JP2521780B2 - 画像情報処理装置 - Google Patents

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は画像情報処理装置に関し、特にデジタル画像
データをブロツク毎に直交変換処理し、生成したベクト
ルデータを符号化する画像情報処理装置に関する。

［従来の技術］ 近年、超LSIC等を代表とするデバイス技術の発展によ
りデータ伝送又はデータ蓄積の対象になる画像データは
従来の２値画像主流から多値画像主流に移りつつある。
また画像読取センサの集積度も上がり、解像度も高くな
り、その結果画像データ量が膨大となり、高速、高能率
な符号器の実現が望まれる。従来、多値画像の符号化に
ついては幾つか報告されている。例えば予測符号化、ブ
ロツク符号化、直交変換符号化、ベクトル量子化による
圧縮符号化等がある。最近では高圧縮率が得られるベク
トル量子化法が注目を浴びている。しかしながら、ベク
トル量子化を行うためには所定数の再生ベクトルを決定
するためのトレーニングデータが必要であり、相関の強
いデータほど高圧縮率が可能である。そこでベクトル量
子化を有効に行うために、画像をブロツク毎に直交変換
を行い、変換後の画像の相関性を利用し、ベクトル量子
化を行う方法が考案されている。通常、変換後のブロツ
ク内の各成分をベクトルの要素とし、ベクトル量子化を
行う。しかし、ベクトル量子化には次のような問題点を
含んでいる。即ち、ベクトル次元数が増すと最適再生ベ
クトルを得る計算量が膨大になる。また画像の最適再生
ベクトルを選択する計算量も膨大でありこれらをハード
ウエア化するには膨大なLUT（Look Up Table）が必要で
ある。

この点について従来はブロツク内ベクトル要素を複数
の周波数バンドによつて分割し、ベクトル次元数を小さ
くし、バンド別にベクトル量子化することが提案されて
いる。しかし、このバンド分割は固定的であり例えば第
10図のようなSchamingのバンドによつてバンド分割して
いた。図において、直交変換係数をＦ（u,v）とする
と、ｕ＋ｖ＝constとなるように分割している。図は４
×４画素ブロツクに対し直交変換を行つた場合であり、
バンド分割によりV1〜V7のベクトルに分割される。しか
し、このような固定的分割では画像ブロツクの性質によ
つては不都合な分割となる場合がある。例えば周波数の
低い画像ブロツクではベクトルV7又はV6のパワーが極端
に小さい。また方向性のある画像（例えば線画）ではベ
クトル内の各要素パワーが極端にかたより、ベクトル量
子化に不都合であつた。

［発明が解決しようとする問題点］ 本発明は上述した従来技術の欠点を除去するものであ
り、その目的とする所は、画像ブロツクの特徴的性質を
良く保存しつつ効率良いベクトル符号化を行う画像情報
処理装置を提供することにある。

［問題点を解決するための手段］ 本発明の画像情報処理装置は、上記の目的を達成する
ために、デジタル画像データをＭ×Ｎ画素単位に分割す
るブロック化手段と、前記ブロック化手段により分割さ
れたブロック画像データに対して直交変換を施すことに
より周波数解析した所定次元数のベクトルデータを生成
する変換手段と、前記変換手段により生成されたベクト
ルデータを周波数領域別に複数のバンドに分割するバン
ド分割手段と、前記変換手段により生成されたベクトル
データをスカラ量子化するスカラ量子化手段と、前記ス
カラ量子化手段によりスカラ量子化された前記バンド毎
のベクトルデータをそれぞれバンド毎に独立してベクト
ル符号化するための複数のルックアップテーブルとを有
し、前記バンド分割手段は、低域バンドに属するベクト
ルデータの次元数の方が、高域バンドに属するベクトル
データの次元数よりも少なくなるようにバンド分割を行
い、かつ、前記低域バンドに属するベクトルデータの前
記スカラ量子化手段によるスカラ量子化後の一次元当り
のビット数が、前記高域バンドに属するベクトルデータ
よりも多くなるとともに、前記低域バンドまたは前記高
域バンド内において低周波数のベクトルデータのスカラ
量子化後の一次元当りのビット数が高周波数のベクトル
データよりも多くなるように構成したことを特徴とす
る。

［実施例の説明］ 以下、添付図面に従つて本発明による実施例を詳細に
説明する。

まず、本発明の概略を説明する。第１に本発明は以下
の考えに基づいている。画像などのような相関性の高い
情報源は周波数解析を行うと低周波に電力が集中する性
質がある。この性質を利用し、画像をブロツク毎に周波
数領域に変換し、低周波成分を特に符号化することによ
り効率の良い符号化を行う。

しかしながら、周波数解析し、十分な相関を得るため
には変換ブロツクサイズがある程度大きくなくてはなら
ない。したがつて、変換されたブロツクをそのままベク
トル量子化を行うとベクトル量子化用のLUT（ルツクア
ツプテーブル）が膨大となつてしまう。

そこで、本発明は次に述べる第２の考えに基づき、こ
の問題を解決している。即ち、画像の相関性を利用し、
直交変換後、周波数の大小によりブロツク毎にカテゴリ
分類を行う。更にカテゴリ内の画像を適応的にバンド分
割し、それぞれをベクトル量子化することによりベクト
ルの次元数を減らす。すなわち、カテゴリ分類およびバ
ンド分割によりハードウエア化におけるLUTを少なく
し、また画像の性質に応じてバンド分割を行うことによ
り画像のタイプ別に必要な直交変換成分をベクトル量子
化する。

そして、本発明においては直交変換後のブロツクを周
波数の大小によりカテゴリ分類を行う。そして周波数の
低いカテゴリには少ないベクトル数を与え、周波数の高
いカテゴリには多いベクトル数を与えることにより、周
波数の高い画像ほど解像度が得られるようにし、また周
波数が低い画像ほど階調が得られるようにする。更にバ
ンド分割を行うことによりベクトルの次元を小さくし、
ベクトル量子化の効率を上げる。バンド分割においては
低周波バンドのベクトル次数を高周波バンドのベクトル
次数より小さくすることにより低周波成分に重みをかけ
たベクトル量子化を行い従来方式では得られなかつた符
号化効率を得る。

第１図は実施例の画像情報処理装置のブロツク構成図
である。図において、１は画像入力装置であり、本実施
例ではラスタースキヤン方式によつて濃度８ビツト、解
像度16pel/mmのデジタル画像データを入力する。２はラ
インバツフアであり、読取走査ラインに沿つて入力され
るデジタル画像データを各４ライン分ずつ蓄え、４×４
画素分のブロツク画像データを順次パラレル出力する。

３は直交変換部であり、本実施例では４×４マトリク
スのアダマール変換を行う。第２図（Ａ）は直交変換部
３に入力するブロツク画像データX₁,X₂，…，X₁₆（各８
ビツト）を示しており、第２図（Ｂ）は直交変換部３に
よるアダマール変換後のベクトルデータ（シーケンシ成
分）Y₁₁,Y₁₂，…，Y₄₄（各10ビツト）を示しており、第
３図は本実施例のアダマール変換に採用した２次元ウオ
ルシユ型変換パターンを示している。第１図に戻り、４
はカテゴリ分類部であり、ブロツク内所定のシーケンシ
成分のパワー等を調べることにより当該画像ブロツクを
８つのカテゴリ（画像ブロツクの８つの特徴的性質）の
うちの何れかに分類する。またカテゴリ分類部４はブロ
ツク内シーケンシ成分Y₁₁〜Y₄₄のうちDC成分Y₁₁を抽出
してそのまま出力する。

５はスカラ量子化部であり、ブロツク内シーケンシ成
分Y₁₁〜Y₄₄のうちDC成分Y₁₁を除いたシーケンシ成分Y₁₂
〜Y₄₄が入力する。従来方法によれば、15個のシーケン
シ成分Y₁₂〜Y₄₄を適当なビツト数でスカラ量子化して15
次元ベクトル要素と成してこれらを一括ベクトル量子化
することになる。しかしこれでは膨大なルツクアツプテ
ーブル（LUT）が必要になり現実的ではない。一般画像
のように相関性の高い情報源は周波数解析を行うと低周
波成分に電力が集中する性質がある。この性質を利用し
て、画像をブロツク毎に周波数領域に変換し、低周波成
分に重きをおいて符号化すれば効率良い符号化が行え
る。しかし周波数解析して十分な相関を得るためには直
交変換のブロツクサイズをある程度大きくしなくてはな
らない。従つて変換により生成されるベクトルデータの
次元数も大きくなり、そのまま一括してベクトル量子化
を行うとLUTが極めて膨大になる。そこで本実施例のス
カラ量子化部５は、入力したカテゴリ分類データに応じ
て入力シーケンシ成分Y₁₂〜Y₄₄を周波数の低い所定シー
ケンシ成分（低シーケンシ成分）と周波数の高い所定シ
ーケンシ成分（高シーケンシ成分）とにバンド分割し、
各バンドについて夫々特定ビツト数によるスカラ量子化
を行い、該量子化した低シーケンシベクトル要素と高シ
ーケンシベクトル要素を別個に設けたベクトル量子化部
（LUT）に供給している。

６はベクトル量子化部（Ｌ）であり、カテゴリ分類デ
ータに応じて形成された低シーケンシベクトル要素をベ
クトル量子化する。７はベクトル量子化部（Ｈ）であ
り、同じくカテゴリ分類データに応じて形成された高シ
ーケンシベクトル要素をベクトル量子化する。本実施例
のベクトル量子化を行うには、予め複数種の代表的画像
について行つたトレーニングシーケンスに基づき各カテ
ゴリ毎に再生低シーケンシベクトル要素と再生高シーケ
ンシベクトル要素を各256種ずつ求めておく。従つて、
これら各256種の再生ベクトルは予め各８ビツトベクト
ル量子化コードデータと関係付けられる。そこでベクト
ル量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７に
は、各入力した低シーケンシベクトル要素又は高シーケ
ンシベクトル要素と予めトレーニングシーケンスにより
求めた各256種の再生低シーケンシベクトル要素又は再
生高シーケンシベクトル要素を比較することにより、歪
み量小となる関係の８ビツトベクトル量子化コードデー
タを選択するようなルツクアツプテーブル（LUT）が記
憶されている。また本実施例の高シーケンシベクトル要
素又は低シーケンシベクトル要素は後述する如くカテゴ
リ毎にその構成シーケンシ成分が異なるから、ベクトル
量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７にはカ
テゴリ分類部４より信号線4-2を介してカテゴリ分類コ
ードデータが入力されており、これによりカテゴリ別に
用意された異なるLUTが選択使用される。こうしてブロ
ツク内所定のシーケンシベクトルはベクトル量子化部
（Ｌ）６及びベクトル量子化部（Ｈ）７により各８ビツ
トのベクトル量子化コードデータに変換され、信号線6-
1及び7-1に出力される。

８は統合ベクトル量子化部であり、低シーケンシベク
トル要素及び高シーケンシベクトル要素を夫々ベクトル
量子化した各８ビツトのベクトル量子化コードデータを
統合して合計10ビツトの統合コードデータに変換する。
９は符号データ記憶部であり、信号線4-1のシーケンシ
成分Y₁₁（DC成分）の上位８ビツトと、信号線4-2のカテ
ゴリ分類コードの３ビツトと、信号線8-1の統合量子化
した10ビツトの統合コードデータを記憶する。

第４図は実施例のブロツク符号化コードの情報構造を
示す図である。図において、ブロツク符号化コードは合
計21ビツトから成り、MSBからの８ビツトはシーケンシ
成分Y₁₁（平均値）データ、次の３ビツトはカテゴリ分
類コードデータ、次の10ビツトはY₁₁以外の所定シーケ
ンシ成分をベクトル符号化した統合コードデータであ
る。かようにして１ブロツク当り（４×４）画素×８ビ
ツト＝128ビツト分のデジタル画像データが固定長21ビ
ツトのブロツク符号化コードデータに圧縮されており、
データ圧縮率は略1/6である。

第５図（Ａ）は実施例のカテゴリ分類方法の基本概念
を説明する図である。実施例のカテゴリ分類は周波数の
低い所定シーケンシ成分に基づき、そのパワーの大小に
より行う。一般画像の各種ブロツク画像データをアダマ
ール変換してその周波数成分を調べると、例えば縦エッ
ジ，横エッジなどの画像のエッジ部ほどパワーが低シー
ケンシ成分（DC成分を除く）に集中し、その絶対値が大
きい。本実施例ではかかる性質を利用してエツジ量ED
を、 ED＝｜Y₁₂｜＋｜Y₁₃｜＋｜Y₂₁｜＋｜Y₂₂｜＋｜Y₃₁｜ の如く定義する。

第６図（Ａ）は実施例のカテゴリ分類方法を具体的に
示す図である。統計的手法により３つの閾値T1＜T2＜T3
を設定し、EDの小さい順に、ED≦T1の場合は平坦部、T1
＜ED≦T2の場合は網点平坦部、T2＜ED≦T3の場合は弱エ
ツジ部、T3＜EDの場合は強エツジ部というように４分類
する。また弱エツジ部、強エツジ部には縦、横、斜めの
エツジパターンがあるので第６図（Ａ）に示す如く合計
８分類としている。

第５図（Ｂ），（Ｃ）に弱エツジ及び強エツジ部の分
類方法を示す。たて方向にエツジの強い画像において
は、第５図（Ｂ）の斜線部分のパワーが大きくなり、よ
こ方向にエツジの強い画像では第５図（Ｃ）の斜線部分
のパワーが大きくなる性質がある。本実施例ではこのよ
うな性質を利用して、次の様なたてエツジ量VE、よこエ
ツジ量HEを定義する。

VE＝｜Y₁₂｜＋｜Y₁₃｜＋｜Y₁₄｜ HE＝｜Y₂₁｜＋｜Y₃₁｜＋｜Y₄₁｜ これらを利用して弱エツジ及び強エツジ部を更に３つ
のカテゴリに分類する。即ち、|VE|−|HE|＞E1かつ|VE|
≧|HE|ならたてエツジ、|VE|−|HE|＞E1かつ|VE|＜|HE|
ならよこエツジ、それ以外ならななめエツジと分類す
る。ただしE1は定数である。弱エツジにおける定数をE
1、強エツジにおける定数をE2とするとE1＜E2となるよ
うにパラメータE1、E2を決定する。

第６図（Ａ）の斜線部分は各カテゴリに応じてマスキ
ングされずに残つたシーケンシ成分である。これらは第
５図の各シーケンシ成分と位置対応させて示してある。
第６図（Ａ）において、斜線部のシーケンシ成分は更に
周波数の低い低シーケンシ成分（／斜線部分）と高シー
ケンシ成分（＼斜線部分）にバンド分割されている。括
弧内の数字はこれらを低シーケンシベクトル要素及び高
シーケンシベクトル要素と考えた場合の各次元数であ
る。平坦部のカテゴリでは低シーケンシベクトル要素Y
₁₂,Y₂₁,Y₂₂の３次元のみでありこれを1024種（10ビツ
ト）の何れかのベクトル量子化コードデータに符号化す
る。平坦部以外のカデコリでは低シーケンシベクトル要
素及び高シーケンシベクトル要素が存在し、夫々を別個
の256種（８ビツト）の何れかのベクトル量子化コード
データに符号化する。図示の如く本実施例ではエツジ成
分が強くなる程シーケンシベクトルの次元数を多くして
いる。これは解像度を保存するためである。逆に平坦部
では階調数を多くして保存している。

第６図（Ｂ）は実施例の各カテゴリ別に規定した低シ
ーケンシ成分及び高シーケンシ成分に対するスカラ量子
化のビツト配分を示す図である。スカラ量子化後の低シ
ーケンシベクトル及び高シーケンシベクトルは夫々合計
18ビツト固定になつている。ベクトルの次元数は低シー
ケンシベクトルの方が高シーケンシベクトルより少なく
なつており、また周波数の低いシーケンシ成分になる程
割当ビツト数を多くすることにより画像の低周波成分の
階調性を優先した符号化を行つている。

第７図は実施例のベクトル量子化手段を抽出して示す
ブロツク構成図である。図において、スカラ量子化部５
により各カテゴリ毎にバンド分割された低シーケンシベ
クトル及び高シーケンシベクトルが各18ビツトずつベク
トル量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７に
入力し、ここで各256種のうちの何れかの８ビツトベク
トル量子化コードデータに符号化される。また同時に３
ビツトのカテゴリ分類コードデータが入力されており、
結局各ベクトル量子化部6,7は各21ビツト入力で各８ビ
ツト量子化コードデータを出力するLUTで構成できる。

第８図は実施例の統合ベクトル量子化部８の動作概念
を示す図である。図において、L1,L2,…,L256は低シー
ケンシベクトルのベクトル量子化コードデータであり、
H1,H2,…,H256は高シーケンシベクトルのベクトル量子
化コードデータである。従つて、これら低シーケンシベ
クトルと高シーケンシベクトルの各ベクトル量子化コー
ドデータの組合せ数は一般に256種類以上ある。しか
し、一般画像の相関性を考えると、低シーケンシベクト
ルと高シーケンシベクトル間には相関が有るので全ての
組合せ数、即ち、256×256＝65536通りは無いのが通常
である。そこで、予めサンプル画像についてのトレーニ
ングを行い、例えば第８図の上段と中段の間にあるよう
な可能性のある組合せを求め、この組合せ数が1024種
（10ビツト）におさまるような条件で、歪みの近いもの
同士をまとめて更にベクトル量子化し、新たにC1〜C102
4までの統合（コンビネーシヨン）ベクトル量子化コー
ド（10ビツト）を作成しておく。これを実現する構成は
各８ビツトの低シーケンシベクトル量子化コードデータ
と高シーケンシベクトル量子化コードデータ及び３ビツ
トのカテゴリ分類コードデータとからベクトル量子化法
により10ビツトの統合ベクトル量子化コードデータを発
生させるようなLUTから成つている。

次に実施例の再生ベクトルの求め方について説明す
る。本実施例では予め周波数の異なる複数のサンプル画
像を走査読取りし、第５図及び第６図で説明したカテゴ
リ分類毎及びバンド分割毎に公知のLBG法により最適再
生ベクトルを求める。即ち、第１図〜第８図について説
明した方法と同様にしてトレーニングシーケンスを行い
所定コード長（本実施例では21ビツト）にしている。大
きな違いはトレーニングシーケンスにおいてはハードウ
エアによる制限がないことである。実際は計算機シミユ
レーシヨンにより再生ベクトルの最適解を求める。従つ
てサンプル画像データを直交変換した後は、第６図
（Ｂ）で説明したようなスカラ量子化は行わず、第６図
（Ａ）で説明したような各カテゴリ毎のシーケンシベク
トル要素を抽出し、これを低シーケンシベクトル及び高
シーケンシベクトルにバンド分割し、LBG法により最適
再生ベクトルを求める。こうして第６図（Ｂ）のスカラ
量子化誤差が最適再生ベクトル設計に影響しないように
している。

また最適再生ベクトルの設計時は、第６図（Ａ）で説
明したエツジ量EDによるカテゴリ分類のパラメータT1,T
2,T3を次の様に決定している。第６図（Ａ）のT1,T2,T3
による４つの分類を決定する際に複数のサンプル画像を
用いるが、それぞれに属する４×４画素単位のブロツク
の数を カテゴリ平坦 ED≦T1のとき B1 カテゴリ網点平坦 T1＜ED≦T2のとき B2 カテゴリ弱エツジ T2＜ED≦T3のとき B3 カテゴリ強エツジ ED＞T3のとき B4 とすると、B1＞B2＞B3＞B4になるようにパラメータT1,T
2,T3を決定する。この方法は各カテゴリ毎にベクトル量
子化する際、エツジが強くなるに従つてベクトルのユー
クリツド空間が異常に大きくなるのを防ぐためである。
つまり、各カテゴリ毎の再生ベクトルの数は決まつてい
るため、エツジの強いカテゴリになるに従つて入力画像
に対する再生ベクトルとの誤差が異常に大きくなり過ぎ
るのを防ぎ、また画像は通常平坦部ほど出現頻度が多い
ため、極端に平坦部に偏つた再生ベクトルを最適解とし
て求めるのを防ぐ目的からである。

第９図は実施例の再生ベクトルの求め方を示すフロー
チヤートである。図において、ステツプS1ではサンプル
画像を４×４画素単位のブロツク毎に切り出す。ステツ
プS2ではそのブロツクを直交変換（本実施例ではアダマ
ール変換）する。ステツプS3では直交変換後のシーケン
シデータY₁₁〜Y₁₄によりエツジ量EDを基準にしてブロツ
ク毎にカテゴリ分類をする。ステツプS4ではカテゴリ毎
に第６図（Ａ）に示すようにバンド分割し、低シーケン
シベクトルと高シーケンシベクトルを抽出する。ステツ
プS5ではステツプS1〜ステツプS4までの工程をすべての
サンプル画像（本実施例では周波数の異なる代表的な数
枚の画像）の走査が終了するまで行わせ、各カテゴリ
毎、低シーケンシベクトル及び高シーケンシベクトルの
サンプルベクトルすべてをテーブル化する。ステツプS6
ではステツプS1〜ステツプS5で求めたすべてのサンプル
低シーケンシベクトル及びサンプル高シーケンシベクト
ルについて、各カテゴリ毎に、LBG法により低シーケン
シベクトル、高シーケンシベクトル共に256種の最適ベ
クトルを求める。ステツプS7では各カテゴリ毎に、第８
図で説明した統合ベクトル量子化により低シーケンシベ
クトル量子化コードデータ、高シーケンシベクトル量子
化コードデータを統合して1024種の統合ベクトル量子化
コードデータにする。以上のステツプS1〜S7により本実
施例の再生ベクトルが求まる。

［他の実施例］ 尚、上述実施例では周波数解析手段としてアダマール
変換を用いたがこれに限らない。他の直交変換、例えば
コサイン変換、Ｋ・Ｌ変換等を用いても良い。

［発明の効果］ 以上述べた如く本発明によれば、直交変換により生成
されたベクトルデータをルックアップテーブルを用いて
ベクトル符号化する際に、周波数領域別にバンド分割し
て、それぞれのバンドを複数のルックアップテーブルで
符号化することにより、ルックアップテーブル一つ当り
の容量を小さくすることができる。しかもその際、低域
バンドに属するベクトルデータの次元数が、高域バンド
に属するベクトルデータの次元数よりも少なくなるよう
にバンド分割を行い、かつ、低域バンドに属するベクト
ルデータのスカラ量子化後の一次元当りのビット数が、
高域バンドに属するベクトルデータよりも多くなるよう
にするとともに、前記低域バンドまたは前記高域バンド
内において低周波数のベクトルデータのスカラ量子化後
の一次元当りのビット数が高周波数のベクトルデータよ
りも多くなるように構成したことにより、各バンドにつ
いて同等のルックアップテーブルを用いる場合に、低域
バンドに属する個々のベクトルデータに対して割り当て
られるビット数を多くすることができるとともに、各バ
ンド内においても低周波数のベクトルデータに対して割
り当てられるビット数を多くすることができ、符号化の
際の画質劣化を防止するという効果を得ることができ
る。

【図面の簡単な説明】

第１図は実施例の画像情報処理装置のブロツク構成図、 第２図（Ａ）は直交変換部３に入力するブロツク画像デ
ータX₁,X₂，…，X₁₆を示す図、 第２図（Ｂ）は直交変換部３によるアダマール変換後の
ベクトルデータ（シーケンシ成分）Y₁₁,Y₁₂，…，Y₄₄を
示す図、 第３図は本実施例のアダマール変換に採用した２次元ウ
オルシユ型変換パターンを示す図、 第４図は実施例のブロツク符号化コードの情報構造を示
す図、 第５図（Ａ）は実施例のカテゴリ分類方法の基本概念を
説明する図、 第５図（Ｂ），（Ｃ）は弱エツジ及び強エツジ部の分類
方法を示す図、 第６図（Ａ）は実施例のカテゴリ分類方法を具体的に示
す図、 第６図（Ｂ）は実施例の各カテゴリ別に規定した低シー
ケンシ成分及び高シーケンシ成分に対するスカラ量子化
のビツト配分を示す図、 第７図は実施例のベクトル量子化手段を抽出して示すブ
ロツク構成図、 第８図は実施例の統合ベクトル量子化部８の動作概念を
示す図、 第９図は実施例の再生ベクトルの求め方を示すフローチ
ヤート、 第10図は従来のSchamingのバンドによるバンド分割の一
例を示す図である。 図中、１……画像入力装置、２……ラインバツフア、３
……直交変換部、４……カテゴリ分類部、５……スカラ
量子化部、６……ベクトル量子化部（Ｌ）、７……ベク
トル量子化部（Ｈ）、８……統合ベクトル量子化部、９
……符号データ記憶部である。

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】デジタル画像データをＭ×Ｎ画素単位に分
   割するブロック化手段と、 前記ブロック化手段により分割されたブロック画像デー
   タに対して直交変換を施すことにより周波数解析した所
   定次元数のベクトルデータを生成する変換手段と、 前記変換手段により生成されたベクトルデータを周波数
   領域別に複数のバンドに分割するバンド分割手段と、 前記変換手段により生成されたベクトルデータをスカラ
   量子化するスカラ量子化手段と、 前記スカラ量子化手段によりスカラ量子化された前記バ
   ンド毎のベクトルデータをそれぞれバンド毎に独立して
   ベクトル符号化するための複数のルックアップテーブル
   とを有し、 前記バンド分割手段は、低域バンドに属するベクトルデ
   ータの次元数の方が、高域バンドに属するベクトルデー
   タの次元数よりも少なくなるようにバンド分割を行い、
   かつ、前記低域バンドに属するベクトルデータの前記ス
   カラ量子化手段によるスカラ量子化後の一次元当りのビ
   ット数が、前記高域バンドに属するベクトルデータより
   も多くなるとともに、前記低域バンドまたは前記高域バ
   ンド内において低周波数のベクトルデータのスカラ量子
   化後の一次元当りのビット数が高周波数のベクトルデー
   タよりも多くなるように構成したことを特徴とする画像
   情報処理装置。