JP6167906B2 - 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置 - Google Patents

Description

本発明は、画像符号化方法及び画像復号方法に関する。

３Ｄ映像（立体視映像）アプリケーションにおいて、典型的には、２以上の画像を含む多視点画像が、例えば、ビデオ符号化標準Ｈ．２６４／ＭＶＣ（Ｍｕｌｔｉ Ｖｉｅｗ Ｃｏｄｉｎｇ）に準拠する画像符号化装置で撮影されるとともに符号化されることで符号化データが生成される。なお、多視点画像には、デプス情報が含まれる場合もある。そして符号化データが画像復号装置に送信される。画像復号装置は、符号化データを復号し、復号により得られた多視点画像を表示する。

ここで、例えば、画像符号化装置は、互いに所定の距離離れて配置された２台のカメラを用いて、多視点画像を撮影する（例えば、非特許文献１参照）。

Ａ． Ｎｏｒｋｉｎ， Ｉ． ＧＩｒｄｚｉｊａｕｓｋａｓ， Ｙ． Ｚｈａｏ， Ｙ． Ｌｕｏ， "Ｓｈｏｗ−ｃａｓｅ ａｎｄ ｓｙｎｔａｘ ｆｏｒ ＳＥＩ ｍｅｓｓａｇｅ ｏｎ ｒｅｆｅｒｅｎｃｅ ｄｉｓｐｌａｙ ｉｎｆｏｒｍａｔｉｏｎ ｓｉｇｎａｌｉｎｇ"， ＪＣＴ３Ｖ−Ａ０１６３（ＭＰＥＧ ｎｕｍｂｅｒ ｍ２６２７５）

しかしながら、このような画像符号化方法及び画像復号方法では、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できることが望まれている。

そこで、本発明は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる画像符号化方法又は画像復号方法を提供することを目的とする。

本発明の一態様に係る画像符号化方法は、複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップと、前記視点識別情報を符号化する符号化ステップとを含む。

なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

本発明は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる画像符号化方法又は画像復号方法を提供できる。

図１は、参考例に係る画像符号化装置及び画像復号装置のブロック図である。 図２は、参考例に係る画像符号化装置及び画像復号装置のブロック図である。 図３は、参考例に係る画像符号化装置及び画像復号装置のブロック図である。 図４は、参考例に係るＳＥＩのシンタックス構成の一例を示す図である。 図５は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図６Ａは、実施の形態１に係る画像符号化処理のフローチャートである。 図６Ｂは、実施の形態１に係る画像復号処理のフローチャートである。 図７は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図８は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図９は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図１０は、実施の形態１の別の例に係る画像符号化装置及び画像復号装置のブロック図である。 図１１は、実施の形態１に係るＳＥＩのシンタックス構成の一例を示す図である。 図１２は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１３は、デジタル放送用システムの全体構成図である。 図１４は、テレビの構成例を示すブロック図である。 図１５は、光ディスクである記録メディアに情報の読み書きを行う情報再生／記録部の構成例を示すブロック図である。 図１６は、光ディスクである記録メディアの構造例を示す図である。 図１７Ａは、携帯電話の一例を示す図である。 図１７Ｂは、携帯電話の構成例を示すブロック図である。 図１８は、多重化データの構成を示す図である。 図１９は、各ストリームが多重化データにおいてどのように多重化されているかを模式的に示す図である。 図２０は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかを更に詳しく示した図である。 図２１は、多重化データにおけるＴＳパケットとソースパケットの構造を示す図である。 図２２は、ＰＭＴのデータ構成を示す図である。 図２３は、多重化データ情報の内部構成を示す図である。 図２４は、ストリーム属性情報の内部構成を示す図である。 図２５は、映像データを識別するステップを示す図である。 図２６は、各実施の形態の動画像符号化方法および動画像復号化方法を実現する集積回路の構成例を示すブロック図である。 図２７は、駆動周波数を切り替える構成を示す図である。 図２８は、映像データを識別し、駆動周波数を切り替えるステップを示す図である。 図２９は、映像データの規格と駆動周波数を対応づけたルックアップテーブルの一例を示す図である。 図３０Ａは、信号処理部のモジュールを共有化する構成の一例を示す図である。 図３０Ｂは、信号処理部のモジュールを共有化する構成の他の一例を示す図である。

（本発明の基礎となった知見）
本発明者は、「背景技術」の欄において記載した、画像符号化方法及画像復号方法に関し、以下の問題が生じることを見出した。

非特許文献１で説明されるように、カメラ間の距離が一定の場合、視聴者が感じる奥行き感は、ディスプレイの画面サイズに依存する。

これに対して、非特許文献１では、画像復号装置（表示装置）が奥行き感を調節できるように、撮影時のカメラ間の実際の距離に関するＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ ｅｎｈａｎｃｅｍｅｎｔ ｉｎｆｏｒｍａｔｉｏｎ）「ｄｅｐｔｈ＿ａｃｑｕｉｓｉｔｉｏｎ＿ｉｎｆｏ」が画像復号装置に送信される。さらに、ＳＥＩ「３ｄ＿ｒｅｆｅｒｅｎｃｅ＿ｄｉｓｐｌａｙｓ＿ｉｎｆｏ」によって、例えば、視聴条件ごとに、当該視聴条件で最適な奥行き感を実現できる最適なカメラ間の距離が送信される。ここで、視聴条件とは、具体的には、ディスプレイの画面サイズである。

これにより、画像復号装置は、実際のカメラ間距離と最適なカメラ間距離との関係に基づいて、最適な距離に対応する画像を表示することで、奥行き感を調節することができる。

また、表示される各視点の画像は、２視点の画像を合成することで生成される場合もある。

図１〜図３は、本実施の形態の参考例に係る画像符号化装置１００及び画像復号装置２００の構成を示す図である。

画像符号化装置１００は、被写体（シーン）を複数の視点から撮影し、撮影により得られた多視点画像を符号化することで符号化ビットストリームを生成する。この画像符号化装置１００は、第１カメラ１１１と、第２カメラ１１２と、第１エンコーダ１２１と、第２エンコーダ１２２と、ＳＥＩ生成部１３１と、ＳＥＩエンコーダ１３２とを備える。

第１カメラ１１１及び第２カメラ１１２は多視点画像を撮影する。具体的には、第１カメラ１１１は、第１視点から、被写体（シーン）を撮影することにより第１画像１５１を生成する。第２カメラ１１２は、第２視点から、被写体を撮影することにより第２画像１５２を生成する。

第１エンコーダ１２１は、第１画像１５１を符号化することで第１符号化画像１６１を生成する。第２エンコーダ１２２は、第２画像１５２を符号化することで第２符号化画像１６２を生成する。

ＳＥＩ生成部１３１は、画面サイズごとに対応付けられた最適距離１７１を生成する。つまり、ＳＥＩ生成部１３１は、複数の画像サイズに対応付けられた複数の最適距離１７１を生成する。各最適距離１７１は、対応付けられた画面サイズのディスプレイに多視点画像を表示する際に最適な奥行き感を視聴者に与えることができるカメラ間（視点間）の距離である。

ＳＥＩエンコーダ１３２は、複数の最適距離１７１を符号化することで符号化最適距離１７２を生成する。

このように、画像符号化装置１００は、第１符号化画像１６１、第２符号化画像１６２及び符号化最適距離１７２を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置２００へ伝播される。

画像復号装置２００は、画像符号化装置１００により生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置２００は、第１デコーダ２１１と、第２デコーダ２１２と、ＳＥＩデコーダ２２１と、表示装置２２２とを含む。

第１デコーダ２１１は、第１符号化画像１６１を復号することで第１復号画像２５１を生成する。第２デコーダ２１２は、第２符号化画像１６２を復号することで第２復号画像２５２を生成する。

ＳＥＩデコーダ２２１は、符号化最適距離１７２を復号することにより複数の最適距離２６２を生成する。

表示装置２２２（ディスプレイ）は、第１復号画像２５１及び第２復号画像２５２を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置２２２は、複数の最適距離２６２のうち、自身の画面サイズ２６１に対応付けられている最適距離２６２を取得する。そして、表示装置２２２は、取得した最適距離２６２に応じて多視点画像を表示する。

例えば、図１に示すように、表示装置２２２は、第１復号画像２５１及び第２復号画像２５２を用いて、視点合成を行うことで、第１視点と第２視点との間の視点に対応する合成画像を生成する。そして、表示装置２２２は、生成した合成画像と第１カメラ１１１の画像（第１復号画像２５１）とを多視点画像として表示する。ここで、合成画像と、第１カメラ１１１の画像との視点間の距離は、最適距離２６２に等しい。

なお、図２に示すように、表示装置２２２は、合成画像と第２カメラ１１２の画像（第２復号画像２５２）とを表示してもよい。また、図３に示すように表示装置２２２は、二つの合成画像を表示してもよい。

また、図４は、ＳＥＩ「３ｄ＿ｒｅｆｅｒｅｎｃｅ＿ｄｉｓｐｌａｙｓ＿ｉｎｆｏ」のシンタックスを示す図である。図４に示す、ｅｘｐｏｎｅｔ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ［ｉ］及びｍａｉｎｔｉｓｓａ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ［ｉ］が最適距離１７１（２６２）に対応する。なお、図４に示す各パラメータの意味は、例えば、非特許文献１に記載されている。

このように、画像復号装置２００は、複数の視点の画像を符号化するために使用されたカメラ間の実際の距離に関する情報を符号化ビットストリームから復号する。また、画像復号装置２００は、１以上の視聴条件を示す情報を符号化ビットストリームから復号する。ここで、視聴条件とは、例えば、画像復号装置２００が有する表示装置２２２の画面サイズである。画像復号装置２００は、さらに、符号化ビットストリームから、各視聴条件の最適なカメラ間距離を示す情報である複数の最適距離２６２を復号する。ここで、最適なカメラ間距離とは、視聴者に最適な奥行き感を与えるために各視点の画像を撮影するために使用されるべきだったカメラ間距離である。

画像復号装置２００は、実際の視聴条件、復号された最適なカメラ間距離、及び実際のカメラ間距離を使用して、希望の奥行き感を実現できる、表示に使用される視点（ビュー）を選択する。画像復号装置２００は、さらに、表示に用いられる２つ視点の距離が最適なカメラ間距離になるように、視点合成によって、表示する画像を生成してもよい。

このように、画像符号化装置１００は、画像復号装置２００が視点合成のための視点位置の算出が行えるように、画像復号装置２００へ、最適なカメラ間距離を算出するためのパラメータを送信する。

また、画像復号装置２００は、ＳＥＩから、実際のカメラ間距離と最適なカメラ間距離との関係を把握し、表示に用いられる視点を選択する。つまり、画像復号装置２００は、２つの視点間の距離が最適なカメラ間距離になるように、２つの視点の位置を決定する。

しかしながら、画像復号装置２００は、２つの視点間の距離が最適なカメラ距離であれば、２つの視点を任意に設定することできる。例えば、画像復号装置２００は、図１〜図３に示すように表示に用いられる２つの視点を任意に選択することができる。つまり、どの視点が選択されるかは、画像復号装置２００に依存するので、全ての視聴者に同じ内容が表示されるわけでない。

このように、上記技術では、画像復号装置に応じて表示される内容が異なる場合が生じるという問題があることを、本発明者は見出した。

本発明の一態様に係る画像符号化方法は、複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップと、前記視点識別情報を符号化する符号化ステップとを含む。

これによれば、当該画像符号化方法は、画像復号装置の画面サイズに応じて、画像復号装置が選択すべき視点を特定するための視点識別情報を、画像復号装置へ送信する。これにより、画像復号装置は、自身の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像符号化方法は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる。

例えば、前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示してもよい。

例えば、前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示してもよい。

例えば、前記視点識別情報は、前記複数の撮影視点を識別するための識別子であってもよい。

また、本発明の一態様に係る画像復号方法は、複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号方法であって、前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する復号ステップと、復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する決定ステップとを含む。

これによれば、当該画像復号方法は、画像復号装置の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像復号方法は、画像復号装置に依存しない最適な奥行き感を視聴者に提供できる。

例えば、前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示し、前記決定ステップでは、前記複数の撮影視点のうち前記視点識別情報で示される前記一つの撮影視点を前記複数の表示視点の一つに決定してもよい。

例えば、前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示してもよい。

例えば、前記視点識別情報は、前記複数の撮影視点を識別するための識別子であってもよい。

また、本発明の一態様に係る画像符号化装置は、複数の撮影視点から撮影された多視点画像を符号化する画像符号化装置であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する視点識別情報生成部と、前記視点識別情報を符号化する視点識別情報符号化部とを備える。

これによれば、当該画像符号化装置は、画像復号装置の画面サイズに応じて、画像復号装置が選択すべき視点を特定するための視点識別情報を、画像復号装置へ送信する。これにより、画像復号装置は、自身の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像符号化装置は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる。

また、本発明の一態様に係る画像復号装置は、複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号装置であって、前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する視点識別情報復号部と、復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する視点決定部とを備える。

これによれば、当該画像復号装置は、自身の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像復号装置は、自身の機能に依存しない最適な奥行き感を視聴者に提供できる。

また、本発明の一態様に係る画像符号化復号装置は、前記画像符号化装置と、前記画像復号装置とを備えてもよい。

なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

以下、本発明の実施の形態について、図面を参照しながら説明する。

なお、以下で説明する実施の形態は、いずれも本発明の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

（実施の形態１）
本実施の形態は、表示されるコンテンツが全ての視聴者に対して同じであることを保証するために画像復号装置で表示に用いられる視点を定義することができる効率的な手法について説明する。

具体的には、本実施の形態に係る画像符号化装置は、１以上の視聴条件（具体的には画面サイズ）の各々に対して、最適なカメラ間距離に対応する視点位置を選択し、ビットストリーム内のこの視点位置に関する情報を符号化する。

画像復号装置は、１つ以上の視聴条件を示す情報をビットストリームから復号する。画像復号装置は、さらに、ビットストリームから、復号された各視聴条件について視点位置に関する情報を復号する。この視点位置は、視聴者に最適な奥行き感を与えるために各視点の画像を撮影するために使用されるべきだった最適なカメラ間距離に相当する。つまり、画像復号装置は、ビットストリームからの実際のカメラ距離を示す情報を復号する必要はない。画像復号装置は、実際の視聴条件及び復号された視点位置を使用して、希望の奥行き感を達成できる複数の視点を選択する。

図５は、本実施の形態に係る画像符号化装置３００及び画像復号装置４００の構成を示すブロック図である。

画像符号化装置３００は、被写体（シーン）を複数の視点（撮影視点）から撮影し、撮影により得られた多視点画像（多視点映像）を符号化することで符号化ビットストリームを生成する。この画像符号化装置３００は、第１カメラ３１１と、第２カメラ３１２と、第１エンコーダ３２１と、第２エンコーダ３２２と、ＳＥＩ生成部３３１と、ＳＥＩエンコーダ３３２とを備える。

第１カメラ３１１及び第２カメラ３１２は多視点画像を撮影する。具体的には、第１カメラ３１１は、第１視点から、被写体（シーン）を撮影することにより第１画像３５１を生成する。第２カメラ３１２は、第２視点から、被写体を撮影することにより第２画像３５２を生成する。第１画像３５１及び第２画像３５２は、多視点画像に含まれる。

第１エンコーダ３２１は、第１画像３５１を符号化することで第１符号化画像３６１を生成する。第２エンコーダ３２２は、第２画像３５２を符号化することで第２符号化画像３６２を生成する。

ＳＥＩ生成部３３１は、画面サイズごとに対応付けられた視点位置３７１を生成する視点識別情報生成部である。つまり、ＳＥＩ生成部３３１は、複数の画像サイズに対応付けられた複数の視点位置３７１を生成する。各視点位置３７１は、対応付けられた画面サイズのディスプレイに多視点画像（立体視画像）を表示する際に最適な奥行き感を視聴者に与えることができる二つの視点（表示視点）の位置である。

ＳＥＩエンコーダ３３２は、複数の視点位置３７１を符号化することで符号化視点位置３７２を生成する視点識別情報符号化部である。

このように、画像符号化装置３００は、第１符号化画像３６１、第２符号化画像３６２及び符号化視点位置３７２を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置４００へ伝播される。

画像復号装置４００は、画像符号化装置３００により生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置４００は、第１デコーダ４１１と、第２デコーダ４１２と、ＳＥＩデコーダ４２１と、表示装置４２２とを含む。

第１デコーダ４１１は、第１符号化画像３６１を復号することで第１復号画像４５１を生成する。第２デコーダ４１２は、第２符号化画像３６２を復号することで第２復号画像４５２を生成する。

ＳＥＩデコーダ４２１は、符号化視点位置３７２を復号することにより複数の視点位置４６２を生成する視点識別情報復号部である。

表示装置４２２（ディスプレイ）は、第１復号画像４５１及び第２復号画像４５２を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置４２２は、複数の視点位置４６２のうち、自身の画面サイズ４６１に対応付けられている視点位置４６２を取得する。そして、表示装置４２２は、取得した視点位置４６２に応じて、表示に用いる複数の視点である複数の表示視点を決定し、決定した表示視点からの画像を多視点画像として表示する。この表示視点の決定は、表示装置４２２に含まれる視点決定部により行われる。

例えば、図５に示すように、表示装置４２２は、第１復号画像４５１及び第２復号画像４５２を用いて、視点合成を行うことで、第１視点と第２視点との間の視点に対応する合成画像を生成する。ここで、視点合成により生成された二つの合成画像の視点位置は、取得された二つの視点位置４６２に対応する。例えば、二つの合成画像の視点位置は、二つの視点位置４６２と同じである。

そして、表示装置４２２は、生成した二つの合成画像を多視点画像として表示する。なお、二つの視点位置４６２の少なくとも一方は、第１カメラの視点位置又は第２カメラの視点位置と等しくてもよい。この場合、視点合成は行われず、第１復号画像４５１又は第２復号画像４５２が表示に用いられる。

図６Ａは、画像符号化装置３００による画像符号化処理の概要を示すフローチャートである。

図６Ａに示すように、画像符号化装置３００は、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する（Ｓ１０１）。ここで視点識別情報とは、上述した視点位置３７１に対応する。

次に、画像符号化装置３００は、上記記視点識別情報を符号化する（Ｓ１０２）。そして、符号化された視点識別情報を含むビットストリームが画像復号装置４００へ送信される。

図６Ｂは、画像復号装置４００による画像復号処理の概要を示すフローチャートである。

図６Ｂに示すように、画像復号装置４００は、ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する（Ｓ２０１）。

次に、画像復号装置４００は、復号された複数の視点識別情報のうち、画像復号装置４００が有する表示装置４２２の画面サイズ４６１に対応付けられている視点識別情報を用いて、画像復号装置４００が表示に用いる複数の視点である複数の表示視点を決定する（Ｓ２０２）。また、画像復号装置４００は、決定された複数の表示視点を用いて多視点画像を表示する。具体的には、画像復号装置４００は、第１視点の第１復号画像４５１及び第２視点の第２復号画像４５２を用いて、複数の表示視点から見た複数の画像を生成し、生成した複数の画像を表示する。

以上により、本実施の形態では、ビットストリームに、視点(例えば、ステレオ表示のための２つの視点)の視点識別情報が直接含まれる。この場合、画像復号装置４００は、最適なカメラ間距離を知る必要がない。つまり、最適なカメラ間距離を省略することができる。

さらに、画像復号装置４００は、表示に用いられる視点を自動的に選択する必要がない。よって、異なる画像復号装置において、視聴条件が同じであれば、表示に用いられる視点として、同一の視点が選択される。よって、画像復号装置が異なる場合であっても、同一の奥行き感を保証できる。

つまり、本実施の形態では、視点間の距離（視点間の相対位置）ではなく、視点位置を直接示す情報が、画像符号化装置３００から画像復号装置４００へ送られる。

また、画像符号化装置３００は、画像復号装置４００においてどの視点が表示に用いられるかを制御できる。したがって、コンテンツ制作者は、例えば、最適な画質、又は好ましい内容等の個々の要求に応じて、表示されるコンテンツに影響を及ぼすことができる。なぜなら、複数の視点がオリジナルの場面のわずかに異なる視点からの映像である。よって、表示されるコンテンツは、符号化された視点の選択に依存して異なるからである。

このように、本実施の形態は、単に、画像復号装置で表示される視点を定義することで、表示されるコンテンツが全ての視聴者に対して同じになることを保証するだけでなく、さらに、画像符号化装置で、例えば、主観的な画質が最大限になるように、視点を選択することができる。

なお、上記では、多視点画像として、ステレオ画像が用いられる例を述べたが、多視点画像は３以上の視点の画像を含んでもよい。また、画像符号化装置３００で生成される多視点画像の視点数と、画像復号装置４００で表示される多視点画像の視点数とが異なってもよい。

以下、視点識別情報（視点位置４６２等）の具体例を説明する。

図７は、視点識別情報として視点識別子を用いる場合の画像符号化装置３００Ａ及び画像復号装置４００Ａの構成を示すブロック図である。なお、図５と同様の要素には同一の符号を付しており、以下では主に相違点を説明する。

図７に示す画像符号化装置３００Ａは、画像符号化装置３００の構成に加え、さらに、第３カメラ３１３及び第３エンコーダ３２３を備える。また、ＳＥＩ生成部３３１Ａ及びＳＥＩエンコーダ３３２Ａの機能がＳＥＩ生成部３３１及びＳＥＩエンコーダ３３２と異なる。

第３カメラ３１３は、第３視点から、被写体（シーン）を撮影することにより第３画像３５３を生成する。つまり、第１カメラ３１１、第２カメラ３１２及び第３カメラ３１３は、第１画像３５１、第２画像３５２及び第３画像３５３を含む多視点画像を生成する。また、第１カメラ３１１、第２カメラ３１２及び第３カメラ３１３には、各カメラを一意に識別するための識別子（ＩＤ１、ＩＤ２及びＩＤ３）が割り当てられている。

第３エンコーダ３２３は、第３画像３５３を符号化することで第３符号化画像３６３を生成する。

ＳＥＩ生成部３３１Ａは、画面サイズごとに対応付けられた視点識別子３７３を生成する視点識別情報生成部である。つまり、ＳＥＩ生成部３３１Ａは、複数の画像サイズに対応付けられた複数の視点識別子３７３を生成する。各視点識別子３７３は、複数の撮影視点を識別するための識別子であり、例えば、カメラに割り当てられている識別子（ＩＤ１、ＩＤ２及びＩＤ３）を示す。言い換えると、この視点識別子３７３は、第１画像３５１、第２画像３５２及び第３画像３５３を識別する識別子であるとともに、後述する第１復号画像４５１、第２復号画像４５２及び第３復号画像４５３を識別する識別子である。

また、この視点識別子３７３は、対応付けられた画面サイズのディスプレイに多視点画像（立体視画像）を表示する際に最適な奥行き感を視聴者に与えることができる二つの視点（表示視点）に対応する撮影視点を示す。具体的には、この識別子は、視点ＩＤ（ｖｉｅｗ ＩＤ）又は視点順インデックス（ｖｉｅｗ ｏｒｄｅｒ ｉｎｄｅｘ）である。

ＳＥＩエンコーダ３３２Ａは、複数の視点識別子３７３を符号化することで符号化視点識別子３７４を生成する視点識別情報符号化部である。

このように、画像符号化装置３００Ａは、第１符号化画像３６１、第２符号化画像３６２、第３符号化画像３６３及び符号化視点識別子３７４を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置４００Ａへ伝播される。

画像復号装置４００Ａは、画像符号化装置３００Ａにより生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置４００Ａは、画像復号装置４００の構成に加え、さらに、第３デコーダ４１３を備える。また、ＳＥＩデコーダ４２１Ａ及び表示装置４２２Ａの機能がＳＥＩデコーダ４２１及び表示装置４２２と異なる。

第３デコーダ４１３は、第３符号化画像３６３を復号することで第３復号画像４５３を生成する。

ＳＥＩデコーダ４２１Ａは、符号化視点識別子３７４を復号することにより複数の視点識別子４６３を生成する視点識別情報復号部である。

表示装置４２２Ａ（ディスプレイ）は、第１復号画像４５１、第２復号画像４５２及び第３復号画像４５３を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置４２２Ａは、複数の視点識別子４６３のうち、自身の画面サイズ４６１に対応付けられている視点識別子４６３を取得する。そして、表示装置４２２Ａは、取得した視点識別子４６３に応じて、表示に用いる複数の視点である複数の表示視点を決定し、決定した表示視点からの画像を多視点画像として表示する。この表示視点の決定は、表示装置４２２Ａに含まれる視点決定部により行われる。

具体的には、表示装置４２２Ａは、複数の撮影視点のうち視点識別情報で示される一つの撮影視点を複数の表示視点の一つに決定する。つまり、表示装置４２２Ａは、複数の復号画像（第１復号画像４５１、第２復号画像４５２及び第３復号画像４５３）のうち、視点識別子４６３に対応する複数の復号画像を表示する。例えば、図７に示すように、視点識別子４６３でＩＤ１及びＩＤ２が示される場合、表示装置４２２Ａは、第１復号画像４５１及び第２復号画像４５２を表示する。また、図８に示すように、視点識別子４６３でＩＤ１及びＩＤ３が示される場合、表示装置４２２Ａは、第１復号画像４５１及び第３復号画像４５３を表示する。また、図９に示すように、視点識別子４６３でＩＤ２及びＩＤ３が示される場合、表示装置４２２Ａは、第２復号画像４５２及び第３復号画像４５３を表示する。

以上のように、視点識別情報として視点識別子を用いることで、画像復号装置４００Ａは、容易に表示する画像を選択することができる。

なお、視点識別情報は、複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示してもよい。この場合、表示装置４２２Ａは、複数の撮影視点のうち二つの撮影視点に対応する復号画像を合成することにより、視点識別情報で示される視点の合成画像を生成し、生成された合成画像を表示する。

例えば、視点識別情報は、合成画像の視点位置を特定するための、一以上の視点識別子と、当該一以上の視点識別子から合成画像の視点位置までの距離を示す情報とを含む。なお、ステレオ画像が表示される場合には、一つの表示視点に対して、一つの視点識別子と上記距離とが定義される。

また、上記距離は、合成画像の視点が、第１視点と第２視点との間のどこに位置するかを示す分数（例えば、ａ）で示されてもよい。この場合、上記距離は、「ａ×第１視点と第２視点との間の実際の距離」で表される。

なお、上記説明では、画像符号化装置３００Ａで３視点の画像が生成され、画像復号装置４００Ａで２視点の画像が表示される例を述べたが、画像符号化装置３００Ａで４視点以上の画像が生成されてもよいし、画像復号装置４００Ａで３視点以上の画像が表示されてもよい。

以下、視点識別情報の別の具体例を説明する。

図１０は、視点識別情報として視点座標を用いる場合の画像符号化装置３００Ｂ及び画像復号装置４００Ｂの構成を示すブロック図である。なお、図５と同様の要素には同一の符号を付しており、以下では主に相違点を説明する。

図１０に示す画像符号化装置３００Ｂは、画像符号化装置３００の構成に対して、ＳＥＩ生成部３３１Ｂ及びＳＥＩエンコーダ３３２Ｂの機能がＳＥＩ生成部３３１及びＳＥＩエンコーダ３３２と異なる。

ＳＥＩ生成部３３１Ｂは、画面サイズごとに対応付けられた視点座標３７５を生成する視点識別情報生成部である。つまり、ＳＥＩ生成部３３１Ｂは、複数の画像サイズに対応付けられた複数の視点座標３７５を生成する。各視点座標３７５は、複数の表示視点の座標を示す。言い換えると、視点座標３７５は、表示装置４２２Ｂにおける座標系の座標を示す。また、この視点座標３７５は、対応付けられた画面サイズのディスプレイに多視点画像（立体視画像）を表示する際に最適な奥行き感を視聴者に与えることができる二つの視点（表示視点）の座標を示す。

ＳＥＩエンコーダ３３２Ｂは、複数の視点座標３７５を符号化することで符号化視点座標３７６を生成する視点識別情報符号化部である。

このように、画像符号化装置３００Ｂは、第１符号化画像３６１、第２符号化画像３６２、及び符号化視点座標３７６を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置４００Ｂへ伝播される。

画像復号装置４００Ｂは、画像符号化装置３００Ｂにより生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置４００Ｂは、画像復号装置４００の構成に対して、ＳＥＩデコーダ４２１Ｂ及び表示装置４２２Ｂの機能がＳＥＩデコーダ４２１及び表示装置４２２と異なる。

ＳＥＩデコーダ４２１Ｂは、符号化視点座標３７６を復号することにより複数の視点座標４６４を生成する視点識別情報復号部である。

表示装置４２２Ｂ（ディスプレイ）は、第１復号画像４５１、及び第２復号画像４５２を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置４２２Ｂは、複数の視点座標４６４のうち、自身の画面サイズ４６１に対応付けられている視点座標４６４を取得する。そして、表示装置４２２Ｂは、取得した視点座標４６４に応じて、表示に用いる複数の視点である複数の表示視点を決定し、決定した表示視点からの画像を多視点画像として表示する。この表示視点の決定は、表示装置４２２Ｂに含まれる視点決定部により行われる。

例えば、表示装置４２２Ｂは、第１復号画像４５１及び第２復号画像４５２を用いて、視点合成を行うことで、第１視点と第２視点との間の視点に対応する合成画像を生成する。ここで、視点合成により生成された二つの合成画像の視点位置は、取得された二つの視点座標４６４に対応する。例えば、二つの合成画像の視点位置は、二つの視点座標４６４に位置する。

そして、表示装置４２２Ｂは、生成した二つの合成画像を多視点画像として表示する。なお、二つの視点位置４６２の少なくとも一方は、第１カメラの視点位置又は第２カメラの視点位置と等しくてもよい。この場合、視点合成は行われず、第１復号画像４５１又は第２復号画像４５２が表示に用いられる。

以下、上記視点識別情報を含むＳＥＩメッセージのシンタックス構造を説明する。

図１１は、本実施の形態に係るＳＥＩ「３ｄ＿ｒｅｆｅｒｅｎｃｅ＿ｄｉｓｐｌａｙｓ＿ｉｎｆｏ］のシンタックス例を示す図である。

図１１に示す、シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｌｅｆｔ＿ｖｉｅｗ＿ｉｄ＿ｆｌａｇは、画像復号装置が左目用の表示に用いる視点の視点識別情報（ｐｒｅｆｅｒｒｅｄ＿ｌｅｆｔ＿ｖｉｅｗ＿ｉｄ）が、ビットストリームに含まれているか否かを示す。

シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｌｅｆｔ＿ｖｉｅｗ＿ｉｄは、画像復号装置が左目用の表示に用いる視点の視点識別情報であり、例えば、上記視点識別子に対応する。

シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｒｉｇｈｔ＿ｖｉｅｗ＿ｉｄ＿ｆｌａｇは、画像復号装置が右目用の表示に用いる視点の視点識別情報（ｐｒｅｆｅｒｒｅｄ＿ｒｉｇｈｔ＿ｖｉｅｗ＿ｉｄ）が、ビットストリームに含まれているか否かを示す。

シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｒｉｇｈｔ＿ｖｉｅｗ＿ｉｄは、画像復号装置が右目用の表示に用いる視点の視点識別情報であり、例えば、上記視点識別子に対応する。

また、左目用及び右目用の両方の視点識別情報が符号化されている場合、最適なカメラ間距離はビットストリームに含まれる必要はない。

左目用及び右目用のいずれか一方の視点識別情報のみが符号化されている場合、画像復号装置は、当該一方の視点識別情報を用いて、当該一方の目用の表示に用いる第１視点を決定する。さらに、この場合、最適なカメラ間距離（ｅｘｐｏｎｅｔ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ及びｍａｉｎｔｉｓｓａ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ）がビットストリーム内に符号化される。そして、画像復号装置は、このカメラ間距離を用いて、第１視点に対応する第２視点（合成視点も含む）の位置を識別する。

具体的には、左視点の識別子が、最適なカメラ間距離と共に符号化されている場合、第２（右）視点の位置は、左視点の位置の右側に決定される。右視点の識別子が、最適なカメラ間距離と共に符号化されている場合、第２（左）視点の位置は、右視点の位置の左側に決定される。

左及び右の両方の視点の視点識別情報が符号化されていない場合、最適なカメラ間距離だけが符号化される。なお、この場合の画像符号化装置及び画像復号装置の動作は、上述した参考例の動作と同様である。

以上、実施の形態に係る画像符号化装置に及び画像復号装置ついて説明したが、本発明は、この実施の形態に限定されるものではない。

例えば、視点識別情報は、ＳＰＳ（シーケンスパラメータセット）のＶＵＩ（Ｖｉｄｅｏ Ｕｓａｂｉｌｉｔｙ Ｉｎｆｏｒｍａｔｉｏｎ）に符号化される、動作点を示す動作点ＩＤ（ｏｐｅｒａｔｉｎｇ ｐｏｉｎｔ ＩＤ）であってもよい。

また、上記実施の形態に係る画像符号化装置及び画像復号装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。

また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。

上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

言い換えると、画像符号化装置及び画像復号装置は、処理回路（ｐｒｏｃｅｓｓｉｎｇ ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された（当該制御回路からアクセス可能な）記憶装置（ｓｔｏｒａｇｅ）とを備える。処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含む。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。処理回路は、記憶装置を用いて、上記実施の形態に係る画像符号化方法又は画像復号方法を実行する。

さらに、本発明は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。

また、上記で用いた数字は、全て本発明を具体的に説明するために例示するものであり、本発明は例示された数字に制限されない。

また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。

また、上記の画像符号化方法又は画像復号方法に含まれるステップが実行される順序は、本発明を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。

以上、本発明の一つ又は複数の態様に係る画像符号化装置及び画像復号装置について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の一つ又は複数の態様の範囲内に含まれてもよい。

（実施の形態２）
上記各実施の形態で示した動画像符号化方法（画像符号化方法）または動画像復号化方法（画像復号方法）の構成を実現するためのプログラムを記憶メディアに記録することにより、上記各実施の形態で示した処理を独立したコンピュータシステムにおいて簡単に実施することが可能となる。記憶メディアは、磁気ディスク、光ディスク、光磁気ディスク、ＩＣカード、半導体メモリ等、プログラムを記録できるものであればよい。

さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）や動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、及び画像復号方法を用いた画像復号装置からなる画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。

図１２は、コンテンツ配信サービスを実現するコンテンツ供給システムex１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex１０６、ex１０７、ex１０８、ex１０９、ex１１０が設置されている。

このコンテンツ供給システムex１００は、インターネットex１０１にインターネットサービスプロバイダex１０２および電話網ex１０４、および基地局ex１０６からex１１０を介して、コンピュータex１１１、ＰＤＡ（Personal Digital Assistant）ex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５などの各機器が接続される。

しかし、コンテンツ供給システムex１００は図１２のような構成に限定されず、いずれかの要素を組合せて接続するようにしてもよい。また、固定無線局である基地局ex１０６からex１１０を介さずに、各機器が電話網ex１０４に直接接続されてもよい。また、各機器が近距離無線等を介して直接相互に接続されていてもよい。

カメラex１１３はデジタルビデオカメラ等の動画撮影が可能な機器であり、カメラex１１６はデジタルカメラ等の静止画撮影、動画撮影が可能な機器である。また、携帯電話ex１１４は、ＧＳＭ（登録商標）（Global System for Mobile Communications）方式、ＣＤＭＡ（Code Division Multiple Access）方式、Ｗ−ＣＤＭＡ（Wideband-Code Division Multiple Access）方式、若しくはＬＴＥ（Long Term Evolution）方式、ＨＳＰＡ(High Speed Packet Access)の携帯電話機、またはＰＨＳ（Personal Handyphone System）等であり、いずれでも構わない。

コンテンツ供給システムex１００では、カメラex１１３等が基地局ex１０９、電話網ex１０４を通じてストリーミングサーバex１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、ユーザがカメラex１１３を用いて撮影するコンテンツ（例えば、音楽ライブの映像等）に対して上記各実施の形態で説明したように符号化処理を行い（即ち、本発明の一態様に係る画像符号化装置として機能する）、ストリーミングサーバex１０３に送信する。一方、ストリーミングサーバex１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントとしては、上記符号化処理されたデータを復号化することが可能な、コンピュータex１１１、ＰＤＡex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５等がある。配信されたデータを受信した各機器では、受信したデータを復号化処理して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。

なお、撮影したデータの符号化処理はカメラex１１３で行っても、データの送信処理をするストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。同様に配信されたデータの復号化処理はクライアントで行っても、ストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。また、カメラex１１３に限らず、カメラex１１６で撮影した静止画像および／または動画像データを、コンピュータex１１１を介してストリーミングサーバex１０３に送信してもよい。この場合の符号化処理はカメラex１１６、コンピュータex１１１、ストリーミングサーバex１０３のいずれで行ってもよいし、互いに分担して行ってもよい。

また、これら符号化・復号化処理は、一般的にコンピュータex１１１や各機器が有するＬＳＩex５００において処理する。ＬＳＩex５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化・復号化用のソフトウェアをコンピュータex１１１等で読み取り可能な何らかの記録メディア（ＣＤ−ＲＯＭ、フレキシブルディスク、ハードディスクなど）に組み込み、そのソフトウェアを用いて符号化・復号化処理を行ってもよい。さらに、携帯電話ex１１４がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データは携帯電話ex１１４が有するＬＳＩex５００で符号化処理されたデータである。

また、ストリーミングサーバex１０３は複数のサーバや複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。

以上のようにして、コンテンツ供給システムex１００では、符号化されたデータをクライアントが受信して再生することができる。このようにコンテンツ供給システムex１００では、ユーザが送信した情報をリアルタイムでクライアントが受信して復号化し、再生することができ、特別な権利や設備を有さないユーザでも個人放送を実現できる。

なお、コンテンツ供給システムex１００の例に限らず、図１３に示すように、デジタル放送用システムex２００にも、上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）または動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。具体的には、放送局ex２０１では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex２０２に伝送される。この映像データは上記各実施の形態で説明した動画像符号化方法により符号化されたデータである（即ち、本発明の一態様に係る画像符号化装置によって符号化されたデータである）。これを受けた放送衛星ex２０２は、放送用の電波を発信し、この電波を衛星放送の受信が可能な家庭のアンテナex２０４が受信する。受信した多重化データを、テレビ（受信機）ex３００またはセットトップボックス（ＳＴＢ）ex２１７等の装置が復号化して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。

また、ＤＶＤ、ＢＤ等の記録メディアex２１５に記録した多重化データを読み取り復号化する、または記録メディアex２１５に映像信号を符号化し、さらに場合によっては音楽信号と多重化して書き込むリーダ／レコーダex２１８にも上記各実施の形態で示した動画像復号化装置または動画像符号化装置を実装することが可能である。この場合、再生された映像信号はモニタex２１９に表示され、多重化データが記録された記録メディアex２１５により他の装置やシステムにおいて映像信号を再生することができる。また、ケーブルテレビ用のケーブルex２０３または衛星／地上波放送のアンテナex２０４に接続されたセットトップボックスex２１７内に動画像復号化装置を実装し、これをテレビのモニタex２１９で表示してもよい。このときセットトップボックスではなく、テレビ内に動画像復号化装置を組み込んでもよい。

図１４は、上記各実施の形態で説明した動画像復号化方法および動画像符号化方法を用いたテレビ（受信機）ex３００を示す図である。テレビex３００は、上記放送を受信するアンテナex２０４またはケーブルex２０３等を介して映像データに音声データが多重化された多重化データを取得、または出力するチューナex３０１と、受信した多重化データを復調する、または外部に送信する多重化データに変調する変調／復調部ex３０２と、復調した多重化データを映像データと、音声データとに分離する、または信号処理部ex３０６で符号化された映像データ、音声データを多重化する多重／分離部ex３０３を備える。

また、テレビex３００は、音声データ、映像データそれぞれを復号化する、またはそれぞれの情報を符号化する音声信号処理部ex３０４、映像信号処理部ex３０５（本発明の一態様に係る画像符号化装置または画像復号装置として機能する）を有する信号処理部ex３０６と、復号化した音声信号を出力するスピーカex３０７、復号化した映像信号を表示するディスプレイ等の表示部ex３０８を有する出力部ex３０９とを有する。さらに、テレビex３００は、ユーザ操作の入力を受け付ける操作入力部ex３１２等を有するインタフェース部ex３１７を有する。さらに、テレビex３００は、各部を統括的に制御する制御部ex３１０、各部に電力を供給する電源回路部ex３１１を有する。インタフェース部ex３１７は、操作入力部ex３１２以外に、リーダ／レコーダex２１８等の外部機器と接続されるブリッジex３１３、ＳＤカード等の記録メディアex２１６を装着可能とするためのスロット部ex３１４、ハードディスク等の外部記録メディアと接続するためのドライバex３１５、電話網と接続するモデムex３１６等を有していてもよい。なお記録メディアex２１６は、格納する不揮発性／揮発性の半導体メモリ素子により電気的に情報の記録を可能としたものである。テレビex３００の各部は同期バスを介して互いに接続されている。

まず、テレビex３００がアンテナex２０４等により外部から取得した多重化データを復号化し、再生する構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、ＣＰＵ等を有する制御部ex３１０の制御に基づいて、変調／復調部ex３０２で復調した多重化データを多重／分離部ex３０３で分離する。さらにテレビex３００は、分離した音声データを音声信号処理部ex３０４で復号化し、分離した映像データを映像信号処理部ex３０５で上記各実施の形態で説明した復号化方法を用いて復号化する。復号化した音声信号、映像信号は、それぞれ出力部ex３０９から外部に向けて出力される。出力する際には、音声信号と映像信号が同期して再生するよう、バッファex３１８、ex３１９等に一旦これらの信号を蓄積するとよい。また、テレビex３００は、放送等からではなく、磁気／光ディスク、ＳＤカード等の記録メディアex２１５、ex２１６から多重化データを読み出してもよい。次に、テレビex３００が音声信号や映像信号を符号化し、外部に送信または記録メディア等に書き込む構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、制御部ex３１０の制御に基づいて、音声信号処理部ex３０４で音声信号を符号化し、映像信号処理部ex３０５で映像信号を上記各実施の形態で説明した符号化方法を用いて符号化する。符号化した音声信号、映像信号は多重／分離部ex３０３で多重化され外部に出力される。多重化する際には、音声信号と映像信号が同期するように、バッファex３２０、ex３２１等に一旦これらの信号を蓄積するとよい。なお、バッファex３１８、ex３１９、ex３２０、ex３２１は図示しているように複数備えていてもよいし、１つ以上のバッファを共有する構成であってもよい。さらに、図示している以外に、例えば変調／復調部ex３０２や多重／分離部ex３０３の間等でもシステムのオーバフロー、アンダーフローを避ける緩衝材としてバッファにデータを蓄積することとしてもよい。

また、テレビex３００は、放送等や記録メディア等から音声データ、映像データを取得する以外に、マイクやカメラのＡＶ入力を受け付ける構成を備え、それらから取得したデータに対して符号化処理を行ってもよい。なお、ここではテレビex３００は上記の符号化処理、多重化、および外部出力ができる構成として説明したが、これらの処理を行うことはできず、上記受信、復号化処理、外部出力のみが可能な構成であってもよい。

また、リーダ／レコーダex２１８で記録メディアから多重化データを読み出す、または書き込む場合には、上記復号化処理または符号化処理はテレビex３００、リーダ／レコーダex２１８のいずれで行ってもよいし、テレビex３００とリーダ／レコーダex２１８が互いに分担して行ってもよい。

一例として、光ディスクからデータの読み込みまたは書き込みをする場合の情報再生／記録部ex４００の構成を図１５に示す。情報再生／記録部ex４００は、以下に説明する要素ex４０１、ex４０２、ex４０３、ex４０４、ex４０５、ex４０６、ex４０７を備える。光ヘッドex４０１は、光ディスクである記録メディアex２１５の記録面にレーザスポットを照射して情報を書き込み、記録メディアex２１５の記録面からの反射光を検出して情報を読み込む。変調記録部ex４０２は、光ヘッドex４０１に内蔵された半導体レーザを電気的に駆動し記録データに応じてレーザ光の変調を行う。再生復調部ex４０３は、光ヘッドex４０１に内蔵されたフォトディテクタにより記録面からの反射光を電気的に検出した再生信号を増幅し、記録メディアex２１５に記録された信号成分を分離して復調し、必要な情報を再生する。バッファex４０４は、記録メディアex２１５に記録するための情報および記録メディアex２１５から再生した情報を一時的に保持する。ディスクモータex４０５は記録メディアex２１５を回転させる。サーボ制御部ex４０６は、ディスクモータex４０５の回転駆動を制御しながら光ヘッドex４０１を所定の情報トラックに移動させ、レーザスポットの追従処理を行う。システム制御部ex４０７は、情報再生／記録部ex４００全体の制御を行う。上記の読み出しや書き込みの処理はシステム制御部ex４０７が、バッファex４０４に保持された各種情報を利用し、また必要に応じて新たな情報の生成・追加を行うと共に、変調記録部ex４０２、再生復調部ex４０３、サーボ制御部ex４０６を協調動作させながら、光ヘッドex４０１を通して、情報の記録再生を行うことにより実現される。システム制御部ex４０７は例えばマイクロプロセッサで構成され、読み出し書き込みのプログラムを実行することでそれらの処理を実行する。

以上では、光ヘッドex４０１はレーザスポットを照射するとして説明したが、近接場光を用いてより高密度な記録を行う構成であってもよい。

図１６に光ディスクである記録メディアex２１５の模式図を示す。記録メディアex２１５の記録面には案内溝（グルーブ）がスパイラル状に形成され、情報トラックex２３０には、予めグルーブの形状の変化によってディスク上の絶対位置を示す番地情報が記録されている。この番地情報はデータを記録する単位である記録ブロックex２３１の位置を特定するための情報を含み、記録や再生を行う装置において情報トラックex２３０を再生し番地情報を読み取ることで記録ブロックを特定することができる。また、記録メディアex２１５は、データ記録領域ex２３３、内周領域ex２３２、外周領域ex２３４を含んでいる。ユーザデータを記録するために用いる領域がデータ記録領域ex２３３であり、データ記録領域ex２３３より内周または外周に配置されている内周領域ex２３２と外周領域ex２３４は、ユーザデータの記録以外の特定用途に用いられる。情報再生／記録部ex４００は、このような記録メディアex２１５のデータ記録領域ex２３３に対して、符号化された音声データ、映像データまたはそれらのデータを多重化した多重化データの読み書きを行う。

以上では、１層のＤＶＤ、ＢＤ等の光ディスクを例に挙げ説明したが、これらに限ったものではなく、多層構造であって表面以外にも記録可能な光ディスクであってもよい。また、ディスクの同じ場所にさまざまな異なる波長の色の光を用いて情報を記録したり、さまざまな角度から異なる情報の層を記録したりなど、多次元的な記録／再生を行う構造の光ディスクであってもよい。

また、デジタル放送用システムex２００において、アンテナex２０５を有する車ex２１０で衛星ex２０２等からデータを受信し、車ex２１０が有するカーナビゲーションex２１１等の表示装置に動画を再生することも可能である。なお、カーナビゲーションex２１１の構成は例えば図１４に示す構成のうち、ＧＰＳ受信部を加えた構成が考えられ、同様なことがコンピュータex１１１や携帯電話ex１１４等でも考えられる。

図１７Ａは、上記実施の形態で説明した動画像復号化方法および動画像符号化方法を用いた携帯電話ex１１４を示す図である。携帯電話ex１１４は、基地局ex１１０との間で電波を送受信するためのアンテナex３５０、映像、静止画を撮ることが可能なカメラ部ex３６５、カメラ部ex３６５で撮像した映像、アンテナex３５０で受信した映像等が復号化されたデータを表示する液晶ディスプレイ等の表示部ex３５８を備える。携帯電話ex１１４は、さらに、操作キー部ex３６６を有する本体部、音声を出力するためのスピーカ等である音声出力部ex３５７、音声を入力するためのマイク等である音声入力部ex３５６、撮影した映像、静止画、録音した音声、または受信した映像、静止画、メール等の符号化されたデータもしくは復号化されたデータを保存するメモリ部ex３６７、又は同様にデータを保存する記録メディアとのインタフェース部であるスロット部ex３６４を備える。

さらに、携帯電話ex１１４の構成例について、図１７Ｂを用いて説明する。携帯電話ex１１４は、表示部ex３５８及び操作キー部ex３６６を備えた本体部の各部を統括的に制御する主制御部ex３６０に対して、電源回路部ex３６１、操作入力制御部ex３６２、映像信号処理部ex３５５、カメラインタフェース部ex３６３、ＬＣＤ（Liquid Crystal Display）制御部ex３５９、変調／復調部ex３５２、多重／分離部ex３５３、音声信号処理部ex３５４、スロット部ex３６４、メモリ部ex３６７がバスex３７０を介して互いに接続されている。

電源回路部ex３６１は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex１１４を動作可能な状態に起動する。

携帯電話ex１１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有する主制御部ex３６０の制御に基づいて、音声通話モード時に音声入力部ex３５６で収音した音声信号を音声信号処理部ex３５４でデジタル音声信号に変換し、これを変調／復調部ex３５２でスペクトラム拡散処理し、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して送信する。また携帯電話ex１１４は、音声通話モード時にアンテナex３５０を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調／復調部ex３５２でスペクトラム逆拡散処理し、音声信号処理部ex３５４でアナログ音声信号に変換した後、これを音声出力部ex３５７から出力する。

さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex３６６等の操作によって入力された電子メールのテキストデータは操作入力制御部ex３６２を介して主制御部ex３６０に送出される。主制御部ex３６０は、テキストデータを変調／復調部ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して基地局ex１１０へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex３５８に出力される。

データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex３５５は、カメラ部ex３６５から供給された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し（即ち、本発明の一態様に係る画像符号化装置として機能する）、符号化された映像データを多重／分離部ex３５３に送出する。また、音声信号処理部ex３５４は、映像、静止画等をカメラ部ex３６５で撮像中に音声入力部ex３５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ex３５３に送出する。

多重／分離部ex３５３は、映像信号処理部ex３５５から供給された符号化された映像データと音声信号処理部ex３５４から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調／復調部（変調／復調回路部）ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex３５０を介して送信する。

データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex３５０を介して受信された多重化データを復号化するために、多重／分離部ex３５３は、多重化データを分離することにより映像データのビットストリームと音声データのビットストリームとに分け、同期バスex３７０を介して符号化された映像データを映像信号処理部ex３５５に供給するとともに、符号化された音声データを音声信号処理部ex３５４に供給する。映像信号処理部ex３５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって復号化することにより映像信号を復号し（即ち、本発明の一態様に係る画像復号装置として機能する）、ＬＣＤ制御部ex３５９を介して表示部ex３５８から、例えばホームページにリンクされた動画像ファイルに含まれる映像、静止画が表示される。また音声信号処理部ex３５４は、音声信号を復号し、音声出力部ex３５７から音声が出力される。

また、上記携帯電話ex１１４等の端末は、テレビex３００と同様に、符号化器・復号化器を両方持つ送受信型端末の他に、符号化器のみの送信端末、復号化器のみの受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムex２００において、映像データに音楽データなどが多重化された多重化データを受信、送信するとして説明したが、音声データ以外に映像に関連する文字データなどが多重化されたデータであってもよいし、多重化データではなく映像データ自体であってもよい。

このように、上記各実施の形態で示した動画像符号化方法あるいは動画像復号化方法を上述したいずれの機器・システムに用いることは可能であり、そうすることで、上記各実施の形態で説明した効果を得ることができる。

また、本発明はかかる上記実施の形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形または修正が可能である。

（実施の形態３）
上記各実施の形態で示した動画像符号化方法または装置と、ＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。

ここで、それぞれ異なる規格に準拠する複数の映像データを生成した場合、復号する際に、それぞれの規格に対応した復号方法を選択する必要がある。しかしながら、復号する映像データが、どの規格に準拠するものであるか識別できないため、適切な復号方法を選択することができないという課題を生じる。

この課題を解決するために、映像データに音声データなどを多重化した多重化データは、映像データがどの規格に準拠するものであるかを示す識別情報を含む構成とする。上記各実施の形態で示す動画像符号化方法または装置によって生成された映像データを含む多重化データの具体的な構成を以下説明する。多重化データは、ＭＰＥＧ−２トランスポートストリーム形式のデジタルストリームである。

図１８は、多重化データの構成を示す図である。図１８に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム（ＰＧ）、インタラクティブグラフィックスストリームのうち、１つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム（ＩＧ）は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にＧＵＩ部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーＡＣ−３、Ｄｏｌｂｙ Ｄｉｇｉｔａｌ Ｐｌｕｓ、ＭＬＰ、ＤＴＳ、ＤＴＳ−ＨＤ、または、リニアＰＣＭのなどの方式で符号化されている。

多重化データに含まれる各ストリームはＰＩＤによって識別される。例えば、映画の映像に利用するビデオストリームには０ｘ１０１１が、オーディオストリームには０ｘ１１００から０ｘ１１１Ｆまでが、プレゼンテーショングラフィックスには０ｘ１２００から０ｘ１２１Ｆまでが、インタラクティブグラフィックスストリームには０ｘ１４００から０ｘ１４１Ｆまでが、映画の副映像に利用するビデオストリームには０ｘ１Ｂ００から０ｘ１Ｂ１Ｆまで、主音声とミキシングする副音声に利用するオーディオストリームには０ｘ１Ａ００から０ｘ１Ａ１Ｆが、それぞれ割り当てられている。

図１９は、多重化データがどのように多重化されるかを模式的に示す図である。まず、複数のビデオフレームからなるビデオストリームex２３５、複数のオーディオフレームからなるオーディオストリームex２３８を、それぞれＰＥＳパケット列ex２３６およびex２３９に変換し、ＴＳパケットex２３７およびex２４０に変換する。同じくプレゼンテーショングラフィックスストリームex２４１およびインタラクティブグラフィックスex２４４のデータをそれぞれＰＥＳパケット列ex２４２およびex２４５に変換し、さらにＴＳパケットex２４３およびex２４６に変換する。多重化データex２４７はこれらのＴＳパケットを１本のストリームに多重化することで構成される。

図２０は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかをさらに詳しく示している。図２０における第１段目はビデオストリームのビデオフレーム列を示す。第２段目は、ＰＥＳパケット列を示す。図２０の矢印ｙｙ１，ｙｙ２，ｙｙ３，ｙｙ４に示すように、ビデオストリームにおける複数のＶｉｄｅｏ Ｐｒｅｓｅｎｔａｔｉｏｎ ＵｎｉｔであるＩピクチャ、Ｂピクチャ、Ｐピクチャは、ピクチャ毎に分割され、ＰＥＳパケットのペイロードに格納される。各ＰＥＳパケットはＰＥＳヘッダを持ち、ＰＥＳヘッダには、ピクチャの表示時刻であるＰＴＳ（Ｐｒｅｓｅｎｔａｔｉｏｎ Ｔｉｍｅ−Ｓｔａｍｐ）やピクチャの復号時刻であるＤＴＳ（Ｄｅｃｏｄｉｎｇ Ｔｉｍｅ−Ｓｔａｍｐ）が格納される。

図２１は、多重化データに最終的に書き込まれるＴＳパケットの形式を示している。ＴＳパケットは、ストリームを識別するＰＩＤなどの情報を持つ４ＢｙｔｅのＴＳヘッダとデータを格納する１８４ＢｙｔｅのＴＳペイロードから構成される１８８Ｂｙｔｅ固定長のパケットであり、上記ＰＥＳパケットは分割されＴＳペイロードに格納される。ＢＤ−ＲＯＭの場合、ＴＳパケットには、４ＢｙｔｅのＴＰ＿Ｅｘｔｒａ＿Ｈｅａｄｅｒが付与され、１９２Ｂｙｔｅのソースパケットを構成し、多重化データに書き込まれる。ＴＰ＿Ｅｘｔｒａ＿ＨｅａｄｅｒにはＡＴＳ（Ａｒｒｉｖａｌ＿Ｔｉｍｅ＿Ｓｔａｍｐ）などの情報が記載される。ＡＴＳは当該ＴＳパケットのデコーダのＰＩＤフィルタへの転送開始時刻を示す。多重化データには図２１下段に示すようにソースパケットが並ぶこととなり、多重化データの先頭からインクリメントする番号はＳＰＮ（ソースパケットナンバー）と呼ばれる。

また、多重化データに含まれるＴＳパケットには、映像・音声・字幕などの各ストリーム以外にもＰＡＴ（Ｐｒｏｇｒａｍ Ａｓｓｏｃｉａｔｉｏｎ Ｔａｂｌｅ）、ＰＭＴ（Ｐｒｏｇｒａｍ Ｍａｐ Ｔａｂｌｅ）、ＰＣＲ（Ｐｒｏｇｒａｍ Ｃｌｏｃｋ Ｒｅｆｅｒｅｎｃｅ）などがある。ＰＡＴは多重化データ中に利用されるＰＭＴのＰＩＤが何であるかを示し、ＰＡＴ自身のＰＩＤは０で登録される。ＰＭＴは、多重化データ中に含まれる映像・音声・字幕などの各ストリームのＰＩＤと各ＰＩＤに対応するストリームの属性情報を持ち、また多重化データに関する各種ディスクリプタを持つ。ディスクリプタには多重化データのコピーを許可・不許可を指示するコピーコントロール情報などがある。ＰＣＲは、ＡＴＳの時間軸であるＡＴＣ（Ａｒｒｉｖａｌ Ｔｉｍｅ Ｃｌｏｃｋ）とＰＴＳ・ＤＴＳの時間軸であるＳＴＣ（Ｓｙｓｔｅｍ Ｔｉｍｅ Ｃｌｏｃｋ）の同期を取るために、そのＰＣＲパケットがデコーダに転送されるＡＴＳに対応するＳＴＣ時間の情報を持つ。

図２２はＰＭＴのデータ構造を詳しく説明する図である。ＰＭＴの先頭には、そのＰＭＴに含まれるデータの長さなどを記したＰＭＴヘッダが配置される。その後ろには、多重化データに関するディスクリプタが複数配置される。上記コピーコントロール情報などが、ディスクリプタとして記載される。ディスクリプタの後には、多重化データに含まれる各ストリームに関するストリーム情報が複数配置される。ストリーム情報は、ストリームの圧縮コーデックなどを識別するためストリームタイプ、ストリームのＰＩＤ、ストリームの属性情報（フレームレート、アスペクト比など）が記載されたストリームディスクリプタから構成される。ストリームディスクリプタは多重化データに存在するストリームの数だけ存在する。

記録媒体などに記録する場合には、上記多重化データは、多重化データ情報ファイルと共に記録される。

多重化データ情報ファイルは、図２３に示すように多重化データの管理情報であり、多重化データと１対１に対応し、多重化データ情報、ストリーム属性情報とエントリマップから構成される。

多重化データ情報は図２３に示すようにシステムレート、再生開始時刻、再生終了時刻から構成されている。システムレートは多重化データの、後述するシステムターゲットデコーダのＰＩＤフィルタへの最大転送レートを示す。多重化データ中に含まれるＡＴＳの間隔はシステムレート以下になるように設定されている。再生開始時刻は多重化データの先頭のビデオフレームのＰＴＳであり、再生終了時刻は多重化データの終端のビデオフレームのＰＴＳに１フレーム分の再生間隔を足したものが設定される。

ストリーム属性情報は図２４に示すように、多重化データに含まれる各ストリームについての属性情報が、ＰＩＤ毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。

本実施の形態においては、上記多重化データのうち、ＰＭＴに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、ＰＭＴに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。

また、本実施の形態における動画像復号化方法のステップを図２５に示す。ステップexＳ１００において、多重化データからＰＭＴに含まれるストリームタイプ、または、多重化データ情報に含まれるビデオストリーム属性情報を取得する。次に、ステップexＳ１０１において、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成された多重化データであることを示しているか否かを判断する。そして、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成されたものであると判断された場合には、ステップexＳ１０２において、上記各実施の形態で示した動画像復号方法により復号を行う。また、ストリームタイプ、または、ビデオストリーム属性情報が、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠するものであることを示している場合には、ステップexＳ１０３において、従来の規格に準拠した動画像復号方法により復号を行う。

このように、ストリームタイプ、または、ビデオストリーム属性情報に新たな固有値を設定することにより、復号する際に、上記各実施の形態で示した動画像復号化方法または装置で復号可能であるかを判断することができる。従って、異なる規格に準拠する多重化データが入力された場合であっても、適切な復号化方法または装置を選択することができるため、エラーを生じることなく復号することが可能となる。また、本実施の形態で示した動画像符号化方法または装置、または、動画像復号方法または装置を、上述したいずれの機器・システムに用いることも可能である。

（実施の形態４）
上記各実施の形態で示した動画像符号化方法および装置、動画像復号化方法および装置は、典型的には集積回路であるＬＳＩで実現される。一例として、図２６に１チップ化されたＬＳＩex５００の構成を示す。ＬＳＩex５００は、以下に説明する要素ex５０１、ex５０２、ex５０３、ex５０４、ex５０５、ex５０６、ex５０７、ex５０８、ex５０９を備え、各要素はバスex５１０を介して接続している。電源回路部ex５０５は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。

例えば符号化処理を行う場合には、ＬＳＩex５００は、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有する制御部ex５０１の制御に基づいて、ＡＶ Ｉ／Ｏex５０９によりマイクex１１７やカメラex１１３等からＡＶ信号を入力する。入力されたＡＶ信号は、一旦ＳＤＲＡＭ等の外部のメモリex５１１に蓄積される。制御部ex５０１の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex５０７に送られ、信号処理部ex５０７において音声信号の符号化および／または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex５０７ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームＩ／Ｏex５０６から外部に出力する。この出力された多重化データは、基地局ex１０７に向けて送信されたり、または記録メディアex２１５に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex５０８にデータを蓄積するとよい。

なお、上記では、メモリex５１１がＬＳＩex５００の外部の構成として説明したが、ＬＳＩex５００の内部に含まれる構成であってもよい。バッファex５０８も１つに限ったものではなく、複数のバッファを備えていてもよい。また、ＬＳＩex５００は１チップ化されてもよいし、複数チップ化されてもよい。

また、上記では、制御部ex５０１が、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有するとしているが、制御部ex５０１の構成は、この構成に限らない。例えば、信号処理部ex５０７がさらにＣＰＵを備える構成であってもよい。信号処理部ex５０７の内部にもＣＰＵを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、ＣＰＵex５０２が信号処理部ex５０７、または信号処理部ex５０７の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex５０１は、信号処理部ex５０７、またはその一部を有するＣＰＵex５０２を備える構成となる。

なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。このようなプログラマブル・ロジック・デバイスは、典型的には、ソフトウェア又はファームウェアを構成するプログラムを、ロードする又はメモリ等から読み込むことで、上記各実施の形態で示した動画像符号化方法、又は動画像復号化方法を実行することができる。

さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。

（実施の形態５）
上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、ＬＳＩex５００において、従来の規格に準拠する映像データを復号する際のＣＰＵex５０２の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。

この課題を解決するために、テレビex３００、ＬＳＩex５００などの動画像復号化装置は、映像データがどの規格に準拠するものであるかを識別し、規格に応じて駆動周波数を切替える構成とする。図２７は、本実施の形態における構成ex８００を示している。駆動周波数切替え部ex８０３は、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合には、駆動周波数を高く設定する。そして、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１に対し、映像データを復号するよう指示する。一方、映像データが、従来の規格に準拠する映像データである場合には、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合に比べ、駆動周波数を低く設定する。そして、従来の規格に準拠する復号処理部ex８０２に対し、映像データを復号するよう指示する。

より具体的には、駆動周波数切替え部ex８０３は、図２６のＣＰＵex５０２と駆動周波数制御部ex５１２から構成される。また、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１、および、従来の規格に準拠する復号処理部ex８０２は、図２６の信号処理部ex５０７に該当する。ＣＰＵex５０２は、映像データがどの規格に準拠するものであるかを識別する。そして、ＣＰＵex５０２からの信号に基づいて、駆動周波数制御部ex５１２は、駆動周波数を設定する。また、ＣＰＵex５０２からの信号に基づいて、信号処理部ex５０７は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態３で記載した識別情報を利用することが考えられる。識別情報に関しては、実施の形態３で記載したものに限られず、映像データがどの規格に準拠するか識別できる情報であればよい。例えば、映像データがテレビに利用されるものであるか、ディスクに利用されるものであるかなどを識別する外部信号に基づいて、映像データがどの規格に準拠するものであるか識別可能である場合には、このような外部信号に基づいて識別してもよい。また、ＣＰＵex５０２における駆動周波数の選択は、例えば、図２９のような映像データの規格と、駆動周波数とを対応付けたルックアップテーブルに基づいて行うことが考えられる。ルックアップテーブルを、バッファex５０８や、ＬＳＩの内部メモリに格納しておき、ＣＰＵex５０２がこのルックアップテーブルを参照することにより、駆動周波数を選択することが可能である。

図２８は、本実施の形態の方法を実施するステップを示している。まず、ステップexＳ２００では、信号処理部ex５０７において、多重化データから識別情報を取得する。次に、ステップexＳ２０１では、ＣＰＵex５０２において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexＳ２０２において、駆動周波数を高く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、高い駆動周波数に設定される。一方、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠する映像データであることを示している場合には、ステップexＳ２０３において、駆動周波数を低く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。

さらに、駆動周波数の切替えに連動して、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することが考えられる。

また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、ＭＰＥＧ４−ＡＶＣ規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。

さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を高く設定し、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠する映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＣＰＵex５０２の駆動を停止させることなく、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、ＣＰＵex５０２の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、ＣＰＵex５０２の駆動を一時停止させることも考えられる。この場合は、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。

このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてＬＳＩex５００またはＬＳＩex５００を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。

（実施の形態６）
テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、ＬＳＩex５００の信号処理部ex５０７が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex５０７を個別に用いると、ＬＳＩex５００の回路規模が大きくなり、また、コストが増加するという課題が生じる。

この課題を解決するために、上記各実施の形態で示した動画像復号方法を実行するための復号処理部と、従来のＭＰＥＧ−２、ＭＰＥＧ４−ＡＶＣ、ＶＣ−１などの規格に準拠する復号処理部とを一部共有化する構成とする。この構成例を図３０Ａのex９００に示す。例えば、上記各実施の形態で示した動画像復号方法と、ＭＰＥＧ４−ＡＶＣ規格に準拠する動画像復号方法とは、エントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償などの処理において処理内容が一部共通する。共通する処理内容については、ＭＰＥＧ４−ＡＶＣ規格に対応する復号処理部ex９０２を共有し、ＭＰＥＧ４−ＡＶＣ規格に対応しない、本発明の一態様に特有の他の処理内容については、専用の復号処理部ex９０１を用いるという構成が考えられる。特に、本発明の一態様は、多視点画像の制御に特徴を有していることから、例えば、多視点画像の制御については専用の復号処理部ex９０１を用い、それ以外の逆量子化、エントロピー復号、デブロッキング・フィルタ、動き補償のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号化方法を実行するための復号処理部を共有し、ＭＰＥＧ４−ＡＶＣ規格に特有の処理内容については、専用の復号処理部を用いる構成であってもよい。

また、処理を一部共有化する他の例を図３０Ｂのex１０００に示す。この例では、本発明の一態様に特有の処理内容に対応した専用の復号処理部ex１００１と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex１００２と、本発明の一態様に係る動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex１００３とを用いる構成としている。ここで、専用の復号処理部ex１００１、ex１００２は、必ずしも本発明の一態様、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、ＬＳＩex５００で実装することも可能である。

このように、本発明の一態様に係る動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、ＬＳＩの回路規模を小さくし、かつ、コストを低減することが可能である。

本発明は、画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置に適用できる。また、本発明は、画像符号化装置を備える、テレビ、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、及びデジタルビデオカメラ等の高解像度の情報表示機器又は撮像機器に利用可能である。

１００、３００、３００Ａ、３００Ｂ 画像符号化装置
１１１、３１１ 第１カメラ
１１２、３１２ 第２カメラ
１２１、３２１ 第１エンコーダ
１２２、３２２ 第２エンコーダ
１３１、３３１、３３１Ａ、３３１Ｂ ＳＥＩ生成部
１３２、３３２、３３２Ａ、３３２Ｂ ＳＥＩエンコーダ
１５１、３５１ 第１画像
１５２、３５２ 第２画像
１６１、３６１ 第１符号化画像
１６２、３６２ 第２符号化画像
１７１、２６２ 最適距離
１７２ 符号化最適距離
２００、４００、４００Ａ、４００Ｂ 画像復号装置
２１１、４１１ 第１デコーダ
２１２、４１２ 第２デコーダ
２２１、４２１、４２１Ａ、４２１Ｂ ＳＥＩデコーダ
２２２、４２２、４２２Ａ、４２２Ｂ 表示装置
２５１、４５１ 第１復号画像
２５２、４５２ 第２復号画像
２６１、４６１ 画面サイズ
３１３ 第３カメラ
３２３ 第３エンコーダ
３５３ 第３画像
３６３ 第３符号化画像
３７１、４６２ 視点位置
３７２ 符号化視点位置
３７３、４６３ 視点識別子
３７４ 符号化視点識別子
３７５、４６４ 視点座標
３７６ 符号化視点座標
４１３ 第３デコーダ
４５３ 第３復号画像

Claims (10)

1. 複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、
   画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップと、
   前記視点識別情報を符号化する符号化ステップとを含む
   画像符号化方法。
2. 前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示す
   請求項１記載の画像符号化方法。
3. 前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示す
   請求項１記載の画像符号化方法。
4. 前記視点識別情報は、前記複数の撮影視点を識別するための識別子である
   請求項１又は２記載の画像符号化方法。
5. 複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号方法であって、
   前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する復号ステップと、
   復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する決定ステップとを含む
   画像復号方法。
6. 前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示し、
   前記決定ステップでは、前記複数の撮影視点のうち前記視点識別情報で示される前記一つの撮影視点を前記複数の表示視点の一つに決定する
   請求項５記載の画像復号方法。
7. 前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示す
   請求項５記載の画像復号方法。
8. 前記視点識別情報は、前記複数の撮影視点を識別するための識別子である
   請求項５又は６記載の画像復号方法。
9. 複数の撮影視点から撮影された多視点画像を符号化する画像符号化装置であって、
   画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する視点識別情報生成部と、
   前記視点識別情報を符号化する視点識別情報符号化部とを備える
   画像符号化装置。
10. 複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号装置であって、
    前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する視点識別情報復号部と、
    復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する視点決定部とを備える
    画像復号装置。

Images