Bibliographie & annexes
Présentation
En anglais
Auteur(s)
-
Béatrice PESQUET-POPESCU : Ingénieur de l’Institut Polytechnique de Bucarest - Docteur de l’École Normale Supérieure de Cachan - Maître de conférences à l’École Nationale Supérieure des Télécommunications de Paris
-
Jean-Christophe PESQUET : Ingénieur de l’École Supérieure d’Électricité - Docteur de l’Université de Paris-Sud - Professeur à l’Université de Marne-la-Vallée - Chercheur au Laboratoire des Signaux et Systèmes (CNRS - Supélec) à Gif-sur-Yvette
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
Quand on cherche à analyser un signal, il est très fréquent qu’on établisse, de manière explicite ou implicite, une représentation temps-fréquence de ce signal. L’image qu’on peut avoir d’une telle opération est celle de la transcription d’une partition de musique, qui indique au musicien les notes (donc l’information fréquentielle) qu’il doit produire à un moment donné. La transformée de Fourier n’est pas l’outil approprié pour mener cette analyse puisqu’elle masque l’évolution temporelle du signal. Par contre, comme nous le montrerons, la transformée en ondelettes et ses extensions fournissent des solutions intéressantes dans ce contexte.
Les ondelettes sont issues de l’intuition d’un ingénieur en géophysique, J. Morlet, dans les années 1980. Sous l’impulsion de personnalités scientifiques telles que le physicien A. Grossman [39] ou le mathématicien Y. Meyer [55], les ondelettes se sont imposées comme des outils fondamentaux de l’analyse harmonique moderne.
D’un point de vue applicatif, les ondelettes ont eu une influence importante dans divers domaines : physique, analyse numérique (par exemple, pour la résolution d’équations aux dérivées partielles), statistiques, traitement du signal et des images, vision par ordinateur...
Dans le contexte de traitement du signal dans lequel nous nous placerons, le lien existant entre les décompositions en ondelettes et des outils plus traditionnels que sont les bancs de filtres, confère une certaine légitimité à ces transformations. Les bancs de filtres considérés agissent en divisant le spectre des signaux de manière logarithmique et constituent ainsi d’assez bonnes approximations du mode de fonctionnement des systèmes perceptuels visuel ou auditif humains. Les ondelettes et les techniques multirésolution ont connu un grand succès en traitement d’images pour des problèmes tels que l’estimation de mouvement, la reconnaissance de formes, la recherche dans des bases de données et la transmission progressive d’informations. La propriété essentielle qui est exploitée dans ces applications est la possibilité d’approximer les images à plusieurs échelles, en partant d’une vue « grossière » qu’on vient affiner au cours de traitement successifs.
Dans la suite de cet article, nous présenterons les différentes formes de transformations en ondelettes existant. De façon schématique, on peut en distinguer trois types :
-
des représentations très redondantes (transformations continues en ondelettes) ;
-
des décompositions parcimonieuses (bases d’ondelettes orthogonales ou biorthogonales, paquets d’ondelettes...) ;
-
des solutions intermédiaires (trames d’ondelettes).
Nous indiquerons brièvement comment ces concepts s’étendent aux images et aux données multidimensionnelles. Enfin, nous présenterons quelques applications parmi celles qui nous paraissent les plus significatives.
Notons que les ondelettes font parfois appel à des notions mathématiques avancées et que nous essaierons, tout au long de notre exposé, de contourner les points les plus épineux, au risque de parfois manquer de précision.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Bases d’ondelettes
En anglais
1. Analyses temps-fréquence et temps-échelle
1.1 Limitations de l’analyse de Fourier
Considérons un signal s (t ) à temps continu que nous suppo-serons d’énergie finie :
Un outil traditionnel d’analyse de ce signal est sa transformée de Fourier [38], définie par :
Cette transformation fait clairement ressortir le contenu fréquentiel de s (t ) mais ne permet pas aisément de localiser temporel-lement les événements (impulsions, sauts, changements de fréquence...) qui surviennent dans le signal. Pour mieux comprendre ce phénomène, on peut réécrire la transformée de Fourier sous la forme :
où la notation àβ1, β2ñ désigne de façon formelle le produit scalaire de deux signaux β1(t ) et β2(t ) :
( 1 )
désignant le complexe conjugué de β2(t ).
Ce produit scalaire est de module maximal quand ces signaux sont égaux, à un facteur d’amplitude près. On voit ainsi que la valeur de │S (ƒ)│ permet, en quelque sorte, d’évaluer le degré de ressemblance entre le signal s (t ) et la cisoïde ei2πƒt. Cette dernière fonction correspond à une « fréquence pure » et donc est idéale pour mener une analyse spectrale, mais elle oscille sur tout l’axe temporel avec la même...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Analyses temps-fréquence et temps-échelle
BIBLIOGRAPHIE
-
(1) - ABRAMOVICH (F.), SAPATINAS (T.), SILVERMAN (B.W.) - Wavelet thresholding via a bayesian approach. - J.R. Statist. Soc. B, 60, p. 725-749, 1998.
-
(2) - ABRY (P.) - Ondelettes et Turbulences. Multirésolutions, algorithmes de décompositions, invariance d’échelle et signaux de pression. - Diderot, Éditeurs des Sciences et des Arts, Paris, 1997.
-
(3) - ABRY (P.), VEITCH (D.) - Wavelet analysis of long-range-dependent traffic. - IEEE Trans. Informat. Theory, 44, p. 2-15, janv. 1998.
-
(4) - ANTONIADIS (A.), GIJBELS (I.), GRÉGOIRE (G.) - Model selection using wavelet decomposition and applications. - Technical Report Discussion paper, Institute of Statistics, Université Catholique de Louvain, Belgium, 1996. To appear in Biometrika.
-
(5) - ANTONINI (M.), BARLAUD (M.), MATHIEU (P.), DAUBECHIES (I.) - Image coding using wavelet transform. - IEEE Trans. Image Processing, 1(2), p. 205-220, avr. 1992.
-
...
ANNEXES
Dans les Techniques de l’Ingénieur, traité Télécoms
BALESTRA (G.) - Signal vidéo numérique. - TE 5 330 (2001).
GUILLOIS (J.-P.) - Compression de données. Compression d’images. - E 5 340 (1998)
FERT (E.) - JEANNIN (S.) - Compression MPEG-1 à MPEG-4. - TE 5 360 (2000)
HAUT DE PAGE
De nombreux logiciels existent qui rendent maintenant aisée la mise en œuvre d’une transformation en ondelettes. La plupart de ces produits s’intègrent dans des progiciels plus importants (MATLAB, Mathematica...) destinés au calcul numérique ou symbolique. Par ailleurs, ces programmes sont généralement disponibles sur différents systèmes (Unix/Linux, Windows, Macintosh).
Parmi les logiciels commerciaux, mentionnons la Wavelet Toolbox, une boîte à outils MATLAB ( http://www.mathworks.com) et Wavelet Explorer, un « package » de Mathematica ( http://store.wolfram.com). Ces ensembles de routines permettent l’analyse et la synthèse de signaux et images à l’aide d’ondelettes. Ils offrent également des fonctionnalités pour le débruitage et la compression de données.
Des logiciels gratuits de bonne qualité sont aussi mis à la disposition du public. En particulier, WaveLab est une bibliothèque très complète de fonctions MATLAB écrites à l’université de Stanford ( http://www-stat.stanford.edu/~wavelab).
XWPL est un utilitaire X-Windoxs conçu à l’université de Yale...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
