JP4240322B2

JP4240322B2 - 係数生成装置及び係数生成方法

Info

Publication number: JP4240322B2
Application number: JP2005290375A
Authority: JP
Inventors: 秀雄中屋; 哲二郎近藤
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2005-10-03
Filing date: 2005-10-03
Publication date: 2009-03-18
Anticipated expiration: 2015-07-24
Also published as: JP2006094541A

Description

本発明は係数生成装置及び係数生成方法に関し、例えば伝送や記録のために圧縮符号化された画像信号を復号する圧縮デコーダにおいて用いられる、当該画像信号を補正するための係数を予め求める場合に適用し得る。

従来、例えばテレビ会議システムなどのように画像信号を遠隔地に伝送するいわゆる画像信号伝送システムや、画像信号をデイジタル化してビデオテープレコーダやビデオデイスクレコーダに記録し再生する装置においては、伝送路や記録媒体を効率的に利用するため、デイジタル化した画像信号の相関を利用して有意情報を効率的に符号化することにより伝送情報量や記録情報量を削減し、伝送効率や記録効率を高めるようになされている。

具体的には、画像データを高能率圧縮符号化することにより、伝送するデータ量を大幅に削減する。この高能率符号化の一手法としてＡＤＲＣ（Adaptive Dynamic Range Coding ）が提案されている（例えば特開昭61-144989 号公報参照）。ＡＤＲＣは入力画像データを複数画素からなるブロツクに分割し、当該ブロツク単位で各画素データを原量子化ビツト数よりも小さいビツト数に符号化するものである。より具体的には、２次元ブロツク内に含まれる複数画素の最大値及び最小値により規定されるダイナミツクレンジを求め、このダイナミツクレンジに適応した符号化を行うことにより画像信号を高能率符号化する。

このＡＤＲＣを実現するＡＤＲＣエンコーダは、図１０に示すように構成されている。図１０において、ＡＤＲＣエンコーダ１はアナログデイジタル変換回路（Ａ／Ｄ）２によつて入力画像信号Ｓ１を１画素当り８ビツトのデイジタルデータに変換した後、ブロツク化回路３に供給する。ブロツク化回路３は画像データを８画素×８ライン程度のブロツクに分割する。

最大値算出回路４はブロツク内の最大画素値ＭＡＸを求め、最小値算出回路５はブロツク内の最小画素値ＭＩＮを求める。そして最大画素値ＭＡＸ及び最小画素値ＭＩＮが差分回路７に与えられ、さらに最小画素値ＭＩＮが差分回路８及びフレーム化回路１０に与えられる。この結果差分回路７からはブロツク内のダイナミツクレンジＤＲが出力され、これがフレーム化回路１０に送出される。また差分回路８では、遅延回路６を介して入力された各画素値と最小画素値ＭＩＮとの差分演算が行われ、この結果得られた差分値が適応量子化回路９に送出される。

適応量子化回路９は、ブロツク内の各画素値をＬ_ｉとしたとき、次式

の演算に基づく再量子化を行う。この結果８ビツトで表現されていた各画素は、これよりも小さいｎビツトの量子化コードＱ_ｉで表現されることになり、画像情報量が有効に削減される。フオーマツト化回路１０は、ブロツク内ダイナミツクレンジＤＲ、最小画素値ＭＩＮ及び量子化コードＱ_ｉを伝送路や記録系の種類に応じてフオーマツトすることにより最終的な圧縮画像データＳ２を形成する。
かくしてＡＤＲＣエンコーダ１においては、１画素当り８ビツトの画像情報をそのまま伝送する場合と比較して、情報量が格段に削減された圧縮画像データＳ２を得ることができる。

この圧縮符号化されてなる圧縮画像データＳ２を復号するＡＤＲＣデコーダは、図１１に示すように構成されている。すなわちＡＤＲＣデコーダ１１はフレーム分解回路１２に圧縮画像データＳ２を入力すると、これを最小画素値ＭＩＮ、ブロツク内ダイナミツクレンジＤＲ及び量子化コードＱ_ｉに分解し、このうちブロツク内ダイナミツクレンジＤＲ及び量子化コードＱ_ｉを適応逆量子化回路１３に供給すると共に、最小画素値ＭＩＮを加算回路１４に供給する。

ここで適応逆量子化回路１３及び加算回路１４は、次式

の演算を行うことにより、各画素についての復号値Ｌ_ｉ′求め、これを復号画像データＳ３としてブロツク分解回路１５に送出する。ブロツク分解回路１５はＡＤＲＣエンコーダ１（図１０）のブロツク化回路３と逆の処理を行うことにより、復号画像データＳ３をテレビジヨン時系列に変換する。ブロツク分解された復号画像データはデイジタルアナログ変換回路１６によりアナログ変換され、このようにして復元画像信号Ｓ４が得られる。

ところが、従来のＡＤＲＣの符号化復号化においては、（１）及び（２）式の演算を行う際に、除算部分でいわゆる近似演算が行われる。このためＡＤＲＣの量子化ビツト数が少ない場合には、復元画質が劣化する問題があつた。

かかる問題点を解決する一つの方法として従来、画像信号の相関性を考慮して、復号対象となる画素のみで復号値を求めるのではなく、その周辺画素のレベルをも参照して復号対象画素の復号値を求めることにより、復号時の量子化誤差を低減する復号装置が提案されている（特開平1-200885号公報）。

しかしながら、この種の復号装置においては、注目復号画素の最近傍の画素による局所的な特徴のみを参照しているため、改善の効果はあるものの、真値に近い復号値を得る点で未だ不十分な問題がある。例えば注目復号画素の周囲の画素を含めた領域において、それらの画素値が原画像の画素値に対して全体としてどちらかにオフセツトしている場合がある（いわゆるオフセツト変動）。このような場合には、たとえ周辺画素のレベルを参照して復号対象画素を復号しても、その周辺画素全体に誤差があるので、正確な復号値を得ることはできなかつた。

本発明は以上の点を考慮してなされたもので、ＡＤＲＣ等のブロツク単位の符号化により得られた圧縮画像データを復号する際に量子化誤差を補正値するために用いられる係数を予め生成する係数生成装置及び係数生成方法を提案しようとするものである。

かかる課題を解決するため本発明においては、入力された学習用画像データを複数画素からなる符号化ブロツクに分割し、当該符号化ブロツク単位で当該複数画素の最大値及び最小値により規定されるダイナミツクレンジに適応し原量子化ビツト数よりも小さいビツト数に符号化することにより得られる符号化画像データから、注目画素を中心とする所定範囲のクラス分類ブロツクを形成し、当該クラス分類ブロツクのブロツク内画素データを用いて注目画素をクラス分類し、学習用画像データからの注目画素の真値と、注目画素を画像符号化手法に対応した復号手法によつて復号した際の復号値との差分値を求め、当該差分値を、分類されたクラス毎にクラス分類に用いるブロツク内画素データと所定の係数との積和演算により表し、最小二乗法を用いて当該積和演算の係数を求め、当該係数を分類されたクラスに対応付けて係数記憶手段に格納するようにする。

この結果、例えば注目復号画素の周囲の画素を含めた領域においてそれらの画素値が原画像の画素値に対して全体としてどちらかにオフセツトしているような場合に、分類されたクラスに応じて係数記憶手段から読み出した係数とブロツク内画素データとの積和演算により得られる補正値を用いて符号化画素データを補正することにより、当該オフセツト量をも含めた誤差量を有効にキヤンセルすることができる。

上述のように本発明によれば、入力された学習用画像データを複数画素からなる符号化ブロツクに分割し、当該符号化ブロツク単位で当該複数画素の最大値及び最小値により規定されるダイナミツクレンジに適応し原量子化ビツト数よりも小さいビツト数に符号化することにより得られる符号化画像データから、注目画素を中心とする所定範囲のクラス分類ブロツクを形成し、当該クラス分類ブロツクのブロツク内画素データを用いて注目画素をクラス分類し、学習用画像データからの注目画素の真値と、注目画素を画像符号化手法に対応した復号手法によつて復号した際の復号値との差分値を求め、当該差分値を、分類されたクラス毎にクラス分類に用いるブロツク内画素データと所定の係数との積和演算により表し、最小二乗法を用いて当該積和演算の係数を求め、当該係数を分類されたクラスに対応付けて係数記憶手段に格納することにより、圧縮画像データから復元画像を生成する際に、当該圧縮画像データ中の各注目画素を、当該注目画素を中心とするクラス分類ブロツク内画素データを用いてクラス分類し、当該クラスに応じた係数と圧縮画像データとの積和演算により復号値と真値との誤差量に相当する補正値を求め、当該補正値を用いて注目画素データの復号誤差を補正し原画像に非常に近い復元画像を得ることができる。

以下図面について、本発明の一実施例を詳述する。

（１）全体構成
図１１との対応部分に同一符号を付して示す図１において、２０は全体として本発明による画像データ復号方法を適用したＡＤＲＣデコーダを示す。ＡＤＲＣデコーダ２０はクラス分類適応処理部２１を有する。クラス分類適応処理部２１はフレーム分解回路１２から出力された量子化コードＱ_ｉに対してクラス分類適応処理を施すことにより、量子化コードＱ_ｉをより真値に近い量子化コードＱ_ｉ′に変換した後、適応逆量子化回路１３に供給する。

クラス分類適応処理部２１は、量子化コードＱ_ｉをクラス分類回路２２に入力し、ここで注目する画素の量子化コードＱ_ｉの周辺の情報を用いて注目画素をクラス分類し、当該分類結果を表わすクラスコードCLASS を出力する。係数ＲＯＭ２３には、予め学習によつて各クラス毎に求められた係数（この係数は複数の係数でなる係数組である）が記憶されており、クラスコードCLASS に応じた係数組ｗが読み出される。

積和演算回路２４は係数ＲＯＭ２３から読み出された係数組ｗと、注目画素の周辺画素の量子化コードＱ_ｉを用いて、次式

で表わされる線形一次結合演算を行うことにより、注目画素に対する補正値δ_ｉを求める。そして加算回路２５において、注目画素の補正値δ_ｉと注目画素の量子化コードＱ_ｉが加算されることにより、注目画素についての新たな量子化コードＱ_ｉ′（＝Ｑ_ｉ+ δ_ｉ）が得られる。

適応逆量子化回路１３及び加算回路１４においては、クラス分類適応処理部２１によつて形成された新たな量子化コードＱ_ｉ′を用いて、次式

に基づく復号処理を行うことにより復号値Ｌ_ｉ″を求め、これを復号画像データＳ１０として出力する。復号画像データＳ１０はブロツク分解回路１５及びデイジタルアナログ変換回路１６を順次通過させられることにより、復元画像信号Ｓ１１とされる。

（２）クラス分類回路の構成例
ここでクラス分類回路２２は、例えば図２又は図３に示すように構成されている。ここで図２に示すクラス分類回路３０及び図３に示すクラス分類回路４０は、基本的には、注目画素を中心とする狭い範囲のブロツクの情報とさらにその外側のブロツクの情報とをコード化し、これをクラスコードＣＬＡＳＳとして出力するものである。

なおＡＤＲＣのようにブロツク単位で符号化されて得られた圧縮画像データＳ２においては、注目画素が符号化ブロツクの境界にある場合もあり、このような場合に注目画素の量子化コードとその周辺の量子化コードがそれぞれ異なる符号化ブロツクに存在することとなるため、注目量子化コードとその周辺の量子化コードとの関連が無くなつてしまう。

そこでＡＤＲＣデコーダ２０においては、実際上、クラス分類回路２２の前段に図示しないブロツク調整回路を設け、当該ブロツク調整回路によつて注目画素周辺の量子化コードＱ_ｉを一旦復号し、注目画素の符号化ブロツクのダイナミツクレンジＤＲ及び最小値ＭＩＮに基づいてこの復号値を再量子化した量子化コードＱ_ｉをクラス分類回路２２に供給するようになされている。

（２−１）構成例Ｉ
先ず図２に示すクラス分類回路３０について説明する。クラス分類回路３０は、フレーム分解回路１２（図１）及び図示しないブロツク調整回路を介して入力された量子化コードＱ_ｉを第１のブロツク化回路３１及び第２のブロツク化回路３２に入力する。第１のブロツク化回路は、図４に示すように、注目画素とその周辺８画素により第１のブロツクを形成し、このブロツク化データをタイミング合せのための遅延回路３３を介してコード化回路３４に送出する。コード化回路３４は入力したブロツク化データに基づいて、注目画素の周囲８画素の量子化コードを所定の順に並べたものを第１のクラスコードＤ１として出力する。このようにして、注目画素の周辺の狭い範囲の画素レベル分布パターンを表わす第１のクラスコードＤ１が形成される。

第２のブロツク化回路３２は、図４に示すように、第１のブロツク化回路３１で形成したブロツクのさらに外側の８画素により第２のブロツクを形成し、このブロツク化データを最大値検出回路３５及び最小値検出回路３６に送出する。最大値検出回路３５及び最小値検出回路３６はそれぞれ８画素の中の最大値及び最小値を検出し、当該検出結果を方向コード化回路３７及び３８に送出する。

方向コード化回路３７及び３８は、中心からみた（すなわち注目画素からみた）最大値画素及び最小値画素の方向をコード化する。ここで中心からみた方向は８種類に別れるので、各方向コード化回路３７及び３８はそれぞれ３ビツトでなる方向コードを出力する。この方向コード化回路３７の方向コードと方向コード化回路３８の方向コードとを合わせたものが、第２のクラスコードＤ２として出力される。このようにして、注目画素周辺の画像の傾斜の方向を表わす第２のクラスコードＤ２が形成される。

第１及び第２のクラスコードＤ１及びＤ２は続く合成回路３９によつて合成され、この結果第１及び第２のクラスコードＤ１及びＤ２を合わせた最終的なクラスコードCLASS が形成され、当該クラスコードCLASS が係数ＲＯＭ２３に出力される。

（２−２）構成例II
次に図３に示すクラス分類回路４０について説明する。クラス分類回路４０は、量子化コードＱ_ｉを第１のブロツク化回路４１及び第２のブロツク化回路４２に入力する。第１のブロツク化回路４１は図２の第１のブロツク化回路３１と同様に注目画素とその周辺８画素により第１のブロツクを形成する。また第２のブロツク化回路４２も上述した第２ブロツク化回路３２と同様に外側の８画素により第２のブロツクを形成する。

第１のブロツク化回路４１により形成されたブロツク化データのうち、注目画素の周辺８画素の量子化値は順次比較回路４３に与えられると共に注目画素の量子化値がメモリ（Ｄ）４４を介して比較回路４３に与えられる。比較回路４３では、図５（Ａ）に示すように、注目画素の量子化値とその周辺８画素の各量子化値の大小が順次比較される。コード化回路４５は比較回路４３の比較結果を「１」又は「０」でコード化し、これを第１のクラスコードＤ３として出力する。

第２のブロツク化回路４２により形成されたブロツク化データは、タイミング合せのための遅延回路４６を介して比較回路４７に供給される。また比較回路４７には、第１のブロツク化回路４１によつて形成されたブロツク化データが平均値算出回路４８を介して供給される。この結果比較回路４７では、図５（Ｂ）に示すように、注目画素とその周辺８画素の合わせて９画素の平均値と、その外側の８画素との大小が順次比較される。コード化回路４９は比較回路４７の比較結果を「１」又は「０」にコード化し、これを第２のクラスコードＤ４として出力する。

このようにして、第１のクラスコードＤ３と比較して広い範囲の画素の状態を表わす第２のクラスコードＤ４が形成される。因にクラス分類回路４０は、第２のクラスコードＤ４を求める際、注目画素の値をそのまま用いて外側の周辺画素との比較を行なわずに、近傍８画素を含めた９画素によつて予め平均値を求め、その平均値と外側８画素との比較を行うようにしたことにより、例えば注目画素が特異点である場合やノイズ等があつた場合でも、これらの影響を第２のクラスコードＤ４に及ばせることなく、的確に注目画素周辺の状態を表わす第２のクラスコードＤ４を形成することができる。

第１及び第２のクラスコードＤ３及びＤ４は続く合成回路５０によつて合成され、この結果第１及び第２のクラスコードＤ３及びＤ４を合わせた最終的なクラスコードCLASS が形成され、当該クラスコードCLASS が係数ＲＯＭ２３に出力される。

（３）係数の選定
次に係数ＲＯＭ２３に記憶されるクラス毎の係数組ｗの選定の仕方について説明する。この係数組ｗは画質劣化の無い原画像データを用いた学習により求められる。図６に、これを実現するための学習回路６０の構成を示す。学習回路６０は劣化の無い学習用画像データＳ２０を時系列変換６１に入力すると、ここで当該学習用画像データＳ２０に対して注目画素の画素値ｙと、その周辺の８画素ｘ_１〜ｘ_８（８画素でなくてもよい）とで１ブロツクを構成するような時系列変換処理を施し、これら９画素ｙ、ｘ_１〜ｘ_８をＡＤＲＣエンコーダ６２に供給する。

ＡＤＲＣエンコーダ６２は、図１０において上述したＡＤＲＣエンコーダ１と同様の構成でなり入力画像データを圧縮符号化することにより、各画素値ｙ、ｘ_１〜ｘ_８に対応する量子化コードＱ_ｉと、それらのダイナミツクレンジＤＲと、最小値ＭＩＮとでなる圧縮画像データＳ２１を生成し、当該圧縮画像データＳ２１を、図１１において上述した従来のＡＤＲＣデコーダ１１と同様の構成でなるＡＤＲＣデコーダ６３によつて復号する。

そしてＡＤＲＣデコーダ６３によつて得られた復号画素値のうち注目画素の復号画素値が差分回路６４に供給される。また差分回路６４には、注目画素の真の画素値ｙがタイミング合せのための遅延回路６５を介して供給される。この結果差分回路６４では、ＡＤＲＣエンコーダ６２及びＡＤＲＣデコーダ６３を介して得られた圧縮復号誤差の有る注目画素の画素値と、加工されていない注目画素の真の画素値ｙとの差分がとられ、当該差分結果が誤差値δｙとして係数算出回路６６に送出される。

また学習回路６０は、ＡＤＲＣエンコーダ６２から出力される量子化コードＱ_ｉをクラス分類回路６７に送出する。クラス分類回路６７は上述したクラス分類回路２２（図１）と同様の構成でなり、注目画素の周辺の複数の量子化コードＱ_ｉに基づいて当該注目画素のクラスを表わすクラスコードCLASS を形成し、当該クラスコードCLASS を係数算出回路６６に送出する。またＡＤＲＣエンコーダ６２から出力された量子化コードＱ_ｉはタイミング合せのための遅延回路６８を介して係数算出回路６６に与えられる。

このように係数算出回路６６はクラスコードCLASS を入力すると共に、注目画素周辺の量子化コードＱ_１〜Ｑ_８及び注目画素の真値からの誤差値δｙを入力し、クラスコードCLASS で表わされるクラス毎に、誤差値δｙと量子化コードＱ_１〜Ｑ_８との相関関係を表わす係数Ｗを最小二乗法を用いた学習により求める。

すなわち係数算出回路６６は、先ず量子化コードＱ_１、Ｑ_２、……、Ｑ_８にそれぞれ係数ｗ_１、ｗ_２、……、ｗ_８を掛けることにより、誤差値δｙを周辺の量子化コードＱ_１〜Ｑ_８と係数ｗ_１〜ｗ_８との線形一次結合により表わす。具体的には、係数算出回路６６は同じクラスの誤差値δｙ_１〜δｙ_ｒそれぞれについて、量子化コードＱ_{（Ｒ，Ｓ）}（但し、Ｒ＝１、２、……ｒ、Ｓ＝１、２、……、８とする）と係数ｗ_１〜ｗ_８との線形一次結合式を立てて、この係数ｗ_１〜ｗ_８を最小二乗法により求める。

これについて説明すると、先ず誤差値δｙ_１〜δｙ_ｒの行列式Ｙは、周辺量子化コードＱ_{（Ｒ，Ｓ）}の行列式Ｘと係数ｗ_１〜ｗ_８の行列式Ｗを用いて、次式

でなる観測方程式の形で表わすことができる。但し（５）式において、ｒは同一クラスの注目画素数を表わす。

ここで（５）式の連立方程式を解くことにより係数ｗ_１〜ｗ_８を求めればよい。これを最小二乗法の演算により解く。すなわち先ず、（５）式を残差行列Ｅを用いて、次式

のように残差方程式の形に表現し直す。

ここで（６）式から各係数ｗ_１〜ｗ_８の最確値を求めるためには、ｅ_１ ^２＋ｅ_２ ^２＋……＋ｅ_ｒ ^２を最小にする条件、すなわち次式

なる８個の条件を入れてこれを満足する各係数ｗ_１〜ｗ_８を見つければ良い。ここで（６）式より、次式

を得、（７）式の条件をｉ＝１、２、……、８について立てればそれぞれ、次式

が得られる。ここで（６）式及び（９）式から次式の正規方程式が得られる。

ここで（１０）式で表わされる正規方程式は未知数が８個だけある連立方程式であるから、これにより最確値である各係数ｗ_１〜ｗ_８を求めることができる。正確には（１０）式でｗ_ｉにかかる（ΣＱ_ｊｋＱ_ｊ１）（但しｊ＝１、……、ｒ、ｋ＝１、……、８、ｌ＝１、……、８）のマトリクスが正則であれば解くことができる。実際には、Gauss-Jordanの消去法（掃き出し法）を用いて連立方程式を解く。

実際上係数算出回路６６は、図７に示すように構成されている。すなわち係数算出回路６６は量子化コードＱ_１〜Ｑ_ｒ及び誤差値δｙを正規方程式生成回路７０に入力し、当該正規方程式生成回路７０によつてクラス毎に（１０）式で表わされるような正規方程式を生成し、続くＣＰＵ演算回路７１によつて掃き出し法の演算によりクラス毎の係数組ｗ（ｗ_１〜ｗ_８）を求める。

正規方程式生成回路７０は先ず乗算器アレイ７２によつて各画素同士の乗算を行う。乗算器アレイ７２は、図８に示すように構成されており、四角で表わす各セル毎に画素同士の乗算を行い、これにより得た各乗算結果を続く加算器メモリ７３に与える。

加算器メモリ７３は、図９に示すように、乗算器アレイ７２と同様に配列された複数のセルでなる加算器アレイ７４と複数のメモリ（又はレジスタ）アレイ７５Ａ、７５Ｂ、……とにより構成されている。メモリアレイ７５Ａ、７５Ｂ、……はクラスコードCLASS で表わされるクラス数分設けられており、クラスコードCLASS をデコードするクラスコードデコーダ７７の出力（クラス）に応答して一つのメモリアレイ７５Ａ、７５Ｂ、……が選択され、選択されたメモリアレイ７５Ａ、７５Ｂ、……の格納値が加算器アレイ７４に帰還される。このとき加算器アレイ７４により得られる加算結果が再び対応するメモリアレイ７５Ａ、７５Ｂ、……に格納される。

このようにして乗算器アレイ７２、加算器アレイ７４及びメモリアレイ７５によつて積和演算が行われ、クラスコードCLASS によつて決定されるクラス毎にメモリアレイ７５Ａ、７５Ｂ、……のいずれかが選択されて、積和演算の結果によつてメモリアレイ７５Ａ、７５Ｂ、……の内容が更新される。

なお、各々のアレイの位置は（１０）式で表わされる正規方程式のｗ_ｉにかかるΣＱ_ｊｋＱ_ｊ１（但し、ｊ＝１、……、ｒ、ｋ＝１、……、８、ｌ＝１、……、８）の位置に対応する。（１０）式の正規方程式を見れば明らかなように右上の項を反転すれば左下と同じものになるため、各アレイは三角形の形状をしている。

このようにして、ある一定期間の間に積和演算が行われて各画素位置毎のさらに各クラス毎の正規方程式が生成される。クラス毎の正規方程式の各項の結果はそれぞれのクラスに対応するメモリアレイ７５Ａ、７５Ｂ、……に記憶されており、次にそれらのクラス毎の正規方程式の各項が掃き出し法演算を実現するＣＰＵ演算回路７１によつて計算される。この結果クラス毎の係数組ｗ（ｗ_１〜ｗ_８）が求められ、当該係数組ｗ（ｗ_１〜ｗ_８）が係数ＲＯＭ２３（図１）の対応するクラスのアドレスに書き込まれる。

（４）動作
以上の構成において、ＡＤＲＣデコーダ２０はＡＤＲＣによる符号化により形成された圧縮画像データＳ２のうち量子化コードＱ_ｉをクラス分類回路２２に入力し、当該クラス分類回路２２によつて注目画素（注目量子化コード）を中心とした複数画素データ（量子化コード）を集めてブロツクを形成し、そのブロツクの情報に基づいてクラスコードCLASS を生成する。

次にこのクラスコードCLASS を読出しアドレスとして係数ＲＯＭ２３からクラスコードCLASS に応じた係数組ｗを読み出す。そして積和演算回路２４において、係数組ｗと注目画素周辺の画素データ（量子化コード）とを用いた積和演算を行うことにより、注目量子化コードＱ_ｉをそのまま続く適応逆量子化回路１３によつて復号した場合に生じる真値から誤差値δ_ｉを求める。

ＡＤＲＣデコーダ２０は加算回路２５において誤差値δ_ｉを量子化コードＱ_ｉに加算することにより、適応逆量子化回路１３における復号時に発生する復号誤差を予めキヤンセルする。この結果補正された量子化コードＱ_ｉ′が適応逆量子化回路１３において伸長復号されることにより、適応逆量子化回路１３からはほぼ真値に等しい復号画素値が出力される。

ここで誤差値δ_ｉを算出する際に用いる係数組ｗは、圧縮画像データＳ２を形成する際に用いたＡＤＲＣエンコーダ１（図１０）に対応したＡＤＲＣエンコーダ６２や適応逆量子化回路１３を有するＡＤＲＣデコーダ６３等によつて構成される学習回路６０によつて、原画像に含まれる真値ｙを使つた学習により求められているため、たとえ圧縮画像データＳ２がオフセツト変動している場合でも、真値ｙを基準とした誤差値δ_ｉを得ることができる。従つてＡＤＲＣデコーダ２０では、誤差値δ_ｉによつて、オフセツト変動さらには圧縮符号化時の圧縮誤差をも有効にキヤンセルし得る。

（５）効果
以上の構成によれば、原量子化ビツト数よりも小さいビツト数に圧縮符号化された圧縮画像データＳ２を復号する際に、当該圧縮画像データＳ２を注目画素毎にクラス分類し、予め原画素値（真値）ｙを使つて求められた係数組ｗの中からクラス分類結果CLASS に応じた係数組ｗを用いて誤差値δ_ｉを求め、当該誤差値δ_ｉによつてデータを補正するようにしたことにより、原画像にほぼ等しい復元画像を得ることができる。

（６）他の実施例
なお上述の実施例においては、本発明を、ＡＤＲＣによつて得られた圧縮画像データＳ２を復号するＡＤＲＣデコーダ２０に適用した場合について述べたが、本発明はこれに限らず、例えばＤＣＴ（Discrete Cosine Transform ）符号化、ＤＰＣＭ（Differential Pulse Code Modulation）、ＢＴＣ（Block Truncation Coding)等のようにブロツク単位で圧縮符号化された画像データを復号する場合に広く適用することができる。

また上述の実施例においては、本発明による画像データ復号方法を、図１に示すようなハードウエアで実現する場合について述べたが、本発明はこれに限らず、圧縮画像データを計算機に取り込むことによりソフトウエアによつて計算処理するようにしても良い。

さらに上述の実施例においては、クラスに対応した係数を記憶する係数記憶手段として係数ＲＯＭ２２を用いた場合について述べたが、本発明はこれに限らず、これに代えてＲＡＭ（Random Access Memory）やＳＲＡＭ等を用いるようにしても良い。

本発明による画像データ復号方法を適用したＡＤＲＣデコーダの構成を示すブロツク図である。クラス分類回路の構成例を示すブロツク図である。クラス分類回路の構成例を示すブロツク図である。図２のクラス分類回路による分類処理の説明に供する略線図である。図３のクラス分類回路による分類処理の説明に供する略線図である。係数を求めるための学習回路の構成を示すブロツク図である。係数算出回路の構成を示すブロツク図である。係数算出回路の乗算器アレイの構成を示す略線的ブロツク図である。係数算出回路の加算器メモリの構成を示す略線的ブロツク図である。ＡＤＲＣエンコーダの構成を示すブロツク図である。従来のＡＤＲＣデコーダの構成を示すブロツク図である。

符号の説明

１、６２……ＡＤＲＣエンコーダ、９……適応量子化回路、１１、２０、６３……ＡＤＲＣデコーダ、１３……適応逆量子化、２１……クラス分類適応処理部、２２、３０、４０、６７……クラス分類回路、２３……係数ＲＯＭ、６０……学習回路、Ｓ１……入力画像信号、Ｓ２、Ｓ２１……圧縮画像データ、Ｓ３、Ｓ１０……復号画像データ、Ｓ４、Ｓ１１……復元画像信号、ＭＡＸ……最大画素値、ＭＩＮ……最小画素値、ＤＲ……ダイナミツクレンジ、Ｑ_ｉ、Ｑ_ｉ′……量子化コード、CLASS ……クラスコード、ｗ……係数組、δ_ｉ……補正値、ｙ……真値、δｙ……誤差データ。

Claims

学習用画像データが入力される入力手段と、
上記学習用画像データを複数画素からなる符号化ブロツクに分割し、当該符号化ブロツク単位で当該複数画素の最大値及び最小値により規定されるダイナミツクレンジに適応し原量子化ビツト数よりも小さいビツト数に符号化することにより符号化画像データを得る画像符号化手段と、
上記符号化画像データから、注目画素を中心とする所定範囲のクラス分類ブロツクを形成し、当該クラス分類ブロツクのブロツク内画素データを用いて上記注目画素をクラス分類するクラス分類手段と、
上記学習用画像データからの上記注目画素の真値と、上記注目画素を上記画像符号化手段の符号化手法に対応した復号手法によつて復号した際の復号値との差分値を求める差分値算出手段と、
上記差分値を、上記クラス分類手段によつて分類されたクラス毎に上記クラス分類に用いるブロツク内画素データと所定の係数との積和演算により表し、最小二乗法を用いて当該積和演算の係数を求める係数算出手段と、
上記係数算出手段により求めた上記係数を上記クラス分類手段により分類されるクラスに対応付けて係数記憶手段に格納する係数格納手段と
を具えることを特徴とする係数生成装置。
上記係数算出手段は、
上記ブロツク内画素データと上記係数との複数の積和演算でなる正規方程式に対して掃き出し法を用いることにより上記係数を求める
ことを特徴とする請求項1に記載の係数生成装置。
入力された学習用画像データを複数画素からなる符号化ブロツクに分割し、当該符号化ブロツク単位で当該複数画素の最大値及び最小値により規定されるダイナミツクレンジに適応し原量子化ビツト数よりも小さいビツト数に符号化することにより得られる符号化画像データから、注目画素を中心とする所定範囲のクラス分類ブロツクを形成し、当該クラス分類ブロツクのブロツク内画素データを用いて上記注目画素をクラス分類するクラス分類ステツプと、
上記学習用画像データからの上記注目画素の真値と、上記注目画素を上記画像符号化手法に対応した復号手法によつて復号した際の復号値との差分値を求める差分値算出ステツプと、
上記差分値を、上記クラス分類ステツプによつて分類されたクラス毎に上記クラス分類に用いるブロツク内画素データと所定の係数との積和演算により表し、最小二乗法を用いて当該積和演算の係数を求める係数算出ステツプと、
上記係数算出ステツプにより求めた上記係数を上記クラス分類ステツプにより分類されたクラスに対応付けて係数記憶手段に格納する係数格納ステツプと
を具えることを特徴とする係数生成方法。