JPH03184492A - ニューラルネットワークを用いた適応型ｙ／ｃ分離方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概　　　要〕 ＮＴＳＣ方式のディジタル複合映像信号から輝度信号と
搬送色信号とを分離するに際し、ニューラルネットワー
クを用いて最も相関の強い方向の映像信号成分を使って
信号分離を行う、ニューラルネットワークを用いた適応
型Ｙ／Ｃ分離方式に関し、 ニューラルネットワークを用いて、どの方向の複合映像
信号成分を用いるのが最適かを示す最適モードの正答率
を向上させることを目的とし、ディジタル化された複合
映像信号の多数の標本点のうち、出力すべき標本点を含
む水平方向の複数の標本点、垂直方向の複数の標本点、
斜め左方向の複数の標本点および斜め右方向の複数の標
本点から互いに独立して生成した輝度信号、または搬送
色信号を分離出力する水平方向、垂直方向、斜め左方向
および斜め右方向の各フィルタと、前記ディジタル複合
映像信号から水平、垂直、斜め左および斜め右４方向の
相関のうちで最も標本点間の相関の強い方向を検出する
ためのニューラルネットワークを含む相関検出手段と、
該相関検出手段の出力に応じて前記水平方向、垂直方向
、斜め左方向および斜め右方向の各フィルタの出力信号
のいずれかを選択出力する切換手段とを備え、教師デー
タに基づき最も相関の強い方向を学習させた前記相関検
出手段内のニューラルネットワークの出力に応じて、前
記ディジタル複合映像信号の輝度信号または搬送色信号
を分離出力するように構成する。

〔産業上の利用分野〕

本発明はディジタル複合映像信号Ｙ／Ｃ分離方式に係り
、さらに詳しくはＮＴＳＣ方式のディジタル複合映像信
号から輝度信号と搬送色信号とを分離するに際し、ニュ
ーラルネットワークを用いて最も相関の強い方向の映像
信号成分を使って信号分離を行う、ニューラルネットワ
ークを用いた適応型Ｙ／Ｃ分離方式に関する。

〔従来の技術〕

輝度信号（以下Ｙ信号ともいう）と搬送色信号（以下Ｃ
信号ともいう）とが帯域共用多重化されたＮＴＳＣ方式
の複合映像信号からＹ信号とＣ信号とを分離するＹ／Ｃ
分離回路には、帯域フィルタを用いる回路とくし型フィ
ルタを用いる回路とがある。

しかしながら、例えば帯域フィルタを用いる回路では輝
度信号の３〜４ＭＨｚ帯域の信号が搬送色信号として処
理されるため、細かい縞模様にはクロスカラーが生じる
などの問題点がある。このため近年、例えば水平および
垂直の両方の標本点の間の信号の相関の強さをディジタ
ル信号処理によって比較し、相関の高い方の複合映像信
号成分を用いてＹ／Ｃ分離を行う、適応型Ｙ／Ｃ分離回
路が各種検討されている。

第１５図は従来の適応型Ｙ／Ｃ分離回路の一例のブロッ
ク図を示す、同図中、１は入力端子で、ＮＴＳＣ方式複
合映像信号全体が標本化周波数４ｆｓｃ（ただし、ｆｓ
ｃ？、を搬送色信号の色副搬送周波数）で、標本化後量
子化された（ディジタル化された）複合映像信号が入来
する。このディジタル複合映像信号は相関検出器２．Ｙ
信号用水平フィルタ３．Ｙ信号用垂直フィルタ４．Ｃ信
号用水平フィルタ５．Ｃ信号用垂直フィルタ６に夫々供
給される。

相関検出器２は画像の垂直方向および水平方向の相関の
強さを検出した後、両方を比較し、水平方向の相関の方
が強い場合はＹ信号用水平フィルタ３．Ｃ信号用水平フ
ィルタ５の出力信号を選択出力するようにスイッチ回路
７．８をスイッチング制御し、垂直方向の相関の方が強
い場合はＹ信号用垂直フィルタ４．Ｃ信号用垂直フィル
タ６の出力信号を選択するようにスイッチ回路７，８を
スイッチング制御する。

これにより、スイッチ回路７から出力端子９へ出力され
る輝度信号（Ｙ信号）と、スイッチ回路８から出力端子
１０へ出力される搬送色信号（Ｃ信号）とは、常に相関
の強い方向の信号となる。

ここで、相関検出器２および各フィルタ３〜６の動作に
ついて更に説明するに、いま画面上の任意の３本のライ
ン（ｆ−１）、ｆおよび（ｆ＋１）の一部における人力
ディジタル複合映像信号の標本点を図示すると、第１６
図に丸で示す如くになる。

このうち、１標本点おき毎の標本点を同図に示す如く、
５ｌ−３９で表すものとすると、相関検出器２はｌライ
ンの標本点Ｓ５の出力時には、例えばｌラインの前後の
標本点Ｓ４と３６の差の絶対値１ｓ４　ｓ６１を算出す
ると共に、Ｓｓの垂直方向の標本点Ｓ２およびＳｓの差
の絶対値１ｓ２Ｓ８　　ｌを算出した後、両値を大小比
較する。

−この結果、相関検出器２は１ｓ４−３ｏｌ≦５２５１
１のときは水平方向の相関の方が垂直方向の相関よりも
高いか等しいので、スイッチ回路７および８を夫々水平
フィルタ３および５側へ切り換えさせ、他方、ｌ　Ｓ４
−３６　１　＞＋　３２−３８１のときは垂直方向の相
関の方が水平方向の相関よりも高いので、スイッチ回路
７および８を夫々垂直フィルタ４および６側へ切り換え
る。

一方、Ｙ信号用水平フィルタ３は（Ｓ４＋２Ｓ５＋Ｓ６
）／４なる式に基づいて標本点Ｓ５の輝度信号として出
力し、Ｃ信号用水平フィルタ５は−（Ｓａ　　　２Ｓ５
　＋Ｓ６　）／４なる式に基づいて標本点Ｓ５の搬送色
信号として出力する。

また、Ｙ信号用垂直フィルタ４は（３２＋２３５十Ｓｌ
＋）／４なる式に基づいて標本点Ｓ５の輝度信号として
出力し、Ｃ信号用垂直フィルタ６は−（Ｓ２　２Ｓ５＋
ＳＩ＋　）／４なる式に基づいて標本点Ｓ、の搬送色信
号として出力する。

ここで第１６図で各標本点におけるデータは輝度信号Ｙ
１色差信号Ｃ１，Ｃｚ　　（１，Ｑ信号に対応）を含む
ものであり、Ｙ　十Ｃ＋　、　Ｙ　＋　Ｃ２、Ｙ−ＣＩ
およびＹ−Ｃ２のデータが連続する４つの標本点に対し
て巡回的に配列されている。そこで例えば、標本点Ｓ、
のデータをＹ＋ＣＩ　とすると、Ｓ４およびＳａの信号
はＹ−Ｃ，となる。またＳ４とＳ５との間の標本点のデ
ータはＹ　　Ｃ２、Ｓ５とＳａとの間の標本点の信号は
Ｙ＋Ｃ２である。

このため第１５図のＹ信号用水平フィルタ３は前述の式
に基づいて輝度信号Ｙを出力し、またＣ信号用水平フィ
ルタ５は標本点Ｓ５における色差信号Ｃ１を出力するこ
とになる。

次に（ｆ−１，）ラインと（ｆ＋１）ラインにおける標
本のデータはｌラインの標本のデータと１個ずつずれて
おり、Ｓ２とＳｓにおける信号は共にＹ　　ＣＩ　とな
る。このためＹ信号用垂直フィルタ４の出力は輝度信号
Ｙ、またＣ信号用垂直フィルタ６の出力は色信号ＣＩと
なる。

さらに前述のフィルタの出力式によればＹ信号用水平フ
ィルタ３とＣ信号用水平フィルタ５との出力の和および
Ｙ信号垂直フィルタ４とＣ信号用垂直フィルタ６との出
力との和は共に標本点Ｓ５におけるデータそのものとな
り、例えばＣ信号用水平フィルタ５の出力は標本点ＳＳ
におけるデータからＹ信号用水平フィルタ３の出力を減
算することによっても得られることになる。

このようにして水平および垂直方向のうち、相関が強い
方向の３つの標本点から生成された輝度信号および搬送
色信号が分離出力されることになるが、水平方向および
垂直方向に同程度の相関を持つ場合にはやはり画質が劣
化するという欠点があるために、最近では水平、垂直の
２方向に加え、斜め左および斜め右の方向さらに時間方
向の相関をも検出して、最も相関の強い方向の複数の標
本点から生成される輝度信号および搬送色信号を分離出
力する方式も用いられている。

〔発明が解決しようとする課題〕

上述のように水平、垂直、あるいは斜め左、斜め右、さ
らには時間方向をも含めて、最も相関の高い方向の複合
映像信号成分を用いてＹ／Ｃ分離を行う方式では、どの
方向の相関が最も大きいかの判定が困難な場合があると
いう問題点があった。

従来においてはこの方向判定を、例えば相関検出信号の
単純な大小判断により行っていたため、画像内容に十分
適応できない場合があった。通常水平、垂直、斜め左、
斜め右および時間の５方向に対する相関検出信号の組み
合わせによって、どの方向の複合映像信号成分を用いる
かのモード決定を行っているが、相関検出信号の式を含
めて解析的方法は限界に達している。

本発明は、ニューラルネットワークを用いて、どの方向
の複合映像信号成分を用いるのが最適かを示す最適モー
ドの正答率を向上させることを目的とする。

〔課題を解決するための手段〕

第１図（ａ）は第１の発明の原理ブロック図である。

同図は例えば色副搬送周波数ｆ　５ｃ＝３．５８Ｍ　Ｈ
ｚの４倍の標本化パルス（約１４．３ＭＨｚ　）によっ
て走査線１本の区間が例えば約９１０個の区間に分解さ
れ、各区間に対して標本化され、８ビツトに量子化され
たディジタル複合映像信号からニューラルネットワーク
を用いて最も相関の高い方向の信号を検出し、その方向
の輝度信号と搬送色信号とを分解する適応型Ｙ／Ｃ分離
方式の原理ブロック図である。

第１図（ａ）において水平方向、垂直方向、斜め左方向
および斜め右方向の各フィルタ１１〜１４は第１６図に
示したようなディジタル複合映像信号の多数の標本点の
うちで、出力すべき標本点、例えばＳ５を含む水平方向
の複数の標本点、垂直方向の複数の標本点、斜め左方向
の複数の標本点および斜め右方向の複数の標本点から夫
々互いに独立して生成された輝度信号、または搬送色信
号を分解出力する。

またニューラルネットワークを含む相関検出手段１５は
、入力されるディジタル複合映像信号の多数の標本点に
対して水平、垂直、斜め左および斜め右の４方向の相関
のうちで最も相関の強い方向を検出し、それに応じて水
平方向、垂直方向、斜め左方向および斜め右方向の各フ
ィルタ１１〜１４のいずれの出力を選ぶべきかを示す信
号を出力する。切換手段１６は、相関検出手段１５の出
力に応じて４つのフィルタ１１〜１４のいずれかの出力
を切り換えて、例えば輝度信号として出力する。

なお水平方向、垂直方向、斜め左方向および斜め右方向
の各フィルタ１１〜１４が、例えば第１６図の標本点Ｓ
５における輝度信号を分離出力する場合には、前述のよ
うに搬送色信号は標本点Ｓ。

に対するディジタル複合映像信号から切換手段１６の出
力する輝度信号を減算することによって得られる。

第２の発明の原理を示す第１図（ｂ）においては第１図
（ａ）の構成手段に加えて、時間方向フィルタ１４０が
追加されている。時間方向フィルタ１４０は時間的に連
続する２つのフレーム内の同一標本点間で輝度信号、ま
たは搬送色信号を分離出力する。

時間方向フィルタ１４０の追加に応じて、ニューラルネ
ットワークを含む相関検出手段１５は水平、垂直、斜め
左、斜め右に時間方向をも含めた５方向の相関のうちで
最も相関の強い方向を検出し、その結果に従って切換手
段１６によって５つのフィルタ１１〜１４，１４０のい
ずれかの出力が、例えば輝度信号として出力される。

（作　　用〕 第１の発明においては第１図（ａ）における水平方向、
垂直方向、斜め左方向および斜め右方向の各フィルタ１
１−１４のいずれを用いてＹ／Ｃ分離を行うべきかが、
ニューラルネットワークを含む相関検出手段１５によっ
て決定される。

そこで相関検出手段１５内のニューラルネットワークの
学習時には、システムに教師データとしてのテストチャ
ート画像データを人力させ、水平方向、垂直方向、斜め
左方向および斜め右方向の各フィルタ１１〜１４の出力
をそれぞれ用いて各フィルタに対応する復調面を作成し
、各復調面のデータとテストチャート画像データとを同
一画素に対応で比較し、最も誤差の少ない復調画像デー
タに対応するフィルタが選択されるようにニューラルネ
ットワークの重みを決定して学習が行われる。このよう
な学習が全ての画素について、また多数のテストチャー
トについて行われる。

第２の発明の原理を示す第１図中）においては、前述の
フレーム内の４つの方向のフィルタ１１〜１４に加えて
、フレーム間すなわち時間方向フィルタ１４０を含む５
つのフィルタのいずれを用いるかがニューラルネットワ
ークを含む相関検出手段１５によって決定され、またニ
ューラルネットワークの学習時には時間方向フィルタ１
４０に対応する復調面を加えて、第１の発明におけると
同様に学習が行われる。

十分な学習の後に行われるシステムの実行時には、人力
されるディジタル複合映像信号に対してニューラルネッ
トワークを含む相関検出手段１５によって、どのフィル
タを選択すべきかが適応的に決定されることになる。

〔実　　施　　例〕

まず第１の発明、すなわち第１図（ａ）の原理ブロック
図に対応する実施例を第２図〜第９図を用いて詳細に説
明する。

第２図は本発明の適応型Ｙ／Ｃ分離方式を用いたＹ／Ｃ
分離システムの全体構成ブロック図である。同図におい
て、システムは第１図（ａ）におけると同じ水平方向、
垂直方向、斜め左方向および斜め右方向の各フィルタ１
１〜１４、第１図（ａ）の切換手段１６に相当するスイ
ッチ１７１人カディジタル映像信号から各方向の相関検
出信号を作成する相関検出信号発生器１８．ニューラル
ネットワークを用いた相関方向判定器１９およびスイッ
チ１７の出力が例えばＹ信号である時に、入力ディジタ
ル信号からＹ信号を減算してＣ信号を得るための減算器
２０から成っている。

第３図は標本点の配列の実施例である。同図における標
本点はＮＴＳＣ信号を色副搬送波周波数ｆｓｃの４倍の
標本化パルスでサンプリングし、２Ｈ（Ｈは１水平走査
期間６３．５５６μｓ）分のラインメモリを用い得られ
たものである。第１６図と同様に標本点Ｋを含むライン
と、その前のラインおよび次のライン上のそれぞれ複数
の標本点が示されている。またＹ＋Ｃ＋　、Ｙ＋Ｃｚ　
、Ｙ　　ＣＩおよびＹ−Ｃ２のデータを持つ標本点が各
ライン上に巡回時に配列されている。なお、第３図には
３本のライン上の標本点が示されているが現在のライン
に対してはラインメモリの必要がなく、その結果ライン
メモリは２Ｈ分となる。

第３図のような標本点のデータから、第２図の相関検出
信号発生器１８によって相関方向判定器１９に入力され
る各方向の相関検出信号は、本実施例では次式で与えら
れるものとする。

これらの式は、ある標本点の両隣の標本値は互いに色副
搬送波の位相が１８０度ずれているということと、搬送
色信号の帯域が１．５ＭＨ２以下であるために２標本化
周期（＝　１　／　（２ｆ　５ｃ））期間内の搬送色信
号変化がほとんどないと考えられることとのために、あ
る標本点の輝度信号を両隣の標本点の標本値の平均で代
用可能なことに基礎をおいている。

例えば水平方向の相関検出信号Ｈの式においては、標本
点にの輝度信号を得るために、両隣の標本点ＪとＬとの
標本値が、また標本点■の標本値を得るために標本点Ｈ
とＪ、さらに標本点Ｍの標本値を得るために標本りとＮ
との標本値が用いられている。

垂直、斜め左、斜め右の３方向についても相関検出信号
の意味は全く同様であり、これらの信号によって標本点
にと各方向の標本点との輝度信号の相関が求められるこ
とになる。なお第２図において相関検出信号発生器１８
から相関方向判定器１９への人力信号は、上述の各相関
信号の絶対値記号の内部が±１の範囲で正規化されてい
るものとする。

第４図は第２図の相関方向判定器１９の実施例である。

同図において相関方向判定器１９は入力層、中間層およ
び出力層の３層から構成される階層型ニューラルネット
ワークであり、人力層はそれぞれ前述の相関検出信号Ｖ
、Ｈ，ＲおよびＬが入力される４つのユニット、また出
力層は第２図における水平方向、垂直方向、斜め左方向
および斜め右方向の各フィルタ１１〜１４のいずれの出
力を用いるべきかを示す適応モードを出力する４個のユ
ニットから成り、中間層のユニット数は実験によって決
定されるものとする。

次にこのニューラルネットワークの実行時のアルゴリズ
ムを説明する。入力層のｉ番目のユニットの出力をＯ＋
（ｉ）とすると、中間層のｍ番目のユニットへの入力の
総和Ｘｚ（ｍ）は、入力層のユニットｉから中間層のユ
ニッｔ−ｍへの結合の重みをＷ２（ｉ、ｍ）として、ま
たユニットｍに対するバイアス（オフセット）値をθ２
（ｒｒ＋）として次式で与えられる。

Ｘ２６Ｔｌ）＝Σｗ、（ｒ、ｍ）０＋　（ｉ）−θｚ６
Ｔｌ）　　　（２）人力Ｘ２０）に対する中間層のｍ番
目のユニットの出力０２０）は次式で与えられる。

０２（ホ）＝ｆ（Ｘ２（ホ））（３） なおここで関数ｆは例えば次式に示すシグモイド関数で
ある。

出力層のＯ番目のユニットについても全く同様に入力Ｘ
ｚ（０）と出力０３　（０）とが次のように与えられる
。

Ｘ３（０）−ΣＷ−（ｍ、０）０２　（”）−〇ｚ　（
０）　　　（５）０３　（０）＝　ｒ　　（Ｘ：Ｉ　（
ｍ））　　　　　　　　　　　　　（６）以上のように
して得られた出力層の４つのユニットの出力０３　（０
）、０３　（１）、　　（ｈ　（２）および０３（３）
のうちで最大のものに対する方向を相関の最大方向とし
て、その方向が適応モードとして出力される。

次に第４図の相関方向判定器における学習アルゴリズム
について説明する。後述する教師データ、すなわちテス
トパターンを最適に復調する適応モードを用いて、バッ
クプロパゲーション法によって学習が行われる。まず第
１に重みＷとバイアスθの初期化が行われ、全てのＷと
θの初期値として±０．５の範囲の一様乱数が代入され
る。次に前述の実行時のアルゴリズムによって、テスト
パターンに対する相関検出信号Ｖ、Ｈ，ＲおよびＬから
出力層の各ユニットの出力（ｈ（０）が計算される。

続いて重みおよびバイアス値の修正が行われる。

第に層のユニットへの結合の重みおよびユニットのバイ
アス値の修正が次式に従って行われる。

ただしΔＷｋとΔθ、は修正量ｔは学習繰り返し回数 出力層から中間層へのバックプロパゲーションにおける
修正において、まず学習信号が次式によって計算される
。

δｉＬ（０）＝０３ｔ（０）（ＭＯＤＥ（０）　　０３
ｔ（Ｏ））（１−ｏ　ｚ’（ｏ））　　　　（ａ）この
学習信号を用いて重みおよびバイアス値の修正量が次式
によって与えられる。

さらに中間層から人力層へのバックプロパゲーションに
おいては、誤差信号および重みとバイアス値の修正量が
次式によって与えられる。

δ２ｔ（ｍ）−δｘｔ（Ｏ）Ｗ３ｔ（（ｍ、ｏ）　）０
２Ｌ６Ｔｌ）（１−０２Ｌ６Ｔｌ））　　　　Ｑｏ）こ
れらの式において、ηは学習係数、αは安定定数と呼ば
れる定数であり、学習が早く終了するよう適当な値に決
定される。またＭ　ＯＤ　Ｅ　（０）は教師データの適
応モードを示す。すなわち典型的なテストパターン画像
においては各画像部分毎に画像の輪郭の方向が明らかで
あり、本実施例では４つの出力層ユニットの出力により
、４つの適応モードのうちいずれかが指示されることに
なる。

第５図は出力層のユニットの出力と適応モードとの関係
である。例えば適応モードＭＯＤＥ　（０）では出力層
の４つのユニットの出力のうち０３（０）のみがｌとな
り、また例えばＭＯＤＥ（１）では０３（１）の出力の
みが１となる。

第６図は教師データの作成方式の実施例の構成ブロック
図である。同図においてテスト画像Ｘ２１がＮＴＳＣエ
ンコーダ２２によって複合映像信号に変換され、ウィン
ドウ２３を経由して垂直、水平、右斜め、左斜めの各フ
ィルタ２４〜２７に人力される。そして各フィルタ２４
〜２７の出力を用いて復調画Ｙｏ　、Ｙｒ　、Ｙｚおよ
びＹ２２８〜３１が得られ、またウィンドウ２３から相
関検出信号Ｖ、Ｈ，Ｒ，Ｌが得られる。

第７図は教師データ決定のアルゴリズムの実施例である
。同図においてまず■でテストチャート、例えばｃｚｐ
　（サーキュラゾーンプレート）チャートがＮＴＳＣエ
ンコーダ２２によって複合映像信号に変換される。次に
■で（１）式に従って相関検出信号が作成され、また■
から■で垂直、水平、右斜め、左斜めの各フィルタ２４
〜２７を用いてＹ／Ｃ分離が行われ、それを利用して復
調画Ｙｏ。

Ｙｒ　、Ｙｚ　、Ｙｚ　２Ｂ〜３１が得られる。

次に■でテスト画像Ｘ２１と４つの復調画Ｙｏ。

Ｙ＋　、Ｙ２　、Ｙ３２　Ｂ〜３１との間で、同一画素
の画素データの２乗誤差が次式によって得られる。

ε＝　（ｙｒ＋　−ｘ）”　　　　　　　　　　　　　
（１２）ここでｙｎは復調画Ｙ□上の、またＸはテスト
画像Ｘ上の画像データである。そして■で２乗誤差εが
最も小さい復調画Ｙ。が画素毎に適応モード。

として得られ、■で相関検出信号Ｖ、　Ｈ，Ｒ，Ｌを人
力データ、適応モード。を出力データとする教師データ
を用いて、第４図の相関方向判定器の学習が行われ、［
相］で全画素にわたって学習が繰り返される。すなわち
、０２）式において、２乗誤差εを最小とすることは、
ニューラルネットワークにおいて、教師データと出力信
号との差をエネルギー関数的に最小とするニューラルネ
ットワークの重みを決定し、学習を実行することである
。なお教師データを得るためのテストチャートとしては
異なったパターンができるだけ多く、ランダムに配置さ
れているものが良く、前述のＣＺＰチャートの他に花畑
なども適した映像である。

第８図はハードウェアによる相関方向判定器１９の実施
例の構成ブロック図である。同図において特性関数器３
６．３７は中間層の２つのユニットにおけるシグモイド
関数に相当し、入力層への相関検出信号に対して乗算器
３２ａ〜３２ｄによって重みが掛けられ、それらとバイ
アスθ２　（０）との総和が加算器３４によってとられ
、特性関数器３６に入力される。同様に特性関数器３７
には乗算器３３ａ〜３３ｄによって相関検出信号に重み
が掛けられ、それらの信号とバイアス値θ２（１）との
総和が加算器３５によってとられた結果が入力される。

また特性関数器４４〜４７は出力層の４つのユニットの
シグモイド関数に対応するものであり、特性関数器３６
の出力に乗算器３８ａ〜３８ｄによって重みが掛けられ
た結果と、特性関数器３７の出力に乗算器３９ａ〜３９
ｄによって重みが掛けられた結果と、それぞれ対応する
バイアス値とが加算器４０〜４３によって加算され、こ
れらの特性関数器に人力される。そして特性関数器４４
〜４７の出力のうちで最大のものが最大判定器４８によ
って判定されて適応モードとして出力される。なお各乗
算器に与えられる重みと各加算器に与えられるバイアス
値とは、例えばリードオンリーメモリ（ＲＯＭ）に書い
たものが用いられ、また特性関数器はＲＯＭ内に格納さ
れたテーブルを参照することによって実現される。

第９図はハードウェアによる相関方向判定器の他の実施
例の構成ブロック図である。同図において相関検出信号
Ｖ、Ｈ，Ｒ，Ｌがアドレスデコーダ４９に入力され、そ
の出力によってＲＯＭ５０に格納されている適応モード
データが出力される。

すなわちＲＯＭ５０には相関検出信号人力に対する適応
モードがテーブルとして格納され、アドレスデコーダ４
９の出力するアドレスによってそのテーブルが参照され
ることになる。

第１０図は本発明の効果の１例を説明するための図であ
る。同図はラインのから■までの映像信号を示し、これ
は左から右へ明るくなる映像で、ライン■までは無彩色
、ライン■から色がついている場合の信号の例である。

この場合標本点にの垂直方向には色差信号の相関がなく
、Ｙ／Ｃ分離には適さない。これに対して水平方向には
わずかな輝度の変化はあるが色信号の相関が高く、Ｙ／
Ｃ分離に適している。

第１Ｏ図において各ラインを示す破線はレベルＯを示し
ており、各ラインを直交する破線、すなわちサンプルタ
イミングにおける信号値がレベルＯより下にある時はマ
イナスの信号を、また上にある時はプラスの信号を表し
ている。この信号を用いて（１）式の相関検出信号の値
を求めると、垂直方向に対してＣ＋ＥがほぼＯ，Ｑ＋Ｓ
がほぼ０゜またＪ＋Ｌがわずかに負となるが、■の値は
ほぼ０と見なせる。

これに対して、例えば水平方向に対しては、Ｈ＋ＪとＬ
十Ｎとの和が負となるために信号Ｈの値は■の値より大
きくなる。このため従来の単純な大きさ判定による相関
検出では、垂直方向は無彩色と有彩色との違いであるか
ら相関はないにもかかわらず、不適切な垂直方向フィル
タが選択されることになり、誤動作の原因となる。本発
明においては、このような微妙な場合においても、相関
方向判定器としてのニューラルネットワークの学習が十
分に行われていれば、ニューラルネットワークにおいて
水平方向フィルタを最適フィルタとして選択するように
重みを決定しておくことが可能なので、正しい適応モー
ドを出力することが可能になる。

以上においては１フレーム内の複数の標本点を用いたＹ
／Ｃｕｔの方式を説明したが、フレーム間で画像にほと
んど変化が無い場合にはｌフレーム前の同一位置の標本
点を用いてＹ／Ｃ分離を行うことも可能である。すなわ
ち第１１図に示すように、フレームＦ−１とフレームＦ
１フレームＦとフレームＦ＋１を比較すると同一標本点
間で色副搬送波の位相は１８０度ずれている。

そこでフレーム間、すなわち時間方向で同一標本点間の
和（または差）をとるとＣ（Ｙ）信号成分が打ち消され
て輝度信号（搬送色信号）が抽出される。このようなフ
レーム形Ｙ／Ｃ分離を行うためには時間方向フィルタが
用いられる。ただしフレーム間で画像が変化している場
合には前述のフレーム内用のフィルタ（水平、垂直、斜
め左、斜め右の各方向）に加えて時間方向フィルタを用
いてＹ／Ｃ分離を行うことになる。

この場合について、第１２図〜第１４図を用いて第２の
発明、すなわち第１図（ｂ）の原理ブロック図に対応す
る実施例を説明する。第１２図は教師データの作成方式
の第２の実施例である。第１の発明に対応する第６図と
比較すると、時間方向フィルタ５１とそれによって作成
される復調画Ｙ４５２が追加されていることと、ウィン
ドウ２３から時間方向の相関検出信号Ｔが得られる点が
異なっている。

第１３図は時間方向フィルタ５１の実施例である。フィ
ルタ５１は１フレ一ム分の映像データを記憶するための
フレームメモリ５３と減算器５４によって構成される。

前述のように減算器５４によってＹ信号成分が相殺され
てＣ信号（搬送色信号）が出力される。また減算器５４
の代わりに加算器を用いると輝度信号が出力されること
になる。

第１４図は時間方向の相関検出方式の実施例である。第
１５図で説明したように同一標本点間での色副搬送波は
１フレームおきに同相となるので、２段のフレームメモ
リ５５．５６および減算器５７を用いて相関検出信号を
得ることができる。

第２の発明においては時間方向フィルタが追加されるた
めに第２図、第４図、第５図、第７図〜第９図、すなわ
ち第１の発明に対応する実施例において一部の変更が加
えられる。第２図においてはディジタル映像信号が人力
され、その出力がスイッチ１７に加えられる時間方向フ
ィルタが追加される。第４図においては人力層に時間方
向の相関検出信号Ｔが人力されるユニットが追加され、
出力層のユニットも１個追加される。また第５図におい
て出力層のユニットの出力として０３　（４）適応モー
ドとしてＭＯＤＥ　（４）が追加される。

第７図では“時間方向フィルタでＹ／Ｃ分離し復調画Ｙ
４を・：Ｌる″ステップが例えば■と０間に追加され、
第８図では人力Ｔが追加され、乗算器３２ａ　〜３２ｄ
、３３ａ　〜３３ｄ、３８ａ　〜３８ｄ。

３９ａ〜３９ｄ、加算器４０〜４３、特性関数器４４〜
４７がそれぞれ５個となり、さらに第９図ではアドレス
デコーダ４９への人力として信号Ｔが追加される。

なお以上の説明では相関検出信号として（１）式を例と
して説明したが、相関検出信号の式はこれに限定される
ものではない。またディジタル映像データを対象とする
適応型Ｙ　／　Ｃ，分離方式を説明したが、本発明のニ
ューラルネットワークによる最適方向の決定方式はアナ
ログ画像データ信号に対しても適応可能である。

〔発明の効果〕

以上詳細に説明したように、本発明によればニューラル
ネットワークを用いて適応モードを決定することにより
、従来単純な大小判定による方向判定で誤動作が生じて
いた空間周波数の高い部分での適応モードの正答率が著
しく向上し、ＮＴＳＣ復調器による復調画像の画質改善
に寄与することろが大きい。

【図面の簡単な説明】

第１図（ａ）は第１の発明の原理ブロック図、第１図（
ｂ）は第２の発明の原理ブロック図、第２図は本発明の
適応型Ｙ／Ｃ分離方式を用いたＹ／Ｃ分離システムの全
体構成を示すブロック図、 第３図は標本点の配列の実施例を示す図、第４図はニュ
ーラルネットワークで構成される相関方向判定器の実施
例を示す図、 第５図は出力層のユニットの出力と適応モードとの関係
を示す図２、 第６図は教師データの作成方式の実施例の構成を示すブ
ロック図、 第７図は教師データ決定のアルゴリズムの実施例を示す
図、 第８図はハードウェアによる相関方向判定器の実施例の
構成を示すブロック図、 第９図はハードウェアによる相関方向判定器の他の実施
例の構成を示すブロック図、 第１０図は本発明の詳細な説明するための映像信号の例
を示す図、 第１１図は同一標本点でのフレーム間の色副搬送波の位
相差を示す図である。 第１２図は教師データの作成方式の第２実施例の構成を
示すブロック図、 第１３図は時間方向フィルタの実施例の構成を示すブロ
ック図、 第１４図は時間方向の相関検出方式の実施例の構成を示
すブロック図、 第１５図は適応型Ｙ／Ｃ分離方式の従来例の構成を示す
ブロック図、 第１６図は第１５図の従来例の動作を説明するための標
本点の例を示す図、 １１・・・水平方向フィルタ、 １２・・・垂直方向フィルタ、 １３・・・斜め左方向フィルタ、 １４・・・斜め右方向フィルタ、 １８・・・相関検出信号発生器、 １９・・・相関方向判定器、 ２０・・・減算器、 ・時間方向フィルタ。

Claims (1)

1. 【特許請求の範囲】 １）ディジタル化された複合映像信号の多数の標本点の
   うち、出力すべき標本点を含む水平方向の複数の標本点
   、垂直方向の複数の標本点、斜め左方向の複数の標本点
   および斜め右方向の複数の標本点から互いに独立して生
   成した輝度信号、または搬送色信号を分離出力する水平
   方向、垂直方向、斜め左方向および斜め右方向の各フィ
   ルタ（１１〜１４）と、 前記ディジタル複合映像信号から水平、垂直、斜め左お
   よび斜め右４方向の相関のうちで最も標本点間の相関の
   強い方向を検出するためのニューラルネットワークを含
   む相関検出手段（１５）と、該相関検出手段（１５）の
   出力に応じて前記水平方向、垂直方向、斜め左方向およ
   び斜め右方向の各フィルタ（１１〜１４）の出力信号の
   いずれかを選択出力する切換手段（１６）とを備え、教
   師データに基づき最も相関の強い方向を学習させた前記
   相関検出手段（１５）内のニューラルネットワークの出
   力に応じて、前記ディジタル複合映像信号の輝度信号ま
   たは搬送色信号を分離出力することを特徴とするニュー
   ラルネットワークを用いた適応型Ｙ／Ｃ分離方式。 ２）前記相関検出手段（１５）内のニューラルネットワ
   ークの学習時において、 教師データとしてのテストチャート等画像データを複合
   映像信号に変換し、 該複合映像信号に変換されたテストチャート等画像デー
   タに対して、前記水平方向、垂直方向、斜め左方向およ
   び斜め右方向の各フィルタ（１１〜１４）をそれぞれ用
   いたＹ／Ｃ分離によって各フィルタに対応する各復調画
   を作成し、 該各復調画と前記テストチャート等画像とのデータを同
   一画素対応で比較し、 両データの差の最も小さい復調画の作成時に用いられた
   フィルタを指定する出力信号と前記テストチャート等画
   像データの該同一画素に対応する水平、垂直、斜め左お
   よび斜め右の相関検出用入力信号とを用いて、前記相関
   検出手段（１５）内のニューラルネットワークに学習を
   行わせることを特徴とする請求項１記載のニューラルネ
   ットワークを用いた適応型Ｙ／Ｃ分離方式。 ３）前記相関検出手段は、前記各フィルタのうち相関の
   最も強い方向のフィルタをニューラルネットワークの重
   みおよびあるいはバイアス値を決定して学習を行わせる
   ことを特徴とするニューラルネットワークを用いた適応
   型Ｙ／Ｃ分離方式。 ４）ディジタル化された複合映像信号の多数の標本点の
   うち、出力すべき標本点を含む水平方向の複数の標本点
   、垂直方向の複数の標本点、斜め左方向の複数の標本点
   および斜め右方向の複数の標本点から互いに独立して生
   成した輝度信号、または搬送色信号を分離出力する水平
   方向、垂直方向、斜め左方向および斜め右方向の各フィ
   ルタ（１１〜１４）と、 前記出力すべき標本点と該標本点を含むフレームより時
   間的に１フレーム前のフレーム内で該標本点と同一位置
   にある標本点とから生成した時間信号、または搬送色信
   号を分離出力する時間方向フィルタ（１４０）と、 前記ディジタル複合映像信号から水平、垂直、斜め左、
   斜め右および時間の５方向の相関のうちで最も標本点間
   の相関の強い方向を検出するためのニューラルネットワ
   ークを含む相関検出手段（１５）と、 該相関検出手段（１５）の出力に応じて前記水平方向、
   垂直方向、斜め左方向、斜め右方向および時間方向の各
   フィルタ（１１〜１４、１４０）の出力信号のいずれか
   を選択出力する切換手段（１６）とを備え、 教師データを学習させた前記相関検出手段（１５）内の
   ニューラルネットワークの出力に応じて、前記ディジタ
   ル複合映像信号の輝度信号または搬送色信号を分離出力
   することを特徴とするニューラルネットワークを用いた
   適応型Ｙ／Ｃ分離方式。 ５）前記相関検出手段（１５）内のニューラルネットワ
   ークの学習時において、 教師データとしてのテストチャート等画像データを複合
   映像信号に変換し、 該複合映像信号に変換されたテストチャート等画像デー
   タに対して、前記水平方向、垂直方向、斜め左方向、斜
   め右方向および時間方向の各フィルタ（１１〜１４、１
   ４０）をそれぞれ用いたＹ／Ｃ分離によって各フィルタ
   に対応する各復調画を作成し、 該各復調画と前記テストチャート等画像とのデータを同
   一画素対応で比較し、 両データの差の最も小さい復調画の作成時に用いられた
   フィルタを指定する出力信号と前記テストチャート等画
   像データの該同一画素に対応する水平、垂直、斜め左、
   斜め右および時間の各方向の相関検出用入力信号とを用
   いて、前記相関検出手段（１５）内のニューラルネット
   ワークの学習を行わせることを特徴とする請求項３記載
   のニューラルネットワークを用いた適応型Ｙ／Ｃ分離方
   式。