KR100635559B1 - 분류 적응 다중 처리 시스템 - Google Patents

분류 적응 다중 처리 시스템 Download PDF

Info

Publication number
KR100635559B1
KR100635559B1 KR1020017010108A KR20017010108A KR100635559B1 KR 100635559 B1 KR100635559 B1 KR 100635559B1 KR 1020017010108 A KR1020017010108 A KR 1020017010108A KR 20017010108 A KR20017010108 A KR 20017010108A KR 100635559 B1 KR100635559 B1 KR 100635559B1
Authority
KR
South Korea
Prior art keywords
class
data
control signal
filter tap
coefficient
Prior art date
Application number
KR1020017010108A
Other languages
English (en)
Other versions
KR20010102030A (ko
Inventor
테쯔지로 콘도
야스히로 후지모리
수가타 고살
제임스 제이. 캐리그
Original Assignee
소니 일렉트로닉스 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 소니 일렉트로닉스 인코포레이티드 filed Critical 소니 일렉트로닉스 인코포레이티드
Publication of KR20010102030A publication Critical patent/KR20010102030A/ko
Application granted granted Critical
Publication of KR100635559B1 publication Critical patent/KR100635559B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10009—Improvement or modification of read or write signals
    • G11B20/10046—Improvement or modification of read or write signals filtering or equalising, e.g. setting the tap weights of an FIR filter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/94—Vector quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/98—Adaptive-dynamic-range coding [ADRC]
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/12—Formatting, e.g. arrangement of data block or words on the record carriers
    • G11B2020/1264—Formatting, e.g. arrangement of data block or words on the record carriers wherein the formatting concerns a specific kind of data
    • G11B2020/1265—Control data, system data or management information, i.e. data used to access or process user data
    • G11B2020/1285—Status of the record carrier, e.g. space bit maps, flags indicating a formatting status or a write permission
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/18—Error detection or correction; Testing, e.g. of drop-outs
    • G11B20/1816—Testing
    • G11B2020/1823—Testing wherein a flag is set when errors are detected or qualified

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Multimedia (AREA)
  • Discrete Mathematics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Processing (AREA)
  • Complex Calculations (AREA)

Abstract

본 발명은 입력 이미지, 사운드 데이터 또는 다른 상관 데이터에 대해 서로 다른 분류 적응 프로세스를 병렬 방식으로, 선택적으로 수행하는 장치, 방법 및 컴퓨터-판독 가능 매체에 관한 것이다. 입력단(901)은 상기 입력 데이터를 수신하도록 구성된다. 클래스 생성기(913)는 상기 입력단(901)에 연결되고 상기 입력 데이터 및 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하도록 구성된다. 필터 탭 선택기(921)는 상기 입력단(901) 및 상기 클래스 생성기(913)에 연결된다. 상기 필터 탭 선택기(921)는 상기 입력 데이터, 상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대해 필터 탭 데이터를 선택하도록 구성된다. 계수 메모리(925)는 상기 클래스 생성기(913)에 연결되고 상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대해 계수 데이터를 제공하도록 구성된다. 필터(933)는 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결된다. 상기 필터(933)는 상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 출력 데이터(941)를 생성하도록 구성된다.

Description

분류 적응 다중 처리 시스템{CLASSIFIED ADAPTIVE MULTIPLE PROCESSING SYSTEM}
본 발명은 이미지, 사운드 또는 다른 상관 데이터의 처리에 관한 것이다. 더 구체적으로는, 본 발명은 입력 처리 선택 신호에 기초하여, 입력 이미지, 사운드 또는 다른 상관 데이터에 대해 서로 다른 분류 적응 프로세스를 선택적으로 수행하는 장치, 방법 및 컴퓨터-판독 가능 매체에 관한 것이다.
데이터 처리의 다양한 애플리케이션에서, 우량 품질의(quality) 출력 데이터를 얻기 위해서 입력 데이터를 정련(refine)하거나 조작하기(manipulate)위해 서로 다른 프로세스를 수행하는 것은 종종 필수적이다. 입력 데이터에 대해 수행된 서로 다른 프로세스는 다음의 프로세스, 즉,: 에러가 있는 입력 데이터를 은폐하기(concealing)(이후로 에러 복구라고도 칭함), 입력 데이터의 잡음 레벨을 줄이기(이후로 잡음 감소라고도 칭함), 및 입력 데이터의 서브샘플을 보간하는 것(interpolating)(이후로 서브샘플 보간이라고도 칭함)을 포함할 수 있다.
종래에는, 위에서 언급한 서로 다른 프로세스는 서로 다른 시스템 또는 회로에 의해 독립적으로 그리고 별도로 수행되었다. 따라서, 만약 입력 데이터가 두 개 이상의 서로 다른 프로세스에 의해 처리된다면, 요구되는 기능을 실행하기 위해 두 개 이상의 시스템이 필요하다. 예를 들면, 만약 에러 복구 및 잡음 감소 둘 다 입력 데이터에 대해 수행된다면, 입력 데이터는 에러가 복구된 데이터를 얻기 위하여 에러 복구 시스템에 의해 별도로 처리될 것이다. 에러가 복구된 데이터는 이어서 잡음이 감소된 출력 데이터를 얻기 위하여 잡음 감소 시스템에 의해 처리될 것이다.
위에서 기술한 종래의 직렬(serial) 구조는 수 개의 단점을 가진다. 첫 번째는, 상기 종래의 직렬 구조는 구현하기에 복잡하며, 상당한 하드웨어 중복성을 전형적으로 포함한다. 두 번째는, 그러한 직렬 구성은 또한 다른 처리 비효율을 일으키기도 한다. 예를 들면, 입력 데이터의 조그만 부분만이 에러를 포함한다 해도, 입력 데이터의 전체 스트림이 상기 에러 복구 시스템을 통해 처리될 것이다. 입력 데이터의 상태(condition)에 관계없는 그러한 마구잡이(indiscriminate) 식의 입력 데이터의 처리는 처리 시간 및 자원의 상당한 낭비를 가져온다. 게다가, 전체 입력 데이터가 상기 직렬의, 파이프라인의(pipelined) 구성에서 모든 서로 다른 프로세스를 통해 처리되므로, 입력 데이터의 서로 다른 부분이 어떻게 처리되어야 하는 지를 제어할 제어 메커니즘이 없다. 예를 들면, 사용자는 데이터의 몇 부분에 대해 잡음 감소만을 수행하고 데이터의 다른 부분에 대해서 에러 복구만을 수행하도록 선택할 수 없다.
위에서 언급된 단점 외에도, 종래의 직렬 구조의 확장성 및 적응성은 상대적으로 낮다. 예를 들면, 처리 요건(requirements)에 변경을 수용하기 위해서는 해당 시스템의 상당한 변경 및 재구성이 요구된다. 유사하게, 새롭거나 부가적인 프로세스를 수용하기 위해 상기 직렬 구조를 확장하는 것은 어렵다.
본 발명은 제어 신호에 기초하여, 입력 데이터에 대해 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 방법, 장치 및 컴퓨터-판독 가능 매체를 제공한다. 일 실시예에서, 입력 데이터가 수신된다. 각 분류 적응 프로세스에 대한 다중 클래스 ID는 입력 데이터 및 제어 신호에 기초하여 생성된다. 각 분류 적응 프로세스에 대한 필터 탭 데이터는 입력 데이터, 다중 클래스 ID 및 제어 신호에 기초하여 선택된다. 각 분류 적응 프로세스에 대한 계수 데이터는 상기 다중 클래스 ID 및 제어 신호에 기초하여 검색된다. 분류 적응 처리된 데이터는 상기 필터 탭 데이터 및 계수 데이터에 기초하여 생성된다. 출력 데이터는 상기 제어 신호에 따라 생성된 서로 다른 분류 적응 처리된 데이터로 이루어진다.
본 발명의 특성 및 장점은 첨부된 도면을 참조하여 더 완전히 이해될 것이다.
도 1은 분류 적응 다중 처리 시스템의 일 실시예의 단순 블록도.
도 2a는 전-처리 알고리즘의 일 실시예를 도시한 도면.
도 2b는 전-처리 알고리즘의 대안적 실시예를 도시한 도면.
도 3은 움직임 클래스 탭(motion class tap) 구조의 일 실시예를 도시한 도면.
도 4는 에러 클래스 탭 구조의 일 실시예를 도시한 도면.
도 5a, 5b 및 5c는 상기 클래스 탭 구조 및 필터 탭 구조를 지닌 분류 적응 에러 복구의 일 실시예를 도시한 도면.
도 6a, 6b, 6c 및 6d는 적응 공간 클래스 탭 구조의 실시예를 도시한 도면.
도 7은 ADRC 클래스 감소의 일 예를 도시한 도면.
도 8a, 8b, 8c 및 8d는 적응 필터 탭 구조의 실시예를 도시한 도면.
도 9는 분류 적응 다중 처리 시스템의 대안적인 실시예의 시스템 블록도를 도시한 도면.
도 10은 서로 다른 분류 적응 프로세스를 선택적으로 수행하는 방법의 일 실시예를 도시한 도면.
다음의 상세한 기술에서, 다수의 구체적인 세부 사항은 본 발명의 철저한 이해를 제공하기 위해 제시된다. 그러나, 당업자에게는 본 발명이 이러한 구체적인 세부 사항 없이도 실천될 수도 있음이 명확할 것이다.
아래의 논의에서, 본 발명의 교시(teaching)는 분류 적응 다중 처리 시스템을 구현하는데 이용된다. 상기 시스템은 제어 신호에 기초하여, 입력 데이터를 기술하도록 한정된 다양한 클래스의 클래스 식별자에 따라 출력 데이터를 생성하는 서브샘플 보간 및 에러 복구와 같은 서로 다른 프로세스를 선택적으로 수행한다. 그러나, 본 발명은 이들 프로세스에 제한되지 않으며, 사운드 또는 이미지 데이터를 포함하여, 상관 데이터(correlated data)를 조작하는데 이용되는 이외의 다른 프로세스에도 적용될 수 있다.
도 1은 다중 분류 적응 처리 시스템의 일 실시예의 시스템 블록도이다. 이 실시예에서, 시스템은 병렬 구조로 에러 복구 및 서브샘플 보간과 같은, 서로 다른 분류 적응 프로세스를 선택적으로 수행하도록 구성된다. 분류 적응 프로세스의 기본 개념은 입력 데이터의 특정한 특성을 기술하도록 한정되는 다양한 클래스의 클래스 식별자에 기초하여 대응하는 입력 데이터에 대해 출력 데이터를 생성하는 것이다.
일 실시예에서, 입력 데이터(101) 및 제어 플래그(103)가 시스템으로 입력된다. 입력 데이터(101)는 이미지, 사운드 또는 이외의 다른 상관 데이터일 수 있다. 예를 들면, 입력 데이터(101)는 보통, 픽셀로 알려진 이산(discrete) 데이터 포인트로 나타내어진 디지털 이미지 데이터일 수 있다. 각 데이터 포인트는 예를 들면, 8-비트의 2진수를 사용하여 독립적으로 나타내어질 수 있다. 데이터 포인트는 또한, , 예를 들면, 원(raw) 데이터를, 블록이라고 알려진, 데이터 포인트의 해체(disjoint) 세트로 분할함으로써 다른 대안적인 표현으로 나타내어질 수도 있다. 입력 데이터(101)는 인코딩될 수도, 되지 않을 수도 있다.
일 실시예에서, 제어 플래그(103)는 제어 신호 생성기(109)에 의해 사용되어 클래스 생성기(113), 필터 탭 선택기(121) 및 계수 메모리(125)에 의해 각자의 대응하는 기능을 수행하기 위해 사용되는 제어 신호를 생성한다. 일 실시예에서, 상기 제어 플래그(103)는 서브샘플 플래그(105) 및 에러 플래그(107)를 포함한다. 서브샘플 플래그(105)는 보간 될 샘플을 포함하는 입력 데이터(101) 내의 위치를 가리키는 데 사용될 수 있다. 예를 들면, 서브샘플 플래그(105)는 처리되고 있는 특정의 데이터 포인트가 보간 될 포인트인지의 여부를 가리키는 데 사용될 수 있다. 에러 플래그(107)는 에러가 있는 샘플을 포함하는 입력 데이터(101) 내의 위치를 가리키는 데 사용될 수 있다. 예를 들면, 에러 플래그(107)는 처리되고 있는 특정 데이터 포인트가 에러를 포함하는 지의 여부를 가리키는 데 사용될 수 있다.
입력 데이터(101)는 전처리될(preprocessed) 수도 안될 수도 있다. 일 실시예에서, 입력 데이터(101) 및 에러 플래그(107)는 전처리기(111)에 입력되어 전처리된 데이터를 생성한다. 입력 데이터(101)는 전처리되어, 에러를 포함하는 것으로 플래그된(flagged) 입력 데이터(101)의 추정(estimate)을 제공한다. 그러한 전처리된 데이터는 아래 기술과 같이 후속적인 처리를 위해 중요하다. 일 실시예에서, 전처리된 데이터는 대응하는 세팅된 에러 플래그(107)를 가지는 입력 데이터(101)의 제안된(proposed) 값이다{본 명세서에서 타깃(target) 데이터로 지칭됨}. 타깃 데이터의 제안된 값은 연관된(associated) 탭의 값으로부터 생성된다. 상기 연관된 탭은 하나의 주변 데이터 또는 여러 주변 데이터를 조합한 것 중 어느 하나일 수 있다. 일 실시예에서, 만약 에러 플래그(107)가 타깃 데이터에 대해 세팅되어 있고, 상기 타깃 데이터에 수평으로 인접해 있는 주변 데이터를 위해 세팅되어 있지는 않다면, 타깃 데이터는 상기 수평의 주변 데이터로 대체된다. 만약 상기 타깃 데이터에 인접하여 수평으로 위치해 있는 주변의 데이터 역시 에러를 포함한다면, 타깃 데이터에 수직으로 인접하여 위치해 있는 주변의 데이터가 사용된다. 만약 수평 및 수직의 주변 데이터 모두 에러를 포함하고 있다면, 이전 프레임 데이터가 사용된다.
전처리 알고리즘의 일 실시예가 도 2a에 예시되어 있다. 이 예에서, 현재 프레임(201) 안의 타깃 픽셀(X1)은 전처리되며, 세팅된 연관되어 있는 에러 플래그는 X1에 관하여 에러를 표시한다. 본 예에서, X1을 전처리하는데 사용되는 주변의 데이터는 현재 프레임(201)의 픽셀(X0, X2, X3 및 X4) 및 이전의 프레임(203)의 픽셀(X5)이다. 코드(205)에 의해 나타낸 바와 같이, X1'은 타깃 데이터(X1)에 대해 제안된 값이다. 만약 주변의 데이터(Xi)가 에러를 포함한다면, 주변의 데이터(Xi)에 대응하는 에러 플래그E(Xi)는 1로 세팅되고, 만약 에러가 검출되지 않았다면, 제로(zero)로 세팅된다.
흐름도(230)를 참조하면, 단계(231)에서, 만약 픽셀(X0 및 X2)에 대응하는 에러 플래그가 에러가 없음을 표시한다면, 단계(233)에서, X1'은 X0 및 X2의 평균값으로 세팅된다. 그렇지 않으면, 단계(235)에서, 만약 X0에 대응하는 에러 플래그가 세팅되고, X2에 대응하는 에러 플래그는 세팅되지 않으면, 단계(237)에서, X1'는 X2와 동일하게 세팅된다. 단계(239)에서, 만약 X2에 대한 에러 플래그가 세팅되고, X0에 대한 에러 플래그는 세팅되지 않으면, 단계(241)에서, X1'은 X0과 동일하게 세팅된다. 만약 X0 및 X2 둘 다에 대해 에러 플래그가 세팅된다면, 상기 프로세스는 단계(243)로 진행한다. 단계(243)에서, 만약 수직선상으로 위치한 주변의 데이터, X3, X4에 대해 에러 플래그가 세팅되지 않으면, 단계(245)에서, X1'은 X3 및 X4의 평균값으로 세팅된다. 대안적으로, 단계(247)에서, 만약 X3에 대한 에러 플래그가 세팅되고, X4에 대한 에러 플래그가 세팅되지 않으면, 단계(249)에서, X1'은 X4와 동일하게 세팅된다. 단계(251)에서, 만약 X4에 대한 에러 플래그가 세팅되고, X3에 대한 에러 플래그는 세팅되지 않으면, 단계(253)에서, X1'은 X3과 동일하게 세팅된다. 대안적으로, 단계(255)에서, 만약 타깃 데이터(X1)에 수평 및 수직선상으로 위치한 주변의 픽셀에 에러가 있다면, 단계(255)에서, X1'은 앞서의 프레임으로부터 같은 위치에 배치된 픽셀(X5)과 동일하게 세팅된다.
전처리 알고리즘의 대안적인 실시예가 도 2b에 예시되어 있다. 이 실시예에서, 움직임 정보는 타깃 데이터(X1)에 대해 전처리된 출력(X1')을 생성하는데 사용될 주변의 데이터를 결정하는 데 사용된다. 예를 들면, 만약 움직임이 검출되면, 사용할 현재 프레임의 주변의 데이터는 프레임(272)에서 식별되며, 사용할 이전의 프레임의 데이터는 프레임(274)에서 도시된다. 만약 움직임이 검출되지 않으면, 즉 데이터가 안정적이며 변경되지 않았다면, 사용할 현재 프레임의 주변 데이터는 프레임(276)에 의해 예시되며, 사용할 이전 프레임의 데이터는 프레임(278)에 도시된다. 프레임(272,274,276 및 278)은 사용할 탭의 일 실시예일 뿐이다. 대안적인 탭 구조가 사용될 수도 있다.
도 2b의 전처리 알고리즘을 구현하는 시스템에서, 움직임 값은 전처리기(111)(도 1)에 의해 결정될 수 있다. 대안적으로, 시스템은 상기 전처리기에 연결된 움직임을 표시하는 제어 입력을 포함할 수 있다. 일 실시예에서, 움직임은 에러가 없는 주변 데이터로부터의 움직임 정보를 평균 내어 그 평균 내어진 움직임 값을 움직임을 표시하는 미리 결정된 임계값과 비교함으로써 검출될 수 있다.
움직임 정보를 사용하는 전처리 알고리즘의 일 실시예가 흐름도(270)에 예시되어 있다. 단계(273)에서, 주변 데이터의 값이 구해지고 이 값이 움직임 임계값에 부합하는지 여부가 결정된다. 단계(275)에서, 탭은 움직임이 검출되었는지의 여부에 기초하여 선택된다. 이 경우, 본 실시예에서, 그리고 전술한 바와 같이, 만약 움직임이 검출된다면, 프레임(272 및 274)에 예시된 탭이 사용되고; 만약 움직임이 검출되지 않는다면, 프레임(276 및 278)에 예시된 탭이 사용된다.
일단 탭이 식별되면, 단계(277, 279, 281, 283, 285, 287, 289, 291, 293, 295, 297, 298 및 299)는 상기 선택된 탭에 기초하여 출력(X1')을 생성하도록 선택적으로 수행된다.
도 1을 다시 참조하면, 일 실시예에서, 전처리된 데이터는 클래스 생성기(113)와 필터 탭 선택기(121)에 입력된다. 제어 플래그(103)는 제어 플래그(103)의 값에 따라 제어 신호를 생성하는 제어 신호 생성기(109)에 입력된다. 이 시스템은 에러 복구 및 서브샘플 보간과 같은 서로 다른 분류 적응 프로세스들을 선택적으로 수행하도록 구성된다. 각 분류 적응 프로세스에 대하여, 클래스 생성기(113)는 상기 전처리된 데이터 및 제어 신호에 기초하여 다중 클래스 ID를 생성하며, 필터 탭 선택기(121)는 상기 전처리된 데이터, 상기 다중 클래스 ID, 및 상기 제어 신호에 기초하여 필터 탭 데이터를 선택한다. 계수 메모리(125)는 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여, 타깃 데이터에 대응하는, 각 프로세스에 대한 필터 계수들을 제공한다. 필터(133)는 상기 필터 탭 데이터 및 필터 계수에 따라, 각 분류 적응 프로세스에 대해 시스템의 출력 데이터(141)를 생성하기 위하여 필터링을 수행한다. 도 1에 예시된 시스템의 각 구성품에 대한 상세한 기술이 아래에 제공된다.
위에서 언급한 바와 같이, 제어 신호 생성기(109)는 입력 데이터(101)에 대응하는 제어 플래그(103)를 수신하여, 상기 제어 플래그(103)의 값에 기초하여 제어 신호를 생성한다. 본 실시예에서, 제어 플래그(103)는 서브샘플 플래그(105)와 에러 플래그(107)를 포함할 수 있다. 제어 신호는 제어 플래그(103)의 값에 기초하여 생성될 수 있다. 일 실시예에서, 제어 신호는 서브샘플 플래그(105) 및 에러 플래그(107) 값의 단순 연쇄(concatenation)이다. 제어 신호는 서브샘플 플래그(105)의 값 및 에러 플래그(107)의 값의 함수로서 계산될 수 있다.
제어 신호 생성기(109)에 의해 생성된 제어 신호는 클래스 생성기(113), 필터 탭 선택기(121) 및 계수 메모리(125)에 의해 각자의 대응하는 기능을 수행하기 위해 사용되는데, 이는 아래에 상세히 기술될 것이다.
일 실시예에서, 클래스 생성기(113)는 전처리된 데이터 및 제어 신호에 기초하여 각 분류 적응 프로세스에 대해 다중 클래스 ID를 생성한다. 일 실시예에서, 클래스 생성기(113)는 복수의 서브-생성기(115, 117,..., 119)를 포함하는데, 이들은 타깃 데이터를 기술하도록 한정된 다양한 클래스의 클래스 식별자를 생성한다. 타깃 데이터는 그 값이 결정되거나 추정될 특정의 데이터이다. 따라서, 일 실시예에서, 다중 클래스 ID는 복수의 클래스 타입에 대한 타깃 데이터의 분류로부터 결정된다. 일 실시예에서, 하나의 클래스는 타깃 데이터의 특정한 특성들을 기술하는데 사용되는 특정 값들의 일 집합체이다. 다양한, 서로 다른 타입의 클래스가, 예를 들면, 움직임 클래스, 공간 클래스, 에러 클래스, 공간 활동 클래스 등이 존재할 수 있다. 클래스는 타깃 데이터의 하나 이상의 특성에 기초하여 한정될 수 있다. 하나의 클래스는 또한, 타깃 데이터를 포함하는 그룹의 하나 이상의 특성들에 기초하여 한정될 수도 있다. 다음의 기술에서, 본 발명은 움직임 클래스, 에러 클래스, 공간 클래스 및 공간 활동 클래스에 관해서 논의될 것이다. 이외의 다른 타입의 클래스도 사용될 수 있다.
본 명세서에서의 논의를 목적으로, 움직임 클래스는 타깃 데이터의 움직임 특성을 기술하는 데 사용되는 특정 값들의 일 집합체이다. 일 실시예에서, 움직임 클래스는 타깃 데이터를 포함하는 블록의 움직임의 서로 다른 레벨, 예를 들면 블록 내에 움직임이 없음, 블록 내에 움직임이 조금 있음, 또는 블록 내에 움직임이 많음에 기초하여 한정된다.
에러 클래스는 타깃 데이터의 이웃에 있는 에러가 있는 데이터의 다양한 분포 패턴을 기술하는데 사용되는 특정 값들의 일 집합체일 수 있다. 일 실시예에서, 에러 클래스는 타깃 데이터에 인접한 데이터가 에러가 있는지의 여부를 표시하도록 한정된다.
공간 클래스는 타깃 데이터의 공간 특성을 기술하는데 사용되는 특정 값들의 일 집합체이다. 데이터의 공간 분류는 적응 다이내믹 범위 코딩(ADRC: Adaptive Dynamic Range Coding), 차동 PCM(DPCM: Differential Pulse Code Modulation), 벡터 양자화(VQ: Vector Quantization) 및 이산 코사인 변환(DCT: Discrete Cosine Transform) 등을 사용하는 것을 포함하는 다양한 방식으로 결정될 수 있다. 본 명세서에서 논의를 목적으로, ADRC에 의해 결정되는 공간 클래스는 ADRC 클래스라고 칭해진다.
공간 활동 클래스는 타깃 데이터에 관하여 공간 활동 특성을 기술하는데 사용되는 특정 값들의 일 집합체이다. 데이터의 공간 활동 분류는 근거리 지역(local area)에 대해, 다이내믹 범위, 라플라시안(Laplacian) 값, 표준 편차(standard deviation) 및 공간 기울기(spatial gradient) 등을 사용하는 것을 포함하는 다양한 방식으로 결정될 수 있다.
클래스 식별자(클래스 ID)는 특정한 특성에 관하여 타깃 데이터를 다른 데이터로부터 구별하고 기술하는데 사용되는 클래스 내의 특정 값일 수 있다. 클래스 ID는 한정된 범위 내에서 숫자, 기호 또는 코드로써 나타내어질 수도 있다. 따라서, 일 실시예에서, 움직임 클래스 ID는 타깃 데이터의 움직임의 양(quantity)의 특정한 레벨을 가리키는데 사용되는 움직임 클래스 내의 특정 값이다. 예를 들면, 움직임 클래스 ID "0"은 움직임이 없음을, 움직임 클래스 ID "3"은 움직임이 많다는 것, 등을 가리키기 위해 한정될 수 있다. 유사하게, 에러 클래스 ID는 타깃 데이터의 근처에서 에러가 있는 데이터의 특정한 분포 패턴을 기술하는데 사용되는 에러 클래스 내의 특정 값일 수 있다. 예를 들면, 에러 클래스 ID "0"은 타깃 데이터의 왼쪽 및 오른쪽에 에러가 있는 데이터가 없음을 가리키도록; 에러 클래스 ID "1"은 타깃 데이터의 왼쪽에 있는 데이터에 에러가 있는 등을 가리키도록 한정될 수 있다. 따라서 공간 클래스 ID는 타깃 데이터를 포함하는 그룹 또는 블록 안의 타깃 데이터의 관련 지점 또는 관련 수치 값을 기술하는데 사용되는 공간 클래스 내의 특정 값일 수 있다. 덧붙여, ADRC 클래스 ID는 공간 클래스 ID의 특정 실시예일 수 있다.
일 실시예에서, 클래스 생성기(113)는 ADRC 클래스 생성기(115), 에러 클래스 생성기(117) 및 움직임 클래스 생성기(119)를 포함한다. 다른 클래스 생성기가 클래스 생성기(113) 안에 포함될 수 있다. 클래스 생성기(113) 안의 서브-생성기 각각은 특정한 클래스에 관하여 타깃 데이터에 대한 클래스 ID를 생성할 수 있다. 예를 들면, 상기 움직임 클래스 생성기(119)는 움직임 클래스 ID를 생성하며, 에러 클래스 생성기(117)는 에러 클래스 ID를 생성하고, 상기 ADRC 클래스 생성기(115)는 ADRC 클래스 ID를 생성한다. 위에서 언급된 서로 다른 클래스의 클래스 ID의 생성에 대한 상세한 기술은 아래에 제공된다.
일 실시예에서, 움직임 클래스 생성기(119)는 움직임 분류를 수행하여, 타깃 데이터를 포함하는 블록 안의 움직임의 레벨에 기초하여 타깃 데이터에 대한 움직임 클래스 ID를 생성한다. 도 3은 타깃 데이터의 이웃에 8 개의 탭을 가진 움직임 클래스 탭 구조의 예를 도시한다. 이 예에서, 상기 8 개의 탭의 축적된 시간적(temporal) 차이는 아래의 수학식 1에 따라 계산되며, 움직임 클래스 ID는 수학식 2에 따라 생성된다. 이 예에서, 움직임 클래스는 세 개의 미리 한정된 임계값 th0, th1, 및 th2에 기초하여, 네 개의 서로 다른 움직임 클래스 ID들 0, 1, 2, 및 3을 가지는 것으로 한정된다. 움직임 클래스 ID들 및 임계값들의 수는 애플리케이션에 따라 다양할 수 있다. 본 예를 가지고 계속 설명하면, 타깃 데이터의 움직임 클래스 ID는 다음과 같이 결정될 수 있다:
Figure 112001020008522-pct00001
Figure 112001020008522-pct00002
위의 수학식에서,
Figure 112001020008522-pct00003
는 축적된 시간적 차이를 나타내며,
Figure 112001020008522-pct00004
는 현재 프레임의 움직임 클래스 탭 데이터를 나타내며,
Figure 112001020008522-pct00005
는 현재 프레임에 대응하는 이전의 프레임 탭 데이터를 나타내며,
Figure 112001020008522-pct00006
는 움직임 클래스 ID를 나타낸다. 본 실시예에서, 세 개의 임계값, th0, th1, th2는 움직임 분류를 위해 사용된다. 예를 들면, th0은 3과 같고, th1은 8과 같으며, th2는 24와 같다.
일 실시예에서, 에러 클래스 생성기(117)는 에러 분류를 수행하여, 제어 신호의 값에 따라 타깃 데이터에 대한 에러 클래스 ID를 생성한다. 도 4는 타깃 데이터의 근처에 있는 에러가 있는 데이터의 네 개의 서로 다른 분포 패턴을 기술하는 네 개의 서로 다른 에러 클래스 ID들을 지닌 에러 클래스의 예를 도시한다. 다양한 수의 에러 클래스 ID들 및 분포 패턴의 다른 실시예가 사용될 수도 있다. 본 예를 가지고 계속 기술하면, 에러 클래스 ID 0은 타깃 데이터의 왼쪽 및 오른쪽에 에러가 있는 데이터가 없음을 가리킨다(에러가 없는 경우); 에러 클래스 ID 1은 타깃 데이터의 왼쪽으로 에러가 있는 데이터가 있음을 가리킨다(왼쪽에 에러가 있는 경우); 에러 클래스 ID 2는 타깃 데이터의 오른쪽에 에러가 있는 데이터가 있음을 가리킨다(오른쪽에 에러가 있는 경우); 그리고 에러 클래스 ID 3은 타깃 데이터의 왼쪽 및 오른쪽에 에러가 있는 데이터가 있음을 가리킨다(연속하여 에러가 있는 경우).
위에 언급한 바와 같이, 본 실시예에서 제어 신호는 에러 플래그(107) 및 서브샘플 플래그(105)의 1-비트 값의 단순 연쇄이다. 따라서, "10" 또는 "11"의 2-비트 값을 갖는 제어 신호는 처리되고 있는 특정한 데이터 포인트가 에러를 포함하고 있음을 가리키며, 반면에 "01" 또는 "00"의 2-비트 값을 갖는 제어 신호는 처리되고 있는 특정한 데이터 포인트가 에러를 포함하지 않고 있음을 가리킨다. 결과적으로, 타깃 데이터에 대한 적절한 에러 클래스 ID는 제어 신호의 값을 검사함으로써 생성될 수 있다.
적응 다이내믹 범위 코딩(ADRC) 클래스 생성기(115)는 ADRC 분류를 수행하여, 타깃 데이터를 위한 ADRC 클래스 ID를 생성한다. 도 5를 참조하면, 클래스 탭의 수가 네 개인, 일 예가 도시되어 있다. 클래스 탭의 수는 애플리케이션에 따라 변화할 수 있다. 1-비트 ADRC를 사용하는 일 실시예에서, 16 ADRC 클래스 ID들은 수학식 5에 의해 주어진 바와 같이 이용 가능하다. ADRC 값은 아래에 도시된 바와 같이, 수학식 3에 의해 연산된 로컬(local) 다이내믹 범위(DR: Dynamic Range)를 사용하여, 수학식 4에 의해 연산될 수 있다.
Figure 112001020008522-pct00007
Figure 112001020008522-pct00008
Figure 112001020008522-pct00009
여기서, DR은 네 개의 데이터 영역의 다이내믹 범위를 나타내며, MAX는 네 개의 데이터의 최대 레벨을 나타내며, MIN은 네 개의 데이터의 최소 레벨을 나타내며,
Figure 112005007029591-pct00010
는 ADRC 인코딩 된 데이터이고,
Figure 112005007029591-pct00011
는 양자화 비트의 수이며,
Figure 112005007029591-pct00012
는 스퀘어 꺽쇄 내의 값에 대해 수행되는 절단(truncation) 작동을 나타내며, c는 ADRC 클래스 ID에 대응한다. 예를 들면, 1-비트 ADRC 방식에서, c는
Figure 112005007029591-pct00013
=1일 때, 0 내지 15의 값을 가진다.
대안적인 실시예에서, 적응 클래스 탭 구조는 타깃 데이터의 ADRC 클래스 ID를 결정하기 위해 사용된다. 적응 클래스 탭 구조는 다중 분류 방식에서 사용되는 클래스 탭 구조이다. 적응 클래스 탭 구조는 타깃 데이터의 하나 이상의 특성을 기술하므로, 타깃 데이터를 포함하는 영역의 클래스 탭 구조를 더 정확하게 나타내기 위해 사용된다. 도 1의 구조로 나타낸 일 실시예에서, 공간 클래스 탭은 전처리된 데이터뿐만 아니라 타깃 데이터의 움직임 클래스 ID 및 에러 클래스 ID에 기초하여 선택된다.
도 6a, 6b, 6c 및 6d는 움직임 클래스 ID 및 에러 클래스 ID의 서로 다른 조합에 기초하여 다양한 적응 공간 클래스 탭 구조의 예를 도시한다. 따라서, 분석되고 있는 각 타깃 데이터에 대해, 움직임 클래스 생성기(119)에 의해 생성된 움직임 클래스 ID 및 에러 클래스 생성기(117)에 의해 생성된 에러 클래스 ID에 따라 적응적으로 ADRC 클래스 탭 구조가 선택될 수 있다. 타깃 데이터에 대한 ADRC 클래스 ID는 전술한 수학식들을 사용하여 상기 선택된 적응 클래스 탭 구조에 기초하여 생성될 수 있다.
본 발명의 일 실시예에서, 공간 클래스 감소는 분류 적응 에러 복구 방법에서 사용될 수 있다. 전술한 바와 같이, ADRC 클래스는 공간 분류의 하나의 타입으로서 도입되며, 수학식 5에 의해 주어질 수 있다. 일 실시예에서, 상기 분류 방법은 4-탭 1-비트 ADRC 구조를 사용하여 16 개의 클래스 ID들을 생성한다. 도 7에 도시된 바와 같이, 이들 16 개의 클래스 ID들은 아래의 수학식 6에 따라 8 개의 클래스 ID들로 감소될 수 있다.
Figure 112001020008522-pct00014
여기서,
Figure 112001020008522-pct00015
는 ADRC 클래스 ID에 대응하고,
Figure 112001020008522-pct00016
는 수학식 4에 기초한 ADRC 인코딩 된 데이터이다.
일 실시예에서, 수학식 6은 각 신호 파형(signal wave form)의 대칭적인 특성과 관련된, ADRC 코드의 2진 데이터의 1의 보수(complementary) 연산에 대응한다. ADRC 분류는 타깃 파형의 정규화이므로, 각 ADRC 코드에 있어서 1의 보수와 관련을 가지는 두 개의 파형은 같은 클래스 ID로 분류될 수 있다. 따라서, ADRC 클래스 ID들의 수는 감소될 수 있다.
도 1로 되돌아가면, 본 실시예에서, 클래스 생성기(113)는 서브-생성기에 의해 생성된 클래스 ID들을 사용해 각 분류 적응 프로세스에 대해 다중 클래스 ID를 생성시킬 수 있다. 다중 클래스는 타깃 데이터의 적어도 두 개의 서로 다른 특성을 기술하는데 사용되는 값들의 일 세트 또는 특정 값들의 일 집합체이다. 다중 클래스는 적어도 두 개의 서로 다른 클래스의 조합이 되도록 한정될 수 있다. 예를 들면, 다중 클래스는 에러 클래스, 움직임 클래스 및 ADRC 클래스의 조합이 되도록 한정될 수 있다.
따라서 다중 클래스 ID는 타깃 데이터의 적어도 두 개의 서로 다른 특성에 관하여 타깃 데이터를 기술하는데 사용되는 다중 클래스 내의 값의 특정 세트이거나 특정 값이다. 일 실시예에서, 하나의 다중 클래스 ID는 서로 다른 클래스 ID들의 일 세트에 의해 나타내어진다. 상기 일 실시예에서, 다중 클래스 ID는 서브-생성기에 의해 생성된 상기 클래스 ID들을 연쇄시킴으로써 형성된다. 예를 들면, 다중 클래스 ID는 에러 클래스 ID, 움직임 클래스 ID 및 ADRC 클래스 ID의 단순 연쇄이다.
일 실시예에서, 상기 단순 연쇄 배열을 사용하는 다중 클래스 ID의 수는 J ×K ×L이며, 여기서, J는 에러 클래스 ID들의 수이고, K는 움직임 클래스 ID들의 수이며, L은 ADRC 클래스 ID들의 수이다. 따라서, 만약 에러 클래스 ID들의 수가 4이고, 움직임 클래스 ID의 수는 4이고, ADRC 클래스 ID들의 수는 8이면, 이 다중 분류 방식에서 사용된 다중 클래스 ID들의 수는 4 ×4 ×8, 즉 128이다. 대안적으로, 다중 클래스 ID는 또한 클래스 ID들의 함수로서 계산될 수 있다.
대안적으로, 클래스 생성기(113)에 포함된 각 서브-생성기는 서로 다른 클래스 그룹 또는 세트의 복수의 클래스 ID들을 생성하도록 구성될 수 있다. 예를 들면, 서브-생성기(115)는 움직임 클래스 ID, 에러 클래스 ID 및 ADRC 클래스 ID를 생성하도록 구성될 수 있으며; 서브-생성기(117)는 움직임 클래스 ID 및 ADRC 클래스를 생성하도록 구성될 수 있고; 서브-생성기(119)는 움직임 클래스 ID 및 에러 클래스 ID를 생성하도록 구성될 수 있다. 움직임 클래스 ID, 에러 클래스 ID 및 ADRC 클래스 ID의 생성은 전술한 것과 같은 방식으로 성취될 수 있다. 서브-생성기 중 하나의 출력은 선택되어, 미리 결정된 선택 방식을 사용하여 제어 신호에 기초해서 클래스 생성기(113)의 다중 클래스 ID를 형성할 수 있다. 예를 들면, 만약 제어 신호가 2-비트 형태의 "10" 또는 "11"이라면, {에러 클래스 ID, 움직임 클래스 ID 및 ADRC 클래스}의 세트인, 서브-생성기(115)의 출력이 선택되며; 만약 제어 신호가 2-비트 형태의 "01"이라면, {움직임 클래스 ID 및 ADRC 클래스}의 세트인 서브-생성기(117)의 출력이 선택되고; 그리고 만약 제어 신호가 2-비트 형태의 "00"이라면, {움직임 클래스 ID 및 에러 클래스 ID}의 세트인 서브-생성기(119)의 출력이 선택된다. 일단, 제어 신호에 기초하여 서브-생성기들 중 하나의 서브-생성기의 출력이 선택되면, 다중 클래스 ID는 선택된 다양한 클래스 ID들의 단순 연쇄로서 생성되거나 또는 대안적으로 선택된 클래스 ID들의 함수에 의해 생성될 수 있다.
일 실시예에서, 서브-생성기들 중의 하나의 서브-생성기에 의해 생성된 클래스 ID들의 단순 연쇄는 다중 클래스 ID로서 사용된다. 예를 들면, 제어 신호 및 다중 클래스 ID가 사용되어 타깃 데이터의 값을 결정하거나 추정하는데 사용되는 적당한 필터 탭 데이터 및 적절한 필터 계수를 탐색하기(locate) 위한 메모리 어드레스를 형성할 수 있다. 일 실시예에서, 제어 신호 및 다중 클래스 ID의 단순 연쇄는 필요한 적절한 데이터를 탐색하기 위한 메모리 어드레스로서 사용될 수 있다.
도 1로 되돌아가면, 필터 탭 선택기(121)는 전처리된 데이터, 제어 신호 및 다중 클래스 ID에 기초하여 타깃 데이터에 대한 적당한 적응 필터 탭 구조를 선택한다. 이것은 각 분류 적응 프로세스에 대해 수행될 수 있다. 적응 필터 탭 구조는 하나 이상의 대응하는 클래스에 기초하여 한정된 탭들의 일 세트일 수 있다. 예를 들면, 적응 필터 탭 구조는 움직임 클래스 ID, 에러 클래스 ID 또는 둘 다에 기초하여 한정될 수 있다.
일 실시예에서, 적응 필터 탭 구조는 타깃 데이터의 움직임 클래스 ID 및 에러 클래스 ID에 기초하여 한정된다. 도 8a, 8b, 8c 및 8d는 움직임 클래스 ID 및 에러 클래스 ID의 서로 다른 조합에 대응하는 다양한 적응 필터 탭 구조를 도시한다. 일 실시예에서, 필터 탭 확장 한정은 계수 분포 및 시각적 결과의 평가에 의해 성취된다.
도 8d를 참조하면, 에러 클래스 ID 0 및 움직임 클래스 ID 3에 대응하는 적응 필터 탭 구조는 같은 w3인, 네 개의 계수 탭을 가진다. 따라서, 몇 개의 탭 계수들은 같은 계수에 의해 대체될 수 있다. 도 8d에 도시된 바와 같이, 수평선상 및 수직선상으로 대칭되는 위치에 위치하는 네 개의 w3 계수가 있으며, 수평선상으로 대칭되는 위치에 두 개의 w4 계수가 있다. 따라서, 하나의 w3 계수는 네 개의 탭을 나타낼 수 있으며, 하나의 w4 계수는 두 개의 탭을 나타낼 수 있다. 결과적으로, 14개의 계수로 18 개의 탭을 나타낼 수 있다. 이 방법은 본 명세서에서 필터 탭 확장으로 칭해지며, 가산기(adder) 및 곱셈기(multipliers)와 같은 필터링 하드웨어 및 계수 메모리를 줄일 수 있다.
타깃 데이터에 대해 수행될 특정 프로세스에 관하여 특정한 타깃 데이터에 대한 적절한 필터 탭 구조는 메모리 어드레스로서 제어 신호 및 다중 클래스 ID를 사용하여, 랜덤 액세스 메모리(RAM: Random Access Memory)와 같은 메모리 디바이스에서의 위치로부터 검색될 수 있다. 그러나, 타깃 데이터에 대한 적절한 필터 탭 구조는 보편성(generality)을 잃지 않고 본 발명의 교시에 따라 이외의 다른 방법에 의해 생성될 수 있거나 계산될 수 있다.
일 실시예에서, 제어 신호 및 다중 클래스 ID의 단순 연쇄는 적절한 필터 탭 구조를 검색하기 위하여 메모리 어드레스로서 사용된다. 일 실시예에서, 메모리 어드레스의 첫째 파트를 형성하는 제어 신호는 타깃 데이터에 대해 수행될 프로세스의 타입을 가리키는데 사용된다. 예를 들면, 2-비트 형태의 제어 신호 "11" 또는 "10"는 에러 복구가 타깃 데이터에 대해 수행될 것이라는 것을 가리키며; 2-비트 형태의 제어 신호 "01"은 서브샘플 보간이 타깃 데이터에 대해 수행될 것이라는 것을 가리키며; 그리고 2-비트 형태의 제어 신호 "00"는 잡음 감소가 타깃 데이터에 대해 수행될 것이라는 것을 가리킨다. 메모리 어드레스의 다른 파트를 형성하는 다중 클래스 ID는 전술한 바와 같이 타깃 데이터의 다양한 특성에 대응할 수 있다.
일 실시예에서, 계수 메모리(125)는 각 분류 적응 프로세스에 대해, 제어 신호 및 다중 클래스 ID에 대응하는 필터 계수들의 일 세트를 제공한다. 필터는 필터 계수 세트에 의해 나타내질 수 있다. 필터 계수는 필터링에 앞서 준비 프로세스로서 발생하는 트레이닝(training) 프로세스에 의해 생성될 수 있다. 일 실시예에서, 서로 다른 다중 클래스 ID들에 대응하는 필터 계수는 랜덤 액세스 메모리(RAM)와 같은 메모리 디바이스에 저장된다. 출력 데이터는 아래의 수학식 7에서의 선형 조합 연산에 따라 생성될 수 있다.
Figure 112001020008522-pct00017
여기서,
Figure 112001020008522-pct00018
은 입력 필터 탭 데이터이며,
Figure 112001020008522-pct00019
는 각 필터 계수에 대응하며,
Figure 112001020008522-pct00020
는 필터링 후의 출력 데이터이다.
각 클래스 ID, 또는 다중 분류 방식에서의 각 다중 클래스 ID에 대한 필터 계수는 분류 적응 처리 전에 발생하는 트레이닝 프로세스에 의해 생성될 수 있다. 예를 들면, 트레이닝은 다음의 기준(criterion)에 따라 성취될 수 있다.
Figure 112001020008522-pct00021
여기서, X, W, 및 Y는 다음의 매트릭스(matrix: 행렬)이다. X는 수학식 9에 의해 한정된 입력 필터 탭 데이터 매트릭스이고, W는 수학식 10에 의해 한정된 계수 매트릭스이며, Y는 수학식 11에 의해 한정된 타깃 데이터 매트릭스에 대응한다.
Figure 112001020008522-pct00022
Figure 112001020008522-pct00023
Figure 112001020008522-pct00024
계수
Figure 112005007029591-pct00025
는 타깃 데이터 대비 추정 에러를 최소화하기 위하여 수학식 8에 따라 얻어질 수 있다.
전술한 바와 같은 트레이닝 연산을 사용하여, 타깃 데이터를 추정하는 각 다중 클래스 ID에 대응하는 계수들의 일 세트가 결정될 수 있다.
상기 필터 계수는 다양한 방식으로 저장될 수 있다. 다중 분류 적응 처리를 위한 하나의 실시예에서, 분류 적응 프로세스의 각 타입에 대한 다양한 다중 클래스 ID들에 대한 필터 계수는 계수 메모리(125)의 별도의 메모리 영역에 저장될 수 있다. 예를 들면, 에러 복구 처리 및 서브샘플 보간을 위해 사용될 서로 다른 다중 클래스 ID들에 대한 필터 계수는 서로 다른 메모리 어드레스에 저장된다. 따라서, 특정한 타깃 데이터에 대해 특정한 프로세스를 수행하는데 사용될 적절한 필터 계수는 제어 신호 및 다중 클래스 ID의 단순 연쇄를 메모리 어드레스로서 사용하여 검색될 수 있다.
이 실시예에서, 비록 제어 신호 및 다중 클래스 ID의 단순 연쇄가 메모리 어드레스로서 사용되지만, 제어 신호 및 다중 클래스 ID에 기초한 다른 어드레싱 방식도 사용될 수 있다. 덧붙여, 본 실시예에서, 비록 필터 계수가 메모리 디바이스에 저장되지만, 필터 계수는 이외의 다른 방법에 의해 계산 또는 생성될 수도 있다.
도 1로 되돌아가서, 필터(133)는 필터링을 수행하여 필터 탭 데이터 및 필터 계수에 기초하여 출력 데이터를 생성시킨다. 일 실시예에서 출력 데이터는 아래의 수학식 12에서의 선형 조합 연산에 따라 생성된다.
Figure 112001020008522-pct00026
여기서,
Figure 112005007029591-pct00027
는 이전에 기술한 바와 같이 14-탭 적응 필터 탭 구조를 사용하는, 필터 탭 선택기(121)에 의해 선택된 필터 탭 데이터이며,
Figure 112005007029591-pct00028
는 계수 메모리(125)로부터 검색된 트레이닝 된 일 세트의 계수들 중 각 필터 계수에 대응하며,
Figure 112005007029591-pct00029
는 필터링 후의 필터(133)의 출력 데이터이다.
따라서, 도 1에 예시된, 분류 적응 다중 처리 시스템은 타깃 데이터를 기술하도록 한정된 다양한 클래스의 클래스 ID들 및 제어 신호에 기초하여, 에러 복구 및 서브샘플 보간과 같은 서로 다른 분류 적응 프로세스를 선택적으로 수행할 수 있다.
도 9는 병렬 구조로, 에러 복구 및 서브샘플 보간 처리와 같은 서로 다른 분류 적응 프로세스를 선택적으로 수행할 수 있는 다중 분류 적응 처리 시스템의 또 다른 실시예에 대한 블록도를 예시한다.
이 실시예에서, 입력 데이터(901), 제어 플래그(903) 및 외부 소스로부터의 규격 데이터(specification data)는 시스템으로 입력된다. 전처리기(911)는 입력 데이터(901)를 전처리하여 전처리된 데이터를 생성한다. 제어 신호(909)는 제어 플래그 값(903)에 기초하여 제어 신호를 생성한다. 외부 인터페이스(951)는 외부 통신 라인으로부터 규격 데이터를 수신하여 규격 데이터를 클래스 생성기(913), 필터 탭 선택기(921) 및 계수 메모리(925)에 송신한다. 각 분류 적응 프로세스에 대해, 클래스 생성기(913)는 상기 전처리된 데이터, 제어 신호 및 규격 데이터에 기초하여 다중 클래스 ID를 생성한다. 필터 탭 선택기(921)는 상기 전처리된 데이터, 제어 신호, 다중 클래스 ID 및 규격 데이터에 기초하여 필터 탭 데이터를 선택한다. 각 분류 적응 프로세스에 대해, 계수 메모리(925)는 상기 제어 신호, 다중 클래스 ID 및 규격 데이터에 기초하여 계수 데이터를 제공한다. 필터(933)는 상기 필터 탭 데이터 및 계수 데이터를 사용하여 필터링을 수행해서 시스템의 출력(941)을 생성한다.
입력 데이터(901)는 이미지, 사운드 또는 다른 상관 데이터일 수 있다. 일 실시예에서, 입력 데이터(901)는 보통 픽셀로 알려져 있고, 블록으로 알려진 해체 세트들로 분할되어 있는, 이산 데이터 포인트에 의해 나타나는 디지털 이미지 데이터이다.
제어 플래그(903)는 제어 신호 생성기(909)에 의해 사용되어, 클래스 생성기(913), 필터 탭 선택기(921) 및 계수 메모리(925)에 의해 각자의 대응하는 기능을 수행하도록 사용되는 제어 신호를 생성한다. 본 실시예에서, 제어 플래그(903)는 서브샘플 플래그(905) 및 에러 플래그(907)를 포함한다. 상기 서브샘플 플래그(905)는 보간될 샘플을 포함하는 입력 데이터(901) 내의 위치를 가리키는데 사용된다. 예를 들면, 상기 서브샘플 플래그(905)는 처리되고 있는 특정한 데이터 포인트가 보간될 포인트인지의 여부를 가리키는데 사용될 수 있다. 상기 에러 플래그(907)는 에러가 있는 샘플을 포함하는 입력 데이터(901) 내의 위치를 가리키는데 사용된다. 예를 들면, 상기 에러 플래그(907)는 처리되고 있는 특정한 데이터 포인트가 에러를 포함하는 지의 여부를 가리키는데 사용될 수 있다. 대안적으로, 입력 데이터(901)는 전-처리기(911)에 의해 전처리되어 전처리된 데이터를 생성할 수 있다. 전처리된 데이터의 생성은 앞에서 상세히 기술하였다.
외부 인터페이스(951)는 외부 통신 라인(961)에 연결될 수 있다. 상기 외부 통신 라인(961)은 유선 또는 무선일 수 있다. 일 실시예에서, 외부 통신 라인은 처리 디바이스에 연결되어, 규격 데이터(specification data)가 다운로드될 수 있도록 하며, 현재 버전(version) 정보가 상기 처리 디바이스로 업로드될 수 있다.
대안적으로, 외부 통신 라인(961)은 네트워크에 연결될 수 있다. 네트워크는 근거리 지역 네트워크, 광역 네트워크, 또는 인터넷일 수 있다. 외부 인터페이스(951)는 다중 처리 시스템이 유지(maintenance) 모드 또는 처리 모드에 있는지의 여부에 따라서 두 개의 서로 다른 기능을 수행하도록 구성될 수 있다. 일 실시예에서, 상기 다중 처리 시스템이 처리 모드에 있을 때, 외부 인터페이스는 외부 통신 라인(961)으로부터 규격 데이터를 수신하여 그 규격 데이터를 클래스 생성기(913), 필터 탭 선택기(921) 및 계수 메모리(925)에 전달한다. 상기 규격 데이터는 클래스 생성기(913)에 의해 사용될 클래스 한정 데이터, 필터 탭 선택기(921)에 의해 사용될 필터 탭 한정 데이터, 및 계수 메모리(925)에 의해 사용될 계수 한정 데이터를 포함할 수 있다. 덧붙여, 상기 규격 데이터는 시스템 관련 데이터, 예를 들면, 시스템의 작동 특성에 관한 데이터, 시스템 성능(performance) 데이터, 시스템 구성 데이터 등을 포함할 수 있다.
본 실시예에서, 외부 인터페이스(951)는 각각, 클래스 한정 데이터를 클래스 생성기(913)에, 필터 탭 한정 데이터를 필터 탭 선택기(921)에, 그리고 계수 한정 데이터를 계수 메모리(925)에 전달한다. 이 예에서, 상기 클래스 한정 데이터는 클래스 생성기(913)에 의해 사용되어 다중 클래스 ID를 생성할 다양한 클래스 탭 구조의 한정을 포함하며; 상기 필터 탭 한정 데이터는 필터 탭 선택기(921)에 의해 사용되어 필터 탭 데이터를 선택할 다양한 클래스 탭 구조의 한정을 포함하며; 그리고, 상기 계수 한정 데이터는 계수 메모리(925)에 의해 사용되어 계수 데이터를 제공할 다양한 필터 계수의 한정을 포함한다.
상기 다중 처리 시스템이 유지 모드에 있을 때, 외부 인터페이스(951)는 클래스 생성기(913), 필터 탭 선택기(921) 및 계수 메모리(925)로부터 버전 정보를 추출하여, 그 추출된 버전 정보를 외부 통신 라인(961)을 통해 외부 소스로 전송할 수 있다. 일 실시예에서, 버전 정보는 클래스 생성기(913), 필터 탭 선택기(921) 및 계수 메모리(925)에 의해 각자의 대응하는 기능을 수행하기 위해 현재 사용되고 있는 처리 규칙 및 한정의 버전을 가리키는데 사용된다.
다시 도 9를 참조하면, 전처리된 데이터는 클래스 생성기(913) 및 필터 탭 선택기(921)로 입력된다. 위에서 언급된 바와 같이, 제어 신호 생성기(909)는 입력 데이터(901)에 대응하는 제어 플래그(903)를 수신하여, 상기 제어 플래그(903)의 값에 기초하여 제어 신호를 생성할 수 있다. 본 실시예에서, 제어 플래그(903)는 서브샘플 플래그(905) 및 에러 플래그(907)를 포함한다. 본 실시예에서, 제어 신호는 서브샘플 플래그(905) 및 에러 플래그(907)의 값의 단순 연쇄이다. 대안적으로, 제어 신호는 서브샘플 플래그(905) 및 에러 플래그(907)의 값의 함수로서 계산될 수 있다.
클래스 생성기(913)는 도 9에 관하여 전술된 바와 같이, 상기 전처리된 데이터 및 제어 신호에 기초하여 각 분류 적응 프로세스에 대해 하나의 다중 클래스 ID를 생성할 수 있다. 일 실시예에서, 클래스 생성기(913)는 복수의 서브-생성기(915, 917,..., 919)를 포함하며, 이들은 타깃 데이터를 기술하도록 한정된 다양한 클래스의 클래스 식별자를 생성한다.
본 실시예에서, 클래스 생성기(913)는 ADRC 클래스 생성기(915), 에러 클래스 생성기(917), 및 움직임 클래스 생성기(919)를 포함한다. 다른 클래스 생성기가 클래스 생성기(913)에 포함될 수도 있다. 클래스 생성기(913) 안의 각 서브-생성기는 특정한 클래스에 관하여 타깃 데이터를 위한 하나의 클래스 ID를 생성한다. 예 를 들면, 움직임 클래스 생성기(919)는 움직임 클래스 ID를 생성하며, 에러 클래스 생성기(917)는 에러 클래스 ID를 생성하며, 그리고 ADRC 클래스 생성기(915)는 ADRC 클래스 ID를 생성한다.
이 실시예에서, 움직임 클래스는 세 개의 미리 한정된 임계값 3, 8, 및 24에 기초하여 네 개의 서로 다른 움직임 클래스 ID들 0, 1, 2, 및 3을 갖는 것으로 한정된다. 에러 클래스는 다음과 같이, 네 개의 서로 다른 에러 클래스 ID들을 갖는 것으로 한정된다: 에러 클래스 ID 0(에러 없음의 경우); 에러 클래스 ID 1(왼쪽에 에러가 있는 경우); 에러 클래스 ID 2(오른쪽에 에러가 있는 경우); 및 에러 클래스 ID 3(연속하여 에러가 있는 경우). ADRC 클래스는 여덟 개의 서로 다른 ADRC 클래스 ID들을 갖는 것으로 한정된다. 본 실시예에서, 서로 다른 클래스의 클래스 ID들을 생성하는 데 사용된 다양한 클래스 탭 구조는 외부 인터페이스(951)로부터 수신되어 각각의 서브-생성기에 저장된다. 예를 들면, 움직임 클래스 ID들의 생성에 사용될 움직임 클래스 탭 구조는 외부 인터페이스(951)로부터 수신되어 움직임 클래스 생성기(919)에 저장되며, 에러 클래스 ID들의 생성에 사용될 에러 클래스 탭 구조는 외부 인터페이스(951)로부터 수신되어 에러 클래스 생성기(917)에 저장되며, ADRC 클래스 ID들의 생성에 사용될 ADRC 적응 클래스 탭 구조는 외부 인터페이스(951)로부터 수신되어 ADRC 클래스 생성기(915)에 저장된다.
도 9로 되돌아가서, 본 실시예에서, 클래스 생성기(913)는 전술한 바와 같이 서브-생성기에 의해 생성된 클래스 ID들을 사용하여, 각 분류 적응 프로세스에 대해 다중 클래스 ID를 생성한다. 대안적으로, 위에 언급된 바와 같이, 다중 클래스 ID는 에러 클래스 ID, 움직임 클래스 ID, ADRC 클래스 ID 및 다른 클래스의 ID들의 함수로서 계산될 수 있다.
또 다른 실시예에서, 클래스 생성기(913)에 포함된 각 서브-생성기는 앞에서 상세히 기술된 바와 같이, 서로 다른 클래스 그룹 또는 세트의 클래스 ID의 복수의 그룹 또는 세트를 생성하도록 구성될 수도 있다. 예를 들면, 서브-생성기(915)는 움직임 클래스 ID, 에러 클래스 ID 및 ADRC 클래스 ID를 생성하도록 구성될 수 있으며; 서브-생성기(917)는 움직임 클래스 ID 및 ADRC 클래스 ID를 생성하도록 구성될 수 있으며; 그리고 서브-생성기(919)는 움직임 클래스 ID 및 에러 클래스 ID를 생성하도록 구성될 수 있다. 본 실시예에서, 위에 언급된 바와 같이, 서로 다른 클래스의 클래스 ID들을 생성하는데 사용된 다양한 클래스 탭 구조가 외부 인터페이스(951)로부터 수신되어, 그 각각의 서브-생성기에 저장될 수 있다. 만약 각 서브-생성기가 서로 다른 클래스의 복수의 클래스 ID들을 생성하도록 구성된다면, 상기 서브-생성기들 중의 하나의 서브-생성기의 출력이 선택되어, 미리 결정된 선택 방식을 사용하여 제어 신호에 기초하여 클래스 생성기(913)의 다중 클래스 ID를 형성할 수 있다.
제어 신호 및 다중 클래스 ID는 타깃 데이터의 값을 결정하거나 추정하는데 사용되는 적당한 필터 탭 데이터 및 적절한 필터 계수를 탐색하기 위한 메모리 어드레스를 형성하는데 사용될 수 있다. 예를 들면, 제어 신호 및 다중 클래스 ID의 단순 연쇄는 필요한 적절한 데이터를 탐색하기 위한 메모리 어드레스로서 사용된다.
도 9로 되돌아가서, 전에도 기술했듯이, 필터 탭 선택기(921)는 전처리된 데이터, 제어 신호 및 다중 클래스 ID에 기초하여 타깃 데이터를 위한 적당한 적응 필터 탭 구조를 선택할 수 있다. 일 실시예에서, 다양한 적응 필터 탭 구조가 외부 인터페이스(951)로부터 수신되어, 필터 탭 선택기(921) 내에 구현된 랜덤 액세스 메모리(RAM)와 같은 메모리 디바이스에 저장된다.
일 실시예에서, 제어 신호 및 다중 클래스 ID의 단순 연쇄가 적절한 필터 탭 구조를 검색하기 위한 메모리 어드레스로서 사용될 수 있다.
계수 메모리(925)는 각 분류 적응 프로세스에 대해 제어 신호 및 다중 클래스 ID에 대응하는 필터 계수들의 일 세트를 제공한다. 그리하여 각 분류 적응 프로세스에 대한 각 다중 클래스 ID에 관하여 적절한 필터가 준비될 수 있다. 필터는 필터 계수 세트에 의해 나타내어질 수 있으며, 필터 계수 세트는 트레이닝 프로세스에 의해 얻어질 수 있다. 일 실시예에서, 각 타입의 분류 적응 프로세스에 대한 각 다중 클래스 ID를 위한 필터 계수들은 외부 인터페이스(951)로부터 수신되어 계수 메모리(925)에 저장된다. 적절한 필터 계수는 메모리 어드레스로서 제어 신호 및 다중 클래스 ID의 단순 연쇄를 사용하여 계수 메모리(925)로부터 검색될 수 있다.
도 9로 되돌아가서, 필터(933)는 전술한 바와 같이, 필터링 기능을 수행하여 필터 탭 데이터 및 필터 계수에 기초하여 출력 데이터를 생성할 수 있다.
따라서, 도 9에 예시된 다중 분류 적응 처리 시스템은 외부 소스로부터 수신된 규격 데이터를 이용하여, 타깃 데이터를 기술하도록 한정된 다양한 클래스의 클래스 ID들 및 제어 신호에 기초하여, 이를테면 에러 복구 및 서브샘플 보간과 같은 서로 다른 분류 적응 프로세스들을 선택적으로 수행할 수 있다.
도 10은 실질적으로 평행한 방식으로, 이를테면 에러 복구 처리 및 서브샘플 보간 처리와 같은 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 방법의 일 실시예를 도시한다. 입력 데이터는 단계(1001)에서 수신된다. 제어 정보는 단계(1003)에서 수신된다. 상기 제어 정보에 기초한 제어 신호의 생성은 단계(1005)에서 수행되어 다중 분류 적응 프로세스들 중에서 하나의 분류 적응 프로세스를 선택한다. 다중 분류는 단계(1007)에서 수행되어, 상기 선택된 분류 적응 프로세스에 대한 제어 신호 및 입력 데이터에 기초하여 다중 클래스 ID를 생성한다. 단계(1009)에서, 상기 입력 데이터, 제어 신호 및 다중 클래스 ID에 대응하는 필터 탭 데이터의 선택이 상기 선택된 분류 적응 프로세스에 대해 수행된다. 계수 데이터는 상기 선택된 분류 적응 프로세스에 대한 상기 제어 신호 및 다중 클래스 ID에 기초하여 단계(1011)에서 선택된다. 출력 데이터는 상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 단계(1013)에서 생성된다.
본 발명은 바람직한 실시예와 연계하여 기술되었다. 전술한 기술에 비추어, 다수의 대안, 변경, 변형 및 사용이 당업자에게는 뚜렷한 것이라는 점은 분명하다.
전술한 바와 같이, 본 발명은 입력 처리 선택 신호에 기초하여, 입력 이미지, 사운드 또는 다른 상관 데이터에 대해 서로 다른 분류 적응 프로세스를 선택적으로 수행하는 장치, 방법 및 컴퓨터-판독 가능 매체에에 이용된다.

Claims (122)

  1. 입력 데이터에 대해, 서로 다른 분류 적응 프로세스(classified adaptive process)들을 선택적으로 수행하는 장치로서,
    상기 입력 데이터를 수신하도록 구성되는 입력단(901)과;
    상기 입력단과 연결되며, 상기 입력 데이터 및 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성시키도록 구성되는 클래스 생성기(913)와;
    상기 입력단 및 상기 클래스 생성기(913)에 연결되며, 상기 입력 데이터, 상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스를 위해 필터 탭 데이터를 선택하도록 구성되는 필터 탭(filter tap) 선택기(921)와;
    상기 클래스 생성기에 연결되며, 상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스를 위해 계수 데이터를 제공하도록 구성되는 계수 메모리(925)와;
    상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결되며, 상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 데이터를 생성시키도록 구성되는 필터(933)와;
    상기 클래스 생성기(913), 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결되며, 제어 데이터를 수신하여 상기 제어 신호를 생성하는 제어 신호 생성기(909)를,
    포함하는, 분류 적응 프로세스 선택 수행 장치.
  2. 제 1 항에 있어서, 상기 입력 데이터는 오디오 데이터, 비디오 데이터 및 상관 데이터(correlated data)로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서, 상기 제어 데이터는 복수의 플래그(flag)를 포함하며, 상기 제어 신호 생성기는 상기 제어 신호를 생성시키기 위해 상기 복수의 플래그 중 적어도 하나를 사용하도록 구성되는, 분류 적응 프로세스 선택 수행 장치.
  6. 제 5 항에 있어서, 상기 복수의 플래그는 에러(error) 플래그(907) 및 서브샘플(subsample) 플래그(905)를 포함하는, 분류 적응 프로세스 선택 수행 장치.
  7. 제 1 항에 있어서, 상기 다중 클래스 ID는 복수의 클래스 타입에 대한 분류(classifications)로부터 결정되는, 분류 적응 프로세스 선택 수행 장치.
  8. 제 7 항에 있어서, 상기 클래스 타입은 공간(spatial) 클래스, 공간 활동 클래스, 에러 클래스 및 움직임(motion) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  9. 제 8 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC: Adaptive Dynamic Range Coding) 클래스, 차동 PCM(DPCM: Differential Pulse Code Modulation) 클래스, 벡터 양자화(VQ: Vector Quantization) 클래스 및 이산 코사인 변환(DCT: Discrete Cosine Transform) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  10. 제 8 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차(standard deviation) 클래스, 라플라시안(Laplacian) 클래스 및 공간 기울기(spatial gradient) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  11. 제 1 항에 있어서, 상기 클래스 생성기(913)는 복수의 서브-생성기(915,917,919)를 포함하는, 분류 적응 프로세스 선택 수행 장치.
  12. 제 11 항에 있어서, 각 서브-생성기(915, 917, 919)는 상기 입력 데이터 및 상기 제어 신호에 기초하여 대응 클래스 내에서 클래스 ID를 생성시키는, 분류 적응 프로세스 선택 수행 장치.
  13. 제 12 항에 있어서, 상기 대응 클래스는 공간 클래스, 공간 활동 클래스, 에러 클래스 및 움직임 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  14. 제 13 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC) 클래스, 차동 PCM(DPCM) 클래스, 벡터 양자화(VQ) 클래스 및 이산 코사인 변환(DCT) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  15. 제 13 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차 클래스, 라플라시안 클래스 및 공간 기울기 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  16. 제 1 항에 있어서, 상기 계수 메모리(925)는 복수의 영역(areas)을 포함하며, 각 영역은 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 상기 계수 데이터를 저장하는, 분류 적응 프로세스 선택 수행 장치.
  17. 제 1 항에 있어서, 상기 클래스 생성기(913)는 상기 다중 클래스 ID를 생성시키기 위해 클래스 한정(definition) 데이터를 사용하는, 분류 적응 프로세스 선택 수행 장치.
  18. 제 1 항에 있어서, 상기 필터 탭 선택기(921)는 상기 필터 탭 데이터를 선택하기 위해 필터 탭 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 장치.
  19. 제 1 항에 있어서, 상기 계수 메모리(925)는 상기 계수 데이터를 제공하기 위해 계수 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 장치.
  20. 제 1 항에 있어서,
    외부 통신 라인(961), 상기 클래스 생성기(913), 상기 필터 탭 선택기(921)와, 상기 계수 메모리(925)에 연결된 외부 인터페이스(951)를 더 포함하며,
    상기 외부 인터페이스(951)는 외부 소스로부터 규격(specification) 데이터를 수신하여, 상기 클래스 생성기, 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 상기 규격 데이터를 제공하도록 구성되며, 상기 외부 소스는 유선(wired) 소스, 무선 소스, 처리 디바이스, 네트워크, 근거리 지역 네트워크(local area network), 광역 네트워크 및 인터넷으로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  21. 제 1 항에 있어서,
    외부 통신 라인(961), 상기 클래스 생성기(913), 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결된 외부 인터페이스(951)를 더 포함하며,
    상기 외부 인터페이스(951)는 상기 클래스 생성기, 필터 탭 선택기 및 상기 계수 메모리로부터 규격 데이터(specification data)를 수신하여 규격 데이터를 외부 소스로 송신하도록 구성되는, 분류 적응 프로세스 선택 수행 장치.
  22. 데이터의 입력 스트림에 대해 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 방법으로서,
    상기 데이터의 입력 스트림을 수신하는 단계(1001)와,
    상기 데이터의 입력 스트림(1009) 및 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하는 단계(1007)와,
    상기 데이터의 입력 스트림, 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여, 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는 단계와,
    상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 계수 데이터를 검색하는 단계(1011)와,
    상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 데이터를 생성하는 단계(1013)를
    포함하는, 분류 적응 프로세스 선택 수행 방법.
  23. 제 22 항에 있어서, 상기 데이터의 입력 스트림은 오디오 데이터, 비디오 데이터 및 상관 데이터로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  24. 삭제
  25. 제 22 항에 있어서, 제어 데이터를 수신하는 단계(1003)와,
    상기 제어 데이터에 기초하여 상기 제어 신호를 생성하는 단계(1005)를
    더 포함하는, 분류 적응 프로세스 선택 수행 방법.
  26. 제 25 항에 있어서, 상기 제어 데이터는 복수의 플래그를 포함하며, 상기 제어 신호 생성 단계는 상기 제어 신호를 생성시키기 위해 상기 복수의 플래그 중 적어도 하나를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  27. 제 26 항에 있어서, 상기 복수의 플래그는 에러 플래그(907) 및 서브샘플 플래그(905)를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  28. 제 22 항에 있어서, 상기 다중 클래스 ID 생성 단계는 복수의 클래스 타입에 대한 분류로부터 다중 클래스 ID를 결정하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  29. 제 28 항에 있어서, 상기 결정된 다중 클래스 ID에 대응하는 클래스는 공간 클래스, 공간 활동 클래스, 에러 클래스 및 움직임 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  30. 제 29 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC) 클래스, 차동 PCM(DPCM) 클래스, 벡터 양자화(VQ) 클래스 및 이산 코사인 변환(DCT) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  31. 제 29 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차(standard deviation) 클래스, 라플라시안(Laplacian) 클래스 및 공간 기울기(spatial gradient) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  32. 제 22 항에 있어서, 외부 소스로부터 규격 데이터를 수신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 방법.
  33. 제 22 항에 있어서, 규격 데이터를 외부 소스로 송신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 방법.
  34. 제 32 항에 있어서, 상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성시키기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  35. 제 32 항에 있어서, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  36. 제 32 항에 있어서, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  37. 제 32 항에 있어서, 상기 규격 데이터는 클래스 한정 데이터, 필터 탭 한정 데이터 및 계수 한정 데이터를 포함하며,
    상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성시키기 위해 클래스 한정 데이터를 사용하며, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 필터 탭 한정 데이터를 사용하며, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 계수 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  38. 제 32 항에 있어서, 상기 규격 데이터 수신 단계는 처리 디바이스(processing device)로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  39. 제 33 항에 있어서, 상기 규격 데이터 송신 단계는 처리 디바이스에 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  40. 제 32 항에 있어서, 상기 규격 데이터 수신 단계는 네트워크로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  41. 제 33 항에 있어서, 상기 규격 데이터 송신 단계는 네트워크를 통해 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  42. 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 컴퓨터-판독 가능(computer-readable) 매체로서, 상기 컴퓨터-판독 가능 매체는 지령(instruction)들을 포함하며, 상기 지령들은 처리기에 의해 실행될 때 상기 처리기로 하여금,
    상기 처리기에 의해 판독 가능한 데이터의 입력 스트림을 수신하는 단계(1001)와;
    상기 데이터의 입력 스트림 및 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하는 단계(1007)와,
    상기 데이터의 입력 스트림, 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는 단계(1009)와,
    상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 계수 데이터를 검색하는 단계(1011)와,
    상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 데이터를 생성하는 단계(1013)를
    수행하도록 하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  43. 제 42 항에 있어서, 상기 데이터의 입력 스트림은 오디오 데이터, 비디오 데이터 및 상관 데이터로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  44. 삭제
  45. 제 42 항에 있어서,
    제어 데이터를 수신하는 단계(1003)와,
    상기 제어 데이터에 기초하여 상기 제어 신호를 생성하는 단계(1005)를
    더 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  46. 제 45 항에 있어서, 상기 제어 데이터는 복수의 플래그를 포함하며,
    상기 제어 신호 생성 단계는 상기 제어 신호를 생성하기 위해 상기 복수의 플래그 중 적어도 하나를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  47. 제 46 항에 있어서, 상기 복수의 플래그는 에러 플래그(907) 및 서브샘플 플래그(905)를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  48. 제 42 항에 있어서, 상기 다중 클래스 ID 생성 단계는 복수의 클래스 타입에 대한 분류로부터 다중 클래스 ID를 결정하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  49. 제 48 항에 있어서, 상기 결정된 다중 클래스 ID에 대응하는 클래스는 공간 클래스, 공간 활동 클래스, 에러 클래스 및 움직임 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  50. 제 49 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC: Adaptive Dynamic Range Coding) 클래스, 차동 PCM(DPCM: Differential Pulse Code Modulation) 클래스, 벡터 양자화(VQ: Vector Quantization) 클래스 및 이산 코사인 변환(DCT: Discrete Cosine Transform) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  51. 제 49 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차 클래스, 라플라시안 클래스 및 공간 기울기 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  52. 제 42 항에 있어서, 규격 데이터를 수신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  53. 제 52 항에 있어서, 상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  54. 제 52 항에 있어서, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  55. 제 52 항에 있어서, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  56. 제 52 항에 있어서, 상기 규격 데이터는 클래스 한정 데이터, 필터 탭 한정 데이터 및 계수 한정 데이터를 포함하며,
    상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성하기 위해 클래스 한정 데이터를 사용하며, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 필터 탭 한정 데이터를 사용하며, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 계수 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  57. 제 52 항에 있어서, 상기 규격 데이터 수신 단계는 처리 디바이스로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  58. 제 52 항에 있어서, 규격 데이터를 송신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  59. 제 58 항에 있어서, 상기 규격 데이터 송신 단계는 처리 디바이스에 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  60. 제 52 항에 있어서, 상기 규격 데이터 수신 단계는 네트워크로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  61. 제 58 항에 있어서, 상기 규격 데이터 송신 단계는 네트워크로부터 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  62. 입력 데이터에 대해 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 장치로서,
    제어 데이터를 수신하는 수단(909)과;
    상기 제어 데이터에 기초하여 제어 신호를 생성하는 수단(909)과;
    상기 데이터의 입력 스트림 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하는 수단(913)과;
    상기 데이터의 입력 스트림, 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는 수단(921)과;
    상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 계수 데이터를 제공하는 수단(925)과;
    상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 데이터를 생성하는 수단(933)을
    포함하는, 분류 적응 프로세스 선택 수행 장치.
  63. 삭제
  64. 제 62 항에 있어서, 외부 소스로부터 규격 데이터를 수신하는 수단을 더 포함하는, 분류 적응 프로세스 선택 수행 장치.
  65. 제 62 항에 있어서, 규격 데이터를 외부 소스로 송신하는 수단을 더 포함하는, 분류 적응 프로세스 선택 수행 장치.
  66. 입력 데이터에 대해 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 장치로서,
    제어 데이터를 수신하도록 구성된 제어 플래그(903)와;
    상기 제어 플래그에 연결되고, 제어 신호를 생성하도록 구성된 제어 신호 생성기(909)와;
    상기 입력 데이터를 수신하도록 구성된 입력단(901)과;
    상기 입력단에 연결되고, 상기 입력 데이터 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하도록 구성된 클래스 생성기(913)와;
    상기 입력단 및 상기 클래스 생성기(913)에 연결되고, 상기 입력 데이터, 상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는 필터 탭 선택기(921)와;
    상기 클래스 생성기(913)에 연결되고, 상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 계수 데이터를 제공하는 계수 메모리(925)와;
    상기 필터 탭 선택기(921)와 상기 계수 메모리(925)에 연결되고, 상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 처리된 데이터를 생성하도록 구성된 필터(933); 및
    상기 처리된 데이터를 출력하도록 구성된 출력단(941)을
    포함하는, 분류 적응 프로세스 선택 수행 장치.
  67. 제 66 항에 있어서, 상기 입력 데이터는 오디오 데이터, 비디오 데이터 및 상관 데이터로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  68. 제 66 항에 있어서, 상기 클래스 생성기(913), 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결되고, 제어 데이터를 수신하여 상기 제어 신호를 생성하는, 제어 신호 생성기(909)를 더 포함하는, 분류 적응 프로세스 선택 수행 장치.
  69. 삭제
  70. 제 66 항에 있어서, 상기 제어 데이터는 복수의 플래그를 포함하며, 상기 제어 신호 생성기는 상기 제어 신호를 생성하기 위해 상기 복수의 플래그 중 적어도 하나를 사용하도록 구성되며, 상기 복수의 플래그는 에러 플래그(907) 및 서브샘플 플래그(905)를 포함하는, 분류 적응 프로세스 선택 수행 장치.
  71. 제 66 항에 있어서, 상기 다중 클래스 ID는 복수의 클래스 타입에 대한 분류로부터 결정되는, 분류 적응 프로세스 선택 수행 장치.
  72. 제 71 항에 있어서, 상기 클래스 타입은 공간 클래스, 공간 활동 클래스, 에러 클래스 및 움직임 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  73. 제 72 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC) 클래스, 차동 PCM(DPCM) 클래스, 벡터 양자화(VQ) 클래스 및 이산 코사인 변환(DCT) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  74. 제 72 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차 클래스, 라플라시안 클래스 및 공간 기울기 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  75. 제 66 항에 있어서, 상기 클래스 생성기는 복수의 서브-생성기(915, 917, 919)을 포함하는, 분류 적응 프로세스 선택 수행 장치.
  76. 제 75 항에 있어서, 각 서브-생성기(915, 917, 919)는 상기 입력 데이터 및 상기 제어 신호에 기초하여 대응 클래스 내에서 클래스 ID를 생성하는, 분류 적응 프로세스 선택 수행 장치.
  77. 제 66 항에 있어서, 상기 계수 메모리(925)는 복수의 영역을 포함하며, 각 영역은 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 상기 계수 데이터를 저장하는, 분류 적응 프로세스 선택 수행 장치.
  78. 제 66 항에 있어서, 상기 클래스 생성기(913)는 상기 다중 클래스 ID를 생성하기 위해 클래스 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 장치.
  79. 제 66 항에 있어서, 상기 필터 탭 선택기(921)는 상기 필터 탭 데이터를 선택하기 위해 필터 탭 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 장치.
  80. 제 66 항에 있어서, 상기 계수 메모리(925)는 상기 계수 데이터를 제공하기 위해 계수 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 장치.
  81. 제 66 항에 있어서,
    외부 통신 라인(961), 상기 클래스 생성기(913), 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결된 외부 인터페이스(951)를 더 포함하며,
    상기 외부 인터페이스(951)는 외부 소스로부터 규격 데이터를 수신하여 상기 클래스 생성기(913), 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 상기 규격 데이터를 제공하도록 구성되며, 상기 외부 소스는 유선 소스, 무선 소스, 처리 디바이스, 네트워크, 근거리 지역 네트워크, 광역 네트워크 및 인터넷으로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 장치.
  82. 제 66 항에 있어서,
    외부 통신 라인(961), 상기 클래스 생성기(913), 상기 필터 탭 선택기(921) 및 상기 계수 메모리(925)에 연결된 외부 인터페이스(951)를 더 포함하며,
    상기 외부 인터페이스(951)는 상기 클래스 생성기(913), 필터 탭 선택기(921) 및 상기 계수 메모리(925)로부터 규격 데이터를 수신하여 외부 소스에 규격 데이터를 송신하도록 구성되는, 분류 적응 프로세스 선택 수행 장치.
  83. 데이터의 입력 스트림에 대해 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 방법으로서,
    상기 데이터의 입력 스트림을 수신하는 단계(1001)와;
    제어 데이터를 수신하는 단계(1003)와;
    상기 제어 데이터로 제어 신호를 생성하는 단계(1005)와;
    상기 데이터의 입력 스트림 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하는 단계(1007)와;
    상기 데이터의 입력 스트림, 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는 단계(1009)와;
    상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 계수 데이터를 검색하는 단계(1011)와;
    상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 처리된 데이터를 생성하는 단계; 및
    상기 처리된 데이터를 출력하는 단계(1013)를
    포함하는, 분류 적응 프로세스 선택 수행 방법.
  84. 제 83 항에 있어서, 상기 데이터의 입력 스트림은 오디오 데이터, 비디오 데이터 및 상관 데이터로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  85. 삭제
  86. 제 83 항에 있어서, 상기 제어 데이터는 복수의 플래그를 포함하며,
    상기 제어 신호 생성 단계는 상기 제어 신호를 생성하기 위해 상기 복수의 플래그 중 적어도 하나를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  87. 제 86 항에 있어서, 상기 복수의 플래그는 에러 플래그(907) 및 서브샘플 플래그(905)를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  88. 제 83 항에 있어서, 상기 다중 클래스 ID 생성 단계는 복수의 클래스 타입에 대한 분류로부터 다중 클래스 ID를 결정하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  89. 제 88 항에 있어서, 상기 결정된 다중 클래스 ID에 대응하는 클래스는 공간 클래스, 공간 활동 클래스, 에러 클래스 및 움직임 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  90. 제 89 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC) 클래스, 차동 PCM(DPCM) 클래스, 벡터 양자화(VQ) 클래스 및 이산 코사인 변환(DCT) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  91. 제 89 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차 클래스, 라플라시안 클래스 및 공간 기울기 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 방법.
  92. 제 83 항에 있어서, 외부 소스로부터 규격 데이터를 수신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 방법.
  93. 제 83 항에 있어서, 외부 소스에 규격 데이터를 송신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 방법.
  94. 제 92 항에 있어서, 상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  95. 제 92 항에 있어서, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  96. 제 92 항에 있어서, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  97. 제 92 항에 있어서, 상기 규격 데이터는 클래스 한정 데이터, 필터 탭 한정 데이터 및 계수 한정 데이터를 포함하며,
    상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성하기 위해 클래스 한정 데이터를 사용하며, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 필터 탭 한정 데이터를 사용하며, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 계수 한정 데이터를 사용하는, 분류 적응 프로세스 선택 수행 방법.
  98. 제 92 항에 있어서, 상기 규격 데이터 수신 단계는 처리 디바이스로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  99. 제 93 항에 있어서, 상기 규격 데이터 송신 단계는 처리 디바이스에 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  100. 제 92 항에 있어서, 상기 규격 데이터 수신 단계는 네트워크로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  101. 제 93 항에 있어서, 상기 규격 데이터 송신 단계는 네트워크를 통해 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 방법.
  102. 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 컴퓨터-판독 가능 매체로서, 상기 컴퓨터-판독 가능 매체는 지령들을 포함하며, 상기 지령들은 처리기에 의해 실행될 때 상기 처리기로 하여금,
    상기 처리기에 의해 판독 가능한 데이터의 입력 스트림을 수신하는 단계(1001)와;
    상기 처리기에 의해 판독 가능한 제어 데이터를 수신하여(1003), 상기 제어 데이터로 제어 신호를 생성하는 단계(1005)와;
    상기 데이터의 입력 스트림 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하는 단계(1007)와;
    상기 데이터의 입력 스트림, 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는 단계(1009)와;
    상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 대한 계수 데이터를 검색하는 단계(1011)와;
    상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 처리된 데이터를 생성하는 단계; 및
    상기 처리된 데이터를 출력하는 단계(1013)를
    수행하도록 하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  103. 제102 항에 있어서, 상기 데이터의 입력 스트림은 오디오 데이터, 비디오 데이터 및 상관 데이터로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  104. 삭제
  105. 제 102 항에 있어서, 상기 제어 데이터는 복수의 플래그를 포함하며,
    상기 제어 신호 생성 단계는 상기 제어 신호를 생성하기 위해 상기 복수의 플래그 중 적어도 하나를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  106. 제 105 항에 있어서, 상기 복수의 플래그는 에러 플래그(907) 및 서브샘플 플래그(905)를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  107. 제 102 항에 있어서, 상기 다중 클래스 ID 생성 단계는 복수의 클래스 타입에 대한 분류로부터 다중 클래스 ID를 결정하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  108. 제 107 항에 있어서, 상기 결정된 다중 클래스 ID에 대응하는 클래스는 공간 클래스, 공간 활동 클래스, 에러 클래스 및 움직임 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  109. 제 102 항에 있어서, 규격 데이터를 수신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  110. 제 109 항에 있어서, 상기 다중 클래스 ID 생성 단계는 상기 다중 클래스 ID를 생성하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  111. 제 109 항에 있어서, 상기 필터 탭 데이터 선택 단계는 상기 필터 탭 데이터를 선택하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  112. 제 109 항에 있어서, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  113. 제 109 항에 있어서, 상기 계수 데이터 검색 단계는 상기 계수 데이터를 검색하기 위해 상기 규격 데이터를 사용하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  114. 제 102 항에 있어서, 규격 데이터를 송신하는 단계를 더 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  115. 제 114 항에 있어서, 상기 규격 데이터 송신 단계는 처리 디바이스에 규격 데이터를 송신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  116. 제 114 항에 있어서, 상기 규격 데이터 송신 단계는 네트워크로 규격 데이터를 송신하는 것을 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  117. 제 102 항에 있어서, 상기 규격 데이터 수신 단계는 네트워크로부터 규격 데이터를 수신하는 단계를 포함하는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  118. 입력 데이터스트림에 대해 서로 다른 분류 적응 프로세스들을 선택적으로 수행하는 장치로서,
    입력 데이터스트림을 수신하는(1001) 수단과;
    제어 데이터를 수신하는(1003) 수단과;
    제어 데이터에 기초하여 제어 신호를 생성하는(1005) 수단과;
    상기 입력 데이터스트림 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 다중 클래스 ID를 생성하는(1007) 수단과;
    상기 입력 데이터스트림, 상기 다중 클래스 ID 및 상기 제어 신호에 기초하여 각 분류 적응 프로세스에 대한 필터 탭 데이터를 선택하는(1009) 수단과;
    상기 제어 신호 및 상기 다중 클래스 ID에 기초하여 각 분류 적응 프로세스에 계수 데이터를 제공하는(1011) 수단과;
    상기 필터 탭 데이터 및 상기 계수 데이터에 기초하여 각 분류 적응 프로세스에 대한 처리된 데이터를 생성하는 수단; 및
    처리된 데이터를 출력하는(1013) 수단을
    포함하는, 분류 적응 프로세스 선택 수행 장치.
  119. 제 118 항에 있어서, 외부 소스로부터 규격 데이터를 수신하는 수단을 더 포함하는, 분류 적응 프로세스 선택 수행 장치.
  120. 제 118 항에 있어서, 외부 소스로 규격 데이터를 송신하는 수단을 더 포함하는, 분류 적응 프로세스 선택 수행 장치.
  121. 제 108 항에 있어서, 상기 공간 클래스는 적응 다이내믹 범위 코딩(ADRC) 클래스, 차동 PCM(DPCM) 클래스, 벡터 양자화(VQ) 클래스 및 이산 코사인 변환(DCT) 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
  122. 제 108 항에 있어서, 상기 공간 활동 클래스는 다이내믹 범위 클래스, 표준 편차 클래스, 라플라시안 클래스 및 공간 기울기 클래스로 이루어진 그룹으로부터 선택되는, 분류 적응 프로세스 선택 수행 컴퓨터-판독 가능 매체.
KR1020017010108A 1999-02-12 2000-02-10 분류 적응 다중 처리 시스템 KR100635559B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/250,063 US6154761A (en) 1999-02-12 1999-02-12 Classified adaptive multiple processing system
US09/250,063 1999-02-12

Publications (2)

Publication Number Publication Date
KR20010102030A KR20010102030A (ko) 2001-11-15
KR100635559B1 true KR100635559B1 (ko) 2006-10-18

Family

ID=22946170

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020017010108A KR100635559B1 (ko) 1999-02-12 2000-02-10 분류 적응 다중 처리 시스템

Country Status (6)

Country Link
US (1) US6154761A (ko)
EP (1) EP1188127A4 (ko)
JP (1) JP2002536764A (ko)
KR (1) KR100635559B1 (ko)
AU (1) AU2992500A (ko)
WO (1) WO2000048089A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW417082B (en) 1997-10-31 2001-01-01 Yamaha Corp Digital filtering processing method, device and Audio/Video positioning device
FR2776093A1 (fr) * 1998-03-10 1999-09-17 Philips Electronics Nv Circuit processeur programmable muni d'une memoire reconfigurable, pour realiser un filtre numerique
WO2001076232A1 (en) * 2000-03-30 2001-10-11 Sony Corporation Information processor
WO2001082227A1 (en) * 2000-04-21 2001-11-01 Matsushita Electric Industrial Co., Ltd. Pixel calculating device
KR100505663B1 (ko) * 2003-01-02 2005-08-03 삼성전자주식회사 적응형 윤곽 상관 보간에 의한 디스플레이 장치의 순차주사 방법
EP1790080A2 (en) * 2004-09-13 2007-05-30 Expway Method for compressing and decompressing a sequence of floating point numbers
JP2014123251A (ja) * 2012-12-21 2014-07-03 Nippon Hoso Kyokai <Nhk> ディジタル信号処理装置およびプログラム

Family Cites Families (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2073534B (en) * 1980-04-02 1984-04-04 Sony Corp Error concealment in digital television signals
GB2084432A (en) * 1980-09-18 1982-04-07 Sony Corp Error concealment in digital television signals
US4574393A (en) * 1983-04-14 1986-03-04 Blackwell George F Gray scale image processor
JPH0746864B2 (ja) * 1984-08-22 1995-05-17 ソニー株式会社 高能率符号化装置
CA1251555A (en) * 1984-12-19 1989-03-21 Tetsujiro Kondo High efficiency technique for coding a digital video signal
JPH0793724B2 (ja) * 1984-12-21 1995-10-09 ソニー株式会社 テレビジョン信号の高能率符号化装置及び符号化方法
JP2670259B2 (ja) * 1985-11-29 1997-10-29 ソニー株式会社 高能率符号化装置
JPH0746862B2 (ja) * 1985-11-30 1995-05-17 ソニー株式会社 駒落とし圧縮符号化及び復号化方法
JP2612557B2 (ja) * 1985-12-18 1997-05-21 ソニー株式会社 データ伝送受信システム及びデータ復号装置
JPS62231569A (ja) * 1986-03-31 1987-10-12 Fuji Photo Film Co Ltd 予測誤差の量子化方法
JP2508439B2 (ja) * 1987-05-29 1996-06-19 ソニー株式会社 高能率符号化装置
EP0293644B1 (de) * 1987-06-02 1992-03-25 Siemens Aktiengesellschaft Verfahren zur Ermittlung von Bewegungsvektorfeldern aus digitalen Bildsequenzen
US5122873A (en) * 1987-10-05 1992-06-16 Intel Corporation Method and apparatus for selectively encoding and decoding a digital motion video signal at multiple resolution levels
JP2629238B2 (ja) * 1988-02-05 1997-07-09 ソニー株式会社 復号装置及び復号方法
US4953023A (en) * 1988-09-29 1990-08-28 Sony Corporation Coding apparatus for encoding and compressing video data
JP2900385B2 (ja) * 1988-12-16 1999-06-02 ソニー株式会社 フレーム化回路及び方法
JP3018366B2 (ja) * 1989-02-08 2000-03-13 ソニー株式会社 ビデオ信号処理回路
WO1990016035A2 (en) * 1989-06-16 1990-12-27 Eastman Kodak Company Digital image interpolator
US5208816A (en) * 1989-08-18 1993-05-04 At&T Bell Laboratories Generalized viterbi decoding algorithms
JPH03141752A (ja) * 1989-10-27 1991-06-17 Hitachi Ltd 画像信号伝送方法
DE69020889T2 (de) * 1990-03-28 1996-03-14 Sel Alcatel Ag Verfahren zur Bestimmung der Koeffizienten eines FIR-Filters bei Entzerrern.
JPH0474063A (ja) * 1990-07-13 1992-03-09 Matsushita Electric Ind Co Ltd 画像の符号化方法
JP2650472B2 (ja) * 1990-07-30 1997-09-03 松下電器産業株式会社 ディジタル信号記録装置およびディジタル信号記録方法
JP2969867B2 (ja) * 1990-08-31 1999-11-02 ソニー株式会社 ディジタル画像信号の高能率符号化装置
GB9019538D0 (en) * 1990-09-07 1990-10-24 Philips Electronic Associated Tracking a moving object
US5416651A (en) * 1990-10-31 1995-05-16 Sony Corporation Apparatus for magnetically recording digital data
US5243428A (en) * 1991-01-29 1993-09-07 North American Philips Corporation Method and apparatus for concealing errors in a digital television
US5636316A (en) * 1990-12-05 1997-06-03 Hitachi, Ltd. Picture signal digital processing unit
JP2906671B2 (ja) * 1990-12-28 1999-06-21 ソニー株式会社 ディジタルビデオ信号の高能率符号化装置およびその方法
EP0495501B1 (en) * 1991-01-17 1998-07-08 Sharp Kabushiki Kaisha Image coding and decoding system using an orthogonal transform and bit allocation method suitable therefore
US5455629A (en) * 1991-02-27 1995-10-03 Rca Thomson Licensing Corporation Apparatus for concealing errors in a digital video processing system
JPH04358486A (ja) * 1991-06-04 1992-12-11 Toshiba Corp 高能率符号化信号処理装置
JP2766919B2 (ja) * 1991-06-07 1998-06-18 三菱電機株式会社 ディジタル信号記録再生装置、ディジタル信号記録装置、ディジタル信号再生装置
US5263026A (en) * 1991-06-27 1993-11-16 Hughes Aircraft Company Maximum likelihood sequence estimation based equalization within a mobile digital cellular receiver
JP3141896B2 (ja) * 1991-08-09 2001-03-07 ソニー株式会社 ディジタルビデオ信号の記録装置
CA2079434A1 (en) * 1991-09-30 1993-03-31 Derek Andrew Motion vector estimation, motion picture encoding and storage
JPH05103309A (ja) * 1991-10-04 1993-04-23 Canon Inc 情報伝送方法及び装置
US5398078A (en) * 1991-10-31 1995-03-14 Kabushiki Kaisha Toshiba Method of detecting a motion vector in an image coding apparatus
JP3278881B2 (ja) * 1991-12-13 2002-04-30 ソニー株式会社 画像信号生成装置
JPH05236427A (ja) * 1992-02-25 1993-09-10 Sony Corp 画像信号の符号化装置及び符号化方法
US5327257A (en) * 1992-02-26 1994-07-05 Cymbolic Sciences International Ltd. Method and apparatus for adaptively interpolating a digital image
JP3259323B2 (ja) * 1992-04-13 2002-02-25 ソニー株式会社 デ・インターリーブ回路
US5359694A (en) * 1992-07-27 1994-10-25 Teknekron Communications Systems, Inc. Method and apparatus for converting image data
US5438369A (en) * 1992-08-17 1995-08-01 Zenith Electronics Corporation Digital data interleaving system with improved error correctability for vertically correlated interference
US5381359A (en) * 1992-08-27 1995-01-10 Quantum Corporation Adaptation and training of digital finite impulse response filter within PRML sampling data detection channel
US5481554A (en) * 1992-09-02 1996-01-02 Sony Corporation Data transmission apparatus for transmitting code data
JPH06153180A (ja) * 1992-09-16 1994-05-31 Fujitsu Ltd 画像データ符号化方法及び装置
EP0596826B1 (en) * 1992-11-06 1999-04-28 GOLDSTAR CO. Ltd. Shuffling method for a digital videotape recorder
US5477276A (en) * 1992-12-17 1995-12-19 Sony Corporation Digital signal processing apparatus for achieving fade-in and fade-out effects on digital video signals
US5805762A (en) * 1993-01-13 1998-09-08 Hitachi America, Ltd. Video recording device compatible transmitter
US5416847A (en) * 1993-02-12 1995-05-16 The Walt Disney Company Multi-band, digital audio noise filter
US5737022A (en) * 1993-02-26 1998-04-07 Kabushiki Kaisha Toshiba Motion picture error concealment using simplified motion compensation
JP3557626B2 (ja) * 1993-08-27 2004-08-25 ソニー株式会社 画像復元装置及び方法
US5499057A (en) * 1993-08-27 1996-03-12 Sony Corporation Apparatus for producing a noise-reducded image signal from an input image signal
US5406334A (en) * 1993-08-30 1995-04-11 Sony Corporation Apparatus and method for producing a zoomed image signal
KR960012931B1 (ko) * 1993-08-31 1996-09-25 대우전자 주식회사 분류 벡터 양자화된 영상의 채널 오류 은폐 방법
JP3590996B2 (ja) * 1993-09-30 2004-11-17 ソニー株式会社 ディジタル画像信号の階層符号化および復号装置
US5663764A (en) * 1993-09-30 1997-09-02 Sony Corporation Hierarchical encoding and decoding apparatus for a digital image signal
US5617333A (en) * 1993-11-29 1997-04-01 Kokusai Electric Co., Ltd. Method and apparatus for transmission of image data
JP3271108B2 (ja) * 1993-12-03 2002-04-02 ソニー株式会社 ディジタル画像信号の処理装置および方法
JPH07203428A (ja) * 1993-12-28 1995-08-04 Canon Inc 画像処理方法及び装置
JP3161217B2 (ja) * 1994-04-28 2001-04-25 松下電器産業株式会社 画像符号化記録装置および記録再生装置
US5852470A (en) * 1995-05-31 1998-12-22 Sony Corporation Signal converting apparatus and signal converting method
KR0155900B1 (ko) * 1995-10-18 1998-11-16 김광호 위상에러검출방법 및 위상 트래킹 루프회로
KR100196872B1 (ko) * 1995-12-23 1999-06-15 전주범 영상 복화화 시스템의 영상 에러 복구 장치
KR100197366B1 (ko) * 1995-12-23 1999-06-15 전주범 영상 에러 복구 장치
US6134269A (en) * 1996-09-25 2000-10-17 At&T Corp Fixed or adaptive deinterleaved transform coding for image coding and intra coding of video
JP3139405B2 (ja) * 1997-02-28 2001-02-26 日本電気株式会社 エコーキャンセラ

Also Published As

Publication number Publication date
JP2002536764A (ja) 2002-10-29
EP1188127A4 (en) 2006-05-03
EP1188127A1 (en) 2002-03-20
WO2000048089A1 (en) 2000-08-17
AU2992500A (en) 2000-08-29
US6154761A (en) 2000-11-28
KR20010102030A (ko) 2001-11-15

Similar Documents

Publication Publication Date Title
US5596659A (en) Preprocessing and postprocessing for vector quantization
JP3017380B2 (ja) データ圧縮方法及び装置並びにデータ伸長方法及び装置
US6535254B1 (en) Method and device for noise reduction
US20070098086A1 (en) Spatio-temporal noise filter for digital video
US5208673A (en) Noise reduction in frame transmitted video signals
EP0658263A1 (en) Improved vector quantization
US6591398B1 (en) Multiple processing system
JP3503166B2 (ja) 信号変換装置および方法
KR100635559B1 (ko) 분류 적응 다중 처리 시스템
JP4222753B2 (ja) 分類適応誤り回復方法及び装置
KR100734956B1 (ko) 다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및장치
US5282256A (en) Binary image data coding method having the function of correcting errors derived from coding
WO2000048125A2 (en) Method and apparatus for spatial class reduction
JP3627291B2 (ja) ブロック歪み除去装置および方法
JP3743077B2 (ja) 画像信号変換装置および方法
WO2000048341A2 (en) Method and apparatus for filter tap expansion
JP4337186B2 (ja) 画像情報変換装置および画像情報変換方法、学習装置および学習方法
JP4552262B2 (ja) ノイズ低減装置および方法
Ho et al. A pyramidal image coder with contour-based interpolative vector quantization
WO2000048198A1 (en) Preprocessing peripheral erroneous data, method and apparatus
Al-Dmour et al. An efficient hybrid steganography method based on edge adaptive and tree based parity check
JP3620069B2 (ja) 信号変換装置および方法
Deng et al. Low-bit-rate image coding using sketch image and JBIG
JP4552263B2 (ja) ディジタル信号処理装置および方法、並びにディジタル画像信号処理装置および方法
JP3945503B2 (ja) 係数データ生成装置および方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20110928

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20120925

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee