DE60031559T2 - Verfahren und gerät zur lernfähigen klassenauswahl nach mehreren klassifikationen - Google Patents

Verfahren und gerät zur lernfähigen klassenauswahl nach mehreren klassifikationen Download PDF

Info

Publication number
DE60031559T2
DE60031559T2 DE60031559T DE60031559T DE60031559T2 DE 60031559 T2 DE60031559 T2 DE 60031559T2 DE 60031559 T DE60031559 T DE 60031559T DE 60031559 T DE60031559 T DE 60031559T DE 60031559 T2 DE60031559 T2 DE 60031559T2
Authority
DE
Germany
Prior art keywords
class
computer
program code
usable medium
code provided
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE60031559T
Other languages
English (en)
Other versions
DE60031559D1 (de
Inventor
Tetsujiro Atsugi-shi KONDO
Yasuhiro Cupertino FUJIMORI
Sugata Ghosal
J. James San Jose CARRIG
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Electronics Inc
Original Assignee
Sony Electronics Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Electronics Inc filed Critical Sony Electronics Inc
Application granted granted Critical
Publication of DE60031559D1 publication Critical patent/DE60031559D1/de
Publication of DE60031559T2 publication Critical patent/DE60031559T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/89—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder
    • H04N19/895—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder in combination with error concealment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/98—Adaptive-dynamic-range coding [ADRC]

Description

  • Diese Erfindung betrifft allgemein die Verarbeitung von Bild, Klang oder anderen korrelierten Signalen und insbesondere ein Verfahren, eine Vorrichtung und ein Produkt zum Wiederherstellen eines qualitätsverminderten Signals in ein nicht-qualitätsvermindertes Signal.
  • Um auf herkömmliche Weise ein Bild, dessen Bildqualität verschlechtert ist, wiederherzustellen, ist es notwendig, den Grund für die Verschlechterung zu analysieren, eine Verschlechterungs-Modell-Funktion zu bestimmen und ihre inverse Funktion auf das qualitätsverminderte Bild anzuwenden. Vielfältige Gründe für Verschlechterungen sind möglich, wie z. B. eine gleichförmige Bewegung einer Kamera (Bildgebungsvorrichtung, wie z. B. eine Videokamera) und ein Verschwimmen, das durch das optische System einer Kamera hervorgerufen wird. Daher können beim Wiederherstellen eines Bildes verschiedene Modellfunktionen für die entsprechenden Ursachen der Verschlechterungen verwendet werden. Wenn der Grund für eine Verschlechterung nicht gefunden wird, ist es schwierig, ein qualitätsvermindertes Bild wiederherzustellen, weil eine Modellfunktion nicht bestimmt werden kann.
  • Zusätzlich ist es häufig der Fall, dass sogar, wenn eine Modellfunktion für eine Verschlechterung erstellt wird, es keine inverse Funktion zum Wiederherstellen gibt, die der Modellfunktion entspricht. In einem solchen Fall ist es schwierig, eine Berechnung zum Bestimmen des optimalen Modells durchzuführen.
  • Fehlerwiederherstellung wurde herkömmlich durch die Bewertung einer Korrelation erreicht. Zum Beispiel sind einige Wiederherstellungsansätze mit Hilfe eines herkömmlichen Fehlerpixel-Wiederherstellungsverfahrens implementiert worden. 1A zeigt ein herkömmliches Fehlerwiederherstellungs-Blockdiagramm. Mit Hilfe von benachbarten Daten, die in 1B gezeigt sind, werden räumliche Inklinationen der Zieldaten detektiert. In diesem Beispiel werden die Inklinationen hinsichtlich vier Richtungen gemäß der Formel, die in 1C gezeigt ist, bewertet. Ein Interpolationsfilter wird gewählt, bei dem der Inklinationswert Ei dem kleinsten der vier Werte entspricht. Zusätzlich zu der räumlichen Inklination wird ebenfalls ein Bewegungsfaktor für die Fehlerwiederherstellung bewertet. Im Falle des Bewegungsbereichs wird ein ausgewählter räumlicher Filter für die Fehlerwiederherstellung verwendet. Andererseits werden die vorhergehenden Rahmendaten für dieselbe Position wie die Zieldaten für die Fehlerwiederherstellung verwendet. Diese Bewertung wird in der Bewertungseinheit der 1A durchgeführt.
  • Das herkömmliche Fehlerwiederherstellungsverfahren, das in den 1A bis 1C gezeigt ist, kann viele ernsthafte Verschlechterungen bei sich ändernden Daten hervorrufen, insbesondere an Objekträndern. Die tatsächliche Signalverteilung variiert typischerweise in einem großen Bereich, so dass diese Probleme wahrscheinlich auftreten. Daher gibt es einen Bedarf für eine Möglichkeit, um ein qualitätsvermindertes Signal zu einem nicht-qualitätsverminderten Signal wiederherzustellen, was die Degradationen bei sich ändernden Daten minimiert.
  • Das US-Patent Nr. US-A-5,479,211 offenbart eine Bildsignaldecodiervorrichtung, die ein Filtern anwendet, um eine Datenverzerrung, die durch eine inhärent verlustbehaftete Qualität der quantisierten Daten bewirkt wird, zu korrigieren (im Gegensatz zum Filtern für die Fehlerwiederherstellung von qualitätsverminderten Signalpunkten). Bis dahin werden die entsprechenden Blöcke der Daten durch Schaltungen überprüft, die die maximale Frequenz in der horizontalen und vertikalen Richtung bewerten und abhängig davon horizontale und vertikalen Filter anhand eines Bereichs, der einen Pixel enthält, durch das Auswählen der Filtergröße und Koeffizienten auszuwählen.
  • Das US-Patent Nr. US-A-5,790,195 offenbart ein Bildsignalcodiervorrichtung in der eine Vorfilterschaltung, die eine räumliche Filterung der zugeführten Daten durchführt, bevor diese an der Vorrichtung in geeigneter Weise zugeführt werden, wird anhand eines Vorfilterkoeffizienten, der durch Schaltungen, die die Aktivität und Bewegung in den zugeführten Daten detektieren, bestimmt wird, gesteuert.
  • Das US-Patent Nr. US-A-5,852,470 offenbart eine Vorrichtung zum Konvertieren eines ersten Videosignals (mit einer geringen Auflösung) in ein zweites Videosignal (mit einer hohen Auflösung) durch Interpolieren des ersten Videosignals. Die Vorrichtung umfasst einen zweidimensionalen Filter, bei dem ein räumlicher Aktivitätscode erzeugt wird, indem die Aktivität des ersten Videosignals bewertet wird, wobei eine einer Gruppe von Pixelmustern anhand des räumlichen Aktivitätscodes ausgewählt wird und das erste Videosignal mit Hilfe des ausgewählten Musters klassifiziert wird, um einen Klassencode zu erzeugen, und wobei das zweite Videosignal prädiktiv berechnet wird, indem einer von mehreren Prädiktions-Koeffizienten, die gemäß dem Klassencode ausgewählt werden, verwendet werden.
  • Die vorliegende Erfindung stellt ein Verfahren, ein Produkt und eine Vorrichtung gemäß den Ansprüchen 1, 16 bzw. 37 zur Verfügung, um ein qualitätsvermindertes Signal in ein nicht qualitätsverminderte wiederherzustellen.
  • Eine bevorzugte Form der Implementierung der Erfindung wird ausführlich nachfolgend mit Bezug auf die beigefüigten Zeichnungen beschrieben. Zusammenfassend wird angemerkt, dass die bevorzugte Implementation ein qualitätsvermindertes Signal verarbeitet, das aus mehreren qualitätsverminderten und nicht-qualitätsverminderten Datenpunkten besteht. Für jeden qualitätsverminderten Datenpunkt werden mehrere Klassen anhand der Eigenschaften des Bereichs, der die qualitätsverminderten Datenpunkte enthält, erzeugt. Der Datenpunkt wird mit Bezug auf die mehreren Klassen klassifiziert und entsprechend den Eingangssignalklassen zugeordnet. Das nicht-qualitätsverminderte Signal wird durch adaptives Filtern des zugeführten Signals gemäß dem Ergebnis der Klassifikation des Eingangssignals erzeugt. Mehr als ein Klassifikationsverfahren wird verwendet, um die mehreren Klassen zu erzeugen. Die erzeugten Klassen können eine Bewegungsklasse, eine Fehlerklasse, eine räumliche Klasse oder eine räumliche Aktivitätsklasse umfassen. Eine Abgriffstruktur für eine adaptive Klasse wird verwendet, um die mehreren Klassen zu erzeugen. Eine adaptive Filterabgriffstruktur kann optional anhand der entsprechenden mehreren Klassen verwendet werden. Eine Filterabgrifferweiterung kann optional verwendet werden, um die Anzahl von Filterkoeffizienten zu reduzieren. Das qualitätsverminderte Eingangssignal kann optional durch eine Vorverarbeitung von peripheren Fehlerdaten modifiziert werden. Eine räumliche Klasse kann optional gemäß der räumlichen Symmetrie modifiziert werden.
  • Die vorliegende Erfindung wird beispielhaft erläutert und kann besser mit Bezug auf die nachfolgende Beschreibung in Verbindung mit den beigefügten Zeichnungen verstanden werden, in denen gleiche Bezugszeichen ähnliche Elemente bezeichnen und in denen:
  • 1A–1C ein herkömmliches Fehlerwiederherstellungsverfahren, einen Filterabgriff und einen Zusammenhang zwischen einem Inklinationswert und einem Interpolationsfilter darstellt;
  • 2A–2D ein klassifiziertes adaptives Fehlerwiederherstellungsverfahren und Klasse darstellt, die mit einer Ausführungsform der vorliegenden Erfindung kompatibel sind;
  • 3 einen Bewegungsklassenabgriff zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 4 einen Fehlerklassenabgriff zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 5 einen adaptiven räumlichen Klassenabgriff zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 6 einen adaptiven räumlichen Klassenabgriff (Fehlerklasse 0) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 7 einen adaptiven räumlichen Klassenabgriff (Fehlerklasse 1) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 8 einen adaptiven räumlichen Klassenabgriff (Fehlerklasse 2) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 9 einen adaptiven räumlichen Klassenabgriff (Fehlerklasse 3) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 10 einen adaptiven Filterabgriff zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 11 einen adaptiven Filterabgriff für eine Bewegungsklasse zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 12 einen adaptiven Filterabgriff für eine Bewegungsklasse (Fehlerklasse 0) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 13 einen adaptiven Filterabgriff für eine Bewegungsklasse (Fehlerklasse 1) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 14 einen adaptiven Filterabgriff für eine Bewegungsklasse (Fehlerklasse 2) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 15 einen adaptiven Filterabgriff für eine Bewegungsklasse (Fehlerklasse 3) zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 16 einen Vorverarbeitungsalgorithmus zeigt, der zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 17 einen Vorverarbeitungsalgorithmus für einen Bewegungsabgriff und einen stationären Abgriff zeigt, die zu einer Ausführungsform der vorliegenden Erfindung kompatibel sind;
  • 18 ein Blockdiagramm eines Systems zeigt, das zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist;
  • 19 Inhalte für Koeffizientenspeicher darstellt, die zu einer Ausführungsform der vorliegenden Erfindung kompatibel sind;
  • 20 einen ADRC Klassenreduktion anhand einer 4 zu 1-Bit-Abgriff ADRC darstellt, die zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist; und
  • 21 ein Beispiel einer adaptiven Klassifikation für ein Audiosignal darstellt, die zu einer Ausführungsform der vorliegenden Erfindung kompatibel ist.
  • In der nachfolgenden Beschreibung einer Ausführungsform der vorliegenden Erfindung wird auf die beigefügten Zeichnungen Bezug genommen, die einen Teil der Beschreibung darstellen und in der eine bestimmte Ausführungsform darstellend gezeigt ist, durch die die Erfindung ausgeführt werden kann. Es ist selbstverständlich, dass andere Ausführungsformen verwendet werden können und strukturelle Änderungen vorgenommen werden können, ohne von dem Umfang der vorliegenden Erfindung abzuweichen.
  • Die vorliegende Erfindung stellt ein Verfahren, eine Vorrichtung und ein Produkt zum Wiederherstellen eines qualitätsverminderten Signals in ein nicht-qualitätsvermindertes Signal zur Verfügung, das eine klassifizierte adaptive Fehlerwiederherstellung verwendet. Zieldaten sind die bestimmten Daten des qualitätsverminderten Signals, dessen Wert bestimmt oder bewertet werden soll.
  • Die klassifizierte adaptive Fehlerwiederherstellung ist die Technologie, die für die Verarbeitung von klassifizierten adaptiven Filtern verwendet wird. Eine geeignete Klassifikation mit Bezug auf das qualitätsverminderte Eingangssignal wird gemäß den Eigenschaften des Eingangssignals durchgeführt. Ein adaptiver Filter wird für jede Klasse vor der Fehlerwiederherstellungsverarbeitung vorbereitet.
  • Mehr als ein Klassifikationsverfahren kann optional verwendet werden, um die mehreren Klassen zu erzeugen. Die erzeugten Klassen können eine Bewegungsklasse, eine Fehlerklasse, eine Räumliche-Aktivitäts-Klasse oder eine räumliche Klasse umfassen. Eine Abgriffstruktur für eine adaptive Klasse kann optional verwendet werden, um die mehreren Klassen zu erzeugen. Eine adaptive Filterabgriffstruktur kann optional gemäß der Klasse, die in jedem qualitätsverminderten Eingangssignal detektiert wird, verwendet werden. Die Abgriffstruktur für den adaptiven Filter kann optional anhand von Mehrfachabgriffen erweitert werden. Die Anzahl der Filterkoeffizienten, die gespeichert werden müssen, kann reduziert werden, indem die gleichen Koeffizienten mehreren Abgriffen zugeordnet werden. Dieses Verfahren wird als Filterabgrifferweiterung bezeichnet. Das qualitätsverminderte Eingangssignal kann optional modifiziert werden, indem periphere Fehlerdaten vorverarbeitet werden. Eine räumliche Klasse kann optional gemäß einer Eliminationsformel für eine räumliche Klasse eliminiert werden.
  • Die vorliegende Erfindung kann auf jede Form korrelierter Daten angewendet werden, einschließlich und ohne Einschränkung auf Fotografien und andere zweidimensionale statische Bilder, Hologramme oder andere dreidimensionale statische Bilder, Video oder andere zweidimensionale sich bewegende Bilder, sich dreidimensionale bewegende Bilder, einen monoaurale Klangdatenstrom oder einen Klang, der in einer Anzahl von räumlich aufeinander bezogene Datenströme aufgeteilt ist, wie z. B. Stereo. In dieser Beschreibung kann sich der Ausdruck „Wert" bei einer Ausführungsform auf eine Komponente in einer Gruppe von empfangenen oder erzeugten Daten beziehen. Weiterhin entspricht ein Datenpunkt einer Position, einem Ort, einem Moment, einer Anordnung oder einem Bereich innerhalb von Daten.
  • Zum Zwecke der Klarheit bezieht sich ein Teil der Beschreibung auf Videodaten, die einen Pixeldatenstrom umfassen. Jedoch sei angemerkt, dass die vorliegende Erfindung auch mit anderen Datentypen als Videodaten verwendet werden kann, und dass die hierin verwendeten Begriffe und Ausdrücke verwendet werden, um die vorliegende Erfindung so zu beschreiben, dass sie einen breiten Bereich von Anwendungen und Datentypen abdeckt. Zum Beispiel entspricht eine Abgriffstruktur für eine adaptive Klasse einer adaptiven Struktur für die Klassenabgriffdefinition, die bei einer Mehrfach-Klassifikation verwendet wird. Eine räumliche Klasse, eine Bewegungsklasse und eine Fehlerklasse können verwendet werden, um die Struktur zu definieren. Eine Abgriffstruktur für einen adaptiven Filter ist eine Abgriffstruktur für eine Filterabgriffdefinition, die auf einer entsprechenden Klasse basiert.
  • Eine Klasse kann anhand einer oder mehreren Eigenschaften der Zieldaten definiert werden. Zum Beispiel kann eine Klasse auch definiert werden anhand einer oder mehrerer Eigenschaften der Gruppe, die die Zieldaten enthält. Eine Klassen-ID ist ein bestimmter Wert innerhalb der Klasse, der verwendet wird, um die Zieldaten zu beschreiben und um die Zieldaten von anderen Daten mit Bezug auf eine bestimmte Eigenschaft zu unterscheiden. Eine Klassen-ID kann durch eine Zahl, ein Symbol oder einen Code innerhalb eines bestimmten Bereichs dargestellt werden. Ein Parameter kann als eine vorbestimmte oder variable Größe verwendet werden, der zur Bewertung, zum Schätzen oder zur Klassifizierung der Daten verwendet wird. Zum Beispiel kann die bestimmte Bewegungsklassen-ID von Zieldaten bestimmt werden, indem der Pegel der Bewegungsgröße in dem Block, der die Zieldaten enthält, gegen einen Parameter verglichen wird, der einer vorbestimmten Schwelle entsprechen kann.
  • Mehrfach-Klassifikation
  • Bei einer Ausführungsform kann eine Mehrfach-Klasse als eine Sammlung von bestimmten Werten oder Gruppen von Werten verwendet werden, die zum Beschreiben von mindestens zwei verschiedenen Eigenschaften der Zieldaten verwendet werden. Zum Beispiel kann eine Mehrfach-Klasse als eine Kombination von mindestens zwei verschiedenen Klassen verwendet werden. Zum Beispiel kann eine Mehrfach-Klasse als eine Kombination einer Fehlerklasse, einer Bewegungsklasse und einer räumlichen Klasse, wie z. B. eine ADRC-Klasse definiert werden.
  • Bei einer Ausführungsform kann die Mehrfach-Klassen-ID als die Speicheradresse verwendet werden, um die geeigneten Filterkoeffizienten und andere Informationen anzugeben, die verwendet werden, um den Wert der Zieldaten zu bestimmen oder zu schätzen. Bei einer Ausführungsform wird eine einfache Verkettung von verschiedenen Klassen-IDs in der Mehrfach-Klassen-ID als die Speicheradresse verwendet.
  • Daher entspricht ein Mehrfach-Klassifikationsschema einem Weg zum Klassifizieren der Zieldaten mit Bezug auf mehr als eine Eigenschaft der Zieldaten, um den Wert der Zieldaten genauer zu bestimmen oder zu schätzen.
  • Eine Fehlerklasse entspricht einer Sammlung von bestimmten Werten, die verwendet werden, um die verschiedenen Verteilungsmuster von Fehlerdaten in der Umgebung der Zieldaten zu beschreiben. Bei einer Ausführungsform ist eine Fehlerklasse definiert, um anzugeben, welche zu den Zieldaten benachbarten Daten fehlerhaft sind. Eine Fehlerklassen-ID ist ein bestimmter Wert innerhalb der Fehlerklasse, der verwendet wird, um ein bestimmtes Verteilungsmuster von Fehlerdaten in der Nachbarschaft von Zieldaten zu beschreiben. Zum Beispiel kann eine Fehlerklassen-ID von „0" definiert werden, um anzugeben, dass keine Fehlerdaten zur Linken und zur Rechten der Zieldaten vorliegen; eine Fehlerklassen-ID von „1" kann definiert werden, um anzugeben, dass die Daten zur Linken der Fehlerdaten fehlerhaft sind usw. Ein Filter ist ein mathematischer Prozess, eine Funktion oder eine Maske zum Auswählen einer Gruppe von Daten.
  • Eine Bewegungsklasse entspricht einer Sammlung von bestimmten Werten, die verwendet werden, um die Bewegungseigenschaften der Zieldaten zu beschreiben. Bei einer Ausführungsform ist die Bewegungsklasse anhand der verschiedenen Bewegungsniveaus des Blocks, der die Zieldaten enthält, definiert, z. B. keine Bewegung in dem Block, eine geringe Bewegung in dem Block oder eine große Bewegung in dem Block. Eine Bewegungsklassen-ID ist ein bestimmter Wert innerhalb der Bewegungsklasse, der verwendet wird, um ein bestimmtes Niveau der Bewegungsgröße der Zieldaten anzugeben. Zum Beispiel kann die Bewegungsklassen-ID von „0" definiert werden, um keine Bewegung anzugeben, eine Bewegungsklassen-ID von „3" kann definiert werden, um eine große Bewegung anzugeben.
  • Eine räumliche Klasse entspricht einer Sammlung von bestimmten Werten, die verwendet werden, um die räumlichen Eigenschaften der Zieldaten zu beschreiben. Zum Beispiel kann die räumliche Klassifikation der Daten mit Hilfe einer Adaptiven- Dynamikbereich-Codierung (Adaptiv Dynamic Range Coding) (ADRC), einer Differenziellen-Pulscode-Modulation (Differential Puls Code Modulation) (DPCM), einer Vektorquantisierung (VQ), einer Diskreten-Cosinus-Transformation (Discret Cosin Transform) (DCT) usw. bestimmt werden. Eine räumliche Klassen-ID ist ein bestimmter Wert innerhalb der räumlichen Klasse, der verwendet wird, um das räumliche Muster der Zieldaten in der Gruppe oder dem Block, der die Zieldaten enthält, zu beschreiben.
  • Zum Beispiel entspricht eine ADRC-Klasse einer räumlichen Klasse, die durch das Verfahren zur Adaptiven-Dynamikbereich-Codierung definiert ist. Eine ADRC-Klassen-ID ist ein bestimmter Wert innerhalb der ADRC-Klasse, der verwendet wird, um das räumliche Muster der Datenverteilung in der Gruppe oder dem Block, der die Zieldaten enthält, zu beschreiben. Eine Klasse entspricht einer Sammlung von bestimmten Werten, die verwendet werden, um bestimmte Eigenschaften der Zieldaten zu beschreiben. Eine Vielzahl von verschiedenen Typen von Klassen existieren, z. B. eine Bewegungsklasse, eine räumliche Klasse, eine Fehlerklasse und eine Räumliche-Aktivitäts-Klasse, usw.
  • Die vorliegende Erfindung stellt ein Verfahren und eine Vorrichtung zur adaptiven Verarbeitung zur Verfügung, die Daten entsprechend einer Gruppe von einer oder mehreren Datenklassen erzeugt. Dieses Verfahren ist als „Klassifikation" bekannt. Eine Klassifikation kann durch verschiedene Attribute einer Signalverteilung erreicht werden. Zum Beispiel kann das Adaptive-Dynamikbereich-Codieren (ADRC) verwendet werden, um jede Klasse als eine räumliche Klasse zu erzeugen, jedoch ist es einem Fachmann bekannt, dass andere Klassen, einschließlich der Bewegungsklasse, einer Fehlerklasse und einer Räumlichen-Aktivitäts-Klasse in der vorliegenden Erfindung verwendet werden können, ohne Allgemeingültigkeit zu verlieren.
  • Eine Räumliche-Aktivitäts-Klasse entspricht einer Zusammenstellung von bestimmten Werten, die verwendet werden, um die räumlichen Aktivitätseigenschaften der Zieldaten zu beschreiben. Zum Beispiel kann die Räumliche-Aktivitäts-Klassifizierung der Daten mit Hilfe des Dynamikbereichs, der Standardabweichung, des Laplace-Wertes oder des Räumlichen-Gradienten-Wertes bestimmt werden. Einige Klassifikationsverfahren bieten Vorteile, die wünschenswert sind, bevor die Wiederherstellung des qualitätsverminderten Signals durchgeführt wird. Zum Beispiel kann ADRC eine Klassifizierung durch Normalisierung jedes Signalverlaufs automatisch erreichen.
  • Für jede Klasse wird für die adaptive Verarbeitung ein geeigneter Filter für die Signalwiederherstellung vorbereitet. Bei einer Ausführungsform wird jeder Filter durch eine Matrix von Filterkoeffizienten, die auf die Daten angewendet werden, dargestellt. Die Filterkoeffizienten können durch einen Lernprozess erzeugt werden, für den nachfolgend ein Beispiel beschrieben wird, das als ein Vorbereitungsprozess vor dem Filtern auftritt. Bei einer Ausführungsform der vorliegenden Erfindung können die Filterkoeffizienten in einem Speicher mit wahlfreiem Zugriff (RAM), der in 2A mit 207 gezeigt ist, gespeichert werden.
  • Ein typischer Signalverarbeitungsfluss der vorliegenden Erfindung ist in 2A gezeigt. Zieleingangsdaten 201 können mit Fehlermarkierungsdaten 203 versehen sein. Fehlermarkierungsdaten können Positionen innerhalb der Daten angeben, die fehlerhafte Pixel enthalten. Bei einer Ausführungsform der vorliegenden Erfindung wird eine ADRC-Klasse für jede Eingangszieldaten in der Klassifikationseinheit 205 erzeugt, die Filterkoeffizienten, die jeder Klassen-ID entsprechen, werden von der Koeffizientenspeichereinheit 207 ausgegeben und ein Filtern wird mit den Eingangsdaten 201 und den Filterkoeffizienten in der Filtereinheit 209 ausgeführt. Die gefilterten Daten können einem Fehler korrigierten Ergebnis entsprechen. In der Auswahleinheit 211 tritt ein Schalten zwischen Fehler korrigierten Daten und fehlerfreien Daten gemäß den Fehlermarker-Daten 203 auf.
  • In 2B ist ein Beispiel dargestellt, bei dem die Anzahl von Klassenabgriffen 4 beträgt. Im Falle einer 1-Bit-ADRC, sind 16 Klassen-IDs, wie durch die unten gezeigte Formel 3 angegeben ist, verfügbar. ADRC wird durch die unten angegebene Formel 2 realisiert. Das Detektieren eines lokalen Dynamikbereichs (DR) wird durch die unten gezeigte Formel 1 angegeben. DR = MAX – MIN + 1 (Formel 1)
    Figure 00110001
    wobei c einer ADRC-Klassen-ID entspricht, DR den Dynamikbereich der vier Datenbereiche darstellt, MAX den Maximalpegel der vier Daten darstellt, MIN den Minimalpegel der vier Daten darstellt, qi den ADRC-codierten Daten entspricht, die auch als ein Q-Code bezeichnet werden, und Q der Anzahl der Quantisierungsbits entspricht. Der ⌊·⌋ entspricht einer Trunkierungsoperation.
  • In dem 1-Bit-ADRC kann c einen Wert von 0 bis 15 bei Q = 1 aufweisen. Dieser Prozess ist eine Art einer räumlichen Klassifikation, jedoch ist es einem Fachmann bekannt, dass andere Beispiele einer räumlichen Klassifikation einschließlich der differenziellen PCM, der Vektorquantisierung und der Diskreten-Cosinus-Transformation bei der vorliegenden Erfindung verwendet werden kann, ohne Allgemeingültigkeit zu verlieren. Jedes Verfahren kann verwendet werden, wenn es eine Zieldatenverteilung klassifiziert.
  • In dem in 2C gezeigten Beispiel weist jeder adaptive Filter 12 Abgriffe auf. Ausgangsdaten werden gemäß der Linearkombination-Operation, die durch die unten angegebene Formel 4 angegeben ist, erzeugt,
    Figure 00110002
    wobei xi Eingangsdaten entsprechen, wi den einzelnen Filterkoeffizienten entsprechen und y den Ausgangsdaten nach der Fehlerwiederherstellung entsprechen. Filterkoeffizienten können für jede Klassen-ID durch einen Lernprozess erzeugt werden, der vor jedem Fehlerwiederherstellungsprozess durchgeführt wird.
  • Zum Beispiel kann ein Lernen gemäß den folgenden Kriterien erreicht werden: min w∥X·W – Y∥2 (Formel 5)wobei X, W und Y z. B. den folgenden Matrizen entsprechen: X entspricht der Eingangsdatenmatrix, die durch Formel 6 definiert ist, W entspricht der Koeffizientenmatrix, die durch Formel 7 definiert ist, und Y entspricht der Zieldatenmatrix, die durch Formel 8 definiert ist.
  • Figure 00120001
  • Den Koeffizienten wi kann man gemäß Formel 5 erhalten, so dass Schätzfehler in den Zieldaten minimiert werden.
  • In dem in 2C gezeigten Beispiel werden 12 Koeffizienten bezüglich jeder ADRC-Klassen-ID durch das oben beschriebene Lernverfahren bestimmt.
  • Ein Flussdiagramm einer Ausführungsform der vorliegenden Erfindung ist in 2D gezeigt. Das Flussdiagramm von 2D zeigt den zugrunde liegenden Verarbeitungsstrom zum Erzeugen eines nicht-qualitätsverminderten Signals aus dem qualitätsverminderten Eingangssignal. In Schritt 215 wird die Vorverarbeitung für einen peripheren Fehlerpixel durchgeführt. In Schritt 217 wird jede Klassifikation hinsichtlich des qualitätsverminderten Eingangssignals durchgeführt, um eine Klassen-ID zu erzeugen. Einige Klassenabgriffe werden adaptiv gemäß einer weiteren Klassen-ID ausgewählt. Eine Mehrfach-Klassifikation kann ausgeführt werden, wie z. B. eine Bewegungsklassifikation, eine Fehlerklassifikation, eine Räumliche-Aktivitäts-Klassifikation und eine räumliche Klassifikation.
  • Das Klassifikationsschema kann während des Systemdesigns definiert werden, bei dem über das Klassifikationsschema, die Anzahl von Klassen und andere Spezifikationen für die Zieldaten entschieden wird. Die Entwurfsstufe kann neben weiteren Überlegungen zur Systemleistungsfähigkeit und Hardwarekomplexität umfassen.
  • In Schritt 219 erzeugt eine Mehrfach-Klassifikation eine Mehrfach-Klassen-ID mit mehreren Klassen-IDs die durch verschiedene Klassifikationen in Schritt 217 erzeugt werden. In Schritt 221 werden Filterabgriffe adaptiv gemäß der Mehrfach-Klassen-ID, die in Schritt 219 erzeugt wird, ausgewählt. In Schritt 223 wird eine Filterabgriffsstruktur adaptiv gemäß der Mehrfach-Klassen-ID, die in Schritt 219 erzeugt wird, erweitert. Die Anzahl der Filterkoeffizienten, die gespeichert werden muss, kann durch Zuordnen derselben Koeffizienten zu mehreren Abgriffen reduziert werden. Dieser Prozess wird als Filterabgriffserweiterung bezeichnet. In Schritt 224 werden Filterkoeffizienten gemäß der Mehrfach-Klassen-ID ausgewählt, die in Schritt 219 erzeugt wird. In Schritt 225 wird ein Filtern mit Bezug auf das qualitätsverminderte Eingangssignal durchgeführt, um ein nicht-qualitätsvermindertes Signal zu erzeugen. Filterkoeffizienten werden adaptiv gemäß der Mehrfach-Klassen-ID, die in Schritt 219 erzeugt wird, ausgewählt.
  • Bei einer Ausführungsform der vorliegenden Erfindung kann ein dreidimensionaler ADRC-Prozess verwendet werden, um eine räumlich-zeitliche Klassifikation zu realisieren, weil einfache Signalverlaufsklassifikationen, wie z. B. ein zweidimensionaler ADRC-Prozess üblicherweise eine Trennung für verschiedene Bewegungsbilder in der Klasse der 2B nicht strukturell erreichen kann. Wenn sowohl die stationären Bereiche als auch die Bewegungsbereiche in derselben Klassen-ID verarbeitet werden, ist die Qualität der Fehlerkorrektur aufgrund der verschiedenen Eigenschaften der zwei Bereiche verschlechtert.
  • Bei einer weiteren Ausführungsform der vorliegenden Erfindung kann auch eine Bewegungsklassifikation zusätzlich zur räumlichen Klassifikation verwendet werden, um eine kompakte Definition der zeitlichen Eigenschaften zur Verfügung zu stellen. Weiterhin kann eine Mehrfach-Klassifikation dem klassifizierten adaptiven Fehlerkorrekturverfahren hinzugefügt werden. Zum Beispiel gibt es verschiedene Typen von Klassen, wie z. B. eine Bewegungsklasse, eine Fehlerklasse, eine Räumliche-Aktivitäts-Klasse und eine räumliche Klasse, die oben beschrieben sind. Die Kombination von einer oder mehrerer dieser verschiedenen Klassifikationsverfahren kann auch die Klassifikationsqualität verbessern.
  • 3 zeigt ein Beispiel von Abgriffstrukturen für Bewegungsklassen. Die Beispiele zeigen acht Abgriffe in der Nachbarschaft der Zielfehlerdaten. Bei diesem Beispiel können die akkumulierte zeitliche Differenz zwischen den acht Abgriffen gemäß der unten gezeigten Formel 9 bewertet werden und in vier Arten von Bewegungsklassen klassifiziert werden, indem diese anhand der unten gezeigten Formel 10 mit einem Schwellwert beaufschlagt werden. Bei einer Ausführungsform der vorliegenden Erfindung entspricht th0 3, th1 8 und th2 24.
  • Figure 00140001
  • In den obigen Formeln stellt fd eine akkumulierte zeitliche Differenz dar, xi Abgriffdaten der Bewegungsklassen für den aktuellen Rahmen dar, x'i Abgriffdaten für den vorangehenden Rahmen, die dem aktuellen Rahmen entsprechen, dar und mc stellt eine Bewegungsklassen-ID dar. Die drei Schwellwerte th0, th1 und th2 können für diese Bewegungsklassifikation verwendet werden.
  • Bei einer Ausführungsform der vorliegenden Erfindung kann eine Fehlerklasse in Verbindung mit dem klassifizierten adaptiven Fehlerkorrekturverfahren verwendet werden. Diese Klassifikation wird gemäß dem Fehlerdatenverteilungsmuster in der Nachbarschaft der Zieldaten erreicht, die als Beispiel in 4 gezeigt sind. Dieses Beispiel weist vier Fehlerklassen auf: ein Fall eines unabhängigen Fehlers, ein Fall eines linken Fehlers, ein Fall eines rechten Fehlers und ein Fall von drei aufeinander folgenden Fehlern.
  • Allgemein gesprochen haben Filterkoeffizienten von Pixeln, die zu den Zieldaten benachbart sind, größere Gewichte für die Fehlerkorrektur. Die den Fehlerdaten benachbarten Daten haben einen erheblichen Einfluss auf das Ergebnis der Fehlerkorrektur. Fehlerklassen können diesen Einfluss reduzieren, indem verschiedene Eigenschaftsbereiche für andere Klassen gemäß der Verteilung von benachbarten Fehlern unterteilt werden. Für die in 2B gezeigten Beispiele erzeugt die ADRC-Klassifikation 16 Arten von ADRC-Klassen-IDs, wobei Bewegungs- und Fehlerklassifikation jeweils vier Arten von Klassen-IDs erzeugen. Somit entspricht die Anzahl der Klassen-IDs 16 × 4 × 4 oder 256. Eine Klassifikation kann durch Darstellen jeder Signaleigenschaft realisiert werden. Eine Mehrfach-Klassifikation kann eine geeignete Klasse, die Klassen-ID, hinsichtlich der Fehlerzieldaten definieren, indem verschiedene Klassifikationseigenschaften kombiniert werden.
  • Abgriffstruktur für eine adaptive Klasse
  • Bei einer Ausführungsform der vorliegenden Erfindung kann eine Abgriffstruktur für eine adaptive Klasse in Verbindung mit dem klassifizierten adaptiven Fehlerkorrekturverfahren verwendet werden. 5 zeigt ein Beispiel einer adaptiven Räumliche-Klasse-Abgriffstruktur für eine Bewegungsklasse. Intrarahmen-Abgriffe können in einem stationären oder in einem Bereich mit geringer Bewegung gewählt werden. Intrafeld-Abgriffe werden üblicherweise für Bereiche mit größerer Bewegung verwendet. Eine geeignete räumliche Klassifikation wird durch dieses adaptive Verarbeiten erreicht.
  • Wenn z. B. Intrarahmen-Abgriffe für die Klassifikation von Bereichen mit großer Bewegung verwendet werden, kann die Verteilung der erzeugten Klasse aufgrund einer niedrigen Korrelation in einem großen Bereich variieren, und es ist daher schwierig, die Eigenschaften der Zieldaten geeignet darzustellen. Eine Abgriffstruktur für eine adaptive Klasse, wie diejenige, die in 5 gezeigt ist, ist daher effektiv.
  • Zusätzliche Beispiele sind in den 6, 7, 8 und 9 gezeigt. Räumliche-Klassen-Abgriffe werden üblicherweise gemäß einer Bewegung und einer Fehlerklasse ausgewählt. Zusätzlich zu dem Bewegungsfaktor wird die Verteilung der Fehlerdaten für die Definition des Abgriffs der räumlichen Klasse berücksichtigt. Die benachbarten Fehlerdaten werden üblicherweise nicht bei der räumlichen Klassifikation berücksichtigt. Durch diese Definition werden nur gültige Daten verwendet und die Klassifikationsgenauigkeit verbessert.
  • Adaptive Filterabgriffstruktur
  • Bei einer Ausführungsform der vorliegenden Erfindung kann eine adaptive Filterabgriffstruktur anhand einer entsprechenden Klasse in Verbindung mit dem klassifizierten adaptiven Fehlerkorrekturverfahren verwendet werden. 10 zeigt ein Beispiel von adaptiven Filterabgriffstrukturen anhand einer Fehlerklasse. Die Filterabgriffstruktur mit Bezug auf die Zieldaten ist üblicherweise adaptiv, vorzugsweise durch Vermeiden von beschädigten Daten in der Nachbarschaft, definiert. Beschädigte Daten werden nicht zum Filtern ausgewählt.
  • Eine adaptive Filterabgriffstruktur kann auch gemäß der Bewegungsklasse definiert werden, wobei ein Beispiel in 11 gezeigt ist. In dem Beispiel für eine Bewegungsklasse, das in 10 gezeigt ist, entspricht die Bewegungsklasse 0 stationären Bereichen, jedoch entsprechen Bewegungsklasse 3 Bereichen mit großer Bewegung. Bewegungsklassen 1 und 2 entsprechen Bereichen mit einer mittleren Bewegung.
  • Für Bereiche stationärer Klassen oder quasi-stationärer Klassen werden Intrarahmen-Abgriffe, wie in 11 gezeigt, verwendet. Gleichzeitig können vorangehende Rahmendaten an der Zieldatenposition für die Fehlerkorrekturfilterung verwendet werden. Diese Bereiche entsprechen Bewegungsklassen 0 und 1. Für Bereiche mit einer schnellen Bewegung oder mit einer mittleren Bewegung weist jeder Filter üblicherweise eine Intrafeld-Abgriffstruktur, die auch in 11 gezeigt ist, auf. Wie durch das Beispiel der 11 gezeigt ist, werden vorangehende Rahmendaten nicht berücksichtigt und somit werden schwach korrelierte Daten ignoriert. Die Filterqualität wird üblicherweise durch Intrafeld-Abgriffe in diesen Fällen verbessert.
  • 12 zeigt ein Beispiel einer adaptiven Filterabgriffstruktur für eine Bewegungsklasse und eine Fehlerklasse. Die 10 und 11 stellen adaptive Filterabgriffe für eine Fehlerklasse bzw. eine Bewegungsklasse dar. Das Beispiel, das in 12 gezeigt ist, zeigen beide adaptive Strukturen mit einer Fehlerklasse 0, die einem Fall eines unabhängigen Fehlers entspricht. Obere adaptive Eigenschaften sind ebenfalls in diesem Beispiel gezeigt. In einer zu der 12 vergleichbaren Weise entspricht 13 der Fehlerklasse 1, 14 der Fehlerklasse 2 und 15 der Fehlerklasse 3.
  • Filterabgriffserweiterung
  • Bei einer Ausführungsform der vorliegenden Erfindung kann eine Filterabgriffserweiterung durch Zuordnen der gleichen Koeffizienten zu mehreren Abgriffen in Verbindung mit dem klassifizierten adaptiven Fehlerkorrekturverfahren verwendet werden. Die Filterabgriffserweiterung ist auch durch die Strukturen in den 12 bis 15 gezeigt. Zum Beispiel weist die Filterabgriffstruktur vier Abgriffe der gleichen Koeffizientengemäß der Bewegungsklasse 3 in 12 auf. Gemäß den Bewertungsergebnissen können einige Abgriffskoeffizienten mit den gleichen Koeffizienten ersetzt werden. Das in 12 gezeigte Beispiel weist vier W3-Koeffizienten auf, die an horizontal und vertikal symmetrischen Positionen zugeordnet sind. Durch diese Erweiterung können 14 Koeffizienten 18 Abgriffsbereiche abdecken. Dieses Reduktionsverfahren kann üblicherweise den Bedarf für den Koeffizientenspeicher und die Filterhardware, wie z. B. Addierer und Multiplizierer reduzieren. Bei einer Ausführungsform der vorliegenden Erfindung kann die Erweiterungsabgriffdefinition durch die Bewertung der Koeffizientenverteilung und der visuellen Ergebnisse erreicht werden.
  • Vorverarbeitung für periphere Fehlerdaten
  • Bei einer Ausführungsform der vorliegenden Erfindung kann eine Vorverarbeitung für periphere Fehlerdaten in Verbindung mit dem klassifizierten adaptiven Fehlerkorrekturverfahren verwendet werden. Um eine Fehlerkorrekturfilterung zu erreichen, sind geeignete Daten an peripheren Fehlerpositionen der Filterabgriffe notwendig.
  • Ein Beispiel dieser Vorverarbeitung ist in dem Flussdiagramm der 16 gezeigt. Wenn in Schritten 1601, 1603 oder 1609 Fehlerdaten an peripheren Positionen der Zieldaten vorliegen, werden in den Schritten 1603, 1607, 1611 die Fehlerdaten mit horizontal verarbeiteten Daten im Falle, dass keine horizontalen Fehler vorliegen, ersetzt. Wenn in den Schritten 1613, 1617 oder 1621 drei aufeinander folgende horizontale Fehler vorliegen, wird in den Schritten 1615, 1619 oder 1623 eine vertikale Verarbeitung zum Erzeugen von vorverarbeiteten Daten angewendet. In allen Fehlerfällen, die um die Intrarahmen-Daten dieses Beispiels auftreten, werden vorangehende Rahmendaten in Schritt 1625 für die Fehlerverarbeitung berücksichtigt.
  • 17 zeigt ein weiteres Beispiel für eine Vorverarbeitung, die einen adaptiven Prozess für eine Bewegungsklasse für die Vorverarbeitung verwendet. Durch Verwendung von freien Fehlerdaten wird eine Bewegungsgröße in dem Bewegungsdetektionsschritt 1701 detektiert. Allgemein gesprochen wird eine durchschnittliche Bewegungsgröße berechnet, indem die addierte Bewegungsgröße mit der Anzahl von freien Fehlerdaten in dem nächsten Schritt gemittelt wird. Bewegungsabgriffe oder stationäre Abgriffe werden in Schritt 1703 gemäß einem Schwellenwert des Ergebnisses der gemittelten Bewegungsgröße ausgewählt. Nach diesen Schritten werden Verarbeitungsschritte 1705 bis 1729 in vergleichbarer Weise zu den Schritten 1601 bis 1625 der 16 ausgeführt. Die vorverarbeiteten Daten werden gemäß diesen priorisierten Prozessen erzeugt und bei der Fehlerkorrekturfilterung berücksichtigt.
  • Reduktion der Räumliche-Klassen-Abgriffstruktur
  • Bei einer Ausführungsform der vorliegenden Erfindung wird eine Reduktion der räumlichen Klasse in Verbindung mit der klassifizierten adaptiven Fehlerkorrektur verwendet. Wie oben beschrieben kann eine ADRC-Klasse für die räumliche Klassifikation, die durch Formel 3 angegeben ist, verwendet werden. Diese weist 16 Arten von Klassen-IDs in der Definition eines 4-Abgriffs-ADRC auf. Diese 16 Klassen-IDs können auf acht Arten von Klassen-IDs gemäß der unten gezeigten Formel 11 reduziert werden.
    Figure 00190001
    wobei c der ADRC-Klassen-ID, qi den quantisierten Daten und Q der Anzahl der Quantisierungsbits basierend auf der Formel 1 und der Formel 2 entsprechen.
  • Bei einer Ausführungsform der vorliegenden Erfindung entspricht Formel 11 einer Einer-Komplement-Operation von binären Daten in dem ADRC-Code. Dies bezieht sich auf die symmetrischen Eigenschaften jedes Signalverlaufs. Da die ADRC-Klassifikation einer Normalisierung des Verlaufs des Zielsignals entspricht, können zwei Verläufe, die die Beziehung des Einer-Komplements in jedem ADRC-Code aufweisen, in derselben Klassen-ID klassifiziert werden. Die ADRC-Klassen-IDs können üblicherweise durch diesen Reduktionsprozess halbiert werden. Eine ADRC-Klassenreduktion anhand eines 4-Abgriffs-1-Bit-ADRC ist in 20 gezeigt. In diesem Beispiel erhält man durch das Anwenden von Formel 11 acht ADRC-Klassen-Paare. Jedes Paar enthält räumliche symmetrische Muster, und daher kann die Anzahl von ADRC-Klassen-IDs um die Hälfte reduziert werden, indem man diese symmetrischen Muster in vorteilhafter Weise verwendet. Die Technik zur Reduktion der räumlichen Klassen kann auch auf andere räumliche Klassifikationstechniken verwendet werden, einschließlich auf eine DPCM und eine Block-Trunkierungs-Codierung (Block Truncation Coding) (BTC), ist jedoch nicht darauf beschränkt.
  • Eine gesamte Systemstruktur für eine Ausführungsform der vorliegenden Erfindung einschließlich aller oben beschriebenen Prozesse ist in 18 gezeigt. Die Eingangsdaten 1801 und die entsprechenden Fehlermarker 1803 werden dem System zugeführt. Durch das Untersuchen der Fehlermarker 1803 werden die Eingangsdaten 1801 in 1805 vorverarbeitet. Die ADRC-Klassifizierung wird in Schritt 1807 durchgeführt, die Bewegungsklassifizierung wird in Schritt 1809 durchgeführt und die Fehlerklassifizierung wird in Schritt 1811 durchgeführt.
  • In diesem Beispiel werden ADRC-Klassenabgriffe adaptiv gemäß der Fehlerklasse und der Bewegungsklasse, wie in den 6, 7, 8 und 9 gezeigt ist, ausgewählt. Die Filterabgriffdaten werden in 1813 anhand der Fehlerklasse und der Bewegungsklasse, die in den 12, 13, 14 und 15 gezeigt sind, ausgewählt. Die Fehlerkorrekturfilterung wird in 1817 mit Abgriffsdaten und Filterkoeffizienten, die aus dem Koeffizientenspeicher 1815 gewählt sind und die den ADRC-Klassen-IDs von 1807, der Bewegungsklasse-ID von 1809 und der Fehlerklassen-ID von 1811 ausgewählt sind, durchgeführt. Fehlerkorrigierte Daten und fehlerfreie Eingagsdaten 1817 werden in Schritt 1821 gemäß dem Fehlermarker 1803 ausgewählt, der die Ausgangsdaten 1823 dieses Systems erzeugt.
  • 19 zeigt ein Beispiel von Koeffizientenspeicherinhalten. Er weist 4 × 4 × 8 oder 128 Klassen-IDs gemäß dem Mehrfach-Klassifikationsschema auf. Vier Kategorien werden für eine Fehlerklasse, vier Kategorien für eine Bewegungsklasse und acht Kategorien für eine ADRC-Klasse verwendet, die üblicherweise gemäß Formel 11 halbiert sind. Jede Klasse entspricht jeder Speicheradresse in 19. In diesem Beispiel werden 14 Koeffizienten in jeder Klassen-ID-Adresse gemäß der Filterdefinition, wie sie in den 12, 13, 14 und 15 gezeigt ist, gespeichert.
  • Die vorliegende Erfindung kann mit jeglicher Form von korrelierten Daten verwendet werden, einschließlich ohne Beschränkung Fotografien oder anderen zweidimensionalen statischen Bildern, Hologrammen oder anderen dreidimensionalen statischen Bildern, Video oder anderen zweidimensionalen sich bewegenden Bildern, dreidimensionalen sich bewegenden Bildern, einen monoauralen Klangdatenstrom oder einem Klang, der in eine Anzahl von räumlich aufeinander bezogenen Datenströme, wie z. B. bei Stereo, unterteilt ist. 21 zeigt ein Beispiel einer adaptiven Klassifikation für ein Audiosignal, die mit der vorliegenden Erfindung kompatibel ist. Ein beispielhaftes Audiosignal 2101 wird an einem oder mehreren Zeitpunkten t0 bis t8 überwacht. Der Pegel des Audiosignals 2101 zu den Zeitpunkten t0 bis t8 wird durch die Abgriffspunkte X0 bis X8 angegeben. Der Dynamikbereich des Audiosignals 2101 ist als die Differenz zwischen dem Abgriffspunkt X0 mit dem niedrigsten Pegel und dem Abgriffspunkt X4 mit dem höchsten Pegel angegeben. Im Falle der Fehlerkorrektur für fehlerhafte Daten bei t4 kann die Mehrfach-Klassifikation mit einer räumlichen Klassifikation wie ADRC-Klassifikation und Räumliche-Aktivitäts-Klassifikation wie eine Dynamische-Bereich-Klassifikation angewendet werden. Eine Dynamische-Bereich-Klassifikation wird durchgeführt, indem der dynamische Bereich auf eine ähnliche Weise zur Bewegungs-Klassifikationsverarbeitung der Formel 10 mit einem Schwellwert überprüft wird. Wie oben beschrieben, wird auf die Bewegungsklassifizierung, die Fehlerklassifizierung und die räumliche Klassifizierung bei der Mehrfach-Klassifikation Bezug genommen. Die Räumliche-Aktivitäts-Klassifizierung kann auch bei der Mehrfach-Klassifikation für allgemeine Anwendungen, wie z. B. wie bei Videodaten berücksichtigt werden. Zusätzlich zu dem dynamischen Bereich, der Standardabweichung, des Laplace-Wertes oder des Räumlichen-Gradienten-Wertes können für die Räumliche-Aktivitäts-Klassifizierung berücksichtigt werden.
  • Bei der vorliegenden Erfindung wird die Qualität der Daten, die aufgrund von Fehlern wiederhergestellt wird, verbessert, indem die offenbarte Technologie für die klassifizierte adaptive Fehlerkorrekturverfahren berücksichtigt werden. Die vorliegende Erfindung stellt einen Weg zur Verfügung, um ein qualitätsvermindertes Signal in ein nicht-qualitätsvermindertes Signal wiederherzustellen, der Verschlechterungen bei sich ändernden Daten minimiert.
  • Während die Erfindung anhand von Ausführungsformen in einer bestimmten Systemumgebung beschrieben worden ist, ist es einem Fachmann selbstverständlich, dass die Erfindung mit Änderungen in anderen und verschiedenen Hardware- und Softwareumgebungen innerhalb des Bereichs der beigefügten Ansprüche ausgeführt werden kann.

Claims (54)

  1. Verfahren zum Wiederherstellen eines qualitätsverminderten Eingangssignals (201) mit folgenden Schritten: Detektieren eines qualitätsverminderten Datenpunktes des qualitätsverminderten Eingangssignals; Verwenden einer Abgriffsstruktur für eine adaptive Klasse und mehr als ein Klassifikationsverfahren, um mehrere Klassen anhand der Eigenschaften eines Bereichs, der den Datenpunkt enthält, zu erzeugen; Klassifizieren des Bereichs, der den Datenpunkt enthält, mit Bezug zu den mehreren Klassen (217); Erzeugen eines Mehrfach-Klassifikations-Ergebnisses aus den Klassen, in denen der Bereich klassifiziert ist (219), wobei das Mehrfach-Klassifikations-Ergebnis einen Identifizierer aufweist; Auswählen eines Filters, der dem Mehrfach-Klassifikations-Ergebnis entspricht, mit Hilfe des Identifizierers (224), wobei der Filter Filterkoeffizienten umfasst; Erzeugen eines nicht qualitätsverminderten Datenpunktes, indem der Bereich mit dem Filter, der dem Mehrfach-Klassifikations-Ergebnis (225) entspricht, gefiltert wird; und Ausgeben eines nicht qualitätsverminderten Signals (213), das dem Eingangssignal (201) entspricht.
  2. Verfahren nach Anspruch 1, wobei der Schritt des Erzeugens eines Mehrfach-Klassifikations-Ergebnisses (219) das Erzeugen des Mehrfach-Klassifikations-Ergebnisses anhand mehrerer Klassen-IDs aus den mehreren Klassen umfasst.
  3. Verfahren nach Anspruch 1, das weiterhin den Schritt des adaptiven Auswählens von Klassenabgriffen für die mehreren Klassifikationen gemäß einer Klassen-ID (221) umfasst.
  4. Verfahren nach Anspruch 1, das weiterhin den Schritt des adaptiven Auswählens von Klassenabgriffen für die mehreren Klassifikationen gemäß einer Bewegungs-Klasse (1809) umfasst.
  5. Verfahren nach Anspruch 1, das weiterhin den Schritt des adaptiven Auswählens von Klassenabgriffen für die mehreren Klassifikationen gemäß einer Fehler-Klasse (1811) umfasst.
  6. Verfahren nach Anspruch 1, das weiterhin den Schritt des adaptiven Auswählens von Klassenabgriffen für die mehreren Klassifikationen gemäß einer Bewegungs-Klasse und einer Fehler-Klasse (1813) umfasst.
  7. Verfahren nach Anspruch l, das weiterhin den Schritt des Erzeugens einer räumlichen Klasse (1807) umfasst.
  8. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Adaptiven-Dynamikbereich-Kodierungs-Klasse (Adaptive Dynamic Range Coding (ADRC)) (1807) umfasst.
  9. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Differenzielle-Pulscode-Modulations-Klasse (DPCM) umfasst.
  10. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Vektorquantisierungs-Klasse (VQ) umfasst.
  11. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Diskrete-Kosinustransformations-Klasse (DCT) umfasst.
  12. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Bewegungs-Klasse (1809) umfasst.
  13. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Fehler-Klasse (1811) umfasst.
  14. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Räumliche-Aktivitäts-Klasse umfasst.
  15. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Dynamischer-Bereichs-Klasse umfasst.
  16. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Standardabweichungs-Klasse umfasst.
  17. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Laplace-Klasse umfasst.
  18. Verfahren nach Anspruch 1, das weiterhin den Schritt des Erzeugens einer Räumlicher-Gradient-Klasse umfasst.
  19. Produkt zur Verwendung in einem Computersystem, um ein qualitätsvermindertes Eingangssignal (201) wiederherzustellen, wobei das Produkt ein computerverwendbares Medium mit einem computerlesbaren Programmcode umfasst, der in dem Medium vorgesehen ist, wobei der Programmcode umfasst: einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, einen qualitätsverminderten Datenpunkt eines qualitätsverminderten Eingangssignals zu detektieren; einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Abgriffsstruktur für eine adaptive Klasse und mehr als ein Klassifikationsverfahren zu verwenden, um mehrere Klassen anhand von Eigenschaften eines Bereichs, der den Datenpunkt enthält, zu erzeugen; einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, um den Bereich, der den Datenpunkt enthält, mit Bezug auf die mehreren Klassen (217) zu klassifizieren; einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, ein Mehrfach-Klassifikations-Ergebnis aus den Klassen, in denen der Bereich klassifiziert wird (219), zu erzeugen, wobei das Mehrfach-Klassifikations-Ergebnis einen Identifizierer aufweist; einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, einen Filter, der dem Mehrfach-Klassifikations-Ergebnis entspricht, mit Hilfe des Identifizierers (224) auszuwählen, wobei der Filter Filterkoeffizienten umfasst; einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, einen nicht qualitätsverminderten Datenpunkt zu erzeugen, indem der Bereich mit dem Filter gefiltert wird, der dem Mehrfach-Klassifikations-Ergebnis (225) entspricht; und einen computerlesbaren Programmcode, der in dem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, ein nicht qualitätsvermindertes Signal (213) auszugeben, das dem Eingangssignal (201) entspricht.
  20. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, das Mehrfach-Klassifikations-Ergebnis anhand von mehreren Klassen-IDs mit den mehreren Klassen (219) zu erzeugen.
  21. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, die Klassenabgriffe für die mehreren Klassifikationen gemäß einer Klassen-ID (221) adaptiv auszuwählen.
  22. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, die Klassenabgriffe für die mehreren Klassifikationen gemäß einer Bewegungs-Klasse (1809) adaptiv auszuwählen.
  23. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, die Klassenabgriffe für die mehreren Klassifikationen gemäß einer Fehler-Klasse (1811) adaptiv auszuwählen.
  24. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, die Klassenabgriffe für die mehreren Klassifikationen gemäß einer Bewegungs-Klasse und einer Fehler-Klasse (1813) adaptiv auszuwählen.
  25. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine räumliche Klasse (1807) zu erzeugen.
  26. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Adaptive-Dynamikbereich-Kodierungs-Klasse (ADRC) (1807) zu erzeugen.
  27. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Differenzielle-Pulscodemodulations-Klasse (DPCM) zu erzeugen.
  28. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Vektorquantisierungs-Klasse (VQ zu erzeugen.
  29. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Diskrete-Kosinustransformations-Klasse (DCT) zu erzeugen.
  30. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Bewegungs-Klasse (1809) zu erzeugen.
  31. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Fehler-Klasse (1811) zu erzeugen.
  32. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Räumliche-Aktivitäts-Klasse zu erzeugen.
  33. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Dynamische-Bereichs-Klasse zu erzeugen.
  34. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Standardabweichungs-Klasse zu erzeugen.
  35. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Lalace-Klasse zu erzeugen.
  36. Produkt nach Anspruch 19, das weiterhin einen computerlesbaren Programmcode umfasst, der in einem computerverwendbaren Medium vorgesehen ist, um einen Computer zu veranlassen, eine Räumliche-Gradienten-Klasse zu erzeugen.
  37. Vorrichtung zum Wiederherstellen eines qualitätsverminderten Eingangssignals (1801) umfassend: eine Detektionseinrichtung zum Detektieren eines qualitätsverminderten Datenpunktes des qualitätsverminderten Eingangssignals; eine Anwendungseinrichtung zum Verwenden einer Abgriffsstruktur für eine adaptive Klasse und mehr als ein Klassifikationsverfahren, um mehrere Klassen anhand der Eigenschaften eines Bereichs, der den Datenpunkt enthält, zu erzeugen; eine Klassifizierungseinrichtung zum Klassifizieren (1807, 1809, 1811) des Bereichs, der den Datenpunkt enthält, mit Bezug auf die mehreren Klassen; eine Erzeugungseinrichtung zum Erzeugen eines Mehrfach-Klassifikations-Ergebnisses von den Klassen, in denen der Bereich klassifiziert ist, wobei das Mehrfach-Klassifikations-Ergebnis einen Identifizierer aufweist; eine Auswahleinrichtung zum Auswählen (1815) eines Filters, der dem Mehrfach-Klassifikations-Ergebnis entspricht, mit Hilfe des Identifizierers, wobei der Filter Filterkoeffizienten aufweist; eine Erzeugungseinrichtung zum Erzeugen (1817) eines nicht qualitätsverminderten Datenpunktes, indem der Bereich mit dem Filter gefiltert wird, der dem Mehrfach-Klassifikations-Ergebnis entspricht; und eine Ausgabeeinrichtung zum Ausgeben (1821) eines nicht qualitätsverminderten Signals (1823), der dem Eingangssignal (1801) entspricht.
  38. Vorrichtung nach Anspruch 37, wobei die Einrichtung zum Erzeugen des Mehrfach-Klassifikations-Ergebnisses geeignet ist, das Ergebnis anhand der mehreren Klassen-IDs mit den mehreren Klassen zu erzeugen.
  39. Vorrichtung nach Anspruch 37, die weiterhin eine zweite Auswahleinrichtung (1813) umfasst, um Klassenabgriffe für die mehreren Klassifikationen gemäß einer Klassen-ID adaptiv auszuwählen.
  40. Vorrichtung nach Anspruch 37, die weiterhin eine zweite Auswahleinrichtung (1813) umfasst, um Klassenabgriffe für die mehreren Klassifikationen gemäß einer Bewegungs-Klasse (1809) adaptiv auszuwählen.
  41. Vorrichtung nach Anspruch 37, die weiterhin eine zweite Auswahleinrichtung (1813) umfasst, um Klassenabgriffe für die mehreren Klassifikationen gemäß einer Fehler-Klasse (1811) adaptiv auszuwählen.
  42. Vorrichtung nach Anspruch 37, die weiterhin eine zweite Auswahleinrichtung (1813) umfasst, um Klassenabgriffe für die mehreren Klassifikationen gemäß einer Bewegungs-Klasse und einer Fehler-Klasse (1809, 1811) adaptiv auszuwählen.
  43. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine räumliche Klasse (1807) zu erzeugen.
  44. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Adaptive-Dynamikbereich-Kodierungs-Klasse (ADRC) (1807) zu erzeugen.
  45. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Differenzielle-Pulscodemodulations-Klasse (DPCM) zu erzeugen.
  46. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Vektorquantisierungs-Klasse (VQ) zu erzeugen.
  47. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Diskrete-Kosinustransformations-Klasse (DCT) zu erzeugen.
  48. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Bewegungs-Klasse (1809) zu erzeugen.
  49. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Fehler-Klasse (1811) zu erzeugen.
  50. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Räumliche-Aktivitäts-Klasse zu erzeugen.
  51. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Dynamische-Bereichs-Klasse zu erzeugen.
  52. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Standardabweichungs-Klasse zu erzeugen.
  53. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Laplace-Klasse zu erzeugen.
  54. Vorrichtung nach Anspruch 37, die weiterhin einen Klassengenerator umfasst, um eine Räumliche-Gradienten-Klasse zu erzeugen.
DE60031559T 1999-02-12 2000-02-11 Verfahren und gerät zur lernfähigen klassenauswahl nach mehreren klassifikationen Expired - Lifetime DE60031559T2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/249,735 US6151416A (en) 1999-02-12 1999-02-12 Method and apparatus for adaptive class tap selection according to multiple classification
US249735 1999-02-12
PCT/US2000/003739 WO2000048118A1 (en) 1999-02-12 2000-02-11 Method and apparatus for adaptive class tap selection according to multiple classification

Publications (2)

Publication Number Publication Date
DE60031559D1 DE60031559D1 (de) 2006-12-07
DE60031559T2 true DE60031559T2 (de) 2007-08-23

Family

ID=22944774

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60031559T Expired - Lifetime DE60031559T2 (de) 1999-02-12 2000-02-11 Verfahren und gerät zur lernfähigen klassenauswahl nach mehreren klassifikationen

Country Status (10)

Country Link
US (1) US6151416A (de)
EP (1) EP1222614B1 (de)
JP (1) JP2002536935A (de)
KR (1) KR100734956B1 (de)
AT (1) ATE343822T1 (de)
AU (1) AU2993300A (de)
DE (1) DE60031559T2 (de)
HK (1) HK1045745B (de)
ID (1) ID30352A (de)
WO (1) WO2000048118A1 (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6519369B1 (en) 1999-02-12 2003-02-11 Sony Corporation Method and apparatus for filter tap expansion
US6418548B1 (en) 1999-02-12 2002-07-09 Sony Corporation Method and apparatus for preprocessing for peripheral erroneous data
US6621936B1 (en) 1999-02-12 2003-09-16 Sony Corporation Method and apparatus for spatial class reduction
US6307979B1 (en) 1999-02-12 2001-10-23 Sony Corporation Classified adaptive error recovery method and apparatus
US6522785B1 (en) 1999-09-24 2003-02-18 Sony Corporation Classified adaptive error recovery method and apparatus
US6351494B1 (en) 1999-09-24 2002-02-26 Sony Corporation Classified adaptive error recovery method and apparatus
US6754371B1 (en) 1999-12-07 2004-06-22 Sony Corporation Method and apparatus for past and future motion classification
US7715643B2 (en) * 2001-06-15 2010-05-11 Sony Corporation Image processing apparatus and method, and image pickup apparatus
US7123780B2 (en) * 2001-12-11 2006-10-17 Sony Corporation Resolution enhancement for images stored in a database
KR100505663B1 (ko) * 2003-01-02 2005-08-03 삼성전자주식회사 적응형 윤곽 상관 보간에 의한 디스플레이 장치의 순차주사 방법

Family Cites Families (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2073534B (en) * 1980-04-02 1984-04-04 Sony Corp Error concealment in digital television signals
GB2084432A (en) * 1980-09-18 1982-04-07 Sony Corp Error concealment in digital television signals
JPH0746864B2 (ja) * 1984-08-22 1995-05-17 ソニー株式会社 高能率符号化装置
CA1251555A (en) * 1984-12-19 1989-03-21 Tetsujiro Kondo High efficiency technique for coding a digital video signal
JPH0793724B2 (ja) * 1984-12-21 1995-10-09 ソニー株式会社 テレビジョン信号の高能率符号化装置及び符号化方法
JP2670259B2 (ja) * 1985-11-29 1997-10-29 ソニー株式会社 高能率符号化装置
JPH0746862B2 (ja) * 1985-11-30 1995-05-17 ソニー株式会社 駒落とし圧縮符号化及び復号化方法
JP2612557B2 (ja) * 1985-12-18 1997-05-21 ソニー株式会社 データ伝送受信システム及びデータ復号装置
JPS62231569A (ja) * 1986-03-31 1987-10-12 Fuji Photo Film Co Ltd 予測誤差の量子化方法
JP2508439B2 (ja) * 1987-05-29 1996-06-19 ソニー株式会社 高能率符号化装置
EP0293644B1 (de) * 1987-06-02 1992-03-25 Siemens Aktiengesellschaft Verfahren zur Ermittlung von Bewegungsvektorfeldern aus digitalen Bildsequenzen
US5122873A (en) * 1987-10-05 1992-06-16 Intel Corporation Method and apparatus for selectively encoding and decoding a digital motion video signal at multiple resolution levels
JP2629238B2 (ja) * 1988-02-05 1997-07-09 ソニー株式会社 復号装置及び復号方法
US4953023A (en) * 1988-09-29 1990-08-28 Sony Corporation Coding apparatus for encoding and compressing video data
JP2900385B2 (ja) * 1988-12-16 1999-06-02 ソニー株式会社 フレーム化回路及び方法
JP3018366B2 (ja) * 1989-02-08 2000-03-13 ソニー株式会社 ビデオ信号処理回路
US5208816A (en) * 1989-08-18 1993-05-04 At&T Bell Laboratories Generalized viterbi decoding algorithms
JPH03141752A (ja) * 1989-10-27 1991-06-17 Hitachi Ltd 画像信号伝送方法
JPH0474063A (ja) * 1990-07-13 1992-03-09 Matsushita Electric Ind Co Ltd 画像の符号化方法
JP2650472B2 (ja) * 1990-07-30 1997-09-03 松下電器産業株式会社 ディジタル信号記録装置およびディジタル信号記録方法
JP2969867B2 (ja) * 1990-08-31 1999-11-02 ソニー株式会社 ディジタル画像信号の高能率符号化装置
GB9019538D0 (en) * 1990-09-07 1990-10-24 Philips Electronic Associated Tracking a moving object
US5416651A (en) * 1990-10-31 1995-05-16 Sony Corporation Apparatus for magnetically recording digital data
JP2906671B2 (ja) * 1990-12-28 1999-06-21 ソニー株式会社 ディジタルビデオ信号の高能率符号化装置およびその方法
EP0495501B1 (de) * 1991-01-17 1998-07-08 Sharp Kabushiki Kaisha Bildkodier- und Dekodiersystem unter Verwendung einer Orthogonaltransformation und Bitzuordnungsverfahren
JPH04358486A (ja) * 1991-06-04 1992-12-11 Toshiba Corp 高能率符号化信号処理装置
JP2766919B2 (ja) * 1991-06-07 1998-06-18 三菱電機株式会社 ディジタル信号記録再生装置、ディジタル信号記録装置、ディジタル信号再生装置
US5263026A (en) * 1991-06-27 1993-11-16 Hughes Aircraft Company Maximum likelihood sequence estimation based equalization within a mobile digital cellular receiver
JP3141896B2 (ja) * 1991-08-09 2001-03-07 ソニー株式会社 ディジタルビデオ信号の記録装置
DE69217150T2 (de) * 1991-09-30 1997-07-17 Philips Electronics Nv Bewegungsvektorschätzung, Bewegungsbildkodierung- und -speicherung
JPH05103309A (ja) * 1991-10-04 1993-04-23 Canon Inc 情報伝送方法及び装置
US5398078A (en) * 1991-10-31 1995-03-14 Kabushiki Kaisha Toshiba Method of detecting a motion vector in an image coding apparatus
JP3278881B2 (ja) * 1991-12-13 2002-04-30 ソニー株式会社 画像信号生成装置
JPH05236427A (ja) * 1992-02-25 1993-09-10 Sony Corp 画像信号の符号化装置及び符号化方法
JP3259323B2 (ja) * 1992-04-13 2002-02-25 ソニー株式会社 デ・インターリーブ回路
US5479211A (en) * 1992-04-30 1995-12-26 Olympus Optical Co., Ltd. Image-signal decoding apparatus
US5359694A (en) * 1992-07-27 1994-10-25 Teknekron Communications Systems, Inc. Method and apparatus for converting image data
US5438369A (en) * 1992-08-17 1995-08-01 Zenith Electronics Corporation Digital data interleaving system with improved error correctability for vertically correlated interference
US5481554A (en) * 1992-09-02 1996-01-02 Sony Corporation Data transmission apparatus for transmitting code data
DE69324650T2 (de) * 1992-11-06 1999-09-09 Gold Star Co Mischungsverfahren für ein digitales Videobandaufzeichnungsgerät
US5477276A (en) * 1992-12-17 1995-12-19 Sony Corporation Digital signal processing apparatus for achieving fade-in and fade-out effects on digital video signals
US5805762A (en) * 1993-01-13 1998-09-08 Hitachi America, Ltd. Video recording device compatible transmitter
US5416847A (en) * 1993-02-12 1995-05-16 The Walt Disney Company Multi-band, digital audio noise filter
JP3557626B2 (ja) * 1993-08-27 2004-08-25 ソニー株式会社 画像復元装置及び方法
KR960012931B1 (ko) * 1993-08-31 1996-09-25 대우전자 주식회사 분류 벡터 양자화된 영상의 채널 오류 은폐 방법
US5663764A (en) * 1993-09-30 1997-09-02 Sony Corporation Hierarchical encoding and decoding apparatus for a digital image signal
JP3590996B2 (ja) * 1993-09-30 2004-11-17 ソニー株式会社 ディジタル画像信号の階層符号化および復号装置
US5617333A (en) * 1993-11-29 1997-04-01 Kokusai Electric Co., Ltd. Method and apparatus for transmission of image data
JP3271108B2 (ja) * 1993-12-03 2002-04-02 ソニー株式会社 ディジタル画像信号の処理装置および方法
JPH07203428A (ja) * 1993-12-28 1995-08-04 Canon Inc 画像処理方法及び装置
JP3161217B2 (ja) * 1994-04-28 2001-04-25 松下電器産業株式会社 画像符号化記録装置および記録再生装置
US5852470A (en) * 1995-05-31 1998-12-22 Sony Corporation Signal converting apparatus and signal converting method
US5946044A (en) * 1995-06-30 1999-08-31 Sony Corporation Image signal converting method and image signal converting apparatus
JP3748115B2 (ja) * 1995-07-24 2006-02-22 ソニー株式会社 画像データ復号装置及び画像データ復号方法
KR0155900B1 (ko) * 1995-10-18 1998-11-16 김광호 위상에러검출방법 및 위상 트래킹 루프회로
JP3852124B2 (ja) * 1996-02-20 2006-11-29 ソニー株式会社 信号変換装置および方法
JP3760517B2 (ja) * 1996-04-11 2006-03-29 ソニー株式会社 画像信号処理装置および方法
JP3861325B2 (ja) * 1996-05-16 2006-12-20 ソニー株式会社 動きベクトル検出装置および検出方法
JP3890638B2 (ja) * 1996-09-12 2007-03-07 ソニー株式会社 画像情報変換装置および方法
US6134269A (en) * 1996-09-25 2000-10-17 At&T Corp Fixed or adaptive deinterleaved transform coding for image coding and intra coding of video
JP4580472B2 (ja) * 1997-02-04 2010-11-10 ソニー株式会社 情報信号記録再生装置および記録再生方法
EP1027651B1 (de) * 1997-10-23 2013-08-07 Sony Electronics, Inc. Vorrichtung und verfahren zur robusten fehlerkorrektur in einer verlustbehafteten übertragungsumgebung
JP4038881B2 (ja) * 1998-06-03 2008-01-30 ソニー株式会社 画像信号の変換装置および変換方法、並びにそれに使用される係数データの生成装置および生成方法

Also Published As

Publication number Publication date
US6151416A (en) 2000-11-21
ID30352A (id) 2001-11-22
EP1222614B1 (de) 2006-10-25
WO2000048118A1 (en) 2000-08-17
HK1045745B (zh) 2007-02-02
KR100734956B1 (ko) 2007-07-03
KR20010113686A (ko) 2001-12-28
JP2002536935A (ja) 2002-10-29
EP1222614A4 (de) 2005-09-21
AU2993300A (en) 2000-08-29
ATE343822T1 (de) 2006-11-15
EP1222614A1 (de) 2002-07-17
HK1045745A1 (en) 2002-12-06
DE60031559D1 (de) 2006-12-07

Similar Documents

Publication Publication Date Title
DE60023779T2 (de) Vorrichtung und Verfahren zur Überblendungsdetektion und Überblendungsinformationscodierung
DE69812882T2 (de) Verfahren zur bewegungskompensierten Mehrhalbbildverbesserung von Videostandbildern
DE2937282C2 (de)
DE69631819T2 (de) Fehlerverdeckung in einem Block-basierten Bildkodierer
DE19744898A1 (de) Signaladaptives Filterverfahren und signaladaptives Filter
DE19618984B4 (de) Verfahren zur Bewegungsbewertung in Bilddaten sowie Vorrichtung zur Durchführung dieses Verfahrens
DE10331048B4 (de) Vorrichtung und Verfahren für die Detektion, ob sich ein ankommendes Bildsignal in einem Filmmodus befindet
DE4108288C2 (de)
DE19743202B4 (de) Verfahren zum Codieren eines Bewegungsvektors
DE102005025629A1 (de) Bildverarbeitungsverfahren zur Reduzierung von Blocking-Artefakten
DE60031559T2 (de) Verfahren und gerät zur lernfähigen klassenauswahl nach mehreren klassifikationen
DE69735968T2 (de) Vorrichtung und Verfahren zur Bildinformationsumwandlung
DE602005001583T2 (de) Verfahren und Anordnung für Bildinterpolierungssysteme mit Bewegungsschätzung und -kompensation
DE60006651T2 (de) Verfahren, vorrichtung und verwendung zur bewertung von kodierten bildern
DE602005000425T2 (de) Verfahren und Anordnung zur Erzeugung von Kandidatenvektoren für Bildinterpolierungssysteme, die Bewegungsabschätzung und -kompensation verwenden
DE69721979T2 (de) Gradientbasierte bewegungsschätzung
DE60119931T2 (de) Verfahren und Vorrichtung zur Kompensation von fehlerhaften Bewegungsvektoren in Bilddaten
DE69738480T2 (de) Interpolationsverfahren von Binärbildern
EP0897247A2 (de) Verfahren zur Berechnung von Bewegungsvektoren
EP0525900B1 (de) Filterschaltung zur Vorverarbeitung eines Videosignals
DE60023114T2 (de) Formatumwandlungsverfahren und -vorrichtung mit klassifizierendem adaptiven zeitlich -räumlichem prozess
DE102007037857A1 (de) Verfahren zur Reduktion von Bildartefakten
DE69723325T2 (de) Verfahren und Vorrichtung zur Codierung und Decodierung von Bildern
EP1605405A1 (de) Verfahren zur Ermittlung von Bewegungsvektoren, die Bildbereichen eines Bildes zugeordnet sind
JP2002536935A5 (de)

Legal Events

Date Code Title Description
8364 No opposition during term of opposition