Formalisme Multifractal fond sur les Ondelettes: Quelques Applications - PowerPoint PPT Presentation

1 / 37
About This Presentation
Title:

Formalisme Multifractal fond sur les Ondelettes: Quelques Applications

Description:

Analyse multifractale exploitant des techniques multir solution fond es sur le ... Les singularit s et les structures irr guli res d'un signal sont porteuses ... – PowerPoint PPT presentation

Number of Views:194
Avg rating:3.0/5.0
Slides: 38
Provided by: Emr90
Category:

less

Transcript and Presenter's Notes

Title: Formalisme Multifractal fond sur les Ondelettes: Quelques Applications


1
Formalisme Multifractal fondé sur les
Ondelettes Quelques Applications
  • A. OUAHABI
  • D. AIT AOUIT
  • E. KURTARAN

2
Motivations
  • La détermination de singularités et de lois
    déchelles.
  • Outils
  • Analyse multifractale exploitant des techniques
    multirésolution fondées sur le concept
    dondelettes.
  • Applications
  • Lautosimilarité des fractales exploitée par le
    concept dondelettes permet danalyser des
    signaux et images complexes très variés (sciences
    de la nature et du vivant, sciences de
    lingénieur et sciences économiques).

3
Introduction aux ondelettes
  • Transformation en Ondelettes

4
Les singularités et les structures irrégulières
dun signal sont porteuses dinformations
pertinentes.
  • Exemple Détection et caractérisation des
    discontinuités de lintensité dune image
    contours dune scène, ou des transitoires dun
    électro-encéphalogramme pathologique.
  • Pour caractériser ces structures singulières, il
    est nécessaire de quantifier la régularité dun
    signal exposant de Hölder.
  • La décroissance de lamplitude de la transformée
    en ondelettes en fonction de léchelle est liée à
    la régularité du signal. Mesurer cette
    décroissance asymptotique revient à faire un
    zoom sur les structures du signal avec une
    échelle qui tend vers zéro.

5
Maxima de Modules de Transformée en Ondelettes
  • Détection de singularités par MMTO
  • Les singularités sont détectées en cherchant les
    abscisses où convergent les modules maximaux
    dondelettes aux fines échelles.

6
Exemples de détection de singularités par MMTO
7

8
(No Transcript)
9
Ondelletes et Compression dImages Biomédicales
  • Grace à la compressibilité élevée des images
    biomédicales, la compression de ces données est
    indispensable en transmission et en stockage.
  • La transformation en ondelletes propose une bonne
    localisation en temps (espace) et en fréquence
    (échelle).
  • Lapproche   ondelletes  est un outil puissant
    pour la compression des données.

Une image MRI
Transformation dondelettes à léchelle 3
10
Ondelletes et Classification
  • Dans le domaine médical, la classification
    dimages peut être réalisée selon deux approches
  • Classification globale distinguer les images
    avec lésions et sans lésion.
  • Classification locale identifier une région ou
    un ensemble de pixels en représentant certains
    objets ( lésions, vaisseaux sanguins).
  • Un exemple de classification locale (une
    segmentation)

lesions
Lalgorithme entoure plusieurs lesions possibles
après avoir analysé la transformation en
ondelettes des images MRI
11
Exemples de fractales
12
Dimension fractale

13
FRACTALS AND PHYSIOLOGY
  • Fractal characteristics
  • Complex, patterned
  • Statistical self-similarity
  • Scale-invariant structure
  • Generated by simple iterative rules
  • 1/w2Hd spectral decay

14
Système cardio-vasculaire
  • Coeur
  • Arbre artériel

15
Le cerveau bio-fractal
16
Modèle fractal des bronches

17
Motivation for using wavelets
  • Wavelets provide basis functionsthat are
    self-similar Mallat, 1998
  • Wavelets approximately decorrelate statistically
    self-similar processes Flandrin, 1992
  • Unlike Fourier exponentials, wavelets are jointly
    localized in space and frequency
  • The basis functions themselves are
    fractals Unser, 2002

18
Est-ce que le cortex cervical est une fractale ?
  • Un analyse géometrique multiéchelle (spatiale) du
    cortex cérebral.
  • Le cortex possède une self-similarité (détails
    jusquà 3mm).
  • La dimension fractale est un bon indicateur pour
    détecter les anomalies des formes cérébrales.

images T-1
Les dimensions fractales
Resultats de la procedure de segmentation
Sujets cortical extraits
Coupe axiale et sagittale
19
Nature fractale des données fMRI

Log-Log plot of spectral density
Brain
Dimension fractale
20
Analyse en Ondelettes des fMRI
  • Avantages de la T. O.

Wavelet transform
Statistical test
Inverse transform
  • Orthogonal transformation
  • Decorrelates/whitens fMRI signal
  • Data compression
  • Increased signal-to-noise ratio (averaging
    effect)
  • Preserves space localization

21
Un exemple de stimulation auditive
  • fMRI

22
Détection de micro-calcifications Micro-calcificat
ions représentent des signes importantes du
cancer du sein.
23
 Analyse par la MMTO de 2 mammo- grammes  (a-d)
sein à tissu dense et (e-h) sein à tissu gras.
Londelette analysante est londelette isotrope
dordre 1 (dérivée dune gaussienne). (a) et (e)
représentent les mammogrammes originaux. (b) et
(f) représentent leur agrandissement respectif
(zoom dans la partie centrale  256256 pixels).
(c) et (g) montrent les modules de la TO et les
chaînes de maxima à léchelle s39 pixels. En
(d) et (h) sont montrées les chaînes de maxima
locaux ainsi que leurs positions.

24
Comportement monofractal (discrimination entre
les tissus gras et dense)
2
2
Exposant de Hölder h0.3 et h0.65
Spectre de singularités de 49 images (512512)
superposées, sur la gamme déchelles 21 s 11
25
Détection des microcalcifications par MMTO
Détection des microcalcifications dun amas (df
20.05). (a) mammographie originale. (b) et (c)
chaînes de maxima pointant sur les
microcalcifications pour les échelles s14
pixels et s24 pixels.
26
Application en microbiologie
  • Détermination du nombre de cellules de levure
    dans une image numérisée.
  • Le procédé de la détermination du
    nombre et de la taille des cellules est
  • 1. Application dun masque pour lajustement de
    la couleur
  • 2. Détermination de la dimension fractale et de
    la mesure fractale de limage masquée
  • comprenant linterface du fond et linterface des
    cellules
  • Cette expérimentation montre que
    lanalyse fractale constitue un outil
  • prometteur de comptage et de mesure dobjets dans
    une image numérique.

27
Bacteriologie
  • Description par géométrie fractale sert de
    modèles de croissance biologique.
  • La dimension fractale augmente avec la
    croissance.
  • Pour des micro-organismes dune grande
    variabilité et sous des conditions différentes de
    croissance, la dimension fractale peut être
    utilisée comme une caractéristique morphologique
    importante de la croissance mycélienne.

Développement de la structure mycélienne de A.
gossypii
Dimension fractale en fonction du développement
de A. gossypii
28
Analyse multifractale
  • Etude des signaux dont la régularité change
    brutalement dun point à un autre.
  • Outils Spectre multifractal en fonction de
    lexposant de Hölder h

29
Multifractalité dun indice boursier
Densité spectrale

Spectre multifracatal
Evolution quotidienne dun indice boursier
(1987-2002)
30
Mutifractalité de lécoulement sanguin cérébral

Spectre multifractal calculé par MMTO.
Londelette analysante est la dérivée seconde
dune gaussienne. Ce spectre est une moyenne de
10 enregistrements de 5 sujets.
Vitesse découlement sanguin (artère cérébrale
moyenne dun sujet sain).
31
Structure multifractale dune réplique sismique
Densité spectrale
Spectre multifracatal
Magnitude dune réplique sismique (axe vertical)
32
Problématique
Modélisation et identification des mécanismes
dendommagement de matériaux
Objectif de létude
Compréhension des mécanismes de fatigue et
dendommagement des matériaux
33
(No Transcript)
34
La densité spectrale des profils de rupture dun
matériau
35
Analyse temps-échelle des profils de rupture
Analyse temps-fréquence par transformée en
ondelette, calculée avec la dérivée seconde dune
gaussienne.
36
(No Transcript)
37
Bibliographie
  • Ouahabi, A. and D. Ait Aouit, ondelettes et
    fractales pour lanalyse du signal et de
    limage,  in optimisation en traitement du
    Signal et de lImage , (IC2), Hermès-Lavoisier,
    2007.
  • Ouahabi, A., S. Jaffard, D. Ait Aouit and E.
    Kurtaran, Wavelet based Multifractal Analysis in
    Fractography,  soumis à IEEE SP.
  • T. Blu and M. Unser, Wavelet,fractals, and
    Radial Basis Functions,, IEEE SP, vol. 50, N3,
    2002.
Write a Comment
User Comments (0)
About PowerShow.com