(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、画像を符号化する画像符号化装置、または、画像を復号する画像復号装置に関して、課題を見出した。以下、具体的に説明する。
近年、デジタル映像機器の技術進歩が著しく、ビデオカメラまたはテレビチューナ等から入力した映像信号(時系列順に並んだ複数のピクチャ)を圧縮符号化しDVDまたはハードディスク等の記録メディアに記録する機会が増えている。従来の画像符号化規格としてH.264/AVC(MPEG−4 AVC)があるが、次世代の標準規格としてHEVC(High Efficiency Video Coding)規格(非特許文献1)が検討されている。
現在のHEVC規格(非特許文献1)では、図1のようにピクチャを階層分けして符号化すると共に、ピクチャの参照関係を制限することが可能である。図1において、Pxはピクチャを示し、Pxのxは符号化順(復号順)を示す。図1の縦方向はピクチャの階層を示す。TemporalIdは、階層の識別子であり、数値が大きい程、階層が深いことを示す。横方向は、フレームの表示順(画像符号化装置では入力順、画像復号装置では出力順)を示す。図1の例において、1つのフレームは、1つのピクチャに対応する。
実線の矢印は、矢印の先(終点)のピクチャから矢印の元(始点)のピクチャへの参照が可能であること(参照許可)を示す。図1において、例えば、P1はP0を参照することができる。すなわち、図1の例では、P1のインター予測にP0が利用可能であり、P0を参照してP1の予測画像を作成することが可能である。
図中の参照に加え、第1ピクチャが第2ピクチャを参照することができ、かつ、第2ピクチャが第3ピクチャを参照することができる場合、第1ピクチャは第3ピクチャを参照することができる。例えば、P6は、P5だけではなく、P5が参照することができるP1、および、P1が参照することができるP0も参照することができる。
破線の矢印は参照禁止を示す。図1において、例えば、P6は、P2を参照できない。図中の参照禁止に加えて、第1ピクチャのTemporalIdよりも第2ピクチャのTemporalIdが大きい場合、第1ピクチャから第2ピクチャへの参照が禁止される。例えば、P6は、P4を参照することはできない。
ここでは、上位階層(浅い階層)に属するピクチャから下位階層(深い階層)に属するピクチャへの参照が禁止される。すなわち、ここでは、第1階層に属するピクチャから第2階層に属するピクチャへの参照が禁止される場合、第1階層が上位階層(浅い階層)であり、第2階層が下位階層(深い階層)であると定義される。
ピクチャを階層に分けて符号化する目的は、動画像(映像)に時間スケーラビリティを持たせるためである。例えば、図1において、0〜2のTemporalIdに対応する60fps(frame per second)の符号列から、TemporalIdが0であるピクチャとTemporalIdが1であるピクチャとのみを復号することによって、30fpsの動画像を得ることが可能である。
また、ピクチャPicXのTemporalIdが1以上である場合、符号化(復号)順でピクチャPicX以後のピクチャから、TemporalIdがピクチャPicXのTemporalId以上である符号化(復号)済ピクチャへの参照が禁止される。なお、ピクチャPicXも符号化(復号)順でピクチャPicX以後のピクチャに該当する。
例えば、図1のP4のTemporalIdが2であるため、TemporalIdが2以上である符号化(復号)済ピクチャへの参照が禁止される。具体的には、P4からP3への参照が禁止される。同様に、P7の直前に符号化(復号)されたP6のTemporalIdが1であるため、TemporalIdが1以上の符号化(復号)済ピクチャへの参照が禁止される。具体的には、P7からP2への参照が禁止される。
参照関係を制限することにより、途中からの再生時に、復号されるべき参照ピクチャの枚数を減らすことが可能である。例えば、図1において、参照関係が制限されない場合(つまり、P7がP4を参照し、P4がP2を参照する場合)、P7からの再生時に、P0→P1→P2→P4→P5→P6→P7の順にピクチャが復号される。参照関係が制限される場合、P0→P1→P5→P6→P7の順にピクチャが復号される。この場合、参照ピクチャであるP2、P4が復号されなくてもよい。
ピクチャの参照関係の制限は、sps_temporal_id_nesting_flagというフラグによって制御される。sps_temporal_id_nesting_flagが1である場合、上記のようにピクチャの参照関係が制限される。sps_temporal_id_nesting_flagが0である場合、ピクチャの参照関係が制限されず、例えば、図1において、P7はP4を参照してもよい。
例えば、sps_temporal_id_nesting_flagが1である場合、TemporalIdが1以上であるピクチャが、TSA(Temporal Sub−layer Access)ピクチャとして符号化(復号)される。ピクチャPicXがTSAピクチャである場合、符号化(復号)順でピクチャPicX以後のピクチャから、TemporalIdがピクチャPicXのTemporalId以上である符号化(復号)済ピクチャへの参照が禁止される。これによって、参照関係が上記のように制限される。
しかしながら、参照関係が上記のように制限され、かつ、ピクチャがフィールド構造で符号化(復号)される場合、相関性が高いフィールドの参照が禁止される可能性がある。ここで、フィールド構造は、符号化(復号)に用いられるピクチャ構造の一種である。例えば、画像の符号化(復号)に用いられる形式として、フレーム形式とフィールド形式とがある。つまり、画像の符号化(復号)に用いられるピクチャ構造として、フレーム構造とフィールド構造とがある。
図2は、フィールドとフレームとの関係を示す図である。図2のように、フレームは、トップフィールドとボトムフィールドとを含む。
画像がフレーム構造で符号化(復号)される場合、トップフィールドとボトムフィールドとが組み合わされたフレームが一体として符号化(復号)される。この場合、1つのフレームが1つのピクチャに対応する。画像がフィールド構造で符号化(復号)される場合、トップフィールドとボトムフィールドとが別々に符号化(復号)される。この場合、各フィールド(1つのフィールド)が1つのピクチャに対応する。
図3は、フィールドが階層に分類された場合の参照制限を示す図である。図3のFxa、Fxbはフィールドを示し、xは符号化(復号)順を示す。Fxaはトップフィールドまたはボトムフィールドであり、Fxbはその他方のフィールド(ボトムフィールドまたはトップフィールド)である。
図3のように、参照関係の制限によって、TemporalIdが1であるF2bの符号化(復号)の以後において、TemporalIdが1以上である符号化(復号)済ピクチャの参照が禁止される。そのため、F2b、および、TemporalIdが2であるF3a、F3b、F4a、F4bは、F2aを参照できない。同様に、F3bはF3aを、F4bはF4aを参照できない。すなわち、片方のフィールド(トップフィールドまたはボトムフィールド)が他方のフィールド(ボトムフィールドまたはトップフィールド)を参照できない。
同一フレームに属する時間的に同じまたは近いフィールドの参照が禁止されるため、予測画像の精度が低下し、圧縮効率が低下する。また、TemporalIdが2であるピクチャからTemporalIdが1である先の符号化(復号)済フィールドへの参照が禁止される。このような参照制限も予測画像の精度の低下を招き、圧縮効率の低下を招く。
例えば、静止している画像の場合、F2aとF3aとは同じ画像を示すが、F3aからF2aへの参照が禁止されるため、別の画像から予測画像が作られる。これにより、予測画像の精度が低下し、圧縮効率が低下する。
そこで、本発明の一態様に係る画像符号化装置は、上位階層に属するピクチャから下位階層に属するピクチャへの参照が禁止される複数の階層に分類された複数のピクチャをフィールド構造で符号化し、前記複数のピクチャのうち少なくとも1つを所定の参照が禁止されるTSA(Temporal Sub−layer Access)ピクチャとして符号化する画像符号化方法であって、前記複数のピクチャのうちの対象ピクチャが前記TSAピクチャであるか前記所定の参照が許可されるトレイリングピクチャであるかを決定する決定ステップと、前記対象ピクチャが前記TSAピクチャであるか前記トレイリングピクチャであるかに従って、前記複数のピクチャを符号化する第1符号化ステップとを含み、前記決定ステップでは、前記対象ピクチャが前記複数の階層の最上位階層に属さず、かつ、前記対象ピクチャがフレーム内の1対のフィールドのうち最初に符号化される第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであると決定し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが前記1対のフィールドのうち最後に符号化される第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであると決定する。
これにより、複数の階層に分類された複数のピクチャをフィールド構造で符号化する際に、参照可能なピクチャが適切に制限される。そのため、処理量の削減、および、メモリ容量の削減が可能であり、予測精度の低下の抑制、および、圧縮効率の低下の抑制が可能である。
例えば、前記第1符号化ステップでは、前記対象ピクチャが前記TSAピクチャであると決定された場合、前記複数のピクチャのうち符号化順で前記対象ピクチャ以後の未符号化ピクチャから、前記複数のピクチャのうち符号化順で前記対象ピクチャよりも前のピクチャであり前記対象ピクチャが属する階層以下の階層に属するピクチャである符号化済ピクチャへの参照である前記所定の参照を禁止して、前記未符号化ピクチャを符号化し、前記対象ピクチャが前記トレイリングピクチャであると決定された場合、前記所定の参照を許可して、前記未符号化ピクチャを符号化してもよい。
これにより、TSAピクチャよりも前に符号化されたピクチャへの参照が制限される。すなわち、参照可能なピクチャが適切に制限される。
また、例えば、前記決定ステップでは、前記対象ピクチャが前記最上位階層に属さず、かつ、トップフィールドである前記第1フィールドに前記対象ピクチャが該当する場合、前記対象ピクチャが前記TSAピクチャであると決定し、前記対象ピクチャが前記最上位階層に属する場合、または、ボトムフィールドである前記第2フィールドに前記対象ピクチャが該当する場合、前記対象ピクチャが前記トレイリングピクチャであると決定してもよい。
これにより、最上位階層以外において、トップフィールドがTSAピクチャであると決定され、ボトムフィールドがトレイリングピクチャであると決定される。したがって、トップフィールドへの参照の制限が緩和される。
また、例えば、前記決定ステップでは、前記対象ピクチャが前記最上位階層に属さず、かつ、前記対象ピクチャが符号化順で前記第2フィールドの直前の前記第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであると決定し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが符号化順で前記第1フィールドの直後の前記第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであると決定してもよい。
これにより、第2フィールドの直前に符号化された第1フィールドへの参照の制限が緩和される。
また、例えば、前記画像符号化方法は、さらに、前記対象ピクチャが前記TSAピクチャであるか前記トレイリングピクチャであるかを示すピクチャタイプを符号化する第2符号化ステップを含んでもよい。
これにより、例えば、対象ピクチャがTSAピクチャであるかトレイリングピクチャであるかを示すピクチャタイプを復号装置に通知することが可能である。
また、本発明の一態様に係る画像復号装置は、上位階層に属するピクチャから下位階層に属するピクチャへの参照が禁止される複数の階層に分類された複数のピクチャをフィールド構造で復号し、前記複数のピクチャのうち少なくとも1つを所定の参照が禁止されるTSA(Temporal Sub−layer Access)ピクチャとして復号する画像復号方法であって、前記複数のピクチャのうちの対象ピクチャが前記TSAピクチャであるか前記所定の参照が許可されるトレイリングピクチャであるかを識別する識別ステップと、前記対象ピクチャが前記TSAピクチャであるか前記トレイリングピクチャであるかに従って、前記複数のピクチャを復号する第1復号ステップとを含み、前記識別ステップでは、前記対象ピクチャが前記複数の階層の最上位階層に属さず、かつ、前記対象ピクチャがフレーム内の1対のフィールドのうち最初に復号される第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであると識別し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが前記1対のフィールドのうち最後に復号される第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであると識別する。
これにより、複数の階層に分類された複数のピクチャをフィールド構造で復号する際に、参照可能なピクチャが適切に制限される。そのため、処理量の削減、および、メモリ容量の削減が可能であり、予測精度の低下の抑制、および、圧縮効率の低下の抑制が可能である。
例えば、前記第1復号ステップでは、前記対象ピクチャが前記TSAピクチャであると識別された場合、前記複数のピクチャのうち復号順で前記対象ピクチャ以後の未復号ピクチャから、前記複数のピクチャのうち復号順で前記対象ピクチャよりも前のピクチャであり前記対象ピクチャが属する階層以下の階層に属するピクチャである復号済ピクチャへの参照である前記所定の参照を禁止して、前記未復号ピクチャを復号し、前記対象ピクチャが前記トレイリングピクチャであると識別された場合、前記所定の参照を許可して、前記未復号ピクチャを復号してもよい。
これにより、TSAピクチャよりも前に復号されたピクチャへの参照が制限される。すなわち、参照可能なピクチャが適切に制限される。
また、例えば、前記識別ステップでは、前記対象ピクチャが前記最上位階層に属さず、かつ、トップフィールドである前記第1フィールドに前記対象ピクチャが該当する場合、前記対象ピクチャが前記TSAピクチャであると識別し、前記対象ピクチャが前記最上位階層に属する場合、または、ボトムフィールドである前記第2フィールドに前記対象ピクチャが該当する場合、前記対象ピクチャが前記トレイリングピクチャであると識別してもよい。
これにより、最上位階層以外において、トップフィールドがTSAピクチャであると識別され、ボトムフィールドがトレイリングピクチャであると識別される。したがって、トップフィールドへの参照の制限が緩和される。
また、例えば、前記識別ステップでは、前記対象ピクチャが前記最上位階層に属さず、かつ、前記対象ピクチャが復号順で前記第2フィールドの直前の前記第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであると識別し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが復号順で前記第1フィールドの直後の前記第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであると識別してもよい。
これにより、第2フィールドの直前に復号された第1フィールドへの参照の制限が緩和される。
また、例えば、前記画像復号方法は、さらに、前記対象ピクチャが前記TSAピクチャであるか前記トレイリングピクチャであるかを示すピクチャタイプを復号する第2復号ステップを含み、前記識別ステップでは、前記対象ピクチャが前記最上位階層に属さず、かつ、前記対象ピクチャが前記第1フィールドに該当する場合、前記第2復号ステップで復号された前記ピクチャタイプに従って、前記対象ピクチャが前記TSAピクチャであると識別し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが前記第2フィールドに該当する場合、前記第2復号ステップで復号された前記ピクチャタイプに従って、前記対象ピクチャが前記トレイリングピクチャであると識別してもよい。
これにより、例えば、符号化装置から通知されたピクチャタイプに従って、対象ピクチャがTSAピクチャであるかトレイリングピクチャであるかを適切に識別することが可能である。
また、例えば、前記画像復号方法は、さらに、前記第2復号ステップで復号された前記ピクチャタイプが正しいことをチェックするチェックステップを含み、前記チェックステップでは、前記対象ピクチャが前記最上位階層に属さず、かつ、前記対象ピクチャが前記第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであることを前記第2復号ステップで復号された前記ピクチャタイプが示していることをチェックすることにより、前記第2復号ステップで復号された前記ピクチャタイプが正しいことをチェックし、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが前記第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであることを前記第2復号ステップで復号された前記ピクチャタイプが示していることをチェックすることにより、前記第2復号ステップで復号された前記ピクチャタイプが正しいことをチェックしてもよい。
これにより、復号されたピクチャタイプが適切であることがチェックされる。したがって、適切なピクチャタイプに従って、復号動作を実行することが可能である。
また、例えば、前記チェックステップでは、さらに、前記第2復号ステップで復号された前記ピクチャタイプが正しくない場合、前記対象ピクチャが復号されないように、前記複数のピクチャの復号を制御してもよい。
これにより、復号されたピクチャタイプが不適切である場合、想定外の障害の発生が回避される。
また、これらの包括的または具体的な態様は、システム、装置、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などの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について、図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な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および接続形態、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。
また、下記ではcodingはencodingの意味で使用する場合もある。
(実施の形態1)
<全体構成>
図4は、本実施の形態における画像符号化装置の構成を示す。図4に示された画像符号化装置100は、ピクチャタイプ決定部101、分割部102、減算部103、変換量子化部104、符号化部105、逆変換量子化部106、加算部107、フレームメモリ108、イントラ予測部109およびインター予測部110を備える。例えば、これらの構成要素は、専用または汎用の回路である。
<動作(全体)>
次に、図5を参照しつつ、符号化全体フローについて説明する。
まず、ピクチャタイプ決定部101は、処理対象ピクチャのピクチャタイプを決定する(S101)。詳細は後述する。なお、ピクチャタイプは、ピクチャがTSA(Temporal Sub−layer Access)ピクチャであるかトレイリング(Trailing)ピクチャであるかを示す。
すなわち、ピクチャタイプは、TSAピクチャまたはトレイリングピクチャに対応する。ピクチャタイプは、その他のピクチャに対応してもよい。その他のピクチャは、例えば、リーディングピクチャと呼ばれるピクチャである。また、ピクチャタイプは、Iピクチャ、PピクチャまたはBピクチャに対応してもよい。また、ピクチャタイプは、複数のピクチャタイプの組み合わせに対応してもよい。
次に、符号化部105は、参照制限フラグ、ピクチャ構造、フィールド番号、TemporalId、フィールド区分およびピクチャタイプなどを含むピクチャ情報を符号化する(S102)。
ここで、参照制限フラグは、ピクチャの参照関係を制限するか否かを示すフラグである。ピクチャ構造は、フレーム構造またはフィールド構造であり、入力画像がフレーム構造であるかフィールド構造であるかに対応する。なお、ピクチャ構造を示す情報が、単にピクチャ構造と表現される場合がある。フィールド番号は、フィールドの表示順に対応する番号である。フィールド番号は、ピクチャの表示順に対応する番号であるピクチャ番号でもよい。TemporalIdは、処理対象ピクチャが属する階層を示す識別子である。
フィールド区分は、処理対象フィールドが第1フィールドであるか第2フィールドであるかを示す区分(識別子)である。第1フィールドは、フレーム内の1対のフィールドのうち最初に符号化されるフィールドであり、第2フィールドは、フレーム内の1対のフィールドのうち最後に符号化されるフィールドである。図3では、Fxaは、第1フィールドであり、Fxbは、第2フィールドである。
次に、分割部102は、入力画像を複数のブロックに分割する(S103)。例えば、各ブロックは、符号化規格において符号化ユニット(Coding Unit)とも呼ばれる。
次に、イントラ予測部109およびインター予測部110は、イントラ予測およびインター予測のそれぞれについて、予測ブロック、コストおよび予測モード等を含む予測情報を導出する(S104、S105)。そして、イントラ予測部109およびインター予測部110は、導出された予測情報を用いて、予測モードおよび予測ブロックを決定する(S106)。
次に、減算部103は、予測ブロックと元のブロックとの差分を取得することによって差分ブロックを生成する(S107)。変換量子化部104は、差分ブロックに対し周波数変換および量子化を行う(S108)。そして、逆変換量子化部106は、逆量子化および逆周波数変換を行うことによって差分ブロックを復元する(S109)。そして、加算部107は、差分ブロックと予測ブロックとを加算(合算)することによって、復号ブロック(復号画像)を生成する(S110)。
次に、符号化部105は、予測情報を符号化する(S111)。また、符号化部105は、周波数変換および量子化によって生成された変換係数を符号化する(S112)。
そして、全ブロックの処理が完了していない場合(S113でNo)、画像符号化装置100は、次のブロックを選択する(S114)。画像符号化装置100は、ピクチャ内の全ブロックの処理が完了するまで上記の処理(S104〜S112)を繰り返す。また、全ピクチャの処理が完了していない場合(S115でNo)、画像符号化装置100は、次のピクチャを選択する(S116)。そして、全ピクチャの処理が完了するまで上記の処理(S101〜S114)を繰り返す。
以降、主にピクチャタイプ決定部101について詳細を説明する。
<動作(ピクチャタイプ決定)>
次に、図6を参照しつつ、ピクチャタイプ決定フローについて説明する。なお、ピクチャタイプは、ピクチャ毎に決定される。より詳細には、ピクチャに対応するアクセスユニット毎に決定される。ピクチャは、フィールド構造で符号化される場合、フィールドに対応する。一方、ピクチャは、フレーム構造で符号化される場合、フレームに対応する。
まず、TemporalIdが0である場合(S201でNo)、または、参照制限フラグが0である場合(S202でNo)、ピクチャタイプ決定部101は、処理対象ピクチャのピクチャタイプがトレイリング(Trailing)ピクチャであると決定する(S208)。すなわち、これらの場合、ピクチャタイプ決定部101は、処理対象ピクチャがトレイリングピクチャであると決定する。ここで、参照制限フラグが0である場合、参照が制限されないことを意味する。
次に、ピクチャ構造がフレーム構造である場合(S203でNo)、ピクチャタイプ決定部101は、処理対象ピクチャのピクチャタイプがTSAピクチャであると決定する(S207)。すなわち、この場合、ピクチャタイプ決定部101は、処理対象ピクチャがTSAピクチャであると決定する。
次に、フィールド区分が第1フィールドを示す場合(S204でNo)、ピクチャタイプ決定部101は、処理対象ピクチャのピクチャタイプがTSAピクチャであると決定する(S207)。
次に、符号化順で1つ前のフィールドが同じフレームの第1フィールドである場合(S205でYes)、ピクチャタイプ決定部101は、処理対象ピクチャのピクチャタイプがトレイリングピクチャであると決定する(S206)。そうでなければ(S205でNo)、処理対象ピクチャのピクチャタイプがTSAピクチャであると決定する(S207)。符号化順で1つ前のフィールドが同じフレームの第1フィールドであるか否かは、フィールドの表示順に対応する番号を示すフィールド番号によって判定される。
上述したように、TSAピクチャは、符号化(復号)順でそのTSAピクチャ以後のピクチャから、TemporalIdがそのTSAピクチャのTemporalId以上である符号化(復号)済ピクチャへの参照が禁止されるピクチャである。トレイリング(Trailing)ピクチャは、符号化(復号)順でそのトレイリングピクチャ以後のピクチャから、TemporalIdがそのトレイリングピクチャのTemporalId以上である符号化(復号)済ピクチャへの参照が許可されるピクチャである。
<効果>
以上、本実施の形態では、参照が制限される場合において、片方のフィールド(トップフィールドまたはボトムフィールド)から他方のフィールド(ボトムフィールドまたはトップフィールド)への参照が可能である。そのため、予測精度が向上する。つまり、本実施の形態の画像符号化装置100は、参照関係の制限と圧縮効率の低下の抑制とを両立することができる。
より具体的には、本実施の形態では、図3の参照関係が図7のように変更される。図7において、第2フィールドは、TSAピクチャではなく、トレイリングピクチャ(TP)である。したがって、同一フレームに属する時間的に同じまたは近いフィールドへの参照が可能である。例えば、F2bからF2aへの参照が可能である。したがって、予測精度が向上する。
また、別のレイヤ(階層)に属する第1フィールドへの参照が可能である。例えば、F3aからF2aへの参照が可能である。したがって、予測精度が向上する。また、予測精度の向上と参照関係の制限とが両立する。
例えば、TemporalIdが1であるF2a以後に符号化(復号)されるフィールドから、F2aよりも前に符号化(復号)されたフィールドであって、TemporalIdが1以上であるフィールドへの参照が禁止される。したがって、途中からの再生において、復号される参照ピクチャの枚数を減らすことが可能である。
また、画像符号化装置100が参照制限フラグを符号化することによって、画像復号装置は、フィールドの復号開始前に、参照が制限されていることを知ることができる。そのため、画像復号装置は、他から参照されないフィールドの復号処理をスキップすることができる。したがって、画像復号装置は、処理量を減らすことができる。
また、参照が制限されている場合、参照が制限されていない場合に比べて、他のフィールドから処理済フィールドが参照されなくなるタイミングが早い。そのため、早めにフレームメモリ108から処理済フィールドを破棄することが可能である。したがって、フレームメモリ108のサイズを小さくすることが可能である。また、画像復号装置は、参照制限フラグに従って、確保されるべきフレームメモリサイズを早めに知ることができる。したがって、画像復号装置は、システムのリソースを早めに確保することができる。
なお、図7に示された階層構造は例であって、階層構造は図7の例に限られない。例えば、階層構造は、図8のように2階層でもよい。外部から入力されるTemporalIdによって、このような変更が可能である。
また、本実施の形態では、参照制限フラグが外部から入力される。しかし、外部から入力されなくてもよい。例えば、常に参照が制限されてもよいし、画像がフィールド構造で符号化される場合に参照が制限されてもよいし、符号化条件によって参照制限フラグの値が判定されてもよい。また、参照制限フラグが符号化されなくてもよい。
例えば、符号化および復号において、常に参照が制限されるように予め決められてもよい。また、画像復号装置は、フィールド番号、フィールド区分、ピクチャ構造およびTemporalIdから、ピクチャタイプを導出してもよい。
また、参照制限フラグとして現在のHEVC規格(非特許文献1)のsps_temporal_id_nesting_flagが使用されてもよい。本実施の形態のように、参照が制限される場合、画像符号化装置100は、sps_temporal_id_nesting_flagを1に設定して、sps_temporal_id_nesting_flagを符号化してもよい。
また、本実施の形態では、TemporalIdが外部から入力されている。しかし、TemporalIdは外部から入力されなくてもよい。例えば、画像符号化装置100は、TemporalId設定部を備えてもよい。そして、TemporalId設定部は、予め決められた方式で入力ピクチャ毎にTemporalIdを設定してもよい。予め決められた方式は、例えば、TemporalIdをピクチャ毎に1ずつインクリメントし、3ピクチャ間隔でTemporalIdを0に戻す方式でもよい。
また、ピクチャ構造、フィールド番号およびフィールド区分も、外部から入力されなくてもよい。これらは、固定値でもよいし、予め決められた方式で決定されてもよい。
また、本実施の形態では、符号化順で1つ前のフィールドが同じフレームの第1フィールドであるか否かをフィールド番号に基づいて判定してピクチャタイプが決められている。ピクチャタイプの決定方法は、このような方法に限られない。
例えば、対象フィールドが第2フィールドである場合、符号化順で1つ前のフィールドは、常に同じフレームの第1フィールドであると予め決められていてもよい。そして、第2フィールドは、1つ前のフィールドに関係なく、トレイリングピクチャに決定されてもよい。この場合、フィールド番号が、ピクチャタイプ決定部101に入力されなくてよいことは言うまでもない。
また、第1フィールドにトップフィールドが設定され、第2フィールドにボトムフィールドが設定されてもよい。逆に、第1フィールドにボトムフィールドが設定され、第2フィールドにトップフィールドが設定されてもよい。さらに、処理の途中で扱いが切り替えられてもよい。
また、参照制限フラグ、ピクチャ構造、フィールド番号、TemporalIdおよびフィールド区分などを含むピクチャ情報の全部または一部が、複数のピクチャを含むシーケンスの先頭で符号化されてもよいし、ピクチャまたはフィールドの先頭で符号化されてもよいし、スライスの先頭で符号化されてもよい。また、ピクチャ情報の全部または一部が、現在のHEVC規格(非特許文献1)のSEI(Supplemental Enhancement Information)の一部として符号化されてもよい。
また、参照が制限されることが前提として予め定められている場合、参照制限フラグに基づく判定(図6のS202)は、省略されてもよい。また、ピクチャ構造がフィールド構造であることが前提として予め定められている場合、ピクチャ構造に基づく判定(図6のS203)は、省略されてもよい。また、第1フィールドの直後に同一フレーム内の第2フィールドが符号化されることが前提として予め定められている場合、1つ前の符号化対象フィールドに基づく判定(図6のS205)は、省略されてもよい。
更に、本実施の形態における処理は、ソフトウェアで実現されてもよい。そして、このソフトウェアは、ダウンロード等により配布されてもよい。また、このソフトウェアは、CD−ROMなどの記録媒体に記録して流布されてもよい。なお、このことが本明細書における他の実施の形態においても該当することは言うまでもない。
(実施の形態2)
本実施の形態では、実施の形態1に示された画像符号化装置の主な特徴が確認的に示される。
図9は、本実施の形態における画像符号化装置のブロック図である。図9に示された画像符号化装置300は、決定部301および符号化部302を備える。決定部301は、図4のピクチャタイプ決定部101に対応する。符号化部302は、図4の分割部102、減算部103、変換量子化部104、符号化部105、逆変換量子化部106、加算部107、フレームメモリ108、イントラ予測部109およびインター予測部110に対応する。
図10は、図9に示された画像符号化装置300の動作を示すフローチャートである。なお、前提として、画像符号化装置300は、上位階層に属するピクチャから下位階層に属するピクチャへの参照が禁止される複数の階層に分類された複数のピクチャをフィールド構造で符号化する。また、前提として、画像符号化装置300は、参照を制限する。すなわち、画像符号化装置300は、複数のピクチャのうち少なくとも1つを所定の参照が禁止されるTSAピクチャとして符号化する。
まず、決定部301は、複数のピクチャのうちの対象ピクチャがTSAピクチャであるか所定の参照が許可されるトレイリングピクチャであるかを決定する。つまり、決定部301は、対象ピクチャのピクチャタイプを決定する(S301)。
その際、対象ピクチャが最上位階層に属さず、かつ、対象ピクチャが第1フィールドに該当する場合、決定部301は、対象ピクチャがTSAピクチャであると決定する。また、対象ピクチャが最上位階層に属する場合、または、対象ピクチャが第2フィールドに該当する場合、決定部301は、対象ピクチャがトレイリングピクチャであると決定する。
ここで、第1フィールドは、フレーム内の1対のフィールドのうち最初に符号化されるフィールドである。また、第2フィールドは、フレーム内の1対のフィールドのうち最後に符号化されるフィールドである。
次に、符号化部302は、対象ピクチャがTSAピクチャであるかトレイリングピクチャであるかに従って、複数のピクチャを符号化する(S302)。
例えば、対象ピクチャがTSAピクチャであると決定された場合、符号化部302は、所定の参照を禁止して、未符号化ピクチャを符号化する。対象ピクチャがトレイリングピクチャであると決定された場合、符号化部302は、所定の参照を許可して、未符号化ピクチャを符号化する。
ここで、未符号化ピクチャは、複数のピクチャのうち符号化順で対象ピクチャ以後のピクチャである。また、所定の参照は、未符号化ピクチャから、複数のピクチャのうち符号化順で対象ピクチャよりも前のピクチャであり対象ピクチャが属する階層以下の階層に属するピクチャである符号化済ピクチャへの参照である。
また、第1フィールドは、トップフィールドでもよい。そして、第2フィールドは、ボトムフィールドでもよい。すなわち、第1フィールドがトップフィールドであり、第2フィールドがボトムフィールドであると予め定められていてもよい。図2に示されているように、トップフィールドは、ボトムフィールドよりも空間的に上側に位置するフィールドであり、ボトムフィールドは、トップフィールドよりも空間的に下側に位置するフィールドである。
また、対象ピクチャが最上位階層に属する場合、または、対象ピクチャが第2フィールドに該当し、かつ、符号化順で対象ピクチャの直前のピクチャが、対象ピクチャを含むフレーム内の第1フィールドに該当する場合、決定部301は、対象ピクチャがトレイリングピクチャであると決定してもよい。そして、その他の場合に、決定部301は、対象ピクチャがTSAピクチャであると決定してもよい。
つまり、第2フィールドは、符号化順で第1フィールドの直後のフィールドでもよい。また、第1フィールドは、符号化順で第2フィールドの直前のフィールドでもよい。また、フレーム内の1対のフィールドを連続して符号化することが予め定められていてもよい。
また、符号化部302は、対象ピクチャがTSAピクチャであるかトレイリングピクチャであるかを示すピクチャタイプを符号化してもよい。
(実施の形態3)
<全体構成>
図11は、本実施の形態における画像復号装置の構成を示す。図11に示された画像復号装置400は、ピクチャタイプチェック部412、復号部411、逆変換量子化部406、加算部407、フレームメモリ408、イントラ予測部409およびインター予測部410を備える。例えば、これらの構成要素は、専用または汎用の回路である。
<動作(全体)>
次に、図12を参照しつつ、復号全体フローについて説明する。
まず、復号部411は、符号列に含まれるピクチャ情報を復号する(S401)。具体的には、復号部411は、参照制限フラグ、ピクチャタイプ、TemporalId、フィールド番号、フィールド区分およびピクチャ構造を復号する。
次に、ピクチャタイプチェック部412は、対象ピクチャのピクチャタイプをチェックする(S402)。すなわち、ピクチャタイプチェック部412は、復号されたピクチャタイプが正常であるか否かを判定する。詳細は後述する。
ピクチャタイプが正常でない場合、すなわち、ピクチャタイプがエラーである場合(S403でYes)、ピクチャタイプチェック部412は、ピクチャタイプがエラーであることを示す情報を出力する(S413)。例えば、この場合、画像復号装置400は、表示装置にエラーを表示して、対象ピクチャの復号処理を終了する。
次に、復号部411は、予測情報を復号する(S404)。予測情報に含まれる予測モードがイントラ予測である場合(S405でYes)、イントラ予測部409は、イントラ予測に基づいて、予測ブロックを生成する(S406)。予測モードがインター予測である場合(S405でNo)、インター予測部410は、インター予測に基づいて、予測ブロックを生成する(S407)。
次に、復号部411は、変換係数を復号する(S408)。そして、逆変換量子化部406は、復号された変換係数に対して、逆量子化および逆周波数変換を行うことによって差分ブロックを復元する(S409)。そして、加算部407は、差分ブロックと予測ブロックとを加算(合算)することによって復号ブロック(復号画像)を生成する(S410)。
そして、全ブロックの処理が完了していない場合(S411でNo)、画像復号装置400は、次のブロックを選択する(S412)。画像復号装置400は、ピクチャ内の全ブロックの処理が完了するまで上記の処理(S404〜S410)を繰り返す。また、全ピクチャの処理が完了していない場合(S414でNo)、画像復号装置400は、次のピクチャを選択する(S415)。そして、画像復号装置400は、全ピクチャの処理が完了するまで上記の処理(S401〜S413)を繰り返す。
なお、画像復号装置400は、参照制限フラグに基づいて参照が制限され、かつ、TSAピクチャが出現した場合等、他のピクチャから参照されなくなったピクチャをフレームメモリ408から破棄してもよい。画像復号装置400は、ストリームの途中から画像を復号する場合、他のピクチャから参照されないピクチャを復号しなくてもよい。
<動作(ピクチャタイプチェック)>
次に、図13および図14を参照しつつ、ピクチャタイプチェックフローについて説明する。
まず、ピクチャタイプチェック部412は、TemporalIdが0である場合(S501でNo)、または、参照制限フラグが0である場合(S502でNo)、正常ピクチャタイプをトレイリングピクチャに設定する(S508)。
次に、ピクチャタイプチェック部412は、ピクチャ構造がフレーム構造である場合(S503でNo)、正常ピクチャタイプをTSAピクチャに設定する(S507)。
次に、ピクチャタイプチェック部412は、フィールド区分が第1フィールドを示す場合(S504でNo)、正常ピクチャタイプをTSAピクチャに設定する(S507)。
次に、ピクチャタイプチェック部412は、復号順で1つ前のフィールドが同じフレームの第1フィールドである場合(S505でYes)、正常ピクチャタイプをトレイリングピクチャに設定する(S506)。そうでなければ、ピクチャタイプチェック部412は、正常ピクチャタイプをTSAピクチャに設定する(S507)。復号順で1つ前のフィールドが同じフレームの第1フィールドであるか否かは、フィールドの表示順の番号を示すフィールド番号に基づいて判定される。
次に、ピクチャタイプチェック部412は、復号部411で復号されたピクチャタイプが正常ピクチャタイプと同じであるかをチェックする(S509)。復号部411で復号されたピクチャタイプが正常ピクチャタイプと異なる場合(S509でNo)、ピクチャタイプチェック部412は、ピクチャタイプがエラーであると判定する(S510)。
<効果>
以上、本実施の形態における画像復号装置400は、実施の形態1における画像符号化装置100で符号化された符号列を復号することが可能である。また、本実施の形態における画像復号装置400は、実施の形態1と同様のピクチャタイプを用いるため、実施の形態1と同様の効果を得ることができる。
また、画像復号装置400は、ピクチャタイプをチェックすることにより、符号列内のピクチャタイプが正常であるか否かを判定することができる。したがって、画像復号装置400は、不正な符号列を検知することができる。また、画像復号装置400は、復号処理が不正な符号列で破綻する事態を防止することができ、復号処理が正常終了できない事態を防止することができる。
また、画像復号装置400は、復号の開始前に参照が制限されていることを参照制限フラグに従って知ることができる。そのため、画像復号装置400は、他から参照されないフィールドの復号処理をスキップすることができる。したがって、画像復号装置400は、処理量を減らすことができる。
また、参照が制限されている場合、参照が制限されていない場合に比べて、処理済フィールドが他のフィールドから参照されなくなるタイミングが早い。そのため、画像復号装置400は、早めにフレームメモリ408から処理済フィールドを破棄することができるため、サイズが小さいフレームメモリ408を用いて画像を復号することができる。
また、画像復号装置400は、参照制限フラグに従って、確保されるべきフレームメモリサイズを早めに知ることができる。したがって、画像復号装置400は、システムのリソースを早めに確保することができる。
また、本実施の形態では、参照制限フラグが符号列に含まれている。しかし、参照制限フラグが符号列に含まれていなくてもよい。例えば、常に参照が制限されてもよいし、画像がフィールド構造で復号される場合に参照が制限されてもよいし、復号条件によって参照制限フラグの値が判定されてもよい。
また、参照制限フラグとして現在のHEVC規格(非特許文献1)のsps_temporal_id_nesting_flagが使用されてもよい。例えば、sps_temporal_id_nesting_flagが1である場合に参照が制限されていると決定されてもよい。
また、参照制限フラグ、ピクチャ構造、フィールド番号、TemporalIdおよびフィールド区分などを含むピクチャ情報の全部または一部が、複数のピクチャを含むシーケンスの先頭で復号されてもよいし、ピクチャまたはフィールドの先頭で復号されてもよいし、スライスの先頭で復号されてもよい。また、ピクチャ情報の全部または一部が、現在のHEVC規格(非特許文献1)のSEI(Supplemental Enhancement Information)の一部として復号されてもよい。
また、画像復号装置400は、ピクチャ情報をシーケンスの先頭で復号する場合、複数のピクチャの全てのピクチャタイプが正常であることをチェックしてから、複数のピクチャの全てを復号してもよい。複数のピクチャの一部のピクチャタイプが正常でない場合、画像復号装置400は、ピクチャタイプが正常でないピクチャの復号をスキップしてもよいし、複数のピクチャの復号を全体的に中止してもよい。
(実施の形態4)
本実施の形態では、実施の形態3に示された画像復号装置の主な特徴が確認的に示される。
図15は、本実施の形態における画像復号装置のブロック図である。図15に示された画像復号装置600は、識別部601および復号部603を備える。識別部601は、図11の復号部411の一部に対応する。復号部603は、図11の復号部411の他の一部、逆変換量子化部406、加算部407、フレームメモリ408、イントラ予測部409およびインター予測部410に対応する。
画像復号装置600は、チェック部602を備えてもよいし、チェック部602を備えなくてもよい。チェック部602は、図11のピクチャタイプチェック部412に対応する。
図16は、図15に示された画像復号装置600の動作を示すフローチャートである。なお、前提として、画像復号装置600は、上位階層に属するピクチャから下位階層に属するピクチャへの参照が禁止される複数の階層に分類された複数のピクチャをフィールド構造で復号する。また、前提として、画像復号装置600は、参照を制限する。すなわち、画像復号装置600は、複数のピクチャのうち少なくとも1つを所定の参照が禁止されるTSAピクチャとして復号する。
まず、識別部(決定部)601は、複数のピクチャのうちの対象ピクチャがTSAピクチャであるか所定の参照が許可されるトレイリングピクチャであるかを識別(決定)する。つまり、識別部601は、対象ピクチャのピクチャタイプを識別する(S601)。
その際、対象ピクチャが最上位階層に属さず、かつ、対象ピクチャが第1フィールドに該当する場合、識別部601は、対象ピクチャがTSAピクチャであると識別する。また、対象ピクチャが最上位階層に属する場合、または、対象ピクチャが第2フィールドに該当する場合、識別部601は、対象ピクチャがトレイリングピクチャであると識別する。
ここで、第1フィールドは、フレーム内の1対のフィールドのうち最初に復号されるフィールドである。また、第2フィールドは、フレーム内の1対のフィールドのうち最後に復号されるフィールドである。
次に、復号部603は、対象ピクチャがTSAピクチャであるかトレイリングピクチャであるかに従って、複数のピクチャを復号する(S603)。
例えば、対象ピクチャがTSAピクチャであると識別された場合、復号部603は、所定の参照を禁止して、未復号ピクチャを復号する。対象ピクチャがトレイリングピクチャであると識別された場合、復号部603は、所定の参照を許可して、未復号ピクチャを復号する。
ここで、未復号ピクチャは、複数のピクチャのうち復号順で対象ピクチャ以後のピクチャである。また、所定の参照は、未復号ピクチャから、複数のピクチャのうち復号順で対象ピクチャよりも前のピクチャであり対象ピクチャが属する階層以下の階層に属するピクチャである復号済ピクチャへの参照である。
また、第1フィールドは、トップフィールドでもよい。そして、第2フィールドは、ボトムフィールドでもよい。すなわち、第1フィールドがトップフィールドであり、第2フィールドがボトムフィールドであると予め定められていてもよい。図2に示されているように、トップフィールドは、ボトムフィールドよりも空間的に上側に位置するフィールドであり、ボトムフィールドは、トップフィールドよりも空間的に下側に位置するフィールドである。
また、対象ピクチャが最上位階層に属する場合、または、対象ピクチャが第2フィールドに該当し、かつ、復号順で対象ピクチャの直前のピクチャが、対象ピクチャを含むフレーム内の第1フィールドに該当する場合、識別部601は、対象ピクチャがトレイリングピクチャであると識別してもよい。そして、その他の場合に、識別部601は、対象ピクチャがTSAピクチャであると識別してもよい。
つまり、第2フィールドは、復号順で第1フィールドの直後のフィールドでもよい。また、第1フィールドは、復号順で第2フィールドの直前のフィールドでもよい。また、フレーム内の1対のフィールドを連続して復号することが予め定められていてもよい。
また、復号部603は、対象ピクチャがTSAピクチャであるかトレイリングピクチャであるかを示すピクチャタイプを復号してもよい。
例えば、対象ピクチャが最上位階層に属さず、かつ、対象ピクチャが第1フィールドに該当する場合、識別部601は、復号部603で復号されたピクチャタイプに従って、対象ピクチャがTSAピクチャであると識別する。また、例えば、対象ピクチャが最上位階層に属する場合、または、対象ピクチャが第2フィールドに該当する場合、識別部601は、復号部603で復号されたピクチャタイプに従って、対象ピクチャがトレイリングピクチャであると識別する。
また、上述の通り、画像復号装置600は、復号部603で復号されたピクチャタイプが正しいことをチェックするチェック部602を備えてもよい。チェック部602は、対象ピクチャを復号する前に、対象ピクチャについて復号されたピクチャタイプが正しいことをチェックする(S602)。
例えば、対象ピクチャが最上位階層に属さず、かつ、対象ピクチャが第1フィールドに該当する場合、チェック部602は、対象ピクチャがTSAピクチャであることを復号部603で復号されたピクチャタイプが示していることをチェックする。また、例えば、対象ピクチャが最上位階層に属する場合、または、対象ピクチャが第2フィールドに該当する場合、チェック部602は、対象ピクチャがトレイリングピクチャであることを復号部603で復号されたピクチャタイプが示していることをチェックする。
これにより、チェック部602は、復号部603で復号されたピクチャタイプが正しいことをチェックする。復号部603で復号されたピクチャタイプが正しくない場合、チェック部602は、対象ピクチャが復号されないように、複数のピクチャの復号を制御してもよい。例えば、チェック部602は、復号部603で復号されたピクチャタイプが正しくないことを復号部603に通知することによって、対象ピクチャの復号をスキップさせてもよい。
以上の各実施の形態において、各構成要素は、例えば、MPUおよびメモリ等を含む回路によって実現される。また、各構成要素が実行する処理は、ソフトウェア(プログラム)によって実行されてもよい。当該ソフトウェアは、例えば、ROM等の記録媒体に記録されている。そして、このようなソフトウェアは、ダウンロード等により配布されてもよいし、CD−ROMなどの記録媒体に記録して配布されてもよい。なお、各構成要素をハードウェア(専用回路)によって実現することも、当然、可能である。
つまり、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またはプロセッサなどのプログラム実行部が、ハードディスクまた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、画像符号化装置および画像復号装置は、処理回路(Processing Circuitry)と、当該処理回路に電気的に接続された(当該処理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およびプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプロ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。
ここで、上記各実施の形態の画像符号化装置および画像復号装置などを実現するソフトウェアは、次のようなプログラムである。
すなわち、このプログラムは、コンピュータに、上位階層に属するピクチャから下位階層に属するピクチャへの参照が禁止される複数の階層に分類された複数のピクチャをフィールド構造で符号化し、前記複数のピクチャのうち少なくとも1つを所定の参照が禁止されるTSA(Temporal Sub−layer Access)ピクチャとして符号化する画像符号化方法であって、前記複数のピクチャのうちの対象ピクチャが前記TSAピクチャであるか前記所定の参照が許可されるトレイリングピクチャであるかを決定する決定ステップと、前記対象ピクチャが前記TSAピクチャであるか前記トレイリングピクチャであるかに従って、前記複数のピクチャを符号化する第1符号化ステップとを含み、前記決定ステップでは、前記対象ピクチャが前記複数の階層の最上位階層に属さず、かつ、前記対象ピクチャがフレーム内の1対のフィールドのうち最初に符号化される第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであると決定し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが前記1対のフィールドのうち最後に符号化される第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであると決定する画像符号化方法を実行させる。
また、このプログラムは、コンピュータに、上位階層に属するピクチャから下位階層に属するピクチャへの参照が禁止される複数の階層に分類された複数のピクチャをフィールド構造で復号し、前記複数のピクチャのうち少なくとも1つを所定の参照が禁止されるTSA(Temporal Sub−layer Access)ピクチャとして復号する画像復号方法であって、前記複数のピクチャのうちの対象ピクチャが前記TSAピクチャであるか前記所定の参照が許可されるトレイリングピクチャであるかを識別する識別ステップと、前記対象ピクチャが前記TSAピクチャであるか前記トレイリングピクチャであるかに従って、前記複数のピクチャを復号する第1復号ステップとを含み、前記識別ステップでは、前記対象ピクチャが前記複数の階層の最上位階層に属さず、かつ、前記対象ピクチャがフレーム内の1対のフィールドのうち最初に復号される第1フィールドに該当する場合、前記対象ピクチャが前記TSAピクチャであると識別し、前記対象ピクチャが前記最上位階層に属する場合、または、前記対象ピクチャが前記1対のフィールドのうち最後に復号される第2フィールドに該当する場合、前記対象ピクチャが前記トレイリングピクチャであると識別する画像復号方法を実行させてもよい。
また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として1つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
また、特定の処理部が実行する処理を別の処理部が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、画像符号化復号装置が、画像符号化装置および画像復号装置を備えていてもよい。
また、各実施の形態において説明された処理は、単一の装置(システム)を用いて実行される集中処理として実行されてもよいし、あるいは、複数の装置を用いて実行される分散処理として実行されてもよい。また、上記のプログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、プログラムの実行において、集中処理が行われてもよいし、分散処理が行われてもよい。
以上、一つまたは複数の態様に係る画像符号化装置および画像復号装置などについて、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、一つまたは複数の態様の範囲内に含まれてもよい。
(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(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17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17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18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19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20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21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19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22A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22B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6)
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23は、多重化データの構成を示す図である。図23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24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25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25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25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26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26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27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28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28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29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30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7)
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31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8)
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32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31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31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6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6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34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33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9)
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35A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、動き補償に特徴を有していることから、例えば、動き補償については専用の復号処理部ex901を用い、それ以外のエントロピー復号、デブロッキング・フィルタ、逆量子化のいずれか、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35B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。