WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Compression d'images fixes: comparaison des méthodes par transformations en ondelettes et celle par curvelets

( Télécharger le fichier original )
par Armel Francklin SIMO TEGUEU
Institut universitaire de technologie Fotso Victor de Bandjoun - Licence en ingénierie des réseaux et telecoms 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Introduction

En 1983, Morlet en travaillant sur l'analyse de signaux sismiques s'est retrouvé confronté à la Rigidité imposée par la taille fixe de la fenêtre de la transformée de Fourier à fenêtre glissante. Il décide alors d'utiliser une fenêtre de taille dilatée ou contractée selon les besoins. L'idée des ondelettes était née.

Rapport Rédigé et présenté par SIMO TEGUEU et EMBOLO AURELIEN Page 19

CHAPITRE II : DE L'ANALYSE DE FOURRIER A L'ANALYSE PAR ONDELETTES

Principe

L'idée de l'ondelette est de pouvoir faire varier les largeurs en temps et en fréquences d'une fonction tout en la translatant le long du signal comme dans la transformée de Fourier fenêtrée. Pour rappel, le but de l'analyse à fenêtres est de pouvoir analyser localement les propriétés spectrales d'un signal. La transformée en ondelette d'une fonction f en un point (t ;ù) du plan temps-fréquences ne dépend donc que des valeurs de f(t) et f(ù) dans le rectangle de Heisenberg centré en (t ;ù). L'avantage de faire varier ces largeurs devient alors évident : on minimise le nombre de translations en temps et en fréquences de la fenêtre en optimisant la largeur de celle-ci. Ainsi dans les basses fréquences, une grande largeur en fréquences n'est pas nécessaire, on peut donc utiliser des rectangles plus larges en temps. Aux hautes fréquences, on va utiliser des rectangles plus larges en fréquences et plus localisés en temps. On peut voir cela comme une adaptation de l'ondelette à l'échelle qu'on lui impose : plus la fenêtre est petite dans le temps, plus l'ondelette va être compressée et osciller rapidement. Le contraire se produira lorsque la fenêtre est dilatée. Ainsi, les petites et grandes fenêtres enregistreront respectivement les variations rapides et moyennes du signal.

La transformée

Une ondelette mère 1)b est une fonction de base que l'on va translater et dilater pour recouvrir le plan temps-fréquences et analyser le signal. L'ondelette doit être une fonction de moyenne nulle ; en d'autres termes, ø doit être une onde ! Ce qui s'écrit mathématiquement :

>

+8 1)b(t)dt = 0 ,8

C'est la condition d'amissibilité. Elle doit vérifier aussi une autre condition celle de régularité qui consiste à faire décroître la transformée en ondelettes le plus rapidement possible à mesure que l'échelle décroît.

CHAPITRE II : DE L'ANALYSE DE FOURRIER A L'ANALYSE PAR ONDELETTES

Figure 4 Quelques exemples d'ondelettes : Morlet, Daubechies et Meyer

Il est à noter qu'il existe de nombreuses ondelettes. Certaines ont des formules mathématiques explicites alors que d'autres sont construites à partir de propriétés mathématiques plus complexes. Chaque famille d'ondelettes générée par une ondelette appelée ondelette mère possède les qualités bien spécifiques, comme par exemple :

> La symétrie : utile pour éviter le déphasage,

> Le nombre de moments nuls : c'est-à-dire le nombre d'oscillations ; utile pour la compression,

> La régularité : utile pour obtenir des signaux reconstruits lisses et réguliers

Le logiciel MATLAB grâce à ses fonctions wavenames et waveinfo présente une variété d'ondelettes et leurs caractéristiques. Le tableau ci-après présente quelques ondelettes les plus couramment utilisées.

 

Haar

Daubechies

Meyer

Gaussian

Orthogonal

yes

yes

yes

no

Biorthogonal

yes

yes

yes

no

Compact Support

yes

yes

no

no

DWT

possible

possible

possible but without FWT FIR based approximation provides FWT

no

CWT

possible

possible

Possible

possible

Support width

1

2N-1

infinite

infinite

Filters length

2

2N

 
 

Regularity

Not continuous

about 0.2 N for large N

indefinitely derivable

 

Rapport Rédigé et présenté par SIMO TEGUEU et EMBOLO AURELIEN Page 20

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le don sans la technique n'est qu'une maladie"