant une ondelette $ une autre fonction, appele fonction dchelle, dont la transforme de Fourier vrifie : (VI.1)

A cette fonction dchelle, on associe la famille de ses dilates et translates :


(VI.2) que lon va utiliser pour analyser L ( a ) . On notera, pour toute f E L(ZR),

Mf(b,a) = (f4(b,a))

(VI.3)

les coefficients reprsentant lapproximation de f lchelle a. Sous certaines hypothses (assez peu restrictives), on montre que lautocorrlation p(x) de 4(x) est intgrable ; il suffit par exemple de supposer que 11, E H1(IR), lespace de Hardy rkel, cest--dire de supposer que $ et sa transforme de Hilbert sont intgrables. I1 est alors simple dadapter la preuve des thormes de la section III pour montrer les corollaires ci-dessous. Nous donnons un seul nonc ; les deux autres sen dduisent trivialement.

Corollaire

i Soit 1 ~ ,E I P ( Z R ) ,teiie que :

et soit qi une fonctioii dcllelle associe. Pour tout rel positifao, toute fonction f E L2(IR)peut tre dcompose comme suit :

34

Analyse continue par ondelettes et par gaborettes

o lgalit est prendre a u sens de la convergence dans L2(lR). On dit que lon effectue une analyse multirsolution infinitsimale. Nous verrons dans le chapitre VIII, consacr aux algorithmes rapides de calcul, une application de ces formules.
Exemple : Considrons pour illustration lune des plus simples des fonctions dchelle possibles : $ ( E ) = e-c2/2 Un calcul simple montre alors que la fonction donne par

vrifie (VI.5). De mme, on peut construire des fonctions dchelle associes des ondelettes en plusieurs dimensions. A une ondelette invariante par rotation correspondra une fonction dchelle invariante par rotation et inversement. On peut aussi procder de mCme dans le cas de la formule de Morlet ; ceci nous ramne alors directement aux dcompositions de Littlewood-Paley que nous avons brivement dcrites.

V . Quelques exemples singuliers I2


Jusqu prsent, nous avons dcrit les grandes lignes de lanalyse par ondelettes en insistant sur les proprits caractristiques des ondelettes, savoir quune ondelette typique est une fonction oscillante et bien localise des deux cts de la transforme de Fourier. Nanmoins, nous allons voir ici que dans certains cas il peut tre intressant de relaxer ces hypothses, ce qui conduit des exemples surprenants. Le cas le plus simple est reli la possibilit de dcouplage des ondelette danalyse et de synthse. Nous avons vu aux quations 111.22-111.24 quen prenant formellement pour ondelette de reconstruction une masse de Dirac centre lorigine, on obtient une formule de reconstruction simplifie -la formule de Morlet- qui fait intervenir une intgrale simple uniquement

Dans ce cas, un choix singulier dondelette de reconstruction permet de simplifier les expressions. Un autre exemple simple est fourni en dimension 2 par la transforme de Radon. M. Holschneider [13] a montr que si lon prend comme ondelette danalyse une distribution de masse quirpartie sur une droite, la transforme

Quelques remarques et complments

35

en ondelettes (avec rotations suivant le schma de Murenzi) n'est autre que la transforme de Radon. E n effet, soit e E lRz un vecteur unitaire, et prenons pour ondelette d'analyse non plus une fonction mais la distribution
$(z) = 6(z e )

W.2)

On obtient immdiatement une expression simplifie pour la transforme en ondelettes :

T j ( b , a , ) = a-'
L 2

f ( z ) 6 ( ( r o e ) (z - b ) ) .

(V.3)

ce qui est exactement la forme d'une transforme de Radon. Notons toutefois qu'il s'agit d'une version trs redondante de la transforme de Radon. E n effet, T j ( b ,a, e) est constante le long des perpendiculaires r0.e ; de plus, elle dpend de faon triviale de la variable d'chelle a :

Tf(b,a,e)- ' n ( ( b . ( r e . e ) ) r o . e , 8 ) =a-'n(a,e) =a


o a = b (re . e ) . On obtient alors des formules d'inversion de la transforme de Radon [13]. I1 faut pour cela utiliser la formule donnant la transforme en ondelettes inverse avec une ondelette de reconstruction ~ ( z qui assure que la condition ) d'admissibilit mixte soit satisfaite. Plus prcisment, rappelons la condition d'admissibilit mixte que l'on peut crire en deux dimensions (quitte renormaliser x par une constante) :

L'ondelette ncessaire pour inverser la transforme de Radon y(z) doit alors vrifier :

o e est le vecteur unitaire que nous avons utilis pour construire $(z). Comme nous l'avons signal plus haut, I'ondelet te d'analyse $(z) n'est pas admissible, et l'ondelette de synthse y(z) doit "porter l'admissibilit''. La formule d'inversion de la transformation de Radon est alors donne par :

o (x) est une fonction qui ne varie que dans la direction du vecteur e, donne par :

(V-7)

36

Analyse continue par ondelettes et par gaborettes

ou, encore, dans lespace de Fourier :

f ( ~=)?(Xe), x E E

(V.8)

M. Kolschneider montre de plus que la fonction y(z) peut tre choisie de sorte
que la formule dinversion soit valable point par point (voir au chapitre IV pour une description plus prcise de ces notions). Ces formules gnralisent la transformation de Radon inverse classique (appele back-projection) qui opre chelle fixe. Elles sont en fait trs utilises en pratique, et ce bien avant leur interprtation en termes dondelettes.

VII

COMMENTAIRES ET RFRENCES

La notion danalyse temps-frquence est trop gnrale et ancienne pour pouvoir lui dterminer un inventeur. Lun des pres de lanalyse temps-frquence est le traiteur de signal J. Ville qui introduisit la reprsentation de WignerVille pour, dit-il, pallier le manque de signification physique de la transforme de Fourier usuelle. Auparavant, le physicien E.P. Wigner avait introduit cette mme reprsentation dans le contexte de la mcanique quantique dans lespace des phases. Cette reprsentation et ses drives sont maintenant dun usage courant en analyse de signaux. Prcisons toutefois quil sagit l de reprsentations bilinaires, au contraire des reprsentations linaires dveloppes dans ce chapitre. Parmi les reprsentations linaires, la plus simple est la transformation de Fourier fentre glissante. Bien quelle semble avoir t utilise auparavant par de nombreux auteurs, sa formalisation semble tre due D. Gabor [8] en 1946. Lanalyse continue par ondelettes unidimensionnelle a t propose au dbut des annes 80 par A. Grossmann et J. Morlet (voir [lo]) dans un contexte danalyse du signal. E n fait, elle tait dj utilise par les mathmaticiens depuis les annes 60, sous le nom didentit de Calderon [2], pour ltude de certains espaces fonctionnels et oprateurs dfinis par des intgrales singulires. La version multidimensionnelle invariante par rotation tait galement connue des mathmaticiens, et lintroduction des rotations a t propose par A. Grossmann et R. Murenzi [19]. Une description plus gomtrique, sur laquelle nous reviendrons par la suite, est dveloppe dans [12] et [13]. Une autre approche de la thorie des ondelettes, que nous dcrirons plus tard, consiste construire des bases orthonormes dondelettes. Cet aspect, maintenant trs utilis dans de nombreux contextes, sest dvelopp partir des travaux de S. Mallat, Y . Meyer et I. Daubechies. Nous y reviendrons ultrieurement. I existe maintenant de nombreuses rfrences de base sur lanalyse par 1 ondelettes et ses applications dans divers domaines. Citons par exemple [16]

Commentaires et rfrences

37

qui constitue un expos introductif et un guide dans la bibliographie existante. Une exposition plus dtaille de la thorie peut tre trouve dans [3] et [ 6 ] , chacun insistant plus particulirement sur une approche prcise : la thorie de lapproximation pour [3] et le traitement du signal et les aspects algorithmiques pour [6]. Une description de certaines applications ainsi que des dveloppements plus rcents peut tre trouve dans les comptes rendus de confrences [5], [17], [is]ainsi que dans les compilations darticles [l], [4], [14] et [2O]. [l] J. Benedetto, M. Frazier Eds., Wavelets : Mathematics and Applications, CRC Press (1993). [2] A. Calderon, Intermediatespaces and interpolation, the complex method , Studia Math., 24 (1964) 113. [3] C. Chui, An Introduction to Wavelets, Academic Press, New York (1992). [4] C. Chui Ed., Wavelets ; a Tutorial in Theory and Applications, Academic Press, New York (1992). [5] J.M. Combes, A. Grossmann, Pli. Tchamitchian Eds., Time Frequency Methods and Phase Space, IPTi, Springer (1989). [6] I. Daubechies, The Wavelet Transform, Time-frequency Localisation and Signal Analysis, I E E E Trans. Znf. Th., 36 (1990) p. 961-1005. [7] I. Daubechies,Ten Lectures o n Wavelets, SIAM-CBMS (1992). [8] D. Gabor, Theory of communication, J . Inst. Elec. Eng., 903 (1946), 429. [9] A. Grossmann, R. Kronland-Martinet, J. Morlet, Reading and Understanding the Continuous Wavelet Transform, dans [5]. [lo] A. Grossmann, J. Morlet, Decomposition of Hardy Functions into Square Integrable Wavelets of Constant Shape, S I A M J . Math. An., 15 (1984), 723. [il]A. Grossmann, J. Morlet, T. Paul, Transforms Associated with Square Integrable Group Representations I, J. Math. Phys., 27 (1985) 2473. [12] A. Grossmann, J. Morlet, T. Paul, Transforms Associated with Square Integrable Group Representations II, A n n . Inst. H. Poincar, 45 (1986) 293. [13] M. Holschneider, Inverse Radon Transforms throiigh Inverse Wavelet Transforms, Inverse Problems, 7 (1991) p. 853-861 . [14] P. G. Lemari Ed., Les ondelettes en 1989, Leci?. Notes in Math., 1438 (1990). [15] Y. Meyer, Ondelettes e t oprateurs ; I Ondelettes, Hermann (1989). [16] Y. Meyer, Les Ondelettes, algorithmes et applications, Armand Colin, 2 dition (1994). [17] Y. Meyer, Actes de la confrence Ondelettes et applications, Marseille (1989). [18] Y. Meyer, Actes de la confrence Wavelets and their applications, Toulouse (1992). [19] R. Murenzi, Transforme en ondelettes miiltidimensionnelle et application lanalyse dimages, Thse, Louvain-la-Neuve (1989). [20] M.B. Ruskai et al. Ed, Wavelets and their Applications, Jones and Bartlett Publ. Comp., Boston (1992). [21] N. Ja. Vilenkin, Fonctions spciales et thorie d e la reprsentation des groupes, Dunod (1969).

38

Analyse continue par ondelettes et par gaborettes

VIII

COMPLMENT A : ROTATION DANS

RN

Nous dcrivons dans ce complment la paramtrisation par les angles dEuler du groupe S ( n )des rotations en dimension n. Ces coordonnes sont utiles ds que lon sintresse aux ondelettes en dimension suprieure deux.

VIII.l

Les angles dEuler

Un systme de coordonnes (xl, 2,) sur LR tant choisi une fois pour ... xj), orient toutes, on dfinit rij(8) comme la rotation dangle 8 dans le plan (xi, de sorte que xj = rij(:) xi. s i on note de plus r k = r k - 1 k , on peut montrer le rsultat suivant, dont la preuve peut tre trouve par exemple dans [21] :

Lemme 1 Toute matrice de rotation peut tre crite sous la forme dun produit de n - 1 rotations lmentaires, comme :

o lon a pos :

Jk)= .@;). r2(e,). . rk(8,k) ...


et o les 8 sont les angles dEuler de r , et sont tels que : ;

(A.14)

(A.15)

Une telle paramtrisation de SO(n) permet en particulier dexhiber une mesure p n sur S O ( n ) , dite mesure de Haar, dfinie ainsi : Si r E SO(n) est paramtre par les angles dEuler 8 au moyen de (A.7) et (A.8), on crit : :
n-1
k

(A.16)
k=l j=l

La mesure de Haar possde limportante proprit dinvariance suivante : Pour tout ?-O E SO(n) :

le symbole . reprsentant ici la multiplication des matrices n x n . P r exemple, a on vrifie aisment que pour n = 2, toute rotation est reprsente par un angle 8 et d p 2 ( r )= de.

Complment A : Rotation dans LR"

39

I1 existe videmment une relation entre le groupe SO(n) et la sphre unit de dimension n - 1 plonge dans lR",que l'on notera S"-' :

(A. 18)
Plus prcisment, cette relation est la suivante :

Lemme 2 S" est isomorphe l'ensemble dcs classes d'quivalence :


S" Y SO(n

+ l)/SO(n)

(A.19)

Preuve : Soit en+l E ment,

an+'vecteur de coordonnes (O, O, ..., O, 1). le


SO(n + i) . en+l = S"

Claire-

(A.20)

De plus, e,+' est invariant par SO(n) et on se convainc aisment qu'il n'existe pas de sous-groupe de SO(n 1) plus grand qui contienne S ( n ) vrifiant lui aussi cette proprit. On en dEduit l'isomorphisme (A.19). Remarquons que le lemme 1 ainsi que (A.17)fournissent naturellement une factorisation de la mesure de Haar sur SO(n) en un produit de la mesure de Haar sur SO(n - 1) et d'une mesure sur la sphre Sn-'. Le lemme suivant est une consquence de cette remarque.

Lemme 3 Soit f E I ' & " . ,(!)

On a pour tout x E iRn :


dz

J
o

R i xSO(n)

da f(ar-x)-dpn(r) =An-*
a

(A.21)

(A.22)

Preuve : Ecrivons d p n ( r ) = dpn-i(ro)dv(s), o s = reprsente les coordonnes angulaires sur Sn-' :

{e:-',

O;-',

... et:;}

40

Analyse continue par ondelettes et par gaborettes

dp,+ tant invariante par rotation et dilatation, on se ramne sans peine au cas z = e,,. Donc :

i; x SO( d p n ( i ) f ( a r * da a= IR; R n) z)

xSn-1

da f ( a r z)-dv(s)dpn(r) a xSO(n-1)

(A.24)

= A,-i

a ;dv(s) ,

da

(A.25)

IR; x s n - 1

o f p ( a , s ) est lcriture de f en coordonnes polaires. Enfin, la mesure de Lebesgue sur lRn a lexpression suivante en coordonnes polaires :
d.z = Ilzll-dllzlldv(s,)

(A.2G)

s, reprsentant les coordonnes angulaires de z , ce qui achve la preuve de (A.21). (A.22) sobtient par un calcul lmentaire (voir par exemple [21]).

VIII.2

Exemples

Considrons par exemple le cas n = 2. I1 est connu quune rotation dans le plan est caractrise par un angle unique, que nous noterons 8, et donc

E S = { z EC,IZI =

1}

Cette caractrisation est identique la paramtrisation dEuler (un seul angle dEuler). Le cas n = 3 est un peu plus complexe, dans la mesure o SO(3) est un groupe non commutatif de dimension 3. La paramtrisation dEuler nous dit donc que

SO(3) = {i12(4)123(e)r12($),

4, E [O, 2r1,e E [O, XI) $

(A.28)

(Rappelons que r i j ( a ) est la rotation dangle a dans le plan Oij.) Ainsi, le vecteur e3 E LR3 est invariant par ~ 1 2 ( $ ) et donc

SO(^). e3 2 s2 {v E m3,u; =

+ u2 +

L J ~ =

i}

(A.28)

fournit la paramtrisation de la sphre de dimension 2 (plonge dans IR3) en coordonnes sphriques. En dimension suprieure, on obtient une paramtrisation des sphres en coordonnes sphriques.

Chapitre III

QUELQUES EXEMPLES ET ILLUSTRATIONS

Dans un grand nombre de problmes pratiques (en physique ou en traitement du signal en particulier), la premire tape vers la comprhension et/ou la modlisation est la visualisation des phnomnes en prsence. Les reprsentations temps-frquence peuvent tre utilises comme un outil de visualisation, condition de savoir les lire, comme un spcialiste de traitement de la parole est capable de lire un spectrogramme et didentifier ainsi la phrase prononce. Dans ce court chapitre, nous donnerons quelques exemples de transforme en ondelettes de fonctions et signaux acadmiques, dans le but de nous familiariser avec les outils classiques de reprsentation de la transforme. Dans tous les cas, il sagira dexemples extrmement simples, uniquement destins illustrer quelques-unes des proprits de la transforme en ondelettes. Le lecteur, un tant soit peu familiaris avec les reprsentations temps-frquence, peut aisment se dispenser de la lecture de ce chapitre. Dans un premier temps, nous dcrirons les reprsentations du plan tempsfrquence que nous utiliserons. Puis, nous nous focaliserons sur lillustration des aspects temps-chelle et temps-frquence des ondelettes. Nous utiliserons essentiellement des ondelettes progressives, cest--dire ne possdant que des frquences positives, qui sont mieux adapt& ltude des proprits spectrales des signaux tudis.

LE PLAN TEMPS-FRQUENCE

Lune des premires utilisations de la transforme en ondelettes consiste reprsenter graphiquement la transforme en ondelettes et essayer de comprendre qualitativement sur la reprsentation graphique quelles sont les caractristiques du signal tudi. hkintenant encore, dans les cas dapplications spcifiques des problmes physiques, cette tape est souvent une premire tape ncessaire avant denvisager une utilisation plus quantitative et systmatique des ondelettes. Nous utiliserons ici exclusivement une reprsentation bidimensionnelle de la transforme en ondelettes (et de la transforme de Gabor). Si f ( z ) est le

42

Quelques exemples et illustrations

signal analyser et T f ( b , ) sa transforme en ondelettes, nous coderons cellea ci en niveaux de gris dans lespace de la transforme. Plus prcisment, on considrera le demi-plan (b,a ) , que lon reprsentera comme demi-plan hyperbolique (voir la figure III.l), les chelles tant naturellement chantillonnes en progression gomtrique. Nous renvoyons aux chapitres suivants pour une description plus prcise. Plaons-nous dans une perspective de calcul numrique de la transforme en ondelettes dune fonction f(z) laide dune ondelette $ z . Bien entendu () il nest pas question de calculer numriquement une transforme en ondelettes pour toutes les valeurs possibles des paramtres b et a. I1 faut donc :
0

se restreindre un eiisemble fini de valeurs de b et a , situes sur un rseau rgulier ; chantillonner la transforme en ondelettes correspondante.

Le premier problme est facile rsoudre dans le cas des signaux chantillonns de longueur finie2. Les valeurs extrmes de la variable b sont naturellement fournies par les bornes du signal. De mme, la longueur du signal, divise par la taille du support I+ de londelette fournit une borne suprieure naturelle amaz pour la variable dchelle. Sauf dans certains cas trs prcis, cela na pas grand sens danalyser un signal avec une ondelette plus grande que lui. Enfin, une borne infirieure pour a est obtenue en divisant la frquence centrale de
Iondelette (le parambtre
wg

que nous avons dfini au chapitre prcdent) par

la frquence dchantillonnage du signal, en partant du principe que lon ne va pas analyser des frquences suprieures la frquence dchantillonnage. Bien entendu, il ne sagit l que de bornes heuristiques et non de rgles absolues. Une fois ces conventions gnrales fixes, on reprsentera la transforme en ondelettes T f ( b , a ) en codant celle-ci (ou son module et sa phase sparment dans le cas dune ondelette valeurs complexes) par des niveaux de gris, normaliss la valeur maximale de la fonction reprsente. On obtiendra ainsi des images sur lesquelles lon peut souvent lire certaines caractristiques du signal tudi. Pour plus de lisibilit dans le cas dondelettes valeurs complexes, on force gnraleinent zro la phase de Tf u ) quand ITf (b,a ) est infrieur (b, une certaine valeur limite (par exemple 1 pour cent), au-dessous de laquelle il est difficile de lui donner une signification relle. Dans les reprsentations donnes ici, les niveaux de gris seront toujours normaliss globalement, de sorte que le noir reprsente un module maximal et le blanc un module minimal (et de mme pour la phase). Dans le cas unidimensionnel, londelette utilise sera

Les aspects algorithmiques seront discuts au chapitre VIII. Cependant, nous verrons par la suite quil y a deux faons naturelles dchantillonner la transforme e n ondelettes, selon que lon veut conserver les proprits d e covariance ou, au contraire, avoir un degr d e redondance constant dans lespace des phases. Ces aspects seront discuts e n dtail au chapitre VIII.

Aspect temps-chelle

43

Figure iii.1 : Espace des phases. toujours une ondelette dite de Morlet, dont lexpression explicite est donne Par $(z) = e i w x e - x 2 / 2 o wo

r 5.5.

II

ASPECT TEMPS-CHELLE

Nous avons vu que les ondelettes sont extrmement prcises petite chelle, car elles sont construites par dilatations dune fonction unique ; elles sont de forme constante et de taille variable. Pour employer un poncif du genre, on dit que les ondelettes fonctionnent comme un microscope mathmatique, dont la rsolution serait fixe par le paramtre de dilatation et loptique serait dtermine par le choix de londelette. Nous nous limitons ici des fonctions valeurs relles, donc entirement dtermines par leur projection sur H 2 ( B ) .Par consquent, lutilisation dondelettes progressives est pertinente et nous utiliserons dans tous les exemples une ondelette de Morlet :

en prenant wo = 2 ~ . Considrons une fonction f(z)et fixons un point ZO. Supposons pour simplifier que londelette +(z) soit support compact I+ = [ - X X ] . I1 est facile

44

Quelques exemples et illustrations

Jc
20.

Figure 111.2 : Cne dinfluence dun point

de voir que le comportement de f(z) en x = 50 va se rpercuter sur la transforme en ondelettes dans le cne b E uI+ z o = [-ax 2 0 ,uX $01 (voir en figure 111.2). Nous dbuterons nos illustrations avec trois exemples de fonctions singulires (il sagit en fait de distributions), qui permettent de montrer comment les ondelettes voient le degr de rgularit. I1 ne sagit l que dexemples triviaux, mais sur lesquels on peut dores et dj visualiser certaines caractristiques de comportement de la transforme en ondelettes en prsence de singularits et sur lesquels nous reviendrons avec plus de prcision au chapitre suivant. Le dnominateur commun ces trois exemples est que les fonctions sont homognes. Plus prcisment, elles sont telles, quen un certain point 20 et pour des X assez petits : !(A(. -xo)> = Xf(z -.O) pour un certain nombre rel a, appel le degr dhomognit. On montre alors facilement que ce comportement se reflte sur la transforme en ondelettes de f(z)qui, au voisinage de 3c0, se comporte en ua. Le cas le plus simple est celui dune fonction caractristique, par exemple la fonction caractristique ~ [ X , ~ l ( x ) de lintervalle [ X ,Y ] , est donc disconqui tinue. Un calcul direct fournit :

+(-I tant une primitive de Aux petites chelles, les ondelettes ne voient que les deux discontinuits, et pas la fonction constante qui est au milieu, car

+.

Aspect temps-chelle

45

Figure I11.3 : Transforme en ondelette dune fonction caractristique. les ondelettes sont dintgrale nulle. En revanche, partir dune chelle assez grande, les deux discontinuits sont vues simultanment. Ceci est particulirement clair sur le trac de la transforme en ondelettes (Figure 111.3). Notons aussi que les lignes de phase constante convergent vers les deux points de discontinuit. Cette remarque peut tre utilise pour la localisation des points singuliers et nous y reviendrons. I1 faut aussi noter que la fonction de Heaviside tant homogne de degr O, on montre facilement que, au moins pour les petites valeurs de a et avant que les ondclettes ne voient simultanment les deux singularits, la transforme en ondelettes ( b fix) est indpendante de a. Considrons maintenant le cas dune masse de Dirac Sxo. De nouveau, il est facile de voir que :

(11.2)
On observe sur la transforme en ondelettes (Figure 111.4) un comportement similaire au prcdent, ceci prs que cette fois ITf(b,a)l comporte comme se , est , u - . Ceci complte la remarque que nous avions faite plus haut : S homogne de degr -1. Une autre interprtation possible est que S est plus singulire quune fonc, , tion caractristique et possde donc un contenu petites chelles plus important, do le comportement en u-. Ce comportement est encore amplifi dans le cas de la drive dune masse

46

Quelques exemples et illustrations

Figure 111.4 : Transforme en ondelette dune masse de Dirac.


de Dirac, pour laquelle :

(11.3)
Dans ce cas, la transforme en ondelettes croit en a- quand a + O, signe dune singularit plus forte que la prcdente. Notons encore que les lignes de phase constante convergent toujours vers les points singuliers. Cest une consquence de lhomognit des fonctions tudies. Nous aurons loccasion, par la suite, de revenir sur ces points en discutant les bases de lanalyse des proprits de rgularit des fonctions par ondelettes.

III

ASPECT TEMPS-FRQUENCE

Passons maintenant aux exemples illustrant le comportement de la transforme en ondelettes comme mthode danalyse spectrale locale. Lexemple le plus simple est celui de la transforme en ondelettes dune fonction du type cos(wz). Si londelette analysante est progressive (cest--dire ne contient que des frquences positives, ce que lon exprime par = O si # O ) , alors la transforme est donne par :

G(<)

<

(111.1)

Aspect temps-frquence

47

Figure 111.5 : Transforme en ondelette de la drive dune masse de Dirac.


Sur cette expression simple, on peut dores et dj voir deux caractristiques du comportement des ondelettes, qui sont dcux remarques essentielles que nous utiliserons, sous une forme un peu plus prcise plus tard :

1. Supposant que G(E) est valeurs relles, le module ITf(b,a)l la transde forme en ondelettes se comporte comme $ J ( U W ) et est donc localement maximum pour a = w o / w . La transforme en ondelettes est donc localise au voisinage de cette droite horizontale. 2. Sous les mmes hypothses, la phase de la transforme volue linairement avec b et reproduit en fait le comportement de la phase de la fonction analyse.
Ces remarques se retrouvent sur la figure 111.6 reprsentant la transforme en ondelettes dune frquence pure par ondclette de Morlet (module et phase). De plus, comme nous lavons vu au chapitre prcdent, ces remarques restent valables dans le cas o la fonction analyse est une frquence pure module en amplitude par une fonction rgulire dont les variations sont lentes par rapport aux oscillations (ainsi que le montre un simple dveloppement de Taylor de lamplitude). Le module de la transforme en ondelettes reproduit alors les variations de lamplitude. Prcisons que sur la figure 111.6, la phase na t reprsente que dans la rgion du demi-plan o le module est suprieur un certain seuil (fix ici un pour cent de la valeur maximale). E n effet, la phase perd sa signification lorsque le module est trop faible et il est inutile de la reprsenter.

48

Quelques exemples et illustrations

Figure 111.6 : Ilansforme en ondelette dune frquence pure. Des arguments similaires (nous en verrons une formulation plus prcise au chapitre V) montrent que dans le cas o la frquence de la fonction analyse varie elle aussi lentement et rgulirement, la transforme en ondelettes est toujours localise au voisinage non plus dune droite horizontale mais dune courbe a = a,(b) qui reprsente, une constante prs, linverse de la frquence en fonction de la position b. Ceci apparat sur la figure 111.7, qui reprsente la transforme en ondelettes dun signai contenant entre autres une frquence pure et un chirp quadratique, cest--dire un signal dont la frquence dpend quadratiquement de 2. Cette figure est intressante car elle permet de visualiser les interfrences entre les deux composantes. Dans les premiers temps, les deux composantes frquentielles sont suffisamment loignes en frquence pour que londelette ne les voie pas simultanment3. En revanche, ce nest plus le cas vers le milieu de la figure. Londelette voit simultanment les deux composantes, ce qui se traduit par lapparition de battements (oscillations du module) dans la transforme en ondelettes. Les mmes remarques peuvent tre faites pour la figure 111.8, qui reprsent e un signai dont la frquence dpend du temps de faon priodique ; de tels signaux semblent tre des modles pertinents pour la modlisation de certains instruments de musique. Dans ce cas, tant que les oscillations de la frquence sont bien plus lentes que celles du signal (ce qui est le cas dans notre exemple),
3En dautres termes, Iondelette est assez prcise en frquence pour sparer les deux composantes.

Aspect temps-frquence

49

Figure 111.7 : Transforme en ondelettes dun signal contenant une frquence pure et un chirp quadratique. la transforme en ondclcttes est toujours localise au voisinage de la courbe u = u,.(b) qui reprsente linverse de la frquence instantane. Le comportement de la phase est dans ces deux cas porteur dinformation. Nous discuterons ce point en dtail au chapitre V. Nous reviendrons sur ces aspects quand nous discuterons plus en dtail lanalyse par ondelettes de fonctions modulkes en amplitude et en frquence. La dernire illustration de cette section est un exemple dans lequel se mlent les aspects temps-chelle et temps-frquence des ondelettes. Le signal analys contient en particulier une frquence pure qui se spare en deux un certain moment, ainsi quun certain nombre de singularits ponctuelles, dont lune est plus forte que les autres et correspond la sparation des frquences. On retrouve sur la transforme en ondclettcs toutes les caractristiques dont il a t question plus haut. I1 faut aussi remarquer (ceci est particulirement visible sur le comportement des phases de la transforme) que, une chelle assez grande, londelette est suffisamment large pour pouvoir voir la rptition rgulire des singularits et linterprter comme la prsence dune frquence supplmentaire dans le signal. Remarque : signaux alatoires stationnaires au second ordre. Sans entrer dans les dtails, il est utile de dire quelques mots sur le comportement de la transforme en ondelettes continue de processus stationnaires au second ordre, que lon utilise couramment pour modliser le bruit en traitement du signal. Le

50

Quelques exemples et illustrations

Figure Iii.8 : Transforme en ondelettes dun chirp priodique.

Figure 111.9 : Vous avez dit bizarre ?

Exemples bidimensionnels

51

point essentiel est le suivant : Soit n ( x ) un processus stationnaire au second ordre ; la stationnarit sexprime par le fait que la fonction dautocovariance de n ( z ) vrifie : C(z,z) = IE[(n(z) - E [ n ( z ) ] ) ( n ( z ) - lE[n(z)])*]= C(z - z)

(111.2)

ie. nest fonction que de la diffrence des arguments ; ici le symbole IE reprsente la moyenne statistique.
On vrifie aisment que la fonction dautocovariance associe la transforme en ondelettes de ) ( . est donne par :

C(b, a; a) = b,

IE [T,(b,a)T,(b, a)*]

I1 est alors remarquable de constater que mme dans le cas dun bruit dit
blanc (totalement dcorrl), cest--dire quand formellement C(z) = a26(z), sa transforme en ondelettes est elle-mme corrle et la fonction dautocovariance nest autre que le noyau reproduisant de londelette :

(111.4)
Cest une consquence de la redondance de la transforme en ondelettes. Dans le cas gnral dun processus stochastique stationnaire au second ordre, nous voyons bien daprs lquation (111.3) que la transformation en ondelettes peut tre utilise pour estimer lautocorrlation (et donc le spectre de puissance) du processus. En effct, on dduit de lquation (111.3)que

$ ( & , a )( Z ) * $ ( b , a )

(z)C(z

- z)dzdz
(111.5)

1
2T

ne dpend pas de b, et C(E) nest autre que le spectre de n ( z ) . Cependant, compte tenu de la localit de la transformation en ondelettes, ceci suggre dtendre (111.3)et (111.5)au cas de processus non stationnaires, pour rsoudre le problme destimation de spectre local. Ce type de problmes dpasse le cadre du prsent ouvrage, mais il sagit l dune ouverture tout fait intressante (nous renvoyons [4] pour une discussion de ces problmes).

IV

EXEMPLES BIDIMENSIONNELS

Dans le cas de la transforme en ondelettes bidimensionnelles, il nest plus question de reprsenter la transforme entire, quil sagisse de la version radiale

52

Quelques exemples et illustrations

(fonction de 3 variables) ou de la version non radiale (4 paramtres). On se contente alors de faire des koupes, par exemple a et 0 fixs ou encore b fix, pour mesurer le contenu spectral dune image au voisinage dun point donn. De mme que dans le cas unidimensionnel, les ondelettes radiales (qui gnralisent les ondelettes valeurs relles) produisent une transforme en ondelettes fondamentalement diffrente de la transforme produite partir dondelettes directionnelles. Considrons par exemple une fonction de deux variables simple, lindicatrice dun disque. Quand une telle fonction est analyse par une ondelette radiale, ici le laplacien de gaussienne :

londelette nest pas sensible aux variations angulaires et permet donc de localiser avec autant de prcision dsire le contour du disque (voir Figure 111.10). En revanche, pour une ondelette de Morlet bidimensionnelle (cest--dire une ondelette directionnelle), ici

londelette, que lon dit polarise dans la direction 2, ne verra la singularit que dans les directions correspondant sa polarisation. Dans lexemple considr (u = 8, 8 = 45 degrs), londelette tant elle-mme polarise dans la direction 2, on voit prfrentiellement les bords correspondants du disque, cest--dire que la transforme en ondelettes est localement maximale au voisinage des points b du bord du disque qui se trouvent sur la seconde diagonale (Figure 111.11). En ce qui concerne la phase de la transforme en ondelettes, elle est, dans ces rgions, comparable celle des ondelettes correspondantes. En ce qui conccrne le problme danalyse spectrale locale, il est clair que la transforme utilisant des ondelettes directionnelles est de loin suprieure, dans la mesure o elle permet dobtenir des informations prcises quant lorientation des frquences. Le prototype dune telle ondelette est londelett e de Morlet bidimensionnclle que nous avons vue prcdemment. Cest cette ondelette que nous utiliserons jusqu la fin de cette section. Par exemple, dans le cas dune image comportant une onde plane module en amplitude, la transforme en ondelettes est fortement localise au voisinage de valeurs des variables dchelle et de rotations proches de celles dfinissant la frquence. Dans un cas un peu plus complexe comme celui de limage de la figure IIL12, o la frquence varie localement (ici lamplitude de la frquence est constante, mais son orientation change), la transforme en ondelettes pour une valeur donne de b est fortement localise au voisinage de valeurs des variables dchelle

Exemples bidimensionnels

53

Figure III.10 : Transforme en ondelettes de lindicatrice dun disque, a fix, avec une ondelette radiale.

Figure III.11 : Transforme en ondelettes de lindicatrice dun disque, a et fixs, avec une ondelette directionnelle (module et phase).

54

Quelques exemples et illustrations

Figure 111.12 : Image harmonique module en amplitude.

Figure 111.13 : Transforme en ondelettes a et 8 fixs, avec une ondelette directionnelle (module et phase).

Exemples bidimensionnels

55

Figure III.14 : Somme de deux images harmoniques.

Figure III.15 : Transforme en ondelettes pour deux valeurs fixes de a et 8, avec une ondelette directionnelle.

56

Quelques exemples et illustrations

et de rotations proches de celles dfinissant la frquence en b. Rciproquement, pour a et 8 fixs, le module de la transforme en ondelettes est maximum au voisinage des valeurs de b telle que la frquence locale de limage en b soit proche de la frquence dfinie par a et 8. De plus, elle reproduit dans cette rgion de lespace des phases le comportement de limage analyse, ce quillustre la figure 111.13 (ici 8 = 45 degrs). Cette remarque sera utilise la fin du chapitre V, quand nous aborderons le problme de mesure de frquences locales dans les images. Considrons lexemple peine plus complexe de deux composantes harmoniques de frquences diffrentes (voir Figure 111.14 ; ici les deux composantes harmoniques sont associes aux directions x et y respectivement). La transforme en ondelettes prise pour deux valeurs diffrentes du couple ( a ,8) permet de sparer ces deux composantes. Dans le cas considr la figure III. 14, il sagit de deux vecteurs donde perpendiculaires, de nombres donde diffrents. La restriction de la transforme en ondelettes des valeurs de a et 8 correspondant ces vecteurs donde permet de les synthtiser sparment, comme le montre la figure 111.15. La figure de gauche correspond 8 = 90 degrs et celle de droite 8 = 0 degr. Rappelons que londelette est une ondelette de Morlet, polarise suivant la direction 2.

COMMENTAIRES ET RFRENCES

Ce chapitre na dautre but que de montrer et commenter un certain nombre dexemples dcole, permettant de se familiariser avec le comportement des reprsentations dondelettes dans certains cas simples. Nous nous sommes sciemment limits des reprsentations par niveaux de gris, car lutilisation de palettes de couleurs introduit un arbitraire supplmentaire dans la reprsentation ; le choix de la palette de couleurs influence grandement la reprsentation, alors que cet effet est moins marqu avec des niveaux de gris. Prcisons aussi que, alors que la reprsentation de transformes en ondelettes de signaux en dimension 1 ne pose aucun problme majeur, il nen est pas de mme dans les dimensions suprieures, dans la mesure o lon a alors reprsenter des fonctions de trois variables ou plus. La reprsentation graphique de la transforme en ondelettes (ainsi que la transforme de Gabor) a constitu le premier moyen de comprhension du comportement de celle-ci. Les premiers travaux se trouvent dans [ 5 ] , [6], [7], [8] notamment. Une prsentation dtaille des techniques de reprsentation se trouve dans [9]. Des analogues bidimensionnels se trouvent dans [il et [lo]. Ces reprsentations sont, en particulier, la base des mthodes dveloppes dans [3] pour la caractrisation de signaux moduls en amplitude et en frquence, que nous allons dcrire par la suite (voir chapitre V).

[il

J.P. Antoine, B. Canette, R. Murenzi, B. Piette, Image Analysis with Two-

Commentaires et rfrences

57

dimensional Continuous Wavelet Transform, Signal Processing, 31 (1993) 241272. J.M. Combes, A. Grossmann, Ph. Tchamitchian Ed., Wavelets, Time-Frequency Analysis and Phase-Space, I P T I , Springer (1989). N. Delprat, B. Escudi, P. Guillemain, R. Kronland-Martinet, Ph. Tchamitchian, B. Torrsani, Asymptotic Wavelet and Gabor Analysis : Extraction of Instantaneous Frequencies, I E E E Trans. Inf. Th., 38, special issue on wavelet and multiresolution analysis (1992) p. 644-664. P. Flandrin, Temps-Frquence, Herms (1993). A. Grossmann, Wavelet Transforms and Edge Detection, dans Stochastic Processes in Physics and Engineering, Ph. Blanchard, L. Streit, M. Hazewinkel Eds, Reidel. A. Grossmann, Detection of Abrupt Changes in Sound Signals with the Help of Wavelet Transforms, Inverse Problems : an Interdisciplinary Study, Advances in electronics and Electron Physics, Suppl. 19,Inverse problems (1987). A. Grossmann, R. Kronland-Martinet, Time-and-scaleRepresentations Obtained through Continuous Wavelet Transforms, Signal Processing I V : Theories and Applications, North Holland (1988) EURASIP 88 A. Grossmann, R. Kronland-Martinet, J. Morlet, Analysis of Sound Patterns through Wavelet Transforms, Internat. J. Pattern Recognition and ArtiJcial Intelligence 1 (1987) p. 273-302. A. Grossmann, R. Kronland-Martinet, J. Morlet, Reading and Understanding the Continuous Wavelet Transform, dans 121. _ _ [lo] R. Murenzi, Ondelettes multidimensionnelles e t applications lanalyse dimages, Thse de troisime cycle, IPT Louvain (1990).

Chapitre IV

ONDELETTES ET RGULARIT GLOBALE ET LOCALE DES FONCTIONS

INTRODUCTION

Lune des caractristiques essentielles des ondelettes est leur grande prcision spatiale petite chelle. Cette proprit est intrinsquement lie au mode de construction des ondelettes. Dans ces conditions, il est donc naturel que les ondelettes puissent tre utilises pour la caractrisation de proprits de rgularit des fonctions, que ce soit la rgularit locale ou la rgularit globale. Dans ce court chapitre, nous nous contentons de donner quelques exemples danalyse de rgularit en illustration. Les dmonstrations sont, elles aussi, particulirement instructives dans la mesure o elles mettent en vidence les proprits des ondelettes (rgularit, conditions de support, de moments nuls) qui interviennent. Nous renvoyons [8] et [17] pour une analyse plus dtaille et exhaustive. Les techniques bases sur les ondelettes sont aussi particulirement utiles pour lanalyse de fonctions ou mesures qui possdent des proprits dinvariance par changement dchelle (ou fractales). Une importante littrature sest dveloppe sur ce sujet. Nous dcrirons les concepts de base la fin de ce chapitre.

II

SINGULARITET CONTOURS

Ltude des singularits est un sujet dune grande importance dans de nombreuses applications, et notamment en traitement dimages. En effet, lun des thmes privilgis du traitement dimages est la dtection de contours. Un contour est dfini comme une zone o limage varie brutalement, et ce concept est donc trs proche de celui de singularit. La premire ide qui vient lesprit pour caractriser un contour est donc de comparer des valeurs voisines de limage ou, encore, de diffrencier celle-ci. On obtient alors un champ de vecteurs, dont les maxima doivent permettre de localiser et peut-tre caractriser les singularits. Nanmoins, ceci nest gure raliste, dans la mesure o la variation, pour brutale quelle soit, peut quand mme avoir lieu sur un certain nombre de sites voisins ; dautre part, dans le cas

60

Ondelettes et r g u l a r i t globale et locale des f o n c t i o n s

dune image bruite, la dtection est fausse par la prsence du bruit, dautant plus si le bruit possde une composante haute frquence non ngligeable. Pour pallier ce dfaut, lide est de travailler non plus sur limage elle-mme, mais sur une version lisse ou floue de limage, partant du principe que si singularit il y a, elle doit tre aussi visible sur une copie faiblement lisse. On introduit donc une fonction de lissage (z), que lon suppose simplement bien localise (par exemple (z) = 0((1+ z2)-l), et dintgrale unit. Si on note f ( ~ limage, on calcule alors )

S(b,a) = (f * ea)(b)

(11.1)

o ,(z) est une copie de 8(z), correspondant un lissage une certaine chelle a : 1 8 , ( X ) = -8 (11.2) a2

(:)

La dtection de contour revient alors rechercher les endroits o la variation de limage lisse est la plus brutale, donc diffrencier cette copie lisse de f(z), cest--dire calculer T ( b , a ) = vb.S ( b , a ) = (Ti(b,a),TZ(b,a)),

(11.3)

o Ti ( b , a ) et 72 (b, a ) sont les deux coordonnes de T(b,a ) . Un calcul immdiat montre que :

(11.4)
o 88

$(z) = --(-9)
dXi

(11.5)

est par construction une ondelette (cest--dire essentiellement une fonction dintgrale nulle) valeurs relles. La recherche des maxima de T ( b , a ) revient donc dans ce cas une recherche des maxima dune transforme en ondelettes. Ceci montre comment les ondelettes apparaissent naturellement dans ce contexte2. Pour illustrer notre propos, nous prendrons lexemple dune photographie, que lon a numrise puis traite en utilisant des ondelettes et des fonctions
Il est cependant naturel que la fonction d e lissage soit valeurs relles. *Il est instructif d e rapprocher ce point d e la formule d e resynthse d e Morlet q u e nous avons vue a u chapitre II. Elle permet dexprimer l a transforme e n ondelettes c o m m e rsultant : (1) dune srie d e lissages f * pa d e f(z),a u moyen dune identit approche {para E IR;} (nous renvoyons a u x annexes pour la dfinition dune identit approche) ; (2) dune diffrenciation d e ces lissages par rapport la variable dchelle Q. Le point crucial est ici que la diffrenciation par rapport la variable dchelle a est quivalente la diffrenciation par rapport la variable d e position z.

Singularit et contours

61

dchelle. Limage originale est montre en figure IV.l. Sont galement reprsentes une version floue de cette image (obtenue par une procdure classique de lissage, cest--dire une convolution avec une fonction dchelle, ici une fonction spline obtenue en prenant le produit de convolution de la fonction caractristique de [O, 1 avec elle-mme trois fois), ainsi que ses transformes en 1 ondelettes avec d, et dye et les contours dtects (toujours chelle fixe, ici gale 4 pixels). On voit, en particulier, apparatre clairement sur la figure IV.2 les deux directions dans lesquelles la drivation est effectue. Sur limage de gauche, apparaissent les variations rapides dans la direction 2 (i.e. horizontale) et sur limage de droite, les variations rapides dans la direction y. Les maxima locaux de la transforme en ondelettes la mme chelle, reprsentant les contours, sont reprsents en figure IV.3. Remarques

1)I1 est important de remarquer que les fonctions $((z) dfinies par lquation (11.5) nont quun moment nul par construction, cest--dire que

en gnral. Dans le cas des ondelettes deux moments, nuls (que lon obtiendrait par exemple en diffrenciant deux fois au lieu dune), on sintresserait pour caractriser les contours, non plus aux maxima locaux de la transforme en ondelettes, mais aux passages par zro (zero crossings en anglais) : les points b tels que T,(b, u ) = O, a fix. Les maxima locaux porteraient quant eux une information diffrente, lie dautres types de singularits. Ceci illustre le fait que des ondelettes possdant des proprits diffrentes conduisent des lectures diffrentes de linformation. Nous reviendrons plus en dtail sur cette remarque en dcrivant les proprits de rgularit des fonctions. Plus prcisment, nous verrons que des ondelettes possdant un nombre plus lev de moments nuls permettent une analyse fine de singularits dordre plus lev. 2) E n traitement dimages, la tendance est plutt de rechercher les maxima locaux de T ( b , u ) (avec donc une ondelette drive premire dune fonction de lissage), mais en considrant simultanment plusieurs valeurs diffrentes de la variable dchelle a. On se retrouve alors totalement dans un contexte danalyse par ondelettes, ce qui a trs bien t remarqu et analys par S. Mallat [18]. I1 existe maintenant une littrature assez importante sur le sujet, relie en particulier la conjecture de qui prtend que linformation donne par les maxima locaux de la transforme en ondelettes est suffisante pour caractriser la fonction analyse. On sait maintenant que cette conjecture est fausse en toute rigueur [22], mais on pense nanmoins quelle peut tre vraie
3 0 u plutt la conjecture d e Marr modifie par Mallat.

62

Ondelettes et rgularit globale et locale des fonctions

Figure 1V.I : Image originale et version lisse.

Singularit et contours

63

Figure IV.2 : Dtails lchelle 4.

64

Ondelettes et rgularit globale et locale des fonctions

Figure IV.3 : Contours lchelle 4. jusqu une certaine prcision, pour une ondelette bien choisie. I1 existe en tous cas des vidences numriques qui montrent que des signaux unidimensionnels ou des images peuvent tre reconstruits partir des maxima locaux ou des passages par zro de leur transforme en ondelettes, avec en gnral une prcision suffisante pour des problmes de traitement du signal (voir par exemple [18] et [61).

III

CONVERGENCE PONCTUELLE DE LA FORMULE DE RECONSTRUCTION

Avant dtudier plus en dtail les proprits de rgularit des fonctions, il faut revenir sur la formule de Calderon que nous avons dcrite prcdemment (voir la section III du chapitre 11). Nous avons en effet montr que la formule de reconstruction

(111.1)
tait prendre (en labsence dhypothse supplmentaire) au sens de la convergence forte dans L2(lR). est naturel de se demander dans quel cas on peut I1 avoir convergence en tous points ou convergence en un point donn. On sait que dans les cas o une fonction f(x) E L(El) est telle que sa transforme de Fourier f(<)E L(El) aussi, alors la formule dinversion de Fourier (III.2)

Convergence ponctuelle de la formule de reconstruction

65

converge en tout point de continuit de f(x) et ainsi en tout point si lon a choisi pour f(x) le reprsentant continu de sa classe dans L(El). Ce rsultat peut tre utilis pour montrer une proprit similaire dans le cas de la transformation en ondelettes. Supposons donc que f,f E L(IL?)et soit 1c, E L ( B ) une ondelette, normalise de sorte aue :

En reprenant les notations de lquation (111.12) du chapitre II, on obtient (III .3) Ainsi, comme c+ = 1, lic(<)1 5 If(<)l et donc 6, E L(LR2). Comme de plus, daprs les ingalits de Young, on a IIsrlll 5 -2log~Il$lItJIflI1 et s, E L(El). Donc la transforme de Fourier inverse de &(O - 6(<) coincide en tous points avec sc(x)- s(z). Considrons maintenant : (III.4) Comme A, + O, quand E + O, et IA,(<,z)I 5 If(<)l, le thorme de convergence domine permet une nouvelle fois de conclure que :
+O

iim s ( ) = f(z) Vx E L ,z R

(III.5)

Nous obtenons donc :

Thorme 1 Soit $(z) E L(LR) et soit f(z) L(IL?) telle que f(z) L(IL?). E E Alors la formule de reconstructioii (111.1) est valide point par point.
Notons que lon peut montrer ce rsultat sous dautres hypothses ; par exemple partant dhypothses plus faibles sur la fonction analyse et plus fortes sur londelette. On montre par exemple que si londelette est dans lespace de Hardy rel (cest--dire si $(z) et sa transforme de Hilbert sont toutes deux dans L(IL?)), suffit de supposer que la fonction f(x) est borne et faiblement il oscillante, cest--dire que

1
oscz(f) := -

JI-,

z+6

f(Y)dY +,-to

f(x)

(111.6)

uniformment en x pour avoir convergence ponctuelle en tout point de contimit4 (voir [12] par exemple pour la dmonstration). 4Nous savons dj que les ondelettes sont dintgrale nulle et il nest donc pas surprenant de voir apparatre ici une hypothse doscillation supplmentaire.

66

Ondelettes et rgularit globale et locale des fonctions

IV

RGULARIT HOLDERIENNE

Nous allons maintenant montrer un peu plus prcisment comment l'analyse par ondelettes a t utilise pour caractriser certaines proprits de rgularit des fonctions. Nous allons essentiellement nous concentrer sur l'exemple classique de la rgularit holderienne. I1 s'agit d'un cas qui a t tudi en dtail depuis le dbut du sicle. L'outil classique en est l'analyse de Fourier. Nanmoins, il s'agit d'une mthode "globale" et elle ne peut donner d'information locale, sur les degrs de rgularit locale par exemple. Nous allons voir que les ondelettes, condition de choisir une ondelette adapte au problme, permettent de donner des renseignements prcis dans ce cas.

IV.l

Rgularit globale

Dbutons notre description par les proprits de rgularit holderienne globale facilement caractrises. Soit O < a < 1. On introduit l'espace de Holder homogne :

A"=(f:E2-,~,3Ii<co,telque :

If(.) - f ( Y ) I I I i l Z - YI"

VZ'

YEE } 2

(IV. 1)

La mthode classique pour caractriser de telles fonctions repose sur la transforme de Fourier. On peut en particulier montrer que si i ( ~ ) fonction est une borne telle que de plus (IV.2) alors f(x) E A". En revanche, la rciproque est en gnral fausse. Pour l'analyse par ondelettes, nous verrons que l'on obtient des rsultats similaires. Le rsultat suivant procde de la mEme philosophie que le prcdent. I1 caractrise la rgularit d'une fonction (ie. l'exposant a ) par la vitesse de convergence de sa synthse partir de fonctions rgulires (ici des ondelettes, plus haut des exponentielles complexes).

Thorme 2 Soit $(z) E L'(El) une ondeictte. i)

Si $(z) est teiie que :


r

(IV.3)
Alors Vf E A", IT,(b, u)I

5 Ka"

pour une certaine constante positive finie

I. i

Rgularit holderienne

67

ii)

Rciproquement, si Jondeiette $(z) vrifie :

(IV.4)
et si ) T f ( b , a ) )5 K u a pour une certaine constante positive finie Ii, alors f E na.
Avant de donner la preuve de ce rsultat, remarquons que la caractrisation de cy se fait par lanalyse du comportement de la transforme en ondelettes travers les chelles. Le paramtre dchelle pouvant tre assimil une frquence (inverse), ceci est rapprocher de la description donne par lanalyse de Fourier5. Preuve : i) Soit f E A. Alors, puisque $(z) est une ondelette et donc dintgrale nulle, de mme que tous les $li(b,a) (z) :

(IV.5)
et donc, comme f(z)E A :

ii) Supposons maintenant quil existe une constante I telle que lon ait i

On a donc, en rappelant que la transformation en ondelettes peut aussi scrire

~~~~~~

5Plus gnralement, ce rsultat fournit un exemple de caractrisation despaces de Holder par la vitesse de convergence dune approximation par des fonctions rgulires (ici des ondelettes) ; cest une technique trs classique (voir [23] par exemple).

68

Ondelettes et rgularit globale et locale des fonctions

La premire intgrale sestime

et la seconde :

En runissant les deux estimations, on obtient :

(IV.7)
qui achve la preuve du thorme. De mme, soit n est :

< cy < n + 1. Lespace de Holder homogne correspondant

Am = f : IIZ - + C T , X < CO, P ( x ) polynme de degr 5 n,

If(.)

- P ( z - y)I 5

K J z y y vz, y E -

lR

(IV4

Si f (z) E C.(a), P ( z - y) nest autre que le dveloppement de Taylor alors de f (z) lordre n. Pour analyser de tels espaces, il est ncessaire dutiliser des ondelettes possdant un nombre plus lev de moments nuls. En effet, en utilisant des

Rgularit holderienne

69

techniques en tous points similaires la prcdente, il faut annuler la contribution de P ( z - b ) , i e . crire

ce qui est fait en supposant :

sk$(z)dz = O vlc = O , ...71

(IV.9)

Ainsi peut-on dire que, dans un certain sens, londelette ne voit pas les premiers termes rguliers du dveloppement de f(s)et analyse uniquement la partie singulire. Pour la seconde partie du thorme, elle se gnralise galement en faisant des hypothses de rgularit supplmentaires sur londelette. Remarque : Ce rsultat simple est en lui-mme extrmement rvlateur et caractristique, car il met en vidence lusage diffrent qui est fait de deux proprits essentielles des ondelettes : les moments nuls et la rgularit. Les moments nuls sont utiliss dans la phase de dcomposition, dans laquelle ils permettent de compacter linformation ou de se focaliser sur la partie intressante de la fonction analyse, dans ce cas la rgularit. E n revanche, la rgularit de $(z) nintervient quau moment de la synthse de f(s).

IV.2

Rgularit locale

Nous avons vu comment caractriser la rgularit holderienne locale des fonctions avec la transforme en ondelettes. Mais la transforme en ondelettes tant une mthode que lon peut qualifier de locale, elle permet aussi dtudier les proprits de rgularit locale des fonctions. Prenons lexemple de la rgularit holderienne. Nous allons voir comment presque caractriser les exposants de Holder locaux de fonctions laide de la transforme en ondelettes. Dans ce but, nous dirons que f E A?xo), si il existe une constante K telle que V h E lR :
If(.o

+ h ) - f(.o)l

I Iw4

(IV.10)

On obtient alors le rsultat immdiat suivant, qui est une version locale du thorme 2. Si une fonction f(s) possde une certaine rgularit (ici lexposant a ) en un point zo, sa transforme en ondelettes va avoir le mme comportement que prcdemment par rapport la variable dchelle.
et soit 11, E L(IZl) tel que : Thorme 3 Soit f E Alors il existe une constante C telle que

1x1

I$(z)l d s < 00.


(IV.11)

70

Ondelettes et rgularit globale et locale des fonctions

Ainsi, on retrouve l'exposant en tudiant le comportement de la transforme en ondelettes travers les chelles. L'information supplmentaire, savoir le ct local du comportement holderien, se retrouve dans le terme en O( Ib-xol"). Preuve :

(IV. 12)

ce qui conclut la dmonstration. Nous avons vu que le rsultat direct est facile montrer. En revanche, la rciproque est en gnral fausse, mais nanmoins vraie " un logarithme prs", comme le montre le thorme suivant, d S. Jaffard [14] et M. Holschneider et Ph. Tchamitchian [12]. Si la transforme en ondelettes de f (x)satisfait aux estimations locales prcdentes ( un logarithme prs), ainsi qu' une condition de rgularit globale supplmentaire, alors la fonction elle-mme est rgulire : Thorme 4 Soit $ E L ' ( l R ) une ondelette et soit f E L 2 ( l R ) . Si, en outre, (i) il existe deux constantes K et O < y < CY, telles que pour tout a > O

ITj(b,a)l I KaY
et (ii) la transforme en ondelettes satisfait

(IV. 13)

(IV.14) pour une certaine constante positive finie IC', alors f E A:zo). Nous renvoyons [14] et [12] pour la preuve de ce rsultat qui, bien que plus complexe, contient pour l'essentiel les mmes ingrdients que les prcdentes. Remarques 1) Cette analyse a t prcise par S. Jaffard, qui a notamment montr que l'analyse par ondelettes peut tre vue comme une version simple d'un programme plus vaste, appel analyse 2-microlocale. Nous renvoyons [17] pour une discussion plus prcise de ce point.

Auto-similarit

71

2) Il est possible de montrer que si une fonction f(x) a un comportement holderien dexposant CY en un point 5 0 , sa primitive f(-)(z) alors un coma portement holderien dexposant CY 1 en 20. En revanche, la rciproque est en gnral fausse, essentiellement cause de possibles oscillations rapides au voisinage de la singularit. Ce type de comportement a t examin en dtail dans (181.

3) Mallat et Hwang [18]montrent comment exploiter ces rsultats pour la caractrisation numrique de singularits et pour celle de signaux au moyen de singularits. Ils montrent en particulier comment ce problme se ramne aux conjectures de Marr brivement dcrites au dbut de ce chapitre.

AUTO-SIMILARIT

Par construction, la transforme en ondelettes est intrinsquement associe une notion dchelle. Plus prcisment, elle est covariante par rapport laction du groupe affine qui contient les dilatations. En particulier, on voit facilement -et nous en connatrons les raisons prcises en discutant lapproche gomtrique- que la transforme en ondelettes dune copie dilate dune fonction donne concide avec la dilate de la transforme en ondelettes de la fonction originale. En effet, si f(z) L2(m) si lon note fx(z)= f ( z / X ) , il vient E et immdiatement : b a Tfx(h4= 1) (V.1)

WX

Cest lexemple des fonctions homognes tudies au chapitre III, section II. Dans le mme ordre, il nest pas tonnant que la transforme en ondelettes ait pu tre utilise avec succs pour ltude dobjets, de fonctions ou de mesures auto-similaires. I1 nest pas question ici dentrer dans les dtails techniques, mais plutt de donner une ide des mthodes utilises et des raisons qui font que ces mthodes fonctionnent. Nous reiivoyons [il], [9] et [2] pour une discussion plus complte.

V l Mesures fractales .
Commenons cette section en rappelant la dfinition de la dimension de Hausdorff dun ensemble E (voir par exemple [7]). Pour simplifier nous supposerons que E est un sous-ensemble de lR. Etant donn un recouvrement quelconque de E par des ouverts disjoints Bk(f?)de rayon infrieur ou gal :

E=

u
k

nk(e),

Lexemple le plus typique est d o n n par la fonction sin(l/z).

72

Ondelettes et rgularit globale et locale des fonctions

on considre la quantit :

I B k ( e ) l tant laire de I l k ( ( ) , qui est une fonction dcroissante de q. De plus, il est facile de voir que si r(q) CO, alors I(q) = OVq > q. I1 existe donc une < valeur de transition qo, telle que r(q) OVq > 40 et ( q ) = m V q < qo. =

Dfinition 1 La dimension de Hausdorff de E est la valeur dimll = qo de transition de la fonction I(q).


Un objet (ou une mesure) self-similaire est habituellement dcrit par des outils statistiques. Par exemple, tant donne une mesure p , on dit quelle prsente un comportement autosimilaire au voisinage du point zo si, tant donne une suite de boules B(z0,e) de rayon e, centres en zo, on a : p(B(z0,C)) P
N

quand a

+ O+

W.3)

Lexposant CY = CY(ZO) appel exposant dchelle local en z = 20. I1 est clair est que cet exposant dchelle peut varier de point en point de faon brutale. On introduit alors le sous-ensemble E,, consistant des points z tels que lexposant dchelle local en z soit prcisment CY :

Dfinition 2 Le spectre de singularits CY) de la mesure p est la fonction qui tout CY associe la dimension de Hausdorff de E, :

Classiquement (voir par exemple [lo] et [7]), le formalisme multifractal pour les mesures associe une mesure un spectre continu de dimensions fractales gnralises, de la faon suivante. Partant dun pavage E = Bk(!) de E par des ouverts disjoints de rayon infrieur ou gal e, on introduit la fonction gnratrice :

Uk

Alors en posant :

Auto-similarit

73

(quand la limite existe), les dimensions fractales gnralises sont dfinies par :

D(q)= P.8) q-1 Le formalisme multifractal permet alors didentifier le spectre de singularits d(a) la transforme de Legendre de T ( q ) :
d(a) = inf(aq - T ( q ) )
9

T(Q)

(V.9)

Remarque : 1 est important de prciser quil nest pas facile de donner un sens 1 prcis cette heuristique (voir par exemple [7]). Nanmoins, ce formalisme, valid sur quelques exemples spcifiques sur lesquels la self-similarit est apparente (comme des mesures de Cantor par exemple) reste un formidable outil de description et de modlisation de phnomnes physiques complexes. Le spectre de singularits d(a)peut tre un paramtre de modlisation pertinent, en turbulence notamment, et il semble que le formalisme multifractal soit le seul moyen raliste dy avoir accs. Quelle est la place des ondelettes dans ce contexte ? On remarque tout dabord que le paramtre P prcdent (le rayon des boules utilises pour paver lespace analys) nest autre quune variable dchelle et que p ( B k ( P ) ) peut aussi tre crit x B L ( e ) ( z ) d p ( z ) . Do lide de remplacer cette fonction caractristique par une fonction plus gnrale $(z), dilate et translate. Ceci conduit immdiatement la notion de transforme en ondelettes dune mesure. Si $(z) est par exemple une fonction de test, on crit : (V.10) Compte tenu des discussions prcdentes, on sattend heuristiquement retrouver sur la transforme en ondelettes des traces du comportement dchelle local de la mesure, travers un comportement local du type :

T,(b, Au)

ua(b)-pT ,(b,u),

quand a

+ O+.

Pour lexploiter, par analogie avec le formalisme multifractal classique et suivant [il], introduit une nouvelle fonction gnratrice : on (V.10) qui doit donner accs aux dimensions fractales gnralises.
Pas ncessairement dintgrale nulle (voir par exemple [9]). 8La normalisation est ici choisie de sorte que T,, puisse aussi tre interprte comme la
transforme en ondelettes usuelle de la primitive
-+(x).

s:,

dp(y) de p, par rapport londelette

74

Ondelettes et rgularit globale et locale des fonctions

Remarque : Supposons maintenant que p soit une mesure sur un espace mtrique E , muni de la distance 1.1 et non plus sur un sous-ensemble de LR ou LR". On dfinira alors la transforme en ondelettes de la mesure p de la manire suivante. Si $(z) est une ondelette dfinie sur E :

TJb, a ) =

.IC,

(y!)
dp(z).

Exemple : Mesures de Bernoulli. Considrons l'intervalle unit I = [O, 1 et 1 une application linaire par morceaux O sur I telle que

@-'(I)=

u
K

Ik

k=l

o les I k sont des intervalles disjoints deux deux, tels que d i s t ( I k , 1,) > 0 v k , 1. Soit alors :
O , ' : x E I + X k Z + p k E I k

o O

< X I , < 1V k = 1,...IC. En posant : I k , k 2 , . . k , =In@k:(I)n...n@kl(I)


1 = ,

on voit que le sous-ensemble de [O, 1 invariant par O est de la forme 1


-

I nO - l ( i ) n W 2 ( 1 ) ...n O-"(I) n
ui=i,... , k , = l , _ , . I k i k z . . . k n n K

- limn+m

Etant donnes IC probabilits p l , p 2 , . . . p k telles que mesure de Bernoulli associe O une mesure telle que
p ( I k l k 2 ...k , )

K E,p k

= 1, on appellera

=PkiPk2.**Pk,

Une proprit remarquable est que le formalisme multifractal est exact pour de telles mesures de Bernoulli ; de plus, les dimensions gnralises et le spectre d ( a ) peuvent tre calculs explicitement (voir par exemple [io]) : la fonction ~ ( q est solution de )
K

Pk

Dans le cas de l'ensemble triadique de Cantor uniforme montr la figure IV.4 (IL = 2, & = 1/3, p k = O et p k = i / 2 pour tout k ) , on obtient ainsi T(Q) = (Q - 1)log(2)/log(3), 2.e. D(q) = log(2)/log(3)Vq. La transformation de Legendre montre donc que, dans ce cas, seule la singularit a = log(2)/ log(3) est prsente. On dit alors que l'on a affaire un monofractal. Ceci n'est plus vrai dans le cas gnral et D ( q ) n'est pas toujours constante. Ces exemples permettent de tester les performances de la transforme en ondelettes, dont on attend essentiellement deux types de rponses :

Auto-similarit

75

u n

o n

u n
DO

n u

on un

n u nu

n[3

ou u o

Figure IV.4 : Ensemble de Cantor triadique.

1) Caractriser le spectre de singularits d ( a ) et les dimensions gnralises de la mesure. 2) Retrouver la rgle de construction de la mesure, ce qui est simple dans ce cas.
Le second point est facile voir sur la transforme en ondelettes. La figure IV.5 montre une ondelette de Morlet et la transforme est calcule sur 6 octaves avec 9 chelles intermdiaires entre deux octaves, o apparat clairement une vue clate du fractal. Dans le cas dobjets plus complexes, des mthodes permettant dattaquer ce problme ont t dveloppes (voir par exemple [il). I1 est cependant remarquable que des structures (self) similaires celles observes sur la figure IV.3 sont aussi observes dans le cas de signaux rels, provenant de mesures physiques (en turbulence notamment). En ce qui concerne le premier point, la rponse est fournie par la fonction gnratrice Z,,(a) introduite en (V.10). On montre facilement que les proprits de self-similarit de la mesure se refltent de faon simple sur la fonction gnratrice et le comportement de celle-ci petites chelles permet donc la caractrisation des dimensions critiques. Nous reproduisons ici le rsultat classique. (Nous renvoyons [3] pour plus de dtails.)

Thorme 5 Avec les notations prcdentes, T ( q ) est la valeur de transition telle que
(V.11)

Ce rsultat est ainsi utilis pour le calcul des dimensions gnralises et du spectre de singularit des mesures de Bernoulli, ainsi que des mesures plus gnrales, bien quon nait en gnral que trs peu dinformations quant la validit du formalisme multifractal (voir par exemple [4]).

76

Ondelettes et rgularit globale et locale des fonctions

Figure IV.5 : Module de la transforme en ondelettes de la mesure de Cantor triadique uniforme.

Auto-similarit

77

V.2 Fonctions fractales


Dans de nombreuses situations pratiques, lobjet que lon souhaiterait modliser nest pas une mesure mais plutt une fonction ou un signal. Dans ce cas aussi, un formalisme multifractal a t dvelopp, initialement dans un contexte danalyse de la turbulence. Commenons par dcrire lanalogue pour les fonctions du spectre de singularits. On dit quune fonction f(x) E ryzo,, si (voir [16])

{ f(x) # qz0>>

f(x> E ATZO,VY < (Y


(Y

(V.12)

Rappelons que f(x) E ATzo, signifie que la fonction f(x) est holderienne dexposant y en ZO. Etant donne f(x), on associe alors tout O < (Y < 00 lensemble (V.13) E, = {x E m,f E ryzl}

Dfinition 3 Le spectre de singularits d ( a ) de la fonction f (x)est la fonction qui tout (Y associe la dimension de Hausdorff de lensemble E, :
d ( a ) = dirnf,(E,)

(V.14)

I1 sensuit que le spectre de singularits dune mesure p est identique au spectre de singularits de la fonction primitive dp, ainsi dailleurs que de toute fonction de la forme dp r(x), o r ( x ) est une fonction de classe C arbitraire. Une analyse similaire celle dcrite dans la section prcdente peut tre faite, conduisant un formalisme multifractal pour les fonctions. Etant donne une fonction f (x),il sagit essentiellement de lui associer une fonction gnratrice de la forme

1 + :

so

et dtudier son comportement quand a + O. On montre alors que pour les dp r(x), o p est une mesure de Bernoulli et r(x) fonctions de la forme est une fonction de classe C,

so +

(V.16)
le spectre de singularits tant toujours reli la fonction .r(q) par une transformation de Legendre (V.17) d ( a ) = m$(aq - .r(q))

78

Ondelettes et rgularit globale et locale des fonctions

Ce rsultat a t prcis par S. JaEard [16] et tendu une classe plus large de fonctions, qui inclut en particulier la clbre fonction de Riemann-Weierstrass (voir aussi [il]):

e= 1

pour laquelle d ( a ) = O si a _< 1/2 ou a > 3/4 et d ( a ) = 4a-2 si 1/2 5 a 5 3/4. Cette analyse ouvre la porte une utilisation systmatique du formalisme multifractal, en traitement du signal en particulier.
Remarque : Arneodo, Bacry et Muzy [3], et Mallat et Hwang [13] ont propos (indpendamment) des mthodes lgrement diffrentes pour calculer les spectres de singularits au moyen de la transforme en ondelettes. Lide de base est de ne considrer que les maxima locaux de la transforme plutt que la transforme elle-mme. Les algorithmes correspondants semblent tre plus robustes ; ils ne tiennent pas compte en effet des points o la transforme est numriquement faible.

VI

COMMENTAIRES ET RFRENCES

Ltude des singularits constitue lune des applications essentielles des ondelettes, et ce depuis bien avant quelles ne soient baptises ondelettes. En effet, la formule de Calderon que nous avons utilise tout au long de ce chapitre est la base de la classification dune certaine catgorie despaces fonctionnels, incluant en particulier les espaces de fonctions holderiennes. Nous renvoyons [8] et [21] pour une description bien plus prcise de ces aspects. Nous avons ici adopt un point de vue plus lmentaire. En revanche, il semble que la caractrisation des proprits de rgularit locale des fonctions ne soit apparue que dans lre moderne des ondelettes, avec les travaux de S. Jaffard et Y. Meyer [14] [15] [17], Ph. Tchamitchian et M. Holschneider [ 121. Dans un contexte tout fait diffrent, la mme problmatique avait t aborde pour la caractrisation de signaux et dimages, suivant le programme trac par D. Marr [20]. Cest ainsi que suivant les travaux de Canny [5], S. Mallat et son quipe ont dvelopp un ensemble de mthodes permettant de mener bien ce programme (voir [18] et [19] pour une synthse). I1 existe maintenant une volumineuse littrature concernant lutilisation de lanalyse par ondelettes pour la caractrisation de comportements autosimilaires. Nous renvoyons en particulier aux travaux dA. Arneodo et son quipe ([3] par exemple) pour une analyse systmatique dans des contextes aussi diffrents que la turbulence, la croissance cristalline ou les squences dADN, ou [13] dans un contexte plus proche du traitement du signal. Une

Commentaires et rfrences

79

analyse de la validit du formalisme multifractal peut tre trouve dans [7] et [4] pour des mesures et [16] pour les fonctions. A. Arneodo, E. Bacry, J.F. Muzy, Wavelet Analysis of Fractal Signals, and A p plication t o Fully Developed Turbulence Data, Prtirage, CRPP Bordeaux (1991). A. Arneodo, G. Grasseau, M. Holschneider, On the Wavelet Transform of Multifractals, Phys. Rev. Lett., 61 (1988) p. 2281-2284. E. Bacry, A. Arneodo, J.F. Muzy, Singularity Spectrum of Fractal Signals from Wavelet Analysis : Exact Results, J . Stat. Phys., 70 (1993) p. 635. G. Brown, G. Michon, J. Peyrire, On the Multifractal Analysis of Memures, J . Stat. Phys., 66 (1992) 775-790. J. Canny, A Computational Approach to Edge Detection, ZEEE Trans. Pattern Anal. and A p p l . , 8 (1986) p. 679698. R. Carmona, Wavelet Identification of Transients in Noisy T i m e Series, University of California at Irvine preprint (1904). I. Falconer, Fractal Geometry, J. Wiley & Sons (1990). M. Frazier, B. Jawerth, G. Weiss, Littlewood-Paley Theory and the Study of Function Spaces, C B M S - A M S Regional Conferences Series, S I A M . J.M. Ghez, S. Vaienti, On the Wavelet Analysis for Multifractal Sets, J . Stat. Phys., 57 (1989) p. 415-420. [lo] T.C. Halsey, M.H. Jensen, L.P. Kadanoff, I. Procaccia, B.Z. Shraiman, Phys. Rev. A 33 (1986) p. 1141. [il]M. Holsclineider, Analyse dobjets fractals par transformation e n ondelettes, Thse de doctorat, Marseille (1989). [12] M. Holschneider, Pli. Tcliamitcliian, Pointwise Analysis of Riemanns Non Differentiable Function, Invent. Math., 105 (1991) p. 157-175 [13] W.L. Hwang, Thse, Courant Institute, New York University (1993). [14]S . Jaffard, Exposants de Holder en des points donns, et coefficients dondelettes, C R A S 308, srie 1 (1989) p. 79. [15] S. Jaffard, Pointwise Smoothness, Two-microlocalization and Wavelet Coefficients, Publicaciones Matematiques, 35 (1991) p. 155-168. [16] S. Jaffard, Multifractal Formalism for Functions, Prtirage du Laboratoire de Mathmatiques Appliques, ENPC, La Courtine (1993). [17] S. Jaffard, Y. Meyer, Pointwise Beliaviour of Functions, Prtirage du Laboratoire de Mathmatiques Appliques, ENPC, La Courtine (1993). [18] S. Mallat, W.L. Hwang, Singularity Detection and Processing with Wavelets, ZEEE Trans. Znf. Th., 38 special issue on wavelet and multiresolution analysis (1992). (191 S. Mallat, Z. Zhong, Characterization of Signals from Multiscale Edges, ZEEE Trans. Pattern Anal. and Mach. Intelligence, 14 (1993). [20] D. Marr, Vision, Freeman, New York (1982). [21] Y. Meyer, Ondelettes et oprateurs, Z : Ondelettes, Hermann (1989) [22] Y. Meyer, Les Ondelettes, algorithmes et applications, Armand Colin, 2 dition (1904). [23] E. Stein, Singular Integrals and Differentiability Properties of Functions, Princeton University Press (1970).

Chapitre V

APPLICATIONS : APPROXIMATIONS ASYMPTOTIQUES ET ANALYSE DE SIGNAUX MODULS EN AMPLITUDE ETENFRQUENCE

Dans le chapitre prcdent, nous nous sommes intresss des applications de lanalyse par ondelettes dans lesquelles le point essentiel tait laspect analyse locale des dcompositions en ondelettes. Nous allons maintenant considrer des exemples dans lesquels nous nous concentrerons davantage sur laspect analyse spectrale. Nous allons nous intresser lanalyse de fonctions ou de signaux auxquels on peut associer des quantits physiques telles quune frquence locale, ou une amplitude locale. Ce type de situation se rencontre assez frquemment en physique, notamment en propagation. Ces concepts sont
bien videmment totalement naturels en musique.

Nous avons vu au chapitre III, section II, un exemple montrant la transforme en ondelettes dun signal frquence dpendant du temps. Un autre exemple, en loccurrence celui de la transforme en ondelettes dun signal sonar mis par une chauve-souris, est montr la figure V.l. La remarque essentielle porte sur la localisation de la transforme dans le demi-plan temps-chelle. Nous verrons plus loin quelle se concentre en fait dans le voisinage dune courbe a = ap(b),appele arte de la transforme, dquation

o v(x) est la frquence locale du signal et I< une constante ne dpendant que de londelette. Nous commencerons ce chapitre par quelques prliminaires, qui nous permettront de prciser quelque peu la nature des fonctions auxquelles nous allons nous restreindre, ainsi que les techniques que nous allons employer. Puis nous verrons dans quelle mesure lanalyse par ondelettes (et lanalyse de Fourier

82

Applications

Figure V.1 : Transforme en ondelettes (module) dun signal sonar mis par une chauve-souris (ondelette de Morlet).
court terme) permet de caractriser ces fonctions. Nous verrons en particulier lintrt quoffrent, pour ce type danalyse, des ondelettes progressives permettant dviter les phnomnes dinterfrence entre frquences positives et ngatives du signal analys. I1 convient de prciser que les mthodes dcrites ici ne sappliquent que dans le cas de signaux non bruits ou faiblement bruits. E n prsence dun bruit plus important, il est ncessaire de se tourner vers des algorithmes plus robustes. Nous y reviendrons la fin de ce chapitre.

SIGNAL ANALYTIQUE ET TRANSFORMATION DE HILBERT

Quest-ce quun signal (ou une fonction) modul en amplitude et en frquence ? Rpondre cette question sous-entend que lon soit capable de dfinir des notions damplitude et de phase dun signal, ce qui nest a priori pas vident du tout. Considrons titre dexemple la fonction suivante
s(z)

= A ( z )sin ( 4 ( x ) )

reprsente en termes dune amplitude et dune phase, toutes deux dpendant de la variable x. I1 est immdiat que lon peut tout aussi bien lcrire

s(x) = 2 A ( z )sin (-) 4(x) cos (-) 4 X ) d 2 2

Signal analytique et transformation de Hilbert

a3

faisant ainsi apparatre une autre amplitude 2A(z) cos et une autre phase On voit donc apparatre ici une ambigut. I1 importe donc de lever cette incertitude. Supposons quil soit possible dassocier de faon naturelle un couple ( A B ( x ) $ ~ ( Z ) au signal s ( ~ tudi. On peut alors introduire naturellement I, ) ) une notion de frquence instantane, dfinie par :

9.

(q)

qui traduit les variations de la phase de s(z) et correspond effectivement la frquence usuelle si 4, varie linairement avec z (modulo 2 7 ~ ) . Un choix possible est celui du couple canonique propos par J. Ville dans un article fondamental, qui est la base dun grand nombre de techniques de traitement du signal actuelles. Dcrivons maintenant cette approche qui nous sera utile par la suite. En effet, bien quelle soit souvent inadapte, elle constitue un point de dpart pour dvelopper dautres approches. Considrons tout dabord la transformation de Hilbert R , qui scrit dans lespace de Fourier comme :

J. Ville introduit alors la fonction Z,(z), appele signai analytique de dfinie comme : 2, = [1+ iR]* s

S(Z)

et

(1.3)

H ( 6 ) tant la fonction de Heaviside. Clairement, Z,(z) peut tre tendue analytiquement tout le demi-plan suprieur :

ce qui justifie lappellation signal analytique. En dautres termes, Z,(Z) est obtenu partir de S(Z) par un filtrage linaire supprimant les frquences ngatives. Aprs la spcification dune dtermination pour le logarithme, les galits

A ( z ) = IZ,(z)l

(1.7)

Cette ambigut cache en fait le problme de la notion mme de frquence locale a priori incompatible avec le principe dincertitude de Heisenberg.

Applications

tablissent une correspondance biunivoque entre le signal analytique Z,(z) et le couple canonique (A,(z),$,(z)), o A,(z) est une fonction valeurs relles positives et 48(2) une fonction dfinie partout o Aa(x) > O et qui prend ses valeurs dans lintervalle [O, 2x1, par exemple. De plus, on a clairement : s(z) = R e Z s ( z ) et la reprsentation de s(z)

(1.10)
est appele reprsentation canonique.

I1 importe de faire ici quelques remarques :


0 La premire concerne la signification physique que lon entend donner la frquence instantane dfinie par (1.1). Une frquence proprement dite est une caractristique dune onde plane, mesurable exprimentalement (par interfromtrie ou autre), qui dcrit la rapidit des oscillations de londe. Si londe plane est maintenant affecte dune amplitude variable, on ne pourra conserver la frquence sa signification physique qu condition que, dans le domaine dtude, lamplitude soit variation lente par rapport aux oscillations, ce qui se passe effectivement avec des ondes planes exprimentales. La frquence instantane naura donc une interprtation en tant que frquence locale qu la condition dtre suffisamment leve pour que les oscillations correspondantes soient rapides par rapport aux variations de lamplitude.
O Pour caractriser un signal modul en frquence et en amplitude, les traiteurs de signaux introduisent aussi la notion de retard de groupe ~ , ( z ): en crivant la transforme de Fourier du signal analytique elle aussi sous forme exponentielle Z,(<) = M,(<)exp{i,(f)} le retard de groupe est dfini similairement la frquence instantane comme ~ , ( z )= Dans certains cas simples, la frquence instantane et le retard de groupe sont deux fonctions rciproques lune de lautre.

-&y.

0 Dans les cas o la fonction s(z) = A(z)cos(~$(z)) est telle que les variations relatives de A(z) sont trs lentes par rapport celles de la phase 4(z), cest--dire l+(z)l >> I*/, on peut facilement voir que le modle exponentiel A ( z )exp iq5(z) constitue une excellente approximation du signal analytique Z,(z). On est alors dans le cas des signaux dits asymptotiques. 0 La frquence instantane introduite par Ville est particulirement inadapte ds que le signal analys est un signal m u l t i ~ ~ r n p ~ ~ a cest--dire nte~, somme de signaux auxquels on peut naturellement associer une amplitude et une frquence locales. La frquence instantane de Ville perd alors tout son sens

Analyse par ondelettes de lignes spectrales

85

physique, linformation pertinente est dailleurs plus porte par les frquences locales que par une unique frquence instantane. Un exemple simple (d Y. Meyer) est fourni par la fonction s(z) = sin(l/z) ; le signal analytique associ est alors Zs(z) = i(exp{-i/z} - 1),et il sagit bien de la superposition de i exp{-i/x}, de frquence instantane x-, et de -i de frquence nulle. En revanche, le calcul de Ville conduit une amplitude et une frquence instantanes de la forme : A ( z ) = 21sin(1/2z)l et u ( z ) = 1/(47rz2). Un exemple de signal rel est fourni par le signal de parole (une illustration sera donne dans ce chapitre) que lon peut modliser comme somme de signaux asymptotiques, mais pour lequel le programme de Ville est totalement inadapt.

II

ANALYSE PAR ONDELETTES DE LIGNES SPECTRALES

Avant dutiliser la mthode de la phase stationnaire pour le calcul de la transforme en ondelettes de signaux moduls, considrons le cas plus simple de signaux que nous appellerons lignes Spectrales. Nous appellcrons ligne spectrale tout signal dont la reprsentation canonique est :
s(z)

= A ( z ) cos(wz)

(11.1)

cest--dire tout signal de frquence instantane constante (ou signal frquence fixe). Nous allons voir que dans les cas o w est suffisamment grand (par rapport une chelle de rfrence fixe par les variations de A ( z ) ) ,les coefficients dondelettes de s ( x ) peuvent tre approxims (avec une prcision contrlable), faisant ainsi apparatre un certain nombre de caracthristiqucs, qui leur tour conduisent la caractrisation de s(z).

11.1

Coefficients dondelettes de lignes spectrales

Considrons une oiidelctte $(z), quc nous choisissons progressive (ie. I,E I

H 2(IR)), maxiinale en z = O (sans pcrtc de gnralit) et bien localise


dans le domaine de Fourier ; nous noterons wo le lieu du maximum de $ . Considrons maintenant la transforme en ondelettes de s(z) par rapport
:

I ^I

1 T s ( b , a ) = (S,S)(b,a)) = T ( z s ~ $ ( b , a ) ) 2a

(11.2) (11.3)

Lide est maintenant de dvelopper lamplitude A , ( z ) en srie de Taylor autour de z = b (point o londclette $ ~ ( b , ~ ) est) maximale) et dutiliser la srie (z obtenue pour approximer la transforme en ondelettes. Plus prcisment :

86

Applications

Thorme 1 Soit s(z) une ligne spectrale exprime comme en (11.1).

i)

Soit $(z) une ondelette progressive, telle que Cl = supposons A E C ( a ) . Alors

Izll$(z)ldz

< 03,

et

(11.4)

(11.5)
ii) Soit $(z) une ondelette progressive, telle que et supposons A E C2(a). Alors
C 2

lz(21$(z)ldz< m,

(11.7)
En particulier :

(11.8)
Avant de donner la preuve de ce rsultat, il est intressant de le commenter quelque peu. (11.4) montre que la transforme en ondelettes dune ligne spectrale se comporte essentiellement comme la ligne spectrale elle-mme ( une constante prCs), modulo un terme derreur dautant plus petit que les variations de lamplitude de la ligne spectrale sont faibles. Le terme correctif r1 (b, a ) est dautant plus petit que &aw) est grand, cest--dire que a est proche de wo/w, et que le facteur dchelle est petit, cest--dire que w est grand. De telles hypothses sont essentiellement des hypothses dasymptotisme faites sur la ligne spectrale. Enfin, (11.8) montre que si le facteur dchelle a est exactement ajust la frquence de la ligne spectrale, le terme derreur devient du second ordre en a et dans les drives de lamplitude. Ceci renforce la qualit de lapproximation. Preuve du th4orme : i) La formule de Taylor au premier ordre sur le support de $(b,a) conduit A(z0 E ) = A ( z 0 ) d ~ ( z )avec Fi E C o ( a )et IFl(z)l 5 , supz IA(z)I. Appliqu (11.3) cela donne (11.4) avec

Analyse par ondelettes de lignes spectrales

87

ii) La formule de Taylor au deuxime ordre donne

avec F 2 E C1(l?2) et

Un raisonnement similaire au prcdent conduit (11.6) et (11.7). Ceci achve la preuve du thorme. Ainsi, lquation (11.4) montre que tant que rl ( b , a ) est suffisamment petit, T,(b, a) se comporte ( une normalisation prs) essentiellement comme la ligne spectrale elle-mme ou, plus prcisment, comme son signai analytique Z,(b) = A(b)eiUb. Considrons maintenant le cas dun signal analyser form de la somme de plusieurs lignes spectrales :

(II.1O)
La linarit de la transforme en ondelettes conduit lexpression approche suivante pour T,(b,) : a

T,(b,) N a
k

G(aWk)*Ak(b)eiwkb

(11.11)

Sur une telle expression, on peut prdire le comportement suivant de la transforme en ondelettes. s i les valeurs numriques des frquences W k sont suffisamment loignbes les unes des autres, la prsence du facteur $ ( a u k ) dans (11.12) fait que la contribution T,(b,) de la k-ime composante est localise u au voisinage de a = a0 = W O / W . Ceci fournit une premire estimation des w k . En revanche, si certaines frquences W k sont proches les unes des autres, le problme de leur dtermination devient plus ardu.

88

Applications

11.2

Caractrisation de lignes spectrales

Si on se pose maintenant le problme inverse, savoir celui de la caractrisation de s(z) partir de ses coefficients en ondelettes, on procdera ainsi : La valeur de w peut tre dtermine soit par la frquence instantane de T,(b, a) (pour une valeur fixe du paramtre dchelle a), soit par la valeur a = 00 = wo/w pour laquelle IT,(b, a)/est maximal, pour une valeur fixe du paramtre de translation b. Lamplitude A ( b ) est ensuite obtenue avec une prcision maximale (dans les limites permises par (11.7) bien entendu) en utilisant (11.8), cest--dire en crivant (Il.12)

Remarque : Rappelons une fois de plus que le problme de recherche de la valeur a = a0 = w ~ / w pour laquelle IT,(b,a)lest maximal, est par essence , un problme mal pos, et donne ainsi des rsultats instables, en particulier en prsence de bruit. I1 faut nanmoins remarquer que la stabilit de la solution est ici renforce par la redondance de la transforme en ondelettes, que nous avions caractrise au chapitre II en mettant en vidence lespace noyaux reproduisants correspondant. Cest ainsi que les algorithmes que nous allons maintenant dcrire permettent de traiter des cas bruits, dans la limite o le rapport signal sur bruit reste positip. Pour des valeurs plus dfavorables de ce rapport, une rgularisation supplmentaire sera ncessaire.
I1 est important de remarquer que la droite a = a0 = W O / W , dans le demiplan H , sur laquelle la restriction de la transforme en ondelettes est maximale en module, possde une proprit particulire : la restriction de la transforme en ondelettes y possde la mme frquence instantane que la ligne spectrale elle-mme. Cette remarque sera fortement utilise par la suite pour la caractrisation des lignes spectrales, mais aussi plus gnralement des signaux moduls en amplitude et en frquence. Passons maintenant au cas o plusieurs lignes spectrales sont prsentes dans le signal analys. Supposons en outre que les valeurs des frquences W k sont connues lavance. Dans ces conditions, en se plaant b fix et en connaissant par un calcul pralable les valeurs des T,(b, wO/wk), la caractrisation des A k ( b ) se ramne un problme matriciel, cest--dire linversion de la matrice : (II.13)
Rappelons que le rapport signal sur bruit est dfini comme 10 IogI0(ue/ub), o est la variance du signal seul (resp. d u bruit seul).
6,

(resp.

ob)

Analyse par ondelettes de lignes spectrales et au calcul de limage du vecteur :

89

par M(b)-. Nous voyons donc quil est crucial de connatre lavance les valeurs des frquences des lignes spectrales et de construire un algorithme permettant de les dterminer. Nous allons maintenant dcrire lalgorithme propos et utilis par P. Guillemain et R. Kronland-Martinet. On considre tout dabord le cas dune unique ligne spectrale de frquence w. Nous savons par (11.4) qu la limite asymptotique, w = wo/ao, o a0 est la valeur du paramtre de dilatation pour laquelle on a concidence entre les frquences instantanes de la transforme en ondelettes T,(b,ao) et des ondelettes $(b,ao). Ceci fournit un moyen de dtermination de a0 et donc de w. Nanmoins, dans le but daugmenter la stabilit de lalgorithme et de pouvoir lappliquer des situations plus gnrales, P. Guillemain et R. Kronland-Martinet considrent des moyennes locales de la frquence de T,(b, a ) 3 . Plus prcisment, si I = [bo,bo T ] est un intervalle de longueur T , on considre une valeur initiale a0 de a et on calcule :

(II.14) qui fournit une approximation de w. Dans le cas dune ligne spectrale pure, cette approximation est aussi bonne que le permet (11.5). Si tel nest pas le cas, on itre le processus en posant al = W ~ / W ( ~ puis en calculant qi) ) , = Im [ JI log T, (b,a i ) db ] et, plus gnralcmcnt,

&

an

=~0/w(n-1)

(11.15) (II. 16)

Lalgorithme est donc un algorithme de point fixe, auquel on peut appliquer des techniques classiques pour en tudier les proprits de convergence. Remarque : Si T est un multiple de la priode T = 27r/w, alors le membre de droite de (II. 14) nest autre quun invariant topologique appel nombre denroulements (winding nvm.ber en anglais), qui compte le nombre de tours effectus par le vecteur T,(b, ao) autour de lorigine dans le plan complexe. Linvariance de ce nombre peut sexprimer sous la forme suivante : sa valeur nest pas affecte par toute dformation du chemin sur lequel est prise la valeur moyenne, sous rserve que ce chemin ne croise pas un zro du module de la transforme en ondelettes durant cette dformation. Cette remarque justifie la robustesse de lalgorithme.
311 sagit l dune procdure p e r m e t t a n t d e rgulariser Ialgorithmequi rejoint la remarque prcdente.

90

Applications

Si maintenant s(z) est une somme de lignes spectrales comme en (11.10) on observe encore numriquement une convergence trs rapide de lalgorithme, le point de convergence tant bien entendu fonction de la valeur initiale ao. Avant de nous pencher sur la prcision de lalgorithme, focalisons-nous tout dabord sur ses proprits de convergence, en faisant abstraction de toute hypothse sur le signal tudi. Commenons donc par nous restreindre un domaine de frquences [w1,w2] = [wo/al,wo/a2], tel que T,(b,a) > O pour tout @,a) E I x [wO/alrwO/a2],et notons wc = (w1 w2)/2 la frquence centrale. Nous noterons aussi pour simplifier :

(11.18)
Lalgorithme que nous tudions consiste donc en litration de tc et nous utilisons le thorme des fonctions contractantes, qui snonce ainsi : si U est un domaine dun espace mtrique M , et si IC est contractante sur U (cest-dire si .(U) c U et sil existe O < C < 1 telle que pour tous u,v E U , ~ ( K ( v ) , I c ( u ) ) C d ( v , u ) ,alors il existe un unique point fixe u , E U , et pour < tout 210 E K,(Q) = lim K ( K ( ...~ ( u o ) = u, ...)) (II. 19)

u,

n-tm

Munissons donc laxe des frquences de sa mtrique naturelle


cl(w,w) = Iw - wl.

Soient

f i , f2

E [wl,w2], fi

<

fi,

et considrons le chemin ferm

dans I x

[ ~ 0 / ~ 1 , ~ 0 / ~bord 21,

de I x

[~O/~l~O/~21.

r = 81 x [wo/al,wo/a2].
Alors

(II.2O)

(11.21)
implique que

4f2)

- .(fi) = T

J;

&bo

d + T , w ) - ,f(bo,w)]dw.

(11.22)

Ainsi. on obtient immdiatement

(11.23)

Analyse par ondelettes de lignes spectrales


O

91

(II.24) Dautre part, si w E


[w1,w2],
.(W)

I .(W)

1s + 2T

--lu2

- w11- w11

S -1% T

- wI

(11.25) (II.%)

I .(wc)
de sorte que, si lon suppose que

1s + 2T

--lu2

(II.27) on a bien
.(W)

I w2.
2 w1.

(II.28) (II.2 9)

Un raisonnement tout fait similaire conduit


.(W)

Tout ceci conduit :


Proposition 1 Soient I , w1, w2 tels que T,(b,a) > O dans I x [ w l , w ~ ]S < T , et que (11.27) et (11.29) soient vrifies. Alors litration (11.15)-(11.16)possde un et un seul point fixe dans [ w l , wz].
Remarque : Ce rsultat mrite commentaire. 0 Dans la plupart des cas, S est une quantit finie, voire petite. Dans ce cas, il suffit donc de prendre T assez grand pour assurer la convergence de lalgorithme. 0 La convergence est prouve en dchors de toute hypothkse sur le signal. La convergence nest donc en aucun cas une preuve de la prsence dune ligne spectrale dans le signal. I1 sagit l dun point important. 0 Le problme majeur qui se pose est ici que la convergence de lalgorithme nentrane pas pour autant la prcision de lestimation obtenue pour la frquence. E n effet, la procdure de moyennisation introduite pour stabiliser lalgorithme a aussi pour effet de diminuer la prcision de celui-ci4. I1 suffit pour sen convaincre de traiter comme exercice lexemple de la somme de deux lignes spectrales. Dans le cas plus gnral dune superposition de N lignes spectrales, on peut assez facilement montrer que lerreur commise dcrot en T-, de sorte que lon a intrt coiisidrer des moyennes sur des temps assez longs5, dautant plus que lestimation priicdente prouve que la convergence de lalgorithme est amliore dautant.
4 C o m m e toute mthode de rgularisation dun problme inverse mal pos. Avec ce que cela implique pour le temps de calcul.

92

Applicatioiis

III

SIG,NAUX MODULS EN AMPLITUDE ET EN FREQUENCE

Entrons maintenant dans le vif d u sujet en considrant, non plus seulenient des signaux moduls en amplitude, mais aussi moduls en frquence. Comme dans la section prcdente, nous allons tout dabord nous focaliser sur le cas o le signal tudi est lui-mme un signal modul tel que les approximations que nous avons dcrites prcdemment peuvent tre employes, puis nous considrerons le cas de superpositions de signaux moduls asymptotiques. Nous considrons donc des signaux s(z), dont la reprsentation canonique est :

et nous notcrons Z,(x) signai analytique associ. le Considrons aussi une ondelette $(x) et supposons de plus Dans ces conditions, on obtient :

$ J

E H2(IIZ).

Notre approche sera similaire celle employe dans la section prcdente, avec des hypothses appropries : estimer (111.2) par des mthodes asymptotiques et utiliser lestimation obtenue pour caractriser le signal analys partir de ses coefficients dondelettes.

111.1

Estimation des coefficients dondelettes

Exprimons tout dabord londelette @(x) sous la forme dune amplitude et dune pliase instantanes :

$(x) = A$(z)ei6*()
(111.2) sexprime donc sous la forme dune intgrale oscillante :

(111.3)

que nous nous proposons dvaluer par les mthodes dcrites la section II. Pour simplifier les critures, nous noterons

(111.5)
Soit x, = x,(b,a) un point stationnaire de @ ( b , a ) . Par dfinition, x, est un point o la frquence instantane de londelette translate et dilate de (b,a ) concide avec la frquence instantane du signal analys :

(111.6)

Signaux moduls en amplitude et en frquence

93

supposant dans un premier temps pour simplifier que pour une paire ( b , u ) donne, z,(b, u ) est lunique point stationnaire associ et, que en outre, (111.7) Notons R le domaine de H dans lequel ces deux proprits sont vrifies. Dans R, la formule (B.17) du complment B nous fournit immdiatement lexpression suivante pour T,(b, a ) :

expression qui fait essentiellement intervenir le signal analytique valu au point stationnaire, ainsi que londelette dilate et translate, centre au point stationnaire. Le membre de droite de (111.8) doit tre compris comme lapproximation de T8(b,a) au premier ordre de la phase stationnaire, lerreur commise tant borne comme en (B.22).

Remarque : On peut aussi approximer T,(b, u ) par des mthodes similaires


celles employes au chapitre prcdent ; on obtient ainsi :

faisant intervenir &E) au lieu de $(z) elle-mme. Cette expression est lgrement moins prcise que (111.8). Elle nous permet cependant de remarquer que linformation spectrale parat absente de (111.8). Elle se trouve en fait dans la dpendance en b du point stationnaire. I1 apparat trs clairement sur (111.8) que deux ensembles de points dans R sont appels tenir un rle prpondrant dans ce qui suit. Ce sont les courbes sur lesquelles z,(b,a) = b, que nous appellerons larte de la transforme en ondelettes, et les courbes sur lesquelles z,(b,u) est constant, que nous appellerons les courbes-ondclettcs. Nous allons maintenant examiner en dtail le comportement de la transforme eii ondelcttes restrcinte de tcllcs courbes.

111.2

Larte de la transforme en ondelettes

Introduisons donc larte de la transforme en ondelcttes comme lensemble

A = { ( b , a ) E R,z,(b,a) = b }
donne Dar

(III.9)

I1 dcoule immdiatement de (1II.G) que larte dfinit une courbe dans Q,


(III. 1O)

94

Applications

et que la dtermination de larte conduit immdiatement la connaissance de #(x), cest--dire la loi de modulation en frquence de s ( x ) . De plus, la restriction de la transforme en ondelettes larte sexprime trs simplement :

Lemme 2
T s ( b , a r ( b ) ) Corr(b)Z,(b)

(111.11)

o Corr(b)est une fonction de b entirement caractrise par iondeiette + ( x ) et iarte, et ne dpendant pas autrement du signai analys.
Preuve : (111.11) sobtient directement en remplaant a par a r ( b ) dans (111.8) et Corr(b) est donn par :
ei

Y S S n [ q b , a p ( s ) ) (b)l
+(O)*.

(III. 12)

Pour prciser les propriiits de Corr(b),calculons

(111.13)
qui conduit :

(III.14)
ce qui montre la proprit annonce de Corr(b)et achve la preuve du lemme. La restriction de la transforme en ondelettes larte correspondante sera appele le squelette de la transforme. Nous allons en effet voir par la suite que sa connaissance est suffisante pour reconstituer directement la transforme. Le squelette permet en tous cas de reconstituer le signal lui-mme. En effet, une fois larte dtermine, la fonction Corr(b) est connue ainsi que nous lavons vu, et il suffit de diviser le squelette T,(b,a,(b)) par Corr(b)puis den prendre la partie riieiie pour reconstituer s ( x ) .

111.3 Les courbes-ondelette


Considrons (bo, u,(bo)) E R. La courbe-ondelette coupant (bo, u,.(bO)) est dfinie comme la composante connexe (bo, ar(bo)) de lensemble des points ( b , a ) E R tels qiie

(111.15)
cest--dire comme un ensemble de points ( b , u ) z,(b,a) constant gal bo. Clairement, les courbes-ondelette sont entirement dtermines par londelette

Signaux moduls en amplitude et en frquence

95

$(z). E n particulier, si $(z) est londelette de Morlet, cest--dire une ondelette

frquence constante, il est facile de voir que les courbes-ondelette sont les droites u = constante. Cest dailleurs lune des raisons pour lesquelles les ondelettes frquence constante sont souvent utilises numriquement. La restriction de la transforme en ondelettes une courbe-ondelette fixe scrit :

cest--dire comme le produit de londelette dilate et translate $ ( b , a ) (z) centre en bo par une fonction correctrice et, encore une fois, compltement dtermine par larte a,(b) et londelette $(z) (au facteur constant Zs(bo) prs).

Remarque : Les notions darte et de courbe-ondelette permettent dexliiber une proprit remarquable de la transforme en ondelettes dans la limite asymptotique. La transforme en ondelcttes est essentiellement dtermine par le signal analytique sur son arte et par les ondelettes sur les courbes-ondelette. Cette description gomtrique simple est appele proprit de factorisation.

111.4

Extraction de larte

Nous allons voir maintenant comment la simplicit du comportement des coefficients dondelette dun signal modul en amplitude et en frquence permet de donner des mthodes dextraction de larte partir des coefficients. Commenons par tudier le comportement du module de la transforme. Nous savons quil existe une version ondelettes de la formule de Plancherel permettant didentifier le module carr de la transforme en ondelettes une dcnsit dnergie dans le plan temps-frquence. Partant de l, il parat naturel que cette densit dnergie soit localement maximale au voisinage dune zone caractrisant la frquence instantane, cest--dire au voisinage de larte cette tude de la localisation de lnergie dans le plan temps-frquence est une mthode trs classique en traitement du signal [3]. Au vu de (111.8)cest effectivement ce qui se passe, si on nglige les variations dues au dnominateur. En effet, les ondelettes tant par hypothse maximales en O, la restriction de la transforme en ondelettes une courbe-ondelette fixe est maximale sur son intersection avec larte. La figure V.2 reprsente la transforme en ondelettes dun chirp linaire6 enveloppe gaussienne. On notera la localisation du module de la transforinbe en ondelettes au voisinage dune courbe. I1
Cest--dire dun signal modul en frquence, la frquence dpendant linairement du temps.

96

Applications

Figure V.2 : Transforme cn ondelettes (module et phase) dun chirp linaire (ondelette de Morlet, wo = 27r).

ne sagit pas dune droite car les axes reprsentent ici b et iog(u) ; nous avons une transforme sur 8 octaves avec 7 chelles intermitdiaires entre deux octaves conscutives, ce qui fait un paramtre dchelle variant de 2 512 ; le signal fait 1024 points. Nanmoins, la prsence du dnominateur u2 x,)] modifie la rpartition de lnergie dans le plan temps-frquence et une estimation de larte fonde sur ltude de IT,(b,u)l conduit en gnral un rsultat biais. Nous allons maintenant voir quil est souvent plus astucieux de se fonder sur ltude de la phase de la transforme en ondelettes. Notons

I@yb,a) v

(III.17)
la phase de la transforme en ondelettes de s ( x ) . Le rsultat suivant permet lcxtraction de larkte partir dcs coefficients dondclettes :

Lemme 3
i)

y = O sur larte.
z.(b,a)=bo

ii) &L [@I .! /

sur Jarte.

Avant de donner le preuve de ce rsultat, notons quil est tout fait compatible avec la courbure des lignes de phase constante de la figure V.2, droite.

Signaux moduls en amplitude et en frquence

97

Preuve

i) Calculons
diE(b,a) - - [ 4 Y X s ) dx, -da da

I-($-1 +
-

~ , - b

~ , - 7 4 -kb( - )~ , - b a
(111.18)

~ ~ , - b -- a,2 - b&(y)

par dfinition de z,(b,a). Ceci prouve (i).

ii) Rsulte de :

(III. 19)

ce qui achve la dmonstration du lemme. Ces deux proprits sont trEs utiles en pratique pour caractriser des lois de modulation en frquence. La procdure est donc la suivante : dabord, on calcule la transforme en ondelettes, puis sa phase et, enfin, on utilise lune des deux proprits prcbdentes pour extraire larte et donc la frquence instantane.

Remarque : I1 convient de noter que ces deux proprits ne caractrisent pas larte, dans la mesure o il ne sagit pas de proprits suffisantes pour que (b, a ) E A. Ceci est illustr par lexemple suivant : Si $(z) est une ondelette frquence fixe, comme par exemple londelette de Morlet, les courbes-ondelette sont, comme nous lavons vu, les droites a = constante. Dans ce cas, on a diE(b,a)/db = q!$(O)/a partout, ce qui ne caractrise plus rien. Nous verrons un peu plus loin que des approximations plus prcises permettent de traiter cet exemple.
Superposbe aux deux images, larte de la transforme, calcule partir dun algorithme dduit du lemme 3-(ii) est aussi reprsente sur la figure V.2. Le calcul a t effectu sur les 500 chantillons situs au milieu du signal. On voit bien notamment la relation entre larte et la courbure des lignes de phase constante sur la figure de gauche.

111.5 Une implmentation possible


Soit s(x) = A ( z )cos4(x) un signal satisfaisant les hypothses standard ; nous avons donc dterminer larte ap(b) = @$(O)/@(b). Partant de lun des critres donns au lemme 3 (prenons le second critre pour tre prcis), le

98

Applications

problme se ramne, pour tout b = bo, un problme de recherche numrique des zros dune fonction de a , en loccurrence :

Pour tout bo, ce problme peut tre rsolu par une mthode de point fixe standard (mthode de la scante, mthode de Newton, ... ). Nous dcrirons ici le cas de la mthode de Newton. On considhre un chantillonnage fini bo,bl, ...bN-1 de la variable b.
0

Le cas o b = bo : Soit a = a0 un premier candidat pour a,(bo). Litration de Newton

(stoppe lorsque la prcision est suffisante) fournit une estimation de


ar(bo).
e

Le cas g b 3 - a l b = b, : De nouveau litration de Newton

fournit une estimation de a r ( b n ) ; on a besoin pour cela dun candidat initial pour a,.(&), qui peut tre lestimation obtenue pour a,.(bn-l) ou une extrapolation partir des estimations de a r ( b n - l ) , a r ( b n - 2 ) , ... On dit alors que lalgorithme suit larte en continu.
0

Si bo, b l , ...b ~ - lest un sous-chantillonnage de la variable de translation, les valeurs intermdiaires peuvent tre obtenues par interpolation, larte a,.(b) tant de toute faon suppose rguliiire, daprs les hypothses faites. Une interpolation par des fonctions splines cubiques fait en gnral parfaitemcnt laffaire.

Exemples : Reprenons lexemple que nous avons montr au tout dbut du signal sonar de chauve-souris (voir figure V.1). La figure V.3 montre larte qui a t extraite partir de la transforme en ondclettes (figure V.1) de ce signal (ondelette de Morlet). Si nous reprenons maintenant lexemple de ce mme signal, plong cette fois dans un bruit blanc gaussien centr, dont la variance a t ajuste pour obtenir un rapport signal sur bruit gal OdB ( L e . la variance du signal utile est gale la variance du bruit), larte peut toujours tre identifie de la mme faon. La figure V.4 reprsente le signal, le module de sa transforme en ondelettes et

Signaux moduls en amplitude et en frquence

99

larte correspondants, calculs dans les mmes conditions que prcdemment. I1 est remarquable de constater que larte est presque exactement la mme que plus haut, alors que le bruit est aussi fort que le signal utile. La raison essentielle en est que le signal est trs localis dans le plan temps-frquence, ce que nest pas un bruit blanc. On montre facilement que si n ( z ) est un bruit blanc de variance oz,IE[ITn(b,a)12] Ii*a2/a,o I( est une constante qui ne = dpend que de londelette.

111.6

Commentaires, dveloppements

Le problme de caractrisation de certains signaux par amplitude et frquence instantanes est encore loin dtre rsolu. Cest pourquoi il nous semble utile de complter cette section par un certain nombre de remarques, concernant les limites de la mthode ainsi que quelques possibles alternatives.
0 Nous navons parl plus haut que de la mthode de Newton. I1 existe quelques variantes, notamment celle de R. Kronland-Martinet qui est particulirement intuitive. I1 sagit encore dun algorithme de point fixe ; lide est maintenant de voir la frquence (ie. la drive de phase) de la transforme en ondelettes comme rsultant dune interaction entre la frquence instantane du signal et celle de londelette dilate et translate et se trouvant donc quelque part entre les deux. Pour tout b, on remplace alors litration de Newton par :

ak+l

= b$(o)/ -ImlogTs(b,ak) b :

Z.(b,Qk)=b

le reste de lalgorithme tant inchang. Cette mthode fournit des rsultats peu prs quivalents lautre en temps de calcul.
0 Tout ce que nous avons dcrit dans le cas de la transforme en ondelettes peut aussi tre dvelopp dans le cas de la transforme de Gabor. Le cheminement est exactement le mme. Supposons donn un signal de la forme s ( ~ ) = A(z) C O S ~ ( Z ) vrifiant nos hypothses standard et une fentre g(z) que lon met, elle aussi, sous la formeg(z) = A,(z) exp{ib,(z)}. Avec des arguments en tous points similaires aux prcdents, on montre que la transforme de Gabor peut tre approxime ( des termes correctifs faisant intervenir les drives successives des amplitudes et des phases) comme

Gs(b,w)=

Z,(Z~)~(Z,b)*e-iw(Z*-*) Corr(b,w )

o Z = ~ , ( b w ) est le point stationnaire (encore une fois suppos unique) tel , , que 4 ( Z s ) = 4& - b) w

100

Applications

Figure V.3 : Arte de la transforme en ondelettes de la figure V.l (larte a t calcule sur les 1O00 chantillons au centre des 1300 que compte le signal).

Figure V.4 : Arte de la transforme en ondelettes du signal de chauve-souris bruit par un bruit blanc gaussien centr.

Signaux moduls en amplitude et en frquence

101

On montre alors que la transforme de Gabor se localise au voisinage dune arte w = wr(b), relie la frquence instantane comme
Wr(b)

= 4(b) - +;(O)

et que la restriction de la transforme de Gabor cette arte (2.e. son squelette, pour conserver la mme terminologie) permet de reconstituer le signal luimme. De plus, un algorithme de point fixe similaire au prcdent permet le calcul numrique de larte.
O Dans le cas dun signal comportant plusieurs composantes modules en amplitude et en frquence, plusieurs utilisations successives de la mthode prcdente (avec diffrentes initialisations) fournissent en principe les artes correspondantes, sous rserve que celles-ci ninteragissent pas. On donnera cette contrainte la signification heuristique suivante. On peut associer toute fonction son domaine de localisation temps-frquence, une portion du demiplan H dans laquelle elle est localise. On dira que deux artes interagissent sil existe une ondelette telle que les deux artes intersectent son domaine de localisation temps-frquence. Dans ce cas, londelette voit simultanment les deux composantes et le coefficient correspondant traduit les interfrences entre les deux composantes. Le comportement du module et de la phase de la transforme en ondelettes ne sont plus les mmes : les approximations qui sont la base de la mthode ne sont plus valides et les algorithmes de calcul numrique de larte dcrits plus haut fournissent une estimation biaise. O Cette remarque nous ramne de faon indirecte au problme de traitement du signal adaptatif. I1 existe des signaux pour lesquels la transformation en ondelettes permet de sparer les composantes alors que la transforme de Gabor le permet, et inversement. Un exemple rvlateur est fourni par le signal de parole, qui peut tre modlis comme un signal LLlocalement harmonique, en ce sens que certains phonmes font clairement apparatre un certain nombre dharmoniques. Les harmoniques tant spars en frquence par la frquence du fondamental, la transformation de Gabor permettra de les sparer tant que la largeur de bande de la fen6tre est infrieure la frquence du fondamental. Cest ce que lon peut voir par exemple sur la figure V.5, qui reprsente le module de la transforme de Gabor du mot /liello/, prononc dune voix chantante (trs m ~ d u l ) On voit trs clairement apparatre un certain nombre dartes, ~. bien dessines. Chacune peut tre facilement dtecte par un algorithme du

II sagit dun signal d e dure 1 seconde, chantillonn 8kHz environ. O n a utilis une fentre gaussienne, d e longueur 16 m s environ ; la reprsentation est une reprsentation linaire e n frquence, entre O et 4k11z environ.

102

Applications

mme type que ceux que nous avons dcrits plus haut (voir Figure V.7). En revanche, sur la figure V.6 est reprsent le module de la transforme en ondelettes du mme signal ; on constate que seul le fondamental est bien marqu, les harmoniques tant trs perturbs par les interfrences se traduisant par des oscillations du module. Ceci repose le problme de trouver la reprsentation la mieux adapte dun signal donn. Dans le contexte de ce chapitre, mieux adapt signifie littralement qui permet de donner une description en terme de superposition de composantes modules en amplitude et en frquence.
0 Nous avons dj eu loccasion de signaler linstabilit (potentielle) des algorithmes dcrits plus haut. En particulier, dans le cas de signaux trs bruits (ie. de la forme A(z)cos4(z) n(x) o n(x) est un bruit de grande variance), la caractrisation de (ou des) arte(s) devient problmatique. I1 est alors ncessaire dadopter une stratgie quelque peu diffrente et dutiliser plus pleinement les informations dont on dispose a priori , notamment la rgularit de larte. Une stratgie possible revient se placer dans lespace de toutes les artes possibles et rechercher laquelle est la plus vraissemblab1een tenant compte du signal observ (ou de sa transforme en ondelettes). Par la plus vraissemblable, on entend qui minimise une certaine fonction de cot, construite partir des hypothses a p r i o n , qui sont :

la transforme en ondelettes est maximale au voisinage dune courbe dquation a = p(b) ; cette fonction ~ ( b est une fonction lentement variable de b. )

Un choix possible est le suivant :

Le premier terme renforce la localisation de lnergie sur larte et le second renforce la rgularit de p(b) ; X est un paramtre qui contrle limportance relative que lon entend donner aux deux termes. La minimisation dune telle fonctionnelle est un problkine classique. Lexprieiice montre (voir [ 5 ] ) que, tant que le rapport signal/bruit nest pas trop dfavorable, il est possible dutiliser des mthodes numriques classiques de rsolution des quations dEuler associes (111.20), ie. (111.21) b = -A-1 p a I q l 2 ] (bP(b)) En revanche, quand le rapport signal/briiit devient trop dfavorable, il est ncessaire dutiliser des mthodes plus robustes (un algorithme de recuit simul dans [ 5 ] ) . De nouveau, de nombreuses variations autour de cette mthode de
* O n a utilis ici une ondelette d e Morlet standard, avec wo x 6. La reprsentation est logarithmique : 5 octaves (puissances d e 2) e t 9 chelles intermdiaires entre deux octaves.

Signaux moduls en amplitude et en frquence

103

Figure V.5 : Transforme de Gabor (module) du mot /Hello/ (1 seconde) prononc de manire fortement module (fentre gaussienne de longueur 16 ms).

Figure V.6 : Transformite en ondelettes (module) du mot /Hello/ (1 seconde) prononc de manire fortement modulCc (ondelette de Morlct).

104

Applications

m
J

Figure V. 7 : Artes de la transforme de Gabor du mot /Hello/


caractrisation sont envisageables. Notons aussi que, dans les cas trs bruits, la formule classique de reconstruction du signal partir de larte devient elle aussi difficilement utilisable. On peut alors la remplacer par une stratgie de minimisation, faisant intervenir la dernire information a priori sur le signal que lon na pas encore utilise : la lenteur des variations relatives de lamplitude du signal. La solution propose dans [5] est la suivante : Etant donne la fonction p ( b ) ainsi quun certain nombre de valeurs du squelette %k = T ( b k , p ( b k ) ) associ au signal observ (i.e. signal bruit), le signal reconstruit est la fonction f(x) qui minimise la fonction de cot

avec les contraintes

Tf(bk, b k ) ) = Zk . p(

(111.23)

Le premier terme de (111.22) (qui nest autre que une constante prs) renforce la localisation de T i au voisinage de a = p(b) en minimisant lnergie globale de f(x), et le second impose des variations lentes de lamplitude du signal reconstruitg.
En fait, la solution propose dans [5] est fonde s u r u n e approximation d e (111.22) par

Ilfrecl12

Le cas bidimensionnel

105

IV

LE CAS BIDIMENSIONNEL

Tous les algorithmes dvelopps dans le cas unidimensionnel sont gnralisables au cas multidimensionnel (et donc au cas bidimensionnel en particulier), sous rserve d'utiliser une version adapte de la transforme en ondelettes. Le problme tant de caractriser des frquences locales dans les signaux, il est ncessaire d'utiliser des ondelettes permettant une bonne analyse spectrale, donc les ondelettes de R. Murenzi [19] (ou leur modification dcrite au chapitre prcdent"). Nous allons nous borner ici dcrire le cas bidimensionnel, les dimensions suprieures se traitant similairement (ce qui ne veut pas dire que ce soit ais du point de vue pratique, les temps de calcul numrique devenant rapidement normes).

IV.l

Analyse de lignes spectrales

Cette fois encore les lignes spectrales sont caractristiques du comportement des ondelettes dans ce cas de figure. Comme en dimension 1, on appellera ligne spectrale un signal stationnaire du type

s ( x ) = A(z)eik""

(IV.1)

o k E IR2 est une frquence constante. En suivant point par point la dmonstration dcrite dans le cas unidimensionnel, on obtient ainsi le rsultat suivant :

Thorme 2 Soit s ( x ) une ligne spectrale exprime comme en (1V.i).


0

Soit $(x) E L2(m2) ondelette telle que J'on ait : une

ci =

[.1 11 +

IZ2I]I$(Z)ldz

< Co,

et supposons A E C i ( B 2 ) .Alors

(IV.3)
0

Soit $(z) une ondelette tclle que

Izixjll$(x)pZ

< Co V i ' j = 1 , 2 ,

une forme quadratique. 'OCes deux versions concident dans le cas o n = 2.

106

Applications

et supposons A E C((a2). Alors

1
?j(a1-1
*

T s ( b , a , r )=
w)
A\

A(b)eiUb iaVA(b)eiWb. -

(IV.5) pour une certaine constante C. En particulier :

(IV.6)
Preuve : Le thorme rsulte des mmes arguments que son analogue unidimensionnel, cest--dire essentiellement de la formule de Taylor applique lamplitude du signal au voisinage de x = b.

IV.2

Frquences locales bidimensionnelles et texture

I1 est possible de gnraliser lanalyse unidimensionnelle au cas de la caractrisation de frquences locales dans les signaux bidimensionnels et les images. La difficult usuelle pour ce problme est quil nexiste pas de notion de signal analytique deux dimensions et donc pas de dfinition de frquence instantane ll. Nanmoins, comme nous lavons vu dans le cas unidimensionnel, les ondelettes progressives permettent de slectionner automatiquement les bonnes frquences et de travailler implicitement sur le signal analytique. Dans le cas bidimensionnel, en utilisant les ondelettes de R. Murenzi [19], on peut travailler localement en frquence et ainsi dcoupler des composantes diffrentes dans une image. Lalgorithme prsent et dvelopp ici est la gnralisation directe de celui tudi une dimension. I1 est donc fond sur une analyse du comportement de la pliase de la transforme en ondelettes qui, en prsence dune composante de type Aexp(i4) a tendance se comporter comme la phase de cette composante. Lalgorithme consiste donc en une reclierclie des valeurs des paramtres de position, chelle et rotation pour lesquels lon a concidence entre la frquence instantane de la transforme et celle de londelette translate, dilate et tourne. Les mmes notions darte et de squelette que dans le cas unidimensionnel peuvent tre dveloppes. Larte est ici une surface dans un espace de quatre paramtres et, en fait, un champ de vecteurs bidimensionnels. Ces vecteurs sont identifis des vecteurs donde locaux associs au signal analys.
l1

Une dfinition possible est propose dans [15].

Le

cas

bidimensionnel

107

Plus prcisment, on moddiscra une texture rgulire comme une somme de composantes du type :
si(.)

= Ai(.)

COS

(4i(x))

(IV.7)

o A ( x )est une amplitude, valeurs relles, que lon supposeralentement variable par rapport aux oscillations. Alors, si +(x) est une ondelette bien localise des deux cots de la transforme de Fourier, la transforme en ondelettes sera bien localise au voisinage des points (IV.8) dans lespace des phases. On utilisera alors la mme procdure que dans le cas unidimensionnel. Considrons donc un signal de la forme :

et mettons londelette sous la forme :

$(x) = A + ( Z ) ~ ~ @ * ( ~ )

(IV.10)

Les coefficients T,(b, e ) sexpriment donc sous la forme dune intgrale oscila,

Daprs largument de la phase stationnaire, la contribution essentielle cette intgrale est fournie par les points stationnaires z, de la pliase @ ( b , , , ~ )(z), a.e. les points x, = z , ( b , a , ) tels que : (IV.12) Avec la mme procdure que dans le cas unidimensionnel, on obtient, en posant @(x) = @(t,,a,o)(z) calculs ne prsentent pas de difficult majeure et sont (les laisss au lecteur, voir [il]):

(IV.13)

p;@a;@

- (al&@)21

sgn(G@a;@-(ala2@)2)

o R(b,a, ) est un reste que lon peut estimer comme prcdemment.

108

Applications

I1 sagit donc dune expression trs similaire celle obtenue en dimension 1 et faisant apparaitre les proprits de localisation de la transforme indiques en (IV.8). On a donc besoin dun algorithme permettant de caractriser numriquement cette localisation. Ceci est fait en gnralisant directement la mthode unidimensionnelle, cest--dire en se basant sur la phase de la transforme en ondelettes. On dfinira de nouveau larte de la transforme en ondelettes comme lensemble des points dans lespace des paramtres o lon a :
L,(b, a, e ) = b
On voit immdiatement que : (IV.14)

et donc

VbArg[T,(b,a,)]= a - l r g . V&(O)

sur larte.

(IV.16)

Ainsi, le vecteur donde local associ la transforme en ondelettes concide sur larte avec celui de londelette translate, dilate et tourne correspondante. On peut de nouveau utiliser ce critbre pour la caractrisation numrique de larte, en utilisant un algorithme de point fixe similaire au prcdent : De nouveau, on peut utiliser un algorithme fond sur une mthode de Newton ou une gnralisation bidimensionnelle de la mthode de Kronland-Martinet (voir [11I)*

IV.3

Illustrations

A titre dillustration, considrons limage de la figure V.8, qui est clairement une image comportant une texture simple, contenant deux composantes. La mthode des artes et des squelettes permet disoler les deux composantes par leur champ de frquence locale, reprsent sur la figure V.9 par des aiguilles de longueur proportionnelle la frquence locale et dorientation parallle la frquence locale. Comme dans le cas unidimensionnel, le squelette permet de resynthtiser sparment les deux composantes, comme nous le montre la figure V.lO.

COMMENTAIRES ET RFRENCES

Ltude des signaux moduls en amplitude et en frquence est lun des sujets les plus anciens du traitement du signal [22]. Une importante littrature lui est

Commentaires et rfrences

109

Figure V.8 : Image contenant deux textures diffrentes.

Figure V.9 : Frquences locales des textures de la figure V.8.

Commentaires et rfrences

111

rsultat est la caractrisation de certains types de singularits oscillantes (des chirps trigonomtriques dans le langage de [17])au moyen de leurs coefficients en ondelettes, ce qui prolonge lanalyse dveloppe a u chapitre prcdent. Dans le mme ordre dides, A. Arneodo et ses collaborateurs ont mis au point u n formalisme multifractal prenant en compte de telles singularits oscillantes, faisant galement le lien avec la discussion du chapitre prcdent.
P. Bedrosian, A Product Theorem for Hilbert Transform, lroc. I R E (1963) p. 868. G. Beylkin, B.Torrsani, Implementation of Operators via Filter Banks, Autocorrelation Shell and Hardy Wavelets, Prtirage CPT-94/P.3009, Marseille, paratre dans Applied and Computational Harmonic Analysis. B. Boashash, Time-frequency Signal Analysis, dans Advances in Spectrum Analysis, S. Haykin Ed., Prentice-Hall (1990) p. 418. A.C. Bovik, N. Gopal, T. Emmoth, A. Restrepo (Palacios), Localized Measurements of Emergent Images Frequencies by Gabor Wavelets, I E E E Trans. Inf. Th., 38 (1992) p. 691-712. R. Carmona, W.L. Hwang, B.Torrsani, Characterization of Signals by the Ridges of their Wavelet Transform, Preprint, Math. Dept., Universit de Californie, Irvine (1994). R. B. Dingle, Asymptotic Expansions : their Derivation and their Interpretation, Academic Press (1973). N. Delprat, B. Escudi, P. Guiliemain, R. Kronland-Martinet, P. Tchamitchian, B.Torrsani, Asymptotic Wavelet and Gabor Analysis : Extraction of Instantaneous Frequencies, I E E E Trans. Inf. Th., 38 (1992) 644-664. B. Escudi, A. Grossmann, R. Kronland-Martinet, B. Torrsani, Analyse en ondelettes de signaux asymptotiques, emploi de la phase stationnaire, Actes du
colloque G R E T S I . P. Flandrin, Analyse temps-frquence de signaux non stationnaires, Thse dtat, Lyon (1989). (lo] P. Flandrin, Temps-Frquence, Herms (1993). [il] C. Gonnet, B. Torrsani, Local Frequency Analysis with two-dimensional Wavelet Transform, Signal Processing, 37 (1994) p. 389-404.

[12] A. Grossmann, R. Kronland-Martinet, J. Morlet, Reading and Understanding Continuous Wavelet Transform, dans Wavelets, Time-frequency Methods and Phase Space, IPTI, Springer-Verlag, J.M. Combes et ai. Ed. [13] L. Hormander, The Analysis of Partial Differential Operators I, Grundlehren der Mathematischen Wissenschuften, 2 5 6 , Springer-Verlag (1983). 114) S. Jaffard, Y. Meyer, Pointwise Beliaviour of Functions, Prpublication du Laboratoire de Mathmatiques Appliques, ENPC, La Courtine (1993). [15] J. Kaiser, The Analytic Signal Transform, Preprint, Lowell University (1992). [16] R.J. McAulay, T.F. Quatieri, LOWRate Speech Coding Based on the Sinusoidal Model, dans Advances in Speech Szgnal Processing, S. Fiirui et M. Mohan Sondui Ed. (1992). [17] Y. Meyer, Analyse par ondelettes et analyse 2-microlocale des chirps gnraliss, Prpublication CEREMADE, Paris (1993).

112

Applications

[18] Y. Meyer, Chirps n-Dimensionnels et Analyse 2-Microlocale, Sminaire EDP, Ecole polytechnique, expos numro 1 (1994). [19] R. Murenzi : Transforme en ondelettes multidimensionnelle et application

lanalyse dimages, Thse, Louvain-la-Neuve (1989). [20] B. Picinbono, W. Martin, Reprsentation des signaux par amplitude et phase instantanes, Ann. Telecom., 38 (1983) p. 179-190. 121) K. Seip, Some Remarks on a Method for Detecting Spectral Lines in a Signal, Preprint CPT-89/P.2252, Marseille. [22] J. Ville, Thorie et Applications de la Notion de Signal Analytique, Cables e t Transmissions 2 A (1) (1948) p. 61-74. [23] R. Wilson, A.D. Calway, E.R.S Pearson, A Generalized Wavelet Transform for Fourier Analysis : the Multiresolution Fourier Transform and its Applications to Signal Analysis, ZEEE Trans. Znf. Th., 38 (1992) p. 674-600.

VI

COMPLMENT B : APPROXIMATIONS ASYMPTOTIQUES ET PHASE STATIONNAIRE

Nous nous sommes intresss des approximations de la transforme en ondelettes appeles approximations asymptotiques. La signification de ce terme est la suivante : nous considrons des dveloppements en srie des coefficients dondelettes, dont la convergence peut tre problmatique, mais dont les premiers termes (et mme en gnral le premier terme) suffisent donner une excellente approxiination. I1 nous semble ncessaire de dcrire bribement ce quest un dveloppement asymptotique, ainsi que la mbthode de la phase stationnaire que nous utiliserons ici pour approximer la transforme en ondelettes. Nous nous restreindrons au cas unidimensionnel, renvoyant [GI pour plus de dtails et pour les cas de dimensions suprieures.

VI.l

Dveloppements asymptotiques : un exemple simple

Lexemple le plus couramment utilis pour illustrer les dveloppements asymptotiques est celui de la fonction derseur, ou fonction Er f :

E r f ( 2 ) = -JIZt-%t

fi

2O

Le dveloppeinent en srie de Taylor de lexponentielle psoduit la srie suivante :

(B.2)
qui est absolunient convergente, mais dont lvaluation numrique est horsiblement difficile pour les grandes valeurs de 1x1. En effet, le terme gnrique

Complment B

113

de la srie ne commence dcrotre que lorsque k devient du mme ordre de grandeur que 1zI2. E n revanche, E r f ( x ) peut aussi scrire comme :

ou encore, aprs avoir pos u = t2 - x 2 ,

E r f ( z )= 1- Le dveloppement du binme (1 z)O = proximer E r f ( z ) par la srie tronque

du

XEo-zk

suggre alors dap-

ce qui est fait en pratique. Le terme giierique dune telle srie dcrot trs rapidement dans un premier temps, puis crot ds que k et /.I2 sont du mme ordre de grandeur, de sorte que la srie entire serait finalement divergente. La raison essentielle de cette divergence cst que le domaine dintgration [O, CO] nest pas contenu dans le domaine de convergence de la srie binmiale. En revanche, la prsence du facteur e- fait que lintgrale peut tre trs bien approxime par une intgrale finie entre O et un certain uo, choisi de sorte que 11< 1. Par exemple : 3

o r l ( z ) est un reste facile estimer. Notons que la srie entire est alors absolument convergente. On lapproxiine par une srie tronque k = N :

avec ~ ( z un autre reste estim par des techniques classiques. Notons que la ) srie converge, son terme gnrique tant en k - 3 / 2 . Enfin, lintgrale dans (B.7) est approxime par une intgrale sur [O, CO], ce qui donne (B.5) un nouveau terme derreur ~ ( 2prs. De plus, on montre facilement que )

ln(z)l+ 1 1 2 ( 4 1 +

1. 3 .1 ) (

o(e-x2)

(B.8)

Ainsi, ce terme reste ngligeable tant que pour des grandes valeurs de N , N << z2.

>> ( N - 3/2)!, autrement dit

114

Applications

VI.2

Mthode de la phase stationnaire : calcul des premiers termes

La mthode de la phase stationnaire procde de la mme logique. I1 sagit dvaluer une intgrale de la forme :

i=

M(z)ef(z)dz

(B.9)

pour laquelle on suppose que les variations relatives de M ( z ) sont lentes par rapport aux variations de f(z).I est donc une intgrale rapidement oscillante, de sorte que 1011 peut sattendre des phiinomnes de compensation sur des intervalles en z o e i f ( z )effectue une oscillation complte. Ceci est concrtis par le rsultat suivant :

Lemme 1 Soit M E C,oO(&!) et soit f E I/($)p ( M ) . Alors > Ovz E S u p

C-(a) valeurs relles

telle que

Preuve : Supposons que 2 + f soit un changement de variable sur Supp(A4). Si tel nest pas le cas, on sy ramne laide dune partition de lunit, ie. en crivant M ( z ) = M ( z ) u x ( z ) , les fonctions U A E CF(B3) sont telles que o C u x ( z ) = 1 presque partout et pour tout A, z + f est un changement de variable sur S u p p ( M u ~ )Lintgrale sexprime alors comme : .

cest--dire comme la transforme de Fourier de M / f . Le lemme est alors obtenu par k intgrations par parties. Ici, le paramtre p a t introduit pour contrler les oscillations de largument de lexponentielle. La limite p -+ co est appele limite asymptotique. Considrons inainteiiaiit le cas o il existe un ou des points x s (dits points stationnaires) tels que f ( z g ) O. Le mcanisme de compensation ne fonc= tionne plus au voisinage de tels points, qui contribuent donc de faon importante I . I1 est donc naturel de construire un dveloppement en srie autour de chaque point stationnaire. Ecrivons donc :

(B.11)

Complment B

115

Supposons pour simplifier que f(z,) > O, f ( x ) - f ( x g ) se comporte donc comme (z - 2,) au voisinage de z, et introduisons une variable u telle que

-u2 = if. [()


Au voisinage de x,, on obtient :

- f(4]

(B.12)

u2 N

-2(2

-X,)2f/(ZS)

(B.13)

(B.14)
que lon dveloppe en srie :

(B.15)

(B.16) o lon a pos :

Considrons par exemple le prcmier terme de ce dveloppement en srie, qui est celui que nous utiliserons cssenticllcment par la suite :

conduit (B.17) Le terme suivant est proportionnci =(O) < 00 et J-, ue-udu = O ; il vaut donc = O. Passons donc au terme dordre 2. Un calcul lmentaire montre que :
dM

d 2 M (U )
du2

A ~ u - 3MLll ~

+ A l ( 3 ~ - uu) ~

u5

(B.18)

Lvaluation des drives succcssivcs de u en x , conduit :

116

Applications

de sorte que le troisime terme est donn par :

Remarque : Une procdure tout fait similaire peut tre employe si, par exemple, toutes les drives de f(x,) sannulent jusqu un certain ordre k - 1 et f(k)(xs) > O. Dans ces conditions, le calcul de la srie asymptotique se ramne lvaluation dintgrales du type ue-du. A titre dexemple, le premier terme de la srie asymptotique dans le cas k = 3 scrit :

VI.3

Mthode de la phase stationnaire : qualit de lapproximation

Dans les applications de la mthode de la phase stationnaire que nous dvelopperons, nous nous contenterons de lapproximation donne par le premier terme (B.17) du dveloppement asymptotique. Pour juger de la qualit de lapproximation, on peut soit se contenter de comparer le rsultat obtenu au terme suivant (B.19) du dveloppement, soit tenter destimer lerreur commise. Nous donnons ici un rsultat qui permet destimer cette erreur. Le lecteur intress peut se rfrer [13] pour une prsentation plus dtaille et des estimations plus prcises.

Thorme 1 Soient J4 E C,(a) E C4(LR),f(x) valeurs relles. Supet f posons que z, soit iunique point stationnaire de f(z) et que f(z) ne sannule pas sur Je support de Ad. Alors
1. II existe une constante C > O telle que

(B.22)

Complment B

117

2. A la limite p

+ 03,

on a le comportement asymptotique :

Preuve 1) Si zo E lR,si U est un voisinage de zo et si f E C k ( U ) ,la formule de Taylor scrit :

pour tout 2 = 20 E E M donne, pour IC = 2 : f(zo E ) = ~ ( z o ) E ~ ( z o ) e 2 F 2 ( z ) ,avec F2 E C1(U) et lF2(2)1 5 f supzELI lf(z)I. En insrant ceci dans (B.14) et en utilisant les valuations des premiers termes I ( 0 ) et 1 ( 1 ) prouve (B.21). On a alors :

et (B.25) Lestimation prcdente, combine avec un calcul similaire (B.18) et (B.19) conduit (B.22). 2) dcoule trivialement de (1) et le thorme est prouv. Notation : Tout au long de ce chapitre, nous utilisons le symbole A N B pour signifier que B est le premier terme du dveloppement asymptotique de A considr.

Chapitre VI

ONDELETTES DISCRTES, REPERE DONDELETTES ET DE GABORETTES

Dans la plupart des applications numriques prsentes dans les chapitres prcdents, il est bien clair que lon na pu valuer numriquement les valeurs des coefficients dondelettes T f ( b u ) pour tous (b, u ) E a x , I1 est ncessaire dchantillonner T f , cest--dire de se contenter des valeurs prises par T f ( b , ) u sur un sous-ensemble discret de i x R Dans les exemples numriques en question, lchantillonnage tait suffisamment fin pour que la transforme chantillonne donne une description assez prcise de la fonction analyse. Nanmoins, il est utile dtre un peu plus prcis et destimer la qualit de lapproximation fournie par lchantillonnage de la transforme en ondelettes. Cest le propos de la thorie des repres dondelettes (ou de gaborettes) que nous allons dcrire dans ce chapitre. Mais avant dentrer dans le vif du sujet, il est utile de dcrire, dans ses grandes lignes, la thorie abstraite des repres dans un espace de Hilbert. Nous nous intresserons par la suite aux cas particuliers des repres de gaborettes et dondelettes, avec leurs spcificits. Nous dcrirons de plus une variante des ondelettes discrtes, se situant mi-chemin entre les decompositions continues et les repres et qui sont utiles ds que lon veut construire des reprsentations qui soient covariantes comme les reprsentations continues.

a;.

a;.

THORIE LMENTAIRE DES REPRES DANS U N ESPACE DE HILBERT

Nous nous en tiendrons pour le moment aux repres discrets, cest--dire aux repres constitus dun ensemble au plus dnombrable de vecteurs. Nous nous plaons donc dans le cadre le plus gnral dun espace de Hilbert sparable 3c, muni de sa forme hermitienne que nous noterons (, ). Un repre discret dans 3c est une famille {e,} de vecteurs de 3c telle que lon peut trouver deux constantes relles strictement positives O < A 5 B < c ralisant lencadrement m

(1.1)

120

Ondelettes discrtes, repre dondelettes et de gaborettes

pour tout z E 31. Les constantes A et B sont appeles les bornes du repre. Le repre sera dit strict, si B = A et exact, si aucun de ses sous-ensembles nest un repre. Par exemple, considrons lespace euclidien lR2 et deux vecteurs orthonorms el et e2. Ces deux vecteurs forment une base orthonormale de lR2, alors que e l , e2 et e1 +e2 forment un repre inexact et non strict. En revanche, on se convainc sans peine que {el,eZ,e2} par exemple est un repre strict et inexact. Un repre cst, par dlfinition, une famille complte de 3c. En effet, si tel ntait pas le cas, cest--dire sil existait un e E H non nul tel que (e, e,) = O pour tout n, (1.1) impliquerait immdiatement que llell = O, do une contradiction. En revanche, lcs exemples prcdents montrent clairement quun repre nest pas ncessaircment une base. Etant donn un repre {e,} dans 31,on lui associe loprateur auto-adjoint R suivant, appel oprateur de repcre et dfini par :

On obtient alors :

Proposition 1 Soit {e,} un repre dans 3c, de bornes A et B. Alors R est un oprateur born, tel que : A . 1 5 RI Be1 (1.3)
(Rappelons ici que pour deux oprateurs auto-adjoints X et Y sur un espace de Hilbcrt 31, la notation X 5 Y signifie que (v,X v) 5 (v, . v) Vv E 3c.) Y Avant de montrer sa proposition, notons que sa rciproque est triviale. Preuvc : Considrons la suite des sommes partielles

Alors, soit O

< n < m et

Thorie lmentaire des repres dans un espace de Hilbert

121

montre que llRll 5 B. On dmontre de manire similaire que A 5 IlRll. Un repre dans un espace de Hilbert devient particulirement intressant lorsque lon peut facilement reconstruire tout v E 3c partir de ses coefficients par rapport au repre (ve,). Cest le cas lorsque le repre est strict. On a ainsi une formule dinversion directe :

la somme convergeant fortement. En revanche, lorsque le repre nest pas strict, la situation est plus complexe. Nous allons maintenant voir que lorsque le repre est presque strict, cest--dire lorsque les constantes A et B sont proches lune de lautre, v peut tre reconstruit laide dun algorithme itratif, dont la convergence est dautant plus rapide que B - A est petit. Pour cela, il est ncessaire dtudier linverse de loprateur de repre R. Notons

La famille {En, n E

E}vrifie :

Proposition 2 {,, n E Z } est un repre de Z, de bornes B- et A - , appel repre dual de {e,,n E 22). De plus, pour tout v E Z, on a les formules de dcomposition :
(1.6)
n

v=

en)n

Preuve : La premire partie de la proposition est une consquence immdiate de : (v,E,) = (R- v,e,). (1.8)
1

Dautre part, valuons : C,(v,n)(en,u)


= C,(R- * v,e,)(e,,u)

= (R-1 v , R u)
= (v,u).

Ceci prouve la proposition.


Donc, connaissant linverse de loprateur de repre, on peut reconstruire tout v E Z partir de ses coefficients par rapport au repre, par un calcul pralable du repre dual. Le problme qui se pose est que souvent on ne connat pas cet inverse.

122

Ondelettes discrtes, repre dondelettes et de gaborettes

Nanmoins, dans les cas o le repre est presque strict, on en obtient une excellente approximation comme suit. On crit R-comme :

R- - 1 - (1 - -)]2R =
A+B

-1

A+B

que lon dveloppe en srie entire, qui converge puisque


111

2R m 5 B+A 1 B-A 1

(1.10)

On obtient ainsi un algorithme itratif de reconstruction dun vecteur partir de ses coefficients par rapport un repre donn. En notant :

7=1-il suffit dcrire :


2 ,

2R

A+B

(1.11)

= (1

+ 7 + P + ...) C<u, en)en


n

(1.12)

pour tout 2, E X. Numriquement, la convergence sera atteinte dautant plus rapidement que le rapport B / A est proche de 1. Ceci illustre limportance que revtent en pratique les bornes du repre utilis et lintrt des repres presque stricts. Notons au passage que si le repre est strict, R = A i et lalgorithme itratif na plus lieu dtre comme prvu.
Remarque : La convergence de cet algorithme est mallieureusement strictement limite au cadre Lz(17i!), comme la montr Ph. Tchamitcliian.

Bien entendu, il existe une troite relation entre les valeurs numriques des bornes du repre et les paramtres dfinissant le repre. Ainsi, une multiplication des e par un facteur constant modifie les bornes du repre. Dautre , part, en nous restreignant au problme de discrtisation des dcompositions continues de lidentit, il est clair que toute discrtisation ne conduit pas ncessairement un repre, ce qui conduit des gomtries particulires. Nous verrons que la finesse de la discrtisation a galement son importance.

II

REPRES DE GABORETTES

Commenons par examiner le cas des repres de gaborettes. La premire tape est le choix de la grille de discrtisation la mieux adapte. Les gaborettes tant engendres par des translations en temps et frquence, le choix le plus naturel est le choix dun rseau cubique, invariant par translation (dans la mesure o les translations frquentielles ne modifient pas la localisation spatiale). Considrons donc une fonction g E L (17i!)nLz((a) deux nombres rels et

Repres de gaborettes

123

strictement positifs bo et W O , qui fixent la maille de notre grille. Considrons enfin la famille de gaborettes gnm, m E Z , dfinie par : n,
gnm(z) eimwoZg(z nbo) n,m E = -

(11.1)

Sous quelles conditions cette famille constitue-t-elle un repre de L2(R) ? Avant dy rpondre, notons que, dans le cas des gaborettes, le repre dual prend une forme simple :

Lemme 1 Soit {gnm,n,m E Z } un repre de gaborettes de L2(Di!)et soit n, 9 = 72- g. Alors, lensemble de gaborettes {ijnm, m E 22) est Je repre dual de {grim, n, m E Z } .
Preuve : Le lemme sobtient simplement partir de (1.9), en remarquant que, si f E L 2 ( R ) , * f n m = [R f l n m . R . Revenons au problme dexistence des repres de gaborettes et commenons par le cas le plus simple, qui est celui des gaborettes support compact. Nous allons voir que si la fentre g(z) est support compact, un choix judicieux des paramtres bo et wo conduit un repre. On a en effet :

Thorme 1 Soient bo, wo deux nombres r k l s strictement positifs et borns et soit g E L(Di!) n L2(Di!) une fonction support compact contenu dans un intervalle I de longueur 27r/wO. Alors, sil existe deux constantes rcelles Cl et
C 2

telles que

O
27rc2/wo.

< Ci I

lg(z - nbo)12 5

c 2

< 03

(11.2)

la famille {gnm,n,m E Z } est un repre de L2(Di!),de bornes 27rC1/wO et


Preuve : Soit 1 lintervalle de longueur 27r/w contenant le support de g(z) et soit 1 = 1 nbo son translat de nbo. Soitf E L2(m). , Alors il est clair que (11.2) implique que f gim E L2(1,) pour tous n, m E Z . Ainsi

car les &einwoz

forment une base orthonorme de L2(1,). Ceci prouve le

thorme. Les hypothses du thorme prcdent sont fortement lies aux valeurs respectives des paramtres bo et W O . En effet, supposons pour simplifier que g(z)

124

Ondelettes discrtes, repre dondelettes et de gaborettes

soit continue et support compact et que, en outre, elle ne sannule pas dans un intervalle I de longueur L. Alors, si wo 5 21r/L, la premire hypothse du thorme 1 est vrifie. II est aussi simple de vrifier quil existe une constante finie CZ vrifiant les galits de droite de (11.2), car la somme est alors une somme finie. Supposons enfin que bo < L. Alors pour tout x, on peut trouver un n E 23 tel que g(z - nbo) > O, ce qui prouve les ingalits de gauche de (11.2). On obtient ainsi un repre de L 2 ( a ) . Notons en particulier que les hypothses faites impliquent :
bow0

5 27r.

(11.3)

Le nombre l/bowo est parfois appel densit de Nyquist p ~ Nous aurons . loccasion de revenir par la suite cette densit temps-frquence et ce pour des fentres support non ncessairement compact. Nous verrons aussi ce qui arrive lorsque lon se rapproche de la densit dite critique p~ = 1/2a (phnomne de Balian-Low). Considrons maintenant une fcntre g( x) support non ncessairement compact et la famille {grim, n, m E Z}de gaborettes associe aux paramtres bo, WO. Nous cherchons des critres permettant de dcider si cette famille constitue un repre ou non. Le rsultat suivant est d I. Daubechies. Nous renvoyons lannexe A (section 11.1)- pour les dfinitions ncessaires.

Thorme 2 Soient
(11.4) (11.5) (11.6) (11.7)

si m(g,bo) > O, nd(g,bo) < co et C,< co pour un certain E > O, alors il existe
une vaieur critique wc telle que Vwo repre de L2(a).

< wc, la fainilk {grim, n, m

E Z } est un

Preuve : Soit f E L2(IIz). Evaluons I(gnm,) 1 2 laide de la formule somf matoire de Poisson (voir annexe A, section 11.1). Nous obtenons :

Repres de gaborettes

125

Evaluons tout dabord le terme en k = O. I1 vaut :

Lingalit de Cauchy-Schwarz applique aux termes k

> O donne :

E n appliquant de nouveau lingalit de Cauchy-Schwarz, on obtient lencadrement :

C, < 00 assure que la somme sur b converge et tend vers O, quand wo tend vers O. Ceci implique donc quil existe une valeur critique strictement positive wc
au-dessous de laquelle on obtient un repre. Ceci achve la dmonstration du thorme et prouve donc lexistence de repres de gaborettes. Notons en particulier que ce rsultat fournit des estimations simples pour les bornes A et B du repre. Une tude systmatique (thorique et numrique) de ces bornes est effectue dans [5] pour quelques cas simples.

Remarque : Repres de gaborettes en dimension n. On peut tout aussi bien obtenir des repres de gaborettes de L 2 ( a n ) . En effet, comme nous lavons vu au chapitre II, lanalyse de Fourier fentre glissante en dimension n est la gnralisation immdiate de lanalyse de Fourier fentre une dimension. I1 est donc facile dadapter les dmonstrations des thormes prcdents la dimension n afin dobtenir des bornes pour les repres de gaborettes que lon a obtenus.
Pour conclure cet te section, nous revenons brivement sur la remarque que nous avions faite un peu plus tt sur de la relation entre les bornes du repre et les paramtres qui le dfinissent, savoir les constantes bo et wo du rseau de discrtisation. En effet, il est ais de se convaincre que lon a ncessairement : (II.1O)

126

Ondelettes discrtes, repre dondelettes et de gaborettes

ce qui implique en particulier que dans le cas dun repre strict de gaborettes, A = B = ~ ~ ~ Ong voit~ rapparaitre. ici la densit critique de Nyquist. ~ 2 Nous y reviendrons dans la prochaine section, en discutant le phnomne de Balian-Low.

III

LE PHNOMNE DE BALIAN-LOW

Nous avons vu au thorme 1 de la section prcdente un exemple de condition suffisante dexistence de repre de gaborettes, avec lhypothse b o w 0 5 27r. I1 savre que cette hypothse est en fait ncessaire. En dautres termes, si b o w 0 > 27r, lchantillonnage de la transforme de Gabor nest pas suffisamment fin. La valeur b o w 0 = 27r est la valeur critique. Cest ce quexprime le thorme suivant, dont la preuve peut tre trouve dans [5] et les rfrences incluses dans cet article.

Thorme 3 Soit {grim, n, m E Z}un repre de gaborettes, de paramtres bo et W O . Alors b o w 0 5 27r ; plus prcisment, si b o w 0 > 27r, il existe f E L(El) telle que f > O et (f, grim) = O pour tous n, rn E Z.
Le thorme de Balian-Low dcrit le comportement des repres de gaborettes la densit critique, cest--dire pour b o w 0 = 27r. Plus prcisment, il exprime lincompatibilit entre le fait que la famille {gmn, n E Z } soit un rn, repre de gaborettes la densit critique et la rgularit de g et 9. En fait, si b o w 0 = 27r, {gnm,n,m E Z } serait une base inconditionnelle de L 2 ( B ); mais nous allons montrer que cest impossible. De nombreuses dmonstrations ont t proposes, depuis la premire totalement rigoureuse de R. Coifman et S. Semmes, fondes sur des arguments diffrents. Nous donnerons ici la preuve de G. Battle, qui a le mrite dtre relativement simple et de dcouler du principe dincertitude de Heisenberg.

111.1

Le principe dincertitude de Heisenberg

Commenons par une brve description du principe de Heisenberg, dans sa forme la plus gnrale. Soit A un oprateur auto-adjoint sur lespace de Hilbert i. Si u E i, on associe A les quantits suivantes :
0

Valeur moyenne de A dans ltat v :

( A ) v = (v, A
0

V)

(111.1)

Incertitude sur A dans 16tat u :

A,A = [(A), - (A):]


Dans ces conditions, le principe de Heisenberg snonce ainsi :

(111.2)

Le phnomne de Balian-Low

127

Thorme 4 Soient A et B deux oprateurs auto-adjoints sur lespace de r Hilbert ?f et soit v E D ( A ) n D(B) l D ( i [ A ,BI). Alors
1 A,,A * A u B 2 - ( i [ A ,BI),, 2 (Ici [ A ,B ] = A B - B A est le commutateur de A et B.) Preuve : On voit facilement que : A,,A = ll[A - (A),,]~ AuB. Soit X E l?l et valuons :

(111.3)

V I I et de mme pour

ll[A - ( A ) , ] . v+

iX[B - (B>Ul. V1I2 = X2A,B2 iX(v, [ A - ( A ) , , , B- (B),,] V) . = X2A,,B2 LX([A, BI), A,A2

+ +

+ A,,A2

I1 sagit dun polynme du second degr en A, toujours positif ou nul. Son


discriminant est donc ngatif ou nul, ce qui prouve le thhorme. Revenons au cas de L2(l?l) et introduisons les oprateurs usuels de la mcanique quantique : la position

et limpulsion (III.5) (111.3) scrit alors, pour toute f E D ( Q ) fi D(P) :

AfQ. A/P 2
En particulier, on en dduit aisment que :

1 2

(1II.G)

est la valeur moyenne de z (resp. f ) . La relation dincertitude de Hcisenbcrg exprime donc lexistence dune limite aux proprits de concentration dune fonction dans lespace des phases (ou espace temps-frquence) .

s = Szlf(~)12dz/llf11~ (resp.

c)

111.2

Le thorme de Balian-Low

Passons maintenant au thorme de Balian-Low. Par commodit, on introduira encore les oprateurs suivants sur L2(a) :
0

Modulation :

E,

. j ( x ) = fo,(s)

(111.8) (111.9)

Translation : T,. f(x) = f,,o(z)

La preuve de G. Battle repose sur les deux lemmes suivants :

128

Ondelettes discrtes, repre dondelettes et de gaborettes

Lemme 2 Si f,g E L 2 ( a )sont telles que Q f , Q g E L 2 ( a )et Q - f, Q - 9 E L 2 ( a ) ,on obtient :

(Q f , P
*

9) - ( P

f,Q

1 9) = ~ ( f , 9).

(111.10)

Preuve: Q . f , Q . G E L2(lR)implique que P . f , P . g E L 2 ( a ) .Supposons tout dabord que f,g E S ( a ) . Alors ( Q f , P . g ) - ( P .f,Q g ) = ( [ Q Pl . f,g) = , t ( f , g ) . Ensuite, par densit de S ( a )dans L2(17?.), peut trouver deux suites on { f k } et { g k } dans telles W e f k + f, gk -+ 9, p.f k + p - f ,& * f k + Q -f, P * g k + P . g et Q . g k + Q . g et la continuit du produit perinet de conclure.

s(a)

(a,-)

Preuve : i) 0 1vrifie aisment que [Q,Em]= O, pour tout m et [P,Tn]= O , 1 pour tout n. Donc, daprb lidentit de Jacobi, [Q,EmTn]= Em[Q,Tn] = nboE,T,,. ii) Mme dmonstration. Nous sommes maintenant en mesure de prouver le thorme de BalianLow (ou plus exactement une forme plus faible, comme nous allons le voir). Lide gnrale de ce rsultat est quon ne peut construire de repre strict de gaborettes (et a fortiori de base de gaborettes) rgulires et localises. En supposant que lon ait un tel repre, construit partir dune gaborette g(z), on a alors obligatoirement j ~ ~ 1 g ( x ) 1 ~ d00 (donc mauvaise localisation dans =z lespace des z) ou E21j(E)I2dE= 00 (donc mauvaise localisation dans lespace des frquences).

Thorme 5 Soit g E L 2 ( m ) telle que ( g n m , n , mE Z } soit un repre de gaborettes, de paramtres bo et W O , avec bow0 = 21r. Soit {tjnm TI, rn E Z } le repre dual. On nepeiit avoir alors simuitanmciit Q-9,Q.4, Q.5, Q.5 E L 2 ( E ) .
Preuve : Procdonspar labsurde et supposons que Q-g,&.Y., Q-9,Q.6 E L2(LR). Nous savons que { g n m , n , m E 27) est une base inconditionnelle borne de L 2 ( a )et { f i n m , n , m E}est donc sa base biorthogonale. Donc (gnm,&l)= E 6 n k d r n l . Evaluons :

Repre dondelettes

129

Dautre part, daprs les hypothses, P.g, P.4 E L2(Ds) et (9, m T n P E (P g, EmTn daprs le lemme 3. Donc,
S G )

5) =

(Q

9, P

3) =

x(Q

9 E m T n . G)(EmTn * 9, P 5 )
*

S) = C ( E m T n *s,Q *G)(P*g,EmTn5 )
= C(E-mT-nQ g>G)(g, - m T - n P E = (P-9,Q.S)
ce qui contredit le lemme 2 et prouve ainsi le thorme.

Remarque : Ce thorme nest pas exactement le rsultat de Balian et Low, mais une forme faible de celui-ci. Lnonc original est simplement quon ne peut avoir simultanment Q . g E L 2 ( a )et Q . tj E L2(Ds).Lquivalence entre les deux noncs est de I. Daubechies et A. Janssen, qui ont montr que, si {grim, ri, rn E Z } est un repre de gaborcttes la densit critique, alors
Q . 9 E L2(Ds)w Q * jE L2(Ds),

Q . tj E

~ ~ ( Qa E ~ ~ ( a ) . .ij)
$

Le thorme de Balian-Low a, notamment, une importante consquence ngative. I1 implique que lon ne peut esprer construire de base de gaborettes (orthonorme ou pas) de L2 possdant sirnultanchent de bonnes proprits de localisation et de rgularit. Nous verrons un peu plus loin que les ondclcttes ne prsentent pas un tel dfaut.

(a)

IV REPRE DONDELETTES
Considrons maintenant le cas des ondclettes. La premire tape est le choix dune grille de discrtisation adapte la gomtrie sous-jacente. Dans ce cas, le choix naturel est celui dune grille dyadique, cest--dire un rseau

{ ( b k , u j ) = (kboa{,a{) ,j , k E Z }

(IV.1)

pour deux nombres rels strictement positifs a0 et bo. Sans perte de gnralit, on peut encore se restreindre a0 > 1, en sy ramenant pour a0 < 1 par un changement j + - j . Etant donne une fonction $ E L1(Ds), telle que lq(u)12$ < 00, on considre donc la famille dondelettes c$ =
$j&)

= .;$(a{.

- kbo).

(IV.2)

La premire remarque faire concerne une diffrence fondamentale avec le cas des gaborettes. I1 nexiste, dans le cas des rcpZres dondelettes, aucun analogue

130

Ondelettes discrtes, repre dondelettes et de gaborettes

de la densit critique de Nyquist, ni donc du phnomne de Balian-Low. En effet, si { $ j k , j , k E Z } est un repre dondelettes de paramtres a0 et bo et de bornes A et B et si lon note q ( z ) = A-$$(!), il est facile de voir que q(z) engendre un repre dondelettes, de paramtres ao/A et Ab0 et de bornes A et B. De plus, mme en fixant le paramtre A, on peut montrer que le phnomne persiste. Des exemples sont montrs dans [5]. Pour a0 fix, il nexiste donc aucune valeur critique pour bo au-del de laquelle aucun repre dondelettes ne peut exister (indpendamment du choix de $). Cette remarque est en fait dune importance considrable pour la suite. La non-existence dune version ondelettes du phnomne de Balian-Low permet desprer pouvoir construire des bases dondelettes de L 2 ( E )possdant de bonnes proprits de rgularit et de localisation. Le premier exemple de telles bases a t donn par J.O. Stromberg en 1981 et on en connat maintenant un trs grand nombre. Revenons au problme des repres dondelettes. Nous avons ainsi vu quil nest pas possible de trouver un domaine pour (bo, U O ) hors duquel { $ j k , j , k E Z } ne peut tre un repre de L2(lZ2),indpendamment du choix de $(z). En revanche, pour un $(z) fix, il est possible de prciser un peu plus la situation, cest--dire dobtenir des estimations analogues au thorme 2 de la section II.

Thorme 6 soit $(z) une ondelctte et soit dondelcttes dfinie par (IV.2). Notons

{$jk,j,k

E Z } une famille

(IV.3)

(IV.4) (IV.5) (IV.6)

s ?n($,ao) > O, n4($,uo) < et c, < CO pour un certain E > 0, il existe i aiors une valeur critique b telle que Vbo < b, la fainille { $ j k , j , k E z }est un repre de L2(a).
O) ;

Preuve : Soit f E L 2 ( E ) Evaluons . matoire de Poisson. Ceci nous donne :

l($jk,f)12

laide de la formule som-

Repre dondelettes

131

Evaluons tout dabord le terme en IC = O. I1 vaut :

Lingalit de Cauchy-Schwarz applique aux termes IC

> O donne :

Appliquant de nouveau lingalit de Cauchy-Schwarz, o n obtient lencadrement :

C,< CO assure que la somme sur k converge et tend vers O quand a0 tend vers
Ceci implique donc quil existe une valeur critique strictement positive bC au-dessous de laquelle on obtient un repre. Ceci achve la dmonstration du thorme et montre donc lexistence de repres dondelettes. Notons que ce rsultat fournit trs simplement des estimations pour les bornes du repre. En effet, on obtient immdiatement le corollaire suivant :
CO.

Corollaire Avec les notations d u thorme prddcnt, si $(z),ao et bo sont tels que
(IV.9)

alorslafamille{$jk,j,k E Z } est unrcpi.redoidelettcsde L 2 ( l R ) ,de bornes:

k>O

132

Ondelettes discrtes, repre dondelettes et de gaborettes

Dans de nombreuses applications, il est intressant de choisir une maille de rseau a0 gale 2. Dans ce cas, il est possible dobtenir des estimations plus prcises pour les bornes A et B du repre. Ceci est dcrit dans [5] (corollaire 2.9). Remarque : Repres dondelettes en dimension n. On peut aussi construire des repres dondelettes en dimension n quelconque et ce pour chacune des variantes prsentes au chapitre II. En ce qui concerne les ondelettes engendres simplement par des translations et dilatations, on peut aisment adapter la dmonstration du thorme prcdent pour obtenir des estimations pour les bornes des repres correspondants. Lintroduction des rotations rend la situation lgrement plus complexe, car elle oblige construire une discrtisation adapte du groupe SO(n) ou de la sphre Sn-l, autrement dit une partition de SO(n) ou de 5- en cellules de volume constant (par rapport la mesure associe). Ainsi, on obtient aisment par des arguments similaires aux prcdents des estimations pour A et B. Ceci a t fait dans les cas particuliers de SO(2) et SO(3) dans [15].

REPRES CONTINUS ET GNRALISATION

Nous avons dans ce chapitre introduit les repres uniquement pour dcrire le contrle de la discrtisation des formules continues prcdemment utilises. Un repre discret de L 2 ( l R )est naturellement introduit en considrant des familles de fonctions $A, o X E A est un index au plus dnombrable. Dans ces conditions, loprateur

R:

f E L 2 ( q -) R f =
AA

(f+x>+x

P.1)

na en gnral aucune raison dtre une multiplication par une constante. Le cas des repres discrets correspond aux cas o R est born et inversible inverse born. On lcrit alors sous la forme dune perturbation dun oprateur constant, ce qui conduit lalgorithme itratif dcrit au dbut de ce chapitre.

V.l

Repres continus

I1 faut cependant noter que la notion de repre peut tre gnkralise au cas de dcompositions continues, comme nous le voyons sur cet exemple simple : Supposons maintenant que A soit, non plus un index dnombrable, mais un espace mesur ( A , p ) et considrons une famille de fonctions $A, o X E A. On introduit de mme loprateur :

Repres continus et gnralisation

133

On dira alors que la famille {$A, X E A} est un repre de L(Ill) si R est born inverse born. Exemple : atomes temps-frquence. Revenons une problmatique de traitement du signai et considrons par exemple le cas des atomes temps-frquence, motiv de la faon suivante. Nous entrerons plus profondment dans ces aspects au chapitre VII. Nous avons dcrit au chapitre II deux types de reprsentations temps-frquence linaires, fondes sur un ensemble de transformations naturelles (translation, modulation, dilatation). Chacune de ces reprsentations est adapte certains types de signaux ou de problmes. I1 est naturel de chercher une gnralisation de ces deux mthodes, en mettant ensembles ces trois transformations, qui napparaissaient que par paires dans les deux cas classiques. On voit immdiatement quil nest pas possible de conserver simultanment les trois variables (R nest pas dans ce cas born) et quil faut donc introduire des dpendances (par exemple la variabIe dchelle fonction de la variable de modulation). Le programme est donc de refaire lanalyse prcdente dans ce cadre. Donnons-nous donc une fonction $ E L(Ill) et associons-lui la famille forme par

o ,(w) une fonction de classe Cpar morceaux et b, w E iR. Si lon prend est A = El2 et pour mesure la mesure de Lebesgue associe, il est facile de vrifier que loprateur associ est un oprateur de convolution, donc caractris par un multiplicateur

x(0=

/ 1 4 ( P ( W H t 4) l2
m

dw

(V.4)

Ainsi, on obtient un repre continu si et seulement si il existe deux constantes Cl et Cz telles que : 0 < Ci 5 x(E) 5 c < 00, 2 (V.5) ce qui correspond une condition dadmissibilit portant simultanment sur $ et sur p. Nous voyons donc quil est facile de construire des repres continus. Dans ce cas, on parle parfois de repres associs des multiplicateurs. On peut considrer par exemple des foiictions P( w) particulires, utiles dans certains contextes spcifiques. Citons entre autres la famille de choix suivante :

qui conduit des systmes de fonctions se comportant comme des ondelettes haute frquence et des gaborettes basse frquence, proprit parfois utile pour le traitement de la parole.

134

Ondelettes discrtes, repre dondelettes et de gaborettes

V.2 Repres discrets dondelettes interpolantes


Reprenons lexemple prcdent et voyons maintenant dans quelle mesure il est possible de remplacer lintgrale par une somme discrte. On peut sans trop de difficults renouveler lanalyse prcdente, et conclure lexistence de repres discrets associs aux repres continus considrs. Avec des arguments en tous points similaires aux prcdents, on a alors un critre identique pour lexistence de repres discrets dondelettes interpolantes : Soit +(z) E L 2 ( B )et soit
{(bmnwn)}

= { ( m P ( u n ) b o , w n ) : m , nE

z}

un sous-ensemble discret du plan temps-frquence. Notons

n=-m

et

Thorme 7 Avec les mines notations que plus haut, si ment born suprieurcmeiit et infrieurement et si
a-+O

Q ( test essentielle)

iim C B
k#O

(:)

(-a)

=O

Alors, il existe une valeur critique bo, de bo telle que Vbo < bo,, la famille

soit un repre de L2(a), Nous renvoyons [12] pour une preuve de ce rsultat, ainsi que quelques exemples traits en dtail. I1 est en particulier montr que des fonctions / de 3 la forme P ( w ) = wQ conduisent des repres aussi bien discrets que continus.

VI

ONDELETTES PRESQUE CONTINUES

I1 est souvent utile de pouvoir disposer dune version intermdiaire entre les formules continues et les repres dondelettes, en particulier lorsquon veut utiliser numriquement une dcomposition continue tout en essayant de prserver au maximum les proprits de covariance de la transforme continue

Ondelettes presque continues

135

(qui sont absentes par construction dans le cas des repres). Plus prcisment, la covariance par translation (ie. la transforme continue en ondelettes dune copie translate dune fonction f ( x ) est gale la copie translate -de la mme quantit- de la transforme continue en ondelettes de f(z))est souvent utile en pratique. Ainsi, tant donne une ondelette $(x), on est amen considrer la famille suivante : (V1.1) $jk(Z) = 2-j$ (2-j(z - IC)) (Alors que dans le cas dun repre, les objets considrs sont plutt de la forme 2-j$ ( 2 - j ~ I;) .) La diffrence essentielle entre ces deux types de fonctions est leur localisation spatiale. Alors que $ ( 2 - j ~ IC) est essentiellement localise au voisinage de x = k2j, $ (2Tj(x - IC)) est localise au voisinage de x = k . Ainsi, les $jk(z) permettent-elles un chantillonnage de la transforme sur un rseau rgulier en IC, indpendant de lchelle. Commenons par considrer une ondelette $(x) telle que 14(2j<)12= i
j

(presque partout)

(VI.2)

et notons, pour tout f E

L2(Di),

T f m= T f ( X , 2 j ) = (1, $jk)

(VI.3)

Lemme 4 La traiisforination f E L2(IR) -+ {Tjf E L2(Dt),j Z}est une E isomtrie.


Preuve : Un calcul immdiat montre que
IITjrll2

I R

I ~ ( < ) I1 4 ( 2 j < )d<~ 1

(VI.4)

et le lemme en rsulte. On introduit alors la fonction #(z) E L(Et), choisie de telle sorte que

(VI.5)
et pour toute fonction f E L2(Di)

S&)

= (f, j k ) 4

(VI.6 )

Alors que la fonction T j f ( z ) reprsente essciiticllement les dtails de f ( x ) ichelle 2j, S j f ( x ) reprsente une approximation (ou un lissage) de f(z) cette mme chelle, que lon exprime comme superposition de tous les dtails aux chelles suprieures.

136

Ondelettes discrtes, repre dondelettes et de gaborettes

Remarque : Notons ici que la discussion qui prcde est trs proche dans lesprit de la section VI.l du chapitre II. I1 sagit en effet dune version discrte de cette dernire, mais aussi dun premier pas en direction des analyses multirsolution proprement dites, abondamment dcrites dans [Me] et [6] et que nous avons donc choisi de ne pas aborder dans cet ouvrage. En pratique, les fonctions ou signaux considrs sont le plus souvent discrtiss, cest--dire donns par un ensemble de valeurs numriques (chantillons) : {fn,n E Z } . Ceci introduit naturellement une limite sur les chelles considrer, par exemple j = O. I1 sagit alors dvaluer des coefficients F j f ( k ) ,k E Z,j AJassocis la suite {in}. E

VII

COMMENTAIRES ET RFRENCES

La notion de repre dans un espace de Hilbert a t introduite initialement par R. Duffin et A. Schaeffer [8], dans un contexte danalyse harmonique classique. Elle a t ensuite applique au contexte de lanalyse temps-frquence et les premiers exemples de repres dondelettes et de gaborettes apparaissent dans [7]. La thorie des repres dondelettes et de gaborettes a ensuite t dveloppe en dtail dans [5]. Dautres aspects plus spcifiques ont t tudis par la suite, comme par exemple les proprits de continuit des oprateurs de repre [17] ou les connexions avec la transforme de Zak [lo]. Les repres continus (voir [il)et discrets dondelettes gnralises sont dcrits dans [12]. Une grande partie de ces rsultats est dcrite dans 1 1 et les riifrences incluses. 11 La notion de repre peut tre tendue dautres cadres fonctionnels que L 2 . Un premier exemple concerne la construction de repres (dondelettes ou de gaborettes) dans les espaces de Sobolev [5] et [iG]. H. Feiciitinger et I<. Groclienig [9] posent le problme dans un cadre plus gnral, en introduisant et classifiant les espaces de Co-orbite, qui sont essentiellement des espaces de Banach admettant des repres dondelettes ou de gaborettes. Lun des aspects importants traits ici est le thorme de Balian-Low, nonc initialement dans 121 et [13]. La premire preuve complte est due R. Coifman et S. Semmes et celle prsente ici est due G. Battle [3]. Une revue sur le sujet peut tre trouve dans [4].
[il T. Ali, J.P. Antoine, J.P. Gazeau, Continuous Frames in Hilbert Space, Prti-

rage, Louvain-La-Neuve (1902). (21 R. Balian, Un principe dincertitude fort en thorie du signal ou en mcanique quantique, C . R . A . S . , 292 (1981) p. 1357-1362. [3] G. Battle, Heisenberg Proof of tlie Balian-Low Theorem, Lett. Math. Phys. 15 (1988) p. 175-177. [4] J. Benedetto, C. Heil, D. Walnut, Reinarks on the Proof of the Balian-Low Theorem, MITRE corporation preprint (1990).

Commentaires et rfrences

137

(51 I. Daubechies, The Wavelet Transform, Time-Frequency Localisation and Signal Analysis, IEEE Trans. Znf. Th., 36 (1990) p. 961-1005. [6] I. Daubechies, Ten Lectures on Wavelets, S I A M - C B M S Conferences Series (1992). I. Daubechies, A. Grossmann, Y. Meyer, Painless Nonorthogonal Expansions, [7] J . Math. Phys., 27 (1986) p. 1273-1283. [8] R.J. Duffin, A.C. Schaeffer, A class of Non-Harmonic Fourier Series, Trans. A.M.S., 72 (1952) p. 341-366. H.G. Feichtinger, K.H. Groclienig, Banach Spaces Related to Integrable Group [9] Representations and their Atomic Decompositions, Z, J. Funct. An., 86 (logo), p. 307-340, I I , Th. Math., 108 (1989) p. 129-148. [lo] C. Heil, Generalized Harmonic Analysis in Higher Dimensions : Weyl-Heisenberg Frames and the Zak Transform, Thse, Universit du Maryland (1990). [il]C. Heil, D. Walnut, Continuous and Discrete Wavelet Transforms, S I A M Rev., 31 (1989) p. 628-666. [12] J.A. Hogan, J.D. Lakey, Extensions of the Heisenberg Group by Dilations and Frames, University of New South Wales preprint PM94/3, Australia (1994), paratre dans Appl. and Comp. Harmonic Analysis. [13] F. Low, Complete Sets of Wave Packets, in A passion for Physics, Essays in honour of G. Chew, World Scientific (1985) p. 17-22. [14] Y. Meyer, Ondelettes et Oprateurs I, Herinaiin (1989). [15] R. Murenzi, Ondelettes multidimensionnelles et applications lanalyse dimages, Thse, IPT Louvain-La-Neuve (1990). [16] P. Tchamitchian, Quelques remarques sur la dcomposition discrhte en ondelettes, Preprint CPT-86/P.1967 (1986). (171 D. Walnut, Continuityproperties of the Gabor frame operator, Yale University, Preprint (1990).

Chapitre VI1

TATS COHRENTS ET REPRSENTATIONS DE CARR INTGRABLE DE GROUPES LOCALEMENT COMPACTS ET DESPACES HOMOGNES

Ce chapitre, quelque peu marginal par rapport aux autres aspects traits dans cet ouvrage, est consacr une approche diffrente des reprsentations temps-frquence et leurs gnralisations multidimensionnelles. Nous allons en effet voir comment les driver en se basant sur de simples principes de symtrie. Lide est ici dlaborer un algorithme de construction de reprsentations temps-frquence, partir dhypothses de covariance. I1 sagit l dune procdure trs courante en physique quantique et en optique notamment, o elle porte parfois le nom de reprsentation en tats cohrents. Le langage employ dans ce chapitre cst celui de la thorie des groupes. Nous renvoyons lannexe B pour une description sommaire des concepts ncessaires. Le schma gnral est le suivant : tant donn un espace de Hilbert 3c (en gnral un espace L 2 , espace auquel appartiennent les signaux dans notre cas) sur lequel agit un groupe de symtrie G, on associera chaque lment v E 3c ( chaque fonction analyse) une fonction de L 2 ( G ) ou de L 2 ( X ) .X est un espace homogne par rapport G (cest--dire que lon sait faire agir G sur cet espace), faisant apparatre explicitement des proprits possibles dinvariance de v (par exemple, dans le cas des ondelettes classiques, linvariance par changement dchelle). Les questions que lon se pose alors sont : Quelles sont les symtries possibles ? Sont-elles respectes exactement ou de faon approche ?

INTRODUCTION

Avant dentrer dans le vif du sujet, il est utile de prciser en quelques mots les motivations se placer dans un cadre algbrique pour dcrire les

140

tats cohrents et reprsentations de carr intgrable

reprsentations temps-frquence. Nous avons eu loccasion de voir, au chapitre II notamment, que les ondelettes (ou gaborettes) sont engendres partir dune fonction unique par des transformations gomtriques simples. Nous avons aussi eu loccasion de voir quelles sont les proprits de covariance de ces transformes et les consquences de la covariance. (I1 sagissait de covariance temps-frquence.) On peut aussi illustrer la covariance position-chelle. Pour ceci, considrons une exprience imaginaire dans laquelle lon aurait utiliser un automate sur une plante lointaine. Cet automate aurait prendre des dcisions (du type javance , je recule, jenjambe, je contourne .. . ) en fonction de son environnement. Une possibilit serait de pouvoir disposer dune reprsentation de cet environnement, reprsentation qui lui fournirait des renseignements quant la position et la taille des obstacles. On se retrouve l dans un contexte position-chelle. De plus, la taille dans la reprsentation doit tre proportionnelle la taille relle et la position reflter la position relle des obstacles. Ceci est exactement une contrainte de covariance. Nous prciserons un peu plus dans ce chapitre les structures gomtriques sous-jacentes. Dans un premier temps, nous dcrirons le cadre dans lequel se placent les reprsentations temps-frquence, savoir le cadre des reprsentations de carr intgrable de groupes localement compacts. Puis, nous verrons pourquoi toutes les proprits de covariance ne sont pas accessibles, ce qui nous amnera considrer le cas plus complexe des reprsentations restreintes un espace homogne. Nous verrons alors sur quelques exemples (le dveloppement de la thorie complte va bien au-del des objectifs de ce livre) se dgager un choix naturel pour lespace homogne, bien connu des gomtres et des algbristes sous le nom despace des phases, cest--dire un espace de dimension paire contenant simultanment des informations spatiales et frquentielles. Ceci nous ramne naturellement aux reprsentations temps-frquence et donne un clairage diffrent aux mthodes dveloppes au chapitre V en particulier.

II

REPRSENTATIONS DE CARRS INTGRABLES ET ETATS COHRENTS

Parmi les reprsentations unitaires dun groupe localement compact G, il existe une classe de reprsentations particulirement intressantes, dites de carr intgrable. Considrons une reprsentation unitaire K du groupe localement compact G sur lespace de Hilbert fi.

Dfinition 1 K est de carr intgrable si : (i)


K

est irrductible ;

Reprsentations de carrs intgrables et tats cohrents

141

(ii) il existe un lment u E 31, u # O, tel que


(11.1)
u est dit vecteur admissible.

Remarquons que si x est de carr intgrable et si p est une autre reprsentation de G unitairement quivalente x, alors p est elle aussi de carr intgrable.

11.1

Coefficients de Schur et relations d'orthogonalit

Si n est une reprsentation unitaire de G sur 31, on lui associe la famille suivante de fonctions sur G,appeles coefficients de Schur et dfinies par :

De tels coefficients jouent un rle extrmement important dans la thorie des reprsentations des groupes localement compacts en gnral. Ils sont particulirement intressants dans notre contexte, car ils vrifient des relations dites d'orthogonalit. Ces relations ont d'abord t obtenues dans un contexte de groupes finis, puis compacts , localement compacts unimodulaires [8] et non unimodulaires [7], [5]. Les relations d'orthogonalit des coefficients de Schur permettent en particulier de raliser une reprsentation de carr intgrable comme ( quivalence unitaire prs) une sous-reprsentation irrductible de la rcprsentation rgulire gauche du groupe, ce qu'exprime le rsultat suivant :
Thorme 1 Soit x une reprsentation irrductible unitaire du groupe G (localement compact sparable) dans l'espace de Hilbert 3-1. Alors x est unitairement quivalente une sous-reprsentation irrductible de la reprsentation rgulire gauche si et seulement si il existe un cocfficient de Schur q5+u qui soit de carr intgrable.
Preuve : 1 ) Soit E 3-1 et supposons qu'il existe Y E 3-1 tel que q5+u appartienne L 2 ( G ) .Soit T : 3-1 4 L 2 ( G )I'opbrateur dfini par :

T :u

+ T,

= &,u

(11.3)

L'irrductibilit de K assure que T est densment dfini sur 3-1. De plus, si g , h E G, on a Tr(h).v(g)= (x(h)' u, x ( g ) ''$) = ( u , x(h-'g)
'

'$) = Tu(h-'g) =

(9)

142

Etats cohrents et reprsentations de carr intgrable

de sorte que T entrelace IT et X (voir lannexe B pour une dfinition des oprateurs dentrelacement). Le lemme de Schur assure donc que T est un multiple dune isomtrie et est dfini sur tout i. I1 en rsulte que IT est unitairement quivalente une sous-reprsentation de A, ce qui prouve la premire partie du thorme. 2) Soit IC c L 2 ( G )un sous-espace ferm invariant minimal de L 2 ( G ) ,soit P : L 2 ( G )+ IC le projecteur orthogonal associ et soit F E IC. Soit une fonction continue support compact sur G, telle que F * & # O, o on a pos comme lhabitude &(g) = @(g-)*. Alors

et F * 6 E L2(G), ce qui achve la preuve du thorme. On peut donc crire, pour tous u, E i et tous vecteurs admissibles $, E v i: (11.4) ( d v u , 4eu) = CQe (u, v)

o c+e est une constante que lon supposera finie. Quant aux relations dorthogonalit elles-mmes, elles sont donnes par le thorme 2.

Thorme 2 Soit IT une reprsentation unitaire de carr intgrable de G s u r lespace de Hilbert i. Alors il existe un unique oprateur auto-adjoint positif A, tel que A n(g) = A b ) 4 g ) * A (11.5)
et tel que lon ait de plus :
0

Si $J,v E 3c, &,E L 2 ( G )si et seulement si $ appartient a u domaine de


Pour tous v, v E i et $J, E Dom $ on a :

Si G est unimodulaire, A est un niultiple de lidentit. Preuve : Nous renvoyons [7] et [9] pour deux dbmonstrations diffrentes de ce rsultat, que nous nutiliserons pas directement ici. Loprateur A est appel dimension fornelle de n. Nous verrons plus loin quil prend dans certains cas une forme extrmement simple. Nous verrons aussi, quand nous considrerons des exemples prcis, comment traiter le cas des reprsentations compltement rductibles.

Reprsentations de carrs intgrables et tats cohrents

143

1. 12

Etats cohrents et transformation associe

Nous allons maintenant voir comment les reprsentations de carr intgrable permettent de se placer dans le cadre de la thorie des tats cohrents (gnraliss) tels quils sont dfinis par J. Klauder et B. Skagerstam [13]. Suivant Klauder et Skagerstam, on dfinit une famille dtats cohrents dans un espace de Hilbert i comme une famille dlments de i, que nous noterons {Ox, A E A}, indexe par un espace mesur {A,p}, telle que les conditions suivantes soient runies : (i) Continuit : Ox est une fonction fortement continue de lindice A. (ii) Rsolution de lidentit : Lgalit opratorielle suivante est ralise faiblement :

(11.7)

TA

est la forme linaire sur i :

et o ~ A @ T Aest donc le projecteur de rang 1 (en gnral non orthogonal) :

La rsolution de lidentit est parfois note en utilisant les notations de Dirac :

s,

IX)(XldP(X) = 1

(11.10)

o IX) reprsente le vecteur B A et (XI la forme linaire T A . On parie aussi de relation de compltude ou de fermeture. On appelle coefficients de 7~ E 3-1 les produits scalaires :

S,(X) = (OA,7J) = TA(u)

(II. 11)

Les coefficients forment la transforme de u , qui est une fonction sur A et vrifie lquation intgrale :

&(A)

s,

IqX,X)s,(A)dp(X)

(II.12)

o le noyau

I+,

(ex, ex,)

(11.13)

est appel noyau reproduisant associ la famille {ex, X E A}.

144

tats cohrents et reprsentations de carr intgrable

11.3 Retour aux reprsentations temps-frquence


Nous allons maintenant voir quel est le lien entre reprsentations temps-frquence, tats cohrents et reprsentations de carr intgrable. Plus particulirement et en suivant [9], nous allons voir comment lquivalence unitaire des reprsentations de carr intgrable avec une sous-reprsentation irrductible de la reprsentation rgulire gauche fournit automatiquement des familles dtats cohrents et des transformations de type transformation en ondelettes associes. En effet, reprenons la preuve du thorme 1 et considrons loprateur dentrelacement utilis. (II. 14) T : v E 3c +Tu = &,u

Cet operatcur est donc une isomtrie et peut ainsi tre invers en utilisant son adjoint. On obtient ainsi :
Corollaire 1 Soit r une reprscntatioii de carr intgrable de G s u r lespace de Hilbert 3c et soient +, 0 E 3c deux vecteurs adniissibles. Alors tout lment v E X adniet la dcomposition suivante : (11.15)
o liiitgrale est prendre a u sens de la convergence faible et o

(II. 16)
et la constante cde est donne par

(II.17)

Nous nous retrouvons donc dans le mme cadre foiinel que celui dans lequel nous avons plac les thormes de reprsentation du chapitre II. Lidentification est plus complte encore lorsque lon met en vidence les noyaux reproduisants dans les deux cas. NOLIS avons obtenu une transformation intgrale inversible, associant 3c un sous-espace de L 2 ( G ) . G est un groupe de transformations naturel associ la reprsentation. Nous allons voir que les reprsentations temps-frquence tudibcs au chapitre II se placent parfaitement dans ce cadre. Notons au passage que la formule de reconstruction exprime le vecteur v E 3c comme superposition de contributions n(g) 8 qui peuvent a priori tre diffrentes des fonctions danalyse r(g).+. On parle alors dondelettes danalyse et dondelettes de reconstruction.

Reprsentations de carrs intgrables et tats cohrents

145

11.4

Exemples

Nous dcrivons maintenant quelques exemples simples pour lesquels la construction prcdente fonctionne et conduit des thormes de reprsentation de type temps-frquence.
11.4.1 Le groupe affine et les ondelettes classiques

Lexemple le plus simple est sans doute celui conduisant aux ondelettes unidimensionnelles classiques que nous avons tudies. Le groupe correspondant est le groupe des transformations affines de la droite, ou groupe affine, ou encore groupe a x b. (11.18) G a f f= lR; x lR

La loi de groupe est donne par :


( b , a ) . (b,a) = (b+ab,aa)
(11.19)

I1 est facile de montrer (voir par exemple [lo]) que G ! possde en tout et a , pour tout deux reprsentations unitaires irrductibles inquivalentes, agissant sur (II.20) H$(lR) = { f E L 2 ( a ) , f(*Q = 0vE 5 O} de la manire suivante : (11.21) Un calcul direct montre que ces deux reprsentations sont effectivement de carr intgrable, de sorte quelles fournissent gratuitement un systme dondelettes. E n effet, si 1c, E H:(lR) est un vecteur admissible, cest--dire si (11.22) alors Vf E H:

(a), peut crire : on


(II.23)

T f ( b ,a ) = 4J$f(b, ) = (f,+,a) a

(11.24)

Pour faire le lien avec la version de lanalyse par ondelettes utilise en thorie de Littlewood-Paley (cest--dire sur L 2 ( a )ct non H z ( R ) ) ,il est utile de faire la remarque suivante.

146

Etats cohrents et reprsentations de carr intgrable

Proposition 1 Soient T I , ...ITN N reprsentations unitaires de carr intgrable inquivalentes de G sur Ri, ...ZN respectivement et soit IT = E ~ leur ~ IT
somme directe, agissant sur R = E r @ X i . Notons Pi le projecteur orthogonal de R sur X i . Soit II, E R.Alors, on obtient la rsolution de lidentit suivante surX:VuER 1 P

si et seulemelit si Pi 1c, est admissible pour IT^ quel que soit i = 1,...N et
c$ = c i =

J, I(pi .

$7

r i ( g ) . pi

. *,>I2

dp(g)

(11.26)

est une constante finie, diffrente de zro et indpendante de i = 1,...N Preuve : Soit u E

R.Ecrivoiis u =

Pi . u. Alors on a

o on a utilis lorthogonalit des Pi et lirrductibilit des IT;. Considrons tout dabord le second terme (termes croisCs) et supposons quil ne soit pas uniformment nul. Alors on voit aisment que loprateur
r

entrelace IT^ et IT^, do une contradiction avec linquivalcnce des reprsentations. Donc

Reprsentations de carrs intgrables et tats cohrents

147

ce qui achve la preuve de la proposition. Dans notre cas, tant donn que L2(IR) H i ( 1 R ) @ H?(IR), on pourra = recoller les morceaux ds lors que la contribution de londelette 1c, la description de Ht(LR) sera gale celle correspondant H ? ( B ) . Ceci revient

ce qui est vrifi ds que londclette 1c, est valeurs relles ou imaginaires pures.
11.4.2 Le groupe d e Weyl-Heisenberg et les gaborettes

Un autre exemple trs classique (ct abondamment dcrit dans [19]) est fourni par le groupe de Weyl-Hcisenberg dit polaris, ie.

GYvlI = LR2 x S
(o on a identifi le cercle S lintervalle groupe suivante :
( 4 , P 4). (dd4) = ( 4
[-7r,7r]

(11.27) modulo 27r) avec la loi de

+ d , P + P/> + 4 + P d ) 4

(II.28)

La thorie des reprsentations unitaires irrductibles de G W Hest bien connue et le thorme de Stone-von Neumann (voir par exemple [15]) montre que toute reprsentation unitaire irrductible de Gwll est unitairement quivalente lune des reprsentations sur L2(IIz)suivantes (o X E 22, X # O)

(II.29)
Un calcul direct montre que ccs reprsentations sont de carr intgrable et que tout 1c, E L(El) est admissible (le groupe tant unimodulaire) ; la constante dadmissibilit est donne par
c11 = 2~11P!41;

(11.30)

(on a pris ici X = 1). La reprsentation temps-frqucnce correspondante conduit lanalyse de Fourier fentre glissante (ou analyse de Gabor) : Pour toute fonction f E

(II.31)
o la transforme de Gabor est donne par

(II.32)

148

tats cohrents et reprsentations de carr intgrable

Les gaborettes en dimension n s'obtiennent trbs facilement comme gnralisations des gaborettes unidimensionnelles. En utilisant le langage des reprsentations de carr intgrables, il suffit de considrer le groupe de Weyl-Heisenberg en dimension n, i e . Gww Y El2" x S', avec la mme loi de groupe qu'en dimension 1. On obtient alors la rsolution de l'identit suivante :

o la transforme de Gabor est donne par

11.4.3 Les ondelettes de R. Murenzi

Le problme de la rductibilit de la reprsentation classique du groupe affine sur L 2 ( a )se pose avec plus d'acuit encore dans le cas multidimensionnel. Le groupe affine sur Di", isomorphe l ; x LR", agit unitairement sur R L2(Din) comme suit :
(II.34)
Mais si R est un cne quelconque (de sommet l'origine) dans Di", on voit aisment que l'espace

&2(lR2")=

{f E L2(an),SUPP(f)a} c

(11.35)

est invariant par K . Donc K est hautement rductible. Ce problme peut tre rgl de deux manires diffkrcntes, que nous avons dj rencontres dans le cas unidimensionnel. La premire solution revient utiliscr une gbnkralisation de la proposition utilise dans le cas unidimensionnel et crire L2(Din) comme somme hilbertienne de copies de H2(1i2), indexes par les dements de la sphre Sn-'. On considre alors une ondelette $ E L2(Eln) que "sa contribution chacun telle des sous-espaces H 2 ( D i )soit constante", ou plus prcisment telle que :

(11.36)
soit simultanment diffrent de zro, fini et indpendant' du vecteur unitaire E E DIn. On obtient la rsolution de l'identit suivante, que nous avons dj
Compte tenu de l'invariance par changement d'chelle d e la mesure, ceci peut tre obtenu en supposant que

Iq(()l'

est invariant par rotation. O n parlera alors d'ondelette radiale.

Reprsentations de carrs intgrables et tats cohrents rencontr au chapitre II : Pour tout f E L 2 ( R n ) :

149

(II.37)
o

Comme nous lavons vu, cette solution est parfaite tant que lon ne sintresse qu des aspects position-chelle, mais souffre de son manque de prcision frquentielle (ou plus prcisment de labsence de variable angulaire dans lespace des frquences). Les ondelettes avec rotation de R. Mureiizi [ l G ] entrent parfaitement dans le cadre des reprsentations de carr intgrable. I1 suffit dajouter aux degrs de libert de translation et de diangement dchelle une variable de rotation. On considre donc le groupe euclidien inhoinogbne quil note I G ( n ) , donn par le produit semi direct :

I G ( n ) = (IR; x S ( n ) )x IR

(11.38)

(o SO(n) est le groupe des rotations en dimension n ) , avec la loi de groupe suivante (11.39) ( a ,r, b ) . (a, r, b) = (au, rr, b ar- b )

La thorie des reprsentations unitaires de IG(n) est relativement bien connue.


La reprsentation qui nous intresse est la suivante. Lespace de reprsentation est L*(Et!) et I G ( n ) agit coniine suit :

(II.40)
On vrifie aisment que 7r est une reprsentation de carr intgrable et la thorie gnrale lui associe des systbmes dtats cohrents. Si $ E L2(IRn) satisfait la condition dadmissibilit, qui scrit ici2

(11.41)
on a alors, pour tout f E

L2(IRn) :

*Le volume du sous-groupe S ( n - 1) ne joue aucun rle d a n s ladmissibilit d e $, car les groupes d e rotation sont des groupes compacts.

150

Etats cohrents et reprsentations de carr intgrable

o la transforme en ondelettes est cette fois donne par :

(11.43)
s i l'on pose
$(,5u,r)

( x )=

[7r(b,a , r )

$1 ( x ) ,on voit aisment que :


(11.44)

de sorte que si $ est bien localise au voisinage d'une frquence 6 = ko, $(b+,,p) est elle aussi bien localise, cette fois au voisinage de la frquence 6 = a-'r .ko. En faisant varier a et r respectivement dans lR; et dans S O ( n ) ,ceci permet de dcrire tout l'espace de Fourier. Plus gnralement, considrons un groupe de la forme G=Hxa" (11.45)
o H est un sous-groupe du groupe des matrices n x n coefficients rels. Soit

U c iR" un sous-espace invariant par H minimal. I1 est facile de se convaincre


que la reprsentation suivante de G sur

(II.4G)
donne par
7r(h,b).f ( z ) = I det hl-"/'f

(h-'

(z - I > ) )

(II.47)

est irrductible et unitaire. Pour certains sous-groupes H convenablement choisis, on peut montrer que r est de carr intgrable et conduit ainsi un systmes d'ondelettes de HU(Ili?"). Si on prend, par exemple en dimension 2, le cas des matrices diagonales coefficients positifs :

(11.48)
la reprsentation donne en (11.47) est de carr intgrable, si l'on prend par exemple U = LR; x Dans ce cas, la condition d'admissibilit est donne par :

a;.

(11.49)
Ce que l'on obtient dans ce cas est simplement une version "produit tensoriel" des ondelettes bidimensionnelles ; nous verrons dans le chapitre suivant une version algorithmique de ces ondelettes "produit tensoriel".

Carr intgrabilit, modulo un sous-groupe et ondelettes associes

151

III
111.1

CARR INTGRABILIT,MODULO UN SOUS-GROUPE ET ONDELETTES ASSOCIES


Retour sur le groupe de Weyl-Heisenberg

Lexemple le plus simple, cest--dire le groupe de Weyl-Heisenberg, a dj t dcrit quelques lignes plus haut dans la discussion de la construction de Perelomov. Le rsultat de Duflo-Moore sapplique bien entendu encore au groupe de Weyl-Heisenberg polaris dcrit prcdemment, mais plus du tout si lon considre le groupe de Weyl-Heisenberg plein lR2 x l7l dans lequel on autorise le facteur de phase appartenir la droite relle toute entire et non plus lintervalle [-K,x]. On peut aisment se convaincre dans ce cas l quaucun lment de L2(171)nest admissible. Nous avons pourtant eu loccasion de signaler que le terme de phase q5 ne joue strictement aucun rle dans la construction. Cest pourtant lui qui est le responsable de la divergence des intgrales et qui fait chouer la construction directe des tats cohrents partir de la reprsentation. Dans un certain sens, on peut dire que Gabor a t sauv par la compacit de S1.

111.2

Ondelettes indexes par un espace homogne

Dcrivons maintenant le cadre gnral dans lequel nous allons travailler. Soit G un groupe de Lie localement compact sparable et soit T une rcprsentation unitaire irrductible continue de G sur lespace de Hilbert fl. Soit H un sous-groupe ferm de G , considrons lespace quotient3 x = G / H . Soit p une mesure quasi-invariante sur X, cest--dire que la transforme de p par action de G est absolument continue par rapport p. Le groupe G est alors canoniquement muni dune structure despace fibr (voir lannexe B pour une dfinition), de projection : II:G+X (111.1) Pour restreindre la reprsentation K . .Y, il est ncessaire dintroduire une section u : X -t G de cet espace fibr. I1 rsulte de thormes gnraux que lon peut toujours trouver de telles sections qui soient C par morceaux et Borel intgrables. On considre alors lapplication
7rn

x + U(Z)

(111.2)

dfinie par
?Tn=7T0u

(111.3)

3Nous considrons ici le cas des quotients droite ; les quotients gauche se traitent d e manire tout fait identique. Dans les exemples discuts par la suite, i l peut arriver que pour des raisons pratiques, on considre plutt lun ou lautre des types despaces homognes.

152

tats cohrents et reprsentations de carr intgrable

Soit maintenant $ E
vu E

3c. On introduit loprateur A,


*

3c

+ 3c dfini par

3c

du
Dfinition
1.

21

= L ( u ,ru(x) $) ru(x) $ , ~ P ( z )

(111.4)

On dira que la section de lidentit.

(T

est strictement admissible si A, est un multiple

2.
3.

On dira que la section

(T est admissible si A, est un oprateur born, inversible inverse born&.

Une reprsentation du groupe G, telle quil existe un $ E 3c et une section admissible, sera dite de carr intgrable modulo H .

111.3 Atomes temps-frquence : le groupe de Weyl-Heisenberg affine


Nous nous tournons maintenant vers des exemples un peu plus complexes, pour lesquels nous appliquerons la procdure prcdemment dcrite. Notre premier exemple est le groupe de Weyl-Heisenberg affine, cest--dire le groupe de Weyl-Heisenberg tendu (par produit semi-direct) par des changements dchelle en dimension 1. Topologiquement :

G a l v f ~ L ; x LR3 E R

(III.5 )

Algbriquement, il sagit de produits semi directs, dans la mesure o la dilatation (IR;) agit sur ies translations (LRZnou LRz) de manibre naturelle. La loi de groupe est donne par
(clip, a, r, 4). ( d , P / , .I 4)) = ( 4 U r . q / , p a-r . p l , aa, r r / ,4

+,

+ q + p(ar-1 . q / ) ) s

(III.6)

Pourquoi consicl6rer un tcl groupe ? La motivation provient de lanalyse du signal en dimension 1, essentiellement, et est fonde sur la constatation suivante : Les ondelettes effectuent une analyse largeur de bande relative constante ; en dautres tcrnies, la largeur de bande dune ondelette ~ + ! + b , ~ (ou sa ) largeur de bande effective si nest pas support compact) est proportionnelle la valeur de la frquence autour de laquelle elle est localise. En revanche, les gaborettes, engendres par translation et modulation, effectuent une analyse largeur de bande absolue constante, cest--dire que leur largeur de bande ne dpend pas de la frquence ana1ysi.e. Or, tant donn un signal analyser, rien ne dit a p r i o n que lune ou lautre des deux mthodes est la plus efficace pour lanalyse. Bien au contraire, on sait

Carr intgrabilit, modulo un sous-groupe et ondelettes associes

153

maintenant avec prcision (voir [4] par exemple) que, dans le cas des signaux moduls en frquence, les frquences instantanes dpendant linairement dii temps sont optimaleinent analyses par les gaborettes, alors que les ontlclcttcs sont optimales dans le cas des frquences instantanes qui sont fonction liyperbolique du temps. Nous avons aussi eu loccasion dvoquer brivement ce problme au chapitre V ; certains signaux peuvent tre modliss fidlement comme superpositions de composantes niodulbcs en amplitude et en frquence. Or, en fonction de leur largeur de bande locale, il peut arriver que certains de ces signaux soient mieux reprsents localcment par des ondelettes ou des gaborcttes (la fonction danalyse peut faire interagir plusieurs composantes, comme nous lavons dit au cliapitre V). Diiris ce cas, on peut avoir besoin de minimiser cette interaction ou, aii contraire (comme on le fait en traitcinent de la parole), de la maximiser pour produire une description plus proche dun modle donn (voir [ 2 ] par excniple). On peut donc essayer de concilier ces deux approches et engendrer des thormes de reprsentation dc type tcml)s-frcliieice fonds, comme les ondelettes, sur un outil de base (loiiclclctte iiibre) et un ensemble largi de transformations simples (en loccurence des translations, dilatations et inodulatioiis). Si lon en revient au cadre g6nra1 dcrit plus Ililut, il sagira de travailler siir la base du groiipc de Weyl-Heisenberg affine. Dans le cas miiltidiiiiciisioiiiiel, on sintressera une gnralisation des ondelettes de R. Murciizi, ce qui implique lintroduction de rotations. Ltape siiivaiite sera ladaptiition <IC la dcomposition au signai, ccst-%-clire rechcrclie de la reprsentation la mieux lii adapte la description souhaite. Ce progriiiiinic imite, avec line plus graiide souplesse et dans une approdie plus gomtrique (mais ai1 prix diiiie perte s de la puissance aigoritliriiique), la nitliode t l ~ paqiicts doiidclcttes iiitrodiiite par R. Coifniaii et ses collaboratciirs. Nous allons donc inoiitrcr coiiiiiiciit construire dcs systbines dondclctt(,s frquence centrale et largcur de b;iritlc variable et adilIjtilble. La reprsciitation que nous considbrcrons nest, bien ciitciiclii, pas de carr integrable et il est ncessaire dutiliser le formalisme pr6cdcnt. Nous allons voir cliie dans certains cas, la section du fibr G -+ X fournit la fonction cliii a<IiiI>tca largeiir l de bande la frqiiciicc centrale des ontlclcttcs. Reprenons donc le groiipc de Weyl-Hcisciibcrg affine Gu\,,,, . Pour ne p a s alourdir inutilcinent lexpos, nous iioiis h i i t crons au cas ~iiii(liniciisioiiiic1, rciivoyant [I1 pour IC traiteiiiciit du cas iniilti<IiriieIisioriiicl. Lcs rcprscntatioiis 1 unitaires irrductibles de Gult/,I peuvcnt tre complbtcmcrit classifies ( quivalence unitaire prs, voir [II]) et iioiis noiis rcstrcintirons la rcprknttioii

Un calcul immbdiat montre IC lciniiie siiivaiit :

154

tats cohrents et reprsentations de carr intgrable

Lemme 1 nest pas de carr intgrable.


Bien que ces reprsentations ne soient pas de carr intgrable, elles sont tout de mme intressantes pour notre propos. La preuve immdiate du lemme 1 montre en effet que la divergence de lintgrale (11.1) pour la reprsentation considre provient dun domaine dintgration de dimension trop grande (nous reviendrons plus loin sur cette notion4), quil convient donc de rduire. Dans la droite ligne du programme dfini plus haut, il est ainsi naturel de considrer des quotients de G a w [ [ . Considrons par exemple le sous-groupe suivant : (111.8) = {(O O a, 9) E m+, E I-, a 9

7 4

lespace quotient :

= Gawii / H ,

(111.9)

ainsi quune section u : X + G a w ~ En paramtrant . { ( b ,w ) E nous noterons donc

m},

par des lments

w ) = (b, w ,

4%w,w ) ) w),

(III.1O) (111.11)

et

U,=Uoa
la restriction associe.

Proposition 2
(i) Avec les notations prkcdentes, lopkrateur A, dfini en (111.4) est un oprateur de convolution, donn par le multiplicateur

(III.12)

(ii)

est admissible si il esiste $ E L(El) tclle que le multiplicateur mu([) soit essentiellen~entborn infrieuremcnt et siiprieurement, ie. quil existe deux constantes A, B telles que

< A I m,(C) 5 B < 00

p.p.

(III.13)

Preuve : Le calcul formel est immdiat ; une preuve plus complte peut tre trouve dans [14] par exemple.
Linformation importante e s t ici quil existe un espace temps-frquence naturellement associ la reprsentation considrbe ; cet espace temps-frquence est naturellement homogne par rapport laction du groupe. Nous verrons que les divergences apparaissent ds que la reprsentation est telle que chaque point d e cet espace est visit une infinit d e fois.

Carr intgrabilit, modulo un sous-groupe et ondelettes associes

155

Remarque : Nous avons dj discut ces dcompositions, ainsi que leurs analogues discrtes, au chapitre prcdent. Exemples : Parmi les exemples classiques, on peut citer un certain nombre de sections u :

i) La section constante
cr(b,w) = a0 conduit bien videmment aux gaborettcs usuelles.

(III.14)

2) On voit facilement que les sections affines


%ff(b,W)

= (Au

+ p)-

(111.15)

(ou IXw+pl-) conduisent une analyse par des ensembles de fonctions, copies dilates et translates dune fonction unique (dans ce cas une copie module de la fonction $(x)), donc une analyse trs proche de lanalyse par ondelettcs.

3) Dans les deux cas prcdents, on voit facilement que A, est un multiple de lidentit ; ces deux sections sont donc strictement admissibles. Plus gnralement, on introduit entre les deux une famille de sections interpolantes de la forme
a u ( b , w ) = IXW

+ plu

(III. 16)

qui ont la proprit de fournir une transition continue entre les deux sections prcdentes ( la valeur absolue prs). Lintrt de ces sections est que lon peut les voir comme une famille un paramtre (le paramtre v, les autres tant fixs), qui permet donc de rechercher la valeur optimale (dans un sens prciser, par exemple au seils du niininiiim dentropie, comme le font R. Coifman et ses collaborateurs) pour un signal donn (voir par exemple [17]).

4) Une autre famille naturelle de sections est donne par les sections O qui se comportent comme (111.14)2 basse frquence et (111.15) haute frquence. Ce
type dondelettes a parfois t utilis pour la modlisation du systme auditif humain (voir [2]). Etant donne une section admissible u et une fonction I,E L2(ZR)telle que I

(111.13)soit valide, on peut introduire (III. 7) 1


o est loprateur de convolution dfini par le multiplicateur r n l l . On a immdiatement :

156

Etats cohrents et reprsentations de carr intgrable

Proposition 3 Avec les notations prcdentes, toute f(x) E L(Di!) peut tre dCcoinpose coinine :
r

(111.18)

(111.19)

Rciiiarquc 1 : Oil a bien entendu toujours une formule de type Planclierel, expriiriant la coiiservatioii de lnergie : (111.20)

Eii revanche, la restriction de U X se traduit par la disparition des propritirs de coviiriaiice de la reprsentation par rapport laction de gal^^^. En effet,

nest en gniiral pas li de faon simple T T ( b , w ) . On parle parfois dans ce cils de covariance avec torsion (voir par exemple [il), que lon exprime dans le cils giriiiird sous la foiiic suivante :
~ ~ d ~ ) 1 , 2 ~ , ~ ~ ~ ( d ~ ) - 1 , 2 . , ( x )

= Ty(g-l . ) .

(III.2 1)

Rcmaiqiie 2 : Retour s u r iadaptativit. Si nous considrons une famille donne de sections, par exemple la famille de sections interpolantes, nous disposons donc dune famille de reprsentations des fonctions de L(Di!). I1 est alors iiaturcl de se reposer le probliiine de slection de la reprsentation la mieux adapte f (2) dans la famille considirre. Comme nous lavons dj signal, loptimalit sentend par rapport un critbrc choisi lavance. Nous renvoyons [2O] et [Z] pour un exemple de tels critres.

IV

ESPACES DE PHASES

Nous navons vu jusqui prCsent que des exemplcs pour lesquels lespace tudi tait et lespace image de la transforme temps-frquence tait de la forme L2(mZn) ou x O), o R est un espace compact. Lavantage du foriiiiilisine q ~ i e nous dcrivons est quil permet de sadapter des situations gomtricluciiicnt un peu plus coinplexes. NOLIS allons en effet replacer les dcompositions tcrnps-fr6qiicrice que nous avons tudies dans un contexte plus gomtrique. Ceci nous permettra de mettre en luiiiiiirc le rle jou par le plan temps-frquence ou espace des pliases,

Espaces de phases

157

ainsi que son statut gomtrique. Nous allons voir comment lespace des phases peut tre construit directement partir de laction du groupe de covariance sur lespace de reprsentation considr et comment la condition de carrintgrabilit modulo H est souvent ralise sur cet espace des phases. Les dmonstrations ne seront le plus souvent qubauches dans cette scction, une description prcise dpasse le cadre de ce texte, et nous renvoyoiis [il et [2O] pour un traitement plus complet.

IV.l

Thorie de Kirillov et espace des phases

Dcrivons tout dabord la mthode des orbites et la construction de lespace des phases qui lui est associe. Soit G un groupe de Lie localement compact sparable. G est muni dune action de hi-nieme, appele action adjointe et donne par : a d ( h ) : 9 E G -+ ad(1l) . .9 = 1iglt-l E G (IV.1) Par diffrentiatioii au voisinage de lidcntitb, cette action peut se transporter sur lalgbre de Lie de G :

Ad(I1) : X E

G -+ Ad(1~) = ltXlt- . -X

(112)

Ad est aussi appele action adjointe. Soit le dual tle . On peut transportcr Ad sur * par dualit : Ad*(h): S*E * -+ Ad*(h)* X* E

( A d * ( h ) . X * , Y )= (X*lAAd(h)*Y) Y E V

(IV.3)

Soit maintenant F E 6. On appellera orbite coadjointe (ou espace des phases) associe F lorbite OF de G travers F par laction coadjointe :

OF = Ad*(G). F

(IV.4)

On peut alors montrer (voir [12] par cxcniple) que lespace dcs phascs OF est un espace de dimension paire. I1 est clair qiie OF est, lui aussi, iiiiiiii diine action de G, qui en fait un espace homogne pour G. Ainsi, on a

OF E G/Gp
o GF nest autre que le stabilisateur de F , cest--dire

(IV.5)

GF=

{i/ E

G , Ad*(i/). = F } F

(1V.G)

Considrons maintenant 1algEbre de Lic de G. I1 est possible de la iiiiinir dc la forme bilinaire suivante, note DF(., et dbfiiiie par : .)

D F ( X ,Y) = ( F , [X,17)

(IV.7)

158

tats cohrents et reprsentations de carr intgrable

Dfinition 3 On appellera polarisation relle de G associe F E une sous-algbre de Lie P de maximale telle que :

B,(P,P) = O

(IV.8)

La thorie de Kirillov permet dans certains cas dtablir une correspondance entre les orbites coadjointes et les classes dquivalence unitaires de reprsentations de groupes. Ceci est vrai en particulier dans le cas des groupes nilpotents simplement connexes. I1 est bien connu que de tels groupes sont monomiaux, cest--dire que toute reprsentation unitaire irrductible est unitairemcnt quivalente une reprsentation induite partir dun caractre dun sous-groupe ferm. Cest ce quexprime le rsultat suivant ; nous renvoyons [12] et [19] pour la dmonstration.

Thorme 3 Soit G UII groupe de Lie rel nilpotent simplement connexe et soit son algbre de Lie. Alors, il existe une correspondance biunivoque entre les classes dquivalence unitaires de reprsentations irrductibles de G et les orbites coadjoiiitcs de G. Plus prcisment, toute reprsentation unitaire irrductible 71 de G, oil peut associer une orbite coadjointe O,, telle que K soit unitairenient quivalciite : Ind:x

(PI))
K

(IV.9) est indpendante

o F E O, et est une polarisation relle de . De plus, ? i de Ti et de F E *.

Bien entendu, la classe des groupes nilpotents est extrmement restreinte. Nanmoins, il est possible de prouver des thormes similaires pour dautres classes de groupes (par exemple les groupes dits exponentiels ou les groupes rsolubles de type I, voir par exemple [3]). La polarisation P doit, dans ce cas, satisfaire une condition supplmentaire, appelCe condition de Pukanszky (voir le complment C pour plus de prcisions). En pratique, si le groupe considr nappartient aucune de ces classes, il faut procder au cas par cas.

IV2

Retour sur les exemples prcdents

Reprenons les exemples que nous avons tudis jusqu prsent.

IV.2.1

Les ondelet tes unidimensionnelles

Le cas du groupe affine est le plus simple. I1 est facile de voir que les reprsenta dfinies en (11.20-11.21) sont toutes deux induites partir dun caractre :

X ( b , 1) = eib

Espaces de phases

159

de P = { ( b , 1),b E lR} c G,fj. De plus, un calcul simple (voir le complment C ) montre que l'espace des phases associ est isomorphe au groupe affine luimme. Ainsi les deux formalismes concident-ils dans ce cas prcis.

IV.2.2 Les gaborettes


Le cas du groupe de Weyl-Heisenberg est lgrement plus complexe. En effet, il est notoire que la reprsentation (11.29) est induite partir du caractre
X X ( P ,cp) = eiAv

(o X E 2 )du sous-groupe {(Olp,cp), p E lT?',cp E S'} c G W H . L'espace 7 des phases associ est isomorphe (voir le cornplErnent C ou [il]pour le calcul complet) III2" ou, plus prcisbinent,

O F 2 GwIJ/S'

E'"

(IV.10)

La construction des gaborettcs clue nous avons donne au chapitre II correspond cet espace des phases ; nous avons en effet construit des gaborettes sans tenir compte du facteur de phase 4 dans le groupe G w l f . Le rsultat est une reprsentation temps-frquence qui n'est plus pleinement covariante par rapport au groupe de dpart, mais qui cst covariante une phase prs. On retrouve bien l le rsultat classique.

IV.3

Les ondelettes multidimensionnelles

Un autre exemple simple est fourni par les ondelettes "avec rotations" introduites par R. Murenzi, que nous avons galeincnt tudies au chapitre II (et utilises la fin du chapitre V). Un calcul direct (voir par exemple [ i l ] ) montre que l'espace des phases associ la reprsentation considre du groupe (Rt S O ( n ) )x ZZ?" sur L2(m") de la forme x est

OF

(m:x S O ( n ) )x m n / S O ( n - 1) a; x s"-' x an2 m2" (Iv.11)

Rappelons que dans ce cas, S ( n - 1) tant compact ct donc de volume fini, G # OF n'a pas de consquence sur la carr-intgrabilit de la reprscritation. On vrifie facilement qu'il existe dcs sections adinissiblcs. De plus, si l'ondelette $(z) est elle-mme invariante par SO(n - 1),il existe dcs sections strictement admissibles.

IV.3.i Les paquets continus d'ondelcttcs


Reprenons pour finir le cas du groupe de Weyl-Heisenberg affine G,~YII. Dans ce cas l'cspace des phase associ la reprsentation tudie est de la forme : (IV.12) O F 2 G , w [ [ / ( m ; X s') %

m2

160

tats cohrents et reprsentations de carr intgrable

ce qui est lespace quotient que nous avions utilis pour la construction des tliorines de reprsentation temps-frquence. De nouveau, il existe des sections admissibles, et mme strictement admissibles, associes.

IV.4

Les gaborettes sur la sphre

Voyons maintenant le cas de la sphre. Nous voulons construire une analyse de Fourier locale sur la sphre. Pour gnraliser lanalyse de Gabor usuelle, nous voiis donc besoin daiialogues des translations et des modulations. Les translations sur la sphre ne sont autres que les rotations de SO(n). En revanche, pour les modulations, revenons-en la notion physique de frquence, cest--dire une mesure de degr doscillations ou de distance entre deux oscillatioiis coiiscutives. Ceci iiiipliqiie un calcul de drive, de sorte que lon est naturellement conduit A passer dun point sur la splire et son voisinage lespace taiigeiit la sphre cri ce point (plus prcisineiit lespace cotaiigciit, dual de lespace tangent). Un candidat naturel pour lespace de Fourier en ce point est donc lespace cotaiigciit la sphre et lespace des phases est naturcllcmciit identifi ail fibr cotangent de la splibre. Les modulations (en un point de la sphre) pciivciit maintenant tre reprseiites par des translatioiis daiis lespace de Fourier corrcspoiidaiit, cest-A-dire des lments de mn-1 . Poiir avoir des iiioclulatioiis en tous points, il faut donc considrer IRn. Eii ce (lui coiiccriie la structure de groupe, notons quuii dplacement sur la splibre (ccst--<lireuric rotation) entrane un cliangcmeiit despace cotangent (qui est liii aussi toiirii). Un bon candidat pour engendrer lanalyse de Fourier fciictre sur la sphre est donc le groupe euclidien E ( n ) , qui prscntc ces caractristiques : E ( n )= S O ( n ) x IR (IV.13)
oii le 1)roduit sciiii direct indique prcisineiit que les rotatioiis agisseiit de faon

naturelle sur les traiislations. De plus, nous savons que le groupe euclidien azdiiict des reprsciitatioiis unitaires irrductibles sur L2(S-), de la forme (voir (laiis le coinpliiiciit C) :

(IV.14)

Oii iiioiitre daiis le coriipliiicnt C coriiiiiciit obtciiir cette reprseiitatioii partir tic ccrtaiiics orbites coadjoiiitcs de E ( n ) , a.e. lcs orbites associes i 2: E IR : et R = O. Avec les notatioiis du coiiipliiieiit C, on choisit un systme de Z coordonnes identifiant 2: avec un vecteur e , dune base {el, e2, ...e,} de IR.
Oii notera R la dcini-splibc siipricure :

R = { ( z , , 2 2...2 , ) E S-l,Zn O} >


Alors lespace des pliascs associ A la reprsciitatioii U est donn par :

OF = E(n)/(rnzGx S O ( n - 1 ) )

Espaces de phases

161

Figure VIL1 : Ondelcttcs sur S2 : gomtrie du problme.


Pour simplifier les choses nous allons nous restreindre au cas de la sphre

S2 c lR3, que nous paramtrons par les angles dEuler 84 (voir la figure
1 pour une reprsentation de la gomtrie du problme). Etant donns trois angles dEuler 84,w , on leur associe une matrice de rotation

ainsi quun lment de la sphre A(4, O ) , dbfiiii par :

Rappelons aussi les cxprcssions dcs mesurcs invariantcs par rotation sur le groupe SO(3) ( d p ) et sur la sphre S2 (di?) : d p ( r ) = d p ( $ , , w ) = d77(&,)dw = sind~d8dw

(IV. 17)

Soit IS une section du fibr E ( 3 ) + SO(3) x lR2 et notons 2.4, la composition de 24 par IS.Nous utiliserons lespace quotient suivant :

E ( 3 ) / i R2 SO(3) x lR2
qui contient OF. Soit 11, E L ( S 2 ) , support dans R et considfrons la transformation en ondelettes suivante : Si f E L 2 ( S 2 )ct si r = r(a,,l?,r) SO(3) et (I E lR2 : E

Tf(r,q)( f 2 . 4 U ( . q r 1 .+) =

162

tats cohrents et reprsentations de carr intgrable

En utilisant la dmarche prcdente, on peut alors dmontrer le rsultat suivant :

Thorme 4 Soit 11, E L 2 ( S 2 )tclle que Supp(11,) c R et

Alors, lapplication :

1 f E L 2 ( S 2 )+ -Tf
est une isointrie.

E L2(SO(3) IR2) x

(IV.20)

X + .(A), o .(A) est la projection de X E R sur le disque unit U lgalit de Plancherel) conduit :

Preuve : Supposons 1Equation (IV. 19) vrifiite. Daprs lingalit de Young, Ti E L2(lR,dq) Un calcul direct (fond sur le changement de variable V.

c lR2

et

Ici J(X) nest autre que le Jacobien du changement de variable X -+ .(A). Comme nous lavons vu, la mesure invariante dp sur SO(3) peut tre factorise en produit de la mesure invariante d q sur S2 par la mesure de Haar sur le stabilisateur de X(cr,P), qui est isomorphe SO(2). Ainsi (IV.2 1) ce qui conclut la preuve du thorme.

I1 est utile de sortir du cadre quelque peu abstrait dans lequel se situe ce rsultat et de le rbcxpriiner avec des formules explicites. Pour cela, exprimons tout dabord X(4, 0) sous forme de coordonnes cartitsiennes
A(+, ) = (sin sin 4, - sin cos 4, cos )

Espaces de phases

lG3

Rappelons que et 7r/2 - 4 reprsentent la partie radiale des coordonnes sphriques de A(4, e). On en dduit que le facteur q A(4, e), intervenant dans lquation (IV.l8), vaut :
q . A(4, ) = qi sin sin4 - q2 sin8 cos4

Utilisant de plus le fait que :

r(4,e, u ) - l = T ( + ,
4

7r

- e, -4)

on en dduit les expressions explicites des angles 8 et


= -y

0 sin(@+ arctan (- cos /3 sinsincos(4 - a )a ) sin /3 cos +

8 = arccos (- cos e cos /3 - sin sin p cos(4 - a ) )

Ces formules rendent le thorme 4 directement utilisable. Remarques 1) On montre un rsultat analogue au thorme 4 dans le cas du groupe euclidien bidimensionnel E ( 2 ) ,donc des fonctions sur le cercle S. On obtient alors des dcompositions de fonctions de L 2 ( S ) sur des tats cohrents de la forme : $ ( a , q ) P ) = e i q siii(a+) $(a + 0) (IV.22)

o $ ( a ) est une fonction support compact sur le demi-cercle. Dans ce cas, lespace des phases est paramtr par CY,^) E S x LR. La rsolution de lidentit scrit alors

(IV.23)

2) Dans le cas bidimensionnel, nous avons considr un espace quotient qui nest pas lespace des phases lui-mme, mais le contient. On peut nanmoins se ramener une reprCsentatioii temps-frquence plus naturelle en faisant (comme nous lavions fait pour les ondelcttes sur El, n > 2) une hypothse de symtrie sur $. Si $ est invariante sous laction du sous-groupe SO(2) qui stabilise xi, alors on vrifie aisment que ce sous-groupe se factorise compltement dans toutes les quations. On obtient donc une transformation de Fourier locale sur la sphre de la forme :

T : L 2 ( S 2 ) L 2 ( S 2x El2) +

(IV.24)

3) Le cas multidimensionnel est en tout point similaire au cas bidimensionnel (voir [21] par exemple). Le tlioriime de reprsentation que lon obtient a la mme forme que le thorkine 4. De plus, en supposant une ondelette invariante par le sous-groupe S O ( n - i ) , on se ramne une nouvelle fois lespace des phases.

164

Etats cohrents et reprsentations de carr intgrable

4) I1 est aussi envisageable de construire des reprsentations de type tempsfrquence sur des varits plus gnrales que les sphres. Si la varit en question est homogne par rapport laction dun certain groupe de transformations, le langage et les mthodes dcrits dans ce chapitre peuvent encore sappliquer. Si tel nest plus le cas, des transformations de type ondelettes peuvent encore tre construites, mais il nest plus possible de donner un sens global aux proprits de covariance. Le thorme 4 permet lutilisation de mthodes de type temps-frquence pour des signaux dfinis sur des sphres et non plus sur an. peut noOn tamment dvelopper dans ce cadre un analogue des techniques du chapitre V : caractrisation de signaux dfinis sur la sphre et auxquels on peut associer une frquence (ou vecteur donde) local (voir (211 pour un exemple simple dans le cas du cercle). Des applications en gophysique et astronomie sont envisageables.

COMMENTAIRES ET RFRENCES

Nous venons de dcrire les reprsentations temps-frquence linaires dans une perspective plus gomtrique que ce que lon fait habituellement. Le but tait principalement de montrer que la notion de temps-frquence ou despace des phases pouvaient aussi tre prises dans un sens plus gomtrique, faisant directement intervenir des proprits de covariance. Cette approche a aussi le mrite de lier ce type de problmatique un domaine diffrent, savoir la mcanique quantique (ces aspects taient dj implicites dans les premiers travaux dA. Grossmann et ses collaborateurs [!I]),puisque lapproche que nous avons suivie est trs proche de certaines procdures de quantification (quantification gomtrique et quantification par tats cohrents, voir [13]). Lidentification des reprsentations temps-frquence avec les reprsentations de carr intgrable a t faite dans [!I] ; les relations dortliogonalit avaient t dmontres par Godenient [8] pour le cas unimodulaire, puis par Carey [5] et Duflo et Moore 171 dails le cas gnral. Le cas du groupe de Weyl-Heisenberg est trait en dtail dans [19]. Le passage aux reprsentations de carr intgrable modulo un sous groupe a t propos initialeinent par Ali, Antoine et Gazeau dans [l], puis repris plus tard par divers auteurs, en particulier [il],[GI, [20], [21]. Lintroduction de lespace des phases, naturelle dans un contexte de physique quantique, semble tre due dans le contexte des ondelettes [GI et [ll].
[l] S.T. Ali, J.P. Antoine, J.P. Gazeau, Square-Integrabilityof Group Representations on Homogeneous Spaces I, Reproducing Triples and Frames, Ann. Inst. H. Poincar, 5 5 (1991) p.829-856, Square-Integrability of Group Representa-

Commentaires et rfrences

165

tions on Homogeneous Spaces II, Generalized square-Integrability and Equivalent Families of Coherent States, Ann. Inst. H. Poincar, 55 (1991) p. 860-890. C. dAlessandro, D. Beautemps, Reprsentation et modification du signal de parole par transforme en ondelettes utilisant des contraintes auditives, Preprint LIMSI, Orsay (1990). L. Auslander, B. Kostant, Quantization and Unitary Representations of Solvable Lie Groups, Bull. A.M.S., 73 (1967) p. 692-695. B. Boashash, Time-Frequency Signal Analysis, dans Advances in Spectrum Analysis, S. Haykin Ed., Prentice-Hall (1990) p. 418. A.L. Carey, Square-Integrable Representations of Non-Unimodular groups, Bull. Austr. Math. Soc., 15 (1976) p. 1. S. De Bivre, Coherent States over Syinplectic Homogeneous Spaces, J . Math. Phys., 30 (1989) p. 1401-1407. M. Duflo, C.C. Moore, On the Regular Representation of a Non-Unimodular Locally Compact Group, J . Funct. An., 21 (1976) p. 209. R. Godement, Sur les relations dortliogonalit de V. Bargniann, C. R. Acad. SC^., 255 (1947) p. 521-523, 657-659. A. Grossmaiin, J. Morlet, T. Paul, Tritlisforms Associated to Square-Integrable Group Representations, I : General Rcsults, J. Math. Phys., 26 (1985) p. 2473, II Examples, A n n . I. H.P., 45 (1986) p. 293. [lo] A. Guichardet, Thorie de Mackey et mthode des orbites selon M. Duflo, Expo. Math., 3 (1985) p. 303-346. [il]C. Kalisa, B. Torrsani, N-Dimensional Affine Weyl-Heisenberg Wavelets, A n n . Inst. H. Poincar, Physique Thorzque, 59 (1993) p. 201-236. [12] A. I<irillov, EZmeiits de la tli6orie des reprsentations, Editions MIR, Moscou (1974). [14] J.A. Hogan, J.D. Lakey, Extensions of the Heisenberg Group by Dilations and Frames, Applied and Computational Harmonic Analysis (1995). [15] G. Mackey, Theory of Unitary Group Representations, Univ. of Chicago Prcss (1976). [16] R. Murenzi : Transforme eii ondelettes iniiltidimensionnelle et application lanalyse dimages, Thse, Louvain-la-Neuve (1989). [17] B. Ravera, Analyse temps-frqiience et tcinps-cliclle de signaux de coinmunication, Rapport interne ENSIA-Thomson-CSF (1992). [18] P. Reynaud, B. Toiisani, Paquets continus dondelettes et dcomposition optimale, Actes de la 13 conference G R E T S I , Juan-Les-Pins (1991) p. 29-32. [19] W. Scheinpp, Harinonic Analysis on tlie Hciseiiberg Nilpotent Lie group, Pztm a n Research notes in Mathematical series, 147 (1986). [20] B. Torrsani, Time-Frequency Representations : Wavelet Packets and Optimal Decomposition, Ann. Inst. H. Poincar, Physique Thorique, 56 (1992) p. 1. [21] B. Torrsani, "Time-Frequency Decoinpositions : Local Fourier Analysis on Spheres, Preprint CPT-03/P.2878. [22] M.V. Wickerhaiiser, Adapted Waiieforin Analysis f r o m Theory to Software, A.K. Peters Publ. Comp. (1994).

16G

tats cohrents et reprsentations de carr intgrable

VI COMPLMENT c
VI.l
Quelques calculs despace des phases
Nous donnons dans ce complment quelques exemples illustrant le calcul de lespace des phases associ une reprsentation donne. Nous nous restreindrons quelques cas particuliers, contenant les exemples que nous avons traits dans le corps du texte. Ce complment est cependant trs technique et sa lecture nest aucunement ncessaire la comprhension du corps du chapitre VII.

VI.l.l Le groupe de T/Veyl-Heisenberg affine unidimensionnel


Commenons par dcrire le groupe de Weyl-Heisenberg affine en dimension

n, pour fixer nos notations. En dimension n, le groupe de Weyl-Heisenberg


affine est topologiquement isomorphe :

GaCVII

lR; x SO(n)

(Cal)

et possde la structure dun produit semi direct du groupe de Weyl-Heisenberg n-dimensionnel par l72; x SO(n). Llment gnrique est de la forme

la loi de groupe tant donne Par :

Gawj{ peut tre ralis comme groupe de matrices de la faon suivante (la loi de groupe tant la multiplication des matrices) :

(C-4) (Ici le symbole t n repriiscnte la transposition vecteur colonne 4 vecteur ligne.) Lalgbre de Lie a l ~ , ~ G a w peut, elle aussi, tre reprsente comme de ~ algkbre de Lie de matrices (avec le commutateur et laddition des matrices comme lois) de la faon suivante : Si X E lR et R E s o ( n ) ,on pose RA = R+ A. Alors

Complment C
&WH

167

est sous-tendue par les matrices suivantes

0 . . . 0 1

. . .

O 0

0 . 1 . 0 0
Pi =

Qi

[f 1 \ I \ I)
. . .

,(Qi)L = 6,,,06,,,i+l

. . . . . . . .

Ainsi, tout lment X E aw1f peut tre Ccrit sous la forme :

X = x Q ; + t i .P; + AI( "

+ Ri . J j + tT

(C.6)

o ~ , Et .IIZ, z , E .IIZ~ les R; sont les coefficients d'une matrice de s o ( n ) , ~ et que l'on notera R par la suite.
Le groupe de Weyl-Heisenberg affine unidimensionnel possde une structure beaucoup plus simple que le groupe inultidimciisioiiiiel. Il est en effet rsoluble, de sorte que la mthode des orbites s'applique. Le premire tape consiste en calcul de l'action adjointe du groupe sur son algbre de Lie. Soit ( q , p ,a, p) E GawH et soient (x, , A, t ) les coordonnkes d'un lment x E Gaw~l E dans la base { Q , P, I<,2'). Un calcul simple montre que :

A d ( g ) . X = gXg-l = ( a x - Aq, a-'<

+ Ap, A, t + a p x - a-'qE

- pqA)

(C.7)

de sorte que A d ( g ) a la ralisation matricielle suivante :

lG8

tats colirents et reprsentations de carr intgrable

Par rapport la base duale {Q*,P*,I<*,T*}, en dduit l'action coadjointe on

Soit maintenant

Lcs orbites coadjoiiitcs s'crivent :

xo' 3 x* = a-'xo' - p t ; ( -+ I* = a(; ; ut8 Ag 3 A * = A,. -pqtg + a-'yxo' - a p t ; t; 4 t* = to'

(C.11)

On distingue donc trois faniillcs d'orbites.

VI.1.2 Orbites dgiires


Ce sont ICs orbites qui corrcspondcnt :
2:;

= [ = t; = O ' A' = A; ;

(C.12)

Dans ce cas, la seule polarisation possible est

P = Ul.VII

(C.13)

et les reprsentations unitaires irrductible corrcspondantcs sont les caractres de GuwIf.

V1.1.3 Orbites de type affine


Les orbites de type affine sont caractrises par :

et donc complteinent par :


5 + [ *=

= p E lTi

(C.14)

Considrons par exemple 1'Elnient de l'orbite OF caractris par 11 :

F=&*+pP*

(C.15)

Complmeiit C

169

Soit GF le stabilisateur de F pour l'action coadjointe. Puisque, A d * ( q , p , a , y ) . F = a-lQ' +/hap*

+ (p-'- a p p ) I<*,

(C.16)

GF est donne par

La seule polarisation possible est :

P = D2.Q @ lRP@lRT
Elle vrifie la condition de Pukanszky (%.e. A d * ( e P ) . = F F soit X = xQ <P tT. Alors

(C.18)

+ +

+ P l ) . En effet,
(C.19)

Ad*(e"). F = F

+ ( X - pLJ)I<*

ce qui prouve l'assertion. Considrons mdiltcriant les reprsentations associes. Soit F dfini par (C.16) et soit h = ( q , p , 1,p) = exp(X) E P = exp(P). Alors les coordonnes de A sont (q,p,O, p - p q / 2 ) . F dfinit un caractre XF de P ; si S E P : '
~ ~ ( c x p x= )e i < F , X > '

(C.20)

et comme la condition de Pukanszky est satisfaite, la reprsentation U de G a l ~ , f induite par X F est irritductible. On l'obtient de la niaiiikrc suivante. Considrons l'espace de Hilbert :

Z=

{f

: Gaivif

-+a,

L,,,
If (.)I2

444 < 03,

et . f ( i i * ! 7 ) = X F ( h ) f ( g . ) , V h E H

(C.21)

p est ici une mesure quasi invariante sur H \ G a l ~ , ~ ) exemple la mesure de par Lebesgue sur la demi-droite. Soit A la racine carrCe de la ditrive de RadonNikodym correspondaiite. Alors U agit sur ?i :

[U(cl,P,a, $9) * fl (O, O, 24, O)

= A ( W 4 a> P)f [(O, O, u, * ( % P , a, 4 0) 1 = A(Q,P, P)f [ b q , U - l P , 1,P ) ( O , O, atl, O)] a,


= A ( q , p , a, p)eZ['Lqf~u-'P1 O, au, O) f (O,

En identifiant 3c avec L2(172t), obtient : on (C.22)

170 VI.1.4

tats cohrents et reprsentations de carr intgrable Orbites de type Stone-Von-Neumann

Ce sont les orbites caractrises par :

t'#O

(C.23)

Pour tous x;,ti, il existe des valeurs de p , q , a telles que x* = t*= O. On peut donc choisir sans perte de gnralit :

xo' = 6 = O ;
de sorte que les orbites coadjointes

(C.24)

x* = -pt' <* = qt*


A' = A;

+t'
X*.E*

(C.25)

soient caractrises par t' E lR*, i E IR. Soit donc : A

F = t*T'

+ A*I<*
a}

(C.2G)

et soit OF l'orbite correspondante. Le stabilisateur de F est :


G F

={(O'O,W), a E q , Y E

(C.27)

Les seules polarisations possibles sont :

lRQ @ IRK @ IRT P = ( lRP @ IRK @ lRT

ou

(C.28)

Un calcul simple montre qu'elles satisfont toutes deux la condition de Pukanszky. Prenons : P = IRQ @ lRK IRT (C.29)

P\G,wlf

est donc isomorphe la droite relle. Soit

X = xQ
un lment arbitraire de P , alors

+ AI(- + tT

(C.30)

(C.31)

F definit le caractbe suivant

XF

de P = exp{P}

Complment C

171

La reprsentation

U induite par XF agit sur

o p est une mesure quasi invariante sur P \ G a w a , par exemple la mesure de Lebesgue sur la droite relle. U est alors donne par :

= A ( 4 , P ,a, cp)f [(rl, 0, a, cp + E4) +PL 1,O)l = A ( q , p ,a , cp)ei[" 'n(Q)+t*(rp+Eq)l f (O, O, a ( < + p ) , O)
Si l'on identifie 7-l avec L2(41) et en tenant compte de la forme explicite de A ( q , p , a, cp), on obtient :

Ceci conclut le calcul des orbites coadjointes du groupe de Weyl-Heisenberg affine unidimensionnel. Le cas multidimensionncl, plus complexe, est trait dans [il].

V . Le groupe euclidien I2
Considrons maintenant le cas des orbites coadjointes du groupe euclidien

E ( n ) . Le groupe euclidien peut tre, lui aussi, ralis comme un groupe de matrices (c'est en fait un sous-groupe de G a l ~ , l )et nous nous fondcrons sur
cette ralisation pour calculer l'espace des phases. (C.35)
n
n

e(n)=p2.Qi$C41.J;i
i=l

{ (f 0) , R

E s o ( n ) ,2 E

iRn

i<j

Soient donc

et

172

tats cohrents et reprsentations de carr intgrable

On voit facilement que A d ( g ) . X = g . X g-' cst donn par la matrice

(C.37) Or, puisque

on en dduit l'action adjointe de E ( n ) : si

(20, o )E R

e ( n ) ,l'algbre de Lie de

E(n)

Alors

et on cn dduit l'action coadjointe : si (x;,R;) e(n)* E

xi -+x*=r.xi Ad*(g) { ( R e ) ' :


o z

(C.41)

Considrons maintciiaiit le cas particulier x ;

# O, R G

= O. On a alors

G F E { ( s , y ) ~ G , s E S O ( n - l ) , q ~ m j . ,q I x ; V i # j J~
E SO(n-

i)b(a.x;)

Les reprsentations qui nous intressent sont induites partir de la polarisation suivante (qui contient GF) :
(C.42)
oii la seconde somme est prise sur lcs lments de s o ( n ) appartenant au noyau de x;, i.e. une sous-algbre s o ( n - 1). Soit x un caractre de P = exp P

et soit, p une mesure quasi invariante sur G / P . Soit

Complment D
f :G

173

+ C,mesurable, telle que


et f(g . h ) = x(h)- f(g) Vg E G, h E P
Z L2(G/P, dp)

(C.44)

G agit sur fl comme suit :

et, aprs avoir identifi G I P agit sur L(,Y-) :

Sn-, posant en

s = p . x:, la reprsentation U

[U(r,(I) f]( s ) = e + q ( r - 1 . s ) .
ce qui est la forme rcclierche.

(C.45)

VI1
VII.l

COMPLMENT D
Ondelettes sur les sphres

Nous avons vu au cours de ce cliapitre comment le langage de la thorie


des groupes permet de construire dcs rcpriisentatioris teinps-frquence sur la sphre, en se fondant sur laction dun groupe de Weyl-Heisenberg adapt la situation. En revanche, on iie sait toujours pas lheure actuelle adapter

ce type de construction au cas des ondelettcs sur la splihe. On aurait besoin pour cela dune notion naturelle de dilatation, ce qui est, en toute rigueur, iiicompatiblc avec la gomtrie de la spliiire. I1 existe en fait une (ou des) variaiitc(s), fondes sur dautres arguinents lis plutt aux dcompositioiis de Littlewood-Palcy ou aux analyses multirsolution infinitsimales que nous avons dj rcncoiit,res (voir la fin du chapitre II et aussi dans la suite au cliapitre VIII). Nous donnons ici un aperu de ce type dapproche, pour complter lapproche goniCtrique. Les outils de base utiliss ici sont les outils classiques de lanalyse sur les sphres, savoir les liarnioniqucs sphCriques et les polynmes de Legendre, dont nous rappellcroiis lcs grandes idcs. On sait que loprateur laplacien sur peut tre crit en coordoiiiics spiiriqiics sous la forme

m3

174

tats cohrents et reprsentations de carr intgrable

o A* est la partie angulaire du laplacien, aussi appel laplacien de Beltrami sur la sphre. On appellera polynmes harmoniques de degr e les fonctions propres de A* associs la valeur propre -e([ 1). I1 est bien connu que lespace engendr par les polynmes harmoniques de degr 6 est un espace de dimension finie gale 26 1, dont une base orthonorme est fournie par les harmoniques sphriques Yem(s) :

(Yem,Ye?) = JeeiSmmI qui vrifient de plus le thorilme daddition

P.2)

o les Pe(z) sont les polynmes de Legendre. Les harmoniques sphkriques permettent dassocier toute fonction f E L( S2)sa transforine de Fourier sphrique :

Si f ( s ) E L 2 ( S 2 ) alors ,

Ifem12

< 03
m

et on a
e

t = O m=-t

Les polynmes de Legendre forment, quant eux, une base de L2([-1, 1 ) : 1 Vf(z) E L2([-i, il) on peiit crire :

o les cocfficicnts f(!) forment la transforme de Legendre de f(z) :

f(t)= 27r

f(z)Pe(x)da:

-1

Les polynmes de Legendre vrifient de plus les relations dorthogonalit suivantes :

ainsi que la formule de Hecke :

Complment D

175

VI12

Identit approche sur la sphre

Le point de dpart est une analogie avec les exemples unidimensionnels que nous avons vus plus tt. Prenons tout dabord lexemple suivant. Partant dune fonction f ( s ) E LP(S2), sait lui associer son prolongement harmonique dans on la boule intrieure, cest--dire le domaine

qui est donn par

Sf(s,a) = pa

* f(s)
CO

(D.lO)

o Pa(,) E L([-111) est le noyau de Poisson :

Pa(,) = 4r (1+ a2 7

1-a2

E , + 2as)3/2 = , n=O

2n+ 1 apn(x)

(D.ll)

S f ( s , a )est donc une fonction harmonique dans la boule intrieure (ie. vrifie ASf = O et lima+l S,(s,a) = f(s). On rappelle que le produit de convolution dune fonction F ( s ) E LP(S2)par une fonction G(z) E L([-l,l]) est la fonction F * G(s) E LP(S2)donne par : F

* G(s) =

l2

F(cr)G(a.s ) d q ( a )

(D.12)

On peut alors crire comme nous lavons fait au chapitre II (quand nous avons introduit le concept danalyse inultirsolutioii infinitsimale) :
T f ( s , u )= -uaS(s,a)

(D.13)

ce qui fournit une dcomposition de lidentit : (D.14) soit une formule proche du sclima linaire de dcomposition associ la formule de Morlet. On se trouve donc en prcsence dune dcomposition du mme type que les dcompositions en ondelettes continues. La variable a joue ici le rle de variable dchelle. E n gnral, tant donne une identit approche 4a(x) de LP([-1, il), il suffit de considrer @ () a, = -uaa4a(x) (D.15) pour obtenir des formiiles similaires.

176

tats cohrents et reprsentations de carr intgrable

VIL3

Le schma bilinaire

On gnralise de faon similaire ce que nous avons appel plus tt le schma bilinaire. Pour cela, donnons-nous une fonction $(z) E L ([-l, l]) et associons-lui la famille suivante de fonctions dfinies sur la sphre S2 :
+) C( l. ,>

= +(s ) .

(D.1G)

Remarquons au passage que ces expressions utilisent le produit scalaire de pour dcrire les dplaccnicnts sur la spliiire. Considrons sa transforme de Legendre :

4(n)

4(74 = 27r

1,
1

Sr(z)Pn(z)dz

(D.17)

ainsi que la fainille doiidelcttcs $ ) , ( ( s ) dfinies coiiiiiie des copies tourlies des fonctions $,(s), elles-mines dkfinics par leur transforme de Legendre :

)&(.
+(a,&)

4. (4

(D.18) (D.19)

= (W(l,,) (SI

On a alors le tlioriime de reprbcntation suivant :

Thorme 1 Soit +(z) E L([-1, l]),telle que


(D.20) aiors ~ f E L2(S) on a s) ( (D.21)

o les coefficients Tj(o, ) sont donnCs par u


r

(D.22)

Preuve : Montroiis siniplciiient clue la traiisforrnation

est uiie isomtrie (la coiivergence forte de la foriniile clc rccoiistruction (D.21) rsulte des mmes argiiiiients que ceux que nous avons utiliss tout au lorig du chapitre II). On voit aisilinciit que T,(a,u) E L 2 ( S 2 ) .De plus, en utilisant la

Complment D

177

dfinition des coefficients !l,(a, a ) et lexpression des fonctions qa(s) en fonction de leur transforme de Fourier sphrique, on a :

J ~ ~ r (.>I a,

=
e,ei

J f(s)f(s)*Pe(a,)Pet(, -

s~v(s)dv(s~v(a)

(D.23) E n utilisant la formule de Hecke (D.9), on obtient :

ce qui, combin au thorme daddition (D.3), conduit &

J I T , ( ~ , ~d)vI (~a ) =

IIa(e)121frln12

(D.25)

e,

7n

et, de l, au rsultat. Le fait que cette construction nentre pas dans le cadre gomtrique dcrit dans ce chapitre nentrane pas pour autant que la transforme en ondelettes ainsi dfinie ne possde pas de proprit de covariance. En fait, il rbsulte de linvariance par rotation du produit scalaire de m3 que, si f ( s ) E L2(S2), si r E SO(3) est une matrice de rotation de lR3 et si on note fr(s) = f(r- . s) une copie tourne de f ( s ) , on a

pour tous a, a. On retrouve bien ainsi une proprit de covariance par rotation, similaire celle obtenue prcdemment.

Chapitre VI11

ALGORITHMES RAPIDES DE CALCUL DE LA TRANSFORME EN ONDELETTES

INTRODUCTION

Lun des problmes essentiels qui se posent cn pratique est celui du calcul effectif de la transforme en ondelettes dune fonction ou dun signal analyser. Considrons par exemple le cas simple de la transforme en ondelettes unidimensionnelle. On doit donc valuer des intgrales de la forme

Clairement, le choix dun algorithme de calcul prsuppose le clioix dune discrtisation de la transforme en ondelettes et donc le choix dun rseau dchantillonnage. Nous nous limiterons ici aux deux cas les plus simples. Le premier, que nous appellerons chantillonnage sur grille dyadique, est dict par les rgles de discrtisation que nous avons dcrites en discutant la construction de repres dondelettes. Le second respecte une version discrtise des proprits de covariance de la transforme en ondelettes (covariance par dilatation et translation) : la transforme en ondelcttcs dune copie translatc et dilate dun signal donn est gale la copie translate et dilate de la transforme du signal original, pour peu que la translation et la dilatation respectent le rseau de discrtisation. La solution la plus immdiate si lon dispose dune expression analytique pour la fonction f(x) est dutiliser des mthodes numriques dintgration (des mthodes pas adaptatif si ncessaire) pour lvaluation de (1.1). Cette mthode prsente lavantage dtre a p r i o n aussi prcise quon le dsire, mais est en gnral extrmement coteuse en temps de calcul, en particulier pour les grandes chelles (ie. les grandcs valciirs de a ) . Dans ce cas, le support de londelette $(b,a) crot proportioiiiiellcmcrit a et le temps de calcul galement. De plus, dans les cas pratiques (cest--dire pour le traitement de signaux numriques), quand on ne dispose pas dune expression analytique pour f (x), il est ncessaire dutiliser une procdure dinterpolation, par exemple, pour

180

Algorithmes rapides de calcul

pouvoir se ramener au cas prcdent, ce qui est aussi coteux en temps de calcul. I1 faut alors valuer lintgrale (1.1) partir des chantillons de j(x), ce qui peut tre fait de faon approximative en utilisant pour discrtiser lintgrale des sommes de Riemann

(o lon a cliantillonii la frquence unit pour simplifier) ou une mthode de trapzes, ou autre en fonction de la prcision voulue. Bien entendu, ceci ne supprime en aucun cas le premier dfaut de la mthode, qui est de ncessiter un temps de calcul trs lev grande chelle. I1 est facile dvaluer la complexit de lalgorithme correspondant, cest--dire le nombre doprations effectuer. Si lon dispose de N = 2 L cliantillons du signal fn et que lon souhaite valuer T f ( b , a ) avec la mCme frquence dchantillonnage en b, sur des clielles en progression gomtrique, disons 2 j , j = 1, ...log2(N) pour fixer les ides, le nombre dchantillons de londelette j fix se comporte comme 2jM et le calcul j fix ncessite donc 2jMN oprations. En sommant sur les chelles, on obtient :
L

2jMN 2 K N 2
1

pour une certaine constante Ii. I1 sagit donc dun algorithme en ( N 2 ) , extrimement lent pour grand N . Une alternative consiste utiliser la forme de la transforme en ondelettes donne par la foriniile de Parseval :

Dans ce cas, on reconnat immdiatement la transforme de Fourier iiiverse du produit f ( ( ) & u ( ) * , ce qui suggre dutiliser une mthode de transforme de Fourier rapide. Ainsi, la complexit de lalgorithme est rduite comme suit. Laissant de cot la premire FFT qui donne .f(E) partir de j(x), qui est effectue une bonne fois pour toute, on obtient pour le mime problme que prcdeinmciit L = log,(N) fois une FFT inverse, do un algorithme de complexit totale I i N log, (N) ce qui, pour N grand, rcprkseiite dj une amlioration certaine. Le dfaut de cette mthode est dutiliser la FFT comme une boite noire et dtre ainsi
Pour ce faire, on c o m p t e habituellement les multiplications, le cot dune addition t a n t e n gnaral plus faible.

Ondelettes sur une grille dyadique

181

tributaire de sa qualit2 E n fait, il est possible dans certains cas de construire des algorithmes adapts la nature mme de la transforme en ondelettes. Ce sont ces algorithmes que nous allons maintenant dcrire. Ils ont en fait t dvelopps indpendamment des ondelettes, dans un contexte de traitement numrique des images. Nous avons choisi dans ce chapitre de commencer par dcrire la structure algorithmique elle-mme, avant denvisager son utilisation dans le calcul de transformes en ondelettes. Comme nous allons le voir, ces algorithmes correspondent davantage une mthodologie gnrale (filtrage et souschantillonnage) qu une technique fige. Ds lors, on peut concevoir beaucoup de variations autour du cadre que nous dcrivons ici.

Remarque : Nous nous restreindrons ici aux algorithmes de calcul de la transforme en ondelettes et ne discuterons pas la transforme de Gabor, pour la bonne et simple raison quil nexiste pas dalgorithme rapide de calcul de celleci autre que ceux fondCs sur lutilisation de la FFT. La raison essentielle en est que les algorithmes de type ondelettes sont fonds sur des ides de dilatation et sous-chantillonnage, iiaturcllement adaptCes des rseaux de discrtisation, au contraire des modulations qui sont la base de la tranforiiie de Gabor.

II

O N D E L E T T E S SUR UNE GRILLE DYADIQUE

Nous dbutons notre description par une analyse des algorithmes permettant un calcul efficace de la transforme en ondelettes sur une grille dite dyadique, cest--dire de la forme dcrite dans le chapitre consacr aux repbres dondelettes. I1 savre que, dans ce cas, il existe une relation trs troite entre les dcompositions en ondelet tes et les algorithmes pyramidaux dvelopps par les spcialistes de traitement numrique des images, savoir essentiellement la technique du laplacien pyramidal et du codage en sous-bandes. Avant den revenir aux ondelet tes, nous allons cominencer par dcrire ces deux techniques et, tout dabord, revenir sur le thorme dchantillonnage.

11.1

Le thorme dchantillonnage

Concentrons-nous dans ce cas au problme dchantillonnage (cest--dire de discrtisation) de fonctions dfinies sur la droite relle. La question essentielle est la suivante : peut-on chantillonner une fonction sans perte dinformation ? La rponse est bien entendu positive, condition de disposer dinformation a priori sur la fonction chantillonne, cest--dire de la certitude de pouvoir reconstruire la fonction partir des cliantillons par interpolation. Nous nous
2 E n particulier, i l peut arriver que dans certaines implmentations, la phase de la FFT ne soit pas trs fiable.

182

Algorithmes rapides de calcul

limiterons ici au cas de lchantillonnage des fonctions bande limite, cest-dire des fonctions appartenant un espace de Paley-Wiener

o w est un nombre rel non nul.

La question est : comment chantillonner convenablement une fonction f donne ? En dautres ternies, comment remplacer une fonction f E PW, par un enseinble discret de ses valeurs, sans perte dinformation ?
On associe f la suite de nombres (chantillons) :

(11.2)

o i i ue est un nombre rel, appel frquence dchantillonnage. E n fait, pour que

lchantillonnage soit consistant, la frquence dchantillonnage ne peut tre choisie arbitrairement. Pour une fonction donne f, dans une certaine classe (f est suppose bande limite, cest--dire que sa transforme de Fourier est support compact), il existe une frquence critique, appele frquence de Shannon us. Dit autrement, pour une frquence dchantillonnage donne v,, il existe une frquence critique (appele frquence de Nyquist, un = TU,) telle que toute fonction ayant dans son spectre de Fourier des frquences suprieures la frquence critique ne pourra tre correctement chantilloiine. Avant dentrer dans plus de dtail, considrons lexemple simple dune fonction f ( z ) monochromatique, de pulsation wo. Dans ces conditions, il est vident que pour u, < w0/7rIT, cest--dire si lon prend moins de deux chantillons par priode de f(z), lchantillonnage sera insuffisant pour caractriser f(x) de manire consistante. Les traiteurs de signaux parlent dcliantillonner une fonction liarnioiiique deux points par cycle. Plus prcisment, le rsultat suivant (dit thorme dchantillonnage) montre que toute fonction f , dont la transforme de Fourier est support compact contenu dans un intervalle [-wo, W O ] ~ compltement caractrise par est les chantillons f n = f(nde) = f ( E ) , n E Z , pour toute frquence dchantillonnage infrieure la frquence de Shannon us = w o / ~ . Inversement, 1Cchaiitillonnage dune fonction continue qui nest pas bande limite moins de la frquence de Nyquist substitue celle-ci une autre fonction, qui est elle-mme bande limite par v, -cet effet est connu sous le nom aliaszng (plinomne de repliement).

Ondelettes sur une grille dyadique

183

Thorme 1 Soit f(z)E PW,,.

(i) Si u, < w o / r , lciiaiitillonnage fn = f (n/v,) nepermetpas de dterniiner f (x) sans hypo thse supplnient aire. (ii) s u, > w o / r soit 4 E S ( I R ) une fonction tciie que s u p p ( 4 ) est contenu i dans iintervalle [-rv,,rv,] et 4(z) = 1 pour tout z dans lintervalle [ - W O , W O ] . Alors on a :

(11.3) (11.4)
(iii) Si v, = w o / r ichantillonnagc pcrinct de dterminer f (z) si la suite est dans 12(22). f est alors donne par :
fn

(11.5)

Nous ne donnerons pas ici la dmonstration de ce thorme bien connu (voir lintroduction du livre de Y. Mcycr par exemple pour une dcscription simple). Nous nous contenterons de lillustrcr par des arguments de physiciens. La base est la formule sommatoire de Poisson, que les physiciens ont lhabitude dinterprter cornine suit. On appelle peigne de Dirac la priodise de la masse de Dirac lorigine :

Dans un certain sens, la formule de Poisson (voir lannexe A) dit que la transforme de Fourier dun peigne de Dirac de priode v,- V , / , e ( z )est ( une (E constante prs) un peigne de Dirac de priode 2rv, V2rrv, ) . Si lon interprte lchantillonnage f n = f ( n / v , ) de la fonction f(z)comme une multiplication de f(x) par le peigne de Dirac de pitriode ve-, alors la transforme de Fourier discrte de {fn} sera le produit de coiivoliition de j ( < ) le peigne de Dirac par de priode 2rve, cest--dire la priodise de f(<)de priode 2rv, (toujours une constante prs). Ainsi, lcs trois cas dcrits dans le thitorme prcdent correspondent aux cas o lon peut ou ne pcut pas retrouver f ( < ) partir de f( 27rvek) par restriction liiitcrvalle [-wo,wo]. Dans le second cas, ( cette restriction peut itre faite laide dunc fonction $ ( E ) trs rgulire (ici dans la classe de Schwartz), donc trs bien localise en z. Dans le troisime cas en revanche, la seule possibilit pour @ ( x )cst le sinus cardinal sin(z)/z, qui est trs lentement dcroissant.

E,,

184

Algorithmes rapides de calcul

Remarque : Dans la pratique, on a frquemment tudier numriquement des signaux (fonctions) qui ne sont pas bande limite, ou trop large bande. Dans ce cas, il faut effectuer un filtrage pralable, destin supprimer les trop hautes frquences. On peut alors effectuer un chantillonnage convenable. Nanmoins, signalons que tous les signaux provenant de mesures physiques sont par la force des choses bande limite.

11.2

Algorithmes pyramidaux en traitement dimages

La technique du laplacien pyramidal, due Burt et Adclson [il,part de la constatation suivante : lorsque lon reprsente un signal sous forme dchantillons, il existe une information qui nest pas directement accessible et qui a trait aux corrlations entre chantillons successifs. Pour dcrire ces corrlations, on a habituellement recours 2 diffrents filtrages, cest--dire des convolutions avec des suites (en gnral de longueur finie) dont la transforme de Fourier est bien localise autour dune frquence donne. Le laplacien pyramidal ralise ces oprations, dans le cadre dun algorithme de faible complexit. Considrons par exemple une suite {s,,n E Z}, que lon considrera, pour fixer les ides, comine un ensemble dchantillons dune fonction s E L 2 ( l R ) .Elle dfinit par trailsformation de Fourier une fonction 27r-priodique, priodise dune fonction de support dans [ - T , 7r]. Considrons maintenant une suite {h,,n E Z}, telle que la restriction de sa transforme de Fourier [-7r, 7r] soit essentiellcmcnt concentre dans [-7r/2,7r/2]. La situation idale est dans ce cas la fonction caractristique de [-7r/2, ~ / 2 ; nous verrons un peu ] plus loin pourquoi cette situation ncst pas idale en pratique. Mais revenons lalgorithme. Formons le produit de convolution de ces deux suites :

(11.6)
k

La transforme dc Fourier de ce produit de convolution cst une fonction 27rpriodique ct sa restriction A [--7r, 7r] est esscntiellcmcnt concentre dans lintervalle [-7r/2,7r/2]. Donc, on peut songer sous-chantillonner ce produit de convolution dun facteur 2, modulo une petite erreur (due un terme daliasing) que lon se propose de contrler. Notant {so} = { s } , le rsultat est une nouvelle suite : St, = h 2 n - k S k = [ H . S O In (11.7)

C
k

o lon a not H loprateur convolution sous-chantillonnage. Le rsultat est une nouvelle suite, qui rcprscnte la composante basse frquence de

Ondelettes sur une grille dyadique

185

En effet, on a retir cette dernire la majeure partie de ses frquences comn E Z} est donc une version lisse prises entre 7r/2 et 7r en valeur absolue. de {, n E Z } , laquelle on peut faire subir le mme traitement. On introduit s, donc : s i = [H s ] , = h z n - k s k1 (11.8)

{SA,

et ainsi, de proche en proche :

SA = [H . s-In

=
k

hzn-ksk

j-1

(11.9)

Lindice j est clairement ici un indice dchelle, puisque le passage de j j 1 correspond un sous-chantillonnage par 2. Ltape suivante est la reconstruction de la suite {sn, n E 27) partir des suites {s;,n E Z } . Considrons tout dabord { s ; , n E Z } ; pour pouvoir la comparer { s i , n E Z } ,il est dabord ncessaire dinsbrer des zros aux points intermdiaires (pour retrouver des frquences dchantillonnage compatibles), puis on fait agir ladjoint de loprateur de convolution prcdent :

(II.1O)
La suite { a i , n E Z } fournit donc une image floue de {s;,n E Z } ; on note { d k , n E Z } la diffrence des deux suites :
d,1 = SF, - a;

(11.11)
*

d 1 = [l - H* * HI
{ d k , n E Z}reprsente les dbtails de De mme, on introduit :
=
k

SO

(II.12)
{:r :,i

{si,

nE

Z}absents de

E Z}.
(11.14)

li&-nsk+ 1 - [H sj+In j

ainsi que

(11.15) (II.16)
Etant donn un entier L , il est Cvident que la suite {s,,n E E } est entirement caractitrise par son approximation {sf;, n E Z } iciicile numro L et ses dtails { d i , n E Z } ,j = O, ..L - 1 aux chelles intermdiaires. En effet, on a un algorithme de reconstructioii tout aussi simple que lalgorithme de dcomposition :
SO

= H. SI

+dl

- H . s:! - H * L. S L -

+ H dz + d l + HcL-l . d L + ... + H* . d2 + dl
*

18G

Algorithmes rapides de calcul

Autrement dit, lapproximation so lchelle 1 est la somme de lapproximation lchclle 2 L et des dtails aux chelles intermdiaires :
SO

= H * L .s~ +

H*j - d j + 1
j= 1

(11.17)

Structure pyramidale : Lalgorithme de dcomposition possde une structure extrmement simple. En effet, pour chaque valeur du coefficient dchelle j , on effectue des oprations rigoureusement identiques pour passer de lchelle j lchelle j 1. Lalgorithme est donc un algorithme en cascade, au mme titre que lalgorithme de FFT. On dit aussi quil possde une structure pyramidale et que les mmes oprations (simples car toujours linaires) sont effectues chaque tage de la pyramide. I1 est illustr par un graphe la figure VIII.l. Lalgorithme de reconstruction est lui aussi un algorithme pyramidal du mme type.

Nombre de donnes et complexit algorithmique : Nous venons de voir que lalgorithme prcdent foiirnit une reprsentation dune suite quelconque, dans laquelle laccent est mis sur la description dcs corrlations entre chantillons successifs. I1 est important de constater que dans cette reprsentation, le nombre des donnes na augment que de faon raisonnable. Supposons, pour simplifier, que la suite {sn, E Z } est de longueur finie N et valuons le nombre n de coefficients ncessaires pour dcrire cette nouvelle reprsentation. Nous supposerons aussi, pour simplifier, que le nombre de coefficicnts non ngligeables de {hn, n E Z} est trs petit devant N . Le nonibre de coefficients de { s i , n E Z } et { d i , n E Z} est de lordre de 2-jN. Si la dcomposition est effectue jusqu lchelle numro L , le nombre de coefficients cst de lordre de :

N N+ 2

N N N + - + ... + -+ - = 2 N ( 1 4 2L-1 2L

21-L)

5 2N

(II.18)

Un calcul tout fait similaire fournit la complexit de lalgorithme de dcomposition : supposons que le filtre {h,,n E Z} possde M coefficients non ngligeables. Le calcul de { s i , n E Z } partir de {si-, n E Z } comporte essentiellement 2l-jNAd multiplications. De mme le calcul de {di-, n E Z } partir de { s i , n E Z } comporte 2-jNAd multiplications. Ainsi la dcomposition jusqu lchelle L comporte :
L-1

NAl(l+ 2
j= 1

2-j

+ 2-I)

=NM(l

+ 4 ( 1 - 2-L + 2 - L ) ) 5 5NM

(11.18)

On se trouve donc en prsence dun algorithme de complexit O ( N ) ,ce qui est plus performant que lalgorithme de FFT.

Ondelettes sur une grille dyadique

187

Choix de la suite { h n , n E Z } : Le choix de la suite { h n , n E Z } est extrmement important. Tout dabord, on veut que cette suite soit bien localise, cest--dire dcroissance suffisamment rapide pour que lon puisse la tronquer sans commettre derreur trop importante. Ceci exclut en particulier la suite dont la transforme de Fourier est la fonction caractristique de [ - r / 2 , r / 2 ] , qui dcrot en l / n . Dautre part, la suite { h n , n E Z } doit tre assez rgulire pour possder de bonnes proprits de localisation dans lespace de Fourier ; on se ramne alors par une dilatation des suites dont la restriction [-r,r] est bien localise au voisinage de [-7r/2,7r/2]. Une autre manire de tester la rgularit de la suite {It,,n E Z } est de calculer la fonction associe, cest--dire la suite {s,,n E 22) dont la reprsentation est la plus simple possible, savoir :
di
sk

= O Qn E Z,j O, ..,L - 1 =
= hn,

Dans ces conditions, on a :


s

H q L* S L

(11.19)

I1 est souvent important en pratique que cette suite {sn, E Z } soit rgulire. n E n fait, il existe des critres permettant destimer la rgularit de {s,, n E Z } partir de certaines proprits du filtre { I t , , n E Z } .

11.3

Codage en sous-bandes

La technique du codage en sous-bandes consiste en une amlioration du laplacien pyramidal. On se place, ds le dpart, dans le cadre des signaux chantillonns, cest--dire dans l 2 ( 2 2 ) . On considre deux suites absolument sommables { h n , n E Z } et {g,,n E Z } , similaires la suite {hn,n E Z } prcdente. Plus prcisment, considrant les restrictions de leurs transforines de Fourier [-T, 7r], on impose que celle de {h,, n E Z } soit concentre au voisinage de [-7r/2, 7r/2] et que celle de {g,, n E Z } soit concentre au voisinage de [-r,-7r/2] [7r/2,7r]. On va alors procder de manire similaire au chapitre prcdent : la convolution de {s,,n E Z } par { h n , n E Z } ou {g,,n E Z } produit une suite dont la bande a t rduite dun facteur 2 ( une erreur provenant dun mauvais chantillonnage prs). On sous-chantillonne alors chacun de ces deux produits de convolution dun facteur 2. Ce faisant, on commet dans les deux cas une erreur (aliasing) et on va rechercher dans quels cas ces erreurs peuvent se compenser. Pour cela, considrons en dtail les oprations effectues lors du schma dcomposition-reconstruction, sur une seule tape tout dabord. Pour plus de gnralit, on utilisera deux suites diffEreiites {i.,,n E Z } et { & , n E Z } pour la reconstruction, au lieu des complexes conjugus de {h,,n E Z } et {gn,n E Z } *

188

Algorithmes rapides de calcul

Dcomposition, dcimation et insertion des zros : On considre comme dans la section prcdente les convolutions
hn-ksk k X g n - k S k k

(II.20)

dont on ne conserve quun point sur deux comme prcdemment, puis on remplace la valeur enleve par la valeur zro. Par convention, on force zro les chantillons impairs. A p r b transformation de Fourier, le rsultat vaut :

sd(<) = ; [qE)mo(l)+ ;(E dd(E) = t [ W m 1 ( < )+ ;(E


(Noter la prsence du terme daliasing en .4(<

+ r)mo(f+ .)I + T)ml(E +


+ T).)

741

Reconstruction : On utilise maintenant les suites de reconstruction {Kn, n E Z } et {Gn7nE Z } :


S(E)

;[?jlo(E)mo(E)

++[fi~o(E)mo(E+

+ ?qE)ml(E)]qE) ) + f i l ( E ) W ( < + ..)].4(6+ .

) .

On impose enfin la proprit de reconstruction exacte, cest--dire en particulier lannulation du terme dalinsin,g. Plus prcisment, on crit :

ou encore sous forme matricielle :

Notons A(() le dterminant de cette matrice. La solution est alors donne par :
?jZO(E)
fill([)

= &mi(< =-&yo(<

+ ). + ).

I1 existe encore ce point un grand nombre de solutions. Smith et Barnwell ont alors propos de se restreindre au choix des filtres miroirs en quadrature (nous utiliserons le sigle consacr QMF, provenant de lexpression anglaise), en se restreignant A(<) = et en posant :
n i 1 ( < ) e -iemo(( =

T)*

(11.22)

qui conduisent la fameuse relation (souvent appele condition QMF) :

Ondelettes sur une grille dyadique

189

Codage en sous-bandes : On sait donc maintenant transformer une suite en deux autres suites, sous-chantillonnes dun facteur 2, de telle manire que la transformation soit inversible. On a ainsi, grossirement parlant, remplac une fonction de bande [-K, 7r] en deux parties haute frquence et basse frquence, de bandes respectives [-K, -~/2][7r/2,7r]et [-~/2,7r/2]. On peut maintenant renouveler lopration sur la partie basse frquence, puis itrer la procdure. Ce schma de dcomposition se nomme le codage en sous-bandes. Quelle est la complexit algorithmique dun schma de codage cn sousbandes ? Pour lvaluer, on considre une suite de N chantillons et deux filtres {h,,n E Z } et {g,,n E Z } de A4 cliaiitillons chacuns. La premire tape, cest--dire le calcul de h S , - k s k et Q Z n - k S k , reprsente 2 fois M fois N/2 multiplications, cest--dire M N oprations. Ltape suivante reprsente un calcul similaire, effectu sur deux fois moins dchantillons, do MN/2 oprations et ainsi de suite. Do, aprks L tapcs, le nombre total doprations peut tre estim comme :

NAd(l+ 2-1

+ 2- + 2-3 + ... + 2-L-)

= 2NA4(1 - 2 - L )

5 2NA4 (11.24)

De plus, un calcul similaire montre que le nombre de coefficients intervenant dans la dcomposition vaut exactcmeiit N , doii aucune augmentation du nombre de donnes.

11.4

Transforme en ondelettes sur grille dyadique

I1 existe des ondelettes pour lcsqucllcs on peut utiliser un algorithme de type codage en sous-bandes. Ces ondclcttes sont associes dcs fonctions dites fonctions diichclle. Par diifinition, nous appelerons fonction dcliclle une fonction +(z) E L(Bi!) telle quil existe line fonction mho(() E L2([0,2r]),27rpriodique, vrifiant : (11.25) (cette condition est identique la condition QMF (11.22)-(11.23) une normalisation des filtres prs), telle que

& 2 0 = mo(E)4(E)
On notera de nouveau :
7710(<)

(11.26) (11.27)

=
k

hkC!ik

et (II.28)
k

les dveloppements de Fourier respectifs de nzo et mi.

190

Algorithmes rapides de calcul

Notons maintenant3
@(E)

= 2-j4(2-jx - IC),

$;(E)

= 2+$(2-jx

- IC)

(11.29)

et les coefficients correspondants :

Sj"f = (f'& T;f = (f'@)


Calculoiis par exemple :

(11.30) (11.31)

Un calcul en tous points identique fournit une expression similaire pour les coefficients T: f . En rcapitulant, on obtient :

Proposition 1 Soient q5(x), $ ( E ) une fonction d'chelle et une ondelette associe une paire de QMFs. Alors, pour toute f ( x ) E L2(lR), le calcul de la transforme en ondelettes s u r grille dyadique peut tre effectu l'aide d'un sclma de codage en sous-bandes :

(11.32)

(11.33)

Nous nous retrouvons donc dans un schma identique au codage en sousbandes tudi la section prcdente. L'identification est complte lorsque l'on a remarqu que la condition impose sur m o et ml est exactement une condition
3Noter ici la normalisation choisie pour les fonctions, telle que
pour
ll+b~lll = 11+b11i et

de mme

+f.

Ondelettes sur une grille dyadique

191

j-0

j-1

j-2

j-3

Figure VIII.1 : Algorithme QMF associ la transforme en ondelettes sur grille dyadique.
QMF. On a donc de nouveau un algorithme rapide de reconstruction, donn par : (11.34)
1

Lalgorithme peut tre schmatiquement reprsent de la manibre suivante. On considre par exemple une suite rno(<) possdant trois coefficients non nuls h-1, ho, hl et on suppose que lon connat la suite S, f , k E Z. Dans ces conditions, lalgorithme de dcompositions aux chelles plus grandes est organis comme dans la figure VIII.l. En remplaant rno(<) par r n l ( < ) , on obtient un algorithme similaire pour les coefficients T: f , k E E.

Remarque: Pour conserver une unit de notations dans cet ouvrage, nous avons choisi en (11.29) la normalisation L1 pour les fonctions 4 et @. On choisit : plus souvent la normalisation L, cest--dire r$(x) = 2-jl24(2-jx - k ) . Lunique modification apporter lalgorithme est alors une renormalisation des filtres par un facteur fi.

11.5

Quelques exemples et commentaires

I1 est assez facile de construire des couples (+,I)) associs des QMFs et permettant donc lutilisation des algorithmes dcrits plus haut. Beaucoup dexemples sont fonds sur lidentit trigonomtrique
sin< = 2sin ( < / 2 ) cos ( < / 2 ) = ... = lin1 2 N sin ( 2 - N < )
N+w

n
N

cos (2-j<)

(11.35)

j =1

192 qui implique donc

Algorithmes rapides de calcul

sin E -- -

n
00

cos ( 2 3

(11.36)

j=i

Ainsi, en partant d'un enticr n 2 1 et en posant (II.37) il vient immdiatement

J"(2J) = ? ? X O ( E ) J " ( < )


avec

(11.38)

(11.39) Notons tout de suite que ce filtre nzo([) ne vrifie pas la condition "QMF" (11.23) quand n 2 2 ; la reconstruction ne sera donc possible qu'en utilisant un filtre f i 0 (<) appropri. Ceci conduit directement l'algorithme pyramidal prcdent pour le calcul des coefficients Sj"f. I1 est facile d'obtcnir une ondelctte associe, en posant (11.40)
ce qui conduit :

(11.41)
et est aussi compatible avec notre algorithme pyramidal. I1 faut nanmoins noter que nous sortons ici du cadre prcdent, dans la mesure o ( part pour n = 1) les filtres rno(<) et rnl(<) ne vrifient plus la

relation de QMF. I1 faut alors introduire une ondclctte dc rcconstruction : (11.42) avec le filtre passe-haut correspondant : (11.43) Cet exemple correspond en fait aux ondelettes dites splines. Ces ondelettes sont tudies plus en dtail dails le complinent E.

Ondelettes sur grille rgulire

193

Remarques 1) Si on considre les formules prcdentes, dans le cas n = 1, on obtient alors le clbre systme de Haar, dont la fonction dchelle est la fonction caractristique de lintervalle [O, 1 : 1

41(4 = X[O,i]()
et londelette est la fonction de Haar :
$I()

(11.44)

1 = H ( z ) - 2H(z - -) H( - 1) (II.45) 2 o H ( z ) est la fonction de Heaviside. I1 est bien connu que la famille des 2 - j / 2 $ 1 ( 2 - j x - I;) , j , I; E Z est une base orthonorme de L2(m), qui nest ce plus le cas pour n 2 2. Dans ce cas, il faut modifier la construction pour, dans un premier temps, obtcnir une fonction 4(z) telle que la collection de ses translates entires soit une base orthonormale de lespace quelle engendre. Dans un deuxime temps, on montrera quil existe une ondelette associe, telle que la collection de ses translates et dilates (correctement normalisbes) sur une grille dyadique soit une base ortlionorinale de L2(m). Nous iie dcrirons pas ces aspects ici et renvoyons [4] et [lo] pour une prscntation self-consistante de la thorie et [3],[4]pour des listes de coefficients de filtres. 2 ) La procdure prcdente conduit des ondelettes possdant n moments nuls (en effet & ( E ) tn quand [ O). I1 est facile de la modifier pour obtcnir un nombre de moments nuls diffrent, par excinple en changeant la puissance de sin([/2) dans la dfinition de m i ( [ ) .I1 faut nanmoins faire attention aux zros de mi([) et faire en sorte que r k l ( [ )soit bien dfini quand nz1([) = O. 3 ) Nous avons vu ici le rle jou par les QMFs dans le calcul nuinrique de coefficients dondclettes. Plus prbcismciit, dks que lon dispose dune base dondelettes, on montre que le calcul des cocfficicnts correspondants peut tre effectu avec un algorithmc de QMF (voir [3], [8] et [lo] par exemple). Le problme rciproque, savoir associer une base dondclcttes une paire de QMFs, est lui aussi intressant. A. Cohen [2] a donn une condition nccessaire et suffisante pour quune paire ( 1 7 7 0 , m l ) de QMFs engendre des fonctions 4 ct $ de L2(m) conduisant des bases dondclcttes.

III

ONDELETTES SUR GRILLE RGULIRE

Considbrons maintenant le cas de la transforme en ondclettcs sur un rseau rgulier, cest--dire dans la version discrkte de la transforme en ondelettes invariante par translation. On va maiiitcnant chcrclicr . utiliser de nouveau des algorithmes du inCrne type que les xlgorithmcs de codage en sous-bandes prcdents. Pour cela, commenons par le cas simple o il est possible dassocier loiidelette utilisbe une fonction dchclle 4(z) et une paire de QMFs.

194

Algorithmes rapides de calcul

1 11 UTILISATION DE QMFs 1.
Supposons donc que nous disposons d'une paire de filtres miroir en quadrature m o ct m l , tels que
&2E) = m o ( E ) & E ) ,

= m1(04(E)

(III.1)

Nous noterons maintenant Sj f et Tj f les coefficients d'chelle et les coefficients d'oiidclctte respectivcnic~it~ :

S j f ( k ) = 2-3
T j f ( k ) = 2-1

'1

f(X)4(2+(X

- k))*dX

(III.2)

I1 est alors facilc de faire un calcul similaire au prcEdcnt :

f(X)+(2-j(X

- k))*dX

(111.3)

qui fournit ainsi :

Proposition 2 Soiciit @(x), +(x) une fonctioii d'chelle et uiie oiidelette asocic une pilire de QMFs. Alors, pour toute i ( ~E L2(lT1),IC calcul de la ) traiisforine cil oiidclcttcs stir grille r6gulirc pcut tre effcctuh l'aide d'un scliina de codage e11 sous-Landcs sails sous-chantillonnage :

(111.4) (111.5)

'A ne pas confondre avec les coefficients T t f et Sff que nous avons utilissprcdernment.

Ondelettes sur grille rgulire

195

Ainsi, on obtient une organisation pyramidale similaire la prcdente, la seule diffrence tant que, cette fois, on a un schma consistant en filtrages successifs et non de filtrages et sous-chantillonnages successifs. Avec les mtmes conventions que dans la figure 1, lalgorithme peut tre reprsent comme sur la figure V111.2 :
Remarque : QMFs ou F F T ? Comme nous lavons vu, le calcul dune transforme en ondelettes presque continue au moyen de la FFT requiert de lordre log,(N)2 oprations, et le calcul au moyen de lalgorithme pyrainide C F F T N dal, de lordre de C Q M F N ( N )oprations5. Lalgorithme pyramidal semble log, donc plus efficace, mais le rapport des temps de calcul dpend en fait de N ou, plus prcisment, du rapport
= log2 ( N ) F F T / C Q M F . C

Si N est assez petit pour que T soit infrieur 1, lalgorithme fond sur la F F T est plus rapide. On peut facileinent voir que dans le cas de filtres classiqiics, 1000. de longueur 10 environ, la valeur de transition est autour de N

111.2 Pseudo-QMFs
Nous avons donc vu quelle est la situation lorsque lon dispose dune paire de QMFs pour calculer la transforme en ondelettes. Mallicureusement, a nest en gnral pas le cas. Par exemple, dans le cas des ondelettes lcs plus simples, entre autres les drives de gaussieiines, on ne dispose pas de QMF pcrmcttant dacclrer le calcul. La question naturelle qui se pose est de savoir si on peut trouver une expression approche de la transforme en ondclcttes, de sorte que la transforme approche soit calculable avec des QMFs. Ce problCme a Ct tudi par un certain noinbre dauteurs, qui ont fourni des expressions explicites pour les filtres approchs qui interviennent. Nous dcrirons ici une des solutions possibles qui est donne par les analyses multirCsolution infiiiitsimales que nous avons dj en loccasion de voir la fin du chapitre II (et qui fait aussi le lien avec les dcompositions presque continues de la fin du chapitre VI). Dans ce cas, on part dune ondelette $(z) E L2(IIz),normalise de sorte aue : k+ = ?j(U) = ?j(-U) - = 1 . du (III.6 )

Ji

Ji

On construit alors une fonction dchcllc associe p(x), telle qiie :

(III. 7)
O CQMFdpend d e la longueur des filtres {IL,,} et
{g,,}.

196

Algorithmes rapides de calcul

O\E

O O

O
O

Figure V111.2 : Algorithme QMF associ la transforme en ondelettes sur


grille fine.
,

Ondelettes sur grille rgulire et des ondelettes intgres Q ( x ) , vrifiant :

197

(111.8)
On a alors

$(E) = W 2 ) - @(E) et toute fonction f ( x ) E L2(IR) peut tre diicompose comme :


M

(111.9)

(111.10)
o lon a pos
Q$)
= 2-jQ (2-j(x - I>))

(111.11)

et de mme pour Qi.partir de ces nouvelles fonctions, on peut construire des A filtres et un algorithme rapide approchiis de la manire suivante. Nous allons tout dabord faire Ihypothse quil existe une fonction (pas ncessairement 27r-priodique) po(E) dbfiiiie partout, telle que :

WE)= Po(E)@(E)
ainsi quune fonction p1 ( E ) telle que

(111.12)

@ ( 2 0 = Pl (OF(E)

(111.13)

Lide essentielle est la suivante. Supposons que nous voulions chantillonner Tj f et Sjf la frbquence unit, on fait lhypothse a priori que la fonction p est essentiellement localisbe dans lintervalle [-7r, T]. Introduisons le sous-espace de L2 suivant :

(a)

U = { f E LZ(IR),f Ccysp(. - k ) , { c y k } E Z2(Z)} O =

(III.14)

Nous supposerons que la collcction {p(z - b ) , k E 27) est une base de Riesz de Uo, cest--dire quil existe deux constantcs finies et non nulles A et B telles que A5 I@(( 27rk)l2 5 B (presque partout) (111.15)

On montre alors facilement quil existe une fonction x E L2(IR) telle que la suite { x ( x - k ) , k E Z} est la base de U biorthogonale {p(x - k ) , IC E 27). O

(1II.lG)

198

Algorithmes rapides de calcul

Considrons maintenant les discrtisations des fonctions Tjf(x) et Sjf(x) :

$(n) = ~ j ( n ) ~jd(n) ~ j ( n )n E zi: , = V

(111.17)

Ck hieiket my(<) C k g i e i k f . = Lide qui est la base de tout ceci est que

Passons la dtermination des QMFs approchs, que nous noterons m:(<)=

dans la mesure o la fonction est localise dans un voisinage de O et o les filtres mo et ml apparaissent toiijours sous la forme de produits avec on peut se contenter de lcs approxiiner avec des filtres 2~-priodiques dans un voisinagc de O. Nous notcrons : (III.18) TPf(n) = -k)

6,

Cg;*s,f(n
k

et

s;f(n) =
k

Iz;*S:f(n - k )

(111.19)

et aux chelles suivantes : (111.20)


k

et
(111.21)
k

La slection des filtres approchs m,([) my(<)se fait en comparant les et rsultats fournis par lalgorithme, ccst-&-direSjf et Tj aux discrtisiies des f transformes usuelles Sjf ct Tjdf. On remarque imniiidiatcment le riisultat suivant :

I1 existe de nombreux critkres de choix du meilleur filtre approch. Les filtres approchks que nous choisirons sont donns par le rsultat et les estimations suivantes :

Thorme 2 Soient ~ ( x ct q ( x ) respcctiveinent la foiiction dclielle et 1011) deiette intgre assocides Iondclctte $(x) et soient P O ( < ) et p l ( < ) les filtres
passe-bas et passe-hiit associs. Notons :

On a alors les proprits suivantes :

Ondelettes sur grille rgulire

199

Il existe une unique paire de filtres 27r-priodiques mq(E) = mi(<)qui minimisent v(pi,mq). Leur expression est la suivante

ii)

On a

IISjaf
et

- Sjf

IlCa

I V(,-lO r n 0 ) 2 + ~ ~ j l l fIl2

(111.25)

ci = ess sup mi([)


F Ei n

et

rcj = 1- (coJz>j
1 -Co&
iii)
Pour toute f E IAo, on a de plus :

Sff = S f f , Tif = T t f
Avant d e dmontrer cc rsultat, notons le corollaire iminbdiat
:

(111.27)

Corollaire Les filtres approchs donns par le thor&meprcdent vrifient :

nzo() rJll(t) 1 =

(111.28)

et fournissent donc lalgorithme de reconstruction simple suivant, analogue de la formule de reconstruction de Morlct :

Sof)( .

3%

Tl) j(l

(III.29)

Passons maintenant 2 la preuve du tliorbirie. On remarque dabord que

200

Algorithmes rapides de calcul

On voit donc apparatre la fonctionnelle v dans notre problme. Sa minimisation est un problme classique, qui est en fait quivalent la projection orthogonale de #(2/2)/2 sur 240 (ie. la minimisation de la distance dans L2 entre 4(2/2)/2 et 240). Plus prcisment, les coefficients h k ne sont autres que les coefficients par rapport la base des #(x - k ) , k E 2 de la projection de 2 #(2/2)/2, que lon obtient simplement en crivant que

ce qui conduit

ou encore

Jrl

p(x

+ k ) *[
1

hpp(x

+ 1 ) - p(

ds = O Vk E

On sait dans ce cas que la solution est unique et quelle est prcisment le nzo(J) qui est donn dans lnonc du thorbme. On estime rigoureusement de mme lerreur IlTPf - T ~ f l l mce qui conduit lexpression donne pour m1(<). , Passons maintenant aux chelles plus grandes. I1 est utile dintroduire les coefficients intermbdiaires suivants :

Tjf(n) Cg;*s:f(n 2j-%) = k

(111.30) (111.31)

S j f ( n )=
k

hi*S,df(n- 2 w c )

Clairement, on a

Examinons les coefficients S j j (le raisonnement pour les Tjf est le mme).

11%-

$3

Il

J I C m 0 (2j-I (<+27rk))@(2j-1 (J+27rk))f(<+27rk)


kE2

2x

Ondelettes sur grille rgulire En ce qui concerne le second terme, on a encore :

201

E n runissant ces deux estimations, on obtient ainsi les deux premires parties du thorme. Passons maintenant la dernire. Supposons que f(z) E Uo. Alors = F()@(E)

f(0

o F ( < ) est une fonction 2.rr-priodique, de carr intgrable sur [ 0 , 2 ~ ] .Un calcul explicite conduit alors

spf - S,f

- -

=
kEB

(&(E)*

- mo(E

+ 2 7 4 , ) [@(E + 2Kk)IZF(E)

= O si rn; = nao.
A titre dexemple, considrons la clbre ondelette LOG (Laplacian Of Gaussians) 1 $(x) = -(i - 2 2 ) e - x 2 / 2 (111.32)

fi

La fonction dchelle linaire associe est simplement la gaussienne


(111.33) alors que londelette intgre est le DOG (Difference Of Gaiissians) (111.34) Pour plus de gnralit, nous considrerons la famille de fonctions dchelle

& ( E ) = e-C2/a

(111.35)

avec les ondelettes intgres associes. Un calcul direct fournit les coefficients pour les filtres { h k } et { g k } . Les Coefficients, dans les cas (Y = 2 (Y = G sont donns dans le complment E.

111.3

Redondance en chelle

Pour boucler la boucle et revenir une transforme en ondelettes algorithmiquement efficace et proche de la transforme continue que nous avons vue au dbut de cet ouvrage, il ne nous reste plus qu rintroduire la redondance en chelle.

202

Algorithmes rapides de calcul

Le moyen le plus simple est sans doute de rutiliser les formules prcdentes et dutiliser directement lalgorithme correspondant en partant de fonctions dchelle, copies dilates de celles que nous avons utilises. Plus prcisment, considrons le cas dune transformation en ondelettes, par rapport des ondelettes de largeur de bande dune octave approximativement et N - 1 chelles intermdiaires (en progression gomtrique) par octave. Soit donc ax = = 2 X / N , o X = N j p. Si g(z) est londelette infinitsimale, normalise de sorte que cg = 1, on pose alors,

(111.36)

et
(111.37)

On dispose donc dune famille de N fonctions dchelle et ondelettes, copies dilates les unes des autres. La mme procdure que prcdemment, applique chacune des ondelet tes et fonctions dchelle, produit alors une famille de filtres passe-bas et passe-haut donns par :

Remarque : Une variation possible. On peut aussi utiliser les mmes ides pour construire une transformation en ondelettes dans laquelle toutes les chelles sont indpendantes. I1 est alors suffisant dutiliser une unique fonction dchelle et dintroduire la famille dondelettes suivantes
(111.40)

La mtine procdure fournit alors les filtres

qui vrifient :

m,

+ Em, = 1

(111.42)

Le cas bidimensionnel

203

La reconstruction scrit :

(111.43)
p

j=J (111.44)

o on a pos

IV
IV.l

LE CAS BIDIMENSIONNEL
Produit tensoriel

Nous avons dj dit dans lintroduction quune condition ncessaire lexistence dalgorithmes rapides de calcul de la transforme en ondelettes tait la compatibilit du rseau de discrtisation avec les oprations lmentaires utilises pour gnrer les ondelettes. Ceci reste vrai pour la transforme en ondelettes bidimensionnelle. Tant quon se limite des translations et dilatations, des algorithmes rapides sont toujours disponibles. En revanche, on ne sait toujours pas, lheure actuelle, comment discrtiser des rotations en plus des dilatations et translations, de sorte que lon ne dispose pas dalgorithme rapide pour la transforme en ondelettes avec rotations. On se contentera donc de dcrire un algorithme attach aux ondelettes classiques et donc fond sur les mmes ides de QMF. Le plus simple consiste en fait considkrcr un produit tensoriel de deux filtres unidimeiisionncls. Etant donne une fonction dchelle unidimensionnelle 4(z), associe une paire de filtres ? n o ( [ ) et m l ( [ ) , construit une fonction on dchelle bidimensionnelle

I1 est alors immdiat que

de sorte quun candidat naturel pour le filtre passe-bas est :

Si nous conservons lide que le filtre unidimensionnel m.0(C) est essentiellement localis entre -7r/2 et 7r/2, mo([z,[g) lui essentiellement localis dans le est carr [-7r/2,7r/2] x [-7r/2,7r/2].

204

Algorithmes rapides de calcul

En ce qui concerne les ondelettes, l'identit suivante, consquence de l'quation aux QMFs unidimensionnelle

(IV.4)
suggre l'utilisation non plus d'un filtre passe-haut, mais de trois, savoir :

d (L,

ly

= m (tz>mK Y ) o 1 = ml(lzho(5y)

(IV.5) (IV.6) (IV.7)

4 l z 7 l y )

m X L , l y ) = ml(Ez)ml(Ey) et conduit donc trois ondelettes correspondantes : 4 ' ( 2 l Z ' 21,) = m ; ( L ,E Y ) & Z ,
(y)

e = 1,273

(IV.8)

I1 est facile de vrifier que si les 2-jI2$(2-jz - k ) , j , k E Z forment une base orthonormede L2(m), alors les 2-j$'(2-jz-k, 2-jy-I), j , IC, I E 27, = 1 , 2 , 3 E forment une base orthonorine de L2(m2), pour laquelle on dispose des algorithmes rapides correspondants. Si on note : (IV.9) s!Jf = (f, 2-*j4(2-j . - k , 2-j . -1)) 3
et

T:: f = (f,2-2j$'(2-j . - k , 2-j - l ) ) ,


il est facile de voir, d'aprs les calculs prcEdents, que l'on a :

(IV.10)

(IV.11)
ainsi que

(IV.12) (IV.13) (IV.14)


k 1

On se retrouve donc exactement dans le mme schma algorithmique que prcdemment. L'algorithme de resynthse est exactement similaire au prcdent.

Le cas bidimensionnel

205

IV.2 Algorithmes approchs


On peut, bien entendu, modifier encore une fois cet algorithme, par exemple, en nutilisant plus que deux ondelettcs au lieu de trois (dans ce cas, on na pas de base orthonorme sous-jacente et il est ncessaire de considrer des filtres de reconstruction diffrents des filtres danalyse). L encore, le choix de lalgorithme est li lapplication que lon souhaite en faire. Nanmoins, cette structure algorithmique est trop contraignante si lon sintresse des ondelettes bidimensionncllcs comme cclles dont nous avons parl auparavant, cest--dire radiales ou localises frquentiellement. Dans un tel cas, on peut nanmoins reprendre la technique dapproximation dveloppe dans le cadre unidimensionnel, pour construire des filtres approchs qui permettent un calcul efficace de coefficients en ondelettes. Prenons pour simplifier le cas dune fonction dchelle radiale 4(z, y). Naturellement, il nexiste pas en gnral de fonction 27r x 27r-priodique reliant 4(z,y) et 4(2/2,y/2)/4. I1 est en revanche toujours possible de chercher la combinaison linaire dcs +(z - k , y - t) la plus proche de 4(2/2,y/2)/4. En procdant comme prcdemment, on obtient immdiatement :

Proposition 4 Les fonctions priodiqucs :


nlo(5,
et

e) =
k,C

h , e exp(i(k5 te)}

n l i ( ~ ,= C g k , e e x p { i ( k E + t O ) ~)
kJ

qui minimisent respectivcment :

114(42, y/2)/4 k,e

h , ~ + k, Y + 4ii2 +

et

II+W, ~ / 2 ) / 4 k,e

~k,&

+ k , Y + 4ii2,

sont donnes par


mo(57 C ) =

&x ,

&2(5

+ 27%

2(C

&,z

i&S

+ 2 4 ) & + 2Tk c + 2 4 + 2Rk, c + 2 4 1 2

(IV. 15)

et

20G

Algorithmes rapides de calcul

Figure VIII.3: Filtre passe-bas approch pour ondelette LOG bidimensionnelle.

Figure VIN4 : Filtre passe-haut approch pour ondelette LOG bidimensionnelle.

Commentaires et rfrences

207

Exemple : Ondelettes LOG. Si nous reprenons lexemple prcdent des ondelettes laplacien de gaussienne b;dimensionnelles, les filtres correspondants peuvent tre calculs numriquement. Les fonctions rno et r n 1 approches sont respectivement reprsentes en figure VIII.3 et VIII.4.
On traite de faon similaire le cas dondelettes associes des rotations.

COMMENTAIRES ET RFRENCES

Les algorithmes pyramidaux fonds sur les QMFs sont en fait antrieurs aux premires constructions dondelettes. En effet, les techniques de laplacien pyramidal remontent aux travaux de Burt et Adelson [il sur la vision par ordinateur et les mthodes de codage en sous-bandes ont t proposes initialement en 1977 par Esteban et Galand [GI, puis modifies en 1986 par Smith et Barnwell [14] dans un contexte de traiternent dimages. La relation entre les QMF et les bases dondelettes a t dans un premier temps note et utilise par S. Mallat (81, puis clarifie par A. Cohen [2] et W. Lawton [7], qui ont montr sous quelles conditions il y a quivalence entre les deux approches. Ces aspects de lanalyse par ondelettes ont donn naissance une importante littrature (voir [4] par exemple pour une revue de diffrents aspects). En particulier, Coifinan, Meyer et Wickerhauscr ont montr quel parti on pouvait tirer de la richesse algorithmique des dcompositions en ondelettes et ont construit des algorithmes pyramidaux adaptatifs, permettant de slectionner une meilleurebase dans une bibliothbqiie fournie par lalgorithme (voir [16] pour une description coinplbte).
P. Burt, E. Adelson, The Laplacian Pyramid as a Compact Image Coder, ZEEE Trans. on Comm., 31 (1983) p. 482-540. A. Cohen, Ondeletteset traitement du signal digital,Thse de doctorat, CEREMADE (1990) I. Daubechies, Ortlioiiorinal Bascs of Coiiipactly Supported Wavelets, Coinm. Pure Appl. Math., 41 (1988) p. 909-996. I. Daubechies, Ten Lectures on Wavelets, C B M S - N S F series, SIAM (1992). M. Duval-Destin, M.A. Muschietti, B. Torrsani, Continuous Wavelet Decompositions: Multiresoliition and Contrast Analysis, S I A M J. Math. An., 24 (1993) p. 739-755. D. Esteban, G. Galand, Application of Quadrature Mirror Filters to Split Band Voice Coding Schemes, Proc. Znt. C0n.f. ASSP (1977) p. 191-195. W. Lawton, Sufficient Conditions for Coiistructing orthonormal Wavelet Bases, J . Math. Phys, 32 (1991) p. 57-61, S. Mallat, A Theory for Multircsolution Signal Decomposition: The Wavelet Representation, ZEEE Tra.n.s. Pattern Anal. an.d Mach. Zntell., 11, n. 7 (1989) p. 674-693. D. Marr, Vision, Frccinanii (1982).

208

Algorithmes rapides de calcul

[lo] Y. Meyer, Ondelettes et oprateurs ; 1 Ondelettes, Hermann (1989). . [il] Y. Meyer, Ondelettes et algorithmes concurrents, Masson (1993). [12]R. Murenzi, Ondelettes multidimeiisionnelles et applications lanalyse dimages, Thses, IPT Louvain-La-Neuve (1990). [13] M.A. Muschietti, B. Torrsani,Pyramidal Algorithms for Littlewood-Paley Decompositions, SIAM J. Math. An., paraitre. [14]M.J. Smith, D.P. Barnwell, Exact Reconstruction for Tree-Structured ubband Coders, IEEE Trans. ASSP, 34 (1986)p. 434-441. [15] Torrsani, Approximate Filters for LOG Wavelets, code MatliematicaTM, B. FTP anonyme cpt.univ-rnrs.fr, dans /pub/preprints/94/wavelets/94-P.3002. [16] M.V. Wickerhauser, Adapted Wavelets Analysis from Theory to Software, A.K. Peters Publ. Comp. (1004).

VI

COMPLMENT E : FILTRES POUR ONDELETTES SPLINES ET LOG

Nous donnons dans ce complment plus de dtail sur deux exemples dondelettes associes des algorithmes pyramidaux. Le premier exemple est une famille dondelcttes pour laquelle il existe un algorithme rapide de dcomposition-synthse : les ondelettes splines. Le second est une application de la mthode des pseudo-QMFs dveloppe dans la section III du prsent chapitre.

VI.1

Splines de base et ondelettes de Battle-Lemari

On connat maintenant de nombreux exemples de filtres nzo(J) et rn1(J) permettant lutilisation des algorithmes pyramidaux dcrits au chapitre VIII. Le prototype des ondclettes et des fonctions dchelle associes une telle structure aigorithmique est fourni par les ondclettes dites splines (associes la thorie de lapproximations par fonctions splines), dont nous avons bauch la construction dans la section II du chapitre VIII. Nous dveloppons maintenant cette construction en dtail.

Dfinition 1 La fonctioii spliiie de base dordre n p n ( z ) est dfinie rcursivement par

/3(.)
o Po(z) = x[o,l](z). On voit immdiatenicnt que

= p

* p-1

(z)

(E4

Complment E : Filtres pour ondelettes splines et LOG d'ordre n sur [ k , k

209

+ 1[,V k E Z }

(E.3)

alors c'est un rsultat classique de thorie de l'approximation que toute f(z)E Vi"' peut tre reprsente comme combinaison linaire des translates entires de P"(z) :

Plus prcisment, on a

Thorme 1 La collcction des translatCcs entihrcs &(z) = Pn(x - k ) est une base inconditionnelle de Vi"', i.e. il csistc dciix constantcs O < C 5 C' < ca telles que V { a k , k E Z } E S2(Z)

De plus, il existe pn(z)E Vin' telle que

Toute f(z)E Vi"' peut tre d6coinposc comnie :

On dduit immdiatement de l'quation (E.G) la forme de pn(z)dans l'espace de Fourier :

Bien entendu, la collection dcs pn(z- k ) est loin d'tre l'unique base inconditionnelle de Vi"'. En particulier, on a :

Lemme 1 Soit g(z) = a k p n ( z - k ) , o { a k , k E Z } E S2(Z). collection La des g(z - k ) , k E Z est u ~ i c base iiiconditionnclle de Vi"' si et seulenient si la transfornie de Fouricr ni(<) = cy$ exp{ik<} de la suite { a k , k E Z } est telle que O < A 5 Im(()l L B < 00 (E.9)

Ck

pour deus coiistantcs rcllcs fiiiics A ct B.

210

Algorithmes rapides de calcul

Preuve : 11 suffit d'crire, V { y k , k E 22) :

On a alors

C I I *~ YIIe2

I II C ~ k i 1 ( - k)112 C ' I I ~ YIIez 5 I *


k

et le lemme en est le rsultat. Les fonctions splines de base sont bien adaptes la structure algorithinique pyramidale du chapitre VIII, pour la raison suivante :

Lemme 2 Les foiictioiis splines de base vckifient l'quation deux chelles :


(E.lO) o les coefficients uf ne soi-it autres que :

u; = 2 - " - l (

n+l I;

(E.ll)

Preuve : 1 suffit d'crire l'expression de 1

Bn([)

pour voir :

En dveloppant :

on obtient bien l'quation deux chelles recherclike. La consquence immdiate de la relation deux clielles est que le calcul des coefficients (f, 2-jpn(2-ix - k ) ) d'une fonction f E L'(Ri) peut s'effectuer via l'algorithme de codage en sous-bandes. Les coefficients uk sont les coefficients de Fourier du filtre passe-bas :

(E.12)

Complment E : Filtres pour ondelettes splines et LOG alors que le filtre passe-bas associ p est donn par :

211

(E.13) Les coefficients de Fourier de ces filtres peuvent tre calculs numriquement. Dans la terminologie des ondelettes, p (x) est appele fonction dchelle. On construit ici les ondelettes associes de la faon suivante. Les translates de la dilate de pn(z): 2-j/2pn (2--jx - IC) forment une base inconditionnelle de lespace ferm Vjn quelles engendrent. (E.14)
k

On introduit alors lespace W,!,cornplFrnent orthogonal de Vjn dans Dans ce contexte, une ondelette sera une fonction $(z) E Won, telle que la ( collection de ses translates entires soit une base inconditionnelle de Win. De linclusion Win c Vi, on dduit immdiatement lexistence dune suite {gk} telle que : (E.15) Cette quation deux chelles coiiduit, cllc aussi, directement un algorithme de type codage en sous-bandes pour le calciil des coefficients (f, 2-j$(2-jzb ) dune fonction f E L 2 ( l R ) . Naturellement, le lemme 1 sapplique galement Won, de sorte que toute ( fonction yk$(z --IC), o { ~ k } dfinit un oprateur de convolution inversible, fournit aussi une base inconditionnelle de Won. (

Ck

Nous voyons donc quil subsiste une grande libert pour le choix des fonctions g(z) et $(x) (et donc des filtrcs danalyse mo(<) m1(J)). En revanche, et une fois ces fonctions danalyse fixes, les fonctions et les filtres de synthse sont compltement dCtermiiiFs. I1 existe notamment des choix conduisant des fonctions dchelle iiiterpolatrices (cest--dire tellcs que g ( k ) = 6k,oVb E Z , ce qui permet dcrire f(x) = f(b)g(z - I ; ) V$ E Vi) ou des ondelettes $(z) support compact. Parmi tous ces choix possibles, on peut cn particulier utiliser la procdure de Gram pour orthonormaliser la base de Vi. On obtient ainsi les ondelettes de Battle-Lemari :

E,,

212

Algorithmes rapides de calcul

Thorme 2 Soit B ( z ) une fonction spline de base et soit Von lespace ferm ( sous-tendu par ses translates entires. Soient +(x) et $(z) dfinies par leur transforme de Fourier :

(E.16)

(E.17)

i) La collection des +(z - k ) ,k E 25

cst une

base orthoiiorine de Y,. (

ii) La collection dcs $(z - k ) , k E Z est une base orthonorine de Won. La preuve de ce thorme rCsulte dune vrification directe. Etant donne une fonction f(z) E L(El) dcomposer, le calcul de ses coefficients par rapport cette base seffectue au moyen de lalgorithme de codage en sousbandes, les coefficients des filtres tant les coefficients de Fourier des fonctions 27r-priodiques : mo(0 = (2J)/4(S) (E.18)
m1(C) =

&(25)/4(0

(E.19)

qui se calculent numriquement. Les ondelettes de Battle-Lemari ne sont pas support compact, mais prsentent lavantage dutiliser les mmes filtres pour lanalyse et la synthse.

VI.2

Filtres approchs pour ondelettes LOG

Nous revenons ici plus en dtails sur les ondelettes laplacien de gaussienne et diffrence de gaussiennes, et les coefficients des filtres approchs qui leur sont associs. Rappelons ici, qu la diffrence des ondelettes splines que nous venons dtudier, nous avons abandonn toute notion dorthogonalit. Les translates entires des ondelet tes et des fonctions dchelle iie sont plus orthogonales ; de plus, les analogues des espaces Yo et Win ne sont plus orthogonaux entre eux. Le but de cette section est de fournir les valeurs numriques des coefficients des filtres approchs pour ces ondelettes. Ces valeurs ne sont en effet pas disponibles dans la littrature. Considrons donc les fonctions dclielle (E.20)

Complment E : Filtres pour ondelettes splines et LOG

213

Figure VIII.5 : log v(p1

nil)

en fonction de a.

avec les ondelettes intgres associes (voir les formules (111.32) (111.35) du chapitre VIII). Les coefficients du filtre passe-bas (E.21) dans les cas CY = 2 a = G , sont reprsents clans les tableaux 1 et 2. Quant aux coefficients du filtre passe-haut
(E.22) ils se dduisent iiniiidiatenieiit de la relation :
?JLo(<)

+ nil(<) = 1

(E.23)

La prcision de lalgoritlinie approch correspondant se mesure directement au paramtre v(p1,?ni),dont le l o g a r i t h e cst rcprbsentb la figure VIII.5, en fonction de a.

214

Algorithmes rapides de calcul

Tableau VIII.l : Coefficients du filtre


a=2 0.2303293981504295 0.1949696890597745
a=3

{hk}.

ff=4

0.2820879504943221 0.2197019560174942 0.1037718457676399 0.02973617314347277 0.005164308485305415 0.000546197488144622 0.00003372200057470929 2.08898668931196710-6 -4.723263083251334

0.3256327400276189 0.23348983204217

I I
I I I I I I I I I

I 0.0513934674734677 I 0.01600406489791245 I 0.003571008383091751 I 0.000570918511923951 I 0.00006541345583118924 I 5.362330274241683 I 3.207260971336785lo-' I


0.1182550445250639 9.4816474049383710-9 3.3G607196807179lo-' -2.29228007214764910-9 1.788522779512123lo-' -1.39107684543338710-y 1.082557022573435lo-'

lo-'

3.455616621472636lo-' -2.36743540G61213910-7 1.62569144373247lo-'

I I I I I I I I I I I

0.085798244731082 0.01625749135447543 0.0015489926732795 0.0000922406284932685 -6.329399769840077 5.046635369126971 -3.037204277690354 1.840533840997319 -1.11595109520189510-6 6.767716261725134lo-' -4.104633291249153 lo-' 2.4895426118785lo-' -1.509974254859814 lo-' 9.15843523247666

I I I

-1.116847864424092 lo-' 7.674439326224147 -5.2740G06480012G510-8 3.624643193430867lo-*

Complment E : Filtres pour ondelettes splines et LOG

215

Tableau V111.2 : Coefficients du filtre

{hk}

(suite).
a=6

I I I

ff=5 0.3G36450885964668 0.24053898127128G5 0.06849623968237273 0.008720731154457 0.0003826569816774996 0.00005326775323516695 -0.00002238764144303302

1 I I

0.3972771041574456 0.2433136948393599 0.053233834008G5474 0.004788125238023543 -0.00002934485917262438 0.00007751303939803942 -0.00003576989742401233

I I I

I I I I I

0.0000120134849662G678 -6.425396023889129 3.438542742579532

1 I I

0.00001688424764446744 -7.973936211287443 loe6 3.7663450307869193

I I I I I

I -5.272739623658996 l o W 7 I
9.85082341844433 8.085992352227G710-'

8.40398274685488 lo-' -3.96975836221321

4.184093934894746lo-'

ANNEXE A : LMENTS D'ANALYSE

Nous donnons ici quelques lments ncessaircs pour la lecture du texte. Les notions de base sont supposes connues et nous ne nous y attarderons donc pas. Donnons tout de niime c~uclclucs dtails supplrneiitaircs sur les espaces fonctionnels, ainsi que sur la transformation de Fourier et les distributions continuellement utilises dans le corps de l'ouvrage.

NOTIONS DE BASE

Nous manipulons tout au long de cet ouvrage un certain nonibre de notions simples d'analyse telles que des notions de continuit, de diffrentiabilit ou d'intgrabilit. Nous dcrivons ici qudques points ncessaires, sans entrer dans les dtails tecliiiiques. Nous renvoyons par cxcrnple [8], [7] ou [4] pour une prsentation complte.

1.1

Continuit, diffrentiabilit, rgularit

Nous ne reviendrons pas en dCtail sur la notion de continuit. Coniine l'habitude, nous noterons C m ( a n ) l'cspacc des fonctions m fois diffreiitiables sur Un outil essentiel que nous utiliserons est la formule de Taylor, que l'on peut crire dans le cas niultidimcnsiarincl comme suit. Si f E C m ( a n ) , alors on peut crire :

a".

218

Elments d'analyse

et rm,z,,(z) un reste, born par est

On dispose de formules analogues dans le cas de fonctions diffrentiables sur un ouvert. I1 existe des mesures plus fines de rgularit des fonctions. Nous nous intresserons en particulier aux proprits de rgularit holderienne. Si O < a < 1, l'espace A " ( a ) est dfini comme suit :

Si l'on note l ] f l l a la borne infrieure des constantes A telle que l'ingalit prcdente soit vrifie, on peut vrifier que II . 11" est une norme ( condition de considrer les lments de A"(IR) modulo une constante additive, ce qui est implicite dans la dfinition), qui fait de A " ( a ) un espace de Banach. Nous verrons comment caractiiriser de tels espaces au moyen de la transformation en ondelet tes'. Si p < a < p 1, A " ( a ) est dfini comme suit :

i ' Am = f : D -+

a , < cm,P ( x ) polynme de degr '3K


- P ( x - y)1 5 1i1x - yIQ vx,y E a

5p,
(1.4)

).(fI

et la gnralisation immdiate de la norme prcdente en fait aussi un espace de Banach. (I1 faut cette fois considrer les lments de A"(IZI) modulo les polynmes de degr p.) Ce critre de rgularit peut aussi tre test localement : l fonction f(z) a sera dite liolderienne d'exposant a E]p,p+l( au point 20,s'il existe un polynme Pz,(x)de degr infrieur ou gal p et une constante A > O tels que Vh I : ho

Si f(z)est p fois diffrentiable en ZO, P,,,(h) n'est autre que le dveloppement de Taylor l'ordre p de f(x) en 2 0 . Nous montrons au chapitre IV comment mesurer priicisment ce type de rgularit.
'En anticipant quelqiie peu, disons qu'une ondelette est par essence une fonction d'intgrale nulle ( i l s'agit l d'une proprit "minimale"). Les ondelettes sont bien adaptes l'tude d e A"(m) ; en effet, le produit scalaire d'une ondelette par une fonction constante est donc nul ; o n dit parrois que les ondclettes ne "voient pas les constantes additives".

Notions de base

219

1.2
E

Mesurabilit, intgrabilit

La mesure de Lebesgue2 sur

LR est

l'application qui tout sous-ensemble

c LR associe

l'inf tant pris sur tous les rccouvreincnts de E par des ouverts ]a;,b;[. La mesure de Lebesgue sur 121" est simplement obtenue en considrant des produits cartsiens. Le sous-ensemble E c LR" est mcsiirable si pour tout F c LR", on a IF1 = I F n El I F n E"1. Une fonction f ( z ) est dite mesurable si pour tout y E Ln, l'ensemble E, = {z, f ( z ) > y} est niesurable.

Etant donne une fonction f(z), son iiitgrale de Riemann sur l'intervalle [a,b] est dfinie de la faon suivante. Considrant des partitions quelconques a = a0 < al < a2 < ... < a, = b de [a,b] cn sous-intervalles [ a k , ak+l] de taille maximale 6, et pour tout k un Xk E [uk,uk+l]quelconque :

f ( z ) est dite intgrable au sens de Riemann si la limite existe, indpendamment de ia partition ct dcs points xk choisis.
Etant donne une fonction Lcbcsgue mesurable f(z)3 O, on lui associe sa fonction de distribution y,(z), dfinie par
Y/(X)

= I{!/

m ,f) ( .

> YI1

(1-8)

Si yf(z) est intgrable au sens dc Ricmann, f ( z ) est intgrable. Son intgrale de Lebesgue est alors :

Dans le cas gnral, on suppose If(z)I iiit6grable et on note : f+(z) (resp. f-(z)) est le produit de f ( z ) par la fonction de Heaviside H ( z ) (rcsp. H ( - z ) ) . Alors l'intgrale de Lcbcsgue de f(z)cst doiiric par
r

roo

rm

(1.10)
* i l s'agit en fait de la mesure ext6rieiire de Lebesgue, mais nous n'entrerons pas dans ces dtails ici.

230

Elments danalyse

II
11.1

ESPACES FONCTIONNELS ET DISTRIBUTIONS


Les espaces LP
Soit 1 5 p

5 m. Dans tout ce qui suit, on notera

LP(R)=

{ f : m + c , llfllp=

[JIf(.)id.I

<a>

(11.1)

lespace des fonctions p-sonmiables sur l par rapport la mesure de Lebesgue R et LI( an) la gnralisatioii miiltidimciisioiirelle vidente. On notera galement

~ ( m ){f : IR+a, =
0

~ = ess suplj(z)l < cm} j ~ ~ m

(11.2)

tl
ess suplf(z)l = iiif{r : z/i,i(r) = O}

Pour tout p , D(El)est coniplct par rapport la mtrique dP induite par 11. I l P , ddiiie par d , I ( f , d = Ilf - SllP f,g E LP (11.3) Daiis le cas priodique (par exemple 27r-priodique) on dira que f E LP([O, 2x1) si

(11.4)
On notera enfin P ( Z )lanalogue discrct des espaces LP ; plus prcisment, on dira clue la suite {sn,n E Z } E P ( Z )si

(11.5)

11.2

Lespace L2

Parmi ics espaces L, iesi>aceL 2 ( l R )a un statut particulier cn ce sens quil est m i n i dun produit scalaire (en dautres termes une forme liermitienne non dCgEiirCe),que nous noterons :

(11.6)
Quand il ny a pas de coiifusion possible, nous noterons plus simplement II . II et (., .) la norme et le prodiiit scalaire dans L). Le produit scalaire permet de doiiiier L2(m) une structure despace de Hilbert.

Espaces fonctionnels et distributions

221

Comme dans tous ICs espaces o la norme provient dun produit scalaire, celui-ci peut tre retrouv partir de la norme en utilisant lidentit de polarisation :

11.3

Quelques ingalits utiles

Nous utiliseroiis coiistaininent par la suite les deux enserilblcs dingalits suivantes :

II.3.1

Ingalit6s d e Holder

Si f E LP(IR) et g E Lq(IR),alors le produit point par point fg appartient Lr(IR), o T est donn par 1- - -1+ - 1
r P 4
11dIq

(11.8)

De plus :

Ilfdl.r I l l f l l p

(11.9)

Les cas particuliers classiques sont lingalit de Cauchy-Schwarz

(fJ> l l f l l 2 ll.dl2 I
et

(11.10)

IlfsllP I IlfllmlldlP
II.3.2 Insdits de Young
Si f E L p ( I R ) et g E LQ(IR), alors IC produit de convolution f * g

(11.11)

(II.13) appartient Lr(IR), o


T

est inaiiitciiaiit doiin par

1 1 1 I+-=-+ P 4
De plus :

(11.13)

IIf * d l I llfllp l l ~ l l q ~

(11.14)

Ceci implique en particulier clue tous les espiiccs LP(IR) sont stables par convolution avec une fonction intgrable : L * LP = LP. On peut aussi montrer clue, si f,g E L2(m), produit de convolution f * g est alors une fonction coiitiiiue. le

222

Elments danalyse

II. 3.3 Ingalits in tgrales de Minkowsky


Si F ( z ,y) est une fonction de deux variables, intgrable sur X x Y ,alors

pour tout 1 5 p

< CO.

11.4

Identit approche

Soit { & , E E a;} famille de fonctions intgrables. On dira que cette une famille fournit une identit approche dans L P ( a ) ,p < oc) si Vf E LP(lR) on a

On dira alors que f * 4e tend (fortement) vers f dans LP. Un exemple didentit approche est obtenu comme suit : Si 4 E L (82) une fonction dintgrale est gale 1, on pose :
(II. 17) I1 est facile de montrer que lon obtient ainsi une identit approche de L2(lR) par exemple.

11.5

Fonctions de test et distributions

Etant donne une fonction f ( x ) mesurable, on dfinit son support supp(f) comme le complmentaire de lensemble {x E lR, f(x) = O}. supp(f) est un ensemble niesurable. On appellera fonctioiis de test les fonctions de classe C support compact et on notera D ( a ) lensemble de ces fonctions. On dira dune fonction quelle appartient la classe de Schwartzsi toutes ses drives sont dcroissance rapide, cest--dire telles que pour tout m, n E IN, il existe une constante finie strictement positive Cm,ntelle que (II.18)

On notera S ( a ) la classe des fonctions de Schwartz. On a clairement, D ( l R ) c S ( a ) . I1 est noter que les espaces D ( a ) et S ( a ) sont tous deux denses dans les espaces LP(LIi) pour 1 5 p < 00.

Analyse de Fourier

223

Etant donn un espace fonctionnel not gnriquement F(lR.), son espace dual est dfini comme lespace des fonctionnelles linaires continues sur F ( R ) , cest--dire des applications continues T : F ( a ) +a telles que V f , g E F ( a )

W f + PS) = W f ) + PT(9)

(11.19)

Lespace D ( a ) dual de D ( R ) est lespace des distributions et lespace S ( a ) dual de S ( R ) est lespace des distributions temprbes :

s(a) D ( a ) c
Les distributions se drivent conforminent it la rgle : si T E D ( a )

(II.20)

( g T ) (f)= (-1)T -

(2)

Vf E D ( a )

(11.21)

Parmi les exemples les plus classiques de distributions (hormis les distributions de type fonction), les plus utiles nous seront la masse de Dirac :

W )= f (0)

(11.22)

ainsi que ses drives. Par abus de notation, on traite souvent la distribution de Dirac comme sil sagissait dune distribution de type fonction, que lon note

+)Toutes ces notions stendent de faon iiiimdiate au cadre niultidimensionnel.

III
111.1

ANALYSE DE FOURIER
Transformation de Fourier

Soit f E L

(a)sa transforme de Fourier est dfinie par : ;


j ( < ) [ F il(<)= =
*

03

f(z)Edz

<Ea

(111.1)

-00

Alors f est continue, borne et sannulle h linfini (ce rsultat est connu sous le nom de lemme de Riemanri-Lebesgue). On montre aussi facilement que pour toutes fonctions f,g E L ( a ) , on a :

f ( t ) @ ( t ) d= t

s_,
m

dz)f(z)dz

(III.2)

En supposant de plus que f et f sont suffisamment rapidement dcroissantes linfini (pius prcisment f et f sont respectivement (z-) et O(<-) linfini), on obtient la formule dinversion : (II1.3)

224

Elments danalyse

Ces hypothses de dcroissance linfini sont, en particulier, vrifies par toute fonction de la classe de Schwartz S ( a ) . I1 est facile aussi de vrifier que la transforme de Fourier de tolite fonction de S ( a )est aussi dans S ( B ) ,de telle sorte que la transforme de Fourier F restreinte S ( a ) est un isomorphisme. La transformation de Fourier est tendue aux distributions tempres (cest-dire aux lments du dual S ( a ) de S ( a ) )comme suit : si O E S ( a ) ,6 est dfinie par : (6, f ) = ( a ,f) pour tout f E S ( a ) On transporte la transforme de Fourier au cadre L ( a ) de la manire suivante : si

est la forme Iicrniiticiinc sur L ( a ) , on a : (111.5)


~ a consquent, r est line isorntrie sur munie de la structure prliilbertieiiiic induite par la structure hilbcrtienne de L2 Fiiialcineiit, par densit de S ( a ) dans L ( a ) , cette isomtrie stend L2(11z). ~e cas inultidirnciisioiiiicl est trs similaire. ~ o u noterons f(t)la traiiss dfinie fornie de Fourier de f E L (an), coniine

~(a), (a).

(III.6)

De nouveau, la transforination de Fourier se prolonge en une isointrie sur L ( a n ) ( une constante prs), cest--dire que lon a V f , g E L ( a n )

R,ciiiai~que En incliiant la transforination de Fourier inverse dans la formule : doniiaiit la transforination de Fourier, on obtient lidentit fornielle

(III .8) Lorsquil est vident quaucun problrnc de convergence rie se pose et quon peut facilement donner un sens aux expressions corrcspondantcs, nous utiliserons directcinent cette idciitit (qui nest autre, rappelons-le, clue ia recriture fornielle de la formule diiivcrsion de 1ii transforination de Fourier).

Analyse de Fourier

225

111.2

Quelques proprits (aide-mmoire)

On donne ici une liste de proprits iinmdiates de la transforme de Fourier : si f,g E L(IR), proprits suivantcs sont vrifies. les
0

Linarit : F . (f

+ 9) = F - f + F 9.

Convolution-produit : F . ( f . g ) = [F.f]*[F.g] et F*[f*g][F*f].[F.g]. =


Traiislatioii-modulatioii : s i on ilote T loprateur de translation par b : 6 [Tb.f](z) f(z - b ) et par E, loprateur de modulation : [E, f](x) = e i w z f ( z ) on a : , F . [Tb. f] = E-b * [ F . f ]

F * [Eu,f] = TU, . [ F .f] .


0

Dilatation : Si f ( a z ) , on a :

011 iiotc

LI, Iopratcur de dilatation par a : [Daf](z) =


1

F.[D,*f]= L *[F.f] -D

I4

Parit : F : fonction paire fonction impaire.

+ fonction paire

; F : fonction impaire

111.3

Transformation de Hilbert

Nous aurons souvcnt besoin dutiliser la transformation de Hilbert H , qui joue un rle capital dans lanalyse par oiidclettcs. Elle cst dfinie par son action sur les fonctions coniine suit :

H :f
o e est dfini par : [ c .

+ [F- *.FI .f

(III.9)

!I([)

= -iSgn(<)f([). On a donc : [1+ i H ] = 2F-OF

(111.10)

o O est la miiltiplication par la fonction dc Heaviside H ( [ ) . Par exemple, si f z = cos(z), aiors [ H .f ( )= siii(z) ct ([i i ~ . f)(z) = e;. () ]z ] Les spcialistes de traitcment du signal utilisent la transforination de Hilbert pour associer un signal rcl quclcoiiqiic in1 signal complexe, appel signal analytique associ, clui iie conticnt que dcs frclucnces positives et peut donc tre qualifi de causal. Matlinistiqucmcnt, limage de L2 par loprateur C = [1 iH]est appel le second espace de Hardy complcxe :

(a)

H 2 ( r n ) = {f E Lys) ,f([) O [ 5 O} = V

(III. 11)

22G

Elments d'analyse

Nous verrons une version de l'analyse par ondelettes spcialement adapte cet espace particulier. Dans un cas trs particulier, c'est--dire dans le cas de fonctions f ( z ) = A ( z )cos#(z) telles que les variations de A(.) sont lentes par rapport aux variations de #. () (fonctions ou signaux asymptotiques), on peut se convaincre sans trop de difficults que C f est peu diffrente de A(z)eib("). C'est ce que l'on appelle le thorme de Bedrosian, sur lequel nous aurons l'occasion de revenir par la suite. Pour conclure, remarquons que la transformation de Hilbert ne se gnralise pas naturcllcinent aii contexte miiltidiniensionnel. Ou, plus prcisment, sa gnralisation multidimciisioiiiielle est fournie par un ensemble de transformations appeles transformations de Riesz. NOLIS reviendrons aussi sur cet aspect des choses par la suite.

ANNEXE B

: LMENTS DE

THORIE

DES GROUPES

Nous dcrivons dans cette annexe de faon trs succincte, les notions de base ncessaires. La plupart des rsultats sont noncs sans dmonstration. Pour plus de dtail, le lecteur est invit se rfrer [3] et [l],pour un expos adapt la physique, et [il]et [5], pour une description plus complte.

I
1.1

GNRALITS
Notion de groupe

Un groupe est un cnscrnblc G, muni dune loi de composition interne (appele produit ou loi de groupe) note associative telle que G possde un lment neutre e et que tout lment 9 E G possde un inverse g- pour cette loi.
e,

Les exemples de groupe ne manqucnt pas. On pcut citer, entre autres, le groupe rcl additif, cest--dire lensemble des nombres rels muni de laddition, ou encore le groupe rcl multiplicatif, cest--dire lensemble des nombres rels non nuls muni de la multiplication. Ces deux groupes possdent la particularit dtre des groupes commutatifs. I1 existe une famille de groupes particulirement intressante, les groupes de transformations, engendrs par des transforinations de l et que lon pcut raliser comme des groupes de matrices. R Nous avons ainsi vu apparatre au chapitre II les groupes SO(n) de rotations. SO(n) est lensemble de toutes les matrices de rotation de lR, muni de la multiplication des matrices. Autrement dit, SO(n) est lensemble de toutes les matrices n x n, orthogonalcs (cest--dire dont la matrice inverse est gale la matrice transpose) et de dterminant gal & 1. S O ( n ) signifie en fait groupe spcial orthogonal en dimension n.

228

Elbinents de thorie des groupes

1.2 Exemples
I1 existe nanmoins trois exemples auxquels nous consacrerons une a t tention particulire, ce sont les groupes qui vont nous conduire directement aux gaborcttes et aux ondelettes. Ce sont respectivement le groupe de Weyl-Heisenberg et le groupe affine (dans deux versions diffrentes).
1.2.i

Lc groupc de Wcyl-Hcisenbcrg

Le groupe de LVeyl-Heisenberg 71. dimensions est topologiquement isomorphe au produit LR" x LR" x S ' , c'est--dire qu'il est constitu d'lments de la forme :

G W ~= { ( w , b, p) E I
La loi de groupe est donne par :
( w , b, p) * (w', b', 9') =
(W

m" x a" x [O, 2 ~ 1 ).


+ u',b + b', p + p' + w . b').
(O, O, O )

(1.1)

(1.2)

I1 est facile de voir que


e =

(1.3)

est l'lment neutre de Gii,,~ et clue


(u,b,p)-l = (-u,-b,-p+w.b).

(1.4)

En particulier

( ~ , b , v( ) ' , b ' , ~ ' ) . ( w , ~ ~ , p ) - ' = ( ~ ' , b ' , p ' - ( ~ ' * b - w - b ' ) . . w )

(1.5)

Notons que le sous-groupe S' = {(O, O, p) E G w u } de Gwll est commutatif. Nanmoins, le groupe de Weyl- Heisenberg est un groupe non commutatif. On dit qu'il est l'extensioii centrale (le centre d'un groupe est par dfinition l'ensemble de ses lments qui coniiniitcnt avec tout le groupe) de LR2" (qui serait lui-inCine coinmutatif en l'absence du facteur S ' ) par le cercle S'. Nous verrons prcisment qiie c'est cette extension centrale qui fait toute la richesse du groupe. On peut faire agir Gii,,~ siir L'(I22") comme suit : Si ( w , b, p) E G W J I , on lui associe l'oprateur sur L~(LR.) suivant :

et vrifie immdiateincnt clue

Gnralits

229

1.2.2

Le groupe affine

Le groupe affine n dimensions est lensemble

Nous voyons que ce groupe posskde une structure diffrente de celle du groupe de Weyl-Heisenberg, puisque la variable a agit sur la variable b. On parle dans ce cas dun produit semi dircct (ou produit crois) de IRn par i; La R. reprsentation que nous utiliserons est obtenue comme suit. Si (b,a ) E G a f f , on lui associe loprateur n(b,w) sur L2(1Tzn), agit coniine : qui (1.10) et il est facile de vrificr que : n(b,a,) . n(b, a) = n(b

+ ah, ou) .

(1.11)

1.2.3 Le groupe afiiic avec rotatioiis


Le groupe affine augnient dcs rotations n diiiiensioiis (parfois appel groupe euclidien inhomogne) cst leiiseniblc :

G i j j = { ( b , ~7.) ,
muni du produit
(O, a , 1.) . ( b , ~ 7.) ,

Di x IR; x SO(z)},

(1.12)

= (b

+ a7 . O, au, r .

7.).

(1.13)

( r E S O ( n ) est ici une matrice de rotation 72 dimensions.) Ce groupe possde, lui aussi, une structure de produit scnii direct (ou produit crois), cette fois de I72 par IR; x S O ( n ) . Nous rencontrerons le groiipe affine dans la construction des ondelcttcs avec rotations. En cffct, si b , a , r E G:,,, on lui associe loprateur n(b,a , 1.) stir L2(iRrL), agit coninie siiit : qui

(1.14)
et il est facile de vrificr clue
n(b,a,r ) * n(b, a, 1.) = n(b

(11..

b, no, 1. r)

(1.15)

Notons que, dans le cas n = 1, S O ( n ) doit 6tre remplac par le groupe fini Z z = -1,1, lunique transforiiiation orthogonale en dimension 1 en dehors de lidentit tant la symtrie 5 -+ -r. I1 est alors facile de vrifier que GLjt 2 R x iR* et conduit lune (ICs variantes de lanalyse par ondelcttes unidiniensionncllc rencontres au chapitre II.

230

Elments de thorie des groupes

II

GROUPES ET ALGBRES DE LIE


Un groupe de Lie est un groupe G tel que :
O

G est un groupe topologique : il est muni dune topologie spare telle que les oprations g E G + g- et g,g E G + g . g soient continues.
G est une varit analytique : pour tout g E G, il existe un voisinage ( g ) de g qui est liomomorphe un ouvert U de lRd (ouGd) pour une dimension d fixe. De plus, si U et U sont deux tels ouverts et si j et
j sont les homomorpliismcs correspondants, j
O

j- est analytique sur

u n ul.
Dans ces conditions, on montre que G possde en tout point un espace tangent de dimension d. De plus, lespace tangent G en g = e, que lon appelle lalgbre de Lie de G et que lon note = Lie(G),hrite dune loi de composition interne, note .], qui vrifie, pour tous 2,y, z E G,
[e,

I l = -[Y,4 w
[x, [Y,

(11.1) (11.2)

On dit que le crochet de et Jacobiassociatif. Par extension, on appelle aussi algbre de Lie tout espace vcctoriel muni dune telle loi. Considrons les exemples prcdents, en particulier le groupe de Weyl-Heisenberg et le groupe affine. I1 est facile de montrer que lalgbre de Lie du groupe de Weyl-Heisenberg, (souvent appele algbre de Heisenberg ou algbre des relations de commutation canoniques) est engendre par lidentit I et 2n oprateurs p et Q k , k = 1, ...n, vrifiant les relations de commutation dites k canoniques : [ Q k , P l = ibke1 e (11.3)
Qk,

211 + [u, [ z , 4 + [ z ,[z, YI1 = 0 1 Lie ( i e . la loi [,I) est anticommutatif

En revanche, le groupe affine n dimensions est engendr par n+ 1 lments k = 1, ...n et A-, vrifiant :
[I(,Qk]

= I<

(11.4)

III

MESURE DE HAAR

Nous avons vu dans la section prcdente que les groupes de Lie sont, par dfinition, munis dune topologie et dune structure diffrcntiable. Nous allons maintenant nous restreindre aux groupes localement compacts et dcrire les proprits de mcsurabilit. I savre que tout groupe localement compact G 1 peut tre muni de mesures qiii jouent le mme rle que celui jou par la mesure

Reprsentations

231

de Lebesgue sur Plus prcisment, on montre (voir [3] par exemple) quil existe deux mesures p c et p~ sur G, appeles mesures de Haar gauche et droite respectivement, telles que :

m.

(111.2)
et sont uniques avec cette proprit ( un facteur multiplicatif prs). p~ et p~ sont en gnral diffitrentcs. Si p~ = p ~ on dit que G est un groupe unimodu, laire. En particulier si G est compact, il est automatiquement unimodulaire et

lc &G(g)

<

Si nous revenons aux excinplcs prcitdcnts, on vrifie aisment, par exemple, que le groupe de Weyl-Heiscnberg est unimodulaire, la mesure de Haar associe tant d p ( b , w , y ) = dbdwdp. (111.3) De mme, dans le cas du groupe affine n dimensions,
d b da dpG(b,a) = -a a
da d p D ( b , U ) = dh-.
( 1

(111.4) (111.5)

Quant au groupe des rotations SO(n),il est compact et donc unimodulaire. Sa mesure invariante peut Ctrc paraintrite par lcs angles dEuler et est donne au chapitre II.

IV
IV.l

REPRSENTATIONS
Gnralits

Considrons un groupe de Lie G et un espace vectoriel V . Une reprsentation (linaire) de G sur V est une application continue
7r

:G

+ GL(V)

(IV. 1)

de G sur le groupe des opEratcurs liiiitaires sur V , qui prserve la structure de groupe de G, cest--dire telle que, pour toiis gl,g2 E G,
491) .x(L72) = 4 9 1 -92)

(IV.2)

et donc .(e) = IV. Les exemples les plus simples de reprhscntations sont les caractres des groupes commutatifs, qui associent tout lment g du groupe un nombre

232

Elinents de thorie des groupes

complexe ~ ( g )Par exemple, si nous prenons le groupe additif . des nombres rels, les caractres sont lcs fonctions sur ITZ valeurs dans C. On dit que la reprsentation T de G sur V est rductible si V possde un sous-espace invariant, cest--dire sil existe un sous-espace U de V tel que U contienne x ( G ).U. Dans le cas contraire, la reprsentation est dite irrductible. La reprsentation 7r est dite unitaire si V peut tre muni dune structure dcspace de Hilbert tcllc que tous les 7r(g),g E G soient des oprateurs unitaires ; en dautres termes, ~ ( g - = 7r(g)*. )

IV.2
sur L2(

Exemples

NOUSconsidrons le groupe de Weyl-Heisenberg et la famille doprateurs

a), par : donne

(IV.3)

On vrifie aisment qiiil sagit dune reprsentation unitaire di1 groupe dc WeylHcisciibcrg, qui est de plus irrductible sur L2 Considrons maintenant le groupe affine Gaff et son action sur L(El) donne par :

(a).

[7r(b,a ) . f](x)=

(Y).

(IV.4)

I1 sagit claireinent diinc rcprscntation unitaire, nanmoins hautement rductiblc. En effet, si R cst iin cne dc I pointant sur lorigine, lensemble R

est un sous-espace invariaiit de L ( a ) pour 7r. Ceci reste vrai pour n = 1, o seule la restriction de 7r H2(ITZ) (ou lespace analogue de fonctions nayant que cles frCqucnccs ngatives) cst irrdiictible. Un tel inconvnient est vit en considraiit la rcprsciitatioii du groupe tendu Gar,, dfinie par : (IV.5) qui est iiriitairc et irrdiictil~le L(Di!). Dans le cas 12 = 1, pour lequel nous sur avons vu quil est &quivalent<leconsidrer des paramtres de dilatation positifs et ngatifs, il coiivient de modifier (IV.5) en rcinplaant la normalisation par [al-/? Deux rcprseiitatioiis unitaires 7r1 et 7r2 de G sont dites unitaircinent quivalciitcs sil existe un oprateur iinitaire U (appel oprateur dentrelacement unitaire) tcl que poiir tout g E G : m ( g ) = UTI ( g ) P

(1V.G)

Reprsentations iudiiitcs

233

Lun des principaux problmes de lanalyse harmonique sur les groupes de Lie est le suivant : tant donne une reprsentation T de G sur 3-1, dterminer les classes dquivalence unitaire de reprsentations irrductibles p de G qui soient des sous-reprsentations de T. Le lemnie de Schur (bien connu, sous une forme un peu plus faible, en mcanique quantique sous le nom de thorme de la projection, ou thorme de Wigner-Eckart) est particulirement utile dans ce contexte. Nous en donnons ici un nonc, sans dmonstration (pour plus de dtail, voir [3], [il]).

Lemme 1 (Schur) Soiciit 7r1 et 7r2 dciis rcprscntations de G sur 3-11 ct 3-12 respectivcineiit et supposoiis quc 7r1 soit irrductible. Alors tout oprateur dentrelaccinciit (11011 ncessairciiiciit uiiitairc) : T : 7-11 -+ 7-12 est 1111 isoniorpliisne ou vrifie T = O.

IV.3

Reprsentation rgulire

Parmi les reprsentations dil11groiipc de Lie, la rcprscntation rgulire occupe une place privilgie. En effet, IC problme de la rduction de la reprsentation rgulire en rcpr6sciitatioiis irriiductihles est soiivent presque quivalent celui de la classification de ces rcprscntations irr6ductibies. La rcprsciitation rc!guii?i.e ga~iciic groupe (Ir Lie localement compact G agit du sur lespace L2(G,d p ) ( p tant la iiicsiirc de Haar gauche de G) coniine suit : si f E L ~ ( G & ) :

(IV.7)

v REPRESENTATIONS
V.l
Espaces homognes

INDUITES

Soient G uii groiipc de Lie et H uii soiis-groupe de Lie de G (cest--dire un sous-enscmble de G qui soit liii aussi i i n groiipe (le Lic). On considre les classes dqiiivaleiice de la foriiic :

Le quotient G / H , form des classes dquivalence

Nous pouvons dailleurs voir daiis le cliapitre VII, consacr lapproche rcpriiseiitations de groupes, qiic les oiidclettcs jouent u n rle iinportarit dans ce contexte.

234

Elments de thorie des groupes

est appel espace hornog6ne. I1 est canoniquement muni dune projection

P:G+G/H
dfinie par

P(g)=g-H.

P.3)

En ternies gomtriques, on dit que le groupe G est ainsi muni dune structure despace fibr principal, de base G / H et de fibre type H . Lorsque lon peut crire G = G / H x H , on dit que le fibr est trivial. Nous avons vu que tout groupe localement compact possde une mesure invariante gauche et une mesure invariante droite. Ce rsultat nest plus valable pour les espaces homogknes, mais il en existe nanmoins une version plus faible : I1 existe toiijours une mesure d q ( z )telle que sa transforme dq(g.z) soit absolument continiic par rapport d q ( z ) . On dit que q est quasi invariante par laction du groupe. On peut alors considrer lespace L 2 ( X ,d q ) et laction suivante de G sur L2(X, d q ) : V f E L2(X,dq) :

Le terme cZq(9-l . z ) / d q ( z )est appel drive de Radon-Nikodym de dq(9-l. z) par rapport clq(z). On vrifie sans peine que est une reprsentationunitaire de G sur L 2 ( X ,dq). Nous verrons aussi comment une telle reprsentation sintroduit naturellement dans le contexte de lanalyse par ondelettes. On appelle section du fibr tolite application

telle que

Pou=I. On peut utiliser de telles sections pour associer des fonctions dfinies sur G / H des fonctions dfinies sur G : si f(g) est une fonction sur le groupe G , on peut lui associer la fonction jc(x), dfinie sur X = G / H par :
fc(x)

= f () .

z E

(V.7)

Cette construction peut Etrc utilise pour restreindre une reprsentation un espace lioniogbne.

V.2 Reprsentations induites


Nous utilisons au cliapitre VI1 la notion de reprsentation induite, que nous allons brivemciit introduire dans un cas simple ici. Considrons un groupe de Lie, localement compact sparable G et un sous-groupe H c G. Soit

x:H+C

(V.8)

Rfrences

235

un caractre unitaire (ie. tel que 1x1 = 1) de H . Soit X = G / H et soit 17 une mesure quasi invariante sur X . La reprsentation U = I n d g ( X ) est dfinie de la faon suivante : On considre lespace

3c = f : G +a,

mesurable tel que

(Remarquons que ?f Z L 2 ( G / H ch?).) Alors ZA agit sur fl comme suit : Vf E fl , (V.10) Notons quil sagit dune forme analogue celle de la reprsentation que nous avons vue en (IV.14). I1 est facile de vrifier que U est une reprsentation unitaire de G. Les reprsentations induites jouent un rle crucial dans la thorie des reprsentations de groupes. Elles en permettent parfois la classification (voir par exemple [5] ou [GI).

VI RFRENCES
J.F. Cornwell, Group Theory in Physics I, II, Techniques in physics, Academic Press ( 1984). [2] I.M. Gelfand, M.I. Graev, G.E. Sliilov, N. Ja. Vilenkin, Les Distributions, Dunod. [3] G. Hermann, Lie Groups f o r Physicists, Benjamin (1966). [4] L. Hormander, The Analysis of Linear Partial Diflerential Operators, Springer-

[il

Verlag (1079). A. Kirillov, Elments de la thorie des rcprsentations, Editions MIR, Moscou (1974). [GI G. Mackey, Theory of Unitary Group Representations, Uiiiv. of Chicago Press (1976). [] M. Reed, B. Simon, Methods of Modern Ma.thematicai Physics, Academic Press
[5]

(1978). [8 W. Riidiii, Real und Complex Analysis, 3 dition, McGraw-Hill (1986). [9 W. Rudin, Functional Analysis, McGraw-Hill (1973). [lo] E. Stein, Sing,ular I n t e g d s and Differentiability Properties of Functions, Princeton University Press (1970). [il]G. Warner, Harmonic Aiialysis on Seinisimple Lie Groups I, II, Grundlehren
der Mathematischen Wisscnschaften in Ein.zeldarstell?ingen, 188 (1972).

INDEX

Action adjointe : 157 coadjointe : 157 Algbre de Lie : 230 Aliasing : 182, 187 Analyse niultirEsolutioii iiifiiiitksiniale : 33 Angle dEuler : 38, 161 Arte de la transforine de Gabor : 101 de la traiisforiiie en oiidelettcs : 81, 93 de la transforine en ondclcttes bidimensionilelle : 107, 109 Base de Riesz : 197 Chirp : 48, 95, 111 Coefficicnt de Scliur : 141 Codage en soils-bandes : 187, 189 Condition QMF : 188 Conjecture de A4arr : G 1 Contour: 59 Courbe-ondelctte : 94 Covariance : 140, 156 Dcomposition de Littlc\\.ood-Pidcy : 23 Dcouplage des fonctioiis d>li1idyscet de synthse : 15, 23, 32, 35 Densit de Nyquist : 124 Drive de Radoii-Nikotlyiii : 234 Dimension de Hausdorff: 72 fractales : 73 Echaritilloiinagc : 36, 181 Enscinble de Cantor : 75

Espace A noyaux reproduisants : 30, 51, 143 de Hiidy : 227 (le Pxlcy-Wiener : 30 des pliascs : 11, 15G, 157 D, DI, SI : 222 fibr : 234 lioriiogne : 233 L, L2 : 220 teinps-frkqiieiice : 11, 29, Etats colikrciits : 139, 143 FciiEtre : 11 FFT : 180, 195 Foriiiiile de Morlct : 24, 34 Fonction tlaiitocovarii~iice: 51 diicliclle : 33 de RicIiiaiiii-Weierstrass : 78 <IC test : 222 fractale : 77 lioiriogkiie : 45 Foiiii~ile hlorlet discrte : 199 (le Foriiiiile de Taylor : 217 Frkqiiciicc instantankc : 83 Gid>octtc: 11 Grille tlyuliqiie : 181, 189 rCgiilire : 193 c:ro11pe iiffiiic : 145, 228 tlc \~%yl-Heiseiil>crg 147, 148, 151, :

s,

-338

de \Vcyl-Heisenberg affine :

152,

153, 1G6

238 euclidien : 160, 171 euclidien inhomogne : 149, 229 Harmonique sphrique : 174 Incertitude de Heisenberg : 12G Ingalit de Heisenberg : 11 Intgrale de Lebesgue : 219 de Riemann : 219 Internet (logiciels disponibles sur) : 4 Laplacien de Beltrami : 174 pyramidal : 184 Lemme de Schur : 233 Ligne spectrale : 85, 105 Lissage: GO Maxima locaux de la transforme en ondelettes : GO, G l Mesure de Bernoulli : 74 de Haar : 230 de Haar sur S O ( n ) : 38 fractale : 72 quasi invariante : 234 Moments nuls des ondelettes : G 1 , 68, 69, 193 Noyau de Cauchy : 30 Ondelette : 18 admissible : 22, 35 de Haar : 22 de Morlet : 21, 28 interpolante : 134, 155 polarise : 52 produit tensoriel : 150, 203 progressive : 44 radiale : 25 splines : 192 Oprateur dentrelacement : 233 Orbite coadjointe : 157 Paquets dondelettes : 153 Phase stationnaire : 114 Phnomne de Balian-Low : 124, 12G, Point stationnaire : 93, 101, 108 Polarisation : 158 Polynme harmonique : 174 Processus stationnaire : 51 Produit semi-direct : 229 Pseudo-QMF : 195 QMF : 188, 194 Rcgiilarit holdcrienne globale : 66, 218 locale : GO Repre : 119 d u a l : 121 de gaborettes : 123 dondclettes : 129 exact : 120 strict : 120 Reprbentation : 231 de carr intgrable : 141 de Wigner-Ville : 37 induite : 234, 235 irrkductible : 232 rgulire : 233 tcriips-frquence : 10, 144 Retard de groupe : 84 Rotiltiol : 38 Section : 234 Section admissible : 152 Signal analytique : 82 asyiiiptotique : 84 SO(3) : 40 S O ( n ) : 27, 38 Sp cctre de singularits : 72 local : 51 Sphre S- : 38, 160, 173 Sqiielet te de la transforme de Gabor : 102 de la transformbe en ondelettes : 94 Thorme des fonctions contractantes : 90

128

239 Trailsformation de Fourier : 223 de Gabor multidimensionnelle : 17 de Gabor unidiinensioiinelle : 12 de Hilbert : 225 d e R a d o n : 34 en ondelettes multidiinensionnelle : 25, 26, 29 en ondelettes unidimensionnelle : 18 Vecteur admissible : 141

imprim en France. - JOUVE, 18, rue Saint-Denis, 75001 PARIS No230122V. pt igai :Septembre 1995