JP2003316760A - データ変換装置およびデータ変換方法、学習装置および学習方法、並びに記録媒体 - Google Patents
データ変換装置およびデータ変換方法、学習装置および学習方法、並びに記録媒体Info
- Publication number
- JP2003316760A JP2003316760A JP2002125627A JP2002125627A JP2003316760A JP 2003316760 A JP2003316760 A JP 2003316760A JP 2002125627 A JP2002125627 A JP 2002125627A JP 2002125627 A JP2002125627 A JP 2002125627A JP 2003316760 A JP2003316760 A JP 2003316760A
- Authority
- JP
- Japan
- Prior art keywords
- data
- tap
- learning
- class
- prediction
- 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
- 238000000034 method Methods 0.000 title claims description 117
- 238000006243 chemical reaction Methods 0.000 title claims description 32
- 230000000694 effects Effects 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims description 88
- 230000008569 process Effects 0.000 claims description 72
- 238000004364 calculation method Methods 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 27
- 108010016634 Seed Storage Proteins Proteins 0.000 claims 1
- RRLHMJHRFMHVNM-BQVXCWBNSA-N [(2s,3r,6r)-6-[5-[5-hydroxy-3-(4-hydroxyphenyl)-4-oxochromen-7-yl]oxypentoxy]-2-methyl-3,6-dihydro-2h-pyran-3-yl] acetate Chemical compound C1=C[C@@H](OC(C)=O)[C@H](C)O[C@H]1OCCCCCOC1=CC(O)=C2C(=O)C(C=3C=CC(O)=CC=3)=COC2=C1 RRLHMJHRFMHVNM-BQVXCWBNSA-N 0.000 abstract description 19
- 230000015654 memory Effects 0.000 description 76
- 238000004260 weight control Methods 0.000 description 57
- 239000011159 matrix material Substances 0.000 description 18
- 230000000873 masking effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 102100028780 AP-1 complex subunit sigma-2 Human genes 0.000 description 1
- 101000795655 Canis lupus familiaris Thymic stromal cotransporter homolog Proteins 0.000 description 1
- 102100033040 Carbonic anhydrase 12 Human genes 0.000 description 1
- 102100033029 Carbonic anhydrase-related protein 11 Human genes 0.000 description 1
- 241000251730 Chondrichthyes Species 0.000 description 1
- 101100055680 Homo sapiens AP1S2 gene Proteins 0.000 description 1
- 101000867855 Homo sapiens Carbonic anhydrase 12 Proteins 0.000 description 1
- 101000867841 Homo sapiens Carbonic anhydrase-related protein 11 Proteins 0.000 description 1
- 101001075218 Homo sapiens Gastrokine-1 Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0125—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level one of the standards being a high definition standard
-
- 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
- G06T2207/20081—Training; Learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
- H04N7/0145—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes the interpolation being class adaptive, i.e. it uses the information of class which is determined for a pixel based upon certain characteristics of the neighbouring pixels
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Television Systems (AREA)
- Complex Calculations (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
(57)【要約】
【課題】 画像を、より画質の良い画像に変換する。
【解決手段】 クラスタップ生成回路２と予測タップ生
成回路３は、注目しているＨＤ画像の画素である注目画
素をクラス分類するのに用いるクラスタップと、注目画
素を求めるのに用いる予測タップを、ＳＤ画像から生成
し、クラス分類回路４は、クラスタップに基づいて、注
目画素をクラス分類する。係数RAM５は、学習の教師と
なる教師データと、学習の生徒となる生徒データとを用
い、その教師データと生徒データに対して、生徒データ
から生成される予測タップのアクティビティに基づく重
み付けを行いながら、教師画素と生徒画素との関係を、
１以上のクラスごとに学習することにより得られたタッ
プ係数から、注目画素のクラスのタップ係数を取得し、
予測演算回路６は、そのタップ係数と、予測タップとを
用いて、注目画素を求める。本発明は、テレビジョン受
像機に適用できる。
成回路３は、注目しているＨＤ画像の画素である注目画
素をクラス分類するのに用いるクラスタップと、注目画
素を求めるのに用いる予測タップを、ＳＤ画像から生成
し、クラス分類回路４は、クラスタップに基づいて、注
目画素をクラス分類する。係数RAM５は、学習の教師と
なる教師データと、学習の生徒となる生徒データとを用
い、その教師データと生徒データに対して、生徒データ
から生成される予測タップのアクティビティに基づく重
み付けを行いながら、教師画素と生徒画素との関係を、
１以上のクラスごとに学習することにより得られたタッ
プ係数から、注目画素のクラスのタップ係数を取得し、
予測演算回路６は、そのタップ係数と、予測タップとを
用いて、注目画素を求める。本発明は、テレビジョン受
像機に適用できる。
Description
【０００１】
【発明の属する技術分野】本発明は、データ変換装置お
よびデータ変換方法、学習装置および学習方法、並びに
プログラムおよび記録媒体に関し、特に、例えば、画像
データを、より高画質の画像データに変換すること等が
できるようにするデータ変換装置およびデータ変換方
法、学習装置および学習方法、並びにプログラムおよび
記録媒体に関する。
よびデータ変換方法、学習装置および学習方法、並びに
プログラムおよび記録媒体に関し、特に、例えば、画像
データを、より高画質の画像データに変換すること等が
できるようにするデータ変換装置およびデータ変換方
法、学習装置および学習方法、並びにプログラムおよび
記録媒体に関する。
【０００２】
【従来の技術】本件出願人は、例えば、画像の画質等の
向上その他の画像の変換を行うデータ変換処理として、
クラス分類適応処理を、先に提案している。
向上その他の画像の変換を行うデータ変換処理として、
クラス分類適応処理を、先に提案している。
【０００３】クラス分類適応処理は、クラス分類処理と
適応処理とからなり、クラス分類処理によって、データ
を、その性質に基づいてクラス分けし、各クラスごとに
適応処理を施すものであり、適応処理とは、以下のよう
な手法の処理である。
適応処理とからなり、クラス分類処理によって、データ
を、その性質に基づいてクラス分けし、各クラスごとに
適応処理を施すものであり、適応処理とは、以下のよう
な手法の処理である。
【０００４】即ち、適応処理では、例えば、低画質また
は標準画質の画像（以下、適宜、ＳＤ(Standard Defini
tion)画像という）データが、所定のタップ係数を用い
てマッピング（写像）されることにより、高画質の画像
（以下、適宜、ＨＤ(High Definition)画像という）デ
ータに変換される。
は標準画質の画像（以下、適宜、ＳＤ(Standard Defini
tion)画像という）データが、所定のタップ係数を用い
てマッピング（写像）されることにより、高画質の画像
（以下、適宜、ＨＤ(High Definition)画像という）デ
ータに変換される。
【０００５】いま、このタップ係数を用いてのマッピン
グ方法として、例えば、線形１次結合モデルを採用する
こととすると、ＨＤ画像データを構成する画素（以下、
適宜、ＨＤ画素という）（の画素値）ｙは、ＳＤ画像デ
ータを構成する画素（以下、適宜、ＳＤ画素という）か
ら、ＨＤ画素を予測するための予測タップとして抽出さ
れる複数のＳＤ画素と、タップ係数とを用いて、次の線
形１次式（線形結合）によって求められる。
グ方法として、例えば、線形１次結合モデルを採用する
こととすると、ＨＤ画像データを構成する画素（以下、
適宜、ＨＤ画素という）（の画素値）ｙは、ＳＤ画像デ
ータを構成する画素（以下、適宜、ＳＤ画素という）か
ら、ＨＤ画素を予測するための予測タップとして抽出さ
れる複数のＳＤ画素と、タップ係数とを用いて、次の線
形１次式（線形結合）によって求められる。
【０００６】
【数１】
・・・（１）
【０００７】但し、式（１）において、ｘnは、ＨＤ画
素ｙについての予測タップを構成する、ｎ番目のＳＤ画
像データの画素（以下、適宜、ＳＤ画素という）の画素
値を表し、ｗnは、ｎ番目のＳＤ画素（の画素値）と乗
算されるｎ番目のタップ係数を表す。なお、式（１）で
は、予測タップが、Ｎ個のＳＤ画素ｘ1，ｘ2，・・・，
ｘNで構成されるものとしてある。
素ｙについての予測タップを構成する、ｎ番目のＳＤ画
像データの画素（以下、適宜、ＳＤ画素という）の画素
値を表し、ｗnは、ｎ番目のＳＤ画素（の画素値）と乗
算されるｎ番目のタップ係数を表す。なお、式（１）で
は、予測タップが、Ｎ個のＳＤ画素ｘ1，ｘ2，・・・，
ｘNで構成されるものとしてある。
【０００８】ここで、ＨＤ画素の画素値ｙは、式（１）
に示した線形１次式ではなく、２次以上の高次の式によ
って求めるようにすることも可能である。
に示した線形１次式ではなく、２次以上の高次の式によ
って求めるようにすることも可能である。
【０００９】いま、第ｋサンプルのＨＤ画素の画素値の
真値をｙkと表すとともに、式（１）によって得られる
その真値ｙkの予測値をｙk’と表すと、その予測誤差ｅ
kは、次式で表される。
真値をｙkと表すとともに、式（１）によって得られる
その真値ｙkの予測値をｙk’と表すと、その予測誤差ｅ
kは、次式で表される。
【００１０】
【数２】
・・・（２）
【００１１】式（２）の予測値ｙk’は、式（１）にし
たがって求められるため、式（２）のｙk’を、式
（１）にしたがって置き換えると、次式が得られる。
たがって求められるため、式（２）のｙk’を、式
（１）にしたがって置き換えると、次式が得られる。
【００１２】
【数３】
・・・（３）
【００１３】但し、式（３）において、ｘn,kは、第ｋ
サンプルのＨＤ画素についての予測タップを構成するｎ
番目のＳＤ画素を表す。
サンプルのＨＤ画素についての予測タップを構成するｎ
番目のＳＤ画素を表す。
【００１４】式（３）の予測誤差ｅkを０とするタップ
係数ｗnが、ＨＤ画素を予測するのに最適なものとなる
が、すべてのＨＤ画素について、そのようなタップ係数
ｗnを求めることは、一般には困難である。
係数ｗnが、ＨＤ画素を予測するのに最適なものとなる
が、すべてのＨＤ画素について、そのようなタップ係数
ｗnを求めることは、一般には困難である。
【００１５】そこで、タップ係数ｗnが最適なものであ
ることを表す規範として、例えば、最小自乗法を採用す
ることとすると、最適なタップ係数ｗnは、統計的な誤
差としての、例えば、次式で表される自乗誤差の総和Ｅ
を最小にすることで求めることができる。
ることを表す規範として、例えば、最小自乗法を採用す
ることとすると、最適なタップ係数ｗnは、統計的な誤
差としての、例えば、次式で表される自乗誤差の総和Ｅ
を最小にすることで求めることができる。
【００１６】
【数４】
・・・（４）
【００１７】但し、式（４）において、Ｋは、ＨＤ画素
ｙkと、そのＨＤ画素ｙkについての予測タップを構成す
るＳＤ画素ｘ1,k，ｘ2,k，・・・，ｘN,kとのセットの
サンプル数を表す。
ｙkと、そのＨＤ画素ｙkについての予測タップを構成す
るＳＤ画素ｘ1,k，ｘ2,k，・・・，ｘN,kとのセットの
サンプル数を表す。
【００１８】式（４）の自乗誤差の総和Ｅを最小（極
小）にするタップ係数ｗnは、その総和Ｅをタップ係数
ｗnで偏微分したものを０とするものであり、従って、
次式を満たす必要がある。
小）にするタップ係数ｗnは、その総和Ｅをタップ係数
ｗnで偏微分したものを０とするものであり、従って、
次式を満たす必要がある。
【００１９】
【数５】
・・・（５）
【００２０】そこで、上述の式（３）をタップ係数ｗn
で偏微分すると、次式が得られる。
で偏微分すると、次式が得られる。
【００２１】
【数６】
・・・（６）
【００２２】式（５）と（６）から、次式が得られる。
【００２３】
【数７】
・・・（７）
【００２４】式（７）のｅkに、式（３）を代入するこ
とにより、式（７）は、式（８）に示す正規方程式で表
すことができる。
とにより、式（７）は、式（８）に示す正規方程式で表
すことができる。
【００２５】
【数８】
・・・（８）
【００２６】式（８）の正規方程式は、ＨＤ画素ｙkと
ＳＤ画素ｘn,kのセットを、ある程度の数だけ用意する
ことで、求めるべきタップ係数ｗnの数と同じ数だけた
てることができ、従って、式（８）を解くことで（但
し、式（８）を解くには、式（８）において、タップ係
数ｗnにかかる左辺の行列が正則である必要がある）、
最適なタップ係数ｗnを求めることができる。なお、式
（８）を解くにあたっては、例えば、掃き出し法（Gaus
s-Jordanの消去法）などを採用することが可能である。
ＳＤ画素ｘn,kのセットを、ある程度の数だけ用意する
ことで、求めるべきタップ係数ｗnの数と同じ数だけた
てることができ、従って、式（８）を解くことで（但
し、式（８）を解くには、式（８）において、タップ係
数ｗnにかかる左辺の行列が正則である必要がある）、
最適なタップ係数ｗnを求めることができる。なお、式
（８）を解くにあたっては、例えば、掃き出し法（Gaus
s-Jordanの消去法）などを採用することが可能である。
【００２７】以上のように、多数のＨＤ画素ｙ1，ｙ2，
・・・，ｙKを、タップ係数の学習の教師となる教師デ
ータとするとともに、各ＨＤ画素ｙkについての予測タ
ップを構成するＳＤ画素ｘ1,k，ｘ2,k，・・・，ｘN,k
を、タップ係数の学習の生徒となる生徒データとして、
式（８）を解くことにより、最適なタップ係数ｗnを求
める学習を行っておき、さらに、そのタップ係数ｗnを
用い、式（１）により、ＳＤ画像データを、ＨＤ画像デ
ータにマッピング（変換）するのが適応処理である。
・・・，ｙKを、タップ係数の学習の教師となる教師デ
ータとするとともに、各ＨＤ画素ｙkについての予測タ
ップを構成するＳＤ画素ｘ1,k，ｘ2,k，・・・，ｘN,k
を、タップ係数の学習の生徒となる生徒データとして、
式（８）を解くことにより、最適なタップ係数ｗnを求
める学習を行っておき、さらに、そのタップ係数ｗnを
用い、式（１）により、ＳＤ画像データを、ＨＤ画像デ
ータにマッピング（変換）するのが適応処理である。
【００２８】なお、適応処理は、ＳＤ画像には含まれて
いないが、ＨＤ画像に含まれる成分が再現される点で、
例えば、単なる補間処理等とは異なる。即ち、適応処理
では、式（１）だけを見る限りは、いわゆる補間フィル
タを用いての補間処理と同一であるが、その補間フィル
タのタップ係数に相当するタップ係数ｗnが、教師デー
タとしてのＨＤ画像データと生徒データとしてのＳＤ画
像データとを用いての学習により求められるため、ＨＤ
画像に含まれる成分を再現することができる。このこと
から、適応処理は、いわば画像の創造（解像度想像）作
用がある処理ということができる。
いないが、ＨＤ画像に含まれる成分が再現される点で、
例えば、単なる補間処理等とは異なる。即ち、適応処理
では、式（１）だけを見る限りは、いわゆる補間フィル
タを用いての補間処理と同一であるが、その補間フィル
タのタップ係数に相当するタップ係数ｗnが、教師デー
タとしてのＨＤ画像データと生徒データとしてのＳＤ画
像データとを用いての学習により求められるため、ＨＤ
画像に含まれる成分を再現することができる。このこと
から、適応処理は、いわば画像の創造（解像度想像）作
用がある処理ということができる。
【００２９】ここで、タップ係数ｗnの学習では、教師
データｙと生徒データｘとの組み合わせとして、どのよ
うなものを採用するかによって、各種の変換を行うタッ
プ係数ｗnを求めることができる。
データｙと生徒データｘとの組み合わせとして、どのよ
うなものを採用するかによって、各種の変換を行うタッ
プ係数ｗnを求めることができる。
【００３０】即ち、例えば、教師データｙとして、ＨＤ
画像データを採用するとともに、生徒データｘとして、
そのＨＤ画像データにノイズやぼけを付加したＳＤ画像
データを採用した場合には、画像を、そのノイズやぼけ
を除去した画像に変換するタップ係数ｗnを得ることが
できる。また、例えば、教師データｙとして、ＨＤ画像
データを採用するとともに、生徒データｘとして、その
ＨＤ画像データの解像度を劣化させたＳＤ画像データを
採用した場合には、画像を、その解像度を向上させた画
像に変換するタップ係数ｗnを得ることができる。さら
に、例えば、教師データｙとして、画像データを採用す
るとともに、生徒データｘとして、その画像データをＤ
ＣＴ(Discrete Cosine Transform)変換したＤＣＴ係数
を採用した場合には、ＤＣＴ係数を画像データに変換す
るタップ係数ｗnを得ることができる。
画像データを採用するとともに、生徒データｘとして、
そのＨＤ画像データにノイズやぼけを付加したＳＤ画像
データを採用した場合には、画像を、そのノイズやぼけ
を除去した画像に変換するタップ係数ｗnを得ることが
できる。また、例えば、教師データｙとして、ＨＤ画像
データを採用するとともに、生徒データｘとして、その
ＨＤ画像データの解像度を劣化させたＳＤ画像データを
採用した場合には、画像を、その解像度を向上させた画
像に変換するタップ係数ｗnを得ることができる。さら
に、例えば、教師データｙとして、画像データを採用す
るとともに、生徒データｘとして、その画像データをＤ
ＣＴ(Discrete Cosine Transform)変換したＤＣＴ係数
を採用した場合には、ＤＣＴ係数を画像データに変換す
るタップ係数ｗnを得ることができる。
【００３１】
【発明が解決しようとする課題】上述したように、クラ
ス分類適応処理においては、式（４）の自乗誤差の総和
を最小にするタップ係数ｗnがクラスごとに求められ、
そのタップ係数ｗnを用い、式（１）が演算されること
により、ＳＤ画像が、高画質のＨＤ画像に変換される。
即ち、タップ係数ｗnと、ＳＤ画像から生成される予測
タップｘnとを用いて、式（１）が演算されることによ
り、ＨＤ画像を構成するＨＤ画素が求められる。
ス分類適応処理においては、式（４）の自乗誤差の総和
を最小にするタップ係数ｗnがクラスごとに求められ、
そのタップ係数ｗnを用い、式（１）が演算されること
により、ＳＤ画像が、高画質のＨＤ画像に変換される。
即ち、タップ係数ｗnと、ＳＤ画像から生成される予測
タップｘnとを用いて、式（１）が演算されることによ
り、ＨＤ画像を構成するＨＤ画素が求められる。
【００３２】このため、例えば、予測タップのダイナミ
ックレンジが小さい場合には、予測タップのダイナミッ
クレンジが大きい場合に比較して、予測タップｘnの値
（予測タップを構成するＳＤ画素ｘnの画素値）の変動
の影響を受けやすかった。
ックレンジが小さい場合には、予測タップのダイナミッ
クレンジが大きい場合に比較して、予測タップｘnの値
（予測タップを構成するＳＤ画素ｘnの画素値）の変動
の影響を受けやすかった。
【００３３】即ち、例えば、いま、説明を簡単にするた
めに、予測タップが、図１Ａに示すように、２つのＳＤ
画素（の画素値）ｘ1とｘ2で構成され、ＨＤ画素（の画
素値）ｙが、式（１）に対応する次式で求められるもの
とする。
めに、予測タップが、図１Ａに示すように、２つのＳＤ
画素（の画素値）ｘ1とｘ2で構成され、ＨＤ画素（の画
素値）ｙが、式（１）に対応する次式で求められるもの
とする。
【００３４】
【数９】
・・・（９）
【００３５】また、予測タップのダイナミックレンジ
は、その予測タップを構成する最大値から最小値を減算
したものとなるから、図１Ａの予測タップのダイナミッ
クレンジＤは、次式で表される。
は、その予測タップを構成する最大値から最小値を減算
したものとなるから、図１Ａの予測タップのダイナミッ
クレンジＤは、次式で表される。
【００３６】
【数１０】
・・・（１０）
【００３７】この場合、式（９）のＨＤ画素ｙは、式
（１０）から、次式で表される。
（１０）から、次式で表される。
【００３８】
【数１１】
・・・（１１）
【００３９】一方、図１Ｂに示すように、図１Ａの予測
タップを構成するＳＤ画素ｘ1とｘ2のうちの、例えば、
ＳＤ画素ｘ2が、△ｘ2だけ変動したＳＤ画素をｘ2’と
表すこととすると、ＳＤ画素ｘ1とｘ2’で構成される予
測タップによれば、次式にしたがって、ＨＤ画素ｙ’が
求められる。
タップを構成するＳＤ画素ｘ1とｘ2のうちの、例えば、
ＳＤ画素ｘ2が、△ｘ2だけ変動したＳＤ画素をｘ2’と
表すこととすると、ＳＤ画素ｘ1とｘ2’で構成される予
測タップによれば、次式にしたがって、ＨＤ画素ｙ’が
求められる。
【００４０】
【数１２】
・・・（１２）
【００４１】また、図１Ｂの予測タップのダイナミック
レンジＤ’は、次式で表される。
レンジＤ’は、次式で表される。
【００４２】
【数１３】
・・・（１３）
【００４３】この場合、式（１２）のＨＤ画素ｙ’は、
式（１３）から、次式で表される。
式（１３）から、次式で表される。
【００４４】
【数１４】
・・・（１４）
【００４５】ところで、ＳＤ画素ｘ2’は、ＳＤ画素ｘ2
から、△ｘ2だけ変動したものであるから、次式で表す
ことができる。
から、△ｘ2だけ変動したものであるから、次式で表す
ことができる。
【００４６】
【数１５】
・・・（１５）
【００４７】式（１５）から、式（１３）のダイナミッ
クレンジＤ’は、次式で表すことができる。
クレンジＤ’は、次式で表すことができる。
【００４８】
【数１６】
・・・（１６）
【００４９】式（１６）を、式（１４）に代入すること
により、ＨＤ画素ｙ’は、次式によって求めることがで
きる。
により、ＨＤ画素ｙ’は、次式によって求めることがで
きる。
【００５０】
【数１７】
・・・（１７）
【００５１】従って、図１Ａの予測タップを構成するＳ
Ｄ画素ｘ2△ｘ2だけ変動した場合、求められるＨＤ画素
は、式（１１）で表されるｙから、式（１７）で表され
るｙ’に変動することになる。
Ｄ画素ｘ2△ｘ2だけ変動した場合、求められるＨＤ画素
は、式（１１）で表されるｙから、式（１７）で表され
るｙ’に変動することになる。
【００５２】いま、予測タップが変動することにより、
求められるＨＤ画素が、変動前の予測タップから求めら
れるＨＤ画素に対して、どれだけ変動するかを表す値
を、変動率Ｒというものとすると、この変動率Ｒは、例
えば、次式で表すことができる。
求められるＨＤ画素が、変動前の予測タップから求めら
れるＨＤ画素に対して、どれだけ変動するかを表す値
を、変動率Ｒというものとすると、この変動率Ｒは、例
えば、次式で表すことができる。
【００５３】
【数１８】
・・・（１８）
【００５４】式（１８）に、式（１１）と（１７）を代
入することにより、変動率Ｒは、次式で求められる。
入することにより、変動率Ｒは、次式で求められる。
【００５５】
【数１９】
・・・（１９）
【００５６】式（１９）によれば、変動率Ｒは、予測タ
ップのダイナミックレンジＤが大きいほど小さく、逆
に、予測タップのダイナミックレンジＤが小さいほど大
きくなる。
ップのダイナミックレンジＤが大きいほど小さく、逆
に、予測タップのダイナミックレンジＤが小さいほど大
きくなる。
【００５７】このことは、予測タップのダイナミックレ
ンジＤが大きい場合には、予測タップの変動が、求めら
れるＨＤ画素にほとんど影響しないが、逆に、予測タッ
プのダイナミックレンジＤが小さい場合には、予測タッ
プの変動が、求められるＨＤ画素に大きく影響すること
を意味する。
ンジＤが大きい場合には、予測タップの変動が、求めら
れるＨＤ画素にほとんど影響しないが、逆に、予測タッ
プのダイナミックレンジＤが小さい場合には、予測タッ
プの変動が、求められるＨＤ画素に大きく影響すること
を意味する。
【００５８】従って、予測タップのダイナミックレンジ
が大きい場合には、予測タップが変動しても、その大き
なダイナミックレンジによる、いわばマスキングの効果
（以下、適宜、ＤＲマスキング効果という）（大きなダ
イナミックレンジによって、予測タップの変動に対する
ＨＤ画素への影響がマスクされる効果）によって、求め
られるＨＤ画素への影響が抑えられるが、予測タップの
ダイナミックレンジが小さい場合には、上述のＤＲマス
キング効果がほとんど働かず、予測タップの変動は、求
められるＨＤ画素に大きな変動を与える。
が大きい場合には、予測タップが変動しても、その大き
なダイナミックレンジによる、いわばマスキングの効果
（以下、適宜、ＤＲマスキング効果という）（大きなダ
イナミックレンジによって、予測タップの変動に対する
ＨＤ画素への影響がマスクされる効果）によって、求め
られるＨＤ画素への影響が抑えられるが、予測タップの
ダイナミックレンジが小さい場合には、上述のＤＲマス
キング効果がほとんど働かず、予測タップの変動は、求
められるＨＤ画素に大きな変動を与える。
【００５９】このため、ダイナミックレンジが大きい予
測タップが構成される場合と、ダイナミックレンジが小
さい予測タップが構成される場合とで、求められるＨＤ
画像の画質に差が生じることがあり、ユーザに違和感を
感じさせるおそれがあった。
測タップが構成される場合と、ダイナミックレンジが小
さい予測タップが構成される場合とで、求められるＨＤ
画像の画質に差が生じることがあり、ユーザに違和感を
感じさせるおそれがあった。
【００６０】また、ＤＲマスキング効果を働かせる程度
により、クラス分類適応処理によって得られるＨＤ画像
の画質に対する影響が変化する。従って、ＤＲマスキン
グ効果を働かせる程度を、ユーザが調整することが可能
となれば、ユーザは、自身の好みに応じた画質の画像を
得ることが可能となる。
により、クラス分類適応処理によって得られるＨＤ画像
の画質に対する影響が変化する。従って、ＤＲマスキン
グ効果を働かせる程度を、ユーザが調整することが可能
となれば、ユーザは、自身の好みに応じた画質の画像を
得ることが可能となる。
【００６１】本発明は、このような状況に鑑みてなされ
たものであり、例えば、画像データを、より高画質の画
像データに変換することができるようにし、さらには、
その画質の調整をユーザが可能とすることができるよう
にするものである。
たものであり、例えば、画像データを、より高画質の画
像データに変換することができるようにし、さらには、
その画質の調整をユーザが可能とすることができるよう
にするものである。
【００６２】
【課題を解決するための手段】本発明のデータ変換装置
は、注目している第２のデータである注目データを１以
上のクラスのうちのいずれかのクラスにクラス分けする
クラス分類を行うのに用いるクラスタップを、第１のデ
ータから生成するクラスタップ生成手段と、クラスタッ
プに基づいて、注目データをクラス分類するクラス分類
手段と、注目データを求めるのに用いる予測タップを、
第１のデータから生成する予測タップ生成手段と、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得手段と、注目データのクラ
スのタップ係数と、予測タップとを用いて、注目データ
を求める演算手段とを備えることを特徴とする。
は、注目している第２のデータである注目データを１以
上のクラスのうちのいずれかのクラスにクラス分けする
クラス分類を行うのに用いるクラスタップを、第１のデ
ータから生成するクラスタップ生成手段と、クラスタッ
プに基づいて、注目データをクラス分類するクラス分類
手段と、注目データを求めるのに用いる予測タップを、
第１のデータから生成する予測タップ生成手段と、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得手段と、注目データのクラ
スのタップ係数と、予測タップとを用いて、注目データ
を求める演算手段とを備えることを特徴とする。
【００６３】本発明のデータ変換方法は、注目している
第２のデータである注目データを１以上のクラスのうち
のいずれかのクラスにクラス分けするクラス分類を行う
のに用いるクラスタップを、第１のデータから生成する
クラスタップ生成ステップと、クラスタップに基づい
て、注目データをクラス分類するクラス分類ステップ
と、注目データを求めるのに用いる予測タップを、第１
のデータから生成する予測タップ生成ステップと、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得ステップと、注目データの
クラスのタップ係数と、予測タップとを用いて、注目デ
ータを求める演算ステップとを備えることを特徴とす
る。
第２のデータである注目データを１以上のクラスのうち
のいずれかのクラスにクラス分けするクラス分類を行う
のに用いるクラスタップを、第１のデータから生成する
クラスタップ生成ステップと、クラスタップに基づい
て、注目データをクラス分類するクラス分類ステップ
と、注目データを求めるのに用いる予測タップを、第１
のデータから生成する予測タップ生成ステップと、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得ステップと、注目データの
クラスのタップ係数と、予測タップとを用いて、注目デ
ータを求める演算ステップとを備えることを特徴とす
る。
【００６４】本発明の第１のプログラムは、注目してい
る第２のデータである注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、第１のデータから生成す
るクラスタップ生成ステップと、クラスタップに基づい
て、注目データをクラス分類するクラス分類ステップ
と、注目データを求めるのに用いる予測タップを、第１
のデータから生成する予測タップ生成ステップと、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得ステップと、注目データの
クラスのタップ係数と、予測タップとを用いて、注目デ
ータを求める演算ステップとを備えることを特徴とす
る。
る第２のデータである注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、第１のデータから生成す
るクラスタップ生成ステップと、クラスタップに基づい
て、注目データをクラス分類するクラス分類ステップ
と、注目データを求めるのに用いる予測タップを、第１
のデータから生成する予測タップ生成ステップと、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得ステップと、注目データの
クラスのタップ係数と、予測タップとを用いて、注目デ
ータを求める演算ステップとを備えることを特徴とす
る。
【００６５】本発明の第１の記録媒体は、注目している
第２のデータである注目データを１以上のクラスのうち
のいずれかのクラスにクラス分けするクラス分類を行う
のに用いるクラスタップを、第１のデータから生成する
クラスタップ生成ステップと、クラスタップに基づい
て、注目データをクラス分類するクラス分類ステップ
と、注目データを求めるのに用いる予測タップを、第１
のデータから生成する予測タップ生成ステップと、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得ステップと、注目データの
クラスのタップ係数と、予測タップとを用いて、注目デ
ータを求める演算ステップとを備えるプログラムが記録
されていることを特徴とする。
第２のデータである注目データを１以上のクラスのうち
のいずれかのクラスにクラス分けするクラス分類を行う
のに用いるクラスタップを、第１のデータから生成する
クラスタップ生成ステップと、クラスタップに基づい
て、注目データをクラス分類するクラス分類ステップ
と、注目データを求めるのに用いる予測タップを、第１
のデータから生成する予測タップ生成ステップと、学習
の教師となる、第２のデータに対応する教師データと、
学習の生徒となる、第１のデータに対応する生徒データ
とを用い、その教師データと生徒データに対して、生徒
データから生成される予測タップのアクティビティに基
づく重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより得
られたタップ係数から、注目データのクラスのタップ係
数を取得するタップ係数取得ステップと、注目データの
クラスのタップ係数と、予測タップとを用いて、注目デ
ータを求める演算ステップとを備えるプログラムが記録
されていることを特徴とする。
【００６６】本発明の第１の学習装置は、タップ係数の
学習の教師となる、第２のデータに対応する教師データ
のうちの注目している注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、学習の生徒となる、第１
のデータに対応する生徒データから生成するクラスタッ
プ生成手段と、クラスタップに基づいて、注目データを
クラス分類するクラス分類手段と、注目データを求める
のに用いる予測タップを、生徒データから生成する予測
タップ生成手段と、注目データと予測タップに対して所
定の重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより、
１以上のクラスごとのタップ係数を求める学習手段と、
注目データについて得られた予測タップのアクティビテ
ィを求めるアクティビティ検出手段と、注目データにつ
いて得られた予測タップのアクティビティに基づいて、
その注目データと予測タップに対する、学習手段におけ
る重み付けを制御する重み付け制御手段とを備えること
を特徴とする。
学習の教師となる、第２のデータに対応する教師データ
のうちの注目している注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、学習の生徒となる、第１
のデータに対応する生徒データから生成するクラスタッ
プ生成手段と、クラスタップに基づいて、注目データを
クラス分類するクラス分類手段と、注目データを求める
のに用いる予測タップを、生徒データから生成する予測
タップ生成手段と、注目データと予測タップに対して所
定の重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより、
１以上のクラスごとのタップ係数を求める学習手段と、
注目データについて得られた予測タップのアクティビテ
ィを求めるアクティビティ検出手段と、注目データにつ
いて得られた予測タップのアクティビティに基づいて、
その注目データと予測タップに対する、学習手段におけ
る重み付けを制御する重み付け制御手段とを備えること
を特徴とする。
【００６７】本発明の第１の学習方法は、タップ係数の
学習の教師となる、第２のデータに対応する教師データ
のうちの注目している注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、学習の生徒となる、第１
のデータに対応する生徒データから生成するクラスタッ
プ生成ステップと、クラスタップに基づいて、注目デー
タをクラス分類するクラス分類ステップと、注目データ
を求めるのに用いる予測タップを、生徒データから生成
する予測タップ生成ステップと、注目データと予測タッ
プに対して所定の重み付けを行いながら、教師データと
生徒データとの関係を、１以上のクラスごとに学習する
ことにより、１以上のクラスごとのタップ係数を求める
学習ステップと、注目データについて得られた予測タッ
プのアクティビティを求めるアクティビティ検出ステッ
プと、注目データについて得られた予測タップのアクテ
ィビティに基づいて、その注目データと予測タップに対
する、学習ステップにおける重み付けを制御する重み付
け制御ステップとを備えることを特徴とする。
学習の教師となる、第２のデータに対応する教師データ
のうちの注目している注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、学習の生徒となる、第１
のデータに対応する生徒データから生成するクラスタッ
プ生成ステップと、クラスタップに基づいて、注目デー
タをクラス分類するクラス分類ステップと、注目データ
を求めるのに用いる予測タップを、生徒データから生成
する予測タップ生成ステップと、注目データと予測タッ
プに対して所定の重み付けを行いながら、教師データと
生徒データとの関係を、１以上のクラスごとに学習する
ことにより、１以上のクラスごとのタップ係数を求める
学習ステップと、注目データについて得られた予測タッ
プのアクティビティを求めるアクティビティ検出ステッ
プと、注目データについて得られた予測タップのアクテ
ィビティに基づいて、その注目データと予測タップに対
する、学習ステップにおける重み付けを制御する重み付
け制御ステップとを備えることを特徴とする。
【００６８】本発明の第２のプログラムは、タップ係数
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成ステップと、クラスタップに基づいて、注目デ
ータをクラス分類するクラス分類ステップと、注目デー
タを求めるのに用いる予測タップを、生徒データから生
成する予測タップ生成ステップと、注目データと予測タ
ップに対して所定の重み付けを行いながら、教師データ
と生徒データとの関係を、１以上のクラスごとに学習す
ることにより、１以上のクラスごとのタップ係数を求め
る学習ステップと、注目データについて得られた予測タ
ップのアクティビティを求めるアクティビティ検出ステ
ップと、注目データについて得られた予測タップのアク
ティビティに基づいて、その注目データと予測タップに
対する、学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えることを特徴とする。
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成ステップと、クラスタップに基づいて、注目デ
ータをクラス分類するクラス分類ステップと、注目デー
タを求めるのに用いる予測タップを、生徒データから生
成する予測タップ生成ステップと、注目データと予測タ
ップに対して所定の重み付けを行いながら、教師データ
と生徒データとの関係を、１以上のクラスごとに学習す
ることにより、１以上のクラスごとのタップ係数を求め
る学習ステップと、注目データについて得られた予測タ
ップのアクティビティを求めるアクティビティ検出ステ
ップと、注目データについて得られた予測タップのアク
ティビティに基づいて、その注目データと予測タップに
対する、学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えることを特徴とする。
【００６９】本発明の第２の記録媒体は、タップ係数の
学習の教師となる、第２のデータに対応する教師データ
のうちの注目している注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、学習の生徒となる、第１
のデータに対応する生徒データから生成するクラスタッ
プ生成ステップと、クラスタップに基づいて、注目デー
タをクラス分類するクラス分類ステップと、注目データ
を求めるのに用いる予測タップを、生徒データから生成
する予測タップ生成ステップと、注目データと予測タッ
プに対して所定の重み付けを行いながら、教師データと
生徒データとの関係を、１以上のクラスごとに学習する
ことにより、１以上のクラスごとのタップ係数を求める
学習ステップと、注目データについて得られた予測タッ
プのアクティビティを求めるアクティビティ検出ステッ
プと、注目データについて得られた予測タップのアクテ
ィビティに基づいて、その注目データと予測タップに対
する、学習ステップにおける重み付けを制御する重み付
け制御ステップとを備えるプログラムが記録されている
ことを特徴とする。
学習の教師となる、第２のデータに対応する教師データ
のうちの注目している注目データを１以上のクラスのう
ちのいずれかのクラスにクラス分けするクラス分類を行
うのに用いるクラスタップを、学習の生徒となる、第１
のデータに対応する生徒データから生成するクラスタッ
プ生成ステップと、クラスタップに基づいて、注目デー
タをクラス分類するクラス分類ステップと、注目データ
を求めるのに用いる予測タップを、生徒データから生成
する予測タップ生成ステップと、注目データと予測タッ
プに対して所定の重み付けを行いながら、教師データと
生徒データとの関係を、１以上のクラスごとに学習する
ことにより、１以上のクラスごとのタップ係数を求める
学習ステップと、注目データについて得られた予測タッ
プのアクティビティを求めるアクティビティ検出ステッ
プと、注目データについて得られた予測タップのアクテ
ィビティに基づいて、その注目データと予測タップに対
する、学習ステップにおける重み付けを制御する重み付
け制御ステップとを備えるプログラムが記録されている
ことを特徴とする。
【００７０】本発明の第２の学習装置は、係数種データ
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成手段と、クラスタップに基づいて、注目データ
をクラス分類するクラス分類手段と、注目データを求め
るのに用いる予測タップを、生徒データから生成する予
測タップ生成手段と、注目データと予測タップに対して
所定の重み付けを行いながら、教師データと生徒データ
との関係を、１以上のクラスごとに学習することによ
り、１以上のクラスごとの係数種データを求める学習手
段と、注目データについて得られた予測タップのアクテ
ィビティを求めるアクティビティ検出手段と、注目デー
タについて得られた予測タップのアクティビティに基づ
いて、その注目データと予測タップに対する、学習手段
における重み付けを制御する重み付け制御手段とを備え
ることを特徴とする。
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成手段と、クラスタップに基づいて、注目データ
をクラス分類するクラス分類手段と、注目データを求め
るのに用いる予測タップを、生徒データから生成する予
測タップ生成手段と、注目データと予測タップに対して
所定の重み付けを行いながら、教師データと生徒データ
との関係を、１以上のクラスごとに学習することによ
り、１以上のクラスごとの係数種データを求める学習手
段と、注目データについて得られた予測タップのアクテ
ィビティを求めるアクティビティ検出手段と、注目デー
タについて得られた予測タップのアクティビティに基づ
いて、その注目データと予測タップに対する、学習手段
における重み付けを制御する重み付け制御手段とを備え
ることを特徴とする。
【００７１】本発明の第２の学習方法は、係数種データ
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成ステップと、クラスタップに基づいて、注目デ
ータをクラス分類するクラス分類ステップと、注目デー
タを求めるのに用いる予測タップを、生徒データから生
成する予測タップ生成ステップと、注目データと予測タ
ップに対して所定の重み付けを行いながら、教師データ
と生徒データとの関係を、１以上のクラスごとに学習す
ることにより、１以上のクラスごとの係数種データを求
める学習ステップと、注目データについて得られた予測
タップのアクティビティを求めるアクティビティ検出ス
テップと、注目データについて得られた予測タップのア
クティビティに基づいて、その注目データと予測タップ
に対する、学習ステップにおける重み付けを制御する重
み付け制御ステップとを備えることを特徴とする。
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成ステップと、クラスタップに基づいて、注目デ
ータをクラス分類するクラス分類ステップと、注目デー
タを求めるのに用いる予測タップを、生徒データから生
成する予測タップ生成ステップと、注目データと予測タ
ップに対して所定の重み付けを行いながら、教師データ
と生徒データとの関係を、１以上のクラスごとに学習す
ることにより、１以上のクラスごとの係数種データを求
める学習ステップと、注目データについて得られた予測
タップのアクティビティを求めるアクティビティ検出ス
テップと、注目データについて得られた予測タップのア
クティビティに基づいて、その注目データと予測タップ
に対する、学習ステップにおける重み付けを制御する重
み付け制御ステップとを備えることを特徴とする。
【００７２】本発明の第３のプログラムは、係数種デー
タの学習の教師となる、第２のデータに対応する教師デ
ータのうちの注目している注目データを１以上のクラス
のうちのいずれかのクラスにクラス分けするクラス分類
を行うのに用いるクラスタップを、学習の生徒となる、
第１のデータに対応する生徒データから生成するクラス
タップ生成ステップと、クラスタップに基づいて、注目
データをクラス分類するクラス分類ステップと、注目デ
ータを求めるのに用いる予測タップを、生徒データから
生成する予測タップ生成ステップと、注目データと予測
タップに対して所定の重み付けを行いながら、教師デー
タと生徒データとの関係を、１以上のクラスごとに学習
することにより、１以上のクラスごとの係数種データを
求める学習ステップと、注目データについて得られた予
測タップのアクティビティを求めるアクティビティ検出
ステップと、注目データについて得られた予測タップの
アクティビティに基づいて、その注目データと予測タッ
プに対する、学習ステップにおける重み付けを制御する
重み付け制御ステップとを備えることを特徴とする。
タの学習の教師となる、第２のデータに対応する教師デ
ータのうちの注目している注目データを１以上のクラス
のうちのいずれかのクラスにクラス分けするクラス分類
を行うのに用いるクラスタップを、学習の生徒となる、
第１のデータに対応する生徒データから生成するクラス
タップ生成ステップと、クラスタップに基づいて、注目
データをクラス分類するクラス分類ステップと、注目デ
ータを求めるのに用いる予測タップを、生徒データから
生成する予測タップ生成ステップと、注目データと予測
タップに対して所定の重み付けを行いながら、教師デー
タと生徒データとの関係を、１以上のクラスごとに学習
することにより、１以上のクラスごとの係数種データを
求める学習ステップと、注目データについて得られた予
測タップのアクティビティを求めるアクティビティ検出
ステップと、注目データについて得られた予測タップの
アクティビティに基づいて、その注目データと予測タッ
プに対する、学習ステップにおける重み付けを制御する
重み付け制御ステップとを備えることを特徴とする。
【００７３】本発明の第３の記録媒体は、係数種データ
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成ステップと、クラスタップに基づいて、注目デ
ータをクラス分類するクラス分類ステップと、注目デー
タを求めるのに用いる予測タップを、生徒データから生
成する予測タップ生成ステップと、注目データと予測タ
ップに対して所定の重み付けを行いながら、教師データ
と生徒データとの関係を、１以上のクラスごとに学習す
ることにより、１以上のクラスごとの係数種データを求
める学習ステップと、注目データについて得られた予測
タップのアクティビティを求めるアクティビティ検出ス
テップと、注目データについて得られた予測タップのア
クティビティに基づいて、その注目データと予測タップ
に対する、学習ステップにおける重み付けを制御する重
み付け制御ステップとを備えるプログラムが記録されて
いることを特徴とする。
の学習の教師となる、第２のデータに対応する教師デー
タのうちの注目している注目データを１以上のクラスの
うちのいずれかのクラスにクラス分けするクラス分類を
行うのに用いるクラスタップを、学習の生徒となる、第
１のデータに対応する生徒データから生成するクラスタ
ップ生成ステップと、クラスタップに基づいて、注目デ
ータをクラス分類するクラス分類ステップと、注目デー
タを求めるのに用いる予測タップを、生徒データから生
成する予測タップ生成ステップと、注目データと予測タ
ップに対して所定の重み付けを行いながら、教師データ
と生徒データとの関係を、１以上のクラスごとに学習す
ることにより、１以上のクラスごとの係数種データを求
める学習ステップと、注目データについて得られた予測
タップのアクティビティを求めるアクティビティ検出ス
テップと、注目データについて得られた予測タップのア
クティビティに基づいて、その注目データと予測タップ
に対する、学習ステップにおける重み付けを制御する重
み付け制御ステップとを備えるプログラムが記録されて
いることを特徴とする。
【００７４】本発明のデータ変換装置およびデータ変換
方法、並びに第１のプログラムおよび第１の記録媒体に
おいては、注目している第２のデータである注目データ
を１以上のクラスのうちのいずれかのクラスにクラス分
けするクラス分類を行うのに用いるクラスタップと、注
目データを求めるのに用いる予測タップが、第１のデー
タから生成され、クラスタップに基づいて、注目データ
がクラス分類される。さらに、学習の教師となる、第２
のデータに対応する教師データと、学習の生徒となる、
第１のデータに対応する生徒データとを用い、その教師
データと生徒データに対して、生徒データから生成され
る予測タップのアクティビティに基づく重み付けを行い
ながら、教師データと生徒データとの関係を、１以上の
クラスごとに学習することにより得られたタップ係数か
ら、注目データのクラスのタップ係数が取得され、その
タップ係数と、予測タップとを用いて、注目データが求
められる。
方法、並びに第１のプログラムおよび第１の記録媒体に
おいては、注目している第２のデータである注目データ
を１以上のクラスのうちのいずれかのクラスにクラス分
けするクラス分類を行うのに用いるクラスタップと、注
目データを求めるのに用いる予測タップが、第１のデー
タから生成され、クラスタップに基づいて、注目データ
がクラス分類される。さらに、学習の教師となる、第２
のデータに対応する教師データと、学習の生徒となる、
第１のデータに対応する生徒データとを用い、その教師
データと生徒データに対して、生徒データから生成され
る予測タップのアクティビティに基づく重み付けを行い
ながら、教師データと生徒データとの関係を、１以上の
クラスごとに学習することにより得られたタップ係数か
ら、注目データのクラスのタップ係数が取得され、その
タップ係数と、予測タップとを用いて、注目データが求
められる。
【００７５】本発明の第１の学習装置および第１の学習
方法、並びに第２のプログラムおよび第２の記録媒体に
おいては、タップ係数の学習の教師となる、第２のデー
タに対応する教師データのうちの注目している注目デー
タを１以上のクラスのうちのいずれかのクラスにクラス
分けするクラス分類を行うのに用いるクラスタップと、
注目データを求めるのに用いる予測タップが、学習の生
徒となる、第１のデータに対応する生徒データから生成
され、クラスタップに基づいて、注目データがクラス分
類される。さらに、注目データと予測タップに対して所
定の重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより、
１以上のクラスごとのタップ係数が求められる。一方、
注目データについて得られた予測タップのアクティビテ
ィが求められ、そのアクティビティに基づいて、注目デ
ータと予測タップに対する重み付けが制御される。
方法、並びに第２のプログラムおよび第２の記録媒体に
おいては、タップ係数の学習の教師となる、第２のデー
タに対応する教師データのうちの注目している注目デー
タを１以上のクラスのうちのいずれかのクラスにクラス
分けするクラス分類を行うのに用いるクラスタップと、
注目データを求めるのに用いる予測タップが、学習の生
徒となる、第１のデータに対応する生徒データから生成
され、クラスタップに基づいて、注目データがクラス分
類される。さらに、注目データと予測タップに対して所
定の重み付けを行いながら、教師データと生徒データと
の関係を、１以上のクラスごとに学習することにより、
１以上のクラスごとのタップ係数が求められる。一方、
注目データについて得られた予測タップのアクティビテ
ィが求められ、そのアクティビティに基づいて、注目デ
ータと予測タップに対する重み付けが制御される。
【００７６】本発明の第２の学習装置および第２の学習
方法、並びに第３のプログラムおよび第３の記録媒体に
おいては、係数種データの学習の教師となる、第２のデ
ータに対応する教師データのうちの注目している注目デ
ータを１以上のクラスのうちのいずれかのクラスにクラ
ス分けするクラス分類を行うのに用いるクラスタップ
と、注目データを求めるのに用いる予測タップが、学習
の生徒となる、第１のデータに対応する生徒データから
生成され、クラスタップに基づいて、注目データがクラ
ス分類される。さらに、注目データと予測タップに対し
て所定の重み付けを行いながら、教師データと生徒デー
タとの関係を、１以上のクラスごとに学習することによ
り、１以上のクラスごとの係数種データが求められる。
一方、注目データについて得られた予測タップのアクテ
ィビティが求められ、そのアクティビティに基づいて、
注目データと予測タップに対する重み付けが制御され
る。
方法、並びに第３のプログラムおよび第３の記録媒体に
おいては、係数種データの学習の教師となる、第２のデ
ータに対応する教師データのうちの注目している注目デ
ータを１以上のクラスのうちのいずれかのクラスにクラ
ス分けするクラス分類を行うのに用いるクラスタップ
と、注目データを求めるのに用いる予測タップが、学習
の生徒となる、第１のデータに対応する生徒データから
生成され、クラスタップに基づいて、注目データがクラ
ス分類される。さらに、注目データと予測タップに対し
て所定の重み付けを行いながら、教師データと生徒デー
タとの関係を、１以上のクラスごとに学習することによ
り、１以上のクラスごとの係数種データが求められる。
一方、注目データについて得られた予測タップのアクテ
ィビティが求められ、そのアクティビティに基づいて、
注目データと予測タップに対する重み付けが制御され
る。
【００７７】
【発明の実施の形態】図２は、本発明を適用した画像処
理装置の一実施の形態の構成例を示している。
理装置の一実施の形態の構成例を示している。
【００７８】この画像処理装置においては、例えば、ぼ
けたＳＤ画像が入力され、そのＳＤ画像に対して、クラ
ス分類適応処理が施されることにより、ＳＤ画像のぼけ
度にかかわらず、そのぼけが十分に改善されたＨＤ画像
（ぼけ改善画像）が出力されるようになっている。
けたＳＤ画像が入力され、そのＳＤ画像に対して、クラ
ス分類適応処理が施されることにより、ＳＤ画像のぼけ
度にかかわらず、そのぼけが十分に改善されたＨＤ画像
（ぼけ改善画像）が出力されるようになっている。
【００７９】即ち、この画像処理装置は、フレームメモ
リ１、クラスタップ生成回路２、予測タップ生成回路
３、クラス分類回路４、係数RAM(Random Access Memor
y)５、および予測演算回路６から構成され、そこには、
ぼけの改善を行う対象となるＳＤ画像が入力される。
リ１、クラスタップ生成回路２、予測タップ生成回路
３、クラス分類回路４、係数RAM(Random Access Memor
y)５、および予測演算回路６から構成され、そこには、
ぼけの改善を行う対象となるＳＤ画像が入力される。
【００８０】フレームメモリ１は、画像処理装置に入力
されるＳＤ画像を、例えば、フレーム（またはフィール
ド）単位で一時記憶する。なお、本実施の形態では、フ
レームメモリ１は、複数フレームのＳＤ画像を、バンク
切換によって記憶することができるようになっており、
これにより、画像処理装置に入力されるＳＤ画像が動画
であっても、その処理をリアルタイムで行うことができ
るようになっている。
されるＳＤ画像を、例えば、フレーム（またはフィール
ド）単位で一時記憶する。なお、本実施の形態では、フ
レームメモリ１は、複数フレームのＳＤ画像を、バンク
切換によって記憶することができるようになっており、
これにより、画像処理装置に入力されるＳＤ画像が動画
であっても、その処理をリアルタイムで行うことができ
るようになっている。
【００８１】クラスタップ生成回路２は、クラス分類適
応処理により求めようとするＨＤ画素（ここでは、ＳＤ
画素からぼけを完全に排除した、ぼけのない理想的なＨ
Ｄ画素）を、注目画素として、その注目画素についての
クラス分類に用いるクラスタップを、フレームメモリ１
に記憶されたＳＤ画像から生成し、クラス分類回路４に
出力する。即ち、クラスタップ生成回路２は、例えば、
注目画素の位置から空間的または時間的に近い位置にあ
る複数のＳＤ画素を、フレームメモリ１に記憶されたＳ
Ｄ画像から抽出することによりクラスタップとし、クラ
ス分類回路４に出力する。
応処理により求めようとするＨＤ画素（ここでは、ＳＤ
画素からぼけを完全に排除した、ぼけのない理想的なＨ
Ｄ画素）を、注目画素として、その注目画素についての
クラス分類に用いるクラスタップを、フレームメモリ１
に記憶されたＳＤ画像から生成し、クラス分類回路４に
出力する。即ち、クラスタップ生成回路２は、例えば、
注目画素の位置から空間的または時間的に近い位置にあ
る複数のＳＤ画素を、フレームメモリ１に記憶されたＳ
Ｄ画像から抽出することによりクラスタップとし、クラ
ス分類回路４に出力する。
【００８２】予測タップ生成回路３は、予測演算回路６
において注目画素（の予測値）を求めるのに用いる予測
タップを、フレームメモリ１に記憶されたＳＤ画像から
生成し、予測演算回路６に供給する。即ち、クラスタッ
プ生成回路２は、例えば、注目画素の位置から空間的ま
たは時間的に近い位置にある複数のＳＤ画素を、フレー
ムメモリ１に記憶されたＳＤ画像から抽出することによ
り予測タップとし、予測演算回路６に供給する。
において注目画素（の予測値）を求めるのに用いる予測
タップを、フレームメモリ１に記憶されたＳＤ画像から
生成し、予測演算回路６に供給する。即ち、クラスタッ
プ生成回路２は、例えば、注目画素の位置から空間的ま
たは時間的に近い位置にある複数のＳＤ画素を、フレー
ムメモリ１に記憶されたＳＤ画像から抽出することによ
り予測タップとし、予測演算回路６に供給する。
【００８３】なお、ここでは、ＳＤ画素そのものによっ
て、予測タップやクラスタップ（以下、適宜、両方含め
て、単に、タップという）を構成するようにしたが、タ
ップは、その他、例えば、ＳＤ画像から、その動きベク
トルなど検出し、その動きベクトルを含めて構成するこ
とが可能である。
て、予測タップやクラスタップ（以下、適宜、両方含め
て、単に、タップという）を構成するようにしたが、タ
ップは、その他、例えば、ＳＤ画像から、その動きベク
トルなど検出し、その動きベクトルを含めて構成するこ
とが可能である。
【００８４】また、予測タップとするＳＤ画素と、クラ
スタップとするＳＤ画素とは、同一であっても良いし、
同一でなくても良い。即ち、予測タップとクラスタップ
は、それぞれ独立に構成（生成）することが可能であ
る。
スタップとするＳＤ画素とは、同一であっても良いし、
同一でなくても良い。即ち、予測タップとクラスタップ
は、それぞれ独立に構成（生成）することが可能であ
る。
【００８５】クラス分類回路４は、クラスタップ生成回
路２からのクラスタップに基づいて、注目画素をクラス
分類し、その結果得られる注目画素のクラスに対応する
クラスコードを、係数RAM５に対して、アドレスとして
与える。即ち、クラス分類回路４は、クラスタップ生成
回路２からのクラスタップを、例えば、１ビットADRC(A
daptive Dynamic Range Coding)処理し、その結果得ら
れるADRCコードを、クラスコードとして、係数RAM５に
出力する。
路２からのクラスタップに基づいて、注目画素をクラス
分類し、その結果得られる注目画素のクラスに対応する
クラスコードを、係数RAM５に対して、アドレスとして
与える。即ち、クラス分類回路４は、クラスタップ生成
回路２からのクラスタップを、例えば、１ビットADRC(A
daptive Dynamic Range Coding)処理し、その結果得ら
れるADRCコードを、クラスコードとして、係数RAM５に
出力する。
【００８６】ここで、KビットADRC処理においては、ク
ラスタップを構成するＳＤ画素の画素値の最大値MAXと
最小値MINが検出され、DR=MAX-MINを、局所的なダイナ
ミックレンジとし、このダイナミックレンジDRに基づい
て、クラスタップを構成するＳＤ画素がKビットに再量
子化される。即ち、クラスタップを構成する各ＳＤ画素
の画素値から、最小値MINが減算され、その減算値がDR/
2Kで除算（量子化）される。従って、クラスタップが、
１ビットADRC処理された場合には、そのクラスタップを
構成する各ＳＤ画素の画素値は１ビットとされることに
なる。そして、この場合、以上のようにして得られる、
クラスタップを構成する各ＳＤ画素についての１ビット
の画素値を、所定の順番で並べたビット列が、ADRCコー
ドとして出力される。なお、クラス分類は、その他、例
えば、クラスタップを構成するＳＤ画素を、ベクトルの
コンポーネントとみなし、そのベクトルをベクトル量子
化すること等によって行うことも可能である。また、ク
ラス分類としては、１クラスのクラス分類を行うことも
可能である。この場合、クラス分類回路４は、どのよう
なクラスタップが供給されても、固定のクラスコードを
出力するものとなる。
ラスタップを構成するＳＤ画素の画素値の最大値MAXと
最小値MINが検出され、DR=MAX-MINを、局所的なダイナ
ミックレンジとし、このダイナミックレンジDRに基づい
て、クラスタップを構成するＳＤ画素がKビットに再量
子化される。即ち、クラスタップを構成する各ＳＤ画素
の画素値から、最小値MINが減算され、その減算値がDR/
2Kで除算（量子化）される。従って、クラスタップが、
１ビットADRC処理された場合には、そのクラスタップを
構成する各ＳＤ画素の画素値は１ビットとされることに
なる。そして、この場合、以上のようにして得られる、
クラスタップを構成する各ＳＤ画素についての１ビット
の画素値を、所定の順番で並べたビット列が、ADRCコー
ドとして出力される。なお、クラス分類は、その他、例
えば、クラスタップを構成するＳＤ画素を、ベクトルの
コンポーネントとみなし、そのベクトルをベクトル量子
化すること等によって行うことも可能である。また、ク
ラス分類としては、１クラスのクラス分類を行うことも
可能である。この場合、クラス分類回路４は、どのよう
なクラスタップが供給されても、固定のクラスコードを
出力するものとなる。
【００８７】係数RAM５は、学習の教師となるＨＤ画像
データである教師データと、学習の生徒となるＳＤ画像
データである生徒データとを用い、その教師データと生
徒データに対して、生徒データから生成される予測タッ
プのアクティビティに基づく重み付けを行いながら、教
師データと生徒データとの関係を、１以上のクラスごと
に学習することにより得られたタップ係数を記憶してい
る。そして、係数RAM５は、クラス分類回路４からクラ
スコードが供給されると、そのクラスコードに対応する
アドレスに記憶されているタップ係数を読み出すことに
より、注目画素のクラスのタップ係数を取得し、予測演
算回路６に供給する。なお、タップ係数の学習方法につ
いての詳細は、後述する。
データである教師データと、学習の生徒となるＳＤ画像
データである生徒データとを用い、その教師データと生
徒データに対して、生徒データから生成される予測タッ
プのアクティビティに基づく重み付けを行いながら、教
師データと生徒データとの関係を、１以上のクラスごと
に学習することにより得られたタップ係数を記憶してい
る。そして、係数RAM５は、クラス分類回路４からクラ
スコードが供給されると、そのクラスコードに対応する
アドレスに記憶されているタップ係数を読み出すことに
より、注目画素のクラスのタップ係数を取得し、予測演
算回路６に供給する。なお、タップ係数の学習方法につ
いての詳細は、後述する。
【００８８】予測演算回路６は、係数RAM５から供給さ
れる、注目画素のクラスについてのタップ係数ｗ，
ｗ2，・・・と、予測タップ生成回路３からの予測タッ
プ（を構成する各ＳＤ画素の画素値）ｘ1，ｘ2，・・・
とを用いて、式（１）に示した演算を行うことにより、
注目画素ｙ（の予測値）を求め、これを、ぼけを改善し
たＨＤ画素の画素値として出力する。
れる、注目画素のクラスについてのタップ係数ｗ，
ｗ2，・・・と、予測タップ生成回路３からの予測タッ
プ（を構成する各ＳＤ画素の画素値）ｘ1，ｘ2，・・・
とを用いて、式（１）に示した演算を行うことにより、
注目画素ｙ（の予測値）を求め、これを、ぼけを改善し
たＨＤ画素の画素値として出力する。
【００８９】次に、図３のフローチャートを参照して、
図２の画像処理装置が行う、ＳＤ画像をＨＤ画像に変換
する画像変換処理について説明する。
図２の画像処理装置が行う、ＳＤ画像をＨＤ画像に変換
する画像変換処理について説明する。
【００９０】フレームメモリ１には、画像変換処理の対
象としてのＳＤ画像（動画像）が、フレーム単位で順次
供給され、フレームメモリ１では、そのようにフレーム
単位で供給されるＳＤ画像が順次記憶されていく。
象としてのＳＤ画像（動画像）が、フレーム単位で順次
供給され、フレームメモリ１では、そのようにフレーム
単位で供給されるＳＤ画像が順次記憶されていく。
【００９１】そして、ステップＳ１において、クラスタ
ップ生成回路２は、まだ求めてられていないＨＤ画素の
うちの１つを注目画素として選択し、ステップＳ２に進
む。
ップ生成回路２は、まだ求めてられていないＨＤ画素の
うちの１つを注目画素として選択し、ステップＳ２に進
む。
【００９２】ステップＳ２では、クラスタップ生成回路
２と予測タップ生成回路３が、注目画素の位置に空間的
または時間的に近い複数のＳＤ画素を、フレームメモリ
１に記憶されたＳＤ画像から抽出することにより、クラ
スタップと予測タップをそれぞれ生成し、クラス分類回
路４と予測演算回路６にそれぞれ供給する。
２と予測タップ生成回路３が、注目画素の位置に空間的
または時間的に近い複数のＳＤ画素を、フレームメモリ
１に記憶されたＳＤ画像から抽出することにより、クラ
スタップと予測タップをそれぞれ生成し、クラス分類回
路４と予測演算回路６にそれぞれ供給する。
【００９３】そして、ステップＳ３に進み、クラス分類
回路４は、クラスタップ生成回路２から供給されるクラ
スタップに基づき、注目画素についてクラス分類を行
い、その結果得られる注目画素のクラスを表すクラスコ
ードを、係数RAM５に対して、アドレスとして出力し
て、ステップＳ４に進む。ステップＳ４では、係数RAM
５は、クラス分類回路４からのクラスコードに対応する
アドレスに記憶されているタップ係数を読み出し、これ
により、注目画素のクラスのタップ係数を取得して、予
測演算回路６に供給する。
回路４は、クラスタップ生成回路２から供給されるクラ
スタップに基づき、注目画素についてクラス分類を行
い、その結果得られる注目画素のクラスを表すクラスコ
ードを、係数RAM５に対して、アドレスとして出力し
て、ステップＳ４に進む。ステップＳ４では、係数RAM
５は、クラス分類回路４からのクラスコードに対応する
アドレスに記憶されているタップ係数を読み出し、これ
により、注目画素のクラスのタップ係数を取得して、予
測演算回路６に供給する。
【００９４】その後、ステップＳ４に進み、予測演算回
路６は、予測タップ生成回路３からの予測タップと、係
数RAM５からのタップ係数とを用いて、式（１）に示し
た演算を行い、注目画素であるＨＤ画素ｙ（の予測値）
を求め、ステップＳ６に進む。
路６は、予測タップ生成回路３からの予測タップと、係
数RAM５からのタップ係数とを用いて、式（１）に示し
た演算を行い、注目画素であるＨＤ画素ｙ（の予測値）
を求め、ステップＳ６に進む。
【００９５】ここで、予測演算回路６は、１フレーム分
のＨＤ画素が求められるまで、ステップＳ５で得られた
ＨＤ画素を記憶しており、１フレーム分のＨＤ画素が求
められると、そのＨＤ画素で構成される１フレームのＨ
Ｄ画像を出力する。
のＨＤ画素が求められるまで、ステップＳ５で得られた
ＨＤ画素を記憶しており、１フレーム分のＨＤ画素が求
められると、そのＨＤ画素で構成される１フレームのＨ
Ｄ画像を出力する。
【００９６】ステップＳ６では、クラスタップ生成回路
２が、まだ、注目画素としていないＨＤ画素が存在する
かどうかを判定し、存在すると判定した場合、ステップ
Ｓ１に戻り、以下、同様の処理を繰り返す。
２が、まだ、注目画素としていないＨＤ画素が存在する
かどうかを判定し、存在すると判定した場合、ステップ
Ｓ１に戻り、以下、同様の処理を繰り返す。
【００９７】また、ステップＳ６において、注目画素と
していないＨＤ画素が存在しないと判定された場合、処
理を終了する。
していないＨＤ画素が存在しないと判定された場合、処
理を終了する。
【００９８】次に、図３は、図２の係数RAM５に記憶さ
せるクラスごとのタップ係数を求める学習を行う学習装
置の一実施の形態の構成例を示している。
せるクラスごとのタップ係数を求める学習を行う学習装
置の一実施の形態の構成例を示している。
【００９９】学習用データベース６１には、タップ係数
の学習用の画像データとしての、例えばＨＤ画像データ
が記憶されている。
の学習用の画像データとしての、例えばＨＤ画像データ
が記憶されている。
【０１００】学習対生成回路６２は、学習用データベー
ス６１に記憶された学習用の画像データから、タップ係
数の学習に用いられる教師データと生徒データのセット
である学習対データを生成し、学習対データベース６３
に供給する。
ス６１に記憶された学習用の画像データから、タップ係
数の学習に用いられる教師データと生徒データのセット
である学習対データを生成し、学習対データベース６３
に供給する。
【０１０１】即ち、学習対生成回路６２は、学習用デー
タベース６１に記憶された学習用の画像データを読み出
し、その学習用の画像データであるＨＤ画像データを、
例えば、そのまま教師データとする。ここで、図２の画
像処理装置で得られるＨＤ画像は、図３の学習装置で教
師データとして用いられるＨＤ画像データの画質に対応
したものとなる。
タベース６１に記憶された学習用の画像データを読み出
し、その学習用の画像データであるＨＤ画像データを、
例えば、そのまま教師データとする。ここで、図２の画
像処理装置で得られるＨＤ画像は、図３の学習装置で教
師データとして用いられるＨＤ画像データの画質に対応
したものとなる。
【０１０２】さらに、学習対生成回路６２は、教師デー
タとしてのＨＤ画像データの画質を劣化させることによ
り、即ち、例えば、教師データとしてのＨＤ画像データ
の画素を間引き、さらに、ＬＰＦ(Low Pass Filter)で
フィルタリングすること等により、その教師データとし
てのＨＤ画像データをぼかしたＳＤ画像データである生
徒データを生成する。ここで、生徒データとしてのＳＤ
画像データは、図２の画像処理装置で処理対象となるＳ
Ｄ画像データに対応した画質のものとする必要がある。
タとしてのＨＤ画像データの画質を劣化させることによ
り、即ち、例えば、教師データとしてのＨＤ画像データ
の画素を間引き、さらに、ＬＰＦ(Low Pass Filter)で
フィルタリングすること等により、その教師データとし
てのＨＤ画像データをぼかしたＳＤ画像データである生
徒データを生成する。ここで、生徒データとしてのＳＤ
画像データは、図２の画像処理装置で処理対象となるＳ
Ｄ画像データに対応した画質のものとする必要がある。
【０１０３】学習対生成回路６２は、上述のようにし
て、教師データと、その教師データに対応する生徒デー
タ（教師データから生成された生徒データ）とを生成す
ると、その教師データと生徒データのセットを、学習対
データとして、学習対データベース６３に供給する。
て、教師データと、その教師データに対応する生徒デー
タ（教師データから生成された生徒データ）とを生成す
ると、その教師データと生徒データのセットを、学習対
データとして、学習対データベース６３に供給する。
【０１０４】学習対データベース６３は、学習対生成回
路６２からの学習対データを一時記憶する。
路６２からの学習対データを一時記憶する。
【０１０５】クラスタップ生成回路６４と予測タップ生
成回路６５は、学習対データベース６３に記憶された学
習対データにおける生徒データとしてのＳＤ画像を構成
するＳＤ画素を用い、注目画素となっている教師データ
としてのＨＤ画素について、図２のクラスタップ生成回
路２または予測タップ生成回路３における場合と同一の
タップ構造のクラスタップと予測タップをそれぞれ生成
し、クラス分類回路６６と足し込み回路６７にそれぞれ
供給する。
成回路６５は、学習対データベース６３に記憶された学
習対データにおける生徒データとしてのＳＤ画像を構成
するＳＤ画素を用い、注目画素となっている教師データ
としてのＨＤ画素について、図２のクラスタップ生成回
路２または予測タップ生成回路３における場合と同一の
タップ構造のクラスタップと予測タップをそれぞれ生成
し、クラス分類回路６６と足し込み回路６７にそれぞれ
供給する。
【０１０６】クラス分類回路６６は、図２のクラス分類
回路４と同様に構成され、クラスタップ生成回路６４か
らのクラスタップに基づいて、注目画素をクラス分類
し、注目画素のクラスを表すクラスコードを、足し込み
回路６７に供給する。
回路４と同様に構成され、クラスタップ生成回路６４か
らのクラスタップに基づいて、注目画素をクラス分類
し、注目画素のクラスを表すクラスコードを、足し込み
回路６７に供給する。
【０１０７】足し込み回路６７およびタップ係数演算回
路６８は、学習対データベース６３に記憶された学習対
データにおける、注目画素となっている教師データと、
予測タップ生成回路６５から供給される予測タップに対
して、重み制御回路７１からの制御にしたがった重み付
けを行いながら、学習対データベース６３に記憶された
学習対データとしての教師データと生徒データとの関係
を、クラス分類回路６６から供給されるクラスごとに学
習することにより、クラスごとのタップ係数を求める。
路６８は、学習対データベース６３に記憶された学習対
データにおける、注目画素となっている教師データと、
予測タップ生成回路６５から供給される予測タップに対
して、重み制御回路７１からの制御にしたがった重み付
けを行いながら、学習対データベース６３に記憶された
学習対データとしての教師データと生徒データとの関係
を、クラス分類回路６６から供給されるクラスごとに学
習することにより、クラスごとのタップ係数を求める。
【０１０８】即ち、足し込み回路６７は、クラス分類回
路６６が出力するクラスコードごとに、予測タップ生成
回路６５から供給される予測タップと、学習対データベ
ース６３に記憶された学習対データにおける、注目画素
となっているＨＤ画素とを対象とした、式（８）の足し
込みを行う。
路６６が出力するクラスコードごとに、予測タップ生成
回路６５から供給される予測タップと、学習対データベ
ース６３に記憶された学習対データにおける、注目画素
となっているＨＤ画素とを対象とした、式（８）の足し
込みを行う。
【０１０９】具体的には、足し込み回路６７は、クラス
分類回路６６から供給されるクラスコードに対応するク
ラスごとに、予測タップを構成するＳＤ画素ｘn,kを用
い、式（８）の左辺の行列におけるＳＤ画素どうしの乗
算（ｘn,kｘn',k）と、サメーション（Σ）に相当する
演算を行う。
分類回路６６から供給されるクラスコードに対応するク
ラスごとに、予測タップを構成するＳＤ画素ｘn,kを用
い、式（８）の左辺の行列におけるＳＤ画素どうしの乗
算（ｘn,kｘn',k）と、サメーション（Σ）に相当する
演算を行う。
【０１１０】さらに、足し込み回路６７は、やはり、ク
ラス分類回路６６から供給されるクラスコードに対応す
るクラスごとに、予測タップを構成するＳＤ画素ｘn,k
と注目画素となっている教師データであるＨＤ画素ｙk
を用い、式（８）の右辺のベクトルにおけるＳＤ画素ｘ
n,kおよび注目画素ｙkの乗算（ｘn,kｙk）と、サメーシ
ョン（Σ）に相当する演算を行う。
ラス分類回路６６から供給されるクラスコードに対応す
るクラスごとに、予測タップを構成するＳＤ画素ｘn,k
と注目画素となっている教師データであるＨＤ画素ｙk
を用い、式（８）の右辺のベクトルにおけるＳＤ画素ｘ
n,kおよび注目画素ｙkの乗算（ｘn,kｙk）と、サメーシ
ョン（Σ）に相当する演算を行う。
【０１１１】但し、足し込み回路６７は、予測タップと
注目画素を対象とした、式（８）の足し込みを行う際
に、その予測タップと注目画素に対して、重み制御回路
７１からの制御にしたがった重み付けを行う。従って、
いま、第ｋサンプルの注目画素ｙkと、その注目画素ｙk
について生成された予測タップｘn,kに対する重みをｈk
と表すこととすると、足し込み回路６７は、式（８）の
左辺の行列と右辺のベクトルの各コンポーネントに重み
ｈkを乗算した式（２０）の足し込みを行う。
注目画素を対象とした、式（８）の足し込みを行う際
に、その予測タップと注目画素に対して、重み制御回路
７１からの制御にしたがった重み付けを行う。従って、
いま、第ｋサンプルの注目画素ｙkと、その注目画素ｙk
について生成された予測タップｘn,kに対する重みをｈk
と表すこととすると、足し込み回路６７は、式（８）の
左辺の行列と右辺のベクトルの各コンポーネントに重み
ｈkを乗算した式（２０）の足し込みを行う。
【０１１２】
【数２０】
・・・（２０）
【０１１３】即ち、足し込み回路６７は、クラス分類回
路６６から供給されるクラスコードに対応するクラスご
とに、予測タップを構成するＳＤ画素ｘn,kを用い、式
（２０）の左辺の行列におけるＳＤ画素どうしの乗算
（ｘn,kｘn',k）と、重みｈkによる重み付け（ｘn,kｘ
n',kｈk）を行い、さらに、サメーション（Σ）に相当
する演算を行う。
路６６から供給されるクラスコードに対応するクラスご
とに、予測タップを構成するＳＤ画素ｘn,kを用い、式
（２０）の左辺の行列におけるＳＤ画素どうしの乗算
（ｘn,kｘn',k）と、重みｈkによる重み付け（ｘn,kｘ
n',kｈk）を行い、さらに、サメーション（Σ）に相当
する演算を行う。
【０１１４】また、足し込み回路６７は、やはり、クラ
ス分類回路６６から供給されるクラスコードに対応する
クラスごとに、予測タップを構成するＳＤ画素ｘn,kと
注目画素となっている教師データであるＨＤ画素ｙkを
用い、式（２０）の右辺のベクトルにおけるＳＤ画素ｘ
n,kおよび注目画素ｙkの乗算（ｘn,kｙk）と、重みｈ k
による重み付け（ｘn,kｙkｈk）を行い、さらに、サメ
ーション（Σ）に相当する演算を行う。
ス分類回路６６から供給されるクラスコードに対応する
クラスごとに、予測タップを構成するＳＤ画素ｘn,kと
注目画素となっている教師データであるＨＤ画素ｙkを
用い、式（２０）の右辺のベクトルにおけるＳＤ画素ｘ
n,kおよび注目画素ｙkの乗算（ｘn,kｙk）と、重みｈ k
による重み付け（ｘn,kｙkｈk）を行い、さらに、サメ
ーション（Σ）に相当する演算を行う。
【０１１５】ここで、図５は、図４の足し込み回路６７
の構成例を示している。
の構成例を示している。
【０１１６】加算回路８１には、予測タップ生成回路６
５から、新たな注目画素ｙk+1の予測タップｘn,k+1が供
給されるとともに、重み制御回路７０から、新たな注目
画素ｙk+1と予測タップｘn,k+1に対する重みｈk+1を表
す重み情報が供給される。また、メモリ８３は、前回、
注目画素ｙkとされた教師データについて求められた式
（２０）における左辺の行列のコンポーネント（Σｘ
n,kｘn',kｈk）を記憶している。そして、メモリ８３に
は、クラス分類回路６６が出力する、新たな注目画素ｙ
k+1のクラスコードが供給されるようになっており、メ
モリ８３は、そのクラスコードに対応する、式（２０）
における左辺の行列のコンポーネント（Σｘn,kｘn',k
ｈk）を読み出し、加算回路８１に供給する。
５から、新たな注目画素ｙk+1の予測タップｘn,k+1が供
給されるとともに、重み制御回路７０から、新たな注目
画素ｙk+1と予測タップｘn,k+1に対する重みｈk+1を表
す重み情報が供給される。また、メモリ８３は、前回、
注目画素ｙkとされた教師データについて求められた式
（２０）における左辺の行列のコンポーネント（Σｘ
n,kｘn',kｈk）を記憶している。そして、メモリ８３に
は、クラス分類回路６６が出力する、新たな注目画素ｙ
k+1のクラスコードが供給されるようになっており、メ
モリ８３は、そのクラスコードに対応する、式（２０）
における左辺の行列のコンポーネント（Σｘn,kｘn',k
ｈk）を読み出し、加算回路８１に供給する。
【０１１７】加算回路８１は、新たな注目画素ｙk+1の
予測タップｘn,k+1と重みｈk+1を用いて、式（２０）に
おける左辺の行列のコンポーネントｘn,k+1ｘn',k+1ｈ
k+1を計算し、メモリ８３から供給される、対応するコ
ンポーネントΣｘn,kｘn',kｈkに足し込むことにより、
新たなコンポーネントΣｘn,k+1ｘn',k+1ｈk+1を求め
る。そして、加算回路８１は、その新たなコンポーネン
トΣｘn,k+1ｘn',k+1ｈk+1を、メモリ８３に供給し、前
回までに求められていたコンポーネントΣｘn,kｘn ',k
ｈkに上書きする形で記憶させる。
予測タップｘn,k+1と重みｈk+1を用いて、式（２０）に
おける左辺の行列のコンポーネントｘn,k+1ｘn',k+1ｈ
k+1を計算し、メモリ８３から供給される、対応するコ
ンポーネントΣｘn,kｘn',kｈkに足し込むことにより、
新たなコンポーネントΣｘn,k+1ｘn',k+1ｈk+1を求め
る。そして、加算回路８１は、その新たなコンポーネン
トΣｘn,k+1ｘn',k+1ｈk+1を、メモリ８３に供給し、前
回までに求められていたコンポーネントΣｘn,kｘn ',k
ｈkに上書きする形で記憶させる。
【０１１８】一方、加算回路８２にも、予測タップ生成
回路６５から、新たな注目画素ｙk+ 1の予測タップｘ
n,k+1が供給されるとともに、重み制御回路７０から、
新たな注目画素ｙk+1と予測タップｘn,k+1に対する重み
ｈk+1を表す重み情報が供給される。また、メモリ８４
は、前回、注目画素ｙkとされた教師データについて求
められた式（２０）における右辺のベクトルのコンポー
ネントΣｘn,kｙkｈkを記憶している。そして、メモリ
８４にも、クラス分類回路６６が出力する、新たな注目
画素ｙk+1のクラスコードが供給されるようになってお
り、メモリ８４は、そのクラスコードに対応する、式
（２０）における右辺のベクトルのコンポーネントΣｘ
n,kｙkｈkを読み出し、加算回路８２に供給する。
回路６５から、新たな注目画素ｙk+ 1の予測タップｘ
n,k+1が供給されるとともに、重み制御回路７０から、
新たな注目画素ｙk+1と予測タップｘn,k+1に対する重み
ｈk+1を表す重み情報が供給される。また、メモリ８４
は、前回、注目画素ｙkとされた教師データについて求
められた式（２０）における右辺のベクトルのコンポー
ネントΣｘn,kｙkｈkを記憶している。そして、メモリ
８４にも、クラス分類回路６６が出力する、新たな注目
画素ｙk+1のクラスコードが供給されるようになってお
り、メモリ８４は、そのクラスコードに対応する、式
（２０）における右辺のベクトルのコンポーネントΣｘ
n,kｙkｈkを読み出し、加算回路８２に供給する。
【０１１９】加算回路８２は、学習対データベース６３
から、新たな注目画素ｙk+1を読み出し、その新たな注
目画素ｙk+1、予測タップｘn,k+1、および重みｈk+1を
用いて、式（２０）における右辺のベクトルのコンポー
ネントｘn,k+1ｙk+1ｈk+1を計算する。さらに、加算回
路８２は、そのコンポーネントｘn,k+1ｙk+1ｈk+1を、
メモリ８４から供給される、対応するコンポーネントΣ
ｘn,kｙkｈkに足し込むことにより、新たなコンポーネ
ントΣｘn,k+1ｙk+1ｈk+1を求める。そして、加算回路
８２は、その新たなコンポーネントΣｘn,k+1ｙk+1ｈ
k+1を、メモリ８４に供給し、前回までに求められてい
たコンポーネントΣｘn,kｙkｈkに上書きする形で記憶
させる。
から、新たな注目画素ｙk+1を読み出し、その新たな注
目画素ｙk+1、予測タップｘn,k+1、および重みｈk+1を
用いて、式（２０）における右辺のベクトルのコンポー
ネントｘn,k+1ｙk+1ｈk+1を計算する。さらに、加算回
路８２は、そのコンポーネントｘn,k+1ｙk+1ｈk+1を、
メモリ８４から供給される、対応するコンポーネントΣ
ｘn,kｙkｈkに足し込むことにより、新たなコンポーネ
ントΣｘn,k+1ｙk+1ｈk+1を求める。そして、加算回路
８２は、その新たなコンポーネントΣｘn,k+1ｙk+1ｈ
k+1を、メモリ８４に供給し、前回までに求められてい
たコンポーネントΣｘn,kｙkｈkに上書きする形で記憶
させる。
【０１２０】図４に戻り、足し込み回路６７は、学習対
データベース６３に記憶された学習対データにおける教
師データすべてを注目画素として、上述の足し込みを行
うことにより、各クラスについて、式（２０）に示した
正規方程式をたてると、その正規方程式（図５のメモリ
８３に記憶された式（２０）の左辺の行列のコンポーネ
ントと、メモリ８４に記憶された式（２０）の右辺のベ
クトルのコンポーネント）を、タップ係数演算回路６８
に供給する。
データベース６３に記憶された学習対データにおける教
師データすべてを注目画素として、上述の足し込みを行
うことにより、各クラスについて、式（２０）に示した
正規方程式をたてると、その正規方程式（図５のメモリ
８３に記憶された式（２０）の左辺の行列のコンポーネ
ントと、メモリ８４に記憶された式（２０）の右辺のベ
クトルのコンポーネント）を、タップ係数演算回路６８
に供給する。
【０１２１】タップ係数演算回路６８は、足し込み回路
６７から、各クラスについての式（２０）の正規方程式
を受信し、その正規方程式を解くことにより、クラスご
とのタップ係数を求めて出力する。
６７から、各クラスについての式（２０）の正規方程式
を受信し、その正規方程式を解くことにより、クラスご
とのタップ係数を求めて出力する。
【０１２２】タップ係数メモリ６９は、タップ係数演算
回路６８が出力するクラスごとのタップ係数を記憶す
る。
回路６８が出力するクラスごとのタップ係数を記憶す
る。
【０１２３】ＤＲ（ダイナミックレンジ）検出回路７０
は、予測タップ生成回路６５が出力する、注目画素の予
測タップのアクティビティを表す値として、例えば、そ
のダイナミックレンジを検出し、重み制御回路７１に供
給する。即ち、ＤＲ検出回路７０は、予測タップを構成
するＳＤ画素のうちの最大値から最小値を減算し、その
減算値を、ダイナミックレンジとして、重み制御回路７
１に供給する。
は、予測タップ生成回路６５が出力する、注目画素の予
測タップのアクティビティを表す値として、例えば、そ
のダイナミックレンジを検出し、重み制御回路７１に供
給する。即ち、ＤＲ検出回路７０は、予測タップを構成
するＳＤ画素のうちの最大値から最小値を減算し、その
減算値を、ダイナミックレンジとして、重み制御回路７
１に供給する。
【０１２４】重み制御回路７１は、ＤＲ検出回路７０か
ら供給される予測タップのアクティビティとしてのダイ
ナミックレンジに基づいて、注目画素とその予測タップ
に対する、上述の足し込み回路６７における重み付けを
制御する。
ら供給される予測タップのアクティビティとしてのダイ
ナミックレンジに基づいて、注目画素とその予測タップ
に対する、上述の足し込み回路６７における重み付けを
制御する。
【０１２５】即ち、重み制御回路７１は、アクティビテ
ィと、重みｈとを対応付けた、所定の重み付け特性を記
憶している。そして、重み制御回路７１は、その重み付
け特性にしたがい、ＤＲ検出回路７０から供給される予
測タップのダイナミックレンジに対応する重みｈを求
め、その重みｈによって、注目画素と予測タップに対す
る重み付けを行うことを指示する重み情報を、足し込み
回路６７に供給する。
ィと、重みｈとを対応付けた、所定の重み付け特性を記
憶している。そして、重み制御回路７１は、その重み付
け特性にしたがい、ＤＲ検出回路７０から供給される予
測タップのダイナミックレンジに対応する重みｈを求
め、その重みｈによって、注目画素と予測タップに対す
る重み付けを行うことを指示する重み情報を、足し込み
回路６７に供給する。
【０１２６】ここで、図６に、重み付け特性の例を示
す。
す。
【０１２７】図６においては、横軸が予測タップのダイ
ナミックレンジを表し、縦軸が重みを表す。なお、図６
では、ＳＤ画素が８ビットで表されるものとしてあり、
従って、ダイナミックレンジは、０乃至２５５の範囲の
整数値をとる。
ナミックレンジを表し、縦軸が重みを表す。なお、図６
では、ＳＤ画素が８ビットで表されるものとしてあり、
従って、ダイナミックレンジは、０乃至２５５の範囲の
整数値をとる。
【０１２８】図６においては、図６Ａ乃至図６Ｆの６つ
の重み付け特性を示してある。図６Ａ乃至図６Ｃの重み
付け特性は、いずれも、ステップ関数状の重みになって
おり、ダイナミックレンジが０乃至１２７の場合の重み
が１より大で、ダイナミックレンジが１２８乃至２５５
の場合の重みが１になっている。但し、図６Ａの重み付
け特性は、ダイナミックレンジが０乃至１２７の場合の
重みと、ダイナミックレンジが１２８乃至２５５の場合
の重みとの差が大になっており、図６Ｂの重み付け特性
は、ダイナミックレンジが０乃至１２７の場合の重み
と、ダイナミックレンジが１２８乃至２５５の場合の重
みとの差が中になっている。また、図６Ｂの重み付け特
性は、ダイナミックレンジが０乃至１２７の場合の重み
と、ダイナミックレンジが１２８乃至２５５の場合の重
みとの差が小になっている。
の重み付け特性を示してある。図６Ａ乃至図６Ｃの重み
付け特性は、いずれも、ステップ関数状の重みになって
おり、ダイナミックレンジが０乃至１２７の場合の重み
が１より大で、ダイナミックレンジが１２８乃至２５５
の場合の重みが１になっている。但し、図６Ａの重み付
け特性は、ダイナミックレンジが０乃至１２７の場合の
重みと、ダイナミックレンジが１２８乃至２５５の場合
の重みとの差が大になっており、図６Ｂの重み付け特性
は、ダイナミックレンジが０乃至１２７の場合の重み
と、ダイナミックレンジが１２８乃至２５５の場合の重
みとの差が中になっている。また、図６Ｂの重み付け特
性は、ダイナミックレンジが０乃至１２７の場合の重み
と、ダイナミックレンジが１２８乃至２５５の場合の重
みとの差が小になっている。
【０１２９】さらに、図６Ｄ乃至図６Ｆの重み付け特性
は、ダイナミックレンジが小さいほど、重みが１より大
の値になり、ダイナミックレンジが大きくなるほど、重
みが１に近づくものとなっている。但し、図６Ｄの重み
付け特性は、ダイナミックレンジが大きくなるほど、重
みが、指数関数的に小さくなるようになっている。ま
た、図６Ｅの重み付け特性は、重みが、ダイナミックレ
ンジに比例して小さくなるようになっている。さらに、
図６Ｆの重み付け特性は、重みが、ダイナミックレンジ
が小さい場合には、徐々に変化するが、ダイナミックレ
ンジが大きい場合には、急激に変化するようになってい
る。
は、ダイナミックレンジが小さいほど、重みが１より大
の値になり、ダイナミックレンジが大きくなるほど、重
みが１に近づくものとなっている。但し、図６Ｄの重み
付け特性は、ダイナミックレンジが大きくなるほど、重
みが、指数関数的に小さくなるようになっている。ま
た、図６Ｅの重み付け特性は、重みが、ダイナミックレ
ンジに比例して小さくなるようになっている。さらに、
図６Ｆの重み付け特性は、重みが、ダイナミックレンジ
が小さい場合には、徐々に変化するが、ダイナミックレ
ンジが大きい場合には、急激に変化するようになってい
る。
【０１３０】なお、重み制御回路７１に記憶させる重み
付け特性は、図６に示したものに限定されるものではな
い。
付け特性は、図６に示したものに限定されるものではな
い。
【０１３１】また、図６に示した重み付け特性は、いず
れも、ダイナミックレンジが小さい場合の重みが、ダイ
ナミックレンジが大きい場合の重みよりも大になってい
るが、これは、次のような理由による。
れも、ダイナミックレンジが小さい場合の重みが、ダイ
ナミックレンジが大きい場合の重みよりも大になってい
るが、これは、次のような理由による。
【０１３２】即ち、前述したように、予測タップのダイ
ナミックレンジが大きい場合には、ＤＲマスキング効果
によって、予測タップの変動による、求められるＨＤ画
素への影響が抑えられるが、予測タップのダイナミック
レンジが小さい場合には、ＤＲマスキング効果がほとん
ど働かず、予測タップの変動は、求められるＨＤ画素に
大きな変動を与える。
ナミックレンジが大きい場合には、ＤＲマスキング効果
によって、予測タップの変動による、求められるＨＤ画
素への影響が抑えられるが、予測タップのダイナミック
レンジが小さい場合には、ＤＲマスキング効果がほとん
ど働かず、予測タップの変動は、求められるＨＤ画素に
大きな変動を与える。
【０１３３】従って、予測タップのダイナミックレンジ
が小さい場合には、予測タップのダイナミックレンジが
大きい場合に比較して、式（１）で求められるＨＤ画素
ｙの予測値の予測精度を高くする必要がある。即ち、予
測タップのダイナミックレンジが小さい場合には、予測
タップのダイナミックレンジが大きい場合に比較して、
式（３）で表される予測誤差ｅkが小さくなるように、
式（１）の予測タップｗnの学習を行う必要がある。こ
れは、予測タップのダイナミックレンジが小さい場合
は、予測タップのダイナミックレンジが大きい場合より
も大きな重み付けを行って、学習を行うことにより実現
することができる。このため、重み制御回路７１に記憶
された重み付け特性は、ダイナミックレンジが小さい場
合の重みが、ダイナミックレンジが大きい場合の重みよ
りも大となるようになっている。
が小さい場合には、予測タップのダイナミックレンジが
大きい場合に比較して、式（１）で求められるＨＤ画素
ｙの予測値の予測精度を高くする必要がある。即ち、予
測タップのダイナミックレンジが小さい場合には、予測
タップのダイナミックレンジが大きい場合に比較して、
式（３）で表される予測誤差ｅkが小さくなるように、
式（１）の予測タップｗnの学習を行う必要がある。こ
れは、予測タップのダイナミックレンジが小さい場合
は、予測タップのダイナミックレンジが大きい場合より
も大きな重み付けを行って、学習を行うことにより実現
することができる。このため、重み制御回路７１に記憶
された重み付け特性は、ダイナミックレンジが小さい場
合の重みが、ダイナミックレンジが大きい場合の重みよ
りも大となるようになっている。
【０１３４】次に、図７のフローチャートを参照して、
図３の学習装置において行われる、クラスごとのタップ
係数を求める学習処理について説明する。
図３の学習装置において行われる、クラスごとのタップ
係数を求める学習処理について説明する。
【０１３５】まず最初に、ステップＳ２１において、学
習対生成回路６２は、学習用データベース６１から学習
用の画像データを読み出し、教師データと生徒データを
生成する。さらに、ステップＳ２１では、学習対生成回
路６２は、その教師データと生徒データとをセットにす
ることで学習対データを生成し、学習対データベース６
３に供給して記憶させる。
習対生成回路６２は、学習用データベース６１から学習
用の画像データを読み出し、教師データと生徒データを
生成する。さらに、ステップＳ２１では、学習対生成回
路６２は、その教師データと生徒データとをセットにす
ることで学習対データを生成し、学習対データベース６
３に供給して記憶させる。
【０１３６】そして、ステップＳ２２に進み、クラスタ
ップ生成回路６４は、学習対データベース６３に記憶さ
れた学習対データにおける教師データとしてのＨＤ画素
の中から、まだ注目画素としていないもののうちの１つ
を注目画素として選択し、ステップＳ２３に進む。ステ
ップＳ２３では、クラスタップ生成回路６４と予測タッ
プ生成回路６５は、注目画素についてのクラスタップと
予測タップを、学習対データベース６３に記憶された生
徒データとしてのＳＤ画素から、それぞれ生成し、その
クラスタップと予測タップを、クラス分類回路６６と足
し込み回路６７にそれぞれ供給して、ステップＳ２４に
進む。なお、予測タップ生成回路６５は、予測タップ
を、ＤＲ検出回路７０にも供給する。
ップ生成回路６４は、学習対データベース６３に記憶さ
れた学習対データにおける教師データとしてのＨＤ画素
の中から、まだ注目画素としていないもののうちの１つ
を注目画素として選択し、ステップＳ２３に進む。ステ
ップＳ２３では、クラスタップ生成回路６４と予測タッ
プ生成回路６５は、注目画素についてのクラスタップと
予測タップを、学習対データベース６３に記憶された生
徒データとしてのＳＤ画素から、それぞれ生成し、その
クラスタップと予測タップを、クラス分類回路６６と足
し込み回路６７にそれぞれ供給して、ステップＳ２４に
進む。なお、予測タップ生成回路６５は、予測タップ
を、ＤＲ検出回路７０にも供給する。
【０１３７】ステップＳ２４では、クラス分類回路６６
が、図２のクラス分類回路４における場合と同様にし
て、クラスタップ生成回路６４からのクラスタップを用
いて、注目画素をクラス分類し、その注目画素のクラス
を表すクラスコードを、足し込み回路６７に供給して、
ステップＳ２５に進む。
が、図２のクラス分類回路４における場合と同様にし
て、クラスタップ生成回路６４からのクラスタップを用
いて、注目画素をクラス分類し、その注目画素のクラス
を表すクラスコードを、足し込み回路６７に供給して、
ステップＳ２５に進む。
【０１３８】ステップＳ２５では、ＤＲ検出回路７０
が、予測タップ生成回路６５からの予測タップのダイナ
ミックレンジを検出し、重み制御回路７１に供給して、
ステップＳ２６に進む。ステップＳ２６では、重み制御
回路７１は、ＤＲ検出回路７０から供給されるダイナミ
ックレンジに基づいて、注目画素と予測タップに対する
重みを決定し、その重みを表す重み情報を、足し込み回
路６７に供給する。
が、予測タップ生成回路６５からの予測タップのダイナ
ミックレンジを検出し、重み制御回路７１に供給して、
ステップＳ２６に進む。ステップＳ２６では、重み制御
回路７１は、ＤＲ検出回路７０から供給されるダイナミ
ックレンジに基づいて、注目画素と予測タップに対する
重みを決定し、その重みを表す重み情報を、足し込み回
路６７に供給する。
【０１３９】そして、ステップＳ２７に進み、足し込み
回路６７が、クラス分類回路６６から供給されるクラス
コードが表す注目画素のクラスごとに、予測タップ生成
回路６５から供給される予測タップ、学習対データベー
ス６３に記憶された注目画素としての教師データ、およ
び重み制御回路７１から供給される重み情報が表す重み
を対象とした、上述した式（２０）における足し込みを
行い、ステップＳ２８に進む。
回路６７が、クラス分類回路６６から供給されるクラス
コードが表す注目画素のクラスごとに、予測タップ生成
回路６５から供給される予測タップ、学習対データベー
ス６３に記憶された注目画素としての教師データ、およ
び重み制御回路７１から供給される重み情報が表す重み
を対象とした、上述した式（２０）における足し込みを
行い、ステップＳ２８に進む。
【０１４０】そして、ステップＳ２８では、クラスタッ
プ生成回路６４は、学習対データベース６３に記憶され
た教師データの中に、まだ注目画素としていないものが
あるかどうかを判定する。ステップＳ２８において、学
習対データベース６３に記憶された教師データの中に、
まだ注目画素としていないものがあると判定された場
合、ステップＳ２２に戻り、以下、同様の処理が繰り返
される。
プ生成回路６４は、学習対データベース６３に記憶され
た教師データの中に、まだ注目画素としていないものが
あるかどうかを判定する。ステップＳ２８において、学
習対データベース６３に記憶された教師データの中に、
まだ注目画素としていないものがあると判定された場
合、ステップＳ２２に戻り、以下、同様の処理が繰り返
される。
【０１４１】また、ステップＳ２８において、学習対デ
ータベース６３に記憶された教師データの中に、まだ注
目画素としていないものがないと判定された場合、足し
込み回路６７は、いままでのステップＳ２７における足
し込みによって、クラスごとに得られた式（２０）の正
規方程式を、タップ係数演算回路６８に供給して、ステ
ップＳ２９に進む。
ータベース６３に記憶された教師データの中に、まだ注
目画素としていないものがないと判定された場合、足し
込み回路６７は、いままでのステップＳ２７における足
し込みによって、クラスごとに得られた式（２０）の正
規方程式を、タップ係数演算回路６８に供給して、ステ
ップＳ２９に進む。
【０１４２】ステップＳ２９では、タップ係数演算回路
６８は、足し込み回路６７から供給される、各クラスご
との式（２０）の正規方程式を解くことにより、クラス
ごとのタップ係数を求め、タップ係数メモリ６９に供給
して記憶させ、処理を終了する。
６８は、足し込み回路６７から供給される、各クラスご
との式（２０）の正規方程式を解くことにより、クラス
ごとのタップ係数を求め、タップ係数メモリ６９に供給
して記憶させ、処理を終了する。
【０１４３】なお、以上のようなタップ係数の学習処理
において、用意する学習用の画像データ等によっては、
タップ係数を求めるのに必要な数の正規方程式が得られ
ないクラスが生じる場合があり得るが、そのようなクラ
スについては、例えば、デフォルトのタップ係数を出力
するようにすること等が可能である。あるいは、タップ
係数を求めるのに必要な数の正規方程式が得られないク
ラスが生じた場合には、新たに学習用の画像データを用
意して、再度、タップ係数の学習を行うようにしても良
い。このことは、後述する係数種データの学習について
も、同様である。
において、用意する学習用の画像データ等によっては、
タップ係数を求めるのに必要な数の正規方程式が得られ
ないクラスが生じる場合があり得るが、そのようなクラ
スについては、例えば、デフォルトのタップ係数を出力
するようにすること等が可能である。あるいは、タップ
係数を求めるのに必要な数の正規方程式が得られないク
ラスが生じた場合には、新たに学習用の画像データを用
意して、再度、タップ係数の学習を行うようにしても良
い。このことは、後述する係数種データの学習について
も、同様である。
【０１４４】以上のように、教師データと生徒データと
を用い、その教師データと生徒データに対して、生徒デ
ータから生成される予測タップのダイナミックレンジに
基づく重み付けを行いながら、教師データと生徒データ
との関係を、クラスごとに学習することにより、クラス
ごとのタップ係数を求めるようにしたので、予測タップ
のダイナミックレンジの全体に亘って、予測精度を高く
するタップ係数を得ることができる。
を用い、その教師データと生徒データに対して、生徒デ
ータから生成される予測タップのダイナミックレンジに
基づく重み付けを行いながら、教師データと生徒データ
との関係を、クラスごとに学習することにより、クラス
ごとのタップ係数を求めるようにしたので、予測タップ
のダイナミックレンジの全体に亘って、予測精度を高く
するタップ係数を得ることができる。
【０１４５】そして、図２の画像処理装置では、係数RA
M５に、そのようなタップ係数が記憶され、そのタップ
係数を用いて、ＳＤ画像データがＨＤ画像データに変換
されるので、ダイナミックレンジが大きい予測タップが
構成される場合と、ダイナミックレンジが小さい予測タ
ップが構成される場合とで、求められるＨＤ画像の画質
に差が生じることを防止して、より高画質の画像データ
を、ユーザに提供することができる。
M５に、そのようなタップ係数が記憶され、そのタップ
係数を用いて、ＳＤ画像データがＨＤ画像データに変換
されるので、ダイナミックレンジが大きい予測タップが
構成される場合と、ダイナミックレンジが小さい予測タ
ップが構成される場合とで、求められるＨＤ画像の画質
に差が生じることを防止して、より高画質の画像データ
を、ユーザに提供することができる。
【０１４６】なお、上述の場合には、予測タップのアク
ティビティとして、予測タップのダイナミックレンジを
採用することとしたが、アクティビティとしては、例え
ば、特開平11-27564号公報、特開2000-115721号公報、
特開2000-299862号公報、特開2000-348019号公報、特願
2000-241803号などに記載されている種類のものを採用
することが可能である。
ティビティとして、予測タップのダイナミックレンジを
採用することとしたが、アクティビティとしては、例え
ば、特開平11-27564号公報、特開2000-115721号公報、
特開2000-299862号公報、特開2000-348019号公報、特願
2000-241803号などに記載されている種類のものを採用
することが可能である。
【０１４７】即ち、特開平11-27564号公報に記載の方法
によれば、予測タップのＳＤ画素の自己相関が、アクテ
ィビティとして算出される。また、特開2000-115721号
公報に記載の方法によれば、予測タップのＳＤ画素が間
引かれて補完され、その補間後のＳＤ画素と元の画素と
の誤差の絶対値和が、アクティビティとして算出され
る。さらに、特開2000-299862号公報に記載の方法によ
れば、予測タップのＳＤ画素のＤＣＴ係数などの直交変
換係数の分散が、アクティビティとして算出される。さ
らに、特開2000-348019号公報に記載の方法では、予測
タップのＳＤ画素の標準偏差や、分散、差分絶対値和、
差分値の差分（２次差分）の絶対値和が、アクティビテ
ィとして算出される。また、特願2000-241803号に記載
の方法では、予測タップ内のＳＤ画像の動きが、アクテ
ィビティとして算出される。
によれば、予測タップのＳＤ画素の自己相関が、アクテ
ィビティとして算出される。また、特開2000-115721号
公報に記載の方法によれば、予測タップのＳＤ画素が間
引かれて補完され、その補間後のＳＤ画素と元の画素と
の誤差の絶対値和が、アクティビティとして算出され
る。さらに、特開2000-299862号公報に記載の方法によ
れば、予測タップのＳＤ画素のＤＣＴ係数などの直交変
換係数の分散が、アクティビティとして算出される。さ
らに、特開2000-348019号公報に記載の方法では、予測
タップのＳＤ画素の標準偏差や、分散、差分絶対値和、
差分値の差分（２次差分）の絶対値和が、アクティビテ
ィとして算出される。また、特願2000-241803号に記載
の方法では、予測タップ内のＳＤ画像の動きが、アクテ
ィビティとして算出される。
【０１４８】また、上述の場合には、重み制御回路７１
において、足し込み回路６７で求められる式（２０）の
重みｈkを制御することにより、注目画素と予測タップ
に対する重み付けを行うようにしたが、その他、重み制
御回路７１では、式（８）において、注目画素と予測タ
ップを足し込む回数を制御することにより、実質的に式
（２０）の重みｈkを制御する場合と同様の、注目画素
と予測タップに対する重み付けを行うようにすることが
可能である。後述する図１０の重み制御回路７１Ａ乃至
７１Ｃや、図１４の重み制御回路１１４においても、同
様である。
において、足し込み回路６７で求められる式（２０）の
重みｈkを制御することにより、注目画素と予測タップ
に対する重み付けを行うようにしたが、その他、重み制
御回路７１では、式（８）において、注目画素と予測タ
ップを足し込む回数を制御することにより、実質的に式
（２０）の重みｈkを制御する場合と同様の、注目画素
と予測タップに対する重み付けを行うようにすることが
可能である。後述する図１０の重み制御回路７１Ａ乃至
７１Ｃや、図１４の重み制御回路１１４においても、同
様である。
【０１４９】上述したように、図３の学習装置において
は、教師データと生徒データに対して、生徒データから
生成される予測タップのダイナミックレンジに基づく重
み付けを行いながら、教師データと生徒データとの関係
を、クラスごとに学習することにより、クラスごとのタ
ップ係数を求めるようにしたので、予測タップのダイナ
ミックレンジの全体に亘って、予測精度を高くするタッ
プ係数を得ることができ、さらに、図２の画像処理装置
において、そのようなタップ係数を用いて、ＳＤ画像デ
ータをＨＤ画像データに変換することにより、前述のＤ
Ｒマスキング効果が、予測タップのダイナミックレンジ
の全体に亘って、例えば同じ程度働いた、定性的に高画
質の画像データ（S/N(Signal to Noise ratio)が高いと
いう定量的に高画質である画像データであるとは限らな
いが、ユーザから見た、いわゆる見た目が良い画像デー
タ）を、ユーザに提供することができる。
は、教師データと生徒データに対して、生徒データから
生成される予測タップのダイナミックレンジに基づく重
み付けを行いながら、教師データと生徒データとの関係
を、クラスごとに学習することにより、クラスごとのタ
ップ係数を求めるようにしたので、予測タップのダイナ
ミックレンジの全体に亘って、予測精度を高くするタッ
プ係数を得ることができ、さらに、図２の画像処理装置
において、そのようなタップ係数を用いて、ＳＤ画像デ
ータをＨＤ画像データに変換することにより、前述のＤ
Ｒマスキング効果が、予測タップのダイナミックレンジ
の全体に亘って、例えば同じ程度働いた、定性的に高画
質の画像データ（S/N(Signal to Noise ratio)が高いと
いう定量的に高画質である画像データであるとは限らな
いが、ユーザから見た、いわゆる見た目が良い画像デー
タ）を、ユーザに提供することができる。
【０１５０】しかしながら、画質の好みには、個人差が
あり、従って、ＤＲマスキング効果を働かせる程度を、
ユーザが調整することが可能であれば、ユーザは、自身
の好みに応じた画質の画像を得ることができ、便利であ
る。
あり、従って、ＤＲマスキング効果を働かせる程度を、
ユーザが調整することが可能であれば、ユーザは、自身
の好みに応じた画質の画像を得ることができ、便利であ
る。
【０１５１】そこで、図８は、ＤＲマスキング効果を働
かせる程度を、ユーザが調整することが可能な画像処理
装置の一実施の形態の構成例を示している。なお、図
中、図２における場合と対応する部分については、同一
の符号を付してあり、以下では、その説明は、適宜省略
する。即ち、図８の画像処理装置は、３つのタップ係数
メモリ１０１Ａ乃至１０１Ｃ、操作部１０２、およびセ
レクタ１０３が新たに設けられている他は、図２におけ
る場合と同様に構成されている。
かせる程度を、ユーザが調整することが可能な画像処理
装置の一実施の形態の構成例を示している。なお、図
中、図２における場合と対応する部分については、同一
の符号を付してあり、以下では、その説明は、適宜省略
する。即ち、図８の画像処理装置は、３つのタップ係数
メモリ１０１Ａ乃至１０１Ｃ、操作部１０２、およびセ
レクタ１０３が新たに設けられている他は、図２におけ
る場合と同様に構成されている。
【０１５２】３つのタップ係数メモリ１０１Ａ乃至１０
１Ｃには、クラスごとのタップ係数が記憶されている。
但し、タップ係数メモリ１０１Ａ乃至１０１Ｃに記憶さ
れているタップ係数それぞれは、例えば、図４の学習装
置において、異なる３種類の特性の重み付けをそれぞれ
行いながら教師データと生徒データとの関係を学習する
ことにより得られた、３種類の特性の重み付けそれぞれ
に対応するタップ係数となっている。即ち、タップ係数
メモリ１０１Ａ乃至１０１ｃに記憶されているタップ係
数それぞれは、図４の学習装置において、重み制御回路
７１に、異なる３種類の重み付け特性を記憶させて学習
を行うことにより得られたものとなっている。
１Ｃには、クラスごとのタップ係数が記憶されている。
但し、タップ係数メモリ１０１Ａ乃至１０１Ｃに記憶さ
れているタップ係数それぞれは、例えば、図４の学習装
置において、異なる３種類の特性の重み付けをそれぞれ
行いながら教師データと生徒データとの関係を学習する
ことにより得られた、３種類の特性の重み付けそれぞれ
に対応するタップ係数となっている。即ち、タップ係数
メモリ１０１Ａ乃至１０１ｃに記憶されているタップ係
数それぞれは、図４の学習装置において、重み制御回路
７１に、異なる３種類の重み付け特性を記憶させて学習
を行うことにより得られたものとなっている。
【０１５３】操作部１０２は、ユーザによって操作さ
れ、その操作に対応する操作信号を、セレクタ１０３に
供給する。
れ、その操作に対応する操作信号を、セレクタ１０３に
供給する。
【０１５４】セレクタ１０３は、操作部１０２からの操
作信号に対応して、タップ係数メモリ１０１Ａ乃至１０
１Ｃのうちの１つを選択し、その選択したタップ係数メ
モリに記憶されているタップ係数を読み出す。さらに、
セレクタ１０３は、その読み出したタップ係数を係数RA
M５に供給して、上書きする形で記憶させる。
作信号に対応して、タップ係数メモリ１０１Ａ乃至１０
１Ｃのうちの１つを選択し、その選択したタップ係数メ
モリに記憶されているタップ係数を読み出す。さらに、
セレクタ１０３は、その読み出したタップ係数を係数RA
M５に供給して、上書きする形で記憶させる。
【０１５５】従って、図８の画像処理装置では、ユーザ
による操作部１０２の操作に対応した重み付け特性に対
応するタップ係数を用いて、ＳＤ画像データがＨＤ画像
データに変換される。
による操作部１０２の操作に対応した重み付け特性に対
応するタップ係数を用いて、ＳＤ画像データがＨＤ画像
データに変換される。
【０１５６】次に、図９のフローチャートを参照して、
図８の画像処理装置が行う、ＳＤ画像をＨＤ画像に変換
する画像変換処理について説明する。
図８の画像処理装置が行う、ＳＤ画像をＨＤ画像に変換
する画像変換処理について説明する。
【０１５７】フレームメモリ１には、画像変換処理の対
象としてのＳＤ画像（動画像）が、フレーム単位で順次
供給され、フレームメモリ１では、そのようにフレーム
単位で供給されるＳＤ画像が順次記憶されていく。
象としてのＳＤ画像（動画像）が、フレーム単位で順次
供給され、フレームメモリ１では、そのようにフレーム
単位で供給されるＳＤ画像が順次記憶されていく。
【０１５８】そして、ステップＳ３１において、セレク
タ１０３は、操作部１０２がユーザによって操作される
ことにより、その操作に対応する操作信号が供給された
かどうかを判定する。ステップＳ３１において、操作信
号が供給されていないと判定された場合、ステップＳ３
２をスキップして、ステップＳ３３に進む。
タ１０３は、操作部１０２がユーザによって操作される
ことにより、その操作に対応する操作信号が供給された
かどうかを判定する。ステップＳ３１において、操作信
号が供給されていないと判定された場合、ステップＳ３
２をスキップして、ステップＳ３３に進む。
【０１５９】また、ステップＳ３１において、操作信号
が供給されたと判定された場合、ステップＳ３２に進
み、セレクタ１０３は、操作部１０２から供給された操
作信号に対応して、タップ係数メモリ１０１Ａ乃至１０
１Ｃのうちの１つを選択し、その選択したタップ係数メ
モリに記憶されているタップ係数を読み出して、係数RA
M５に供給し、上書きする形で記憶させる。
が供給されたと判定された場合、ステップＳ３２に進
み、セレクタ１０３は、操作部１０２から供給された操
作信号に対応して、タップ係数メモリ１０１Ａ乃至１０
１Ｃのうちの１つを選択し、その選択したタップ係数メ
モリに記憶されているタップ係数を読み出して、係数RA
M５に供給し、上書きする形で記憶させる。
【０１６０】そして、ステップＳ３３に進み、ステップ
Ｓ３３乃至Ｓ３８において、図３のステップＳ１乃至Ｓ
６における場合とそれぞれ同様の処理が行われる。
Ｓ３３乃至Ｓ３８において、図３のステップＳ１乃至Ｓ
６における場合とそれぞれ同様の処理が行われる。
【０１６１】即ち、ステップＳ３３では、クラスタップ
生成回路２は、まだ求めてられていないＨＤ画素のうち
の１つを注目画素として選択し、ステップＳ３４に進
む。
生成回路２は、まだ求めてられていないＨＤ画素のうち
の１つを注目画素として選択し、ステップＳ３４に進
む。
【０１６２】ステップＳ３４では、クラスタップ生成回
路２と予測タップ生成回路３が、注目画素の位置に空間
的または時間的に近い複数のＳＤ画素を、フレームメモ
リ１に記憶されたＳＤ画像から抽出することにより、ク
ラスタップと予測タップをそれぞれ生成し、クラス分類
回路４と予測演算回路６にそれぞれ供給する。
路２と予測タップ生成回路３が、注目画素の位置に空間
的または時間的に近い複数のＳＤ画素を、フレームメモ
リ１に記憶されたＳＤ画像から抽出することにより、ク
ラスタップと予測タップをそれぞれ生成し、クラス分類
回路４と予測演算回路６にそれぞれ供給する。
【０１６３】そして、ステップＳ３５に進み、クラス分
類回路４は、クラスタップ生成回路２から供給されるク
ラスタップに基づき、注目画素についてクラス分類を行
い、その結果得られる注目画素のクラスを表すクラスコ
ードを、係数RAM５に対して、アドレスとして出力し
て、ステップＳ３６に進む。ステップＳ３６では、係数
RAM５は、クラス分類回路４からのクラスコードに対応
するアドレスに記憶されているタップ係数を読み出し、
これにより、注目画素のクラスのタップ係数を取得し
て、予測演算回路６に供給する。
類回路４は、クラスタップ生成回路２から供給されるク
ラスタップに基づき、注目画素についてクラス分類を行
い、その結果得られる注目画素のクラスを表すクラスコ
ードを、係数RAM５に対して、アドレスとして出力し
て、ステップＳ３６に進む。ステップＳ３６では、係数
RAM５は、クラス分類回路４からのクラスコードに対応
するアドレスに記憶されているタップ係数を読み出し、
これにより、注目画素のクラスのタップ係数を取得し
て、予測演算回路６に供給する。
【０１６４】その後、ステップＳ３７に進み、予測演算
回路６は、予測タップ生成回路３からの予測タップと、
係数RAM５からのタップ係数とを用いて、式（１）に示
した演算を行い、注目画素であるＨＤ画素ｙ（の予測
値）を求め、ステップＳ３８に進む。
回路６は、予測タップ生成回路３からの予測タップと、
係数RAM５からのタップ係数とを用いて、式（１）に示
した演算を行い、注目画素であるＨＤ画素ｙ（の予測
値）を求め、ステップＳ３８に進む。
【０１６５】ステップＳ３８では、クラスタップ生成回
路２が、まだ、注目画素としていないＨＤ画素が存在す
るかどうかを判定し、存在すると判定した場合、ステッ
プＳ３１に戻り、以下、同様の処理を繰り返す。
路２が、まだ、注目画素としていないＨＤ画素が存在す
るかどうかを判定し、存在すると判定した場合、ステッ
プＳ３１に戻り、以下、同様の処理を繰り返す。
【０１６６】また、ステップＳ３８において、注目画素
としていないＨＤ画素が存在しないと判定された場合、
処理を終了する。
としていないＨＤ画素が存在しないと判定された場合、
処理を終了する。
【０１６７】従って、図８の画像処理装置では、ユーザ
による操作部１０２の操作に対応して、所定の重み付け
特性に対応するタップ係数を用いて、ＳＤ画像データが
ＨＤ画像データに変換されるので、ユーザは、操作部１
０２を操作することにより、ＤＲマスキング効果を働か
せる程度を調整した、自身の好みに応じた画質の画像を
得ることができる。
による操作部１０２の操作に対応して、所定の重み付け
特性に対応するタップ係数を用いて、ＳＤ画像データが
ＨＤ画像データに変換されるので、ユーザは、操作部１
０２を操作することにより、ＤＲマスキング効果を働か
せる程度を調整した、自身の好みに応じた画質の画像を
得ることができる。
【０１６８】なお、図８の画像処理装置では、３種類の
重み付け特性それぞれに対応するタップ係数をあらかじ
め記憶しておき、その中から、ＳＤ画像データをＨＤ画
像データに変換するのに用いるものを選択するようにし
たが、画像処理装置においては、２種類または４種類以
上の重み付け特性それぞれに対応するタップ係数を記憶
しておくようにすることも可能である。
重み付け特性それぞれに対応するタップ係数をあらかじ
め記憶しておき、その中から、ＳＤ画像データをＨＤ画
像データに変換するのに用いるものを選択するようにし
たが、画像処理装置においては、２種類または４種類以
上の重み付け特性それぞれに対応するタップ係数を記憶
しておくようにすることも可能である。
【０１６９】次に、上述の場合には、図４の学習装置に
おいて、重み制御回路７１に、異なる３種類の重み付け
特性を順次記憶させて繰り返し学習を行うことにより得
られた、３種類の重み付け特性に対応するタップ係数
を、タップ係数メモリ１０１Ａ乃至１０１Ｃにそれぞれ
記憶させるようにしたが、タップ係数メモリ１０１Ａ乃
至１０１Ｃにそれぞれ記憶させる３種類の重み付け特性
に対応するタップ係数は、一度の学習によって求めるこ
とが可能である。
おいて、重み制御回路７１に、異なる３種類の重み付け
特性を順次記憶させて繰り返し学習を行うことにより得
られた、３種類の重み付け特性に対応するタップ係数
を、タップ係数メモリ１０１Ａ乃至１０１Ｃにそれぞれ
記憶させるようにしたが、タップ係数メモリ１０１Ａ乃
至１０１Ｃにそれぞれ記憶させる３種類の重み付け特性
に対応するタップ係数は、一度の学習によって求めるこ
とが可能である。
【０１７０】図１０は、一度の学習によって、３種類の
重み付け特性に対応するタップ係数を求める学習装置の
一実施の形態の構成例を示している。なお、図中、図４
における場合と対応する部分については、同一の符号を
付してあり、以下では、その説明は、適宜省略する。即
ち、図１０の学習装置においては、図４の学習装置に対
して、スイッチ制御回路９１、並びにスイッチ９２およ
び９３が新たに設けられている。また、図１０の学習装
置においては、図４の学習装置における１つの重み制御
回路７１に代えて、３つの重み制御回路７１Ａ乃至７１
Ｃが設けられているとともに、１つのタップ係数メモリ
６９に代えて、３つのタップ係数メモリ６９Ａ乃至６９
Ｃが設けられている。
重み付け特性に対応するタップ係数を求める学習装置の
一実施の形態の構成例を示している。なお、図中、図４
における場合と対応する部分については、同一の符号を
付してあり、以下では、その説明は、適宜省略する。即
ち、図１０の学習装置においては、図４の学習装置に対
して、スイッチ制御回路９１、並びにスイッチ９２およ
び９３が新たに設けられている。また、図１０の学習装
置においては、図４の学習装置における１つの重み制御
回路７１に代えて、３つの重み制御回路７１Ａ乃至７１
Ｃが設けられているとともに、１つのタップ係数メモリ
６９に代えて、３つのタップ係数メモリ６９Ａ乃至６９
Ｃが設けられている。
【０１７１】タップ係数メモリ６９Ａ乃至６９Ｃそれぞ
れは、タップ係数演算回路６８が出力する、後述する３
種類の重み付け特性に対応するクラスごとのタップ係数
を記憶する。重み制御回路７１Ａ乃至７１Ｃそれぞれ
は、異なる重み付け特性を記憶しており、その記憶して
いる重み付け特性にしたがい、スイッチ９２を介してＤ
Ｒ検出回路７０から供給される予測タップのダイナミッ
クレンジに対応する重みを決定し、その重みを表す重み
情報を、スイッチ９３を介して、足し込み回路６７に供
給する。
れは、タップ係数演算回路６８が出力する、後述する３
種類の重み付け特性に対応するクラスごとのタップ係数
を記憶する。重み制御回路７１Ａ乃至７１Ｃそれぞれ
は、異なる重み付け特性を記憶しており、その記憶して
いる重み付け特性にしたがい、スイッチ９２を介してＤ
Ｒ検出回路７０から供給される予測タップのダイナミッ
クレンジに対応する重みを決定し、その重みを表す重み
情報を、スイッチ９３を介して、足し込み回路６７に供
給する。
【０１７２】スイッチ制御回路９１は、予測タップ生成
回路６５において、注目画素について予測タップが生成
されるタイミングを監視しており、そのタイミングを基
準に、スイッチ９２と９３を制御する。
回路６５において、注目画素について予測タップが生成
されるタイミングを監視しており、そのタイミングを基
準に、スイッチ９２と９３を制御する。
【０１７３】スイッチ９２は、スイッチ制御回路９１の
制御にしたがい、重み制御回路７１Ａ乃至７１Ｃのうち
の１つを選択し、その選択した重み制御回路に、ＤＲ検
出回路７０が出力する予測タップのダイナミックレンジ
を供給する。スイッチ９３も、やはり、スイッチ制御回
路９１の制御にしたがい、重み制御回路７１Ａ乃至７１
Ｃのうちの１つを選択し、その選択した重み制御回路が
出力する重み情報を、足し込み回路６７に供給する。
制御にしたがい、重み制御回路７１Ａ乃至７１Ｃのうち
の１つを選択し、その選択した重み制御回路に、ＤＲ検
出回路７０が出力する予測タップのダイナミックレンジ
を供給する。スイッチ９３も、やはり、スイッチ制御回
路９１の制御にしたがい、重み制御回路７１Ａ乃至７１
Ｃのうちの１つを選択し、その選択した重み制御回路が
出力する重み情報を、足し込み回路６７に供給する。
【０１７４】次に、図１１のフローチャートを参照し
て、図１０の学習装置において行われる、クラスごとの
タップ係数を求める学習処理について説明する。
て、図１０の学習装置において行われる、クラスごとの
タップ係数を求める学習処理について説明する。
【０１７５】ステップＳ４１乃至Ｓ４５では、図７のス
テップＳ２１乃至Ｓ２５における場合とそれぞれ同様の
処理が行われる。即ち、ステップＳ４１において、学習
対生成回路６２は、学習用データベース６１から学習用
の画像データを読み出し、教師データと生徒データのセ
ットである学習対データを生成し、学習対データベース
６３に供給して記憶させる。
テップＳ２１乃至Ｓ２５における場合とそれぞれ同様の
処理が行われる。即ち、ステップＳ４１において、学習
対生成回路６２は、学習用データベース６１から学習用
の画像データを読み出し、教師データと生徒データのセ
ットである学習対データを生成し、学習対データベース
６３に供給して記憶させる。
【０１７６】そして、ステップＳ４２に進み、クラスタ
ップ生成回路６４は、学習対データベース６３に記憶さ
れた学習対データにおける教師データとしてのＨＤ画素
の中から、まだ注目画素としていないもののうちの１つ
を注目画素として選択し、ステップＳ４３に進む。ステ
ップＳ４３では、クラスタップ生成回路６４と予測タッ
プ生成回路６５は、注目画素についてのクラスタップと
予測タップを、学習対データベース６３に記憶された生
徒データとしてのＳＤ画素から、それぞれ生成する。ク
ラスタップは、クラスタップ生成回路６４からクラス分
類回路６６に供給され、予測タップは、予測タップ生成
回路６５から足し込み回路６７とＤＲ検出回路７０に供
給される。
ップ生成回路６４は、学習対データベース６３に記憶さ
れた学習対データにおける教師データとしてのＨＤ画素
の中から、まだ注目画素としていないもののうちの１つ
を注目画素として選択し、ステップＳ４３に進む。ステ
ップＳ４３では、クラスタップ生成回路６４と予測タッ
プ生成回路６５は、注目画素についてのクラスタップと
予測タップを、学習対データベース６３に記憶された生
徒データとしてのＳＤ画素から、それぞれ生成する。ク
ラスタップは、クラスタップ生成回路６４からクラス分
類回路６６に供給され、予測タップは、予測タップ生成
回路６５から足し込み回路６７とＤＲ検出回路７０に供
給される。
【０１７７】そして、ステップＳ４４に進み、クラス分
類回路６６が、クラスタップ生成回路６４からのクラス
タップを用いて、注目画素をクラス分類し、その注目画
素のクラスを表すクラスコードを、足し込み回路６７に
供給して、ステップＳ４５に進む。
類回路６６が、クラスタップ生成回路６４からのクラス
タップを用いて、注目画素をクラス分類し、その注目画
素のクラスを表すクラスコードを、足し込み回路６７に
供給して、ステップＳ４５に進む。
【０１７８】ステップＳ４５では、ＤＲ検出回路７０
が、予測タップ生成回路６５からの予測タップのダイナ
ミックレンジを検出して出力する。このＤＲ検出回路７
０が出力する予測タップのダイナミックレンジは、スイ
ッチ９２に供給される。
が、予測タップ生成回路６５からの予測タップのダイナ
ミックレンジを検出して出力する。このＤＲ検出回路７
０が出力する予測タップのダイナミックレンジは、スイ
ッチ９２に供給される。
【０１７９】そして、ステップＳ４６に進み、スイッチ
制御回路９１は、ステップＳ４３で、予測タップ生成回
路３において予測タップが生成されたのに同期して、重
み制御回路７１Ａ乃至７１Ｃそれぞれに記憶された３種
類の重み付け特性のうち、注目画素に対して、まだ、注
目重み付け特性として選択していないものの１つを、注
目重み付け特性として選択する。さらに、ステップＳ４
６では、スイッチ制御回路９１は、重み制御回路７１Ａ
乃至７１Ｃの中から、注目重み付け特性を記憶している
重み制御回路（以下、適宜、注目重み制御回路という）
を選択するように、スイッチ９２および９３を制御し、
ステップＳ４７に進む。
制御回路９１は、ステップＳ４３で、予測タップ生成回
路３において予測タップが生成されたのに同期して、重
み制御回路７１Ａ乃至７１Ｃそれぞれに記憶された３種
類の重み付け特性のうち、注目画素に対して、まだ、注
目重み付け特性として選択していないものの１つを、注
目重み付け特性として選択する。さらに、ステップＳ４
６では、スイッチ制御回路９１は、重み制御回路７１Ａ
乃至７１Ｃの中から、注目重み付け特性を記憶している
重み制御回路（以下、適宜、注目重み制御回路という）
を選択するように、スイッチ９２および９３を制御し、
ステップＳ４７に進む。
【０１８０】ここで、このステップＳ４６の処理によっ
て、ＤＲ検出回路７０と注目重み制御回路とが、スイッ
チ９２を介して接続されるとともに、注目重み制御回路
と足し込み回路６７とが、スイッチ９３を介して接続さ
れる。
て、ＤＲ検出回路７０と注目重み制御回路とが、スイッ
チ９２を介して接続されるとともに、注目重み制御回路
と足し込み回路６７とが、スイッチ９３を介して接続さ
れる。
【０１８１】ステップＳ４７では、注目重み制御回路
が、スイッチ９２を介して、ＤＲ検出回路７０が出力す
る予測タップのダイナミックレンジを受信し、そのダイ
ナミックレンジに基づき、自身が記憶している注目重み
付け特性にしたがい、注目画素と予測タップに対する重
みを決定する。さらに、ステップＳ４７では、注目重み
制御回路が、その決定した重みを表す重み情報を、スイ
ッチ９３を介して、足し込み回路６７に供給する。
が、スイッチ９２を介して、ＤＲ検出回路７０が出力す
る予測タップのダイナミックレンジを受信し、そのダイ
ナミックレンジに基づき、自身が記憶している注目重み
付け特性にしたがい、注目画素と予測タップに対する重
みを決定する。さらに、ステップＳ４７では、注目重み
制御回路が、その決定した重みを表す重み情報を、スイ
ッチ９３を介して、足し込み回路６７に供給する。
【０１８２】そして、ステップＳ４８に進み、足し込み
回路６７が、クラス分類回路６６から供給されるクラス
コードが表す注目画素のクラスごとに、予測タップ生成
回路６５から供給される予測タップ、学習対データベー
ス６３に記憶された注目画素としての教師データ、およ
び注目重み制御回路からスイッチ９３を介して供給され
る重み情報が表す重みを対象とした、上述した式（２
０）における足し込みを行い、ステップＳ４９に進む。
回路６７が、クラス分類回路６６から供給されるクラス
コードが表す注目画素のクラスごとに、予測タップ生成
回路６５から供給される予測タップ、学習対データベー
ス６３に記憶された注目画素としての教師データ、およ
び注目重み制御回路からスイッチ９３を介して供給され
る重み情報が表す重みを対象とした、上述した式（２
０）における足し込みを行い、ステップＳ４９に進む。
【０１８３】ここで、ステップＳ４８において、足し込
み回路６７は、式（２０）の足し込みを、重み制御回路
７１Ａ乃至７１Ｃに記憶された重み付け特性ごとに行
う。従って、図１０の実施の形態では、足し込み回路６
７において、３つの重み付け特性それぞれについて、１
以上のクラスごとに、式（２０）の正規方程式が、独立
にたてられる。
み回路６７は、式（２０）の足し込みを、重み制御回路
７１Ａ乃至７１Ｃに記憶された重み付け特性ごとに行
う。従って、図１０の実施の形態では、足し込み回路６
７において、３つの重み付け特性それぞれについて、１
以上のクラスごとに、式（２０）の正規方程式が、独立
にたてられる。
【０１８４】ステップＳ４９では、スイッチ制御回路９
１が、注目画素に対して、重み制御回路７１Ａ乃至７１
Ｃそれぞれに記憶された３種類の重み付け特性すべて
を、注目重み付け特性として選択したかどうかを判定す
る。
１が、注目画素に対して、重み制御回路７１Ａ乃至７１
Ｃそれぞれに記憶された３種類の重み付け特性すべて
を、注目重み付け特性として選択したかどうかを判定す
る。
【０１８５】ステップＳ４９において、注目画素に対し
て、３種類の重み付け特性すべてを、まだ、注目重み付
け特性として選択していないと判定された場合、ステッ
プＳ４６に戻り、以下、同様の処理を繰り返す。
て、３種類の重み付け特性すべてを、まだ、注目重み付
け特性として選択していないと判定された場合、ステッ
プＳ４６に戻り、以下、同様の処理を繰り返す。
【０１８６】即ち、この場合、ステップＳ４６では、３
種類の重み付け特性のうち、注目画素に対して、まだ、
注目重み付け特性として選択していないものの１つが、
新たに注目重み付け特性として選択され、以下、同様の
処理が繰り返される。
種類の重み付け特性のうち、注目画素に対して、まだ、
注目重み付け特性として選択していないものの１つが、
新たに注目重み付け特性として選択され、以下、同様の
処理が繰り返される。
【０１８７】また、ステップＳ４９において、注目画素
に対して、３種類の重み付け特性すべてを、注目重み付
け特性として選択したと判定された場合、ステップＳ５
０に進み、クラスタップ生成回路６４は、学習対データ
ベース６３に記憶された教師データの中に、まだ注目画
素としていないものがあるかどうかを判定する。ステッ
プＳ５０において、学習対データベース６３に記憶され
た教師データの中に、まだ注目画素としていないものが
あると判定された場合、ステップＳ４２に戻り、以下、
同様の処理が繰り返される。
に対して、３種類の重み付け特性すべてを、注目重み付
け特性として選択したと判定された場合、ステップＳ５
０に進み、クラスタップ生成回路６４は、学習対データ
ベース６３に記憶された教師データの中に、まだ注目画
素としていないものがあるかどうかを判定する。ステッ
プＳ５０において、学習対データベース６３に記憶され
た教師データの中に、まだ注目画素としていないものが
あると判定された場合、ステップＳ４２に戻り、以下、
同様の処理が繰り返される。
【０１８８】また、ステップＳ５０において、学習対デ
ータベース６３に記憶された教師データの中に、注目画
素としていないものがないと判定された場合、足し込み
回路６７は、いままでのステップＳ４８における足し込
みによって、３種類の重み付け特性それぞれについて、
クラスごとに得られた式（２０）の正規方程式を、タッ
プ係数演算回路６８に供給して、ステップＳ５１に進
む。
ータベース６３に記憶された教師データの中に、注目画
素としていないものがないと判定された場合、足し込み
回路６７は、いままでのステップＳ４８における足し込
みによって、３種類の重み付け特性それぞれについて、
クラスごとに得られた式（２０）の正規方程式を、タッ
プ係数演算回路６８に供給して、ステップＳ５１に進
む。
【０１８９】ステップＳ５１では、タップ係数演算回路
６８は、足し込み回路６７から供給される、３種類の重
み付け特性それぞれについての、各クラスごとの式（２
０）の正規方程式を解くことにより、３種類の重み付け
特性それぞれに対応するクラスごとのタップ係数を求
め、タップ係数メモリ６９Ａ乃至６９Ｃにそれぞれ供給
して記憶させ、処理を終了する。
６８は、足し込み回路６７から供給される、３種類の重
み付け特性それぞれについての、各クラスごとの式（２
０）の正規方程式を解くことにより、３種類の重み付け
特性それぞれに対応するクラスごとのタップ係数を求
め、タップ係数メモリ６９Ａ乃至６９Ｃにそれぞれ供給
して記憶させ、処理を終了する。
【０１９０】ところで、図８の画像処理装置によれば、
上述したように、ユーザは、操作部１０２を操作するこ
とにより、３種類の重み付け特性のうちの任意の１つに
対応するタップ係数を用いてＳＤ画像データを変換した
ＨＤ画像データを得ることができる。従って、ユーザ
は、３種類のＨＤ画像データの中から、自身の好みの画
質のものを選択することができる。
上述したように、ユーザは、操作部１０２を操作するこ
とにより、３種類の重み付け特性のうちの任意の１つに
対応するタップ係数を用いてＳＤ画像データを変換した
ＨＤ画像データを得ることができる。従って、ユーザ
は、３種類のＨＤ画像データの中から、自身の好みの画
質のものを選択することができる。
【０１９１】しかしながら、この場合、３種類のＨＤ画
像データの中に、ユーザの好みの画質のものがないこと
がある。
像データの中に、ユーザの好みの画質のものがないこと
がある。
【０１９２】そこで、図８の画像処理装置に、より多く
の種類の重み付け特性に対応するタップ係数を記憶させ
ておき、その中から、ＳＤ画像データをＨＤ画像データ
に変換するのに用いるタップ係数を選択可能とする方法
がある。
の種類の重み付け特性に対応するタップ係数を記憶させ
ておき、その中から、ＳＤ画像データをＨＤ画像データ
に変換するのに用いるタップ係数を選択可能とする方法
がある。
【０１９３】しかしながら、図８の画像処理装置に、多
くの種類の重み付け特性に対応するタップ係数を記憶さ
せておく場合には、そのタップ係数を記憶させておくた
めのメモリが必要となり、装置規模が大になる。
くの種類の重み付け特性に対応するタップ係数を記憶さ
せておく場合には、そのタップ係数を記憶させておくた
めのメモリが必要となり、装置規模が大になる。
【０１９４】さらに、図８の画像処理装置に、多くの種
類の重み付け特性に対応するタップ係数を記憶させた場
合であっても、記憶されていない重み付け特性に対応す
るタップ係数によって得られる画質のＨＤ画像データは
得ることができない。
類の重み付け特性に対応するタップ係数を記憶させた場
合であっても、記憶されていない重み付け特性に対応す
るタップ係数によって得られる画質のＨＤ画像データは
得ることができない。
【０１９５】そこで、図１２は、任意の重み付け特性に
対応するタップ係数を生成し、そのタップ係数を用い
て、ＳＤ画像データを、ユーザの好みに合致した画質の
ＨＤ画像データに変換する画像処理装置の一実施の形態
の構成例を示している。なお、図中、図２における場合
と対応する部分については、同一の符号を付してあり、
以下では、その説明は、適宜省略する。即ち、図１２の
画像処理装置は、操作部１１１、パラメータメモリ１１
２、係数生成回路１１３、および係数種RAM１１４が新
たに設けられている他は、図２における場合と同様に構
成されている。
対応するタップ係数を生成し、そのタップ係数を用い
て、ＳＤ画像データを、ユーザの好みに合致した画質の
ＨＤ画像データに変換する画像処理装置の一実施の形態
の構成例を示している。なお、図中、図２における場合
と対応する部分については、同一の符号を付してあり、
以下では、その説明は、適宜省略する。即ち、図１２の
画像処理装置は、操作部１１１、パラメータメモリ１１
２、係数生成回路１１３、および係数種RAM１１４が新
たに設けられている他は、図２における場合と同様に構
成されている。
【０１９６】操作部１１１は、ユーザによって、重み付
け特性を表すパラメータｚを入力するときに操作され、
その操作に対応したパラメータｚを、パラメータメモリ
１１２に供給する。
け特性を表すパラメータｚを入力するときに操作され、
その操作に対応したパラメータｚを、パラメータメモリ
１１２に供給する。
【０１９７】パラメータメモリ１１２は、操作部１１１
から供給されるパラメータｚを、上書きする形で記憶す
る。
から供給されるパラメータｚを、上書きする形で記憶す
る。
【０１９８】係数生成回路１１３は、パラメータメモリ
１１２に記憶されたパラメータｚに基づき、そのパラメ
ータｚが表す重み付け特性に対応するクラスごとのタッ
プ係数を、係数種RAM１１４に記憶されたクラスごとの
係数種データを用いて生成し、係数RAM５に供給して、
上書きする形で記憶させる。
１１２に記憶されたパラメータｚに基づき、そのパラメ
ータｚが表す重み付け特性に対応するクラスごとのタッ
プ係数を、係数種RAM１１４に記憶されたクラスごとの
係数種データを用いて生成し、係数RAM５に供給して、
上書きする形で記憶させる。
【０１９９】係数種RAM１１４は、後述する図１４の学
習装置によって求められる、クラスごとのタップ係数を
生成する元となる、クラスごとの係数種データを記憶し
ている。
習装置によって求められる、クラスごとのタップ係数を
生成する元となる、クラスごとの係数種データを記憶し
ている。
【０２００】次に、図１３のフローチャートを参照し
て、図１２の画像処理装置による画像変換処理について
説明する。
て、図１２の画像処理装置による画像変換処理について
説明する。
【０２０１】画像処理装置において、フレームメモリ１
には、図２における場合と同様に、画像変換処理の対象
としてのＳＤ画像（動画像）が、フレーム単位で順次供
給され、フレームメモリ１では、そのようにフレーム単
位で供給されるＳＤ画像が順次記憶されていく。
には、図２における場合と同様に、画像変換処理の対象
としてのＳＤ画像（動画像）が、フレーム単位で順次供
給され、フレームメモリ１では、そのようにフレーム単
位で供給されるＳＤ画像が順次記憶されていく。
【０２０２】そして、ステップＳ６１において、パラメ
ータメモリ１１２は、操作部１１１が操作されることに
より、新たなパラメータｚが操作部１１１から供給され
たかどうかを判定する。
ータメモリ１１２は、操作部１１１が操作されることに
より、新たなパラメータｚが操作部１１１から供給され
たかどうかを判定する。
【０２０３】ステップＳ６１において、操作部１１１か
らパラメータメモリ１１２に対して、新たなパラメータ
ｚが供給されたと判定された場合、ステップＳ６２に進
み、パラメータメモリ１１２は、その新たなパラメータ
ｚを上書きする形で記憶し、ステップＳ６３に進む。
らパラメータメモリ１１２に対して、新たなパラメータ
ｚが供給されたと判定された場合、ステップＳ６２に進
み、パラメータメモリ１１２は、その新たなパラメータ
ｚを上書きする形で記憶し、ステップＳ６３に進む。
【０２０４】また、ステップＳ６１において、操作部１
１１からパラメータメモリ１１２に対して、新たなパラ
メータｚが供給されていないと判定された場合、ステッ
プＳ６２をスキップして、ステップＳ６３に進む。
１１からパラメータメモリ１１２に対して、新たなパラ
メータｚが供給されていないと判定された場合、ステッ
プＳ６２をスキップして、ステップＳ６３に進む。
【０２０５】従って、ユーザが、操作部１１１を操作す
ることにより、新たなパラメータｚが入力された場合、
その新たなパラメータｚによって、パラメータメモリ１
１２の記憶内容が更新される。
ることにより、新たなパラメータｚが入力された場合、
その新たなパラメータｚによって、パラメータメモリ１
１２の記憶内容が更新される。
【０２０６】ステップＳ６３では、係数生成回路１１３
が、係数種RAM１１４からクラスごとの係数種データを
読み出すとともに、パラメータメモリ１１２からパラメ
ータｚを読み出し、パラメータｚが表す重み付け特性に
対応するクラスごとのタップ係数を、係数種データから
求める。そして、ステップＳ６４に進み、係数生成回路
１１３は、そのクラスごとのタップ係数を、係数RAM５
に供給し、上書きする形で記憶させる。
が、係数種RAM１１４からクラスごとの係数種データを
読み出すとともに、パラメータメモリ１１２からパラメ
ータｚを読み出し、パラメータｚが表す重み付け特性に
対応するクラスごとのタップ係数を、係数種データから
求める。そして、ステップＳ６４に進み、係数生成回路
１１３は、そのクラスごとのタップ係数を、係数RAM５
に供給し、上書きする形で記憶させる。
【０２０７】その後、ステップＳ６５乃至Ｓ７０に順次
進み、図３のステップＳ１乃至Ｓ６における場合とそれ
ぞれ同様の処理が行われる。
進み、図３のステップＳ１乃至Ｓ６における場合とそれ
ぞれ同様の処理が行われる。
【０２０８】即ち、ステップＳ６５では、クラスタップ
生成回路２は、まだ求めていないＨＤ画素のうちの１つ
を注目画素として選択し、ステップＳ６６に進む。ステ
ップＳ６６では、クラスタップ生成回路２と予測タップ
生成回路３は、注目画素について、クラスタップと予測
タップをそれぞれ生成し、クラスタップをクラス分類回
路４に、予測タップを予測演算回路７にそれぞれ供給す
る。
生成回路２は、まだ求めていないＨＤ画素のうちの１つ
を注目画素として選択し、ステップＳ６６に進む。ステ
ップＳ６６では、クラスタップ生成回路２と予測タップ
生成回路３は、注目画素について、クラスタップと予測
タップをそれぞれ生成し、クラスタップをクラス分類回
路４に、予測タップを予測演算回路７にそれぞれ供給す
る。
【０２０９】そして、ステップＳ６７に進み、クラス分
類回路４は、クラスタップ生成回路２から供給されるク
ラスタップに基づき、注目画素についてクラス分類を行
い、その結果得られる注目画素のクラスを表すクラスコ
ードを、係数RAM５に供給して、ステップＳ６９に進
む。ステップＳ６９では、係数RAM５は、クラス分類回
路４からのクラスコードに対応するアドレスに記憶され
ているタップ係数を読み出し、これにより、注目画素の
クラスのタップ係数を取得して、予測演算回路６に供給
する。
類回路４は、クラスタップ生成回路２から供給されるク
ラスタップに基づき、注目画素についてクラス分類を行
い、その結果得られる注目画素のクラスを表すクラスコ
ードを、係数RAM５に供給して、ステップＳ６９に進
む。ステップＳ６９では、係数RAM５は、クラス分類回
路４からのクラスコードに対応するアドレスに記憶され
ているタップ係数を読み出し、これにより、注目画素の
クラスのタップ係数を取得して、予測演算回路６に供給
する。
【０２１０】ここで、係数RAM５には、上述したよう
に、係数生成回路１１３において生成された、パラメー
タメモリ１１２に記憶されたパラメータｚが表す重み付
け特性に対応するタップ係数が記憶されている。従っ
て、予測演算回路６には、そのようなタップ係数が供給
される。
に、係数生成回路１１３において生成された、パラメー
タメモリ１１２に記憶されたパラメータｚが表す重み付
け特性に対応するタップ係数が記憶されている。従っ
て、予測演算回路６には、そのようなタップ係数が供給
される。
【０２１１】その後、ステップＳ６９に進み、予測演算
回路６は、予測タップ生成回路３からの予測タップと、
係数RAM５からのタップ係数とを用いて、式（１）に示
した演算を行い、注目画素であるＨＤ画素ｙ（の予測
値）を求め、ステップＳ７０に進む。
回路６は、予測タップ生成回路３からの予測タップと、
係数RAM５からのタップ係数とを用いて、式（１）に示
した演算を行い、注目画素であるＨＤ画素ｙ（の予測
値）を求め、ステップＳ７０に進む。
【０２１２】ここで、予測演算回路６は、図２における
場合と同様に、１フレーム分のＨＤ画素が求められるま
で、ステップＳ６９で得られたＨＤ画素を記憶してお
り、１フレーム分のＨＤ画素が求められると、そのＨＤ
画素で構成される１フレームのＨＤ画像を出力する。
場合と同様に、１フレーム分のＨＤ画素が求められるま
で、ステップＳ６９で得られたＨＤ画素を記憶してお
り、１フレーム分のＨＤ画素が求められると、そのＨＤ
画素で構成される１フレームのＨＤ画像を出力する。
【０２１３】ステップＳ７０では、クラスタップ生成回
路２が、まだ、注目画素としていないＨＤ画素が存在す
るかどうかを判定し、存在すると判定した場合、ステッ
プＳ６１に戻り、以下、同様の処理を繰り返す。
路２が、まだ、注目画素としていないＨＤ画素が存在す
るかどうかを判定し、存在すると判定した場合、ステッ
プＳ６１に戻り、以下、同様の処理を繰り返す。
【０２１４】また、ステップＳ７０において、注目画素
としていないＨＤ画素が存在しないと判定された場合、
処理を終了する。
としていないＨＤ画素が存在しないと判定された場合、
処理を終了する。
【０２１５】以上のように、重み付け特性を表すパラメ
ータｚを、ユーザが操作部１１１を操作することによっ
て入力可能としたので、ユーザは、操作部１１１を操作
することによって重み付け特性を変更することができ、
自身の好みにあった画質のＨＤ画像を得ることができ
る。
ータｚを、ユーザが操作部１１１を操作することによっ
て入力可能としたので、ユーザは、操作部１１１を操作
することによって重み付け特性を変更することができ、
自身の好みにあった画質のＨＤ画像を得ることができ
る。
【０２１６】なお、図１３において、ステップＳ６３お
よびＳ６４の処理は、パラメータメモリ１１２に、異な
る値の新たなパラメータｚが上書きされた場合にのみ行
い、他の場合はスキップすることが可能である。
よびＳ６４の処理は、パラメータメモリ１１２に、異な
る値の新たなパラメータｚが上書きされた場合にのみ行
い、他の場合はスキップすることが可能である。
【０２１７】次に、図１２の係数生成回路１１３による
タップ係数の生成、および係数種RAM１１４に記憶させ
る係数種データの学習について説明する。
タップ係数の生成、および係数種RAM１１４に記憶させ
る係数種データの学習について説明する。
【０２１８】図１２の実施の形態では、係数生成回路１
１３において、式（１）の演算に用いられるタップ係数
ｗnが、係数種RAM１１４に記憶された係数種データと、
パラメータメモリ１１２に記憶されたパラメータｚとか
ら生成される。そこで、いま、係数生成回路１１３にお
けるタップ係数ｗnの生成が、例えば、係数種データと
パラメータを用いた次式によって行われることとする。
１３において、式（１）の演算に用いられるタップ係数
ｗnが、係数種RAM１１４に記憶された係数種データと、
パラメータメモリ１１２に記憶されたパラメータｚとか
ら生成される。そこで、いま、係数生成回路１１３にお
けるタップ係数ｗnの生成が、例えば、係数種データと
パラメータを用いた次式によって行われることとする。
【０２１９】
【数２１】
・・・（２１）
【０２２０】但し、式（２１）において、βm,nは、ｎ
番目のタップ係数ｗnを求めるのに用いられるｍ番目の
係数種データを表し、ｚは、パラメータを表す。なお、
式（２１）では、タップ係数ｗnが、Ｍ個の係数種デー
タβn,1，βn,2，・・・，βn,Mを用いて求められるよ
うになっている。
番目のタップ係数ｗnを求めるのに用いられるｍ番目の
係数種データを表し、ｚは、パラメータを表す。なお、
式（２１）では、タップ係数ｗnが、Ｍ個の係数種デー
タβn,1，βn,2，・・・，βn,Mを用いて求められるよ
うになっている。
【０２２１】ここで、タップ係数ｗnを求める式は、式
（２１）に限定されるものではない。
（２１）に限定されるものではない。
【０２２２】いま、式（２１）におけるパラメータｚに
よって決まる値ｚm-1を、新たな変数ｔmを導入して、次
式で定義する。
よって決まる値ｚm-1を、新たな変数ｔmを導入して、次
式で定義する。
【０２２３】
【数２２】
・・・（２２）
【０２２４】式（２２）を、式（２１）に代入すること
により、次式が得られる。
により、次式が得られる。
【０２２５】
【数２３】
・・・（２３）
【０２２６】式（２３）によれば、タップ係数ｗnは、
係数種データβn,mと変数ｔmとの線形１次式によって求
められることになるが、いま、この式（２３）によって
求められるタップ係数を、ｗn'と表すこととすると、次
の式（２４）で表される、式（４）の自乗誤差の総和を
最小にするタップ係数（以下、適宜、最適なタップ係数
という）ｗnと式（２３）により求められるタップ係数
ｗn'との誤差ｅnを０とする係数種データβn,mが、最適
なタップ係数ｗnを求めるのに最適なものとなる。
係数種データβn,mと変数ｔmとの線形１次式によって求
められることになるが、いま、この式（２３）によって
求められるタップ係数を、ｗn'と表すこととすると、次
の式（２４）で表される、式（４）の自乗誤差の総和を
最小にするタップ係数（以下、適宜、最適なタップ係数
という）ｗnと式（２３）により求められるタップ係数
ｗn'との誤差ｅnを０とする係数種データβn,mが、最適
なタップ係数ｗnを求めるのに最適なものとなる。
【０２２７】
【数２４】
・・・（２４）
【０２２８】しかしながら、すべてのタップ係数ｗnに
ついて、式（２４）の誤差ｅｎを０とする係数種データ
βn,mを求めることは、一般には困難である。
ついて、式（２４）の誤差ｅｎを０とする係数種データ
βn,mを求めることは、一般には困難である。
【０２２９】そこで、係数種データβn,mが最適なもの
であることを表す規範として、例えば、やはり、最小自
乗法を採用することとすると、まず、式（２４）は、式
（２３）によって、次式のように変形することができ
る。
であることを表す規範として、例えば、やはり、最小自
乗法を採用することとすると、まず、式（２４）は、式
（２３）によって、次式のように変形することができ
る。
【０２３０】
【数２５】
・・・（２５）
【０２３１】そして、最小自乗法によれば、最適な係数
種データβn,mは、次式で表される、式（２５）の誤差
ｅｎの自乗誤差の総和Ｅを最小にすることで求めること
ができる。
種データβn,mは、次式で表される、式（２５）の誤差
ｅｎの自乗誤差の総和Ｅを最小にすることで求めること
ができる。
【０２３２】
【数２６】
・・・（２６）
【０２３３】式（２６）の自乗誤差の総和Ｅの最小値
（極小値）は、式（２７）に示すように、総和Ｅを係数
種データβn,mで偏微分したものを０とするβn,mによっ
て与えられる。
（極小値）は、式（２７）に示すように、総和Ｅを係数
種データβn,mで偏微分したものを０とするβn,mによっ
て与えられる。
【０２３４】
【数２７】
・・・（２７）
【０２３５】式（２５）を、式（２７）に代入すること
により、次式が得られる。
により、次式が得られる。
【０２３６】
【数２８】
・・・（２８）
【０２３７】いま、Ｘi,j,とＹiを、式（２９）と（３
０）に示すように定義する。
０）に示すように定義する。
【０２３８】
【数２９】
・・・（２９）
【数３０】
・・・（３０）
【０２３９】この場合、式（２８）は、Ｘi,jとＹiを用
いた式（３１）に示す正規方程式で表すことができる。
いた式（３１）に示す正規方程式で表すことができる。
【０２４０】
【数３１】
・・・（３１）
【０２４１】式（３１）の正規方程式は、例えば、掃き
出し法（Gauss-Jordanの消去法）などを用いることによ
り、係数種データβn,mについて解くことができる。
出し法（Gauss-Jordanの消去法）などを用いることによ
り、係数種データβn,mについて解くことができる。
【０２４２】次に、図１４は、式（３１）の正規方程式
をたてて解くことにより係数種データβn,mを求める学
習を行う学習装置の一実施の形態の構成例を示してい
る。なお、図中、図４における場合と対応する部分につ
いては、同一の符号を付してあり、以下では、その説明
は、適宜省略する。即ち、図１４の学習装置は、足し込
み回路６８、タップ係数演算回路６８、およびタップ係
数メモリ６９に代えて、足し込み回路１２１、タップ係
数演算回路１２２、足し込み回路１２３、係数種演算回
路１２４、および係数種データメモリ１２５が設けられ
ているとともに、重み制御回路７１に代えて、重み制御
回路１２６が設けられ、さらに、パラメータ生成回路１
２７が新たに設けられている他は、図４における場合と
同様に構成されている。
をたてて解くことにより係数種データβn,mを求める学
習を行う学習装置の一実施の形態の構成例を示してい
る。なお、図中、図４における場合と対応する部分につ
いては、同一の符号を付してあり、以下では、その説明
は、適宜省略する。即ち、図１４の学習装置は、足し込
み回路６８、タップ係数演算回路６８、およびタップ係
数メモリ６９に代えて、足し込み回路１２１、タップ係
数演算回路１２２、足し込み回路１２３、係数種演算回
路１２４、および係数種データメモリ１２５が設けられ
ているとともに、重み制御回路７１に代えて、重み制御
回路１２６が設けられ、さらに、パラメータ生成回路１
２７が新たに設けられている他は、図４における場合と
同様に構成されている。
【０２４３】足し込み回路１２１、タップ係数演算回路
１２２、足し込み回路１２３、および係数種演算回路１
２４は、学習対データベース６３に記憶された学習対デ
ータにおける、注目画素となっている教師データと、予
測タップ生成回路６５から供給される予測タップに対し
て、重み制御回路１２６からの制御にしたがった重み付
けを行いながら、学習対データベース６３に記憶された
学習対データとしての教師データと生徒データとの関係
を、クラス分類回路６６から供給されるクラスごとに学
習することにより、クラスごとの係数種データを求め
る。
１２２、足し込み回路１２３、および係数種演算回路１
２４は、学習対データベース６３に記憶された学習対デ
ータにおける、注目画素となっている教師データと、予
測タップ生成回路６５から供給される予測タップに対し
て、重み制御回路１２６からの制御にしたがった重み付
けを行いながら、学習対データベース６３に記憶された
学習対データとしての教師データと生徒データとの関係
を、クラス分類回路６６から供給されるクラスごとに学
習することにより、クラスごとの係数種データを求め
る。
【０２４４】即ち、足し込み回路１２１には、学習対デ
ータベースに記憶された注目画素としての教師データ、
予測タップ生成回路６５が出力する注目画素についての
予測タップ、クラス分類回路６６が出力する注目画素に
ついてのクラスコード、重み制御回路１２６が出力する
重み情報、およびパラメータ生成回路１２７が出力する
パラメータｚが供給される。
ータベースに記憶された注目画素としての教師データ、
予測タップ生成回路６５が出力する注目画素についての
予測タップ、クラス分類回路６６が出力する注目画素に
ついてのクラスコード、重み制御回路１２６が出力する
重み情報、およびパラメータ生成回路１２７が出力する
パラメータｚが供給される。
【０２４５】足し込み回路１２１は、図４の足し込み回
路６７と同様に、注目画素ｙk、予測タップを構成する
ＳＤ画素ｘn,k、および重み情報が表す重みｈkを対象と
して、式（２０）における左辺の行列と右辺のベクトル
を構成する各コンポーネントを求める足し込みを行う。
但し、図４の足し込み回路６７は、式（２０）の足し込
みを、クラスごとのみに行うが、足し込み回路１２１
は、式（２０）の足し込みを、クラスごとに、かつパラ
メータｚの値ごとに行う。
路６７と同様に、注目画素ｙk、予測タップを構成する
ＳＤ画素ｘn,k、および重み情報が表す重みｈkを対象と
して、式（２０）における左辺の行列と右辺のベクトル
を構成する各コンポーネントを求める足し込みを行う。
但し、図４の足し込み回路６７は、式（２０）の足し込
みを、クラスごとのみに行うが、足し込み回路１２１
は、式（２０）の足し込みを、クラスごとに、かつパラ
メータｚの値ごとに行う。
【０２４６】即ち、足し込み回路１２１は、クラス分類
回路６６から供給されるクラスコードに対応するクラス
ごとに、かつパラメータ生成回路１２７が出力するパラ
メータｚの値ごとに、予測タップｘn,kを用い、式（２
０）の左辺の行列における生徒データどうしの乗算（ｘ
n,kｘn',kｈk）と、サメーション（Σ）に相当する演算
を行う。
回路６６から供給されるクラスコードに対応するクラス
ごとに、かつパラメータ生成回路１２７が出力するパラ
メータｚの値ごとに、予測タップｘn,kを用い、式（２
０）の左辺の行列における生徒データどうしの乗算（ｘ
n,kｘn',kｈk）と、サメーション（Σ）に相当する演算
を行う。
【０２４７】さらに、足し込み回路１２１は、やはり、
クラス分類回路６６から供給されるクラスコードに対応
するクラスごとに、かつパラメータ生成回路１２７が出
力するパラメータｚの値ごとに、予測タップｘn,kと教
師データｙkを用い、式（２０）の右辺のベクトルにお
ける生徒データｘn,kおよび教師データｙkの乗算（ｘn,
kｙkｈk）と、サメーション（Σ）に相当する演算を行
う。
クラス分類回路６６から供給されるクラスコードに対応
するクラスごとに、かつパラメータ生成回路１２７が出
力するパラメータｚの値ごとに、予測タップｘn,kと教
師データｙkを用い、式（２０）の右辺のベクトルにお
ける生徒データｘn,kおよび教師データｙkの乗算（ｘn,
kｙkｈk）と、サメーション（Σ）に相当する演算を行
う。
【０２４８】具体的には、足し込み回路１２１は、前
回、注目画素とされた教師データについて求められた式
（２０）における左辺の行列のコンポーネント（Σｘ
n,kｘn', kｈk）と、右辺のベクトルのコンポーネント
（Σｘn,kｙkｈk）を、その内蔵するメモリ（図５に示
した足し込み回路６７を構成するメモリ８３と８４に相
当するメモリ）に記憶しており、その行列のコンポーネ
ント（Σｘn,kｘn',kｈk）またはベクトルのコンポーネ
ント（Σｘn,kｙkｈk）に対して、新たに注目画素とさ
れた教師データについて、その注目画素ｙk+1および予
測タップｘn,k+1、並びに重みｈk+1を用いて計算され
る、対応するコンポーネントｘn,k+1ｘn',k+1ｈk+ 1また
はｘn,k+1ｙk+1ｈk+1をそれぞれ足し込む（式（２０）
のサメーションで表される加算を行う）。
回、注目画素とされた教師データについて求められた式
（２０）における左辺の行列のコンポーネント（Σｘ
n,kｘn', kｈk）と、右辺のベクトルのコンポーネント
（Σｘn,kｙkｈk）を、その内蔵するメモリ（図５に示
した足し込み回路６７を構成するメモリ８３と８４に相
当するメモリ）に記憶しており、その行列のコンポーネ
ント（Σｘn,kｘn',kｈk）またはベクトルのコンポーネ
ント（Σｘn,kｙkｈk）に対して、新たに注目画素とさ
れた教師データについて、その注目画素ｙk+1および予
測タップｘn,k+1、並びに重みｈk+1を用いて計算され
る、対応するコンポーネントｘn,k+1ｘn',k+1ｈk+ 1また
はｘn,k+1ｙk+1ｈk+1をそれぞれ足し込む（式（２０）
のサメーションで表される加算を行う）。
【０２４９】そして、足し込み回路１２１は、学習対デ
ータベース６３に記憶された教師データすべてを注目画
素として、上述の足し込みを行うことにより、各クラス
について、パラメータｚの各値ごとに、式（２０）に示
した正規方程式をたてると、その正規方程式を、タップ
係数演算回路１２２に供給する。
ータベース６３に記憶された教師データすべてを注目画
素として、上述の足し込みを行うことにより、各クラス
について、パラメータｚの各値ごとに、式（２０）に示
した正規方程式をたてると、その正規方程式を、タップ
係数演算回路１２２に供給する。
【０２５０】タップ係数演算回路１２２は、足し込み回
路１２１から供給される各クラスについての、パラメー
タｚの値ごとの正規方程式を解くことにより、各クラス
について、パラメータｚの値ごとの最適なタップ係数ｗ
nを求め、足し込み回路１２３に供給する。
路１２１から供給される各クラスについての、パラメー
タｚの値ごとの正規方程式を解くことにより、各クラス
について、パラメータｚの値ごとの最適なタップ係数ｗ
nを求め、足し込み回路１２３に供給する。
【０２５１】足し込み回路１２３は、各クラスごとに、
パラメータｚ（に対応する変数ｔm）と、最適なタップ
係数ｗnを対象とした足し込みを行う。
パラメータｚ（に対応する変数ｔm）と、最適なタップ
係数ｗnを対象とした足し込みを行う。
【０２５２】即ち、足し込み回路１２３は、パラメータ
ｚから式（２２）によって求められる変数ｔi（ｔj）を
用い、式（３１）の左辺の行列における、式（２９）で
定義されるコンポーネントＸi,jを求めるためのパラメ
ータｚに対応する変数ｔi（ｔ j）どうしの乗算（ｔ
iｔj）と、サメーション（Σ）に相当する演算を、クラ
スごとに行う。
ｚから式（２２）によって求められる変数ｔi（ｔj）を
用い、式（３１）の左辺の行列における、式（２９）で
定義されるコンポーネントＸi,jを求めるためのパラメ
ータｚに対応する変数ｔi（ｔ j）どうしの乗算（ｔ
iｔj）と、サメーション（Σ）に相当する演算を、クラ
スごとに行う。
【０２５３】ここで、コンポーネントＸi,jは、パラメ
ータｚによってのみ決まるものであり、注目画素のクラ
スとは関係がないので、コンポーネントＸi,jの計算
は、実際には、クラスごとに行う必要はなく、１回行う
だけで済む。
ータｚによってのみ決まるものであり、注目画素のクラ
スとは関係がないので、コンポーネントＸi,jの計算
は、実際には、クラスごとに行う必要はなく、１回行う
だけで済む。
【０２５４】さらに、足し込み回路１２３は、パラメー
タｚから式（２２）によって求められる変数ｔiと、最
適なタップ係数ｗnとを用い、式（３１）の右辺のベク
トルにおける、式（３０）で定義されるコンポーネント
Ｙiを求めるためのパラメータｚに対応する変数ｔiおよ
び最適なタップ係数ｗnの乗算（ｔiｗn）と、サメーシ
ョン（Σ）に相当する演算を、クラスごとに行う。
タｚから式（２２）によって求められる変数ｔiと、最
適なタップ係数ｗnとを用い、式（３１）の右辺のベク
トルにおける、式（３０）で定義されるコンポーネント
Ｙiを求めるためのパラメータｚに対応する変数ｔiおよ
び最適なタップ係数ｗnの乗算（ｔiｗn）と、サメーシ
ョン（Σ）に相当する演算を、クラスごとに行う。
【０２５５】足し込み回路１２３は、各クラスごとに、
式（２９）で表されるコンポーネントＸi,jと、式（３
０）で表されるコンポーネントＹiを求めることによ
り、各クラスについて、式（３１）の正規方程式をたて
ると、その正規方程式を、係数種演算回路１２４に供給
する。
式（２９）で表されるコンポーネントＸi,jと、式（３
０）で表されるコンポーネントＹiを求めることによ
り、各クラスについて、式（３１）の正規方程式をたて
ると、その正規方程式を、係数種演算回路１２４に供給
する。
【０２５６】係数種演算回路１２４は、足し込み回路１
２３から供給されるクラスごとの式（３１）の正規方程
式を解くことにより、各クラスごとの係数種データβ
m,nを求めて出力する。
２３から供給されるクラスごとの式（３１）の正規方程
式を解くことにより、各クラスごとの係数種データβ
m,nを求めて出力する。
【０２５７】係数種データメモリ１２５は、係数種演算
回路１２４が出力するクラスごとの係数種データβm,n
を記憶する。
回路１２４が出力するクラスごとの係数種データβm,n
を記憶する。
【０２５８】重み制御回路１２６は、図４の重み制御回
路７１と同様に、ＤＲ検出回路７０から供給される予測
タップのアクティビティとしてのダイナミックレンジに
基づいて、注目画素とその予測タップに対する、上述の
足し込み回路１２１における重み付けを制御する。
路７１と同様に、ＤＲ検出回路７０から供給される予測
タップのアクティビティとしてのダイナミックレンジに
基づいて、注目画素とその予測タップに対する、上述の
足し込み回路１２１における重み付けを制御する。
【０２５９】但し、重み制御回路１２６には、パラメー
タ生成回路１２７が出力するパラメータｚが供給される
ようになっている。そして、重み制御回路１２６は、複
数種類の重み付け特性を、パラメータ生成回路１２７が
出力するパラメータｚの各値と対応付けて記憶してお
り、パラメータ生成回路１２７が出力するパラメータｚ
に対応付けられている重み特性にしたがい、ＤＲ検出回
路７０から供給される予測タップのダイナミックレンジ
に対応する重みｈを求め、その重みｈによって、注目画
素と予測タップに対する重み付けを行うことを指示する
重み情報を、足し込み回路１２１に供給する。
タ生成回路１２７が出力するパラメータｚが供給される
ようになっている。そして、重み制御回路１２６は、複
数種類の重み付け特性を、パラメータ生成回路１２７が
出力するパラメータｚの各値と対応付けて記憶してお
り、パラメータ生成回路１２７が出力するパラメータｚ
に対応付けられている重み特性にしたがい、ＤＲ検出回
路７０から供給される予測タップのダイナミックレンジ
に対応する重みｈを求め、その重みｈによって、注目画
素と予測タップに対する重み付けを行うことを指示する
重み情報を、足し込み回路１２１に供給する。
【０２６０】ここで、重み制御回路１２６に記憶させる
複数種類の重み付け特性としては、例えば、図６Ａ乃至
図６Ｃに示したような、２値の重みを取り得るステップ
状の関数であって、その２値の重みのうちのいずれか一
方または両方が、パラメータｚの値に対応して大きくな
っていく、あるいは小さくなっていく関数を採用するこ
とができる。また、複数種類の重み付け特性としては、
図６Ａ乃至図６Ｃに示したようなステップ状の関数であ
って、２値の重みの切り換えが行われるダイナミックレ
ンジの閾値が、パラメータｚの値に対応して変化する関
数を採用することもできる。さらに、複数種類の重み付
け特性としては、例えば、図６Ａ乃至図６Ｃに示したよ
うな、重みが、ダイナミックレンジに応じて滑らかに変
化する関数であって、その関数の形状（変化の仕方）
が、パラメータｚの値に対応して変化する関数を採用す
ることもできる。
複数種類の重み付け特性としては、例えば、図６Ａ乃至
図６Ｃに示したような、２値の重みを取り得るステップ
状の関数であって、その２値の重みのうちのいずれか一
方または両方が、パラメータｚの値に対応して大きくな
っていく、あるいは小さくなっていく関数を採用するこ
とができる。また、複数種類の重み付け特性としては、
図６Ａ乃至図６Ｃに示したようなステップ状の関数であ
って、２値の重みの切り換えが行われるダイナミックレ
ンジの閾値が、パラメータｚの値に対応して変化する関
数を採用することもできる。さらに、複数種類の重み付
け特性としては、例えば、図６Ａ乃至図６Ｃに示したよ
うな、重みが、ダイナミックレンジに応じて滑らかに変
化する関数であって、その関数の形状（変化の仕方）
が、パラメータｚの値に対応して変化する関数を採用す
ることもできる。
【０２６１】パラメータ生成回路１２７は、図１２の操
作部１１１がパラメータメモリ１１２に供給するパラメ
ータｚが取り得る範囲の幾つかの値としての、例えば、
ｚ＝０，１，・・・，Ｚを生成し、足し込み回路１２１
と重み制御回路１２６に供給する。
作部１１１がパラメータメモリ１１２に供給するパラメ
ータｚが取り得る範囲の幾つかの値としての、例えば、
ｚ＝０，１，・・・，Ｚを生成し、足し込み回路１２１
と重み制御回路１２６に供給する。
【０２６２】ここで、パラメータ生成回路１２７が出力
するパラメータＺとしては、上述のような０，１，・・
・，Ｚなどの整数値を採用することができる。一方、図
１２の係数生成回路１１３では、タップ係数が、式（２
１）に示したように、係数種データβm,nとパラメータ
Ｚを用いて計算されることから、図１２の操作部１１１
が出力するパラメータＺとしては、小数点以下の値を有
する実数値などを採用することができる。
するパラメータＺとしては、上述のような０，１，・・
・，Ｚなどの整数値を採用することができる。一方、図
１２の係数生成回路１１３では、タップ係数が、式（２
１）に示したように、係数種データβm,nとパラメータ
Ｚを用いて計算されることから、図１２の操作部１１１
が出力するパラメータＺとしては、小数点以下の値を有
する実数値などを採用することができる。
【０２６３】次に、図１５のフローチャートを参照し
て、図１４の学習装置の処理（学習処理）について説明
する。
て、図１４の学習装置の処理（学習処理）について説明
する。
【０２６４】まず最初に、ステップＳ７１において、学
習対生成回路６２は、図７のステップＳ２１における場
合と同様に、学習用データベース６１に記憶された学習
用の画像データから、教師データと生徒データとをセッ
トにした学習対データを生成し、学習対データベース６
３に供給して記憶させる。
習対生成回路６２は、図７のステップＳ２１における場
合と同様に、学習用データベース６１に記憶された学習
用の画像データから、教師データと生徒データとをセッ
トにした学習対データを生成し、学習対データベース６
３に供給して記憶させる。
【０２６５】そして、ステップＳ７２に進み、クラスタ
ップ生成回路６４は、学習対データベース６３に記憶さ
れた学習対データにおける教師データとしてのＨＤ画素
の中から、まだ注目画素としていないもののうちの１つ
を注目画素として選択し、ステップＳ７３に進む。
ップ生成回路６４は、学習対データベース６３に記憶さ
れた学習対データにおける教師データとしてのＨＤ画素
の中から、まだ注目画素としていないもののうちの１つ
を注目画素として選択し、ステップＳ７３に進む。
【０２６６】ステップＳ７３では、パラメータ生成回路
１２７が、パラメータｚを、初期値としての、例えば０
にセットし、足し込み回路１２１と重み制御回路１２６
に供給して、ステップＳ７４に進む。
１２７が、パラメータｚを、初期値としての、例えば０
にセットし、足し込み回路１２１と重み制御回路１２６
に供給して、ステップＳ７４に進む。
【０２６７】ステップＳ７４では、重み制御回路１２６
は、足し込み回路１２１における重み付けを制御するの
に用いる重み付け特性を決定する。即ち、ステップＳ７
４では、重み制御回路１２６は、自身が記憶している複
数種類の重み付け特性の中から、パラメータ生成回路１
２７から供給されたパラメータｚに対応付けられている
重み付け特性を選択し、その重み付け特性（以下、適
宜、選択重み付け特性という）を、足し込み回路１２１
における重み付けを制御するのに用いる重み付け特性と
して決定する。
は、足し込み回路１２１における重み付けを制御するの
に用いる重み付け特性を決定する。即ち、ステップＳ７
４では、重み制御回路１２６は、自身が記憶している複
数種類の重み付け特性の中から、パラメータ生成回路１
２７から供給されたパラメータｚに対応付けられている
重み付け特性を選択し、その重み付け特性（以下、適
宜、選択重み付け特性という）を、足し込み回路１２１
における重み付けを制御するのに用いる重み付け特性と
して決定する。
【０２６８】そして、ステップＳ７５に進み、クラスタ
ップ生成回路６４と予測タップ生成回路６５は、注目画
素についてのクラスタップと予測タップを、学習対デー
タベース６３に記憶された生徒データとしてのＳＤ画素
から、それぞれ生成する。さらに、ステップＳ７５で
は、クラスタップ生成回路６４が、クラスタップをクラ
ス分類回路６６に供給するとともに、予測タップ生成回
路６５が、予測タップを、ＤＲ検出回路７０と足し込み
回路１２１に供給し、ステップＳ７６に進む。
ップ生成回路６４と予測タップ生成回路６５は、注目画
素についてのクラスタップと予測タップを、学習対デー
タベース６３に記憶された生徒データとしてのＳＤ画素
から、それぞれ生成する。さらに、ステップＳ７５で
は、クラスタップ生成回路６４が、クラスタップをクラ
ス分類回路６６に供給するとともに、予測タップ生成回
路６５が、予測タップを、ＤＲ検出回路７０と足し込み
回路１２１に供給し、ステップＳ７６に進む。
【０２６９】ステップＳ７６では、クラス分類回路６６
が、クラスタップ生成回路６４からのクラスタップを用
いて、注目画素をクラス分類し、その注目画素のクラス
を表すクラスコードを、足し込み回路１２１に供給し
て、ステップＳ７７に進む。
が、クラスタップ生成回路６４からのクラスタップを用
いて、注目画素をクラス分類し、その注目画素のクラス
を表すクラスコードを、足し込み回路１２１に供給し
て、ステップＳ７７に進む。
【０２７０】ステップＳ７７では、ＤＲ検出回路７０
が、予測タップ生成回路６５からの予測タップのダイナ
ミックレンジを検出し、重み制御回路１２６に供給し
て、ステップＳ７８に進む。ステップＳ７８では、重み
制御回路１２６は、直前のステップＳ７４で決定された
選択重み付け特性にしたがい、その選択重み付け特性に
おいて、ＤＲ検出回路７０から供給されるダイナミック
レンジに対応付けられている重みを、注目画素と予測タ
ップに対する重みとして決定し、その重みを表す重み情
報を、足し込み回路１２１に供給する。
が、予測タップ生成回路６５からの予測タップのダイナ
ミックレンジを検出し、重み制御回路１２６に供給し
て、ステップＳ７８に進む。ステップＳ７８では、重み
制御回路１２６は、直前のステップＳ７４で決定された
選択重み付け特性にしたがい、その選択重み付け特性に
おいて、ＤＲ検出回路７０から供給されるダイナミック
レンジに対応付けられている重みを、注目画素と予測タ
ップに対する重みとして決定し、その重みを表す重み情
報を、足し込み回路１２１に供給する。
【０２７１】そして、ステップＳ７９に進み、足し込み
回路１２１は、学習対データベース６３から注目画素と
なっている教師データであるＨＤ画素を読み出し、パラ
メータ生成回路１２７から供給されるパラメータｚにつ
いて、注目画素ｙk、予測タップ生成回路６５から供給
される予測タップｘn,k、および重み制御回路１２６か
ら供給される重みｈkを用いて、式（２０）における左
辺の行列のコンポーネントｘn,kｘn',kｈkと、右辺のベ
クトルのコンポーネントｘn,kｙkｈkを計算する。さら
に、足し込み回路１２１は、パラメータ生成回路１２７
から供給されるパラメータｚについて既に得られている
行列のコンポーネントとベクトルのコンポーネントのう
ち、クラス分類回路６６からのクラスコードに対応する
ものに対して、注目画素および予測タップから求められ
た行列のコンポーネントｘn,kｘn ',kｈkとベクトルのコ
ンポーネントｘn,kｙkｈkを足し込み、ステップＳ８０
に進む。
回路１２１は、学習対データベース６３から注目画素と
なっている教師データであるＨＤ画素を読み出し、パラ
メータ生成回路１２７から供給されるパラメータｚにつ
いて、注目画素ｙk、予測タップ生成回路６５から供給
される予測タップｘn,k、および重み制御回路１２６か
ら供給される重みｈkを用いて、式（２０）における左
辺の行列のコンポーネントｘn,kｘn',kｈkと、右辺のベ
クトルのコンポーネントｘn,kｙkｈkを計算する。さら
に、足し込み回路１２１は、パラメータ生成回路１２７
から供給されるパラメータｚについて既に得られている
行列のコンポーネントとベクトルのコンポーネントのう
ち、クラス分類回路６６からのクラスコードに対応する
ものに対して、注目画素および予測タップから求められ
た行列のコンポーネントｘn,kｘn ',kｈkとベクトルのコ
ンポーネントｘn,kｙkｈkを足し込み、ステップＳ８０
に進む。
【０２７２】ステップＳ８０では、パラメータ生成回路
１２７が、自身が出力しているパラメータｚが、その取
り得る値の最大値であるＺに等しいかどうかを判定す
る。ステップＳ８０において、パラメータ生成回路１２
７が出力しているパラメータｚが最大値Ｚに等しくない
（最大値Ｚ未満である）と判定された場合、ステップＳ
８１に進み、パラメータ生成回路１２７は、パラメータ
ｚに、例えば１を加算し、その加算値を新たなパラメー
タとして、足し込み回路１２１と重み制御回路１２６に
出力する。そして、ステップＳ７４に戻り、以下、同様
の処理が繰り返される。
１２７が、自身が出力しているパラメータｚが、その取
り得る値の最大値であるＺに等しいかどうかを判定す
る。ステップＳ８０において、パラメータ生成回路１２
７が出力しているパラメータｚが最大値Ｚに等しくない
（最大値Ｚ未満である）と判定された場合、ステップＳ
８１に進み、パラメータ生成回路１２７は、パラメータ
ｚに、例えば１を加算し、その加算値を新たなパラメー
タとして、足し込み回路１２１と重み制御回路１２６に
出力する。そして、ステップＳ７４に戻り、以下、同様
の処理が繰り返される。
【０２７３】即ち、この場合、ステップＳ７４では、重
み制御回路１２６は、自身が記憶している複数種類の重
み付け特性の中から、パラメータ生成回路１２７から供
給される新たなパラメータｚに対応付けられている重み
付け特性を選択し、その重み付け特性（選択重み付け特
性）を、足し込み回路１２１における重み付けを制御す
るのに用いる重み付け特性として決定する。そして、以
下、同様の処理を繰り返す。
み制御回路１２６は、自身が記憶している複数種類の重
み付け特性の中から、パラメータ生成回路１２７から供
給される新たなパラメータｚに対応付けられている重み
付け特性を選択し、その重み付け特性（選択重み付け特
性）を、足し込み回路１２１における重み付けを制御す
るのに用いる重み付け特性として決定する。そして、以
下、同様の処理を繰り返す。
【０２７４】また、ステップＳ８０において、パラメー
タｚが最大値Ｚに等しいと判定された場合、ステップＳ
８２に進み、クラスタップ生成回路６４が、学習対デー
タベース６３に、まだ、注目画素としていない教師デー
タが記憶されているかどうかを判定する。ステップＳ８
２において、注目画素としていない教師データが、ま
だ、学習対データベース６３に記憶されていると判定さ
れた場合、ステップＳ７２に戻り、以下、同様の処理が
繰り返される。
タｚが最大値Ｚに等しいと判定された場合、ステップＳ
８２に進み、クラスタップ生成回路６４が、学習対デー
タベース６３に、まだ、注目画素としていない教師デー
タが記憶されているかどうかを判定する。ステップＳ８
２において、注目画素としていない教師データが、ま
だ、学習対データベース６３に記憶されていると判定さ
れた場合、ステップＳ７２に戻り、以下、同様の処理が
繰り返される。
【０２７５】また、ステップＳ８２において、注目画素
としていない教師データが、学習対データベース６３に
記憶されていないと判定された場合、足し込み回路１２
１は、いままでの処理によって得られた、パラメータｚ
の各値についての、クラスごとの式（２０）における左
辺の行列と、右辺のベクトルを、タップ係数演算回路１
２２に供給し、ステップＳ８３に進む。
としていない教師データが、学習対データベース６３に
記憶されていないと判定された場合、足し込み回路１２
１は、いままでの処理によって得られた、パラメータｚ
の各値についての、クラスごとの式（２０）における左
辺の行列と、右辺のベクトルを、タップ係数演算回路１
２２に供給し、ステップＳ８３に進む。
【０２７６】ステップＳ８３では、タップ係数演算回路
１２２は、足し込み回路１２１から供給される、パラメ
ータｚの各値についての、クラスごとの式（２０）にお
ける左辺の行列と右辺のベクトルによって構成される正
規方程式を解くことにより、パラメータｚの各値につい
て、各クラスごとのタップ係数ｗnを求める。さらに、
タップ係数演算回路１２２は、そのパラメータｚの各値
について、各クラスごとのタップ係数ｗnを、足し込み
回路１２３に供給して、ステップＳ８４に進む。
１２２は、足し込み回路１２１から供給される、パラメ
ータｚの各値についての、クラスごとの式（２０）にお
ける左辺の行列と右辺のベクトルによって構成される正
規方程式を解くことにより、パラメータｚの各値につい
て、各クラスごとのタップ係数ｗnを求める。さらに、
タップ係数演算回路１２２は、そのパラメータｚの各値
について、各クラスごとのタップ係数ｗnを、足し込み
回路１２３に供給して、ステップＳ８４に進む。
【０２７７】ステップＳ８４では、足し込み回路１２３
は、タップ係数演算回路１２２から供給される、パラメ
ータｚの各値についての、各クラスごとのタップ係数ｗ
nと、そのパラメータｚとを対象として、式（３１）に
おける、式（２９）で定義されるコンポーネントＸi,j
と、式（３０）で定義されるコンポーネントＹiを求め
るための足し込みを行う。
は、タップ係数演算回路１２２から供給される、パラメ
ータｚの各値についての、各クラスごとのタップ係数ｗ
nと、そのパラメータｚとを対象として、式（３１）に
おける、式（２９）で定義されるコンポーネントＸi,j
と、式（３０）で定義されるコンポーネントＹiを求め
るための足し込みを行う。
【０２７８】即ち、ステップＳ８４では、足し込み回路
１２３は、パラメータｚの各値について、式（２２）に
よって求められる変数ｔi（ｔj）を用い、式（３１）の
左辺の行列における、式（２９）で定義されるコンポー
ネントＸi,jを求めるためのパラメータｚに対応する変
数ｔi（ｔj）どうしの乗算（ｔiｔj）と、サメーション
（Σ）に相当する演算を行う。さらに、ステップＳ８４
では、足し込み回路１２３は、パラメータｚの各値から
式（２２）によって求められる変数ｔiと、そのパラメ
ータｚの各値についての、タップ係数演算回路１２２か
らのタップ係数ｗnとを用い、式（３１）の右辺のベク
トルにおける、式（３０）で定義されるコンポーネント
Ｙiを求めるためのパラメータｚに対応する変数ｔiおよ
び最適なタップ係数ｗnの乗算（ｔiｗn）と、サメーシ
ョン（Σ）に相当する演算を、クラスごとに行う。
１２３は、パラメータｚの各値について、式（２２）に
よって求められる変数ｔi（ｔj）を用い、式（３１）の
左辺の行列における、式（２９）で定義されるコンポー
ネントＸi,jを求めるためのパラメータｚに対応する変
数ｔi（ｔj）どうしの乗算（ｔiｔj）と、サメーション
（Σ）に相当する演算を行う。さらに、ステップＳ８４
では、足し込み回路１２３は、パラメータｚの各値から
式（２２）によって求められる変数ｔiと、そのパラメ
ータｚの各値についての、タップ係数演算回路１２２か
らのタップ係数ｗnとを用い、式（３１）の右辺のベク
トルにおける、式（３０）で定義されるコンポーネント
Ｙiを求めるためのパラメータｚに対応する変数ｔiおよ
び最適なタップ係数ｗnの乗算（ｔiｗn）と、サメーシ
ョン（Σ）に相当する演算を、クラスごとに行う。
【０２７９】足し込み回路１２３は、各クラスごとに、
式（２９）で表されるコンポーネントＸi,jと、式（３
０）で表されるコンポーネントＹiを求め、これによ
り、各クラスについて、式（３１）の正規方程式をたて
ると、その正規方程式を、係数種演算回路１２４に供給
し、ステップＳ８４からＳ８５に進む。
式（２９）で表されるコンポーネントＸi,jと、式（３
０）で表されるコンポーネントＹiを求め、これによ
り、各クラスについて、式（３１）の正規方程式をたて
ると、その正規方程式を、係数種演算回路１２４に供給
し、ステップＳ８４からＳ８５に進む。
【０２８０】ステップＳ８５では、係数種演算回路１２
４は、足し込み回路１２３から供給されるクラスごとの
式（３１）の正規方程式を解くことにより、各クラスご
との係数種データβm,nを求め、係数種データメモリ１
２５に供給して記憶させ、処理を終了する。
４は、足し込み回路１２３から供給されるクラスごとの
式（３１）の正規方程式を解くことにより、各クラスご
との係数種データβm,nを求め、係数種データメモリ１
２５に供給して記憶させ、処理を終了する。
【０２８１】以上のようにして得られた係数種データ
が、図１２の画像処理装置における係数種RAM１１４に
記憶されている。
が、図１２の画像処理装置における係数種RAM１１４に
記憶されている。
【０２８２】ここで、図８の画像処理装置において、図
１４のタップ係数演算回路１２２が出力するパラメータ
ｚの各値ごとの最適なタップ係数ｗnを記憶させてお
き、操作部１０２の操作に対応するパラメータｚに応じ
た最適なタップ係数を選択して用いることとした場合、
図８の画像処理装置には、パラメータｚが取り得る離散
値（ここでは、０，１，・・・，Ｚ）の数に比例した大
きな容量のメモリが必要となる。これに対して、図１２
の画像処理装置では、係数種データが記憶される係数種
RAM１１４の記憶容量は、パラメータｚが取り得る値の
数に依存しないので、係数種RAM１１４として、小さな
容量のメモリを採用することができる。さらに、係数種
データβm,nを記憶させておく場合には、その係数種デ
ータβm,nと、パラメータｚの値とから、式（２１）に
よりタップ係数ｗnが生成されることから、パラメータ
ｚの値に応じた、いわば連続的なタップ係数ｗnを得る
ことができる。
１４のタップ係数演算回路１２２が出力するパラメータ
ｚの各値ごとの最適なタップ係数ｗnを記憶させてお
き、操作部１０２の操作に対応するパラメータｚに応じ
た最適なタップ係数を選択して用いることとした場合、
図８の画像処理装置には、パラメータｚが取り得る離散
値（ここでは、０，１，・・・，Ｚ）の数に比例した大
きな容量のメモリが必要となる。これに対して、図１２
の画像処理装置では、係数種データが記憶される係数種
RAM１１４の記憶容量は、パラメータｚが取り得る値の
数に依存しないので、係数種RAM１１４として、小さな
容量のメモリを採用することができる。さらに、係数種
データβm,nを記憶させておく場合には、その係数種デ
ータβm,nと、パラメータｚの値とから、式（２１）に
よりタップ係数ｗnが生成されることから、パラメータ
ｚの値に応じた、いわば連続的なタップ係数ｗnを得る
ことができる。
【０２８３】そして、図１２の画像処理装置では、上述
のように、パラメータｚの値に応じて連続的に変化する
重み付け特性に対応するタップ係数を得ることができる
ので、ユーザは、自身の好みに合致した画質の画像を得
ることができる。
のように、パラメータｚの値に応じて連続的に変化する
重み付け特性に対応するタップ係数を得ることができる
ので、ユーザは、自身の好みに合致した画質の画像を得
ることができる。
【０２８４】次に、上述した一連の処理は、ハードウェ
アにより行うこともできるし、ソフトウェアにより行う
こともできる。一連の処理をソフトウェアによって行う
場合には、そのソフトウェアを構成するプログラムが、
汎用のコンピュータ等にインストールされる。
アにより行うこともできるし、ソフトウェアにより行う
こともできる。一連の処理をソフトウェアによって行う
場合には、そのソフトウェアを構成するプログラムが、
汎用のコンピュータ等にインストールされる。
【０２８５】そこで、図１６は、上述した一連の処理を
実行するプログラムがインストールされるコンピュータ
の一実施の形態の構成例を示している。
実行するプログラムがインストールされるコンピュータ
の一実施の形態の構成例を示している。
【０２８６】プログラムは、コンピュータに内蔵されて
いる記録媒体としてのハードディスク２０５やＲＯＭ２
０３に予め記録しておくことができる。
いる記録媒体としてのハードディスク２０５やＲＯＭ２
０３に予め記録しておくことができる。
【０２８７】あるいはまた、プログラムは、フレキシブ
ルディスク、CD-ROM(Compact DiscRead Only Memory)，
MO(Magneto Optical)ディスク，DVD(Digital Versatile
Disc)、磁気ディスク、半導体メモリなどのリムーバブ
ル記録媒体２１１に、一時的あるいは永続的に格納（記
録）しておくことができる。このようなリムーバブル記
録媒体２１１は、いわゆるパッケージソフトウエアとし
て提供することができる。
ルディスク、CD-ROM(Compact DiscRead Only Memory)，
MO(Magneto Optical)ディスク，DVD(Digital Versatile
Disc)、磁気ディスク、半導体メモリなどのリムーバブ
ル記録媒体２１１に、一時的あるいは永続的に格納（記
録）しておくことができる。このようなリムーバブル記
録媒体２１１は、いわゆるパッケージソフトウエアとし
て提供することができる。
【０２８８】なお、プログラムは、上述したようなリム
ーバブル記録媒体２１１からコンピュータにインストー
ルする他、ダウンロードサイトから、ディジタル衛星放
送用の人工衛星を介して、コンピュータに無線で転送し
たり、LAN(Local Area Network)、インターネットとい
ったネットワークを介して、コンピュータに有線で転送
し、コンピュータでは、そのようにして転送されてくる
プログラムを、通信部２０８で受信し、内蔵するハード
ディスク２０５にインストールすることができる。
ーバブル記録媒体２１１からコンピュータにインストー
ルする他、ダウンロードサイトから、ディジタル衛星放
送用の人工衛星を介して、コンピュータに無線で転送し
たり、LAN(Local Area Network)、インターネットとい
ったネットワークを介して、コンピュータに有線で転送
し、コンピュータでは、そのようにして転送されてくる
プログラムを、通信部２０８で受信し、内蔵するハード
ディスク２０５にインストールすることができる。
【０２８９】コンピュータは、CPU(Central Processing
Unit)２０２を内蔵している。CPU２０２には、バス２
０１を介して、入出力インタフェース２１０が接続され
ており、CPU２０２は、入出力インタフェース２１０を
介して、ユーザによって、キーボードや、マウス、マイ
ク等で構成される入力部２０７が操作等されることによ
り指令が入力されると、それにしたがって、ROM(Read O
nly Memory)２０３に格納されているプログラムを実行
する。あるいは、また、CPU２０２は、ハードディスク
２０５に格納されているプログラム、衛星若しくはネッ
トワークから転送され、通信部２０８で受信されてハー
ドディスク２０５にインストールされたプログラム、ま
たはドライブ２０９に装着されたリムーバブル記録媒体
２１１から読み出されてハードディスク２０５にインス
トールされたプログラムを、RAM(Random Access Memor
y)２０４にロードして実行する。これにより、CPU２０
２は、上述したフローチャートにしたがった処理、ある
いは上述したブロック図の構成により行われる処理を行
う。そして、CPU２０２は、その処理結果を、必要に応
じて、例えば、入出力インタフェース２１０を介して、
LCD(Liquid Crystal Display)やスピーカ等で構成され
る出力部２０６から出力、あるいは、通信部２０８から
送信、さらには、ハードディスク２０５に記録等させ
る。
Unit)２０２を内蔵している。CPU２０２には、バス２
０１を介して、入出力インタフェース２１０が接続され
ており、CPU２０２は、入出力インタフェース２１０を
介して、ユーザによって、キーボードや、マウス、マイ
ク等で構成される入力部２０７が操作等されることによ
り指令が入力されると、それにしたがって、ROM(Read O
nly Memory)２０３に格納されているプログラムを実行
する。あるいは、また、CPU２０２は、ハードディスク
２０５に格納されているプログラム、衛星若しくはネッ
トワークから転送され、通信部２０８で受信されてハー
ドディスク２０５にインストールされたプログラム、ま
たはドライブ２０９に装着されたリムーバブル記録媒体
２１１から読み出されてハードディスク２０５にインス
トールされたプログラムを、RAM(Random Access Memor
y)２０４にロードして実行する。これにより、CPU２０
２は、上述したフローチャートにしたがった処理、ある
いは上述したブロック図の構成により行われる処理を行
う。そして、CPU２０２は、その処理結果を、必要に応
じて、例えば、入出力インタフェース２１０を介して、
LCD(Liquid Crystal Display)やスピーカ等で構成され
る出力部２０６から出力、あるいは、通信部２０８から
送信、さらには、ハードディスク２０５に記録等させ
る。
【０２９０】ここで、本明細書において、コンピュータ
に各種の処理を行わせるためのプログラムを記述する処
理ステップは、必ずしもフローチャートとして記載され
た順序に沿って時系列に処理する必要はなく、並列的あ
るいは個別に実行される処理（例えば、並列処理あるい
はオブジェクトによる処理）も含むものである。
に各種の処理を行わせるためのプログラムを記述する処
理ステップは、必ずしもフローチャートとして記載され
た順序に沿って時系列に処理する必要はなく、並列的あ
るいは個別に実行される処理（例えば、並列処理あるい
はオブジェクトによる処理）も含むものである。
【０２９１】また、プログラムは、１のコンピュータに
より処理されるものであっても良いし、複数のコンピュ
ータによって分散処理されるものであっても良い。さら
に、プログラムは、遠方のコンピュータに転送されて実
行されるものであっても良い。
より処理されるものであっても良いし、複数のコンピュ
ータによって分散処理されるものであっても良い。さら
に、プログラムは、遠方のコンピュータに転送されて実
行されるものであっても良い。
【０２９２】なお、本実施の形態では、本発明を、ＳＤ
画像データをＨＤ画像データに変換する場合を例に説明
したが、本発明は、その他、例えば、音声データを、よ
り高音質の音声データに変換する場合にも適用可能であ
る。
画像データをＨＤ画像データに変換する場合を例に説明
したが、本発明は、その他、例えば、音声データを、よ
り高音質の音声データに変換する場合にも適用可能であ
る。
【０２９３】さらに、本発明は、ＳＤ画像データを、そ
の画素数を多くしたＨＤ画像データ、即ち、空間解像度
を向上させたＨＤ画像データに変換したり、時間方向の
解像度（フレームまたはフィールド数）を向上させたＨ
Ｄ画像データや、レベル方向の解像度（画素値に割り当
てられたビット数）を向上させたＨＤ画像データに変換
する場合の他、例えば、画像を拡大する場合などにも適
用可能である。
の画素数を多くしたＨＤ画像データ、即ち、空間解像度
を向上させたＨＤ画像データに変換したり、時間方向の
解像度（フレームまたはフィールド数）を向上させたＨ
Ｄ画像データや、レベル方向の解像度（画素値に割り当
てられたビット数）を向上させたＨＤ画像データに変換
する場合の他、例えば、画像を拡大する場合などにも適
用可能である。
【０２９４】また、本実施の形態では、画像を変換する
画像処理装置と、その画像処理装置で用いるクラスごと
のタップ係数または係数種データを学習する学習装置と
を、別々の装置として構成するようにしたが、画像処理
装置と学習装置とは一体的に構成することも可能であ
る。そして、この場合、学習装置には、リアルタイムで
学習を行わせ、画像処理装置で用いるタップ係数を、リ
アルタイムで更新させるようにすることが可能である。
画像処理装置と、その画像処理装置で用いるクラスごと
のタップ係数または係数種データを学習する学習装置と
を、別々の装置として構成するようにしたが、画像処理
装置と学習装置とは一体的に構成することも可能であ
る。そして、この場合、学習装置には、リアルタイムで
学習を行わせ、画像処理装置で用いるタップ係数を、リ
アルタイムで更新させるようにすることが可能である。
【０２９５】さらに、本実施の形態では、係数RAM５
に、あらかじめクラスごとのタップ係数を記憶させてお
くようにしたが、このタップ係数は、例えば、ＳＤ画像
とともに、画像処理装置に供給するようにすることも可
能である。
に、あらかじめクラスごとのタップ係数を記憶させてお
くようにしたが、このタップ係数は、例えば、ＳＤ画像
とともに、画像処理装置に供給するようにすることも可
能である。
【０２９６】また、本実施の形態では、パラメータｚを
ユーザに入力させるようにしたが、パラメータｚは、そ
の他、例えば、ＳＤ画像とともに、画像処理装置に供給
するようにすることが可能である。
ユーザに入力させるようにしたが、パラメータｚは、そ
の他、例えば、ＳＤ画像とともに、画像処理装置に供給
するようにすることが可能である。
【０２９７】さらに、本実施の形態では、式（１）の１
次式によって、ＨＤ画素を求めるようにしたが、ＨＤ画
素は、２次以上の式によって、求めるようにすることも
可能である。
次式によって、ＨＤ画素を求めるようにしたが、ＨＤ画
素は、２次以上の式によって、求めるようにすることも
可能である。
【０２９８】なお、図２や、図８、図１２の画像処理装
置は、例えば、テレビジョン放送信号を受信して画像を
表示するテレビジョン受像機や、ＤＶＤから画像データ
を再生して出力するＤＶＤ再生装置、ビデオテープから
画像データを再生して出力するＶＴＲその他の画像を処
理する装置などに適用可能である。
置は、例えば、テレビジョン放送信号を受信して画像を
表示するテレビジョン受像機や、ＤＶＤから画像データ
を再生して出力するＤＶＤ再生装置、ビデオテープから
画像データを再生して出力するＶＴＲその他の画像を処
理する装置などに適用可能である。
【０２９９】ここで、本件出願人は、特開平8-79712号
公報において、変換対象の画像を構成する複数の画素の
ダイナミックレンジをも用いてクラス分類を行い、適応
処理によって、画像を、高画質の画像に変換する方法に
ついて先に提案している。この特開平8-79712号公報に
記載の方法によれば、ダイナミックレンジを考慮したク
ラスごとのタップ係数、即ち、各ダイナミックレンジに
適したタップ係数によって、画像が変換されることか
ら、より高画質の画像を得ることができるという効果を
生じる点において、本願発明と共通する。
公報において、変換対象の画像を構成する複数の画素の
ダイナミックレンジをも用いてクラス分類を行い、適応
処理によって、画像を、高画質の画像に変換する方法に
ついて先に提案している。この特開平8-79712号公報に
記載の方法によれば、ダイナミックレンジを考慮したク
ラスごとのタップ係数、即ち、各ダイナミックレンジに
適したタップ係数によって、画像が変換されることか
ら、より高画質の画像を得ることができるという効果を
生じる点において、本願発明と共通する。
【０３００】しかしながら、特開平8-79712号公報に記
載の方法は、あくまで、ダイナミックレンジを考慮した
クラス分類を行うだけであり、注目画素と予測タップに
対して、その予測タップのダイナミックレンジに応じた
重み付けをしながら、タップ係数の学習を行い、そのタ
ップ係数を用いて画像を変換する本願発明とは、まった
く異質のものである。
載の方法は、あくまで、ダイナミックレンジを考慮した
クラス分類を行うだけであり、注目画素と予測タップに
対して、その予測タップのダイナミックレンジに応じた
重み付けをしながら、タップ係数の学習を行い、そのタ
ップ係数を用いて画像を変換する本願発明とは、まった
く異質のものである。
【０３０１】また、本件出願人は、特開2001-8056号公
報において、送信側で、ＨＤ画像とＳＤ画像をそれぞれ
教師データと生徒データとした学習を、予測誤差が小さ
い注目画素と予測タップに対して、大きな重み付けをし
ながら行うことにより、タップ係数を求め、そのタップ
係数とＳＤ画像を送信し、受信側で、送信側からのＳＤ
画像を、そのＳＤ画像とともに送信されてくるタップ係
数を用いて、ＨＤ画像に変換する方法について、先に提
案している。この特開2001-8056号公報に記載の方法に
よれば、タップ係数の学習に用いられたＳＤ画像が、そ
のタップ係数を用いてＨＤ画像に変換されるので、超高
画質のＨＤ画像を得ることができ、従って、高画質のＨ
Ｄ画像を得ることができるという効果を生じる点におい
ては、やはり、本願発明と共通する。さらに、特開2001
-8056号公報に記載の方法は、タップ係数の学習を、注
目画素と予想タップに対して重み付けをしながら行う点
においても、本願発明と共通する。
報において、送信側で、ＨＤ画像とＳＤ画像をそれぞれ
教師データと生徒データとした学習を、予測誤差が小さ
い注目画素と予測タップに対して、大きな重み付けをし
ながら行うことにより、タップ係数を求め、そのタップ
係数とＳＤ画像を送信し、受信側で、送信側からのＳＤ
画像を、そのＳＤ画像とともに送信されてくるタップ係
数を用いて、ＨＤ画像に変換する方法について、先に提
案している。この特開2001-8056号公報に記載の方法に
よれば、タップ係数の学習に用いられたＳＤ画像が、そ
のタップ係数を用いてＨＤ画像に変換されるので、超高
画質のＨＤ画像を得ることができ、従って、高画質のＨ
Ｄ画像を得ることができるという効果を生じる点におい
ては、やはり、本願発明と共通する。さらに、特開2001
-8056号公報に記載の方法は、タップ係数の学習を、注
目画素と予想タップに対して重み付けをしながら行う点
においても、本願発明と共通する。
【０３０２】しかしながら、特開2001-8056号公報に記
載の方法では、重み付けが、予測誤差に応じて行われる
ため、学習により求められたタップ係数を用いて、その
学習で用いられたＳＤ画像をＨＤ画像に変換し、さら
に、その学習で用いられたＨＤ画像との予測誤差を求め
なければならず、その結果、タップ係数を求める学習に
比較的多大な時間を要することになる。これに対して、
本願発明においては、予測タップのダイナミックレンジ
等のアクティビティに応じて重み付けが行われるため、
予測誤差を求める必要がないので、高速に、タップ係数
の学習を行うことができる。
載の方法では、重み付けが、予測誤差に応じて行われる
ため、学習により求められたタップ係数を用いて、その
学習で用いられたＳＤ画像をＨＤ画像に変換し、さら
に、その学習で用いられたＨＤ画像との予測誤差を求め
なければならず、その結果、タップ係数を求める学習に
比較的多大な時間を要することになる。これに対して、
本願発明においては、予測タップのダイナミックレンジ
等のアクティビティに応じて重み付けが行われるため、
予測誤差を求める必要がないので、高速に、タップ係数
の学習を行うことができる。
【０３０３】さらに、特開2001-8056号公報に記載の方
法は、タップ係数の学習が、予測誤差が小さい注目画素
と予測タップに対する重み付けを大にして行われるた
め、その学習に用いられたＳＤ画像については、予測誤
差が非常に小さいＨＤ画像を得ることができる。
法は、タップ係数の学習が、予測誤差が小さい注目画素
と予測タップに対する重み付けを大にして行われるた
め、その学習に用いられたＳＤ画像については、予測誤
差が非常に小さいＨＤ画像を得ることができる。
【０３０４】しかしながら、特開2001-8056号公報に記
載の方法は、予測誤差に応じた重み付けが行われるのに
関係して、タップ係数の学習が、予測誤差の値に応じて
グループ分けして行われるため、タップ係数を用いた変
換の対象となるのは、基本的に、予測誤差を求めること
ができるＳＤ画像、即ち、タップ係数の学習に用いられ
たＳＤ画像に限られる。即ち、特開2001-8056号公報に
記載の方法により求められたタップ係数は、そのタップ
係数の学習に用いられたＳＤ画像でないＳＤ画像の変換
には適さない（タップ係数の学習に用いられたＳＤ画像
でないＳＤ画像を変換しても、高画質のＨＤ画像を得る
ことが困難である）。これに対して、本願発明において
は、タップ係数の学習に用いたＳＤ画像以外のＳＤ画像
であっても、高画質のＨＤ画像に変換することができ
る。
載の方法は、予測誤差に応じた重み付けが行われるのに
関係して、タップ係数の学習が、予測誤差の値に応じて
グループ分けして行われるため、タップ係数を用いた変
換の対象となるのは、基本的に、予測誤差を求めること
ができるＳＤ画像、即ち、タップ係数の学習に用いられ
たＳＤ画像に限られる。即ち、特開2001-8056号公報に
記載の方法により求められたタップ係数は、そのタップ
係数の学習に用いられたＳＤ画像でないＳＤ画像の変換
には適さない（タップ係数の学習に用いられたＳＤ画像
でないＳＤ画像を変換しても、高画質のＨＤ画像を得る
ことが困難である）。これに対して、本願発明において
は、タップ係数の学習に用いたＳＤ画像以外のＳＤ画像
であっても、高画質のＨＤ画像に変換することができ
る。
【０３０５】
【発明の効果】以上の如く、本発明によれば、データ
を、より品質の良いデータに変換することが可能とな
る。
を、より品質の良いデータに変換することが可能とな
る。
【図１】予測タップの変動に対する予測値の変動を説明
するための図である。
するための図である。
【図２】本発明を適用した画像処理装置の第１実施の形
態の構成例を示すブロック図である。
態の構成例を示すブロック図である。
【図３】画像処理装置の処理を説明するフローチャート
である。
である。
【図４】本発明を適用した学習装置の第１実施の形態の
構成例を示すブロック図である。
構成例を示すブロック図である。
【図５】足し込み回路６７の構成例を示すブロック図で
ある。
ある。
【図６】重み付け特性の例を示す図である。
【図７】学習装置の処理を説明するフローチャートであ
る。
る。
【図８】本発明を適用した画像処理装置の第２実施の形
態の構成例を示すブロック図である。
態の構成例を示すブロック図である。
【図９】画像処理装置の処理を説明するフローチャート
である。
である。
【図１０】本発明を適用した学習装置の第２実施の形態
の構成例を示すブロック図である。
の構成例を示すブロック図である。
【図１１】学習装置の処理を説明するフローチャートで
ある。
ある。
【図１２】本発明を適用した画像処理装置の第３実施の
形態の構成例を示すブロック図である。
形態の構成例を示すブロック図である。
【図１３】画像処理装置の処理を説明するフローチャー
トである。
トである。
【図１４】本発明を適用した学習装置の第３実施の形態
の構成例を示すブロック図である。
の構成例を示すブロック図である。
【図１５】学習装置の処理を説明するフローチャートで
ある。
ある。
【図１６】本発明を適用したコンピュータの一実施の形
態の構成例を示すブロック図である。
態の構成例を示すブロック図である。
１ フレームメモリ， ２ クラスタップ生成回路，
３ 予測タップ生成回路， ４ クラス分類回路， ５
係数RAM， ６ 予測演算回路， ６１ 学習用デー
タベース， ６２ 学習対生成回路， ６３ 学習対デ
ータベース，６４ クラスタップ生成回路， ６５ 予
測タップ生成回路， ６６ クラス分類回路， ６７
足し込み回路， ６８ タップ係数演算回路， ６９，
６９Ａ乃至６９Ｃ タップ係数メモリ， ７０ ＤＲ検
出回路， ７１，７１Ａ乃至７１Ｃ 重み制御回路，
８１，８２ 加算回路， ８３，８４ メモリ， 画素
値記憶部， ９１ スイッチ制御回路， ９２，９３
スイッチ， １０１Ａ乃至１０１Ｃ タップ係数メモ
リ， １０２ 操作部， １０３ セレクタ， ８３
タップ生成領域決定回路， １１１ 操作部， １１２
パラメータメモリ， １１３ 係数生成回路， １１
４ 係数種RAM， １２１ 足し込み回路，１２２ タ
ップ係数演算回路， １２３ 足し込み回路， １２４
係数種演算回路， １２５ 係数種データメモリ，
１２６ 重み制御回路， １２７パラメータ生成回路，
２０１ バス， ２０２ CPU， ２０３ ROM， ２
０４ RAM， ２０５ ハードディスク， ２０６ 出
力部， ２０７ 入力部，２０８ 通信部， ２０９
ドライブ， ２１０ 入出力インタフェース，２１１
リムーバブル記録媒体
３ 予測タップ生成回路， ４ クラス分類回路， ５
係数RAM， ６ 予測演算回路， ６１ 学習用デー
タベース， ６２ 学習対生成回路， ６３ 学習対デ
ータベース，６４ クラスタップ生成回路， ６５ 予
測タップ生成回路， ６６ クラス分類回路， ６７
足し込み回路， ６８ タップ係数演算回路， ６９，
６９Ａ乃至６９Ｃ タップ係数メモリ， ７０ ＤＲ検
出回路， ７１，７１Ａ乃至７１Ｃ 重み制御回路，
８１，８２ 加算回路， ８３，８４ メモリ， 画素
値記憶部， ９１ スイッチ制御回路， ９２，９３
スイッチ， １０１Ａ乃至１０１Ｃ タップ係数メモ
リ， １０２ 操作部， １０３ セレクタ， ８３
タップ生成領域決定回路， １１１ 操作部， １１２
パラメータメモリ， １１３ 係数生成回路， １１
４ 係数種RAM， １２１ 足し込み回路，１２２ タ
ップ係数演算回路， １２３ 足し込み回路， １２４
係数種演算回路， １２５ 係数種データメモリ，
１２６ 重み制御回路， １２７パラメータ生成回路，
２０１ バス， ２０２ CPU， ２０３ ROM， ２
０４ RAM， ２０５ ハードディスク， ２０６ 出
力部， ２０７ 入力部，２０８ 通信部， ２０９
ドライブ， ２１０ 入出力インタフェース，２１１
リムーバブル記録媒体
フロントページの続き
(51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考）
Ｈ０４Ｎ 7/01 Ｈ０４Ｎ 1/40 １０１Ｚ
Ｆターム(参考） 5B056 BB02 BB11 BB23 BB28 BB42
BB51 BB72 HH03
5B057 CA08 CA12 CA16 CB08 CB12
CB16 CE01 CE11 DA17 DB02
DB09 DC22 DC36 DC40
5C063 BA03 BA04 BA08 CA01 CA05
CA11 CA23 CA29 CA36
5C077 LL01 PP05 PP48 PQ12 PQ18
PQ22
5L096 AA02 AA06 BA08 FA06 HA11
KA04 MA01 MA07
Claims (30)
- 【請求項１】 第１のデータを第２のデータに変換する
データ変換装置であって、 注目している前記第２のデータである注目データを１以
上のクラスのうちのいずれかのクラスにクラス分けする
クラス分類を行うのに用いるクラスタップを、前記第１
のデータから生成するクラスタップ生成手段と、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類手段と、 前記注目データを求めるのに用いる予測タップを、前記
第１のデータから生成する予測タップ生成手段と、 学習の教師となる、前記第２のデータに対応する教師デ
ータと、前記学習の生徒となる、前記第１のデータに対
応する生徒データとを用い、その教師データと生徒デー
タに対して、前記生徒データから生成される前記予測タ
ップのアクティビティに基づく重み付けを行いながら、
前記教師データと生徒データとの関係を、前記１以上の
クラスごとに学習することにより得られたタップ係数か
ら、前記注目データのクラスのタップ係数を取得するタ
ップ係数取得手段と、 前記注目データのクラスのタップ係数と、前記予測タッ
プとを用いて、前記注目データを求める演算手段とを備
えることを特徴とするデータ変換装置。 - 【請求項２】 前記演算手段は、前記注目データのクラ
スのタップ係数と、前記予測タップとの線形結合によ
り、前記注目データを求めることを特徴とする請求項１
に記載のデータ変換装置。 - 【請求項３】 前記第２のデータは、前記第１のデータ
よりも高品質のデータであることを特徴とする請求項１
に記載のデータ変換装置。 - 【請求項４】 前記１以上のクラスごとのタップ係数を
記憶するタップ係数記憶手段をさらに備えることを特徴
とする請求項１に記載のデータ変換装置。 - 【請求項５】 複数の特性の重み付けをそれぞれ行いな
がら前記教師データと生徒データとの関係を学習するこ
とにより得られた、前記複数の特性の重み付けそれぞれ
に対応するタップ係数から、所定の特性の重み付けに対
応するタップ係数を選択するタップ係数選択手段をさら
に備え、 前記タップ係数取得手段は、前記タップ係数選択手段に
よって選択された所定の特性の重み付けに対応するタッ
プ係数から、前記注目データのクラスのタップ係数を取
得することを特徴とする請求項１に記載のデータ変換装
置。 - 【請求項６】 ユーザによって操作される操作手段をさ
らに備え、 前記タップ係数選択手段は、前記操作手段の操作にした
がった特性の重み付けに対応するタップ係数を選択する
ことを特徴とする請求項５に記載のデータ変換装置。 - 【請求項７】 前記タップ係数の元となる係数種データ
から、前記タップ係数を生成するタップ係数生成手段を
さらに備えることを特徴とする請求項１に記載のデータ
変換装置。 - 【請求項８】 前記タップ係数の元となる係数種データ
を記憶する係数種記憶手段をさらに備えることを特徴と
する請求項７に記載のデータ変換装置。 - 【請求項９】 前記タップ係数生成手段は、前記係数種
データと、前記重み付けの特性を表すパラメータとを用
いて、そのパラメータが表す特性の重み付けに対応する
タップ係数を生成することを特徴とする請求項７に記載
のデータ変換装置。 - 【請求項１０】 前記パラメータを入力する入力手段を
さらに備えることを特徴とする請求項９に記載のデータ
変換装置。 - 【請求項１１】 前記第１と第２のデータは、それぞ
れ、第１と第２の画像データであることを特徴とする請
求項１に記載のデータ変換装置。 - 【請求項１２】 第１のデータを第２のデータに変換す
るデータ変換方法であって、 注目している前記第２のデータである注目データを１以
上のクラスのうちのいずれかのクラスにクラス分けする
クラス分類を行うのに用いるクラスタップを、前記第１
のデータから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
第１のデータから生成する予測タップ生成ステップと、 学習の教師となる、前記第２のデータに対応する教師デ
ータと、前記学習の生徒となる、前記第１のデータに対
応する生徒データとを用い、その教師データと生徒デー
タに対して、前記生徒データから生成される前記予測タ
ップのアクティビティに基づく重み付けを行いながら、
前記教師データと生徒データとの関係を、前記１以上の
クラスごとに学習することにより得られたタップ係数か
ら、前記注目データのクラスのタップ係数を取得するタ
ップ係数取得ステップと、 前記注目データのクラスのタップ係数と、前記予測タッ
プとを用いて、前記注目データを求める演算ステップと
を備えることを特徴とするデータ変換方法。 - 【請求項１３】 第１のデータを第２のデータに変換す
るデータ変換処理を、コンピュータに行わせるプログラ
ムであって、 注目している前記第２のデータである注目データを１以
上のクラスのうちのいずれかのクラスにクラス分けする
クラス分類を行うのに用いるクラスタップを、前記第１
のデータから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
第１のデータから生成する予測タップ生成ステップと、 学習の教師となる、前記第２のデータに対応する教師デ
ータと、前記学習の生徒となる、前記第１のデータに対
応する生徒データとを用い、その教師データと生徒デー
タに対して、前記生徒データから生成される前記予測タ
ップのアクティビティに基づく重み付けを行いながら、
前記教師データと生徒データとの関係を、前記１以上の
クラスごとに学習することにより得られたタップ係数か
ら、前記注目データのクラスのタップ係数を取得するタ
ップ係数取得ステップと、 前記注目データのクラスのタップ係数と、前記予測タッ
プとを用いて、前記注目データを求める演算ステップと
を備えることを特徴とするプログラム。 - 【請求項１４】 第１のデータを第２のデータに変換す
るデータ変換処理を、コンピュータに行わせるプログラ
ムが記録されている記録媒体であって、 注目している前記第２のデータである注目データを１以
上のクラスのうちのいずれかのクラスにクラス分けする
クラス分類を行うのに用いるクラスタップを、前記第１
のデータから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
第１のデータから生成する予測タップ生成ステップと、 学習の教師となる、前記第２のデータに対応する教師デ
ータと、前記学習の生徒となる、前記第１のデータに対
応する生徒データとを用い、その教師データと生徒デー
タに対して、前記生徒データから生成される前記予測タ
ップのアクティビティに基づく重み付けを行いながら、
前記教師データと生徒データとの関係を、前記１以上の
クラスごとに学習することにより得られたタップ係数か
ら、前記注目データのクラスのタップ係数を取得するタ
ップ係数取得ステップと、 前記注目データのクラスのタップ係数と、前記予測タッ
プとを用いて、前記注目データを求める演算ステップと
を備えるプログラムが記録されていることを特徴とする
記録媒体。 - 【請求項１５】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数を学習する学習装置であ
って、 前記タップ係数の学習の教師となる、前記第２のデータ
に対応する教師データのうちの注目している注目データ
を１以上のクラスのうちのいずれかのクラスにクラス分
けするクラス分類を行うのに用いるクラスタップを、前
記学習の生徒となる、前記第１のデータに対応する生徒
データから生成するクラスタップ生成手段と、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類手段と、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成手段と、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記タップ係数を求める学習手段
と、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出手段と、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習手段における重み付けを制御する重み付け
制御手段とを備えることを特徴とする学習装置。 - 【請求項１６】 前記学習手段は、前記注目データのク
ラスのタップ係数と、前記予測タップとの線形結合によ
り前記注目データを求めるためのタップ係数を学習する
ことを特徴とする請求項１５に記載の学習装置。 - 【請求項１７】 前記第２のデータは、前記第１のデー
タよりも高品質のデータであることを特徴とする請求項
１５に記載の学習装置。 - 【請求項１８】 前記重み付け制御手段は、複数の特性
の重み付けそれぞれにしたがい、前記予測タップのアク
ティビティに基づいて、前記注目データと予測タップに
対する重み付けを制御し、 前記学習手段は、前記注目データと予測タップに対し
て、前記複数の特性の重み付けをそれぞれ行いながら、
前記教師データと生徒データとの関係を、前記１以上の
クラスごとに学習することにより、前記複数の特性の重
み付けそれぞれ対応する、前記１以上のクラスごとの前
記タップ係数を求めることを特徴とする請求項１に記載
の学習装置。 - 【請求項１９】 前記第１と第２のデータは、画像デー
タであることを特徴とする請求項１５に記載の学習装
置。 - 【請求項２０】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数を学習する学習方法であ
って、 前記タップ係数の学習の教師となる、前記第２のデータ
に対応する教師データのうちの注目している注目データ
を１以上のクラスのうちのいずれかのクラスにクラス分
けするクラス分類を行うのに用いるクラスタップを、前
記学習の生徒となる、前記第１のデータに対応する生徒
データから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成ステップと、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記タップ係数を求める学習ステッ
プと、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出ステップと、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えることを特徴とする学習方
法。 - 【請求項２１】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数を学習する学習処理を、
コンピュータに行わせるプログラムであって、 前記タップ係数の学習の教師となる、前記第２のデータ
に対応する教師データのうちの注目している注目データ
を１以上のクラスのうちのいずれかのクラスにクラス分
けするクラス分類を行うのに用いるクラスタップを、前
記学習の生徒となる、前記第１のデータに対応する生徒
データから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成ステップと、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記タップ係数を求める学習ステッ
プと、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出ステップと、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えることを特徴とするプログラ
ム。 - 【請求項２２】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数を学習する学習処理を、
コンピュータに行わせるプログラムが記録されている記
録媒体であって、 前記タップ係数の学習の教師となる、前記第２のデータ
に対応する教師データのうちの注目している注目データ
を１以上のクラスのうちのいずれかのクラスにクラス分
けするクラス分類を行うのに用いるクラスタップを、前
記学習の生徒となる、前記第１のデータに対応する生徒
データから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成ステップと、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記タップ係数を求める学習ステッ
プと、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出ステップと、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えるプログラムが記録されてい
ることを特徴とする記録媒体。 - 【請求項２３】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数の元となる係数種データ
を学習する学習装置であって、 前記係数種データの学習の教師となる、前記第２のデー
タに対応する教師データのうちの注目している注目デー
タを１以上のクラスのうちのいずれかのクラスにクラス
分けするクラス分類を行うのに用いるクラスタップを、
前記学習の生徒となる、前記第１のデータに対応する生
徒データから生成するクラスタップ生成手段と、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類手段と、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成手段と、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記係数種データを求める学習手段
と、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出手段と、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習手段における重み付けを制御する重み付け
制御手段とを備えることを特徴とする学習装置。 - 【請求項２４】 前記学習手段は、前記注目データのク
ラスのタップ係数と、前記予測タップとの線形結合によ
り前記注目データを求めるためのタップ係数の元となる
係数種データを学習することを特徴とする請求項２３に
記載の学習装置。 - 【請求項２５】 前記第２のデータは、前記第１のデー
タよりも高品質のデータであることを特徴とする請求項
２３に記載の学習装置。 - 【請求項２６】 前記重み付けの特性を表すパラメータ
を生成するパラメータ生成手段をさらに備え、 前記重み付け制御手段は、前記パラメータが表す特性の
重み付けにしたがい、前記予測タップのアクティビティ
に基づいて、前記注目データと予測タップに対する重み
付けを制御し、 前記学習手段は、 前記注目データと予測タップに対して、複数の前記パラ
メータが表す特性の重み付けをそれぞれ行いながら、前
記教師データと生徒データとの関係を、前記１以上のク
ラスごとに学習することにより、前記複数のパラメータ
が表す特性の重み付けそれぞれ対応する、前記１以上の
クラスごとの前記タップ係数を求める第１の学習手段
と、 前記複数のパラメータが表す特性の重み付けそれぞれに
対応する、前記１以上のクラスごとの前記タップ係数
と、前記複数のパラメータとの関係を学習することによ
り、前記１以上のクラスごとの前記係数種データを求め
る第２の学習手段とを有することを特徴とする請求項２
３に記載の学習装置。 - 【請求項２７】 前記第１と第２のデータは、画像デー
タであることを特徴とする請求項２３に記載の学習装
置。 - 【請求項２８】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数の元となる係数種データ
を学習する学習方法であって、 前記係数種データの学習の教師となる、前記第２のデー
タに対応する教師データのうちの注目している注目デー
タを１以上のクラスのうちのいずれかのクラスにクラス
分けするクラス分類を行うのに用いるクラスタップを、
前記学習の生徒となる、前記第１のデータに対応する生
徒データから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成ステップと、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記係数種データを求める学習ステ
ップと、前記注目データについて得られた予測タップの
アクティビティを求めるアクティビティ検出ステップ
と、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えることを特徴とする学習方
法。 - 【請求項２９】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数の元となる係数種データ
を学習する学習処理を、コンピュータに行わせるプログ
ラムであって、 前記係数種データの学習の教師となる、前記第２のデー
タに対応する教師データのうちの注目している注目デー
タを１以上のクラスのうちのいずれかのクラスにクラス
分けするクラス分類を行うのに用いるクラスタップを、
前記学習の生徒となる、前記第１のデータに対応する生
徒データから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成ステップと、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記係数種データを求める学習ステ
ップと、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出ステップと、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、そ の注目データと予測タップに対する、前記学習ステップ
における重み付けを制御する重み付け制御ステップとを
備えることを特徴とするプログラム。 - 【請求項３０】 第１のデータを第２のデータに変換す
るときに用いられるタップ係数の元となる係数種データ
を学習する学習処理を、コンピュータに行わせるプログ
ラムが記録されている記録媒体であって、 前記係数種データの学習の教師となる、前記第２のデー
タに対応する教師データのうちの注目している注目デー
タを１以上のクラスのうちのいずれかのクラスにクラス
分けするクラス分類を行うのに用いるクラスタップを、
前記学習の生徒となる、前記第１のデータに対応する生
徒データから生成するクラスタップ生成ステップと、 前記クラスタップに基づいて、前記注目データをクラス
分類するクラス分類ステップと、 前記注目データを求めるのに用いる予測タップを、前記
生徒データから生成する予測タップ生成ステップと、 前記注目データと予測タップに対して所定の重み付けを
行いながら、前記教師データと生徒データとの関係を、
前記１以上のクラスごとに学習することにより、前記１
以上のクラスごとの前記係数種データを求める学習ステ
ップと、 前記注目データについて得られた予測タップのアクティ
ビティを求めるアクティビティ検出ステップと、 前記注目データについて得られた予測タップのアクティ
ビティに基づいて、その注目データと予測タップに対す
る、前記学習ステップにおける重み付けを制御する重み
付け制御ステップとを備えるプログラムが記録されてい
ることを特徴とする記録媒体。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002125627A JP4066146B2 (ja) | 2002-04-26 | 2002-04-26 | データ変換装置およびデータ変換方法、学習装置および学習方法、並びにプログラムおよび記録媒体 |
| US10/481,722 US8355603B2 (en) | 2002-04-26 | 2003-04-22 | Data converting apparatus and data converting method, learning device and learning method, and recording medium |
| EP03717682A EP1501295A4 (en) | 2002-04-26 | 2003-04-22 | METHOD AND DEVICE FOR CONVERTING DATA, METHOD AND APPARATUS FOR LEARNING, AND RECORDING MEDIUM |
| PCT/JP2003/005079 WO2003092283A1 (fr) | 2002-04-26 | 2003-04-22 | Procede et dispositif de conversion de donnees, procede et dispositif d'apprentissage, et support d'enregistrement |
| KR1020037016845A KR100971821B1 (ko) | 2002-04-26 | 2003-04-22 | 데이터 변환 장치 및 데이터 변환 방법, 학습 장치 및학습 방법, 및 기록 매체 |
| CNB038008076A CN1293757C (zh) | 2002-04-26 | 2003-04-22 | 数据转换设备和数据转换方法、学习设备和学习方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002125627A JP4066146B2 (ja) | 2002-04-26 | 2002-04-26 | データ変換装置およびデータ変換方法、学習装置および学習方法、並びにプログラムおよび記録媒体 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2003316760A true JP2003316760A (ja) | 2003-11-07 |
| JP2003316760A5 JP2003316760A5 (ja) | 2005-09-15 |
| JP4066146B2 JP4066146B2 (ja) | 2008-03-26 |
Family
ID=29267570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002125627A Expired - Fee Related JP4066146B2 (ja) | 2002-04-26 | 2002-04-26 | データ変換装置およびデータ変換方法、学習装置および学習方法、並びにプログラムおよび記録媒体 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US8355603B2 (ja) |
| EP (1) | EP1501295A4 (ja) |
| JP (1) | JP4066146B2 (ja) |
| KR (1) | KR100971821B1 (ja) |
| CN (1) | CN1293757C (ja) |
| WO (1) | WO2003092283A1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008146827A1 (ja) * | 2007-05-28 | 2008-12-04 | Sony Corporation | 学習装置および学習方法、情報加工装置および情報加工方法、並びにプログラム |
| US7529787B2 (en) | 2004-04-20 | 2009-05-05 | Sony Corporation | Apparatus and method for generating coefficient data, apparatus and method for processing information signal, program, and medium for recording the same |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4779282B2 (ja) * | 2000-03-30 | 2011-09-28 | ソニー株式会社 | 情報処理装置 |
| US20060083428A1 (en) * | 2004-01-22 | 2006-04-20 | Jayati Ghosh | Classification of pixels in a microarray image based on pixel intensities and a preview mode facilitated by pixel-intensity-based pixel classification |
| JP4311166B2 (ja) * | 2003-11-05 | 2009-08-12 | ソニー株式会社 | 情報信号の処理装置および処理方法、それに使用される係数種データの生成装置および生成方法、並びに各方法を実行するためのプログラム、そのプログラムを記録した媒体 |
| JP4311258B2 (ja) * | 2004-04-02 | 2009-08-12 | ソニー株式会社 | 係数データの生成装置および生成方法、係数種データの生成装置および生成方法、情報信号処理装置、並びにプログラムおよびそれを記録した記録媒体 |
| US8331710B2 (en) * | 2007-11-06 | 2012-12-11 | Sony Corporation | Image processing apparatus and method, learning apparatus and method, and program |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2140644B (en) * | 1983-05-17 | 1986-09-17 | Sony Corp | Television standards converters |
| JP3438233B2 (ja) * | 1992-05-22 | 2003-08-18 | ソニー株式会社 | 画像変換装置および方法 |
| KR100360206B1 (ko) * | 1992-12-10 | 2003-02-11 | 소니 가부시끼 가이샤 | 화상신호변환장치 |
| JP3617080B2 (ja) | 1994-08-31 | 2005-02-02 | ソニー株式会社 | 信号処理装置及び信号処理方法 |
| US5790692A (en) * | 1994-09-07 | 1998-08-04 | Jeffrey H. Price | Method and means of least squares designed filters for image segmentation in scanning cytometry |
| US6859495B1 (en) * | 1996-10-31 | 2005-02-22 | Mitsubishi Electric Research Laboratories, Inc. | Digital video format converter and method therefor |
| JP3743077B2 (ja) * | 1996-10-31 | 2006-02-08 | ソニー株式会社 | 画像信号変換装置および方法 |
| US5912708A (en) | 1996-12-26 | 1999-06-15 | Sony Corporation | Picture signal encoding device, picture signal encoding method, picture signal decoding device, picture signal decoding method, and recording medium |
| JP3844030B2 (ja) * | 1996-12-26 | 2006-11-08 | ソニー株式会社 | 画像信号符号化装置および画像信号符号化方法、画像信号復号装置および画像信号復号方法 |
| WO1998030027A1 (en) | 1996-12-26 | 1998-07-09 | Sony Corporation | Picture signal coding device, picture signal coding method, picture signal decoding device, picture signal decoding method, and recording medium |
| JP4062771B2 (ja) | 1997-05-06 | 2008-03-19 | ソニー株式会社 | 画像変換装置および方法、並びに記録媒体 |
| DE69838536T2 (de) * | 1997-05-06 | 2008-07-24 | Sony Corp. | Bildwandler und bildwandlungsverfahhren |
| JP4093621B2 (ja) * | 1997-12-25 | 2008-06-04 | ソニー株式会社 | 画像変換装置および画像変換方法、並びに学習装置および学習方法 |
| JP4131049B2 (ja) | 1998-10-07 | 2008-08-13 | ソニー株式会社 | 信号処理装置及び信号処理方法 |
| JP4517409B2 (ja) | 1998-11-09 | 2010-08-04 | ソニー株式会社 | データ処理装置およびデータ処理方法 |
| JP2000241803A (ja) | 1999-02-18 | 2000-09-08 | Toshiba Corp | 液晶表示素子の製造方法 |
| JP4253910B2 (ja) | 1999-04-14 | 2009-04-15 | ソニー株式会社 | 画像情報変換装置および変換方法 |
| JP4135045B2 (ja) | 1999-06-08 | 2008-08-20 | ソニー株式会社 | データ処理装置およびデータ処理方法、並びに媒体 |
| US6678405B1 (en) * | 1999-06-08 | 2004-01-13 | Sony Corporation | Data processing apparatus, data processing method, learning apparatus, learning method, and medium |
| JP4362895B2 (ja) * | 1999-06-21 | 2009-11-11 | ソニー株式会社 | データ処理装置およびデータ処理方法、並びに記録媒体 |
| US6657677B1 (en) * | 2000-01-12 | 2003-12-02 | Koninklijke Philips Electronics N.V. | Method and apparatus for improving conversion from SD to HDTV |
| JP4395677B2 (ja) * | 2000-01-14 | 2010-01-13 | ソニー株式会社 | 学習装置および学習方法、並びに記録媒体 |
| JP2001236339A (ja) * | 2000-02-23 | 2001-08-31 | Olympus Optical Co Ltd | クラス分類装置 |
| JP4779282B2 (ja) * | 2000-03-30 | 2011-09-28 | ソニー株式会社 | 情報処理装置 |
| JP2001318745A (ja) * | 2000-05-11 | 2001-11-16 | Sony Corp | データ処理装置およびデータ処理方法、並びに記録媒体 |
| JP4470280B2 (ja) * | 2000-05-24 | 2010-06-02 | ソニー株式会社 | 画像信号処理装置及び画像信号処理方法 |
| JP4238516B2 (ja) * | 2002-04-26 | 2009-03-18 | ソニー株式会社 | データ変換装置およびデータ変換方法、学習装置および学習方法、並びにプログラムおよび記録媒体 |
| US7630576B2 (en) * | 2004-02-19 | 2009-12-08 | Sony Corporation | Signal processing apparatus and method, and command-sequence data structure |
-
2002
- 2002-04-26 JP JP2002125627A patent/JP4066146B2/ja not_active Expired - Fee Related
-
2003
- 2003-04-22 KR KR1020037016845A patent/KR100971821B1/ko not_active IP Right Cessation
- 2003-04-22 CN CNB038008076A patent/CN1293757C/zh not_active Expired - Fee Related
- 2003-04-22 EP EP03717682A patent/EP1501295A4/en not_active Withdrawn
- 2003-04-22 WO PCT/JP2003/005079 patent/WO2003092283A1/ja active Application Filing
- 2003-04-22 US US10/481,722 patent/US8355603B2/en not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7529787B2 (en) | 2004-04-20 | 2009-05-05 | Sony Corporation | Apparatus and method for generating coefficient data, apparatus and method for processing information signal, program, and medium for recording the same |
| KR101108635B1 (ko) | 2004-04-20 | 2012-02-06 | 소니 주식회사 | 계수 데이터의 생성 장치 및 생성 방법, 정보 신호의 처리 장치 및 처리 방법, 및 그것을 기록한 매체 |
| WO2008146827A1 (ja) * | 2007-05-28 | 2008-12-04 | Sony Corporation | 学習装置および学習方法、情報加工装置および情報加工方法、並びにプログラム |
| JP2008292885A (ja) * | 2007-05-28 | 2008-12-04 | Sony Corp | 学習装置および学習方法、情報加工装置および情報加工方法、並びにプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4066146B2 (ja) | 2008-03-26 |
| CN1545809A (zh) | 2004-11-10 |
| CN1293757C (zh) | 2007-01-03 |
| KR20040101895A (ko) | 2004-12-03 |
| WO2003092283A1 (fr) | 2003-11-06 |
| US20040234160A1 (en) | 2004-11-25 |
| US8355603B2 (en) | 2013-01-15 |
| KR100971821B1 (ko) | 2010-07-22 |
| EP1501295A1 (en) | 2005-01-26 |
| EP1501295A4 (en) | 2008-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20100202711A1 (en) | Image processing apparatus, image processing method, and program | |
| WO2004055775A1 (ja) | 画像信号処理装置、画像信号処理方法、その方法を実行するためのプログラム、およびそのプログラムを記録したコンピュータ読み取り可能な媒体 | |
| JP4362895B2 (ja) | データ処理装置およびデータ処理方法、並びに記録媒体 | |
| JP2002218413A (ja) | 情報信号処理装置、情報信号処理方法、画像信号処理装置およびそれを使用した画像表示装置、それに使用される係数種データ生成装置および生成方法、係数データ生成装置および生成方法、並びに情報提供媒体 | |
| KR100968987B1 (ko) | 데이터 변환 장치 및 데이터 변환 방법, 학습 장치 및 학습 방법, 및 기록 매체 | |
| KR100624349B1 (ko) | 데이터 처리 장치 및 데이터 처리 방법 | |
| JP2003316760A (ja) | データ変換装置およびデータ変換方法、学習装置および学習方法、並びに記録媒体 | |
| KR100770067B1 (ko) | 정보 신호 처리 장치, 정보 신호 처리 방법, 화상 신호처리 장치 및 그것을 사용한 화상 표시 장치, 그리고 정보제공 매체 | |
| JP2002300538A (ja) | 係数データの生成装置および生成方法、それを使用した情報信号の処理装置および処理方法、それに使用する種係数データの生成装置および生成方法、並びに情報提供媒体 | |
| KR100835454B1 (ko) | 정보 신호 처리 장치, 정보 신호 처리 방법, 화상 신호 처리 장치, 화상 신호 처리 방법 및 그것을 사용한 화상 표시 장치, 그것에 사용되는 계수종 데이터 생성 장치 및 생성 방법, 및 컴퓨터 판독 가능한 매체 | |
| JP4324825B2 (ja) | データ処理装置およびデータ処理方法、並びに媒体 | |
| JP2001222702A (ja) | 画像処理装置および画像処理方法、並びに記録媒体 | |
| JP2005159830A (ja) | 信号処理装置および方法、記録媒体、並びにプログラム | |
| JP4442076B2 (ja) | データ変換装置およびデータ変換方法、学習装置および学習方法、並びにプログラムおよび記録媒体 | |
| JP2007251690A (ja) | 画像処理装置および方法、学習装置および方法、並びにプログラム | |
| JP2000348019A (ja) | データ処理装置およびデータ処理方法、並びに媒体 | |
| JP4457276B2 (ja) | 画像処理装置および画像処理方法、並びに記録媒体 | |
| KR100982625B1 (ko) | 정보 신호의 처리 장치 및 처리 방법 | |
| JPH0730859A (ja) | フレーム補間装置 | |
| JPH0851598A (ja) | 画像情報変換装置 | |
| JP4310691B2 (ja) | 画像処理装置および方法、学習装置および方法、記録媒体、並びにプログラム | |
| JP4058671B2 (ja) | 記憶制御装置および記憶制御方法、並びにプログラムおよび記録媒体 | |
| JP4062326B2 (ja) | 係数生成装置および方法 | |
| JP2004104636A (ja) | データ処理装置およびデータ処理方法、記録媒体、並びにプログラム | |
| JP3882828B2 (ja) | 電子ズーム装置及び電子ズーム方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050330 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050330 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070621 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070820 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070918 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071119 |
|
| 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: 20071212 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071225 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110118 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110118 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120118 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130118 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |