KR20040103428A - 계수의 생성 장치 및 생성 방법, 클래스 구성의 생성 장치및 생성 방법, 정보 신호 처리 장치, 및 각 방법을실행하기 위한 프로그램 - Google Patents

계수의 생성 장치 및 생성 방법, 클래스 구성의 생성 장치및 생성 방법, 정보 신호 처리 장치, 및 각 방법을실행하기 위한 프로그램 Download PDF

Info

Publication number
KR20040103428A
KR20040103428A KR1020040038395A KR20040038395A KR20040103428A KR 20040103428 A KR20040103428 A KR 20040103428A KR 1020040038395 A KR1020040038395 A KR 1020040038395A KR 20040038395 A KR20040038395 A KR 20040038395A KR 20040103428 A KR20040103428 A KR 20040103428A
Authority
KR
South Korea
Prior art keywords
class
data
coefficient
configuration
class configuration
Prior art date
Application number
KR1020040038395A
Other languages
English (en)
Inventor
곤도데쯔지로
미야이다께시
기꾸찌다이스께
지까오까시즈오
나까니시다까시
나까무라요시아끼
하가쯔기히꼬
Original Assignee
소니 가부시끼 가이샤
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 가부시끼 가이샤 filed Critical 소니 가부시끼 가이샤
Publication of KR20040103428A publication Critical patent/KR20040103428A/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H04N7/0125—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level one of the standards being a high definition standard
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
    • H04N7/0145—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes the interpolation being class adaptive, i.e. it uses the information of class which is determined for a pixel based upon certain characteristics of the neighbouring pixels

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Television Systems (AREA)

Abstract

제1 정보 신호를 제2 정보 신호로 변환할 때에, 이 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해서 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수, r<n)의 특징량을 선택하여 얻음으로써, 최적의 클래스 구성을 단시간에 얻도록 한다. 클래스 구성 생성부(401)에서, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성한다. 클래스 구성 선택부(402)에서, 이 (n-i)개의 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택한다. 선택부(402)에서 선택된 클래스 구성에서 사용된 특징량을, 생성부(401)에서 사전에 선택된 특징량으로서 사용하고, 생성부(401) 및 선택부(402)의 동작을 i를 0부터 r-1까지 순차 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 생성한다.

Description

계수의 생성 장치 및 생성 방법, 클래스 구성의 생성 장치 및 생성 방법, 정보 신호 처리 장치, 및 각 방법을 실행하기 위한 프로그램{COEFFICIENT GENERATING APPARATUS AND ITS METHOD, CLASS GENERATING APPARATUS AND ITS METHOD, INFORMATION SIGNAL PROCESSING APPARATUS, AND PROGRAM FOR EXECUTING THE METHODS}
본 발명은, 계수의 생성 장치 및 생성 방법, 클래스 구성의 생성 장치 및 생성 방법, 정보 신호 처리 장치, 및 각 방법을 실행하기 위한 프로그램에 관한 것이다.
상세하게는, 본 발명은, 제1 정보 신호를 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터 또는 이 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터(계수 데이터 등)로서, 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을, 복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식을 준비해 두고, 대상 클래스 구성이 포함하는 특징량에 기초하여 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하는 정규 방정식을 생성하여 구함으로써, 1회만의 학습으로임의의 클래스 구성에서의 각 클래스의 계수 데이터 등을 효율적으로 생성할 수 있도록 한 계수 생성 장치 등에 관한 것이다.
보다 상세하게는, 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하는 정규 방정식을 생성하여, 계수 데이터 등을 산출한다.
또한, 본 발명은, 제1 정보 신호를 제2 정보 정보 신호로 변환할 때에, 이 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻는 것에 있어서, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 1개 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 그리고 이 (n-i)개의 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻음으로써, 인간의 경험에 의존하지 않고, 최적의 클래스 구성을 단시간에 얻을 수 있도록 한 클래스 구성 생성 장치 등에 관한 것이다.
또한, 본 발명은, 제1 정보 신호를 제2 정보 신호로 변환할 때에, 이 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하는 것으로서, 그를 위해 이용되는 클래스 구성은 n개(n은 정수)의 특징량로부터 선택된 r개(r은 정수로서, r<n)의 특징량으로 이루어지며, 이 r개의 특징량을, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 그리고 이 (n-i)개의 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차적으로 변화시켜 반복함으로써 얻어진 것으로 함으로써, 최적의 클래스 구성에 의한 클래스 분류를 수반하는 변환 처리를 행하여, 제1 정보 신호로부터 제2 정보 신호로 변환할 수 있도록 한 정보 신호 처리 장치에 관한 것이다.
최근에, 화상 신호나 음성 신호의 해상도 혹은 샘플링 주파수 등을 향상시키는 기술이 다양하게 제안되어 있다. 예를 들면, 표준 혹은 저해상도에 상당하는 표준 텔레비전 신호로부터, 고해상도의 소위 HDTV 신호로 업 컨버젼을 행하는 경우나, 서브 샘플 보간을 행하는 경우에는, 종래의 선형 보간에 의한 방법보다, 클래스 분류를 수반하는 변환 처리를 행하는 쪽이, 성능적으로 양호한 결과가 얻어지는 것이 알려져 있다(특허 문헌1, 특허 문헌2 참조).
이 클래스 분류를 수반하는 변환 처리는, 예를 들면, 표준 혹은 저해상도에 상당하는 표준 텔레비전 신호(SD 신호)를 고해상도의 신호(HD 신호)로 변환하는 경우에, HD 신호의 주목 위치의 화소 데이터가 속하는, 소정의 클래스 구성에서의 클래스를 검출하고, 이 클래스에 대응한 추정식의 계수 데이터를 이용하여, 해당 추정식에 기초하여, SD 신호의 복수의 화소 데이터로부터, HD 신호의 주목 위치의 화소 데이터를 생성하는 것이다. 그리고, 이 클래스 분류를 수반하는 변환 처리에서사용되는 추정식의 계수 데이터는, 사전에 클래스마다 최소 제곱법 등의 학습에 의해 결정된다.
[특허 문헌1]
일본 특개평7-95591호 공보
[특허 문헌2]
일본 특개2000-59740호 공보
그러나, 상술한 클래스 분류를 수반하는 변환 처리를 행하기 위해서는, 클래스 분류를 행하기 위한 클래스 구성(특징량의 조합)을 결정해야만 한다. 이 때 사용하는 특징량이 많을수록 일반적으로 성능은 좋아지지만, 그 반면, 계수 데이터 혹은 이 계수 데이터를 생성하기 위한 생성식의 계수 데이터인 계수종 데이터의 데이터량이 방대해지거나, 그 계산 시간이 방대해진다. 따라서, 적절한 클래스 구성을 결정하는 것이 중요하다.
종래에는, 이 클래스 구성을 결정하기 위해서는, 인간이 지금까지의 경험으로부터 몇개의 클래스 구성의 후보를 생각하고, 클래스 구성마다 각각 학습을 행하여, 그 결과를 보고, 그 중에서 가장 좋다고 생각되는 클래스 구성을 선택해야만 하였다. 그를 위해, 인간의 경험에 의존해야만 하고, 또한 클래스 구성을 변경할 때마다 학습을 다시 해야만 하기 때문에, 방대한 시간이 걸렸다.
본 발명의 목적은, 1회만의 학습으로 임의의 클래스 구성에서의 각 클래스의 계수 데이터 등을 효율적으로 생성하는 것에 있다. 또한, 본 발명의 다른 목적은,인간의 경험에 의존하지 않고, 최적의 클래스 구성을 단시간에 얻는 것에 있다. 또한, 본 발명의 또 다른 목적은, 최적의 클래스 구성에 의한 클래스 분류를 수반하는 변환 처리를 행하여 제1 정보 신호로부터 제2 정보 신호로 변환하는 것에 있다.
도 1은 화상 신호 처리 장치의 구성을 도시하는 블록도.
도 2는 525i 신호와 1050i 신호의 화소 위치 관계를 도시하는 도면.
도 3은 클래스 탭을 설명하기 위한 도면.
도 4는 다이내믹 범위 DR 클래스를 설명하기 위한 도면.
도 5는 기본 클래스 구성의 비트 패턴 데이터를 도시하는 도면.
도 6은 HD 신호의 단위 화소 블록 내의 4 화소의 중심 예측 탭으로부터의 위상 편차(홀수 필드)를 도시하는 도면.
도 7은 HD 신호의 단위 화소 블록 내의 4 화소의 중심 예측 탭으로부터의 위상 편차(짝수 필드)를 도시하는 도면.
도 8은 정규 방정식 생성 장치의 구성을 도시하는 블록도.
도 9는 계수 생성 장치의 구성을 도시하는 블록도.
도 10a는 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성의클래스 검출 처리에서의 기본 클래스 구성의 각 클래스의 일례를 도시하는 도면.
도 10b는 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성의 클래스 검출 처리에서의 마스크 비트 패턴 데이터 MBP의 일례를 도시하는 도면.
도 10c는 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성의 클래스 검출 처리에서의 논리곱을 계산한 결과의 일례를 도시하는 도면.
도 11은 대상 클래스 구성 생성 처리의 수순을 도시하는 흐름도.
도 12는 대상 클래스 구성 생성 장치의 구성을 도시하는 블록도.
도 13은 대상 클래스 구성의 생성 처리예를 도시하는 도면.
도 14는 소프트웨어로 실현하기 위한 화상 신호 처리 장치의 구성을 도시하는 블록도.
도 15는 화상 신호 처리를 도시하는 흐름도.
도 16은 정규 방정식 생성 처리를 도시하는 흐름도.
도 17은 계수 생성 처리를 도시하는 흐름도.
도 18은 화상 신호 처리 장치의 구성을 도시하는 블록도.
도 19는 계수종 데이터용 정규 방정식의 생성 방법을 설명하기 위한 도면.
도 20은 정규 방정식 생성 장치의 구성을 도시하는 블록도.
도 21은 화상 신호 처리를 도시하는 흐름도.
도 22는 정규 방정식 생성 처리를 도시하는 흐름도.
<도면의 주요 부분에 대한 부호의 설명>
400 : 대상 클래스 구성 생성 장치
401 : 클래스 구성 생성부
404 : 대상 클래스 구성 출력부
421 : 계수 생성부
422 : 화상 신호 처리부
423 : 평가값 산출부
424 : 평가값 판정부
본 발명에 따른 계수 생성 장치는, 복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터, 또는 이 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 생성하는 장치로서, 복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 기억해 두는 기억부와, 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 이 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스의, 기억부에 기억되어 있는 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 정규 방정식 생성부와, 이 정규 방정식 생성부에서 생성된, 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어, 이 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 연산부를 구비하는 것이다.
본 발명에 따른 계수 생성 방법은, 복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터 또는 이 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 생성하는 방법으로서, 복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식이 준비되며, 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 이 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 공정과, 이 생성된, 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어, 이 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 공정을 구비하는 것이다.
본 발명에 따른 프로그램은, 상술한 계수 생성 방법을 컴퓨터에 실행시키기 위한 것이다.
본 발명에서는, 복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터 또는 이 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터(계수 데이터 등)가 생성된다. 여기서, 정보 신호는, 예를 들면 화상 신호나 음성 신호이다.
복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식이 준비된다. 이 정규 방정식은, 사전에 클래스마다 학습에 의해 얻어진다. 그리고, 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 이 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식이 생성된다.
이 경우, 예를 들면, 대상 클래스 구성의 정보에 기초하여, 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스를 검출함으로써, 대상 클래스 구성에서의 각 클래스에 각각 대응한 기본 클래스 구성에서의 클래스가 검출된다. 그리고, 이 검출된 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스의 정규 방정식을, 클래스마다 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식이 얻어진다.
또한 이 경우, 기본 클래스 구성에 n개의 특징량이 포함되고, 이 기본 클래스 구성에서의 각 클래스가, 각각의 특징량을 1비트로 나타낸 n비트 데이터로 표시될 때는, 대상 클래스 구성에 포함되는 특징량에 대응하는 비트를 "1"로 한 n비트의 마스크 비트 패턴 데이터가 생성되며, 기본 클래스 구성에서의 각 클래스를 나타내는 n비트 데이터 및 이 마스크 비트 패턴 데이터의 비트마다의 논리곱을 계산하고, 계산 결과가 동일한 비트 패턴으로 된 기본 클래스 구성에서의 클래스를 동일 분류로 하여, 대상 클래스 구성에서의 각 클래스에 각각 대응한 기본 클래스 구성에서의 클래스가 검출된다.
상술한 바와 같이 생성된, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식이 각각 풀어져, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등이 구해진다.
이와 같이, 본 발명은, 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을, 1회만의 학습으로 임의의 클래스 구성에서의 각 클래스의 계수 데이터 등을 효율적으로 생성할 수 있다. 보다 상세하게는, 복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식을 준비해 두고, 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하는 정규 방정식을 생성하여, 1회만의 학습으로 임의의 클래스 구성에서의 각 클래스의 계수 데이터 등이 효율적으로 생성된다.
본 발명에 따른 클래스 구성 생성 장치는, 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻는 클래스 구성 생성 장치로서, 사전에 선택되어 있는i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성부와, 이 클래스 구성 생성부에서 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 클래스 구성 선택부를 구비하고, 클래스 구성 선택부에서 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 클래스 구성 생성부 및 클래스 구성 선택부의 동작을 i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 것이다.
또한, 본 발명에 따른 클래스 구성 생성 방법은, 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻는 클래스 구성 생성 방법으로서, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성 공정과, 이 클래스 구성 생성 공정에서 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 클래스 구성 선택 공정을 구비하고, 클래스 구성 선택 공정에서 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 클래스 구성 생성 공정 및 클래스 구성 선택 공정의 동작을 i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 것이다.
또한, 본 발명에 따른 프로그램은, 상술한 클래스 구성 생성 방법을 컴퓨터에 실행시키기 위한 것이다.
본 발명에서는, 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성이, n개의 특징량으로부터 r개의 특징량이 선택됨으로써 얻어진다.
사전에 선택되어 있는 i개의 특징량 외에 나머지 (n-i)개의 특징량으로부터 1개 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 이 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성이 얻어진다.
제2 정보 신호에서의 주목 위치의 정보 데이터는, 이 주목 위치의 정보 데이터가 속하는 클래스에 대응한 추정식의 계수 데이터를 이용하여, 이 추정식에 기초하여 생성된다. 예를 들면, 최적의 클래스 구성의 선택은 이하와 같이 행해진다.
즉, (n-i)개의 생성 클래스 구성의 각각에서의 각 클래스의 계수 데이터가 생성된다. 그리고, 클래스 구성마다, 그 생성된 계수 데이터를 이용하여, 제2 정보 신호에 대응한 평가용 정보 신호로부터 작성된, 제1 정보 신호에 대응한 정보 신호가, 제2 정보 신호에 대응한 정보 신호로 변환된다. 그리고, 클래스 구성마다, 이 변환되어 얻어진 정보 신호와 평가용 정보 신호와의 정보 데이터마다의 차에 기초하는 평가값이 구해진다. 그리고, 이 각 클래스 구성의 평가값에 기초하여 최적의 클래스 구성이 선택된다.
이 경우, (n-i)개의 생성 클래스 구성의 각각에서의 각 클래스의 계수 데이터를 얻을 때에, 상술한 바와 같이 복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식을 이용하는 계수 생성 장치 혹은 방법을 이용함으로써, (n-i)개의 생성 클래스 구성의 각각에서의 각 클래스의 계수 데이터 등이 1회만의 학습만으로 얻어져, 처리의 효율화를 도모할 수 있다.
이와 같이, 본 발명은, 사전에 선택되어 있는 i개의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 그리고 이 (n-i)개의 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 것으로서, 인간의 경험에 의존하지 않고, 최적의 클래스 구성을 단시간에 얻을 수 있다.
본 발명에 따른 정보 신호 처리 장치는, 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환하는 정보신호 처리 장치로서, 제1 정보 신호에 기초하여, 제2 정보 신호에서의 주목 위치의 정보 데이터가 속하는 소정의 클래스 구성에서의 클래스를 검출하는 클래스 검출부와, 이 클래스 검출부에서 검출된 클래스에 대응하여, 제2 정보 신호에서의 주목위치의 정보 데이터를 생성하는 정보 데이터 생성부를 구비하는 것이다.
소정의 클래스 구성은, n개(n은 정수)의 특징량으로부터 선택된 r개(r은 정수로서, r<n)의 특징량으로 이루어진다. 이 r개의 특징량은, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 이 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차적으로 변화시켜 반복함으로써 얻어진 것이다.
본 발명에서는, 복수의 정보 데이터로 이루어지는 제1 정보 신호가 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환된다. 이 경우, 제1 정보 신호에 기초하여, 제2 정보 신호에서의 주목 위치의 정보 데이터가 속하는 소정의 클래스 구성에서의 클래스가 검출되며, 이 검출된 클래스에 대응하여, 제2 정보 신호에서의 주목 위치의 정보 데이터가 생성된다.
예를 들면, 제2 정보 신호에서의 주목 위치의 정보 데이터의 생성은 이하와 같이 행해진다. 즉, 검출된 클래스에 대응한, 추정식에서 이용되는 계수 데이터가 발생된다. 제1 정보 신호에 기초하여, 제2 정보 신호에서의 주목 위치의 주변에 위치하는 복수의 정보 데이터가 선택된다. 그리고, 발생된 계수 데이터 및 선택된 복수의 정보 데이터를 이용하여, 추정식에 기초하여 제2 정보 신호에서의 주목 위치의 정보 데이터가 산출된다.
여기서, 소정의 클래스 구성은, n개의 특징량으로부터 선택된 r개의 특징량으로 이루어지는 것으로서, 이 r개의 특징량은 이하와 같이 하여 얻어진 것이다. 즉, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 1개 선택된 (n-i)개의 클래스 구성을 생성하는 동작과, 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지적으로 순차 변화시켜 반복함으로써, r개의 특징량이 얻어진다.
이에 의해, 본 발명은, n개의 특징량으로부터 선택된 r개의 특징량으로 이루어지는 최적의 클래스 구성에 의한 클래스 분류를 수반하는 변환 처리를 행하여 제1 정보 신호로부터 제2 정보 신호로 변환할 수 있어, 제2 정보 신호를 양호하게 얻을 수 있다.
<실시예>
제1 실시 형태에 대하여 설명한다. 도 1은 정보 신호 처리 장치 중, 화상을 취급하는 화상 신호 처리 장치(100)의 구성을 도시하고 있다. 이 화상 신호 처리 장치(100)는, 525i 신호라는 SD(Standard Definition) 신호를 1050i 신호라는 HD(High Definition) 신호로 변환한다.
도 2는 525i 신호 및 1050i 신호의 임의의 프레임(F)의 화소 위치 관계를 도시하는 것으로서, 홀수(o) 필드의 화소 위치를 실선으로 나타내고, 짝수(e) 필드의 화소 위치를 파선으로 나타내고 있다. 큰 도트가 525i 신호의 화소이고, 작은 도트가 1050i 신호의 화소이다. 도 2로부터 알 수 있는 바와 같이, 1050i 신호의 화소 데이터로서는, 525i 신호의 라인에 가까운 위치의 라인 데이터 L1, L1', 525i 신호의 라인으로부터 먼 위치의 라인 데이터 L2, L2'가 존재한다.
여기서, L1, L2는 홀수 필드의 라인 데이터, L1', L2'는 짝수 필드의 라인 데이터이다. 또한, 1050i 신호의 각 라인의 화소 수는 525i 신호의 각 라인의 화소 수의 2배이다.
도 1에서, 화상 신호 처리 장치(100)는, SD 신호가 입력되는 입력 단자(101)와, 이 입력 단자(101)에 입력되는 SD 신호에 기초하여, HD 신호에서의 주목 위치의 주변에 위치하는 복수의 SD 화소의 데이터를 선택적으로 추출하여 출력하는 제 1, 제2 탭 선택 회로(102, 103)를 갖고 있다.
제1 탭 선택 회로(102)는, 예측에 사용하는 복수의 SD 화소(「예측 탭」이라고 함)의 데이터를 선택적으로 추출하는 것이다. 제2 탭 선택 회로(103)는, 클래스 분류에 사용하는 복수의 SD 화소(「클래스 탭」이라고 함)의 데이터를 선택적으로 추출하는 것이다.
또한, 화상 신호 처리 장치(100)는, 제2 탭 선택 회로(103)에서 선택적으로 추출되는 클래스 탭의 데이터로부터, HD 신호에서의 주목 위치의 화소 데이터가 속하는 클래스를 검출하는 클래스 검출 회로(104)를 갖고 있다.
본 실시 형태에서는, 도 3에 도시한 바와 같이, HD 신호에서의 주목 위치(30)의 주변에 위치하는 5개의 SD 화소의 데이터가, 클래스 탭의 데이터로서 추출되어 사용된다. 도 3에서, 「x」는 HD 신호에서의 주목 위치(30)를 나타내고 있으며, 「0」∼「4」는 탭 위치 번호를 나타내고 있다. 이 경우, 4개의 주목 위치에 대응하여, 동일한 5개의 SD 화소의 데이터가 클래스 탭의 데이터로서 추출된다.
본 실시 형태에서, 클래스 검출 회로(104)는, 기본 클래스 구성이 포함하는 12개의 특징량으로부터 선택된 예를 들면 6개의 특징량으로 이루어지는 대상 클래스 구성에서의 클래스 CL을 검출한다.
여기서, 기본 클래스 구성이 포함하는 12개의 특징량에 대하여 설명한다. 이 12개의 특징량은, 화소값 특징량 및 다이내믹 범위(DR) 특징량으로 구성된다.
화소값 특징량은, 5개의 SD 화소의 데이터가 각각 8비트 데이터로부터 2비트 데이터로 압축되어 얻어지는 2비트 코드로 구성된다. 이 데이터 압축은, 예를 들면 ADRC(Adaptive Dynamic Range Coding)에 의해 행해진다. 이 데이터 압축은, ADRC 이외, 예를 들면 DPCM(예측 부호화), VQ(벡터 양자화) 등을 이용하여 행해도 된다.
ADRC를 사용하는 경우, 클래스 탭으로서 5개의 SD 화소의 데이터의 최대값을 MAX, 그 최소값을 MIN, 다이내믹 범위를 DR(=MAX-MIN+1), 재양자화 비트 수를 P로 하면, 5개의 SD 화소 데이터 ki(i=0∼4)의 각각에 대하여, 수학식 1의 연산에 의해, 압축 데이터로서의 P비트의 재양자화 코드 Qi가 얻어진다.
상술한 바와 같이 2비트 데이터로 압축되는 경우, P=2로 되어, 2비트의 코드 Qi가 얻어진다. 5개의 SD 화소의 데이터에 관계되는 2비트 코드 Qi(i=0∼4)의 상위 비트 M 및 하위 비트 L의 각각이 화소값 특징량으로 된다.
또한, DR 특징량은, 클래스 탭으로서의 5개의 SD 화소의 데이터의 다이내믹 범위 DR이, 도 4에 도시한 바와 같이, 사전에 정해진 4개의 영역의 어디에 속하는지를 나타내는 2비트 코드(DR 클래스)에 의해 구성된다. 즉, 다이내믹 범위 DR이 0∼31, 32∼63, 64∼127, 128∼255의 각각의 영역에 속하는 경우, DR 클래스는, "00", "01", "10", "11"로 된다. 이 경우, DR 클래스의 상위 비트 M 및 하위 비트 L의 각각이 DR 특징량으로 된다.
도 5는 화소값 특징량을 구성하는 2비트 코드 Qi(i=0∼4)와, DR 특징량을 구성하는 DR 클래스(2비트 코드)를 연결한 12비트의 비트 패턴 데이터를 도시하고 있다. 이 12비트의 비트 패턴 데이터의 각 1비트가, 기본 클래스 구성이 포함하는, 0∼11의 특징량 번호의 12개의 특징량에 대응하고 있다. 이 12비트의 비트 패턴 데이터는, 기본 클래스 구성에서의 클래스를 나타내는 것으로 된다.
클래스 검출 회로(104)는, 상술한 10개의 화소값 특징량 및 2개의 DR 특징량 중에서 선택된 1개 또는 복수개, 예를 들면 6개의 특징량으로 이루어지는 대상 클래스 구성에서의 클래스 CL을 출력한다. 즉 이 경우, 클래스 CL은, 그 선택된 6개의 특징량에 대응한 6비트의 비트 패턴 데이터이다. 12개의 특징량으로부터 6개의 특징량을 어떻게 하여 선택할지는 후술한다.
도 1에서는, 화상 신호 처리 장치(100)는, 계수 메모리(105)를 갖고 있다. 이 계수 메모리(105)는, 후술하는 추정 예측 연산 회로(106)에서 사용되는 추정식에서 이용되는, 상술한 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi를 저장하는 것이다. 이 계수 데이터 Wi는, SD 신호(525i 신호)를, HD 신호(1050i 신호)로 변환하기 위한 정보이다.
상술한 바와 같이, 525i 신호를 1050i 신호로 변환하는 경우, 홀수, 짝수의 각각의 필드에서, 525i 신호의 1화소에 대응하여 1050i 신호의 4화소를 얻을 필요가 있다. 이 경우, 홀수, 짝수의 각각의 필드에서의 1050i 신호를 구성하는 2×2의 단위 화소 블록 내의 4화소는, 각각 중심 예측 탭에 대하여 서로 다른 위상 어긋남을 갖고 있다.
도 6은 홀수 필드에서의 1050i 신호를 구성하는 2×2의 단위 화소 블록 BK60 내의 4화소 HD1∼HD4에서의 중심 예측 탭 SD0으로부터의 위상 어긋남을 도시하고 있다. 여기서, HD1∼HD4의 위치는, 각각, SD0의 위치로부터 수평 방향으로 k1∼k4, 수직 방향으로 m1∼m4만큼 어긋나 있다.
도 7은 짝수 필드에서의 1050i 신호를 구성하는 2×2의 단위 화소 블록 BK70 내의 4화소 HD1'∼HD4'에서의 중심 예측 탭 SD0'으로부터의 위상 어긋남을 도시하고 있다. 여기서, HD1'∼HD4'의 위치는, 각각, SD0'의 위치로부터 수평 방향으로 k1'∼k4', 수직 방향으로 m1'∼m4'만큼 어긋나 있다.
그 때문에, 계수 메모리(105)에는, 클래스 및 출력 화소(HD1∼HD4, HD1'∼HD4')의 조합마다, 계수 데이터 Wi가 저장되어 있다. 이 계수 데이터 Wi의 생성 방법에 대해서는 후술한다.
계수 메모리(105)에는, 상술한 클래스 검출 회로(104)로부터 출력되는 클래스 코드 CL이 판독 어드레스 정보로서 공급되고, 이 계수 메모리(105)로부터는 클래스 코드 CL에 대응한 추정식의 계수 데이터 Wi(i=1∼n)가 판독되어, 추정 예측 연산 회로(106)에 공급된다. 추정 예측 연산 회로(106)에서는, 예측 탭의 데이터 xi와, 계수 메모리(105)로부터 판독되는 계수 데이터 Wi로부터, 수학식 2의 추정식에 의해, 작성해야 할 HD 화소의 데이터 y가 연산된다. 수학식 2의 n은 제1 탭 선택 회로(102)에서 선택되는 예측 탭의 수를 나타내고 있다.
또한, 화상 신호 처리 장치(100)는, 제1 탭 선택 회로(102)에서 선택적으로 추출되는 예측 탭의 데이터 xi와, 계수 메모리(105)로부터 판독되는 계수 데이터 Wi로부터, 수학식 2의 추정식에 의해, 작성해야 할 HD 신호의 화소 데이터(주목 위치의 화소 데이터)를 연산하는 추정 예측 연산 회로(106)를 갖고 있다.
상술한 바와 같이, SD 신호를 HD 신호로 변환할 때는, SD 신호의 1화소에 대하여 HD 신호의 4화소(도 6의 HD1∼HD4, 도 7의 HD1'∼HD4' 참조)를 얻을 필요가 있다. 이 추정 예측 연산 회로(106)에서는, HD 신호를 구성하는 2×2의 단위 화소 블록마다 화소 데이터가 생성된다.
즉, 이 추정 예측 연산 회로(106)에는, 제1 탭 선택 회로(102)로부터 단위화소 블록 내의 4화소(주목 화소)에 대응한 예측 탭의 데이터 xi와, 계수 메모리(105)로부터 그 단위 화소 블록을 구성하는 4화소에 대응한 계수 데이터 Wi가 공급되며, 단위 화소 블록을 구성하는 4화소의 데이터 y1∼y4는, 각각 개별로 상술한 수학식 2의 추정식에 의해 연산된다.
또한, 화상 신호 처리 장치(100)는, 추정 예측 연산 회로(106)로부터 순차적으로 출력되는, 단위 화소 블록 내의 4화소의 데이터 y1∼y4를 선순차화하여 1050i 신호의 포맷으로 출력하는 후처리 회로(107)를 갖고 있다.
다음으로, 화상 신호 처리 장치(100)의 동작을 설명한다.
입력 단자(101)에 입력되는 SD 신호(525i 신호)로부터, 제2 탭 선택 회로(103)에서, 작성해야 할 HD 신호(1050i 신호)를 구성하는 단위 화소 블록 내의 4화소(주목 위치의 화소)의 주변에 위치하는, 클래스 탭으로서의 5개의 SD 화소의 데이터가 선택적으로 추출된다.
이 제2 탭 선택 회로(103)에서 선택적으로 추출되는 클래스 탭의 데이터는 클래스 검출 회로(104)에 공급된다. 클래스 검출 회로(104)에서는, 클래스 탭으로서의 5개의 SD 화소의 데이터에 대하여 각각 ADRC 처리가 실시되어 2비트 코드 Qi가 얻어지며, 또한 클래스 탭으로서의 5개의 SD 화소의 데이터의 다이내믹 범위 DR로부터 2비트 코드(DR 클래스)가 얻어진다.
이에 의해, 클래스 검출 회로(104)에서는, 각 1비트가, 0∼11의 특징량 번호의 12개의 특징량에 대응한 12비트의 비트 패턴이 얻어진다. 그리고, 클래스 검출회로(104)에서는, 이 12비트의 비트 패턴으로부터, 대상 클래스 구성에 포함되는 6개의 특징량에 각각 대응한 비트가 추출되며, 대상 클래스 구성에서의 클래스 CL로서의 6비트의 비트 패턴 데이터가 얻어진다. 이 클래스 CL은 계수 메모리(105)에 판독 어드레스 정보로서 공급된다.
또한, 클래스 검출 회로(104)에서는, 2비트 코드 Qi(i=0∼4) 및 DR 클래스의 모두가 얻어지는 것이 아니라, 대상 클래스 구성에 포함되는 특징량에 대응한 것만이 얻어지도록 하고 있다.
계수 메모리(105)에 클래스 CL이 판독 어드레스 정보로서 공급됨으로써, 이 계수 메모리(134)로부터 클래스 코드 CL에 대응한 4출력 화소(홀수 필드에서는 HD1∼HD4, 짝수 필드에서는 HD1'∼HD4')분의 추정식의 계수 데이터 Wi가 판독되어 추정 예측 연산 회로(106)에 공급된다.
또한, 입력 단자(101)에 입력되는 SD 신호로부터, 제1 탭 선택 회로(102)에서, 작성해야 할 HD 신호를 구성하는 단위 화소 블록 내의 4화소(주목 위치의 화소)의 주변에 위치하는 예측 탭의 데이터(SD 화소 데이터) xi가 선택적으로 추출된다.
추정 예측 연산 회로(106)에서는, 예측 탭의 데이터 xi와, 계수 메모리(105)로부터 판독되는 4출력 화소 위치분의 계수 데이터 Wi로부터, 작성해야 할 HD 신호를 구성하는 단위 화소 블록 내의 4화소(주목 위치의 화소)의 데이터 y1∼y4가 연산된다(수학식 2 참조). 그리고, 이 추정 예측 연산 회로(106)로부터 순차적으로 출력되는 HD 신호를 구성하는 단위 화소 블록 내의 4화소의 데이터 y1∼y4는 후처리 회로(107)에 공급된다.
이 후처리 회로(107)에서는, 추정 예측 연산 회로(106)로부터 순차적으로 공급되는 단위 화소 블록 내의 4화소의 데이터 y1∼y4가 선순차화되어, 1050i 신호의 포맷으로 출력된다. 즉, 후처리 회로(107)로부터는, HD 신호로서의 1050i 신호가 출력되며, 이 신호는 출력 단자(108)에 도출된다.
다음으로, 계수 메모리(105)에 저장되는, 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi(i=1∼n)의 생성 방법에 대하여 설명한다.
우선, 12개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터를 각각 산출하기 위한 정규 방정식이 준비된다. 이 정규 방정식은, 사전에 학습에 의해 얻어진다.
학습 방법에 대하여 설명한다. 상술한 수학식 2에서, 학습 전에는 계수 데이터 W1, W2, …, Wn은 미정 계수이다. 학습은, 클래스마다, 복수의 신호 데이터에 대하여 행해진다. 학습 데이터 수가 m인 경우, 수학식 2에 따라, 이하에 나타내는 수학식 3이 설정된다. n은 예측 탭의 수를 나타내고 있다.
m>n인 경우, 계수 데이터 W1, W2, …, Wn은, 일의로 결정되지 않기 때문에,오차 벡터 e의 요소 ek를, 이하의 수학식 4로 정의하고, 수학식 5의 e2을 최소로 하는 계수 데이터를 구한다. 소위 최소 제곱법에 의해 계수 데이터를 일의로 정한다.
수학식 5의 e2을 최소로 하는 계수 데이터를 구하기 위한 실제적인 계산 방법으로서는, 먼저 수학식 6에 나타낸 바와 같이 e2을 계수 데이터 Wi(i=1∼n)로 편미분하고, i의 각 값에 대하여 편미분값이 0으로 되도록 계수 데이터 Wi를 구하면 된다.
수학식 7, 수학식 8과 같이 Xji, Yi를 정의하면, 수학식 6은 수학식 9의 행렬식의 형태로 쓸 수 있다. 이 수학식 9가 계수 데이터를 산출하기 위한 정규 방정식이다. 이 정규 방정식을 소인법(Gauss-Jordan 소거법) 등의 일반 해법으로 풀음으로써, 계수 데이터 Wi(i=1∼n)가 산출된다.
다음으로, 기본 클래스 구성에 포함되는 12개의 특징량 중, 대상 클래스 구성이 포함하는 6개의 특징량만을 볼 때, 그것이 동일해지는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 각각 산출하기 위한 정규 방정식이 생성된다.
여기서, 기본 클래스 구성에서의 클래스 수는 212=4096이고, 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식은 4096개이다. 이에 대하여, 6개의 특징량을 포함하는 대상 클래스 구성에서의 클래스 수는 26=64이고, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식은 64개이다.
대상 클래스 구성이 포함하는 6개의 특징량만을 볼 때, 그것이 동일해지는 기본 클래스 구성에서의 클래스의 수는 64개로 된다. 즉, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식은, 각각 기본 클래스 구성에서의 64 클래스만큼의 정규 방정식을 가산함으로써 생성된다. 64개의 정규 방정식이 수학식 10-1∼수학식 10-64로 나타날 때, 그것을 가산하여 얻어지는 정규 방정식은 수학식 11로 나타난다.
다음으로, 상술한 바와 같이 생성된, 대상 클래스 구성에서의 클래스의 계수 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어서, 각 클래스의 계수 데이터가 산출된다. 이 경우, 이 정규 방정식은 소인법 등의 일반 해법으로 풀 수 있다.
도 8은 12개의 특징량 전체로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 정규 방정식 생성 장치(200)의 구성을 나타내고 있다.
이 정규 방정식 생성 장치(200)는, 교사 신호로서의 HD 신호가 입력되는 입력 단자(201)와, 이 HD 신호에 대하여 수평 및 수직의 씨닝 처리을 행하여, 학생 신호로서의 SD 신호를 얻는 SD 신호 생성 회로(202)를 갖고 있다.
정규 방정식 생성 장치(200)는, SD 신호 생성 회로(202)로부터 출력되는 SD 신호에 기초하여, HD 신호에서의 주목 위치의 주변에 위치하는 복수의 SD 화소의 데이터를 선택적으로 추출하여 출력하는 제1, 제2 탭 선택 회로(203, 204)를 갖고 있다.
이 제1, 제2 탭 선택 회로(203, 204)는 상술한 도 1의 화상 신호 처리 장치(100)의 제1, 제2 탭 선택 회로(102, 103)와 마찬가지로 구성된다. 즉, 제1 탭 선택 회로(203)는 예측하는 데 사용하는 복수의 SD 화소(「예측 탭」이라 함)의 데이터를 선택적으로 추출하는 것이다. 제2 탭 선택 회로(204)는 클래스 분류에 사용하는 복수의 SD 화소(「클래스 탭」이라 함)의 데이터를 선택적으로 추출하는 것이다.
정규 방정식 생성 장치(200)는 제2 탭 선택 회로(204)에서 선택적으로 추출되는 클래스 탭의 데이터로부터, HD 신호에서의 주목 위치의 화소 데이터가 속하는 클래스를 검출하는 클래스 검출 회로(205)를 갖고 있다. 이 클래스 검출 회로(205)는 상술한 도 1의 화상 신호 처리 장치(100)의 클래스 검출 회로(104)와 대략 마찬가지의 구성으로 되어 있다.
클래스 검출 회로(104)는, 기본 클래스 구성이 포함하는 12개의 특징량으로부터 선택된, 예를 들면 6개의 특징량으로 이루어지는 대상 클래스 구성에서의 클래스 CL을 검출하지만, 이 클래스 검출 회로(205)는 기본 클래스 구성에서의 클래스 CLr을 검출한다.
즉, 클래스 검출 회로(205)는, 예를 들면 ADRC를 사용하여, 클래스 탭으로서의 5개의 SD 화소의 데이터를 각각 8비트 데이터로부터 2비트 데이터로 압축하여, 화소값 특징량을 구성하는 2비트 코드 Qi(i=0∼4)를 얻는다. 또한, 클래스 검출 회로(205)는 클래스 탭으로서의 5개의 SD 화소의 데이터의 다이내믹 범위 DR이 미리 정해진 4개의 영역 중 어느 영역에 속할지에 따라 2비트의 코드(DR 클래스)를얻는다(도 4 참조).
클래스 검출 회로(205)는 화소값 특징량을 구성하는 2비트 코드 Qi(i=0∼4)와, DR 특징량을 구성하는 DR 클래스(2비트 코드)를 연결한 12비트의 비트 패턴 데이터를 얻어서(도 5 참조), 이 12비트의 비트 패턴을 클래스 CLr로서 출력한다.
또한, 정규 방정식 생성 장치(200)는 입력 단자(201)에 입력되는 HD 신호의 시간 조정을 행하기 위한 지연 회로(206)와, 정규 방정식 생성부(207)를 갖고 있다. 정규 방정식 생성부(207)는 지연 회로(206)에서 시간 조정된 HD 신호로부터 얻어지는 주목 화소 데이터로서의 각 HD 화소 데이터 y, 이 각 HD 화소 데이터 y에 각각 대응하여 제1 탭 선택 회로(203)에서 선택적으로 추출되는 예측 탭의 데이터로서의 n개의 SD 화소 데이터 xi 및 각 HD 화소 데이터 y에 각각 대응하여 클래스 검출 회로(205)로부터 출력되는 클래스 CLr로부터, 클래스마다, 계수 데이터 Wi(i=1∼n)를 얻기 위한 정규 방정식(수학식 9 참조)을 생성한다.
이 경우, 1개의 HD 화소 데이터 y와 그것에 대응하는 예측 탭의 데이터 xi와의 조합에 의해 학습 데이터가 생성되지만, 교사 신호로서의 HD 신호와 학생 신호로서의 SD 신호 사이에서, 클래스마다, 많은 학습 데이터가 생성된다. 이것에 의해, 정규 방정식 생성부(207)에서는, 클래스마다, 계수 데이터 Wi(i=1∼n)를 얻기 위한 정규 방정식이 생성된다.
또한, 이 경우, 정규 방정식 생성부(207)는, 출력 화소(도 6의 HD1∼HD4, 도 7의 HD1'∼HD4' 참조)마다 정규 방정식을 생성한다. 예를 들면, HD1에 대응한 정규방정식은, 중심 예측 탭에 대한 편차값이 HD1과 동일한 관계에 있는 HD 화소 데이터 y로 구성되는 학습 데이터로부터 생성된다. 결과적으로, 정규 방정식 생성부(207)는, 클래스 및 출력 화소 위치의 조합마다, 정규 방정식을 생성한다.
정규 방정식 생성 장치(200)는, 정규 방정식 생성부(207)에서 생성된 정규 방정식의 데이터를 저장하기 위한 정규 방정식 메모리(208)를 갖고 있다. 이 정규 방정식 메모리(208)에 저장된 기본 클래스 구성에서의 각 클래스의 계수 데이터 Wi(i=1∼n)를 산출하기 위한 정규 방정식은 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi(i=1∼n)를 생성할 때에 이용된다.
다음으로, 도 8에 나타내는 정규 방정식 생성 장치(200)의 동작을 설명한다.
입력 단자(201)에는 교사 신호로서의 HD 신호(1050i 신호)가 입력된다. 이 HD 신호에 대하여, SD 신호 생성 회로(202)에서, 수평 및 수직의 씨닝 처리가 행해져서, 학생 신호로서의 SD 신호(525i 신호)가 생성된다.
SD 신호 생성 회로(202)에서 얻어지는 SD 신호로부터, 제2 탭 선택 회로(204)에서, HD 신호에서의 주목 위치의 주변에 위치하는 클래스 탭으로서의 5개의 SD 화소의 데이터가 선택적으로 추출된다.
이 제2 탭 선택 회로(204)에서 선택적으로 추출되는 클래스 탭의 데이터는 클래스 검출 회로(205)로 공급된다. 클래스 검출 회로(205)에서는, 클래스 탭으로서의 5개의 SD 화소의 데이터에 대하여 각각 ADRC 처리가 실시되어 2비트 코드 Qi가 얻어지며, 또한 클래스 탭으로서의 5개의 SD 화소의 데이터의 다이내믹 범위 DR로부터 2비트 코드(DR 클래스)가 얻어지고, 또한 이들을 결합한 12비트의 비트 패턴 데이터가 클래스 CLr로서 얻어진다.
또한, SD 신호 생성 회로(202)에서 얻어지는 SD 신호로부터, 제1 탭 선택 회로(203)에서, HD 신호에서의 주목 위치의 주변에 위치하는 예측 탭의 데이터 xi가 선택적으로 추출된다.
지연 회로(206)에서 시간 조정된 HD 신호로부터 얻어지는 각 주목 위치의 HD 화소 데이터 y, 이 각 주목 위치의 HD 화소 데이터 y에 각각 대응하여 제1 탭 선택 회로(203)에서 선택적으로 추출되는 예측 탭의 데이터 xi 및 각 주목 위치의 HD 화소 데이터 y에 각각 대응하여 클래스 검출 회로(205)에서 얻어지는 클래스 CLr을 이용하여, 정규 방정식 생성부(207)에서는, 클래스 및 출력 화소 위치의 조합마다, 계수 데이터 Wi(i=1∼n)를 얻기 위한 정규 방정식(수학식 9 참조)이 개별적으로 생성된다. 그리고, 이 정규 방정식의 데이터는 정규 방정식 메모리(208)에 저장된다.
도 9는 도 1의 화상 신호 처리 장치(100)의 계수 메모리(105)에 저장해야 할, 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi(i=1∼n)를 생성하는 계수 생성 장치(300)의 구성을 나타내고 있다.
이 계수 생성 장치(300)에는 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식의 데이터가 기억되어 있다, 기억부로서의 ROM(read only memory)(301)을 갖고 있다. 이 정규 방정식의 데이터는, 예를 들면 상술한 도 8의 정규 방정식 생성 장치(200)에서 생성된 것이다.
또한, 계수 생성 장치(300)는, 대상 클래스 구성의 정보 INF에 기초하여, 마스크 비트 패턴 데이터 MBP를 생성하는 마스크 비트 생성부(302)를 갖고 있다. 여기서, 정보 INF는 대상 클래스 구성이 포함하는, 예를 들면 6개의 특징량이, 기본 클래스 구성이 포함하는 12개의 특징량 중 어느 것인지를 나타내는 정보이다.
마스크 비트 생성부(302)는 대상 클래스 구성에 포함되는 특징량에 대응하는 비트를 "1"로 한 12비트의 마스크 비트 패턴 데이터 MBP를 생성한다. 도 10b는, 예를 들면 대상 클래스 구성이 2개의 특징량을 포함하며, 그 2개의 특징량은 2비트 코드 Q2의 하위 비트 L 및 DR 클래스의 하위 비트 L(도 5 참조)인 경우의 데이터 MBP를 나타내고 있다.
또한, 계수 생성 장치(300)는 ROM(301)에 기억되어 있는 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식을, 대상 클래스 구성에서의 각 클래스에 각각 대응한 정규 방정식으로 분류하는 정규 방정식 분류부(303)를 갖고 있다.
이 경우, 정규 방정식 분류부(303)는 대상 클래스 구성이 포함하는 특징량만을 볼 때, 그것이 동일해지는 기본 클래스 구성에서의 클래스를 검출함으로써, 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스를 검출하여, 기본 클래스 구성에서의 각 클래스의 정규 방정식을, 대상 클래스 구성에서의 각 클래스에 각각 대응한 정규 방정식으로 분류한다.
정규 방정식 분류부(303)는 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스를 검출하기 위해, 상술한 마스크 비트 패턴 데이터 MBP를 이용한다. 여기서, 마스크 비트 생성부(302)와 정규 방정식 분류부(303)로, 클래스 검출부가 구성되어 있다.
이 경우, 도 10a에 나타내는 기본 클래스 구성의 각 클래스를 나타내는 12비트 데이터(4096개)와 12비트의 마스크 비트 패턴 데이터 MBP의 비트마다의 논리곱이 계산되며, 계산 결과가 동일한 비트 패턴으로 된 기본 클래스 구성에서의 클래스가 동일한 분류로 되어, 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스가 검출된다.
예를 들면, 마스크 비트 패턴 데이터 MBP가 도 10b에 나타나 있을 때, 논리곱을 계산한 결과는 도 10c에 나타낸 바와 같다. 이 경우, 계산 결과로서는 「000000000000」, 「000000000001」, 「000001000000」, 「000001000001」의 4 종류의 비트 패턴이 얻어진다. 이 4 종류의 비트 패턴에 각각 대응한 기본 클래스 구성에서의 클래스가 동일한 분류로 되어, 각각으로 분류된 기본 클래스 구성에서의 클래스는, 대상 클래스 구성에서의 4개의 클래스, 즉 「00」, 「01」, 「10」, 「11」에 각각 대응한 것으로 된다.
도 10은 간단히 나타내기 위해, 대상 클래스 구성이 2개의 특징량을 포함하는 경우를 나타내었지만, 예를 들면 대상 클래스 구성이 6개의 특징량을 포함하는 경우에는 계산 결과로서 64 종류의 비트 패턴이 얻어진다. 그리고, 이 64 종류의 비트 패턴에 각각 대응한 기본 클래스 구성에서의 클래스가 동일한 분류로 되어, 각각으로 분류된 기본 클래스 구성에서의 클래스는, 대상 클래스 구성에서의 64개의 클래스에 각각 대응한 것으로 된다.
또한, 계수 생성 장치(300)는, 정규 방정식 분류부(303)에서 대상 클래스 구성에서의 각 클래스에 각각 대응하도록 분류된, 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식을, 분류 마다 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식을 생성하는 정규 방정식 가산부(304)를 갖고 있다. 여기서, 상술한 마스크 비트 생성부(302) 및 정규 방정식 분류부(303)로 구성되는 클래스 검출부와, 정규 방정식 가산부(304)에 의해, 정규 방정식 생성부가 구성되어 있다.
이 경우, 대상 클래스 구성이 6개의 특징량을 포함할 경우에는, 64개의 클래스에 각각 대응한 정규 방정식이 생성되지만, 각 클래스의 정규 방정식은 기본 클래스 구성인 64개의 클래스의 계수 데이터를 산출하기 위한 정규 방정식을 가산함으로써 생성된다(수학식 10-1∼수학식 10-64, 수학식 11 참조).
또한, 이 경우, 정규 방정식 가산부(304)에서는, 출력 화소(도 6의 HD1∼HD4, 도 7의 HD1'∼HD4' 참조)마다 정규 방정식의 가산이 행해진다. 따라서, 정규 방정식 가산부(304)에서는, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이 클래스 및 출력 화소 위치의 조합마다 생성된다.
또한, 계수 생성 장치(300)는, 정규 방정식 가산부(304)에서 생성된, 클래스 및 출력 화소 위치의 조합마다 생성된 정규 방정식의 데이터가 공급되어, 그 정규 방정식을 풀어서, 클래스 및 출력 화소 위치의 조합마다, 계수 데이터 Wi를 구하는연산부(305)와, 이 연산부(305)에서 구해진 계수 데이터 Wi를 저장하는 계수 메모리(306)를 갖고 있다. 연산부(305)에서는, 정규 방정식을 예를 들면 소인법 등에 의해 풀어서, 계수 데이터 Wi를 얻을 수 있다.
도 9에 도시하는 계수 생성 장치(300)의 동작을 설명한다.
대상 클래스 구성의 정보 INF가 마스크 비트 생성부(302)로 공급된다. 마스크 비트 생성부(302)에서는, 대상 클래스 구성에 포함되는 특징량에 대응하는 비트를 "1"로 한 12비트의 마스크 비트 패턴 데이터 MBP가 생성된다. 이 데이터 MBP는 정규 방정식 분류부(303)로 공급된다.
정규 방정식 분류부(303)에서는, ROM(301)에 기억되어 있는 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이, 대상 클래스 구성에서의 각 클래스에 각각 대응한 정규 방정식으로 분류된다.
이 분류를 위해, 정규 방정식 분류부(303)에서는 대상 클래스 구성이 포함하는 특징량만을 볼 때, 그것이 동일해지는 기본 클래스 구성에서의 클래스를 검출함으로써, 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스가 검출된다.
이 경우, 기본 클래스 구성의 각 클래스를 나타내는 12비트 데이터(4096개)와 12비트의 마스크 비트 패턴 데이터 MBP의 비트마다의 논리곱이 계산되고, 계산 결과가 동일한 비트 패턴으로 된 기본 클래스 구성에서의 클래스가 동일한 분류로 되어, 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스가 검출된다.
정규 방정식 가산부(304)에서는, 정규 방정식 분류부(303)에서 대상 클래스 구성에서의 각 클래스에 각각 대응하도록 분류된, 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이, 분류 마다 가산되어, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이 생성된다. 이 경우, 기본 클래스 구성에서의 각 클래스에 대응한 정규 방정식의 데이터는 ROM(301)으로부터 판독되며, 정규 방정식 분류부(303)를 통해 정규 방정식 가산부(304)로 공급된다.
또한, 이 경우, 출력 화소(도 6의 HD1∼HD4, 도 7의 HD1'∼HD4' 참조)마다 정규 방정식의 가산이 행해진다. 그 때문에, 정규 방정식 가산부(304)에서는, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이 클래스 및 출력 화소 위치의 조합마다 생성된다.
정규 방정식 가산부(304)에서 생성된, 클래스 및 출력 화소 위치의 조합마다 생성된 정규 방정식의 데이터는 연산부(305)로 공급된다. 이 연산부(305)에서, 그 정규 방정식을 풀어, 클래스 및 출력 화소 위치의 조합마다, 계수 데이터 Wi가 구해진다. 이 계수 데이터 Wi는 계수 메모리(306)에 저장된다.
이와 같이, 도 9에 도시하는 계수 생성 장치(300)에서는 도 1의 화상 신호 처리 장치(100)의 계수 메모리(105)에 저장되는 클래스 및 출력 화소(HD1∼HD4, HD1'∼HD4')의 조합마다의 추정식에서 이용되는 계수 데이터 Wi를 생성할 수 있다.
이 경우, ROM(301)에 12개의 특징량을 포함하는 기본 클래스 구성에서의 각클래스의 계수 데이터를 산출하기 위한 정규 방정식을 기억해두고, 대상 클래스 구성이 포함하는 특징량만 볼 때, 그것이 동일해지는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 각각 산출하는 정규 방정식을 생성하고, 이 정규 방정식을 구함으로써, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 효율적으로 생성할 수 있으며, 1회만의 학습으로 임의의 클래스 구성에서의 각 클래스의 계수 데이터를 생성할 수 있다. 따라서, 대상 클래스 구성이 포함하는 특징량을 변경할 경우에, 다시 학습을 행할 필요가 없이, 단시간에 용이하게 계수 데이터를 생성할 수 있다.
상술한 바와 같이, 도 1에 도시하는 화상 신호 처리 장치(100)에서는, 12개의 특징량으로부터 예를 들면, 6개의 특징량이 선택되고, 이 선택된 6개의 특징량을 포함하는 대상 클래스 구성에서의 클래스 분류가 행해진다.
여기서, 일반적으로, n개(n은 정수)의 특징량으로부터, r개(r은 정수, r<n)의 특징량을 선택하고, r개의 특징량을 포함하는 대상 클래스 구성을 생성하는 처리에 대하여 설명한다.
도 11의 흐름도는 그 처리 수순을 나타내고 있다.
단계 ST1에서, i=0으로 설정된다. 단계 ST2에서, 사전에 선택되어 있는 i개(i는 정수)의 특징량 이외에 추가로, 나머지 (n-i)개의 특징량으로부터 1개를 선택하고, 각각 (i+1)개의 특징량을 포함하는 (n-i)개의 클래스 구성이 만들어진다.
단계 ST3에서, (n-i)개의 클래스 구성 중에서, 임의의 평가값을 사용하여,최적의 클래스 구성이 선택된다. 예를 들면, 이 최적의 클래스 구성의 선택 처리는 이하와 같이 행해진다.
먼저, (n-i)개의 클래스 구성에서의 각 클래스의 계수 데이터를 생성한다. 이 계수 데이터의 생성은, 예를 들면 상술한 도 9에 도시하는 계수 생성 장치(300)를 이용하여 행한다.
다음으로, 클래스 구성마다, 생성된 각 클래스의 계수 데이터를 이용하여, SD 신호에 대응한 화상 신호는, 상술한 도 1에 도시하는 화상 신호 처리 장치(100)를 이용하여, HD 신호에 대응한 화상 신호로 변환된다. 여기서, SD 신호에 대응한 화상 신호는 HD 신호에 대응한 평가용 화상 신호에 대하여 수평 및 수직의 씨닝 처리를 행하여 작성된 것으로 한다.
다음으로, 클래스 구성마다, 변환된 화상 신호와 평가용 화상 신호의 화소 데이터마다의 차에 기초하는 평가값이 구해진다. 수학식 12는 평가값의 일례로서의 SNR(Signal to Noise Ratio)을 나타내고 있다. 수학식 12에서, yi는 변환된 화상 신호에서의 i번째의 화소 데이터, Yi는 평가용 화상 신호에서의 i번째의 화소 데이터, N은 화소 수를 나타내고 있다.
다음으로, 각 클래스 구성의 평가값에 기초하여, 최적 클래스 구성이 선택된다. 평가값이 수학식 12로 나타내는 SNR일 때에는, 이 SNR이 최대로 되는 클래스 구성을 최적 클래스 구성으로 한다.
도 11에서는, 단계 ST3의 처리 후에, 단계 ST4에서, 선택된 클래스 구성에서 사용된 특징량이 사전에 선택된 특징량으로 되며, 단계 ST5에서, i가 1만큼 증가된다. 단계 ST6에서, i=r인지 여부를 판정한다. i=r일 때에는, 사전에 대상 클래스 구성에 포함되는 r개의 특징량이 선택된 것으로 되기 때문에, 처리가 종료된다. 한편, i=r이 아닐 때에는, 단계 ST2로 되돌아가 상술한 바와 마찬가지의 처리가 반복된다.
도 12는 대상 클래스 구성 생성 장치(400)의 구성을 나타내고 있다.
이 대상 클래스 구성 생성 장치(400)는 사전에 선택되어 있는 i개(i는 정수)의 특징량 이외에 추가로, 나머지 (n-i)개의 특징량으로부터 1개 선택하여, 각각 (i+1)개의 특징량을 포함하는 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성부(401)와, 이 (n-i)개의 클래스 구성(생성 클래스 구성) 중에서, 임의의 평가값을 사용하여, 최적의 클래스 구성을 선택하는 클래스 구성 선택부(402)를 갖고 있다.
또한, 이 대상 클래스 구성 생성 장치(400)는 선택된 특징량의 갯수가 r개로 되었는지 여부를 판정하는 선택 완료 특징량 수 판정부(403)와, 선택된 특징량의 갯수가 r개로 되었을 때, 선택된 r개의 특징량의 정보를 대상 클래스 구성의 정보 INF로서 출력하는 대상 클래스 구성 출력부(404)와, 이 정보 INF를 출력하는 출력 단자(405)를 갖고 있다.
이 경우, 클래스 구성 선택부(402)에서 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 상술한 클래스 구성 생성부(401) 및 클래스 구성 선택부(402)의 동작을 i=0∼r-1까지 순차 변화하여 반복함으로써, r개의 특징량이 선택되어, 대상 클래스 구성이 생성된다.
클래스 구성 선택부(402)는 계수 생성부(421)와, 화상 신호 처리부(422)와, 평가값 산출부(423)와, 평가값 판정부(424)로 구성된다. 계수 생성부(421)는 클래스 구성 생성부(401)에서 생성된 (n-i)개의 클래스 구성에서의 각 클래스의 계수 데이터 Wi를 생성한다. 이 계수 생성부(421)는, 예를 들면 상술한 도 9에 도시하는 계수 생성 장치(300)를 이용하여, (n-i)개의 클래스 구성에서의 각 클래스의 계수 데이터 Wi를 생성한다. 이것에 의해, (n-1)개의 생성 클래스 구성 각각에서의 각 클래스의 계수 데이터를 1회만의 학습에 의해 얻을 수 있어서, 처리의 효율화를 도모할 수 있다.
화상 신호 처리부(422)는 클래스 구성마다, 계수 생성부(421)에서 생성된 각 클래스의 계수 데이터를 이용하여, SD 신호에 대응한 화상 신호를, HD 신호에 대응한 화상 신호로 변환한다. 이 화상 신호 처리부(422)는 도 1에 도시하는 화상 신호 처리 장치(100)를 이용하여, SD 신호에 대응한 화상 신호를 HD 신호에 대응한 화상 신호로 변환한다. 이 경우, 계수 메모리(105)에는, 계수 생성부(421)에서 생성된 계수 데이터 Wi가 미리 저장된다. 또한, SD 신호에 대응한 화상 신호는 HD 신호에 대응한 평가용 화상 신호 Vr에 대하여 수평 및 수직의 씨닝 처리를 행하여 작성된 것으로 된다.
평가값 산출부(423)는 클래스 구성마다, 화상 신호 처리부(422)로 변환되어얻어진 화상 신호 Vo과 평가용 화상 신호 Vr의 화소 데이터마다의 차에 기초하는 평가값을 산출한다. 예를 들면, 평가값은 상술한 수학식 12에서 나타내는 SNR이다. 평가값 판정부(424)는 평가값 산출부(423)에서 구해진, 각 클래스 구성의 평가값에 기초하여, 최적 클래스 구성을 선택한다. 평가값이 수학식 12에서 나타내는 SNR일 때에는, 이 SNR이 최대로 되는 클래스 구성이 최적 클래스 구성으로서 선택된다.
도 12에 도시하는 대상 클래스 구성 생성 장치(400)의 동작을 설명한다.
최초, 판정부(403)는 i=0으로 하고, 클래스 구성부(401)에, 1개의 특징량을 포함하는 n개의 클래스 구성을 생성하도록 지시를 공급한다. 클래스 구성 생성부(401)는 그 지시에 따라, 클래스 구성을 생성하고, 생성된 각 클래스 구성의 정보를 클래스 구성 선택부(402)로 공급한다.
클래스 구성 선택부(402)는 클래스 구성 생성부(401)에서 생성된 클래스 구성(생성 클래스 구성) 중에서, 임의의 평가값을 사용하여, 최적의 클래스 구성을 선택한다. 이 경우, 그것에 따른 클래스 분류를 행하였을 때에, SD 신호를 가장 양호하게 HD 신호로 변환할 수 있는 클래스 구성이 최적의 클래스 구성으로서 선택된다.
클래스 구성 선택부(402)에서 선택된 클래스 구성의 정보는 판정부(403)로 공급된다. 판정부(403)는 i에 1을 더하여 i=2로 하고, i=r이 아닐 때에는, 클래스 구성부(401)에, 클래스 구성 선택부(402)에서 선택된 클래스 구성에 포함되는 특징량의 정보를 사전에 선택된 특징량의 정보로서 공급하여, 2개의 특징량을 포함하는(n-1)개의 클래스 구성을 생성하도록 지시한다.
클래스 구성 생성부(401)는, 그 지시에 따라, 클래스 구성을 생성하고, 생성된 각 클래스 구성의 정보를 클래스 구성 선택부(402)에 공급한다. 클래스 구성 선택부(402)는, 클래스 구성 생성부(401)에서 생성된 클래스 구성(생성 클래스 구성) 중에서, 최적의 클래스 구성을 선택한다.
클래스 구성 선택부(402)에서 선택된 클래스 구성의 정보는 판정부(403)에 공급된다. 판정부(403)는 i에 1을 더하여 i=3으로 하고, i=r이 아닐 때에는, 클래스 구성부(401)에, 클래스 구성 선택부(402)에서 선택된 클래스 구성에 포함되는 특징량의 정보를, 사전에 선택된 특징량의 정보로서 공급하고, 3개의 특징량을 포함하는 (n-2)개의 클래스 구성을 생성하도록 지시를 공급한다.
이하, 판정부(403)에서 i=r이라고 판정되기까지, 상술한 동작이 반복되어 행해진다. 판정부(403)는 i=r이라고 판정할 때, 클래스 구성 선택부(402)에서 최종적으로 선택된 클래스 구성의 정보(r개의 특징량 정보)를 대상 클래스 구성 출력부(404)에 공급한다. 이 출력부(404)는 대상 클래스 구성의 정보 INF를 출력 단자(405)에 출력한다.
도 13은 실제로 12개의 특징량에서 6개의 특징량을 선택하여 대상 클래스 구성을 생성한 경우의 처리예를 도시하고 있다. 「↓」는 각 회에서 선택된 특징량을 나타내고 있다.
1회째에는 1개의 특징량으로 이루어지는 12개의 클래스 구성이 생성되고, SNR로 평가한 결과, 특징량(6)을 포함하는 클래스 구성이 최적 클래스 구성으로서선택되었다. 2회째에는 특징량(6)과 다른 1개의 특징량을 포함하는 2개의 특징량으로 이루어지는 11개의 클래스 구성이 생성되고, SNR로 평가한 결과, 특징량(6, 2)을 포함하는 클래스 구성이 최적 클래스 구성으로서 선택되었다. 3회째에는 특징량(6, 2)과 다른 1개의 특징량을 포함하는 3개의 특징량으로 이루어지는 10개의 클래스 구성이 생성되고, SNR로 평가한 결과, 특징량(6, 2, 10)을 포함하는 클래스 구성이 최적 클래스 구성으로서 선택되었다.
4회째에는 특징량(6, 2, 10) 외에 1개의 특징량을 포함하는 4개의 특징량으로 이루어지는 9개의 클래스 구성이 생성되고, SNR로 평가한 결과, 특징량(6, 2, 10, 5)을 포함하는 클래스 구성이 최적 클래스 구성으로서 선택되었다. 5회째에는 특징량(6, 2, 10, 5) 외에 1개의 특징량을 포함하는 5개의 특징량으로 이루어지는 8개의 클래스 구성이 생성되고, SNR로 평가한 결과, 특징량(6, 2, 10, 5, 7)을 포함하는 클래스 구성이 최적 클래스 구성으로서 선택되었다. 6회째에는 특징량(6, 2, 10, 5, 7) 외에 1개의 특징량을 포함하는 6개의 특징량으로 이루어지는 7개의 클래스 구성이 생성되고, SNR로 평가한 결과, 특징량(6, 2, 10, 5, 7, 3)을 포함하는 클래스 구성이 최적 클래스 구성으로서 선택되었다.
그 결과, 특징량(6, 2, 10, 5, 7, 3)을 포함하는 클래스 구성이 대상 클래스 구성으로서 얻어졌다.
이와 같이, 도 12에 도시한 대상 클래스 구성 생성 장치(400)에서는, 사전에 선택되어 있는 i개의 특징량 외에 추가로 나머지 (n-i)개의 특징량에서부터 1개 선택된 (n-i)개의 클래스 구성을 생성하는 동작과, 그리고 이 (n-i)개의 클래스 구성중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0에서부터 r-1까지 순차 변화시켜서 반복하여, n개의 특징량에서부터 r개의 특징량을 선택하여, r개의 특징량으로 이루어지는 대상 클래스 구성이 얻어지는 것으로, 사람의 경험에 의지하지 않고, 최적의 클래스 구성을 단시간에 얻을 수 있다.
여기에서, n개의 특징량으로부터 r개의 특징량을 선택하여 클래스 구성을 만들고자 하는 경우, 생각되는 클래스 구성의 수는, nCr=n!/{(n-r)!r!}가 된다. 예를 들면, 12개의 특징량으로부터 6개의 특징량을 선택하여 클래스 구성을 만들고자 하는 경우, 생각되는 클래스 구성의 수는 12C6=924가 된다. 이 클래스 구성의 수는 n이 많아질수록 막대한 수가 된다. 그 때문에, 모든 클래스 구성에 대하여 모두가 최적인지의 여부의 평가를 행하는 데에 막대한 시간이 필요하게 되어 곤란하다.
그러나, 도 12에 도시한 대상 클래스 구성 생성 장치(400)에서 최적의 클래스 구성을 생성하는 경우에는, 비교를 위해 필요해지는 클래스 구성의 수는 n+(n-1)+(n-2)+…+(n-r+1)이 된다. 예를 들면, 12개의 특징량에서 6개의 특징량을 선택하여 클래스 구성을 생성하는 경우, 비교를 위해 필요한 클래스 구성의 수는, 12+11+10+9+8+7=57이 되어, 모두가 최적인지의 여부를 평가하는 경우에 비하여 대폭 삭감된다. 따라서, 최적의 클래스 구성을 단시간에 얻을 수 있다.
또, 도 12에 도시한 대상 클래스 구성 생성 장치(400)에서 r개의 특징량을 선택함으로써 대상 클래스 구성이 생성된 경우와, 모두에 있어 r개의 특징량을 포함하는 대상 클래스 구성이 얻어진 경우에는, 포함되는 r개의 특징량이 대략 일치하는 것이 실험으로 확인되고 있다.
처리 장치의 도시는 생략하지만, 도 12의 대상 클래스 구성 생성 장치(400)에서의 처리도, 소프트웨어로 실현 가능하다. 그 경우에, 상기한 도 11의 흐름도에서 도시한 순서에 따라 대상 클래스 구성을 생성하는 처리가 행해진다.
상술한 도 1에 도시한 화상 신호 처리 장치(100)에서는, 도 12에 도시한 대상 클래스 구성 생성 장치(400)에 의해, 12개의 특징량으로 예를 들면 6개의 특징량이 선택되고, 이 선택된 6개의 특징량을 포함하는 대상 클래스 구성에서의 클래스 분류가 행해진다. 상술한 바와 같이, 이 대상 클래스 구성은, 사람의 경험에 의지하지 않고, 최적의 클래스 구성이 된다. 따라서, 화상 신호 처리 장치(100)에서는 최적의 클래스 구성에 의한 클래스 분류를 수반하는 변환 처리를 행하여 SD 신호로부터 HD 신호로 변환할 수 있다.
또, 도 1의 화상 신호 처리 장치(100)에서의 처리는, 에를 들면 도 14에 도시한 바와 같이 화상 신호 처리 장치(500)에 의해, 소프트웨어로 실현하는 것도 가능하다.
도 14에 도시한 화상 신호 처리 장치(500)에 대하여 설명한다. 이 화상 신호 처리 장치(500)는 장치 전체의 동작을 제어하는 CPU(501)와, 이 CPU(501)의 제어 프로그램이나 계수 데이터 등이 저장된 ROM(Read Only Memory)(502)과, CPU(501)의 작업 영역을 구성하는 RAM(Random Access Memory)(503)을 갖고 있다. 이들 CPU(501), ROM(502) 및 RAM(503)은, 각각 버스(504)에 접속되어 있다.
화상 신호 처리 장치(500)는 외부 기억 장치로서의 하드 디스크 드라이브(HDD)(505)와, 플로피(등록상표) 디스크 드라이브(506)를 갖고 있다. 이들 드라이브(505, 506)는 각각 버스(504)에 접속되어 있다.
화상 신호 처리 장치(500)는 인터넷 등의 통신망(507)에 유선 또는 무선으로 접속하는 통신부(508)를 갖고 있다. 이 통신부(508)는 인터페이스(509)를 통하여 버스(504)에 접속되어 있다.
또한, 화상 신호 처리 장치(500)는 사용자 인터페이스부를 구비하고 있다. 이 사용자 인터페이스부는 리모트 컨트롤러 송신기(510)로부터의 리모트 컨트롤러 신호 RM을 수신하는 리모트 컨트롤러 신호 수신 회로(511)와, CRT(Cathode-Ray Tube), LCD(Liquid Crystal Display) 등으로 이루어지는 디스플레이(513)를 갖고 있다. 수신 회로(511)는 인터페이스(512)를 통하여 버스(504)에 접속되고, 마찬가지로 디스플레이(513)는 인터페이스(514)를 통하여 버스(504)에 접속되어 있다.
화상 신호 처리 장치(500)는 SD 신호를 입력받기 위한 입력 단자(515)와, HD 신호를 출력하기 위한 출력 단자(517)를 구비하고 있다. 입력 단자(515)는 인터페이스(516)를 통하여 버스(504)에 접속되고, 마찬가지로 출력 단자(517)는 인터페이스(518)를 통하여 버스(504)에 접속된다.
여기에서, 상술한 바와 같이 ROM(502)에 제어 프로그램이나 계수 데이터 등을 미리 저장해 두는 대신에, 예를 들면 인터넷 등의 통신망(507)에 의해 통신부(508)를 통하여 제어 프로그램이나 계수 데이터 등이 다운로드되고, 하드 디스크 드라이브(505)나 RAM(303)에 저장되어 사용될 수도 있다. 또한, 이들 제어프로그램이나 계수 데이터 등을 플로피(등록상표) 디스크로 제공되도록 해도 된다.
또한, 처리되어야 할 SD 신호는 입력 단자(515)에 의해 입력되는 대신에, 미리 하드 디스크 드라이브(505)에 기억시켜 두고, 혹은 인터넷 등의 통신망(507)으로부터 통신부(508)를 통하여 다운로드되도록 해도 된다. 또한, 처리 후의 HD 신호를 출력 단자(517)에 출력하는 대신에, 혹은 그들과 병행하여 디스플레이(513)에 공급하여 화상 표시를 하거나, 또한 하드디스크 드라이브(505)에 저장하거나, 통신부(508)를 통하여 인터넷 등의 통신망(507)에 송출하도록 해도 된다.
도 15의 흐름도를 참조하여, 도 14에 도시한 화상 신호 처리 장치(500)에서 SD 신호로부터 HD 신호를 얻기 위한 처리 순서를 설명한다.
단계 ST11에서 처리가 개시되고, 단계 ST12에서, 예를 들면 입력 단자(515)에 의해 장치 내에 1 프레임분 또는 1 필드분의 SD 신호가 입력된다. 이와 같이 입력되는 SD 신호는 RAM(503)에 일시적으로 기억된다. 또, 이 SD 신호가 장치 내의 하드 디스크 드라이브(505)에 미리 기록되어 있는 경우에는, 이 드라이브(505)로부터 SD 신호를 판독하고, 판독된 SD 신호를 RAM(503)에 일시적으로 기억한다.
단계 ST13에서, SD 신호의 전체 프레임 또는 전체 필드의 처리가 종료되었는지의 여부가 판정된다. 처리가 종료되었을 때에는 단계 ST14에서, 처리가 종료된다. 한편, 처리가 종료되지 않았을 때에는 단계 ST15로 진행한다.
단계 ST15에서는, SD 신호로부터의 HD 신호에서의 주목 위치의 주변에 위치하는 클래스 탭의 데이터가 취득되고, 이 클래스 탭의 데이터에 기초하여, HD 신호에서의 주목 위치의 화소 데이터가 속하는 클래스 CL이 생성된다. 예를 들면, 클래스 탭의 데이터로서 5개의 SD 화소의 데이터가 판독되고, 6개의 특징량을 포함하는 대상 클래스 구성에서의 클래스 CL이 생성된다.
단계 ST16에서, SD 신호로부터의 HD 신호에서의 주목 위치의 주변에 위치하는 예측 탭의 데이터가 취득된다. 단계 ST17에서, 단계 ST15에서 생성된 클래스 코드 CL에 대응한 계수 데이터 Wi와 단계 ST16에서 취득된 예측 탭의 데이터 xi를 사용하여, 수학식 2의 추정식에 기초하여, HD 신호에서의 주목 위치의 화소 데이터 y가 생성된다.
단계 ST18에서, 단계 ST12에서 입력된 1 프레임분 또는 1 필드분의 SD 신호의 화소 데이터의 전체 영역에서 HD 신호의 화소 데이터를 얻는 처리가 종료되었는지의 여부가 판정된다. 종료되었을 때에는, 단계 ST12로 되돌아가고, 다음의 1 프레임분 또는 1 필드분의 SD 신호의 입력 처리로 이행한다. 한편, 처리가 종료되지 않았을 때에는, 단계 ST15로 되돌아가서, 다음의 주목 위치에 대한 처리로 이행한다.
이와 같이, 도 15에 도시한 흐름도를 따라 처리를 함으로써, 입력된 SD 신호의 화소 데이터를 처리하여, HD 신호의 화소 데이터를 얻을 수 있다. 이와 같이 처리하여 얻어진 HD 신호는 출력 단자(517)에 출력되거나, 디스플레이(513)에 공급되어 그에 의한 화상이 표시되거나, 또한 하드디스크 드라이브(505)에 공급되어 기록된다.
또한, 처리 장치의 도시는 생략하지만, 도 8의 정규 방정식 생성 장치(200)에서의 처리도 소프트웨어로 실현할 수 있다.
도 16의 흐름도를 참조하여, 계수 데이터를 생성하기 위한 처리 순서를 설명한다.
단계 ST31에서 처리가 개시되고, 단계 ST32에서, 교사 신호 ST로서의 HD 신호를 1 프레임분 또는 1 필드분만큼 입력받는다.
단계 ST33에서 교사 신호 ST의 전체 프레임 또는 전체 필드의 처리가 종료되었는지의 여부가 판정된다. 종료되지 않았을 때에는 단계 ST34에서, 단계 ST32에서 입력된 교사 신호 ST로부터 학생 신호 SS로서의 SD 신호가 생성된다.
단계 ST35에서, 학생 신호 SS로부터 교사 신호 ST에서의 주목 위치의 주변에 위치하는 클래스 탭의 데이터가 취득되고, 이 클래스 탭의 데이터에 기초하여, 교사 신호 ST에서의 주목 위치의 화소 데이터가 속하는 클래스 CLr이 생성된다. 이 경우, 예를 들면 클래스 탭의 데이터로서 5개의 SD 화소의 데이터가 판독되고, 12개의 특징량을 포함하는 기본 클래스 구성에서의 클래스 CLr이 생성된다.
단계 ST36에서, 학생 신호 SS로부터 교사 신호 ST에서의 주목 위치의 주변에 위치하는 예측 탭의 데이터가 취득된다. 단계 ST37에서, 단계 ST35에서 생성된 클래스 코드 CLr, 단계 ST36에서 취득된 예측 탭의 데이터 xi 및 교사 신호 ST에서의 주목 위치의 화소 데이터 y를 이용하여, 클래스마다 수학식 9에 도시하는 정규 방정식을 얻기 위한 가산이 이루어진다(수학식 7, 수학식 8 참조).
단계 ST38에서, 단계 ST32에서 입력된 1 프레임분 또는 1 필드분의 교사 신호 ST의 화소 데이터의 전체 영역에서 학습 처리가 종료되었는지의 여부가 판정된다. 학습 처리가 종료되지 않았을 때에는, 단계 ST32로 되돌아가서, 다음의 1 프레임분 또는 1 필드분의 교사 신호 ST의 입력이 행해지고, 상술한 것과 마찬가지의 처리가 반복된다. 한편, 학습 처리가 종료되지 않았을 때에는, 단계 ST35로 되돌아가서, 다음의 주목 위치에 대한 처리로 이행한다.
상술한 단계 ST33에서, 처리가 종료되었을 때에는 단계 ST39에서, 상술한 단계 ST37의 가산 처리에 의해 생성된, 기본 클래스 구성에서의 각 클래스의 정규 방정식의 데이터가 메모리에 보존되고, 그 후에 단계 ST40에서 처리가 종료된다.
이와 같이, 도 16에 도시한 흐름도를 따라 처리를 함으로써, 도 8에 도시한 정규 방정식 생성 장치(200)와 마찬가지의 방법에 의해, 기본 클래스 구성에서의 각 클래스 계수 데이터 Wi를 각각 산출하기 위한 정규 방정식이 생성된다.
또한, 처리 장치의 도시는 생략하지만, 도 9의 계수 생성 장치(300)에서의 처리도 소프트웨어로 실현할 수 있다.
도 17의 흐름도를 참조하여, 계수 데이터를 생성하기 위한 처리 순서를 설명한다.
단계 ST41에서 처리가 개시되고, 단계 ST42에서, 대상 클래스 구성이 설정된다. 단계 ST43에서, 설정된 대상 클래스 구성의 정보 INF에 기초하여, 대상 클래스 구성에 포함되는 특징량에 대응하는 비트를 "1"로 한 12비트의 마스크 비트 패턴 데이터 MBP가 생성된다.
단계 ST44에서, 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이 대상 클래스 구성에서의 각 클래스에 각각 대응한 정규 방정식으로 분류된다. 그 때문에, 기본 클래스 구성의 각 클래스를 도시한 12비트데이터(4096개)와 12비트의 마스크 비트 패턴 데이터 MBP와의 비트마다의 논리곱이 계산되고, 계산 결과가 동일한 비트 패턴으로 된 기본 클래스 구성에서의 클래스가 동일한 분류로 되고, 대상 클래스 구성에서의 각 클래스에 대응한 기본 클래스 구성에서의 클래스가 검출된다.
단계 ST45에서, 대상 클래스 구성에서의 각 클래스에 각각 대응하도록 분류된, 기본 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이, 분류마다 가산되어, 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 정규 방정식이 생성된다.
단계 ST46에서, 단계 ST45에서 생성된 각 정규 방정식이 계산되어, 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi가 구해지고, 단계 ST47에서, 그 계수 데이터 Wi가 계수 메모리에 보존되고, 단계 ST48에서 처리가 종료된다.
이와 같이, 도 17에 도시한 흐름도를 따라 처리를 함으로써, 도 9에 도시한 계수 생성 장치(300)와 마찬가지의 방법에 의해, 대상 클래스 구성에서의 각 클래스 계수 데이터 Wi를 얻을 수 있다.
다음으로, 제2 실시 형태에 대하여 설명한다. 도 18은 화상 신호 처리 장치(100A)의 구성을 도시하고 있다. 도 1에 도시한 화상 신호 처리 장치(100)에서는, 계수 메모리(105)에 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi가 저장되어 있지만, 도 18에 도시한 화상 신호 처리 장치(100A)에서는 대상 클래스 구성에서의 각 클래스 계수 데이터 Wi를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터가 ROM에 저장되어 있고, 이 계수종 데이터를 이용하여 계수 데이터 Wi가 생성된다. 이 도 18에서, 도 1과 대응하는 부분에는 동일 부호를 붙이고, 그 상세 설명은 생략한다.
화상 신호 처리 장치(100A)는 ROM(110)을 갖고 있다. 이 ROM(110)에는 대상 클래스 구성에서의 각 클래스 계수종 데이터가 미리 저장되어 있다. 이 계수종 데이터는 계수 데이터(105)에 저장할 계수 데이터 Wi를 생성하기 위한 생성식의 계수 데이터이다.
상술한 바와 같이, 추정 예측 연산 회로(106)에서는 예측 탭의 데이터 xi와, 계수 메모리(105)로부터 판독되는 계수 데이터 Wi로부터, 수학식 2의 추정식에 의해, 작성해야 할 HD 화소 데이터 y가 연산된다.
이 추정식의 계수 데이터 Wi(i=1∼n)는, 수학식 13에 도시한 바와 같이, 파라미터 r, z를 포함하는 생성식에 의해 생성된다. 여기에서, r은 해상도를 결정하는 파라미터이고, z는 노이즈 제거도를 결정하는 파라미터이다. ROM(110)에는, 이 생성식의 계수 데이터인 계수종 데이터 wi0∼wi9(i=1∼n)이, 클래스 및 화소 위치(도 6의 HD1∼HD4, 도 7의 HD1'∼HD4' 참조)의 조합마다 기억되어 있다. 이 계수종 데이터의 생성 방법에 대해서는 후술한다.
또한, 화상 신호 처리 장치(100A)는 대상 클래스 구성에서의 각 클래스의 계수종 데이터 및 파라미터 r, z의 값을 이용하여, 수학식 13에 의해, 클래스 및 출력 화소 위치의 조합마다, 파라미터 r, z의 값에 대응한 추정식의 계수 데이터 Wi(i=1∼n)가 생성되는 계수 생성 회로(109)를 갖고 있다. 이 계수 생성 회로(109)에는, ROM(110)으로부터 계수종 데이터 wi0∼wi9가 로드된다. 또한, 이 계수 생성 회로(109)에는 파라미터 r, z의 값이 공급된다.
이 계수 생성 회로(109)에서 생성되는 대상 클래스 구성에서의 각 클래스 계수 데이터 Wi(i=1∼n)는, 상술한 계수 메모리(105)에 저장된다. 이 계수 생성 회로(109)에서의 계수 데이터 Wi의 생성은, 예를 들면 수직 블랭킹 기간마다 행해진다. 이에 의해, 사용자의 조작에 의해 파라미터 r, z의 값이 변경되어도, 계수 메모리(105)에 저장되는 각 클래스의 계수 데이터 Wi를, 그 파라미터 r, z의 값에 대응한 것으로 즉시 변경할 수 있어, 사용자에 의한 해상도, 노이즈 제거도의 조정이 원활하게 행해진다.
화상 신호 처리 장치(100A) 외에는 도 1에 도시한 화상 신호 처리 장치(100)와 마찬가지로 구성되고, 마찬가지의 동작을 한다.
ROM(110)에 저장되는, 대상 클래스 구성에서의 각 클래스의 계수종 데이터 wi0∼wi9(i=1∼n)의 생성 방법에 대하여 설명한다.
12개의 특징량 전체로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수종 데이터를 각각 산출하기 위한 정규 방정식이 준비된다. 이 정규 방정식은 미리 학습에 의해 얻어진다. 학습 방법에 대하여 설명한다.
여기에서, 이하의 설명을 위해, 수학식 14와 같이, tj(j=0∼9)를 정의한다.
이 수학식 14를 이용하면, 수학식 13은 수학식 15와 같이 재기입된다.
최종적으로, 학습에 의해 미정 계수 wij가 구해진다. 즉, 클래스 및 출력 화소 위치의 조합마다, 복수의 SD 화소 데이터와 HD 화소 데이터를 이용하여, 제곱 오차를 최로로 하는 계수값이 결정된다. 소위 최소 제곱법에 의한 해법이다. 학습수를 m, k(1≤k≤m)번째의 학습 데이터에서의 잔차를 ek, 제곱 오차의 총합을 E로 하면, 수학식 2 및 수학식 13을 이용하여, E는 수학식 16으로 나타난다. 여기에서, xik는 SD 화상의 i번째의 예측 탭 위치에서의 k번째의 화소 데이터, yk는 그에 대응하는 k번째의 HD 화상의 화소 데이터를 나타내고 있다.
최소 제곱법에 의한 해법에는 수학식 16의 wij에 의한 편미분이 0이 되도록 wij를 구한다. 이것은 수학식 17로 나타난다.
이하, 수학식 18, 수학식 19와 같이, Xipjq, Yip를 정의하면, 수학식 17은 행렬을 이용하여, 수학식 20과 같이 재기입된다.
이 수학식 20이 계수종 데이터를 산출하기 위한 정규 방정식이다. 이 정규 방정식을 소인법(Gauss-Jordan 소거법) 등의 일반 해법으로 구함으로써, 계수종 데이터 wi0∼wi9(i=1∼n)를 구할 수 있다.
도 19는 상술한 계수종 데이터를 산출하기 위한 정규 방정식의 생성 방법의 개념을 도시하고 있다. 교사 신호 ST로서의 HD 신호로부터, 학생 신호 SS로서의 복수의 SD 신호가 생성된다. 여기에서, HD 신호로부터 SD 신호를 생성할 때에 사용하는 씨닝 필터의 주파수 특징성을 바꿈으로써, 해상도가 다른 SD 신호가 생성된다.
해상도가 다른 SD 신호에 의해, 해상도를 높이는 효과가 다른 계수종 데이터를 생성할 수 있다. 예를 들면 흐림 현상이 많은 화상이 얻어지는 SD 신호와 흐림 현상이 적은 화상이 얻어지는 SD 신호가 있는 경우, 흐림 현상이 많은 화상이 얻어지는 SD 신호에 의한 학습으로, 해상도를 높이는 효과가 강한 계수종 데이터가 생성되고, 흐림 현상이 적은 화상이 얻어지는 SD 신호에 의한 학습으로, 해상도를 높이는 효과가 약한 계수종 데이터가 생성된다.
또한, 해상도가 다른 SD 신호 각각에 대하여 노이즈를 가함으로써, 노이즈가 가해진 SD 신호가 생성된다. 노이즈를 가한 양을 가변함으로써 노이즈 량이 다른 SD 신호가 생성되고, 그에 의해 노이즈 제거 효과가 다른 계수종 데이터가 생성된다. 예를 들면 노이즈를 많이 가한 SD 신호와 노이즈를 적게 가한 SD 신호가 있는 경우, 노이즈를 많이 가한 SD 신호에 의한 학습으로 노이즈 제거 효과가 강한 계수종 데이터가 생성되고, 노이즈를 적게 가한 SD 신호에 의한 학습으로 노이즈 제거 효과가 약한 계수 종별 데이터가 생성된다.
노이즈를 가한 양으로서는, 예를 들면 수학식 21과 같이, SD 신호의 화소값 x에 대하여 노이즈 n을 가하여 노이즈가 가해진 SD 신호의 화소값 x'를 생성하는 경우, G를 가변함으로써 노이즈량이 조정된다.
예를 들면, 주파수 특성을 가변하는 파라미터 r을 0∼8의 9단계로 가변하고, 노이즈를 가한 양을 가변하는 파라미터 z를 0∼8의 9 단계로 가변하여, 합계 81종류의 SD 신호를 생성한다. 이와 같이 생성한 복수의 SD 신호와 HD 신호 사이에서 학습을 행하여 계수종 데이터가 생성된다. 이 파라미터 r, z는 도 18의 화상 신호 처리 장치(100A)에서의 파라미터 r, z에 대응하는 것이다.
다음으로, 기본 클래스 구성에 포함되는 12개의 특징량 중, 대상 클래스 구성이 포함하는 6개의 특징량만을 보고, 그것이 동일해지는 기본 클래스 구성에서의 클래스 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수종 데이터를 각각 산출하기 위한 정규 방정식이 생성된다. 이 정규 방정식의 가산 방법은 상술한 대상 클래스 구성에서의 각 클래스의 계수 데이터를 산출하기 위한 생성 방정식을 생성하는 경우와 마찬가지이다(수학식 10-1∼수학식 10-64, 수학식 11 참조).
다음으로, 상술한 바와 같이 생성된, 대상 클래스 구성에서의 클래스의 계수종 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어, 각 클래스의 계수종 데이터가 구해진다. 이 경우, 이 정규 방정식은 소인법의 일반 해법으로 푼다.
도 20은 12개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 정규 방정식 생성 장치(200A)의 구성을 나타내고 있다. 이 도 20에서, 도 8과 대응하는 부분에는 동일 부호를 붙이고, 그 상세 설명은 생략한다.
정규 방정식 생성 장치(200A)는 입력 단자(201)에 입력되는 교사 신호로서의 HD 신호에 대하여 수평 및 수직의 씨닝 처리를 행하고, 학생 신호로서의 SD 신호를 얻는 SD 신호 생성 회로(202A)를 갖고 있다. 이 SD 신호 생성 회로(202A)에는 파라미터 r, z가 공급된다. 파라미터 r에 대응하여, HD 신호로부터 SD 신호를 생성할 때에 사용하는 씨닝 필터의 주파수 특성이 가변된다. 또한, 파라미터 z에 대응하여, SD 신호에 가해지는 노이즈량이 가변된다. 이 SD 신호 생성 회로(202A)로부터 생성된 SD 신호는, 제1 탭 선택 회로(203) 및 제2 탭 선택 회로(204)에 공급된다.
또한 정규 방정식 생성 장치(200A)는 정규 방정식 생성부(207A)를 갖고 있다. 이 정규 방정식 생성부(207A)는 시간 조정용 지연 회로(206)에서 지연된 HD 신호로부터 얻어지는 주목 화소 데이터로서의 각 HD 화소 데이터 y와, 이 각 HD 화소 데이터 y에 각각 대응하여 제1 탭 선택 회로(203)에서 선택적으로 추출되는 예측 탭의 데이터 xi와, 각 HD 화소 데이터 y에 각각 대응하여 클래스 검출 회로(205)에서 얻어지는 클래스 코드 CLr과 파라미터 r, z로부터, 클래스 및 출력 화소 위치의 조합마다 기본 클래스 구성에서의 각 클래스의 계수종 데이터 wi0∼wi9(i=1∼n)를 얻기 위한 정규 방정식(수학식 20 참조)을 생성한다. 정규 방정식 메모리(208)에는 이 정규 방정식 생성부(207A)에서 생성되는 정규 방정식의 데이터가 저장된다.
도 20에 도시한 정규 방정식 생성 장치(200A) 외에는, 도 8에 도시한 정규 방정식 생성 장치(200)와 마찬가지로 구성된다.
도 20에 도시한 정규 방정식 생성 장치(200A)의 동작을 설명한다.
입력 단자(151)에 입력되는 HD 신호에 대하여 SD 신호 생성 회로(202A)에서 수평 및 수직의 씨닝 처리가 행해져서 학생 신호로서의 SD 신호가 생성된다. 이 경우, SD 신호 생성 회로(202A)에는 파라미터 r, z가 제어 신호로서 공급되고, 주파수 특성 및 노이즈 가산량이 단계적으로 변화한 복수의 SD 신호가 순차 생성되어 간다.
SD 신호 생성 회로(202A)에서 얻어지는 SD 신호로부터, 제2 탭 선택 회로(204)에서, HD 신호에서의 주목 위치의 주변에 위치하는 클래스 탭으로서의 5개의 SD 화소의 데이터가 선택적으로 추출된다. 이 클래스 탭의 데이터는 클래스 검출 회로(205)에 공급된다. 클래스 검출 회로(205)에서는, 클래스 탭으로서의 5개의 SD 화소의 데이터에 대하여 각각 ADRC 처리가 실시되어 2비트 코드 Qi가 얻어지고, 또한 클래스 탭으로서의 5개의 SD 화소의 데이터의 다이내믹 범위 DR로부터 2비트 코드(DR 클래스)가 얻어지고, 또한 이들을 결합한 12비트의 비트 패턴 데이터가 클래스 CLr로서 얻어진다.
또한, SD 신호 생성 회로(202A)에서 얻어지는 SD 신호로부터, 제1 탭 선택 회로(203)에서, HD 신호에서의 주목 위치의 주변에 위치하는 예측 탭의 데이터 xi가 선택적으로 추출된다. 그리고, 지연 회로(206)에서 시간 조정된 HD 신호로부터 얻어지는 주목 화소 데이터로서의 각 HD 화소 데이터 y와, 이 각 HD 화소 데이터 y에 각각 대응하여 제1 탭 선택 회로(203)에서 선택적으로 추출되는 예측 탭의 데이터 xi와, 각 HD 화소 데이터 y에 각각 대응하여 클래스 검출 회로(205)로부터 출력되는 클래스 코드 CLr과, 파라미터 r, z로부터, 정규 방정식 생성부(207A)에서는, 클래스 및 출력 화소 위치의 조합마다, 계수종 데이터 wi0∼wi9(n=1∼9)를 생성하기 위한 정규 방정식(수학식 20 참조)이 생성된다. 이 정규 방정식의 데이터는 정규 방정식 메모리(208)에 저장된다.
도 18의 화상 신호 처리 장치(100A)의 ROM(110)에 저장해야 할, 대상 클래스 구성에서의 각 클래스의 계수종 데이터 wi0∼wi9(n=1∼9)는, 상술한 도 1의 화상신호 처리 장치(100)의 계수 메모리(105)에 저장해야 할, 대상 클래스 구성에서의 각 클래스의 계수 데이터 Wi(1=1∼n)를 생성하는 경우와 마찬가지로, 상술한 도 9의 계수 생성 장치(300)로 생성할 수 있다.
단 이 경우, ROM(301)에는, 도 8에 도시하는 정규 방정식 생성 장치(200)에서 생성된, 계수 데이터를 산출하기 위한 정규 방정식의 데이터 대신에, 도 20의 정규 방정식 생성 장치(200A)에서 생성된, 계수종 데이터를 산출하기 위한 정규 방정식의 데이터가 기억된다.
이 경우, 정규 방정식 가산부(304)에서는 정규 방정식 분류부(303)에서 대상 클래스 구성에서의 각 클래스에 각각 대응하도록 분류된, 기본 클래스 구성에서의 각 클래스의 계수종 데이터를 산출하기 위한 정규 방정식이, 분류마다 가산되어, 대상 클래스 구성에서의 각 클래스의 계수종 데이터를 산출하기 위한 정규 방정식이 생성된다.
또한 이 경우, 출력 화소(도 6의 HD1∼HD4, 도 7의 HD1'∼HD4' 참조)마다, 정규 방정식의 가산이 행해진다. 그 때문에, 정규 방정식 가산부(304)에서는, 대상 클래스 구성에서의 각 클래스의 계수종 데이터를 산출하기 위한 정규 방정식이, 클래스 및 출력 화소 위치의 조합마다 생성된다.
그리고, 정규 방정식 가산부(304)에서 생성된, 클래스 및 출력 화소 위치의 조합마다 생성된 정규 방정식의 데이터는 연산부(305)에 공급된다. 이 연산부(305)에서는, 그 정규 방정식을 풀어, 클래스 및 출력 화소 위치의 조합마다, 계수종 데이터 wi0∼wi9(n=1∼9)가 구해진다. 이 계수종 데이터 wi0∼wi9는 계수 메모리(306)에 저장된다.
이와 같이, 도 9에 도시하는 계수 생성 장치(300)를 이용하여, 도 18의 화상 신호 처리 장치(100A)의 ROM(110)에 저장되는, 클래스 및 출력 화소 위치의 조합마다의 계수종 데이터 wi0∼wi9가 생성된다.
이 경우, ROM(301)에 12개의 특징량을 포함하는 기본 클래스 구성에서의 각 클래스의 계수종 데이터를 산출하기 위한 정규 방정식을 기억해두고, 대상 클래스 구성이 포함하는 특징량만을 보아, 그것이 동일해지는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수종 데이터를 각각 산출하는 정규 방정식을 생성하고, 이 정규 방정식을 풀어, 대상 클래스 구성에서의 각 클래스의 계수종 데이터를 생성할 수 있는 것으로, 1회만의 학습으로 임의의 클래스 구성에서의 각 클래스의 계수종 데이터를 효율적으로 생성할 수 있다. 따라서, 대상 클래스 구성이 포함하는 특징량을 변경하는 경우에, 다시 학습을 행할 필요는 없어, 단시간에 용이하게 계수종 데이터를 생성할 수 있다.
또, 도 18의 화상 신호 처리 장치(100A)에서의 처리를, 예를 들면 도 14에 도시한 바와 같은 화상 신호 처리 장치(500)에 의해, 소프트웨어로 실현하는 것도 가능하다.
도 21의 흐름도를 참조하여, 도 14에 도시하는 화상 신호 처리 장치(500)에서, SD 신호로부터 HD 신호를 얻기 위해 처리 수순을 설명한다.
단계 ST51에서 처리가 개시되고, 단계 ST52에서, 예를 들면 입력 단자(515)로부터 장치 내에 1 프레임분 또는 1 필드분의 SD 신호가 입력된다. 이와 같이 입력되는 SD 신호는 RAM(503)에 일시적으로 기억된다. 또, 이 SD 신호가 장치 내의 하드디스크 드라이브(505)에 미리 기록되어 있는 경우에는, 이 드라이브(505)로부터 SD 신호를 판독하고, 판독된 SD 신호는 RAM(503)에 일시적으로 기억된다.
단계 ST53에서, SD 신호의 전체 프레임 또는 전체 필드의 처리가 종료되었는지의 여부가 판정된다. 처리가 종료되었을 때에는, 단계 ST54에서, 처리가 종료된다. 한편, 처리가 종료되지 않았을 때는, 단계 ST55로 진행한다.
단계 ST55에서는, 사용자가 리모트 컨트롤러 송신기(510)를 조작하여 입력한 파라미터 r, z의 값이 예를 들면 RAM(503)으로부터 판독된다. 단계 ST56에서, 취득한 파라미터 r, z 및 각 클래스의 계수종 데이터를 사용하여, 생성식(예를 들면, 수학식 13)에 의해, 각 클래스의 추정식(수학식 2 참조)의 계수 데이터 Wi가 생성된다.
단계 ST57에서, SD 신호로부터 HD 신호에서의 주목 위치의 주변에 위치하는 클래스 탭의 데이터가 취득되고, 이 클래스 탭의 데이터에 기초하여, HD 신호에서의 주목 위치의 화소 데이터가 속하는 클래스 CL이 생성된다. 이 경우, 예를 들면 클래스 탭의 데이터로서 5개의 SD 화소의 데이터를 추출하고, 6개의 특징량을 포함하는 대상 클래스 구성에서의 클래스 CL이 생성된다.
단계 ST58에서, SD 신호로부터 HD 신호에서의 주목 위치의 주변에 위치하는 예측 탭의 데이터가 취득된다. 단계 ST59에서, 단계 ST57에서 생성된 클래스 코드 CL에 대응한 계수 데이터 Wi와 단계 ST58에서 취득된 예측 탭의 데이터 xi를 사용하여, 수학식 2의 추정식에 기초하여, HD 신호에서의 주목 위치의 화소 데이터 y가 생성된다.
단계 ST60에서, 단계 ST52에서 입력된 1 프레임분 또는 1 필드분의 SD 신호의 화소 데이터의 전체 영역에서 HD 신호의 화소 데이터를 얻는 처리가 종료되었는지의 여부가 판정된다. 종료되었을 때는, 단계 ST52로 되돌아가, 다음의 1 프레임분 또는 1 필드분의 SD 신호의 입력 처리로 이행한다. 한편, 처리가 종료되지 않았을 때는, 단계 ST57로 되돌아가, 다음의 주목 위치에 대한 처리로 이행한다.
이와 같이, 도 21에 도시하는 흐름도를 따라서 처리를 함으로써, 입력된 SD 신호의 화소 데이터가 처리되고, HD 신호의 화소 데이터를 얻을 수 있다. 이와 같이 처리하여 얻어진 HD 신호는 출력 단자(517)에 출력되거나, 디스플레이(513)에 공급되어 그것에 따른 화상이 표시되거나, 또한 하드디스크 드라이브(505)에 공급되어 기록되기도 한다.
또한, 처리 장치의 도시는 생략하지만, 도 20의 정규 방정식 생성 장치(200A)에서의 처리도, 소프트웨어로 실현 가능하다.
도 22의 흐름도를 참조하여, 계수 데이터를 생성하기 위한 처리 수순을 설명한다.
단계 ST61에서, 처리가 개시되고, 단계 ST62에서, 학습에 사용되는, 파라미터 r, z의 값이 선택된다. 단계 ST63에서, 모든 파라미터 r, z의 값의 조합에 대하여 학습이 종료되었는지의 여부가 판정된다. 모든 조합에 대하여 학습이 종료되지 않았을 때는, 단계 ST64로 진행한다.
이 단계 ST64에서는, 기지의 HD 신호의 1 프레임분 또는 1 필드분이 입력된다. 단계 ST65에서, 모든 프레임 또는 필드의 HD 신호에 대하여 처리가 종료되었는지의 여부가 판정된다. 종료되었을 때에는, 단계 ST62로 되돌아가서, 다음 파라미터 r, z의 값이 선택되어, 상술한 바와 마찬가지 처리가 반복된다. 한편, 종료되지 않았을 때에는 단계 ST66으로 진행한다.
단계 ST66에서는, 단계 ST64에서 입력된 교사 신호 ST로부터, 단계 ST62에서 선택된 파라미터 r, z의 값에 대응한 주파수 특성 및 노이즈 가산분을 갖는, 학생 신호 SS로서의 SD 신호가 생성된다.
단계 ST67에서, 학생 신호 SS로부터 교사 신호 ST에서의 주목 위치의 주변에 위치하는 클래스 탭의 데이터가 취득되고, 이 클래스 탭의 데이터에 기초하여, 교사 신호 ST에서의 주목 위치의 화소 데이터가 속하는 클래스 CLr이 생성된다. 예를 들면, 클래스 탭의 데이터로서 5개의 SD 화소의 데이터가 판독되고, 12개의 특징량을 포함하는 기본 클래스 구성에서의 클래스 CLr이 생성된다.
단계 ST68에서, 학생 신호 SS로부터 교사 신호 ST에서의 주목 위치의 주변에 위치하는 예측 탭의 데이터가 취득된다. 단계 ST69에서, 단계 ST67에서 생성된 클래스 코드 CLr, 단계 ST68에서 취득된 예측 탭의 데이터 xi, 단계 ST62에서 선택된 파라미터 r, z의 값 및 교사 신호 ST에서의 주목 위치의 화소 데이터 y를 이용하여, 클래스마다 수학식 20에 나타내는 정규 방정식을 얻기 위한 가산이 이루어진다(수학식 18, 수학식 19 참조).
단계 ST70에서, 단계 ST64에서 입력된 1 프레임분 또는 1 필드분의 교사 신호 ST의 화소 데이터의 전체 영역에서 학습 처리가 종료되었는지의 여부가 판정된다. 학습 처리가 종료되었을 때에는, 단계 ST64로 되돌아가서, 다음의 1 프레임분 또는 1 필드분의 교사 신호 ST의 입력이 행해져서, 상술한 바와 마찬가지의 처리가 반복된다. 한편, 학습 처리가 종료되지 않았을 때에는 단계 ST67로 되돌아가서, 다음의 주목 위치에 대한 처리로 이행한다.
상술한 단계 ST63에서, 파라미터 r, z의 값의 모든 조합에 대하여 학습이 종료되었을 때는, 단계 ST71로 진행한다. 이 단계 ST71에서는, 상술한 단계 ST69의 가산 처리에 의해서 생성된, 기본 클래스 구성에서의 각 클래스의 정규 방정식의 데이터가 메모리에 보존되고, 그 후에 단계 ST72에서 처리가 종료된다.
이와 같이, 도 22에 도시하는 흐름도를 따라 처리를 함으로써, 도 20에 도시하는 정규 방정식 생성 장치(200A)와 마찬가지의 방법에 의해서, 각 클래스에서의 계수종 데이터를 산출하기 위한 정규 방정식을 생성할 수 있다.
또, 상술한 실시 형태에서는, 기본 클래스 구성에 12개의 특징량이 포함되는 것을 나타냈지만, 본 발명은 이것에 한정되지 않는다. 또한, 1개의 특징량이 1비트로 표시되는 것을 나타냈지만, 1개의 특징량이 2비트 이상으로 표시되는 것에도 본 발명을 마찬가지로 적용할 수 있다.
또한, 상술한 실시 형태에서는, SD 신호를 HD 신호로 변환하는 예를 나타내었지만, 본 발명은 그것에 한정되는 것은 아니고, 클래스 분류를 수반하는 변환 처리를 행하여 제1 화상 신호를 제2 화상 신호로 변환하는 그 밖의 경우에도 적용할 수 있다.
또한, 상술한 실시 형태에서는, 평가값으로서 수학식 12로 나타내는 SNR을 이용하는 것을 나타냈지만, 평가값은 이것에 한정되는 것은 아니다. 즉, 그에 따른 클래스 분류를 행할 때에, SD 신호를 가장 양호하게 HD 신호로 변환할 수 있는 클래스 구성이 최적의 클래스 구성으로서 선택되는 평가값이면 된다.
또한, 상술한 실시 형태에서는, 정보 신호가 화상 신호인 경우를 나타냈지만, 본 발명은 이것에 한정되지 않는다. 예를 들면, 정보 신호가 음성 신호인 경우에도, 본 발명을 마찬가지로 적용할 수 있다.
본 발명에 따르면, 제1 정보 신호를 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터 또는 이 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터(계수 데이터 등)로, 복수개의 특징량 중 임의의 하나 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을, 복수개의 특징량 모두로 이루어진 기본 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하기 위한 정규 방정식을 준비해두고, 대상 클래스 구성이 포함하는 특징량만 보고, 그것이 동일하게 되는 기본 클래스 구성에서의 클래스의 정규 방정식을 가산하여, 대상 클래스 구성에서의 각 클래스의 계수 데이터 등을 각각 산출하는 정규 방정식을 생성하여 구하는 것으로, 1회만의 학습으로 임의의 클래스 구성에서의 각 클래스의 계수 데이터 등을 효율적으로 생성할 수 있다. 따라서, 대상 클래스 구성이 포함하는 특징량을 변경하는 경우에, 다시 학습을 행할 필요는 없어, 단시간에 용이하게 계수 데이터를 생성할 수 있다.
또한, 본 발명에 따르면, 제1 정보 신호를 제2 정보 신호로 변환할 때에, 이 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해서 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수, r<n)의 특징량을 선택하여 얻음에 있어, 사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택된 (n-i)개의 클래스 구성을 생성하는 동작과, 그리고 이 (n-i)개의 클래스 구성 중에서부터 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차 변화시켜 반복하고, r개의 특징량으로 이루어지는 클래스 구성을 얻음으로써, 사람의 경험에 의지하지 않고, 최적의 클래스 구성을 단시간에 얻을 수 있다.
또한, 본 발명에 따르면, 제1 정보 신호를 제2 정보 신호로 변환할 때에, 이 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하는 것으로, 그를 위해 이용되는 클래스 구성은 n개(n은 정수)의 특징량으로부터 선택된 r개(r은 정수, r<n)의 특징량으로 이루어지고, 이 r개의 특징량을, 사전에 선발되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-1)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 그리고 이 (n-i)개의 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, i를 0부터 r-1까지 순차 변화시켜 반복하여 얻음으로써, 최적의 클래스 구성에 의한 클래스 분류를 수반하는 변환 처리를 행하여 제1 정보 신호로부터 제2 정보 신호로 양호하게 변환할수 있다.

Claims (18)

  1. 복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터, 또는 상기 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 생성하는 계수 생성 장치로서,
    상기 계수 생성 장치는,
    복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 기억해 두는 기억부와,
    상기 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 정규 방정식 생성부와,
    상기 정규 방정식 생성부에서 생성된, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어, 상기 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 연산부
    를 구비하는 계수 생성 장치.
  2. 제1항에 있어서,
    상기 정규 방정식 생성부는,
    상기 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 상기 기본 클래스 구성에서의 클래스의, 상기 기억부에 기억되어 있는 정규 방정식을 가산하여, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 계수 생성 장치.
  3. 제1항에 있어서,
    상기 정규 방정식 생성부는,
    상기 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 상기 기본 클래스 구성에서의 클래스를 검출함으로써, 상기 대상 클래스 구성에서의 각 클래스에 각각 대응한 상기 기본 클래스 구성에서의 클래스를 검출하는 클래스 검출부와,
    상기 클래스 검출부에서 검출된 상기 대상 클래스 구성에서의 각 클래스에 대응한 상기 기본 클래스 구성에서의 클래스의 정규 방정식을, 클래스마다 가산하여, 상기 대상 클래스 구조에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 산출하기 위한 정규 방정식을 얻는 정규 방정식 가산부를 갖는 계수 생성 장치.
  4. 제3항에 있어서,
    상기 기본 클래스 구성에 n개의 특징량이 포함되며, 상기 기본 클래스 구성에서의 각 클래스가, 각각의 특징량을 1비트로 나타낸 n비트 데이터로 표시되고,
    상기 클래스 검출부는,
    상기 대상 클래스 구성에 포함되는 특징량에 대응하는 비트를 "1"로 한 n비트의 마스크 비트 패턴 데이터를 생성하는 마스크 비트 생성부와,
    상기 기본 클래스 구성에서의 각 클래스를 나타내는 n비트 데이터 및 상기 마스크 비트 생성부에서 생성된 마스크 비트 패턴 데이터의 비트마다의 논리곱을 계산하고, 계산 결과가 동일한 비트 패턴으로 된 상기 기본 클래스 구성에서의 클래스를 동일 분류로 하여, 상기 대상 클래스 구성에서의 각 클래스에 각각 대응한 상기 기본 클래스 구성에서의 클래스를 검출하는 클래스 검출부를 갖는 계수 생성 장치.
  5. 복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터 또는 상기 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 생성하는 계수 생성 방법으로서,
    상기 계수 생성 방법은,
    복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식이 준비되고,
    상기 복수개의 특징 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 공정과,
    상기 생성된, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어, 상기 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 공정
    을 구비하는 계수 생성 방법.
  6. 제5항에 있어서,
    상기 정규 방정식을 생성하는 공정은,
    상기 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 상기 기본 클래스 구성에서의 클래스의 상기 정규 방정식을 가산하여, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 계수 생성 방법
  7. 계수 생성 방법을 컴퓨터에 실행시키기 위한 프로그램으로서,
    복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터 또는 상기 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 생성하기 위해,
    복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식이 준비되고,
    상기 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 공정과,
    상기 생성된, 상기 대상 클래스 구성에서의 각 클래스의 정규 방정식을 각각 풀어, 상기 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 공정
    을 구비하는 계수 생성 방법을 컴퓨터에 실행시키기 위한 프로그램.
  8. 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻는 클래스 구성 생성 장치로서,
    상기 클래스 구성 생성 장치는,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성부와,
    상기 클래스 구성 생성부에서 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 클래스 구성 선택부를 구비하고,
    상기 클래스 구성 선택부에서 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 상기 클래스 구성 생성부 및 상기 클래스 구성 선택부의 동작을 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 클래스 구성 생성 장치.
  9. 제8항에 있어서,
    상기 제2 정보 신호에서의 주목 위치의 정보 데이터는, 상기 주목 위치의 정보 데이터가 속하는 클래스에 대응한 추정식의 계수 데이터를 이용하여, 상기 추정식에 기초하여 생성되며,
    상기 클래스 구성 선택부는,
    상기 (n-i)개의 생성 클래스 구성의 각각에서의 각 클래스의 계수 데이터를 생성하는 계수 생성부와,
    클래스 구성마다, 상기 계부 생성부에서 생성된 계수 데이터를 이용하여, 상기 제2 정보 신호에 대응한 평가용 정보 신호로부터 작성된, 상기 제1 정보 신호에 대응한 정보 신호를, 상기 제2 정보 신호에 대응한 정보 신호로 변환하는 정보 신호 처리부와,
    클래스 구성마다, 상기 정보 신호 처리부에서 얻어지는 정보 신호 및 상기 평가용 정보 신호와의 정보 데이터마다의 차에 기초하는 평가값을 구하는 평가값산출부와,
    상기 평가값 산출부에서 얻어지는 각 클래스 구성의 평가값에 기초하여 상기 최적의 클래스 구성을 선택하는 평가값 판정부를 갖는 클래스 구성 생성 장치.
  10. 제9항에 있어서,
    상기 계수 생성부는,
    n개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계부 데이터 또는 상기 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 각각 산출하기 위한 정규 방정식을 기억해 두는 기억부와,
    상기 (n-i)개의 생성 클래스 구성의 정보에 기초하여, 클래스 구성마다, 상기 생성 클래스 구성이 포함하는 특징량만을 보고, 그것이 동일하게 되는 상기 기본 클래스 구성에서의 클래스의, 상기 기억부에 기억되어 있는 정규 방정식을 가산하여, 상기 생성 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 정규 방정식 생성부와,
    클래스 구성마다, 상기 정규 방정식 생성부에서 생성된, 상기 생성 클래스 구성에서의 각 클래스의 정규 방정식을 각각 풀어, 상기 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 연산부를 갖는 클래스 구성 생성 장치.
  11. 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻는 클래스 구성 생성 방법으로서,
    상기 클래스 구성 생성 방법은,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 1개 선택한 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성 공정과,
    상기 클래스 구성 생성 공정에서 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 클래스 구성 선택 공정을 구비하고,
    상기 클래스 구성 선택 공정에서 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 상기 클래스 구성 생성 공정 및 상기 클래스 구성 선택 공정의 동작을 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 클래스 구성 생성 방법.
  12. 클래스 구성 생성 방법을 컴퓨터에 실행시키기 위한 프로그램은,
    복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻기 위해,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 선택한 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성 공정과,
    상기 클래스 구성 생성 공정에서 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 클래스 구성 선택 공정을 구비하고,
    상기 클래스 구성 선택 공정에서 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 상기 클래스 구성 생성 공정 및 상기 클래스 구성 선택 공정의 동작을 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 클래스 구성 생성 방법을 컴퓨터에 실행시키기 위한 프로그램.
  13. 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환하는 정보 신호 처리 장치로서,
    상기 정보 신호 처리 장치는,
    상기 제1 정보 신호에 기초하여, 상기 제2 정보 신호에서의 주목 위치의 정보 데이터가 속하는 소정의 클래스 구성에서의 클래스를 검출하는 클래스 검출부와,
    상기 클래스 검출부에서 검출된 클래스에 대응하여, 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 생성하는 정보 데이터 생성부를 구비하고,
    상기 소정의 클래스 구성은, n개(n은 정수)의 특징량으로부터 선택된 r개(r은 정수로서, r<n)의 특징량으로 이루어지며,
    상기 r개의 특징량은,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 이 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 상기 선택된 클래스 구성에서 사용된 특징량을 상기 사전에 선택된 특징량으로 하고, 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복함으로써 얻어지는 정보 신호 처리 장치.
  14. 제13항에 있어서,
    상기 정보 데이터 생성부는,
    상기 클래스 검출부에서 검출된 클래스에 대응한, 추정식에서 이용되는 계수 데이터를 발생하는 계수 데이터 발생부와,
    상기 제1 정보 신호에 기초하여, 상기 제2 정보 신호에서의 주목 위치의 주변에 위치하는 복수의 정보 데이터를 선택하는 데이터 선택부와,
    상기 계수 데이터 발생부에서 발생된 계수 데이터 및 상기 데이터 선택부에서 선택된 복수의 정보 데이터를 이용하여, 상기 추정식에 기초하여 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 산출하여 얻는 연산부를 갖는 정보 신호 처리 장치.
  15. 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환하는 정보 신호 처리 방법으로서,
    상기 정보 신호 처리 방법은,
    상기 제1 정보 신호에 기초하여, 상기 제2 정보 신호에서의 주목 위치의 정보 데이터가 속하는 소정의 클래스 구성에서의 클래스를 검출하는 클래스 검출 공정과,
    상기 클래스 검출 공정에서 검출된 클래스에 대응하여, 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 생성하는 정보 데이터 생성 공정을 구비하고,
    상기 소정의 클래스 구성은, n개(n은 정수)의 특징량으로부터 선택된 r개(r은 정수로서, r<n)의 특징량으로 이루어지며,
    상기 r개의 특징량은,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 1개 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 이 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 상기 선택된 클래스 구성에서 사용된 특징량을 상기 사전에 선택된 특징량으로 하고, 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복함으로써 얻어지는 정보 신호 처리 방법.
  16. 복수의 정보 데이터로 이루어지는 제1 정보 신호를, 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 사용되는 추정식의 계수 데이터, 또는 상기 계수 데이터를 생성하기 위한 생성식에서의 계수 데이터인 계수종 데이터를 생성하는 계수 생성 장치로서,
    상기 계수 생성 장치는,
    복수개의 특징량 모두로 이루어지는 기본 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 기억해 두는 기억 수단과,
    상기 복수개의 특징량 중 임의의 1개 또는 복수개의 특징량으로 이루어지는 대상 클래스 구성의 정보에 기초하여, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 생성하는 정규 방정식 생성 수단과,
    상기 정규 방정식 생성 수단에 의해 생성된, 상기 대상 클래스 구성에서의 각 클래스의 계수 데이터 또는 계수종 데이터를 각각 산출하기 위한 정규 방정식을 각각 풀어, 상기 각 클래스의 계수 데이터 또는 계수종 데이터를 구하는 연산 수단
    을 구비하는 계수 생성 장치.
  17. 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환할 때에 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 클래스 분류하여 생성하기 위해 이용되는 클래스 구성을, n개(n은 정수)의 특징량으로부터 r개(r은 정수로서, r<n)의 특징량을 선택하여 얻는 클래스 구성 생성 장치로서,
    상기 클래스 구성 생성 장치는,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 클래스 구성 생성 수단과,
    상기 클래스 구성 생성 수단에 의해 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 클래스 구성 선택 수단을 구비하고,
    상기 클래스 구성 선택 수단에 의해 선택된 클래스 구성에서 사용된 특징량을 사전에 선택된 특징량으로 하고, 상기 클래스 구성 생성 수단 및 상기 클래스 구성 선택 수단의 동작을 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복하여, r개의 특징량으로 이루어지는 클래스 구성을 얻는 클래스 구성 생성 장치.
  18. 복수의 정보 데이터로 이루어지는 제1 정보 신호를 복수의 정보 데이터로 이루어지는 제2 정보 신호로 변환하는 정보 신호 처리 장치로서,
    상기 정보 신호 처리 장치는,
    상기 제1 정보 신호에 기초하여, 상기 제2 정보 신호에서의 주목 위치의 정보 데이터가 속하는 소정의 클래스 구성에서의 클래스를 검출하는 클래스 검출 수단과,
    상기 클래스 검출 수단에 의해 검출된 클래스에 대응하여, 상기 제2 정보 신호에서의 주목 위치의 정보 데이터를 생성하는 정보 데이터 생성 수단을 구비하고,
    상기 소정의 클래스 구성은, n개(n은 정수)의 특징량로부터 선택된 r개(r은 정수로서, r<n)의 특징량으로 이루어지며,
    상기 r개의 특징량은,
    사전에 선택되어 있는 i개(i는 정수)의 특징량 외에 나머지 (n-i)개의 특징량으로부터 하나 선택한 (n-i)개의 클래스 구성을 생성하는 동작과, 이 생성된 (n-i)개의 생성 클래스 구성 중에서 임의의 평가값을 사용하여 최적의 클래스 구성을 선택하는 동작을, 상기 선택된 클래스 구성에서 사용된 특징량을 상기 사전에 선택된 특징량으로 하고, 상기 i를 0부터 r-1까지 순차적으로 변화시켜 반복함으로써 얻어지는 정보 신호 처리 장치.
KR1020040038395A 2003-05-29 2004-05-28 계수의 생성 장치 및 생성 방법, 클래스 구성의 생성 장치및 생성 방법, 정보 신호 처리 장치, 및 각 방법을실행하기 위한 프로그램 KR20040103428A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2003-00153434 2003-05-29
JP2003153434A JP4055655B2 (ja) 2003-05-29 2003-05-29 係数の生成装置および生成方法、クラス構成の生成装置および生成方法、情報信号処理装置、並びに各方法を実行するためのプログラム

Publications (1)

Publication Number Publication Date
KR20040103428A true KR20040103428A (ko) 2004-12-08

Family

ID=34048388

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040038395A KR20040103428A (ko) 2003-05-29 2004-05-28 계수의 생성 장치 및 생성 방법, 클래스 구성의 생성 장치및 생성 방법, 정보 신호 처리 장치, 및 각 방법을실행하기 위한 프로그램

Country Status (4)

Country Link
US (2) US7262808B2 (ko)
JP (1) JP4055655B2 (ko)
KR (1) KR20040103428A (ko)
CN (2) CN100425052C (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4158232B2 (ja) * 1998-07-23 2008-10-01 ソニー株式会社 画像情報変換装置および画像表示装置
CN1685722A (zh) * 2002-09-23 2005-10-19 皇家飞利浦电子股份有限公司 图像变换的方法和单元
JP4055655B2 (ja) * 2003-05-29 2008-03-05 ソニー株式会社 係数の生成装置および生成方法、クラス構成の生成装置および生成方法、情報信号処理装置、並びに各方法を実行するためのプログラム
JP4265291B2 (ja) * 2003-06-06 2009-05-20 ソニー株式会社 情報信号の処理装置および処理方法、並びに情報信号の処理方法を実行するためのプログラム
US8013888B2 (en) * 2005-02-14 2011-09-06 Broadcom Corporation Method and system for implementing film grain insertion
US20060262210A1 (en) * 2005-05-19 2006-11-23 Micron Technology, Inc. Method and apparatus for column-wise suppression of noise in an imager
JP4351658B2 (ja) * 2005-07-21 2009-10-28 マイクロン テクノロジー， インク． メモリ容量低減化方法、メモリ容量低減化雑音低減化回路及びメモリ容量低減化装置
KR20110065997A (ko) * 2009-12-10 2011-06-16 삼성전자주식회사 영상처리장치 및 영상처리방법

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3271101B2 (ja) 1993-09-21 2002-04-02 ソニー株式会社 ディジタル画像信号処理装置および処理方法
US5930459A (en) * 1994-12-29 1999-07-27 Energy Converters, Inc. Immersion heating element with highly thermally conductive polymeric coating
JP3861309B2 (ja) 1996-02-01 2006-12-20 ソニー株式会社 信号変換装置および信号変換方法
US5953459A (en) * 1996-02-23 1999-09-14 Brother Kogyo Kabushiki Kaisha Dither matrix producing method
US5933537A (en) * 1996-07-29 1999-08-03 Polaroid Corporation Method and apparatus for conversion of frequency-coefficient matrices
JP3864494B2 (ja) * 1997-05-12 2006-12-27 ソニー株式会社 画像信号変換装置およびそれを使用したテレビ受信機
JP4158232B2 (ja) * 1998-07-23 2008-10-01 ソニー株式会社 画像情報変換装置および画像表示装置
JP4193233B2 (ja) 1998-08-12 2008-12-10 ソニー株式会社 動き判定装置、その方法および画像情報変換装置
JP4147632B2 (ja) 1998-08-24 2008-09-10 ソニー株式会社 画像情報変換装置、画像情報変換方法、およびテレビジョン受像機
JP2000069453A (ja) * 1998-08-24 2000-03-03 Nec Corp 情報受信端末装置及び課金情報回収システム
JP4123587B2 (ja) 1998-08-25 2008-07-23 ソニー株式会社 画像情報処理装置および方法
JP4300603B2 (ja) 1998-09-04 2009-07-22 ソニー株式会社 画像情報変換装置および方法
US6930800B1 (en) * 1998-09-09 2005-08-16 Fuji Xerox Co., Ltd. Halftone generation system and halftone generation method
JP4135229B2 (ja) * 1998-09-29 2008-08-20 ソニー株式会社 映像信号の変換装置および変換方法、並びにそれを使用した画像表示装置およびテレビ受信機
JP4131048B2 (ja) * 1998-10-01 2008-08-13 ソニー株式会社 画像情報変換装置、変換方法および画像表示装置
JP4670169B2 (ja) * 2000-11-15 2011-04-13 ソニー株式会社 情報信号処理装置、情報信号処理方法、画像信号処理装置およびそれを使用した画像表示装置、それに使用される係数種データ生成装置、並びに情報記録媒体
JP4517264B2 (ja) * 2000-12-26 2010-08-04 ソニー株式会社 情報信号処理装置、情報信号処理方法、画像信号処理装置およびそれを使用した画像表示装置、並びに情報提供媒体
JP4277446B2 (ja) * 2000-12-26 2009-06-10 ソニー株式会社 情報信号処理装置、情報信号処理方法、画像信号処理装置およびそれを使用した画像表示装置、それに使用される係数種データ生成装置および生成方法、並びに記録媒体
DE60234965D1 (de) * 2001-01-22 2010-02-11 Sony Corp Koeffizientengenerierungsvorrichtung und -verfahren zur Umwandlung von Informationssignalen
JP4691812B2 (ja) * 2001-03-29 2011-06-01 ソニー株式会社 係数データの生成装置および生成方法、それを使用した情報信号の処理装置および処理方法
JP4055655B2 (ja) * 2003-05-29 2008-03-05 ソニー株式会社 係数の生成装置および生成方法、クラス構成の生成装置および生成方法、情報信号処理装置、並びに各方法を実行するためのプログラム

Also Published As

Publication number Publication date
CN101325682A (zh) 2008-12-17
US20070098269A1 (en) 2007-05-03
US7844136B2 (en) 2010-11-30
CN1574886A (zh) 2005-02-02
CN100425052C (zh) 2008-10-08
CN101325682B (zh) 2010-09-29
JP4055655B2 (ja) 2008-03-05
US20050013508A1 (en) 2005-01-20
US7262808B2 (en) 2007-08-28
JP2004357063A (ja) 2004-12-16

Similar Documents

Publication Publication Date Title
KR100843820B1 (ko) 정보 신호 처리 장치, 정보 신호 처리 방법, 화상 신호처리 장치 및 그것을 사용한 화상 표시 장치, 그것에사용되는 계수종 데이터 생성 장치 및 생성 방법, 계수데이터 생성 장치 및 생성 방법과 정보 제공 매체
EP1335596B1 (en) Processor for conversion of image signals, corresponding method and image display apparatus
US7844136B2 (en) Apparatus and method for generating coefficients, apparatus and method for generating class configuration, informational signal processing apparatus, and programs for performing these methods
JP4277446B2 (ja) 情報信号処理装置、情報信号処理方法、画像信号処理装置およびそれを使用した画像表示装置、それに使用される係数種データ生成装置および生成方法、並びに記録媒体
WO1997046014A1 (en) Device and method for converting image information and circuit and method for operating sum of products
KR101089853B1 (ko) 계수 데이터의 생성 장치 및 생성 방법, 계수종 데이터의 생성 장치 및 생성 방법, 정보 신호 처리 장치, 및 프로그램을 기록한 매체
JP2002300538A (ja) 係数データの生成装置および生成方法、それを使用した情報信号の処理装置および処理方法、それに使用する種係数データの生成装置および生成方法、並びに情報提供媒体
JP4691835B2 (ja) 係数データの生成装置および生成方法、それを使用した情報信号の処理装置および処理方法、それに使用する係数データの取得装置および取得方法、並びに情報記録媒体
JP3890638B2 (ja) 画像情報変換装置および方法
JP2001238185A (ja) 画像信号変換装置、画像信号変換方法、およびそれを使用した画像表示装置、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
JP4662099B2 (ja) 情報信号処理装置およびそれにおける調整パラメータの設定方法
KR100982625B1 (ko) 정보 신호의 처리 장치 및 처리 방법
JP4691849B2 (ja) 係数データの生成装置および生成方法、それを使用した情報信号の処理装置および処理方法、それに使用する情報の取得装置および取得方法
JP4692801B2 (ja) 係数データの生成装置および生成方法、それを使用した情報信号の処理装置および処理方法、並びに、それに使用する係数情報の生成装置および生成方法
JP4055487B2 (ja) 画像信号の処理装置および処理方法、それに使用される係数種データの生成装置および生成方法、係数データの生成装置および生成方法、並びに各方法を実行するためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な媒体

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid