Transformada discreta de wavelet

De GirinoWiki

A transformada discreta de wavelet é a transformada correspondente à trasformada contínua de wavelet para funções discretas. Esta transformada é utilizada para analisar sinais digitais, e também na compressão de imagens digitais. A forma mais simples dessa transformada, conhecida como transformada de Haar foi criada em 1909.

A transformada discreta de wavelet consiste em identificar os parâmetros $c k$ e $d j, k$ , $k \in \N, j \in \N$ da equação: $f(t) = \sum_{k=-\infty}^{\infty}{c_k \phi(t - k)} + \sum_{k=-\infty}^{\infty}{\sum_{j=0}^{\infty}{ d_{j,k} \psi(2^jt-k) }},$

onde $φ(t)$ e $ψ(t)$ são as funções conhecidas respectivamente como wavelet pai (do inglês father wavelet) e wavelet mãe (ver wavelet para mais detalhes sobre a função wavelet mãe). A wavelet pai é na verdade uma função de escala, que depende da wavelet mãe. Das funções $φ(t)$ e $ψ(t)$ podemos calcular as seqüências $h=\{h_n\}_{n\in\Z}$ e $g=\{g_n\}_{n\in\Z}$ :

$h_n=\langle\phi_{0,0},\,\phi_{1,n}\rangle$ e $\phi(t)=\sqrt2 \sum_{n\in\Z} h_n\phi(2t-n)$

$g_n=\langle\psi_{0,0},\,\phi_{1,n}\rangle$ e $\psi(t)=\sqrt2 \sum_{n\in\Z} g_n\phi(2t-n)$ .

Estas duas seqüências são a base da transformada discreta de wavelet.

Tabela de conteúdo

1 Bancos de filtros
- 1.1 Sub amostragem
- 1.2 Encadeamento de bancos de filtros
2 Transformada inversa
- 2.1 Super-amostragem
3 Referências
4 Bibliografia
5 Ver também

[editar] Bancos de filtros

Imagem:Wavelets - DWT.png

Banco de filtros da transformada discreta de wavelet.

A maneira mais comum de se calcular a transformada discreta de wavelet é através da aplicação de bancos de filtros onde o filtro determinado pelos coeficientes $h=\{h_n\}_{n\in\Z}$ corresponde a um filtro passa-altas e o filtro $g=\{g_n\}_{n\in\Z}$ a um filtro passa-baixas (conforme imagem ao lado).

Os filtros $h$ e $g$ são um operador linear, que pode ser aplicado no sinal digital de entrada $x$ como uma convolução:

$m(n) = \sum\limits_k g(k)x(n-k) = g \star x$

$d(n) = \sum\limits_k h(k)x(n-k) = h \star x.$

O sinal $m(n) = {m_n}_{n\in\Z}$ é conhecido como aproximação e o sinal $d(n) = {d_n}_{n\in\Z}$ como diferença ou detalhe.

[editar] Sub amostragem

O operador $(\downarrow 2)$ é o operador de sub-amostragem (do inglês downsampling). Este operador aplicado a uma função discreta (uma seqüência) reduz o seu número de elementos pela metade, recuperando apenas os elementos em posições pares:

$(\downarrow 2)x(n) = {x_0, x_2, x_4,...} .\,$

O uso de filtros ortogonais nos permite recuperar o sinal original (reconstrução perfeita do sinal) apesar da perda de dados devido à sub-amostragem. Filtros bi-ortogonais também são capazes de reconstruir perfeitamente o sinal mesmo após a sub-amostragem.

[editar] Encadeamento de bancos de filtros

Imagem:Wavelets - Filter Bank.png

Encadeamento de bancos de filtros com sub-amostragem.

A decomposição com o filtro acima decompõe o sinal em apenas duas faixas de freqüência. Podemos encadear uma série de bancos de filtros, usando a operação de sub-amostragem para proporcionar a divisão da freqüência de amostragem por 2 (como visto na figura ao lado) a cada novo banco de filtros encadeado.

Assim, temos um sinal de detalhe específico para cada faixa de freqüência na nossa etapa de análise do sinal.

[editar] Transformada inversa

A transformada discreta inversa de wavelet consiste em aplicar os filtros inversos no sinal decomposto, e juntar novamente as duas (ou mais) bandas de freqüência do sinal. No caso dos filtros ortogonais, os filtros inversos $h'$ e $g'$ podem ser obtidos como:

o filtro $g'$ é o reverso do filtro $g$ (filtro $g$ com os coeficientes invertidos):

g' = (g' 1, g' 2,..., g' N) = (g N, g N - 1,..., g 1).

o filtro $h'$ é igual ao filtro $g$ com os sinais dos elementos pares invertidos:

h' = (h' 1, h' 2,..., h' n,..., h' N) = (g 1, - g 2,...,( - 1) n + 1 g n,...,( - 1) N + 1 g N).

^[1]

Antes de se recompor o sinal, entretanto, é necessário aplicar o operador de super-amostragem $(\uparrow 2)$ nas seqüências decompostas $h'$ e $d'$ .

[editar] Super-amostragem

O operador de super-amostragem (do inglês upsampling) que usamos na transformada inversa corresponde simplesmente a acrescentar zeros nas posições que foram eliminadas pela sub-amostragem:

$(\uparrow 2) s = (s'_1, s'_2, s_3, ..., s'_{2N-1}, s'_{2N}) = (s_1, 0, s_2, ..., s_N, 0)$

[editar] Referências

↑ Estas relações valem apenas para o caso de filtros ortogonais, SALOMON, David. Data Compression: The Complete Reference. 2.ed. Nova Iorque: Springer, 2000.