JP2003230012A - ヘッダ情報に基づく画像処理方法 - Google Patents
ヘッダ情報に基づく画像処理方法Info
- Publication number
- JP2003230012A JP2003230012A JP2002336772A JP2002336772A JP2003230012A JP 2003230012 A JP2003230012 A JP 2003230012A JP 2002336772 A JP2002336772 A JP 2002336772A JP 2002336772 A JP2002336772 A JP 2002336772A JP 2003230012 A JP2003230012 A JP 2003230012A
- Authority
- JP
- Japan
- Prior art keywords
- scale
- image
- block
- entropy
- distribution
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims description 72
- 238000009826 distribution Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 113
- 230000011218 segmentation Effects 0.000 claims description 65
- 238000010191 image analysis Methods 0.000 claims description 23
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 238000013459 approach Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 28
- 238000004422 calculation algorithm Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 230000000007 visual effect Effects 0.000 description 13
- 239000013256 coordination polymer Substances 0.000 description 12
- 230000003044 adaptive effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000003746 feather Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 101001062854 Rattus norvegicus Fatty acid-binding protein 5 Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/136—Incoming video signal characteristics or properties
- H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation
-
- 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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
-
- 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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- 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
- H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
-
- 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
- H04N19/48—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using compressed domain processing techniques other than decoding, e.g. modification of transform coefficients, variable length coding [VLC] data or run-length data
-
- 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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【課題】 本発明は、符号ストリームヘッダデータに基
づく画像のセグメンテーション、画像の適応的スケーリ
ング、画像の自動スケーリング及びクロッピングの方法
及び装置の提供を目的とする。 【解決手段】 本発明によれば、画像のブロックに関す
るマルチスケールエントロピー分布情報を収容するヘッ
ダを含むファイルが取得され、ブロック毎に、ブロック
の尤度の積である総尤度と、事前確率との積であるコス
ト関数を最大化するスケールが割当てられる。画像は等
価的なスケールが割当てられたブロックを集めることに
よってセグメント化される。ファイルはＪＰＥＧ２００
０フォーマットの画像を表現する。
づく画像のセグメンテーション、画像の適応的スケーリ
ング、画像の自動スケーリング及びクロッピングの方法
及び装置の提供を目的とする。 【解決手段】 本発明によれば、画像のブロックに関す
るマルチスケールエントロピー分布情報を収容するヘッ
ダを含むファイルが取得され、ブロック毎に、ブロック
の尤度の積である総尤度と、事前確率との積であるコス
ト関数を最大化するスケールが割当てられる。画像は等
価的なスケールが割当てられたブロックを集めることに
よってセグメント化される。ファイルはＪＰＥＧ２００
０フォーマットの画像を表現する。
Description
【０００１】
【発明の属する技術分野】本発明は、一般的に画像処理
の分野に係り、特に、マルチスケール変換を使用する画
像処理に関する。
の分野に係り、特に、マルチスケール変換を使用する画
像処理に関する。
【０００２】本願発明は、本願の優先権主張日と同日の
２００２年１月１０日に出願され、本願と同一出願人に
譲渡された米国特許出願第０２−０４４６０３号に関連
している。
２００２年１月１０日に出願され、本願と同一出願人に
譲渡された米国特許出願第０２−０４４６０３号に関連
している。
【０００３】
【従来の技術】デジタル画像は、多様なフォーマットで
表現され蓄積される。デジタル画像表現フォーマットに
おける一般的な特徴は、画像ファイルを構成するビット
が画像記述ビットとヘッダビットとに分けられることで
ある。画像記述ビットは実際の基礎画像を記述する。屡
々、画像記述ビットは便宜上より小さい細分ユニットに
分割される。ヘッダビットは、多数の細分画像記述ユニ
ットに対する画素単位の画像サイズ、ファイルサイズ、
ビット単位の長さなどのような画像に関する構造的情報
を与える。
表現され蓄積される。デジタル画像表現フォーマットに
おける一般的な特徴は、画像ファイルを構成するビット
が画像記述ビットとヘッダビットとに分けられることで
ある。画像記述ビットは実際の基礎画像を記述する。屡
々、画像記述ビットは便宜上より小さい細分ユニットに
分割される。ヘッダビットは、多数の細分画像記述ユニ
ットに対する画素単位の画像サイズ、ファイルサイズ、
ビット単位の長さなどのような画像に関する構造的情報
を与える。
【０００４】圧縮画像ファイルは、主として、便利なフ
ァイル管理及び解釈を実現し易くするため、種々様々な
構造的情報をヘッダに収容する。例えば、幅、高さ、色
成分情報、及び、その他の詳細のような従来からの情報
に加えて、ＪＰＥＧ ２０００（非特許文献１を参照）
の画像ヘッダは、画像の圧縮データを構成するウェーブ
レット係数のグループ（符号ブロックと称される）のよ
うな細分ユニットに含まれるビット数と、これらの係数
の細分ユニットのウェーブレット領域（ドメイン）での
位置と、に関する情報を与える。他の画像ファイルフォ
ーマットは細分情報を収容する。
ァイル管理及び解釈を実現し易くするため、種々様々な
構造的情報をヘッダに収容する。例えば、幅、高さ、色
成分情報、及び、その他の詳細のような従来からの情報
に加えて、ＪＰＥＧ ２０００（非特許文献１を参照）
の画像ヘッダは、画像の圧縮データを構成するウェーブ
レット係数のグループ（符号ブロックと称される）のよ
うな細分ユニットに含まれるビット数と、これらの係数
の細分ユニットのウェーブレット領域（ドメイン）での
位置と、に関する情報を与える。他の画像ファイルフォ
ーマットは細分情報を収容する。
【０００５】非特許文献２には、通常のＪＰＥＧ圧縮文
書を画像内の８×８形ブロックのエントロピーを使用す
る通常のＪＰＥＧ圧縮文書のセグメンテーションが記載
されている。エントロピー値は従来のＪＰＥＧ画像ヘッ
ダで利用できないので、非特許文献２に記載された技術
はヘッダ情報に基づく処理を使用しない。また、個の技
術は、局部的な８×８形ブロックだけに作用する従来の
ＪＰＥＧによって使用される離散コサイン変換（ＤＣ
Ｔ）を利用する。したがって、この技術はマルチスケー
ル変換を使用しない。更に、この技術は、画像領域内の
８×８形ブロック上で利用可能なエントロピー分布だけ
を使用し、マルチスケールビット分布を利用しない。
書を画像内の８×８形ブロックのエントロピーを使用す
る通常のＪＰＥＧ圧縮文書のセグメンテーションが記載
されている。エントロピー値は従来のＪＰＥＧ画像ヘッ
ダで利用できないので、非特許文献２に記載された技術
はヘッダ情報に基づく処理を使用しない。また、個の技
術は、局部的な８×８形ブロックだけに作用する従来の
ＪＰＥＧによって使用される離散コサイン変換（ＤＣ
Ｔ）を利用する。したがって、この技術はマルチスケー
ル変換を使用しない。更に、この技術は、画像領域内の
８×８形ブロック上で利用可能なエントロピー分布だけ
を使用し、マルチスケールビット分布を利用しない。
【０００６】画像解析には、画像の記述、解釈及び理解
が含まれる。画像解析は、画像から測定量、データ若し
くは情報を抽出する。画像解析技術は、特徴抽出、セグ
メンテーション（区分け）及びクラシフィケーション
（分類）が含まれる。画像解析は、コンピュータビジョ
ン、画像データ抽出、情景解析、画像記述、自動写真理
解、領域選択、又は、画像理解のように呼ばれる場合が
ある。非特許文献３及び非特許文献４を参照せよ。
が含まれる。画像解析は、画像から測定量、データ若し
くは情報を抽出する。画像解析技術は、特徴抽出、セグ
メンテーション（区分け）及びクラシフィケーション
（分類）が含まれる。画像解析は、コンピュータビジョ
ン、画像データ抽出、情景解析、画像記述、自動写真理
解、領域選択、又は、画像理解のように呼ばれる場合が
ある。非特許文献３及び非特許文献４を参照せよ。
【０００７】画像処理は、入力画像から修正された出力
画像を生成する。画像処理技術には、クロッピング、ス
ケーリング、ポイント演算、フィルタリング、ノイズ除
去、修復、強調が含まれる（非特許文献４の第７及び８
章、非特許文献３の第４部）。
画像を生成する。画像処理技術には、クロッピング、ス
ケーリング、ポイント演算、フィルタリング、ノイズ除
去、修復、強調が含まれる（非特許文献４の第７及び８
章、非特許文献３の第４部）。
【０００８】一部のアプリケーションでは、最初に画像
に対して画像解析を実行し、次に、画像上の画像処理を
制御するため解析結果を使用することが望ましい。例え
ば、非特許文献５に掲載されたプログラム"pnmcrop"
は、最初に、四方全てについて、背景色（単一の色値、
例えば、白又は黒）の縞を見つけるため画像を解析す
る。次に、このプログラムは、縞を取り除くため、画像
処理演算のクロッピングを画像に対して実行する。
に対して画像解析を実行し、次に、画像上の画像処理を
制御するため解析結果を使用することが望ましい。例え
ば、非特許文献５に掲載されたプログラム"pnmcrop"
は、最初に、四方全てについて、背景色（単一の色値、
例えば、白又は黒）の縞を見つけるため画像を解析す
る。次に、このプログラムは、縞を取り除くため、画像
処理演算のクロッピングを画像に対して実行する。
【０００９】
【非特許文献１】ＩＴＵ−Ｔ勧告Ｔ．８００（ＩＳＯ／
ＩＥＣ １５４４４−１：２０００）、[online]、＜Ｕ
ＲＬ：www.iso.ch＞
ＩＥＣ １５４４４−１：２０００）、[online]、＜Ｕ
ＲＬ：www.iso.ch＞
【非特許文献２】アール・デ・ケイロース(R. De Queir
oz)及びアール・エッシュバッハ(R. Eschbach)著、「Ｊ
ＰＥＧ圧縮文書の高速セグメンテーション(Fast segmen
tation ofJPEG compressed documents)」、エレクトロ
ニック・イメージング(ElectronicImaging)、第７巻、
１９９８年４月、ｐ．３６７−３７７
oz)及びアール・エッシュバッハ(R. Eschbach)著、「Ｊ
ＰＥＧ圧縮文書の高速セグメンテーション(Fast segmen
tation ofJPEG compressed documents)」、エレクトロ
ニック・イメージング(ElectronicImaging)、第７巻、
１９９８年４月、ｐ．３６７−３７７
【非特許文献３】ダブリュー・プラット(W. Pratt)著、
「デジタル画像処理(Digital Image Processing)」、第
２版、ジョンワイリー社(John Wiley & Sons, Inc.)発
行、米国ニューヨーク州ニューヨーク市、１９９５年
「デジタル画像処理(Digital Image Processing)」、第
２版、ジョンワイリー社(John Wiley & Sons, Inc.)発
行、米国ニューヨーク州ニューヨーク市、１９９５年
【非特許文献４】エー・ジェイン(A. Jain)著、「デジ
タル画像処理の基礎(Fundamentals of Digital Image P
rocessing)」、プレンティス・ホール(PrenticeHall)、
米国ニュージャージー州エングルウッド、１９９５年
タル画像処理の基礎(Fundamentals of Digital Image P
rocessing)」、プレンティス・ホール(PrenticeHall)、
米国ニュージャージー州エングルウッド、１９９５年
【非特許文献５】インターネット＜URL：http://www.ac
me.com/software/pbmplus/)
me.com/software/pbmplus/)
【００１０】
【発明が解決しようとする課題】本発明は、マルチスケ
ール変換を使用する画像処理方法の提供を目的とする。
ール変換を使用する画像処理方法の提供を目的とする。
【００１１】
【課題を解決するための手段】本発明は、画像セグメン
テーション、適応的スケール選択、自動領域選択のよう
な演算を実行し、画像ファイルヘッダ情報だけを使用し
て基礎画像をスケーリングする方法及び装置を提供す
る。画像ファイルは、マルチスケール画像圧縮技術を使
用する。処理のため使用されるマルチスケールビット割
り付けはファイルヘッダから推定される。処理アルゴリ
ズムは、基礎特徴の視覚的重要性に対する定量的指標と
して、画像符号器によって割り付けられた（又は、別の
実施例では、割り付けるべきであると推定された）ビッ
ト数を使用する。
テーション、適応的スケール選択、自動領域選択のよう
な演算を実行し、画像ファイルヘッダ情報だけを使用し
て基礎画像をスケーリングする方法及び装置を提供す
る。画像ファイルは、マルチスケール画像圧縮技術を使
用する。処理のため使用されるマルチスケールビット割
り付けはファイルヘッダから推定される。処理アルゴリ
ズムは、基礎特徴の視覚的重要性に対する定量的指標と
して、画像符号器によって割り付けられた（又は、別の
実施例では、割り付けるべきであると推定された）ビッ
ト数を使用する。
【００１２】
【発明の実施の形態】本発明は、以下の詳細な記述と、
種々の実施例についての添付図面とによって、完全に理
解されるであろう。但し、本発明は特定の実施例に限定
して理解されるべきではなく、実施例は説明と理解のた
めだけに用いられる。
種々の実施例についての添付図面とによって、完全に理
解されるであろう。但し、本発明は特定の実施例に限定
して理解されるべきではなく、実施例は説明と理解のた
めだけに用いられる。
【００１３】基礎デジタル画像を処理するためファイル
ヘッダ情報を使用する方法及び装置を説明する。ファイ
ルヘッダ情報は、基礎デジタル画像に対応した圧縮デー
タを含むビットストリームの一部分でもよい。ここで説
明される処理は、ヘッダの情報を使用し、圧縮データの
中で復号すべき部分を決定するためヘッダの情報を特定
の方式で処理する。基本的に、ヘッダの情報は、更なる
処理が現れる領域を識別することが可能である。
ヘッダ情報を使用する方法及び装置を説明する。ファイ
ルヘッダ情報は、基礎デジタル画像に対応した圧縮デー
タを含むビットストリームの一部分でもよい。ここで説
明される処理は、ヘッダの情報を使用し、圧縮データの
中で復号すべき部分を決定するためヘッダの情報を特定
の方式で処理する。基本的に、ヘッダの情報は、更なる
処理が現れる領域を識別することが可能である。
【００１４】一実施例において、圧縮データは、マルチ
スケール変換に基づく圧縮によって得られた画像表現フ
ォーマットを含む。圧縮データは、ヘッダ及び画像記述
ビットにより構成される。すなわち、マルチスケール変
換に基づく圧縮は、画像記述ビットを生成する処理の一
部として画像データに適用される。ヘッダ情報から、マ
ルチスケール領域における画像符号器の画像符号器のエ
ントロピー分布、又は、ビット割当が推定され、基礎画
像特徴の視覚的重要性に対する定量的指標として使用さ
れる。例えば、ＪＰＥＧ ２０００ファイル情報のヘッ
ダから、符号ブロックの長さ、零ビットプレーンの数、
符号化パスの数のようなファイル情報がエントロピー分
布を判定するため使用される。このようにして、マルチ
スケール変換に基づく表現におけるビット分布は、非限
定的な例として、画像セグメンテーションと、画像に対
する適応スケール／解像度選択と、自動スケーリング及
び検出と、重要な画像領域の選択、スケーリング及びク
ロッピングと、を含む一つ以上の演算を実行するため使
用される。
スケール変換に基づく圧縮によって得られた画像表現フ
ォーマットを含む。圧縮データは、ヘッダ及び画像記述
ビットにより構成される。すなわち、マルチスケール変
換に基づく圧縮は、画像記述ビットを生成する処理の一
部として画像データに適用される。ヘッダ情報から、マ
ルチスケール領域における画像符号器の画像符号器のエ
ントロピー分布、又は、ビット割当が推定され、基礎画
像特徴の視覚的重要性に対する定量的指標として使用さ
れる。例えば、ＪＰＥＧ ２０００ファイル情報のヘッ
ダから、符号ブロックの長さ、零ビットプレーンの数、
符号化パスの数のようなファイル情報がエントロピー分
布を判定するため使用される。このようにして、マルチ
スケール変換に基づく表現におけるビット分布は、非限
定的な例として、画像セグメンテーションと、画像に対
する適応スケール／解像度選択と、自動スケーリング及
び検出と、重要な画像領域の選択、スケーリング及びク
ロッピングと、を含む一つ以上の演算を実行するため使
用される。
【００１５】一実施例において、ヘッダ中の情報は、圧
縮画像データの中で後続の処理のため望ましいデータを
収容する部分を示すエントロピー分布マップを作成する
ため使用される。このようなマップの一例が図１に与え
られる。その他のマップも考えられ、望ましいビットレ
ートを獲得するため（特に、レイヤ割当が歪みに関連す
る場合）、ＪＰＥＧ ２０００の記述とともに後述され
るレイヤ数を示すか、又は、多数のビットレート毎にエ
ントロピー分布を示す。エントロピー分布を示す場合、
マップ上の各四角形エリアにはベクトルが関連付けられ
る。このベクトルは、多数のレイヤの値を示す。
縮画像データの中で後続の処理のため望ましいデータを
収容する部分を示すエントロピー分布マップを作成する
ため使用される。このようなマップの一例が図１に与え
られる。その他のマップも考えられ、望ましいビットレ
ートを獲得するため（特に、レイヤ割当が歪みに関連す
る場合）、ＪＰＥＧ ２０００の記述とともに後述され
るレイヤ数を示すか、又は、多数のビットレート毎にエ
ントロピー分布を示す。エントロピー分布を示す場合、
マップ上の各四角形エリアにはベクトルが関連付けられ
る。このベクトルは、多数のレイヤの値を示す。
【００１６】画像記述ビットを圧縮するためマルチスケ
ール変換を利用する画像表現フォーマットは、典型的
に、多数の構造的細部をヘッダに組み込むので、デジタ
ル画像に関する記述は、画素の観点では、正確かつ都合
よく復号化される。ＪＰＥＧ２０００は、ファイルヘッ
ダにマルチスケールビット分布を与える画像圧縮標準の
一例である。屡々、画像記述ビットは細分ユニットに分
割され、符号器（エンコーダ）がこれらの細分ユニット
へ割り付けるビット数は、部分的な画像アクセス、ネッ
トワーク化された環境への適応などのような機能を実現
し易くするため、画像ヘッダに格納される。情報理論の
慣例に従って、割り付けられたビット数は、各細分ユニ
ットのエントロピーと呼ばれる。画像符号器によって使
用されるエントロピー分布は、圧縮画像の視覚的重要性
についての優れた定量的指標を与える。損失のない圧縮
の場合、画像符号器は、動きが活発な（ディテールが多
い）領域を記述するため多くのビットを使用し、ディテ
ール情報が少ない領域を搬送するため使用するビット数
は少ない。損失の多い圧縮の場合、画像符号器は、典型
的に、割り付けられたビットの範囲内で実現可能な最良
の画像の記述を搬送するために努力する。したがって、
符号器は、画像内で視覚的に重要な特徴を記述する有効
な少数のビットを費やすように巧みに設計される。
ール変換を利用する画像表現フォーマットは、典型的
に、多数の構造的細部をヘッダに組み込むので、デジタ
ル画像に関する記述は、画素の観点では、正確かつ都合
よく復号化される。ＪＰＥＧ２０００は、ファイルヘッ
ダにマルチスケールビット分布を与える画像圧縮標準の
一例である。屡々、画像記述ビットは細分ユニットに分
割され、符号器（エンコーダ）がこれらの細分ユニット
へ割り付けるビット数は、部分的な画像アクセス、ネッ
トワーク化された環境への適応などのような機能を実現
し易くするため、画像ヘッダに格納される。情報理論の
慣例に従って、割り付けられたビット数は、各細分ユニ
ットのエントロピーと呼ばれる。画像符号器によって使
用されるエントロピー分布は、圧縮画像の視覚的重要性
についての優れた定量的指標を与える。損失のない圧縮
の場合、画像符号器は、動きが活発な（ディテールが多
い）領域を記述するため多くのビットを使用し、ディテ
ール情報が少ない領域を搬送するため使用するビット数
は少ない。損失の多い圧縮の場合、画像符号器は、典型
的に、割り付けられたビットの範囲内で実現可能な最良
の画像の記述を搬送するために努力する。したがって、
符号器は、画像内で視覚的に重要な特徴を記述する有効
な少数のビットを費やすように巧みに設計される。
【００１７】マルチスケール画像符号器は、画像の画素
を符号化するのではなく、画像情報を多数の周波数帯域
に分離する変換がなされた変換画像の係数を符号化す
る。マルチスケール画像符号器（例えば、ＪＰＥＧ ２
０００符号器）は、基礎画像に対するエントロピーのマ
ルチスケール分布を画像ヘッダに収容する。このような
変換に基づく機能は空間域と周波数域の両方で同時に定
位を行うので、変換係数は画像内の特定の位置における
周波数内容に関する情報を含む。
を符号化するのではなく、画像情報を多数の周波数帯域
に分離する変換がなされた変換画像の係数を符号化す
る。マルチスケール画像符号器（例えば、ＪＰＥＧ ２
０００符号器）は、基礎画像に対するエントロピーのマ
ルチスケール分布を画像ヘッダに収容する。このような
変換に基づく機能は空間域と周波数域の両方で同時に定
位を行うので、変換係数は画像内の特定の位置における
周波数内容に関する情報を含む。
【００１８】画像を画像のヘッダ情報だけに基づいて処
理する能力は好ましい。なぜならば、ヘッダ情報は少な
い回数の計算を使用して容易にアクセスできるだけでは
なく、利用可能な画像情報が凝縮された性質は後続の処
理の効率を高めるからである。重要な点は、簡単にアク
セスすることができるヘッダ情報が、係数を復号化する
ことなく画像に関する情報を示すことである。したがっ
て、処理時の決定は、係数を復号化する膨大な時間を費
やすことなく行われる。
理する能力は好ましい。なぜならば、ヘッダ情報は少な
い回数の計算を使用して容易にアクセスできるだけでは
なく、利用可能な画像情報が凝縮された性質は後続の処
理の効率を高めるからである。重要な点は、簡単にアク
セスすることができるヘッダ情報が、係数を復号化する
ことなく画像に関する情報を示すことである。したがっ
て、処理時の決定は、係数を復号化する膨大な時間を費
やすことなく行われる。
【００１９】ここで説明している技術は、例えば、表示
に適応した画像表現、デジタル映像監視、画像データベ
ース管理、画像分類、画像検索、並びに、ポターン解
析、画像フィルタリング及び画像サイジングの前処理の
ような分野に適用されるが、これらの例に限定されるも
のではない。
に適応した画像表現、デジタル映像監視、画像データベ
ース管理、画像分類、画像検索、並びに、ポターン解
析、画像フィルタリング及び画像サイジングの前処理の
ような分野に適用されるが、これらの例に限定されるも
のではない。
【００２０】以下の記述では、多数の細部について説明
される。しかし、本発明は、これらの特定の細部を用い
ることなく実施されることが当業者に明らかであろう。
それ以外の場合に、周知の構造及び装置は、本発明を分
かり難くすることを避けるため、詳細ではなく、ブロッ
ク図形式で示される。
される。しかし、本発明は、これらの特定の細部を用い
ることなく実施されることが当業者に明らかであろう。
それ以外の場合に、周知の構造及び装置は、本発明を分
かり難くすることを避けるため、詳細ではなく、ブロッ
ク図形式で示される。
【００２１】以下の詳細な説明の一部分は、コンピュー
タメモリ内でのデータビットに対する演算のアルゴリズ
ム及び記号表現の観点で記述されている。これらのアル
ゴリズム的な記述及び表現は、データ処理技術の当業者
が自分の業績の要旨を他の当業者へ最も効率的に伝える
ために使用する手段である。ここで説明するアルゴリズ
ムは、一般的なアルゴリズムがそうであるように、所望
の結果を導く首尾一貫した手順の系列である。手順（ス
テップ）は、物理量の物理的操作を必要とする手順であ
る。必然的ではないが通常は、これらの量は、記憶、転
送、合成、比較、及び、その他の操作を行うことができ
る電気信号又は磁気信号の形式をとる。主として、一般
的な用法であるとの理由から、これらの信号は、ビッ
ト、値、要素、シンボル、文字、項、数などによって指
定することが時に好都合であることがわかる。
タメモリ内でのデータビットに対する演算のアルゴリズ
ム及び記号表現の観点で記述されている。これらのアル
ゴリズム的な記述及び表現は、データ処理技術の当業者
が自分の業績の要旨を他の当業者へ最も効率的に伝える
ために使用する手段である。ここで説明するアルゴリズ
ムは、一般的なアルゴリズムがそうであるように、所望
の結果を導く首尾一貫した手順の系列である。手順（ス
テップ）は、物理量の物理的操作を必要とする手順であ
る。必然的ではないが通常は、これらの量は、記憶、転
送、合成、比較、及び、その他の操作を行うことができ
る電気信号又は磁気信号の形式をとる。主として、一般
的な用法であるとの理由から、これらの信号は、ビッ
ト、値、要素、シンボル、文字、項、数などによって指
定することが時に好都合であることがわかる。
【００２２】しかし、これらの用語及び類義語は、適切
な物理量と関連付けられ、物理量に与えられた便宜的な
ラベルに過ぎない。特に断らない限り、以下の説明から
明らかであるように、「処理」、「コンピューティン
グ」、「計算」、「決定」、或いは、「表示」のような
用語を利用する記述は、コンピュータシステム若しくは
類似した電子コンピューティング装置の動作及び処理を
示すものであり、コンピュータシステムのレジスタ及び
メモリ内で物理（電子）量として表現されたデータを操
作し、同じように、コンピュータシステムのメモリ若し
くはレジスタ、又は、他の情報記憶装置、情報伝送装
置、若しくは、情報表示装置内で物理量として表現され
た他のデータへ変換する。
な物理量と関連付けられ、物理量に与えられた便宜的な
ラベルに過ぎない。特に断らない限り、以下の説明から
明らかであるように、「処理」、「コンピューティン
グ」、「計算」、「決定」、或いは、「表示」のような
用語を利用する記述は、コンピュータシステム若しくは
類似した電子コンピューティング装置の動作及び処理を
示すものであり、コンピュータシステムのレジスタ及び
メモリ内で物理（電子）量として表現されたデータを操
作し、同じように、コンピュータシステムのメモリ若し
くはレジスタ、又は、他の情報記憶装置、情報伝送装
置、若しくは、情報表示装置内で物理量として表現され
た他のデータへ変換する。
【００２３】本発明は、以下で説明する動作を実行する
装置に関する。この装置は、特に、要求された用途に応
じて構成されるか、或いは、選択的に作動され、若しく
は、コンピュータに記憶されたコンピュータプログラム
を用いて再構成される汎用コンピュータを含む。このよ
うなコンピュータプログラムは、たとえば、フレキシブ
ルディスク、光ディスク、ＣＤ−ＲＯＭ、光磁気ディス
クなどを含む任意のタイプのディスクや、読み出し専用
メモリ（ＲＯＭ）や、ランダム・アクセス・メモリ（Ｒ
ＡＭ）や、ＥＰＲＯＭや、ＥＥＰＲＯＭや、磁気若しく
は光カードや、電子命令を記憶するため適した任意のタ
イプの媒体のような、コンピュータシステムバスに接続
された、コンピュータ読み取り可能な記憶媒体に記憶さ
れるが、これらの例示的な記憶媒体に制限されるもので
はない。
装置に関する。この装置は、特に、要求された用途に応
じて構成されるか、或いは、選択的に作動され、若しく
は、コンピュータに記憶されたコンピュータプログラム
を用いて再構成される汎用コンピュータを含む。このよ
うなコンピュータプログラムは、たとえば、フレキシブ
ルディスク、光ディスク、ＣＤ−ＲＯＭ、光磁気ディス
クなどを含む任意のタイプのディスクや、読み出し専用
メモリ（ＲＯＭ）や、ランダム・アクセス・メモリ（Ｒ
ＡＭ）や、ＥＰＲＯＭや、ＥＥＰＲＯＭや、磁気若しく
は光カードや、電子命令を記憶するため適した任意のタ
イプの媒体のような、コンピュータシステムバスに接続
された、コンピュータ読み取り可能な記憶媒体に記憶さ
れるが、これらの例示的な記憶媒体に制限されるもので
はない。
【００２４】ここで説明するアルゴリズム及びディスプ
レイは、本来的に特定のコンピュータ若しくはその他の
装置に関連付けられたものではない。種々の汎用システ
ムが、ここで教示された事項に応じたプログラムと共に
使用される。或いは、要求された方法の手順を実行する
ため、より専用化された装置を構成した方が便利な場合
もある。多様なこれらのシステムに対し要求される構成
は、以下の記載から明らかになる。さらに、本発明は、
特定のプログラミング言語に基づいて説明されていな
い。以下で説明するような本発明の教示事項を実現する
ために、多様なプログラミング言語を使用できることが
認められるであろう。
レイは、本来的に特定のコンピュータ若しくはその他の
装置に関連付けられたものではない。種々の汎用システ
ムが、ここで教示された事項に応じたプログラムと共に
使用される。或いは、要求された方法の手順を実行する
ため、より専用化された装置を構成した方が便利な場合
もある。多様なこれらのシステムに対し要求される構成
は、以下の記載から明らかになる。さらに、本発明は、
特定のプログラミング言語に基づいて説明されていな
い。以下で説明するような本発明の教示事項を実現する
ために、多様なプログラミング言語を使用できることが
認められるであろう。
【００２５】機械読み取り可能な媒体は、機械（たとえ
ば、コンピュータ）によって読み取り可能な形式で情報
を記憶若しくは伝送する任意のメカニズムを含む。たと
えば、機械読み取り可能な媒体は、読み出し専用メモリ
（ＲＯＭ）と、ランダム・アクセス・メモリ（ＲＡＭ）
と、磁気ディスク記憶媒体と、光記憶媒体と、フラッシ
ュメモリ装置と、電気的、光学的、音響的若しくはその
他の形式の伝搬信号（たとえば、搬送波、赤外線信号、
デジタル信号など）と、を含む。
ば、コンピュータ）によって読み取り可能な形式で情報
を記憶若しくは伝送する任意のメカニズムを含む。たと
えば、機械読み取り可能な媒体は、読み出し専用メモリ
（ＲＯＭ）と、ランダム・アクセス・メモリ（ＲＡＭ）
と、磁気ディスク記憶媒体と、光記憶媒体と、フラッシ
ュメモリ装置と、電気的、光学的、音響的若しくはその
他の形式の伝搬信号（たとえば、搬送波、赤外線信号、
デジタル信号など）と、を含む。
【００２６】図１は、画像に対する一つのマルチスケー
ルエントロピー分布を示す図である。最初、画像にＪＰ
ＥＧ ２０００符号化が施される。下にあるパターン
は、画像のウェーブレット係数である。太線は、ＪＰＥ
Ｇ ２０００によるウェーブレットドメイン係数の符号
ブロックへの分割を示し、細線は異なるウェーブレット
サブバンドを分離する。ＪＰＥＧ ２０００の場合、エ
ンコーディング処理を実行する符号器は、ウェーブレッ
トドメイン係数を符号ブロックと呼ばれる細分ユニット
へ割り付け、分割する。各正方形に表された数字は、３
レベルの分解を使用して１画素あたりに０．５ビットで
動作するＪＰＥＧ ２０００符号器によって、夫々の符
号ブロックへ割当てられたビット又はエントロピーであ
る。これらの数字は、マルチスケールエントロピー分布
を表現する。
ルエントロピー分布を示す図である。最初、画像にＪＰ
ＥＧ ２０００符号化が施される。下にあるパターン
は、画像のウェーブレット係数である。太線は、ＪＰＥ
Ｇ ２０００によるウェーブレットドメイン係数の符号
ブロックへの分割を示し、細線は異なるウェーブレット
サブバンドを分離する。ＪＰＥＧ ２０００の場合、エ
ンコーディング処理を実行する符号器は、ウェーブレッ
トドメイン係数を符号ブロックと呼ばれる細分ユニット
へ割り付け、分割する。各正方形に表された数字は、３
レベルの分解を使用して１画素あたりに０．５ビットで
動作するＪＰＥＧ ２０００符号器によって、夫々の符
号ブロックへ割当てられたビット又はエントロピーであ
る。これらの数字は、マルチスケールエントロピー分布
を表現する。
【００２７】ＪＰＥＧ ２０００ファイルヘッダだけを
使用して入手できるエントロピー割当は、種々のスケー
ルでの異なる特徴の視覚的重要性に関する優れた指標と
なり、異なるマルチスケール特性によって特徴付けられ
た様々なタイプの重要な画像特徴の間の識別に役立つ。
例えば、画像内でフェザー領域を記述するため、マルチ
スケール画像符号器は、細かいスケール係数を符号化す
る多数のビットを使用し、粗いスケール係数に使用する
ビット数は、例えば、フェザー領域に対応した細かいス
ケール係数に使用するビット数よりも少ない。これに対
して、フェース領域を符号化するため、マルチスケール
画像符号器は、中間スケール係数を符号化するためより
多くのビットを費やす。滑らかな背景に使用されるビッ
ト数は少ない。かくして、マルチスケールエントロピー
分布は、下にある画像特徴に関する重要な情報を提供す
る。マルチスケールエントロピー分布の知識がヘッダか
ら取得できる場合を考えると、一つ以上の演算が実行さ
れる。これらの演算は、例えば、画像セグメンテーショ
ン、自動アクティブ領域識別及びスケーリング、及び／
又は、適応画像スケーリングを含む。
使用して入手できるエントロピー割当は、種々のスケー
ルでの異なる特徴の視覚的重要性に関する優れた指標と
なり、異なるマルチスケール特性によって特徴付けられ
た様々なタイプの重要な画像特徴の間の識別に役立つ。
例えば、画像内でフェザー領域を記述するため、マルチ
スケール画像符号器は、細かいスケール係数を符号化す
る多数のビットを使用し、粗いスケール係数に使用する
ビット数は、例えば、フェザー領域に対応した細かいス
ケール係数に使用するビット数よりも少ない。これに対
して、フェース領域を符号化するため、マルチスケール
画像符号器は、中間スケール係数を符号化するためより
多くのビットを費やす。滑らかな背景に使用されるビッ
ト数は少ない。かくして、マルチスケールエントロピー
分布は、下にある画像特徴に関する重要な情報を提供す
る。マルチスケールエントロピー分布の知識がヘッダか
ら取得できる場合を考えると、一つ以上の演算が実行さ
れる。これらの演算は、例えば、画像セグメンテーショ
ン、自動アクティブ領域識別及びスケーリング、及び／
又は、適応画像スケーリングを含む。
【００２８】ＪＰＥＧ ２０００は、コヒーレントな符
号ストリーム内のデジタル画像とファイルフォーマット
を表す規格である（例えば、ウェブサイトwww.iso.chの
ＩＴＵ−Ｔ勧告Ｔ．８００｜ＩＳＯ／ＩＥＣ １５４４
４−１：２０００、"JPEG 2000 image coding standar
d"を参照せよ。）。ＪＰＥＧ ２０００は、以下の手順
を使用して、画像のウェーブレット係数を効率的に符号
化することにより、デジタル画像を効率的に表現する。
典型的な画像は、一つ以上の成分（例えば、赤、緑、
青）により構成される。成分は、サンプルの矩形状配列
である。これらの配列は、更に矩形状タイルに分割して
もよい。タイル単位に基づいて、成分は、随意的に、色
空間変換と逆相関される。各タイル成分は別々に圧縮さ
れる。タイル内の各カラー成分のウェーブレット係数が
獲得される。ウェーブレット係数はウェーブレットドメ
インの局部的グループに分離される。この局部グループ
は符号ブロックと呼ばれる。符号ブロックは周囲を使用
して順序付けされる場合もある。これらの多様なウェー
ブレット係数グループを独立に符号化するため算術符号
化が使用される。符号化された係数（符号化係数）は、
随意的にレイヤに構造化され、進行を促進させる。一つ
のタイルの一つの成分の一つの周囲のある解像度の一つ
のレイヤからの符号化データは、パケットと呼ばれるユ
ニットに保持される。符号化データの他に、各パケット
はパケットヘッダを有する。符号化後、タイル成分は、
随意的に、タイル部に分割され、さもなければ、タイル
成分は単一のタイル部により構成される。タイル部は、
構文に対応した符号ストリームにおける最小ユニットで
ある。ＪＰＥＧ ２０００符号ストリームは、構文（主
ヘッダ及びタイル部ヘッダと、ＥＯＣ）と、一つ以上の
ビットストリームとにより構成される。ビットストリー
ムは、パケット（符号ブロックに対する符号化データ
と、印ストリームパケットヘッダを含む任意のインスト
リームマーカー）により構成される。符号化データを解
析するための構造的情報であるパケットヘッダは、メイ
ンヘッダ、タイルヘッダ、若しくは、インストリームに
保持される。
号ストリーム内のデジタル画像とファイルフォーマット
を表す規格である（例えば、ウェブサイトwww.iso.chの
ＩＴＵ−Ｔ勧告Ｔ．８００｜ＩＳＯ／ＩＥＣ １５４４
４−１：２０００、"JPEG 2000 image coding standar
d"を参照せよ。）。ＪＰＥＧ ２０００は、以下の手順
を使用して、画像のウェーブレット係数を効率的に符号
化することにより、デジタル画像を効率的に表現する。
典型的な画像は、一つ以上の成分（例えば、赤、緑、
青）により構成される。成分は、サンプルの矩形状配列
である。これらの配列は、更に矩形状タイルに分割して
もよい。タイル単位に基づいて、成分は、随意的に、色
空間変換と逆相関される。各タイル成分は別々に圧縮さ
れる。タイル内の各カラー成分のウェーブレット係数が
獲得される。ウェーブレット係数はウェーブレットドメ
インの局部的グループに分離される。この局部グループ
は符号ブロックと呼ばれる。符号ブロックは周囲を使用
して順序付けされる場合もある。これらの多様なウェー
ブレット係数グループを独立に符号化するため算術符号
化が使用される。符号化された係数（符号化係数）は、
随意的にレイヤに構造化され、進行を促進させる。一つ
のタイルの一つの成分の一つの周囲のある解像度の一つ
のレイヤからの符号化データは、パケットと呼ばれるユ
ニットに保持される。符号化データの他に、各パケット
はパケットヘッダを有する。符号化後、タイル成分は、
随意的に、タイル部に分割され、さもなければ、タイル
成分は単一のタイル部により構成される。タイル部は、
構文に対応した符号ストリームにおける最小ユニットで
ある。ＪＰＥＧ ２０００符号ストリームは、構文（主
ヘッダ及びタイル部ヘッダと、ＥＯＣ）と、一つ以上の
ビットストリームとにより構成される。ビットストリー
ムは、パケット（符号ブロックに対する符号化データ
と、印ストリームパケットヘッダを含む任意のインスト
リームマーカー）により構成される。符号化データを解
析するための構造的情報であるパケットヘッダは、メイ
ンヘッダ、タイルヘッダ、若しくは、インストリームに
保持される。
【００２９】ＪＰＥＧ ２０００は、マーカーセグメン
トを含む主ヘッダ及びタイルヘッダを規定する。また、
ＪＰＥＧ ２０００は、マーカーセグメントに収容され
るか、若しくは、ビットストリーム中のインストリーム
であるパケットヘッダを規定する。ヘッダは、読み出さ
れ、マルチスケールエントロピー分布を獲得する処理へ
の入力として使用される。以下の表１は、種々のＪＰＥ
Ｇ ２０００ヘッダに収容された情報の中でヘッダ情報
に基づく処理に関連したヘッダを要約したものである。
トを含む主ヘッダ及びタイルヘッダを規定する。また、
ＪＰＥＧ ２０００は、マーカーセグメントに収容され
るか、若しくは、ビットストリーム中のインストリーム
であるパケットヘッダを規定する。ヘッダは、読み出さ
れ、マルチスケールエントロピー分布を獲得する処理へ
の入力として使用される。以下の表１は、種々のＪＰＥ
Ｇ ２０００ヘッダに収容された情報の中でヘッダ情報
に基づく処理に関連したヘッダを要約したものである。
【００３０】
【表１】
パケットヘッダ（ＰＰＭ、ＰＰＴ、ｉｎ−ｓｔｒｅａ
ｍ）の場合、パケットヘッダは、主ヘッダ、タイルヘッ
ダ、若しくは、インストリームにあるが、同時にこれら
のうちの二つ以上の組合せになることはない。これに対
して、パケット長及びタイル長さ部は、主ヘッダ若しく
はタイルヘッダ、又は、同時に両方に存在する。
ｍ）の場合、パケットヘッダは、主ヘッダ、タイルヘッ
ダ、若しくは、インストリームにあるが、同時にこれら
のうちの二つ以上の組合せになることはない。これに対
して、パケット長及びタイル長さ部は、主ヘッダ若しく
はタイルヘッダ、又は、同時に両方に存在する。
【００３１】〔高ビットレート画像からの低ビットレー
ト画像の推定〕低い方のビットレートでのマルチスケー
ルエントロピー分布は、視覚的重要性の頑強な指標を与
える。高い方のビットレートでは、センサ若しくは撮影
装置からのデジタル画像に現れる画像ノイズが存在する
と、全体的なエントロピー分布が悪化する。アプリケー
ションに基づいて、画像は、損失のある符号化又は損失
の無い符号化が施される。ＪＰＥＧ ２０００標準にお
ける階層（レイヤ状）体系は、損失の無い、若しくは、
高ビットレートの符号化画像の符号ストリームを、視覚
的な重要性又は平均自乗誤差（ＭＳＥ）に基づく重要性
のレイヤに並べるため使用される。この場合、低ビット
レート型の画像は、一部のレイヤのパケットだけから情
報を抽出し、他のレイヤのパケットを無視することによ
り獲得される。このような階層化が符号器によって利用
されない場合、ヘッダからのパケット長さ情報は、符号
器によって選択されたビットレート、例えば、損失の無
いビットレート、高ビットレート、若しくは、低ビット
レートだけでマルチスケールエントロピー分布を生成す
ることが可能である。
ト画像の推定〕低い方のビットレートでのマルチスケー
ルエントロピー分布は、視覚的重要性の頑強な指標を与
える。高い方のビットレートでは、センサ若しくは撮影
装置からのデジタル画像に現れる画像ノイズが存在する
と、全体的なエントロピー分布が悪化する。アプリケー
ションに基づいて、画像は、損失のある符号化又は損失
の無い符号化が施される。ＪＰＥＧ ２０００標準にお
ける階層（レイヤ状）体系は、損失の無い、若しくは、
高ビットレートの符号化画像の符号ストリームを、視覚
的な重要性又は平均自乗誤差（ＭＳＥ）に基づく重要性
のレイヤに並べるため使用される。この場合、低ビット
レート型の画像は、一部のレイヤのパケットだけから情
報を抽出し、他のレイヤのパケットを無視することによ
り獲得される。このような階層化が符号器によって利用
されない場合、ヘッダからのパケット長さ情報は、符号
器によって選択されたビットレート、例えば、損失の無
いビットレート、高ビットレート、若しくは、低ビット
レートだけでマルチスケールエントロピー分布を生成す
ることが可能である。
【００３２】符号器が損失無し、若しくは、高ビットレ
ートを選択した場合、低ビットレート型の画像の推定
は、後述のいずれかの画像処理アルゴリズムを適用する
前に行われる。このような推定を実施する一実施例につ
いて次に説明する。ビットが割当てられる順序を決定す
るため、符号ブロック中の係数の絶対値の最大値及び符
号化パスの個数に関するヘッダからの情報と、種々の解
像度レベルでのサブバンドの視覚的重要性若しくは最小
自乗誤差に基づく重要性の発見的情報及び統計的情報が
使用される。
ートを選択した場合、低ビットレート型の画像の推定
は、後述のいずれかの画像処理アルゴリズムを適用する
前に行われる。このような推定を実施する一実施例につ
いて次に説明する。ビットが割当てられる順序を決定す
るため、符号ブロック中の係数の絶対値の最大値及び符
号化パスの個数に関するヘッダからの情報と、種々の解
像度レベルでのサブバンドの視覚的重要性若しくは最小
自乗誤差に基づく重要性の発見的情報及び統計的情報が
使用される。
【００３３】この推定は、画像に対する所定のビットレ
ートが達成されるまで、１符号ブロックあたりのビット
総数からビットを連続的に減じる。控除する順序は、ビ
ット割当アルゴリズムと逆の順序である。割当アルゴリ
ズムは、符号器が使用するアルゴリズムと同じでもよい
が、同じで無ければならないわけではない。
ートが達成されるまで、１符号ブロックあたりのビット
総数からビットを連続的に減じる。控除する順序は、ビ
ット割当アルゴリズムと逆の順序である。割当アルゴリ
ズムは、符号器が使用するアルゴリズムと同じでもよい
が、同じで無ければならないわけではない。
【００３４】ＪＰＥＧ ２０００ファイルのパケットヘ
ッダから、符号ブロックの長さ、すなわち、ビット”
Ｂ”の個数と、零ビットプレーン”ＮＺ”の個数と、符
号化中に使用される符号化パス”ＣＰ”の個数とが得ら
れる。符号ブロック内の係数の絶対値の最大値の推定値
２ｍａｘＢは、次式（１）に従って、最大非零ビットプ
レーンを計算することによって、零ビットプレーンの個
数から取得される。 MaxB=MSB(codeblock subband) − NZ （１） 式中、ＭＳＢは、符号ブロックが属する特定のサブバン
ドのビットプレーンの最大数である。ＭＳＢは、ＪＰＥ
Ｇ ２０００の適切なＱＣＣヘッダエントリー若しくは
ＱＣＤヘッダエントリーの情報によって定義される。画
像の視覚的若しくはＭＳＥに基づく重み付け又は統計的
特性に基づいて、所与のサブバンド内のビットプレーン
の重要性を反映したサブバンド及びビットプレーンの順
序が取得される。例えば、ＭＳＥに基づく重要性に基づ
いて、５レベル分割のサブバンド内のビットプレーンの
重要性の順序付けは、表２に示された順序によって与え
られる。
ッダから、符号ブロックの長さ、すなわち、ビット”
Ｂ”の個数と、零ビットプレーン”ＮＺ”の個数と、符
号化中に使用される符号化パス”ＣＰ”の個数とが得ら
れる。符号ブロック内の係数の絶対値の最大値の推定値
２ｍａｘＢは、次式（１）に従って、最大非零ビットプ
レーンを計算することによって、零ビットプレーンの個
数から取得される。 MaxB=MSB(codeblock subband) − NZ （１） 式中、ＭＳＢは、符号ブロックが属する特定のサブバン
ドのビットプレーンの最大数である。ＭＳＢは、ＪＰＥ
Ｇ ２０００の適切なＱＣＣヘッダエントリー若しくは
ＱＣＤヘッダエントリーの情報によって定義される。画
像の視覚的若しくはＭＳＥに基づく重み付け又は統計的
特性に基づいて、所与のサブバンド内のビットプレーン
の重要性を反映したサブバンド及びビットプレーンの順
序が取得される。例えば、ＭＳＥに基づく重要性に基づ
いて、５レベル分割のサブバンド内のビットプレーンの
重要性の順序付けは、表２に示された順序によって与え
られる。
【００３５】
【表２】
推定アルゴリズムは、その順序を使用し、順序数ｉのコ
ードブロック毎に、サブバンドｓ（ｉ）内の特定のビッ
トプレーンｂ（ｉ）と、対応したレベルｌ（ｉ）とを含
む符号化パスの数ＣＰ（ｂ（ｉ））、すなわち、 CP(b(i))=CP-((MaxB(s(i),l(i))-b(i))*3+1) （２） を計算する。この数が正である場合、特定のビット数が
符号ブロックビットから控除される。一実施例におい
て、この特定のビット数は、特定のサブバンド、又は、
特定の解像度における符号化パスあたりの平均ビット数
として計算される。次の手順の順序数（ｉ＋１）におい
て、導出されたビット数は、同様の方式で、レベルｌ
（ｉ＋１）でのサブバンド（ｉ＋１）のビットプレーン
ｂ（ｉ＋１）から控除される。
ードブロック毎に、サブバンドｓ（ｉ）内の特定のビッ
トプレーンｂ（ｉ）と、対応したレベルｌ（ｉ）とを含
む符号化パスの数ＣＰ（ｂ（ｉ））、すなわち、 CP(b(i))=CP-((MaxB(s(i),l(i))-b(i))*3+1) （２） を計算する。この数が正である場合、特定のビット数が
符号ブロックビットから控除される。一実施例におい
て、この特定のビット数は、特定のサブバンド、又は、
特定の解像度における符号化パスあたりの平均ビット数
として計算される。次の手順の順序数（ｉ＋１）におい
て、導出されたビット数は、同様の方式で、レベルｌ
（ｉ＋１）でのサブバンド（ｉ＋１）のビットプレーン
ｂ（ｉ＋１）から控除される。
【００３６】擬似コードでは、０．５ビット／画素を目
標レートとする例示的な推定アルゴリズムは、 Max_I = largest_order_number target_rate = 0.5 new_B = B; new_CP = CP i=1 while ((i=<max_i) && (new_rate>target_rate)){ for each codeblock m in subband s(i) elim_CP[m](b(i)) = new_CP[m]-((MaxB(s(i),l(i))-b(i))*3+1); if(elim_CP[m](b(i)) > 0) av_bits = new_B[m](s(i))/new_CP[m](s(i)); new_B[m] -= av_bits*elim_CP[m](b(i)); if(new_B[m]<0) new_B[m] = 0; new_CP[m] -= elim_CP[m](b(i)); end end new_rate = sum(new_B*8)/ImaeSize; i++; end のように表現される。ｎｅｗ＿Ｂ及びｎｅｗ＿ＣＰは、
符号ブロックの個数をサイズとする配列である。
標レートとする例示的な推定アルゴリズムは、 Max_I = largest_order_number target_rate = 0.5 new_B = B; new_CP = CP i=1 while ((i=<max_i) && (new_rate>target_rate)){ for each codeblock m in subband s(i) elim_CP[m](b(i)) = new_CP[m]-((MaxB(s(i),l(i))-b(i))*3+1); if(elim_CP[m](b(i)) > 0) av_bits = new_B[m](s(i))/new_CP[m](s(i)); new_B[m] -= av_bits*elim_CP[m](b(i)); if(new_B[m]<0) new_B[m] = 0; new_CP[m] -= elim_CP[m](b(i)); end end new_rate = sum(new_B*8)/ImaeSize; i++; end のように表現される。ｎｅｗ＿Ｂ及びｎｅｗ＿ＣＰは、
符号ブロックの個数をサイズとする配列である。
【００３７】目標レートに到達した場合、新しい推定ビ
ット値ｎｅｗ＿Ｂがエントロピー処理アルゴリズムで使
用される。
ット値ｎｅｗ＿Ｂがエントロピー処理アルゴリズムで使
用される。
【００３８】高ビットレート画像から低ビットレート画
像を推定する代替案は多数存在する。代替的な一実施例
では、低ビットレート画像を推定する別のアプローチが
使用される。このアプローチは、画像のウェーブレット
係数の分布に関するモデルを使用する。
像を推定する代替案は多数存在する。代替的な一実施例
では、低ビットレート画像を推定する別のアプローチが
使用される。このアプローチは、画像のウェーブレット
係数の分布に関するモデルを使用する。
【００３９】ウェーブレット係数の分布は、ガウシアン
分布又はラプラシアン分布によって記述することができ
る。多数の自然画像の分布は近似的に指数分布に従うこ
とが検証されているので、ラプラシアン分布は、屡々、
文献でモデリングのため使用されている。ラプラシアン
分布は、次の式、
分布又はラプラシアン分布によって記述することができ
る。多数の自然画像の分布は近似的に指数分布に従うこ
とが検証されているので、ラプラシアン分布は、屡々、
文献でモデリングのため使用されている。ラプラシアン
分布は、次の式、
【００４０】
【数２】
で表される密度を有する。
【００４１】エントロピーの理論的な定義は、
Ｈ＝−Σｐｉｌｏｇ（ｐｉ） （４）
であり、式中、ｐｉは、イベントＡｉの確率であり、す
なわち、 ｐｉ＝Ｐ（Ａｉ） である。損失のある圧縮画像の場合、イベントとは、係
数が特定の量子化ビンに分類される状況である。量子化
器Ｑによるスカラー量子化の場合、イベントＡｉは、係
数が、区間、 〔ｉ＊２Ｑ，（ｉ＋１）＊２Ｑ） に収まるイベント、すなわち、 ｐｉ＝Ｐ（Ａｉ）＝Ｐ（ウェーブレット係数ｄ∈〔ｉ＊２Ｑ，（ｉ＋１）＊２Ｑ ）） ・・・・・（５） として記述される。ラプラシアン分布の場合、
なわち、 ｐｉ＝Ｐ（Ａｉ） である。損失のある圧縮画像の場合、イベントとは、係
数が特定の量子化ビンに分類される状況である。量子化
器Ｑによるスカラー量子化の場合、イベントＡｉは、係
数が、区間、 〔ｉ＊２Ｑ，（ｉ＋１）＊２Ｑ） に収まるイベント、すなわち、 ｐｉ＝Ｐ（Ａｉ）＝Ｐ（ウェーブレット係数ｄ∈〔ｉ＊２Ｑ，（ｉ＋１）＊２Ｑ ）） ・・・・・（５） として記述される。ラプラシアン分布の場合、
【００４２】
【数３】
が得られる。
【００４３】パラメータλが符号化ユニットのヘッダデ
ータから推定できる場合、この符号化ユニットにおける
係数のｐｄｆ（確率密度関数）を推定することができ、
任意の量子化器Ｑに対するエントロピーが決定される。
ータから推定できる場合、この符号化ユニットにおける
係数のｐｄｆ（確率密度関数）を推定することができ、
任意の量子化器Ｑに対するエントロピーが決定される。
【００４４】ＪＰＥＧ ２０００ファイルのパケットヘ
ッダは、符号ブロックにおける零ビットプレーンの数に
関する情報を含む。この情報から、その符号ブロック内
の係数の最大絶対値についての推定値が、式（１）の変
数ＭａｘＢによって得られる。この変数を使用して、パ
ラメータλは、 λ＊＝ｌｏｇ２（１符号ブロックあたりの係数の個数）／（２ＭａｘＢ） （７ ） のように推定される。
ッダは、符号ブロックにおける零ビットプレーンの数に
関する情報を含む。この情報から、その符号ブロック内
の係数の最大絶対値についての推定値が、式（１）の変
数ＭａｘＢによって得られる。この変数を使用して、パ
ラメータλは、 λ＊＝ｌｏｇ２（１符号ブロックあたりの係数の個数）／（２ＭａｘＢ） （７ ） のように推定される。
【００４５】この推定値を式（６）及び（４）に挿入す
ることにより、特定の量子化を受けたエントロピーの推
定値が獲得される。値Ｈは、画素あたりのビットを与え
る。符号ブロック長さはバイト単位で測定されるので、
推定値Ｈは、８＊（１符号ブロックあたりの係数の個
数）倍する必要がある。最終アルゴリズムは、異なる解
像度レベルで異なるサブバンドのビット数を連続的に削
減するため、上述の方法と同じ順序を使用する。ビット
の削減は、量子化器を表２からのビットプレーンパラメ
ータｂ（ｉ）に設定することによって得られる。
ることにより、特定の量子化を受けたエントロピーの推
定値が獲得される。値Ｈは、画素あたりのビットを与え
る。符号ブロック長さはバイト単位で測定されるので、
推定値Ｈは、８＊（１符号ブロックあたりの係数の個
数）倍する必要がある。最終アルゴリズムは、異なる解
像度レベルで異なるサブバンドのビット数を連続的に削
減するため、上述の方法と同じ順序を使用する。ビット
の削減は、量子化器を表２からのビットプレーンパラメ
ータｂ（ｉ）に設定することによって得られる。
【００４６】〔画像解析処理アルゴリズム〕ヘッダから
入手可能であるマルチスケールエントロピー分布を利用
することにより、画像解析又はコンピュータビジョン、
及び、例えば、セグメンテーション、自動スケーリン
グ、解像度選択、下にある画像についての自動領域選択
及びクロッピングのような類似した演算を実行するため
使用されるが、これらの例には限定されない。一般的な
従来技術は、 文献：ダブリュー・プラット(W. Pratt)著、「デジタル
画像処理(Digital ImageProcessing)」、第２版、ジョ
ンワイリー社(John Wiley & Sons, Inc.)発行、米国ニ
ューヨーク州ニューヨーク市、１９９５年と、 文献：エー・ジェイン(A. Jain)著、「デジタル画像処
理の基礎(Fundamentals of Digital Image Processin
g)」、プレンティス・ホール(PrenticeHall)、米国ニュ
ージャージー州エングルウッド、１９９５年に記載され
ている。一実施例では、厳密なサンプルに関するマルチ
スケールエントロピー分布の代わりに、（例えば、ＪＰ
ＥＧ ２０００における符号ブロックのような）マルチ
スケール係数の局所ブロックに広がるエントロピー分
布、すなわち、粒状エントロピー分布が利用可能であ
る。一実施例において、粒状エントロピー分布は、基礎
画像を処理するため使用される。
入手可能であるマルチスケールエントロピー分布を利用
することにより、画像解析又はコンピュータビジョン、
及び、例えば、セグメンテーション、自動スケーリン
グ、解像度選択、下にある画像についての自動領域選択
及びクロッピングのような類似した演算を実行するため
使用されるが、これらの例には限定されない。一般的な
従来技術は、 文献：ダブリュー・プラット(W. Pratt)著、「デジタル
画像処理(Digital ImageProcessing)」、第２版、ジョ
ンワイリー社(John Wiley & Sons, Inc.)発行、米国ニ
ューヨーク州ニューヨーク市、１９９５年と、 文献：エー・ジェイン(A. Jain)著、「デジタル画像処
理の基礎(Fundamentals of Digital Image Processin
g)」、プレンティス・ホール(PrenticeHall)、米国ニュ
ージャージー州エングルウッド、１９９５年に記載され
ている。一実施例では、厳密なサンプルに関するマルチ
スケールエントロピー分布の代わりに、（例えば、ＪＰ
ＥＧ ２０００における符号ブロックのような）マルチ
スケール係数の局所ブロックに広がるエントロピー分
布、すなわち、粒状エントロピー分布が利用可能であ
る。一実施例において、粒状エントロピー分布は、基礎
画像を処理するため使用される。
【００４７】以下で説明するように、ＪＰＥＧ ２００
０ヘッダで利用可能な画像からのマルチスケール情報の
用法は、幾つかの画像解析アルゴリズム（又はコンピュ
ータビジョン）のフレームワークで実証される。一実施
例において、使用されるヘッダパラメータは、ＰＰＭ、
ＰＰＴ、ＳＩＺ、ＣＯＤ、ＣＯＣ、ＱＣＣ及びＱＣＤで
ある。これらのパラメータから、ウェーブレットドメイ
ンでの符号ブロックの位置、及び、対応した係数を符号
化するため符号器によって使用されるビット数を導出す
ることができる。これらのビット数は、画像のマルチス
ケール表現のビット分布を導出するため使用され得る。
符号ブロックのスケール及び空間位置、並びに、ヘッダ
から推測されるマルチスケールビット分布は、マルチス
ケールセグメンテーション、自動スケーリング、自動ス
ケーリング及びクロッピング、並びに、マルチスケール
コラージュの生成のような種々の画像処理アプリケーシ
ョンにつながる。
０ヘッダで利用可能な画像からのマルチスケール情報の
用法は、幾つかの画像解析アルゴリズム（又はコンピュ
ータビジョン）のフレームワークで実証される。一実施
例において、使用されるヘッダパラメータは、ＰＰＭ、
ＰＰＴ、ＳＩＺ、ＣＯＤ、ＣＯＣ、ＱＣＣ及びＱＣＤで
ある。これらのパラメータから、ウェーブレットドメイ
ンでの符号ブロックの位置、及び、対応した係数を符号
化するため符号器によって使用されるビット数を導出す
ることができる。これらのビット数は、画像のマルチス
ケール表現のビット分布を導出するため使用され得る。
符号ブロックのスケール及び空間位置、並びに、ヘッダ
から推測されるマルチスケールビット分布は、マルチス
ケールセグメンテーション、自動スケーリング、自動ス
ケーリング及びクロッピング、並びに、マルチスケール
コラージュの生成のような種々の画像処理アプリケーシ
ョンにつながる。
【００４８】〔セグメンテーション〕クラシフィケーシ
ョン技術は、クラスラベルを画像の各小エリアに割当て
る。このようなエリアは、個々の画素でもよく、或い
は、例えば、正方形ブロックに含まれる画素のような画
素のグループでもよい。多様な画像解析技術は、異なる
方法でクラス割当を使用し、例えば、セグメンテーショ
ン技術は、画像を一様な特性、例えば、同じクラスラベ
ルをもつ領域に分離する。
ョン技術は、クラスラベルを画像の各小エリアに割当て
る。このようなエリアは、個々の画素でもよく、或い
は、例えば、正方形ブロックに含まれる画素のような画
素のグループでもよい。多様な画像解析技術は、異なる
方法でクラス割当を使用し、例えば、セグメンテーショ
ン技術は、画像を一様な特性、例えば、同じクラスラベ
ルをもつ領域に分離する。
【００４９】マルチスケールエントロピー分布を使用す
ることにより、スケールはクラスラベルとして各画像領
域へ割当てられるので、より細かいスケールからの係数
が無視されるとしても、基礎領域に関する視覚的関連情
報は割当てられたスケールで維持される。このようなラ
ベリングは基礎画像特徴の周波数帯域を識別する。セグ
メンテーションは、最適化問題をもたらし、この最適化
問題を解決するため統計的アプローチが求められる。
ることにより、スケールはクラスラベルとして各画像領
域へ割当てられるので、より細かいスケールからの係数
が無視されるとしても、基礎領域に関する視覚的関連情
報は割当てられたスケールで維持される。このようなラ
ベリングは基礎画像特徴の周波数帯域を識別する。セグ
メンテーションは、最適化問題をもたらし、この最適化
問題を解決するため統計的アプローチが求められる。
【００５０】ウェーブレットドメインにおける符号ブロ
ックの位置は、２次元（２Ｄ）空間位置（ｉ，ｋ）とス
ケールｊとによって与えられる。例えば、サイズが５１
２×５１２で、３２×３２のサイズの符号ブロックを有
する画像を処理する場合、レベル１の各帯域には、サイ
ズが３２×３２の符号ブロックが８×８個存在し、レベ
ル２では１帯域あたりに４×４個の符号ブロックが存在
し、レベル３では１帯域あたり２×２個の符号ブロック
が存在する。レベルｊの３種類の帯域ＬＨ、ＨＬ及びＨ
Ｈに対するレベルｊの符号ブロック位置（ｉ，ｋ）毎の
ビット数Ｂｊ（ｉ，ｋ）は、ウェーブレットドメイン位
置（ｉ，ｋ）での全係数を符号化するため必要なビット
数を得るため加算される。実際上、種々のエントロピー
の線形結合又は非線形結合は、垂直特徴と水平特徴の区
別を促進するため使用され得る。スケールｊ∈
｛１．．．Ｊ｝は各ブロックに割当てられるので、コス
ト関数Λは、次式：
ックの位置は、２次元（２Ｄ）空間位置（ｉ，ｋ）とス
ケールｊとによって与えられる。例えば、サイズが５１
２×５１２で、３２×３２のサイズの符号ブロックを有
する画像を処理する場合、レベル１の各帯域には、サイ
ズが３２×３２の符号ブロックが８×８個存在し、レベ
ル２では１帯域あたりに４×４個の符号ブロックが存在
し、レベル３では１帯域あたり２×２個の符号ブロック
が存在する。レベルｊの３種類の帯域ＬＨ、ＨＬ及びＨ
Ｈに対するレベルｊの符号ブロック位置（ｉ，ｋ）毎の
ビット数Ｂｊ（ｉ，ｋ）は、ウェーブレットドメイン位
置（ｉ，ｋ）での全係数を符号化するため必要なビット
数を得るため加算される。実際上、種々のエントロピー
の線形結合又は非線形結合は、垂直特徴と水平特徴の区
別を促進するため使用され得る。スケールｊ∈
｛１．．．Ｊ｝は各ブロックに割当てられるので、コス
ト関数Λは、次式：
【００５１】
【数４】
のように最大化される。式中、Ｓｏｐｔは画像全体に対
する最適セグメンテーションマップであり、Ｓは、
｛１．．．Ｊ｝のうちのスケールが一つずつ割当てられ
たサイズＭ×Ｎのブロックの考えられるラベリングＪ
ＭＮのうちの一つであり、Λ（Ｓ，Ｂ）は、セグメンテ
ーションＳとエントロピー分布Ｂが与えられた場合のコ
ストを生じる。
する最適セグメンテーションマップであり、Ｓは、
｛１．．．Ｊ｝のうちのスケールが一つずつ割当てられ
たサイズＭ×Ｎのブロックの考えられるラベリングＪ
ＭＮのうちの一つであり、Λ（Ｓ，Ｂ）は、セグメンテ
ーションＳとエントロピー分布Ｂが与えられた場合のコ
ストを生じる。
【００５２】一実施例において、統計学における従来技
術の最大事後確率（ＭＡＰ）アプローチは、セグメンテ
ーション問題を解決するため使用される。なぜならば、
このようなアプローチは最終的なアプリケーションに合
うように調整できるからである。コスト関数Λを設定す
るためＭＡＰによって使用される基本構成要素は、セグ
メンテーションマップＳと、セグメンテーションマップ
Ｓの確率である事前確率Ｐ（Ｓ）とが与えられた場合
に、画像のエントロピー分布Ｂの確率を表す尤度（尤も
らしさ）Ｐ（Ｂ｜Ｓ）である。ＭＡＰコスト関数は、 Λ（Ｂ，Ｓ）＝Ｐ（Ｂ，Ｓ）＝Ｐ（Ｂ｜Ｓ）Ｐ（Ｓ） （ベイズの法則） （９） によって与えられる。ＭＡＰセグメンテーション解法
は、式（９）を用いて式（８）を最適化することに相当
する。
術の最大事後確率（ＭＡＰ）アプローチは、セグメンテ
ーション問題を解決するため使用される。なぜならば、
このようなアプローチは最終的なアプリケーションに合
うように調整できるからである。コスト関数Λを設定す
るためＭＡＰによって使用される基本構成要素は、セグ
メンテーションマップＳと、セグメンテーションマップ
Ｓの確率である事前確率Ｐ（Ｓ）とが与えられた場合
に、画像のエントロピー分布Ｂの確率を表す尤度（尤も
らしさ）Ｐ（Ｂ｜Ｓ）である。ＭＡＰコスト関数は、 Λ（Ｂ，Ｓ）＝Ｐ（Ｂ，Ｓ）＝Ｐ（Ｂ｜Ｓ）Ｐ（Ｓ） （ベイズの法則） （９） によって与えられる。ＭＡＰセグメンテーション解法
は、式（９）を用いて式（８）を最適化することに相当
する。
【００５３】レベル１の符号ブロックに含まれる係数
は、画素ドメインにおいて約２倍のサイズのブロックに
関する情報を収容する。画素ドメインが特定サイズのブ
ロックに分割された場合、画素ドメインにはウェーブレ
ット分解のレベル１の符号ブロックよりも４倍多いブロ
ックが存在し、ウェーブレット分解のレベル２符号ブロ
ックよりも１６倍多いブロックが存在し、以下同様に続
く。したがって、サイズｎ×ｎの符号ブロックＢ
ｊ（ｉ，ｋ）のビットは、位置（ｉ２ｊｎ，ｋ２ｊｎ）
におけるサイズ２ｊｎ×２ｊｎの画素ドメインにおける
ブロックの情報に寄与する。逆に、位置（ｘ，ｙ）にお
けるサイズｎ×ｎの画素ブロックは、
は、画素ドメインにおいて約２倍のサイズのブロックに
関する情報を収容する。画素ドメインが特定サイズのブ
ロックに分割された場合、画素ドメインにはウェーブレ
ット分解のレベル１の符号ブロックよりも４倍多いブロ
ックが存在し、ウェーブレット分解のレベル２符号ブロ
ックよりも１６倍多いブロックが存在し、以下同様に続
く。したがって、サイズｎ×ｎの符号ブロックＢ
ｊ（ｉ，ｋ）のビットは、位置（ｉ２ｊｎ，ｋ２ｊｎ）
におけるサイズ２ｊｎ×２ｊｎの画素ドメインにおける
ブロックの情報に寄与する。逆に、位置（ｘ，ｙ）にお
けるサイズｎ×ｎの画素ブロックは、
【００５４】
【数５】
における符号ブロックＢｊ（ｉ，ｋ）から、１／４ｊと
して推定された、ビットの一部分を受け取る。一実施例
において、画素ドメインに関連したレベルｊのビット数
は、
して推定された、ビットの一部分を受け取る。一実施例
において、画素ドメインに関連したレベルｊのビット数
は、
【００５５】
【数６】
のように定義される。この計算は、エントロピー値の断
片に関する補間と等価的である。例えば、多角形補間若
しくはその他の非線形補間のような別の補間アルゴリズ
ムを、レベルｊのビットを計算するため使用してもよ
い。
片に関する補間と等価的である。例えば、多角形補間若
しくはその他の非線形補間のような別の補間アルゴリズ
ムを、レベルｊのビットを計算するため使用してもよ
い。
【００５６】位置（ｘ，ｙ）におけるサイズ２ｎ×２ｎ
の画素ブロックの解像度ｊのエントロピーの累積加重
は、次式、
の画素ブロックの解像度ｊのエントロピーの累積加重
は、次式、
【００５７】
【数７】
によって与えられる。但し、式（１０）における
【００５８】
【数８】
の位置ｉ及びｋに対して、
【００５９】
【数９】
であり、重みはγｊ、ｌである。一例として、重みの組
は、 ｌ＜ｊの場合に、γｊ、ｌ＝０ ｌ≧ｊの場合に、γｊ、ｌ＝ｗｊ （１２） であり、ｗ０＝１、ｗ１＝３．５、ｗ２＝５．５、ｗ３
＝１３、ｗ４＝２０である。パラメータｗｉと重みγ
ｊ，ｌは、アプリケーションに応じて変更され得る。値
は、 ｌ＜ｊの場合に、γｊ、ｌ＝０ ｌ≧ｊの場合に、γｊ、ｌ＝ｗｊ （１２） であり、ｗ０＝１、ｗ１＝３．５、ｗ２＝５．５、ｗ３
＝１３、ｗ４＝２０である。パラメータｗｉと重みγ
ｊ，ｌは、アプリケーションに応じて変更され得る。値
【００６０】
【数１０】
の組は、解像度ｊにおける画像の累積加重エントロピー
と呼ばれる。
と呼ばれる。
【００６１】位置（ｘ，ｙ）における画素ドメインブロ
ックのエントロピー
ックのエントロピー
【００６２】
【数１１】
に対する尤度は、画素ドメイン位置（ｘ，ｙ）と関連し
た全てのレベルの総加重ビットに対する
た全てのレベルの総加重ビットに対する
【００６３】
【数１２】
の値になるように設定される。すなわち、
【００６４】
【数１３】
である。画素ドメインブロックは独立であることを仮定
すると、総尤度は、
すると、総尤度は、
【００６５】
【数１４】
によって与えられる。
【００６６】
【数１５】
は、原画像に対するマルチスケールエントロピー分布を
表す。
表す。
【００６７】次に、事前確率Ｐ（ｓ）を決定する必要が
ある。以下の議論は、典型的なセグメンテーションマッ
プに関する既存知識を反映している。事前確率を選択す
るため多数の方法が考えられる。例えば、事前確率を選
択する別の方法は、 文献：R. Neelamani, J.K. Romberg, H. Choi, R.Ried
i, and R.G. Baraniuk, "Multiscale image segmentati
on using joint texture and shape analysis", in Pro
ceedings of Wavelet Applications in Signal and Ima
ge Processing VIII, part of SPIE's interntional Sy
mposium on Optical Science and Technology, San Die
go, CA, July 2000 文献：H. Cheng and C.A. Bouman, "Trainable context
model for multiscalesegmentation," in Proc. IEEE
Int. Conf. on Image Proc. ?ICIP'98, Chicago, IL, O
ct.4-7, 1998 文献：H. Choi and R. Barauik, "Multiscale texture
segmentation using wavelet-domain hidden Markov mo
dels," in Proc. 32nd Asilomar Conf. on Signals, Sy
stems and Computers, Pacific Grove, CA, Nov. 1-4,
1998に記載されている。
ある。以下の議論は、典型的なセグメンテーションマッ
プに関する既存知識を反映している。事前確率を選択す
るため多数の方法が考えられる。例えば、事前確率を選
択する別の方法は、 文献：R. Neelamani, J.K. Romberg, H. Choi, R.Ried
i, and R.G. Baraniuk, "Multiscale image segmentati
on using joint texture and shape analysis", in Pro
ceedings of Wavelet Applications in Signal and Ima
ge Processing VIII, part of SPIE's interntional Sy
mposium on Optical Science and Technology, San Die
go, CA, July 2000 文献：H. Cheng and C.A. Bouman, "Trainable context
model for multiscalesegmentation," in Proc. IEEE
Int. Conf. on Image Proc. ?ICIP'98, Chicago, IL, O
ct.4-7, 1998 文献：H. Choi and R. Barauik, "Multiscale texture
segmentation using wavelet-domain hidden Markov mo
dels," in Proc. 32nd Asilomar Conf. on Signals, Sy
stems and Computers, Pacific Grove, CA, Nov. 1-4,
1998に記載されている。
【００６８】セグメンテーションマップは連続領域をも
つと考えられるので、各位置（ｘ，ｙ）に関する事前確
率は、その直近の、（境界での反射を使用して）９ブロ
ックにより構成された近傍Ｎ（ｘ，ｙ）に基づいて設定
される。個別の事前確率は、
つと考えられるので、各位置（ｘ，ｙ）に関する事前確
率は、その直近の、（境界での反射を使用して）９ブロ
ックにより構成された近傍Ｎ（ｘ，ｙ）に基づいて設定
される。個別の事前確率は、
【００６９】
【数１６】
である。式中、＃（Ｎ（ｘ，ｙ）＝Ｓ（ｘ，ｙ））はＳ
（ｘ，ｙ）と同じ近傍の個数を表し、αは連続領域を優
遇するため増加されるパラメータであり、α＝０は、セ
グメンテーションマップのブロックが相互に独立である
ことを意味する。一実施例において、全体的な事前確率
は、
（ｘ，ｙ）と同じ近傍の個数を表し、αは連続領域を優
遇するため増加されるパラメータであり、α＝０は、セ
グメンテーションマップのブロックが相互に独立である
ことを意味する。一実施例において、全体的な事前確率
は、
【００７０】
【数１７】
のように選択される。
【００７１】一実施例において、αは、０．０２乃至
０．０８に一致する。希望セグメンテーションマップ
は、コスト関数Λ（Ｓ，Ｂ）を最適化することによって
獲得できる。多数の従来技術による反復技術が局所極大
を探索するため使用される。ある反復技術は、最初に、
式（１２）にα＝０を代入してコスト関数を最適化する
初期セグメンテーションマップを計算する。ベクトル最
適化問題はスカラー最適化問題に分離されるので、最終
的なコスト関数を最適化するセグメンテーションマップ
が獲得される。セグメンテーションマップは、
０．０８に一致する。希望セグメンテーションマップ
は、コスト関数Λ（Ｓ，Ｂ）を最適化することによって
獲得できる。多数の従来技術による反復技術が局所極大
を探索するため使用される。ある反復技術は、最初に、
式（１２）にα＝０を代入してコスト関数を最適化する
初期セグメンテーションマップを計算する。ベクトル最
適化問題はスカラー最適化問題に分離されるので、最終
的なコスト関数を最適化するセグメンテーションマップ
が獲得される。セグメンテーションマップは、
【００７２】
【数１８】
によって与えられる。全ての（ｘ，ｙ）に対して、
（ｘ，ｙ）でのセグメンテーションマップは、式、
（ｘ，ｙ）でのセグメンテーションマップは、式、
【００７３】
【数１９】
を使用して更新される。ここで、Ｎ（ｘ，ｙ）はＳ
ｍ−１から取得される。反復毎に、ｍは、ｍ＝ｍ＋１に
インクリメントされる。反復ループは、Ｓｍ＝Ｓｍ− １
になるまで繰り返される。反復アルゴリズムは常に収束
する。その理由は、コスト関数Λ（Ｂ，Ｓｍ）が、反復
ｍに関して非減少関数であり、コスト関数は有界である
ことにある。収束後に得られるＳｍはセグメンテーショ
ン推定値である。
ｍ−１から取得される。反復毎に、ｍは、ｍ＝ｍ＋１に
インクリメントされる。反復ループは、Ｓｍ＝Ｓｍ− １
になるまで繰り返される。反復アルゴリズムは常に収束
する。その理由は、コスト関数Λ（Ｂ，Ｓｍ）が、反復
ｍに関して非減少関数であり、コスト関数は有界である
ことにある。収束後に得られるＳｍはセグメンテーショ
ン推定値である。
【００７４】領域のラベリングに関する実際のセグメン
テーション出力は、上述の式（３）に表されるように、
ＭＡＰコスト関数 Λ（Ｂ，Ｓｍ）＝Ｐ（Ｂ｜Ｓｍ）・Ｐ（Ｓｍ） （２０） を最大化することによって得られる。
テーション出力は、上述の式（３）に表されるように、
ＭＡＰコスト関数 Λ（Ｂ，Ｓｍ）＝Ｐ（Ｂ｜Ｓｍ）・Ｐ（Ｓｍ） （２０） を最大化することによって得られる。
【００７５】図２は、画像を区分（セグメント化）する
処理の一実施例のフローチャートである。図２を参照す
るに、処理ステップ２０１において、画像のブロックに
関するマルチスケールエントロピー分布情報を収容する
ヘッダを含むファイルが受け取られる。一実施例におい
て、ファイルはＪＰＥＧ ２０００フォーマットの画像
を表現する。処理ステップ２０２において、ブロック毎
に、スケールの組の中のスケールがコスト関数を最大化
するブロックに割当てられる。コスト関数は、総尤度と
事前確率の積である。総尤度は、ブロックの尤度の積で
ある。一実施例において、ブロックの各尤度は、スケー
ルの組の各スケールに対して、スケールの重みと、その
スケールでブロックを符号化するために費やされたビッ
ト数との積和に比例する。一実施例において、そのスケ
ールでブロックを符号化するため費やされたビット数
は、分子：そのスケールでのブロックのマルチスケール
係数のエントロピー分布を、分母：スケールの４乗で割
算して得られた数である。処理ステップ２０３におい
て、画像は、等しいスケールが割当てられたブロックを
一つにグループ化することによって区分される。
処理の一実施例のフローチャートである。図２を参照す
るに、処理ステップ２０１において、画像のブロックに
関するマルチスケールエントロピー分布情報を収容する
ヘッダを含むファイルが受け取られる。一実施例におい
て、ファイルはＪＰＥＧ ２０００フォーマットの画像
を表現する。処理ステップ２０２において、ブロック毎
に、スケールの組の中のスケールがコスト関数を最大化
するブロックに割当てられる。コスト関数は、総尤度と
事前確率の積である。総尤度は、ブロックの尤度の積で
ある。一実施例において、ブロックの各尤度は、スケー
ルの組の各スケールに対して、スケールの重みと、その
スケールでブロックを符号化するために費やされたビッ
ト数との積和に比例する。一実施例において、そのスケ
ールでブロックを符号化するため費やされたビット数
は、分子：そのスケールでのブロックのマルチスケール
係数のエントロピー分布を、分母：スケールの４乗で割
算して得られた数である。処理ステップ２０３におい
て、画像は、等しいスケールが割当てられたブロックを
一つにグループ化することによって区分される。
【００７６】図３は、女性の画像例の上に重ね合わされ
たセグメンテーションマップの説明図である。一実施例
において、上述のセグメンテーション処理は、画像の基
礎特徴を反映させるため、精細なスケールを使用して画
像３０１の顔領域にラベルを付け、粗いスケールを用い
て背景領域にラベルを付ける。種々のシェードは、様々
なタイプの特徴を備えた領域が個別に識別されたことを
表す。一実施例において、セグメンテーション処理は、
基礎特徴に基づいて様々な領域にスケールを割当てる。
右側の色バー３０２は、様々な領域に割当てられたスケ
ールをあらわす。多数のエッジを含む顔のような領域
は、精細なスケール３０１を用いてラベル付けされる。
これに対して、背景領域は粗いスケール３０４が割当て
られる。
たセグメンテーションマップの説明図である。一実施例
において、上述のセグメンテーション処理は、画像の基
礎特徴を反映させるため、精細なスケールを使用して画
像３０１の顔領域にラベルを付け、粗いスケールを用い
て背景領域にラベルを付ける。種々のシェードは、様々
なタイプの特徴を備えた領域が個別に識別されたことを
表す。一実施例において、セグメンテーション処理は、
基礎特徴に基づいて様々な領域にスケールを割当てる。
右側の色バー３０２は、様々な領域に割当てられたスケ
ールをあらわす。多数のエッジを含む顔のような領域
は、精細なスケール３０１を用いてラベル付けされる。
これに対して、背景領域は粗いスケール３０４が割当て
られる。
【００７７】図４は、日本語テキストの画像例の上に重
ね合わされたセグメンテーションマップの説明図であ
る。セグメンテーションマップ４０２は一様であるた
め、重ね合わせは、原画像４０１の見え方を変えない。
一実施例において、雪面テーション処理は、基礎特徴に
基づいて様々な領域にスケールを割当てようとする。右
側の色バー４０３は、様々な領域に割当てられたスケー
ルを表す。画像４０１は一様な特徴を備えているので、
アルゴリズムは、画像４０１の全ての領域にスケール３
を一様に割当てた。一実施例において、本例における画
像符号器は、ＪＰＥＧ ２０００ パートＩの可逆ウェ
ーブレットフィルタと、５レベルの分解と、符号ブロッ
クのサイズ３２×３２と、階調画像上で１画素あたり
０．２ビットのビットレートと、を使用した。
ね合わされたセグメンテーションマップの説明図であ
る。セグメンテーションマップ４０２は一様であるた
め、重ね合わせは、原画像４０１の見え方を変えない。
一実施例において、雪面テーション処理は、基礎特徴に
基づいて様々な領域にスケールを割当てようとする。右
側の色バー４０３は、様々な領域に割当てられたスケー
ルを表す。画像４０１は一様な特徴を備えているので、
アルゴリズムは、画像４０１の全ての領域にスケール３
を一様に割当てた。一実施例において、本例における画
像符号器は、ＪＰＥＧ ２０００ パートＩの可逆ウェ
ーブレットフィルタと、５レベルの分解と、符号ブロッ
クのサイズ３２×３２と、階調画像上で１画素あたり
０．２ビットのビットレートと、を使用した。
【００７８】この結果は、カラー画像にも拡張できる。
セグメンテーションのため、異なるカラー成分の間でマ
ルチスケールエントロピー割当を線形結合、又は、非線
形結合を使用する。セグメンテーションは、輝度若しく
は緑色のような一成分だけに基づいて実行される。セグ
メンテーションアルゴリズムは、成分毎に別々に実行す
ることが可能であり、投票を使用して合成され、又は、
ＭＡＰ方法によって合成される。
セグメンテーションのため、異なるカラー成分の間でマ
ルチスケールエントロピー割当を線形結合、又は、非線
形結合を使用する。セグメンテーションは、輝度若しく
は緑色のような一成分だけに基づいて実行される。セグ
メンテーションアルゴリズムは、成分毎に別々に実行す
ることが可能であり、投票を使用して合成され、又は、
ＭＡＰ方法によって合成される。
【００７９】一実施例では、最終結果の解像度は、マル
チスケールエントロピー分布の粒度（粗さ）によって制
限される。典型的に、基礎画像に関する最終結果の解像
度は、符号ブロックサイズの倍数に制限される。一実施
例において、プリーシンクトが利用される場合、プリー
シンクト境界が符号ブロックを分離させるならば、解像
度がよくなる。
チスケールエントロピー分布の粒度（粗さ）によって制
限される。典型的に、基礎画像に関する最終結果の解像
度は、符号ブロックサイズの倍数に制限される。一実施
例において、プリーシンクトが利用される場合、プリー
シンクト境界が符号ブロックを分離させるならば、解像
度がよくなる。
【００８０】〔自動解像度選択〕屡々、望ましくは、精
細なスケール係数が完全に棄てられた場合でも、維持さ
れる係数が画像を識別するために十分な情報を含むよう
に、最良スケールが分かっている。これは、例えば、デ
ジタルカメラと共に使用される。エントロピーは視覚的
情報の良好な指標であるため、エントロピーは、画像が
スケールｊで表現されたときに失われた視覚的情報の量
に対する指標として使用される。さらに、マルチスケー
ル表現は、画像スケーリング中に視覚的情報が失われた
画像内の近似エリアを識別するため役立つ。最良スケー
ルは以下の如く推定される。各スケールｊに対して、画
像の夫々の部分を再構成するためにマルチスケール係数
Ｓｉ ，ｊの所与のグループの重要性が解析される。係数
の相対的な重要性は、エントロピーを、直前の粗いレベ
ルｊ＋１からの平均エントロピーのスケール倍、又は、
より粗い全てのレベルｊ＋１，．．．，Ｊの組合せから
の平均エントロピーのスケール倍と比較することによっ
て推定される。Ｓｉ，ｊは、Ｂ＜βμｊ＋１である場合
に重要であり、Ｂ≧βμｉ＋１である場合に重要ではな
い。ここで、μ ｊ＋１は、粗いスケールｊ＋１における
１ブロックあたりのビット数の平均であり、βは重要性
を決定する閾値パラメータである。一実施例において、
βは０．３である。
細なスケール係数が完全に棄てられた場合でも、維持さ
れる係数が画像を識別するために十分な情報を含むよう
に、最良スケールが分かっている。これは、例えば、デ
ジタルカメラと共に使用される。エントロピーは視覚的
情報の良好な指標であるため、エントロピーは、画像が
スケールｊで表現されたときに失われた視覚的情報の量
に対する指標として使用される。さらに、マルチスケー
ル表現は、画像スケーリング中に視覚的情報が失われた
画像内の近似エリアを識別するため役立つ。最良スケー
ルは以下の如く推定される。各スケールｊに対して、画
像の夫々の部分を再構成するためにマルチスケール係数
Ｓｉ ，ｊの所与のグループの重要性が解析される。係数
の相対的な重要性は、エントロピーを、直前の粗いレベ
ルｊ＋１からの平均エントロピーのスケール倍、又は、
より粗い全てのレベルｊ＋１，．．．，Ｊの組合せから
の平均エントロピーのスケール倍と比較することによっ
て推定される。Ｓｉ，ｊは、Ｂ＜βμｊ＋１である場合
に重要であり、Ｂ≧βμｉ＋１である場合に重要ではな
い。ここで、μ ｊ＋１は、粗いスケールｊ＋１における
１ブロックあたりのビット数の平均であり、βは重要性
を決定する閾値パラメータである。一実施例において、
βは０．３である。
【００８１】各スケールｊに対し、レベルｊで有意な係
数が対象とする画像エリアのパーセンテージＰ（ｊ）を
測定する。Ｐ（ｊ）は、レベルｊで有意な係数が棄てら
れた場合に、情報の有意な量を失うエリアを測定する
（画像が２ｊの倍率でスケール縮小された場合、レベル
１．．．ｊの全ての係数はスケール縮小された画像内で
失われる。）。起こり得る最も粗いスケールＪ
ｏｐｔは、少なくとも領域のＰ＊パーセントが有意であ
り続けるように、すなわち、 Ｐ（Ｊｏｐｔ）＞Ｐ＊ （２１） であるように選択される。ここで、Ｐ＊は、認識できる
必要のあるエリアの最低限のパーセンテージを設定する
閾値パラメータである。一実施例において、Ｐ＊は３５
％と一致する。画像に関する十分な情報を維持する最良
スケールはＪｏｐ ｔである。したがって、画像が至ると
ころで、
数が対象とする画像エリアのパーセンテージＰ（ｊ）を
測定する。Ｐ（ｊ）は、レベルｊで有意な係数が棄てら
れた場合に、情報の有意な量を失うエリアを測定する
（画像が２ｊの倍率でスケール縮小された場合、レベル
１．．．ｊの全ての係数はスケール縮小された画像内で
失われる。）。起こり得る最も粗いスケールＪ
ｏｐｔは、少なくとも領域のＰ＊パーセントが有意であ
り続けるように、すなわち、 Ｐ（Ｊｏｐｔ）＞Ｐ＊ （２１） であるように選択される。ここで、Ｐ＊は、認識できる
必要のあるエリアの最低限のパーセンテージを設定する
閾値パラメータである。一実施例において、Ｐ＊は３５
％と一致する。画像に関する十分な情報を維持する最良
スケールはＪｏｐ ｔである。したがって、画像が至ると
ころで、
【００８２】
【数２０】
の倍率でスケール縮小された場合でも、画像は、画像の
認識を実現し易くするため、残りの係数に十分な情報を
含むであろう。あらゆる粗いスケール係数に基づいて、
或いは、粗いスケール係数の一部だけに基づいて、重要
性の閾値を設定することが可能である。
認識を実現し易くするため、残りの係数に十分な情報を
含むであろう。あらゆる粗いスケール係数に基づいて、
或いは、粗いスケール係数の一部だけに基づいて、重要
性の閾値を設定することが可能である。
【００８３】図５は、画像を適応的にスケーリングする
処理の一実施例のフローチャートである。処理ステップ
５０１において、画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを含むファイ
ルが受け取られる。一実施例において、ファイルはＪＰ
ＥＧ ２０００フォーマットで画像を表現する。処理ス
テップ５０２において、ブロック毎に、ブロックがスケ
ールで重要性を維持するかどうかが判定される。重要性
を維持する旨を判定するのは、そのスケールにおけるブ
ロックのマルチスケール係数のエントロピーが少なくと
も一つの粗いスケールにおけるブロックのマルチスケー
ル係数の平均エントロピーよりも大きいと判定されたと
きである。一実施例において、平均エントロピーは、閾
値パラメータが乗算された平均ビット分布である。処理
ステップ５０３において、画像は、ブロックの閾値パー
センテージが重要性を維持する最も粗いスケールへスケ
ーリングされる。
処理の一実施例のフローチャートである。処理ステップ
５０１において、画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを含むファイ
ルが受け取られる。一実施例において、ファイルはＪＰ
ＥＧ ２０００フォーマットで画像を表現する。処理ス
テップ５０２において、ブロック毎に、ブロックがスケ
ールで重要性を維持するかどうかが判定される。重要性
を維持する旨を判定するのは、そのスケールにおけるブ
ロックのマルチスケール係数のエントロピーが少なくと
も一つの粗いスケールにおけるブロックのマルチスケー
ル係数の平均エントロピーよりも大きいと判定されたと
きである。一実施例において、平均エントロピーは、閾
値パラメータが乗算された平均ビット分布である。処理
ステップ５０３において、画像は、ブロックの閾値パー
センテージが重要性を維持する最も粗いスケールへスケ
ーリングされる。
【００８４】図６は、女性の画像例の適応スケーリング
の説明図である。原画像６０１のサイズは、５１２×５
１２画素である。スケール処理後画像６０２のサイズは
６４×６４画素である。四角い枠６０３、６０４及び６
０５は、スケール処理後画像サイズに対する種々の選択
肢を表す。一実施例において、スケーリングは、３５％
の認識可能なエリアと、重要性閾値係数０．３と、を使
用して判定される。図７は、日本語テキストの画像例の
適応的なスケーリングの説明図である。原画像７０１の
サイズは、５１２×５１２画素である。スケール処理後
画像７０２のサイズは１２８×１２８画素である。四角
い枠７０３及び７０４は、スケール処理後画像サイズに
対する種々の選択肢を表す。一実施例において、スケー
リングは、３５％の認識可能なエリアと、重要性閾値係
数０．３と、を使用して判定される。上述のスケール選
択アルゴリズムは、異なる画像に対しては異なるスケー
ルを選択する。女性の画像６０１は、一実施例によれ
ば、２３の倍率でダウンサンプリングされ、日本語テキ
ストの画像７０１は、一実施例によれば、２２の倍率で
ダウンサンプリングされる。スケールの違いが生じる理
由は、日本語テキスト画像７０１の方が女性の画像６０
１よりも高周波数帯域に（より高いエントロピーとして
反映した）重要な成分を含むからである。
の説明図である。原画像６０１のサイズは、５１２×５
１２画素である。スケール処理後画像６０２のサイズは
６４×６４画素である。四角い枠６０３、６０４及び６
０５は、スケール処理後画像サイズに対する種々の選択
肢を表す。一実施例において、スケーリングは、３５％
の認識可能なエリアと、重要性閾値係数０．３と、を使
用して判定される。図７は、日本語テキストの画像例の
適応的なスケーリングの説明図である。原画像７０１の
サイズは、５１２×５１２画素である。スケール処理後
画像７０２のサイズは１２８×１２８画素である。四角
い枠７０３及び７０４は、スケール処理後画像サイズに
対する種々の選択肢を表す。一実施例において、スケー
リングは、３５％の認識可能なエリアと、重要性閾値係
数０．３と、を使用して判定される。上述のスケール選
択アルゴリズムは、異なる画像に対しては異なるスケー
ルを選択する。女性の画像６０１は、一実施例によれ
ば、２３の倍率でダウンサンプリングされ、日本語テキ
ストの画像７０１は、一実施例によれば、２２の倍率で
ダウンサンプリングされる。スケールの違いが生じる理
由は、日本語テキスト画像７０１の方が女性の画像６０
１よりも高周波数帯域に（より高いエントロピーとして
反映した）重要な成分を含むからである。
【００８５】重要性閾値βが与えられた場合、符号ブロ
ックを重要又は重要でないとしてラベル付けすること
は、一つの解像度レベルにおける全ての符号ブロックの
エントロピーを、例えば、異なる平均値μ１及びμ
２と、異なる標準偏差σ１及びσ２をもつ二つのガウシ
アン分布のような二つの確率分布の混合としてモデル化
することによって実行される。重要性閾値よりも低いエ
ントロピー値から、パラメータμ１及びσ１が推定され
る。これらの二つの確率密度関数ｆ１及びｆ２が与えら
れた場合、ｆ１に属するエントロピー値ｘの確率が推定
される。この方法は、例えば、文献：Duda, Hart, Stor
k, "Pattern Classification (2nd ed.)", Wiley, New
York, NY, 2000に記載されているように標準的な手続で
ある。各解像度での符号ブロックの確率分布は、上述の
マルチスケールセグメンテーションアルゴリズムに取り
入れられる。
ックを重要又は重要でないとしてラベル付けすること
は、一つの解像度レベルにおける全ての符号ブロックの
エントロピーを、例えば、異なる平均値μ１及びμ
２と、異なる標準偏差σ１及びσ２をもつ二つのガウシ
アン分布のような二つの確率分布の混合としてモデル化
することによって実行される。重要性閾値よりも低いエ
ントロピー値から、パラメータμ１及びσ１が推定され
る。これらの二つの確率密度関数ｆ１及びｆ２が与えら
れた場合、ｆ１に属するエントロピー値ｘの確率が推定
される。この方法は、例えば、文献：Duda, Hart, Stor
k, "Pattern Classification (2nd ed.)", Wiley, New
York, NY, 2000に記載されているように標準的な手続で
ある。各解像度での符号ブロックの確率分布は、上述の
マルチスケールセグメンテーションアルゴリズムに取り
入れられる。
【００８６】重要性閾値βが与えられた場合、最適スケ
ールＪｏｐｔは、
ールＪｏｐｔは、
【００８７】
【数２１】
のように選択される。
【００８８】固定サイズウィンドウの自動クロッピング
及びスケーリング 屡々、画像は、固定サイズの画素で表現される。このよ
うな制約下では、所与のサイズ制約を充たす画像の最良
の表現を選択することが望ましい。エントロピーは視覚
的情報の優れた指標であるため、サイズ制約を依然とし
て充たしつつ最大エントロピーを包含する画像表現が実
現される。
及びスケーリング 屡々、画像は、固定サイズの画素で表現される。このよ
うな制約下では、所与のサイズ制約を充たす画像の最良
の表現を選択することが望ましい。エントロピーは視覚
的情報の優れた指標であるため、サイズ制約を依然とし
て充たしつつ最大エントロピーを包含する画像表現が実
現される。
【００８９】式（６）から得られる累積加重エントロピ
ー
ー
【００９０】
【数２２】
は、局所インジケータ関数と畳み込まれた画像の最良ス
ケール（又は解像度レベル）を決定するための最大化ア
ルゴリズムへの入力として使用される。重みは、セグメ
ンテーション部と同様に、 ｌ＜ｊの場合に、γｊ、ｌ＝０ ｌ≧ｊの場合に、γｊ、ｌ＝１ として選択される。
ケール（又は解像度レベル）を決定するための最大化ア
ルゴリズムへの入力として使用される。重みは、セグメ
ンテーション部と同様に、 ｌ＜ｊの場合に、γｊ、ｌ＝０ ｌ≧ｊの場合に、γｊ、ｌ＝１ として選択される。
【００９１】２次元インジケータ関数Ｉは、アプリケー
ションの形状制約及びサイズ制約によって定められたサ
ポートを用いて構成される。例えば、希望形状制約が矩
形であり、サイズ制約が画素次元ｍ×ｎである場合、位
置（ｘ０，ｙ０）にあるサイズｍ×ｎの矩形に対するイ
ンジケータ関数は、
ションの形状制約及びサイズ制約によって定められたサ
ポートを用いて構成される。例えば、希望形状制約が矩
形であり、サイズ制約が画素次元ｍ×ｎである場合、位
置（ｘ０，ｙ０）にあるサイズｍ×ｎの矩形に対するイ
ンジケータ関数は、
【００９２】
【数２３】
によって与えられる。「最良」レベルｊ＊に置かれた矩
形の「最良」位置（ａ＊，ｂ＊）は、
形の「最良」位置（ａ＊，ｂ＊）は、
【００９３】
【数２４】
として計算される。式中、κｊ（ａ，ｂ）は、エントロ
ピーの相対的な空間及びスケール重要性を制御するマト
リックスである。κｊ（ａ，ｂ）のサイズは、スケール
と全く同じである。換言すると、中心に置かれた画像を
取り扱い、かつ、自然な人の傾向、すなわち、殆どの画
像符号器には取り入れられていない発見的手法を組み込
むため、κ（ａ，ｂ）は、典型的に、画像の中心部分が
画像のエッジのエントロピーよりも重く加重されるよう
に選択される。一例として、符号ブロックサイズが３２
×３２の５１２×５１２形の画像を想定する。ｊ＝１，
２，３，４の場合に、空間重要性加重マトリックスの組
に対する一例は、 κ２＝κ１＝ｍａｓｋ１＊６４／||ｍａｓｋ１|| マスク１ ｍａｓｋ１＝［（１．０ １．１ １．２
１．３ １．３ １．２１．１ １．０）×（１．０
１．１ １．２ １．３ １．３ １．２ １．１
１．０）Ｔ］ κ３，κ４＝＝ｍａｓｋ２＊６４／||ｍａｓｋ２|| ｍａｓｋ２＝［１１１１１１１１］×［１１１１１１１
１］Ｔ であり、||ｍａｓｋ１||は、マスク用マトリックスのＬ
１−ノルムを表す。
ピーの相対的な空間及びスケール重要性を制御するマト
リックスである。κｊ（ａ，ｂ）のサイズは、スケール
と全く同じである。換言すると、中心に置かれた画像を
取り扱い、かつ、自然な人の傾向、すなわち、殆どの画
像符号器には取り入れられていない発見的手法を組み込
むため、κ（ａ，ｂ）は、典型的に、画像の中心部分が
画像のエッジのエントロピーよりも重く加重されるよう
に選択される。一例として、符号ブロックサイズが３２
×３２の５１２×５１２形の画像を想定する。ｊ＝１，
２，３，４の場合に、空間重要性加重マトリックスの組
に対する一例は、 κ２＝κ１＝ｍａｓｋ１＊６４／||ｍａｓｋ１|| マスク１ ｍａｓｋ１＝［（１．０ １．１ １．２
１．３ １．３ １．２１．１ １．０）×（１．０
１．１ １．２ １．３ １．３ １．２ １．１
１．０）Ｔ］ κ３，κ４＝＝ｍａｓｋ２＊６４／||ｍａｓｋ２|| ｍａｓｋ２＝［１１１１１１１１］×［１１１１１１１
１］Ｔ であり、||ｍａｓｋ１||は、マスク用マトリックスのＬ
１−ノルムを表す。
【００９４】解像度ｊでの累積加重エントロピーとをマ
スク１と乗算することは、解像度ｊで画像の中心からエ
ッジへ向かって１から０．７７まで線形に減少するエン
トロピー値に重み付けすることを意味する。
スク１と乗算することは、解像度ｊで画像の中心からエ
ッジへ向かって１から０．７７まで線形に減少するエン
トロピー値に重み付けすることを意味する。
【００９５】画像の最良表現は、解像度ｊ＊で画像を理
論的に計算し、この低解像度画像から、位置
論的に計算し、この低解像度画像から、位置
【００９６】
【数２５】
の左下隅に置かれたサイズｍ×ｎの矩形をクロッピング
することにより得られる。この手続は、ｊ＊低減解像度
画像のクロッピングされた部分に寄与するＪＰＥＧ ２
０００符号ストリームの符号ブロックだけを復号化し、
実際にクロッピングされた画像を作成するためこれらの
データに逆変換を施すことにより実際に行われる。
することにより得られる。この手続は、ｊ＊低減解像度
画像のクロッピングされた部分に寄与するＪＰＥＧ ２
０００符号ストリームの符号ブロックだけを復号化し、
実際にクロッピングされた画像を作成するためこれらの
データに逆変換を施すことにより実際に行われる。
【００９７】図８は、画像の自動スケーリング及びクロ
ッピング処理の一実施例のフローチャートである。この
処理は、ハードウェア（例えば、回路、専用ロジックな
ど）、ソフトウェア（汎用コンピュータシステム若しく
は専用機械上で動くようなもの）、又は、ハードウェア
とソフトウェアの組合せを含むロジックを処理すること
により実行される。
ッピング処理の一実施例のフローチャートである。この
処理は、ハードウェア（例えば、回路、専用ロジックな
ど）、ソフトウェア（汎用コンピュータシステム若しく
は専用機械上で動くようなもの）、又は、ハードウェア
とソフトウェアの組合せを含むロジックを処理すること
により実行される。
【００９８】図８を参照するに、処理ステップ８０１
で、画像のブロックに関するマルチスケールエントロピ
ー分布情報を収容するヘッダを含むファイルと、表示幅
及び表示高さのような形状制約とが受け取られる。一実
施例において、このファイルは、ＪＰＥＧ ２０００フ
ォーマットで画像を表現する。
で、画像のブロックに関するマルチスケールエントロピ
ー分布情報を収容するヘッダを含むファイルと、表示幅
及び表示高さのような形状制約とが受け取られる。一実
施例において、このファイルは、ＪＰＥＧ ２０００フ
ォーマットで画像を表現する。
【００９９】処理ステップ８０２で、ブロック毎にスケ
ールの組の中の各スケールに対して、そのスケールにお
けるブロックの累積エントロピー分布は、最初のスケー
ルと最大スケールの間に収まるスケールのブロックを符
号化するため消費される加重和に一致するように設定さ
れる。
ールの組の中の各スケールに対して、そのスケールにお
けるブロックの累積エントロピー分布は、最初のスケー
ルと最大スケールの間に収まるスケールのブロックを符
号化するため消費される加重和に一致するように設定さ
れる。
【０１００】処理ステップ８０３で、ブロック毎にスケ
ールの組から選択された各スケールに対して、かつ、所
与の画像幅及び高さの範囲内で選択された幅と高さの各
オフセットに対して、選択されたスケールと、選択され
た幅及び高さオフセットとにけるブロックのインジケー
タ関数が１に設定されるのは、ブロックの幅位置が、選
択された幅オフセットと、選択された幅オフセットに選
択されたスケールで拡大縮小された表示幅を加えたもの
と、により構成される組の第１の最小値よりも大きくな
い、と判定され、かつ、ブロックの高さ位置が、選択さ
れた高さオフセットと、選択された高さオフセットに選
択されたスケールで拡大縮小された表示高さを加えたも
のと、により構成される組の第２の最小値よりも大きく
ない、と判定されたときである。それ以外の場合、イン
ジケータ関数は零に設定される。第１の最小値は、画像
の幅と、ブロックの幅プラス１に第１のスケールで拡大
縮小された希望高さを加えたものとにより構成される組
の最小値である。第２の最小値は、画像の高さと、ブロ
ックの高さプラス１に第２のスケールで拡大縮小された
希望高さを加えたものとにより構成される組の最小値で
ある。
ールの組から選択された各スケールに対して、かつ、所
与の画像幅及び高さの範囲内で選択された幅と高さの各
オフセットに対して、選択されたスケールと、選択され
た幅及び高さオフセットとにけるブロックのインジケー
タ関数が１に設定されるのは、ブロックの幅位置が、選
択された幅オフセットと、選択された幅オフセットに選
択されたスケールで拡大縮小された表示幅を加えたもの
と、により構成される組の第１の最小値よりも大きくな
い、と判定され、かつ、ブロックの高さ位置が、選択さ
れた高さオフセットと、選択された高さオフセットに選
択されたスケールで拡大縮小された表示高さを加えたも
のと、により構成される組の第２の最小値よりも大きく
ない、と判定されたときである。それ以外の場合、イン
ジケータ関数は零に設定される。第１の最小値は、画像
の幅と、ブロックの幅プラス１に第１のスケールで拡大
縮小された希望高さを加えたものとにより構成される組
の最小値である。第２の最小値は、画像の高さと、ブロ
ックの高さプラス１に第２のスケールで拡大縮小された
希望高さを加えたものとにより構成される組の最小値で
ある。
【０１０１】処理ステップ８０４で、ブロックに対する
累積エントロピー分布にブロックのインジケータ関数
（スケール、幅及び高さのオフセットにより特徴付けら
れる）及びパラメータを乗算したものの和を最大にする
ときの最適位置（幅及び高さのオフセット）及び最適ス
ケールが計算される。処理ステップ８０５において、画
像は最適位置へクロッピングされ、得られるクロッピン
グされた画像は最適スケールへダウンサンプリングされ
る。
累積エントロピー分布にブロックのインジケータ関数
（スケール、幅及び高さのオフセットにより特徴付けら
れる）及びパラメータを乗算したものの和を最大にする
ときの最適位置（幅及び高さのオフセット）及び最適ス
ケールが計算される。処理ステップ８０５において、画
像は最適位置へクロッピングされ、得られるクロッピン
グされた画像は最適スケールへダウンサンプリングされ
る。
【０１０２】一実施例において、上記の処理は、画像の
領域とそのスケーリング倍率を同時に選択する。図９
は、女性の画像例の自動スケーリング及びクロッピング
の説明図である。原画像９０１のサイズは５１２×５１
２画素である。描画９０２の最大サイズは、１９２×１
９２画素になるように制約される。最終表現９０２を１
９２×１９２画素の範囲に収容するため、この処理は、
女性の重要な顔領域を選択し、つぎに、重要な顔領域を
倍率２でスケールダウンする。固定サイズ表現９０２
は、重要でない背景領域を含まない。四角い枠９０３
は、表現されていると考えられる原画像に関する領域を
表示する。
領域とそのスケーリング倍率を同時に選択する。図９
は、女性の画像例の自動スケーリング及びクロッピング
の説明図である。原画像９０１のサイズは５１２×５１
２画素である。描画９０２の最大サイズは、１９２×１
９２画素になるように制約される。最終表現９０２を１
９２×１９２画素の範囲に収容するため、この処理は、
女性の重要な顔領域を選択し、つぎに、重要な顔領域を
倍率２でスケールダウンする。固定サイズ表現９０２
は、重要でない背景領域を含まない。四角い枠９０３
は、表現されていると考えられる原画像に関する領域を
表示する。
【０１０３】図１０は、日本語テキストの画像例の自動
スケーリング及びクロッピングの説明図である。原画像
１００１のサイズは５１２×５１２画素である。描画１
００２の最大サイズは、１９２×１９２画素になるよう
に制約される。日本語テキスト画像１００１に対するこ
のアルゴリズムによる最良の１９２×１９２表現１００
２は、全体画像１００１を適切に縮小した画像である。
四角い枠１００３は、表現されていると考えられる原画
像に関する領域を表示する。日本語テキスト画像１００
１の全体が表現１００２を得るため縮小される。
スケーリング及びクロッピングの説明図である。原画像
１００１のサイズは５１２×５１２画素である。描画１
００２の最大サイズは、１９２×１９２画素になるよう
に制約される。日本語テキスト画像１００１に対するこ
のアルゴリズムによる最良の１９２×１９２表現１００
２は、全体画像１００１を適切に縮小した画像である。
四角い枠１００３は、表現されていると考えられる原画
像に関する領域を表示する。日本語テキスト画像１００
１の全体が表現１００２を得るため縮小される。
【０１０４】〔表示制約〕表示空間は、屡々、装置に制
約される。このような環境下では、装置に依存した、重
要な、凝縮された画像の表現を獲得することが望まし
い。ヘッダ情報に基づく処理を表示適合技術と組み合わ
せることにより、多種多様な重要かつ凝縮された画像表
現が得られる。表示装置特性は、表現される画像のサイ
ズに上限と下限を設定する。上述の自動スケーリング処
理は、殆どの画像情報がスケールダウンされた画像に維
持されることを保証するスケールを提案するので、スケ
ールは、表示装置によって指定された限界の間で、提案
されたスケールに最も近くなるように選択することがで
きる。
約される。このような環境下では、装置に依存した、重
要な、凝縮された画像の表現を獲得することが望まし
い。ヘッダ情報に基づく処理を表示適合技術と組み合わ
せることにより、多種多様な重要かつ凝縮された画像表
現が得られる。表示装置特性は、表現される画像のサイ
ズに上限と下限を設定する。上述の自動スケーリング処
理は、殆どの画像情報がスケールダウンされた画像に維
持されることを保証するスケールを提案するので、スケ
ールは、表示装置によって指定された限界の間で、提案
されたスケールに最も近くなるように選択することがで
きる。
【０１０５】屡々、画像を表現するため利用できるサイ
ズ（例えば、画素単位）は固定されている。このような
場合、利用可能な画素の範囲内に収容できるように画像
の最良表現を見つけることが望ましい。上述の自動領域
選択及びスケーリング技術は、マルチスケールエントロ
ピー分布を利用することにより、画像の最良の固定サイ
ズ表現を与えることができる。この処理におけるパラメ
ータは、表現を特定の表示装置に合わせるように選択さ
れる。
ズ（例えば、画素単位）は固定されている。このような
場合、利用可能な画素の範囲内に収容できるように画像
の最良表現を見つけることが望ましい。上述の自動領域
選択及びスケーリング技術は、マルチスケールエントロ
ピー分布を利用することにより、画像の最良の固定サイ
ズ表現を与えることができる。この処理におけるパラメ
ータは、表現を特定の表示装置に合わせるように選択さ
れる。
【０１０６】〔アプリケーション〕デジタルビデオシー
ケンスを圧縮する一つのアプローチは、多重解像度画像
符号器を用いて各ビデオフレームを独立に圧縮すること
である。例えば、動画ＪＰＥＧ ２０００標準規格は、
各ビデオフレームに関して独立にマルチスケール変換に
基づく圧縮を使用する。ここで提案するアルゴリズムは
これらのフレームを効率的に処理することができるの
で、上述の処理は、動画ＪＰＥＧ ２０００にも同様に
適用される。例えば、α及びγｊ，ｋのようなセグメン
テーション処理パラメータを適切に設定することによ
り、人物のような「アクティブ」領域が一つのビデオフ
レームの背景から識別される。このことは、より多数の
ビットを次のフレームのアクティブ領域に割当てるため
利用され得るので、必要に応じて人物をより良く識別で
きるようになる。フレーム間におけるエントロピー割当
の重要な時間的変化は、ビデオ中の動きを検出するため
にも利用できる。これは、監視カメラの特殊用途に適用
される。
ケンスを圧縮する一つのアプローチは、多重解像度画像
符号器を用いて各ビデオフレームを独立に圧縮すること
である。例えば、動画ＪＰＥＧ ２０００標準規格は、
各ビデオフレームに関して独立にマルチスケール変換に
基づく圧縮を使用する。ここで提案するアルゴリズムは
これらのフレームを効率的に処理することができるの
で、上述の処理は、動画ＪＰＥＧ ２０００にも同様に
適用される。例えば、α及びγｊ，ｋのようなセグメン
テーション処理パラメータを適切に設定することによ
り、人物のような「アクティブ」領域が一つのビデオフ
レームの背景から識別される。このことは、より多数の
ビットを次のフレームのアクティブ領域に割当てるため
利用され得るので、必要に応じて人物をより良く識別で
きるようになる。フレーム間におけるエントロピー割当
の重要な時間的変化は、ビデオ中の動きを検出するため
にも利用できる。これは、監視カメラの特殊用途に適用
される。
【０１０７】画像クラシフィケーションの目的は、画像
データベースの全体を自動的にソートし、自然画像、ポ
ートレート、文書、一様なテクスチャーなどのような類
似タイプの画像をグループ分けすることである。マルチ
スケールエントロピー分布を処理することにより獲得さ
れるセグメンテーションマップは、広範囲のクラシフィ
ケーションを実行するために特徴として利用される。ク
ラシフィケーションは、後で、より集中的かつ専門化さ
れた処理を使用して微調整される。
データベースの全体を自動的にソートし、自然画像、ポ
ートレート、文書、一様なテクスチャーなどのような類
似タイプの画像をグループ分けすることである。マルチ
スケールエントロピー分布を処理することにより獲得さ
れるセグメンテーションマップは、広範囲のクラシフィ
ケーションを実行するために特徴として利用される。ク
ラシフィケーションは、後で、より集中的かつ専門化さ
れた処理を使用して微調整される。
【０１０８】画像検索の目的は、ある種のテンプレート
画像に類似した画像を識別することである。優れた画像
検索アルゴリズムは、集中的であり、解析を行うため実
際の画像を必要とするので、ヘッダ情報に基づくセグメ
ンテーションマップは、復号化され、専門画像検索アル
ゴリズムへ供給されるべき画像の数を減少させるため利
用できる。
画像に類似した画像を識別することである。優れた画像
検索アルゴリズムは、集中的であり、解析を行うため実
際の画像を必要とするので、ヘッダ情報に基づくセグメ
ンテーションマップは、復号化され、専門画像検索アル
ゴリズムへ供給されるべき画像の数を減少させるため利
用できる。
【０１０９】上述のセグメンテーションは、画像を、粗
いスケール特徴を含む領域と、細かいスケール特徴を含
む領域とに分離する近似セグメンテーションを行うため
使用される。例えば、文書画像の場合、セグメンテーシ
ョンアルゴリズムは、テキスト領域を画像から適切に区
別する。近似セグメンテーションは、更なる解析のため
光学式文字認識（ＯＣＲ）のような、より集中的なパタ
ーン解析アルゴリズムへ入力される。
いスケール特徴を含む領域と、細かいスケール特徴を含
む領域とに分離する近似セグメンテーションを行うため
使用される。例えば、文書画像の場合、セグメンテーシ
ョンアルゴリズムは、テキスト領域を画像から適切に区
別する。近似セグメンテーションは、更なる解析のため
光学式文字認識（ＯＣＲ）のような、より集中的なパタ
ーン解析アルゴリズムへ入力される。
【０１１０】上述のセグメンテーション技術は、画像の
種々の領域が、その領域に含まれる特徴が粗い特徴か、
又は、細かい特徴であるかに応じて、スケールを増減さ
れる、画像の抽象コラージュ表現を作成するため使用さ
れ得る。このような画像の抽象表現は、ウェブ・ブラウ
ザのような多数のグラフィカル・ユーザ・インタフェー
ス（ＧＵＩ）画像通信アプリケーションで使用すること
が可能である。
種々の領域が、その領域に含まれる特徴が粗い特徴か、
又は、細かい特徴であるかに応じて、スケールを増減さ
れる、画像の抽象コラージュ表現を作成するため使用さ
れ得る。このような画像の抽象表現は、ウェブ・ブラウ
ザのような多数のグラフィカル・ユーザ・インタフェー
ス（ＧＵＩ）画像通信アプリケーションで使用すること
が可能である。
【０１１１】〔マルチスケールコラージュ〕第１ステッ
プとして、画像のマルチスケールコラージュを計算する
ため、上記のセグメンテーション部で説明したようなセ
グメンテーションが実行される。続いて、矩形が、以下
の方法でセグメント化された画像に合わされる。
プとして、画像のマルチスケールコラージュを計算する
ため、上記のセグメンテーション部で説明したようなセ
グメンテーションが実行される。続いて、矩形が、以下
の方法でセグメント化された画像に合わされる。
【０１１２】式（６）によるＭＡＰコスト関数
【０１１３】
【数２６】
のようなマルチスケール確率分布、又は、
【０１１４】
【数２７】
のような単調な変換の結果は、矩形を適合させる技術へ
の入力として使用される。目標は、各レベルｊで、より
大きいレベルｊ＊での確率に最も類似した確率を有する
矩形を見つけることである。すなわち、矩形内部の内容
は、 ｊ≦ｍ≦ｊ＊ を充たすあらゆるｍに関して最も重要である可能性の高
い内容である。したがって、この矩形に対応した画像部
分は、解像度ｊで巧く表現されていると考えられる。矩
形が見つけられると、この矩形によって覆われたエント
リーの場所が、「カウント済み」としてマークされ、対
応した確率値は、より大きい値（例えば、１０）を加算
することによってペナルティーを科される。この手続が
すべてのレベルに対して実行された後、矩形及びレベル
は、レベルｊ＊における矩形に対する確率の差が最小に
なるように選択される。矩形の位置及びサイズと、関連
したレベルは、リストに保存される。次の反復ステップ
において、この手続は、ペナルティーを科された確率分
布関数（ｐｄｆ）ユニットに再度適用され、画像の全て
の符号ブロック位置は「カウント済み」としてラベル付
けされる。最終リスト内の情報は、画像の矩形状マルチ
スケール区画を表現する。
の入力として使用される。目標は、各レベルｊで、より
大きいレベルｊ＊での確率に最も類似した確率を有する
矩形を見つけることである。すなわち、矩形内部の内容
は、 ｊ≦ｍ≦ｊ＊ を充たすあらゆるｍに関して最も重要である可能性の高
い内容である。したがって、この矩形に対応した画像部
分は、解像度ｊで巧く表現されていると考えられる。矩
形が見つけられると、この矩形によって覆われたエント
リーの場所が、「カウント済み」としてマークされ、対
応した確率値は、より大きい値（例えば、１０）を加算
することによってペナルティーを科される。この手続が
すべてのレベルに対して実行された後、矩形及びレベル
は、レベルｊ＊における矩形に対する確率の差が最小に
なるように選択される。矩形の位置及びサイズと、関連
したレベルは、リストに保存される。次の反復ステップ
において、この手続は、ペナルティーを科された確率分
布関数（ｐｄｆ）ユニットに再度適用され、画像の全て
の符号ブロック位置は「カウント済み」としてラベル付
けされる。最終リスト内の情報は、画像の矩形状マルチ
スケール区画を表現する。
【０１１５】図１１Ａは、画像をセグメント化し、画像
を適応的にスケーリングし、或いは、画像を自動的にス
ケーリング及びクロッピングする装置の略構成図であ
る。図１１Ａを参照するに、装置１１０１は、画像のブ
ロックに関するマルチスケールエントロピー分布情報を
収容するヘッダを含むファイルを受け取る受信ユニット
１１０２を具備する。一実施例において、ファイルは、
ＪＰＥＧ ２０００フォーマットで画像を表現する。装
置１１０１は、受信ユニット１１０２と接続された処理
ユニット１１０３を更に具備する。一実施例において、
処理ユニット１１０３は、ブロック毎に、スケールの組
の中からコスト関数を最大化するスケールをブロックに
割当てる。コスト関数は、総尤度と事前確率の積であ
る。総尤度は、ブロックの尤度の積である。一実施例に
おいて、ブロックの各尤度は、スケールの組の各スケー
ルに対して、スケールの重みと、そのスケールでブロッ
クを符号化するために費やされるビット数との積の和に
比例する。一実施例において、そのスケールでブロック
を符号化するために費やされるビット数は、そのスケー
ルでのブロックのマルチスケール係数のエントロピー分
布を、スケールの４乗で割算したものである。
を適応的にスケーリングし、或いは、画像を自動的にス
ケーリング及びクロッピングする装置の略構成図であ
る。図１１Ａを参照するに、装置１１０１は、画像のブ
ロックに関するマルチスケールエントロピー分布情報を
収容するヘッダを含むファイルを受け取る受信ユニット
１１０２を具備する。一実施例において、ファイルは、
ＪＰＥＧ ２０００フォーマットで画像を表現する。装
置１１０１は、受信ユニット１１０２と接続された処理
ユニット１１０３を更に具備する。一実施例において、
処理ユニット１１０３は、ブロック毎に、スケールの組
の中からコスト関数を最大化するスケールをブロックに
割当てる。コスト関数は、総尤度と事前確率の積であ
る。総尤度は、ブロックの尤度の積である。一実施例に
おいて、ブロックの各尤度は、スケールの組の各スケー
ルに対して、スケールの重みと、そのスケールでブロッ
クを符号化するために費やされるビット数との積の和に
比例する。一実施例において、そのスケールでブロック
を符号化するために費やされるビット数は、そのスケー
ルでのブロックのマルチスケール係数のエントロピー分
布を、スケールの４乗で割算したものである。
【０１１６】一実施例において、処理ユニット１１０３
は、画像をセグメント化するため等価的なスケールが割
当てられたブロックを一まとめに集める。一実施例にお
いて、処理ユニット１１０３は、ブロック毎に、あるス
ケールでのブロックのマルチスケール係数のエントロピ
ーが少なくとも一つのより粗いスケールにおけるブロッ
クのマルチスケール係数の平均エントロピーよりも高い
ということが判定されたとき、ブロックがそのスケール
で重要性を維持している、と判定する。一実施例におい
て、平均エントロピーは、平均ビット分布に閾値パラメ
ータを乗算したものである。
は、画像をセグメント化するため等価的なスケールが割
当てられたブロックを一まとめに集める。一実施例にお
いて、処理ユニット１１０３は、ブロック毎に、あるス
ケールでのブロックのマルチスケール係数のエントロピ
ーが少なくとも一つのより粗いスケールにおけるブロッ
クのマルチスケール係数の平均エントロピーよりも高い
ということが判定されたとき、ブロックがそのスケール
で重要性を維持している、と判定する。一実施例におい
て、平均エントロピーは、平均ビット分布に閾値パラメ
ータを乗算したものである。
【０１１７】一実施例において、処理ユニット１１０３
は、上述の如くブロックの閾値パラメータＰ＊のような
閾値パーセント（例えば、３５％）が重要性を維持する
最も粗いスケールに画像をスケーリングする。
は、上述の如くブロックの閾値パラメータＰ＊のような
閾値パーセント（例えば、３５％）が重要性を維持する
最も粗いスケールに画像をスケーリングする。
【０１１８】処理ユニット１１０３は、各ブロックに対
して、スケールの組の中の第１のスケール毎に、その第
１のスケールにおけるブロックの累積エントロピー分布
を、その第１のスケールと最大スケールとの間に収まる
スケールに対するブロックを符号化するために費やされ
るビット数の和と一致するように設定する。
して、スケールの組の中の第１のスケール毎に、その第
１のスケールにおけるブロックの累積エントロピー分布
を、その第１のスケールと最大スケールとの間に収まる
スケールに対するブロックを符号化するために費やされ
るビット数の和と一致するように設定する。
【０１１９】処理ユニット１１０３は、各ブロックに対
して、スケールの組の中の第１のスケール毎に、ブロッ
クの幅が第１の最小値よりも大きくなく、かつ、ブロッ
クの高さが第２の最小値よりも大きくない、と判定され
た場合、ブロックのインジケータ関数及び第１のスケー
ルに１を設定し、それ以外の場合、０を設定する。第１
の最小値と第２の最小値は、図８に示されるように同じ
である。
して、スケールの組の中の第１のスケール毎に、ブロッ
クの幅が第１の最小値よりも大きくなく、かつ、ブロッ
クの高さが第２の最小値よりも大きくない、と判定され
た場合、ブロックのインジケータ関数及び第１のスケー
ルに１を設定し、それ以外の場合、０を設定する。第１
の最小値と第２の最小値は、図８に示されるように同じ
である。
【０１２０】一実施例において、処理ユニット１１０３
は、最適スケールの最適位置におけるブロック毎に、最
適スケールのブロックに対する累積エントロピー分布
に、ブロックのインジケータ関数と最適スケールとを乗
算し、パラメータ（例えば、上述のκ）倍されたものの
和を最大化するような最適位置及び最適スケールを更に
計算する。
は、最適スケールの最適位置におけるブロック毎に、最
適スケールのブロックに対する累積エントロピー分布
に、ブロックのインジケータ関数と最適スケールとを乗
算し、パラメータ（例えば、上述のκ）倍されたものの
和を最大化するような最適位置及び最適スケールを更に
計算する。
【０１２１】次に、処理ユニット１１０３は、画像を最
適位置にクロッピングし、得られたクロップ画像を最適
スケールにダウンサンプリングする。
適位置にクロッピングし、得られたクロップ画像を最適
スケールにダウンサンプリングする。
【０１２２】図１１Ｂは、画像処理システムで使用する
符号ストリームプロセッサの一実施例のブロック図であ
る。図１１Ｂを参照するに、符号ストリーム１１２１
は、ヘッダ抽出器１１２２によって受信され、ヘッダ抽
出器１１２２はヘッダ情報を抽出する。セグメンテーシ
ョンユニット１１２３は、ヘッダ抽出器１１２２から抽
出されたヘッダ情報を使用して符号ストリームに関して
セグメンテーションを実行する。一実施例において、セ
グメンテーションユニット１１２３は、符号ストリーム
１１２１の中で復号化すべき符号ブロックを判定し、復
号器１１２４へ通知する。復号器１１２４は、セグメン
ト化された画像部分（例えば、指定解像度での領域）に
必要な符号ブロックを復号化する。
符号ストリームプロセッサの一実施例のブロック図であ
る。図１１Ｂを参照するに、符号ストリーム１１２１
は、ヘッダ抽出器１１２２によって受信され、ヘッダ抽
出器１１２２はヘッダ情報を抽出する。セグメンテーシ
ョンユニット１１２３は、ヘッダ抽出器１１２２から抽
出されたヘッダ情報を使用して符号ストリームに関して
セグメンテーションを実行する。一実施例において、セ
グメンテーションユニット１１２３は、符号ストリーム
１１２１の中で復号化すべき符号ブロックを判定し、復
号器１１２４へ通知する。復号器１１２４は、セグメン
ト化された画像部分（例えば、指定解像度での領域）に
必要な符号ブロックを復号化する。
【０１２３】〔定量的な例〕ヘッダ情報に基づく処理の
意義を、１０２４×１０２４形の画像から良好な１２８
×１２８形サムネイル表現を作成する例を用いて説明す
る。ここで説明する画像解析処理は、上述の自動クロッ
ピング及びスケーリングのためのものである。ＪＰＥＧ
２０００画像を本例の画像解析処理で処理した画像の
複雑さと、従来の画像処理で処理した画像の複雑さと、
ラスタ画像の複雑さの比較結果を表３に列挙する。ＪＰ
ＥＧ ２０００形式の画像に対する優位性は、データの
１／１０００だけがセグメンテーションアルゴリズムで
使用され、データの１／２未満しか復号化されない点に
ある。
意義を、１０２４×１０２４形の画像から良好な１２８
×１２８形サムネイル表現を作成する例を用いて説明す
る。ここで説明する画像解析処理は、上述の自動クロッ
ピング及びスケーリングのためのものである。ＪＰＥＧ
２０００画像を本例の画像解析処理で処理した画像の
複雑さと、従来の画像処理で処理した画像の複雑さと、
ラスタ画像の複雑さの比較結果を表３に列挙する。ＪＰ
ＥＧ ２０００形式の画像に対する優位性は、データの
１／１０００だけがセグメンテーションアルゴリズムで
使用され、データの１／２未満しか復号化されない点に
ある。
【０１２４】
【表３】
〔コンピュータシステムの例〕図１２は、上記の演算う
ちの一つ以上の演算を実行するコンピュータシステムの
ブロック図である。図１２を参照するに、コンピュータ
システム１２００は、典型的なクライアント１２５０若
しくはサーバー１２００のコンピュータシステムを含む
場合もある。コンピュータシステム１２００は、情報を
通信するための通信機構若しくはバス１２１１と、バス
１２１１に接続され情報を処理するプロセッサ１２１２
と、を含む。プロセッサ１２１２は、例えば、Pentium
（登録商標）、PowerPC（登録商標）などのマイクロプ
ロセッサを具備するが、これらのマイクロプロセッサに
限定されるものではない。
ちの一つ以上の演算を実行するコンピュータシステムの
ブロック図である。図１２を参照するに、コンピュータ
システム１２００は、典型的なクライアント１２５０若
しくはサーバー１２００のコンピュータシステムを含む
場合もある。コンピュータシステム１２００は、情報を
通信するための通信機構若しくはバス１２１１と、バス
１２１１に接続され情報を処理するプロセッサ１２１２
と、を含む。プロセッサ１２１２は、例えば、Pentium
（登録商標）、PowerPC（登録商標）などのマイクロプ
ロセッサを具備するが、これらのマイクロプロセッサに
限定されるものではない。
【０１２５】システム１２００は、バス１２１１に接続
され、情報と、プロセッサ１２１２によって実行される
命令とを保持するランダム・アクセス・メモリ（ＲＡ
Ｍ）、或いは、その他のダイナミック記憶装置１２０４
（メインメモリと呼ばれる）を更に具備する。メインメ
モリ１２０４は、プロセッサ１２１２による命令の実行
中に、一時的な値、或いは、その他の中間情報を保持す
るためにも使用される。
され、情報と、プロセッサ１２１２によって実行される
命令とを保持するランダム・アクセス・メモリ（ＲＡ
Ｍ）、或いは、その他のダイナミック記憶装置１２０４
（メインメモリと呼ばれる）を更に具備する。メインメ
モリ１２０４は、プロセッサ１２１２による命令の実行
中に、一時的な値、或いは、その他の中間情報を保持す
るためにも使用される。
【０１２６】コンピュータシステム１２００は、バス１
２１１に接続され、プロセッサ１２１２用のスタティッ
ク情報及び命令を保持するリード・オンリ・メモリ（Ｒ
ＯＭ）及び／又はその他のスタティック記憶装置１２０
６と、磁気ディスク若しくは光ディスクと対応したディ
スクドライブのようなデータ記憶装置１２０７と、を更
に具備する。データ記憶装置１２０７は、バス１２１１
に接続され、情報及び命令を保持する。
２１１に接続され、プロセッサ１２１２用のスタティッ
ク情報及び命令を保持するリード・オンリ・メモリ（Ｒ
ＯＭ）及び／又はその他のスタティック記憶装置１２０
６と、磁気ディスク若しくは光ディスクと対応したディ
スクドライブのようなデータ記憶装置１２０７と、を更
に具備する。データ記憶装置１２０７は、バス１２１１
に接続され、情報及び命令を保持する。
【０１２７】コンピュータシステム１２００は、バス１
２１１に接続され情報をコンピュータユーザへ表示す
る、陰極線管（ＣＲＴ）若しくは液晶ディスプレイ（Ｌ
ＣＤ）のような表示装置１２２１にも接続される。英数
字及びその他のキーを含む英数字入力装置１２２２は、
バス１２１１に接続され、情報及びコマンド選択をプロ
セッサ１２１２へ通信する。補助ユーザ入力装置は、マ
ウス、トラックボール、スタイラスペン、若しくは、カ
ーソル方向キーのようなカーソル制御器１２２３であ
り、方向情報及びコマンド選択をプロセッサ１２２１へ
通信し、表示装置１２２１上のカーソル移動を制御す
る。
２１１に接続され情報をコンピュータユーザへ表示す
る、陰極線管（ＣＲＴ）若しくは液晶ディスプレイ（Ｌ
ＣＤ）のような表示装置１２２１にも接続される。英数
字及びその他のキーを含む英数字入力装置１２２２は、
バス１２１１に接続され、情報及びコマンド選択をプロ
セッサ１２１２へ通信する。補助ユーザ入力装置は、マ
ウス、トラックボール、スタイラスペン、若しくは、カ
ーソル方向キーのようなカーソル制御器１２２３であ
り、方向情報及びコマンド選択をプロセッサ１２２１へ
通信し、表示装置１２２１上のカーソル移動を制御す
る。
【０１２８】バス１２１１に接続された別の装置は、ハ
ードコピー装置１２２４であり、命令、データ、若しく
は、その他の情報を、用紙のような媒体、若しくは、同
じようなタイプの媒体に印刷するため使用される。更
に、スピーカー及び／又はマイクロホンのようなサウン
ド録音及び再生装置がバス１２１１へ随意的に接続さ
れ、コンピュータシステム１２００とのオーディオイン
タフェースを実現する。バスに接続されるその他の装置
には、電話機又はハンドヘルド・パーム型装置と通信す
るための有線／無縁通信機器１２２５が含まれる。
ードコピー装置１２２４であり、命令、データ、若しく
は、その他の情報を、用紙のような媒体、若しくは、同
じようなタイプの媒体に印刷するため使用される。更
に、スピーカー及び／又はマイクロホンのようなサウン
ド録音及び再生装置がバス１２１１へ随意的に接続さ
れ、コンピュータシステム１２００とのオーディオイン
タフェースを実現する。バスに接続されるその他の装置
には、電話機又はハンドヘルド・パーム型装置と通信す
るための有線／無縁通信機器１２２５が含まれる。
【０１２９】尚、コンピュータシステム１２００及び関
連したハードウェアのコンポーネントの一部若しくは全
部が本発明で使用できる。しかし、これらのコンポーネ
ントの一部若しくは全部を含む他のコンピュータシステ
ムの構成もあり得ることが認められる。
連したハードウェアのコンポーネントの一部若しくは全
部が本発明で使用できる。しかし、これらのコンポーネ
ントの一部若しくは全部を含む他のコンピュータシステ
ムの構成もあり得ることが認められる。
【０１３０】以上の説明から、本発明の多数の代替及び
変更が当業者に明らかになるであろう。しかし、例示の
ために解説され、図示された具体的な実施例は、本発明
を制限することを意図していないことに注意する必要が
ある。したがって、多数の実施例の詳細の説明は、本発
明に不可欠であると考えられる事項だけが記載された請
求項に挙げられた事項の範囲を制限することを意図した
ものではない。
変更が当業者に明らかになるであろう。しかし、例示の
ために解説され、図示された具体的な実施例は、本発明
を制限することを意図していないことに注意する必要が
ある。したがって、多数の実施例の詳細の説明は、本発
明に不可欠であると考えられる事項だけが記載された請
求項に挙げられた事項の範囲を制限することを意図した
ものではない。
【図１】画像のマルチスケールエントロピー分布の説明
図である。
図である。
【図２】画像セグメンテーション処理の一実施例を説明
するフローチャートである。
するフローチャートである。
【図３】女性の画像例の上に重ね合わされたセグメンテ
ーションマップの説明図である。
ーションマップの説明図である。
【図４】日本語テキストの画像例の上に重ね合わされた
セグメンテーションマップの説明図である。
セグメンテーションマップの説明図である。
【図５】画像の適応スケーリング処理の一実施例のフロ
ーチャートである。
ーチャートである。
【図６】女性の画像例の適応スケーリングの説明図であ
る。
る。
【図７】日本語テキストの画像例の適応スケーリングの
説明図である。
説明図である。
【図８】画像の自動スケーリング及びクロッピングのフ
ローチャートである。
ローチャートである。
【図９】女性の画像例の自動スケーリング及びクロッピ
ングの説明図である。
ングの説明図である。
【図１０】日本語テキストの画像例の自動スケーリング
及びクロッピングの説明図である。
及びクロッピングの説明図である。
【図１１Ａ】本発明による処理を実行する装置の一実施
例のブロック図である。
例のブロック図である。
【図１１Ｂ】本発明による処理を実行する装置の他の一
実施例のブロック図である。
実施例のブロック図である。
【図１２】コンピュータシステムのブロック図である。
１１０１ 処理装置
１１０２ 受信ユニット
１１０３ 処理ユニット
１１２１ 符号ストリーム
１１２２ ヘッダ抽出器
１１２３ セグメンテーションユニット
１１２４ 復号器
１１２５ 出力画像
フロントページの続き
(72)発明者 ラメシュ ニーラマニ
アメリカ合衆国，カリフォルニア 94025,
メンロ・パーク，サンド・ヒル・ロード
2882番，スイート 115 リコーイノベー
ション内
(72)発明者 エドワード エル．シュワルツ
アメリカ合衆国，カリフォルニア 94025,
メンロ・パーク，サンド・ヒル・ロード
2882番，スイート 115 リコーイノベー
ション内
(72)発明者 マーティン ピー ボーリック
アメリカ合衆国，カリフォルニア 94025,
メンロ・パーク，サンド・ヒル・ロード
2882番，スイート 115 リコーイノベー
ション内
Ｆターム(参考） 5C059 KK02 KK40 MA00 MA24 MA32
ME01 PP01 RB02 RB09 SS06
SS20 UA02 UA06 UA15 UA38
UA39
5C078 BA53 CA01 DA01 DA11 DA21
Claims (96)
- 【請求項１】 圧縮ビットストリームのヘッダから取得
した情報を使用して粒状エントロピー分布を作成する手
順と、 粒状エントロピー分布に基づいて一つ以上の画像処理演
算を適用する手順と、を有する方法。 - 【請求項２】 一つ以上の画像処理演算を適用する部分
として、圧縮ビットストリームの中で符号化データの一
部分だけを復号化する手順を更に有する請求項１記載の
方法。 - 【請求項３】 ヘッダに基づいてクラスラベルを割当て
る手順を更に有する請求項１記載の方法。 - 【請求項４】 圧縮ビットストリームのヘッダから取得
した情報を使用して粒状エントロピー分布を作成する機
能と、 粒状エントロピー分布に基づいて一つ以上の画像処理演
算を適用する機能と、をコンピュータに実現させるため
のプログラム。 - 【請求項５】 一つ以上の画像処理演算を適用する部分
として、圧縮ビットストリームの中で符号化データの一
部分だけを復号化する機能を更にコンピュータに実現さ
せるための請求項４記載のプログラム。 - 【請求項６】 ヘッダに基づいてクラスラベルを割当て
る機能を更にコンピュータに実現させるための請求項４
記載のプログラム。 - 【請求項７】 圧縮ビットストリームのヘッダから取得
した情報を使用して粒状エントロピー分布を作成する手
段と、 粒状エントロピー分布に基づいて一つ以上の画像処理演
算を適用する手段と、を有する装置。 - 【請求項８】 一つ以上の画像処理演算を適用する部分
として、圧縮ビットストリームの中で符号化データの一
部分だけを復号化する手段を更に有する請求項７記載の
装置。 - 【請求項９】 ヘッダに基づいてクラスラベルを割当て
る手段を更に有する請求項７記載の装置。 - 【請求項１０】 符号ストリームのヘッダ情報に基づい
て符号ストリームの画像解析を実行する手順と、 画像解析の出力によって指定された一つ以上の画像部分
の符号化データだけを復号化する手順と、を有する方
法。 - 【請求項１１】 画像解析を実行する手順はセグメンテ
ーションを実行する手順を含む、請求項１０記載の方
法。 - 【請求項１２】 セグメンテーションを実行する手順は
最大事後確率アプローチを使用する、請求項１１記載の
方法。 - 【請求項１３】 画像解析を実行する手順はクラシフィ
ケーションを実行する手順を含む、請求項１０記載の方
法。 - 【請求項１４】 画像解析を実行する手順は粒状エント
ロピー分布を抽出する手順を含む、請求項１０記載の方
法。 - 【請求項１５】 符号ストリームのヘッダ情報に基づい
て符号ストリームの画像解析を実行する手段と、 画像解析の出力によって指定された一つ以上の画像部分
の符号化データだけを復号化する手段と、を有する装
置。 - 【請求項１６】 画像解析を実行する手段はセグメンテ
ーションを実行する手段を含む、請求項１５記載の装
置。 - 【請求項１７】 セグメンテーションを実行する手段は
最大事後確率アプローチを使用する、請求項１６記載の
装置。 - 【請求項１８】 画像解析を実行する手段はクラシフィ
ケーションを実行する手段を含む、請求項１５記載の装
置。 - 【請求項１９】 画像解析を実行する手段は粒状エント
ロピー分布を抽出する手段を含む、請求項１５記載の装
置。 - 【請求項２０】 符号ストリームのヘッダ情報に基づい
て符号ストリームの画像解析を実行する機能と、 画像解析の出力によって指定された一つ以上の画像部分
の符号化データだけを復号化する機能と、をコンピュー
タに実現させるためのプログラム。 - 【請求項２１】 セグメンテーションを実行する機能を
更にコンピュータに実現させるための請求項２０記載の
プログラム。 - 【請求項２２】 クラシフィケーションを実行する機能
を更にコンピュータに実現させるための請求項２０記載
のプログラム。 - 【請求項２３】 最大事後確率アプローチを使用してセ
グメンテーションを実行する機能を更にコンピュータに
実現させるための請求項２１記載のプログラム。 - 【請求項２４】 粒状エントロピー分布を抽出する機能
を更にコンピュータに実現させるための請求項２０記載
のプログラム。 - 【請求項２５】 符号化画像データを含む符号ストリー
ムからヘッダ情報を抽出する手順と、 符号化画像データの復号化とは独立してヘッダ情報に基
づいて符号ストリームのセグメンテーションを実行する
手順と、 セグメント化された画像部分を表現するため必要な符号
化画像データを復号化する手順と、を有する方法。 - 【請求項２６】 粒状エントロピー分布を抽出する手順
を更に有する請求項２５記載の方法。 - 【請求項２７】 セグメンテーションを実行する手順は
符号化画像データを復号化する手順よりも前に行われ
る、請求項２５記載の方法。 - 【請求項２８】 セグメント化された画像部分は特定解
像度の画像の領域を含む、請求項２７記載の方法。 - 【請求項２９】 符号化画像データを含む符号ストリー
ムからヘッダ情報を抽出する手段と、 符号化画像データの復号化とは独立してヘッダ情報に基
づいて符号ストリームのセグメンテーションを実行する
手段と、 セグメント化された画像部分を表現するため必要な符号
化画像データを復号化する手段と、を有する装置。 - 【請求項３０】 粒状エントロピー分布を抽出する手段
を更に有する請求項２９記載の装置。 - 【請求項３１】 セグメンテーションを実行する手段は
符号化画像データを復号化する前にセグメンテーション
を実行する、請求項２９記載の装置。 - 【請求項３２】 セグメント化された画像部分は特定解
像度の画像の領域を含む、請求項３１記載の装置。 - 【請求項３３】 符号化画像データを含む符号ストリー
ムからヘッダ情報を抽出する機能と、 符号化画像データの復号化とは独立してヘッダ情報に基
づいて符号ストリームのセグメンテーションを実行する
機能と、 セグメント化された画像部分を表現するため必要な符号
化画像データを復号化する機能と、をコンピュータに実
現させるためのプログラム。 - 【請求項３４】 粒状エントロピー分布を抽出する機能
を更にコンピュータに実現させるための請求項３３記載
のプログラム。 - 【請求項３５】 符号化画像データを復号化する前にセ
グメンテーションを実行する機能を更に実現させるため
の請求項３３記載のプログラム。 - 【請求項３６】 画像部分は特定解像度の画像の領域を
含む、請求項３５記載のプログラム。 - 【請求項３７】 画像データを表現するマルチスケール
変換に基づく圧縮データのビットストリームに対応した
ヘッダ情報を取得する手順と、 ヘッダ情報からビットストリームの画像記述ビットに対
応する特徴ベクトルを作成する手順と、 特徴ベクトルに基づいてビットストリームの少なくとも
一部分に一つ以上の演算を実行する手順と、を有する方
法。 - 【請求項３８】 ヘッダ情報から獲得された零ビットプ
レーンの数の分布を圧縮データの一つ以上の部分に作成
する手順を更に有する請求項３７記載の方法。 - 【請求項３９】 ヘッダ情報に基づいてエントロピー分
布を作成する手順を更に有する請求項３７記載の方法。 - 【請求項４０】 エントロピー分布は粒状である、請求
項３９記載の方法。 - 【請求項４１】 エントロピー分布は画像データに対す
るビット分布のマップを含む、請求項３９記載の方法。 - 【請求項４２】 エントロピー分布は符号ブロックに対
する符号化データの長さである、請求項３９記載の方
法。 - 【請求項４３】 ヘッダ情報はＪＰＥＧ ２０００ファ
イルの一部である、請求項３７記載の方法。 - 【請求項４４】 一つ以上の演算のうちの一つの演算は
クラシフィケーションである、請求項３７記載の方法。 - 【請求項４５】 画像データを表現するマルチスケール
変換に基づく圧縮データのビットストリームに対応した
ヘッダ情報を取得する手段と、 ヘッダ情報からビットストリームの画像記述ビットに対
応する特徴ベクトルを作成する手段と、 特徴ベクトルに基づいてビットストリームの少なくとも
一部分に一つ以上の演算を実行する手段と、を有する装
置。 - 【請求項４６】 ヘッダ情報から獲得された零ビットプ
レーンの数の分布を圧縮データの一つ以上の部分に作成
する手段を更に有する請求項４５記載の装置。 - 【請求項４７】 ヘッダ情報に基づいてエントロピー分
布を作成する手段を更に有する請求項４５記載の装置。 - 【請求項４８】 エントロピー分布は粒状である、請求
項４７記載の装置。 - 【請求項４９】 エントロピー分布は画像データに対す
るビット分布のマップを含む、請求項４７記載の装置。 - 【請求項５０】 エントロピー分布は符号ブロックに対
する符号化データの長さである、請求項４７記載の装
置。 - 【請求項５１】 ヘッダ情報はＪＰＥＧ ２０００ファ
イルの一部である、請求項４５記載の装置。 - 【請求項５２】 一つ以上の演算のうちの一つの演算は
クラシフィケーションである、請求項４５記載の装置。 - 【請求項５３】 画像データを表現するマルチスケール
変換に基づく圧縮データのビットストリームに対応した
ヘッダ情報を取得する機能と、 ヘッダ情報からビットストリームの画像記述ビットに対
応する特徴ベクトルを作成する機能と、 特徴ベクトルに基づいてビットストリームの少なくとも
一部分に一つ以上の演算を実行する機能と、をコンピュ
ータに実現させるためのプログラム。 - 【請求項５４】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを取得する手
順と、 各ブロックに対し、スケールの組の中で、ブロックのヘ
ッダを使用して計算された尤度の積を表す総尤度と事前
確率との積であるコスト関数を最大化するスケールをブ
ロックに割当てる手順と、 等価的なスケールが割当てられたブロックを一つに集め
ることにより画像をセグメント化する手順と、を有す
る、画像をセグメント化する方法。 - 【請求項５５】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項５４記載の方法。 - 【請求項５６】 ブロックの各尤度は、スケールの組の
中の各スケールに対するスケールの重みと当該スケール
でブロックを符号化するため費やされるビット数との積
の総和に比例する、請求項５４記載の方法。 - 【請求項５７】 あるスケールでブロックを符号化する
ため費やされたビット数は、当該スケールにおけるブロ
ックのマルチスケール係数のエントロピー分布を、当該
スケールの４乗で割算することにより得られる、請求項
５６記載の方法。 - 【請求項５８】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを取得する手
順と、 各ブロックに対し、あるスケールにおけるブロックのマ
ルチスケール係数のエントロピーが少なくとも一つのよ
り粗いスケールにおけるブロックのマルチスケール係数
の平均エントロピーよりも大きいと判定されたときに、
ブロックがそのスケールで重要性を維持することを判定
する手順と、 画像を、ブロックの閾値パーセントが重要性を維持する
スケールの中の最も粗いスケールにスケーリングする手
順と、を有する、画像を適応的にスケーリングする方
法。 - 【請求項５９】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項５８記載の方法。 - 【請求項６０】 平均エントロピーは閾値パラメータが
乗算された平均ビット分布である、請求項５８記載の方
法。 - 【請求項６１】 スケールは、以下の式、 【数１】 に基づいて選択される、請求項５９記載の方法。
- 【請求項６２】 画像を自動的にスケーリングしクロッ
ピングする方法であって、 画像のブロックに関するマルチスケールエントロピー分
布情報を収容するヘッダを含むファイルを取得する手順
と、 各ブロックとスケールの組の中の各スケールに対して、 あるスケールのブロックの累積エントロピー分布を、第
１のスケールと最大スケールの範囲に含まれるスケール
に対するブロックを符号化するために要するビット数の
加重和に一致するように設定する手順と、 第１の最小値が、選択された幅オフセットと、選択され
た幅オフセットと第１のスケールでスケーリングされた
表示幅の和と、からなる組のうちの最小値であり、第２
の最小値が、選択された高さオフセットと、選択された
高さオフセットと第１のスケールでスケーリングされた
表示高さの和と、からなる組のうちの最小値であるとし
て、所定の画像の幅及び高さの範囲内で幅オフセット及
び高さオフセットの各オフセットに関して、ブロックの
幅位置が第１の最小値よりも大きくなく、かつ、ブロッ
クの高さ位置が第２の最小値よりも大きくない、と判定
された場合に、選択されたスケール並びに選択された幅
オフセット及び高さオフセットでのブロックのインジケ
ータ関数に１を設定する手順と、 ブロックのインジケータ関数とパラメータが乗算された
最適スケールでのブロックに対する累積エントロピー分
布の総和を最大化する位置及びスケールを計算する手順
と、 画像を最適位置にクロッピングし、クロッピングされた
画像を最適スケールにダウンサンプリングする手順と、
を有する方法。 - 【請求項６３】 ブロックは、スケール、幅オフセット
及び高さオフセットにより特徴付けられる、請求項６２
記載の方法。 - 【請求項６４】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項６２記載の方法。 - 【請求項６５】 マルチスケール確率分布に基づいて画
像の矩形マルチスケール部分を生成する画像をセグメン
ト化する手順と、 マルチスケール確率分布に基づいて画像の矩形マルチス
ケール部分を作成する手順と、を有する方法。 - 【請求項６６】 画像の矩形マルチスケール部分を作成
する手順は、矩形を、マルチスケール確率分布に基づい
てセグメント化された画像に合わせる手順を含み、 矩形をセグメント化された画像に合わせる手順は、各ス
ケールにおいて、矩形内の画像の内容が当該スケールと
関連付けられた解像度で表現されるように、当該スケー
ルより大きいスケールでの確率に類似した確率をもつス
ケール毎に矩形を見つける手順を含む、請求項６５記載
の方法。 - 【請求項６７】 矩形を記憶する手順と、 少なくとも一つの別の矩形に対してフィリング演算を繰
り返す手順と、を更に有する請求項６５記載の方法。 - 【請求項６８】 より大きいスケールにおける矩形との
確率の差が最低限に抑えられる矩形及びスケールを選択
する手順を更に有する請求項６５記載の方法。 - 【請求項６９】 マルチスケール確率分布に基づいて画
像の矩形マルチスケール部分を生成する画像をセグメン
ト化する手段と、 マルチスケール確率分布に基づいて画像の矩形マルチス
ケール部分を作成する手段と、を有する装置。 - 【請求項７０】 画像の矩形マルチスケール部分を作成
する手段は、矩形を、マルチスケール確率分布に基づい
てセグメント化された画像に合わせる手段を含み、 矩形をセグメント化された画像に合わせる手段は、各ス
ケールにおいて、矩形内の画像の内容が当該スケールと
関連付けられた解像度で表現されるように、当該スケー
ルより大きいスケールでの確率に類似した確率をもつス
ケール毎に矩形を見つける手段を含む、請求項６９記載
の装置。 - 【請求項７１】 矩形を記憶する手段と、 少なくとも一つの別の矩形に対してフィリング演算を繰
り返す手段と、を更に有する請求項６９記載の装置。 - 【請求項７２】 より大きいスケールにおける矩形との
確率の差が最低限に抑えられる矩形及びスケールを選択
する手段を更に有する請求項６９記載の装置。 - 【請求項７３】 マルチスケール確率分布に基づいて画
像の矩形マルチスケール部分を生成する画像をセグメン
ト化する機能と、 マルチスケール確率分布に基づいて画像の矩形マルチス
ケール部分を作成する機能と、をコンピュータに実現さ
せるためのプログラム。 - 【請求項７４】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを取得する機
能と、 各ブロックに対し、スケールの組の中で、ブロックのヘ
ッダを使用して計算された尤度の積を表す総尤度と事前
確率との積であるコスト関数を最大化するスケールをブ
ロックに割当てる機能と、 等価的なスケールが割当てられたブロックを一つに集め
ることにより画像をセグメント化する機能と、をコンピ
ュータに実現させるためのプログラム。 - 【請求項７５】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項７４記載のプログラ
ム。 - 【請求項７６】 ブロックの各尤度は、スケールの組の
中の各スケールに対するスケールの重みと当該スケール
でブロックを符号化するため費やされるビット数との積
の総和に比例する、請求項７４記載のプログラム。 - 【請求項７７】 あるスケールでブロックを符号化する
ため費やされたビット数は、当該スケールにおけるブロ
ックのマルチスケール係数のエントロピー分布を、当該
スケールの４乗で割算することにより得られる、請求項
７６記載のプログラム。 - 【請求項７８】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを取得する機
能と、 各ブロックに対し、あるスケールにおけるブロックのマ
ルチスケール係数のエントロピーが少なくとも一つのよ
り粗いスケールにおけるブロックのマルチスケール係数
の平均エントロピーよりも大きいと判定されたときに、
ブロックがそのスケールで重要性を維持することを判定
する機能と、 画像を、ブロックの閾値パーセントが重要性を維持する
スケールの中の最も粗いスケールにスケーリングする機
能と、をコンピュータに実現させるためのプログラム。 - 【請求項７９】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項７８記載のプログラ
ム。 - 【請求項８０】 平均エントロピーは閾値パラメータが
乗算された平均ビット分布である、請求項７８記載のプ
ログラム。 - 【請求項８１】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを含むファイ
ルを取得する機能と、 各ブロックとスケールの組の中の各スケールに対して、 第１のスケールのブロックの累積エントロピー分布を、
第１のスケールと最大スケールの範囲に含まれるスケー
ルに対するブロックを符号化するために要するビット数
の和に一致するように設定する機能と、 ブロックの幅が第１の最小値よりも大きくなく、かつ、
ブロックの高さが第２の最小値よりも大きくないと判定
された場合に、ブロックのインジケータ関数及び第１の
スケールに１を設定し、それ以外の場合に、０を設定す
る機能と、を有し、 第１の最小値は、画像の幅と、ブロックの幅に１及び第
１のスケールでスケーリングされた希望高さを加えたも
のと、により構成される組の中の最小値であり、第２の
最小値は、画像の高さと、ブロックの高さに１及び第１
のスケールでスケーリングされた希望幅を加えたもの
と、により構成される組の中の最小値であり、 最適位置及び最適スケールの各ブロックに対して、最適
スケールでのブロックに対する累積エントロピー分布
に、ブロックのインジケータ関数とパラメータ倍された
最適スケールとが乗算されたものの総和を最大化する最
適位置及び最適スケールを計算する機能と、 画像を最適位置にクロッピングし、クロッピングされた
画像を最適スケールにダウンサンプリングする機能と、
をコンピュータに実現させるためのプログラム。 - 【請求項８２】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項８１記載のプログラ
ム。 - 【請求項８３】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを取得する受
信ユニットと、 受信ユニットに接続された処理ユニットと、を有し、 処理ユニットは、 各ブロックに対し、スケールの組の中で、ブロックのヘ
ッダを使用して計算された尤度の積を表す総尤度と事前
確率との積であるコスト関数を最大化するスケールをブ
ロックに割当て、 等価的なスケールが割当てられたブロックを一つに集め
ることにより画像をセグメント化する、装置。 - 【請求項８４】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項８３記載の装置。 - 【請求項８５】 ブロックの各尤度は、スケールの組の
中の各スケールに対するスケールの重みと当該スケール
でブロックを符号化するため費やされるビット数との積
の総和に比例する、請求項８３記載の装置。 - 【請求項８６】 あるスケールでブロックを符号化する
ため費やされたビット数は、当該スケールにおけるブロ
ックのマルチスケール係数のエントロピー分布を、当該
スケールの４乗で割算することにより得られる、請求項
８５記載の装置。 - 【請求項８７】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを取得する受
信ユニットと、 受信ユニットに接続された処理ユニットと、を有し、 処理ユニットは、 各ブロックに対し、あるスケールにおけるブロックのマ
ルチスケール係数のエントロピーが少なくとも一つのよ
り粗いスケールにおけるブロックのマルチスケール係数
の平均エントロピーよりも大きいと判定されたときに、
ブロックがそのスケールで重要性を維持することを判定
し、 画像を、ブロックの閾値パーセントが重要性を維持する
スケールの中の最も粗いスケールにスケーリングする、
画像を適応的にスケーリングする装置。 - 【請求項８８】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項８７記載の方法。 - 【請求項８９】 平均エントロピーは閾値パラメータが
乗算された平均ビット分布である、請求項８７記載の方
法。 - 【請求項９０】 画像のブロックに関するマルチスケー
ルエントロピー分布情報を収容するヘッダを含むファイ
ルを取得する受信ユニットと、 受信ユニットに接続された処理ユニットと、を有し、 処理ユニットは、 各ブロックとスケールの組の中の各スケールに対して、 第１のスケールのブロックの累積エントロピー分布を、
第１のスケールと最大スケールの範囲に含まれるスケー
ルに対するブロックを符号化するために要するビット数
の和に一致するように設定し、 ブロックの幅が第１の最小値よりも大きくなく、かつ、
ブロックの高さが第２の最小値よりも大きくないと判定
された場合に、ブロックのインジケータ関数及び第１の
スケールに１を設定し、それ以外の場合に、０を設定
し、 第１の最小値は、画像の幅と、ブロックの幅に１及び第
１のスケールでスケーリングされた希望高さを加えたも
のと、により構成される組の中の最小値であり、第２の
最小値は、画像の高さと、ブロックの高さに１及び第１
のスケールでスケーリングされた希望幅を加えたもの
と、により構成される組の中の最小値であり、 処理ユニットは、 最適位置及び最適スケールの各ブロックに対して、最適
スケールでのブロックに対する累積エントロピー分布
に、ブロックのインジケータ関数とパラメータ倍された
最適スケールとが乗算されたものの総和を最大化する最
適位置及び最適スケールを計算し、 画像を最適位置にクロッピングし、クロッピングされた
画像を最適スケールにダウンサンプリングする、画像を
自動的にスケーリングしクロッピングする装置。 - 【請求項９１】 ファイルはＪＰＥＧ ２０００フォー
マットで画像を表現する、請求項９０記載の装置。 - 【請求項９２】 圧縮ビットストリームのヘッダから得
られた情報を用いて高ビットレート粒状エントロピー分
布から低ビットレートエントロピー分布の推定値を獲得
する手順と、 一つ以上の画像処理演算を適用する手順と、を有する方
法。 - 【請求項９３】 推定値を獲得する手順は、第１の複数
のレイヤから情報を抽出し、第１の複数のレイヤ以外の
レイヤのパケットを無視する手順を含む、請求項９２記
載の方法。 - 【請求項９４】 ビットが割当てられる順序を決定する
手順を更に有する請求項９２記載の方法。 - 【請求項９５】 高ビットレートエントロピー分布は損
失の多い分布ではない、請求項９２記載の方法。 - 【請求項９６】 高ビットレートエントロピー分布は損
失の無い分布である、請求項９２記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US044420 | 2002-01-10 | ||
| US10/044,420 US7428338B2 (en) | 2002-01-10 | 2002-01-10 | Header-based processing of images compressed using multi-scale transforms |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007032742A Division JP4317230B2 (ja) | 2002-01-10 | 2007-02-13 | ヘッダ情報に基づく画像処理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003230012A true JP2003230012A (ja) | 2003-08-15 |
| JP3989362B2 JP3989362B2 (ja) | 2007-10-10 |
Family
ID=21932291
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002336772A Expired - Fee Related JP3989362B2 (ja) | 2002-01-10 | 2002-11-20 | ヘッダ情報に基づく画像処理方法 |
| JP2007032742A Expired - Fee Related JP4317230B2 (ja) | 2002-01-10 | 2007-02-13 | ヘッダ情報に基づく画像処理方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007032742A Expired - Fee Related JP4317230B2 (ja) | 2002-01-10 | 2007-02-13 | ヘッダ情報に基づく画像処理方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (4) | US7428338B2 (ja) |
| EP (2) | EP1814077B1 (ja) |
| JP (2) | JP3989362B2 (ja) |
| DE (2) | DE60314305T2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005141758A (ja) * | 2003-11-10 | 2005-06-02 | Ricoh Co Ltd | Ｊｐｅｇ２０００圧縮領域からの文書の検索及び類似度マッチングのための特徴を生成する方法、装置及び製造物品 |
| CN1305008C (zh) * | 2003-12-22 | 2007-03-14 | 中国科学院自动化研究所 | 弥散张量核磁成像脑缺血病灶区的自动分割方法 |
| US7508988B2 (en) | 2004-03-09 | 2009-03-24 | Ricoh Company, Ltd. | Method, program and apparatus for image processing capable of effectively performing image transmission, and a medium storing the program |
| JP2009540371A (ja) * | 2006-06-08 | 2009-11-19 | クゥアルコム・インコーポレイテッド | 複数の表示層の調合 |
| JP2014011807A (ja) * | 2012-06-29 | 2014-01-20 | Thomson Licensing | ビデオシーケンスのイメージをリフレーミングする方法及び装置 |
| WO2020050192A1 (ja) * | 2018-09-04 | 2020-03-12 | 日本電気株式会社 | 流体漏洩診断装置、流体漏洩診断システム、流体漏洩診断方法、及び、流体漏洩診断プログラムが格納された記録媒体 |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030233619A1 (en) * | 2002-05-30 | 2003-12-18 | Fast Bruce Brian | Process for locating data fields on electronic images of complex-structured forms or documents |
| KR100453517B1 (ko) * | 2002-05-31 | 2004-10-20 | 주식회사 이노티브 | 인터넷을 통한 대용량 고품질 디지털 이미지의 실시간서비스 방법 |
| FR2848765B1 (fr) * | 2002-12-11 | 2005-04-29 | Canon Kk | Procede et dispositif de determination d'une configuration de donnees d'un signal numerique d'image |
| JP2005123856A (ja) * | 2003-10-16 | 2005-05-12 | Ricoh Co Ltd | 画像処理システム、画像処理方法、プログラム及び情報記録媒体 |
| US20090142039A1 (en) * | 2003-12-26 | 2009-06-04 | Humax Co., Ltd. | Method and apparatus for recording video data |
| JP4594688B2 (ja) * | 2004-06-29 | 2010-12-08 | オリンパス株式会社 | 画像符号化処理方法、画像復号化処理方法、動画圧縮処理方法、動画伸張処理方法、画像符号化処理プログラム、画像符号化装置、画像復号化装置、画像符号化／復号化システム、拡張画像圧縮伸張処理システム |
| US9509991B2 (en) | 2004-08-12 | 2016-11-29 | Gurulogic Microsystems Oy | Processing and reproduction of frames |
| US9232228B2 (en) | 2004-08-12 | 2016-01-05 | Gurulogic Microsystems Oy | Processing of image |
| FI117845B (fi) | 2004-08-12 | 2007-03-15 | Gurulogic Microsystems Oy | Videokuvan prosessointi |
| CN101848389A (zh) * | 2004-08-31 | 2010-09-29 | 松下电器产业株式会社 | 运动图像编码、解码方法及装置、记录介质的记录方法 |
| US7650031B2 (en) * | 2004-11-23 | 2010-01-19 | Microsoft Corporation | Method and system for detecting black frames in a sequence of frames |
| JP4301193B2 (ja) * | 2005-03-31 | 2009-07-22 | ソニー株式会社 | 画像比較装置及び方法、画像検索装置及び方法、並びにプログラム及び記録媒体 |
| US8169547B2 (en) * | 2005-08-09 | 2012-05-01 | Gurulogic Microsystems Oy | Processing of video image |
| US8665284B2 (en) * | 2005-11-17 | 2014-03-04 | Xerox Corporation | Fragmenting image files systems and methods |
| EP1977391A2 (en) * | 2006-01-03 | 2008-10-08 | ATI Technologies Inc. | Image analyser and adaptive image scaling circuit and methods |
| US7761789B2 (en) | 2006-01-13 | 2010-07-20 | Ricoh Company, Ltd. | Methods for computing a navigation path |
| US7912468B2 (en) * | 2006-02-24 | 2011-03-22 | Broadcom Corporation | Multi-communication pathway addressing in a mobile communication device |
| US8081827B2 (en) * | 2006-02-28 | 2011-12-20 | Ricoh Co., Ltd. | Compressed data image object feature extraction, ordering, and delivery |
| US8583637B2 (en) * | 2007-03-21 | 2013-11-12 | Ricoh Co., Ltd. | Coarse-to-fine navigation through paginated documents retrieved by a text search engine |
| US8584042B2 (en) | 2007-03-21 | 2013-11-12 | Ricoh Co., Ltd. | Methods for scanning, printing, and copying multimedia thumbnails |
| US8812969B2 (en) * | 2007-03-21 | 2014-08-19 | Ricoh Co., Ltd. | Methods for authoring and interacting with multimedia representations of documents |
| JP4441558B2 (ja) * | 2007-09-19 | 2010-03-31 | キヤノン株式会社 | 画像処理装置及び画像処理方法ならびにプログラム |
| US20100128181A1 (en) * | 2008-11-25 | 2010-05-27 | Advanced Micro Devices, Inc. | Seam Based Scaling of Video Content |
| US9705888B2 (en) | 2009-03-31 | 2017-07-11 | Amazon Technologies, Inc. | Managing security groups for data instances |
| DE102009017436B4 (de) * | 2009-04-15 | 2011-12-29 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Erkennung einer Änderung zwischen Bildern oder in einer Sequenz von Bildern |
| JP5686611B2 (ja) * | 2011-01-14 | 2015-03-18 | 株式会社ソニー・コンピュータエンタテインメント | 情報処理装置 |
| JP5927829B2 (ja) * | 2011-02-15 | 2016-06-01 | 株式会社リコー | 印刷用データ作成装置、印刷用データ作成方法、プログラム及び記録媒体 |
| RU2595626C2 (ru) * | 2011-08-11 | 2016-08-27 | Сан Пэтент Траст | Способ кодирования изображений, способ декодирования изображений, устройство кодирования изображений, устройство декодирования изображений и устройство кодирования и декодирования изображений |
| US9538239B2 (en) | 2012-08-13 | 2017-01-03 | Gurulogic Microsystems Oy | Decoder and method for decoding encoded input data containing a plurality of blocks or packets |
| US10412414B2 (en) | 2012-08-13 | 2019-09-10 | Gurulogic Microsystems Oy | Decoder and method for decoding encoded input data containing a plurality of blocks or packets |
| CN103279957B (zh) * | 2013-05-31 | 2015-11-25 | 北京师范大学 | 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法 |
| WO2015152503A1 (ko) * | 2014-03-31 | 2015-10-08 | 인텔렉추얼디스커버리 주식회사 | 영상 복호화 장치 및 그 방법 |
| CN105427307B (zh) * | 2015-11-20 | 2018-10-30 | 信阳师范学院 | 一种立方体粒计算的图像分割方法 |
| US9930354B2 (en) | 2015-12-11 | 2018-03-27 | Google Llc | Skip scanlines on JPEG image decodes |
| US11829703B2 (en) * | 2018-01-09 | 2023-11-28 | Adobe Inc. | Parallel object analysis for efficiently generating layouts in digital design documents |
| CN109670576B (zh) * | 2018-11-29 | 2022-09-13 | 中山大学 | 一种多尺度视觉关注图像描述方法 |
| CA3113347A1 (en) * | 2020-03-26 | 2021-09-26 | Mappedin Inc. | Systems and methods for geometry simplification and filtering |
| CN111597981B (zh) * | 2020-05-14 | 2022-05-27 | 中南大学 | 基于改进多尺度散布熵的大地电磁信号去噪方法及系统 |
| CN117036832B (zh) * | 2023-10-09 | 2024-01-05 | 之江实验室 | 一种基于随机多尺度分块的图像分类方法、装置及介质 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5563960A (en) * | 1993-01-22 | 1996-10-08 | David Sarnoff Research Center, Inc. | Apparatus and method for emphasizing a selected region in the compressed representation of an image |
| JP3732867B2 (ja) | 1995-03-09 | 2006-01-11 | 株式会社ルネサステクノロジ | 画像伸張装置 |
| US5854857A (en) | 1996-09-26 | 1998-12-29 | Xerox Corporation | Using encoding cost data for segmentation and background suppression in JPEG-compressed images |
| US5999639A (en) * | 1997-09-04 | 1999-12-07 | Qualia Computing, Inc. | Method and system for automated detection of clustered microcalcifications from digital mammograms |
| SE521021C2 (sv) | 1998-06-18 | 2003-09-23 | Ericsson Telefon Ab L M | Förfarande och anordning vid överförande av bilder |
| WO2000010131A1 (en) | 1998-08-10 | 2000-02-24 | Digital Accelerator Corporation | Embedded quadtree wavelets in image compression |
| US6775325B1 (en) * | 1998-10-07 | 2004-08-10 | Sarnoff Corporation | Method and apparatus for converting the bitrate of an encoded bitstream without full re-encoding |
| US6813384B1 (en) * | 1999-11-10 | 2004-11-02 | Intel Corporation | Indexing wavelet compressed video for efficient data handling |
| US6795577B2 (en) * | 1999-12-03 | 2004-09-21 | Canon Research Centre France S.A. | Digital signal analysis, with hierarchical segmentation |
| US6553150B1 (en) * | 2000-04-25 | 2003-04-22 | Hewlett-Packard Development Co., Lp | Image sequence compression featuring independently coded regions |
| JP2002064709A (ja) | 2000-06-06 | 2002-02-28 | Canon Inc | 画像処理装置及びその方法とそのコンピュータプログラム及び記憶媒体 |
| JP2002044663A (ja) * | 2000-07-24 | 2002-02-08 | Canon Inc | 画像符号化装置及び方法、画像表示装置及び方法、画像処理システム並びに撮像装置 |
| US6925126B2 (en) * | 2001-04-18 | 2005-08-02 | Koninklijke Philips Electronics N.V. | Dynamic complexity prediction and regulation of MPEG2 decoding in a media processor |
-
2002
- 2002-01-10 US US10/044,420 patent/US7428338B2/en not_active Expired - Fee Related
- 2002-11-20 JP JP2002336772A patent/JP3989362B2/ja not_active Expired - Fee Related
-
2003
- 2003-01-09 EP EP07106420A patent/EP1814077B1/en not_active Expired - Lifetime
- 2003-01-09 EP EP03000510A patent/EP1329847B1/en not_active Expired - Lifetime
- 2003-01-09 DE DE60314305T patent/DE60314305T2/de not_active Expired - Lifetime
- 2003-01-09 DE DE60330409T patent/DE60330409D1/de not_active Expired - Lifetime
-
2007
- 2007-02-13 JP JP2007032742A patent/JP4317230B2/ja not_active Expired - Fee Related
- 2007-04-17 US US11/787,993 patent/US7548654B2/en not_active Expired - Fee Related
- 2007-04-17 US US11/787,836 patent/US7536056B2/en not_active Expired - Fee Related
- 2007-04-17 US US11/787,835 patent/US8184918B2/en not_active Expired - Fee Related
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005141758A (ja) * | 2003-11-10 | 2005-06-02 | Ricoh Co Ltd | Ｊｐｅｇ２０００圧縮領域からの文書の検索及び類似度マッチングのための特徴を生成する方法、装置及び製造物品 |
| CN1305008C (zh) * | 2003-12-22 | 2007-03-14 | 中国科学院自动化研究所 | 弥散张量核磁成像脑缺血病灶区的自动分割方法 |
| US7508988B2 (en) | 2004-03-09 | 2009-03-24 | Ricoh Company, Ltd. | Method, program and apparatus for image processing capable of effectively performing image transmission, and a medium storing the program |
| JP2009540371A (ja) * | 2006-06-08 | 2009-11-19 | クゥアルコム・インコーポレイテッド | 複数の表示層の調合 |
| JP2014011807A (ja) * | 2012-06-29 | 2014-01-20 | Thomson Licensing | ビデオシーケンスのイメージをリフレーミングする方法及び装置 |
| WO2020050192A1 (ja) * | 2018-09-04 | 2020-03-12 | 日本電気株式会社 | 流体漏洩診断装置、流体漏洩診断システム、流体漏洩診断方法、及び、流体漏洩診断プログラムが格納された記録媒体 |
| US11703189B2 (en) | 2018-09-04 | 2023-07-18 | Nec Corporation | Fluid leakage diagnosing device, fluid leakage diagnosing system, fluid leakage diagnosing method, and recording medium storing fluid leakage diagnosing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3989362B2 (ja) | 2007-10-10 |
| US7428338B2 (en) | 2008-09-23 |
| US20080095452A1 (en) | 2008-04-24 |
| US7536056B2 (en) | 2009-05-19 |
| JP4317230B2 (ja) | 2009-08-19 |
| EP1814077A3 (en) | 2007-08-08 |
| DE60330409D1 (de) | 2010-01-14 |
| EP1814077A2 (en) | 2007-08-01 |
| US20090103818A1 (en) | 2009-04-23 |
| US20030165273A1 (en) | 2003-09-04 |
| EP1329847A1 (en) | 2003-07-23 |
| DE60314305D1 (de) | 2007-07-26 |
| DE60314305T2 (de) | 2008-02-21 |
| US7548654B2 (en) | 2009-06-16 |
| US8184918B2 (en) | 2012-05-22 |
| JP2007181232A (ja) | 2007-07-12 |
| US20080044091A1 (en) | 2008-02-21 |
| EP1329847B1 (en) | 2007-06-13 |
| EP1814077B1 (en) | 2009-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3989362B2 (ja) | ヘッダ情報に基づく画像処理方法 | |
| EP1548616B1 (en) | Features for retrieval and similarity matching of documents from the compressed domain | |
| Walker et al. | Wavelet-based image compression | |
| EP0933920B1 (en) | Data processing apparatus and method and storage medium | |
| Sadek et al. | Robust video steganography algorithm using adaptive skin-tone detection | |
| US20040252903A1 (en) | Method of automatically determining the region of interest from an image | |
| EP1274250A2 (en) | A method for utilizing subject content analysis for producing a compressed bit stream from a digital image | |
| Dost et al. | Reduced reference image and video quality assessments: review of methods | |
| Juliet et al. | Efficient block prediction-based coding of computer screen images with precise block classification | |
| Xia et al. | Visual sensitivity-based low-bit-rate image compression algorithm | |
| Tabesh et al. | JPEG2000 and motion JPEG2000 content analysis using codestream length information | |
| Rani et al. | Comparative analysis of image compression using dct and dwt transforms | |
| TWI226189B (en) | Method for automatically detecting region of interest in the image | |
| Thayammal et al. | A Review On Segmentation Based Image Compression Techniques. | |
| Villegas et al. | Feature preserving image compression: A survey | |
| Barsakar et al. | A novel approach for medical video compression using kernel based meanshift ROI coding techniques | |
| EP3151565A1 (en) | A low complexity perceptual visual quality evaluation method for jpeg2000 compressed streams | |
| Mohammed et al. | New approaches for DCT-Based image compression using region of interest scheme | |
| JP2004120497A (ja) | シーンチェンジ検出装置、シーンチェンジ検出方法、画像処理装置、プログラム及び記録媒体 | |
| Thayammal et al. | A review on transform based image compression techniques | |
| Kountchev et al. | New approaches in intelligent image processing | |
| Galan-Hernandez et al. | Region-of-Interest Coding based on Fovea and Hierarchical Trees | |
| SATTAR | The medical image compression with embedded zerotree wavelet | |
| Bao et al. | Image restoration based on generalized finite automata encoded edge preserving regularization | |
| Mohammed et al. | Non-embedded image coding techniques based on pixels classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050221 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061212 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070213 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070403 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070604 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070703 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070717 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100727 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110727 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120727 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120727 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130727 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |