La transformée en bandelettes

HEMON Pierre, AVELLINO Florian, GARAUD Alaric, BISOGNIN Aimeric
 Sommaire

Introduction

1- La transformée en ondelettes
1-0: la théorie
1-1: l'analyse multirésolution
1-2: la transformée en ondelettes
1-3: le paramètre d'échelle
1-4: calcul de transformée en ondelettes
1-5: la transformée en ondelettes pour la
compression d'image
1-6: points faibles de la transformée en ondelettes

2- La transformée en bandelettes

Conclusion
 Introduction

C
et exposé à pour objectif d'expliquer la transformée en
bandelettes. Mais l'on ne peut prétendre comprendre la
transformée en bandelettes sans avoir au préalable assimilé
tout la démarche qui y mène.

Avant d'expliquer la transformée en bandelettes à proprement

parler, il convient d'évoquer ce qui a amené à son élaboration.
La transformée en bandelettes s'est construite sur les défauts ou
plutôt les insuffisenses de la transformée en ondelettes qui est
elle même apparue pour rectifier la transformée de Fourier à
fenêtre glissante.

L'ancêtre de la transformée en ondelettes est la transformée

de Fourier à fenêtre glissante. Elle propose une première
amélioration de la transformée de Fourier. La transformée de
Fourier à fenêtre glissante se base sur l'idée de localiser le
signal. Par son concept de temps-échelle, la transformée en
ondelettes donne de meilleurs résultats que la transformée de
Fourier à fenêtre qui est basée sur le concept temps-fréquence.
La transformée en ondelettes agit donc par translation et
dilatation d'une ondelette mère. Par dilatation il faut entendre
le fait de « compresser » ou « d'étirer » un signal très court et
d'intégrale nulle (l'ondelette mère).
La transformée en ondelettes s'adapte très bien à la compression
d'image que l'on peut considérer comme un signal à deux
dimensions. Il existe des algorithmes récursifs très performants.
En particulier la transformée en ondelettes est utilisée dans la
technologie JPEG. Elle a trouvé son terrain de prédilection dans
la compression d'images satellite où il est nécessaire de
minimiser le nombre de coefficient transmis au décodeur. Elle
possède d'autres applications telles que l'élimination du bruit
par quantification des coefficients calculés par la transformée en
ondelettes.
Mais depuis le début des années 1980, la transformée en
ondelettes a été améliorée afin d'atteindre de meilleurs résultats
en terme de compression d'images. C'est ainsi qu'est apparue la
transformée en bandelettes.
 1- La transformée en ondelettes

1- 0: La théorie
Une transformation en ondelettes consiste à décomposer un
signal en version contenant l'allure générale et une somme détails
de plus en plus fins. Ainsi, à une résolution donnée on néglige
une partie des détails. Considérons les ondelettes de Haar qui
nous seront utiles à la compression d'images.
Soit un signal échantillonné sur [0;1] en 2P points que l'on
associe à la fonction

Quand cet échantillonnage varie f décrit l'ensemble Ep des

fonctions constantes sur les intervalles

Ep est un sous-espace vectoriel des fonctions à valeurs réelles.

Quand on fait varier p les espaces Ep sont emboîtés.

Ep muni d'un produit scalaire devient un espace préhilbertien réel

de dimension finie donc eucliden.

Les fonctions définies par:

sont les fonctions d'échelle.Elles constituent une base de Ep.

On considère le supplémentaire orthogonal Fp de Ep dans Ep+1. Ainsi
on a pour tout p. Cette décomposition sert à
définir la tendance grossière d'un signal E0, et ses détails à des
résolutions de plus en plus fines (F0,F1,…). On constate que la
transformée en ondelettes est un algorithme récursif.
Une base de Fp est construite à partir de la fonction d'ondelette
de Haar qui doit être d'intégrale nulle pour respecter la
condition d'orthogonalité entre Ep et Fp:
A partir de cette fonction, on définit les fonctions par
. On en déduit que la famille qui réunit les et
les est une base orthogonale de Ep+1, donc les
forment une base orthogonale de l'orthogonal Fp de Ep dans Ep+1.
Dans une image les coefficients de la fonction d'échelle
permettent d'en reconstituer une version floue tandis que les
coefficients de la fonction d'ondelette capture les détails.
La somme reconstruit bien l'image d'origine à niveau de détail
désiré.

1- 1: L'analyse multirésolution

A travers les problèmes de résolution en temps et en

fréquence qui résultent de phénomènes physiques (Le principe
d'incertitude d'Heisenberg), il est possible d'analyser n'importe
quel signal en utilisant une approche alternative appelée
l'analyse multirésolution. L'analyse multirésolution, comme son
nom l' indique, analyse le signal à différentes fréquences avec
différentes résolutions.
Cette analyse est réputée pour donner une bonne résolution en
temps et une pauvre en fréquence pour des signaux en haute
fréquence et une bonne résolution en fréquence et une pauvre en
temps pour des signaux en basse fréquence. Cette approche prend
tout son sens quand le signal possède une composante de haute
fréquence de petite durée et une composante basse fréquence de
longue durée. Heureusement, les signaux que nous allons analyser
par la suite sont de ce type. Voici un exemple de signal à
exploiter :

1- 2: La transformée en ondelettes
La transformée en ondelettes a été développée comme étant une
approche alternative afin de parvenir à résoudre les problèmes de
résolution venant de la transformée de Fourier. En effet, la
transformée en ondelettes est faite de manière similaire à la
transformée de Fourier.
Le signal est multiplié avec une fonction(La fonction d'onde),
similaire à la fonction de fenêtrage de la transformée de Fourier.
La transformée en ondelettes est calculée séparément pour
différents segments de domaine de temps du signal. Par contre, il
y a deux grandes différences entre ces deux transformées :
1. Les fréquences négatives ne sont pas calculées dans la
transformée de Fourier.
2. La grandeur de la fenêtre change.
La transformée en ondelettes est définie de la façon suivante :

Dans l'équation vu ci-dessus, le signal est transformé en fonction

de deux variables, tau et s, qui sont des paramètres de
translation et d'échelle. psi(t) est la fonction de la
transformation, et elle est appelée l'ondelette mère. Le terme
d'onde mère est du aux deux importantes propriétés de l'analyse en
ondelettes expliquées précédemment. Le terme de petite onde fait
référence aux conditions de tailles de cette fonction. Le terme
d'onde fait référence à la condition oscillatoire de la fonction.
L' ondelette mère va servir de prototype afin de générer d'autres
fonctions de fenêtrage.
Le terme de translation a la même signification que celle utilisée
en transformée de Fourier fenêtrée. Ce terme donne donc au temps
de l'information dans le domaine de la transformée. Nous allons
maintenant expliquer le paramètre d'échelle.
1- 3: Le paramètre d'échelle

Le paramètre d'échelle dans l'analyse en ondelettes est

similaire à l'utilisation d'une échelle sur une carte. Comme dans
le cas d'une carte, les hautes échelles correspondent à une vue
globale et une vue détaillée pour de faible échelles. De manière
similaire, en terme de fréquence, les faibles fréquences
correspondent correspondent à une information globale du
signal(Haute échelle). Les hautes fréquences correspondent à une
information détaillée du signal(Faible échelle). L'influence de
l'échelle sur un signal est montrée à l' aide des schémas ci-
dessous.
On remarque sur ces figures que pour de faibles échelles, le
signal ne dure pas pour des durées entières du signal. Mais ils
apparaissant sur de faibles intervalles comme petites impulsions.
Les hautes échelles durent pour des périodes entières du signal.
Les hautes échelles serviront donc à la dilatation du signal et
les faibles échelles à la compression du signal.

1- 4: Calcul de transformée en ondelettes

L' interprétation de l'équation ci-dessus sera expliqué dans

cette partie. L'ondelette mère est choisie pour servir de
prototype pour toutes les fenêtres dans ce calcul. Toutes les
fenêtres sont utilisées dans des versions de dilatation, de
compression ou de décalage de l' ondelette mère. L' ondelette
Morlet et la fonction du chapeau mexicain sont deux candidats, et
elles sont utilisées pour l'analyse en ondelettes des exemples
qui sont presentés au cours de cette partie.
Une fois que l'ondelette mère est choisie, le calcul commence avec
s=1 et la transformée en ondellettes est calculée pour toutes les
valeurs de l'échelle, plus grande ou plus petite que « 1 ». De
manère générale, le signal n'exige pas une complète transformée.
C'est pour cela que le calcul de la transformée se fait avec une
limite d'intervalle d'échelle. Par convention, la procédure
commencera à nune échelle s=1 et continuera en augmentant cette
valeur. L'analyse commencera donc par les hautes fréquences du
signal et étudiera par la suite les basses fréquences. Comme la
valeur de s est augmentée, l'ondelette sera donc dilatée.
L'ondelette est palcée au début du signal au point qui correspond
au temps t=0. La fonction ondelette à l'échelle « 1 » est
multiplié par le signal et intégrée au cours du temps. Le résultat
de cette intégration est ensuite multiplié par une constante
1/sqrt{s}. Cette multiplication est pour la normalisation de
l'énergie. Donc le signal transformé aura la meme énergie à
n'importe quel échelle.Le résultat final est la valeur qui
correspond à la valeur de la transformée au point tau=0 et s=1
dans le plan temps-échelle.
L'ondelette d'échelle « 1 » est décalée à droite par t=tau, et
l'équation ci-dessus est calculée pour obtenir la valeur de la
transformée à t=tau, s=1 dans le plan temps-fréquence.
Cette procédure est répétée jusqu'à ce que l'ondelette atteigne la
bande limite du signal. La transformée à l'échelle « 1 » sera
ainsi complétée.
Puis s augmente. On refait ainsi le calcul de la transformée en
ondelettes pour cette nouvelle valeur de l'échelle. Cette
procédure est répétée pour toutes les valeurs de s. Chaque calcul
pour une valeur donnée de s remplit la seule rangée correspondante
de l'avion de durée. Quand le processus est complété pour toutes
les valeurs désirées de s, la transformée en ondelettes du signal
a été calculée.
Les figures ci-dessous illustre le processus entier étape par
étape.
Dans la figure 3.3, le signal et la fonction ondelette sont
montrés avec quatre valeurs différentes de tau. Le signal est une
version tronquée du signal montré en figure 3.1. La valeur de
l'échelle est de 1, correspondant la plus petite échelle, ou la
plus haute fréquence. Quatre temps distincts de la fonction sont
montrés sur la figure. A chaque temps, la fonction est multipliée
par le signal. En décalant la fonction en temps, le signal est
localisé en temps, et en changeant la valeur de s, le signal est
localisé en échelle et donc en fréquence.
Les figures 3.4 et 3.5 illustrent le meme processus pour les
échelles s=5 et s=20, respectivement. Dès que la largeur de la
fenetre augmente, la transformée commence à reprendre la
composante basse fréquence du signal.
Pour toutes les échelles et tous les temps, un point du plan
temps-echelle est calculé. Le calcul d'une échelle construit la
rangée de point du plan temps-échelle, et les calculs à
différentes échelles construisent la colonne du plan temps-
échelle.
Maintenant, regardons l'exemple suivant, et voyons comment la
transformée en ondelettes fonctionne réellement. Soit un signal
non-stationnaire(Figure 3.6). Le signal est composé de quatre
fréquences différentes à 30 Hz, 20 Hz, 10 Hz et 5 Hz.

La figure 3.7 est la transformée en ondelettes du signal. Notez

que les axes sont de translation et d'échelle, pas temps et
fréquence. La translation est strictement liée au temps. La
translation peut faire penser au temps de translation de l'onde
mère depuis le temps t=0.L'échelle est par contre l'inverse de la
fréquence.
Notez que sur la figure 3.7, les petites échelles correspondent
aux hautes fréquences et inversement. Rappelez vous que le signal
avait une composante à 30 Hz et qu'elle se retrouve dans les
basses valeurs d'échelle dans le plan temps-échelle. Puis vient la
composante à 20 Hz du signal et les autres pour terminer.
Maintenant que l'on a clairement défini l'utilisation d'une
transformée en ondelettes, nous allons nous en servir pour ce qui
nous intéresse, c'est à dire la compression d'image.

1- 5: La transformée en ondelettes pour la

compression d'image
Une image numérique est un tableau de nombres, d’où
l’adjectif numérique. Un ordinateur utilise un langage binaire
composé uniquement de 0 et de 1 appelé bits (binary digits).
L’ordinateur utilise donc un alphabet à 2 caractères, il ne
connaît ni les lettres ni les couleurs, en revanche avec des 0
et des 1 on peut créer des nombres plus grands et associer à
ces nombres ce qu’on veut, des lettres par exemple pour écrire
ou des couleurs pour regarder des images. Pour cela on
regroupe les bits par blocs de 8 pour former des octets. Sur
un octet on peut coder 256=2^8 nombres différents. Pour une
image monochrome en noir et blanc par exemple, on associe
ensuite à un nombre une intensité lumineuse sur un pixel de
l’écran, par exemple on associe 0 à une intensité nulle donc à
un pixel noir et on associe 255 à une intensité maximale donc
à un pixel blanc. Les valeurs comprises entre 1 et 254
correspondant à différents niveaux de gris. Une image couleur
est une superposition de trois images monochromes rouge, verte
et bleue.
Lorsqu' on extrait une image, on extrait l’essentiel de
l’image, du tableau de nombres en fait, en se permettant
éventuellement d’omettre quelques détails. En pratique on
remplace un tableau par un autre plus petit qui décrit de
manière concise les informations contenues dans le grand.
C’est le concentré d’orange. Il suffit ensuite à la personne
qui souhaite lire l’image de savoir comment passer du petit
tableau au gros.
Il est parfois possible de compresser légèrement sans perte
d’information et donc de qualité mais si on souhaite diviser
le volume mémoire de l’image par 10 on a nécessairement des
pertes de détails.

Concrètement, on va décrire le fonctionnement de la

transformée en ondelettes pour la compression d' image. L'
ondelette mère utilisée pour la compression d' image est l'
ondelette de Haar représentée de la facon suivante :

La méthode de
compression est la suivante :

1. Moyenner les pixels de l' image originale deux à deux

suivant l' axe horizontal.

2. Calculer l' erreur entre l' image originale et l' image

sous-échantillonnée dans le sens horizontal.

3. Pour chacune des deux images intermédiaires, moyenner les

pixels deux à deux suivant l' axe vertical.

4. Pour chacune des deux images intermédiaires, calculer

l’erreur suivant l’axe vertical .

Donc si une image est monochrome, on aura une moyenne faible

au niveau horizontal et vertical et on aura donc une échelle
de haute valeur qui donne peu d' images intermédiaires. Et
inversement, si une image possède plusieurs fonds différents,
on aura des moyennes importantes dans l'axe vertical et
horizontal et on aura donc une faible échelle qui donne
beaucoup d'images intermédiaires.
1- 6: Points faible de la transformée en
ondelettes
Nous voyons très clairement que la transformée en
ondelettes pour la compression d'images agit sur deux axes
vertical et horizontal. Si on veut obtenir une image
parfaitement identique à l'originale on doit utiliser toutes
les ondelettes mais dans la plupart des zones unies où il n'y
a pas beaucoup de détails on peut se permettre de ne pas les
coder. En pratique une compression en ondelettes permet de
coder précisément les zones complexes et coder grossièrement
les zones uniformes. En d'autres termes, on ne code les
détails que là où il sont nécessaires, comme un peintre qui
passe plus de temps à réaliser les petits détails que les
grands aplats. Seul inconvénient, les zones complexes précisés
par la transformée en ondelettes sont définis suivant les axes
verticaux et horizontaux. Mais quand est il des autres zones
complexes? Ces zones complexes sont définis de manière
oblique. Du point de vue pratique, il s'agit de tous les
contours et autres variations de l'image dans les pixels
situés en diagonale. La transformée en ondelettes ne peut pas
définir ce genre de variations. De plus, à cause de la
complexité de son calcul, on a du pauser des limites de calcul
comme expliqué ci-dessus. Faire la totalité des calculs
seraient donc assez périlleux. Il faut trouver une solution à
tous ces problèmes. Une solution possible est d'insérer une
troisième dimension dans notre calcul. Ceci introduit donc la
transformée en bandelettes pour la compression d'image.
 2- La transformée en bandelettes

La transformée en bandelettes s'applique exclusivement aux

images et est basée sur la transformée en ondelettes. Expliquons
tout d'abord la transformée en ondelettes d'une image c'est-à-dire
un signal à deux dimensions.
Dans un signal à deux dimensions on parlera d'ondelettes
séparables. Autrement dit, on décrit l'image selon l'axe
horizontal puis vertical. Afin de minimiser le nombre de
coefficients on segmente l'image en quadree selon le niveau de
résolution désiré. Ansi les singularités seront découpées et
redécoupées par de nombreux carrés tandis que pour les zones
creuses, un seul quadree suffira.
Autrement dit, on segmente le domaine de l'image en carrés, eux-
même segmentés en carrés jusqu'à ce que la fonction (ou signal)
soit considérée comme constante. Enfin, on réalise une transformée
en ondelettes sur chaque segment d'image.

Ainsi, il est aisée de comprendre que la transformée en ondelettes

performe dans la représentation des singularités ponctuelles
arrivant au sommet de contours. On constate une forte corrélation
entre les coefficients voisins associés aux contours dans une
image. Ceci est la cause d'une réelle perte d'efficacité. La
transformée en ondelettes n'exploite pas les régularités de
l'image au cours de la segmentation de l'image en quadree. Ceci
provient de la faible directionnalité des éléments de sa base.
Dans le cas de la transformée en ondelettes séparables les
éléments de base possèdent deux directions horizontale et
verticale. Il est évident que la segmentation par « petits
carrés » d'une ligne courbe aboutira à un nombre de coefficients
plus élevés que lorsque le découpage s'adapte aux contours dans
une image. De très bons résultats ont été obtenus avec des bases
orientées. Cette déficience de la transformée en ondelettes donne
naissance à la transformée en bandelettes.
 Contrairement à la transformée en ondelettes qui est une
transformée à base fixe, la transformée en ondelettes est une
transformée à base adaptée. Elle nécessite donc l'envoi d'une
information supplémentaire au décodeur. De même que dans la
transformée en ondelettes, l'image est d'abord divisée en régions
contenant chacune un flot géométrique parallèle aux tangentes de
la courbe du contour (aussi appelé lignes de flot). C'est là la
différence principale avec la transformée en ondelettes: l'image
est découpée de manière s'adapter aux contours.
Ce sont ces paramètres géométriques qu'il est nécessaire d'envoyer
au décodeur. Les bandelettes ne sont rien d'autre que des
ondelettes déformées le long des lignes de flots. Pour bien
comprendre prenons un exemple précis. Dans le contexte d'un flot
géométrique horizontal la bandelisation consiste à remplacer la
famille d'ondelettes séparables: {φj,k1 (x1 )ψj,k2 (x2 )}j,k1 ,k2 (φj,k
est la fonction d'échelle et ψj,k l'ondelette) par la famille {ψl,k1
(x1 )ψj,k2 (x2 )} constituée de deux bandelettes dont le support est
parallèle aux lignes de flot et s'étirent dans la direction du
flot géométrique.
L'exemple ci-dessous montre la déformation d'un quadree selon la
régularité d'une image. Ce quadree déformé est ensuite projeté
perpendiculairement sur l'axe horizontal pour y effectuer une
transformée en ondelettes.
 Conclusion

Lors de ce projet nous avons pu voir une application précise

et concrète concernant le traitement numérique du signal. Nous
avons d'abord évoqué le principe de la transformée de Fourier
fenêtrée qui est très simple à utiliser. Ensuite, nous avons vu le
principe plus complexe de la transformée en ondelettes et sa
qualité de reconstitution de signal grâce à des calculs non
triviaux. Enfin, nous avons traité le sujet de la transformée en
bandelettes.
Pour nous, ce projet fut très intéressant. Il nous a permis de
confirmer nos bases et nous a motivé à enrichir d'avantage nos
connaissances sur ce sujet ainsi que sur cette matière.