les bases de l`analyse harmonique
Transcription
les bases de l`analyse harmonique
LES BASES DE L’ANALYSE HARMONIQUE Jérôme Gilles UCLA JGS LES BASES DE L’ANALYSE HARMONIQUE TROISIEME PARTIE Ondelettes JGS LES BASES DE L’ANALYSE HARMONIQUE Au menu ... Rappel sur les limitations de la TFCT Familles d’ondelettes et plan temps-fréquence “adaptatif” Transformée en ondelette : définition et propriétés Principe de l’Analyse Multirésolution (AMR) Extensions au cas 2D Applications (approximation, débruitage, compression) JGS LES BASES DE L’ANALYSE HARMONIQUE Rappels ... La TFCT Z +∞ Sf (ν, τ ) = −∞ w(t − τ )f (t)e−2πνt dt Pavage rigide du plan temps-fréquence τ ∆t ν ∆ν JGS LES BASES DE L’ANALYSE HARMONIQUE Les limites de la TFCT JGS LES BASES DE L’ANALYSE HARMONIQUE Plan temps-fréquence adaptatif τ ∆t ∆ν ∆t ∆ν ∆t ∆ν ν JGS LES BASES DE L’ANALYSE HARMONIQUE Plan temps-fréquence adaptatif τ ∆t ∆ν ∆t ∆ν ∆t ∆ν ⇒ Ondelettes JGS ν LES BASES DE L’ANALYSE HARMONIQUE Un peu d’histoire ... 1946, Denis Gabor : TFCT avec fenêtre gaussienne. JGS LES BASES DE L’ANALYSE HARMONIQUE Un peu d’histoire ... 1946, Denis Gabor : TFCT avec fenêtre gaussienne. 1982, Jean Morlet : applications en géophysique, propose d’échanger la modulation par la dilatation d’une fonction fixe. JGS LES BASES DE L’ANALYSE HARMONIQUE Un peu d’histoire ... 1946, Denis Gabor : TFCT avec fenêtre gaussienne. 1982, Jean Morlet : applications en géophysique, propose d’échanger la modulation par la dilatation d’une fonction fixe. 1984, Alex Grossmann et l’équipe de Marseille : lien entre l’ondelette de Morlet et les états cohérents en physique quantique + lien avec la théorie des frames. JGS LES BASES DE L’ANALYSE HARMONIQUE Un peu d’histoire ... 1946, Denis Gabor : TFCT avec fenêtre gaussienne. 1982, Jean Morlet : applications en géophysique, propose d’échanger la modulation par la dilatation d’une fonction fixe. 1984, Alex Grossmann et l’équipe de Marseille : lien entre l’ondelette de Morlet et les états cohérents en physique quantique + lien avec la théorie des frames. 1985, Yves Meyer : fait le lien avec l’analyse harmonique et pose tous les fondements mathématiques de la théorie + découverte de l’existence d’une base orthonormée (1986). JGS LES BASES DE L’ANALYSE HARMONIQUE Un peu d’histoire ... 1946, Denis Gabor : TFCT avec fenêtre gaussienne. 1982, Jean Morlet : applications en géophysique, propose d’échanger la modulation par la dilatation d’une fonction fixe. 1984, Alex Grossmann et l’équipe de Marseille : lien entre l’ondelette de Morlet et les états cohérents en physique quantique + lien avec la théorie des frames. 1985, Yves Meyer : fait le lien avec l’analyse harmonique et pose tous les fondements mathématiques de la théorie + découverte de l’existence d’une base orthonormée (1986). et ensuite . . . : S.Mallat, I.Daubechies, R.Coiffman, A.Cohen, . . . JGS LES BASES DE L’ANALYSE HARMONIQUE Avant avec Fourier Z +∞ f̂ (ν) = −∞ f (t)e−2πνt dt = hf , e2πνt i On projete le signal f sur la famille de fonctions {e2πνt }. C’est cette famille qui fixe la structure du pavage du plan temps-fréquence. JGS LES BASES DE L’ANALYSE HARMONIQUE Avant avec Fourier Z +∞ f̂ (ν) = −∞ f (t)e−2πνt dt = hf , e2πνt i On projete le signal f sur la famille de fonctions {e2πνt }. C’est cette famille qui fixe la structure du pavage du plan temps-fréquence. Peut-on trouver une autre famille de fonctions qui nous donnerait le pavage souhaité ? JGS LES BASES DE L’ANALYSE HARMONIQUE Famille d’ondelettes On choisit une ondelette “mère” ψ(t) telle que (moyenne nulle) et kψkL2 = 1 R∞ −∞ ψ(t)dt =0 On construit une famille d’ondelettes par dilatation/contraction (facteur a ∈ R+ ) et translation (facteur b ∈ R) de l’ondelette mère : 1 t −b ψa,b (t) = √ ψ a a Rq : kψa,b kL2 = 1 JGS LES BASES DE L’ANALYSE HARMONIQUE Transformée en ondelettes CWT Wf (a, b) = hf , ψa,b i = Z +∞ −∞ 1 f (t) √ ψ ∗ a Condition d’admissibilité : si Cψ = R +∞ 0 t −b a |ψ̂(ν)|2 dν ν dt < +∞ alors Transformée inverse Z +∞ Z +∞ 1 1 t −b da f (t) = Wf (a, b) √ ψ db 2 Cψ 0 a a a −∞ JGS LES BASES DE L’ANALYSE HARMONIQUE Premières propriétés Conservation de l’énergie Z +∞ Z +∞ Z +∞ 1 da |f (t)|2 dt = |Wf (a, b)|2 db 2 C a ψ 0 −∞ −∞ La CWT est un filtrage ! Si l’on écrit 1 ψ̄a (t) = √ ψ ∗ a −t a alors Wf (a, b) = f ? ψ̄a (b) c̄ (ν) = √aψ c∗ (aν). Rq : ψ a JGS LES BASES DE L’ANALYSE HARMONIQUE Interprétation La transformée en ondelette est un filtrage du type passe-bande ! ψ̂a0 ψ̂a1 ψ̂a2 ν Conséquence : on ne peut pas avoir la fréquence nulle −→ complémentarité obtenue avec la fonction d’échelle. JGS LES BASES DE L’ANALYSE HARMONIQUE Fonction d’échelle 1/2 Hyp : on connait Wf (a, b) pour a < a0 −→ on a besoin de connaître l’information pour a > a0 pour reconstruire parfaitement f . Pour cela on utilise la fonction d’échelle qui est définie à partir de l’ondelette utilisée par le biais de leurs TF : Z +∞ dξ 2 |φ̂(ν)| = |ψ̂(ξ)|2 ξ ν Ici aussi on peut écrire φ̄a (t) = √1a φ∗ −t a et l’information manquante peut être vue comme un filtrage passe-bas : t −u 1 Lf (a, b) = f (t), √ φ = f ? φ¯a (u) a a JGS LES BASES DE L’ANALYSE HARMONIQUE Fonction d’échelle 2/2 φ̂a0ψ̂a0 ψ̂a1 ψ̂a2 ν La reconstruction s’obtient alors par : Z a0 1 da f (t) = Wf (a, .) ? ψa (t) 2 Cψ 0 a 1 + L (a, .) ? φa0 (t) Cψ a0 f JGS LES BASES DE L’ANALYSE HARMONIQUE Pavage de plan temps-fréquence τ a0∆t ∆ν/a0 a1∆t ∆ν/a1 ν JGS LES BASES DE L’ANALYSE HARMONIQUE Discrétisation Signaux échantillonnés (pas = N −1 ). JGS LES BASES DE L’ANALYSE HARMONIQUE Discrétisation Signaux échantillonnés (pas = N −1 ). Echelles discrètes : a = (21/ν )j (ν échelles par octave [2j , 2j+1 [). JGS LES BASES DE L’ANALYSE HARMONIQUE Discrétisation Signaux échantillonnés (pas = N −1 ). Echelles discrètes : a = (21/ν )j (ν échelles par octave [2j , 2j+1 [). 1/ν L’ondelette dilatée est donc définie par (d = 2 ) ψj [n] = √1 j ψ dnj . d JGS LES BASES DE L’ANALYSE HARMONIQUE Discrétisation Signaux échantillonnés (pas = N −1 ). Echelles discrètes : a = (21/ν )j (ν échelles par octave [2j , 2j+1 [). 1/ν L’ondelette dilatée est donc définie par (d = 2 ) ψj [n] = √1 j ψ dnj . d TransforméePdiscrète : ∗ ? ψ̄j [n] (périodisation Wf [n, d j ] = N−1 m=0 f [m]ψj [m − n] = f du signal). JGS LES BASES DE L’ANALYSE HARMONIQUE Discrétisation Signaux échantillonnés (pas = N −1 ). Echelles discrètes : a = (21/ν )j (ν échelles par octave [2j , 2j+1 [). 1/ν L’ondelette dilatée est donc définie par (d = 2 ) ψj [n] = √1 j ψ dnj . d TransforméePdiscrète : ∗ ? ψ̄j [n] (périodisation Wf [n, d j ] = N−1 m=0 f [m]ψj [m − n] = f du signal). Fonction d’échelle : φJ [n] = √1 J φ dnJ où a0 = d J . d JGS LES BASES DE L’ANALYSE HARMONIQUE Discrétisation Signaux échantillonnés (pas = N −1 ). Echelles discrètes : a = (21/ν )j (ν échelles par octave [2j , 2j+1 [). 1/ν L’ondelette dilatée est donc définie par (d = 2 ) ψj [n] = √1 j ψ dnj . d TransforméePdiscrète : ∗ ? ψ̄j [n] (périodisation Wf [n, d j ] = N−1 m=0 f [m]ψj [m − n] = f du signal). Fonction d’échelle : φJ [n] = √1 J φ dnJ où a0 = d J . d BF s’obtiennent PN−1par : ∗ J ? φ̄J [n] Lf [n, d ] = m=0 f [m]φJ [m − n] = f JGS LES BASES DE L’ANALYSE HARMONIQUE Quelques exemples 1/4 Même signaux de test que le cours sur Fourier : 400Hz 30Hz 150Hz 0 0.39 0.4 0.78 0.8 JGS 1 t LES BASES DE L’ANALYSE HARMONIQUE Quelques exemples 2/4 JGS LES BASES DE L’ANALYSE HARMONIQUE Quelques exemples 3/4 JGS LES BASES DE L’ANALYSE HARMONIQUE Quelques exemples 4/4 JGS LES BASES DE L’ANALYSE HARMONIQUE Notions de Bases et Trames En géometrie Orthogonal Basis Frame Biorthogonal basis Bases orthogonales {en } est une base orthogonale si hen , em i = 0 si m 6= n. JGS LES BASES DE L’ANALYSE HARMONIQUE Notions de Bases et Trames En géometrie Orthogonal Basis Frame Biorthogonal basis Trame (frame) {en } est une P trame si ∃A, B > 0 telles que Akf k2L2 6 n∈Γ |hf , en i|2 6 Bkf k2L2 ⇒ redondance. La reconstruction se fait à l’aide de l’opérateur pseudo-inverse qui utilise une trame dual {ẽn }. Si A = B on a alors une trame ajustée (tight frame) Si A = B = 1 on a alors une base orthonormée. JGS LES BASES DE L’ANALYSE HARMONIQUE Notions de Bases et Trames En géometrie Orthogonal Basis φ̂a0ψ̂a0 ψ̂a1 Frame Biorthogonal basis ψ̂a2 Base orthogonale ν φ̂a0ψ̂a0 ψ̂a1 ψ̂a2 Trame ν JGS LES BASES DE L’ANALYSE HARMONIQUE Notions de Bases et Trames En géometrie Orthogonal Basis Frame Biorthogonal basis Base biorthogonale Soit deux familles d’ondelettes {ψj,n } et {ψ̃j,n }, elles sont dites biorthogonales si hψj,n , ψ̃j 0 ,n0 i = δ[n − n0 ]δ[j − j 0 ] JGS ∀(j, j 0 , n, n0 ) ∈ Z4 LES BASES DE L’ANALYSE HARMONIQUE Un cas particulier : le cas dyadique Les échelles sont discrétisée en prennant a = 2j . 1 t − 2j n √ ψj,n (t) = ψ 2j 2j (j,n)∈Z2 Plusieurs avantages : Possibilité de construire “facilement” des bases orthogonales ayant certaines propriétés (régularité, compacité du support, . . .). Lien avec la théorie des filtres miroirs conjugués. Algorithme rapide en utilisant des bancs de filtres sous-échantillonnés. Construction aisée d’une analyse multirésolution. JGS LES BASES DE L’ANALYSE HARMONIQUE Analyse Multirésolution (AMR) AMR Vj ∀(j, k ) ∈ Z2 , f (t) ∈ Vj ⇔ f (t − 2j k ) ∈ Vj ∀j ∈ Z, Vj+1 ⊂ Vj ∀j ∈ Z, f (t) ∈ Vj ⇔ f 2t ∈ Vj+1 T limj→+∞ Vj = +∞ j=−∞ Vj = {0} S+∞ limj→−∞ Vj = j=−∞ Vj = L2 (R) ∃{θ(t − n)}n∈Z base de Riesz de V0 . JGS LES BASES DE L’ANALYSE HARMONIQUE Analyse Multirésolution (AMR) AMR ∀(j, k ) ∈ Z2 , f (t) ∈ Vj ⇔ f (t − 2j k ) ∈ Vj ∀j ∈ Z, Vj+1 ⊂ Vj ∀j ∈ Z, f (t) ∈ Vj ⇔ f 2t ∈ Vj+1 T limj→+∞ Vj = +∞ j=−∞ Vj = {0} S+∞ limj→−∞ Vj = j=−∞ Vj = L2 (R) ∃{θ(t − n)}n∈Z base de Riesz de V0 . Vj+1 Wj+1 JGS LES BASES DE L’ANALYSE HARMONIQUE Analyse Multirésolution (AMR) AMR ∀(j, k ) ∈ Z2 , f (t) ∈ Vj ⇔ f (t − 2j k ) ∈ Vj ∀j ∈ Z, Vj+1 ⊂ Vj ∀j ∈ Z, f (t) ∈ Vj ⇔ f 2t ∈ Vj+1 T limj→+∞ Vj = +∞ j=−∞ Vj = {0} S+∞ limj→−∞ Vj = j=−∞ Vj = L2 (R) ∃{θ(t − n)}n∈Z base de Riesz de V0 . JGS LES BASES DE L’ANALYSE HARMONIQUE Analyse Multirésolution (AMR) AMR ∀(j, k ) ∈ Z2 , f (t) ∈ Vj ⇔ f (t − 2j k ) ∈ Vj ∀j ∈ Z, Vj+1 ⊂ Vj ∀j ∈ Z, f (t) ∈ Vj ⇔ f 2t ∈ Vj+1 T limj→+∞ Vj = +∞ j=−∞ Vj = {0} S+∞ limj→−∞ Vj = j=−∞ Vj = L2 (R) ∃{θ(t − n)}n∈Z base de Riesz de V0 . JGS LES BASES DE L’ANALYSE HARMONIQUE Analyse Multirésolution (AMR) AMR V0 ∀(j, k ) ∈ Z2 , f (t) ∈ Vj ⇔ f (t − 2j k ) ∈ Vj ∀j ∈ Z, Vj+1 ⊂ Vj ∀j ∈ Z, f (t) ∈ Vj ⇔ f 2t ∈ Vj+1 T limj→+∞ Vj = +∞ j=−∞ Vj = {0} S+∞ limj→−∞ Vj = j=−∞ Vj = L2 (R) ∃{θ(t − n)}n∈Z base de Riesz de V0 . JGS LES BASES DE L’ANALYSE HARMONIQUE AMR et ondelettes Vj ⇔ basses résolutions ⇔ aj [n] = hf , φj,n i Wj ⇔ hautes résolutions (détails) ⇔ dj [n] = hf , ψj,n i JGS LES BASES DE L’ANALYSE HARMONIQUE AMR et ondelettes Vj ⇔ basses résolutions ⇔ aj [n] = hf , φj,n i Wj ⇔ hautes résolutions (détails) ⇔ dj [n] = hf , ψj,n i Théorème de Mallat (transformée récursive) Numériquement, on peut construire des filtres numériques h et g correspondant respectivement à φ et ψ tels que aj+1 [p] = +∞ X n=−∞ dj+1 [p] = +∞ X n=−∞ JGS h[n − 2p]aj [n] g[n − 2p]aj [n] LES BASES DE L’ANALYSE HARMONIQUE Exemple de filtres JGS LES BASES DE L’ANALYSE HARMONIQUE Transformée en ondelettes rapide aj h̄ 2 ḡ 2 aj+1 h̄ 2 aj+2 ḡ 2 dj+2 dj+1 Decomposition Reconstruction aj+2 2 h dj+2 2 g + aj+1 2 h 2 g + aj dj+1 h̄[n] = h[−n] ḡ[n] = g[−n] JGS LES BASES DE L’ANALYSE HARMONIQUE Exemples (sans sous-échantillonnage) JGS LES BASES DE L’ANALYSE HARMONIQUE Exemples (sans sous-échantillonnage) JGS LES BASES DE L’ANALYSE HARMONIQUE Exemples (sans sous-échantillonnage) JGS LES BASES DE L’ANALYSE HARMONIQUE Extension en 2D ⇒ 2 variables ⇒ φ(x, y ) et ψ(x, y ). JGS LES BASES DE L’ANALYSE HARMONIQUE Extension en 2D ⇒ 2 variables ⇒ φ(x, y ) et ψ(x, y ). Deux stratégies Construire directement des fonctions à deux variables (ex : filtres de Gabor). Utiliser des filtres séparables via des transformées 1D. JGS LES BASES DE L’ANALYSE HARMONIQUE Extension en 2D : Construction directe Ex : ondelettes de Gabor, ondelette de Morlet, ondelette de Cauchy, ... JGS LES BASES DE L’ANALYSE HARMONIQUE Extension en 2D : par transformées séparables Idée : on filtre d’abord dans une direction puis dans l’autre grace aux filtres 1D. ⇒ Extension directe de l’algorithme de Mallat. aj h̄ ḡ 2 2 Filters applied in the horizontal direction h̄ 2 aj+1 ḡ 2 d1j+1 h̄ 2 d2j+1 ḡ 2 d3j+1 Filters applied in the vertical direction JGS LES BASES DE L’ANALYSE HARMONIQUE Extension en 2D : par transformées séparables aj+1 2 h d1j+1 2 g d2j+1 2 h d3j+1 2 g + 2 h 2 g + + Filters applied in the vertical direction Filters applied in the horizontal direction JGS LES BASES DE L’ANALYSE HARMONIQUE aj Transformée en 2D JGS LES BASES DE L’ANALYSE HARMONIQUE Transformée en 2D JGS LES BASES DE L’ANALYSE HARMONIQUE Transformée en 2D JGS LES BASES DE L’ANALYSE HARMONIQUE Transformée en 2D JGS LES BASES DE L’ANALYSE HARMONIQUE Interprétation dans le domaine de Fourier ν2 3 ψ̂j−1 1 ψ̂j−1 3 ψ̂j−1 ψ̂j1 2 ψ̂j−1 ψ̂j2 φ̂j ψ̂j2 2 ψ̂j−1 ν1 ψ̂j1 3 ψ̂j−1 1 ψ̂j−1 JGS 3 ψ̂j−1 LES BASES DE L’ANALYSE HARMONIQUE La 2D : un monde particulier ! Ondelettes séparables ⇒ analyse suivant les axes. Dans une image l’information peut suivre n’importe quelle direction. Separable wavelet approximation Desired approximation JGS LES BASES DE L’ANALYSE HARMONIQUE De meilleures familles . . . On peut construire des trames adaptées à la notion de direction, voire à la géométrie même de l’image. JGS LES BASES DE L’ANALYSE HARMONIQUE De meilleures familles . . . On peut construire des trames adaptées à la notion de direction, voire à la géométrie même de l’image. ⇒ ridgelettes, curvelettes, contourlettes, edgelettes, bandelettes,. . . JGS LES BASES DE L’ANALYSE HARMONIQUE Contourlettes ......... f Laplacian Pyramid .. .. ......... Pyramide Laplacienne pour l’aspect multirésolution ... ... Directional Filter Bank 2 Filtres directionnels basés sur les filtres en quinqux Directional Filter Bank 1 JGS LES BASES DE L’ANALYSE HARMONIQUE Contourlettes JGS LES BASES DE L’ANALYSE HARMONIQUE Applications Débruitage Compression ... JGS LES BASES DE L’ANALYSE HARMONIQUE Prémisces : notion d’approximation Chaque coefficient apporte son lot plus ou moins important d’information Original JGS LES BASES DE L’ANALYSE HARMONIQUE Prémisces : notion d’approximation Chaque coefficient apporte son lot plus ou moins important d’information Original Coefficients d’ondelette (Daubechies) JGS LES BASES DE L’ANALYSE HARMONIQUE Prémisces : notion d’approximation Chaque coefficient apporte son lot plus ou moins important d’information Reconstruction sans la HR Original JGS LES BASES DE L’ANALYSE HARMONIQUE Prémisces : notion d’approximation Seuillage doux (Soft thresholding) Soit un seuil T ( 0 HT (x, T ) = sign(x)(|x| − T ) si si |x| 6 T |x| > T Seuillage dur (Hard thresholding) Soit un seuil T ( 0 HT (x, T ) = x JGS si si |x| 6 T |x| > T LES BASES DE L’ANALYSE HARMONIQUE Exemple de seuillage doux Original T = 50 T = 100 T = 1000 JGS LES BASES DE L’ANALYSE HARMONIQUE Exemple de seuillage dur Original T = 50 T = 100 T = 1000 JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage Bruit Coefficient d’ondelette du bruit L’énergie du bruit est répartie au travers de toutes les échelles (coefficients de faibles amplitudes). JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage ⇒ Utilisation du seuillage pour éliminer les coefficients dûs au bruit. Image DWT Thresholding Inverse DWT Denoised image Bruit gaussien ⇒ seuillage doux optimal en théorie mais le seuillage dur donne de meilleurs résultats visuellement. JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage : exemple Original Version bruitée JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage : exemple Original Seuillage doux sur coef d’ondelette JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage : exemple Original Seuillage dur sur coef d’ondelette JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage : exemple Original Seuillage doux sur coef contourlette JGS LES BASES DE L’ANALYSE HARMONIQUE Débruitage : exemple Original Seuillage dur sur coef contourlette JGS LES BASES DE L’ANALYSE HARMONIQUE Compression : principe général Image Changing into a new representation space Compressed image JGS Quantification Coding scheme LES BASES DE L’ANALYSE HARMONIQUE Compression : JPEG2000 JGS LES BASES DE L’ANALYSE HARMONIQUE Compression : JPEG2000 JPEG 1 :86 JPEG 1 :41 JPEG2000 1 :86 JPEG2000 1 :41 JGS LES BASES DE L’ANALYSE HARMONIQUE Le monde merveilleux des ondelettes . . . Du point de vue théorique D’autres extensions : paquets d’ondelettes, ondelettes rationnelles, ... Outil pour l’analyse fonctionnelle (espace de Besov, espace de Triebel-Lizorkin), . . . Lien avec la théorie de l’approximation, . . . Outil pour la résolution des équations différentielles, . . . JGS LES BASES DE L’ANALYSE HARMONIQUE Le monde merveilleux des ondelettes . . . Du point de vue théorique D’autres extensions : paquets d’ondelettes, ondelettes rationnelles, ... Outil pour l’analyse fonctionnelle (espace de Besov, espace de Triebel-Lizorkin), . . . Lien avec la théorie de l’approximation, . . . Outil pour la résolution des équations différentielles, . . . Du point de vue applicatif Compression de vidéo (MPEG4, . . .) Analyse de signaux sismiques, acoustiques, . . . Traitement d’images : analyse de textures, modélisation, . . . ... JGS LES BASES DE L’ANALYSE HARMONIQUE Quelques références S.Mallat, “Une exploration des signaux en ondelettes” M.Vetterli, “Wavelets and subband coding” (http : //infoscience.epfl.ch/record/33934/files/ VetterliKovacevic95_Manuscript.pdf ?version = 1) Y.Meyer, “Ondelettes et opérateurs” (3 tomes) Wavelet Digest : http : //www.wavelet.org JGS LES BASES DE L’ANALYSE HARMONIQUE