CN1678058A - 数据产生设备和方法、信号处理设备、程序、及记录介质 - Google Patents

Abstract

本发明涉及一种系数数据产生设备，用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据。该系数数据产生设备包括：确定单元，用于确定对应于第二信息信号的第二学习信号的主题点是否是具有预定特征的特征点；数据选择器，用于基于对应于第一信息信号的第一学习信号，选择第二学习信号中主题点的相邻点处的多条信息数据；和计算器，用于利用第二学习信号中主题点处的信息数据、由确定单元确定为特征点的主题点、以及由数据选择器结合主题点而选择的多条信息数据，来计算系数数据。

Description

数据产生设备和方法、 信号处理设备、程序、及记录介质

相关申请的交叉引用

本发明包含与2004年4月2日向日本专利局提交的日本专利申请JP 2004-109718相关的主题，这里通过引用而合并其全部内容。

技术领域

本发明涉及用于产生在用于将第一信息信号转换为第二信息信号的估计方程式中使用的系数数据或在用于产生系数数据的产生方程式中用作系数数据的系数种子数据的设备和方法、用于利用该系数数据或系数种子数据将第一信息信号转换为第二信息信号的设备、允许计算机运行产生系数数据或系数种子数据的方法的程序、和其上记录有该程序的介质。

更具体地，本发明涉及用于获得系数数据或系数种子数据的技术，其中当通过利用对应于第一信息信号的学生信号和对应于第二信息信号的老师信号执行学习而获得用于将第一信息信号转换为第二信息信号的估计方程式的系数数据或用于产生该系数数据的系数种子数据时，允许利用老师信号中仅包括在具有预定特征的特征位置处的信息数据的学习数据而精确再现在具有预定特征的特征位置处的信息数据，从而改善由第二信息信号组成的输出的质量。

背景技术

最近几年，已提出了用于改善图像信号或音频信号的分辨率或采样频率的各种技术。例如，已知当执行从具有标准或低分辨率的标准电视信号向具有高分辨率的HDTV信号的上变换时或当执行次采样内插时，通过基于分类和改编(adaption)的方法较之基于内插的方法，能够获得更有利的结果。

在基于分类和改编的方法中，当将具有标准或低分辨率的标准电视信号(SD信号)变换为具有高分辨率的信号(HD信号)时，检测HD信号中主题像素位置处的像素数据的类，并利用与该类关联的估计方程式的系数数据，从SD信号中的多条像素数据中产生HD信号中主题像素位置处的像素数据。通过由例如最小二乘法执行学习而为每类确定在包括分类的变换中使用的估计方程式的系数数据。

例如，根据日本未审专利中请公开第2003-316760号(例如第13到17页和图4到7)，利用在学习中作为老师的老师数据和在学习中作为学生的学生数据，可得知老师数据和学生数据之间的关系，同时基于由学生数据产生的预测抽头(prediction tap)的活动性(动态范围)而对老师数据和学生数据进行加权，并获得改善预测抽头的整体动态范围的预测精度的抽头系数(系数数据)。

作为另一个例子，根据日本未审专利申请公开第2001-8056号(例如第15到20页以及图9到12)，通过利用在学习中作为老师的高S/N图像和在学习中作为学生的低S/N图像执行学习，而获得预测系数(系数数据)，该预测系数用于从具有低S/N比率的图像中获得具有高S/N比率的图像。首先，利用与构成高S/N图像的所有高S/N像素对应的学习数据来获得预测系数，并然后仅利用与以下高S/N像素对应的学习数据来获得预测系数，对于这些高S/N像素，利用获得的预测系数而获得的预测值的预测误差不小，并重复类似处理。因此，对于构成高S/N图像的所有高S/N像素，仅为每组几个高S/N像素而获得减小预测误差的预测系数。

发明内容

如日本未审专利申请公开第2003-316760号和日本未审专利申请公开第2001-8056号所述，在根据相关技术的系数数据产生设备(学习设备)中，利用对应于老师图像的像素并与老师图像的相应像素的特征无关的学习数据来获得系数数据。也就是说，获得利用其通过平均性能来预测HD图像或高S/N图像的像素的系数数据。

然而，构成HD图像或高S/N图像的各像素对图像质量的贡献并不均匀。由此，可能通过降低对图像质量具有低贡献的像素的预测性能同时增强对图像质量具有高贡献的像素的预测性能，来改善总图像质量。

期望改善由通过利用系数数据或系数种子数据转换第一信息信号而获得的第二信息信号组成的输出的质量。

根据本发明的一个实施例，提供了一种系数数据产生设备。该系数数据产生设备产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据。该系数数据产生设备包括确定部件，用于确定对应于第二信息信号的第二学习信号的主题点是否是具有预定特征的特征点；数据选择部件，用于基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和计算部件，用于利用第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、和由数据选择部件结合主题点而选择的多条信息数据，来计算系数数据。

根据本发明的另一实施例，提供了一种系数数据产生方法。该系数数据产生方法产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据。该系数数据产生方法包括以下步骤：确定对应于第二信息信号的第二学习信号的主题点是否是具有预定特征的特征点；基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和利用第二学习信号中的主题点处的信息数据、在确定步骤中确定为特征点的主题点、和在选择步骤中结合主题点而选择的多条信息数据，而计算系数数据。

根据本发明的另一实施例，提供了一种允许计算机执行上述系数数据产生方法的程序。根据本发明的另一实施例，提供了一种其上记录有该程序的计算机可读介质。

根据本发明的另一实施例，提供了一种信息信号处理设备。该信息信号处理设备将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号。该信息信号处理设备包括：数据选择部件，用于基于第一信息信号，而选择第二信息信号中主题点的相邻点处的多条信息数据；存储部件，用于存储估计方程式的系数数据；和计算部件，用于利用数据选择部件所选择的多条信息数据和存储部件中所存储的系数数据，根据估计方程式计算第二信息信号中主题点处的信息数据。通过上述系数数据产生设备或系数数据产生方法产生该系数数据。

根据本发明的这些实施例，确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点。该信息信号是例如图像信号或音频信号。当信息信号是图像信号时，信息数据是指每一像素的像素数据。当信息信号是音频信号时，信息数据是指抽样数据。

例如，利用基于第二学习信号而选择的第二学习信号中主题点处的信息数据和相邻点处的多条信息数据，来确定该主题点是否是特征点。在该情况下，通过经由低频带阻滤波器获得主题点的信息数据和相邻点处的信息数据，有可能仅基于高频分量来确定该主题点是否是特征点。

例如，当主题点处的信息数据大于相邻点处的多条信息数据中的最大值或小于相邻点处的多条信息数据中的最小值时，该主题点被确定为特征点。

作为另一个例子，当主题点处的信息数据与相邻点处的多条信息数据的中值一致或与主题点处的信息数据和相邻点处的多条信息数据的中值一致时，该主题点被确定为特征点。这里一致是指主题点处的信息数据与中值严格一致的情况，也指主题点处的信息数据在中值上下的预定范围内的情况。

此外，基于对应于第一信息信号的学生信号，选择第二学习信号中主题点的相邻点处的多条信息数据。然后，利用确定为特征点的第二学习信号中的主题点处的信息数据、以及结合主题点而选择的多条信息数据，计算系数数据。此外，通过检测第二学习信号中的主题点处的信息数据所属的类，可以计算每一类的系数数据。

例如，利用确定为特征点的第二学习信号中的主题点处的信息数据、和结合主题点而选择的多条信息数据，产生用于获得系数数据的标准方程，并通过解该标准方程，来计算系数数据

如上述产生的系数数据用于将第一信息信号转换为第二信息信号。为此目的，基于第一信息信号选择第二信息信号中主题点的相邻点处的多条信息数据。然后，利用上述多条信息数据和系数数据，根据估计方程式计算第二信息信号中主题点处的信息数据。

如上所述，根据本发明的实施例，利用仅包括第二学习信号中具有预定特征的特征点处的信息数据的学习数据，来产生系数数据。由此，有可能获得这样的系数数据，该系数数据允许精确再现在具有特征的特征位置处的信息数据。这用于改善基于第二信息信号获得的输出的质量，其中通过利用系数数据转换第一信息信号而获得该第二信息信号。

根据本发明的另一实施例，提供了一种系数种子数据产生设备。该系数种子数据产生设备用于产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据。该系数种子数据产生设备包括：参数输入部件，用于接收用于确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值的输入，该参数对应于产生方程式中所包括的参数；确定部件，用于确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；数据选择部件，用于基于第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和计算部件，用于利用第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、由数据选择部件结合主题点而选择的多条信息数据、以及输入到输入部件的参数的值，来计算系数种子数据。

根据本发明的另一实施例，提供了一种系数种子数据产生方法。该系数种子数据产生方法产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据。该系数种子数据产生方法包括以下步骤：获得确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值，该参数对应于产生方程式中所包括的参数；确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；基于第一学习信号，选择第二学习信号中主题点的相邻点处的多条信息数据；和利用第二学习信号中主题点处的信息数据、在确定步骤中确定为特征点的主题点、在选择步骤中结合主题点选择的多条信息数据、以及在获得步骤中获得的参数的值，来计算系数种子数据。

根据本发明的另一实施例，提供了一种允许计算机执行上述系数种子数据产生方法的程序。根据本发明的另一实施例，提供了一种其上记录有该程序的计算机可读介质。

根据本发明的另一实施例，提供了一种设备，用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号。该设备包括：数据选择部件，用于基于第一信息信号，选择第二信息信号中主题点的相邻点处的多条信息数据；参数输入部件，用于接收用于确定基于第二信息信号而获得的输出质量的参数值的输入；存储部件，用于存储系数种子数据，该系数种子数据作为用于产生估计方程式的系数数据的产生方程式的系数数据，该产生方程式包括该参数；系数数据产生部件，用于利用存储部件中存储的系数种子数据和输入到参数输入部件的参数的值，根据与输入到参数输入部件的参数的值一致的产生方程式产生估计方程式的系数数据；和计算部件，用于利用数据选择部件所选择的多条信息数据和系数数据产生部件所产生的系数数据，根据估计方程式来计算第二信息信号中主题点处的信息数据。通过上述系数种子数据产生设备或系数种子数据产生方法产生系数种子数据。

根据本发明的这些实施例，输入确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值。此外，确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点。该信息信号是例如图像信号或音频信号。当信息信号是图像信号时，信息数据是指每一像素的像素数据。当信息信号是音频信号时，信息数据是指抽样数据。

例如，利用基于第二学习信号选择的第二学习信号中的主题点处的信息数据和相邻点处的多条信息数据，来确定该主题点是否是特征点。在该情况下，通过经由低频带阻滤波器获得主题点的信息数据和相邻点处的信息数据，有可能仅基于高频分量而确定该主题点是否是特征点。

例如，当主题点处的信息数据大于相邻点处的多条信息数据中的最大值或小于相邻点处的多条信息数据中的最小值时，该主题点被确定为特征点。

作为另一个例子，当主题点处的信息数据与相邻点处的多条信息数据的中值一致或与主题点处的信息数据和相邻点处的多条信息数据的中值一致时，该主题点被确定为特征点。这里的一致是指主题点处的信息数据与中值严格一致的情况，也指主题点处的信息数据在中值上下的预定范围内的情况。

此外，基于第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据。然后，利用确定为特征点的第二学习信号中主题点处的信息数据、结合主题点而选择的多条信息数据、以及参数值，计算系数种子数据。此外，通过检测第二学习信号中主题点处的信息数据所属的类，可以计算每一类的系数种子数据。

例如，利用确定为特征点的第二学习信号中的主题点处的信息数据、结合主题点而选择的多条信息数据、以及参数值，产生用于计算系数种子数据的标准方程，并通过解该标准方程，来计算系数种子数据。

如上所述产生的系数种子数据用于将第一信息信号转换为第二信息信号。为此目的，输入用于确定基于第二信息信号获得的输出的质量的参数值。然后，利用上述多条信息数据和系数数据，根据估计方程式计算第二信息信号中主题点处的信息数据。

如上所述，根据本发明的实施例，利用仅包括第二学习信号中具有预定特征的特征点处的信息数据的学习数据，来产生系数种子数据。由此，可以获得这样的系数种子数据，该系数种子数据允许精确再现在具有特征的特征位置处的信息数据。这用于改善基于第二信息信号而获得的输出的质量，其中通过利用系数种子数据转换第一信息信号而获得该第二信息信号。

附图说明

图1示出根据本发明第一实施例的图像信号处理设备的构成的方框图；

图2示出SD信号(525i信号)和HD信号(1050i信号)之间的像素位置关系的示意图；

图3A和3B示出预测抽头和类抽头的示例图案的示意图；

图4A和4B示出关于奇数场和偶数场中的中心预测抽头的HD信号的单元像素块的四个像素的相移的示意图；

图5示出系数数据产生设备的构成的方框图；

图6示出特征抽头的示例图案的示意图；

图7示出特征像素确定单元的构成的方框图；

图8示出特征像素确定单元的另一构成的方框图；

图9示出软件实现的图像信号处理设备的构成的方框图；

图10示出图像信号处理过程的流程图；

图11示出产生系数数据过程的流程图；

图12示出根据本发明第二实施例的图像信号处理设备的构成的方框图；

图13示出用于解释产生系数种子数据的方法的示意图；

图14示出系数种子数据产生设备的构成的方框图；

图15示出图像信号处理过程的流程图；和

图16示出产生系数种子数据过程的流程图。

具体实施方式

现在，将描述本发明的第一实施例。图1示出了根据第一实施例的图像信号处理设备100的构成。该图像信号处理设备100将作为称作525i信号的标准清晰度(SD)信号的图像信号Va转换为作为称作1050i信号的高清晰度(HD)信号的图像信号Vb。图像信号Va构成第一信息信号，而图像信号Vb构成第二信息信号。525i信号是每帧具有525线的隔行扫描图像信号。而1050i信号是每帧具有1050线的隔行扫描图像信号。

图2示出了525i信号和1050i信号的帧(F)中像素位置的关系。奇数场(o)中的像素位置由实线表示，而偶数场(e)的像素位置由虚线表示。大点代表525i信号的像素，而小点代表1050i信号的像素。根据图2可以理解，1050i信号的像素数据包括在靠近525i信号线位置的线数据L1和L1’、和在远离525i信号线位置的线数据L2和L2’。

L1和L2是奇数场的线数据，而L1’和L2’是偶数场的线数据。1050i信号的每条线上的像素数目是525i信号每条线上的像素数目的两倍。

返回参考图1，该图像信号处理设备100包括输入终端101、预测抽头选择电路102、和类抽头选择电路103。该输入终端101用于输入图像信号Va。该预测抽头选择电路102和类抽头选择电路103基于输入到输入终端101的图像信号Va而选择性地提取位于图像信号Vb中主题像素位置的周围位置的多条像素数据作为预测抽头数据和类抽头数据。

图3A示出作为预测抽头数据提取的多条像素数据的示例图案。图3B示出作为类抽头数据提取的多条像素数据的示例图案(由实线表示)。尽管在图3A和3B所示的例子中，从包括主题像素位置的当前场中提取多条像素数据作为预测抽头数据和类抽头数据，但是仍可从时间上在当前场之前和之后的预定数目的场中提取预测抽头数据和类抽头数据。

图像信号处理设备100还包括类检测电路104。该类检测电路104将由类抽头选择电路103选择性提取的多条像素数据作为类抽头数据处理，产生代表图像信号Vb中位于主题像素位置的像素数据所属的类的类代码CL。

更具体地说，该类检测电路104首先压缩多条像素数据，例如将每条像素数据从8比特数据压缩为2比特数据或1比特数据。数据压缩例如通过自适应动态范围编码(ADRC)来执行。取代ADRC的，例如可通过差分脉冲码调制(DPCM)或向量量化(VQ)来执行数据压缩。

当采用ADRC时，假设多条像素数据的最大值和最小值表示为MAX和MIN，多条像素数据的动态范围为DR(＝MAX-MIN+1)，而再量化比特的数目为P，那么对于这些像素数据中的每一条ki，可根据以下方程式(1)获得压缩数据形式的再量化代码qi。在方程式(1)中，[]代表舍位。当类抽头数据包括Na条像素数据时，i＝1到Na：

qi＝[(ki-MIN+0.5)*2P/DR]。    (1)

然后，类检测电路104利用为类抽头数据中的多条像素数据的每一条获得的再量化代码qi，根据以下方程式(2)产生类代码CL：

$\mathrm{CL}=\underset{i=1}{\overset{\mathrm{Na}}{\mathrm{\Σ}}}\mathrm{qi}{\left(2^P\right)}^{i-1}.---\left(2\right)$

图像信号处理设备100还包括作为存储部件的系数存储器105。该系数存储器105存储以下将描述的估计计算电路106所计算的估计方程式中使用的每一类的系数数据Wi(i＝1到n)。该系数数据Wi是用于将图像信号Va(525i信号)转换为图像信号Vb(1050i信号)的信息。

如图2所示，当将525i信号转换为1050i信号时，在每一个奇数场或偶数场中，对于525i信号的一个像素获得1050i信号的四个像素。在每一奇数场或偶数场中的1050i信号的2×2单元像素块UB中的四个像素具有相对于中心预测抽头的不同相移。

图4A和4B示出了在奇数场和偶数场中1050i信号的2×2单元像素块中的四个像素相对于中心预测抽头的相移。在奇数场的情况下，单元像素块UB中的四个像素HD1到HD4的位置从中心预测抽头SD0的位置分别水平偏移k1到k4并垂直偏移m1到m4。在偶数场的情况下，单元像素块UB中的四个像素HD1’到HD4’的位置从中心预测抽头SD0’的位置分别水平偏移k1’到k4’并垂直偏移m1’到m4’。

所以，前述每一类的系数数据Wi由与8个输出像素(HD1到HD4和HD1’到HD4’)中的每一个关联的系数数据Wi组成。由此，系数存储器105为类和输出像素的每一组合存储系数数据Wi。

通过基于对应于图像信号Vb的作为老师信号的图像信号Vb’和对应于图像信号Va的作为学生信号的图像信号Va’来执行学习，可预先产生系数数据Wi。老师信号是指具有相对高质量的信号，而学生信号是指具有相对低质量的信号。基于仅包括在图像信号Vb’中特征位置处的像素数据的学习数据来产生系数数据Wi，该特征位置处的像素数据具有对图像质量有高度贡献的预定特征。由此，可能精确再现图像信号Vb中特征位置处的像素数据，这些特征位置具有对图像质量有高度贡献的预定特征。这用来改善由图像信号Vb组成的图像的图像质量。稍后将详细描述产生系数数据Wi的方法。

该系数存储器105接收由类检测电路104产生的类代码CL作为读地址信息。与类代码CL所代表的类关联的系数数据Wi被从系数存储器105中读取，并被提供到估计计算电路106。

图像信号处理设备100还包括估计计算电路106、后处理电路107、和输出终端108。估计计算电路106利用作为预测抽头数据而由预测抽头选择电路102选择性提取的多条像素数据xi和从系数存储器105读取的系数数据Wi，根据以下方程式(3)中表示的估计方程式来计算图像信号Vb中主题像素位置处的像素数据y：

$y=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i\·x_i.---\left(3\right)$

如前所述，当将525i信号转换为1050i信号时，对于每一场，为525i信号中的一个像素(图4A中的SD0或图4B中的SD0’)获得1050i信号的四个像素(图4A中的HD1到HD4或图4B中的HD1’到HD4’)。该估计计算电路106为图像信号Vb中主题像素位置处的每一单元像素块UB计算像素数据。

更具体地说，估计计算电路106从预测抽头选择电路102接收与单元像素块UB中的四个像素(主题像素)相关联的预测抽头数据xi，并从系数存储器105中接收与单元像素块UB中的四个像素关联的系数数据Wi。然后，该估计计算电路106根据上面给出的方程式(3)中表示的估计方程式来计算单元像素块UB的四个像素的像素数据y1到y4。

后处理电路107将从估计计算电路106顺序输出的单元像素块UB的四个像素的像素数据y1到y4转换为以线为顺序的数据，并以1050i信号的格式输出像素数据y1到y4。该输出终端108用于输出从后处理电路107输出的图像信号Vb(1050i信号)。

接下来，将描述该图像信号处理设备100的操作。

当将SD图像信号Va输入到输入终端101时，基于图像信号Va通过分类改编处理产生构成图像信号Vb的多条像素数据。

更具体地，类抽头选择电路103基于图像信号Va选择性地提取图像信号Vb中位于主题像素位置周围位置的多条像素数据作为类抽头数据。所述多条像素数据被提供到类检测电路104。该类检测电路104例如通过执行ADRC而为作为类抽头数据的多条像素数据的每一条ki获得再量化代码qi，并利用该再量化代码qi产生类代码CL(参考方程式(1)和(2))。

该类代码CL被提供到系数存储器105作为读取地址信息。对于每一场，从系数存储器105中读取与类代码CL所代表的类关联的四个输出像素(图4A中的HD1到HD4或图4B中的HD1’到HD4’)的系数数据Wi。该系数数据Wi被提供到估计计算电路106。

此外，预测抽头选择电路102基于图像信号Va选择性地提取图像信号Vb中位于主题像素位置的周围位置的多条像素数据xi作为预测抽头数据。所述多条像素数据xi被提供到估计计算电路106。

估计计算电路106利用由预测抽头选择电路102作为预测抽头数据而提取的多条像素数据xi、并利用从系数存储器105读取的四个输出像素的系数数据，根据方程式(3)中表达的估计方程式而单独计算图像信号Vb中的主题像素位置处的单元像素块UB的四个像素(主题像素)的像素数据y1到y4。

从估计计算电路106依次输出的、构成图像信号Vb的每一单元像素块的四个像素的像素数据y1到y4被提供到后处理电路107。该后处理电路107将由估计计算电路106依次提供的、单元像素块的四个像素的像素数据y1到y4转换为以线为顺序的数据，并以1050i信号的格式输出像素数据y1到y4。也就是说，该后处理电路107产生图像信号Vb(1050i信号)，并且图像信号Vb被输出到输出终端108。

如前所述，利用作为对应于图像信号Vb的老师信号的图像信号Vb’中的仅包括特征位置处的像素数据的学习数据来产生在系数存储器105中存储的系数数据Wi(i＝1到n)，该特征位置处的像素数据具有对图像质量有高度贡献的预定特征。由此，利用图1所示的图像信号处理设备100，可以精确再现图像信号Vb中的特征位置处的像素数据，这些特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。因此，改善了由图像信号Vb组成的图像。

接下来，将描述用于产生在该图像信号处理设备100的系数存储器105中存储的系数数据Wi(i＝1到n)的方法。通过执行学习产生系数数据Wi。

首先，将描述学习方法。在前面给出的方程式(3)中，在执行学习之前，系数数据W1、W2、...、Wn是未定义的系数。利用类和输出像素的每一组合的多条学习数据来执行学习。当学习数据的条数为m时，根据方程式(3)而设置下面给出的方程式(4)。N表示预测抽头的数目：

yk＝W1×xk1+W2×xk2+...+Wn×xkn    (4)

(k＝1，2...，m)。

当m＞n时，不能唯一确定系数数据W1、W2、...、Wn。由此，误差向量e的元素ek由以下方程式(5)定义，并计算使以下方程式(6)中的e²最小化的系数数据。也就是说，通过所谓最小二乘法而唯一地确定系数数据：

ek＝yk-{W1×xk1+W2×xk2+...+Wn×xkn}    (5)

(k＝1，2，...，m)

$e^2=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{e}_k^2.---\left(6\right)$

作为计算使方程式(6)中的e²最小化的系数数据的实际方法，如方程式(7)所示相对于系数数据Wi(i＝1到n)而求e²的偏微分，并确定系数数据Wi，使得对于每个值i，偏分值变为0：

$\frac{\∂e^2}{\∂W_i}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}2\left(\frac{\∂e_k}{{\∂W}_i}\right)e_k=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{2x}_{\mathrm{ki}}{\·e}_k.---\left(7\right)$

当Xji和Yi都被定义为如方程式(8)和(9)所示时，方程式(7)可重写为方程式(10)中表达的矩阵。方程式(10)是用于计算系数数据Wi的标准方程式。可通过例如扫出(sweep-out)方法(高斯-约旦抵消)的一般求解方法解该标准方程，来计算系数数据Wi：

$X_{\mathrm{ji}}=\underset{p=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{pi}}\·x_{\mathrm{pj}}---\left(8\right)$

$Y_i=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ki}}\·y_k---\left(9\right)$

$\left[\begin{array}{cccc}{X}_{11}& X_{12}& ...& X_{1n}\\ X_{21}& X_{22}& ...& X_{2n}\\ ...& ...& ...& ...\\ X_{n1}& X_{n2}& ...& X_{\mathrm{nn}}\end{array}\right]\left[\begin{array}{c}{W}_1\\ W_2\\ ...\\ W_n\end{array}\right]=\left[\begin{array}{c}{Y}_1\\ Y_2\\ ...\\ Y_n\end{array}\right].---\left(10\right)$

接下来，将参考图5来描述用于产生系数数据Wi的系数数据产生设备150。该系数数据产生设备150包括输入终端151和SD-信号产生电路152。输入终端151用于输入图像信号Vb’作为对应于图像信号Vb的老师信号。SD-信号产生电路152通过水平和垂直地取图像信号Vb’的十分之一来产生图像信号Va’作为对应于该图像信号Va的学生信号。

系数数据产生设备150还包括预测抽头选择电路153和类抽头选择电路154。该预测抽头选择电路153和类抽头选择电路154基于由SD-信号产生电路152产生的图像信号Va’而选择性地提取图像信号Vb’中位于主题像素位置的周围位置的多条像素数据分别作为预测抽头数据和类抽头数据。该预测抽头选择电路153和类抽头选择电路154分别对应于图像信号处理设备100中的预测抽头选择电路102和类抽头选择电路103。

系数数据产生设备150还包括类检测电路155。该类检测电路155将类抽头选择电路103选择性提取的多条像素数据作为类抽头数据处理，产生代表图像信号Vb中位于主题像素位置的像素数据所属的类的类代码CL。该类检测电路155对应于图像信号处理设备100中的类检测电路104。

系数数据产生设备150还包括老师抽头选择电路156。该老师抽头选择电路156基于图像信号Vb’而选择性地提取图像信号Vb’中的主题像素位置处的像素数据。

系数数据产生设备150还包括特征抽头选择电路157和特征像素确定单元158。该特征抽头选择电路157基于输入到输入终端151的图像信号Vb’而选择性地提取图像信号Vb’中的主题像素位置处的像素数据和位于主题像素位置的周围位置的多条像素数据作为特征抽头数据。

图6示出了作为特征抽头数据而提取的多条像素数据的示例图案。在该例子中，特征抽头数据由主题像素位置处的像素数据d0和位于主题像素位置的周围位置的8条像素数据d1到d8组成。该特征抽头的图案不限于图6所示的图案。然而，为了描述方便，这里假设由特征抽头选择电路157选择的特征抽头的图案为图6所示的图案。

特征像素确定单元158基于作为特征抽头数据而由特征抽头选择电路157选择性提取的多条像素数据d1到d8，确定图像信号Vb’中的主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置，输出表示结果的确定信号JR。

图7示出了特征像素确定单元158的示例构成。在该例子中，当主题像素位置的像素数据d0大于周围位置处的像素数据d1到d8中的最大值MAX或小于周围位置处的像素数据d1到d8中的最小值MIN时，该主题像素位置被确定为特征位置。该特征像素确定单元158包括输入终端160、分离电路161、最大值/最小值检测电路162、比较器163和164、OR电路165、和输出终端166。

输入终端160用于输入作为特征抽头数据而由特征抽头选择电路157提取的多条像素数据d0到d8。该分离电路161将输入到输入电路160的像素数据d0到d8分离为主题像素位置处的像素数据d0以及周围位置处的像素数据d1到d8。最大值/最小值检测电路162从分离电路161所分离的周围位置处的像素数据d1到d8中检测最大值MAX和最小值MIN。

比较器163将由分离电路161所分离的主题像素位置处的像素数据d0与最大值/最小值检测电路162所检测的最大值MAX作比较，当像素数据d0大于最大值MAX时，输出“1”，否则就输出“0”。比较器164将分离电路161所分离的主题像素位置处的像素数据d0与最大值/最小值检测电路162所检测的最小值MIN作比较，当像素数据d0小于最小值MIN时，输出“1”，否则就输出“0”。

OR电路165作为输入接收比较器163和164的输出，并输出该输出的逻辑和作为确定信号JR。当该确定信号JR为“1”时，表明该主题像素位置被确定为特征位置，而当确定信号JR为“0”时，表明该主题像素位置被确定为不是特征位置。输出终端166用于输出从OR电路165输出的确定信号JR。

现在，将描述图7中所示的特征像素确定单元158的操作。输入到输入终端160的作为特征抽头数据的像素数据d0到d8被提供到分离电路161。该分离电路161将像素数据d0到d8分离为主题像素位置处的像素数据d0以及周围位置处的像素数据d1到d8。

分离电路161所分离的周围位置处的像素数据d1到d8被提供到最大值/最小值检测电路162。该最大值/最小值检测电路162从像素数据d1到d8中检测最大值MAX和最小值MIN。该最大值/最小值检测电路162所检测的最大值MAX和最小值MIN被分别提供给比较器163和164。比较器163和164还接收分离电路161所分离的主题像素位置处的像素数据d0。

比较器163比较像素数据d0和最大值MAX，当d0＞MAX时，输出“1”，否则输出“0”。比较器164比较像素数据d0和最小值MIN，当d0＜MIN时，输出“1”，否则输出“0”。OR电路165取比较器163和164输出的逻辑和以生成确定信号JR，并且该确定信号JR被输出到输出终端166。

当主题像素位置处的像素数据d0大于周围位置处的像素数据d1到d8中的最大值MAX或小于最小值MIN时，比较器163的输出或比较器164的输出变为“1”，使得从该OR电路165输出的确定信号变为“1”。因此，该主题像素位置被确定为特征位置。

返回参考图5，系数数据产生设备150还包括标准方程产生电路171。该标准方程产生电路171基于老师抽头选择电路156选择性提取的图像信号Vb’中的每一主题像素位置处的像素数据y、作为与每一主题像素位置处的像素数据y关联的预测抽头数据而由预测抽头选择电路153选择性提取的多条像素数据xi、以及为了每一主题像素位置处的像素数据y而由类检测电路155产生的类代码CL，产生用于获得每一类的系数数据Wi的标准方程(参考方程(10))。图像信号Vb’中的主题像素位置是由特征像素确定单元158确定为特征位置的主题像素位置。

基于单条像素数据y以及与其关联的多条像素数据xi的组合，而产生单条学习数据。在作为老师信号的图像信号Vb’和作为学生信号的图像信号Va’之间产生每一类的多条学习数据。由此，标准方程产生电路171利用仅包括图像信号Vb’中的特征位置处的像素数据y的学习数据产生用于获得每一类的系数数据Wi的标准方程，该特征位置处的像素数据y具有对图像质量产生高度贡献的预定特征。

而且，该标准方程产生电路171为输出像素(图4A中的HD1到HD4或图4B中的HD1’到HD4’)的每一个产生标准方程。更具体地，利用包括与HD1到HD4或HD1’到HD4’相对于中心预测抽头SD0或SD0’具有相同偏移的像素数据y的学习数据，产生与HD1到HD4或HD1’到HD4’关联的标准方程。由此，该标准方程产生电路171产生用于为类和输出像素的每一组合而获得系数数据Wi的标准方程。

系数数据产生设备150还包括系数数据确定电路172和系数存储器173。该系数数据确定电路172从标准方程产生电路171接收标准方程的数据，并通过例如扫出方法来解该标准方程，以获得类和输出像素的每一组合的系数数据Wi。该系数存储器173存储该系数数据Wi。

现在，将描述图5所示系数数据产生设备150的操作。

作为老师信号的图像信号Vb’被输入到输入终端151。SD-信号产生电路152水平地和垂直地取图像信号Vb’的十分之一，以产生图像信号Va’作为学生信号。

类抽头选择电路154基于该图像信号Va’，而选择性地提取图像信号Vb’中的位于主题像素位置的周围位置的多条像素数据作为类抽头数据。所述多条像素数据被提供到类检测电路155。该类检测电路155例如通过ADRC而压缩多条像素数据的每一条，并产生代表图像信号Vb’中位于主题像素位置的像素数据所属的类的类代码CL(参见方程(1)和(2))。类代码CL被提供给标准方程产生电路171。

预测抽头选择电路153基于该图像信号Va’，而选择性地提取图像信号Vb’中的位于主题像素位置的周围位置的多条像素数据xi作为预测抽头数据。所述多条像素数据xi被提供到标准方程产生电路171。老师抽头选择电路156基于该图像信号Vb’，而选择性地提取图像信号Vb’中的主题像素位置处的像素数据y。该像素数据y被提供给标准方程产生电路171。

特征抽头选择电路157基于该图像信号Vb’，而选择性地提取图像信号Vb’中的主题像素位置处的像素数据d0和位于周围位置的多条像素数据d1到d8作为特征抽头数据。像素数据d0到d8被提供到特征像素确定单元158。该特征像素确定单元158基于多条像素数据d0到d8来确定图像信号Vb’中的主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置，产生表明结果的确定信号JR。

例如，当主题像素位置处的像素数据d0大于周围位置处的像素数据d1到d8中的最大值MAX或小于周围位置处的像素数据d1到d8中的最小值MIN时，该主题像素位置被确定为特征位置。该确定信号JR被提供到标准方程产生电路171。

标准方程产生电路171对于由特征像素确定单元158确定为特征位置的图像信号Vb’中的每一主题像素位置，基于主题像素位置处的像素数据y、作为与主题像素位置处的像素数据y关联的预测抽头数据的多条像素数据xi、以及代表主题像素位置处的像素数据y所属的类的类代码CL，产生用于获得类和输出像素(图4A中的HD1到HD4或图4B中的HD1’到HD4’)的每一组合的系数数据Wi的标准方程(参考方程(10))。

如上所述产生的标准方程的数据被提供到系数数据确定电路172。该系数数据确定电路172解每一标准方程，以获得类和输出像素的每一组合的系数数据Wi。该系数数据Wi被存储在系数存储器173中。

如上所述，图5所示的系数数据产生设备150能产生要存储在图像信号处理设备100的系数存储器150中的类和输出像素的每一组合的系数数据Wi。

如前所述，利用作为老师信号的图像信号Vb’中的仅包括特征位置处的像素数据的学习数据来产生系数数据Wi，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。由此，通过在图1所示的图像信号处理设备100的系数存储器105中存储系数数据Wi，允许该图像信号处理设备100精确再现图像信号Vb中特征位置处的像素数据，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。因此，改善了由图像信号Vb组成的图像的图像质量。

尽管图7所示的构造已描述为图5所示的系数数据产生设备150的特征像素确定单元158的例子，但是这并非限制，只要能确定主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置，其他构造也是可以的。

图8示出了特征像素确定单元158的另一示例构造。在该例子中，当主题像素位置处的像素数据d0与周围位置处的像素数据d1到d8的中值一致或与主题像素位置处的像素数据d0与周围位置处的像素数据d1到d8的中值一致时，该主题像素位置被确定为特征位置。在该例子中，该特征像素确定单元158包括输入终端190、分离电路191、中值检测电路192、比较器193、和输出终端194。

输入终端190用于输入作为特征抽头数据而由特征抽头选择电路157提取的像素数据d0到d8。分离电路191将输入到输入终端190的像素数据d0到d8分离为主题像素位置处的像素数据d0和位于周围位置的8条像素数据d1到d8、或分离为像素数据d0以及像素数据d0到d8。

中值检测电路192检测由分离电路191分离的像素数据d1到d8或像素数据d0到d8的中值CEN。像素数据d1到d8的中值是第四和第五最大像素数据的平均值。像素数据d0到d8的中值是第五最大像素数据。

比较器193将由分离电路191所分离的主题像素位置处的像素数据d0与中值检测电路192所检测的中值CEN作比较，当像素数据d0与中值CEN一致时，输出“1”，否则输出“0”。这里的一致是指主题像素位置处的像素数据d0与中值CEN精确一致的情况，并也指像素数据d0在中值CEN上下的预定范围之内的情况。

输出终端194将比较器193的输出作为确定信号JR输出。当该确定信号JR为“1”时，表明该主题像素位置被确定为特征位置，而当其为“0”时，表明该主题像素位置被确定为不是特征位置，这与图7所示特征像素确定单元158的情况类似。

现在，将描述图8所示特征像素确定单元158的操作。输入到输入终端190的作为特征抽头数据的像素数据d0到d8被提供到分离电路191。该分离电路191将像素数据d0到d8分离为主题像素位置处的像素数据d0和周围位置处的像素数据d1到d8、或分离为像素数据d0以及像素数据d0到d8。

由分离电路191所分离的周围位置处的像素数据d1到d8或像素数据d0到d8被提供到中值检测电路192。该中值检测电路192检测像素数据d1到d8或像素数据d0到d8的中值CEN。该中值检测电路192所检测的中值CEN被提供到比较器193。比较器193还接收分离电路191所分离的主题像素位置处的像素数据d0。

比较器193将像素数据d0与中值CEN作比较，当d0＝CEN时，输出“1”，否则输出“0”。比较器193将确定信号JR输出到输出终端194。

当主题像素位置处的像素数据d0与周围位置处的像素数据d1到d8的中值CEN一致或与主题像素位置处的像素数据d0和周围位置处的像素数据d1到d8的中值一致时，比较器193的输出变为“1”而确定信号JR也变为“1”。因此，该主题像素位置被确定为特征位置。

此外，在图5所示的系数数据产生设备150中，特征抽头选择电路157基于输入到输入终端151的图像信号Vb’，而选择性地提取像素数据d0到d8作为特征抽头数据。如图5的虚线所示，可在特征抽头选择电路157的前一级提供低频带阻滤波器181，使得经由低频带阻滤波器181提供由特征抽头选择电路157选择性提取的像素数据d0到d8。

在该情况下，像素数据d0到d8仅包括高频带分量，使得特征像素确定单元158确定主题像素位置是否是仅基于对图像质量有特别贡献的高频带分量的特征位置。由此，可以有效确定具有对图像质量作出高度贡献的预定特征的特征位置。

图1所示的图像信号处理设备100中进行的处理可通过例如图9所示的图像信号处理设备500用软件实现。

首先，将描述图9示出的图像信号处理设备500。该图像信号处理设备500包括控制整个设备操作的中央处理单元(CPU)501，存储CPU 501的控制程序、系数数据等的只读存储器(ROM)502，和作为CPU 501的工作区的随机存取存储器(RAM)503。CPU 501、ROM 502、和RAM 503连接到总线504。

图像信号处理设备500还包括作为外部存储装置的硬盘驱动器(HDD)505，和用于操纵例如光盘、磁盘、或存储卡的可移动存储介质的驱动器506。HDD 505和驱动器506连接到总线504。

图像信号处理设备500还包括通信单元508，用于通过有线或无线而连接到例如因特网的通信网络507。通信单元508经由接口509连接到总线504。

图像信号处理设备500还包括用户接口单元。该用户接口单元包括用于从遥控发射机510接收遥控信号RM的遥控信号接收电路511、和由液晶显示器(LCD)或等离子显示板(PDP)实现的显示器513。接收电路511经由接口512连接到总线504。类似地，显示器513经由接口514连接到总线504。

此外，该图像信号处理设备500具有用于输入SD图像信号Va的输入终端515、和用于输出HD图像信号Vb的输出终端517。输入终端515经由接口516连接到总线504。类似地，输出终端517经由接口518连接到总线504。

取代上述预先在ROM 502中存储控制程序、系数数据等，控制程序、系数数据等例如可经由通信单元508而从例如因特网的通信网络507下载，并存储在HDD 505或RAM 503中。可替换地，还可利用可移动存储介质来提供控制程序、系数数据等。

此外，取代从输入终端515输入要处理的图像信号Va，图像信号Va可预先记录在HDD 505中或经由通信单元508从例如因特网的通信网络507下载。此外，可替换地或除了将处理之后的图像信号Vb输出到输出终端517之外，图像信号Vb还可被提供到显示器513以显示图像，存储在HDD 505中，或经由通信单元508发送到例如因特网的通信网络507。

现在，将参考图10所示的流程图来描述在图9所示图像信号处理设备500中从图像信号Va获得图像信号Vb的处理过程。

在步骤ST10，该过程开始。在步骤ST11，例如，一帧或一场的图像信号Va从输入终端515输入到该设备。该输入图像信号Va暂时存储在RAM 503中。当图像信号Va被预先记录在设备中的HDD 505中时，从HDD 505中读取该图像信号Va并将其暂时存储在RAM 503中。

然后，在步骤ST12，确定是否已完成图像信号Va的所有帧或所有场的处理。当已完成该处理时，在步骤ST13，退出该过程。另一方面，当没有完成该处理时，该过程进行到步骤ST14。

在步骤ST14，基于图像信号Va，获得图像信号Vb中的主题像素位置的周围位置处的多条像素数据作为类抽头数据。在步骤ST15，基于这些类抽头数据，产生代表图像信号Vb中的主题像素位置处的像素数据所属的类的类代码CL。

然后，在步骤ST16，基于图像信号Va，获得图像信号Vb中的主题像素位置的周围位置处的多条像素数据xi作为预测抽头数据。然后，在步骤ST17，利用与步骤ST15中产生的类代码CL关联的系数数据和在步骤ST16获得的多条像素数据xi，根据方程(3)中表达的估计方程式产生图像信号Vb中的主题像素位置处的像素数据y。

然后，在步骤ST18，确定是否已完成用于对于在步骤ST11输入的一帧或一场图像信号Va的像素数据的整个区域获得图像信号Vb的像素数据的处理。当已完成该处理时，过程返回到步骤ST11，进入用于输入下一帧或下一场的图像信号Va的处理。另一方面，当还没有完成该处理时，过程返回到步骤ST14，进入下一主题像素位置的处理。

如上所述，通过执行根据图10所示流程图的处理，可通过处理输入图像信号Va的像素数据获得图像信号Vb的像素数据。图像信号Vb被输出到输出终端517，提供到显示器513以显示对应的图像，或提供到并记录在HDD505中。

而且，尽管没有示出处理设备，但是图5所示系数数据产生设备150中的处理也可用软件实现。

现在，将参考图11所示流程图而描述用于产生系数数据的处理的过程。

在步骤ST20，该过程开始。在步骤ST21，输入一帧或一场图像信号Vb’作为老师信号。然后，在步骤ST22，确定是否已完成图像信号Vb’的所有帧或所有场的处理。如果还没有完成该处理，则在步骤ST23，将在步骤ST21输入的图像信号Vb’水平和垂直地取十分之一，产生图像信号Va’作为学生信号。

然后，在步骤ST24，基于图像信号Vb’获得主题像素位置处的像素数据d0和周围位置处的像素数据d1到d8作为特征抽头数据。然后，在步骤ST25，基于在步骤ST24获得的像素数据d0到d8，确定该主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置。例如，当主题像素位置处的像素数据d0大于周围位置处的像素数据d1到d8中的最大值MAX或小于其中的最小值MIN时，该主题像素位置被确定为特征位置。

当主题像素位置被确定为特征位置时，该过程进行到步骤ST26。在步骤ST26，基于图像信号Va’获得图像信号Vb’中的位于主题像素位置的周围位置处的多条像素数据作为类抽头数据。在步骤ST27，基于该类抽头数据，而产生代表图像信号Vb’中的主题像素位置处的像素数据所属的类的类代码CL。

然后，在步骤ST28，基于图像信号Va’获得图像信号Vb’中的位于主题像素位置的周围位置处的多条像素数据xi作为预测抽头数据。此外，在步骤ST29，基于图像信号Vb’获得图像信号Vb’中的主题像素位置处的像素数据y作为老师抽头数据。

然后，在步骤ST30，利用在步骤ST27所产生的类代码CL、在步骤ST28所获得的多条像素数据xi、和在步骤ST29所获得的像素数据y，来执行求和(参见方程(8)和(9))以为类和输出像素的每一组合生成方程(10)中表达的标准方程。

在步骤ST30之后，该过程进行到步骤ST31。当在步骤ST25中确定该主题像素位置不是特征位置时，该过程立即进行到步骤ST31。由此，在步骤ST30中，利用作为老师信号的图像信号Vb’中的仅包括特征位置处的像素数据的学习数据来产生标准方程，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。

在步骤ST31，确定是否已完成了对于在步骤ST21输入的一帧或一场图像信号Vb’的像素数据的整个区域的学习。当已完成学习时，该过程返回到步骤ST21，输入下一帧或下一场的图像信号Vb’，并重复上述过程。另一方面，当还没有完成学习时，过程返回到步骤ST24，进入下一主题像素位置的处理。

当在步骤ST22确定已完成该处理时，在步骤ST32，对在步骤ST30通过求和产生的标准方程进行求解，以对于类和输出像素的每一组合获得系数数据Wi。然后，在步骤ST33，系数数据Wi被存储在系数存储器中。然后，在步骤ST34退出该过程。

如上所述，通过执行根据图11所示流程图的处理，可通过与图5所示系数数据产生设备150中使用的方法类似的方法来产生系数数据Wi。

接下来，将描述本发明的第二实施例。图12示出了根据第二实施例的图像信号处理设备200的构造。该图像信号处理设备200也将称作525i信号的SD图像信号Va转换为称作1050i信号的HD图像信号Vb。该图像信号Va构成第一信息信号，而该图像信号Vb构成第二信息信号。在图12中，对应于图1中部件的部件用相同的标号表示，并将适当地省略对其的描述。

图像信号处理设备200包括输入终端101、预测抽头选择电路102、和类抽头选择电路103。该输入终端101用于输入图像信号Va。该预测抽头选择电路102和类抽头选择电路103基于输入到输入终端101的图像信号Va，选择性地分别提取图像信号Vb中的主题像素位置的周围位置处的多条像素数据作为预测抽头数据和类抽头数据。输入终端101、预测抽头选择电路102、和类抽头选择电路103对应于图1所示图像信号处理设备100中的那些。

图像信号处理设备200还包括类检测电路104。该类检测电路104将由类抽头选择电路103选择性提取的多条像素数据作为类抽头数据处理，产生代表图像信号Vb中的主题像素位置处的像素数据所属的类的类代码CL。该类检测电路104对应于图1所示图像信号处理设备100中的类检测电路。

图像信号处理设备200还包括系数数据产生电路109和作为存储部件的ROM 110。该ROM 110存储每一类的系数种子数据。系数种子数据是用于根据方程(3)中表达的估计方程式来产生系数数据Wi(i＝1到n)的产生方程式的系数数据，该产生方程式包括参数r和z。方程(11)是该产生方程式的例子，其中wi0到wi9表示系数种子数据。参数r定义解，而参数z定义去除噪声效应的程度。系数种子数据wi0到wi9是用于将图像信号Va(525i信号)转换为图像信号Vb(1050i信号)的信息：

W_i＝w_i0+w_i1r+w_i2z+w_i3r²+w_i4rz+w_i5z²+w_i6r³+w_i7r²z+w_i8rz²+w_i9z³。    (11)

如前参考图2所述，当将525i信号转换为1050i信号时，在每一个奇数场或偶数场中，对于525i信号的一个像素获得1050i信号的四个像素。构成每一奇数场或偶数场中的1050i信号的2×2单元像素块UB中的四个像素具有相对于中心预测抽头不同的相移(参考图4A或4B)。由此，每一类的系数种子数据wi0到wi9包括与8个输出像素(HD1到HD4和HD1’到HD4’)关联的系数数据。由此，ROM 110为类和输出像素的每一组合存储系数种子数据wi0到wi9。

通过基于对应于图像信号Vb的作为老师信号的图像信号Vb’和对应于图像信号Va的作为学生信号的图像信号Va’执行学习，可预先产生系数种子数据wi0到wi9。利用仅包括在图像信号Vb’的特征位置处的像素数据的学习数据产生系数种子数据wi0到wi9，该特征位置处的像素数据具有对图像质量产生高度贡献的预定特征。由此，可以精确再现图像信号Vb中的特征位置处的像素数据，该特征位置处的像素数据具有对图像质量产生高度贡献的预定特征。这用来改善由图像信号Vb组成的图像的图像质量。稍后将详细描述产生系数种子数据wi0到wi9的方法。

该系数数据产生电路109对于每一个奇数场或偶数场，从ROM 110中获得与由类检测电路104所获得的类代码CL代表的类的四个输出像素(图4A中的HD1到HD4或图4B中的HD1’到HD4’)对应的四个像素的系数种子数据wi0到wi9，并利用由用户调整的参数r和z的值，根据方程(11)中表达的产生方程式来产生四个像素的系数数据Wi。

图像信号处理设备200还包括估计计算电路106。该估计计算电路106计算图像信号Vb中位于主题像素位置处的每一单元像素块UB的像素数据。更具体地，该估计计算电路106利用由预测抽头选择电路102提取的与单元像素块UB中的四个像素(主题像素)关联的预测抽头数据xi、以及由系数数据产生电路109产生的与单元像素块UB中的四个像素对应的四个像素的系数数据Wi，而根据方程(3)中表达的估计方程逐个计算单元像素块UB中的四个像素的像素数据y1到y4。该估计计算电路106对应于图1所示图像信号处理设备100中的估计计算电路。

图像信号处理设备200还包括后处理电路107和输出终端108。该后处理电路107将从该估计计算电路106顺序输出的单元像素块UB的四个像素的像素数据y1到y4转换为以线为顺序的数据，并以1050i信号的格式输出像素数据y1到y4。该输出终端108用于输出从后处理电路107输出的图像信号Vb(1050i信号)。该后处理电路107和输出终端108对应于图1所示图像信号处理设备100中的那些部件。

接下来，将描述图12所示图像信号处理设备200的操作。

当将SD图像信号Va输入到输入终端101时，基于图像信号Va，通过分类和改编处理来产生构成图像信号Vb的多条像素数据。

更具体地，该类抽头选择电路103基于图像信号Va选择性地提取图像信号Vb中位于主题像素位置的周围位置的多条像素数据以作为类抽头数据。所述多条像素数据被提供到类检测电路104。该类检测电路104例如通过执行ADRC而为作为类抽头数据的多条像素数据的每一条ki获得再量化代码qi，并利用该再量化代码qi产生类代码CL(参考方程式(1)和(2))。该类代码CL被提供到系数数据产生电路109。

该系数数据产生电路109对于每一个奇数场或偶数场，从ROM 110中获得与类代码CL代表的类的四个输出像素(图4A中的HD1到HD4或图4B中的HD1，到HD4’)对应的四个像素的系数种子数据wi0到wi9。该系数数据产生电路109还接收由用户调整的参数r和z的值。该系数数据产生电路109利用四个像素的系数种子数据wi0到wi9以及参数r和z的值，根据方程(11)中表达的产生方程式，而为每一场产生四个输出像素的系数数据Wi。该系数数据Wi被提供到估计计算电路106。

此外，该预测抽头选择电路102基于图像信号Va，选择性地提取图像信号Vb中位于主题像素位置的周围位置的多条像素数据作为预测抽头数据。所述多条像素数据xi被提供到估计计算电路106。

估计计算电路106利用该预测抽头选择电路102作为预测抽头数据提取的多条像素数据xi、以及由系数数据产生电路109产生的四个像素的系数数据Wi，根据方程式(3)中表达的估计方程式，单独计算图像信号Vb中的主题像素位置处的单元像素块UB的四个像素(主题像素)的像素数据y1到y4。

从估计计算电路106依次输出的、构成图像信号Vb的每一单元像素块的四个像素的像素数据y1到y4被提供到后处理电路107。该后处理电路107将该估计计算电路106依次提供的、单元像素块的四个像素的像素数据y1到y4转换为以线为顺序的数据，并以1050i信号的格式输出像素数据y1到y4。也就是说，该后处理电路107产生图像信号Vb(1050i信号)，并且图像信号Vb被输出到输出终端108。

如上所述，利用作为对应于图像信号Vb的老师信号的图像信号Vb’中的仅包括特征位置处的像素数据的学习数据产生在ROM 110中存储的系数种子数据wi0到wi9(i＝1到n)，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。由此，利用图12所示的图像信号处理设备200，可以精确再现图像信号Vb中的特征位置处的像素数据，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。这用来改善由图像信号Vb组成的图像的图像质量。

接下来，将描述用于产生在该图像信号处理设备200的ROM 110中存储的系数种子数据的方法。通过执行学习而产生该系数种子数据。在下述例子中，获得在方程(11)表达的产生方程式中使用的系数种子数据wi0到wi9(i＝1到n)。

为了以下的描述，在方程(12)中定义了tj(j＝0到9)：

t0＝1，t1＝r，t2＝z，t3＝r2，t4＝rz，t5＝z2，t6＝r3，t7＝r2z，t8＝rz2，t9＝z3。    (12)

利用方程(12)，方程(11)可重写为方程(13)：

$W_i=\underset{j=0}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{ij}}{t}_j.---\left(13\right)$

结果，通过执行学习而获得未定义系数wii。更具体地，对于类和输出像素的每一组合，利用多条学习数据，即通过所谓最小二乘法来确定使平方误差最小的系数。假定学习数据的条数表示为m、第k(1≤k≤m)条学习数据的误差为ek、而平方误差和为E，则能利用方程(3)和(11)由方程(14)来表达E。 xik表示SD信号的第i预测抽头位置处的第k条像素数据，而yk表示HD信号的对应第k条像素数据：

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

$=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{[y_k-(W_1{x}_{1k}+W_2{x}_{2k}+\·\·\·+W_n{x}_{\mathrm{nk}})]}^2$

$=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\{y_k-[(t_0{w}_{10}+t_1{w}_{11}+\·\·\·+t_9{w}_{19})x_{1k}+\·\·\·.---\left(14\right)$

$\·\·\·+(t_0{w}_{n0}+t_1{w}_{n1}+\·\·\·+t_9{w}_{n9})x_{\mathrm{nk}}]{\}}^2$

$=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\{y_k-[(w_{10}+w_{11}r+\·\·\·+w_{19}{z}^3)x_{1k}+\·\·\·$

$\·\·\·+(w_{n0}+w_{n1}r+\·\·\·+w_{n9}{z}^3)x_{\mathrm{nk}}]{\}}^2$

根据最小二乘法，获得使方程(14)相对于wij的偏微分变为0的wij。这可由方程(15)来表达：

$\frac{\∂E}{\∂w_{\mathrm{ij}}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}2\left(\frac{{\∂e}_k}{{\∂w}_{\mathrm{ij}}}\right)e_k=-\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{2t}_j{x}_{\mathrm{ik}}{e}_k=0.---\left(15\right)$

假设方程(16)和(17)中定义了Xipiq和Yip，则方程(15)可重写为利用矩阵的方程(18)：

$X_{\mathrm{ipjq}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}{t}_p{x}_{\mathrm{jk}}{t}_q---\left(16\right)$

$Y_{\mathrm{ip}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}{t}_p{y}_k---\left(17\right)$

方程(18)是用于计算系数种子数据wi0到wi9的标准方程。可通过例如扫出方法(高斯-约旦抵消)的一般求解方法解该标准方程，来计算系数种子数据wi0到wi9。

图13示出了上述产生系数种子数据的方法的方案。从作为老师信号的HD信号中，产生作为学生信号的多个SD信号。通过改变当从HD信号产生SD信号时使用的抽选过滤器的频率特性，可产生不同分辨率的SD信号。

通过使用具有不同分辨率的SD信号，可以产生具有不同递增分辨率效果的系数种子数据。例如，当存在利用其获得具有较多污点的图像的SD信号和利用其获得具有较少污点的图像的SD信号时，可通过基于利用其获得具有较多污点的图像的SD信号执行学习，而获得具有较强递增分辨率效果的系数种子数据，并且可通过基于利用其获得具有较少污点的图像的SD信号来执行学习，从而获得具有较弱递增分辨率效果的系数种子数据。

此外，通过将噪声添加到具有不同分辨率的SD信号，产生其上叠加了噪声的SD信号。通过改变所添加的噪声量，可产生具有不同噪声量的SD信号，使得能产生具有不同噪声去除效果的系数种子数据。例如，当存在添加了大量噪声的SD信号和添加了少量噪声的SD信号时，可通过基于添加了大量噪声的SD信号执行学习，产生具有较强噪声去除效果的系数种子数据，并可通过基于添加了少量噪声的SD信号执行学习，产生具有较弱噪声去除效果的系数种子数据。

当噪声n被添加到SD信号的像素值x以产生添加了噪声的SD信号的像素值x’时，可例如通过改变方程(19)所表达的G来调整添加的噪声量：

x’＝x+G·n。                                    (19)

例如，用于改变频率特性的参数r的值从0到1.0以0.1的步长分11级改变，而用于改变添加的噪声量的参数z的值从0到1.0以0.1的步长分11级改变，一共产生121个SD信号。通过在上述产生的SD信号和HD信号之间执行学习，产生系数种子数据。参数r和z对应于提供到图12所示的系数数据产生电路109的参数r和z。

接下来，将描述用于产生系数种子数据wi0到wi9(i＝1到n)的系数种子数据产生设备250。图14示出了系数种子数据产生设备250的构成。在图14中，与图5中的部分对应的部分用相同的标号表示，并适当地省略了其描述。

系数种子数据产生设备250包括输入终端151和SD-信号产生电路152A。该输入终端151用于输入图像信号Vb’作为对应于该图像信号Vb的老师信号。该SD-信号产生电路152A通过水平和垂直地取图像信号Vb’的十分之一来产生图像信号Va’作为对应于该图像信号Va的学生信号。该SD-信号产生电路152A接收参数r和z。从图像信号Vb’产生图像信号Va时所使用的抽选过滤器的频率特性根据参数r的值而改变。此外，添加到SD信号的噪声量根据参数z的值而改变。

该系数种子数据产生设备250还包括预测抽头选择电路153和类抽头选择电路154。该预测抽头选择电路153和类抽头选择电路154基于由SD-信号产生电路152A产生的图像信号Va’，而选择性地提取图像信号Vb’中位于主题像素位置的周围位置的多条像素数据分别作为预测抽头数据和类抽头数据。该预测抽头选择电路153和类抽头选择电路154分别对应于图像信号处理设备200中的预测抽头选择电路102和类抽头选择电路103。

系数种子数据产生设备250还包括类检测电路155。该类检测电路155将由类抽头选择电路154选择性提取的多条像素数据作为类抽头数据处理，产生代表图像信号Vb’中位于主题像素位置的像素数据所属的类的类代码CL。该类检测电路155对应于图像信号处理设备200的类检测电路104。

系数种子数据产生设备250还包括老师抽头选择电路156。该老师抽头选择电路156基于该图像信号Vb’，而选择性地提取图像信号Vb’中的主题像素位置处的像素数据。

系数种子数据产生设备250还包括特征抽头选择电路157和特征像素确定单元158。该特征抽头选择电路157基于输入到输入终端151的图像信号Vb’，而选择性地提取图像信号Vb’中的主题像素位置处的像素数据d0和位于周围位置的多条像素数据d1到d8(参考图6)作为特征抽头数据。该特征像素确定单元158基于由特征抽头选择电路157选择性提取的多条像素数据d0到d8，而确定图像信号Vb’中的主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置，输出表示结果的确定信号JR。

特征抽头选择电路157和特征像素确定单元158对应于图5所示系数数据产生设备150中的那些部件。该特征像素确定单元158例如如图7或图8所示构造。此外，可在特征抽头选择电路157的前一级提供低频带阻滤波器181(参考图5)，使得经由低频带阻滤波器181而提供由特征抽头选择电路157选择性提取的像素数据d0到d8。

系数种子数据产生设备250还包括标准方程产生电路185。该标准方程产生电路185基于由老师抽头选择电路156选择性提取的图像信号Vb’中每一主题像素位置处的像素数据V、作为与主题像素位置处的像素数据y关联的预测抽头数据而由预测抽头选择电路153选择性提取的多条像素数据xi、由类检测电路155为主题像素位置处的像素数据y而产生的类代码CL、和参数r和z的值，产生用于获得每一类的系数种子数据wi0到wi9的标准方程(参考方程(18))。这里的图像信号Vb’中的主题像素位置是由特征像素确定单元158确定为特征位置的像素位置。

基于单条像素数据y以及与其关联的多条像素数据xi的组合，而产生单条学习数据。在作为老师信号的图像信号Vb’和作为对应学生信号的图像信号Va’之间产生每一类的多条学习数据。由此，标准方程产生电路1 85利用仅包括图像信号Vb’中的特征位置处的像素数据y的学习数据产生用于获得每一类的系数种子数据wi0到wi9的标准方程，该特征位置处的像素数据y具有对图像质量产生高度贡献的预定特征。

标准方程产生电路185为输出像素(图4A中的HD1到HD4或图4B中的HD1’到HD4’)的每一个产生标准方程。也就是说，利用包括与HD1到HD4或HD1’到HD4’相对于中心预测抽头SD0或SD0’具有相同偏移的像素数据的学习数据，而产生与HD1到HD4或HD1’到HD4’关联的标准方程。由此，该标准方程产生电路185产生用于为类和输出像素的每一组合而获得系数种子数据wi0到wi9的标准方程。

系数种子数据产生设备250还包括系数种子数据确定电路186和系数种子存储器187。该系数种子数据确定电路186从标准方程产生电路185接收标准方程的数据，并通过例如扫出方法来解该标准方程，以获得类和输出像素的每一组合的系数种子数据wi0到wi9。该系数种子存储器187存储由该系数种子数据确定电路186获得的系数种子数据wi0到wi9。

接下来，将描述图14所示系数种子数据产生设备250的操作。

作为老师信号的图像信号Vb’被输入到输入终端151。SD-信号产生电路152A水平地和垂直地取图像信号Vb’的十分之一，以产生图像信号Va’作为学生信号。该SD-信号产生电路152A接收参数r和z作为控制信号，并依次产生其中频率特性和添加的噪声量以步进方式改变的多个图像信号Va’。

类抽头选择电路154基于该图像信号Va’，选择性地提取图像信号Vb’中的位于主题像素位置的周围位置的多条像素数据作为类抽头数据。所述多条像素数据被提供到类检测电路155。该类检测电路155例如通过ADRC而压缩多条像素数据的每一条，并产生代表图像信号Vb’中位于主题像素位置的像素数据所属的类的类代码CL(参见方程(1)和(2))。类代码CL被提供给标准方程产生电路185。

预测抽头选择电路153基于该图像信号Va’，而选择性地提取图像信号Vb’中的位于主题像素位置的周围位置的多条像素数据xi作为预测抽头数据。所述多条像素数据xi被提供到标准方程产生电路185。老师抽头选择电路156基于该图像信号Vb’，而选择性地提取图像信号Vb’中的主题像素位置处的像素数据y。该像素数据y被提供给标准方程产生电路185。

特征抽头选择电路157基于该图像信号Vb’，而选择性地提取图像信号Vb’中的主题像素位置处的像素数据d0和位于周围位置的多条像素数据d1到d8作为特征抽头数据。像素数据d0到d8被提供到特征像素确定单元158。该特征像素确定单元158基于多条像素数据d0到d8而确定图像信号Vb’中的主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置，产生表明结果的确定信号JR。该确定信号JR被提供到标准方程产生电路185。

标准方程产生电路185对于特征像素确定单元158确定为特征位置的图像信号Vb’中的每一主题像素位置，基于主题像素位置处的像素数据y、作为与主题像素位置处的像素数据y关联的预测抽头数据的多条像素数据xi、代表主题像素位置处的像素数据y所属的类的类代码CL、以及提供到SD-信号产生电路152A的参数r和z的值，而产生用于获得类和输出像素的每一组合的系数种子数据wi0到wi9的标准方程(参考方程(18))。

系数种子数据确定电路186从标准方程产生电路185接收标准方程的数据，并通过例如扫出方法来解该标准方程，以获得类和输出像素的每一组合的系数种子数据wi0到wi9。该系数种子数据wi0到wi9被存储在系数种子存储器187中。

如上所述，在图14所示的系数种子数据产生设备250中，能产生要存储在图像信号处理设备200的ROM 110中的类和输出像素的每一组合的系数种子数据wi0到wi9。

如上所述，利用作为老师信号的图像信号Vb’中的仅包括特征位置处的像素数据的学习数据而产生系数种子数据wi0到wi9，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。由此，通过在图12所示的图像信号处理设备200的ROM 110中存储系数种子数据wi0到wi9，允许该图像信号处理设备200精确再现具有对图像质量作出高度贡献的预定特征的特征位置处的像素数据。这用来改善由图像信号Vb组成的图像的图像质量。

图12所示图像信号处理设备200所执行的处理可由图9所示图像信号处理设备500通过软件实现。将参考图15所示流程图来描述该处理过程。

该过程在步骤ST40开始。在步骤ST41，例如，一帧或一场的图像信号Va从输入终端515输入到该设备。该输入图像信号Va暂时存储在RAM 503中。当图像信号Va被预先记录在设备中的HDD 505中时，从HDD 505中读取该图像信号Va并将其暂时存储在RAM 503中。

然后，在步骤ST42，确定是否已完成图像信号Va的所有帧或所有场的处理。当已完成该处理时，在步骤ST43，退出该过程。另一方面，如果还没有完成该处理，则该过程进行到步骤ST44。

在步骤ST44，获得由用户调整的并在RAM 503中存储的参数r和z的值。然后，在步骤ST45，基于图像信号Va，获得图像信号Vb中的位于主题像素位置的周围位置处的多条像素数据作为类抽头数据。然后，在步骤ST46，基于该类抽头数据，而产生代表图像信号Vb中的主题像素位置处的像素数据所属的类的类代码。

然后，在步骤ST47，利用与步骤ST46中产生的类代码CL所代表的类关联的系数种子数据wi0到wi9和在步骤ST44获得的参数r和z的值，根据方程(11)中表达的产生方程式而产生用于估计方程式的系数数据Wi。

然后，在步骤ST48，基于图像信号Va，获得图像信号Vb中的位于主题像素位置的周围位置的多条像素数据xi作为预测抽头数据。然后，在步骤ST49，利用在步骤ST47产生的系数数据Wi和在步骤ST48获得的多条像素数据xi，根据方程(3)表达的估计方程式而产生图像信号Vb中的主题像素位置处的像素数据y。

然后，在步骤ST50，确定是否已完成用于计算在步骤ST41输入的一帧或一场图像信号Va的像素数据的整个区域中的图像信号Vb的像素数据的处理。当已完成该处理时，过程返回到步骤ST41，进入用于输入下一帧或下一场的图像信号Va的处理。另一方面，如果还没有完成该处理，则过程返回到步骤ST45，进入下一主题像素位置的处理。

如上所述，通过执行根据图15所示流程图的处理，可以通过处理输入图像信号Va的像素数据而获得图像信号Vb的像素数据。图像信号Vb被输出到输出终端517，提供到显示器513以显示对应图像，或提供到并记录在HDD505上。

尽管没有示出处理设备，但是由图14所示系数种子数据产生设备250执行的处理也可用软件实现。

现在，将参考图16所示流程图而描述用于产生系数种子数据的处理的过程。

在步骤ST60，该过程开始。然后，在步骤ST61，选择用于指定图像质量图案的参数r和z的值。然后，在步骤ST62，确定是否已对参数r和z的值的所有组合完成了学习。当还没有完成对于所有组合的学习时，在步骤ST63，输入一帧或一场的图像信号Vb’作为老师信号。

然后，在步骤ST64，确定是否已完成图像信号Vb’的所有帧或所有场的处理。如果已完成该处理，则过程返回到步骤ST61，其中选择参数r和z的值，并重复上述过程。另一方面，如果还没有完成该处理，则在步骤ST65，将在步骤ST63输入的图像信号Vb’水平和垂直地取十分之一，以产生图像信号Va’作为学生信号。用于从图像信号Vb’产生图像信号Va的抽选过滤器的频率特性根据参数r的值而变化。此外，添加到图像信号Va’的噪声量根据参数z的值而变化。

然后，在步骤ST66，基于图像信号Vb’，获得图像信号Vb’中的主题像素位置处的像素数据d0和主题像素位置的周围位置处的像素数据d1到d8作为特征抽头数据。然后，在步骤ST67，基于在步骤ST66获得的像素数据d0到d8，而确定该主题像素位置是否是具有对图像质量作出高度贡献的预定特征的特征位置。例如，当主题像素位置处的像素数据d0大于周围位置处的像素数据d1到d8中的最大值MAX或小于其中的最小值MIN时，该主题像素位置被确定为特征位置。

当主题像素位置被确定为特征位置时，该过程进行到步骤ST68。在步骤ST68，基于图像信号Va’，而获得图像信号Vb’中的位于主题像素位置的周围位置处的多条像素数据作为类抽头数据。然后，在步骤ST69，基于该类抽头数据，而产生代表图像信号Vb’中的主题像素位置处的像素数据所属的类的类代码CL。

然后，在步骤ST70，基于图像信号Va’，获得图像信号Vb’中的位于主题像素位置的周围位置处的多条像素数据xi作为预测抽头数据。然后，在步骤ST71，基于图像信号Vb’，而获得图像信号Vb’中的主题像素位置处的像素数据y作为老师抽头数据。

然后，在步骤ST72，利用在步骤ST69所产生的类代码CL、在步骤ST70所获得的多条像素数据xi、在步骤ST71所获得的像素数据y、以及在步骤ST61所选择的参数r和z的值，而为类和输出像素的每一组合执行用于生成方程(18)中表达的标准方程的求和(参见方程(16)和(17))。

在步骤ST72之后，该过程进行到步骤ST73。当在步骤ST67中确定该主题像素位置不是特征位置时，该过程立即进行到步骤ST73。由此，在步骤ST72中，利用作为老师信号的图像信号Vb’中的仅包括特征位置处的像素数据的学习数据而产生标准方程，该特征位置处的像素数据具有对图像质量作出高度贡献的预定特征。

在步骤ST73，确定是否已完成了对于在步骤ST63输入的一帧或一场图像信号Vb’的像素数据的整个区域的学习。当已完成学习时，该过程返回到步骤ST63，其中输入下一帧或下一场的图像信号Vb’，并重复上述过程。另一方面，当还没有完成学习时，过程返回到步骤ST66，进入下一主题像素位置的处理。

当在步骤ST62确定已完成对于参数r和z的值的所有组合的学习时，在步骤ST74，对在步骤ST72通过求和而产生的标准方程进行求解，以对类和输出像素的每一组合而获得系数种子数据wi0到wi9。然后，在步骤ST75，系数种子数据wi0到wi9被存储在系数存储器中。然后，在步骤ST76退出该过程。

如上所述，通过执行根据图16所示流程图的处理，可通过与图14所示系数种子数据产生设备250中使用的方法相同的方法产生系数种子数据wi0到wi9。

尽管已在信息信号是图像信号的例子的上下文中描述了该实施例，但是本发明不限于此。例如，这些实施例可等同应用到信息信号是音频信号的情况。

根据本发明的实施例，当通过执行基于对应于第一信息信号的学生信号和对应于第二信息信号的老师信号的学习，而获得用于将第一信息信号转换为第二信息信号的估计方程式的系数数据或用于产生该系数数据的系数种子数据时，使用老师信号中的仅包括在具有预定特征的特征位置处的信息数据的学习数据。由此，可获得允许精确再现在具有预定特征的特征位置处的信息数据的系数数据或系数种子数据。因此，能改善由第二信息信号组成的输出的质量。

本领域普通技术人员应明白根据本发明范围内的设计需求和其他因素，可发生各种修改、合并、子合并和替换。

Claims (26)

1.一种系数数据产生设备，用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该系数数据产生设备包括：

确定部件，用于确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

数据选择部件，用于基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

计算部件，用于利用第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、和由数据选择部件结合该主题点而选择的多条信息数据，而计算系数数据。

2.根据权利要求1所述的系数数据产生设备，还包括类检测部件，用于基于第一学习信号，而检测第二学习信号中主题点处的信息数据所属的类，

其中，该计算部件利用由类检测部件结合主题点而检测的类连同第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、和由数据选择部件结合主题点而选择的多条信息数据，来计算每一类的系数数据。

3.根据权利要求1所述的系数数据产生设备，其中该计算部件包括：

标准方程产生器，用于利用第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、和由数据选择部件结合主题点而选择的多条信息数据，来产生用于获得系数数据的标准方程；和

系数数据计算器，用于通过解由该标准方程产生器产生的标准方程，来计算该系数数据。

4.根据权利要求1所述的系数数据产生设备，其中，所述确定部件利用基于第二学习信号选择的第二学习信号中主题点处的信息数据和该主题点的相邻点处的多条信息数据，来确定该主题点是否是特征点。

5.根据权利要求4所述的系数数据产生设备，其中，当主题点处的信息数据大于相邻点处的多条信息数据中的最大值或小于相邻点处的多条信息数据中的最小值时，所述确定部件确定该主题点是特征点。

6.根据权利要求4所述的系数数据产生设备，其中，当主题点处的信息数据与相邻点处的多条信息数据的中值一致或与主题点处的信息数据和相邻点处的多条信息数据的中值一致时，所述确定部件确定该主题点是特征点。

7.根据权利要求4所述的系数数据产生设备，其中，经由低频带阻滤波器来获得主题点处的信息数据和相邻点处的信息数据。

8.一种系数数据产生方法，用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该系数数据产生方法包括以下步骤：

确定对应于第二信息信号的第二学习信号的主题点是否是具有预定特征的特征点；

基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

利用第二学习信号中主题点处的信息数据、在确定步骤中被确定为特征点的主题点、和在选择步骤中结合主题点而选择的多条信息数据，来计算系数数据。

9.一种其上记录有允许计算机执行系数数据产生方法的程序的计算机可读介质，该系数数据产生方法用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该程序包括以下步骤：

确定对应于第二信息信号的第二学习信号的主题点是否是具有预定特征的特征点；

基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

利用第二学习信号中主题点处的信息数据、在确定步骤中被确定为特征点的主题点、和在选择步骤中结合主题点而选择的多条信息数据，来计算系数数据。

10.一种允许计算机执行系数数据产生方法的程序，该系数数据产生方法用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该程序包括以下步骤：

确定对应于第二信息信号的第二学习信号的主题点是否是具有预定特征的特征点；

基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

利用第二学习信号中主题点处的信息数据、在确定步骤中被确定为特征点的主题点、和在选择步骤中结合主题点而选择的多条信息数据，来计算系数数据。

11.一种信息信号处理设备，用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号，该信息信号处理设备包括：

数据选择部件，用于基于第一信息信号，而选择第二信息信号中主题点的相邻点处的多条信息数据；

存储部件，用于存储估计方程式的系数数据；和

计算部件，用于利用由数据选择部件所选择的多条信息数据和存储在存储部件中的系数数据，根据估计方程式计算第二信息信号中主题点处的信息数据；

其中，利用对应于第二信息信号的第二学习信号中的具有预定特征的特征点处的信息数据，并利用第二学习信号中特征点的相邻点处的多条信息数据来获得系数数据，所述多条信息数据是基于对应于第一信息信号的第一学习信号而选择的。

12.一种系数种子数据产生设备，用于产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该系数种子数据产生设备包括：

参数输入部件，用于接收用于确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值的输入，该参数对应于产生方程式中所包括的参数；

确定部件，用于确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

数据选择部件，用于基于第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

计算部件，用于利用第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、由数据选择部件结合主题点而选择的多条信息数据、以及输入到输入部件的参数的值，来计算系数种子数据。

13.根据权利要求12所述的系数种子数据产生设备，还包括类检测部件，用于基于第一学习信号检测第二学习信号中主题点处的信息数据所属的类，

其中，该计算部件利用类检测部件结合主题点而检测的类连同第二学习信号中主题点处的信息数据、由确定部件确定为特征点的主题点、由数据选择部件结合主题点而选择的多条信息数据、以及输入到输入部件的参数的值，来计算每一类的系数种子数据。

14.根据权利要求12所述的系数种子数据产生设备，其中，所述计算部件包括：

标准方程产生器，用于利用第二学习信号中主题点处的信息数据、由所述确定部件确定为特征点的主题点、由所述数据选择部件结合主题点而选择的多条信息数据、以及输入到所述输入部件的参数的值，来产生用于获得系数种子数据的标准方程；和

系数种子数据计算器，用于通过解由该标准方程产生器产生的标准方程，来计算系数种子数据。

15.根据权利要求12所述的系数种子数据产生设备，其中，所述确定部件利用基于第二学习信号选择的第二学习信号中主题点处的信息数据和相邻点处的多条信息数据，而确定该主题点是否是特征点。

16.根据权利要求15所述的系数种子数据产生设备，其中，当所述主题点处的信息数据大于相邻点处的多条信息数据中的最大值或小于相邻点处的多条信息数据中的最小值时，所述确定部件确定该主题点是特征点。

17.根据权利要求15所述的系数种子数据产生设备，其中，当所述主题点处的信息数据与相邻点处的多条信息数据的中值一致或与主题点处的信息数据和相邻点处的多条信息数据的中值一致时，所述确定部件确定该主题点是特征点。

18.根据权利要求15所述的系数种子数据产生设备，其中，经由低频带阻滤波器获得主题点处的信息数据和相邻点处的多条信息数据。

19.一种系数种子数据产生方法，用于产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该系数种子数据产生方法包括以下步骤：

获得确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值，该参数对应于产生方程式中所包括的参数；

确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

基于第一学习信号，选择第二学习信号中主题点的相邻点处的多条信息数据；和

利用第二学习信号中主题点处的信息数据、在确定步骤中被确定为特征点的主题点、在选择步骤中结合主题点而选择的多条信息数据、以及在获得步骤中获得的参数的值，来计算系数种子数据。

20.一种其上记录有允许计算机执行系数种子数据产生方法的程序的计算机可读介质，该系数种子数据产生方法用于产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该程序包括以下步骤：

获得确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值，该参数对应于产生方程式中所包括的参数；

确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

基于第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

利用第二学习信号中主题点处的信息数据、在确定步骤中确定为特征点的主题点、在选择步骤中结合主题点而选择的多条信息数据、以及在获得步骤中获得的参数的值，来计算系数种子数据。

21.一种允许计算机执行系数种子数据产生方法的程序，该系数种子数据产生方法用于产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该程序包括以下步骤：

获得确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值，该参数对应于产生方程式中所包括的参数；

确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

基于第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

利用第二学习信号中主题点处的信息数据、在确定步骤中确定为特征点的主题点、在选择步骤中结合主题点而选择的多条信息数据、以及在获得步骤中获得的参数的值，来计算系数种子数据。

22.一种设备，用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号，该设备包括：

数据选择部件，用于基于第一信息信号，而选择第二信息信号中主题点的相邻点处的多条信息数据；

参数输入部件，用于接收用于确定基于第二信息信号获得的输出的质量的参数值的输入；

存储部件，用于存储系数种子数据，该系数种子数据作为用于产生估计方程式的系数数据的产生方程式的系数数据，该产生方程式包括该参数；

系数数据产生部件，用于利用存储部件中存储的系数种子数据和输入到参数输入部件的参数的值，根据与输入到参数输入部件的参数的值一致的产生方程式而产生估计方程式的系数数据；和

计算部件，用于利用数据选择部件所选择的多条信息数据和系数数据产生部件所产生的系数数据，根据估计方程式而计算第二信息信号中主题点处的信息数据；

其中，利用对应于第二信息信号的第二学习信号中的具有预定特征的特征点处的信息数据、第二学习信号中主题点的相邻点处的多条信息数据、基于对应于第一信息信号的第一学习信号而选择的多条信息数据、和确定基于第一信息信号而获得的输出的质量的参数的值，来获得该系数种子数据。

23.一种系数数据产生设备，用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该系数数据产生设备包括：

确定单元，用于确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

数据选择器，用于基于对应于第一信息信号的第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

计算器，用于利用第二学习信号中主题点处的信息数据、由确定单元确定为特征点的主题点、和由数据选择器结合主题点而选择的多条信息数据，来计算系数数据。

24.一种信息信号处理设备，用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号，该信息信号处理设备包括：

数据选择器，用于基于第一信息信号，而选择第二信息信号中主题点的相邻点处的多条信息数据；

存储装置，用于存储估计方程式的系数数据；和

计算器，用于利用由数据选择器所选择的多条信息数据和存储装置中所存储的系数数据，根据估计方程式计算第二信息信号中主题点处的信息数据；

其中，利用对应于第二信息信号的第二学习信号中具有预定特征的特征点处的信息数据，并利用第二学习信号中特征点的相邻点处的多条信息数据来获得系数数据，所述多条信息数据是基于对应于第一信息信号的第一学习信号来选择的。

25.一种系数种子数据产生设备，用于产生产生方程式的系数种子数据，该产生方程式用于产生用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号的估计方程式的系数数据，该系数种子数据产生设备包括：

参数输入单元，用于接收用于确定基于对应于第一信息信号的第一学习信号而获得的输出的质量的参数值的输入，该参数对应于产生方程式中所包括的参数；

确定单元，用于确定对应于第二信息信号的第二学习信号中的主题点是否是具有预定特征的特征点；

数据选择器，用于基于第一学习信号，而选择第二学习信号中主题点的相邻点处的多条信息数据；和

计算器，用于利用第二学习信号中主题点处的信息数据、由确定单元确定为特征点的主题点、由数据选择器结合主题点而选择的多条信息数据、以及输入到输入单元的参数的值，来计算系数种子数据。

26.一种设备，用于将包括多条信息数据的第一信息信号转换为包括多条信息数据的第二信息信号，该设备包括：

数据选择器，用于基于第一信息信号，而选择第二信息信号中主题点的相邻点处的多条信息数据；

参数输入单元，用于接收用于确定基于第二信息信号而获得的输出的质量的参数值的输入；

存储装置，用于存储系数种子数据，该系数种子数据作为用于产生估计方程式的系数数据的产生方程式的系数数据，该产生方程式包括该参数；

系数数据产生器，用于利用存储装置中存储的系数种子数据和输入到参数输入单元的参数的值，根据与输入到参数输入单元的参数的值一致的产生方程式来产生估计方程式的系数数据；和

计算器，用于利用由数据选择器所选择的多条信息数据和系数数据产生器所产生的系数数据，根据估计方程式来计算第二信息信号中主题点处的信息数据；

其中，利用对应于第二信息信号的第二学习信号中的具有预定特征的特征点处的信息数据、第二学习信号中主题点的相邻点处的多条信息数据、基于对应于第一信息信号的第一学习信号而选择的多条信息数据、和用于确定基于第一信息信号获得的输出的质量的参数的值，来获得系数种子数据。

Images