JP3671469B2 - 予測係数の学習方法並びに信号変換装置および方法 - Google Patents
予測係数の学習方法並びに信号変換装置および方法 Download PDFInfo
- Publication number
- JP3671469B2 JP3671469B2 JP26484495A JP26484495A JP3671469B2 JP 3671469 B2 JP3671469 B2 JP 3671469B2 JP 26484495 A JP26484495 A JP 26484495A JP 26484495 A JP26484495 A JP 26484495A JP 3671469 B2 JP3671469 B2 JP 3671469B2
- Authority
- JP
- Japan
- Prior art keywords
- class
- prediction
- signal
- learning
- prediction coefficient
- 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.)
- Expired - Lifetime
Links
Images
Landscapes
- Television Systems (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Description
【発明の属する技術分野】
この発明は、入力された画像情報より高い解像度を有する画像信号を得ることができる予測係数の学習方法並びに信号変換装置および方法
に関する。
【0002】
【従来の技術】
標準TV信号(SD(Standard Definition )信号)をHD(High Definition )フォーマット信号に変換するアップコンバータに使用されている従来技術について以下、説明する。まず、標準TV信号(SD信号)とHD信号の各画素の空間配置例を図5に示す。ここでは説明の簡素化のため、HD信号の画素数を水平方向、垂直方向に各々2倍としている。図中の◎のSD画素に注目すると、近傍4種類(mode1,mode2,mode3,mode4)の位置にHD画素が存在する。
【0003】
従来のアップコンバータにおいては、入力SD信号に補間フィルタを適用することで補間画素を生成し、HDフォーマットの信号を出力する。このアップコンバータの簡素な構成例としては、SD信号のフィールドデータから、4種類の位置のHD画素を生成することが考えられる。そこで用いられる補間フィルタの構造は、空間内2次元ノンセパラブルフィルタと、水平/垂直セパラブルフィルタに分類される。その補間フィルタの構成例を図6に示す。
【0004】
図6Aに示すノンセパラブル補間フィルタは、空間内2次元フィルタを使用する場合である。入力端子51からSD信号が供給され、入力SD信号は、mode1用2次元フィルタ52、mode2用2次元フィルタ53、mode3用2次元フィルタ54およびmode4用2次元フィルタ55へそれぞれ供給される。すなわち、4種類の位置のHD画素毎に独立した2次元フィルタを用いて補間処理を実行する。その結果、それぞれのフィルタ52〜55の出力は、HD信号として選択部56へ供給され、選択部56において、直列化がなされ、出力端子57から出力HD信号が取り出される。
【0005】
また、図6Bに示す補間フィルタは、水平/垂直セパラブルフィルタを使用する場合である。入力端子61からSD信号が供給され、入力SD信号は、垂直補間フィルタ62および64へ供給される。垂直補間フィルタ62および64において、HD信号の2本の走査線データが生成される。例えば、垂直フィルタ62では、mode1用およびmode2用の処理が行われ、垂直フィルタ64では、mode3用およびmode4用の処理が行われる。
【0006】
これらの処理が行われると垂直補間フィルタ62および64からの出力信号は、水平補間フィルタ63および65へ供給される。この水平補間フィルタ63および65では、各走査線毎に水平フィルタを用い4種類の位置のHD画素が補間され、選択部66へ供給される。選択部66では、供給されたHD信号の直列化がなされ、出力端子67から出力HD信号が取り出される。
【0007】
【発明が解決しようとする課題】
しかしながら、従来のアップコンバータにおいて、補間フィルタとして理想フィルタを使用しても、画素数は増えるものの空間解像度はSD信号と変わらない。実際には理想フィルタを用いることが出来ないため、SD信号より解像度の低下したHD信号を生成することしか出来ないという問題がある。
【0008】
そこで、これを改善するため、補間フィルタにクラス分類適応処理を適用することが提案された。これは入力SD信号の特徴に基づき、入力信号をいくつかのクラスに分類し、予め学習により生成されたクラス毎の適応予測手法に従い、出力HD信号を生成する処理である。今回の提案は、このクラス分類適応処理の学習法に係わるものである。ただし、この発明は、アップコンバータ以外のサブサンプリングで間引かれた画素を補間するためのクラス分類適応処理等に対しても適用することができる。
【0009】
入力SD信号をHDフォーマット信号へ変換するアップコンバージョン方式として、クラス分類適応処理を導入することが提案されている。従来の周波数フィルタを用いたアップコンバージョン方式に比べ、クラス分類適応処理を用いたアップコンバージョン方式は、良好な画質が得られることが確認されている。
【0010】
従って、この発明は、信号変換装置および方法に適用される予測精度クラス分類法と呼ばれるクラス分類構造を持つ手法の予測係数の学習方法の提供を目的とする。
【0011】
さらに、この発明は、補間フィルタにクラス分類適応処理を適用することでSD信号から最適なHD信号を得ることができる信号変換装置および方法の提供を目的とする。
【0012】
【課題を解決するための手段】
請求項1に記載の発明は、入力信号中の注目画素の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、クラスに対応する予測係数と注目画素の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理における予測係数の学習方法において、第1の学習用入力信号中に含まれる注目画素に対して空間的および/または時間的に近傍の複数の参照画素による予測精度に基づいてクラス分類を行い、クラス分類に基づいて、各クラスの第1の学習用入力信号と対応する、第1の学習用信号よりも高品質な第2の学習用信号に対する予測を行い、第2の学習用信号に対する予測精度を考慮して、クラス分類適応処理におけるクラス分類に利用されるクラス予測係数を生成することを特徴とする予測係数の学習方法である。
【0013】
さらに、請求項2に記載の発明は、入力信号中の注目画素の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、クラスに対応する予測係数と注目画素の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理における予測係数の学習方法において、第1の学習用入力信号中に含まれる注目画素に対して空間的および/または時間的に近傍の複数の参照画素による予測精度に基づいて第1のクラス分類を行うステップと、第1のクラス分類ステップの各クラスの第1の学習用入力信号に対応する、第1の学習用信号よりも高品質な第2の学習用信号を用いて予測精度の評価を行うステップと、予測精度の評価結果に基づき、再び第1の学習用入力信号の第2のクラス分類を行うステップとからなり、第1および第2のクラス分類を繰り返すことによって、所望のクラス数までクラス分類を行い、分類されたクラス毎にクラス分類適応処理のクラス分類に利用されるクラス予測係数および予測値を予測するための予測係数を生成することを特徴とする予測係数の学習方法である。
【0014】
そして、請求項8に記載の発明は、入力信号中の注目位置の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、クラスに対応する予測係数と注目位置の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理を用いた信号変換装置において、予め学習された複数のクラス予測係数を出力する第1のメモリ手段と、入力信号と複数のクラス予測係数から予測誤差を演算する手段と、予測誤差が最小となるクラス予測係数を決定クラスとして出力する手段と、決定クラスに応じた予測係数を出力する第2のメモリ手段と、入力信号と第2のメモリ手段からの予測係数とから予測信号を生成する手段と、を有することを特徴とする信号変換装置である。
【0015】
また、請求項9に記載の発明は、入力信号中の注目位置の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、クラスに対応する予測係数と注目位置の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理を用いた信号変換方法において、第1のメモリから予め学習された複数のクラス予測係数を出力するステップと、入力信号と複数のクラス予測係数から予測誤差を演算するステップと、予測誤差が最小となるクラス予測係数を決定クラスとして出力するステップと、第2のメモリから決定クラスに応じた予測係数を出力するステップと、入力信号と第2のメモリからの予測係数とから予測信号を生成するステップと、を有することを特徴とする信号変換方法である。
【0016】
この発明は、入力信号自身をクラス予測係数でクラス分類する予測精度クラス分類という効率の良いクラス分類のSD予測係数を予め求めることができる。また、この発明は、信号変換装置および方法に適用される予測精度クラス分類法のクラス予測係数の学習によって得られるSD予測係数を用いてアップコンバージョンを行うことで、入力信号より高い解像度を有する出力信号を得ることができる。
【0017】
【発明の実施の形態】
以下、この発明の実施例について図面を参照しながら詳細に説明する。信号変換装置および方法に適用される予測精度クラス分類の一例を図1に示す。この図1Aは、説明を容易にするため1次元の構造例である。入力SD信号から出力HD信号をクラス分類適応処理により生成する。まず、入力SD信号がクラスに分類される。このクラスは、信号の特徴により分類されるグループであり、図1Bに示すように、予め学習によりクラス毎にクラス予測係数(SD予測係数)およびそのSD予測係数に対応する予測係数(HD予測係数)を用意しておく。
【0018】
入力SD信号が分類されたクラスに応じ、ROMなどに記憶されているHD予測係数を読み出し、入力SD信号とHD予測係数による予測演算を実行し、出力HD信号を得るものである。図1Bの例では、n個の各クラスに対し、HD予測係数w1 、w2 、w3 が用意されている。この予測演算は、図1Aの画素配置においては式(1)で表される。
【0019】
HD´=w1 ×sd7 +w2 ×sd8 +w3 ×sd9 ・・・(1)
HD´:推定HD画素値
sdi :SD信号予測タップ画素値
wi :予測係数
【0020】
このクラス分類法として、入力信号の波形特性を反映した手法が考えられ、例えば次のようなものが挙げられる。
1)PCMデータを直接使用する。
2)ADRC(適応的ダイナミックレンジ符号化)を適用し、クラス数を削減する。
3)DPCM(予測符号化)を適用し、クラス数を削減する。
4)VQ(ベクトル量子化)を適用し、クラス数を削減する。
【0021】
これらのクラス分類の方法では、複数の画素値の組合せが一括して表現される。しかしながら、これらの方法には、回路規模の制約の問題がある。図1Aの例では、クラス分類に17タップのSD画素が用いられる。上述の1)のクラス分類法に従い、各画素を1ビットで表したとしても、2の17乗という膨大なクラス数が必要となる。そこで提案されたのがこの発明の信号変換装置および方法に適用される予測精度クラス分類法である。
【0022】
すなわち、式(1)で用いた予測手法を入力信号の分類自体にも利用するものである。図1の例では、予め学習により入力SD信号自身を表現するSD予測係数k1 〜k17の組を、nクラス分、すなわちn種類だけ用意しておく。例えば、式(2)のように注目画素HD´に対応するSD画素SD´の画素値を周辺の16画素から予測する。
【0023】
【0024】
図1の例では、n種類のクラスから式(2)の演算の結果、SD自身の表現に最適なクラスを検出する。この場合の最適というのは、例えば式(3)のように、式(2)により特定された画素値SD´と、入力SD画素値の予測誤差Eが最小となるHD予測係数k1 〜k17の組を検出する手法であり、これを予測精度クラス分類法と呼ぶ。
【0025】
EMIN =MIN(|SD´−SD|)・・・(3)
SD´:推定SD画素値
SD:入力SD画素値
EMIN :SD値の予測誤差最小値
【0026】
この予測精度クラス分類法を用いることにより、効率良く、広い範囲のSD信号の変化を表すクラス表現が可能となる。
【0027】
ここで、この予測精度クラス分類法を用いたアップコンバータの一例を図2に示す。まず、1で示す入力端子からSD信号が供給され、入力SD信号d0は、ブロック生成部2およびクラス分類部3へ供給される。クラス分類部3は、制御部7、ブロック生成部8、SD予測係数ROM9、演算部10、記憶部11およびクラス決定部12から構成されている。入力SD信号d0が供給されたブロック生成部8では、クラス分類用のブロックが生成される。例えば、式(2)に基づいて、水平16画素のSDデータが選択され、信号d4として演算部10へ供給される。
【0028】
演算部10では、信号d4とSD予測係数ROM9から供給される信号d5(SD予測係数)とを用いて、式(2)の予測演算が行われる。このとき、式(3)に基づく最適予測係数の組を検出するために制御部7によって、ブロック生成部8からの信号d4(SDデータ)と、SD予測係数ROM9からの信号d5との出力の制御が行われる。すなわち、1組の信号d4に対して複数組の信号d5が演算部10へ供給される。その複数の演算結果は、信号d6(予測誤差)として、記憶部11に供給される。記憶部11において、信号d6が登録され、図1の例では、n個のクラスに対応するSD予測誤差が記憶される。各SD予測誤差は、信号d7として、クラス決定部12へ供給され、その最小値が検出される。検出されたSD予測誤差に対応する予測係数の属するクラスが決定クラス(信号d8)として、HD予測係数ROM4へ供給される。
【0029】
また、入力SD信号d0は、ブロック生成部2において、例えば式(1)に用いられるようなSDデータが選択される。そのSDデータは、信号d1として演算部5へ供給される。すなわち、ブロック生成部2では、3つのSD画素が選択される。演算部5において、この信号d1(SDデータ)とHD予測係数ROM4から決定クラスに対応するHD予測係数(信号d9)とを用いて、式(1)のHD予測演算が行われ、アップコンバートされたHD予測値は、信号d10として出力端子6から取り出される。
【0030】
ここで、この発明の予測精度クラス分類法のSD予測係数およびHD予測係数の学習の一例を図3を用いて説明する。この予測精度クラス分類法の学習は、従来のADRCなどのクラス分類による学習と異なり、SD信号のクラスと対応するHD信号のクラスの組合せが徐々に変化する構造である。これを循環型学習と呼び、図3には、その学習の順序の一例を示す。
【0031】
まず、学習の対象としてのSD信号全てを含むSD信号領域21において、全信号から式(2)に基づくSD信号自身のSD予測係数が生成される。この生成には、最小自乗法などが用いられるが、詳しくは後述する。すなわち、このSD信号領域21では、全SD信号を1つのクラスとして1組のSD予測係数を用いて、式(4)の演算が行われ、予測誤差Eが算出される。この予測誤差Eは、式(5)および式(6)によって、2組のクラスに分類され、SD信号領域22となる。すなわち、このSD信号領域22は、予測誤差しきい値判定を使用して、2組のクラスと1組のSD予測係数を有する状態となる。
【0032】
E=|SD´−SD|・・・(4)
C0 :E≦TH・・・(5)
C1 :E>TH・・・(6)
SD´:推定SD画素値
SD:入力SD画素値
E:SD値の予測誤差
C0 :クラス0の予測誤差条件
C1 :クラス1の予測誤差条件
TH:SD値の予測誤差判定しきい値
【0033】
次に、SD画素の空間的位置に対応するHD画素を対応させる。すなわち、SD信号の生成された2組のクラスに対応してHD信号領域23も2組のクラスを有する。さらに、HD信号領域23では、2組のクラスに対応するHD予測係数が式(1)に基づいて生成される。すなわち、HD信号領域23は、2組のクラスと2組のHD予測係数を有する状態となる。
【0034】
そして、HD信号領域において、この分類の評価を行う。すなわち、式(1)の予測結果HD´と真値HDとの予測誤差判定による、HD信号領域の再分類を行う。具体的には、式(7)により、クラスiの予測結果HD´と真値HDとの予測誤差ei が検出される。このとき、クラス数は2種類しかないので、式(8)および式(9)によりクラス0とクラス1に再分類され、HD信号領域24が得られる。ここで、MINi とは、クラスiのHD予測係数に対する誤差値が最小となるHD画素が再分類されたクラスiに含まれることを意味する。
【0035】
ei =|HD´i −HD|・・・(7)
C0 :MIN0 (ei )・・・(8)
C1 :MIN1 (ei )・・・(9)
HD´:推定HD画素値
HD:入力HD画素値
ei :クラスiの予測係数によるHD値の予測誤差
C0 :クラス0の選択予測誤差条件
C1 :クラス1の選択予測誤差条件
【0036】
そして、SD信号領域25では、再分類されたHD画素の空間的位置に対してSD画素を対応させることで、SD信号領域における再分類が行われる。さらに、2つのクラスに分類されたSD信号毎に、SD信号自身のSD予測係数が式(2)に基づいて生成される。次に、上述した式(4)、式(5)および式(6)と同じく予測誤差をしきい値判定することで、2クラスをそれぞれ2つに分類し、合計4クラスが生成され、SD信号領域26となる。すなわち、このSD信号領域26は、4組のクラスと2組のSD予測係数を有する状態となる。
【0037】
HD信号領域27では、HD信号領域23と同様にSD画素の空間的位置とHD画素を対応させる。すなわち、SD信号の生成された4組のクラスに対応してHD信号も4組のクラスが生成される。さらに、HD信号領域27では、4組のクラスに対応するHD予測係数が式(1)に基づいて生成される。すなわち、HD信号領域27は、4組のクラスと4組のHD予測係数を有する状態となる。
【0038】
そして、HD信号領域において、この分類の評価を行う。すなわち、式(1)の予測結果HD´と真値HDとの予測誤差判定による、HD信号領域の再分類を行う。具体的には、式(7)により、クラスiの予測結果HD´と真値HDとの予測誤差ei が検出される。このHD信号領域28では、クラス数は4種類となるので、式(8)および式(9)を拡張して4クラスとして再分類される。
【0039】
そして、SD信号領域29では、再分類されたHD画素の空間的位置に対してSD画素の位置が対応されることで、SD信号領域における分類が行われる。さらに、4つのクラスに分類されたSD信号毎に、SD信号自身のSD予測係数が式(2)に基づいて生成される。次に、上述した式(4)、式(5)および式(6)と同じく予測誤差をしきい値判定することで、4クラスをそれぞれ2つに分類し合計8クラスが生成され、SD信号領域30となる。すなわち、このSD信号領域30は、8組のクラスと4組のSD予測係数を有する状態となる。
【0040】
HD信号領域31では、HD信号領域23および27と同様にSD画素の空間的位置に対してHD画素の位置を対応させる。すなわち、SD信号の生成された8組のクラスに対応してHD信号も8組のクラスが生成される。さらに、HD信号領域31では、8組のクラスに対応するHD予測係数が式(1)に基づいて生成される。すなわち、HD信号領域31は、8組のクラスと8組のHD予測係数を有する状態となる。
【0041】
さらに、SD信号領域とHD信号領域との循環型学習が行われ、最終的にHD信号領域32において、上述したように式(7)により、クラスiの予測結果HD´と真値HDとの予測誤差ei が検出される。このHD信号領域32では、クラス数はCLASSとなるので、式(8)および式(9)を拡張して再分類される。
【0042】
そして、SD信号領域33では、再分類されたHD画素の空間的位置に対してSD画素の位置が対応されることで、SD信号領域における分類が行われる。さらに、4つのクラスに分類されたSD信号毎に、SD信号自身のSD予測係数が式(2)に基づいて生成される。このように、SD信号領域の予測誤差しきい値判定とHD信号領域の予測誤差判定を繰り返し最終的に所望のクラス数CLASSに至るまで分類する。
【0043】
ここで、予測精度クラス分類の学習法をソフトウェアで行う場合の一例を図4のフローチャートに示す。ステップ41からこのフローチャートは始まり、このステップ41において、全SD信号自身の単一クラスのSD予測係数が生成される。このSD予測係数とは、上述した式(2)に用いられるSD自身を予測する予測係数が生成される。さらに、ステップ41では、クラス数を計数するためのクラス数カウンタCを初期化、すなわち1とする。ステップ41からステップ42へ制御が移ると、SD信号領域において、上述のSD予測係数を用いた予測誤差しきい値判定が行われ、各クラスが2つに分割される。そして、ステップ43では、SD信号のクラスに対応するHD信号のクラスに関して、式(1)に用いられるHD自身を予測するHD予測係数が生成される。
【0044】
ステップ44では、各HD画素に関し、この予測係数の中から予測誤差を最小とするHD予測係数が検出される。その結果、HD信号領域におけるクラスの再分類が行われる。ステップ45では、その再分類結果に対応するSD信号の各クラス毎に、式(2)に用いられるSD自身を予測するSD予測係数が生成される。そして、このSD予測係数を用いた予測演算の予測誤差しきい値判定により、ステップ46において、各クラス内のデータを2つに分類されるので、全SD信号のクラス数が2倍になる。すなわち、SD信号領域におけるクラスの再分類が行われる。
【0045】
ステップ47では、目的のクラス数CLASSに達するまでクラス分類、すなわちこの再分類、クラス分類のループを繰り返し行う。ステップ48では、こうして得られる、SD自身のSD予測係数と、HD予測係数は、図1Bに示すようにROMに登録される。
【0046】
ここで、上述の学習で行われるSD信号領域とHD信号領域における式(1)および式(2)の予測係数の生成法について説明する。式(1)および式(2)の線形一次結合モデルに基づく予測係数を最小自乗法により生成する例を示す。一般化した例として、Xを入力データ、Wを予測係数、Yを推定値として次の式を考える。
【0047】
観測方程式;XW=Y・・・(10)
【数1】
【0048】
この観測方程式により収集されたデータに最小自乗法を適用する。式(1)の例においては、n=3とし、式(2)の例においては、n=16とし、そしてmが学習データ数とする。そして、式(10)の観測方程式をもとに、式(12)の残差方程式を考える。
【0049】
残差方程式;
【数2】
【0050】
式(12)の残差方程式から、各wi の最確値は
【数3】
を最小にする条件が成り立つ場合と考えられる。
【0051】
すなわち、式(13)の条件を考慮すれば良いわけである。
【数4】
【0052】
式(13)のiに基づくn個の条件を考え、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(12)から式(14)が得られる。
【数5】
【0053】
さらに、式(13)および式(14)により式(15)が得られる。
【数6】
【0054】
そして、式(12)および式(15)から、正規方程式(16)が得られる。
【数7】
【0055】
式(16)の正規方程式は、未知数の数nと同じ数の方程式を立てることが可能であるので、各wi の最確値を求めることが出来る。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く。以上が線形1次結合モデルに基づく予測係数を最小自乗法により生成する一例である。
【0056】
このような学習により、アップコンバータなどにクラス分類適応処理の中の予測精度クラス分類法を用いるために要求される、SDデータとHDデータの予測係数の学習を行うことが出来る。こうして、従来よりも高性能なアップコンバータが実現される。
【0057】
この実施例のクラス分類適応処理の学習法において、アクティビティーの低いものは学習の対象から取り除くようにすることで、より高い精度の学習を行うことができる。
【0058】
【発明の効果】
この発明に依れば、入力信号自身を予測係数でクラス分類する手法であり、効率良くクラス分類を実現することが可能となり、このための予測係数を予め生成することができる。
【0059】
また、この発明に依れば、入力信号より高い解像度を有する出力信号を得ることが出来るアップコンバータを実現することが可能となり、さらにそのアップコンバータを用いることによって、クラス分類に応じ、HD信号への予測性能を向上することができる。
【図面の簡単な説明】
【図1】この発明に係る予測精度クラス分類の説明に用いる略線図である。
【図2】この発明の信号変換装置の一実施例を示すブロック図である。
【図3】この発明のクラス予測係数の学習方法の一例を説明するための略線図である。
【図4】この発明のクラス予測係数の学習方法の一例のフローチャートである。
【図5】SD信号とHD信号の説明に用いる略線図である。
【図6】補間フィルタを用いた従来のアップコンバータのブロック図である。
【符号の説明】
2、8 ブロック生成部
3 クラス分類部
4 HD予測係数ROM
5 演算部
7 制御部
9 SD予測係数ROM
10 演算部
11 記憶部
12 クラス決定部
Claims (9)
- 入力信号中の注目画素の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、上記クラスに対応する予測係数と上記注目画素の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理における予測係数の学習方法において、
第1の学習用入力信号中に含まれる注目画素に対して空間的および/または時間的に近傍の複数の参照画素による予測精度に基づいてクラス分類を行い、上記クラス分類に基づいて、各クラスの上記第1の学習用入力信号と対応する、上記第1の学習用信号よりも高品質な第2の学習用信号に対する予測を行い、上記第2の学習用信号に対する予測精度を考慮して、上記クラス分類適応処理におけるクラス分類に利用されるクラス予測係数を生成することを特徴とする予測係数の学習方法。 - 入力信号中の注目画素の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、上記クラスに対応する予測係数と上記注目画素の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理における予測係数の学習方法において、
第1の学習用入力信号中に含まれる注目画素に対して空間的および/または時間的に近傍の複数の参照画素による予測精度に基づいて第1のクラス分類を行うステップと、
上記第1のクラス分類ステップの各クラスの上記第1の学習用入力信号に対応する、上記第1の学習用信号よりも高品質な第2の学習用信号を用いて上記予測精度の評価を行うステップと、
上記予測精度の評価結果に基づき、再び上記第1の学習用入力信号の第2のクラス分類を行うステップとからなり、
上記第1および第2のクラス分類を繰り返すことによって、所望のクラス数までクラス分類を行い、上記分類されたクラス毎に上記クラス分類適応処理のクラス分類に利用されるクラス予測係数および上記予測値を予測するための予測係数を生成する
ことを特徴とする予測係数の学習方法。 - 請求項2に記載の予測係数の学習方法において、
上記予測係数と上記クラス予測係数を生成するときに、上記第2の学習用信号のアクティビティーの小さいデータを学習対象から除外することを特徴とする予測係数の学習方法。 - 請求項2に記載の予測係数の学習方法において、
上記第1のクラス分類ステップは、上記第1の学習用入力信号中に含まれる注目画素に対して空間的および/または時間的に近傍の複数の参照画素による予測精度に対して、しきい値を用いてクラス分類を行うことを特徴とする予測係数の学習方法。 - 請求項2に記載の予測係数の学習方法において、
上記第1のクラス分類ステップの各クラスの上記第1の学習用入力信号に対応する上記第2の学習用信号を用いて上記予測精度の評価を行う場合に、予測誤差比較を用いて評価を行うことを特徴とする予測係数の学習方法。 - 請求項2に記載の予測係数の学習方法において、
上記第1のクラス分類ステップは、上記第1の学習用入力信号中に含まれる注目画素に対して空間的および/または時間的に近傍の複数の参照画素による予測精度に対して、しきい値を用いてクラス分類を行い、
上記第1のクラス分類ステップの各クラスの上記第1の学習用入力信号に対応する上記第2の学習用信号を用いて上記予測精度の評価を行う場合に、予測誤差比較を用いて評価を行う
ことを特徴とする予測係数の学習方法。 - 請求項2に記載の予測係数の学習方法において、
上記第1のクラス分類ステップおよび上記評価ステップは、上記予測係数による予測値と真値との差分絶対値に基づいてクラス分類および評価を行うことを特徴とする予測係数の学習方法。 - 入力信号中の注目位置の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、上記クラスに対応する予測係数と上記注目位置の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理を用いた信号変換装置において、
予め学習された複数のクラス予測係数を出力する第1のメモリ手段と、
入力信号と上記複数のクラス予測係数から予測誤差を演算する手段と、
上記予測誤差が最小となる上記クラス予測係数を決定クラスとして出力する手段と、
上記決定クラスに応じた予測係数を出力する第2のメモリ手段と、
上記入力信号と上記第2のメモリ手段からの上記予測係数とから予測信号を生成する手段と、
を有することを特徴とする信号変換装置。 - 入力信号中の注目位置の空間的および/または時間的に近傍に存在する複数の画素に基づいてクラス分類してクラスを検出し、上記クラスに対応する予測係数と上記注目位置の近傍に存在する複数の画素とを用いた演算を用いて予測値を生成するクラス分類適応処理を用いた信号変換方法において、
第1のメモリから予め学習された複数のクラス予測係数を出力するステップと、
入力信号と上記複数のクラス予測係数から予測誤差を演算するステップと、
上記予測誤差が最小となる上記クラス予測係数を決定クラスとして出力するステップと、
第2のメモリから上記決定クラスに応じた予測係数を出力するステップと、
上記入力信号と上記第2のメモリからの上記予測係数とから予測信号を生成するステップと、
を有することを特徴とする信号変換方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26484495A JP3671469B2 (ja) | 1995-09-19 | 1995-09-19 | 予測係数の学習方法並びに信号変換装置および方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26484495A JP3671469B2 (ja) | 1995-09-19 | 1995-09-19 | 予測係数の学習方法並びに信号変換装置および方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0983961A JPH0983961A (ja) | 1997-03-28 |
JP3671469B2 true JP3671469B2 (ja) | 2005-07-13 |
Family
ID=17409005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP26484495A Expired - Lifetime JP3671469B2 (ja) | 1995-09-19 | 1995-09-19 | 予測係数の学習方法並びに信号変換装置および方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3671469B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030020094A (ko) * | 2001-09-01 | 2003-03-08 | 엘지전자 주식회사 | 디스플레이 시스템의 해상도 변환 장치 및 방법 |
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 |
JP3702464B2 (ja) | 2002-05-08 | 2005-10-05 | 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 |
US7627198B2 (en) | 2003-05-29 | 2009-12-01 | Sony Corporation | Information signal processing device and processing method, codebook generating device and generating method, and program for executing the methods |
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 |
KR100700982B1 (ko) * | 2005-05-24 | 2007-03-29 | 삼성전자주식회사 | 영상처리방법과, 영상처리장치와 이를 포함하는영상처리시스템 및 그 제어방법 |
JP5347862B2 (ja) * | 2008-09-29 | 2013-11-20 | ソニー株式会社 | 係数学習装置および方法、画像処理装置および方法、プログラム、並びに記録媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3271101B2 (ja) * | 1993-09-21 | 2002-04-02 | ソニー株式会社 | ディジタル画像信号処理装置および処理方法 |
JP3590996B2 (ja) * | 1993-09-30 | 2004-11-17 | ソニー株式会社 | ディジタル画像信号の階層符号化および復号装置 |
-
1995
- 1995-09-19 JP JP26484495A patent/JP3671469B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH0983961A (ja) | 1997-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100465559B1 (ko) | 신호변환장치및신호변환방법 | |
WO1994014278A1 (en) | Image signal converter | |
US8331710B2 (en) | Image processing apparatus and method, learning apparatus and method, and program | |
JP3669530B2 (ja) | 画像信号変換装置及び画像信号変換方法 | |
JP3794505B2 (ja) | 信号変換装置及び信号変換方法 | |
JP3864400B2 (ja) | 画像処理装置および画像処理方法 | |
JP3671469B2 (ja) | 予測係数の学習方法並びに信号変換装置および方法 | |
JPH0787481A (ja) | 異常検出装置 | |
JP3859089B2 (ja) | 信号変換装置及び信号変換方法 | |
JP3743077B2 (ja) | 画像信号変換装置および方法 | |
JP3693187B2 (ja) | 信号変換装置及び信号変換方法 | |
JP3796844B2 (ja) | 画像処理装置、画像処理方法、パラメータ生成装置およびパラメータ生成方法 | |
JP3669522B2 (ja) | 信号変換装置、信号変換方法、係数学習装置及び係数学習方法 | |
JP4016138B2 (ja) | 画像信号変換装置及び画像信号変換方法 | |
US8228995B2 (en) | Image processing apparatus, image processing method, and program | |
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 | |
JP4131049B2 (ja) | 信号処理装置及び信号処理方法 | |
JP3543339B2 (ja) | 符号化装置およびその復号装置 | |
JPH1070709A (ja) | 画像信号変換装置および方法 | |
JP3772408B2 (ja) | 画像信号変換装置および方法 | |
JP3856244B2 (ja) | 信号変換装置及び信号変換方法 | |
JP4235918B2 (ja) | 画像処理装置および画像処理方法 | |
JP4016140B2 (ja) | 係数生成装置及び係数生成方法 | |
JP4016139B2 (ja) | 係数生成装置及び係数生成方法 | |
JPH1056622A (ja) | 画像信号変換装置および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041130 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050131 |
|
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: 20050329 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050411 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080428 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120428 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130428 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140428 Year of fee payment: 9 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |