JPH09219833A

JPH09219833A - 量子化ビット数変換装置および方法

Info

Publication number: JPH09219833A
Application number: JP8049553A
Authority: JP
Inventors: Tetsujiro Kondo; 哲二郎近藤; Kunio Kawaguchi; 邦雄川口; Yasuhiro Fujimori; 泰弘藤森
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1996-02-13
Filing date: 1996-02-13
Publication date: 1997-08-19
Anticipated expiration: 2016-02-13
Also published as: JP3726333B2

Abstract

(57)【要約】【課題】入力ディジタル信号のビット数より多ビット
の信号へ変換する場合、入力ディジタル信号の真値存在
区間内を逸脱する多ビットの信号に対して補正を行う。【解決手段】画素データｄ１１がブロック化回路１２
において、（３×３）ブロックにブロック化され、予測
式演算回路１３、ＡＤＲＣ回路１４へ供給される。ＡＤ
ＲＣ回路１４では、ブロック化された画素データｄ１１
にＡＤＲＣが施され、クラスコード発生回路１５では、
このＡＤＲＣ回路１４からのパターンｄ１５に基づいて
クラスｄ１６が予測係数メモリ１６へ供給される。予測
係数メモリ１６では、クラスｄ１６に応答して予測係数
ｄ１７が読み出され、予測式演算回路１３において、ブ
ロック化された画素データｄ１２と予測係数ｄ１７とか
ら線形１次結合により予測値が生成される。レベル制限
回路１７では、真値存在区間を逸脱する予測値に対して
クリップ処理が行われる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、例えばディジタ
ルビデオテープレコーダ装置（ディジタルＶＴＲ）等に
用いて好適な量子化ビット数変換装置に関して、特に、
外部から供給される画像信号をより多い量子化ビット数
の画像信号に変換して出力するような画像信号の量子化
ビット数変換装置および方法に関する。

【０００２】

【従来の技術】今日、映像分野におけるディジタル化の
流れは、確実に普及の一途を辿り、ディジタル信号での
画像のやり取りには、既に規格が完了し実用化されてい
るものがある。そのひとつにＣＣＩＲ・Ｒｅｃ．６０１
などが挙げられる。これはＹ／Ｕ／Ｖのディジタルコン
ポーネント信号のフォーマットを定義するものであり、
各画素は８ビットのディジタル信号で定義されている。
その後、さらなる高画質への要求の高まりや、画像の合
成、変形、拡大縮小といった特殊効果処理時における８
ビット量子化に起因する階調不足による画質劣化、ある
いは各種ビデオ機器内の各種信号処理時の演算精度の確
保といった、画像プロセスの要求等から各画素を１０ビ
ットで定義する必要に迫られ、１０ビットデータの信号
規格も決められた。その一例として、シリアルディジタ
ルインタフェースのＳＭＰＴＥの２５９Ｍなどがある。
そこで、異なる信号規格間で信号をやり取りする場合に
は、Ｒｅｃ．６０１などで定義される８ビット信号を１
０ビット信号に変換する必要がある。

【０００３】このように、異なるディジタル信号フォー
マット間の信号乗り換えのための必要な技術のひとつ
に、量子化ビット数変換が挙げられる。ここで、一例と
して、８ビットのディジタル信号から１０ビットのディ
ジタル信号への変換を考える。その信号値の関係を図９
に示す。この例では、８ビットのディジタル信号値Ｑ８
は、量子化代表値であり、８ビット信号値Ｑ８の本来の
アナログ信号値（真値）は、図中の真値存在区間内に含
まれる。よって、８ビットのディジタル信号から１０ビ
ットのディジタル信号へ変換するためには、この８ビッ
ト信号値Ｑ８を１０ビットのディジタル信号値Ｑ１０₀
〜Ｑ１０₃の４種類のいずれかを選択して出力すること
になる。一般的な８ビット信号値から１０ビット信号値
への変換例としては、下位２ビットに `00' あるいは `
01' といった一定のコードを付加することが挙げられ
る。その結果、１０ビット信号値Ｑ１０₀が常に出力さ
れることになる。

【０００４】

【発明が解決しようとする課題】しかしながら、上述の
量子化ビット数変換装置は、各々のデータのデータ長を
単に８ビットから１０ビットへ増加させるだけなので、
出力される信号は当初から８ビットで符号化されたデー
タと情報量的には何ら変わらず、さらにこの１０ビット
信号値Ｑ１０₀は、８ビット信号値の属性を反映してい
るため、画像プロセスにおけるＤＶＥ（Digital Video
Effector）、クロマキー、スイッチャーなどの処理にお
いて、ある信号レベル幅の拡大を行うと量子化雑音によ
り画質劣化が顕著になり、階調不足による擬似輪郭が発
生されるという問題があった。

【０００５】従って、この発明の目的は、上述の問題点
を鑑みてなされたものであり、単に量子化ビット数を増
加させるだけではなく、クラス分類適応処理を使用して
少ない量子化ビット数の信号を情報量の増加に対応した
信号に変換することができる量子化ビット数変換装置お
よび方法を提供することにある。

【０００６】

【課題を解決するための手段】請求項１に記載の発明
は、入力ディジタル信号より多いビット数を持つディジ
タル信号を生成するようにした量子化ビット数変換装置
において、クラス分類適応処理によって、予測値を生成
する予測値生成手段と、予測値が入力ディジタル信号の
存在区間に含まれるか否かを検出し、予測値が存在区間
を逸脱するときに、予測値に対して補正を施す手段とか
らなることを特徴とする量子化ビット数変換装置であ
る。

【０００７】また、請求項８に記載の発明は、入力ディ
ジタル信号より多いビット数を持つディジタル信号を生
成するようにした量子化ビット数変換方法において、ク
ラス分類適応処理によって、予測値を生成するステップ
と、予測値が入力ディジタル信号の存在区間に含まれる
か否かを検出し、予測値が存在区間を逸脱するときに、
予測値に対して補正を施すステップとからなることを特
徴とする量子化ビット数変換方法である。

【０００８】この発明に係る量子化ビット数変換装置お
よび方法は、入力された８ビットの画素データのレベル
分布のパターンに基づいてクラス分類が行われ、そのク
ラスに対応した予測係数が読み出され、入力された８ビ
ットの画素データと予測係数から１０ビットの予測値へ
変換され、変換された１０ビットの予測値と入力画素デ
ータのレベル分布のパターンに基づいてクラス分類が行
われ、そのクラスに対応した予測係数が読み出され、入
力された８ビットの画素データと予測係数から１０ビッ
トの画素データが生成される。そして、生成された１０
ビットの画素データが入力された８ビットの画素データ
の真値存在区間内に含まれているか否かが検出され、含
まれていない場合、予測値に対して補正がなされる。こ
の補正として上限あるいは下限を制限する手法、または
予測法および重心法を用いたクラス分類適応処理を行う
手法を用いて、この８ビットの画素データから予測され
る１０ビットの画素データが出力される。

【０００９】

【発明の実施の形態】以下、この発明に係る量子化ビッ
ト数変換装置の一実施例について、図面を参照しながら
詳細に説明する。まず、この実施例では、分類された各
クラス毎に適応処理が行われるが、予め用意された予測
係数による積和演算を用いる予測法と、予め用意された
予測値を出力する重心法とが提案されている。

【００１０】最初に予測法が用いられたクラス分類適応
処理の構成例を図１に示す。この図１を用いて予測法を
用いたクラス分類適応処理の概要を説明する。入力信号
ｄ０は、入力端子からクラス分類部１と予測部２へ供給
される。クラス分類部１では、入力信号ｄ０の波形特徴
に基づくクラス分類が行われ、分類結果がｄ１として予
測部２へ供給される。この予測部２は、予測係数ＲＯＭ
３および予測演算部４から構成される。予測係数ＲＯＭ
３では、クラス分類部１から供給された分類クラスｄ１
に応答して予測係数が読み出され、この予測係数は、ｄ
２として予測演算部４へ供給される。予測演算部４で
は、入力信号ｄ０から予測タップが形成され、予測係数
ｄ２で与えられる予測係数を用いて、式（１）の積和演
算が実行される。こうして入力８ビット信号に対する１
０ビット信号予測値がｄ３として出力される。

【００１１】この予測法では、図２の例に示すように処
理対象として３画素×３ライン（以下、（３×３）ブロ
ックと称する）、すなわち注目画素ｘ₄を含む近傍の８
ビット入力画素ｘ₀〜ｘ₈の９画素より予測タップを形
成し、８ビット画素ｘ₄の１０ビット信号値の予測が実
行される。その予測値を式（１）に示す。

【００１２】

【数１】ｘ´：ｘ₄の１０ビット予測値ｘ_i：８ビット入力画素値ｗ_i：予測係数

【００１３】次に、重心法が用いられたクラス分類適応
処理の構成例を図３に示す。この図３を用いて重心法を
用いたクラス分類適応処理の概要を説明する。入力信号
ｄ５は、入力端子６からクラス分類部７へ供給され、ク
ラス分類部７では、入力信号ｄ５の波形特徴に基づくク
ラス分類が行われ、分類結果がｄ６として最適予測値Ｒ
ＯＭ８へ供給される。この最適予測値ＲＯＭ８では、ク
ラス分類部７から供給された分類クラスｄ６に応答して
最適予測値が読み出され、この最適予測値は、ｄ７とし
て出力される。

【００１４】ここで、この発明に係る量子化ビット数変
換装置の第１の実施例を図４に示す。１１で示す入力端
子を介して外部から画素データｄ１１が供給される。こ
の画素データｄ１１は、放送などによる伝送あるいはビ
デオテープレコーダ装置などの再生によって、供給され
る映像信号が８ビットで２５６階調に量子化されてい
る。この８ビット信号からなる画素データｄ１１は、処
理単位のブロックに分割する画素データ分割手段である
ブロック化回路１２へ供給される。図２に示すように
（３×３）ブロックの９画素ｘ₀〜ｘ₈にブロック化さ
れた画素データｄ１２およびｄ１４は、予測式演算回路
１３およびＡＤＲＣ（Adaptive Dynamic Range Coding
）回路１４へ供給される。

【００１５】ＡＤＲＣ回路１４は、ブロック毎の画素デ
ータｄ１４の２次元的なレベル分布のパターンを検出す
るために、このレベル分布のパターンを示すデータを圧
縮してパターン圧縮データを出力する情報圧縮手段であ
る。このＡＤＲＣ回路１４からのパターンｄ１５は、ク
ラスコード発生回路１５へ供給される。クラスコード発
生回路１５では、供給されたパターンｄ１５に基づい
て、そのブロックの画素データが属するクラスが検出さ
れる。検出されたクラス情報であるクラスコードｄ１６
は、予測係数メモリ１６へ供給される。予測係数メモリ
１６では、外部から供給された８ビットの画素データを
１０ビットで量子化された画素データへ変換するための
情報である予測係数が予め求められて記憶されており、
クラスコード発生回路１５からのクラスコードｄ１６に
応答して予測係数ｄ１７が出力される。

【００１６】この予測係数ｄ１７は、予測式演算回路１
３へ供給される。予測式演算回路１３では、予測係数ｄ
１７とブロック化された８ビットの画素データｄ１２と
から式（１）に示す線形一次結合式の予測式に基づいた
演算により１０ビットで量子化された画素データに変換
される。この画素データｄ１３は、予測式演算回路１３
からレベル制限回路１７へ供給される。レベル制限回路
１７では、８ビットデータを１０ビットデータへ変換し
た際に周辺画素の影響により元々の存在区間を逸脱して
しまうデータの補正が行われる。この補正の一例として
このレベル制限回路１７では、存在区間を逸脱してしま
うデータのクリッピングが行われる。

【００１７】つまり、１０進法で表現して、例えばレベ
ル１の８ビットデータの真値存在区間は、本来レベル４
〜７の間に存在する１０ビットデータとなる。ところが
予測演算により例えば３あるいは１０といったように真
値存在区間外にデータが変換されてしまう場合もありえ
る。これは本来あるべき真値存在区間を逸脱しているの
でレベル制限回路１７では、それぞれ４あるいは７へク
リッピングが行われる。クリッピング処理が行われた画
素データｄ１８は、出力端子１８から取り出される。

【００１８】次に、この発明に係る量子化ビット数変換
装置の第２の実施例を図５に示す。入力端子２１から供
給される画素データｄ２１は、クラス分類適応処理部２
２および後処理部２３へ供給される。クラス分類適応処
理部２２は、クラス分類部２５、予測係数ＲＯＭ２６お
よび予測演算部２７から構成される。後処理部２３は、
判定部２８、クラス分類部２９、予測係数ＲＯＭ３０、
予測演算部３１および選択部３２から構成される。クラ
ス分類適応処理部２２へ供給された画素データｄ２１
は、クラス分類部２５および予測演算部２７へ供給され
る。クラス分類部２５では、供給された画素データｄ２
１から図２に示すように（３×３）ブロックの画素ｘ₀
〜ｘ₈が抽出され、注目画素をｘ₄として、クラスが分
類される。このクラスは、ｄ２２として予測係数ＲＯＭ
２６へ供給される。

【００１９】予測係数ＲＯＭ２６では、予め記憶された
予測係数の中から供給されたクラスｄ２２に対応する９
個の予測係数ｗ₀〜ｗ₈が読み出される。図２に示した
９個の画素ｘ₀〜ｘ₈をそれぞれ１ビットで表現したク
ラスを用いた一例のため、５１２種類のクラスを有し、
クラス毎に９個の予測係数ｗ₀〜ｗ₈が記憶される。読
み出された予測係数ｄ２３は、予測演算部２７へ供給さ
れる。予測演算部２７では、８ビットの画素データｄ２
１と予測係数ｄ２３とを用いて、後述する線形１次結合
式から１０ビットの予測値ｄ２４が生成される。生成さ
れた１０ビットの予測値ｄ２４は、クラス分類適応処理
部２２の出力として後処理部２３へ供給される。

【００２０】後処理部２３では、予測値ｄ２４が判定部
２８、クラス分類部２９、予測係数ＲＯＭ３０、予測演
算部３１および選択部３２へ供給され、入力端子２１か
らの画素データｄ２１が判定部２８へ供給される。クラ
ス分類部２９では、図２に示す注目画素ｘ₄を中心とし
て１０ビットからなる９個の画素を用いてクラスが分類
される。分類されたクラスは、ｄ２６として予測係数Ｒ
ＯＭ３０へ供給される。予測係数ＲＯＭ３０では、予め
記憶された予測係数の中から供給されたクラスｄ２６に
対応する９個の予測係数ｗ₀〜ｗ₈が読み出される。こ
の予測係数ＲＯＭ３０は、上述の予測係数ＲＯＭ２６と
同様に５１２種類のクラスを有し、クラス毎に９個の予
測係数ｗ₀〜ｗ₈が記憶される。読み出された予測係数
ｄ２７は、予測演算部３１へ供給される。予測演算部３
１では、１０ビットの予測値ｄ２４と予測係数ｄ２７と
を用いて、線形１次結合式から１０ビットの予測値ｄ２
８が生成される。生成された１０ビットの予測値ｄ２８
は、補正された１０ビットの予測値として、選択部３２
へ供給される。

【００２１】判定部２８では、入力端子２１からの画素
データｄ２１と１０ビットの予測値ｄ２４とが供給さ
れ、画素データｄ２１の示す真値存在区間から予測値ｄ
２４が外れているか否かが判定される。この判定結果ｄ
２５は、選択部３２へ供給される。選択部３２では、判
定結果ｄ２５に基づいてクラス分類適応処理部２２から
の予測値ｄ２４を出力するか、後処理部２３からの補正
された予測値ｄ２８を出力するかが選択される。具体的
には、クラス分類適応処理部２２からの予測値ｄ２４が
画素データｄ２１の示す真値存在区間から逸脱していな
いと判定されると、選択部３２では、予測値ｄ２４が選
択され、予測値ｄ２４が画素データｄ２１の示す真値存
在区間から逸脱していると判定されると、選択部３２で
は、補正された予測値ｄ２８が選択される。選択された
予測値は、予測結果ｄ２９として出力端子２４から出力
される。

【００２２】ここで、この第２の実施例では、後処理部
２３のクラス分類部２９および予測演算部３１に１０ビ
ットの予測値ｄ２４が供給され、この予測値ｄ２４に基
づいて予測値ｄ２８が生成されているが、入力端子２１
からの画素データｄ２１をクラス分類部２９および予測
演算部３１に供給して、この画素データｄ２１に基づい
て予測値ｄ２８を生成しても良い。また、予測値ｄ２４
と画像データｄ２１とをクラス分類部２９および予測演
算部３１へ供給し、この２つのデータに基づいて予測値
ｄ２８を生成しても良い。

【００２３】次に、この発明に係る量子化ビット数変換
装置の第３の実施例を図６に示す。入力端子４１から供
給される画素データｄ３１は、クラス分類適応処理部４
２および後処理部４３へ供給される。クラス分類適応処
理部４２は、クラス分類部４５および最適予測値ＲＯＭ
４６から構成される。後処理部４３は、判定部４７、ク
ラス分類部４８、最適予測値ＲＯＭ４９および選択部５
０から構成される。クラス分類適応処理部４２へ供給さ
れた画素データｄ２１は、クラス分類部４５へ供給され
る。クラス分類部４５では、供給された画素データｄ３
１から図２に示すように注目画素ｘ₄として、（３×
３）ブロックの画素ｘ₀〜ｘ₈が抽出され、クラスが分
類される。このクラスは、ｄ３２として最適予測値ＲＯ
Ｍ４６へ供給される。

【００２４】最適予測値ＲＯＭ４６では、予め記憶され
た最適予測値の中から供給されたクラスｄ３２に対応す
る１０ビットからなる最適予測値ｄ３３が読み出され
る。図２に示した９個の画素ｘ₀〜ｘ₈をそれぞれ１ビ
ットで表現したクラスを用いた一例のため、５１２種類
のクラスを有し、クラス毎に最適予測値が記憶される。
読み出された最適予測値ｄ３３は、後処理部４３へ供給
される。後処理部４３では、最適予測値ｄ３３が判定部
４７、クラス分類部４８、最適予測値ＲＯＭ４９および
選択部５０へ供給され、入力端子４１からの画素データ
ｄ３１が判定部４７へ供給される。

【００２５】クラス分類部４８では、図２に示す注目画
素ｘ₄を中心として１０ビットからなる９個の画素を用
いてクラスが分類される。分類されたクラスは、ｄ３５
として最適予測値ＲＯＭ４９へ供給される。最適予測値
ＲＯＭ４９では、予め記憶された最適予測値の中から供
給されたクラスｄ３５に対応する１０ビットからなる最
適予測値ｄ３６が読み出される。この最適予測値ＲＯＭ
４９は、上述の最適予測値ＲＯＭ４６と同様に５１２種
類のクラスを有し、クラス毎に最適予測値が記憶され
る。読み出された１０ビットの最適予測値ｄ３６は、補
正された１０ビットの予測値として、選択部３２へ供給
される。

【００２６】判定部４７では、入力端子４１からの画素
データｄ３１と１０ビットの最適予測値ｄ３３とが供給
され、画素データｄ３１の示す真値存在区間から最適予
測値ｄ３３が逸脱しているか否かが判定される。この判
定結果ｄ３４は、選択部５０へ供給される。選択部５０
では、判定結果ｄ３４に基づいて最適予測値ｄ３３を出
力するか、最適予測値ｄ３３を出力するかが選択され
る。具体的には、クラス分類適応処理部４２からの最適
予測値ｄ３３が画素データｄ３１の示す真値存在区間か
ら逸脱していないと判定されると、選択部５０では、最
適予測値ｄ３３が選択され、最適予測値ｄ３３が画素デ
ータｄ３１の示す真値存在区間から逸脱していると判定
されると、選択部５０では、補正された最適予測値ｄ３
６が選択される。選択された最適予測値は、予測結果ｄ
３７として出力端子４４から出力される。

【００２７】ここで、この第３の実施例では、後処理部
４３のクラス分類部４８に１０ビットの最適予測値ｄ３
３が供給され、この最適予測値ｄ３３に基づいて最適予
測値ｄ３６が読み出されているが、入力端子４１からの
画素データｄ３１をクラス分類部４８に供給して、この
画素データｄ３１に基づいて最適予測値ｄ３６を読み出
しても良い。また、最適予測値ｄ３３と画素データｄ３
１とをクラス分類部４８へ供給し、この２つのデータに
基づいて最適予測値ｄ３６を読み出しても良い。

【００２８】さらに、上述の第２および第３の実施例を
組み合わせ、例えばクラス分類適応処理部に予測法を用
い、後処理部に重心法を用いる、また、クラス分類適応
処理部に重心法を用い、後処理部に予測法を用いること
も可能である。

【００２９】このように、この発明は、クラス分類適応
処理を用いた多ビットディジタル信号への信号変換法の
一例として８ビットから１０ビットへの信号変換法を用
いるものである。上述した図９に示すように８ビット信
号値と１０ビット信号値との対応図を考慮すると、クラ
ス分類適応処理を用い１０ビット予測信号値は真値存在
区間内に存在しなくてはならない。そこで、この区間を
超える予測信号値に対し、再びクラス分類適応処理を適
用することでより高性能な量子化ビット数変換を達成す
るものである。

【００３０】ここで、上述した実施例におけるクラス分
類適応処理部２２および４２で用いられているクラス分
類適応処理を簡単に説明する。このクラス分類適応処理
とは、入力信号の特徴に基づき入力信号をいくつかのク
ラスに分類し、予め用意された適切な適応処理をクラス
毎に実行し所望の出力値を得る手法である。まず、クラ
ス分類法の例としては、入力信号（８ビットＰＣＭデー
タ）に対して、クラス生成タップを設定し、入力信号の
レベル分布のパターンによりクラスを生成する手法が挙
げられる。信号波形のクラス生成法としては、次の例な
どが提案されている。

【００３１】１）ＰＣＭ（Pluse Code Modulation ）デ
ータを直接使用する方法２）ＡＤＲＣを適用する方法３）ＤＰＣＭ（Differential PCM）を適用する方法４）ＢＴＣ（Block Trancation Coding ）を適用する方
法５）ＶＱ（Vector Quantization ）を適用する方法６）周波数領域クラス（ＤＣＴ（Discrete Cosine Tran
sform ）、アダマール変換、フーリエ変換その他）を適
用する方法

【００３２】ＰＣＭデータを直接使用する場合、クラス
分類用に８ビットデータを７タップ使用すると、２⁵⁶と
いう膨大な数のクラスに分類される。信号波形の特徴を
掴むという意味では理想的であるが、回路上の負担は大
きく、実用上問題である。そこで実際は、ＡＤＲＣなど
を適用しクラス数の削減を図る。ＡＤＲＣは、信号圧縮
技術として開発された手法であるが、クラス表現に適し
ている。基本的には、再量子化処理であり式（２）で示
される。

【００３３】ｑ_i＝（ｘ_i−ＭＩＮ）／（ＤＲ／２^k）（２）ただし、ｑ_i：ＡＤＲＣコードｘ_i：入力画素値ＭＩＮ：近傍領域内最小値ＤＲ：近傍領域内ダイナミックレンジｋ：再量子化ビット数

【００３４】注目画素近傍の数タップに対し式（２）で
定義されるＡＤＲＣを用いて生成されるＡＤＲＣコード
に基づきクラス分類を行う。例えば、７画素データに対
し、１ビットの再量子化を実行する１ビットＡＤＲＣを
適用すると、７画素から定義されるダイナミックレンジ
に基づき、それらの最小値を除去した上で、７タップの
データを適応的に１ビット量子化する。その結果、７画
素データを７ビットで表現することになり、１２８クラ
スに削減することが可能となる。他に上述した圧縮技術
として一般的なものをクラス分類法として用いることが
提案されている。また、クラス分類の性能を更に向上さ
せるため、入力信号のアクティビティーも考慮した上で
クラス分類が行われることがある。

【００３５】アクティビティーの判定法としては、クラ
ス分類法にＡＤＲＣを使用した場合、ダイナミックレン
ジを用いることが多い。また、ＤＰＣＭならば差分絶対
値和、ＢＴＣのときは標準偏差の絶対値などが用いられ
る。このときには、アクティビティーによる分類結果毎
にＡＤＲＣクラス分類などを行うことになる。また、学
習過程において、アクティビティーの小さいデータを学
習対象から外す。この理由は、アクティビティーの小さ
い部分は、ノイズの影響が大きく、本来のクラスの予測
値から外れることが多い。それを学習に入れると予測精
度が低下する。これを避けるため、学習においては、ア
クティビティーの小さいデータを除外する。

【００３６】ここで、予測法で用いられる予測係数ＲＯ
Ｍからの予測係数は、予め学習により生成しておく。こ
の学習方法について述べる。式（１）の線形一次結合モ
デルに基づく予測係数を最小自乗法により生成する一例
を示す。最小自乗法は、次のように適用される。一般化
した例として、Ｘを入力データ、Ｗを予測係数、Ｙを予
測値として次の式（３）を考える。

【００３７】観測方程式；ＸＷ＝Ｙ（３）

【数２】

【００３８】上述の観測方程式により収集されたデータ
に最小自乗法を適用する。式（１）の例においては、ｎ
＝９、ｍが学習データ数となる。式（３）の観測方程式
をもとに、式（５）の残差方程式を考える。

【００３９】残差方程式；

【数３】

【００４０】式（５）の残差方程式から、各ｗ_iの最確
値は、

【数４】を最小にする条件が成り立つ場合と考えられる。すなわ
ち、次の式（６）の条件を考慮すれば良いわけである。

【００４１】

【数５】

【００４２】式（６）のｉに基づくｎ個の条件を考え、
これを満たすｗ₁、ｗ₂、・・・ｗ_nを算出すれば良
い。そこで、残差方程式（５）から式（７）が得られ
る。

【００４３】

【数６】

【００４４】式（６）と式（３）により式（８）が得ら
れる。

【００４５】

【数７】

【００４６】そして、式（５）および式（８）から次の
正規方程式（９）が得られる。

【００４７】

【数８】

【００４８】式（９）の正規方程式は、未知数の数ｎと
同じ数の方程式を立てることが可能であるので、各ｗ_i
の最確値を求めることができる。そして、掃き出し法
（Gauss-Jordanの消去法）を用いて連立方程式を解く。
この連立方程式が解かれることよって、クラス毎に予測
係数がＲＯＭなどの記憶媒体に格納される。この格納さ
れたＲＯＭは、予測係数ＲＯＭとして使用される。

【００４９】次に、上述した予測係数ＲＯＭに記憶され
る予測係数の学習の一例を図７のフローチャートを用い
て説明する。このフローチャートは、ステップＳ１から
学習処理の制御が始まり、ステップＳ１の学習データ形
成では、例えば１フレームの中の８ビットの画素データ
とそれに対応する１０ビットの画素データとから学習デ
ータが形成される。フィールド内またはフレーム内の周
辺画素の値が学習データとして採用される。注目画素の
真値と複数の周辺画素の値とが一組の学習データであ
る。

【００５０】ここで、例えばＡＤＲＣを使用する場合、
周辺画素で構成されるブロックのダイナミックレンジが
所定のしきい値より小さいもの、すなわちアクティビテ
ィーの低いものは、学習データとして扱わない制御がな
される。アクティビティーが低いものは、ノイズの影響
を受けやすく、正確な学習結果が得られないおそれがあ
るからである。ステップＳ２のデータ終了では、入力さ
れた全データ、例えば１フレームのデータの処理が終了
していれば、ステップＳ５の予測係数決定へ制御が移
り、終了していなければ、ステップＳ３のクラス決定へ
制御が移る。

【００５１】ステップＳ３のクラス決定は、上述のよう
に、フィールド内またはフレーム内の所定の８ビットの
画素データに基づいたクラス決定がなされる。ステップ
Ｓ４の正規方程式生成では、上述した式（９）の正規方
程式が作成される。全データの処理が終了後、ステップ
Ｓ２のデータ終了から制御がステップＳ５に移る。この
ステップＳ５の予測係数決定では、この正規方程式を行
列解法を用いて解いて、予測係数を決める。ステップＳ
６の予測係数ストアでは、予測係数をメモリにストア
し、この学習のフローチャートが終了する。

【００５２】これらのように、小領域のブロック毎に分
割された画像は、局所的な強い相関によってレベル的に
近い値をとることが多い。このため、ＡＤＲＣを用い
て、ブロック内の画素レベルの最大値および最小値を求
めてブロック内ダイナミックレンジを定義することで、
レベル方向の冗長度を大幅に除去することができる。例
えば、図８に示すように８ビットの原データの持つ０〜
２５５のダイナミックレンジの中で、各ブロック毎に再
量子化するのに必要なブロック内ダイナミックレンジＡ
およびＢは、大幅に小さくなることが分かる。このた
め、再量子化に必要なビット数は、大幅に低減すること
ができる。

【００５３】ここで、ＡＤＲＣを使用して、例えば８ビ
ットデータを３ビットデータに圧縮処理すると、ブロッ
ク内ダイナミックレンジをＤＲ、ビット割当をｐ、ブロ
ック内画素のデータレベルをｘ、再量子化コードをＱと
して以下の式（１０）により図９Ａに示すようにブロッ
ク内の最大値ＭＡＸと最小値ＭＩＮとの間を指定された
ビット長で均等に分割して再量子化を行う。

【００５４】ＤＲ＝ＭＡＸ−ＭＩＮ＋１Ｑ＝〔（ｘ−ＭＩＮ＋０．５）×２^p／ＤＲ〕（１０）

【数９】

【００５５】ただし、

【数１０】は、Ｑ＝ｉを満足するｘの平均を意味し、〔ｚ〕はｚ以
下の最大の整数を表す。

【００５６】次に、図９Ａに示すようにｐビット再量子
化（この場合３ビット再量子化）で最上位の階調レベル
（２^p−１）に相当するデータレベル内に存在するブロ
ック内画素の平均値をとり、これを図９Ｂに示すように
最大値ＭＡＸ´とする。また、図９Ａに示すように、こ
の再量子化による最下位の階調レベル０に相当するデー
タレベル内に存在するブロック内画素の平均値をとり、
これを図９Ｂにしめすように最小値ＭＩＮ´とする。

【００５７】そして、新しく求められた最大値ＭＡＸ´
および最小値ＭＩＮ´からブロック内ダイナミックレン
ジＤＲ´を新たに定義し直して、再量子化コードをｑと
して、新しく求められたブロック内の最大値ＭＡＸ´お
よび最小値ＭＩＮ´に基づいて式（１１）により図９Ｂ
に示すように再量子化を行う。

【００５８】ＤＲ´＝ＭＡＸ´−ＭＩＮ´ ｑ＝〔（ｘ−ＭＩＮ´）×（２^p−１）／ＤＲ´＋０．５〕（４）但し、〔ｚ〕は、ｚ以下の最大の整数を表す。

【００５９】このように、ＡＤＲＣを用いて、二重の再
量子化を行うことにより、画像の持つ局所的特徴として
ブロック内ダイナミックレンジを定義し、主としてレベ
ル方向の冗長度を適応的に除去することができ、ノイズ
の悪影響を受けることがなく、効率の良い情報量圧縮が
行われる。

【００６０】次に、ＡＤＲＣを用いて圧縮処理の行われ
た学習データは、学習データ毎にクラス分割される。す
なわち、図２に示す注目画素ｘ₄に注目した場合、８ビ
ットデータｘ₀〜ｘ₈をＡＤＲＣを適用してｐビットに
データ圧縮した結果の再量子化データをｑ₀〜ｑ₈とし
て、以下の式（１２）を用いてその学習データのクラス
（ｃ）を算出する。

【００６１】

【数１１】

【００６２】ここで、重心法による予測値の学習方法の
一例となるフローチャートを図１０に示す。ステップＳ
１１の初期化では、この学習を行うための準備として、
クラスのデータテーブルＥ（＊）およびクラスの度数カ
ウンタＮ（＊）へ０のデータが書き込まれる。ここで、
“＊”は、全てのクラスを示し、データテーブルは、Ｅ
（Ｃ０）となり、クラスＣ０に対応する度数カウンタ
は、Ｎ（Ｃ０）となる。ステップＳ１１の制御が終了す
ると、ステップＳ１２へ制御が移る。

【００６３】ステップＳ１２のクラス検出では、学習対
象画素の近傍データからクラスＣを決定する。例えば、
上述の例のように注目画素を含む近傍８画素に１ビット
ＡＤＲＣを適用した場合、１２８クラスに分類される。
また、このクラス分類の手法としては、上述のようにＡ
ＤＲＣのほかにも、ＰＣＭ表現、ＤＰＣＭ、ＢＴＣ、Ｖ
Ｑ、ＤＣＴ、アダマール変換などの分類法が考えられ
る。また、クラス分類対象データより構成されるブロッ
クのアクティビティーを考慮する場合は、クラス数をア
クティビティーによる分類の種類だけ増やしておくこと
も考えられる。

【００６４】次に、ステップＳ１３のデータ検出では、
目標とする教師信号ｅが検出される。ステップＳ１４の
クラス別データ加算では、クラスＣ毎に教師信号ｅがそ
れぞれ加算され、ステップＳ１５のクラス別度数加算で
は、クラスＣの学習データの度数カウンタＮ（Ｃ）が＋
１インクリメントされる。全学習対象データについて繰
り返しステップＳ１２からステップＳ１５の制御が終了
したか否かを判定するステップＳ１６では、全データの
学習が終了していれば、ステップＳ１７へ制御が移り、
全データの学習対象が終了していなければ、ステップＳ
１２へ制御が移る。すなわち、ステップＳ１６は、全デ
ータの学習が終了になるまで、ステップＳ１２からステ
ップＳ１５までの制御を繰り返し実行し、全てのクラス
の度数カウンタＮ（＊）と対応する全てのクラスのデー
タテーブルＥ（＊）が生成される。

【００６５】ステップＳ１７のクラス別平均値算出で
は、各クラスのデータテーブルＥ（＊）の内容であるデ
ータ積算値を対応クラスの度数カウンタＮ（＊）の度数
で、除算が実行され、各クラスの平均値が算出される。
この処理は、教師信号分布の重心を算出することと等価
である。この平均値が重心法による各クラスの最適予測
値となる。そして、ステップＳ１８のクラス別平均値登
録では、ＲＯＭなどの記憶手段に各クラスに対応する最
適予測値を登録することで重心法による学習、すなわ
ち、このフローチャートは、終了する。上述のように学
習過程において、ノイズの影響を排除するため、アクテ
ィビティーの小さい場合を学習対象から外すことも考え
られる。上述した予測法および重心法により、画素より
詳細な位置となる画素値の予測を行うことができる。

【００６６】次に、後処理部２３で用いられる予測係数
ＲＯＭ３０の学習方法の一例を説明する。まず、上述し
たように１０ビットからなる教師信号から８ビットの信
号が生成され、生成された８ビットの信号と１０ビット
の教師信号から予測係数が得られる。この予測係数を用
いて任意の８ビットの信号が１０ビットの信号へ変換さ
れる。そして、変換された１０ビットの信号と対応する
１０ビットの教師信号との比較が行われる。その比較結
果、１０ビットの信号は、１０ビットの教師信号と等し
くなる値と、異なる値とへ判別される。このとき、異な
る値と判別された１０ビットの教師信号と、変換された
１０ビットの信号とを用いて、上述したように予測係数
が求められる。このように求められた予測係数が、予測
係数ＲＯＭ３０に使用される。

【００６７】また、後処理部４３で用いられる最適予測
値ＲＯＭ４９の学習方法も同様の手法が用いられる。具
体的には、変換された１０ビットの予測値と１０ビット
の教師信号との比較が行われ、１０ビットの教師信号と
異なると判別された１０ビットの予測値は、異なる値と
判別された１０ビットの教師信号と、変換された１０ビ
ットの予測値とを用いて、上述したように最適な予測値
が求められる。このように求められた予測値が最適予測
値ＲＯＭ４９に使用される。

【００６８】これらの実施例では、クラス分類に使用す
る画素と、予測演算に使用する画素とを同一のものとし
ても良いし、異なる画素を使用しても良い。

【００６９】また、第２実施例では、クラス分類適応処
理部と後処理部とで使用される予測係数ＲＯＭは、同一
のものでも良いし、異なるもの、例えば予測係数の数が
異なっても良い。

【００７０】そして、第３の実施例では、クラス分類適
応処理部と後処理部とで使用される最適予測値ＲＯＭ
は、同一のものでも良いし、異なるものでも良い。

【００７１】

【発明の効果】この発明に依れば、クラス分類適応処理
を用いているため、外部から供給された画素データを単
に量子化ビット数を増加させるだけでなく、量子化ビッ
ト数の増加に見合う分の情報量が増加した信号に変換す
ることができ、階調不足による擬似輪郭の発生などを防
止することができる。

【００７２】また、この発明に依れば、クラス分類適応
処理を用いているため、入力されたディジタル信号より
多いビット数のディジタル信号を生成することが容易に
でき、生成されたディジタル信号の量子化雑音が低減さ
れる。このことによって、画像プロセスによる画質劣化
が抑圧することができる。

【図面の簡単な説明】

【図１】この発明に適用される予測法の説明に用いるブ
ロック図である。

【図２】この発明に適用される画素の位置を示した略線
図である。

【図３】この発明に適用される重心法の説明い用いるブ
ロック図である。

【図４】この発明が適用される量子化ビット数変換装置
の第１の実施例である。

【図５】この発明が適用される量子化ビット数変換装置
の第２の実施例である。

【図６】この発明が適用あれる量子化ビット数変換装置
の第３の実施例である。

【図７】この発明に適用される予測法の学習方法の一例
である。

【図８】この発明に適用されるＡＤＲＣの説明に用いる
略線図である。

【図９】この発明に適用されるＡＤＲＣの説明に用いる
略線図である。

【図１０】この発明に適用される重心法の学習の方法の
一例である。

【図１１】量子化ビット数変換装置の説明に用いる略線
図である。

【符号の説明】

１２・・・ブロック化回路、１３・・・予測式演算回
路、１４・・・ＡＤＲＣ回路、１５・・・クラスコード
発生回路、１６・・・予測係数メモリ、１７・・・レベ
ル制御回路

Claims

【特許請求の範囲】

【請求項１】入力ディジタル信号より多いビット数を
持つディジタル信号を生成するようにした量子化ビット
数変換装置において、クラス分類適応処理によって、予測値を生成する予測値
生成手段と、上記予測値が上記入力ディジタル信号の存在区間に含ま
れるか否かを検出し、上記予測値が上記存在区間を逸脱
するときに、上記予測値に対して補正を施す手段とから
なることを特徴とする量子化ビット数変換装置。
【請求項２】請求項１に記載の量子化ビット数変換装
置において、上記予測値が上記入力ディジタル信号の存在区間を逸脱
した場合、上記予測値の上限および／または下限を制限
するようにしたことを特徴とする量子化ビット数変換装
置。
【請求項３】請求項１に記載の量子化ビット数変換装
置において、上記予測値が上記入力ディジタル信号の存在区間を逸脱
する場合に、上記予測値に対して上記入力ディジタル信
号中の注目画素および周辺画素に応じた上記予測値のレ
ベル分布のパターンに基づいてクラスを検出するクラス
分類適応処理によって、上記予測値に対して補正を施す
ことを特徴とする量子化ビット数変換装置。
【請求項４】請求項３に記載の量子化ビット数変換装
置において、上記予測値が上記入力ディジタル信号の存在区間を逸脱
した場合、上記入力ディジタル信号中の注目画素および
周辺画素のレベル分布のパターンに基づいてクラスを検
出するクラス分類適応処理によって、上記予測値に対し
て補正を施すことを特徴とする量子化ビット数変換装
置。
【請求項５】請求項３に記載の量子化ビット数変換装
置において、上記予測値が上記入力ディジタル信号の存在区間を逸脱
した場合、上記入力ディジタル信号中の注目画素および
周辺画素のレベル分布のパターン、および上記入力ディ
ジタル信号中の注目画素および周辺画素に応じた上記予
測値のレベル分布のパターンに基づいてクラスを検出す
るクラス分類適応処理によって、上記予測値に対して補
正を施すことを特徴とする量子化ビット数変換装置。
【請求項６】請求項３に記載の量子化ビット数変換装
置において、上記クラス分類適応処理は、上記クラスに対応する予測係数が格納された予測係数記
憶手段を有し、上記予測係数記憶手段から読み出された上記予測係数
と、上記注目画素および上記周辺画素とを用いて線形１
次結合式から上記予測値に対して補正を施すことを特徴
とする量子化ビット数変換装置。
【請求項７】請求項３に記載の量子化ビット数変換装
置において、上記クラス分類適応処理は、上記クラスに対応する予測値が格納された予測値記憶手
段を有し、上記予測値記憶手段から読み出された上記予測値を出力
することを特徴とする量子化ビット数変換装置。
【請求項８】入力ディジタル信号より多いビット数を
持つディジタル信号を生成するようにした量子化ビット
数変換方法において、クラス分類適応処理によって、予測値を生成するステッ
プと、上記予測値が上記入力ディジタル信号の存在区間に含ま
れるか否かを検出し、上記予測値が上記存在区間を逸脱
するときに、上記予測値に対して補正を施すステップと
からなることを特徴とする量子化ビット数変換方法。