CN101325682A - 产生系数的装置和方法、产生类结构的装置和方法 - Google Patents

Abstract

一种类结构产生单元产生(n－1)个类结构，每个类结构都包括i个已经选出的特征加上从剩余的(n－i)个特征中选择出来的特征(i和n都是整数)。类结构选择单元使用任意的估算值从(n－i)个类结构中选择出一个最佳的类结构，在由类结构选择单元所选出的类结构中使用的特征被用作在产生单元中已经选出的特征。产生单元和选择单元的操作随着i值从0依次变化到r－1重复进行，因此产生了包含r个特征的类结构。

Description

产生系数的装置和方法、产生类结构的装置和方法

本申请是以下发明专利申请的分案申请：

申请日：2004年5月31日

申请号：200410055242.7

申请人：索尼株式会社

技术领域

本发明涉及产生系数的装置和方法，产生类结构(classconfiguration)的装置和方法，信息信号处理装置，以及用于执行这些方法的程序。尤其是，本发明涉及一种产生系数等的装置和方法，该系数等能够应用于将标准电视信号(SD信号)转换成高清晰度信号(HD信号)的装置。

背景技术

近年来，已经提供了多种技术用于改进图像或者音频信号的分辨率或者采样频率。例如，人们已知在与标准或低分辨率相称的标准电视信号升级为高分辨率信号，即所谓的HDTV信号的情况下，或者在经历子采样内插的情况下，伴随类分类进行的转换处理在性能上比传统的线性内插方法要好。

根据伴随类分类的转换处理，例如，在将与标准或低分辨率相称的标准电视信号(SD信号)转换成高分辨率信号(HD信号)的情况下，从预定的类结构中检测HD信号中的目标位置的像素数据所属的类，这样使用与该类相对应的估算等式的系数数据，基于该估算等式根据SD信号的像素数据的多个项产生HD信号的目标位置的像素数据。通过为每一个类预先执行诸如最小二乘法的学习，确定在该伴随类分类的转换处理中使用的估算等式的系数数据。

但是，为了执行该伴随类分类的转换处理，必须确定需要执行类分类的类结构(特征的组合)。尽管由于使用更多的特征，通常性能会更好，但是系数数据或者系数种子数据的数据量就会变得非常巨大或者计算将需要大量的时间，其中系数种子数据是用于产生该系数数据的产生等式的系数数据。为了解决这一问题，确定合适的类结构非常重要。

为了确定类结构，过去通常需要考虑一些通过人的经验获得的候选的类结构，为每一个类结构分别执行学习，并且根据学习的结果，选择一个看起来最好的类结构。因此，人的经验通常被依赖并且学习通常在每次类结构改变的时候从头开始重复，因此造成了需要很多的时间。

本发明的目的是通过仅执行一次学习为任意类结构中的每一个类有效的产生系数数据等。本发明的另一个目的是不依赖于人的经验的情况下在最短的时间内获得最佳的类结构。本发明的另一个目的是利用最佳的结构，通过执行伴随类分类的转换处理将第一信息信号转换成第二信息信号。

发明内容

根据本发明的一个方面，提供一种系数产生装置，产生用于估算等式的系数数据或者系数种子数据，该估算等式用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号，系数种子数据是在用于产生估算等式的系数数据的产生等式中的系数数据。该装置包括一个存储单元，用于存储为包含所有多个特征的基础类结构中每一个类计算估算等式的系数数据或者系数种子数据的标准等式。该装置还包括一个标准等式产生单元，根据包含多个特征中的任意一个或者多个特征的目标类结构的信息，产生为目标类结构中每一个类的用于计算估算等式的系数数据或者系数种子数据的标准等式。该装置进一步包括一个计算单元，用于求解标准等式产生单元所产生的标准等式，并且为目标类结构中的每一个类计算估算等式的系数数据或者系数种子数据从而为每一个类计算估算等式的系数数据或者系数种子数据。

根据本发明的另一个方面，提供一种系数产生方法，产生用于估算等式的系数数据或者系数种子数据，该估算等式用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号，系数种子数据是用于产生估算等式的系数数据的产生等式中的系数数据。该方法包括准备用于为包含所有多个特征的基础类结构中的每一个类计算估算等式的系数数据或者系数种子数据的标准等式的步骤。该方法也包括根据包括多个特征中的至少一个特征的目标类结构的信息，产生为目标类结构中的每一个类计算估算等式的系数数据或者系数种子数据的标准等式的步骤。该方法进一步包括求解为目标类结构中的每一个类计算估算等式的系数数据或者系数种子数据的标准等式的步骤，从而为每一类计算目标类结构中的每一个类的估算等式的系数数据或者系数种子数据。而且，根据本发明的另一方面，提供了用于命令计算机执行上述系数产生方法的程序。

在本发明中，产生用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号的估算等式的系数数据或者系数种子数据(系数数据等)，该系数种子数据是用于产生估算等式的系数数据的产生等式的系数数据。这些信息信号中的每一个例如是图像信号或者音频信号。

准备了用于为包含所有多个特征的基础类结构中的每一个类的用于计算系数数据或者系数种子数据的标准等式。该标准等式是通过预先为每一个类执行学习而获得的。接下来，根据包括多个特征中的任意一个或者多个特征的目标类结构的信息，为目标类结构中每一个类产生了用于计算系数数据等的标准等式。

根据目标类结构的信息，仅有包含在目标类结构中的特征可以被考虑用于在基础类结构中检测这样一个具有相同特征的类，因此就能够在基础类结构中检测到与目标类结构中的每一个类相对应的类。然后，对于每一个类，在基础类结构中检测到与目标类结构的每一个类相对应的类的标准等式累加，因此就获得了为目标类结构中的每一个类计算系数数据等的标准等式。

而且，如果在基础类结构包含n个特征，该基础类结构中的每一个类用n比特数据表示，每一个比特表示一个特征，那么就产生了n比特掩码位模式数据，该n比特掩码位模式数据中与包含在目标类结构中的任何一个特征对应的比特被设定为“1”。为每一个比特计算表示基础类结构中的每一个类的n比特数据和该掩码位模式数据的逻辑积。基础类结构中计算结果具有相同位模式的类被分类为同一组，因此在基础类结构中检测相应于目标类结构中每一个类的类。

求解在目标类结构中为每一个类计算系数数据等的每一个产生的标准等式，因此为目标类结构中的每一类获得了系数数据等。

以这种方式，根据本发明，能够通过仅执行一次学习而有效的产生包括多个特征中的任意一个或者多个特征的目标类结构中的每一类的系数数据等。

尤其是，通过为包含所有多个特征的基础类结构中的每一类准备计算系数数据等的标准等式，仅考虑包含在目标类结构中的特征，在基础类结构中检测具有相同特征的这样的类，并且将它们的标准等式累加从而产生为目标类结构中的每一类的用于计算系数数据等的标准等式，这样通过仅执行一次学习就能够为任意类结构中的每一类有效的产生系数数据等。但是，为了改变包含在目标类结构中的特征，不需要再次执行学习，因此能够在短时间内轻易的产生系数数据。

根据本发明的又一方面，提供了一种类结构产生装置，用于从n个特征中选择出r个特征，n和r都是整数，r＜n，当包含多个信息数据项的第一信息信号转换成第二信息信号时，所述类结构通过类分类，在包含多个信息数据项的第二信息信号中产生目标位置的信息数据。该类结构产生装置包括类结构产生单元，用于产生(n-i)个类结构，每一个类结构包括i(i是整数)个已经选定的特征加上从剩余的(n-i)个特征选定的一个特征。该类结构产生装置进一步包括一个类结构选择单元，该单元使用任意估算值，从该类结构产生单元产生的(n-i)个类结构中选择出最佳的类结构。在该类结构产生装置中，在类结构选择单元选出的类结构中使用的特征被设定为已经选出的特征，并且类结构产生单元和类结构选择单元的操作随着i依次从0变化到r-1重复进行，因此就获得了包含r个特征的类结构。

根据本发明的又一个实施例，提供了一种从n个特征中选择出r个特征从而获得类结构的类结构产生方法，n和r都是整数，r＜n，当包含多个信息数据项的第一信息信号转换成第二信息信号时，所述类结构通过类分类，在包含多个信息数据项的第二信息信号中产生目标位置的信息数据。该方法包括类结构产生步骤，用于产生(n-i)个类结构，每一个类结构包括i(i是整数)个已经选定的特征加上从剩余的(n-i)个特征选定的特征。该方法还包括类结构选择步骤，该步骤使用任意的估算值，从类结构产生步骤产生的(n-i)个类结构中选择出一个最佳的类结构。在该种方法中，在类结构选择步骤选出的类结构中使用的特征被设定为已经选出的特征，并且类结构产生单元和类结构选择单元的操作随着i依次从0变化到r-1重复进行，因此就获得了包含r个特征的类结构。

一个与本发明相关的使计算机执行该类结构产生方法的程序。

根据本发明，通过从n个特征中选择出r个特征来获得类结构，当包含多个信息数据项的第一信息信号转换成第二信息信号时，所述类结构通过类分类，在包含多个信息数据项的第二信息信号中产生目标位置的信息数据。

在选出的类结构中使用的特征被设定为已经选出的特征。产生(n-i)个类结构的操作，其中(n-i)个类结构中的每一个包括从剩余的(n-i)个特征中选择出来的已经选定的i个特征，以及使用任意的估算值从(n-i)个类结构中选择出最佳的类结构的操作，随着i值从0变换到r-1重复进行，因此就能够获得包括r个特征的类结构。

利用与该目标位置的信息数据所属的类相应的估算等式的系数数据并且根据该估算等式产生第二信息信号中的目标位置的信息数据。例如，最佳的类结构按照如下的方式选择。

也就是，分别产生用于所产生的(n-i)个类结构中的每一类的系数数据。接下来，对于每一个类结构，使用所产生的系数数据，根据第二信息信号对应的估算信息信号得到的相应于第一信息信号的信息信号转换成与相应于第二信息信号的信息信号。接下来，对于每一个类结构，根据通过转换所获得的信息信号与估算信息信号之间的每一个信息数据项的差计算估算值。然后，根据这些类结构中的每一个的估算值，选择最佳的类结构。

在这种情况下，当为(n-i)个分别产生的类结构中的每一类获得系数数据时，使用系数产生装置或方法，用于如上所述使用标准等式计算包括所有多个特征的基础类结构中的每一类的系数数据等，允许(n-i)个分别产生的类结构中的每一类的系数数据能够通过仅执行一次学习而获得，因此提供了处理效率。

以这种方式，根据本发明，产生(n-i)个类结构的操作，其中(n-i)个类结构中的每一个包括i个已经选出的特征加上从剩余的(n-i)个类结构中选择出来的特征，以及使用任意估算值从(n-i)个类结构中选择出最佳的类结构的操作，随着i依次从0变化到r-1重复进行，其中在选出的类结构中使用的特征被设定为已经选出的特征，从而获得包含r个特征的类结构，因此能够不依赖于人的经验，在短时间内获得最佳的类结构。

根据本发明的另一方面，提供一种信息信号处理装置，用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号。该信息信号处理装置包括类检测单元，用于根据第一信息信号在预定的类结构中检测第二信息信号中目标位置的信息数据所属的类。该信息信号处理装置还包括一个信息数据产生单元，用于根据类检测单元检测到的类在第二信息信号中产生目标位置的信息数据。

预定的类结构包括从n(n是整数，r＜n)个特征中选择出来的r(r是整数)个特征。随着i依次从0变化到r-1，通过重复产生(n-i)个类结构的操作，其中(n-i)个类结构中的每一个包括i(i是整数)个已经选出的特征加上从剩余的(n-i)个特征中选出的一个特征，以及使用任意估算值从(n-i)个产生的类结构中选择出最佳类结构的操作，来获得r个特征，其中在选定的类结构中使用的特征被设定为已经选择的特征。

根据本发明，包括多个信息数据项的第一信息信号被转换成包括多个信息数据项的第二信息信号。在这种情况下，根据第一信息信号在预定类结构中检测第二信息信号中目标位置的信息数据所属的类，这样根据该检测出的类，产生第二信息信号中的目标位置的信息数据。

例如，第二信息信号中的目标位置的信息数据按照如下的方式进行。也就是，产生与检测到的类相应的在估算等式中使用的系数数据。根据该第一信息信号，选择出位于第二信息信号的目标位置周围的多个信息数据项。然后，利用产生的系数数据和多个选出的信息数据项，根据该估算等式，计算第二信息信号中的目标位置的信息数据。

应当注意，预定的类结构包括从n个特征中选择出来的r个特征，r个特征通过如下的方式获得。也就是，随着i依次从0变化到r-1，通过重复产生(n-i)个类结构的操作，其中(n-i)个类结构中的每一个包括i(i是整数)个已经选出的特征加上从剩余的(n-i)个特征中选出的特征，以及使用任意估算值从(n-i)个产生的类结构中选择出最佳类结构的操作，来获得r个特征，其中在选定的类结构中使用的特征被设定为已经选择的特征。

以这种方式，根据本发明，通过使用包含从n个特征中选择出来的r个特征的最佳类结构，执行伴随类分类的转换处理允许第一信息信号转换成第二信息信号，因此能够获得第二信息信号。

本说明书的结束部分指出并且直接要求了本发明的保护主题。通过参考附图对本说明书的剩余部分的阅读，其中说明书中相同的附图标记表示相同部件，本领域的技术人员将会更好的理解本发明的结构，操作方法，以及其进一步的优点和目的。

附图说明

图1是用于表明一个图像信号处理装置的结构的方框图；

图2是用于表明一个525i信号和1050i信号之间的像素位置关系的图；

图3是表明类抽头(tap)的图；

图4是表明动态范围DR类的图；

图5是表明基础类结构的位模式数据的图；

图6是表明在HD信号的单元像素块中的四个像素对于预定的中央抽头的相位移动的图(奇数场)；

图7是表明在HD信号的单元像素块的四个像素对于预定的中央抽头的相位移动的图(偶数场)

图8是表明标准等式产生装置的结构的方框图；

图9是表明系数产生装置的结构的方框图；

图10A是表明在与目标类结构的每一类相对应的基础类结构中的类的检测处理中，基础类结构的每一类的一个实例的图；

图10B是表明在与目标类结构的每一类相对应的基础类结构中的类检测处理中的掩码位模式数据MBP的一个实例的图；

图10C是表明在与目标类结构的每一类对应的基础类结构的类检测处理中的逻辑积的计算结果的一个实例的图；

图11是表明产生目标类结构的处理过程的流程图；

图12是表明目标类结构产生装置的结构的方框图；

图13是表明产生目标类结构的处理的一个实例的图；

图14是表明利用软件实现的图像信号处理装置的结构的图；

图15是表明图像信号处理的流程图；

图16是表明产生标准等式的处理的流程图；

图17是表明产生系数的处理的流程图；

图18是表明另一个图像信号处理装置的结构的方框图；

图19是说明产生用于系数种子数据的标准等式的方法的方框图；

图20是表明另标准等式产生装置的结构的方框图；

图21是表明图像信号处理的流程图；以及

图22是产生标准等式的流程图。

具体实施方式

下面将描述本发明的第一实施例。附图1表明了信息信号处理装置的图像信号处理装置100的结构。图像信号处理装置100处理图像。图像信号处理装置100将525i信号的标准清晰度信号(SD)转换成1050i信号的高清晰度信号(HD)。

附图2表明了根据这些信号所在的帧的像素位置，525i信号与1050i信号之间的位置关系。在图2中，奇数场(o)的像素位置以实线表示，偶数场的像素位置以虚线表示。大圆圈表示525i信号的像素，小圆圈表示1050i信号的像素。从图2中可以看出，1050i信号的像素数据项可以接收(comein)位置靠近525i信号行的行数据L1和L1’的项以及位置远离525i信号行的行数据L2和L2’的项。

应当注意，L1和L2表示奇数场的行数据，L1’和L2’表示偶数场的行数据。而且，1050i信号的每一行的像素的数目是525i信号的每一行的像素的数目的两倍。

如图1所示，图像信号处理装置100包括一个输入终端101，用于接收SD信号，以及第一和第二抽头选择电路102和103，每一个电路都根据输入终端所接收的SD信号，有选择的取出位于HD信号的目标位置周围的多个SD像素数据，并且输出该数据。

第一抽头选择电路102有选择的取出在预测中使用的多个SD像素数据(被称为“预测抽头)。第二抽头选择电路103有选择的取出在类分类中使用的多个SD像素数据(被称为“类抽头”)。

而且，图像信号处理装置100包括类检测电路104，用于从第二抽头选择电路103有选择的取出的类抽头数据中检测HD信号中目标位置的像素数据所属的类。

在本实施例中，如图3所示，取出位于HD信号中的目标位置30周围的五个SD像素数据作为类抽头数据并且使用。在图3中，“x”表示HD信号中的每一个目标位置30，“0”到“4”分别表示一个抽头位置数字。在这种情况下，与四个目标位置相对应，取出五个相同的SD像素的数据项作为类抽头数据。

在本实施例中，类检测电路104检测包括从包含在基础类结构中的12个特征中选择出来的例如六个特征的目标类结构中的类CL。

下面将描述包含在基础类结构中的12个特征。这12个特征中的一些是像素值特征，其他的是动态范围(DR)特征。

每一个像素值特征由通过将五个SD像素的数据项从8-比特数据压缩成2-比特数据而获得的2-比特码构成。该数据压缩是通过，例如，自适应动态范围编码(ADRC)执行的。该数据压缩可以使用ADRC以外的其他方法进行，例如，DPCM(预测编码)，VQ(矢量量化)，等。

当执行ADRC时，假设作为类抽头的五个SD像素的数据项的最大值为MAX，最小值为MIN，其动态范围为DR(＝MAX-MIN+1)，并且再量化比特的数目是P，通过计算下列等式(1)可以为五个SD像素数据项ki(i＝0-4)中的每一个获得作为压缩数据的P比特的再量化码Qi。

Qi＝[(ki-MIN+0.5)·2^p/DR]            ...(1)

如上所述，在压缩成2-比特数据的情况下，P＝2，这样就获得了2-比特码Qi。与五个SD像素的数据项有关的2-比特码Qi(i＝0-4)的高阶比特M和低阶比特L分别提供了像素值特征。

DR特征由2-比特码(DR类)构成，该2-比特码表明作为类抽头的五个SD像素的数据项的每一个动态范围DR的预定的四个区域中的一个所属的类，如图4所示。就是说，当每一个动态范围DR属于0-31，32-63，64-127，以及128-255时，DR类分别是“00”，“01”，“10”和“11”。在这种情况下，每一个DR类的高阶比特M和低阶比特L分别提供DR特征。

图5表明了通过将构成像素值特征的每一个2-比特码Qi(i＝0-4)和构成DR特征的DR类(2-比特码)相互连接所获得的12-比特位模式数据。12-比特位模式数据的每一个比特与具有数字0-11并且与包含在基础类结构中的每一个特征相关的12个特征相对应。该12-比特位模式数据表明了基础类结构中的类。

类检测电路104输出类CL，其包含在从十个像素值特征以及两个DR特征中选择出来的一个或者多个例如六个特征的目标类结构中。就是说，在这种情况下，类GL是与选出的六个特征相应的6-比特位模式数据。下面将描述如何从12个特征中选择出六个特征。

在图1中，像素信号处理装置100包括系数存储器105。该系数存储器105用于存储在上述的目标类结构中的每一类的系数数据Wi。该系数数据Wi在估算等式中使用，该估算等式将在稍后描述的估算/预测计算电路106中使用。该系数数据Wi是用于将SD信号(525i信号)转换成HD信号(1050i信号)的信息。

如上所述，为了将525i信号转换成1050i信号，必须在每一个奇数场和偶数场中对于每一个525i信号像素获得四个1050i信号像素。在这种情况下，在每一个奇数场和偶数场构成1050i信号的2-times-2单元的单元像素块中的四个像素分别相对于预定的中央抽头具有不同的相位移动。

图6表明了在奇数场构成1050i信号的2-times-2单元的单元像素块BK60中的四个像素HD1-HD4相对于预定的中央抽头SD0的相位移动。其中，HD1-HD4的位置分别从SD0的位置水平移动k1-k4，垂直移动m1-m4。

图7表明了在偶数场构成1050i信号的2-times-2单元的一个单元像素块BK70中的四个像素HD1’-HD4’相对于预定的中央抽头SD0’的相位移动。其中，HD1’-HD4’的位置分别从SD0的位置水平移动k1’-k4’，垂直移动m1’-m4’。

因此，像素存储器105为每一个类的组合存储系数数据项Wi并且输出像素(HD1-HD4，HD1’-HD4’)。下面将描述如何产生系数数据项Wi。

系数存储器105从上述的类检测电路104接收作为读取地址信息的类代码CL。从该系数存储器105读出与类代码CL相应的估算等式的系数数据项Wi(i＝1-n)，并将系数数据项Wi提供给估算/预测计算电路106。该估算/预测计算电路106根据预测抽头的数据项x i和从系数存储器105接收的系数数据项Wi，按照下面的估算等式(2)的估算等式计算HD像素中的数据项y。

$y=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i\·x_i...\left(2\right)$

在等式(2)中，“n”表示第一抽头选择电路102所选择的预测抽头的数目。

而且，图像信号处理装置100包括估算/预测计算电路106，用于根据有选择的从第一抽头选择电路102接收的预测抽头的数据项x i和从系数存储器105接收的系数数据项Wi，按照估算等式(2)计算HD信号中的像素数据项(目标位置的像素数据)。

如上所述，为了将SD信号转换成HD信号，必须为每一个SD信号像素获得四个HD信号像素(图6中的HD1-HD4和附图7中的HD1’-HD4’)。通过该估算/预测电路106，为构成HD信号的2-times-2单元的每一个像素块产生了像素数据项。

就是说，该估算/预测计算电路106从第一抽头选择单元102接收与单元像素块中的四个像素(目标像素)相对应的预测抽头的数据项xi，以及从系数存储器105接收与构成该单元像素块的四个像素相对应的系数数据项Wi，因此根据上述等式(2)计算构成单元像素块的四个像素数据项y1-y4。

而且，图像信号处理装置100包括一个后处理电路107，用于从估算/预测计算电路106依次接收单元像素块中的四个像素的像素数据项y1-y4。后处理电路107线性排列像素数据项y1-y4并且以1050i信号格式将其输出。

下面将描述图像信号处理装置100的操作。

根据输入到输入终端101的SD信号(525i信号)，在第二抽头选择电路103中，有选择的取出作为类抽头的五个SD像素的数据项，该数据项位于构成HD信号(1050i信号)的单元像素块中的四个像素(目标位置像素)的周围。

在第二抽头选择电路103中有选择的取出的类抽头数据被提供给类检测电路104。类检测电路104通过在作为类抽头的五个SD像素的数据项的每一个上执行ADRC处理获得2-比特码Qi，并且从作为类抽头的五个SD像素的数据项的动态范围DR获得2-比特码(DR类)。

因此，类检测电路104获得了一个与12个特征相对应的12-比特位模式数据。在该位模式数据中，12个比特中的每一个表示与特征相关的每一个数字0-11。因此，在类检测电路104中，与包含在目标类结构中的六个特征分别相应的比特从该12-比特位模式数据取出，因此在目标类结构中获得了作为类CL的6-比特位模式数据。该类CL作为读取地址信息被提供给系数存储器105。

应当注意，并不是所有的2-比特码Qi(i＝0-4)和DR类，而仅有它们中与目标类结构中的特征相应的一些2-比特码Qi(i＝0-4)和DR类可以在类检测电路104中获得。

当系数存储器105接收到作为读取地址信息的类CL时，相应的从该系数存储器105中读出关于提供与该类代码CL相应的四个输出像素(在奇数场是HD1-HD4，偶数场是HD1’-HD4’)的这种估算等式的系数数据项Wi，并将其提供给估算/预测计算电路106。

而且，根据输入到输入终端101的SD信号，从第一抽头选择电路102有选择的取出预测抽头的数据项(SD像素数据)xi，该数据项位于构成HD信号的单元像素块中的四个像素(目标位置像素)的周围。

估算/预测计算电路106使用预测抽头的数据项xi和从系数存储器105接收的四个输出像素的系数数据项Wi(参见等式(2))计算构成HD信号的单元像素块中的四个像素(目标位置像素)的像素数据项y1-y4.然后，构成该HD信号的单元像素块中的四个像素的像素数据项y1-y4从估算/预测计算电路106依次输出，并被提供给后处理电路107。

该后处理电路107线性排列从估算/预测计算电路106依次输出的单元像素块中的四个像素的像素数据项y1-y4，并将其以1050i信号格式输出。就是说，1050i信号作为HD信号从后处理电路107输出并被提供给输出终端108。

下面将描述如何产生目标类结构中的每一类的系数数据项Wi(i＝1-n)，该系数数据项将被存储在系数存储器105中。

首先，准备一个为包含所有12个特征的基础类结构中的每一类的用于计算系数数据的标准等式。该标准等式通过预先执行学习而获得。

下面将描述一种学习方法。在学习之前，在上述等式(2)中系数数据项W1，W2，...Wn是不确定的。学习是在每一个类的多个信号数据项上执行的。如果学习数据项数目为m，根据等式(2)设置下面的等式(3)。

Y_k＝W₁×x_k1+W₂×x_k2+....+W_n×x_kn      ...(3)

(k＝1，2，....，m)

其中“n”表示预测抽头的数目。

如果m＞n，没有系数数据项W1，W2，...Wn能够唯一确定，因此通过下面的等式(4)定义误差矢量e的元素e_k，从而在等式(5)中获得使e²最小的系数数据。就是说，通过使用所谓的最小二乘法获得唯一的系数数据。

e_k＝y_k-{W₁×x_k1+W₂×x_k2+....+W_n×x_kn}  ...(4)

(k＝1，2，....，m)

$e^2=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{e}_k^2...\left(5\right)$

通过用于在等式(5)中获得使e²最小的系数数据的实际计算方法，首先，如等式(6)所示，求出e²与系数数据项Wi(i＝1-n)的偏微分，获得系数数据项Wi使得对于每一个“i”值来说偏微分值可以为0。

$\frac{\∂e^2}{{\∂W}_i}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}2\left[\frac{{\∂e}_k}{{\∂W}_i}\right]e_k=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}2x_{\mathrm{ki}}\·e_k...\left(6\right)$

如果如下面的等式(7)和(8)所表明的定义了Xji和Yi，等式(6)能够写成等式(9)的行列式的形式。该等式(9)是用于计算系数数据的标准等式。通过使用诸如扫荡(sweeping-out)方法(例如，Gauss-Jordan’s消除方法)的一般解法能够求解该标准等式，就能够计算系数数据项Wi(i＝1-n)。

$X_{\mathrm{ji}}=\underset{p=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{pi}}\·x_{\mathrm{pj}}...\left(7\right)$

$Y_i=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ki}}\·y_k...\left(8\right)$

$\left[\begin{array}{cccc}{X}_{11}& X_{12}& ..& X_{1n}\\ X_{21}& X_{22}& ...& X_{2n}\\ ...& ...& ...& ...\\ X_{n1}& X_{n2}& ...& X_{\mathrm{nn}}\end{array}\right]\left[\begin{array}{c}{W}_1\\ W_2\\ ...\\ W_3\end{array}\right]=\left[\begin{array}{c}{Y}_1\\ Y_2\\ ...\\ Y_n\end{array}\right]---\left(9\right)$

仅考虑基础类结构中的12个特征中的目标类结构的六个特征，基础类结构中具有相同标准等式的每一类的标准等式被累加，因此产生了用于计算目标类结构中的每一类的系数数据的标准等式。

在这种情况下，基础类结构中的类的数目是2¹²＝4096，这样用于计算基础类结构中的每一类的系数数据的标准等式的数目就是4096。另一方面，包含六个特征的目标类结构中的类的数目的2⁶＝64个，这样用于计算目标类结构中的每一类的系数数据的标准等式的数目为64。

当仅考虑包含在目标类结构中的六个特征时，具有上述特征的基础类结构中的类的数目是64。就是说，通过将基础类结构中的64个类的标准等式累加，产生用于计算目标类结构中的每一类的系数数据的标准等式。如果64个标准等式按照下面的等式(10-1)到(10-64)给出，那么它们的累加将给出一个如等式(11)所给出的标准等式。

$\left[\begin{array}{cccc}{X}_{11-1}& X_{12-1}& ...& X_{1n-1}\\ X_{21-1}& X_{22-1}& ...& X_{2n-1}\\ ...& ...& ...& ...\\ X_{n1-1}& X_{n2-1}& ...& X_{\mathrm{nn}-1}\end{array}\right]\left[\begin{array}{c}{W}_{1-1}\\ W_{2-1}\\ ...\\ W_{n-1}\end{array}\right]=\left[\begin{array}{c}{Y}_{1-1}\\ Y_{2-1}\\ ...\\ Y_{n-1}\end{array}\right]---\left({10}_{-1}\right)$

$\left[\begin{array}{cccc}{X}_{11-2}& X_{12-2}& ...& X_{1n-2}\\ X_{21-2}& X_{22-2}& ...& X_{2n-2}\\ ...& ...& ...& ...\\ X_{n1-2}& X_{n2-2}& ...& X_{\mathrm{nn}-2}\end{array}\right]\left[\begin{array}{c}{W}_{1-2}\\ W_{2-2}\\ ...\\ W_{n-2}\end{array}\right]=\left[\begin{array}{c}{Y}_{1-2}\\ Y_{2-2}\\ ...\\ Y_{n-2}\end{array}\right]---\left({10}_{-2}\right)$

...

$\left[\begin{array}{cccc}{X}_{11-64}& X_{12-64}& ...& X_{1n-64}\\ X_{21-64}& X_{22-64}& ...& X_{2n-64}\\ ...& ...& ...& ...\\ X_{n1-64}& X_{n2-64}& ...& X_{\mathrm{nn}-64}\end{array}\right]\left[\begin{array}{c}{W}_{1-64}\\ W_{2-64}\\ ...\\ W_{n-64}\end{array}\right]=\left[\begin{array}{c}{Y}_{1-2}\\ Y_{2-2}\\ ...\\ Y_{n-64}\end{array}\right]---\left({10}_{-64}\right)$

$\left[\begin{array}{cccc}(X_{11-1}+X_{11-2}+..+X_{11-64})& (X_{12-1}+X_{12-2}+...+X_{12-64})& ...& (X_{1n-1}+X_{1n-2}+...+X_{1n-64})\\ (X_{21-1}+X_{21-2}+...+X_{21-64})& X_{22-1}+X_{22-2}+...+X_{22-64}& ...& (X_{2n-1}+X_{2n-2}+...+X_{2n-64})\\ ...& ...& ...& ...\\ (X_{n1-1}+X_{n1-2}+...+X_{n1-64})& (X_{n2-1}+X_{n2-2}+...+X_{n2-64})& ...& (X_{\mathrm{nn}-1}+X_{\mathrm{nn}-2}+...+X_{\mathrm{nn}-64})\end{array}\right]$

$\left[\begin{array}{c}(W_{1-1}+W_{1-2}+...+W_{1-64})\\ (W_{2-1}+W_{2-2}+...+W_{2-64})\\ ...\\ (W_{n-1}+W_{n-2}+...+W_{n-64})\end{array}\right]=\left[\begin{array}{c}(Y_{1-1}+Y_{1-2}+...+Y_{1-64})\\ (Y_{2-1}+Y_{2-2}+...+Y_{2-64})\\ ...\\ (Y_{n-1}+Y_{n-2}+...+Y_{n-64})\end{array}\right]...\left(11\right)$

接下来，求解这样产生的用于计算目标类结构中的每一类的系数数据项的标准等式，从而给出基础类结构中的每一类的系数数据。在这种情况下，这些标准等式通过诸如扫荡方法的一般解法求解。

图8给出了标准等式产生装置200的结构，该装置用于产生计算包含所有12个特征的基础类结构中的每一类的系数数据的标准等式。

该标准等式产生装置200包括输入终端201，向其输入作为指导信号的HD信号，以及SD信号产生电路202，用于在该HD信号水平和垂直方向上进行稀疏处理从而获得作为学生信号的SD信号。

标准等式产生装置200也包括第一和第二抽头选择电路203和204，分别根据从SD信号产生电路202接收的SD信号，有选择的为位于HD信号目标位置周围的SD像素取出多个数据项，并将其输出。

这些第一和第二抽头选择电路203和204是根据与上述图1所示的图像信号处理装置100的第一和第二抽头选择电路102和103相同的方式构成的。就是说，第一抽头选择电路203有选择的为SD像素取出在预测中使用的多个数据项(称为“预测抽头”)。第二抽头选择电路204有选择的为SD像素取出在类分类中使用的多个数据项(称为“类抽头”)。

标准等式产生装置200进一步包括类检测电路205，用于根据第二抽头选择电路204有选择的取出的类抽头的数据项，检测HD信号中的目标位置的像素数据所属的类。该类检测电路205是根据与上述的图1所示的图像信号处理装置100中的类检测电路104大体一致的方式构成的。

与类检测电路104相比，类检测电路205检测基础类结构中的类CLr，其中类检测电路104检测包含从基础类结构的12个特征选择出例如六个特征的目标类结构中的类CL。

就是说，该类检测电路205应用例如ADRC来压缩作为类抽头的五个SD像素的每个数据项，从8-比特数据格式压缩成2-比特数据格式，因此获得了包括像素值特征的2-比特码Qi(i＝0-4)。进一步的，类检测电路205根据作为类抽头的五个SD像素的每一个数据项属于动态范围DR的预定的四个区域中的哪一个，获得2-比特码(DR类)(参见图4)。

该类检测电路205获得12-比特位模式数据，其是通过将构成像素值特征的2-比特码Qi(i＝0-4)和构成DR特征(参见图5)的DR类(2-比特码)相互连接给出的，类检测电路205还将该12-比特位模式数据作为类CLr输出。

而且，标准等式产生装置200还包括延迟电路206，用于对输入到输入终端201和标准等式产生单元207的HD信号进行时间调整。标准等式产生单元207产生标准等式(参见等式(9))，用于根据由延迟电路206对HD信号进行时间调整所获得的作为目标像素数据的每一个HD像素数据项y，与每一个HD像素数据项y相对应的从第一抽头选择电路203有选择的取出的作为预测抽头数据的n个SD像素数据项xi，以及与每一个HD像素数据y对应的从类检测电路205输出的类CLr，为每一类获得系数数据项Wi(i＝0-4)。

在这种情况下，组合一个HD像素数据项y以及相应的预测抽头数据xi产生学习数据，其实际上是在作为指导信号的HD信号以及作为学生信号的SD信号之间，为每一类所产生的。因此，在标准等式产生单元207中，为每一类产生用于产生系数数据项Wi(i＝1-n)的标准等式。

在这种情况下，进一步的，在标准等式产生单元207中，为每一个输出像素(参见附图6的HD1-HD4，附图7的HD1’-HD4’)产生标准等式。例如，根据学习数据产生与HD1相应的标准等式，其包括HD像素数据y，其与HD1相对于预定的中央抽头移动的值的关系相同。结果，在标准等式产生单元207中，为类和输出像素位置的每一个组合产生标准等式。

标准等式产生装置200进一步包括一个标准等式存储器208，用于存储标准等式产生单元207所产生的标准等式的数据。存储在标准等式存储器208中的用于为基础类结构中的每一类计算系数数据项Wi(i＝1-n)的标准等式被用于为目标类结构中的每一类产生系数数据项Wi(i＝1-n)。

下面将描述图8所示的标准等式产生装置200的操作。

作为指导信号的HD信号(1050i信号)输入到输入终端201。SD信号产生电路202在该HD信号水平和垂直方向上执行稀疏处理，因此产生作为学生信号的SD信号(525i信号)。

根据从SD信号产生电路202获得的该SD信号，第二抽头选择电路204有选择的为位于HD信号的目标位置周围的作为类抽头的五个SD像素取出数据项。

从第二抽头选择电路204有选择的取出的类抽头的数据项被提供给类检测电路205。在该类检测电路205中，通过在每个数据项上，为作为类抽头的五个SD像素的每一个数据项执行ADRC处理而获得2-比特码Qi，根据作为类抽头的五个SD像素的每一个数据项的动态范围DR获得2-比特码(DR类)，通过将这些彼此连接获得作为类CLr的12-比特位模式数据。

而且，第一抽头选择电路203有选择的根据SD信号产生电路202所获得的SD信号取出位于HD信号中的目标位置周围的预测抽头的数据项xi。

标准等式产生单元207分别产生标准等式(参见等式(9))，使用由延迟电路206对HD信号进行时间调整所获得的每一个目标位置的HD像素数据项y，与每一个目标位置的HD像素数据项y相对应的从第一抽头选择电路203有选择的取出的预测抽头数据项xi，以及与每一个目标位置的HD像素数据y对应的从类检测电路205获得的类CLr，为类和输出像素位置的每一个组合获得系数数据项Wi(i＝1-n)。该标准等式的数据存储在标准等式存储器208中。

附图9表明了系数产生装置300的结构，该结构用于为目标类结构中的每一类产生系数数据项Wi(i＝1-n)。该系数数据Wi将被存储在图1所示的图像信号处理装置100的系数存储器105中。

该系数产生装置300包括作为存储单元的只读存储器(ROM)301，存储用于计算基础类结构中的每一类的系数数据的标准等式的数据项。该标准等式的数据项已经通过例如上述的图8所示的标准等式产生装置200产生。

进一步的，系数产生装置300也包括掩码比特产生单元302，用于根据目标类结构的信息INF产生掩码位模式数据MBP。应当注意，信息INF表明例如包含在目标类结构中的六个像素与包含在基础类结构中的12个像素之间的一对一的对应关系。

掩码比特产装置302产生12-比特掩码位模式数据MBP，其中与包含在目标类结构中的任何特征相对应的比特被设定为“1”。附图10B表明了在例如目标类结构包含两个特征并且这两个特征分别表明2-比特码Q₂低阶比特L和DR类的低阶比特L(参见附图5)的情况下的数据MBP。

进一步的，系数产生装置300也包括标准等式分类单元303，将为存储在ROM301中的基础类结构的每一类计算系数数据的标准等式分成与目标类结构中的每一类相应的标准等式。

在这种情况下，标准等式分类单元303仅考虑包含在目标类结构中的特征并且在基础类结构中检测具有包含在目标类结构中相同特征的类，从而检测在与目标类结构中的每一类相对应的基础类结构中的每一类，这样就将基础类结构中的每一类的标准等式分成与目标类结构中的每一类相对应的标准等式。

为了检测与目标类结构的每一类相对应的基础类结构中的每一类，标准等式分类单元303使用上述的掩码位模式数据MBP。应当注意，合并掩码比特产生单元302和标准等式分类单元303构成类检测单元。

在这种情况下，计算附图10A中的基础类结构中的每一类(4096个)的12-比特数据的每一比特与12-比特掩码位模式数据MBP的每一比特的逻辑积。然后，计算结果具有相同位模式的基础类结构的每一类被分成相同的组，因此就能够检测与目标类结构中的每一类相对应的基础类结构中的每一类。

例如，如果掩码位模式MBP如图10B所示，逻辑积的计算结果将如图10C所示。在这种情况下，作为这些计算的结果，将获得四个位模式，例如“000000000000”，“000000000001”，“000001000000”和“000001000001”。与这四个位模式相对应的基础类结构中的那些类被分成相同的组，这样分别与目标类结构中的四个类相对应的这些组，就是“00”，“01”，“10”和“11”。

尽管附图10表明了包含两个特征的目标类结构的情况。目标类结构可以包含例如六个特征，在这种情况下，将获得64位模式作为计算结果。在这种情况下，与这64个位模式中的每一个相对应的基础类结构中的这些类被分成相同的组。基础类结构中的这些类组中的每一个相应于目标类结构中的64个类中的每一个。

系数产生装置300还包括标准等式累加单元304，用于为每一分类累加计算基础类结构中的每一类的系数数据项的标准等式，这些标准等式已经被标准等式分类单元303所分类，从而对应于目标类结构中的每一类，因此能够产生计算目标类结构中的每一类的系数数据项的标准等式。应当注意，上述的由掩码比特产生单元302和标准等式分类单元303构成的类检测单元可以与标准等式累加单元304合并，从而构成标准等式产生单元。

在这种情况下，如果目标类结构包含六个特征，就产生与64个类中的每一个相对应的标准等式。通过将计算基础类结构中的64个类的系数数据项的标准等式累加产生每一类的标准等式(参见等式(10-1)到(10-64)和(11))。

应当注意在这种情况下，标准等式累加单元304为每一输出像素累加标准等式(参见附图6的HD1-HD4，附图7的HD1’-HD4’)。因此，在标准等式累加单元304中，为类和输出像素位置的每一个组合产生计算目标类结构中的每一类的系数数据项的标准等式。

进一步的，系数产生装置300还包括计算单元305，其为类和输出像素位置的每一组合接收通过标准等式累加单元304所产生的标准等式的数据项并且求解这些标准等式，从而为类和输出像素位置的每一组合获得系数数据项Wi。系数产生装置300还包括一个系数存储器306，用于存储该计算单元305获得的系数数据项Wi。计算单元305使用例如扫荡方法求解该标准等式，因此获得了系数数据项Wi。

下面将描述附图9所示的系数产生装置300的操作。

目标类结构的信息INF被提供给掩码比特产生单元302。掩码比特产生单元302产生12-比特掩码位模式数据MBP，其中与包含在目标类结构中的一个特征相对应的一个比特被设定为“1”。该数据MBP被提供给标准等式分类单元303。

标准等式分类单元303将每一个存储在ROM301中的用于计算基础类结构的每一类的系数数据的标准等式分成与目标类结构中的每一类相对应的标准等式。

对于该分类，标准等式分类单元303仅考虑包含在目标类结构中的特征并且在基础类结构中检测具有相同特征的类，从而在基础类结构中检测与目标类结构中的每一个类相对应的类。

在这种情况下，计算表示基础类结构的每一类(4096个)的12-比特数据的每一比特与12-比特掩码位模式数据MBP中的每一比特的逻辑积，这样基础类结构中计算结果具有相同位模式的类被分成相同的组，因此就能够在基础类结构中检测与目标类结构中的每一类相对应的类。

标准等式累加单元304为每一分类累加计算基础类结构中的每一类的系数数据项的标准等式，该标准等式已经被标准等式分类单元303所分类，从而与目标类结构中的每一类相对应，因此产生用于计算目标类结构中的每一类的系数数据项的标准等式。应当注意用于计算基础类结构中的每一类的标准等式的数据从ROM301读取并通过标准等式分类单元303提供给标准等式累加单元304。

而且，在这种情况下，对于每一个输出像素(附图6中的HD1-HD4，附图7中的HD1’-HD4’)，标准等式被累加。因此，在标准等式累加单元304中，为类和输出像素位置的每一个组合产生计算目标类结构中的每一类的系数数据项的标准等式。

标准等式累加单元304为类和输出像素位置的每一组合所产生的标准等式数据项被提供给计算单元305。计算单元305求解这些标准等式从而为类和输出像素位置的每一个组合获得系数数据项Wi。系数数据项Wi存储在系数存储器306中。

以这种方式，可能在附图9所示的系数产生装置300中产生在用于类和输出像素位置(HD1-HD4，HD1’-HD4’)的每一个组合的估算等式中使用的系数数据项Wi，这些系数数据项存储在图1所示的图像信号处理装置100的系数存储器105中。

在这种情况下，通过将计算包含12个特征的基础类结构的每一类的系数数据项的标准等式预先存储在ROM301中，并且仅考虑包含在目标类结构中的特征，以及将基础类结构中具有相同标准等式的类的标准等式累加从而产生计算目标类结构中的每一类的系数数据项的标准等式，以及求解该标准等式，能够有效的产生目标类结构中的每一类的系数数据项，因此通过仅执行一次学习就能够在任意类结构中为每一类产生系数数据项。因此，当改变包含在目标类结构中的特征时，不需要再次执行学习，因此使得系数数据能够在短时间内轻易的产生。

如上所述，在图1所示的图像信号处理装置100中，例如，从12个特征中选择出了六个特征，因此包含这些选出的六个特征的目标类结构中的类就被分类。

下面将描述从n(n为整数，并且r＜n)个特征中选择出r(r为整数)个特征，以及产生包含r个特征的目标类结构的处理。

附图11的流程图表明了处理的过程。

在步骤ST1中，“i”被设定为0。在步骤ST2中，除了已经选择出的i(i为整数)个特征，从剩余的(n-i)个特征中选择一个特征。这样，就产生了分别包括(i+1)个特征的(n-i)个类结构。

在步骤ST3中，使用任意估算值从(n-i)个类结构中选出最佳的类结构。例如，通过下面的处理来选择该最佳的类结构。

首先，产生在(n-i)个类结构中的每一类的系数数据。该数据使用例如上述附图9所示的系数产生装置300产生。

接下来，对每一类结构，使用所产生的每一类的系数数据，利用上述图1所示的图像信号处理装置100，将相应于SD信号的图像信号转换成相应于HD信号的图像信号。应当注意假设相应于SD信号的图像信号通过在相应于HD信号的估算图像信号水平和垂直方向上的执行稀疏处理而产生。

接下来，对于每一类结构，根据转换的图像信号和估算图像信号之间的每一像素数据项的差获得一个估算值。下面的等式(12)给出了一个信号噪声比(SNR)，作为估算值的一个例子。

$\mathrm{SNR}={20\log }_{10}(255/\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(\mathrm{yi}-\mathrm{Yi})}^2}{N}})...\left(12\right)$

在等式(12)中，yi表示转换的图像信号中的第i个像素数据项，Yi表示估算图像数据中的第i个像素数据项，以及N表示像素数目。

接下来，根据类结构的估算值选择出最佳的类结构。如果估算值是等式(12)所给出的SNR，那么该SNR最大的类结构就被选做最佳的类结构。

在附图11中，在步骤ST3之后，已经在选出的类结构中使用的特征在步骤ST4中作为已经选出的特征使用，并且在步骤ST5中，“i”被增加1(一个)。在步骤ST6中，判断i＝r是否成立。如果i＝r，就表明包含在目标类结构中的r个特征已经被选择出来，因此处理结束。另一方面，如果“i”不等于r，处理就回到步骤ST2，重复于上述相同的处理。

附图12表明了目标类结构产生装置400的结构。

该目标类结构产生装置400包括类结构产生单元401，用于向i(i是整数)个已经选择出来的特征中加入从剩余的(n-i)个特征中选择出来的特征，从而产生(n-i)个类结构，每一类结构包括(i+1)个特征，以及类结构选择单元402，用于使用一个任意估算值从(n-i)个类结构(产生的类结构)中选择出最佳的类结构。

而且，该目标类结构装置400还包括判决单元，用于判断选出的特征数目是否是r，如果选出的特征数目是r，目标类结构输出单元404输出选出的r个特征的信息作为目标类结构的信息INF，以及输出终端405，用于输出该信息INF。

在这种情况下，通过使用已经在类结构选择单元402所选出的类结构中使用的特征作为已经选出的特征，使“i”依次从0变化到r-1重复上述类结构产生单元401和类结构选择单元402的操作，就能够选出r个特征，因此产生目标类结构。

该类结构选择单元402包括系数产生单元421，图像信号处理单元422，估算值计算单元423，以及估算值判决单元424。系数产生单元421为类结构产生单元401所产生的(n-i)个类结构中的每一类产生系数数据项Wi。该系数产生单元421使用，例如附图9所示的系数产生装置300为(n-i)个类结构中的每一类产生系数数据项Wi。因此，可能通过仅执行一次学习，为分别产生的(n-i)个类结构中的每一类获得系数数据项，因此提高了处理的效率。

对于每一类结构，图像信号处理单元422使用系数产生单元421所产生的每一类的系数数据项，将相应于SD信号的图像信号转换成相应于HD信号的图像信号。图像信号处理单元422使用图1所示的图像信号处理装置100将相应于SD信号的图像信号转换成相应于HD信号的图像信号。在这种情况下，系数产生单元421所产生的系数数据项Wi被预先存储在系数存储器105中。而且，假设相应于SD信号的图像信号通过在相应于HD信号的估算图像信号Vr水平和垂直方向上的执行稀疏处理而获得。

估算值计算单元423根据图像信号处理单元422转换获得的图像信号Vo与估算图像信号Vr之间的每一像素数据项的差值，为每一类结构计算估算值。例如，估算值是上述的等式(12)所给出的SNR。估算值判决单元424根据估算值计算单元423所获得的类结构的估算值选择最佳的类结构。如果该估算值是等式(12)所给出的SNR，那么该SNR最大的类结构就被选做最佳的类结构。

下面将描述附图12所示的目标类结构产生装置400的操作。

首先，判决单元403设定“i”为0，并且向类结构产生单元401给出指令，产生n个类结构，每一类结构包括特征。根据该指令，类结构产生单元401产生该类结构并且将这些产生结构的每一个的信息提供给类结构选择单元402。

类结构选择单元402使用任意估算值从类结构产生单元401所产生的类结构(产生的类结构)中选择出最佳的类结构。在这种情况下，当根据估算值进行分类时，对于SD信号能够转换成最佳HD信号的类结构被选做最佳类结构。

类结构选择单元402所选择的类结构的信息被提供给判决单元403。判决单元403为“i”值加1，从而使i＝2。如果“i”不等于r，为类结构单元401提供包含在类结构选择单元402所选择出来的类结构中的特征的信息，作为已经选出的特征的信息，因此给出产生(n-1)个类结构的指令，每一类结构包括两个特征。

类结构产生单元401根据该指令产生类结构，并且将有关于每一个所产生的类结构的信息提供给类结构选择单元402。该类结构选择单元402从类结构产生单元401所产生的类结构(产生的类结构)中选择出一个最佳的类结构。

有关类结构选择单元402所选择的类结构的信息被提供给判决单元403。该判断单元403将“i”值加1，从而使i＝3。如果“i”不等于r，为类结构单元401提供关于类结构选择单元402所选择出来的类结构中的特征的信息，作为已经选出的特征的信息，给出产生(n-2)个类结构的指令，每一类结构包括三个特征。

与此类似，这些操作重复进行，直到判决单元403确定i＝r。当已经确定i＝r时，判决单元403向目标类结构输出单元404提供关于类结构选择单元402最终选择的类结构的信息(r个特征的信息)。该输出单元404向输出终端405输出目标类结构的信息I NF。

附图13表明了实际上从12个特征中选择出六个特征来产生目标类结构的处理实例。标记“↓”表示每次所选择的特征。

第一次，已经产生了分别包括特征的十二个类结构，并且根据SNR的估算结果，选出包含第6个特征的类结构作为最佳的类结构。第二次，已经产生了分别包括两个特征即第6个特征再加上另一个特征的十一个类结构，并且根据SNR的估算结果，选出包含第6个特征和第2个特征的类结构作为最佳的类结构。第三次，已经产生了分别包括三个特征，即第6个特征和第2个特征再加上另一个特征的十个类结构，并且根据SNR的估算结果，选出包含第6个特征、第2个特征和第10个特征的类结构作为最佳的类结构。

第四次，已经产生了分别包括四个特征，即第6个特征、第2个特征和第10个特征再加上另一个特征的九个类结构，并且根据SNR的估算结果，选出了包含第6个特征、第2个特征、第10个特征和第5个特征的类结构作为最佳的类结构。第五次，已经产生了分别包括五个特征，即第6个特征、第2个特征、第10个特征和第5个特征再加上另一个特征的八个类结构，并且根据SNR的估算结果，选出了包含第6个特征、第2个特征、第10个特征，第5个特征和第7个特征的类结构作为最佳的类结构。第六次，已经产生了分别包括六个特征，即第6个特征、第2个特征、第10个特征，第5个特征和第7个特征再加上另一个特征的七个类结构，并且根据SNR的估算结果，选出了包含第6个特征、第2个特征、第10个特征，第5个特征，第7个特征和第3个特征的类结构作为最佳的类结构。

结果是，包含第6个特征、第2个特征、第10个特征，第5个特征，第7个特征和第3个特征的类结构被选做目标类结构。

如上所述，在附图12所示的目标类结构产生装置400中，随着i值依次从0变换到r-1，产生(n-i)个类结构的操作，其中每个类结构包括已经选出的“i”个特征加上从剩余的(n-i)个类结构中选出的特征，以及使用一个任意的估算值从(n-i)个类结构中选择出最佳的类结构的操作重复进行，其中在选定的类结构中使用的特征被用作已经选出的特征，从n个特征中选择r个特征，从而获得包含r个特征的目标类结构。这允许不依赖于人的经验在短时间内获得最佳的类结构。

在这种情况下，如果期望通过从n个特征中选择出r个特征来产生类结构，那么可能的类结构的数目就是nCr＝n！/{(n-r)！r！}。例如，为了通过从12特征中选择出六个特征从而产生类结构，可能的类结构的数目就是12C6＝924。当数字n很大时，类结构的数目非常巨大。因此，所有类结构中的每一个的估算占用了大量的时间，其执行起来非常困难。

但是，如果附图12所示的目标类结构产生装置400被用于产生最佳的类结构，比较所需的类结构的数目就成为n+(n-1)+(n-2)+，...，+(n-r+1)。例如，为了通过从12个特征中选择六个特征来产生类结构，比较所需的类结构的数目就是12+11+10+9+8+7＝57，这样与为所有的类结构中的每一类执行的估算的情况相比，较大的减少了估算量。因此，能够在短时间内获得最佳的类结构。

应当注意，实验上已经确定，在附图12所示的目标类结构产生装置400中选择出r个特征产生目标类结构与通过估算所有类结构中的每一个类结构所获得的包含r个特征的目标类结构二者之间，r个特征大致相同。

也可以通过软件来执行附图12中的目标类结构产生装置400的操作，但是没有表明用于该处理的装置。在这种情况下，根据上述附图11所示的流程图的处理过程，执行产生目标类结构的处理。

在上述的附图1所示的图像信号处理装置100中，例如，由附图12所示的目标类结构产生装置400从12个特征中选择出六个特征，这样包含这六个特征的目标类结构中的类就被分类。如上所述，该目标类结构不依赖于人的经验提供了一个最佳的类结构。因此，在图像信号处理装置100中，能够通过使用最佳类结构执行伴随类分类的转换处理，将SD信号转换成HD信号。

应当注意，附图1中的图像信号处理装置100的处理能够使用例如附图14所示的图像信号处理装置500通过软件来实现。

下面将描述附图14中的图像信号处理装置500。该图像信号处理装置500包括用于控制整个装置的操作的CPU501，用于存储该CPU501的控制程序、系数数据等的只读存储器(ROM)502，以及构成CPU501的工作区的随机访问存储器(RAM)503。这些CPU501，ROM502以及RAM503彼此连接到总线504。

图像信号处理装置500也包括作为外部存储器的硬盘驱动器(HDD)505，以及软盘(商标)驱动器506。这些驱动器505和506连接到总线504上。

图像信号处理装置500进一步包括通信单元508，用于将该装置500以有线或无线通信方式连接到诸如互联网的通信网络507。该通信单元508通过接口509连接到总线504。

而且，图像信号处理装置500配备了用户接口单元。该用户接口单元包括远程控制信号接收电路511，用于从远程控制发射器510接收远程控制信号RM，以及诸如阴极显像管(CRT)和液晶显示器(LCD)的显示器513。接收电路511通过接口512连接到总线504，并且，与此相似，显示器513通过接口514连接到总线504。

图像信号处理装置500包括输入终端515，用于接收SD信号，以及输出终端571，用于输出HD信号。输入终端515通过接口516连接到总线504，并且，与此相似，输出终端517通过接口518连接到总线504。

应当注意，替代如上所述的在存储器502中预先存储控制程序和系数数据等，控制程序和系数数据等可以通过通信单元508从诸如互联网的通信网络507上下载并且存储在硬盘驱动器505或者ROM303中并被使用。而且，这些控制程序和系数数据等可以存储在软盘中。

而且，预先将被处理的SD信号记录在硬盘驱动器505中或者通过通信单元508从诸如互联网的通信网络507下载，替代通过输入终端515输入。而且，替代或者同时将处理的HD信号输出到输出终端517，其可以被提供给显示器513用以显示或者存储在硬盘驱动器505当中，或者通过通信单元508发送到诸如互联网的通信网络507。

下面将参照附图15的流程图描述在附图14所示的图像信号处理装置500中从SD信号获得HD信号的处理过程。

处理在ST11开始，在ST12，通过例如输入终端515向该装置输入一帧或者一场SD信号。这样输入的SD信号暂时被存储在RAM503当中。应当注意，如果SD信号被预先记录在该装置的硬盘驱动器505当中，就从该驱动器505读出SD信号并且将读出的SD信号暂时存储在RAM503当中。

在步骤ST13，判断SD信号的整个帧或者整个场的处理是否已经完成。如果已经完成，处理前进到步骤ST14结束该处理。否则，处理前进到步骤ST15。

在步骤ST15，根据该SD信号获得位于HD信号的目标位置周围的类抽头的数据项。根据这些类抽头的数据项，产生HD信号中的目标位置的像素数据所属的类CL。例如，作为类抽头的数据项，取出5个SD像素的数据项，从而在包含六个特征的目标类结构中的产生类CL。

在步骤ST16，根据该SD信号获得HD信号中位于目标位置周围的预测抽头的数据项。在步骤ST17，根据等式(2)，使用步骤ST15所产生的与类代码CL相对应的系数数据项Wi和在步骤ST16获得的预测抽头的像素数据项xi产生HD信号中的目标位置的像素数据项y。

在步骤ST18，判断在步骤ST12输入的SD信号的一帧或者一场的整个区域内，获得HD信号的像素数据的处理是否完成。如果已经完成，处理返回到步骤ST12，移动到输入下一帧或者下一场SD信号的处理。否则，步骤返回到步骤ST15，移动到下一个目标位置的处理。

通过执行附图15的流程图的处理，能够处理SD信号的像素数据，因此获得HD信号的像素数据。通过该处理所获得的HD信号从输出端517输出或者提供到显示图像的显示器513或者记录图像的硬盘驱动器505。

而且，附图8所示的标准等式产生装置200的处理也可以由软件来实现，但是没有表明执行该处理的装置。

下面将参照附图16的流程图描述产生系数数据的处理过程。

在步骤ST31，处理开始，在步骤ST32，输入作为指导信号ST的一帧或者一场HD信号。在步骤ST33，判断指导信号ST的整个帧或者整个场是否已经完成。如果还没有完成，步骤前进到ST34，根据步骤ST32所输入的指导信号ST产生作为学生信号的SD信号。

在步骤ST35，根据该学生信号SS获得位于指导信号ST目标位置周围的类抽头的数据项。根据这些类抽头的数据项，产生指导信号中目标位置像素所属的类CLr。在这种情况下，例如，对于类抽头的数据项，取出五个SD像素数据项从而在包含12个特征的基础类结构中产生一个CLr。

在步骤ST36，根据学生信号SS产生位于指导信号ST目标位置周围的预测抽头的数据项。在步骤ST37，为了为每一类获得等式(9)(参见等式(7)和(8))所表示的标准等式，使用步骤ST35所产生的类代码CLr，步骤ST36所获得的预测抽头的数据项xi，以及指导信号ST中的目标位置的像素数据项y来执行相加。

在步骤ST38，判断学习处理是否在步骤ST32所输入的指导信号ST的一帧或者一场的整个区域上完成。如果已经完成，处理返回到步骤ST32，输入指导信号ST的下一帧或者下一场。否则，处理返回到步骤ST35，移动到下一目标位置的处理。

如果在上述的步骤ST33中判断已经完成了处理，处理前进到步骤ST39，从而在存储器中存储在上述的步骤ST37中所执行的相加处理产生的基础类结构的每一类的标准等式的数据，然后前进到步骤ST40，结束处理。

通过执行附图16所示的流程图的处理，能够以与附图8中的标准等式产生装置200所执行的相同的方法来产生计算基础类结构中的每一类的系数数据项Wi的标准等式。

而且，尽管没有表明执行该处理的装置，附图9中的系数产生装置300的操作可以通过软件来实现。

下面将参照附图17的流程图描述产生系数数据的处理过程。

在步骤ST41中，处理开始，并且在步骤ST42，设定目标类结构。在步骤ST43，根据设定的目标类结构的信息INF，产生12-比特掩码位模式数据MBP，其中与包含在目标类结构中的一个特征相对应的比特被设定为“1”。

在步骤ST44中，计算基础类结构中的每一类的系数数据的标准等式被分成与目标类结构中的每一类相应的组。因此，计算表示基础类结构的类(4096个)的12-比特数据的每一比特与12-比特掩码位模式数据MBP的每一比特的逻辑积，基础类结构中计算结果具有相同位模式的类被分成相同的组，因此就能够在基础类结构中检测与目标类结构中的每一类相对应的类。

在步骤ST45中，对于每一组，将计算基础类结构的每一类的系数数据项的标准等式累加，从而产生计算目标类结构的每一类的系数数据的标准等式，其中该基础类结构已经被分成与目标类结构中的每一类相对应。

在步骤ST46中，求解步骤ST45所产生的每一个标准等式从而产生目标类结构中的每一类的系数数据项Wi。在步骤ST47中，将系数数据项Wi存储在系数存储器中，并且在步骤48，处理结束。

通过执行附图17的流程图的处理，可能使用与附图9所述的系数产生装置300中使用的相同的方法来获得目标类结构的每一类的系数数据。

下面将描述本发明的另一实施例。附图18表明了图像信号处理装置100A的结构。与附图1所示的图像信号处理装置100相比，其中目标类结构的每一类的系数数据Wi存储在系数存储器105当中，在附图18所示的图像信号处理装置100A中，系数种子数据被存储在ROM当中，并且用于产生系数数据Wi，其中系数种子数据是用于产生目标类结构的每一类的系数数据Wi的产生等式的系数数据。在附图18中，利用相同的符号表示与附图1中相同的元件，并且有关它们的详细描述将省略。

图像信号处理装置100A包括ROM110。在该ROM110中，预先积累目标类结构中的每一类的系数种子数据。该系数种子数据是用于产生将被存储在系数存储器105中的系数数据Wi的产生等式的系数数据。

如上所述，通过估算/预测计算电路106，使用估算等式(2)，利用预测抽头的数据项xi和从系数存储器105中读出的系数数据项Wi计算将被产生的HD像素数据项。

该估算等式中的系数数据项Wi(i＝1-n)就由具有参数r和z的产生等式所产生的，表示为等式(13)。

W_i＝w_i0+w_i1r+w_i2z+w_i3r²+w_i4rz+w_i5z²+w_i6r³+w_i7r²z+w_i8rz²+w_i9z³       …(13)

在该等式中，r是确定分辨率的参数，z是确定噪声消除程度的系数。

ROM110存储类和像素位置(参见附图6中的HD1-HD4，附图7中的HD1’和HD4’)的每一个组合的系数种子数据项wi0-wi9(i＝1-n)，它们是该产生等式的系数数据，将在下文中描述如何产生系数种子数据。

而且，图像信号处理装置100A包括系数产生电路109，用于利用等式(13)，使用目标类结构中的每一类的系数种子数据项和参数r和z的值，为类和输出像素位置的每一个组合，在相应于参数r和z的值的估算等式中，产生系数数据项Wi(i＝1-n)。在该系数产生电路109中，从ROM110下载系数种子数据项wi0-wi9。而且，将参数r和z的值提供给系数产生电路109。

系数产生电路109所产生的目标类结构中的每一类的系数数据项Wi(i＝1-n)被存储在上述的系数存储器105中。系数数据项Wi在例如每个垂直消隐期间在系数产生电路109中产生。因此，即使如果用户操作改变了参数r和z的值，存储在系数存储器105中的每一类的系数数据项Wi能够立即改变从而与参数r和z的值相应，因此允许用户平滑的调整分辨率和噪声消除程度。

图像信号处理装置100A的其他元件的构成和操作与附图1所示的图像信号处理装置100相似。

下面将描述如何产生将被存储在ROM110中的目标类结构中的每一类的系数种子数据项wi0-wi9(i＝1-n)。

准备计算包含所有12个特征的基础类结构中的每一类的系数种子数据项的标准等式。该标准等式是通过预先执行学习而获得的。下面将描述学习的方法。

在下面的描述中，在等式(14)中定义了tj(j＝0-9)。

t0＝1，t1＝r，t2＝z，t3＝r2，t4＝rz，t5＝z2，t6＝r3，t7＝r2z，t8＝rz2，t9＝z3

                                                                    ...(14)

使用等式(14)，等式(13)被改写为等式(15)。

$W_j=\underset{i=0}{\overset{9}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}{t}_i...\left(15\right)$

最后，通过学习获得未确定的系数wij。就是说，对于类和输出像素位置的每一个组合，使用SD像素数据和HD像素数据的多项式确定使平方误差最小的系数数据。这种解决方式称为“最小平方方法”。假设学习的次数是m，学习数据的第k(1≤k≤m)项的剩余误差是ek，平方误差的总和是E，E利用等式(2)和(3)被下面的等式(16)表示。

$E=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{e}_k^2$

$=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{[y_k-(W_1{x}_{1K}+W_2{x}_{2K}+...+W_n{x}_{\mathrm{nK}})]}^2...\left(16\right)$

$=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\{y_K-[(t_0{w}_{10}+t_1{w}_{11}+...+t_9{w}_{19})x_{1k}+...+(t_0{w}_{n0}+t_1{w}_{n1}+...t_9{w}_{n9})x_{\mathrm{nk}}\left]\right\}}^2$

$=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\{y_K-[(w_{10}+w_{11}r+...+w_{19}{z}^3)x_{1k}+...+(w_{n0}+w_{n1}r+...+w_{n9}{z}^3)x_{\mathrm{nk}}\left]\right\}}^2$

在该等式中，xik表示SD信号中第i个预测抽头位置的第k个像素数据项，yk表示HD信号中相应的第k个像素数据项。

$\frac{\∂E}{{\∂w}_{\mathrm{ij}}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}2\left(\frac{\∂e_k}{{\∂w}_{\mathrm{ij}}}\right)e_k=-\underset{k=1}{\overset{m}{\mathrm{\Σ}}}2t_i{x}_{\mathrm{ik}}{e}_k=0...\left(17\right)$

然后分别利用下面的等式(18)和(19)定义Xipjq和Yip，等式(17)可以利用一个矩阵该改为等式(20)。

$X_{\mathrm{ipjq}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}{t}_p{x}_{\mathrm{jk}}{t}_q...\left(18\right)$

$Y_{\mathrm{ip}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}{t}_p{y}_k...\left(19\right)$

$\left[\begin{array}{cccccccc}{X}_{1010}& X_{1011}& X_{1012}& ...& X_{1019}& X_{1020}& ...& X_{10n9}\\ X_{1110}& X_{1111}& X_{1112}& ...& X_{1119}& X_{1120}& ...& X_{11n9}\\ X_{1210}& X_{1211}& X_{1212}& ...& X_{1219}& X_{1220}& ...& X_{12n9}\\ ...& ...& ...& ...& ...& ...& ...& ...\\ X_{1910}& X_{1911}& X_{1912}& ...& X_{1919}& X_{1920}& ...& X_{19n9}\\ X_{2010}& X_{2011}& X_{2012}& ...& X_{2019}& X_{2020}& ...& X_{20n9}\\ ...& ...& ...& ...& ...& ...& ...& ...\\ X_{n910}& X_{n911}& X_{n912}& ...& X_{n919}& X_{n920}& ...& X_{n9n9}\end{array}\right]\left[\begin{array}{c}{w}_{10}\\ w_{11}\\ w_{12}\\ ...\\ w_{19}\\ w_{20}\\ ...\\ w_{n9}\end{array}\right]=\left[\begin{array}{c}{Y}_{10}\\ Y_{11}\\ Y_{12}\\ ...\\ Y_{19}\\ Y_{20}\\ ...\\ Y_{n9}\end{array}\right]...\left(20\right)$

等式(20)是用于计算系数种子数据项的标准等式。利用诸如扫荡方法(Gauss-Jordan’消除方法)的一般解决方案求解该标准等式，能够获得系数种子数据项wi0到wi9(i＝1-n)。

附图19表明了产生计算系数种子数据的标准等式的方法的概念。根据作为指导信号ST的HD信号产生多个作为学生信号SS的SD信号。在这种情况下，根据HD信号改变用于产生SD信号的稀疏；波器的频率响应，就能够产生具有不同分辨率的SD信号。

具有不同分辨率的SD信号能够产生具有不同的改进分辨率效果的系数种子数据。例如，如果存在使图像具有较大模糊的SD信号和使图像具有较小模糊的SD信号，通过对具有较大模糊图像的SD信号来执行学习，就能够产生具有较大改进分辨率效果的系数种子数据，而通过对具有较小模糊图像的SD信号执行学习，能够产生具有较小的改进分辨率效果的系数种子数据。

而且，通过将噪声加到每个具有不同分辨率的SD信号，能够产生具有噪声的SD信号。通过改变加入的噪声的数量，就能够产生具有不同噪声数量的SD信号，因此就产生了具有不同的噪声消除效果的系数种子数据项。例如，如果存在加入了大量噪声的SD信号和加入了少量噪声的SD信号，通过对加了大量噪声的SD信号执行学习，就能够产生具有较大的噪声消除效果的系数种子数据，通过对加了少量噪声的SD信号执行学习，就能够产生具有较小的噪声消除效果的系数种子数据。

加入的噪声数量通过例如等式(21)所表示的方式来调整，当将噪声n加到SD信号的像素值x来产生加入噪声的SD信号的像素值x’时，改变G。

x′＝x+G·n                     ...(21)

例如，通过0-8的九个步骤中改变参数r(该参数改变频率响应)以及在0-8的九个步骤中改变参数z(该参数改变加入噪声的数目)，能够产生总共81种SD信号。通过在多个这样产生的SD信号和一个HD信号之间执行学习，产生系数种子数据。这些参数r和z响应于附图18所示的图像信号处理装置100A中的参数r和z。

接下来，仅考虑在基础类结构中的12个特征中包含在目标类结构中的六个特征，并且将具有相同标准等式的基础类结构中的每一类的标准等式累加，产生计算目标类结构中的每一类的系数种子数据项的标准等式。这些标准等式被累计，方式与上述的产生目标类结构中的每一类的系数数据的产生等式的情况相同，参见等式(10-1)到(10-64)、(11)。

接下来，求解这样产生的计算目标类结构中的每一类的系数种子数据的标准等式从而获得目标类结构的每一类的系数种子数据。在这种情况下，通过诸如扫荡方法的一般解决方案来求解这些标准等式。

附图20表明了另一个标准等式产生装置200A的结构，该装置产生计算包含所有12个特征的基础类结构中的每一类的系数种子数据项的标准等式。在附图20中，与附图8中相同的元件采用同样的附图标记，并且省略对它们的描述。

标准等式产生装置200A包括SD信号产生电路202A，用于对作为指导信号输入到输入终端201的HD信号在水平和垂直方向上的执行稀疏处理来获得作为学生信号的SD信号。该SD信号产生电路202A接收参数r和z。响应于参数r，改变用于根据HD信号产生SD信号的稀疏滤波器的频率响应。而且，响应于参数z，改变加到每一SD信号的噪声的数量。SD信号产生电路202A所产生的SD信号被提供给第一抽头选择电路203和第二抽头选择电路204。

而且，标准等式产生电路200A包括标准等式产生单元207A。该标准等式产生单元207A使用根据时间调整延迟电路206所延迟的HD信号所产生的作为目标位置的像素数据的每一个HD像素数据项y，与每一个这些HD像素数据项y相对应的从第一抽头选择电路203有选择的选出的预测抽头的数据项xi，与每一个HD像素数据y相对应的从类检测电路205获得的类代码CLr，以及参数r和z，产生标准等式(参见等式(20))，对每一个类和输出像素组合，获得基础类结构中的每一类的系数种子数据项wi0-wi9(i＝1-n)。该标准等式产生单元207A所产生的标准等式数据项被存储在标准等式存储器208当中。

附图20所示的标准等式产生装置200A的其它部分的构成与附图8所示的标准等式产生装置200的其它部分的构成相同。

下面将描述附图20所示的标准等式产生装置200A的操作。

SD信号产生电路202A对输入到输入终端201的HD信号执行水平和垂直的稀疏处理，从而产生SD信号作为学生信号。在这种情况下，参数r和z作为控制信号被提供给SD信号产生电路202A，从而依次产生多个具有逐步变化的频率响应和加入噪声数量的SD信号。

从SD信号产生电路202A所产生的SD信号，第二抽头选择电路204有选择的选出位于HD信号的目标位置周围的作为类抽头的五个SD像素数据项。这些类抽头数据项被提供给类检测电路205。类检测电路205在作为类抽头的五个SD像素数据项上分别执行ADRC从而获得2-比特代码Qi，根据作为类抽头的五个SD像素数据项的每一个的动态范围DR获得的2-比特代码(DR类)，以及通过将它们相互连接所获得的作为类CLr的12-位模式数据。

而且，从SD信号产生电路202A所获得的SD信号，第一抽头选择电路203有选择的选出位于HD信号的目标位置周围的预测抽头数据项xi。标准等式产生单元207A使用延迟电路206对HD信号进行时间调整产生的作为目标位置像素数据的HD像素数据项y，与这些HD像素数据项y相对应的由第抽头选择电路203有选择的选出的预测抽头数据项xi，与每一个HD像素数据项y相对应的类检测电路205所获得的类代码CLr，以及参数r和z产生标准等式(参见等式20)，用于为每一个类和输出像素位置的组合产生系数种子数据项wi0-wi9(＝1-9)。标准等式的数据存储在标准等式存储器208当中。

在产生目标类结构的每一类的系数数据项wi(i＝1-n)的情况下，存储在附图18所示的图像信号处理装置100A的ROM110中的系数种子数据项wi0-wi9(n＝1-9)能够在上述的附图9所示的系数产生装置300中产生。

但是，在这种情况下，代替附图8所示的标准等式产生装置200所产生的用于计算系数数据的标准等式的数据项，附图20所示的标准等式产生装置200A所产生的用于计算系数种子数据的标准等式的数据项被存储在ROM301当中。

在这种情况下，在标准等式累加单元304，已经被标准等式分类单元303分成相同的组从而与目标类结构中的每一类相对应的用于计算基础类结构中的每一类的系数种子数据的标准等式被分组累加，从而产生计算目标类结构中的每一类的系数种子数据的标准等式。

而且，在这种情况下，对于每一个输出像素(附图6的HD1-HD4，附图7的HD1’-HD4’)，标准等式被累加。因此，在标准等式累加单元304，为每一个类和输出像素位置的组合产生计算目标类结构中的每一类的系数种子数据的标准等式。

然后，对于每一个类和输出像素位置的组合，标准等式产生单元304所产生的标准等式的数据被提供给操作单元305。在该操作单元305，求解该标准等式从而为每一个类和输出像素位置的组合获得系数种子数据项wi0-wi9(＝1-9)。这些系数种子数据项wi0-wi9被存储在系数存储器306当中。

以这种方式，使用附图9所示的系数产生装置300，为每一个类和输出像素位置的组合产生将被存储在附图18的图像信号处理装置100A的ROM110中的系数种子数据项wi0-wi9。

这样，通过预先在ROM301中存储计算包含12个特征的基础类结构的每一类的系数种子数据的标准等式，仅考虑包含在目标类结构中的特征，在具有相同类的基础类结构中检测这样的类，并将它们累加从而产生用于计算目标类结构的每一类的系数种子数据的标准等式，并且求解该标准等式，允许产生目标类结构中的每一类的系数种子数据，因此通过仅执行一个学习有效的产生用于任意类结构中的每一类的系数种子数据。因此，为了改变包含在目标类结构中的特征，不需要再次执行学习，能够在短时间内容易的产生系数种子数据。

应当注意附图18所示的图像信号处理装置100A也能够以例如附图14所示的图像信号处理装置500中的软件来实现。

下面将参照附图21的流程，在附图14中的图像信号处理装置500中根据SD信号获得HD信号的处理过程。

在步骤ST51，处理开始，步骤ST52通过例如输入终端515输入一帧或者一场SD信号。这样输入的SD信号暂时存储在RAM503中。应当注意，如果SD信号被预先记录在装置的硬盘驱动器505当中，就从该驱动器505读出SD信号并将读出的SD信号暂时存储在RAM503当中。

在步骤ST53，判断整个SD信号帧或者场的处理是否完成。如果已经完成，处理前进到步骤ST54来结束处理。否则，处理前进到步骤ST55。

在步骤ST55，从例如RAM503读出用户通过操作远程控制发射机510输入的参数r和z的值，在步骤ST56，根据产生等式(例如等式(13))，使用所获得的参数r和z以及每一类的系数种子数据产生用于估算等式(参见等式(2))的系数种子数据Wi。

在步骤ST57，从SD信号获得位于HD信号中的目标位置周围的类抽头的数据项，并且根据类抽头的数据项，产生HD信号中目标位置的像素数据所属的类CL。在这种情况下，例如，作为类抽头的数据项，取出五个SD像素的数据项从而产生包含六个特征的目标类结构的类CL。

在步骤ST58，从SD信号获得HD信号中位于目标位置周围的预测抽头的数据项。在步骤ST59，根据估算等式(2)，使用步骤ST57所产生的与类代码CL相对应的系数数据项Wi和步骤ST58所产生的预测抽头的数据项x i产生HD信号中目标位置得像素数据项y。

在步骤ST60，判断在步骤ST52输入的SD信号帧或者场的所有区域，获得HD信号的像素数据的处理是否完成。如果已经完成，处理返回到步骤ST52，移动到输入下一SD信号帧或者场的处理。否则处理返回到步骤ST57，移动到下一目标位置的处理。

通过执行附图21所示的流程图的处理，能够处理SD信号像素数据，因此获得HD信号像素数据。通过这种处理所获得的HD信号从输出终端517输出，或者被提供给用于显示图像的显示器513，或者提供给进行记录的硬盘驱动器505。

而且，尽管没有表明执行处理的装置，但是附图20所示的标准等式产生装置200A的操作也可以通过软件来实现。

下面将参照附图22的流程图描述产生系数数据的处理过程。

处理在步骤ST61开始，在步骤ST62，选择在学习中所使用的参数r和z的值。在步骤ST63，判断对于参数r和z值的所有组合是否已经完成了学习。如果没有完成，处理前进到步骤ST64。

在步骤ST64，输入一帧或者一场已知的HD信号(指导信号)。在步骤ST65，判断是否已经处理了整个HD信号帧或者场。如果已经完成，处理返回到步骤ST62选择参数r和z的下一个值，并且重复与上述相同的处理。否则，处理前进到步骤ST66。

在步骤ST66，根据步骤ST64输入的指导信号ST，产生作为学生信号SS的SD信号。SD信号具有与步骤ST62所选择的参数r和z的值相应的频率响应和加入的噪声数量。

在步骤ST67，根据学生信号SS，获得指导信号ST中位于目标位置周围的类抽头的数据项，并且根据这些类抽头的数据项，产生指导信号ST中目标位置的像素数据所属的类CLr。例如，对于类抽头的数据项，取出五个SD像素的数据项从而产生包含12个特征的基础类结构中的类CLr。

在步骤ST68。根据学生信号SS，获得指导信号ST中位于目标位置周围的预测抽头的数据项。在步骤ST69，为了获得等式(20)(参见等式(18)和(19))所表示的标准等式，使用步骤ST67产生的类代码CLr，步骤ST68获得的预测抽头的数据项xi，步骤ST62选择的参数值r和z，以及指导信号ST中的目标位置的像素数据项来执行累加。

在步骤ST70，判断在步骤ST64输入的指导信号ST的整个帧或者场的像素数据的所有区域上，学习处理是否已经完成。如果已经完成，处理返回到步骤ST64从而输入下一帧或者下一场指导信号ST并且重复与上述相同的处理。否则，处理返回到步骤S67，移动到下一目标位置的处理。

当在步骤ST63判断出在参数r和z值的所有组合上已经完成了学习时，处理前仅到步骤ST71。在该步骤ST71，在上述的步骤ST69中通过累加处理产生的基础类结构中的每一类的标准等式的数据项被存储在存储器当中，然后在步骤ST72，处理结束。

通过执行附图22所示的流程图的处理，可能使用与附图20所示的标准等式产生装置200A所应用的相同的方法，产生计算每一类的系数种子数据的标准等式。

尽管在上述的实施例中，基础类结构包括12个特征，但是本发明并不局限于此。尽管每个特征都是用比特表示的，本发明也可以应用于每个特征利用两个或者多个比特表示的情况。

尽管上述的实施例是以SD信号转换成HD信号的实例描述的，但是本发明并不局限于此，其还能够应用于通过伴随类分类的转换处理将第一图像信号转换成第二图像信号的任何情况下。

尽管在上述的实施例中，等式(12)所表示的SNR被用作估算值，但是估算值并不局限于此。简而言之，任何估算值都可以接受，只要当根据该估算值进行类分类时，SD信号能够被转换成HD信号的类结构可以被选择出来作为最佳的类结构。

尽管上述的实施例是在信息信号是图像信号的情况下描述的，但是本发明并不局限于此。本发明能够同样应用于例如信息信号是音频信号的情况。

上面的说明书已经描述了本发明的优选实施例，本领域的技术人员可以在更广泛的方面不背离本发明的情况下对优选实施例的多个方面进行各种改变。追加的权利要求期望覆盖落入本发明的真正范围和精神内的全部改变

Claims (10)

1.一种类结构产生装置，用于从n个特征中选择出r个特征来获得类结构，n和r都是整数，r＜n，当将包含多个信息数据项的第一信息信号转换成第二信息信号时，所述的类结构通过类分类在包含多个信息数据项的第二信息信号中产生目标位置的信息数据，所述的装置包括：

类结构产生单元，用于产生(n-i)个类结构，每个类结构都包括i个已经选出的特征加上从剩余的(n-i)个特征中选择出来的一个特征，所述的i是一个整数；以及

类结构选择单元，用于使用任意的估算值从类结构产生单元所产生的(n-i)个类结构中选择出一个最佳的类结构，

其中在类结构选择单元所选出的类结构中使用的特征被设定为已经选出的特征，并且类结构产生单元和类结构选择单元的操作随着i值从0依次变化到r-1重复进行，因此获得包含r个特征的类结构。

2.如权利要求1所述的类结构产生装置，其中使用与目标位置的信息数据所属的类相对应的估算等式的系数数据，根据该估算等式，产生第二信息信号中的目标位置的信息数据；以及

其中类结构选择单元包括：

系数产生单元，用于产生(n-i)个类结构中的每一类的系数数据。

信息信号处理单元，对于每一个类结构，使用系数产生单元所产生的系数数据，将相应于第一信息信号的信息信号装转换成相应于第二信息信号的信息信号，所述的相应于第一信息信号的信息信号是根据相应于第二信息信号的估算信息信号产生的；

估算值计算单元，对于每一个类结构，根据信息信号处理单元所获得的信息信号与估算信息信号之间的信息数据项的差计算估算值；以及

估算值判决单元，用于根据估算值计算单元所获得的每一类结构的估算值确定最佳的类结构。

3.如权利要求2所述的类结构产生装置，其中系数产生单元包括：

存储单元，用于存储为包含所有n个特征的基础类结构中的每一类计算估算等式的任何一个系数数据以及系数种子数据的标准等式，所述的系数种子数据是用于产生估算等式的系数数据的产生等式中的系数数据；

标准等式产生单元，用于根据所产生的(n-1)个类结构的信息，为每一类结构仅考虑包含在产生的类结构中的特征并且将存储在存储单元中的基础类结构中的具有相同特征的类的标准等式累加，因此产生为产生的类结构中的每一类的用于计算估算等式的任意一个系数数据以及系数种子数据的标准等式；以及

计算单元，用于为产生的类结构中的每一类，求解标准等式产生单元所产生的标准等式，从而计算产生的类结构中的每一类的估算等式的任何一个系数数据以及系数种子数据。

4.一种从n个特征中选择出r个特征从而获得类结构的类结构产生方法，n和r都是整数，r＜n，当将包含多个信息数据项的第一信息信号转换成第二信息信号时，所述的类结构通过类分类在包含多个信息数据项的第二信息信号中产生目标位置的信息数据，所述的方法包括：

类结构产生步骤，用于产生(n-i)个类结构，每个类结构都包括i个已经选出的特征加上从剩余的(n-i)个特征中选择出来的特征，所述的i是整数；以及

类结构选择步骤，用于使用任意的估算值从类结构产生步骤所产生的(n-i)个类结构中选择出最佳的类结构，

其中在类结构选择步骤所选出的类结构中使用的特征被设定为已经选出的特征，并且类结构产生步骤和类结构选择步骤的操作随着i值从0依次变化到r-1重复进行，因此获得包含r个特征的类结构。

5.一种命令计算机执行从n个特征中选择出r个特征从而获得类结构的类结构产生方法的程序，n和r都是整数，r＜n，当将包含多个信息数据项的第一信息信号转换成第二信息信号时，所述的类结构通过类分类在包含多个信息数据项的第二信息信号中产生目标位置的信息数据，所述的方法包括：

类结构产生步骤，用于产生(n-i)个类结构，每个类结构都包括i个已经选出的特征加上从剩余的(n-i)个特征中选择出来的特征，所述的i是一个整数；以及

类结构选择步骤，用于使用任意的估算值从类结构产生步骤所产生的(n-i)个类结构中选择出最佳的类结构，

其中在类结构选择步骤所选出的类结构中使用的特征被设定为已经选出的特征，并且类结构产生步骤和类结构选择步骤的操作随着i值从0依次变化到r-1重复进行，因此获得包含r个特征的类结构。

6.一种信息信号处理装置，用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号，所述的装置包括：

类检测单元，根据第一信息信号，在预定的类结构中检测第二信息信号中目标位置的信息数据所属的类；以及

信息数据产生单元，用于根据类检测单元检测的类，产生第二信息信号中的目标位置的信息数据，

其中预定的类结构包括从n个特征中选择出来的r个特征，所述的n和r是整数，r＜n；以及

其中随着i值从0依次变化到r-1，通过重复产生(n-i)个类结构的操作，其中每一类结构包括i个已经选择出来的特征加上从剩余的(n-i)个特征中选择出来的特征，所述的i是整数，和使用任意的估算值从产生的(n-i)个类结构中选择出来最佳类结构的操作，来获得r个特征，其中在选出的类结构中使用的特征被设定为已经选出的特征。

7.如权利要求6所述的信息信号处理装置，其中信息数据产生单元包括：

系数数据产生单元，用于产生估算等式中使用的系数数据，所述的系数数据相应于类检测单元所检测的类；

数据选择单元，用于根据第一信息信号，选择多个信息数据项，所述的信息数据位于第二信息信号的目标位置周围，

计算单元，用于根据估算等式，使用系数数据产生单元所产生的系数数据以及数据选择单元所选择的多个信息数据项，计算第二信息信号中的目标位置的信息数据。

8.一种用于产生估算等式的任何一个系数数据和系数种子数据的系数产生装置，所述的估算等式被用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号，所述的系数种子数据是用于产生估算等式的系数数据的产生等式中的系数数据，所述的装置包括：

存储装置，用于存储为包含所有多个特征的基础类结构中的每一类计算估算等式的任何一个系数数据以及系数种子数据的标准等式；

标准等式产生装置，用于根据包括至少任意一个所述多个特征的目标类结构的信息，产生为目标类结构的每一类的计算估算等式的任何一个系数数据以及系数种子数据的标准等式；以及

计算装置，用于求解标准等式产生装置所产生的标准等式，并且计算目标类结构中的每一类的估算等式的任何一个系数数据以及系数种子数据，从而为每一类计算估算等式的任意一个系数数据以及系数种子数据。

9.一种类结构产生装置，用于从n个特征中选择出r个特征来获得类结构，n和r都是整数，r＜n，当将包含多个信息数据项的第一信息信号转换成第二信息信号时，所述的类结构通过类分类在包含多个信息数据项的第二信息信号中产生目标位置的信息数据，所述的装置包括：

类结构产生装置，用于产生(n-i)个类结构，每个类结构都包括i个已经选出的特征加上从剩余的(n-i)个特征中选择出来的特征，所述的i是整数；以及

类结构选择装置，用于使用任意的估算值从类结构产生装置所产生的(n-i)个类结构中选择出最佳的类结构，

其中在类结构选择装置所选出的类结构中使用的特征被设定为已经选出的特征，并且类结构产生装置和类结构选择装置的操作随着i值从0依次变化到r-1重复进行，因此获得包含r个特征的类结构。

10.一种信息信号处理装置，用于将包含多个信息数据项的第一信息信号转换成包含多个信息数据项的第二信息信号，所述的装置包括：

类检测装置，根据第一信息信号，在预定的类结构中检测第二信息信号中目标位置的信息数据所属的类；以及

信息数据产生装置，用于根据类检测装置检测的类，产生第二信息信号中的目标位置的信息数据，

其中预定的类结构包括从n个特征中选择出来的r个特征，所述的n和r是整数，r＜n；以及

其中随着i值从0依次变化到r-1，通过重复产生(n-i)个类结构的操作，其中每一类结构包括i个已经选择出来的特征加上从剩余的(n-i)个特征中选择出来的特征，所述的i是整数，和使用一个任意的估算值从产生的(n-i)个类结构中选择出来最佳类结构的操作，来获得r个特征，其中在选出的类结构中使用的特征被设定为已经选出的特征。

Images