KR100734956B1 - 다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및장치 - Google Patents

다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및장치 Download PDF

Info

Publication number
KR100734956B1
KR100734956B1 KR1020017010131A KR20017010131A KR100734956B1 KR 100734956 B1 KR100734956 B1 KR 100734956B1 KR 1020017010131 A KR1020017010131 A KR 1020017010131A KR 20017010131 A KR20017010131 A KR 20017010131A KR 100734956 B1 KR100734956 B1 KR 100734956B1
Authority
KR
South Korea
Prior art keywords
class
computer
program code
readable program
code means
Prior art date
Application number
KR1020017010131A
Other languages
English (en)
Other versions
KR20010113686A (ko
Inventor
테쯔지로 콘도
야스히로 후지모리
수가타 고살
제임스 제이. 카릭
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 KR20010113686A publication Critical patent/KR20010113686A/ko
Application granted granted Critical
Publication of KR100734956B1 publication Critical patent/KR100734956B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • 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
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • 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
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/89—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder
    • H04N19/895—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder in combination with error concealment
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Radio Relay Systems (AREA)
  • Circuits Of Receivers In General (AREA)
  • Image Analysis (AREA)
  • Housings And Mounting Of Transformers (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Sorting Of Articles (AREA)
  • Image Processing (AREA)

Abstract

본 발명은, 왜곡된 신호(201)를 왜곡되지 않은 신호(213)로 복원하는 방법, 장치, 및 컴퓨터로 하여금 본 방법을 실행할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체에 관한 것이다. 왜곡된 신호(201)는 복수의 왜곡된 데이터 포인트 및 왜곡되지 않은 데이터 포인트로 구성된다. 각 왜곡된 데이터 포인트에 대해, 복수의 클래스 유형은, 왜곡된 데이터 포인트를 포함하는 영역의 특성에 기초하여 생성된다. 데이터 포인트는, 복수의 클래스 유형 중 하나에 대해 분류(205)되고, 대응하는 입력 신호 클래스에 할당된다. 왜곡되지 않은 신호(213)는, 입력 신호 분류 결과에 따라 왜곡된 입력 신호(201)를 적응적으로 필터링(209)함으로써 생성된다. 하나 초과하는 분류 방법은 복수의 클래스 유형을 생성시키는데 사용된다. 생성된 클래스는, 움직임 클래스(1809), 에러 클래스(1811), 공간 클래스(1807) 또는 공간 활성 클래스를 포함할 수 있다. 적응성 클래스 탭 구조(1813)는 분류 품질의 향상을 위해 복수의 클래스 유형을 생성시키는데 사용된다. 공간 클래스 탭은 움직임 및/또는 에러 클래스에 따라 적응적으로 선택될 수 있다. 공간 활성 클래스 탭은 움직임 및/또는 에러 클래스에 따라 적응적으로 선택될 수 있다.

Description

다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및 장치{METHOD AND APPARATUS FOR ADAPTIVE CLASS TAP SELECTION ACCORDING TO MULTIPLE CLASSIFICATION}
본 발명은 일반적으로 이미지, 음향 또는 그외의 다른 상관된 신호의 처리에 관한 것으로, 더 구체적으로, 왜곡된(deteriorated) 신호를 왜곡되지 않은(undeteriorated) 신호로 복원하기 위한 방법, 장치 및 컴퓨터로 하여금 본 방법을 실행할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체에 관한 것이다.
종래에는, 이미지 품질 면에서 왜곡되어 있는 이미지를 복원하기 위해, 왜곡 원인을 분석하고, 왜곡 모델 함수를 결정하고, 이 왜곡 모델 함수의 역함수를 왜곡된 이미지에 적용시킬 필요가 있다. 카메라(비디오 카메라와 같은 이미징 장치)의 일정한 움직임, 및 카메라의 광 시스템에 기인하는 흐려짐(blurring)과 같은 왜곡의 여러 가지 원인이 있을 수 있다. 그러므로, 이미지를 복원하는데 있어서, 상이한 모델 함수가 왜곡의 각 원인에 대해 사용될 수 있다. 왜곡 원인이 발견되지 않으면, 모델 함수가 결정될 수 없기 때문에 왜곡된 이미지를 복원하기가 어렵다.
더욱이, 왜곡의 모델 함수가 확립될지라도, 해당 모델 함수에 대응하는 복구를 위한 역함수가 없는 경우가 종종 있다. 그러한 경우에, 최적의 모델을 결정하기 위한 계산을 수행하기가 어렵다.
종래에는, 상관 계산(correlation evaluation)에 의해 에러 복구가 이루어졌다. 예를 들어, 몇몇 복구 방식들은 종래의 에러 픽셀 복구 방법을 사용하여 구현되었다. 도 1a는 종래의 에러 복구의 블록도를 도시한다. 도 1b에 도시된 이웃한 데이터를 사용하여, 타깃(target) 데이터의 공간 기울기(spatial inclinations)가 검출된다. 이 예에서, 도 1c에 도시된 수학식에 따라 4개의 방향에 관한 기울기가 계산된다. 보간 필터는, 기울기 값(Ei)이 4개의 값 중에 최소인 곳에서 선택된다. 공간 기울기 외에, 움직임 인자(motion factor)가 에러 복구를 위해 또한 계산된다. 움직임 영역의 경우에, 선택된 공간 필터가 에러 복구에 사용된다. 다른 한편으로, 타깃 데이터와 동일한 위치에 있는 이전 프레임 데이터도 에러 복구에 사용된다. 이러한 계산은 도 1a의 계산 블록에서 수행된다.
도 1a 내지 도 1c에 도시된 종래의 에러 복구 프로세스는, 변하는 데이터 상에서, 특히 물체 에지(edges) 상에서 상당히 심각한 질저하(degradation)를 초래할 수 있다. 일반적으로, 실제 신호 분포는 폭넓게 변화되기 때문에, 이러한 문제가 발생할 가능성이 있다. 그러므로, 왜곡된 신호를, 변하는 데이터 상에서 질저하를 최소화하는 왜곡되지 않은 신호로 복원하는 방법이 필요하다.
본 발명은, 왜곡된 신호를 왜곡되지 않은 신호로 복원하는 방법, 장치 및 컴퓨터로 하여금 본 방법을 실행할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체를 제공한다. 왜곡된 신호는 복수의 왜곡된 데이터 포인트 및 왜곡되지 않은 데이터 포인트로 구성된다. 각 왜곡된 데이터 포인트에 대해, 복수의 클래스 유형은, 이 왜곡된 데이터 포인트를 포함하는 영역의 특성에 기초하여 생성된다. 이 데이터 포인트는 이 복수의 클래스 유형 중 하나에 대해 분류되고, 대응하는 입력 신호 클래스에 할당된다. 왜곡되지 않은 신호는 입력 신호 분류 결과에 따라 입력 신호의 적응성 필터링에 의해 생성된다. 하나를 초과하는 분류 방법들은 복수의 클래스 유형을 생성시키기 위해 선택적으로 사용될 수 있다. 생성된 클래스에는, 움직임 클래스, 에러 클래스, 공간 클래스 또는 공간 활성 클래스가 포함될 수 있다. 적응성 클래스 탭 구조는 복수의 클래스 유형을 생성시키기 위해 선택적으로 사용될 수 있다. 적응성 필터 탭 구조는 대응하는 복수의 클래스 유형에 기초하여 선택적으로 사용될 수 있다. 필터 탭 확장은 필터 계수의 수를 감소시키기 위해 선택적으로 사용될 수 있다. 왜곡된 입력 신호는 주변의 에러있는 데이터를 전처리(preprocessing)함으로써 선택적으로 변경될 수 있다. 공간 클래스는 공간 대칭에 따라 선택적으로 변경될 수 있다.
본 발명은 예로서 설명되고, 동일한 참조 번호가 유사한 요소를 나타내는 첨부 도면에 관련하여 이후의 설명을 참조함으로써 더 잘 이해될 수 있다.
도 1a 내지 도 1c는 종래의 에러 복구 방법, 필터 탭, 및 기울기 값과 보간 필터 사이의 대응을 도시한 도면.
도 2a 내지 도 2d는 본 발명의 일실시예와 호환하는 분류된 적응성 에러 복구 방법 및 클래스를 도시한 도면.
도 3은 본 발명의 일실시예와 호환하는 움직임 클래스 탭을 도시한 도면.
도 4는 본 발명의 일실시예와 호환하는 에러 클래스 탭을 도시한 도면.
도 5는 본 발명의 일실시예와 호환하는 적응성 공간 클래스 탭을 도시한 도면.
도 6은 본 발명의 일실시예와 호환하는 적응성 공간 클래스 탭(에러 클래스 0)을 도시한 도면.
도 7은 본 발명의 일실시예와 호환하는 적응성 공간 클래스 탭(에러 클래스 1)을 도시한 도면.
도 8은 본 발명의 일실시예와 호환하는 적응성 공간 클래스 탭(에러 클래스 2)을 도시한 도면.
도 9는 본 발명의 일실시예와 호환하는 적응성 공간 클래스 탭(에러 클래스 3)을 도시한 도면.
도 10은 본 발명의 일실시예와 호환하는 적응성 필터 탭을 도시한 도면.
도 11은 본 발명의 일실시예와 호환하는 움직임 클래스 적응성 필터 탭을 도시한 도면.
도 12는 본 발명의 일실시예와 호환하는 움직임 클래스 적응성 필터 탭(에러 클래스 0)을 도시한 도면.
도 13은 본 발명의 일실시예와 호환하는 움직임 클래스 적응성 필터 탭(에러 클래스 1)을 도시한 도면.
도 14는 본 발명의 일실시예와 호환하는 움직임 클래스 적응성 필터 탭(에러 클래스 2)을 도시한 도면.
도 15는 본 발명의 일실시예와 호환하는 움직임 클래스 적응성 필터 탭(에러 클래스 3)을 도시한 도면.
도 16은 본 발명의 일실시예와 호환하는 전처리(preprocessing) 알고리즘을 도시한 도면.
도 17은 본 발명의 일실시예와 호환하는 움직임 탭 및 정지 탭을 도시한 도면.
도 18은 본 발명의 일실시예와 호환하는 시스템 블록도,
도 19는 본 발명의 일실시예와 호환하는 계수 메모리 내용을 도시한 도면.
도 20은 본 발명의 일실시예와 호환하는 4 탭 1 비트 ADRC에 기초한 ADRC 클래스 감소를 도시한 도면.
도 21은 본 발명의 일실시예와 호환하는 오디오 신호의 적응성 분류의 일예를 도시한 도면.
본 발명의 일실시예의 이후의 설명에 있어서, 본 발명의 일부를 형성하고, 본 발명이 실행될 수 있는 특정 실시예가 예시적으로 도시되는 첨부 도면을 참조한다. 본 발명의 범위를 벗어나지 않고도 다른 실시예가 이용될 수 있고, 구조적 변화가 이루어질 수 있음이 이해될 것이다.
본 발명은, 분류된 적응성 에러 복구를 사용하여 왜곡된 신호를 왜곡되지 않은 신호로 복원하는 방법, 장치 및 컴퓨터로 하여금 본 방법을 실행할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체를 제공한다. 타깃 데이터는, 그 값이 결정되거나 추정될 예정인 특정의 왜곡된 신호 데이터이다.
분류된 적응성 에러 복구는 분류된 적응성 필터 처리를 이용하는 기술이다. 왜곡된 입력 신호에 대한 적절한 분류는 입력 신호 특성에 따라 수행된다. 각 클래스에 대해 하나의 적응성 필터는 에러 복구 처리 이전에 준비된다.
하나 초과하는 분류 방법은 복수의 클래스를 생성시키기 위해 선택적으로 사용될 수 있다. 생성된 클래스는 움직임 클래스, 에러 클래스, 공간 활성 클래스 또는 공간 클래스를 포함할 수 있다. 적응성 클래스 탭 구조는 복수의 클래스를 생성시키기 위해 선택적으로 사용될 수 있다. 적응성 필터 탭 구조는 각 왜곡된 입력 신호에서 검출되는 클래스에 따라 선택적으로 사용될 수 있다. 적응성 필터 탭 구조는 다중 탭에 기초하여 선택적으로 확장될 수 있다. 저장되어야 하는 필터 계수의 갯수는 동일한 계수를 다중 탭에 할당시킴으로써 감소될 수 있다. 이러한 프로세스는 필터 탭 확장으로서 지칭된다. 왜곡된 입력 신호는 주변의 에러있는 데이터를 전처리함으로써 선택적으로 변경될 수 있다. 공간 클래스는 공간 클래스 제거 공식에 따라 선택적으로 제거될 수 있다.
본 발명은, 사진 또는 다른 2차원 정적 이미지, 홀로그램, 또는 다른 3차원 정적 이미지, 비디오 또는 다른 2차원 동영상, 3차원 동영상, 모노(monaural) 음향 스트림, 또는 스테레오와 같은 공간적으로 관련된 다수의 스트림으로 분리되는 음향을 제한 없이 포함하는 임의의 형태의 상관 데이터에 적용될 수 있다. 이 설명에 있어서, 일실시예에서, 용어 "값"은 수신되거나 생성되는 데이터의 세트 내의 성분으로서 지칭될 수 있다. 더욱이, 데이터 포인트는 데이터 내의 지점, 장소, 인스턴스(instance), 위치(locations) 또는 범위(range)이다.
명확하게 하기 위해, 본 명세서의 몇몇 설명은 픽셀 스트림을 구성하는 비디오 데이터에 대해 집중된다. 그러나, 본 발명이 비디오 데이터 외의 다른 유형의 데이터에 대해서도 사용될 수 있고, 본 발명을 설명하기 위해 본 명세서에 사용되는 용어 및 구(phrases)가 광범위한 응용 및 데이터 유형을 커버(cover)하는 것이 인식될 것이다. 예를 들어, 적응성 클래스 탭 구조는 다중 분류에 사용되는 클래스 탭 한정을 위한 적응성 구조이다. 공간 클래스, 움직임 클래스 및 에러 클래스는 그 구조를 한정하는데 사용될 수 있다. 적응성 필터 탭 구조는 대응하는 클래스에 기초하는 필터 탭 한정을 위한 적응성 구조이다.
하나의 클래스는 타깃 데이터의 하나 이상의 특성에 기초하여 한정될 수 있다. 또한 예를 들어, 하나의 클래스는 타깃 데이터를 포함하는 그룹의 하나 이상의 특성들에 기초하여 또한 한정될 수 있다. 클래스 ID는, 특정 특성에 관하여, 타깃 데이터를 기술하고 다른 데이터와 구별하는데 사용되는 클래스 내의 특정 값이다. 클래스 ID는 한정된 범위 내의 번호, 기호, 또는 코드로 표시될 수 있다. 파라미터는, 데이터를 계산하고, 추정하고, 또는 분류하는데 사용되는 미리 결정되거나 변하는 양으로서 사용될 수 있다. 예를 들어, 타깃 데이터의 특정 움직임 클래스 ID는, 타깃 데이터를 포함하는 블록에서의 움직임 양의 레벨을 미리 결정된 임계치일 수 있는 파라미터에 대해 비교함으로써 결정될 수 있다.
다중 분류
일실시예에서, 다중 클래스는, 타깃 데이터의 적어도 2개의 상이한 특성을 설명하는데 사용되는 특정 값의 집합(collection) 또는 값의 세트로서 사용될 수 있다. 예를 들어, 다중 클래스는 적어도 2개의 상이한 클래스의 조합인 것으로 한정될 수 있다. 예를 들어, 다중 클래스는, 에러 클래스, 움직임 클래스, 및 ADRC 클래스와 같은 공간 클래스의 조합인 것으로 한정될 수 있다.
일실시예에서, 다중 클래스 ID는, 타깃 데이터의 값을 결정하거나 추정하는데 사용되는 다른 정보 및 적절한 필터 계수를 위치시키기 위한 메모리 어드레스로 사용될 수 있다. 일실시예에서, 다중 클래스 ID에서의 상이한 클래스 ID의 단순 연결(concatenation)은 메모리 어드레스로서 사용된다.
그러므로, 다중 분류 구성이란, 타깃 데이터의 값을 더 정확히 결정하거나 추정하기 위해 타깃 데이터의 하나 초과하는 특성에 대해 타깃 데이터를 분류하는 방식이다.
에러 클래스는, 타깃 데이터 근처에 있는 에러 있는 데이터의 다양한 분포 패턴을 설명하는데 사용되는 특정 값들의 집합이다. 일실시예에서, 에러 클래스는 타깃 데이터와 인접한 데이터 중 어떤 데이터가 에러 있는지를 나타내도록 한정된다. 에러 클래스 ID는, 타깃 데이터의 근처에 있는 에러 있는 데이터의 특정 분포 패턴을 설명하는데 사용되는 에러 클래스 내의 특정 값이다. 예를 들어, "0"의 에러 클래스 ID는, 타깃 데이터의 좌우측 쪽에 에러 있는 데이터가 없다는 것을 나타내도록 한정될 수 있고; "1"의 에러 클래스 ID는, 타깃 데이터의 좌측 쪽의 데이터가 에러가 있음을 나타내도록 한정될 수 있고, 나머지도 이와 같다. 필터는 데이터의 그룹을 선택하기 위한 수학적 프로세스, 함수 또는 마스크(mask)이다.
움직임 클래스는 타깃 데이터의 움직임 특성을 설명하는데 사용되는 특정 값의 집합이다. 일실시예에서, 움직임 클래스는, 타깃 데이터를 포함하는 블록의 움직임의 상이한 레벨들, 즉 예를 들어 블록에서의 움직임이 없음, 블록에서의 움직임이 거의 없음, 또는 블록에서의 움직임이 큼과 같은 여러 레벨들에 기초하여 한정된다. 움직임 클래스 ID는, 타깃 데이터의 움직임 양의 특정 레벨을 나타내는데 사용되는 움직임 클래스 내의 특정 값이다. 예를 들어, "0"의 움직임 클래스 ID는 움직임이 없음을 나타내도록 한정될 수 있고, "3"의 움직임 클래스 ID는 움직임이 큼을 나타내도록 한정될 수 있다.
공간 클래스는 타깃 데이터의 공간 특성을 설명하는데 사용되는 특정 값의 집합이다. 예를 들어, 데이터의 공간 분류는, 적응성 동적 범위 코딩(ADRC: Adaptive Dynamic Range Coding), 차분 펄스 코드 변조(DPCM: Differential Pulse Code Modulation), 벡터 양자화(VQ: Vector Quantization), 이산 코사인 변환(DCT: Discrete Cosine Transform), 등을 사용하여 결정될 수 있다. 공간 클래스 ID는, 타깃 데이터를 포함하는 그룹 또는 블록에서의 타깃 데이터의 공간 패턴을 설명하는데 사용되는 공간 클래스 내의 특정 값이다.
예를 들어, ADRC 클래스는 적응성 동적 범위 코딩 방법에 의해 한정되는 공간 클래스이다. ADRC 클래스 ID는, 타깃 데이터를 포함하는 그룹 또는 블록에서의 데이터 분포의 공간 패턴을 설명하는데 사용되는 ADRC 클래스 내의 특정 값이다. 클래스는 타깃 데이터의 특정 특성을 설명하는데 사용되는 특정 값의 집합이다. 예를 들어 움직임 클래스, 공간 클래스, 에러 클래스, 공간 활성 클래스 등의 여러 가지 상이한 유형의 클래스가 존재한다.
본 발명은, 하나 이상의 데이터 클래스의 세트에 대응하는 데이터를 생성하는 적응 처리 방법 및 장치를 제공한다. 이 프로세스는 "분류(classification)"로 알려져 있다. 분류는 신호 분포의 다양한 속성에 의해 이루어질 수 있다. 예를 들어, 공간 클래스로서 각 클래스를 생성하는데 적응성 동적 범위 코딩(ADRC)이 사용될 수 있지만, 움직임 클래스, 에러 클래스, 및 공간 활성 클래스를 포함하는 다른 클래스가 범용성(generality)의 손실 없이 본 발명에 있어 사용될 수 있음이 당업자에 의해 인식될 것이다. 공간 활성 클래스는, 타깃 데이터의 공간 활성 특성을 설명하는데 사용되는 특정 값의 집합이다. 예를 들어, 그 데이터의 공간 활성 분류는, 동적 범위, 표준 편차, 라플라스(laplacian) 값 또는 공간 경사도(gradient) 값을 사용하여 결정될 수 있다. 몇몇 분류 방법은, 왜곡된 신호의 복원이 이루어지기 전에 바람직한 장점을 제공한다. 예를 들어, ADRC는 각 신호 파형을 자동으로 정규화(normalizing)함으로써 분류를 달성할 수 있다.
각 클래스에 대해, 신호 복원에 적합한 필터는 적응 처리를 위해 준비된다. 일실시예에서, 각 필터는 데이터에 인가되는 필터 계수의 매트릭스로 표시된다. 필터 계수는, 그 예가 다음에 설명되고 필터링 전에 준비 프로세스로서 이루어지는 트레이닝 프로세스(training process)에 의해 생성될 수 있다. 본 발명의 일실시예에서, 필터 계수는 도 2a의 블록(207)에 도시된 랜덤 액세스 메모리(RAM: Random Access Memory)에 저장될 수 있다.
본 발명의 일반적인 신호 처리 흐름은 도 2a에 도시된다. 타깃 입력 데이터(201)에는 에러 플래그(flag) 데이터(203)가 수반될 수 있다. 에러 플래그 데이터는 에러 있는 픽셀을 포함하는 데이터 내의 위치를 나타낼 수 있다. 본 발명의 일실시예에서, 하나의 ADRC 클래스가 분류 블록(205)에서 각 입력 타깃 데이터에 대해 생성되고, 각 클래스 ID에 대응하는 필터 계수들은 계수 메모리 블록(207)으로부터 출력되고, 필터 블록(209)에서 입력 데이터(201) 및 필터 계수에 대해 필터링이 수행된다. 필터링된 데이터는 에러 복구된 결과에 대응할 수 있다. 선택기(selector) 블록(211)에서, 에러 복구된 데이터 및 에러 없는 데이터 사이의 스위칭은 에러 플래그 데이터(203)에 따라 발생한다.
도 2b에서, 클래스 탭의 수가 4인 예가 도시된다. 1비트 ADRC의 경우에, 16개의 클래스 ID는 아래에 표시된 수학식 3으로 주어진 바와 같이 이용가능하다. ADRC는 아래에 표시된 수학식 2에 의해 실행된다. 로컬 동적 범위(DR: Dynamic Range)를 검출하는 것은 아래에 표시된 수학식 1로 주어진다.
Figure 112001020039380-pct00001
Figure 112001020039380-pct00002
Figure 112001020039380-pct00003
여기서 c는 ADRC 클래스 ID에 해당하고, DR은 4개의 데이터 영역의 동적 범위를 나타내고, MAX는 4개의 데이터의 최대 레벨을 나타내고, MIN은 4개의 데이터의 최소 레벨을 나타내고, qi는 또한 Q 코드라고도 지칭되는 ADRC 인코딩된 데이터이고, Q는 양자화 비트의 수이다. 연산자(
Figure 112005007029827-pct00004
)는 절단(truncation) 연산을 나타낸다.
1 비트의 ADRC에서, c는 0에서 15까지의 값을 가질 수 있고, Q=1이다. 이 프로세스는 공간 분류의 하나의 유형이지만, 차분 PCM, 벡터 양자화 및 이산 코사인 변환을 포함하는 공간 분류의 다른 예가 범용성의 손실 없이 본 발명에 대해 사용될 수 있음이 당업자에 의해 인식될 것이다. 타깃 데이터 분포를 분류할 수 있는 방법이라면 모두 사용될 수 있다.
도 2c에 도시된 예에서, 각 적응성 필터는 12개의 탭을 구비한다. 출력 데이터는 아래에 표시된 수학식 4로 주어진 선형 조합 연산에 따라 생성되는데,
Figure 112001020039380-pct00005
여기서 xi는 입력 데이터이고, wi는 각 필터 계수에 해당하고, y는 에러 복구 이후의 출력 데이터이다. 필터 계수는, 에러 복구 프로세스 이전에 발생하는 트레이닝 프로세스에 의해 각 클래스 ID에 대해 생성될 수 있다.
예를 들어, 다음 기준에 따라 트레이닝이 달성될 수 있다.
Figure 112001020039380-pct00006
여기서 X, W, 및 Y는, 예를 들어 다음의 매트릭스이다. 즉 X는 수학식 6에 의해 한정되는 입력 데이터 매트릭스이고, W는 수학식 7에 의해 한정되는 계수 매트릭스이고, Y는 수학식 8에 의해 한정되는 타깃 데이터 매트릭스에 해당한다.
Figure 112001020039380-pct00007
Figure 112001020039380-pct00008
Figure 112001020039380-pct00009
계수(wi)는 수학식 5에 따라 얻어질 수 있어서, 타깃 데이터에 대한 추정 오류는 최소화된다.
도 2c에 도시된 예에서, 각 ADRC 클래스 ID에 관한 12개의 계수는 전술한 트레이닝 방법에 의해 결정된다.
본 발명의 일실시예의 흐름도는 도 2d에 도시된다. 도 2d의 흐름도는, 왜곡된 입력 신호로부터 왜곡되지 않은 신호를 생성시키기 위한 기본 처리 스트림을 도시한다. 단계(215)에서, 주변의 에러 있는 픽셀에 대한 전처리가 수행된다. 단계(217)에서, 왜곡된 입력 신호에 관한 각 분류는 하나의 클래스 ID를 생성하도록 수행된다. 몇몇 클래스 탭은 다른 클래스 ID에 따라 적응적으로 선택된다. 움직임 분류, 에러 분류, 공간 활성 분류 및 공간 분류와 같은 다중 분류가 수행될 수 있다.
시스템 설계 동안 분류 구성이 한정될 수 있는데, 여기서 분류 구성, 클래스의 갯수, 및 그 외 다른 규격이 타깃 데이터에 대해 결정된다. 설계 단계는 그 중에서도 시스템 성능 및 하드웨어 복잡성을 고려하는 단계를 포함할 수 있다.
단계(219)에서, 다중 분류는, 단계(217)에서 여러 가지 분류에 의해 생성되는 복수의 클래스 ID를 갖는 다중 클래스 ID를 생성한다. 단계(221)에서, 필터 탭은, 단계(219)에서 생성되는 다중 클래스 ID에 따라 적응적으로 선택된다. 단계(223)에서, 필터 탭 구조는, 단계(219)에서 생성되는 다중 클래스 ID에 따라 적응적으로 확장된다. 저장되어야 하는 필터 계수의 갯수는 동일한 계수를 다중 탭에 할당시킴으로써 감소될 수 있다. 이러한 프로세스는 필터 탭 확장이라고 지칭된다. 단계(224)에서, 필터 계수는, 단계(219)에서 생성되는 다중 클래스 ID에 따라 선택된다. 단계(225)에서, 왜곡된 입력 신호에 대한 필터링은 왜곡되지 않은 신호를 생성하도록 수행된다. 필터 계수는, 단계(219)에서 생성되는 다중 클래스 ID에 따라 적응적으로 선택된다.
본 발명의 일실시예에서, 3차원 ADRC 프로세스는 시공간 분류를 실행하는데 사용될 수 있는데, 그 이유는, 2차원 ADRC 프로세스와 같은 간단한 파형 분류가 일반적으로 도 2b의 클래스에서의 일반적인 동화상을 위한 분리를 구조적으로 달성할 수 없기 때문이다. 만약 정지 영역 및 움직임 영역 모두가 동일한 클래스 ID를 사용하여 처리되면, 두 영역의 특성에서의 차이 때문에 에러 복구 품질은 저하된다.
본 발명의 다른 실시예에서, 공간 분류 이외에 움직임 분류가 시간 특성의 간단한 정의를 제공하는데 또한 사용될 수 있다. 더욱이, 다중 분류는 분류된 적응성 에러 복구 방법에 추가될 수 있다. 예를 들어, 전술한 움직임 클래스, 에러 클래스, 공간 활성 클래스 및 공간 클래스와 같은 여러 가지 유형의 클래스가 있다. 또한 이러한 하나 이상의 상이한 분류 방법들의 조합은 분류의 질을 향상시킬 수 있다.
도 3은 움직임 클래스 탭 구조의 일예를 도시한다. 본 예는 타깃 에러 데이터의 근처에 있는 8개의 탭을 보여준다. 이 예에서, 8개의 탭의 누적된 시간 차이는 아래에 표시된 수학식 9에 따라 계산될 수 있고, 아래에 표시된 수학식 10에 기초하여 임계치를 정함(thresholding)으로써 4종류의 움직임 클래스로 분류된다. 본 발명의 일실시예에서, th0은 3과 같고, th1은 8과 같고, th2는 24와 같다.
Figure 112001020039380-pct00010
Figure 112001020039380-pct00011
상기 수학식에서, fd는 누적된 시간 차이를 나타내고, xi는 현재 프레임의 움직임 클래스 탭 데이터를 나타내고, x'i는 현재 프레임에 대응하는 이전 프레임 탭 데이터를 나타내고, mc는 움직임 클래스 ID를 나타낸다. 3개의 임계치, 즉 th0, th1, th2는 이러한 움직임 분류에 사용될 수 있다.
본 발명의 일실시예에서, 에러 클래스는 분류된 적응성 에러 복구 방법과 관련하여 사용될 수 있다. 이러한 분류는 타깃 데이터의 근처에서 에러있는 데이터 분포 패턴에 따라 달성되는데, 이 예는 도 4에 도시된다. 이 예는 4개의 에러 클래스, 즉 독립 에러 경우(independent error case), 좌측 에러 경우, 우측 에러 경우, 및 3 연속 에러 경우를 갖는다.
일반적으로 말하면, 타깃 데이터에 인접한 픽셀의 필터 계수는 에러 복구를 위해 더 큰 가중치를 갖는다. 에러 데이터에 인접한 데이터는 에러 복구의 결과에 상당한 영향을 끼친다. 에러 클래스는, 인접한 에러있는 데이터 분포에 따라 상이한 특성 영역을 다른 클래스와 분리시킴으로써 이러한 영향을 감소시킬 수 있다. 도 2b에 도시된 예에 대해, ADRC 분류는 16종류의 ADRC 클래스 ID를 생성시키는데, 여기서 움직임 및 에러 분류는 각각 4종류의 클래스 ID를 생성시킨다. 따라서, 클래스 ID의 갯수는 16 ×4 ×4, 즉 256 이다. 각 신호 특성을 나타냄으로써 분류가 실행될 수 있다. 다중 분류는, 상이한 분류 특성들을 조합함으로써 에러있는 타깃 데이터에 관해 적합한 클래스, 클래스 ID를 한정할 수 있다.
적응성 클래스 탭 구조
본 발명의 일실시예에서, 적응성 클래스 탭 구조는 분류된 적응성 에러 복구 방법과 관련하여 사용될 수 있다. 도 5는 움직임 클래스 적응성 공간 클래스 탭 구조의 일예를 도시한다. 인트라-프레임(Intra-frame) 탭은 정지 영역 또는 느린 움직임 영역에서 선택될 수 있다. 인트라-필드 탭은 일반적으로 더 큰 움직임 영역에 사용된다. 적합한 공간 분류는 이러한 적응성 처리에 의해 달성된다.
예를 들어, 인트라-프레임 탭이 큰 움직임 영역 분류에 사용되면, 생성된 클래스 분포는 낮은 상관성 때문에 광범위하게 변화될 수 있으므로, 타깃 데이터 특성을 적절히 나타내기가 어려울 것이다. 그러므로, 도 5에 도시된 구조와 같은 적응성 클래스 탭 구조는 효과적이다.
추가 예는 도 6, 도 7, 도 8, 도 9에 도시된다. 공간 클래스 탭은 일반적으로 움직임 및 에러 클래스에 따라 선택된다. 움직임 인자 이외에, 에러 있는 데이터 분포도 공간 클래스 탭 한정시 고려된다. 이웃한 에러 있는 데이터는 일반적으로 공간 분류에 도입되지 않는다. 이러한 정의에 의해, 유효 데이터만이 사용되고, 분류의 정확성은 개선된다.
적응성 필터 탭 구조
본 발명의 일실시예에서, 대응하는 클래스에 기초한 적응성 필터 탭 구조는 분류된 적응성 에러 복구 방법과 관련하여 사용될 수 있다. 도 10은 에러 클래스에 기초한 적응성 필터 탭 구조의 일예를 도시한다. 일반적으로, 타깃 데이터에 관한 필터 탭 구조는, 바람직하게는 주위에서 손상된 데이터를 피하도록 적응적으로 한정된다. 손상된 데이터는, 필터링을 위해 선택되지 않는다.
적응성 필터 탭 구조는 움직임 클래스에 따라 또한 한정될 수 있는데, 그 예는 도 11에 도시된다. 도 10에 도시된 움직임 클래스 예에서, 움직임 클래스 0은 정지 영역에 대응하지만, 움직임 클래스 3은 넓은 움직임 영역에 대응한다. 움직임 클래스 1 및 움직임 클래스 2는 중간 움직임 영역들에 대응한다.
정지 또는 의사-정지(quasi-stationary) 영역에 대해, 인트라-프레임 탭이 도 11에 도시된 바와 같이 사용된다. 동시에, 타깃 데이터 위치에서의 이전 프레임 데이터는 에러 복구 필터링에 사용될 수 있다. 이러한 영역은 움직임 클래스 0 및 움직임 클래스 1에 해당한다. 빠른 움직임 또는 중간 정도의 움직임 영역에 대해, 일반적으로 각 필터는 하나의 인트라-필드 탭 구조를 갖는데, 이것도 또한 도 11에 도시된다. 도 11의 예로 도시된 바와 같이, 이전 프레임 데이터는 도입되지 않고, 이에 따라 약하게 상관된 데이터는 무시된다. 일반적으로 필터링 품질은 그러한 경우에 인트라-필드 탭에 의해 향상된다.
도 12는 움직임 및 에러 클래스 적응성 필터 탭 구조의 일예를 도시한다. 도 10 및 도 11은 각각 에러 및 움직임 클래스 적응성 필터 탭을 나타낸다. 도 12에 도시된 예는 에러 클래스 0 를 갖는 적응성 구조 둘을 모두 도시하는데, 이것은 독립 에러인 경우이다. 상부의 적응성 특성이 또한 이 예에 도시된다. 도 12의 방식과 유사한 방식에서, 도 13은 에러 클래스 1에 해당하고, 도 14는 에러 클래스 2에 해당하고, 도 15는 에러 클래스 3에 해당한다.
필터 탭 확장
본 발명의 일실시예에서, 동일한 계수를 복수의 탭에 할당시킴에 의한 필터 탭 확장은, 분류된 적응성 에러 복구 방법과 관련하여 사용될 수 있다. 필터 탭 확장은 도 12 내지 도 15에서의 구조로 또한 도시된다. 예를 들어, 필터 탭 구조는 도 12의 움직임 클래스 3에 대해 동일한 계수 탭들 중 4개를 갖는다. 계산 결과에 따라, 몇몇 탭 계수들은 동일한 계수로 대체될 수 있다. 도 12에 도시된 예는, 수평 및 수직적인 대칭 위치에 할당되는 4개의 W3 계수를 갖는다. 이러한 확장에 의해, 14개의 계수는 18개의 탭 영역을 커버할 수 있다. 일반적으로, 이러한 감소 방법은 계수 메모리, 및 가산기와 배율기와 같은 필터링 하드웨어에 대한 필요성을 감소시킬 수 있다. 본 발명의 일실시예에서, 확장 탭 한정은 계수 분포 및 시각적 결과의 계산에 의해 달성될 수 있다.
주변의 에러있는 데이터에 대한 전처리
본 발명의 일실시예에서, 주변의 에러있는 데이터에 대한 전처리는 분류된 적응성 에러 복구 방법과 관련하여 사용될 수 있다. 에러 복구 필터링을 달성하기 위해, 적합한 데이터가 필터 탭의 주변의 에러 위치에서 필요하다.
이러한 전처리의 일예는 도 16의 흐름도로 도시된다. 단계(1601, 1605, 또는 1609)에서, 타깃 데이터의 주변 위치에 에러있는 데이터가 있다면, 단계(1603, 1607, 1611)에서, 이 에러있는 데이터는, 수평 에러가 없는 경우라면 수평으로 처리된 데이터로 대체된다. 단계(1613, 1617, 또는 1621)에서, 3개의 연속적인 수평 에러가 있다면, 단계(1615, 1619, 또는 1623)에서, 전처리된 데이터를 생성시키기 위해 수직 처리가 적용된다. 이 예의 인트라 프레임(intra-frame) 데이터 주변의 모든 에러의 경우에, 단계(1625)에서, 이전 프레임 데이터가 에러 처리를 위해 도입된다.
도 17은 전처리를 위해 움직임 적응 프로세스를 사용하는 또 다른 전처리 예를 도시한다. 에러가 없는 데이터를 사용하여, 움직임의 양은 움직임 검출 단계(1701)에서 검출된다. 일반적으로 말하면, 평균화된 움직임의 양은, 그 다음 단계에서 합산된 움직임의 양을 에러가 없는 데이터의 갯수로 평균함으로써 계산된다. 움직임 또는 정지 탭은, 평균화된 움직임의 양의 결과에 대한 임계값에 따라 단계(1703)에서 선택된다. 이들 단계 이후에, 처리 단계(1705부터 1729까지)는 도 16의 단계(1601부터 1625까지)와 유사한 방식으로 수행된다. 전처리된 데이터는 이러한 우선 순위가 매겨진 프로세스에 따라 생성되고, 에러 복구 필터링을 위해 도입된다.
공간 클래스 감소
본 발명의 일실시예에서, 공간 클래스 감소는 분류된 적응성 에러 복구와 관련하여 사용될 수 있다. 전술한 바와 같이, ADRC 클래스는 수학식 3으로 주어진 공간 분류에 사용될 수 있다. 이것은 4 탭 ADRC의 한정에서 16종류의 클래스 ID를 갖는다. 이러한 16개의 클래스 ID는 아래에 표시된 수학식 11에 따라 8종류의 클래스 ID로 감소될 수 있다:
Figure 112001020039380-pct00012
여기서, c는 ADRC 클래스 ID에 해당하고, qi는 양자화된 데이터이고, Q는 수학식 1 및 수학식 2에 기초한 양자화 비트의 갯수이다.
본 발명의 일실시에서, 수학식 11은 ADRC 코드의 이진 데이터에서의 1의 보수 연산에 해당한다. 이것은 각 신호 파형의 대칭적인 특성과 관련된다. ADRC 분류가 타깃 신호 파형의 정규화(normalization)이기 때문에, 각 ADRC 코드에서 1의 보수의 관계를 갖는 2개의 파형은 동일한 클래스 ID로 분류될 수 있다. 일반적으로, ADRC 클래스 ID는 이러한 감소 프로세스에 의해 반감될 수 있다. 4-탭 1-비트 ADRC에 기초한 ADRC 클래스 감소는 도 20에 도시된다. 이 예에서, 수학식 11의 적용은 8개의 ADRC 클래스 쌍들을 제공한다. 각각의 쌍은 공간 대칭 패턴을 포함하므로, ADRC 클래스 ID의 갯수는 이러한 대칭 패턴을 이용함으로써 반으로 감소될 수 있다. 공간 클래스 감소 기술은, DPCM 및 블록 절단 코딩(BTC: Block Truncation Coding)을 포함하지만 이것에 한정되지 않는 그 외의 다른 공간 분류 기술에도 또한 적용될 수 있다.
시스템 구조
전술한 모든 프로세스를 포함하는 본 발명의 일실시예에 대한 전체 시스템 구조는 도 18에 도시된다. 입력 데이터(1801) 및 대응하는 에러 플래그(1803)가 이 시스템에 입력된다. 블록(1805)에서 에러 플래그(1803)를 검사할 때, 입력 데이터(1801)가 전처리된다. ADRC 분류는 블록(1807)에서 수행되고, 움직임 분류는 블록(1809)에서 수행되며, 에러 분류는 블록(1811)에서 수행된다.
이 예에서, ADRC 클래스 탭은, 도 6, 도 7, 도 8, 도 9에 도시된 것과 같은 에러 및 움직임 클래스에 따라 적응적으로 선택된다. 필터 탭 데이터는, 도 12, 도 13, 도 14, 도 15에 도시된 것과 같은 에러 및 움직임 클래스에 기초하여 블록(1813)에서 선택된다. 에러 복구 필터링은, 블록(1807)의 ADRC 클래스 ID와, 블록(1809)의 움직임 클래스 ID와, 블록(1811)의 에러 클래스 ID에 대응하는 계수 메모리(1815)로부터 선택된 탭 데이터 및 필터 계수를 사용하여 블록(1817)에서 수행된다. 에러 복구된 데이터 및 에러가 없는 입력 데이터(1817)는 에러 플래그(1803)에 따라 블록(1821)에서 선택되는데, 상기 블록(1821)은 이 시스템의 출력 데이터(1823)를 생성시킨다.
도 19는 계수 메모리 내용의 일예를 도시한다. 이것은, 다중 분류 구성에 따라 4 ×4 ×8 즉 128개의 클래스 ID를 갖는다. 4개의 카테고리가 하나의 에러 클래스에 사용되고, 4개의 카테고리가 하나의 움직임 클래스에 사용되고, 8개의 카테고리가 하나의 ADRC 클래스에 사용되는데, 일반적으로 이것들은 수학식 11에 따라 반감된다. 각 클래스는 도 19의 각 메모리 어드레스에 대응한다. 이 예에서, 14개의 계수는, 도 12, 도 13, 도 14, 도 15와 같은 필터 정의에 따라 각 클래스 ID 어드레스에 저장된다.
본 발명은, 사진 또는 다른 2차원 정적 이미지, 홀로그램, 또는 다른 3차원 정적 이미지, 비디오 또는 다른 2차원 동영상, 3차원 동영상, 모노 음향 스트림, 또는 스테레오와 같은 공간적으로 관련된 갯수의 스트림으로 분리되는 음향을 포함하지만, 이에 제한되지 않는 임의의 형태의 상관 데이터와 함께 사용될 수 있다. 도 21은 본 발명과 호환하는 오디오 신호 적응 분류의 일예를 도시한다. 오디오 신호(2101)의 일예는 하나 이상의 시간 포인트(T0 내지 T8)에서 감시된다. 시간 포인트(T0 내지 T8)에서의 오디오 신호(2101)의 레벨은 탭 포인트(X0 내지 X8)로 주어진다. 오디오 신호(2101)의 동적 범위는 최저 레벨 탭 포인트(X0)와 최대 레벨 탭 포인트(X4) 사이의 차이로서 주어진다. T4 에서 에러있는 데이터에 대한 에러 복구의 경우에, ADRC 분류와 같은 공간 분류와, 동적 범위 분류와 같은 공간 활성 분류를 갖는 다중 분류가 적용될 수 있다. 동적 범위 분류는, 수학식 10의 움직임 분류 처리와 유사한 방식으로 동적 범위의 임계치를 정함으로써 수행된다. 전술한 바와 같이, 움직임 분류, 에러 분류 및 공간 분류는 다중 분류 내에서 참조된다. 또한 공간 활성 분류는 비디오 데이터와 같은 일반적인 애플리케이션에 대해 다중 분류로 도입될 수 있다. 동적 범위 외에, 표준 편차, 라플라스 값 또는 공간 경사도 값은 공간 활성 분류에 대해 도입될 수 있다.
본 발명에 따라, 에러로 인해 복구되는 데이터 품질은 분류된 적응성 에러 복구 방법에 본 개시된 기술을 도입시킴으로써 향상된다. 본 발명은, 왜곡된 신호를, 변하는 데이터 상에서 질저하를 최소화하는 왜곡되지 않은 신호로 복원하는 방식을 제공한다.
본 발명이 특정 시스템 환경에서의 실시예에 관해 설명될지라도, 본 발명이, 첨부된 청구항의 사상 및 범위 내에서 다른 및 상이한 하드웨어 및 소프트웨어 환경에서 변형하여 실행될 수 있음을 당업자는 인식할 것이다.
상술한 바와 같이, 본 발명은, 일반적으로 이미지, 음향 또는 다른 상관된 신호의 처리, 구체적으로는 왜곡된 신호를 왜곡되지 않은 신호로 복원하는 방법, 장치 및 컴퓨터로 하여금 본 방법을 실행할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체에 이용된다.

Claims (55)

  1. 왜곡된 입력 신호(201)의 복원 방법으로서,
    왜곡된(deteriorated) 입력 신호의 데이터 포인트(data point)를 검출하는 단계와,
    상기 데이터 포인트를 포함하는 영역의 특성들에 기초하여 하나의 적응성 클래스 탭 구조 및 하나를 초과하는 분류 방법을 사용하는 단계와,
    복수의 클래스 유형들에 대해 상기 데이터 포인트를 포함하는 상기 영역을 분류하는 단계(217)와,
    상기 복수의 클래스 유형들에 기초하여 하나의 다중 분류 결과를 생성하는 단계(219)와,
    상기 다중 분류 결과에 따라 하나의 필터 계수를 선택하는 단계(224)와,
    상기 다중 분류 결과에 대응하는 상기 필터 계수로 상기 데이터를 필터링(filtering)함으로써 왜곡되지 않은(undeteriorated) 데이터를 생성하는 단계(225)와,
    상기 입력 신호(201)에 대응하는 상기 왜곡되지 않은 신호를 출력하는 단계(213)를
    포함하는, 왜곡된 입력 신호의 복원 방법.
  2. 제 1항에 있어서, 상기 다중 분류 결과의 생성 단계(219)는, 상기 복수의 클래스 유형들을 갖는 복수의 클래스 ID들에 기초하여 상기 다중 분류 결과를 생성하는 단계를 포함하는, 왜곡된 입력 신호의 복원 방법.
  3. 제 1항에 있어서, 하나의 클래스 ID에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하는 단계(221)를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  4. 제 1항에 있어서, 하나의 움직임 클래스(1809)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  5. 제 1항에 있어서, 하나의 에러 클래스(1811)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  6. 제 1항에 있어서, 하나의 움직임 클래스 및 하나의 에러 클래스(1813)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  7. 제 1항에 있어서, 공간 클래스(1807)를 생성하는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  8. 제 1항에 있어서, 적응성 동적 범위 코딩(ADRC: Adaptive Dynamic Range Coding) 클래스(1807)를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  9. 제 1항에 있어서, 차분 펄스 코드 변조(DPCM: Differential Pulse Code Modulation) 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  10. 제 1항에 있어서, 벡터 양자화(VQ: Vector Quantization) 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  11. 제 1항에 있어서, 이산 코사인 변환(DCT: Discrete Cosine Transform) 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  12. 제 1항에 있어서, 움직임 클래스(1809)를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  13. 제 1항에 있어서, 에러 클래스(1811)를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  14. 제 1항에 있어서, 공간 활성 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  15. 제 1항에 있어서, 동적 범위 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  16. 제 1항에 있어서, 표준 편차 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  17. 제 1항에 있어서, 라플라스(Laplacian) 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  18. 제 1항에 있어서, 공간 경사도(gradient) 클래스를 생성시키는 단계를 더 포함하는, 왜곡된 입력 신호의 복원 방법.
  19. 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호(201)를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체로서, 상기 컴퓨터로 판독가능한 프로그램 코드 수단은,
    컴퓨터로 하여금, 상기 왜곡된 입력 신호의 데이터 포인트를 검출하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단과,
    컴퓨터로 하여금, 상기 데이터 포인트를 포함하는 영역의 특성들에 기초하여 하나의 적응성 클래스 탭 구조 및 하나를 초과하는 분류 방법들을 사용하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단과,
    컴퓨터로 하여금, 복수의 클래스 유형들에 대해 상기 데이터 포인트를 포함하는 상기 영역을 분류(217)하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단과,
    컴퓨터로 하여금, 상기 복수의 클래스 유형들에 기초하여 하나의 다중 분류 결과를 생성(219)하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단과,
    컴퓨터로 하여금, 상기 다중 분류 결과에 따라 하나의 필터 계수를 선택(224)하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단과,
    컴퓨터로 하여금, 상기 다중 분류 결과에 대응하는 상기 필터 계수로 상기 데이터를 필터링함으로써 왜곡되지 않은 데이터를 생성(225)시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단과,
    컴퓨터로 하여금, 상기 입력 신호(201)에 대응하는 왜곡되지 않은 신호를 출력(213)하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단
    을 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  20. 제 19항에 있어서, 컴퓨터로 하여금, 상기 복수의 클래스 유형들을 갖는 복수의 클래스 ID들에 기초하여 상기 다중 분류 결과를 생성(219)하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  21. 제 19항에 있어서, 컴퓨터로 하여금, 하나의 클래스 ID에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택(221)하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  22. 제 19항에 있어서, 컴퓨터로 하여금, 하나의 움직임 클래스(1809)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  23. 제 19항에 있어서, 컴퓨터로 하여금, 하나의 에러 클래스(1811)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  24. 제 19항에 있어서, 컴퓨터로 하여금, 하나의 움직임 클래스 및 하나의 에러 클래스(1813)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  25. 제 19항에 있어서, 컴퓨터로 하여금, 공간 클래스(1807)를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  26. 제 19항에 있어서, 컴퓨터로 하여금, 적응성 동적 범위 코딩(ADRC) 클래스(1807)를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  27. 제 19항에 있어서, 컴퓨터로 하여금, 차분 펄스 코드 변조(DPCM) 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  28. 제 19항에 있어서, 컴퓨터로 하여금, 벡터 양자화(VQ) 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  29. 제 19항에 있어서, 컴퓨터로 하여금, 이산 코사인 변환(DCT) 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  30. 제 19항에 있어서, 컴퓨터로 하여금, 움직임 클래스(1809)를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  31. 제 19항에 있어서, 컴퓨터로 하여금, 에러 클래스(1811)를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  32. 제 19항에 있어서, 컴퓨터로 하여금, 공간 활성 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  33. 제 19항에 있어서, 컴퓨터로 하여금, 동적 범위 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  34. 제 19항에 있어서, 컴퓨터로 하여금, 표준 편차 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  35. 제 19항에 있어서, 컴퓨터로 하여금, 라플라스 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  36. 제 19항에 있어서, 컴퓨터로 하여금, 공간 경사도 클래스를 생성시키도록 하기 위해 상기 컴퓨터 사용가능한 매체에 구현되는 컴퓨터 판독가능한 프로그램 코드 수단을 더 포함하는, 컴퓨터에서 실행될 때 이 컴퓨터로 하여금 왜곡된 입력 신호를 복원할 수 있게 하는 컴퓨터로 판독가능한 프로그램 코드 수단을 포함하는 컴퓨터로 판독가능한 기록 매체.
  37. 왜곡된 입력 신호(1801)의 복원을 위한 장치로서,
    상기 왜곡된 입력 신호의 데이터 포인트를 검출하기 위한 검출기와,
    복수의 클래스 유형들 및 하나의 적응성 클래스 구조에 대해 상기 데이터를 분류하기 위해 상기 검출기에 논리적으로 연결된 분류기(1807, 1809, 1811)와,
    상기 복수의 클래스 유형들을 사용하여 하나의 다중 분류 결과를 생성시키기 위해 상기 분류기에 논리적으로 연결되는 결과 생성기와,
    상기 다중 분류 결과에 따라 하나의 필터 계수를 선택하기 위해 상기 결과 생성기에 논리적으로 연결되는 선택기(1815)와,
    상기 다중 분류 결과에 의해 선택된 상기 필터 계수로 상기 데이터를 필터링함으로써 왜곡되지 않은 데이터를 생성시키기 위해 상기 선택기(1815)에 논리적으로 연결되는 데이터 복원기(1817)와,
    상기 입력 신호(1801)에 대응하는 왜곡되지 않은 신호(1823)를 출력하기 위해 상기 데이터 복원기에 논리적으로 연결되는 송신기(1821)를
    포함하는, 왜곡된 입력 신호의 복원 장치.
  38. 제 37항에 있어서, 상기 결과 생성기는, 상기 복수의 클래스 유형들을 갖는 복수의 클래스 ID들에 기초하여 상기 다중 분류 결과를 생성시키기 위한 결과 생성기를 포함하는, 왜곡된 입력 신호의 복원 장치.
  39. 제 37항에 있어서, 하나의 클래스 ID에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하기 위한 제 2 선택기(1813)를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  40. 제 37항에 있어서, 하나의 움직임 클래스(1809)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하기 위한 제 2 선택기(1813)를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  41. 제 37항에 있어서, 하나의 에러 클래스(1811)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하기 위한 제 2 선택기(1813)를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  42. 제 37항에 있어서, 하나의 움직임 클래스 및 하나의 에러 클래스(1809, 1811)에 따라 상기 복수의 분류들을 위한 클래스 탭들을 적응적으로 선택하기 위한 제 2 선택기(1813)를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  43. 제 37항에 있어서, 공간 클래스(1807)를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  44. 제 37항에 있어서, 적응성 동적 범위 코딩(ADRC) 클래스(1807)를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  45. 제 37항에 있어서, 차분 펄스 코드 변조(DPCM) 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  46. 제 37항에 있어서, 벡터 양자화(VQ) 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  47. 제 37항에 있어서, 이산 코사인 변환(DCT) 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  48. 제 37항에 있어서, 움직임 클래스(1809)를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  49. 제 37항에 있어서, 에러 클래스(1811)를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  50. 제 37항에 있어서, 공간 활성 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  51. 제 37항에 있어서, 동적 범위 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  52. 제 37항에 있어서, 표준 편차 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  53. 제 37항에 있어서, 라플라스 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  54. 제 37항에 있어서, 공간 경사도 클래스를 생성시키기 위한 클래스 생성기를 더 포함하는, 왜곡된 입력 신호의 복원 장치.
  55. 왜곡된 입력 신호(1801)의 복원을 위한 장치로서,
    상기 왜곡된 입력 신호의 데이터 포인트를 검출하는 수단과,
    상기 데이터 포인트를 포함하는 영역의 특성들에 기초하여 하나의 적응성 클래스 탭 구조 및 하나를 초과하는 분류 방법들을 사용하는 수단과,
    복수의 클래스 유형들에 대해 상기 데이터 포인트를 포함하는 상기 영역을 분류하는 수단(1807, 1809, 1811)과,
    상기 복수의 클래스 유형들에 기초하여 하나의 다중 분류 결과를 생성하는 수단과,
    상기 다중 분류 결과에 따라 하나의 필터 계수를 선택하는 수단(1815)과,
    상기 다중 분류 결과에 대응하는 상기 필터 계수로 상기 데이터를 필터링함으로써 왜곡되지 않은 데이터를 생성하는 수단(1817)과,
    상기 입력 신호(1801)에 대응하는 왜곡되지 않은 신호(1823)를 출력하는 수단(1821)을
    포함하는, 왜곡된 입력 신호의 복원 장치.
KR1020017010131A 1999-02-12 2000-02-11 다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및장치 KR100734956B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/249,735 1999-02-12
US09/249,735 US6151416A (en) 1999-02-12 1999-02-12 Method and apparatus for adaptive class tap selection according to multiple classification

Publications (2)

Publication Number Publication Date
KR20010113686A KR20010113686A (ko) 2001-12-28
KR100734956B1 true KR100734956B1 (ko) 2007-07-03

Family

ID=22944774

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020017010131A KR100734956B1 (ko) 1999-02-12 2000-02-11 다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및장치

Country Status (10)

Country Link
US (1) US6151416A (ko)
EP (1) EP1222614B1 (ko)
JP (1) JP2002536935A (ko)
KR (1) KR100734956B1 (ko)
AT (1) ATE343822T1 (ko)
AU (1) AU2993300A (ko)
DE (1) DE60031559T2 (ko)
HK (1) HK1045745B (ko)
ID (1) ID30352A (ko)
WO (1) WO2000048118A1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6307979B1 (en) 1999-02-12 2001-10-23 Sony Corporation Classified adaptive error recovery method and apparatus
US6418548B1 (en) 1999-02-12 2002-07-09 Sony Corporation Method and apparatus for preprocessing for peripheral erroneous data
US6519369B1 (en) 1999-02-12 2003-02-11 Sony Corporation Method and apparatus for filter tap expansion
US6621936B1 (en) 1999-02-12 2003-09-16 Sony Corporation Method and apparatus for spatial class reduction
US6351494B1 (en) 1999-09-24 2002-02-26 Sony Corporation Classified adaptive error recovery method and apparatus
US6522785B1 (en) 1999-09-24 2003-02-18 Sony Corporation Classified adaptive error recovery method and apparatus
US6754371B1 (en) 1999-12-07 2004-06-22 Sony Corporation Method and apparatus for past and future motion classification
CN1248164C (zh) * 2001-06-15 2006-03-29 索尼公司 图像处理设备和方法、以及图像拍摄设备
US7123780B2 (en) * 2001-12-11 2006-10-17 Sony Corporation Resolution enhancement for images stored in a database
KR100505663B1 (ko) * 2003-01-02 2005-08-03 삼성전자주식회사 적응형 윤곽 상관 보간에 의한 디스플레이 장치의 순차주사 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0767028A (ja) * 1993-08-27 1995-03-10 Sony Corp 画像復元装置及び方法
US5479211A (en) * 1992-04-30 1995-12-26 Olympus Optical Co., Ltd. Image-signal decoding apparatus
US5790195A (en) * 1993-12-28 1998-08-04 Canon Kabushiki Kaisha Image processing apparatus
KR19980071044A (ko) * 1997-02-04 1998-10-26 이데이노부유키 정보신호 기록재생장치 및 기록재생방법
US5852470A (en) * 1995-05-31 1998-12-22 Sony Corporation Signal converting apparatus and signal converting method

Family Cites Families (58)

* 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
JPH0746864B2 (ja) * 1984-08-22 1995-05-17 ソニー株式会社 高能率符号化装置
EP0185533B1 (en) * 1984-12-19 1991-03-27 Sony Corporation 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
ATE74219T1 (de) * 1987-06-02 1992-04-15 Siemens Ag 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
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
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
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
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
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
US5481554A (en) * 1992-09-02 1996-01-02 Sony Corporation Data transmission apparatus for transmitting code data
DE69324650T2 (de) * 1992-11-06 1999-09-09 Goldstar Co. Mischungsverfahren für ein digitales Videobandaufzeichnungsgerät
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
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
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
US5946044A (en) * 1995-06-30 1999-08-31 Sony Corporation Image signal converting method and image signal converting apparatus
JP3748115B2 (ja) * 1995-07-24 2006-02-22 ソニー株式会社 画像データ復号装置及び画像データ復号方法
KR0155900B1 (ko) * 1995-10-18 1998-11-16 김광호 위상에러검출방법 및 위상 트래킹 루프회로
JP3852124B2 (ja) * 1996-02-20 2006-11-29 ソニー株式会社 信号変換装置および方法
JP3760517B2 (ja) * 1996-04-11 2006-03-29 ソニー株式会社 画像信号処理装置および方法
JP3861325B2 (ja) * 1996-05-16 2006-12-20 ソニー株式会社 動きベクトル検出装置および検出方法
JP3890638B2 (ja) * 1996-09-12 2007-03-07 ソニー株式会社 画像情報変換装置および方法
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
EP1027651B1 (en) * 1997-10-23 2013-08-07 Sony Electronics, Inc. Apparatus and method for providing robust error recovery for errors that occur in a lossy transmission environment
JP4038881B2 (ja) * 1998-06-03 2008-01-30 ソニー株式会社 画像信号の変換装置および変換方法、並びにそれに使用される係数データの生成装置および生成方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5479211A (en) * 1992-04-30 1995-12-26 Olympus Optical Co., Ltd. Image-signal decoding apparatus
JPH0767028A (ja) * 1993-08-27 1995-03-10 Sony Corp 画像復元装置及び方法
US5790195A (en) * 1993-12-28 1998-08-04 Canon Kabushiki Kaisha Image processing apparatus
US5852470A (en) * 1995-05-31 1998-12-22 Sony Corporation Signal converting apparatus and signal converting method
KR19980071044A (ko) * 1997-02-04 1998-10-26 이데이노부유키 정보신호 기록재생장치 및 기록재생방법

Also Published As

Publication number Publication date
EP1222614A4 (en) 2005-09-21
DE60031559T2 (de) 2007-08-23
WO2000048118A1 (en) 2000-08-17
AU2993300A (en) 2000-08-29
HK1045745A1 (en) 2002-12-06
DE60031559D1 (de) 2006-12-07
KR20010113686A (ko) 2001-12-28
ID30352A (id) 2001-11-22
US6151416A (en) 2000-11-21
EP1222614A1 (en) 2002-07-17
EP1222614B1 (en) 2006-10-25
HK1045745B (zh) 2007-02-02
ATE343822T1 (de) 2006-11-15
JP2002536935A (ja) 2002-10-29

Similar Documents

Publication Publication Date Title
US6192161B1 (en) Method and apparatus for adaptive filter tap selection according to a class
US6351494B1 (en) Classified adaptive error recovery method and apparatus
US7554611B2 (en) Method and apparatus of bidirectional temporal noise reduction
JPH06311506A (ja) フレーム間符号化処理方式及びフレーム間符号化処理方法及び符号化制御方式
JP4222753B2 (ja) 分類適応誤り回復方法及び装置
JP2007124650A (ja) デジタル・ビデオの雑音を低減する方法、ビデオ信号の雑音を低減する時空的フィルタ、およびデジタル・ビデオ・フレーム内の雑音を低減する方法
KR100734956B1 (ko) 다중 분류에 따른 적응성 클래스 탭 선택을 위한 방법 및장치
US20050129124A1 (en) Adaptive motion compensated interpolating method and apparatus
US6591398B1 (en) Multiple processing system
US6621936B1 (en) Method and apparatus for spatial class reduction
US6754371B1 (en) Method and apparatus for past and future motion classification
US6307979B1 (en) Classified adaptive error recovery method and apparatus
US6519369B1 (en) Method and apparatus for filter tap expansion
JP2002536935A5 (ko)
JP3486975B2 (ja) ノイズ低減装置及び方法
JP2002223374A (ja) ノイズ除去装置およびノイズ除去方法
US6418548B1 (en) Method and apparatus for preprocessing for peripheral erroneous data
KR100635559B1 (ko) 분류 적응 다중 처리 시스템
JP3627291B2 (ja) ブロック歪み除去装置および方法
JP3723995B2 (ja) 画像情報変換装置および方法
JP3640651B2 (ja) 符号化制御装置
JP4062326B2 (ja) 係数生成装置および方法
Brailean Recursive displacement field estimation with application to image sequence processing

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120608

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee