CM1 M2R Ondelettes1d

1ransformee de lourler eL en
ondeleLLes en 1u
________
Cellne 8CuuL1
Cellne8oudeL[ubourgognefr
Laborato|re Le2|
M2 Recherche 3
ModuIe 4
ConLexLe
W ,od|es gomtr|ques 3D
Lxploslon de leur producLlon / echange
Crande dlverslLe de modellsaLlons
2
Sommet de
valence 5
W ,a|||ages surfac|ques
ue plus en plus precls eL deLallles
8eparLlLlon lrregullere des echanLlllons
ConLexLe (2)
W b[ect|fs
lavorlser l'echange de donnees 3u
Amellorer la CuallLe de Servlce (CoS) dans
l'echange de ces donnees
AspecLs normaLlfs (MLC4) eL sLandardlsaLlon
3
W 9o|nts cr|t|ques
AdapLaLlon du LransferL des donnees aux
ressources
1ransmlsslon raplde la demande
ConsulLaLlon efflcace flexlble eL securlsee
lan des 2 CM
, ut||s de tra|tement du s|gna| en D
Serles de lourler eL 1ransformee de lourler (1l)
1l fenLre gllssanLe (Lransformee de Cabor)
1heorle de la Lransformee en ondeleLLes
rlnclpe du llfLlng scheme
,2 Les onde|ettes en 2D et 3D
1l eL 1C sur des lmages
rlnclpes de la compresslon d'lmages
Les ondeleLLes en 3u
rlnclpes de la compresslon de malllages
lan du 1
er
CM
lnLro La modellsaLlon 3u
CommenL obLenlr un modele 3u ?
ulfferenLs modeles exlsLanLs
Malllages surfaclques Lrlangulalres
Modeles de malllages progresslfs
l Serles eL 1ransformee de lourler en 1u
ll 1ransformee en ondeleLLes 1u
lll Les ondeleLLes de 2
nde
generaLlon (llfLlng scheme)
lv Concluslon
5
CommenL obLenlr un modele 3u ?
W Donnes re||es scanner laser scanner x echographle l8M
L1 sLereovlslon
W Log|c|e|s de mod||sat|on 3D (modeleur CAC)

xemples 3u SLudlo Max Maya 8lender LlghLwave 8hlnoceros 3u
our creer edlLer analyser LexLurer anlmer
des courbes
des surfaces
ou des volumes
ulfferenLs Lypes de modeles 3u
!olygones ou polydres
Surfaces polynomiales (Bzier, Spline, NURBS)
Surfaces implicites
Combinaison d'objets
solides (CSG, B-Reps)
Voxels
Malllages Lrlangulalres
W gu|ar|t du vo|s|nage
llee la valence (o ) des sommeLs
octets
x3 coords
octets
x3 indices
( : {(
l
(x
l
. y
l
. z
l
) c #

, 0 l (<
: {
l
|. k. l c

, 0 l <
irrgulier rgulier semi-rgulier
MaiIIage ((,
Gomtrie
Connectivit
Malllage Lrlangulalre
36 ocLeLs / sommeL
288 blLs / sommeL
%7ois types de maiIIages :
irrguliers
2 semi-rguliers : ( (
i
,(
]
c : o((
i
) = o((
]
)
3 rguliers : (
i
,(
]
c ( : o((
i
) = o((
]
)
i
Lxemples (formaLs non compresses)
8 2
1686
1192 1192
1192 1192
1192 1192
1192 1192
1686
3 0 4 1
3 1 3 2
3 2 3 0
3 3 3 4
3 1 2 0
3 3 4 0
3 4 3 1
3 3 2 3
v 1686
v 1192 1192
v 1192 1192
v 1192 1192
v 1192 1192
v 1686
f 0 4 1
f 1 3 2
f 2 3 0
f 3 3 4
f 1 2 0
f 3 4 0
f 4 3 1
f 3 2 3
net obj
net off
W Formats : VRML, X3D, nVentor (V), , , !LY, .
W ntgration possibles des normales, couleurs et textures
8epresenLaLlons progresslves
W 3t7Ht :
- Adaptation aux rseaux et au terminal utilisateur
- Efficacit en termes de rendu
W PIusieu7s 7ep7se3tatio3s possibIes :
- Raffinement progressif oppe, 96], andoin et Devillers, 02]
- Surfaces de subdivision Doo et Sabin, 78] + ondelettes ounsbery, 97]
2 octets / s
2 - 4 bits / s
lan du 1
er
CM
Serles de lourler (slgnaux conLlnus)
1ransformee de lourler conLlnue
LchanLlllonnage fllLrage eL 1lu
nde
lv Concluslon
I - TF 1D II - TO 1D III - Lifling schono IV - CI

un son un slgnal compose d'ondes
2
0 100 200 300 100 500 00 Z00 800 900 1000
-2
-1. 5
-1
-0. 5
0
0. 5
1
1. 5
2
0rde s |rusoda|e
Signaux dphass de S
Serles de lourler exemple
3
Fonction sin(t)
Fonction sin(2t)
Fonction sin(t)
Serles de lourler
W g(t) : fo3ctio3 co3ti3ue p7iodique de p7iode %
spect7e de
frquence
du signal :
disc7et
f
k
W 2n f
k
2n k f k 2n / T k e
0
(k
e
+j2 t
= e
+j2kft
= cos (ko
t) + j si3 (ko
t)
e
0
: frquence cardinale (fondamentale du signal g
!4ur k > 1, ke
0
est appele harmonique de rang k du signal g
W (f
k
) : coefficie3ts de ou7ie7 (nb complexe)
Calcul des coefflclenLs de lourler
5
Calcul des
t f f t f f
t f f
k
k k
k
e e
e t g
f G
x x
x
2 2
2
,
), (
) (
+ +
+
=
Serles de lourler
Si 3 > 0, on appelle ha7mo3ique de 7a3g 3 (note H

3
(f)), la fonction
sinusodale de f7que3ce 3/%, obtenue en tenant compte des coefficients de
Fourier d'indice 3 et -3, donne par :
Serles de lourler appleL
Applet : http://ptolemyeecsberkeleyedu/eecs2/berkeley/bodyhtml / Fourier Series

Serles de lourler appleL (2)

Applet : http://wwwfalstadcom/fourier/
lan du 1
er
CM
nde
lv Concluslon

0 500 1000 1500
0
50
100
150
200
250
300
350
100
Reprs erl al |or lrquerl |e| |e du s or 0A80R
lrquerce
0A80R
un son un slgnal compose d'ondes
2
0 2000 1000 000 8000 10000 12000 11000 1000 18000
-0. 5
-0. 1
-0. 3
-0. 2
-0. 1
0
0.1
0.2
0.3
0.1
Reprserl al|or l erpore||e du sor c orres pordarl au rol 0A80R
l erps
0A80R
un son un slgnal compose d'ondes (appleL)
2
Applets : http://ptolemyeecsberkeleyedu/eecs2/berkeley/bodyhtml / Sound et / Musical / Timbre
"uantification :
Dcomposition :
1ransformee de lourler
22
Sries de Fourier :
Transforme de Fourier :
W P7i3cipes de Ia % :
- on remplace Z par une i3tg7aIe : la TF s'applique tout sig3aI i3tg7abIe
- e : pulsation ( 2n f
k
= ke
0
des sries de Fourier)
- transforme une fonction intgrable sur en une autre fonction
- permet de dterminer le spectre d'un signal (reprsentation en frquences)
- la TF existe si f(t) et si alors la TF existe
t
-
}
,I(t),
W 3t7Ht de Ia % :
- idale pour analyser les sig3aux statio33ai7es (dont les proprits frquentielles
ne varient pas au cours du temps)
- permet de passer d'une repr tempo7eIIe une repr f7que3tieIIe
1ransformee de lourler exemple
23
2 -2
g(t) =
a t -2, 2|
sinon
g(t)| (e)
-
}
g(t)e
-jet
dt ae
-jet
dt a -e
-jet
| a 2j sin(e 2) a sin(e 2)
2
}
-2
2
-2
je je
e 2
g(t)|
o3ctio3 po7te : prend la valeur a sur une dure x
nulle ailleurs
La fonction sin(x) est la fonction si3us ca7di3aI.
x
1l analyse de specLre (appleL)
2
ppIet : FFT Spectrum analyser : http://wwwdsptutorfreeukcom/analyser/SpectrumAnalyserhtml
ll1 sur une lmage (appleL)
25
ppIet : D Fast Fourier Transform on images :
http://wwwcsbrownedu/exploratories/freeSoftware/repository/edu/brown/cs/exploratories/applets
/fftDApp/d_fast_fourier_transform_java_browserhtml
roprleLes de la 1l
2
Linarit :
Egalit de !arseval : conservation de l'nergie du signal :
Translation dans le temps :
Module inchang, dcalage de phase
Conjugaison :

x
/ /t t f ) (
2
1
) (

+

+

=
. J . J . J ) ( ) ( ) ( ) ( t g t f t g t f 3 2 3 2 + = +
. J . J

) ( ) (
t i
e t f t t f

=
. J . J ) ( * ) ( * t f t f =
roprleLes de la 1l (appleL)
2 Applet : http://wwwjhuedu/~signals/dtftprops/indexDTFTpropshtm
!our une TF discrte d'un signal discret x[n] :
roprleLes de la 1l
2
Thorme de convolution :
Applet : http://wwwjhuedu/~signals/convolve/indexhtml
. J . J . J ) ( ) ( ) ( ) ( t g t f t g t f = -
. J . J . J ) ( ) ( ) ( ) ( t g t f t g t f - =
lllLres llnealres lnvarlanLs
2
lllLre llnealre
eL lnvarlanL
dans le Lemps
(t
h(t: rep4nse impulsi4nnelle
I(t) g(t) I(t) h(t)
f]
g] I| . h| I4ncti4n de transIert
e
Fh(t)| H(e)
1
e
max
-e
max
Filtre passe-bas : lissage
e
H(e)
1
e
max
-e
max
Filtre passe-haut Filtre passe-bande
e
H(e)
1
e
min
e
max
-e
min
-e
max
xempIes de fiIt7es Ii3ai7es i3;a7ia3ts :
lan du 1
er
CM
nde
lv Concluslon
3
lllLres llnealres lnvarlanLs
3
PuIse, impuIsio3 de Di7ac et 7po3se impuIsio33eIIe
(t) et
g] h]
et g(t h(t
si t =
si t =
1
t
lllLre llnealre eL
lnvarlanL dans le
Lemps
(t
h(t: rep4nse impulsi4nnelle
I(t) g(t) I(t) h(t)
f]
g] I| . h] I4ncti4n de transIert
. J 1 1 ) ( = =
+

o o /t t
. J . J . J h g t t f = = o o ), ( ) ( si
1%
%2 -%2
o3ctio3 po7te
de su7face = 1
mpuIsio3
de Di7ac
lllLres llnealres lnvarlanLs (appleL)
32
Applet filtres : http://wwwfalstadcom/dfilter/
Lxemple de fllLre passebas fllLre Causslen
33
Tir de : http://wwwceremadedauphinefr/~peyre/numerical-tour/
9 :
9
9 x 2
1
1
Lxemple de fllLre passebas fllLre Causslen (2)
2
t
e
9
LchanLlllonnage (slgnal non perlodlque)

35
W cha3tiIIo33age u3ifo7me
Transforme un signal continu s(t) en un signal discret s
i
(t)
%
e
: priode ou pas d'chantillonnage
e
= 1 / %
e
: frquence d'chantillonnage (en cycles / unit de distance)
1
T
e
t
) ( ). ( ) (
+
=
=
i
e e i
iT t T t s t s o sin4n , t si 1 ) ( avec

t t t = = o
) ( ) ( . ) ( ) (

+
=
+
=
= - =
i
e
i
e e e i
i f S i f T f S f S o
t
T
e
s(t)
s
i
I
F
e
F
max
-F
max
$
i
(f)
W % de Ia fo3ctio3 cha3tiIIo33e :
$
i
(f) signal priodique dans le domaine frquentiel, de priode
e
LchanLlllonnage (slgnal perlodlque)
3
%D d'u3 sig3aI p7iodique :
- !our un signal discret s(3) de N chantillons : squence {s
0
, s
1
,., s
N-1
}
%
e
: pas d'chantillonnage de s(3)

e
= 1 / %
e
: frquence d'chantillonnage (priode dans le domaine
frquentiel)
- On obtient une autre squence $(k) : {$
0
, $
1
,., $
N-1
} dans le domaine
frquentiel
Ak %
e
/ N : pas d'chantillonnage de $(k)
t
T
e
s(3)
I
F
e
F
max
-F
max
$(k)
LchanLlllonnage eL resLlLuLlon
3
t
T
e
s(t)
s
i
F
e
/ 2
-F
e
/ 2
I
F
e
F
max
-F
max
W %ho7Gme d'cha3tiIIo33age de $ha33o3-Nyquist :
- Si la plus haute frquence d'un signal est
max
- !our qu'un signal ne soit pas perturb par l'chantillonnage :
e
2
max
- $i3o3 : effet de crnelage, repli de spectre ou encore aIiasi3g, qui
indique que l'on prend une sinusode pour une autre (alias)
W Marches d'escalier sur les contours
W !etits objets entirement ou partiellement cachs
W Moir sur les textures
I
F
e
F
max
-F
max
e
2
max
e
< 2
max
$
i
(f)
iIt7e
passe-bas
LchanLlllonnage eL resLlLuLlon (appleL)
3
Applet : http://wwwjhuedu/~signals/sampling/indexhtml
1ransformee de lourler conLlnue / dlscreLe
Lxemples d'approxlmaLlons
u 3i;eau des si3guIa7its du sig3aI : ph3omG3e de ibbs (osciIIatio3s)

Serles de lourler approxlmaLlons (appleL)
Applet : http://wwwjhuedu/~signals/fourier2/indexhtml
lan du 1
er
CM
MoLlvaLlons
1ransformee de Cabor / ondeleLLes conLlnues
1C dlscreLe eL bancs de fllLres
Lxemples
nde
lv Concluslon
2
I - TI 1D II - TO 1D III - Lifling schono IV - CI
un son foncLlon du Lemps eL de la frequence
3
-0. 2
0
0. 2
P
a
r
l
|
e

r
e
|
|
e
3|gra| l erpore|
Ecre||e ||r.
0
e
r
s
|
l

s
p
e
c
l
r
a
|
e

d
'
r
e
r
g
|
e
j3TFTj
2
, Lr=50, Nl=25, Ec r. Log. , 3eu||=5
Terps
F
r
q
u
e
r
c
e
100 200 300 100 500
0
0. 1
0. 2
0. 3
0. 1
0A80R
-0. 2
0
0. 2
P
a
r
l
|
e

r
e
|
|
e
3|gra| l erpore|
0 Z2 113
Ecre||e ||r.
0
e
r
s
|
l

s
p
e
c
l
r
a
|
e

d
'
r
e
r
g
|
e
j3TFTj
2
, Lr=50, Nl=25, Ecr. ||r. , 3eu||=5
Terps
F
r
q
u
e
r
c
e

100 200 300 100 500
0
0. 1
0. 2
0. 3
0. 1
00REVl
lan du 1
er
CM
MoLlvaLlons
Lxemples
nde
lv Concluslon

1ransformee de Cabor
5
W Comment ajouter une IocaIisatio3 tempo7eIIe a l'analyse frquentielle ?
- TF fentre glissante Short Time Fourier Transform)
- on choisit une gaussie33e comme fo3ctio3 fe3Ht7e g(t)
- fonction rgulire et bien localise
HypothGse : signal stationnaire sur intervalle
LocaIisatio3 :
- en temps autour de b
- en f7que3ce autour de f
TaiIIe des atomes cste en temps et frquence
F
t
f
b
-
-
-
Le plan temps-frquence est dcoup en atomes d'analyse constants
Cndes ou ondeleLLes ?

CnuLS
W PauLeur %ftpoeone)
W uuree lnflnle %oo ptespoe !)
W uelocallsaLlon Lemporelle LoLale
W 1ransformee de lourler
Mo7Iet initie la thorie des ondelettes en 3 en proposant une fentre de taille
dilate ou contracte selon les besoins
CnuLLL11LS
W PauLeur %ftpoeone)
W uuree
W LocallsaLlon Lemporelle
W 1ransformee en ondeleLLes
W lamllle consLrulLe par dllaLaLlon (a )
W eL LranslaLlon (b reel)
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file again. !f
the red x still appears, you may have to delete the image and then insert it again.
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file again.
!f the red x still appears, you may have to delete the image and then insert it again.
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file again. !f
the red x still appears, you may have to delete the image and then insert it again.
(t : fonction mre oscillante, localise,
d'intgrale nulle et appartenant
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file
again. !f the red x still appears, you may have to delete the image and then insert it again.
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the
file again. !f the red x still appears, you may have to delete the image and then insert it again.
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file
again. !f the red x still appears, you may have to delete the image and then insert it again.
Les ondeleLLes
(t
(t- 20
(t- 40
(t/2 (t/4 (t
b
t
a est le paramtre qui permet de rgler la taiIIe
de Ia fe3Ht7e d'a3aIyse (dilatation ou contraction)
b est le paramtre qui permet de grer la
t7a3sIatio3 de Ia fe3Ht7e d'a3aIyse
x(t)
Analyse mulLlresoluLlon (AM8)
Soit (t) une ondelette mre et

1 parameLre d'echelle a reel
1 parameLre de LranslaLlon b reel
Chaque coefficients d'ondelettes apporte des informations sur le
compo7teme3t de f au voisinage du point b et l'cheIIe a
!our cela, il faut :
- rapidit de la dcroissance de g (localisation temporelle)
- rapidit de la dcroissance de la % de g (localisation frquentielle) :
lie la rgularit de g, et au nombre de ses moments nuls
1C conLlnue
5
Reconstruction de f possible seulement si g vrifie la
condition d'admissibilit :
1C conLlnue condlLlon d'admlsslblllLe
si
ou avec autre fonction, si :
Si g est intgrable, la condition d'admissibilit impose qu'elle soit de
moye33e 3uIIe, et donc osciIIa3te (d'o l'appellation ondelette)
Ce qui revient, pour les fonctions habituelles, bien localises :
: TO inverse
5
1C conLlnue analyse eL synLhese en ondeleLLes
3aIyse : recherche du poids de chaque atome dans la fonction f(t)
- , - ,
f C
, ,
, =
- ,,
+

/t t t f
- ,
) ( ) (
,
$y3thGse : additionner les atomes pondrs par leurs poids respectifs

- ,
C
,
) (
,
t
- ,
) (t f
2
, ,
) (
,
/,/-
t C c
- , - ,

lan du 1
er
CM
MoLlvaLlons
Lxemples
nde
lv Concluslon
52
53
W ulscreLlsaLlon des parameLres a eL b

W Le cholx de a
eL b
engendre plusleurs famllle de foncLlons

a,b
:
- non linairement indpendantes : analyse redondante
- linairement indpendantes qui forment :
une base orthogonale (chaque
a,b
toutes les autres)
ou une base blorLhogonale (plus praLlque pour obLenlr de bonnes proprleLes)
1C dlscreLe
5
+

= = /t n t t n m T
m m m
n o/
) 2 ( 2 ) ( , ) , (
* 2

Calcul des {<x,
m
m n
en
2
) -
% en log
2
)) - % en )
Analyse dyadique la plus utilise :
- a = 2
m
(m : facteur d'chelle)
- b = 3 2
m
(n : param de translation)
1C dlscreLe
!avage disjoint (non redondant)
55
AM8 sousespaces lmbrlques
=
=
m W J
W J J
k J k t J t
m J t J t
J
L J
L J J J
m m
m m m
m m
m
m
m
m
m m m
Z *
W =
Z Z Z
Z Z Z
=
=

+ +
+ +
+
Z
Z
+
,
, ) ( ) (
, ) 2 ( ) (
) (
) ( ... ...
1 1
1 1

1
2
2 1 1
%
R
R
5
AM8 bases orLhonormees (2)
m
I4rment une base 4rth4n4rmee de '
m
n
m
I4rment une base 4rth4n4rmee de W
m
%4us les W
m
s4nt par c4nstructi4n 2 a 2
Leur s4mme directe L
2
(#)
n
5
x
A
x
A
1
x D
1
x
A
2
x
D
2
x

) ( ) ( ) (
1
t t t
m m m
+ =
m
n
n
m
n
m

+
=
= ,
m
n
n
m
n
m

+
=
= ,
m
n
m
n
, , =
) , ( , n m T /
o/
m
n
m
n
= =
discrtisation
AM8 d'un slgnal dlscreL
5
W Algorithme de calcul des coefficients
- recurslf eL raplde
permeL de passer d'une echelle la sulvanLe
1
, |

=
n n
n l
1
, |

=
n n
n h
Analyse
Synthse
~
2
2
~
a
m-
d
m
a
m
2 2
a
m-
| 1 ) 1 ( |
1
n l n h
n
=

co3ditio3 d'o7thogo3aIit :
| |
=
n h n h =
7etou73eme3t tempo7eI :
W La TO discrte se comporte comme un banc de filtres
fllLrage llnealre lnvarlanL assebas eL assehaut
fllLres deflnls par leurs reponses lmpulslonnelles
Analyse
entre echanLlllons du slgnal
sort|e coefflclenLs
AlgorlLhme de MallaL
5
A
x

~
A
1
x
A
2
x
~
D
1
x
~
D
2
x
~

1/4 1/2 f
~
2
2
~
a
m-
d
m
a
m
2 2
a
m-
8ancs de fllLre orLhogonaux
lan du 1
er
CM
MoLlvaLlons
Lxemples
nde
lv Concluslon

CndeleLLes de Paar exemple
a+b = 2c
a-b = -d
Exemple de
Reconstruction :
c =
d = -
Retrouver a et b :
a+b =
a-b =
d'o :
2a = a =
b = - b = 5
-2
+2
[ ]
[- ]
CndeleLLes de Paar en 1u exerclce
2
Applet : http://mathhwsedu/eck/math3/applets/Haarhtml
MulLlresoluLlon approxlmaLlons eL deLalls
3
lnverslon de la 1C

8esLlLuLlon
5
uecomposlLlon en Lemps eL frequence (Paar)

filtres de somme
et de diffrence
rponses
frquentielles
CndeleLLes de nyqulsLShannon

filtres de somme
et de diffrence
rponses
frquentielles
CndeleLLes de uaubechles (n 2)

filtres de somme
et de diffrence
rponses
frquentielles
CndeleLLes de uaubechles (n 3)

filtres de somme
et de diffrence
rponses
frquentielles
Chapeau Mexicain Ondelette de Meyer
Ondelette de Morlet :
presque admissible
ll exlsLe de nombreuses foncLlons eL qul verlflenL les
proprleLes necessalres la consLrucLlon de bases d'ondeleLLes
2
2
4
1
2
) 1 (
3
2
) (
t
e t t
=
x
t i
t
e e t

x
=
2
2
2
1
) (
Applet : http://cmbell-labscom/who/wim/cascade/indexhtml
AuLres bases d'ondeleLLes
W omme3t co3st7ui7e 1 base d'o3deIettes adapte Ia comp7essio3
- peu de coefficients de grande amplitude (reprsentation parcimonieuse)
imposer des contraintes sur l'ondelettes mre
orthogonale, support fini (RF), symtrique, phase linaire,
ayant un grand nombre de moments nuls, .
W 3 1D ces p7op7its so3t i3compatibIes
- Haa7 : filtres orthogonaux, symtriques, rels, support compact et phase
linaire, mais seul moment nul
- Filtres non linaires en phase de longueur minimum pour une rgularit
donne (nb de moments nuls), asymtrique : Daubechies
- Filtres quasi-linaires en phase mais de longueur non minimum : $ymIets,
oifIets .
W i3si o3 7eIche g37aIeme3t I'o7thogo3aIit
AuLres bases d'ondeleLLes (2)
8ases blorLhogonales
2
Lorsqu'on relche l'orthogonalit : bases non-orthogonales
les seules vritablement utilisables numriquement : bases bio7thogo3aIes
souvent utilises en pratique pour le traitement d'images
- transforme par bancs de filtres plus gnrale
) ( ,
) ( ) ( ,
m n
m n i f
i
m
f
n
i
m
f
n
=
=
o
o o
o7thogo3aIit des
fo3ctio3s de base :
m W J et W J
W J et W J m,is
W J J et W J J
J J J
J J J
m
m m
m
m m
m m
m m m
m m m
m m m
m m m
Z * *
\ \
W = W =

+
+
,
... ...
... ...
1
1
1 1
1 1
2 famiIIes duaIes de sous-espaces :
CndeleLLe blorLhogonale 9 / 7
3
3
Analyse
Synthse
~
2
2
~
a
m-
d
m
a
m
2 2
a
m-
_
_
| 1 ) 1 ( |
1
n l n h
n
=

| 1 ) 1 ( |
1
n l n h
n
=

~
_
_
~
filtre coefs
filtre coefs
Lres proche de l'orLhogonallLe 4 momenLs nuls
Utilise pour le codec jpeg2
lan du 1
er
CM
nde
lv Concluslon
I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

5
W 1C consLrulLe sur la Lheorle de lourler
dans beaucoup de cas ceLLe Lheorle esL ||m|tante ou com||que
W LlfLlng scheme
, sat|a|e mlnlmlse la complexlLe de la mlse en ouvre d'une 1C
xte3sio3 par cette mthode des o3deIettes "t7aditio33eIIes"
introduction des o3deIettes de seco3de g37atio3
- Formalisme utilisable pour toutes les transformes en ondelettes #
- #eco3st7uctio3 pa7faite assure
mme pour des transforme en o3deIettes 3o3 Ii3ai7es (pas
reprsentables par des bases d'ondelettes classiques ou bancs de
filtres)
Io|ont de rof|ter d'un out|| auss| u|ssant que |', ma|s dans un cadre
|us |arge que ce|u| fourn| ar |a thor|e de our|er
LlfLlng scheme

LlfLlng scheme ldee de base

Lxemple de predlcLlon

Lxemple de mlse [our u

Schema llfLlng
allat, 89]
W Avantages :
- Cots de calcul rduits, rduction de l'espace mmoire
- !aralllisation des calculs possibles, filtres simplifis
- Analyse et synthse en temps linaire
W Gnralisation des bancs de filtres
- Analyse multirsolution spatiale
Sweldens, 95]
ounsbery, 97]
S SpllL
redlcL
u updaLe
! : minimiser la variance des coefs de dtail U : minimiser l'erreur de reconstruction

Schema llfLlng exerclce
Signal s = (x
k
) = { 32 5 5 2<
) S!LT : x
e
= (x
2k
)
x
o
= (x
2k+
)
2) !REDCT (! : identit) : d
k
= x
2k+
- x
2k
3) U!DATE : a
k
= x
2k
+ d
k
/ 2
7et7ou;e7 I'o3deIette de Haa7 su7 I'exempIe
a
k
d
k

Schema llfLlng appllcaLlons
W ntrt :
- Ouvre la voie aux o3deIettes de seco3de g37atio3
- Donne une rponse des p7obIGmes pratiques t7Gs compIexes ou
impossibIe avec la transforme de Fourier
Filtrage sur grille irrgulire, maillages, .
Compression vido :
- Filtrage temporel suivant les trajectoires de mouvement
- Schma lifting : rpondre efficacement toutes les contraintes
Transforme en ondelettes entire ( valeurs dans ) :
- Codage d'images sans perte (transforme 5/3 entire dans !2000)
- Les coefficients de la transformation sont entiers
lan du 1
er
CM
nde
generaLlon (llfLlng
scheme)
lv Concluslon
2
I - TI 1D II - TO 1D III - Lifling schono IV - C!
une appllcaLlon des ondeleLLes le debrulLage
Applet dbruitage d'images : http://bigwwwepflch/demo/fractaldenoising/startphp
une appllcaLlon des ondeleLLes le debrulLage
W !aquets d'ondelettes
W Multi-ondelettes
W Ondelettes rationnelles
W Ondelettes multi-dimensionnelles
- Sparables
- Non-sparables
W Ondelettes gomtriques
- Gaborettes.
- Ridgelets, curvelets .
- Bandelets
W Ondelettes multi-values
W !seudo, semi, . ondelettes
CndeleLLes dlscreLes varlanLes eL exLenslons
8eferences
S. allat, "A theory for multiresolution signal decomposition: the wavelet
representation", EEE Trans !attern Anal Machine ntell,
. eyer, "Ondelettes et oprateurs ", Herman, !aris,
I. Daubechies, "Ten lectures on wavelets", 2
. Vetterli & . Kovacevic, "Wavelets and subband coding",5
D. Donoho, "De-noising by soft-thresholding", EEE TT, 5
W. Sweldens & !. Schrder, "Building your own wavelets at home",
. Strang & T. guyen, "Wavelets and Filter Banks",
W. Sweldens, "The lifting scheme: A construction of second generation wavelets",
S. allat, "A wavelet tour of signal processing", Academic !ress,
I. Daubechies & W. Sweldens, "Factoring Wavelet Transforms into Lifting Steps",
F. Truchetet, "Ondelettes pour le signal numrique", HERMES, !aris,
!. Brmaud, "Mathematical principles of signal processing, Fourier and wavelet
analysis", Springer 22
. Unser, T Blu, "Wavelet theory demystified", EEE TS! 23

CM1 M2R Ondelettes1d

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

CM1 M2R Ondelettes1d

Transféré par

Droits d'auteur :

Formats disponibles

1ransformee de lourler eL en

W Log|c|e|s de mod||sat|on 3D (modeleur CAC)

I - TF 1D II - TO 1D III - Lifling schono IV - CI

Si 3 > 0, on appelle ha7mo3ique de 7a3g 3 (note H

Applet : http://ptolemyeecsberkeleyedu/eecs2/berkeley/bodyhtml / Fourier Series

I - TF 1D II - TO 1D III - Lifling schono IV - CI

I - TF 1D II - TO 1D III - Lifling schono IV - CI

LchanLlllonnage (slgnal non perlodlque)

u 3i;eau des si3guIa7its du sig3aI : ph3omG3e de ibbs (osciIIatio3s)

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - Lifling schono IV - CI

Soit (t) une ondelette mre et

$y3thGse : additionner les atomes pondrs par leurs poids respectifs

I - TI 1D II - TO 1D III - Lifling schono IV - CI

engendre plusleurs famllle de foncLlons

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - Lifling schono IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

I - TI 1D II - TO 1D III - LIftIng schcmc IV - CI

Vous aimerez peut-être aussi