JP3620069B2

JP3620069B2 - 信号変換装置および方法

Info

Publication number: JP3620069B2
Application number: JP16882094A
Authority: JP
Inventors: 泰弘藤森; 哲二郎近藤
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1994-06-28
Filing date: 1994-06-28
Publication date: 2005-02-16
Anticipated expiration: 2020-02-16
Also published as: JPH0818863A

Description

【０００１】
【産業上の利用分野】
この発明は、複数の画像を切り換えて合成画像を生成する信号変換装置および方法に関して、特に、画像切り換えのためのキー信号の生成に関する。
【０００２】
【従来の技術】
従来、複数の画像を切り換えて合成画像を生成する信号変換装置としては、クロマキー装置、スイッチャー、およびビデオエフェクター等が挙げられる。一例として、特開昭５９−２１２０８９号公報に記載のクロマキー装置は、２種類の画像に対し、一方の画像（前景画像）中の特定の色（例えば青）を指定し、該当するその色の部分を他方の画像（背景画像）で置き換え、合成画像を生成する装置である。
【０００３】
この色指定による切り換え信号は、キー信号と呼ばれ、画像切り換え部分の劣化を如何に減らすか工夫されている。劣化問題の一つにキー信号の量子化雑音がある。キー信号を用いて２種類の画像を切り換える方法としては、２値のキー信号で切り換えるハードキーと、中間レベルを持たせるソフトキーがある。どちらの場合も図９に示すように、前景画像中に含まれる指定色のキー信号に対してしきい値処理を施し、画像の切り換え用に引き延ばすという手法が用いられる。この拡大処理の手法をストレッチと呼び、このストレッチの拡大率がストレッチゲインと呼ばれる。
【０００４】
図９の例では、ストレッチゲインが｀８’ とされている。このストレッチゲインが大きいほど、量子化雑音が増加し、画像劣化の原因となる。例えば、水の入った透明のコップを前景画像として、画像の切り換えをソフトキーで行った場合、コップ内側の部分で量子化雑音が目立つ合成画像が生成される。量子化雑音への対策の一例として、ストレッチゲインの小さい画像を選択する手法がある。また、他の例としては、伝送量子化ビット数を増加させる手法がある。しかしながら、この伝送量子化ビット数を増やす手法は、伝送路の問題等もあり運用上の負担が大きい。
【０００５】
図１０に従来のディジタルクロマキー装置の一例の概略的構成を示す。入力端子６１から供給される前景画像信号と入力端子６２から供給される背景画像信号の２種類の画像信号が夫々入力され、入力端子６１から供給される前景画像信号から指定される特定色の領域が抜き出される。その抜き出された信号の一例を図９Ａに示す。この例では、（０〜しきい値）の間の信号を（０〜２５５）の信号（図９Ｂ）へ拡大している。また、この例では、データを８ビットで扱う場合を想定し、（０〜２５５）と表記している。この説明において、画像信号に含まれる各画素は、８ビットデータとする。
【０００６】
図９において、しきい値Ｔｈは、可変であり、キー信号発生部６４においてストレッチ処理を実行するため、外部から端子６３を介してキー信号発生部６４へしきい値Ｔｈが供給される。乗算器６５では、入力端子６１から入力された前景画像信号とキー信号発生部６４から供給されるキー信号の係数ｋが掛け合わされる。乗算器６７では、入力端子６２から入力された背景画像信号とキー信号発生部６４から相補信号発生部６６を介して供給されるキー信号の係数（１−ｋ）が掛け合わされる。加算器６８は、乗算器６５および６７の夫々の出力の画像合成演算が実行される。係数ｋを時間的に変化させることによって、クロスフェード処理がなされる。その結果、背景画像中に前景画像がはめ込まれた合成画像が生成され、その生成された合成画像は、出力端子６９に取り出される。
【０００７】
【発明が解決しようとする課題】
上述のような、従来のクロマキー装置において、合成画像が生成された場合、生成された合成画像には劣化が生じる。この劣化は、キー信号を生成するためにストレッチ処理を施すことにより発生する。すなわち、上述のようにストレッチゲインが｀８’ の例では、画像切り換え用キー信号の量子化雑音も８倍になり合成画像における画像劣化が問題となる。
【０００８】
従って、この発明の目的は、ストレッチ処理を施しても、画像切り換え信号の量子化雑音が増えることを防止できる信号変換装置および方法を提供することにある。
【０００９】
【課題を解決するための手段】
請求項１に記載の発明は、複数の画像をキー信号によって切り換えて合成画像を生成する信号変換装置において、注目画素の空間的に近傍の複数の入力画素のデータを用いて、注目画素のクラスを決定するための手段と、決定されたクラス毎に予測係数を発生する手段と、入力された画素値と予測係数から入力された画素値より高いレベル解像度を有する画素推定値を生成する手段と、画素推定値に対して、信号整形を施し、キー信号を生成する手段とからなることを特徴とする信号変換装置である。
請求項３に記載の発明は、複数の画像をキー信号によって切り換えて合成画像を生成する信号変換装置において、注目画素の空間的に近傍の複数の入力画素のデータを用いて、注目画素のクラスを決定するための手段と、決定されたクラス毎に画素推定値を発生する手段と、画素推定値は、入力された画素値より高いレベル解像度を有し、画素推定値に対して、信号整形を施し、キー信号を生成する手段とからなることを特徴とする信号変換装置である。
【００１０】
請求項９に記載の発明は、複数の画像をキー信号によって切り換えて合成画像を生成する信号変換方法において、注目画素の空間的に近傍の複数の入力画素のデータを用いて、注目画素のクラスを決定し、決定されたクラス毎に予測係数を発生し、入力された画素値と予測係数から入力された画素値より高いレベル解像度を有する画素推定値を生成し、画素推定値に対して、信号整形を施し、キー信号を生成するようにしたことを特徴とする信号変換方法である。
請求項１１に記載の発明は、複数の画像をキー信号によって切り換えて合成画像を生成する信号変換方法において、注目画素の空間的に近傍の複数の入力画素のデータを用いて、注目画素のクラスを決定し、決定されたクラス毎に画素推定値を発生し、画素推定値は、入力された画素値より高いレベル解像度を有し、画素推定値に対して、信号整形を施し、キー信号を生成するようにしたことを特徴とする信号変換方法である。
【００１１】
【作用】
予め学習によって、例えば８ビットから１０ビットへの変換のための予測係数が決定される。この予測係数と、注目画素の周辺の入力画像データの複数の画素値との線形１次結合式によって、１０ビットの推定値が形成される。１０ビットの信号を処理することによって、切り換え用のキー信号が形成される。１０ビットへ変換された信号を使用することによって、ストレッチ処理を行っても、量子化雑音が増大することを抑えることができる。
【００１２】
【実施例】
以下、この発明に係る信号変換装置の一実施例について、図面を参照しながら詳細に説明する。この実施例では、ディジタル画像信号を８ビットデータから１０ビットデータへ変換し、１０ビットデータへ変換されたディジタル画像信号に基づいて切り換え用キー信号が生成される。
【００１３】
図１は、この発明の一実施例の信号変換装置の学習時の構成を示すブロック図である。１は、入力端子を示し、高レベル解像度データ、例えば１０ビットで生成された原ディジタルキー信号が入力され、入力された原ディジタルキー信号は、ビット数変換回路２と学習部３へ夫々供給される。図１では、省略したが、色領域抽出部において、特定色領域と対応する原ディジタルキー信号が入力端子１から供給されてもよい。
【００１４】
ビット数変換回路２は、原ディジタルキー信号の１０ビットデータを８ビットデータへ変換する。変換の簡単な一例として、１０ビット中の下位２ビットを除去することにより８ビットデータへ変換するものでもよい。学習部３に対して、入力端子１から１０ビットデータが供給され、ビット数変換回路２から８ビットデータが学習部３へ供給される。学習部３は、クラスコードｃと予測推定値を予測推定値メモリ４へ出力する。このクラスコードｃと予測推定値は、後述する手法から生成される。予測推定値メモリ４は、クラスコードｃで指定されるアドレスに予測推定値を記憶する。
【００１５】
この一実施例に用いる画素（サンプル値）の配置を図２に示す。ここでは、説明のため１次元データを用いる。この例では、入力された８ビットデータ列ｘｉから高レベル解像度データｙ´を推定する。８ビット入力データ列ｘｉ中から高レベル解像度データｙ´の座標に対応する８ビット入力データｘ´（ｘ８）を８ビット入力データ列ｘｉの変化から予測することでクラスの生成がなされる。各８ビット入力データは、線形１次結合式で表現される。その一例として、式（１）を下記に示す。
ｘ´＝ｋ０ｘ０＋・・・・＋ｋ７ｘ７＋ｋ９ｘ９＋・・・・＋ｋ１５ｘ１５（１）
【００１６】
学習部３では各クラス毎に、式（１）に代入された複数の信号データに基づいて正規方程式が生成され、最小自乗法を使用し、誤差の自乗が最小となるような予測係数ｋ０〜ｋ７、ｋ９〜ｋ１５が決定される。クラス分類としては、各クラスによる予測係数による予測推定値ｘ´と８ビット入力データｘ８の差分絶対値が最小となるクラスを決定クラスとする。学習部３において、複数の学習対象を用いて正規方程式を生成する場合、ダイナッミクレンジＤＲ、すなわちアクティビティーの小さい画素の分布は、学習対象から除外される。
【００１７】
この理由として、アクティビティーの小さい分布は、ノイズの影響が大きく、クラスの本来の推定値から外れることが多いので、アクティビティーの小さい画素分布を学習に含むと予測精度が低下する。よって、予測精度の低下を避けるため、学習において、アクティビティーの小さい画素分布は、学習対象から除外される。アクティビティーとしては、ダイナッミクレンジ、差分絶対値和、標準偏差の絶対値等が判定のために用いられる。但し、学習部３では、クラスコードｃとともに、学習で獲得された予測推定値が予測推定値メモリ４に供給される。
【００１８】
図３は、クラス分類部の構成の一例を示す。入力端子１１には、８ビット入力データが供給され、クラス分類部１２へ供給される。供給された８ビット入力データは、クラス分類部１２によって、クラスコードｃが形成される。クラス分類部１２からのクラスコードｃが予測推定値メモリ４に供給される。予測推定値メモリ４からは、クラスコードｃと対応するアドレスから読出された予測推定値が出力端子１４に取り出される。また、後述のように、マッピングによってキー信号を発生する時には、予め学習により得られている予測推定値が図３の構成のように、出力端子１４に取り出される。
【００１９】
ここで、図４は、予測推定値のクラスタリングテーブルの構成例を示す。この例は、ｎ個のクラスの場合である。各クラス番号に対応して、入力信号をクラス分けするための入力信号自身の１６個の予測係数と、その入力信号のクラスに対応する予測推定値が格納されている。この予測推定値も予め学習により生成される。後述するように、この実施例では、予め生成される予測推定値には、重心法が用いられる。
【００２０】
クラス分類の他の例について、図５を参照して説明する。１５は、圧縮符号化を使用したクラス分類部であり、１６は、ブロック毎のアクティビィティーに基づくクラス分類部である。アクティビィティーの具体的なものは、ブロックのダイナミックレンジ、ブロックデータの標準偏差の絶対値、ブロックデータの平均値に対する各画素の値の差分の絶対値等である。アクティビィティーにより画像の性質が異なる場合があるので、このようなアクティビィティーをクラス分類のパラメータとして使用することによって、クラス分類をより高性能とすることができ、また、クラス分類の自由度を増すことできる。
【００２１】
クラス分類部１５および１６によるクラス分類の動作は、まず、クラス分類部１６によって、ブロックのアクティビィティーにより複数のクラスに分け、そのクラス毎にクラス分類部１５によるクラス分けを行う。クラス分類部１５は、ＡＤＲＣ（ＡｄａｐｔｉｖｅＤｙｎａｍｉｃ−ＲａｎｇｅＣｏｄｉｎｇ）、ＤＰＣＭ（ＤｉｆｆｅｒｅｎｔｉａｌＰＣＭ）、ＢＴＣ（ＢｌｏｃｋＴｒａｎｃａｔｉｏｎＣｏｄｉｎｇ）、またはベクトル量子化等による圧縮符号化によって、ブロック内の画素データのビット数を圧縮するものである。
【００２２】
ＡＤＲＣは、ブロックのダイナミックレンジＤＲを検出し、最小値ＭＩＮを除去することによって、正規化した各画素データをダイナミックレンジＤＲに応じた量子化ステップ幅によって、量子化するものである。例えば画素データｘ０〜ｘ７、ｘ９〜ｘ１５をＡＤＲＣで１ビットへ圧縮した時には、１６ビットのクラスコードが形成される。ＤＰＣＭは、予測値と真値との差分を符号化出力とするものである。ＢＴＣは、例えばブロック毎に平均値、標準偏差を求めるものである。ベクトル量子化は、一般的にＫ次元ユークリッド空間を有限な集合で表現するものである。
【００２３】
図６は、予測係数を用い予測推定値が算出される場合において、予測係数の学習をソフトウェア処理で行う時のその動作を示すフローチャートである。ステップ２１から学習処理の制御が開始され、ステップ２２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の画素の配列を使用できる。ここでも、ダイナミックレンジＤＲがしきい値より小さい分布、すなわちアクティビティーが小さい分布は、学習データとして扱わない制御がなされる。ステップ２３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２６の予測係数決定へ制御が移り、終了していなければ、ステップ２４のクラス決定へ制御が移る。
【００２４】
ステップ２４のクラス決定は、入力された学習データのクラス分類がなされる。これは、上述のような、ベクトル量子化によるクラス分類、あるいはアクティビィティーによるクラス分類と圧縮符号化によるクラス分類の組合せが用いられる。ステップ２５の正規方程式加算では、後述する式（７）および（８）の正規方程式が作成される。
【００２５】
ステップ２３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２６に移り、ステップ２６の予測係数決定では、後述する式（９）を行列解法を用いて解いて、予測係数を決める。ステップ２７の予測係数ストアで、予測係数をメモリにストアし、ステップ２８で学習処理の制御が終了する。
【００２６】
ここで、この予測係数を生成する手法について説明する。予め線形１次結合式に基づく予測係数を用意するために最小自乗法を用いる。この最小自乗法について説明する。一般化した例として、Ｘを入力データ、Ｗを予測係数、Ｙを推定値とすると、次の式が成立する。
観測方程式：ＸＷ＝Ｙ（２）
【００２７】
【数１】

【００２８】
上述の観測方程式の式（２）により収集されたデータに最小自乗法を適用する。式（１）の例において、ｎ＝１６、ｍが学習データ数となる。式（２）の観測方程式をもとに、残差方程式を式（４）に示す。
【数２】

【００２９】
式（４）の残差方程式から、各ｗｉの最適値は、
【数３】

を最小にする条件が成り立つ場合が考えられる。すなわち、式（５）の条件を考慮すれば良いわけである。
【００３０】
【数４】

式（５）のｉに基づくｎ個の条件とすると、これを満たすｗ１、ｗ２、・・・・ｗｎを算出すれば良い。そこで、残差方程式の式（４）から式（６）が得られる。
【００３１】
【数５】

式（５）と式（６）から式（７）が得られる。
【００３２】
【数６】

そして、式（４）と式（７）から、正規方程式として式（８）が得られる。
【００３３】
【数７】

【００３４】
式（８）の正規方程式は、未知数の数ｎと同じ方程式を立てることが可能であるので、各ｗｉの最適値を求めることができる。そして、掃き出し法（Ｇａｕｓｓ−Ｊｏｒｄａｎの消去法）を用いて連立方程式を解けば、予測係数ｗ_ｉが求まり、クラスコードをアドレスとして、この予測係数ｗ_ｉをメモリに格納しておく。
【００３５】
なお、情報圧縮を行う場合、参照画素を同一のビット数のデータへ変換しているが、注目画素と参照画素との間の距離を考慮して、割り当てビット数を異ならせても良い。すなわち、注目画素により近い参照画素の割り当てビット数がそれが遠いもののビット数より多くされる。
【００３６】
図７は、この発明をクロマキー装置に対して適応した一実施例のブロック図である。３１は、前景画像信号が供給される入力端子で、この前景画像中の特定色領域が色領域抽出部３４において検出される。色領域抽出部３４の出力信号は、図９Ａに示す信号に対応する。マッピング部３５は、色領域抽出部３４の出力信号が供給され、その出力信号に基づいてクラス分類が行なわれる。決定されたクラスに対応し、予め学習された予測係数を用いて、８ビットより高いレベル解像度を有する、例えば１０ビットの信号がマッピング部３５において、生成される。
【００３７】
すなわち、特定色領域信号は、８ビットから、例えば１０ビットへ変換され、マッピング部３５からストレッチ部３６へ供給される。８ビットの信号にストレッチ処理を施し、キー信号を生成する手法と比較して、この例に示すように、１０ビットの信号にストレッチ処理を施せば、量子化雑音は１／４に低減できる。言い換えると、１０ビットの信号を、４倍にストレッチ処理を施した後の量子化雑音は、ストレッチ処理を施す前の８ビットの信号の量子化雑音と同等である。このようなレベル解像度を向上する処理において、画像の局所的特徴を反映するように、クラス分類は、用いられる。
【００３８】
端子３３から入力されたしきい値Ｔｈは、ストレッチ部３６へ供給される。ストレッチ部３６では、マッピング部３５から供給される１０ビットの信号に対し、その（０〜しきい値Ｔｈ）の間のレベルが（０〜２５５）の値へストレッチされる。ストレッチ部３６は、８ビットのキー信号（そのゲインが係数ｋと対応する）が出力される。そして、乗算器３７へ係数ｋが供給され、乗算器３９へは、相補信号発生部３８から発生する係数（１−ｋ）が供給される。
【００３９】
入力端子３１から供給される前景画像と係数ｋが乗算器３７で乗算され、入力端子３２から供給される背景画像が係数（１−ｋ）が乗算器３９で乗算される。乗算器３７および３９の夫々の出力が加算器４０で加算され、出力端子３１からクロスフェードされ、量子化雑音の低減された合成画像が供給される。ここで、マッピング部３５は、上述した図３、および図５に示すクラス分類および圧縮符号化の組合せの構成を使用してもよい。
【００４０】
８ビットデータから１０ビットデータを推定する、すなわち予測推定値を学習するために重心法を用いる場合について、図８のフローチャートに沿って説明する。ステップ５１は、このフローチャートの開始を表し、ステップ５２は、この学習を行うための準備として、クラスの度数カウンタＮ（＊）およびクラスのデータテーブルＥ（＊）の初期化を行うために全ての度数カウンタＮ（＊）および全てのデータテーブルＥ（＊）へ｀０’ データが書き込まれる。ここで、｀＊’ は、全てのクラスを示し、クラスｃ０に対応する度数カウンタは、Ｎ（ｃ０）となり、データテーブルは、Ｅ（ｃ０）となる。ステップ５２（初期化）の制御が終了するとステップ５３へ制御が移る。
【００４１】
ステップ５３は、注目画素を中心とした学習対象画素近傍データから、その注目画素のクラスが決定される。このステップ５３（クラス決定）では、上述のベクトル量子化、またはアクティビィティーおよび圧縮符号化を組み合わせたクラス分類がなされる。そして、ステップ５４では、この学習対象となる１０ビット画素値ｅが検出される。このとき、１０ビット画素値ｅそのものを検出する場合、近傍データから補間された基準値からの差分を画素値ｅとして検出する場合等が考えられる。後者は、学習条件に応じ推定値の精度を向上させる目的で使用される。
【００４２】
こうしてステップ５３（クラス決定）およびステップ５４（データ検出）から制御がステップ５５へ移り、ステップ５５のデータ加算では、クラスｃのデータテーブルＥ（ｃ）の内容に画素値ｅが加算される。次に、ステップ５６の度数加算において、そのクラスｃの度数カウンタＮ（ｃ）が｀＋１’ インクリメントされる。
【００４３】
全学習対象画素について、ステップ５３（クラス決定）からステップ５６（度数加算）の制御が終了したか否かを判定するステップ５７では、全データの学習が終了していれば｀ＹＥＳ’ 、すなわちステップ５８へ制御が移り、全データの学習が終了していなければ｀ＮＯ’ 、すなわちステップ５３（クラス決定）へ制御が移り、全データの学習が終了になるまで、繰り返し実行され、全てのクラスの度数カウンタＮ（＊）と対応する全てのクラスのデータテーブルＥ（＊）が生成される。
【００４４】
ステップ５８では、画素値ｅの積算値が保持されている各クラスのデータテーブルＥ（＊）が対応する画素値ｅの出現度数が保持されている各クラスの度数カウンタＮ（＊）で除算され、各クラスの平均値が算出される。この平均値が各クラスの推定値となる。ステップ５９では、ステップ５８において、算出された推定値（平均値）が各クラス毎に登録される。全クラスの推定値の登録が終了すると、制御がステップ６０へ移り、この学習フローチャートの終了となる。この手法は、学習対象画素値の分布の平均から推定値が生成されることから、重心法と呼ばれる。
【００４５】
なお、上述の一実施例は、この発明をディジタルクロマキー装置に対して適用したものであるが、これに限らず、スイッチャー、ビデオエフェクター等のディジタルビデオ信号処理装置に対しても、適用することができる。
【００４６】
また、この実施例では、予測推定値による学習のブロック図のみ示したが、予測係数による学習のブロック図は、予測推定値メモリを予測係数メモリへ置き換えることにより予測係数の学習が可能となる。このとき、クラスコードとそのクラスコードに対応した予測係数が予測係数メモリへ供給される。
【００４７】
【発明の効果】
この発明に係る信号変換装置は、ストレッチ処理以降のキー信号のレベル解像度を向上させることで、ストレッチ処理を施しても量子化雑音の増加が抑えられたキー信号を得ることが可能となり、量子化雑音の少ない高画質な合成画像を生成することができる。
【図面の簡単な説明】
【図１】この発明に係る信号変換装置における学習部の構成の一例のブロック図である。
【図２】この発明の一実施例における予測タップ領域を示す略線図である。
【図３】クラス分類のための構成の一例のブロック図である。
【図４】クラスと予測画素値の一例を示す略線図である。
【図５】クラス分類の他の例を示すブロック図である。
【図６】この発明に係る予測係数の学習を行う一例のフローチャートである。
【図７】この発明に係る信号変換装置における構成の一例のブロック図である。
【図８】この発明に係る予測推定値の学習を行う一例のフローチャートである。
【図９】信号のストレッチの説明に用いる略線図である。
【図１０】従来の信号変換装置における構成の一例のブロック図である。
【符号の説明】
３４色領域抽出部
３５マッピング部
３６ストレッチ部
３７、３９乗算器
３８相補信号発生部
４０加算器

Claims

複数の画像をキー信号によって切り換えて合成画像を生成する信号変換装置において、
注目画素の空間的に近傍の複数の入力画素のデータを用いて、上記注目画素のクラスを決定するための手段と、
決定された上記クラス毎に予測係数を発生する手段と、
入力された画素値と上記予測係数から入力された上記画素値より高いレベル解像度を有する画素推定値を生成する手段と、
上記画素推定値に対して、信号整形を施し、上記キー信号を生成する手段とからなることを特徴とする信号変換装置。
請求項１に記載の信号変換装置において、
発生した上記予測係数は、クラス毎の予測係数を格納するメモリを有し、
予め学習時に、上記予測係数を最小自乗法により求める手段と、
上記画素推定値は、入力された上記画素値と上記予測係数を用いて、生成される手段とからなることを特徴とする信号変換装置。
複数の画像をキー信号によって切り換えて合成画像を生成する信号変換装置において、
注目画素の空間的に近傍の複数の入力画素のデータを用いて、上記注目画素のクラスを決定するための手段と、
決定された上記クラス毎に画素推定値を発生する手段と、
上記画素推定値は、入力された画素値より高いレベル解像度を有し、
上記画素推定値に対して、信号整形を施し、上記キー信号を生成する手段とからなることを特徴とする信号変換装置。
請求項３に記載の信号変換装置において、
上記画素推定値は、上記クラス毎の上記画素推定値を格納するメモリを有し、学習時に、上記クラス毎に得られる値の累積値を累積度数で除した値が上記クラス毎の予測値として、上記メモリに格納されていることを特徴とする信号変換装置。
請求項３に記載の信号変換装置において、
上記画素推定値は、上記クラス毎の予測値を格納するメモリを有し、
学習時に、上記注目画素を含む複数の画素からなるブロックを形成し、
上記ブロック内のダイナミックレンジによって、上記注目画素の値を正規化し、
上記正規化された値の累積値を累積度数で除した値が上記クラス毎の予測値として、上記メモリに格納されていることを特徴とする信号変換装置。
請求項２、請求項４、または請求項５に記載の信号変換装置において、
学習時において、入力された画素値のアクティビティーの低い画素分布を学習対象から除くことを特徴とする信号変換装置。
請求項１に記載の信号変換装置において、
生成された上記キー信号に基づいて、上記画素推定値により構成された複数の画像の合成を行うクロマキー装置に適用することを特徴とする信号変換装置。
請求項３に記載の信号変換装置において、
生成された上記キー信号に基づいて、上記画素推定値により構成された複数の画像の合成を行うクロマキー装置に適用することを特徴とする信号変換装置。
複数の画像をキー信号によって切り換えて合成画像を生成する信号変換方法において、
注目画素の空間的に近傍の複数の入力画素のデータを用いて、上記注目画素のクラスを決定し、
決定された上記クラス毎に予測係数を発生し、
入力された画素値と上記予測係数から入力された上記画素値より高いレベル解像度を有する画素推定値を生成し、
上記画素推定値に対して、信号整形を施し、上記キー信号を生成するようにしたことを特徴とする信号変換方法。
請求項９に記載の信号変換方法において、
発生した上記予測係数は、メモリにクラス毎の予測係数を格納し、
予め学習時に、上記予測係数を最小自乗法により求め、
上記画素推定値は、入力された上記画素値と上記予測係数を用いて、生成するようにしたことを特徴とする信号変換方法。
複数の画像をキー信号によって切り換えて合成画像を生成する信号変換方法において、
注目画素の空間的に近傍の複数の入力画素のデータを用いて、上記注目画素のクラスを決定し、
決定された上記クラス毎に画素推定値を発生し、
上記画素推定値は、入力された画素値より高いレベル解像度を有し、
上記画素推定値に対して、信号整形を施し、上記キー信号を生成するようにしたことを特徴とする信号変換方法。
請求項１１に記載の信号変換方法において、
上記画素推定値は、メモリに上記クラス毎の上記画素推定値を格納し、
学習時に、上記クラス毎に得られる値の累積値を累積度数で除した値が上記クラス毎の予測値として、上記メモリに格納されていることを特徴とする信号変換方法。
請求項１１に記載の信号変換方法において、
上記画素推定値は、上記クラス毎の予測値を格納するメモリを有し、
学習時に、上記注目画素を含む複数の画素からなるブロックを形成し、
上記ブロック内のダイナミックレンジによって、上記注目画素の値を正規化し、
上記正規化された値の累積値を累積度数で除した値が上記クラス毎の予測値として、上記メモリに格納されていることを特徴とする信号変換方法。
請求項１０、請求項１２、または請求項１３に記載の信号変換方法において、
学習時において、入力された画素値のアクティビティーの低い画素分布を学習対象から除くことを特徴とする信号変換方法。
請求項９に記載の信号変換方法において、
生成された上記キー信号に基づいて、上記画素推定値により構成された複数の画像の合成を行うクロマキー装置に適用することを特徴とする信号変換方法。
請求項１１に記載の信号変換方法において、
生成された上記キー信号に基づいて、上記画素推定値により構成された複数の画像の合成を行うクロマキー装置に適用することを特徴とする信号変換方法。