JP2000125269A

JP2000125269A - 画像データ変換装置及び画像データ変換方法

Info

Publication number: JP2000125269A
Application number: JP10298921A
Authority: JP
Inventors: Tetsujiro Kondo; 哲二郎近藤; Yasushi Noide; 泰史野出; Toshihiko Hamamatsu; 俊彦浜松; Masaaki Hattori; 正明服部
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1998-10-20
Filing date: 1998-10-20
Publication date: 2000-04-28
Anticipated expiration: 2018-10-20
Also published as: JP4143877B2

Abstract

(57)【要約】【課題】本発明は、画像データ変換装置に関し、従来に
比して一段と画質を向上し得るようにする。【解決手段】ブロック単位で表される特徴量（Ｓ１０
３）に応じてクラスを決定するクラス決定手段（１０
７）を設けたことにより、当該特徴量にかかわらずクラ
スを決定する場合に比して、ブロック間に精細度の差が
生じることを回避しながら各ブロックの精細度を改善す
ることができ、かくして従来に比して一段と画質を向上
し得る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は画像データ変換装置
及び画像データ変換方法に関し、例えば画像データの画
質を改善する画像データ変換装置に適用して好適なもの
である。

【０００２】

【従来の技術】従来、画像データの圧縮符号化方式とし
てＭＰＥＧ(Moving Picture ExpertsGroup)２規格によ
る符号化方式がある。このＭＰＥＧ２規格による符号化
方式を用いる送受信システムは、送信側において、画像
データに対してＭＰＥＧ２規格による圧縮符号化を施し
て送信し、受信側において、送信されてきた画像データ
を伸長復号化することにより元の画像データを復元して
いる。

【０００３】

【発明が解決しようとする課題】ところでこのような送
受信システムの受信装置においては、伸長復号化された
標準精細度の画像データをその各画素の信号レベル分布
に応じたクラスに分類した後、予測係数と呼ばれるデー
タが予め格納されているメモリからそのクラスに対応す
る予測係数を読み出し、当該予測係数と伸長復号化され
た標準精細度の画像データとを予測演算することにより
高精細度の画像データを生成するいわゆるクラス分類適
応処理を用いたアップコンバータが考えられている。

【０００４】一般に、ＭＰＥＧ２規格による符号化方式
を用いた送信装置は、１枚のフレーム画像を８×８画素
のブロックに分割し、そのブロック毎に離散コサイン変
換（ＤＣＴ：Discrete Cosine Transform ）及び量子化
処理を施すことにより画像データを圧縮符号化し、その
圧縮された画像データを送信している。一方、受信装置
は、圧縮された画像データを８×８画素のブロック毎に
逆量子化処理及び逆ＤＣＴを順次施していくことにより
当該画像データを伸長復号化し、その結果、元の画像を
復元している。

【０００５】このようにＭＰＥＧ２規格による符号化方
式を用いた送受信システムでは、８×８画素のブロック
単位でＤＣＴ及び量子化処理が行われ、削減されるデー
タ量がブロック毎に異なることから、これを伸長復号化
しても、その絵柄に応じて精細度がブロック毎に異なる
画像しか生成することができない。

【０００６】上述のアップコンバータでは、伸長復号化
された画像データに対して全て同様のクラス分類適応処
理を施しているが、ブロック毎に精細度（歪みの度合
い）が異なることから、ブロック単位では精細度が向上
しても、画像全体としてはブロック毎に精細度が異なる
ものしか生成し得ず、これが画質の改善を妨ていた。

【０００７】本発明は以上の点を考慮してなされたもの
で、従来に比して一段と画質を向上し得る画像データ変
換装置及び画像データ変換方法を提案しようとするもの
である。

【０００８】

【課題を解決するための手段】かかる課題を解決するた
め本発明においては、所定のブロック単位毎に異なるデ
ータ処理が施された第１の画像データを第２の画像デー
タに変換する画像データ変換装置において、第１の画像
データから第２の画像データの注目画素が存在するブロ
ックを抽出して当該ブロック単位で表される特徴量を抽
出するブロック特徴量抽出手段と、第１の画像データか
ら注目画素を基準とする複数の画素を選定してその特徴
量を抽出する画素特徴量抽出手段と、ブロック単位で表
される特徴量及び複数画素の特徴量から注目画素に対す
るクラスを決定するクラス決定手段と、クラスに対応す
る予測データを発生する予測データ発生手段と、予測デ
ータから第２の画像データの注目画素を発生する画素デ
ータ発生手段とを設けるようにした。

【０００９】ブロック単位で表される特徴量に応じたク
ラス分類適応処理を施すことにより、全ブロックに対し
て同様のクラス分類適応処理を施す場合に比して、ブロ
ック間に精細度の差が生じることを回避しながら各ブロ
ックの精細度を改善することができる。

【００１０】

【発明の実施の形態】以下図面について、本発明の一実
施の形態を詳述する。

【００１１】（１）クラス分類適応処理の原理ここで図１は、クラス分類適応処理を実現するアップコ
ンバータ５１の回路構成を示す。アップコンバータ５１
は、外部から供給される例えば８ビットのパルス符号変
調（ＰＣＭ：Pulse Code Modulation ）データでなるＳ
Ｄ画像データＳ５１をクラス分類部５２及び予測演算部
５３に入力する。クラス分類部５２は、例えば図２に示
すように、ＳＤ画像データＳ５１のうち注目画素及び当
該注目画素を中心とした複数の周辺画素でなる合計７画
素（タップ）をクラス分類用の画素（以下、これをクラ
スタップと呼ぶ）として設定し、それらの信号レベル分
布に基づいてクラスコードＳ５２を生成する。因みに、
図中実線は第１フィールドを示し、点線は第２フィール
ドを示す。

【００１２】このクラス分類部５２によってクラスコー
ドＳ５２を生成する方法としては、ＰＣＭデータを直接
使用する（すなわちＰＣＭデータをそのままクラスデー
タＳ５２とする）方法や、ＡＤＲＣ（Adaptive Dynamic
Range Coding ）等のデータ圧縮方法を用いてクラス数
を削減するような方法が考えられる。このうちＰＣＭデ
ータをそのままクラスコードＳ５２とする方法では、ク
ラスタップとして８ビットのＰＣＭデータを７タップ用
いることから、クラス数が２⁵⁶という膨大な数のクラス
数に分類されることになり、実用上問題がある。

【００１３】そこで実際には、クラス分類部５２は、Ａ
ＤＲＣのようなデータ圧縮処理（すなわち再量子化処
理）を施すことによりクラス数を削減するようになされ
ている。このＡＤＲＣによる分類法は、注目画素を中心
とする近傍領域内の数タップからＡＤＲＣコードを、次
式

【００１４】

【数１】

【００１５】によって求め、当該ＡＤＲＣコードに基づ
いてクラスコードＳ５２を生成する手法を用いている。
ここで、ｃ_iはＡＤＲＣコード、ｘ_iは各クラスタップ
の入力画素値、ＭＩＮは領域内にある各クラスタップの
入力画素値のうちの最小画素値、ＤＲは領域内のダイナ
ミックレンジ（最大画素値と最小画素値との差分）、ｋ
は再量子化ビット数である。

【００１６】すなわちＡＤＲＣによる分類法は、領域内
のダイナミックレンジから再量子化ビット数に応じた量
子化ステップ幅を算出し、入力画素値から最小画素値を
減算した画素値を量子化ステップ幅に応じて再量子化す
るものである。例えば領域内の７タップにおいて各クラ
スタップを１ビットに再量子化する１ビットＡＤＲＣを
行う場合では、領域内のダイナミックレンジに基づいて
７タップの各入力画素値を適応的に１ビット量子化し、
その結果、７タップの入力画素値を７ビットのデータに
削減することができるので、全体としてクラス数を１２
８クラスにまで削減することができる。

【００１７】図１に戻って、予測係数ＲＯＭ（Read Onl
y Memory）５４は、後述する学習回路６０によって予め
生成された各クラス毎に対応する予測係数データＳ５３
を格納しており、クラス分類部５２から供給されるクラ
スコードＳ５２に応じた予測係数データＳ５３を読み出
し、これを予測演算部５３に送出する。予測演算部５３
は、例えば図３に示すように、外部から入力されるＳＤ
画像データＳ５１のうち、注目画素及び当該注目画素を
中心とした複数の周辺画素でなる合計１３タップを予測
演算用の画素（以下、これを予測タップと呼ぶ）として
選定し、当該予測タップの各画素値と予測係数データＳ
５３とを用いて、線形一次結合でなる次式

【００１８】

【数２】

【００１９】によって表される積和演算を行うことによ
り、予測タップには存在しないＨＤ画素の集まりである
ＨＤ画像データＳ５４を生成し、これを外部に出力す
る。ここで、ｘ′は各ＨＤ画素値、ｘ_iは各予測タップ
の画素値、ｗ_iは予測係数、ｎは予測タップ数であり、
この場合ｎは１３である。

【００２０】ところで図４は、予測係数ＲＯＭ５４に格
納されている予測係数データを生成する学習回路６０の
回路構成を示し、当該学習回路６０は、予測係数データ
を予め生成して、これを予測係数ＲＯＭ５４に格納する
ようになされている。学習回路６０は、いわゆる教師信
号としてのＨＤ画像データＳ６０を垂直間引きフィルタ
６１及び予測係数算出回路６２に入力する。学習回路６
０は、ＨＤ画像データＳ６０を垂直間引きフィルタ６１
及び水平間引きフィルタ６２によって間引くことによ
り、生徒信号としてのＳＤ画像データＳ６１を生成し、
これをクラス分類部６４及び予測係数算出回路６２に入
力するようになされている。

【００２１】クラス分類部６４は、図１に示すアップコ
ンバータのクラス分類部５２と同様の構成でなり、ＳＤ
画像データＳ６１からクラスタップを選定し、その信号
レベル分布に基づいてクラスコードＳ６２を生成した
後、これを予測係数算出回路６２に送出する。予測係数
算出回路６２は、ＨＤ画像データＳ６０及びＳＤ画像デ
ータＳ６１を基に、クラスコードＳ６２が示すクラスに
応じた予測係数をクラス毎に算出し、その結果得た予測
係数データＳ６３を予測係数ＲＯＭ５４に格納する。

【００２２】この場合、予測係数算出回路６２は、上述
の（２）式における予測係数ｗを最小自乗法によって求
めるようになされている。具体的には予測係数算出回路
６２は、ＸをＳＤ画素値、Ｗを予測係数、ＹをＨＤ画素
値として、いわゆる観測方程式と呼ばれる次式

【００２３】

【数３】

【００２４】を生成するように各データを収集する。こ
こでｍは予測するＨＤ画素の画素数を示す学習データ
数、ｎは予測タップ数である。

【００２５】次に予測係数算出回路６２は、この（３）
式を基に、次式

【００２６】

【数４】

【００２７】に示す残差方程式を立てる。従って各予測
係数ｗ_iは、この（４）式から、次式

【００２８】

【数５】

【００２９】が最小のときに最適な値となることがわか
る。すなわち次式

【００３０】

【数６】

【００３１】を満たすように予測係数ｗ_iが算出され
る。

【００３２】そこで予測係数算出回路６２は、このｎ個
ある（６）式を満たすようなｗ₁、ｗ₂、……、ｗ_nを
算出すればよいことになり、上述の（４）式から、次式

【００３３】

【数７】

【００３４】を得、これら（６）及び（７）式から、次
式

【００３５】

【数８】

【００３６】を求める。そして予測係数算出回路６２
は、上述の（４）及び（８）式から、次式

【００３７】

【数９】

【００３８】によって表される正規方程式を生成する。
このようにして予測係数算出回路６２は、予測タップ数
ｎと同一次数の連立方程式でなる正規方程式を生成し、
掃き出し法（Gauss Jordanの消去法）を用いてこの正規
方程式を解くことにより、各予測係数ｗ_iを算出する。

【００３９】以下、学習回路６０による予測係数生成手
順について図５に示すフローチャートを用いて説明す
る。ステップＳＰ６１から入ったステップＳＰ６２にお
いて、学習回路６０は、教師信号としてのＨＤ画像デー
タＳ６０から生徒信号としてのＳＤ画像データＳ６１を
生成することにより、予測係数を生成するのに必要な学
習データを生成する。ステップＳＰ６３において、学習
回路６０は、予測係数を生成するのに必要十分な学習デ
ータが得られたか否か判定し、その結果、未だ必要十分
な学習データが得られていないと判断された場合にはス
テップＳＰ６３において否定結果を得ることによりステ
ップＳＰ６４に移行する。

【００４０】ステップＳＰ６４において、学習回路６０
は、ＳＤ画像データＳ６１からクラスタップを選定し、
その信号レベル分布に基づいてクラス分類を行う。ステ
ップＳＰ６５において、学習回路６０は、各クラス毎に
上述の（９）式でなる正規方程式を生成し、ステップＳ
Ｐ６２に戻って同様の処理手順を繰り返すことにより、
予測係数を生成するのに必要十分な正規方程式を生成す
る。

【００４１】これに対してステップＳＰ６３において肯
定結果が得られると、このことは必要十分な学習データ
が得られたことを表しており、このとき学習回路６０は
ステップＳＰ６６に移って、上述の（９）式でなる正規
方程式を掃き出し法によって解くことにより、予測係数
ｗ₁、ｗ₂、……、ｗ_nを各クラス毎に生成する。そし
てステップＳＰ６７において、学習回路６０は、生成し
た各クラス毎の予測係数ｗ₁、ｗ₂、……、ｗ_nを予測
係数ＲＯＭ５４に格納し、ステップＳＰ６８に移って処
理を終了する。

【００４２】（２）第１の実施の形態図６において、１００は全体として図１〜図５について
上述したクラス分類適応処理の原理を用いた第１の実施
の形態のアップコンバータの構成を示す。アップコンバ
ータ１００は、外部からＭＰＥＧ２方式を用いて圧縮符
号化された符号化画像データＳ１００が供給されると、
これをデコーダ１０１に入力する。デコード１０１は、
この符号化画像データＳ１００を伸長復号化することに
より画像データＳ１０１を復元し、これを領域切り出し
部１０２及び１０３並びにブロック抽出部１０４及び１
０５に送出する。

【００４３】ブロック抽出部１０４は、図７に示すよう
に、画像データＳ１０１から８×８画素すなわち６４画
素のブロックを抽出し、その各画素の信号レベル分布を
ブロックデータＳ１０２としてブロック内特徴量抽出部
１０６に送出する。ブロック内特徴量抽出部１０６は、
ブロックデータＳ１０２からブロック内の特徴量すなわ
ち当該ブロック内における全画素の平均値を求め、この
平均値データＳ１０３をクラスコード発生部１０７に送
出する。

【００４４】領域切り出し部１０２は、画像データＳ１
０１のうち、ブロック抽出部１０４によって抽出された
ブロック内に存在する注目画素に対してのクラスタップ
を抽出し、それらの信号レベル分布を示すクラスタップ
データＳ１０４を特徴量抽出部１０８に送出する。特徴
量抽出部１０８は、クラスタップデータＳ１０４に対し
て１ビットＡＤＲＣを施すことによりＡＤＲＣコードＳ
１０５を生成し、これをクラスコード発生部１０７に送
出する。

【００４５】クラスコード発生部１０７は、上述の平均
値データＳ１０３とＡＤＲＣコードＳ１０５とを合成す
ることによりクラスコードＳ１０６を生成し、これをＲ
ＯＭ１０９に送出する。ＲＯＭ１０９は、後述する学習
回路によって予め生成されたクラス毎に対応する予測係
数を格納しており、クラスコード発生部１０７から供給
されるクラスコードＳ１０６に応じた予測係数データＳ
１０７を読み出し、これを予測演算部１１０に送出す
る。

【００４６】一方、ブロック抽出部１０５は、画像デー
タＳ１０１から８×８画素すなわち６４画素のブロック
を抽出し、その各画素の信号レベル分布をブロックデー
タＳ１０８としてブロック内特徴量抽出部１１１に送出
する。ブロック内特徴量抽出部１１１は、ブロックデー
タＳ１０８からブロック内における全画素の平均値を求
め、この平均値データＳ１０９を予測演算部１１０に送
出する。領域切り出し部１０３は、画像データＳ１０１
のうち、ブロック抽出部１０５によって抽出されたブロ
ック内に存在する注目画素に対しての予測タップを抽出
し、それらの信号レベル分布を示す予測タップデータＳ
１１０を予測演算部１１０に送出する。予測演算部１１
０は、予測係数データＳ１０７と予測タップデータＳ１
１０及び平均値データＳ１０９とを用いて、次式

【００４７】

【数１０】

【００４８】によって表される積和演算を施すことによ
り高精細度の画像データＳ１１１の注目画素を順次生成
し、これを外部に出力する。ここで、ｙは画像データＳ
１１１の各画素値、ｘは予測タップの画素値、ｍはブロ
ック内の平均画素値、ｗは予測タップに対応する予測係
数、ａは平均画素値に対応する予測係数、ｎは予測タッ
プ数であり、この場合ｎは６４である。

【００４９】続いて図８は、ＲＯＭ１０９（図６）に格
納されている予測係数を生成する学習回路１２０の構成
を示す。学習回路１２０は、教師画像として高精細度の
画像データＳ１２０をエンコーダ１２１及び正規方程式
演算部１２２に送出する。エンコーダ１２１は、画像デ
ータＳ１２０をＭＰＥＧ２方式を用いて圧縮符号化し、
その結果得られる符号化画像データＳ１２１をデコーダ
１２３に送出する。

【００５０】デコーダ１２３は、アップコンバータ１０
０のデコーダ１０１（図６）と同様に構成されており、
符号化画像データＳ１２１を伸長復号化することにより
生徒画像としての標準精細度の画像データＳ１２２を生
成し、これを領域切り出し部１２４及び１２５並びにブ
ロック抽出部１２６及び１２７に送出する。

【００５１】ブロック抽出部１２６は、アップコンバー
タ１００のブロック抽出部１０４（図６）と同様に構成
されており、画像データＳ１２２から８×８画素すなわ
ち６４画素のブロックを抽出し、その各画素の信号レベ
ル分布をブロックデータＳ１３０としてブロック内特徴
量抽出部１３０に送出する。ブロック内特徴量抽出部１
３０は、アップコンバータ１００のブロック内特徴量抽
出部１０６（図６）と同様に構成されており、ブロック
データＳ１３０からブロック内における全画素の平均値
を求め、この平均値データＳ１３１をクラスコード発生
部１３１に送出する。

【００５２】領域切り出し部１２４は、アップコンバー
タ１００の領域切り出し部１０２（図６）と同様に構成
されており、画像データＳ１２２からブロック抽出部１
２６によって抽出されたブロック内に存在する注目画素
に対してのクラスタップを抽出し、それらの信号レベル
分布を示すクラスタップデータＳ１３２を特徴量抽出部
１３２に送出する。特徴量抽出部１３２は、アップコン
バータ１００の特徴量抽出部１０８（図６）と同様に構
成されており、クラスタップデータＳ１３２に対して１
ビットＡＤＲＣを施すことによりＡＤＲＣコードＳ１３
３を生成し、これをクラスコード発生部１３１に送出す
る。

【００５３】クラスコード発生部１３１は、アップコン
バータ１００のクラスコード発生部１０７（図６）と同
様に構成されており、上述の平均値データＳ１３１とＡ
ＤＲＣコードＳ１３３とを合成することによりクラスコ
ードＳ１３４を生成し、これを正規方程式演算部１２２
に送出する。

【００５４】一方、ブロック抽出部１２７は、アップコ
ンバータ１００のブロック抽出部１０５（図６）と同様
に構成されており、６４画素のブロックを抽出し、その
各画素の信号レベル分布をブロックデータＳ１４０とし
てブロック内特徴量抽出部１４０に送出する。ブロック
内特徴量抽出部１４０は、アップコンバータ１００のブ
ロック内特徴量抽出部１１１（図６）と同様に構成され
ており、ブロックデータＳ１４０からブロック内におけ
る全画素の平均値を求め、この平均値データＳ１４１を
正規方程式演算部１２２に送出する。

【００５５】領域切り出し部１２５は、アップコンバー
タ１００の領域切り出し部１０３（図６）と同様に構成
されており、画像データＳ１２２からブロック抽出部１
２７によって抽出されたブロック内に存在する注目画素
に対しての予測タップを抽出し、それらの信号レベル分
布を示す予測タップデータＳ１４２を正規方程式演算部
１２２に送出する。

【００５６】正規方程式演算部１２２は、高精細度の画
像データＳ１２０と予測タップデータＳ１４２及び平均
値データＳ１４１とから、クラスコードＳ１３４毎に正
規方程式を生成し、この正規方程式データＳ１４３を予
測係数決定部１４１に送出する。予測係数決定部１４１
は、正規方程式データＳ１４３が必要な数だけ供給され
ると、最小自乗法を用いて当該正規方程式を解くことに
より予測係数を算出し、その予測係数データＳ１４４を
メモリ１４２に送出して当該メモリ１４２に格納する。
その後、このメモリ１４２に格納されている予測係数
は、図６に示すＲＯＭ１０９に書き込まれるようになさ
れている。

【００５７】以上の構成において、学習回路１２０は、
注目画素が存在するブロック内の平均値データＳ１３１
とクラスタップのＡＤＲＣコードＳ１３３とからクラス
コードＳ１３４を生成した後、当該クラスコードＳ１３
４毎に高精細度の画像データＳ１２０と予測タップデー
タＳ１４２及びブロック内の平均値データＳ１４１とか
ら正規方程式を生成して当該正規方程式を解くことによ
り、上述の（１０）式における予測係数ｗ₁〜ｗ_n、ａ
でなる予測係数データＳ１４４を生成する。

【００５８】アップコンバータ１００は、注目画素が存
在するブロック内の平均値データＳ１０３とクラスタッ
プのＡＤＲＣコードＳ１０５とからクラスコードＳ１０
６を生成し、当該クラスコードＳ１０６に応じた予測係
数データＳ１０７を読み出した後、予測係数データＳ１
０７と予測タップデータＳ１１０及び平均値データＳ１
０９との積和演算を施すことにより、ブロック内のオフ
セットが補正された高精細度の画像データＳ１１１を生
成する。

【００５９】このようにブロック毎に異なる精細度（歪
みの度合い）に応じたクラス分類適応処理を施すことに
より、全ブロックに対して全て同様のクラス分類適応処
理を施す場合に比して、各ブロック間に精細度の差が生
じることを回避しながら各ブロックの精細度が改善され
る。

【００６０】以上の構成によれば、精細度に応じたクラ
ス分類適応処理をブロック毎に施すことにより、全ブロ
ックに対して同様のクラス分類適応処理を施す場合に比
して、各ブロック間の精細度の差による歪みが生じるこ
とを回避しながら各ブロックの精細度を改善することが
でき、かくして従来に比して一段と画質を向上し得る。

【００６１】（３）第２の実施の形態図６との対応部分に同一符号を付して示す図９におい
て、２００は全体として第２の実施の形態のアップコン
バータの構成を示し、ブロック間特徴量抽出部２０１、
クラスコード発生部２０２、ＲＯＭ２０３、予測演算部
２０４及び領域切り出し部２０５の構成を除いて、第１
の実施の形態のアップコンバータ１００と同様に構成さ
れている。

【００６２】アップコンバータ２００は、外部からＭＰ
ＥＧ２方式を用いて圧縮符号化された符号化画像データ
Ｓ２００が供給されると、これをデコーダ１０１に入力
する。デコーダ１０１は、この符号化画像データＳ２０
０を伸長復号化することにより画像データＳ２０１を復
元し、これを領域切り出し部１０２及び１０３並びにブ
ロック抽出部１０４及び１０５に送出する。

【００６３】ブロック抽出部１０４は、画像データＳ２
０１から８×８画素すなわち６４画素のブロックを抽出
し、その各画素の信号レベル分布をブロックデータＳ２
０２としてブロック内特徴量抽出部１０６に送出する。
ブロック内特徴量抽出部１０６は、ブロックデータＳ２
０２からブロック内の特徴量すなわち当該ブロック内に
おける全画素の平均値を求め、この平均値データＳ２０
３をブロック間特徴量抽出部２０１に送出する。

【００６４】ブロック間特徴量抽出部２０１は、図１０
に示すように、画像データＳ２０１を構成するブロック
のうち、クラスタップの注目画素が存在するブロックと
その周囲のブロックを切り出し、当該切り出した各ブロ
ックの平均値データＳ２０３に対して１ビットＡＤＲＣ
を施すことにより、ブロック間の平均値データＳ２０３
の変化を示す平均値ＡＤＲＣコードＳ２０４を生成し、
これをクラスコード発生部２０２に送出する。

【００６５】領域切り出し部１０２は、画像データＳ２
０１のうちクラスタップを抽出し、それらの信号レベル
分布を示すクラスタップデータＳ２０５を特徴量抽出部
１０８に送出する。特徴量抽出部１０８は、クラスタッ
プデータＳ２０５に対して１ビットＡＤＲＣを施すこと
によりＡＤＲＣコードＳ２０６を生成し、これをクラス
コード発生部２０２に送出する。

【００６６】クラスコード発生部２０７は、上述の平均
値ＡＤＲＣコードＳ２０４とＡＤＲＣコードＳ２０６と
を合成することによりクラスコードＳ２０７を生成し、
これをＲＯＭ２０３に送出する。ＲＯＭ２０３は、後述
する学習回路によって予め生成されたクラス毎に対応す
る予測係数を格納しており、クラスコード発生部２０２
から供給されるクラスコードＳ２０７に応じた予測係数
データＳ２０８を読み出し、これを予測演算部２０４に
送出する。

【００６７】一方、ブロック抽出部１０５は、画像デー
タＳ２０１から８×８画素すなわち６４画素のブロック
を抽出し、その各画素の信号レベル分布をブロックデー
タＳ２１０としてブロック内特徴量抽出部１１１に送出
する。ブロック内特徴量抽出部１１１は、ブロックデー
タＳ２１０からブロック内における全画素の平均値を求
め、この平均値データＳ２１１を領域切り出し部２０５
に送出する。

【００６８】領域切り出し部２０５は、図１０に示すよ
うに、画像データＳ２０１を構成するブロックのうち、
予測タップの注目画素が存在するブロックとその周囲の
ブロックを切り出し、当該切り出した各ブロックにおけ
る平均値の信号レベル分布を示す平均値データＳ２１２
を予測演算部２０４に送出する。

【００６９】領域切り出し部１０３は、画像データＳ２
０１のうち予測タップを抽出し、それらの信号レベル分
布を示す予測タップデータＳ２１３を予測演算部２０４
に送出する。予測演算部２０４は、予測係数データＳ２
０８と予測タップデータＳ２１３及び平均値データＳ２
１２とを用いて、次式

【００７０】

【数１１】

【００７１】によって表される積和演算を施すことによ
り高精細度の画像データＳ２１４の注目画素を順次生成
し、これを外部に出力する。ここで、ｙは画像データＳ
２１４の各注目画素値、ｘは予測タップの画素値、ｍは
各ブロック内の平均画素値、ｗは予測タップに対応する
予測係数、ａは平均画素値に対応する予測係数、ｎは予
測タップ数であり、この場合ｎは６４である。

【００７２】続いて図８との対応部分に同一符号を付し
て示す図１１は、ＲＯＭ２０３（図９）に格納されてい
る予測係数を生成する学習回路２２０の構成を示し、正
規方程式演算部２２１、ブロック間特徴量抽出部２２
２、クラスコード発生部２２３、領域切り出し部２２
４、予測係数決定部２２５及びメモリ２２６の構成を除
いて、第１の実施の形態の学習回路１２０と同様に構成
されている。

【００７３】学習回路２２０は、教師画像として高精細
度の画像データＳ２２０をエンコーダ１２１及び正規方
程式演算部２２１に送出する。エンコーダ１２１は、画
像データＳ２２０をＭＰＥＧ２方式を用いて圧縮符号化
し、その結果得られる符号化画像データＳ２２１をデコ
ーダ１２３に送出する。

【００７４】デコーダ１２３は、アップコンバータ２０
０のデコーダ１０１（図９）と同様に構成されており、
符号化画像データＳ２２１を伸長復号化することにより
生徒画像としての標準精細度の画像データＳ２２２を生
成し、これを領域切り出し部１２４及び１２５並びにブ
ロック抽出部１２６及び１２７に送出する。

【００７５】ブロック抽出部１２６は、アップコンバー
タ２００のブロック抽出部１０４（図９）と同様に構成
されており、画像データＳ２２２から８×８画素すなわ
ち６４画素のブロックを抽出し、その各画素の信号レベ
ル分布をブロックデータＳ２３０としてブロック内特徴
量抽出部１３０に送出する。ブロック内特徴量抽出部１
３０は、アップコンバータ２００のブロック内特徴量抽
出部１０６（図９）と同様に構成されており、ブロック
データＳ２３０からブロック内における全画素の平均値
を求め、この平均値データＳ２３１をブロック間特徴量
抽出部２２２に送出する。

【００７６】ブロック間特徴量抽出部２２２は、アップ
コンバータ２００のブロック間特徴量抽出部２０１（図
９）と同様に構成されていおり、画像データＳ２２２を
構成するブロックのうち、クラスタップの注目画素が存
在するブロックとその周囲のブロックを切り出し、当該
切り出した各ブロックの平均値データＳ２３１に対して
１ビットＡＤＲＣを施すことにより、ブロック間の平均
値データＳ２３１の変化を示す平均値ＡＤＲＣコードＳ
２３２を生成し、これをクラスコード発生部２２３に送
出する。

【００７７】領域切り出し部１２４は、アップコンバー
タ２００の領域切り出し部１０２（図９）と同様に構成
されており、画像データＳ２２２からクラスタップを抽
出し、それらの信号レベル分布を示すクラスタップデー
タＳ２３３を特徴量抽出部１３２に送出する。特徴量抽
出部１３２は、アップコンバータ２００の特徴量抽出部
１０８（図９）と同様に構成されており、クラスタップ
データＳ２３３に対して１ビットＡＤＲＣを施すことに
よりＡＤＲＣコードＳ２３４を生成し、これをクラスコ
ード発生部２２３に送出する。

【００７８】クラスコード発生部２３１は、アップコン
バータ２００のクラスコード発生部２０２（図９）と同
様に構成されており、上述の平均値ＡＤＲＣコードＳ２
３２とＡＤＲＣコードＳ２３４とを合成することにより
クラスコードＳ２３５を生成し、これを正規方程式演算
部２２１に送出する。

【００７９】一方、ブロック抽出部１２７は、アップコ
ンバータ２００のブロック抽出部１０５（図９）と同様
に構成されており、６４画素のブロックを抽出し、その
各画素の信号レベル分布をブロックデータＳ２４０とし
てブロック内特徴量抽出部１４０に送出する。ブロック
内特徴量抽出部１４０は、アップコンバータ２００のブ
ロック内特徴量抽出部１１０（図９）と同様に構成され
ており、ブロックデータＳ２４０からブロック内におけ
る全画素の平均値を求め、この平均値データＳ２４１を
領域切り出し部２２４に送出する。

【００８０】領域切り出し部２２４は、画像データＳ２
２２を構成するブロックのうち、予測タップの注目画素
が存在するブロックとその周囲のブロックを切り出し、
当該切り出した各ブロックにおける平均値の信号レベル
分布を示す平均値データＳ２４２を正規方程式演算部２
２１に送出する。領域切り出し部１２５は、アップコン
バータ２００の領域切り出し部１０３（図９）と同様に
構成されており、画像データＳ２２２から予測タップを
抽出し、それらの信号レベル分布を示す予測タップデー
タＳ２４３を正規方程式演算部２２１に送出する。

【００８１】正規方程式演算部２２２は、高精細度の画
像データＳ２２０と予測タップデータＳ２４３及び平均
値データＳ２４２とから、クラスコードＳ２３５毎に正
規方程式を生成し、この正規方程式データＳ２４４を予
測係数決定部２２５に送出する。予測係数決定部２２５
は、正規方程式データＳ２４４が必要な数だけ供給され
ると、最小自乗法を用いて当該正規方程式を解くことに
より予測係数を算出し、その予測係数データＳ２４５を
メモリ２２６に送出して当該メモリ２２６に格納する。
その後、このメモリ２２６に格納されている予測係数
は、図９に示すＲＯＭ２０３に書き込まれるようになさ
れている。

【００８２】以上の構成において、学習回路２２０は、
注目画素が存在するブロックとその周囲のブロックにお
ける平均値データＳ２３１の変化を示す平均値ＡＤＲＣ
コードＳ２３１とクラスタップのＡＤＲＣコードＳ２３
４とからクラスコードＳ２３５を生成した後、当該クラ
スコードＳ２３５毎に高精細度の画像データＳ２２０と
予測タップデータＳ２４３及び上述の各ブロックにおけ
る平均値データＳ２４２とから正規方程式を生成して当
該正規方程式を解くことにより、上述の（１１）式にお
ける予測係数ｗ₁〜ｗ_n、ａ₀〜ａ₄でなる予測係数デ
ータＳ２４５を生成する。

【００８３】アップコンバータ２００は、注目画素が存
在するブロックとその周囲のブロックにおける平均値デ
ータＳ２０３の変化を示す平均値ＡＤＲＣコードＳ２０
４とクラスタップのＡＤＲＣコードＳ２０６とからクラ
スコードＳ２０７を生成し、当該クラスコードＳ２０７
に応じた予測係数データＳ２０８を読み出した後、予測
係数データＳ２０８と予測タップデータＳ２１３及び上
述の各ブロックにおける平均値データＳ２１２との積和
演算を施すことにより、ブロック間のオフセットが補正
された高精細度の画像データＳ２１４を生成する。

【００８４】このように注目画素を含むブロックとその
周囲のブロックとにおける精細度（歪みの度合い）の変
化量に応じたクラス分類適応処理を施すことにより、全
ブロックに対して全て同様のクラス分類適応処理を施す
場合に比して、各ブロック間に精細度の差が生じること
を回避しながら各ブロックの精細度が改善される。

【００８５】以上の構成によれば、注目画素を含むブロ
ックとその周囲のブロックとにおける精細度の変化量に
応じたクラス分類適応処理をブロック毎に施すことによ
り、全ブロックに対して同様のクラス分類適応処理を施
す場合に比して、各ブロック間の精細度の差による歪み
が生じることを回避しながら各ブロックの精細度を改善
することができ、かくして従来に比して一段と画質を向
上し得る。

【００８６】（４）第３の実施の形態図６との対応部分に同一符号を付して示す図１２におい
て、３００は全体として第３の実施の形態のアップコン
バータの構成を示し、領域切り出し部３０１及び３０
２、ブロック内特徴量抽出部３０３及び３０４、クラス
コード発生部３０５、ＲＯＭ３０６及び予測演算部３０
７の構成を除いて、第１の実施の形態のアップコンバー
タ１００と同様に構成されている。

【００８７】アップコンバータ３００は、外部からＭＰ
ＥＧ２方式を用いて圧縮符号化された符号化画像データ
Ｓ３００が供給されると、これをデコーダ１０１に入力
する。デコーダ１０１は、この符号化画像データＳ３０
０を伸長復号化することにより画像データＳ３０１を復
元し、これを領域切り出し部３０１及び３０２並びにブ
ロック抽出部１０４及び１０５に送出する。

【００８８】ブロック抽出部１０４は、画像データＳ３
０１から８×８画素すなわち６４画素のブロックを抽出
し、その各画素の信号レベル分布をブロックデータＳ３
０２としてブロック内特徴量抽出部３０３に送出する。
ブロック内特徴量抽出部３０３は、ブロックデータＳ３
０２の周波数特性を基にブロック内の特徴量例えば精細
度を調べ、その精細度を示す精細度データＳ３０３をク
ラスコード発生部３０５及び領域切り出し部３０１に送
出する。

【００８９】領域切り出し部３０１は、精細度データＳ
３０３に応じて切り出す領域の範囲を変化させながら画
像データＳ３０１からクラスタップを抽出し、それらの
信号レベル分布を示すクラスタップデータＳ３０４を特
徴量抽出部１０８に送出する。すなわち領域切り出し部
３０１は、精細度が高い（ぼけていない）場合には、狭
い範囲でクラスタップを抽出する一方、精細度が低い
（ぼけている）場合には、広い範囲でクラスタップを抽
出する。

【００９０】特徴量抽出部１０８は、クラスタップデー
タＳ３０４に対して１ビットＡＤＲＣを施すことにより
ＡＤＲＣコードＳ３０５を生成し、これをクラスコード
発生部３０５に送出する。クラスコード発生部３０５
は、上述の精細度データＳ３０３とＡＤＲＣコードＳ３
０５とを合成することによりクラスコードＳ３０６を生
成し、これをＲＯＭ３０６に送出する。ＲＯＭ３０６
は、後述する学習回路によって予め生成されたクラス毎
に対応する予測係数を格納しており、クラスコード発生
部３０５から供給されるクラスコードＳ３０６に応じた
予測係数データＳ３０７を読み出し、これを予測演算部
３０７に送出する。

【００９１】一方、ブロック抽出部１０５は、画像デー
タＳ３０１から８×８画素すなわち６４画素のブロック
を抽出し、その各画素の信号レベル分布をブロックデー
タＳ３０８としてブロック内特徴量抽出部３０４に送出
する。ブロック内特徴量抽出部３０４は、ブロックデー
タＳ３０８の周波数特性を基にブロック内の精細度を調
べ、その精細度を示す精細度データＳ３０９を領域切り
出し部３０２に送出する。

【００９２】領域切り出し部３０２は、精細度データＳ
３０９に応じて切り出す領域の範囲を変化させながら画
像データＳ３０１から予測タップを抽出し、それらの信
号レベル分布を示す予測タップデータＳ３１０を予測演
算部３０７に送出する。予測演算部３０７は、予測係数
データＳ３０７と予測タップデータＳ３１０を用いて上
述の積和演算を施すことにより高精細度の画像データＳ
３１１の注目画素を順次生成し、これを外部に出力す
る。

【００９３】続いて図８との対応部分に同一符号を付し
て示す図１３は、ＲＯＭ３０６（図１２）に格納されて
いる予測係数を生成する学習回路３２０の構成を示し、
正規方程式演算部３２１、領域切り出し部３２２及び３
２３、ブロック内特徴量抽出部３２４及び３２５、クラ
スコード発生部３２６、予測係数決定部３２７及びメモ
リ３２８の構成を除いて、第１の実施の形態の学習回路
１２０と同様に構成されている。

【００９４】学習回路３２０は、教師画像として高精細
度の画像データＳ３２０をエンコーダ１２１及び正規方
程式演算部３２１に送出する。エンコーダ１２１は、画
像データＳ３２０をＭＰＥＧ２方式を用いて圧縮符号化
し、その結果得られる符号化画像データＳ３２１をデコ
ーダ１２３に送出する。

【００９５】デコーダ１２３は、アップコンバータ３０
０のデコーダ１０１（図１２）と同様に構成されてお
り、符号化画像データＳ３２１を伸長復号化することに
より生徒画像としての標準精細度の画像データＳ３２２
を生成し、これを領域切り出し部３２２及び３２３並び
にブロック抽出部１２６及び１２７に送出する。

【００９６】ブロック抽出部１２６は、アップコンバー
タ３００のブロック抽出部１０４（図１２）と同様に構
成されており、画像データＳ３２２から８×８画素すな
わち６４画素のブロックを抽出し、その各画素の信号レ
ベル分布をブロックデータＳ３３０としてブロック内特
徴量抽出部３２４に送出する。ブロック内特徴量抽出部
１３０は、アップコンバータ３００のブロック内特徴量
抽出部３０３（図１２）と同様に構成されており、ブロ
ックデータＳ３３０の周波数特性を基にブロック内の特
徴量例えば精細度を調べ、その精細度を示す精細度デー
タＳ３３１をクラスコード発生部３２６及び領域切り出
し部３２２に送出する。

【００９７】領域切り出し部３２２は、精細度データＳ
３３１に応じて切り出す領域の範囲を変化させながら画
像データＳ３２２からクラスタップを抽出し、それらの
信号レベル分布を示すクラスタップデータＳ３３２を特
徴量抽出部１３２に送出する。特徴量抽出部１３２は、
アップコンバータ３００の特徴量抽出部１０８（図１
２）と同様に構成されており、クラスタップデータＳ３
３２に対して１ビットＡＤＲＣを施すことによりＡＤＲ
ＣコードＳ３３３を生成し、これをクラスコード発生部
３２６に送出する。

【００９８】クラスコード発生部３２６は、アップコン
バータ３００のクラスコード発生部３０５（図１２）と
同様に構成されており、上述の精細度データＳ３３１と
ＡＤＲＣコードＳ３３３とを合成することによりクラス
コードＳ３３４を生成し、これを正規方程式演算部３２
１に送出する。

【００９９】一方、ブロック抽出部１２７は、アップコ
ンバータ３００のブロック抽出部１０５（図１２）と同
様に構成されており、６４画素のブロックを抽出し、そ
の各画素の信号レベル分布をブロックデータＳ３４０と
してブロック内特徴量抽出部３２５に送出する。

【０１００】ブロック内特徴量抽出部１４０は、アップ
コンバータ３００のブロック内特徴量抽出部３０４（図
１２）と同様に構成されており、ブロックデータＳ３４
０の周波数特性を基にブロック内の精細度を調べ、その
精細度を示す精細度データＳ３４１を領域切り出し部３
２３に送出する。領域切り出し部３２３は、精細度デー
タＳ３４１に応じて切り出す領域の範囲を変化させなが
ら画像データＳ３２２から予測タップを抽出し、それら
の信号レベル分布を示す予測タップデータＳ３４２を正
規方程式演算部３２１に送出する。

【０１０１】正規方程式演算部３２１は、高精細度の画
像データＳ３２０と予測タップデータＳ３４２とから、
クラスコードＳ３３４毎に正規方程式を生成し、この正
規方程式データＳ３４３を予測係数決定部３２７に送出
する。予測係数決定部３２７は、正規方程式データＳ３
４３が必要な数だけ供給されると、最小自乗法を用いて
当該正規方程式を解くことにより予測係数を算出し、そ
の予測係数データＳ３４４をメモリ３２８に送出して当
該メモリ３２８に格納する。その後、このメモリ３２８
に格納されている予測係数は、図１２に示すＲＯＭ３０
６に書き込まれるようになされている。

【０１０２】以上の構成において、学習回路３２０は、
ブロック内の精細度を示す精細度データＳ３３１に応じ
て画像データＳ３２２から切り出す領域をブロック毎に
変化させながらクラスタップ及び予測タップを抽出し、
当該抽出されたクラスタップのＡＤＲＣコードＳ３３３
と精細度データＳ３３１とを合成することによりクラス
コードＳ３３４を発生した後、当該クラスコードＳ３３
４毎に高精細度の画像データＳ３２０と予測タップデー
タＳ３４２から正規方程式を生成して当該正規方程式を
解くことにより予測係数データＳ３４４を生成する。

【０１０３】アップコンバータ３００は、ブロック内の
精細度を示す精細度データＳ３０３に応じて画像データ
Ｓ３０１から切り出す領域をブロック毎に変化させなが
らクラスタップ及び予測タップを抽出し、当該抽出され
たクラスタップのＡＤＲＣコードＳ３０５と精細度デー
タＳ３０３とからクラスコードＳ３０６を生成し、当該
クラスコードＳ３０６に応じた予測係数データＳ３０７
を読み出した後、予測係数データＳ３０７と予測タップ
データＳ３１０との積和演算を施すことにより、ブロッ
ク内のオフセットが補正された高精細度の画像データＳ
３１１を生成する。

【０１０４】このように精細度（歪みの度合い）に応じ
てクラスタップ及び予測タップを切り出す領域をブロッ
ク毎に変化させながらクラス分類適応処理を施すことに
より、全ブロックに対して全て同様の領域からクラスタ
ップ及び予測タップを切り出してクラス分類適応処理を
施す場合に比して、生成された画像データＳ３１１の各
ブロック間に精細度の差が生じることを回避しながら各
ブロックの精細度が改善される。

【０１０５】以上の構成によれば、精細度に応じてタッ
プを切り出す領域をブロック毎に変化させながらクラス
分類適応処理を施すことにより、全ブロックに対して同
様の領域からタップを切り出してクラス分類適応処理を
施す場合に比して、各ブロック間の精細度の差による歪
みが生じることを回避しながら各ブロックの精細度を改
善することができ、かくして従来に比して一段と画質を
向上し得る。

【０１０６】（５）他の実施の形態なお上述の第１及び第２の実施の形態においては、ブロ
ック内の特徴量として当該ブロック内における全画素の
平均値を適用した場合について述べたが、本発明はこれ
に限らず、例えばＤＣＴの基底レベル、ブロック内のダ
イナミックレンジ、ブロック内の最大値及び最小値、ブ
ロック内の変化量の合計値、ブロック内ＡＤＲＣの変化
量のように、この他種々のブロック内の特徴量を適用し
ても良い。

【０１０７】また上述の実施の形態においては、本発明
を、ＭＰＥＧ２規格による圧縮符号化方式を用いて８×
８画素のブロック単位毎にＤＣＴ及び量子化処理並びに
逆量子化処理及び逆ＤＣＴが施された画像データＳ１０
１、Ｓ２０１又はＳ３０１の画質を改善するアップコン
バータ１００、２００又は３００に適用した場合につい
て述べたが、本発明はこれに限らず、要は、所定のブロ
ック単位毎に異なる種類のデータ処理が施された第１の
画像データの画質を改善する画像データ変換装置に本発
明を適用すれば良い。

【０１０８】

【発明の効果】上述のように本発明によれば、ブロック
単位で表される特徴量に応じたクラス分類適応処理を施
すことにより、全ブロックに対して同様のクラス分類適
応処理を施す場合に比して、ブロック間に精細度の差が
生じることを回避しながら各ブロックの精細度を改善す
ることができ、かくして従来に比して一段と画質を向上
し得る。

【図面の簡単な説明】

【図１】アップコンバータの構成を示すブロック図であ
る。

【図２】クラスタップ配置例を示す略線図である。

【図３】予測タップ配置例を示す略線図である。

【図４】学習回路の構成を示すブロック図である。

【図５】予測係数生成手順を示すフローチャートであ
る。

【図６】本発明によるアップコンバータの第１の実施の
形態を示すブロック図である。

【図７】ブロック内特徴量抽出処理の説明に供する略線
図である。

【図８】本発明による学習回路の第１の実施の形態を示
すブロック図である。

【図９】本発明によるアップコンバータの第２の実施の
形態を示すブロック図である。

【図１０】ブロック間特徴量抽出処理の説明に供する略
線図である。

【図１１】本発明による学習回路の第２の実施の形態を
示すブロック図である。

【図１２】本発明によるアップコンバータの第３の実施
の形態を示すブロック図である。

【図１３】本発明による学習回路の第３の実施の形態を
示すブロック図である。

【符号の説明】

１００、２００、３００……アップコンバータ、１０
２、１０３、２０５、３０１、３０２……領域切り出し
部、１０４、１０５……ブロック抽出部、１０６、１１
１、３０３、３０４……ブロック内特徴量抽出部、１０
７、２０２、３０５……クラスコード発生部、１０８…
…特徴量抽出部、１０９、２０３、３０６……ＲＯＭ、
１１０、２０４、３０７……予測演算部、１２０、２２
０、３２０……学習回路、２０１……ブロック間特徴量
抽出部。

───────────────────────────────────────────────────── フロントページの続き (72)発明者浜松俊彦東京都品川区北品川６丁目７番35号ソニー株式会社内 (72)発明者服部正明東京都品川区北品川６丁目７番35号ソニー株式会社内Ｆターム(参考） 5C063 AB03 BA06 BA08 CA34 CA40

Claims

【特許請求の範囲】

【請求項１】所定のブロック単位毎に異なるデータ処理
が施された第１の画像データを第２の画像データに変換
する画像データ変換装置において、上記第１の画像データから上記第２の画像データの注目
画素が存在する上記ブロックを抽出して当該ブロック単
位で表される特徴量を抽出するブロック特徴量抽出手段
と、上記第１の画像データから上記注目画素を基準とする複
数の画素を選定してその特徴量を抽出する画素特徴量抽
出手段と、上記ブロック単位で表される特徴量及び上記複数画素の
特徴量から上記注目画素に対するクラスを決定するクラ
ス決定手段と、上記クラスに対応する予測データを発生する予測データ
発生手段と、上記予測データから上記第２の画像データの上記注目画
素を発生する画素データ発生手段とを具えることを特徴
とする画像データ変換装置。
【請求項２】上記ブロック特徴量抽出手段は、上記第１の画像データから上記第２の画像データの注目
画素が存在する上記ブロックを抽出して当該ブロック内
の特徴量を抽出し、これを上記ブロック単位で表される
特徴量とすることを特徴とする請求項１に記載の画像デ
ータ変換装置。
【請求項３】上記ブロック内の特徴量は、上記ブロック内における各画素の平均画素値であること
を特徴とする請求項２に記載の画像データ変換装置。
【請求項４】上記ブロック特徴量抽出手段は、上記第１の画像データから上記注目画素が存在する上記
ブロックを基準とする複数のブロックを抽出して当該各
ブロック間の特徴量を抽出し、これを上記ブロック単位
で表される特徴量とすることを特徴とする請求項１に記
載の画像データ変換装置。
【請求項５】上記画素特徴量抽出手段は、上記ブロック内の特徴量に応じて上記第１の画像データ
から上記注目画素を基準とする複数の画素を選定するこ
とを特徴とする請求項２に記載の画像データ変換装置。
【請求項６】上記予測データは、上記第１の画像データから抽出された上記複数の画素に
対応して存在する予測係数でなり、上記画素データ発生手段は、上記クラスに応じて発生された上記各予測係数と上記第
１の画像データから抽出された上記複数の画素とから上
記第２の画像データの上記注目画素を発生することを特
徴とする請求項１に記載の画像データ変換装置。
【請求項７】上記予測データは、上記第２の画像データに対応する学習データを用いて予
め生成されていることを特徴とする請求項１に記載の画
像データ変換装置。
【請求項８】所定のブロック単位毎に異なるデータ処理
が施された第１の画像データを第２の画像データに変換
する画像データ変換方法において、上記第１の画像データから上記第２の画像データの注目
画素が存在する上記ブロックを抽出して当該ブロック単
位で表される特徴量を抽出し、上記第１の画像データから上記注目画素を基準とする複
数の画素を選定してその特徴量を抽出し、上記ブロック単位で表される特徴量及び上記複数画素の
特徴量から上記注目画素に対するクラスを決定し、上記クラスに対応する予測データを発生し、上記予測データから上記第２の画像データの上記注目画
素を発生することを特徴とする画像データ変換方法。
【請求項９】上記第１の画像データから上記第２の画像
データの注目画素が存在する上記ブロックを抽出して当
該ブロック内の特徴量を抽出し、これを上記ブロック単
位で表される特徴量とすることを特徴とする請求項８に
記載の画像データ変換方法。
【請求項１０】上記ブロック内の特徴量は、上記ブロック内における各画素の平均画素値であること
を特徴とする請求項９に記載の画像データ変換方法。
【請求項１１】上記第１の画像データから上記注目画素
が存在する上記ブロックを基準とする複数のブロックを
抽出して当該各ブロック間の特徴量を抽出して、これを
上記ブロック単位で表される特徴量とすることを特徴と
する請求項８に記載の画像データ変換方法。
【請求項１２】上記ブロック内の特徴量に応じて上記第
１の画像データから上記注目画素を基準とする複数の画
素を選定することを特徴とする請求項９に記載の画像デ
ータ変換方法。
【請求項１３】上記予測データは、上記第１の画像データから抽出された上記複数の画素に
対応して存在する予測係数でなり、上記クラスに応じて発生された上記各予測係数と上記第
１の画像データから抽出された上記複数の画素とから上
記第２の画像データの上記注目画素を発生することを特
徴とする請求項８に記載の画像データ変換方法。
【請求項１４】上記予測データは、上記第２の画像データに対応する学習データを用いて予
め生成されていることを特徴とする請求項８に記載の画
像データ変換方法。