JP3587188B2

JP3587188B2 - ディジタル画像信号処理装置および処理方法

Info

Publication number: JP3587188B2
Application number: JP2001351049A
Authority: JP
Inventors: 哲二郎近藤; 泰弘藤森
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2001-11-16
Filing date: 2001-11-16
Publication date: 2004-11-10
Anticipated expiration: 2019-11-10
Also published as: JP2002237942A

Description

【０００１】
【発明の属する技術分野】
この発明は、空間的および／または時間的に近傍に存在する複数の画素を使用して注目画素の値を作成することを必要とするディジタル画像信号処理装置および処理方法に関する。
【０００２】
【従来の技術】
ディジタル画像信号の高能率符号化の一つとして、画素をサブサンプリングによって間引くことによって、伝送データ量を減少させるものがある。その一例は、ＭＵＳＥ方式における多重サブナイキストサンプリングエンコーディング方式である。このシステムでは、受信側で間引かれ、非伝送の画素を補間する必要がある。また、入力される標準精細度のビデオ信号を高精細度のビデオへ変換するアップコンバージョンも提案されている。この場合には、不足している画素を標準精細度の信号から作成する必要がある。さらに、画像を電子的に拡大する時には、不足する画素の値の補間を必要とする。これらのものに限らず、シーンチェンジ検出、ＤＰＣＭ等では、周辺の画素の値から注目画素の推定値を作成する必要がある。
【０００３】
上述のように、注目画素の値を作成する時には、従来では、固定タップ、固定係数の補間フィルタを使用するのが普通であった。
【０００４】
【発明が解決しようとする課題】
補間フィルタにより非伝送画素を補間する処理は、ある種の画像に対して有効であっても、動きのある画像や静止画像等の多種多様な種類の画像に関して、全体的に補間処理が効果的に発揮されるとはと限らない。その結果として、伝送画素および補間画素で構成される復元画像中に、「ぼけ」、動きの不自然さである「ジャーキネス」等が発生する問題があった。
【０００５】
この問題を解決する一つの方法として、注目画素の値をその周辺の画素と係数の線形１次結合で表し、誤差の二乗が最小となるように、注目画素の実際の値を使用して最小二乗法によりこの係数の値を決定するものが提案されている。この方法は、有効なものであるが、注目画素を含む画像の局所的特徴を充分に反映した補間値を形成できるとは言えない。
【０００６】
画像の局所的特徴を反映するために、注目画素の周辺のレベル分布に基づくクラス分類を行うことが提案されている。このクラスの生成方法としては、画素データのレベルをそのまま使用するものが考えられる。この方法は、画素データが８ビットで表現されている時には、４画素をクラス分類に使用する場合で、（２８）４＝２３２のクラスが必要となり、クラス分類のためのデータを格納するメモリの容量が大きくなりすぎる問題がある。
【０００７】
さらに、本願出願人の提案による特開昭６３−４８０８８号公報には、間引き画素を補間する時に、周辺の参照画素の平均値を計算し、平均値と各画素の値との大小関係に応じて、各画素を１ビットで表現し、（参照画素数×１ビット）のパターンに応じたクラス分けを行うことが提案されている。しかしながら、この方法は、各画素の値を２値化するものであるため、画像の局所的特徴を正確に反映することが不充分となる。クラス分類のために参照画素のデータを圧縮する場合には、圧縮率を高くした時には、同様の問題がある。
【０００８】
従って、この発明の一つの目的は、クラス分類を行なうことによって、注目画素の持つ実際の値との誤差が少ない値を作成することが可能であり、また、参照画素数が多い時でも、クラス分類のためのデータを記憶するメモリの容量が比較的小さく、さらに、クラス分類を正確に行うことができるディジタル画像信号処理装置および処理方法を提供することにある。
【０００９】
この発明の他の目的は、解像度の低い画像信号を解像度が高い画像信号へ変換（アップコンバージョン）することができるディジタル画像信号処理装置および処理方法を提供することにある。
【００１０】
【課題を解決するための手段】
請求項１に記載の発明は、標準のディジタル画像信号を用いてクラス分類を行い、各クラス毎に、標準のディジタル画像信号をより高解像度のディジタル画像信号に変換する際に、クラス分類を行なうために使用されるクラス予測係数を、標準ディジタル画像信号に基づいて生成するディジタル画像信号処理装置において、
標準ディジタル画像信号において、係数を生成するのに使用する学習データを形成する学習データ形成手段と、
標準ディジタル画像信号中の注目画素周辺の参照画素と係数との演算に基づいて、注目画素の予測値を生成した際に、予測値と注目画素の真値との誤差が最小になるように、学習データを使用して係数を生成する係数生成手段と、
予測値と真値との誤差を算出する手段と、
誤差を所定のしきい値と比較する比較手段とを有し、
予測値と真値の誤差が所定のしきい値以下の場合は、係数をクラス係数として出力し、誤差が所定のしきい値より大きい場合は、誤差が所定のしきい値よりも大きい画素を新たな学習データとして、新たな学習データに対応する係数を生成することを特徴とするディジタル画像信号処理装置である。
【００１１】
請求項２に記載の発明は、標準のディジタル画像信号を用いてクラス分類を行い、各クラス毎に、標準のディジタル画像信号をより高解像度のディジタル画像信号に変換する際に、クラス分類を行なうために使用されるクラス予測係数を、標準ディジタル画像信号に基づいて生成するディジタル画像信号処理方法において、
標準ディジタル画像信号において、係数を生成するのに使用する学習データを形成する学習データ形成ステップと、
標準ディジタル画像信号中の注目画素周辺の参照画素と係数との演算に基づいて、注目画素の予測値を生成した際に、予測値と注目画素の真値との誤差が最小になるように、学習データを使用して係数を生成する係数生成ステップと、
予測値と真値との誤差を算出する算出ステップと、
誤差を所定のしきい値とを比較する比較ステップとを有し、
予測値と真値の誤差が所定のしきい値以下の場合は、係数をクラス係数として出力し、誤差が所定のしきい値より大きい場合は、誤差が所定のしきい値よりも大きい画素を新たな学習データとして、新たな学習データに対応する係数を生成することを特徴とするディジタル画像信号処理方法である。
【００１２】
注目画素の空間的および／または時間的に近傍の複数の画素を参照して、局所的画像の特徴に従ってクラス分けを行うことができる。入力画像信号自身とクラス分けのための予測係数との線形１次結合によって予測値を形成した時に、真値との誤差が最小の予測値を生じさせる予測係数と対応してクラスが決定される。正確なクラス分けを意図して、参照画素数を多くしても、クラス分類用のデータを記憶するメモリの容量がそれ程大きくならない。
【００１３】
【発明の実施の形態】
以下、ビデオ信号の精細度を標準のものからより高いものへ変換するアップコンバージョンに対してこの発明を適用した例について説明する。この発明は、この応用以外にも、サブサンプリング等の処理で間引かれた画素を補間するための処理、電子的に画像を拡大する処理、ビデオ信号中のシーンチェンジを検出する処理、ＤＰＣＭにおける予測値を形成する処理等の応用が可能である。
【００１４】
図１において、１は、標準精細度（例えば現行のＮＴＳＣ方式）のディジタル画像信号（ＳＤ信号と称する）の入力端子である。具体的には、放送などによる伝送、ＶＴＲ等からの再生信号が入力端子１に供給される。２は、入力信号をブロック構造の信号に変換するための走査変換回路である。
【００１５】
走査変換回路２の出力信号ｄ０がクラス予測器３、クラス決定回路４および出力予測器６に供給される。クラス予測器３においては、予測係数が格納されているテーブル５からの暫定的あるいは初期的なクラス予測係数ｄ２と信号ｄ０とを演算し、ＳＤ信号の予測値ｄ１を生成する。この予測値ｄ１がクラス決定回路４に供給される。
【００１６】
クラス決定回路４においては、予測値ｄ１とＳＤ信号の真値ｄ０との比較からクラスを決定する。一例として、真値ｄ０との絶対予測誤差が最小の予測値ｄ１を生じさせるクラス予測係数と対応するものがそのＳＤ信号のクラスとして決定される。このクラスの決定の際にテーブル５が参照され、複数（ｎ）のクラスの予測係数が順次テーブル５からクラス決定回路４に供給される。出力予測器６は、決定されたクラスのデータ予測係数ｄ３とＳＤ信号ｄ０との演算によりＨＤ信号を生成する。このＨＤ信号が出力端子７に取り出される。テーブル５には、予め学習により獲得されたクラス予測係数およびデータ予測係数が格納されている。
【００１７】
図２を参照してクラス決定およびデータ予測の一例について説明する。図２では、ＳＤ予測タップ領域に含まれる１７個のＳＤ画素（それぞれの値をｓｄ１〜ｓｄ１７と表す）の内、予測の対象である中央の画素（その値がｓｄ８）以外の１６個の参照画素の値を使用して、ＳＤ画素の予測値ｓｄ´を形成する。すなわち、予測値ｓｄ´は、クラス予測係数をｋ１〜ｋ１７（但し、ｋ８を除く）と表すと、下記の演算によって生成される。
ｓｄ´＝ｋ１×ｓｄ１＋・・＋ｋ７×ｓｄ７＋ｋ９×ｓｄ９＋・・・＋ｋ１７×ｓｄ１７（１）
【００１８】
上述の予測式は、一つのクラスに関するものであって、０〜ｎ−１のｎ個のクラスについて予め決定されたクラス予測係数がテーブル５に格納されている。図２の例は、１次元の画素の配列であるが、２次元の画素配列を用いて予測を行っても良い。参照画素数は、１６に限られないのは勿論であるが、この発明は、参照画素数が多くても、クラス予測係数のデータ量が極端に増加しない利点がある。
【００１９】
出力予測器６においてなされるＨＤ画素のデータ予測は、予測するＨＤ画素の位置の近傍の３個のＳＤ画素を使用してなされる。図２の例では、データ予測係数をｗ１，ｗ２，ｗ３とすると、下記の演算によって、ＨＤ画素の値ｈｄ´が生成される。
【００２０】
ｈｄ´＝ｗ１ ×ｓｄ７＋ｗ２ ×ｓｄ８＋ｗ３ ×ｓｄ９（２）
【００２１】
上述の予測式は、一つのクラスに関するものであって、０〜ｎ−１のｎ個のクラスについて予め決定されたデータ予測係数がテーブル５に格納されている。つまり、テーブル５は、図３に示すように、０〜ｎ−１の各クラスのクラス予測係数とデータ予測係数とが格納されたものである。クラス決定回路４においては、最初にクラス０のクラス予測係数を使用して式（１）によって予測値ｓｄ´を形成し、これと真値との誤差の絶対値を求める。以下、それ以外のクラスについても、同様に予測値の誤差の絶対値を求め、これが最小のものをそのＳＤ画素のクラスとして決定する。
【００２２】
上述のテーブル５内のクラス予測係数は、予め学習により決定される。図４は、学習時の処理を示すフローチャートである。一例として、標準的な絵柄の画像を使用する。ステップ１１から学習処理の制御が開始され、ステップ１２の学習データ形成では、既知の画像に対応した学習データが形成される。具体的には、上述したように、図２に示すように配列された１７個の画素の配列が一組の学習データとされる。
【００２３】
ステップ１３のデータ終了では、入力された全データ例えば１フレームのデータの処理が終了していれば、ステップ１５の予測係数決定へ、終了していなければ、ステップ１４の正規方程式生成へ制御が移る。ステップ１４の正規方程式生成では、後述する式（８）、式（９）および式（１０）の正規方程式が作成される。
【００２４】
全データの処理が終了後、ステップ１３のデータ終了から制御がステップ１５に移り、ステップ１５の予測係数決定では、後述する式（１０）を行列解法を用いて解いて、予測係数ｋ１〜ｋ１６を決定する。次のステップ１６において、決定された係数ｋ１〜ｋ１７とＳＤ画素の値ｓｄ１〜ｓｄ１７との線形１次結合（上述の式（１））によって、予測値ｓｄ´が計算され、この予測ｓｄ´と真値ｓｄ８との間の誤差の絶対値が計算される。誤差の演算は、係数を決定するのに使用したＳＤ画素と、それ以外の全てのＳＤ画素について行われる。係数を決定するのに使用したＳＤ画素について、誤差はきわめて少ない。
【００２５】
次のステップ１７では、計算された誤差の絶対値としきい値Ｔｈとが比較される。誤差の絶対値がしきい値Ｔｈ未満であるならば、クラス予測係数がクラスｉの係数としてメモリに格納される（ステップ１８）。そして、ｉ＝ｎかどうかがステップ１９で決定され、若しそうであるならば、学習処理が終了し、若しそうでない時には、ｉがインクリメントされる（ステップ２０）。そして、ステップ１２に戻り、上述の処理が繰り返される。
【００２６】
但し、ステップ１７において、誤差がしきい値Ｔｈ以上となるＳＤ画素のデータが判別され、データ選択のステップ２１において、学習データとして使用されるものがしきい値Ｔｈ以上の誤差を生じさせたものに限定される。このように、クラス０からｎ−１のそれぞれのクラス予測係数が決定される。
【００２７】
図４中のステップ１４（正規方程式生成）およびステップ１５（予測係数決定）の処理をより詳細に説明する。注目ＳＤ画素の真値ｓｄ８をｙと表し、その推定値ｓｄ´をｙ´と表し、その周囲のｎ個（図３では、ｎ＝１６）画素の値をｘ１〜ｘｎとしたとき、クラス毎に係数ｋ１〜ｋｎによるｎタップの線形１次結合
ｙ´＝ｋ１ｘ１＋ｋ２ｘ２＋‥‥＋ｋｎｘｎ（３）
を設定する。学習前はｋｉが未定係数である。
【００２８】
上述のように、学習はクラス毎になされ、データ数がｍの場合、式（３）に従って、
ｙｊ ´＝ｋ１ｘｊ１＋ｋ２ｘｊ２＋‥‥＋ｋｎｘｊｎ（４）
（但し、ｊ＝１，２，‥‥ｍ）
【００２９】
ｍ＞ｎの場合、ｋ１〜ｋｎは一意には決まらないので、誤差ベクトルＥの要素を
ｅｊ＝ｙｊ −（ｋ１ｘｊ１＋ｋ２ｘｊ２＋‥‥＋ｋｎｘｊｎ）（５）
（但し、ｊ＝１，２，‥‥ｍ）
と定義して、次の式（６）を最小にする係数を求める。
【００３０】
【数１】

【００３１】
いわゆる最小自乗法による解法である。ここで式４のｋｉによる偏微分係数を求める。
【００３２】
【数２】

【００３３】
式（１１）を０にするように各ｋｉを決めればよいから、
【００３４】
【数３】

【００３５】
として、行列を用いると
【００３６】
【数４】

【００３７】
となる。この方程式は一般に正規方程式と呼ばれている。この方程式を掃き出し法等の一般的な行列解法を用いて、ｋｉについて解けば、予測係数ｋｉが求まる。
【００３８】
上述の予測クラスを決定するための方法は、一例であって種々の変形が可能である。
【００３９】
データ予測係数ｗｉは、ＨＤ信号とこれから得られたＳＤ信号とを用いて、予め学習によって決定されている。図５は、データ予測のためのフローチャートである。ステップ３１から学習処理の制御が開始され、ステップ３２の学習データ形成では、既知の画像に対応した学習データが形成される。具体的には、上述したように、図２の配列のように、３個のＳＤ画素と一つのＨＤ画素とが一組の学習データである。ステップ３３のデータ終了では、入力された全データ例えば１フレームのデータの処理が終了していれば、ステップ３６の予測係数決定へ、終了していなければ、ステップ３４のクラス決定へ制御が移る。
【００４０】
ステップ３４のクラス決定は、上述のクラス決定回路４と同様の処理である。つまり、学習により上述のように決定されたクラス予測係数とＳＤ信号の画素データとの線形１次結合によって予測値を形成し、これと真値との誤差が最小の予測値を生じさせるクラス予測係数の属するクラスを弁別する。次のステップ３５の正規方程式生成では、正規方程式が作成される。
【００４１】
ステップ３３のデータ終了から全データの処理が終了後、制御がステップ３６に移り、ステップ３６の予測係数決定では、行列解法を用いて解いて、データ予測係数ｗを決める。ステップ３７の予測係数ストアで、データ予測係数をメモリにストアし、ステップ３８で学習処理の制御が終了する。なお、ステップ３５の正規方程式生成およびステップ３６の予測係数決定は、上述のクラス予測係数に同様に最小二乗法に基づくものである。
【００４２】
ＨＤ画素を生成するために、データ予測係数を使用しないで、予め学習により形成された代表値を使用することができる。図６は、学習時のハードウエアの一例を示す。４１で示す入力端子から学習用のディジタルＨＤ信号が供給される。この入力信号としては、異なる絵柄の静止画像信号を使用できる。ＨＤ信号が水平間引き回路４２および垂直間引き回路４３を介されることによって、ＳＤ信号が形成される。
【００４３】
生成されたＳＤ信号がクラス分類回路４４に供給される。クラス分類回路４４は、図１の構成と同様に、走査変換回路、クラス予測器、クラス予測係数が格納されたテーブル、クラス決定回路からなる。クラス分類回路４４の出力に発生するクラスコードが度数メモリ４５およびデータメモリ４６に対してアドレスとして供給される。これらのメモリ４５、４６は、学習開始前では、クリアされている。
【００４４】
また、入力ＨＤ信号が遅延回路４７、加算回路４８を介して割算器４９に被除数として供給され、割算器４９の出力信号（割算の商）がデータメモリ４６の入力データとされる。遅延回路４７は、クラス分類に必要な時間、データを遅延させるためのものである。
【００４５】
度数メモリ４５の読出し出力が乗算器５０および＋１回路５１に供給される。＋１回路５１の出力が度数メモリ４５のデータ入力とされ、また、割算器４９に除数として供給される。度数メモリ４５およびデータメモリ４６は、クラスコードでアドレスが指定されると、そのアドレスの内容が読出され、また、そのアドレスに対して度数およびデータがそれぞれ書込まれる。＋１回路５１によって、度数メモリ４５の各アドレスには、累積度数が記憶される。
【００４６】
図６の構成において、あるクラスコードが発生すると、そのクラスの累積度数と代表値とが度数メモリ４５およびデータメモリ４６からそれぞれ読出され、乗算器５０で乗算される。従って、乗算器５０からは、累積代表値が発生する。この累積代表値と遅延回路４７からの現在の代表値とが加算回路４８で加算される。加算結果が割算器４９に供給され、現在の代表値を考慮した代表値が形成され、これがデータメモリ４６に書込まれる。
【００４７】
この処理を入力される学習データに関して繰り返すことにより、代表値の精度を高めることができる。データメモリ４６に格納された各クラスの代表値がアップコンバージョンのために使用される。図７は、代表値を使用する時のテーブルの内容を示す。クラス０〜ｎ−１のそれぞれには、上述したクラス係数と図６の構成で決定された代表値Ｌ０〜Ｌｎ−１とが格納されている。
【００４８】
代表値を決定する処理は、図６のその一例を示すハードウエア構成に限らず、ソフトウェア処理によっても実現することができる。
【００４９】
【発明の効果】
この発明は、クラス分類によって、ＳＤ信号の局所的特徴を抽出し、それに応じて規定されるＨＤ信号を出力するので、解像度を増大させるアップコンバージョンを良好に行うことができる。この発明では、複数の参照画素および予測係数の線形１次結合によって予測値を生成し、この予測値と真値との誤差が最小のものを検出することによって、クラス分類を行っている。従って、参照画素数と等しい予測係数を記憶するので、参照画素数を多くしても、クラス分類用テーブルを格納するメモリの容量がそれ程増大しない利点がある。
【図面の簡単な説明】
【図１】この発明をアップコンバージョンを行うための装置に対して適用した一実施例のブロック図である。
【図２】この発明におけるクラス分類とデータ予測のための画素の配列を示す略線図である。
【図３】クラス予測係数およびデータ予測係数が格納されるテーブルの構成を示す略線図である。
【図４】クラス予測係数を決定するための学習をソフトウェア処理で行う時のフローチャートである。
【図５】データ予測係数を決定するための学習をソフトウェア処理で行う時のフローチャートである。
【図６】データ予測用の代表値を決定するするための学習時の構成の一例のブロック図である。
【図７】クラス予測係数および代表値が格納されるテーブルの構成を示す略線図である。
【符号の説明】
３・・・クラス予測器、４・・・クラス決定回路、５・・・クラス予測係数およびデータ予測係数が格納されたテーブル

Claims

標準のディジタル画像信号を用いてクラス分類を行い、各クラス毎に、上記標準のディジタル画像信号をより高解像度のディジタル画像信号に変換する際に、上記クラス分類を行なうために使用されるクラス予測係数を、上記標準ディジタル画像信号に基づいて生成するディジタル画像信号処理装置において、
上記標準ディジタル画像信号において、係数を生成するのに使用する学習データを形成する学習データ形成手段と、
上記標準ディジタル画像信号中の注目画素周辺の参照画素と係数との演算に基づいて、上記注目画素の予測値を生成した際に、上記予測値と上記注目画素の真値との誤差が最小になるように、上記学習データを使用して上記係数を生成する係数生成手段と、
上記予測値と上記真値との誤差を算出する手段と、
上記誤差を所定のしきい値と比較する比較手段とを有し、
上記予測値と真値の誤差が所定のしきい値以下の場合は、上記係数を上記クラス係数として出力し、上記誤差が所定のしきい値より大きい場合は、上記誤差が所定のしきい値よりも大きい画素を新たな学習データとして、上記新たな学習データに対応する係数を生成することを特徴とするディジタル画像信号処理装置。
標準のディジタル画像信号を用いてクラス分類を行い、各クラス毎に、上記標準のディジタル画像信号をより高解像度のディジタル画像信号に変換する際に、上記クラス分類を行なうために使用されるクラス予測係数を、上記標準ディジタル画像信号に基づいて生成するディジタル画像信号処理方法において、
上記標準ディジタル画像信号において、係数を生成するのに使用する学習データを形成する学習データ形成ステップと、
上記標準ディジタル画像信号中の注目画素周辺の参照画素と係数との演算に基づいて、上記注目画素の予測値を生成した際に、上記予測値と上記注目画素の真値との誤差が最小になるように、上記学習データを使用して上記係数を生成する係数生成ステップと、
上記予測値と上記真値との誤差を算出する算出ステップと、
上記誤差を所定のしきい値とを比較する比較ステップとを有し、
上記予測値と真値の誤差が所定のしきい値以下の場合は、上記係数を上記クラス係数として出力し、上記誤差が所定のしきい値より大きい場合は、上記誤差が所定のしきい値よりも大きい画素を新たな学習データとして、上記新たな学習データに対応する係数を生成することを特徴とするディジタル画像信号処理方法。
標準のディジタル画像信号を、より高解像度のディジタル画像信号に変換する際に使用されるデータ予測係数を、標準精細度ディジタル画像信号と上記標準精細度ディジタル画像信号よりも高解像度である高精細度ディジタル画像信号とに基づいて生成するディジタル画像信号処理装置において、
上記高精細度ディジタル画像信号中の注目位置にある注目画素をクラス分類する際に使用される複数のクラス予測係数を格納した格納手段と、
上記注目位置近傍の上記標準精細度ディジタル画像信号中の所定の画素に対して、上記所定の画素に対して空間的および／または時間的に近傍である複数の上記標準精細度ディジタル画像信号中の参照画素と、上記クラス予測係数との演算により、上記標準精細度ディジタル画像信号中に含まれる所定の画素の予測値を形成するクラス予測手段と、
上記所定の画素の真値に最も近い上記予測値を生成したクラス予測係数を識別することで、上記注目画素のクラスを決定するクラス決定手段と、
上記クラスに対応した上記高精細度ディジタル画像信号と上記クラスに対応した上記標準精細度ディジタル画像信号とを用いて、上記クラス毎にデータ予測係数を生成するデータ予測係数生成手段とを
有することを特徴とするディジタル画像信号処理装置。
標準のディジタル画像信号を、より高解像度のディジタル画像信号に変換する際に使用されるデータ予測係数を、標準精細度ディジタル画像信号と上記標準精細度ディジタル画像信号よりも高解像度である高精細度ディジタル画像信号とに基づいて生成するディジタル画像信号処理方法において、
上記高精細度ディジタル画像信号中の注目位置にある注目画素をクラス分類する際に使用される複数のクラス予測係数を格納した格納ステップと、
上記注目位置近傍の上記標準精細度ディジタル画像信号中の所定の画素に対して、上記所定の画素に対して空間的および／または時間的に近傍である複数の上記標準精細度ディジタル画像信号中の参照画素と、上記クラス予測係数との演算により、上記標準精細度ディジタル画像信号中に含まれる所定の画素の予測値を形成するクラス予測ステップと、
上記所定の画素の真値に最も近い上記予測値を生成したクラス予測係数を識別することで、上記注目画素のクラスを決定するクラス決定ステップと、
上記クラスに対応した上記高精細度ディジタル画像信号と上記クラスに対応した上記標準精細度ディジタル画像信号とを用いて、上記クラス毎にデータ予測係数を生成するデータ予測係数生成ステップとを
有することを特徴とするディジタル画像信号処理方法。