Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mediante Wavelets y su
Uso con MATLAB
Valencia 2004
Ttulo:
Prlogo
Las wavelets proporcionan un conjunto de herramientas flexible para problemas prcticos en ciencia e ingeniera. En la ltima dcada se han aplicado con
xito al anlisis de seales en disciplinas tan diversas como la medicina, la
ingeniera elctrica, teledeteccin y muchas otras. Una de las principales virtudes de las wavelets es que permiten modelar mejor procesos que dependen
fuertemente del tiempo y para los cuales su comportamiento no tiene porqu
ser suave. La transformada wavelet resulta especialmente eficiente para extraer
informacin de seales no peridicas o de vida finita. Otra de las ventajas de
dicha transformada frente a otros mtodos es el de poder disponer de una amplia familia de wavelets, lo cual permite tratar seales de diversa ndole. La
eleccin de la wavelet depender del tipo de seal que analicemos.
Algunos de los principales problemas que afectan al tratamiento de seales
e imgenes digitales, y en los que las wavelets constituyen una potente herramienta para afrontarlos, son la reduccin del ruido (en seales de audio y en
imgenes), la compresin de seales (de vital importancia tanto en la transmisin de grandes cantidades de datos como en su almacenamiento) o la deteccin
de determinados objetos en imgenes o irregularidades locales en ciertos tipos
de seales (electrocardiogramas, vibraciones de motores, etc.). Esta moderna
teora ha experimentado un gran desarrollo en las dos ltimas dcadas mostrndose muy eficiente donde otras tcnicas, como por ejemplo la transformada
rpida de Fourier, no resultaban satisfactorias. En esta ltima se maneja una
base de funciones bien localizada en frecuencia pero no en tiempo, mientras
que la mayora de las wavelets interesantes presentan una buena localizacin en
tiempo y en frecuencia, disponiendo incluso de bases de wavelets con soporte
compacto.
Este texto se centra fundamentalmente en la transformada wavelet discreta. Esta transformada est ntimamente ligada al anlisis de multirresolucin,
iii
iv
formulado por Mallat a finales de los 80, y facilita su computacin rpida cuando la familia de wavelets es ortogonal. La transformada wavelet discreta es una
transformacin de la seal que la divide en dos tipos de subseales, la tendencia
y las fluctuaciones. La tendencia viene a ser una copia de la seal a menor resolucin y las fluctuaciones almacenan informacin referida a los cambios locales
en la seal original. La tendencia y las fluctuaciones ms significativas permiten una compresin de la seal a cambio de descartar informacin irrelevante
y de la eliminacin del ruido producido por los aparatos y las condiciones de
medida. Segn el tipo de medicin realizada el ruido correspondiente se comporta matemticamente siguiendo distribuciones de probabilidad gaussianas,
uniformes... El estudio de las fluctuaciones permite detectar anomalas o disfunciones en el comportamiento esperado de la seal inicial. Tambin permite
la comparacin con patrones para detectar formas en una imagen o una seal
unidimensional de forma automtica. El nuevo formato de JPEG2000 basa la
compresin de imgenes en la transformada wavelet.
La mayor parte de las familias de wavelets que utilizaremos son ortogonales,
los cual nos permite una transformada inversa de fcil computacin, y tan
rpida como la transformada directa.
No existe una transformada wavelet nica, ni que resuelva todos los problemas, a partir del modelado del proceso y de un anlisis a priori del tipo
de seal tratada y del objetivo que se pretenda (compresin, eliminacin del
ruido, segmentacin de la imagen,...) se busca la familia de wavelets (Haar,
Daubechies, Coiflets,...) que mejor coincida con las caractersticas de la seal
a estudiar.
El tratamiento con wavelets discretas permite su aplicacin directa a procesos computacionales. Las wavelets continuas presentan por una parte la dificultad de su manejo al tener que evaluar un gran nmero de integrales y tener
en consecuencia una redundancia de informacin, pero por otra parte permiten
la flexibilidad de poder adaptarse a situaciones en las que las discretas no dan
un resultado satisfactorio. Concretamente en el tratamiento de imgenes digitales se precisa realzar detalles y detectar texturas analizando la imagen desde
distintos ngulos, lo cual es posible con las wavelets continuas al disponer de
un mayor nmero de parmetros que posteriormente se pueden discretizar para
su tratamiento computacional. Adems la transformada wavelet continua, al
proveer una alta resolucin temporal y espectral en el espacio transformado,
permite observar aspectos sutiles no estacionarios que pueden ser obviados en
la transformada discreta, lo cual compensa el mayor coste computacional.
vi
Toolbox for MATLAB que se ejecuta dentro del entorno MATLAB. Por esta
razn el apndice A se dedica a dar unos conceptos bsicos sobre el uso del
programa MATLAB y de la Wavelet Toolbox for MATLAB.
El apndice B contiene la mayora de los ejercicios que se proponen para
su resolucin de forma paralela al estudio del texto. En algunos se incluye
el cdigo MATLAB para su resolucin e incluso se aportan imgenes con los
resultados.
El ltimo apndice C pretende ofrecer al lector un pequeo repertorio de
ejemplos y aplicaciones de tratamiento de seales con wavelets. La mayora
de estas aplicaciones han sido tomadas de el paquete Wavelet Toolbox for
MATLAB y se utilizan seales que se distribuyen con el citado paquete.
Los autores agradecen la financiacin del Proyecto Interdisciplinar La
Transformada Wavelet en el Tratamiento de Seales e Imgenes Digitales dentro del programa INNOVA, por el Vicerrectorada de Investigacin, Desarrollo
e Innovacin de la Universitat Politcnica de Valncia (c.e. 20020629).
Los autores
ndice Abreviado
Prlogo
iii
ndice Abreviado
vii
ndice General
ix
ndice de figuras
xiii
xv
2 Wavelets de Haar
23
41
5 Wavelet packets
51
55
63
B Ejercicios
79
C Ejemplos y aplicaciones
125
Bibliografa
137
vii
ndice general
Prlogo
iii
ndice Abreviado
vii
ndice general
ix
ndice de figuras
xiii
xv
2 Wavelets de Haar
2.1 Scaling y wavelets . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Anlisis de multirresolucin (MRA) . . . . . . . . . . . . . . . .
2.3 Transformada de Haar . . . . . . . . . . . . . . . . . . . . . . .
7
7
12
16
23
23
23
23
27
29
29
31
31
32
34
ix
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
41
42
46
49
5 Wavelet packets
51
55
63
63
63
64
65
66
68
68
74
75
B Ejercicios
B.1 Transformada de Haar de una seal . . . . . . . . . . . . . . . .
B.2 Compresin de seales (primeros pasos) . . . . . . . . . . . . .
B.3 Otras wavelets ortogonales: Daubechies y Coiflets . . . . . . . .
B.4 Dibujando wavelets and scaling . . . . . . . . . . . . . . . . . .
B.5 Compresin de seales y cuantizacin . . . . . . . . . . . . . . .
B.6 Reduccin del ruido en una seal . . . . . . . . . . . . . . . . .
B.6.1 Comportamiento del ruido blanco a travs de una transformada wavelet . . . . . . . . . . . . . . . . . . . . . .
B.6.2 Reduccin del ruido en una seal . . . . . . . . . . . . .
B.7 Transformada de Fourier Discreta . . . . . . . . . . . . . . . . .
B.7.1 Fast Fourier Transform . . . . . . . . . . . . . . . . . .
B.7.2 El espectro de seales wavelets y scaling . . . . . . . . .
B.7.3 Anlisis de frecuencias y transformada wavelet . . . . .
B.8 Deteccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
B.9 Wavelets packets . . . . . . . . . . . . . . . . . . . . . . . . . .
B.9.1 Analizando una seal . . . . . . . . . . . . . . . . . . . .
B.9.2 Comprimiendo la seal . . . . . . . . . . . . . . . . . . .
79
79
80
85
88
92
98
98
100
105
105
108
110
112
120
120
120
xi
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
fractal)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
125
125
125
128
129
131
133
134
137
ndice de figuras
1.1
2.1
2.2
2.3
2.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9
11
14
19
3.1
3.2
3.3
3.4
3.5
3.6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
25
34
36
37
38
39
4.1
4.2
4.3
44
45
49
6.1
6.2
6.3
6.4
6.5
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
57
58
59
60
61
A.1
A.2
A.3
A.4
Un ejemplo de plot() . . . . . . . . . . .
Creando una seal . . . . . . . . . . . . .
Tendencia y fluctuacin de una seal . . .
Seales promedio y detalle a primer nivel
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
66
67
69
70
xiii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
xiv
73
76
80
C.1
C.2
C.3
C.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
81
83
88
90
95
100
103
104
106
107
108
111
115
118
123
126
128
130
132
. . . .
71
. . . .
77
. . . .
77
. . . .
78
. . . .
81
. . . .
86
. . . .
89
. . . .
93
. . . .
96
. . . .
99
. . . . 101
. . . . 101