Está en la página 1de 28

Parte I

Contenidos
Procesamiento de Señales basado en Wavelets
Introducción
Notas de Clase - Parte I
Background
Espacios de
Banach
Espacios de
Hilbert 1
Bases Juan Carlos Gómez
Ortonormales
Frames <jcgomez@fceia.unr.edu.ar>
Bibliografı́a
1
Laboratorio de Sistemas Dinámicos y Procesamiento de la Información
FCEIA, Universidad Nacional de Rosario, Argentina

Semestre 2, 2006

Parte I (Wavelets) Semestre 2, 2006 1 / 28

Contenidos

Parte I

Contenidos
1 Introducción
Introducción

Background
Espacios de
Banach
2 Background Matemático
Espacios de
Hilbert Espacios de Banach
Bases
Ortonormales Espacios de Hilbert
Frames

Bibliografı́a
Bases Ortonormales
Frames

3 Bibliografı́a

Parte I (Wavelets) Semestre 2, 2006 2 / 28

Preservan la información temporal y frecuencial en el dominio transformado. Parte I (Wavelets) Semestre 2. Introducción Parte I La Transformada de Fourier permite analizar el contenido frecuencial de una señal pero la información de Contenidos localización temporal se pierde =⇒ problemas para Introducción Background analizar fenómenos transitorios de corta duración. 2006 3 / 28 . La Transformada Wavelet permite analizar una señal en distintos niveles de resolución =⇒ Análisis de Multiresolución. Espacios de Banach La Transformada Wavelet en cambio. permite Espacios de Hilbert descomponer señales en sus diferentes componentes Bases Ortonormales Frames frecuenciales con una resolución adecuada a la escala Bibliografı́a temporal.

Espacios de Banach El Análisis Wavelet permite descomponer una señal Espacios de Hilbert como una combinación lineal de señales de duración Bases Ortonormales Frames efectiva limitada que se obtienen por traslación y escalado Bibliografı́a de una función original denominada mother Wavelet. 2006 4 / 28 . Introducción Parte I El Análisis de Fourier permite descomponer una señal como una combinación lineal de señales senoidales de Contenidos distinta frecuencia =⇒ Funciones base de duración Introducción Background infinita. Parte I (Wavelets) Semestre 2.

2006 5 / 28 . Introducción Parte I Ejemplo: Contenidos Introducción Background Espacios de Banach Espacios de Hilbert Bases Ortonormales Frames Bibliografı́a Parte I (Wavelets) Semestre 2.

Introducción Parte I Cronologı́a de las Wavelets Contenidos 1807 Jean Baptiste Fourier (francés) =⇒ Descomposición de Introducción Señales en series trigonométricas Background 1909 Alfred Haar (húngaro) =⇒ Descubre funciones base que Espacios de Banach son ahora reconocidas como las primeras wavelets. Paley (Cambridge University) =⇒ Ortonormales Frames Prueban que información local de una señal puede Bibliografı́a obtenerse agrupando los términos de la serie de Fourier en octavas. Espacios de Hilbert Bases 1930 John Littlewood y R. 1946 Dennis Gabor (británico-húngaro) =⇒ Descomposición de una señal en paquetes tiempo-frecuencia (Gabor chirps) 1976 Claude Galan y Daniel Esteban (IBM) =⇒ Descubren la codificación sub-banda para transmisión de señales digitales.A. Parte I (Wavelets) Semestre 2. 2006 6 / 28 .

1987 Ingrid Daubechies (Rutgers University and AT&T Labs) =⇒ Construye la primera wavelet ortogonal suave con soporte compacto. Parte I (Wavelets) Semestre 2. 2006 7 / 28 . Espacios de Banach Espacios de 1985 Yves Meyer (University of Paris) =⇒ Descubre la primera Hilbert Bases wavelet ortogonal suave. Ortonormales Frames 1986 Stephan Mallat (University of Pennsilvanya) =⇒ Prueba Bibliografı́a que las bases Haar. Introducción Parte I 1981 Jean Morlet (Elf-Aquitaine) =⇒ Descomposición de señales sı́smicas en onditas de forma constante. las chirps de Gabor y los filtros de sub-banda están todos relacionados con los algoritmos wavelets. las octavas de Littlewood-Paley. Contenidos Introducción 1984 Jean Morlet y Alex Grossmann =⇒ Introducen el término Background wavelet en la literatura matemática.

Introducción Parte I 1990 David Donoho y Ian Johnstone (Stanford University) =⇒ Proponen algoritmos para denoising de imágenes usando Contenidos wavelets. Introducción Background 1992 T. Brislawn (Los Alamos Espacios de Banach National Labs) =⇒ El FBI usa un método de compresión Espacios de Hilbert de imágenes basado en wavelets para comprimir la base de Bases Ortonormales Frames datos de huellas dactilares. Bibliografı́a 1999 International Standards Organization =⇒ Un método de compresión basado en wavelets es incorporado al nuevo estándar de compresión de imágenes digitales JPEG2000 (tasas de compresión en el rango 1:200). Bradley y C. Hopper (FBI) y J. 2006 8 / 28 . Parte I (Wavelets) Semestre 2.

Background Espacio de Banach: Es un espacio vectorial normado que Espacios de Banach Espacios de es completo con respecto a la métrica inducida por la Hilbert Bases norma. Ortonormales Frames Norma: es una función definida positiva (denotada k·k) Bibliografı́a que verifica las siguientes propiedades: 1 ∀x ∈ H.Espacios de Banach Consideraremos a las señales como vectores (o eventualmente Parte I matrices) inmersos en un espacio vectorial. Para poder definir Contenidos una distancia entre vectores se asume que el espacio vectorial Introducción admite una norma −→ Espacio de Banach. y kxk = 0 ⇔ x = 0. ∀x. 2006 9 / 28 . kx + yk ≤ kxk + kyk Métrica: la norma puede usarse para definir una métrica que mide la distancia entre dos elementos del espacio: d(x. Background Matemático . kλxk = |λ| kxk 3 ∀x. kxk ≥ 0. 2 ∀λ ∈ C. y ∈ H. y) = kx − yk . y ∈ H Parte I (Wavelets) Semestre 2.

2006 10 / 28 . converge a un Bibliografı́a elemento de H. Una secuencia {xk }k∈N se dice que es Cauchy si para cualquier  > 0. entonces kxn − xp k < . Parte I (Wavelets) Semestre 2. xk ) = lim kx − xk k = 0 Banach k→∞ k→∞ k→∞ Espacios de Hilbert Bases Ortonormales Completitud: Un espacio H se dice completo si toda Frames secuencia convergente de Cauchy en H. como Introducción Background Espacios de lim xk = x ⇐⇒ lim d(x. y n y p suficientemente grandes.Espacios de Banach Parte I La existencia de una métrica permite definir el concepto de convergencia de una secuencia {xk }k∈N de vectores Contenidos xk ∈ H del espacio. Background Matemático .

|x(n)| Background n=−∞ Espacios de Banach n o Espacios de Hilbert El espacio `p (Z) = x : kxkp < ∞ . es un espacio de Banach Bases Ortonormales Frames con la norma p.Espacios de Banach Ejemplo 1: Para un entero p > 0 definimos para las secuencias Parte I discretas (señales en tiempo discreto) x(n). |f (t)| dt <∞ −∞ El espacio Lp (R) con esta norma es un espacio de Banach. las normas p. 2006 11 / 28 . Bibliografı́a Ejemplo 2: Análogamente puede definirse el espacio Lp (R) como el espacio de las funciones medibles f sobre R (señales en tiempo continuo) para las cuales es Z ∞ 1/p p kf kp . Background Matemático . Parte I (Wavelets) Semestre 2. como: Contenidos ∞ !1/p X p Introducción kxkp .

Background Matemático .Espacios de Banach Parte I Para el caso particular de p = 2 los espacios de Banach antes definidos resultan Contenidos `2 (Z): espacio se señales en tiempo discreto de energı́a Introducción finita (transformables Fourier). Hilbert Bases Ortonormales Frames Bibliografı́a Parte I (Wavelets) Semestre 2. 2006 12 / 28 . Background L2 (R): espacio de señales en tiempo continuo de energı́a Espacios de Banach Espacios de finita (transformables Fourier).

Espacios de Hilbert Parte I Para poder definir ángulos entre vectores y ortogonalidad es necesario trabajar en espacios donde pueda definirse un Contenidos producto interno Introducción Background Espacio de Hilbert: Es un espacio vectorial con producto Espacios de Banach Espacios de interno que es completo con respecto a la métrica Hilbert Bases inducida por (la norma inducida por) el producto interno. para todo x. Background Matemático . xi . u ∈ H y escalares α. y hx. Parte I (Wavelets) Semestre 2. ·i) entre dos elementos cualesquiera x e y del espacio H que verifica las propiedades: ∗ 1 hx. 2006 13 / 28 . para todo x. Ortonormales Frames Producto Interno: es una función a valores reales Bibliografı́a (denotada h·. ui = α hx. xi > 0. xi = 0 si y solo si x = O. y ∈ H. 2 hαx + βy. y. ui + β hy. β. yi = hy. ui . 3 hx.

.e. hx. no todos los Frames espacios de Banach pueden ser provistos de una estructura Bibliografı́a de Hilbert. Parte I (Wavelets) Semestre 2. Background Matemático .Espacios de Hilbert Parte I El producto interno en H induce una norma como: Contenidos kxkH .. Hilbert Bases Ortonormales Lo contrario no se verifica en gral. 2006 14 / 28 . i. xi1/2 Introducción Background Espacios de Todo espacio de Hilbert es Banach con la norma inducida Banach Espacios de por el producto interno.

f (n)g ∗ (n). 2006 15 / 28 . `2 (Z) es un espacio de Hilbert con este producto interno. Background Matemático . Espacios de Banach n=−∞ Espacios de Hilbert que corresponde a la norma en `2 (Z) Bases Ortonormales Frames Bibliografı́a ∞ X 2 kf k = hf. f i = |f (n)|2 n=−∞ En consecuencia.Espacios de Hilbert Parte I Ejemplo 3: Un producto interno entre señales en tiempo discreto f (n) y g(n) puede definirse como: Contenidos Introducción ∞ X Background hf. Parte I (Wavelets) Semestre 2. gi .

2006 16 / 28 . L2 (R) es un espacio de Hilbert con este producto interno. f i = |f (t)|2 dt −∞ En consecuencia. Background Matemático . f (t)g ∗ (t)dt. gi . Espacios de −∞ Banach que corresponde a la norma en L2 (R) Espacios de Hilbert Bases Ortonormales Frames Z ∞ Bibliografı́a kf k2 = hf.Espacios de Hilbert Parte I Ejemplo 4: Análogamente. un producto interno entre señales en tiempo continuo f (t) y g(t) puede definirse Contenidos como: Z ∞ Introducción Background hf. Parte I (Wavelets) Semestre 2.

si se verifica Contenidos Introducción Z ∞ 2 Background kf1 − f2 k = f1 (t)f2∗ (t)dt = 0. Bibliografı́a Parte I (Wavelets) Semestre 2. Espacios de −∞ Banach Espacios de Hilbert Bases Esto significa que f1 (t) = f2 (t) para casi todo t (salvo en Ortonormales Frames un conjunto de medida nula). Background Matemático .Espacios de Hilbert Parte I Definición: Dos funciones (señales en tiempo continuo) f1 (t) y f2 (t) se dice que son iguales en L2 (R). 2006 17 / 28 .

· · · . j=1 Ck es un espacio de Hilbert con este producto interno. vk ) ∈ Ck Espacios de Hilbert Bases Ortonormales El producto interno se define como Frames Bibliografı́a k X hu. vi . Dados Contenidos Introducción u = (u1 . · · · . uk ) ∈ Ck Background Espacios de Banach v = (v1 . Parte I (Wavelets) Semestre 2. v2 . uj vj∗ . Background Matemático . 2006 18 / 28 .Espacios de Hilbert Parte I Ejemplo 5: Consideremos el espacio de k-uplas de números complejos Ck . u2 .

2006 19 / 28 . Espacios de Banach Puede definirse un producto interno entre dos funciones Espacios de Hilbert F (z).Espacios de Hilbert Parte I Ejemplo 6: Consideremos el espacio L2 (T) de funciones de la variable compleja z. {z : kzk = 1} en el plano complejo Z. F (ejω )G∗ (ejω )dω. 2π −π L2 (T) es un espacio de Hilbert con este producto interno. Parte I (Wavelets) Semestre 2. Gi . Background Matemático . G(z) ∈ L2 (T) como: Bases Ortonormales Z π Frames 1 Bibliografı́a hF. Puede probarse que la transformada Z de una secuencia en `2 (Z) pertenece a L2 (T). que son cuadrado (Lebesgue) Contenidos integrables sobre la circunferencia unitaria Introducción Background T .

Dos vectores x. si Bases Ortonormales hx. Parte I (Wavelets) Semestre 2. Background Matemático Bases Ortonormales en Espacios de Hilbert Definiciones: Parte I i. el conjunto S ⊥ definido como S ⊥ . Frames Bibliografı́a iv. S ⊥ Q. Dos subconjuntos S. 2006 20 / 28 . v. y se escribe x ⊥ S. {y ∈ H : y ⊥ x. si x es ortogonal a cada y ∈ S. ∀x ∈ S} se denomina complemento ortogonal de S. Q ⊂ H son ortogonales. yi = 0 para todo x ∈ S e y ∈ Q. Un elemento x ∈ H se dice normal si kxk = 1. Para un dado S ⊂ H. y se denota x ⊥ y. Un vector x ∈ H se dice que es ortogonal a un subconjunto Background Espacios de S ⊂ H. Banach Espacios de Hilbert iii. yi = 0. y en un espacio de Hilbert H se dice que son Contenidos ortogonales. Introducción ii. si hx.

Para el caso de un espacio de Hilbert H. se verifica que para todo xi ∈ S. Un conjunto de elementos S = {xi } en H se dice que es un conjunto ortogonal si sus elementos son ortogonales entre si. el Introducción conjunto se dice ortonormal. Una propiedad importante de un Background conjunto ortogonal es que sus elementos son linealmente Espacios de Banach independientes. viii. Parte I (Wavelets) Semestre 2. Un conjunto ortonormal completo en un espacio de Hilbert se denomina una base ortonormal. Contenidos Si además. 2006 21 / 28 . Un conjunto ortonormal S = {xi }i=0 en un espacio con Ortonormales Frames producto interno se dice que es completo si su span es todo el Bibliografı́a espacio. existe un resultado que establece que un conjunto ortonormal es completo si y solo si el único elemento en H que es ortogonal a cada uno de los elementos xi es el elemento nulo. kxi k = 1. Background Matemático Bases Ortonormales en Espacios de Hilbert Parte I vi. Espacios de Hilbert ∞ Bases vii.

Background En otras palabras. dada una base ortonormal {Bk }∞ k=0 en un Espacios de Banach espacio de Hilbert H. k=0 Parte I (Wavelets) Semestre 2. Bk i Bk k=0 donde la igualdad debe interpretarse como convergencia en la norma inducida por el producto interno. cada elemento x ∈ H puede Espacios de Hilbert Bases representarse unı́vocamente como Ortonormales ∞ Frames X Bibliografı́a x= hx. Bk i|2 . Esto es importante porque permite una Contenidos representación única de cualquier elemento del espacio como Introducción una combinación lineal de los elementos de la base. Además resulta ∞ X kxk2 = |hx. 2006 22 / 28 . Background Matemático Bases Ortonormales en Espacios de Hilbert Es posible probar que todo espacio de Hilbert tiene una base Parte I ortonormal.

si existen Contenidos constantes A > 0 y B < ∞ tales que para todo f ∈ H se Introducción Background verifica Espacios de X Banach Espacios de A kf k2 ≤ |hf. 2006 23 / 28 . y se verifica que para todo f ∈ H X |hf. Background Matemático Frames en Espacios de Hilbert Parte I Definición: Una familia de funciones {ϕj }j∈J en un espacio de Hilbert H se denomina un frame. ϕj i|2 = A kf k2 j∈J lo que permite probar (identidad de polarización) que Parte I (Wavelets) Semestre 2. ϕj i|2 ≤ B kf k2 Hilbert Bases j∈J Ortonormales Frames Bibliografı́a A y B se denominan cotas del frame Si A = B el frame se denomina tight frame.

no son en general Bases Ortonormales bases ortonormales. 2006 24 / 28 .B. ϕj i ϕj Contenidos j∈J Introducción que es similar a la expansión de f en bases ortonormales. Frames Bibliografı́a Ejemplo 7: Consideremos √ el espacio R√2 y los vectores e1 = (0. 1). aún tight frames. − 21 ). e2 = (− 23 . Parte I (Wavelets) Semestre 2.: Los frames. Background Matemático Frames en Espacios de Hilbert X Parte I f = A−1 hf. Background Espacios de Sin embargo: Banach Espacios de Hilbert N. − 12 ). y e3 = ( 23 .

Background Matemático Frames en Espacios de Hilbert Parte I Se verifica que para todo v = (v1 . v2 ) ∈ H es 3 .

√ .

2 .

√ .

2 Contenidos X 2 .

2 .

2 .

.

3 1 .

.

.

3 1 .

.

ej i| = v2 + . |hv.

− v − v .

+.

v − v .

.

.

2 1 2 2.

.

2 1 2 2.

Introducción .

.

pero no Bibliografı́a son bases ortonormales ya que no son linealmente independientes. Parte I (Wavelets) Semestre 2. e2 . 2006 25 / 28 . La cota del frame es A = 3/2 y constituye lo que se denomina factor de redundancia (tres vectores en un espacio de dos dimensiones). e3 } es un tight frame. Background j=1 Espacios de Banach 3 2 2  3 2 Espacios de = |v1 | + |v2 | = kvk Hilbert 2 2 Bases Ortonormales Frames Puede verse que {e1 .

con cota del frame A = 1. la expresión Espacios de Banach X Espacios de Hilbert f = A−1 hf. y además kϕj k = 1 para todo Contenidos j ∈ J. Parte I (Wavelets) Semestre 2. Más adelante veremos como construir frames de wavelets. Introducción Background Para un tight frame. entonces {ϕj }j∈J es una base ortonormal. 2006 26 / 28 . ϕj i ϕj Bases Ortonormales j∈J Frames Bibliografı́a permite recuperar la señal f a partir de los coeficientes de su expansión en frames hf. ϕj i. Background Matemático Frames en Espacios de Hilbert Parte I Proposición: Si {ϕj }j∈J es un tight frame en H.

The Wavelet Transform.. Prentice Hall.. Ortonormales Frames 3 Mallat. Bibliografı́a Parte I General Contenidos 1 Daubechies. N. Parte I (Wavelets) Semestre 2. 2006 27 / 28 .. I. Vol... 1999. A Wavelet Tour of Signal Processing. I. and Guo. 1997. Bibliografı́a Academic Press. 2nd edition. R. Time-Frequency Espacios de Banach Espacios de Localization and Signal Analysis. 5. 1990. 36. 1992. Introducción Philadelphia. IEEE Transactions on Hilbert Bases Information Theory. Introduction to Wavelets and Wavelet Transforms. SIAM. Ten Lectures on Wavelets.G. H.. No. C. 4 Sydney Burrus. Background 2 Daubechies. Gopinath.J. S.

. Woods. For Use with Matlab. Y. 2002. R. Background 6 Misiti.. 1995. M.J. Ortonormales Frames 7 Donoho. The MathWorks. Digital Image Processing using Matlab.. No. Prentice Hall. R. Misiti. G. Denoising by Soft-Thresholding. and Eddings.E.L. Hilbert Bases Natick.E. 41.C. Vol. 8 Gonzalez.. 2nd edition.. R. 2006 28 / 28 .. 2004. N. S. Oppenheim. Espacios de Banach Espacios de Wavelet Toolbox.J. and Poggi. Parte I (Wavelets) Semestre 2. J.C. N.-M... and Woods. Prentice Hall.. 3. IEEE Bibliografı́a Transactions on Information Theory. Bibliografı́a Parte I Complementaria Contenidos 5 Gonzalez. R. D. 2002.. Digital Image Introducción Processing..