Bibliographie & annexes
Présentation
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
(157 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
Conclusion6. Quelques applications
6.1 Compression d’images
Le domaine d’applications dans lequel les ondelettes ont sans doute eu l’impact le plus important est la compression d’images [6]. Cela est dû en grande partie aux excellentes performances en compression qui sont obtenues par les algorithmes à base d’ondelettes. Une autre raison de ce succès est l’introduction de fonctionnalités de scalabilité en résolution et en qualité qui seront évoquées par la suite.
L’amélioration de l’efficacité de codage par rapport aux schémas de type MICD (Modulation d’Impulsions Codées Différentiellement) ou aux techniques basées sur la TCD (Transformée en Cosinus Discrète) s’explique par une meilleure concentration de l’énergie réalisée par les décompositions en ondelettes et l’absence d’« effets de blocs ». Un autre facteur de gain est le développement d’algorithmes de compression capables de prendre en compte de manière efficace les dépendances hiérarchiques entre les coefficients d’ondelettes dans les différentes sous-bandes. Nous allons maintenant détailler quelques points essentiels d’un algorithme de compression à base d’ondelettes comme le choix des filtres, ou l’utilisation d’« arbres de zéros » dans la stratégie de codage des coefficients. Nous n’expliciterons pas le fonctionnement des modules de quantification ou de codage entropique [56], [32] qui jouent un rôle tout aussi important mais qui ne sont pas spécifiques à un codeur à base d’ondelettes.
HAUT DE PAGE
La plupart des systèmes de compression d’images à l’aide d’ondelettes exploitent des décompositions 2D séparables. Le choix des bancs de filtres influe fortement sur les performances du système [79]. Les décompositions orthonormales assurent une erreur de reconstruction égale à l’erreur de quantification des coefficients et sont, pour cette raison, simples à utiliser mais elles ne conduisent pourtant pas aux meilleurs résultats. D’autres caractéristiques, comme la longueur des filtres employés [33] ou la régularité peuvent se révéler plus importantes.
Des décompositions biorthogonales sont souvent préférées car elles permettent...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(157 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
Quelques applications
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
(157 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
