KR980013425A - 화상 코딩 및 디코딩 장치, 및 계층적 코딩 및 디코딩 방법(Image Coding and Decoding using Mapping coefficients cor responding to class information of pixel Blocks) - Google Patents

화상 코딩 및 디코딩 장치, 및 계층적 코딩 및 디코딩 방법(Image Coding and Decoding using Mapping coefficients cor responding to class information of pixel Blocks) Download PDF

Info

Publication number
KR980013425A
KR980013425A KR1019970033455A KR19970033455A KR980013425A KR 980013425 A KR980013425 A KR 980013425A KR 1019970033455 A KR1019970033455 A KR 1019970033455A KR 19970033455 A KR19970033455 A KR 19970033455A KR 980013425 A KR980013425 A KR 980013425A
Authority
KR
South Korea
Prior art keywords
image data
layer
data
prediction
generating
Prior art date
Application number
KR1019970033455A
Other languages
English (en)
Other versions
KR100529662B1 (ko
Inventor
데쯔지로 곤도
Original Assignee
이데이 노부유끼
소니 가부시끼가이샤
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 이데이 노부유끼, 소니 가부시끼가이샤 filed Critical 이데이 노부유끼
Publication of KR980013425A publication Critical patent/KR980013425A/ko
Application granted granted Critical
Publication of KR100529662B1 publication Critical patent/KR100529662B1/ko

Links

Classifications

    • 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
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/94—Vector quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
    • 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]

Abstract

계층적 코딩 동작 동안 최하위 계층의 데이터로부터 고품질의 화상을 갖는 디코딩된 화상을 제조할 수 있다. 원 화상과 같은 제1 계층의 화상은 제1 계층의 화상과 제3 계층의 화상이 형성되도록 박막 유닛에 연속적으로 박막화된다. 다음에, 최적의 교정 데이터 계산 유닛에서, 제2 계층의 화상이 교정되고, 제1 계층의 화상의 예측값이 결과로 나타나는 교정 데이터로부터 예측되고, 제2 계층의 화상의 교정 데이터가 발생되어 소정의 임계치 미만의 예측값의 예측 오차를 감소시킨다. 다른 최적의 교정 데이터 계산 유닛에서, 제3 계층의 화상의 교정 데이터가 이와 유사하게 얻어진다.

Description

화상 코딩 및 디코딩 장치, 및 계층적 코딩 및 디코딩 방법(Image Coding and Decoding using Mapping coefficients cor responding to class information of pixel Blocks)
본 발명은 화상 코딩 장치 및 화상 코딩 방법, 화상 디코딩 장치, 기록 매체, 화상 처리 장치 및 화상 송신 장치에 관한 것으로, 보다 구체적으로는, 디코딩 된 화상이 원(original) 화상과 거의 동일하도록 화상을 감수 (thin) 및 압축할 수 있는 화상 코딩 장치, 화상 코딩 방법, 화상 디코딩 장치, 기록 매체, 화상 처리 장치 및 화상 전송 방법에 관한 것이다. 종래에, 화상을 압축하기 위한 다양한 방법이 제안되어 왔다. 이와 같은 하나의 방법에는 "제1 계층"(최상위 계층)의 화상"으로서 원 화상 데이터(인코딩될 화상)가 사용된다. 제2 계층의 화상과 제3 계층의 화상은 화소수를 감소시킴으로써 형성된다. (즉, 해상도가 저하된다) 본 발명의 게층적 코딩 시스템에 따르면, 복수 계층의 화상이 송신 장치에서 수신 장치로 전송되며, 수신 장치에서, 각 계층의 화상들은 복수 계층의 이들 화상들의 각각에 응답해서 (예를 들어, 모니터 상에) 디스플레이될 수 있다. 게다가, 본 발명의 계층적 디코딩 시스템에 따라, 최하위 계층(즉, 최저 해상도의 화상) 내의 화상에 대한 데이터에 대해 오차 보정 처리 동작을 수행하나 또 다른 상위 계층의 화상에 대해서는 수행하지 않는다. 그 결과, 오차가 발생할 때, 최하위 계층이 아닌 계층의 화상에 대해서는 어떠한 오차 보정도 이루어지지 않는다. 그 결과, 어떠한 오차 상황하에서, 단지 최하위 계층의 화상 데이터만 획득 및 보정될 수 있다.
최하위 계층보다 상위 계층의 화상은 오차 회복에 대한 데이터를 가지지 않으므로, 예를 들어, 수신단 상의 최하위 계층의 화상에 대한 데이터로부터 보간 처리 동작에 의해서만 얻어질 것이다. 따라서, 계층적 코딩 시스템에 따르면, 오차에 대한 robustness 특성이 개선될 수 있다. 도 36은 상술한 계층적 코딩 동작을 수행하기 위한 종래의 화상 코딩 장치의 한 예를 설명한다. 코딩될 화상 데이터는 제1 계층(최상위 계층)의 데이터로서 감수(서브샘플링) 유닛(11)과 신호 처리 유닛(501)에 제공된다. 감수 유닛(11)에서, 제1 계층의 화상 데이터의 화소수가 감소되어, (제1 계층보다 한 계층 낮은) 제2 계층의 화상 데이터가 형성되고, 형성된 화상 데이터는 감수 유닛(12)와 신호 처리 유닛(501)에 제공된다. 감수 유닛(12)에서, 제2 계층의 화상 데이터의 화소수가 감소되어, (제2 계층보다 한 계층 낮은) 제3 계층의 화상 데이터가 형성되고, 이러한 화상 데이터는 신호 처리 유닛(501)에 제공된다. 신호 처리 유닛(501)에서, 제1, 제2, 및 제3 계층의 화상 데이터에 관해 오차 보정 처리 및 다른 필요한 신호 처리 동작들이 수행된다. 그 후, 신호 처리된 화상 데이터가 멀티플렉싱되고, 멀티플렉싱된 화상 데이터는 코딩된 데이터로서 출력된다. 신호 처리 유닛(501)에서, 제3 계층의 화상 데이터는 다른 계층의 데이터에 대한 오차 보정보다 더 확실한 오차 보정을 수행함으로써 수행된다. 도 37은 도 36의 화상 코딩 장치로부터 출력된 코딩된 데이터를 계층적으로 디코딩하기 위한 종래의 화상 디코딩 장치의 실시예를 도시한다. 신호 처리 유닛(601)에서, 코딩된 데이터는 제1, 제2, 및 제3 계층의 코딩된 화상 데이터로 분리된다. 또한, 신호 처리 유닛(601)에서, 분리된 화상 데이터에 대해 오차 보정 처리 및 다른 필요한 처리 동작이 수행된다. 제1 계층의 화상 데이터는 제1 계층의 디코딩된 화상으로서 직접 출력된다. 제2 계층의 화상 데이터는 보간 유닛(602)에 공급된다. 보간 유닛(602)는 제1 계층(제2 계층보다 한 계층 상위)의 화상 데이터의 화소수와 동일한 화소수를 갖는 화상 데이터를 생성하도록 제2 계층의 화상 데이터에 대해 보간 처리를 실행한다. 그 후, 이렇게 생성된 화상 데이터는 제1 계층의 디코딩된 화상으로서 출력된다. 제3 계층의 화상 데이터는 또 다른 보간 유닛(603)에 공급된다. 보간 유닛(603)은 제3 계층의 화상 데이터에 대한 보간 처리 동작을 실행하여 제2 계층의 화상 데이터의 화소수와 동일한 화소수의 화상 데이터, 즉 제2 계층(제3 계층보다 한 계층상위)의 디코딩된 화상을 생성한다. 제2 계층의 디코딩된 화상은 또 다른 보간 유닛(604)에 접속된다. 보간 유닛(604)는 제1 계층(제2 계층보다 한 계층 상위)의 화상 데이터의 화소수와 동일한 화소수를 갖는 화상 데이터가 생성된 후 이 화상 데이터가 제1 계층의 디코딩된 화상으로 출력하도록 보간 유닛(603)의 출력 상에서 보간 유닛(602)와 유사한 보간 처리를 실행한다.
그 결과, 여러 가지 이유로 인해 제1 계층의 화상 데이터를 얻을 수 없을 때 조차도 제1 계층의 디코딩된 화상이 화상 디코딩 장치 내의 제2 계층의 화상 데이터로부터 얻어질 수도 있다. 유사하게, 여러 가지 이유로 인해 제2 계층의 화상 데이터 및 제2 계층의 화상 데이터를 얻을 수 없을 때 조차도 제3 계층의 화상 데이터로부터 제1 계층 및 제2 계층의 디코딩된 화상 데이터를 얻을 수 있다. 그러나, 하위 계층의 화상으로부터 보간 될 때 상위 계층의 디코딩된 화상의 화상 품질은 상당히 저하된다. 최저하 계층의 코딩된 데이터로부터 디코딩된 화상을 얻을 때 조차도 고 품질의 화상을 얻을 수 있는 시스템을 제공하는 것이 바람직하다. 본 발명의 실시예에 따른 화상 코딩 장치 및/또는 방법은 제2 계층의 화상 데이터를 보정하여 이 보정 데이터를 출력한다. 이 보정 데이터로부터 제1 계층의 화상 데이터의 예측값이 예측된다. 예측값의 예측 오차는 제1 계층의 화상 데이터에 대해 계산되며, 보정 수단으로부터 출력된 보정 데이터의 보정은 예측 오차에 근거하여 판단된다. 그 결과, 디코딩된 측의 정확히 판단된 보정 데이터로부터 고 품질의 화상을 갖는 디코딩된 화상을 얻을 수 있다. 본 발명에 따른 화상 코딩 장치의 실시예 및 방법에 따르면, 제1 계층의 화상 데이터는 각각의 특성에 따라 소정의 클래스로 분류된 소정 블록이며, 블록을 구성하는 화소의 화소 값을 사용하여 소정 계산을 수행함으로써 제1 계층의 화상 데이터의 화소수보다 화소수가 작은 제2 게층의 화상 데이터가 계산된다. 맵핑 계수는 이러한 블록의 클래스에 대응하는 것으로 판정된다. 그 결과, 디코딩 측상의 제2 계층의 화상 데이터로부터의 고품질의 화상을 갖는 디코딩된 화상을 생성할 수 있다. 본 발명은 상부에 기록되어 인코드되는 데이터를 갖는 기록 매체를 또한 포함한다. 예를 들어, 본 발명의 실시예에 따른 기록 매체는 제1 계층의 화상 데이터의 화소수보다 화소수가 작은 제2 계층의 최소한의 화상 데이터를 포함하는 코딩된 데이터를 상부에 기록한다. 코딩된 데이터는 제2 계층의 화상 데이터를 보정하여 생성되어 그 보정 데이터를 출력한다. 이 보정 데이터로부터 제1 계층의 화상 데이터의 예측값이 예측된다. 예측값의 예측 오차는 제1 계층의 화상 데이터에 대해 계산되며, 보정 수단으로부터 출력된 보정 데이터의 보정은 예측 오차에 근거하여 판단된다. 따라서, 이러한 코딩된 데이터로부터 고 품질의 화상을 갖는 디코딩된 화상을 생성할 수 있다. 본 발명의 실시예에 따른 화상 디코딩 장치 및/또는 방법은 제1 계층의 화상 데이터의 화소수보다 화소수가 작은 제2 계층의 화상 데이터를 보정하고 이 보정된 데이터로부터 예측된 제1 계층의 화상 데이터의 예측값의 보정 오차에 기초하여 보정 데이터로서 판정됨으로써 생성된 최소한 그러한 보정 데이터를 포함하는 코딩된 데이터에 기초하여 제1 계층의 화상을 디코드한다.
도 1은 본 발명의 실시예에 따른 화상 처리 시스템의 구성을 도시한 블록도.
도 2는 제1 실시예에 따른 송신 장치의 구성을 도시한 블록도.
도 3은 도 2의 감수 유닛(11 및 12)의 처리 동작을 보여주는 도면.
도 4는 도 2의 감수 유닛(11 및 12)의 처리 동작을 보여주는 도면.
도 5는 도 2의 최적의 보정 데이터 계산 유닛(13)의 구조예를 도시한 블록도.
도 6은 도 5의 최적의 보정 데이터 계산 유닛(13)의 처리 동작을 보여주는 흐름도.
도 7은 도 5의 보정 유닛(21)의 구조예를 도시한 블록도.
도 8은 도 7의 보정 유닛(21)의 동작을 보여주는 흐름도.
도 9는 도 5의 로컬 디코딩 유닛(22)의 구조예를 도시한 블록도.
도 10은 도 9의 클래스 분류 블록 생성 유닛(41)의 처리 동작을 보여주는 도면.
도 11은 클래스 분류 처리 동작을 보여주는 도면.
도 12는 ADRC 처리 동작을 보여주는 도면.
도 13은 도 9의 로컬 디코딩 유닛(22)의 동작을 보여주는 흐름도.
도 14는 도 5의 오차 계산 블록(23)의 구조예를 보여주는 블록도.
도 15는 도 14의 오차 계산 유닛(23)의 동작을 보여주는 흐름도.
도 16은 도 5의 판정 유닛(24)의 구조예를 도시한 블록도.
도 17은 도 16의 판정 유닛(24)의 동작을 보여주는 흐름도..
도 18은 도 1의 수신 장치(4)의 구성을 도시한 블록도.
도 19는 도 18에 도시된 예측 유닛(72)의 구조예를 도시한 블록도.
도 20은 도 18에 도시된 예측 유닛(73)의 구조예를 나타내는 블록도.
도 21은 도 5의 로컬 디코딩 유닛(22)의 또 다른 구조예의 블록도.
도 22는 도 21의 예측 계수 ROM(88)에 저장된 예측 계수를 계산하기 위한 실시예에 따른 화상 처리 장치의 구성을 나타내는 블록도.
도 23은 도 19에 도시된 디코딩 유닛(80)의 또 다른 구조예를 보여주는 블록도.
도 24는 제2 실시예에 따른 도 1의 송신 장치의 구성을 도시한 블록도.
도 25는 도 24의 최적의 보정 데이터 계산 유닛[101(102)]의 구조예를 도시한 블록도.
도 26은 도 25의 최적의 보정 데이터 계산 유닛(101)의 동작을 설명한 흐름도.
도 27은 맵핑 계수를 구하는데 사용된 학습 동작을 수행하기 위한, 제1 실시예에 따라 화상 처리 장치의 구성을 도시한 블록도.
도 28은 도 27의 화상 처리 장치의 동작을 보여주는 흐름도.
도 29는 맵핑 계수를 구하는데 사용된 학습 동작을 수행하기 위한, 제2 실시예에 따라 화상 처리 장치의 구성를 도시한 블록도.
도 30은 도 29의 화상 처리 장치의 동작을 보여주는 흐름도.
도 31은 본 발명에 따른 제1 계층을 디코딩하는 방법을 설명하는 도면.
도 32는 본 발명에 따른 제2 계층을 디코딩하는 방법을 설명하는 도면.
도 33은 제3 실시예에 따른 도 1의 송신 장치의 구성을 도시한 도면.
도 34는 도 33의 최적의 보정 데이터 계산 유닛(201)의 구조예를 도시한 블록도.
도 35는 도 34의 최적의 보정 데이터 계산 유닛(201)의 동작을 보여주는 흐름도.
도 36은 계층적 코딩 동작을 수행하기 위한 종래의 화상 코딩 장치의 구조예를 도시한 블록도.
도 37은 계층적 코딩 동작을 수행하기 위한 종래의 화상 코딩 장치의 구조예를 도시한 블록도.
도 38은 최적의 보정 데이터 유닛의 다른 실시예를 도시한 블록도.
도 39는 도 38의 최적의 보정 데이터 계산 유닛의 동작을 보여주는 흐름도.
도 40은 최적의 보정 데이터 유닛의 또 다른 실시예를 보여주는 블록도.
도 41은 도 40의 최적의 보정 데이터 계산 유닛의 동작을 보여주는 흐름도.
도 42는 로컬 디코딩 유닛의 다른 실시예를 도시한 블록도.
도 43은 도 42의 로컬 디코딩 유닛의 동작을 보여주는 흐름도.
도 44는 판정 유닛(24)의 블록도.
도 45는 판정 유닛(24)의 동작을 보여주는 흐름도.
도 46은 예측 유닛의 다른 실시예의 블록도.
도 47은 최적의 보정 데이터 계산 유닛의 다른 실시예의 블록도.
도 48은 도 47의 최적의 보정된 데이터 계산 유닛의 동작을 보여주는 흐름도.
* 도면의 주요부분에 대한 부호의 설명
1: 송신 장치, 2: 기록매체, 3: 송신 경로, 4: 수신 장치, 11,12: 감수 유닛, 13,14: 최적의 보정 데이터 계산 유닛, 15: 신호 처리 유닛, 21: 보정 유닛, 22: 로컬 디코딩 유닛, 23: 오차 계산 유닛, 24: 판정 유닛, 25: 멀티플렉싱 유닛.
먼저, 본 명세서에 기술된 다양한 실시예의 각 수단들간의 상응 관계를 정확히 하기 위해, 도면을 참조하여 본 발명의 특징을 간략히 설명하기로 한다. 용어 "유닛"은 하드와이어 유닛, 적절한 소프트웨어, 프로그램된 마이크로프로세서 또는 마이크로컨트롤러로 로드되는 메인 프레임 컴퓨터 또는 이들의 복합체를 포함하여 넓은 의미로 해석된다는 것을 알 수 있다.
도 1은 본 발명에 따른 화상 처리 시스템의 한 실시예를 도시한다. 디지털 화상 데이터는 송신 장치(1)에 공급된다. 송신 장치(1)은 계층적으로 입력 화상 데이터를 코딩하여 코딩된 화상 데이터를 얻으며, 이 코딩된 데이터를 광디스크, 광자기 디스크, 자기 테이프 및 그 외의 기록 매체 등의 기록 매체(2) 상에 기록한다. 그렇지 않고(또는 게다가), 이러한 코딩된 데이터는 지상파, 위성 회선, 전화 회선, CATV 네트워크 및 다른 경로 등의 송신 경로(3)을 통해 전송된다. 수신 장치(4)에서, 기록 매체(2) 상에 기록된 코딩된 데이터가 재생되거나, 송신 경로(3)을 통해 전송된 코딩된 데이터가 수신되며, 이러한 코딩된 데이터가 계층적으로 디코드되어 디코딩된 화상이 얻어지며 디스플레이(도시되지 않음)에 공급된다.
상술된 화상 처리 시스템은 예를 들어, 광디스크 장치, 광자기 디스크 장치, 자기 테이프 장치 등의 화상 기록/재생 장치에 공급될 수도 있다는 것을 유의해야 한다. 대안적으로, 이러한 화상 처리 시스템은 예를 들어, 텔레비젼 전화 장치, 텔레비젼 방송 시스템, CATV 시스템 등의 화상 전송 장치에 적용될 수도 있다. 또한, 송신 장치(1)로부터 출력된 코딩된 데이터의 데이터량이 비교적 작기 때문에, 도 1의 화상 처리 시스템은 예를 들어, 휴대용 전화 및 또 다른 휴대용 단말기에 적용될 수도 있다. 도 2는 상술된 송신 장치(1)의 구성예를 도시한다. 코딩되는 디지털 화상들(즉, 제1 또는 최상위 계층의 화상 데이터)은 제1 계층의 디코딩된 데이터로서 신호 처리 유닛(15)에 직접 공급된다. 제1 계층의 화상 데이터는 또한 감수 유닛(11) 또는 최적의 보정 데이터 계산 유닛(13)에 공급된다. 감수 유닛(11)에서, 제1 계층의 화상 데이터의 화소수가 감수되어 제2 계층(제1 계층보다 한 계층 낮은)의 화상 데이터가 형성된다.
즉, 예를 들어, 도 3에 도시된 바와 같이, 감수 유닛(11)에서, 제1 계층의 화상 데이터의 화소수가 감수되어 제2 계층의 화상 데이터(도면에서, "O" 표시로 나타낸 부분)가 1/9로 단순하게 감수된다(횡방향 및 종방향으로 1/3 감수). 그 결과, 제2 계층의 화상(도면에서, "△"로 나타낸 부분)이 형성된다. 제2 계층의 화상 데이터는감수 유닛(12) 및 최적의 보정 데이터 계산 유닛(13)에 공급된다. 감수 유닛(12)에서, 제2 계층의 화상 데이터가 감수되어 제2 계층보다 한 계층 낮은 제3 계층의 호아상 데이터가 형성된다. 즉, 예를 들어, 감수 유닛(11)의 경우와 유사하게 감수 유닛(12)에서, 제2 계층의 화상 데이터가 1/9로 단순하게 감수되어, 도 3에서 "X" 표시로 나타낸 제3 계층의 화상 데이터가 형성된다. 이러한 제3 계층의 화상 데이터는 또 다른 최적의 보정 데이터 계산 유닛(14)에 공급된다.
도 4에 도시된 바와 같이, 감수 유닛(11 및 12)에서, 제2 계층의 화상 데이터 및 제3 계층의 화상 데이터가 모두 상술된 방식으로 제1 계층의 화상 데이터(즉, 원 화상 데이터)로부터 형성된다. 최적의 보정 데이터 계산 유닛(13)은 제2 계층의 화상 데이터로부터 제1 계층의 디코딩된 화상을 얻기에 적합한 최적의 보정 데이터(이하, "제2 계층의 최적의 보정 데이터"라 칭함)를 계산한다. 계산된 최적의 보정 데이터는 제2 계층의 코딩된 데이터로서 신호 처리 유닛(15)에 출력된다. 최적의 보정 데이터 계산 유닛(14)에서, 최적의 보정 데이터 계산 유닛(14)로부터 출력된 최적의 보정 데이터를 얻기에 적합한 또 다른 최적의 보정 데이터(이하, "제3 계층의 최적의 보정 데이터"라 칭함)가 계산된다.
이러한 최적의 보정 데이터는 제3 계층의 코딩된 데이터로서 신호 처리 유닛(15)에 공급된다. 이 경우, 제3 계층의 최적의 보정 데이터가 제2 계층의 최적의 보정 데이터를 얻기에 적합하고, 제2 계층의 최적의 보정 데이터가 제1 계층의 최적의 보정 데이터를 얻기에 적합하므로, 제3 계층의 최적의 보정 데이터는 제2 계층의 최적의 보정 데이터와 유사한 제1 계층의 디코딩된 화상을 얻기에 적합할 수도 있다. 신호 처리 유닛(15)에서, 예측 계수(제2 계층의 예측 계수, 후술될 것임)가 유도되며, 제2 계층의 코딩된 데이터는 제1 계층의 예측 계수를 포함한다. 게다가, 제3 계층의 코딩된 데이터는 제2 계층의 예측 계수를 포함한다. 그 후, 신호 처리 유닛(15)에서, 제1 계층 내지 제3 계층의 코딩된 데이터에 대해 오차 보정 처리 및 또 다른 필요한 신호 처리 동작이 실행된다. 그 후, 신호 처리 코딩된 데이터가 멀티플렉스된후, 이 멀티플렉스된 데이터는 최종적으로 코딩된 데이터로서 출력된다. 제3 계층의 코딩된 데이터(최하위 계층인)에 대해서 수행된 오차 보정 처리가 다른 계층의 코딩된 데이터의 경우보다 강하다는 것을 이해해야 한다. 신호 처리 유닛(15)로부터 상술된 방식으로 출력된 코딩된 데이터는 기록 매체 상에 기록 및/또는 전송 경로(3)을 통해 전송된다. 상술된 바와 같이, 감수 유닛(11 및 12)에서 동일한 비율로 감수 동작이 수행된다. 그러나, 감수 유닛(11)의 감수 비율은 감수 유닛(12)의 감수 비율과 동일할 필요는 없다.
다음에, 도5는 도3에 도시된 최적의 보정 데이터 계산 유닛(13)의 구성예를 도시한다. 최적의 보정 데이터 계산 유닛(14)는 유사하게 구성될 수도 있다는 것을 유의하여, 그 설명은 생략하기로 한다. 감수 유닛(11)로부터 유도된 제2 계층상 데이터는 보정 유닛(21)에 공급되며, 제1 계층의 화상 데이터는 로컬 디코딩 유닛(22)에 공급된다. 또한, 제1 계층의 화상 데이터는 오차 계산 유닛(23)에 공급된다. 보정 유닛(21)은 판정 유닛(24)로부터 공급된 제어 신호에 응답하여 제2 계층의 화상 데이터를 보정한다. 보정 유닛(21)에 의한 보정 동작으로부터 얻어진 보정 데이터는 로컬 디코딩 유닛(22) 및 판정 유닛(24)에 공급된다. 로컬 디코딩 유닛(22)는 보정 유닛(22)로부터 출력된 보정 데이터에 기초하여 제1 계층(제2 계층보다 한 계층 상위인)의 예층치를 예측한다. 용어 "예측값"는 복수의 화소수를 포함하는 것을 의미하며, 여기서 각 화소치는 제2 계층의 화상 데이터의 화소에 응답한다. 예측값은 오차 계 유닛(23)에 공급된다.
본 명세서에서 후술되는 바와 같이, 로컬 디코딩 유닛(22)는 제1 계층의 화상 데이터를 사용하여 보정 데이터와 선형 결합하여 제1 계층의 예측값을 계산하는데 사용되는 각 클래스용의 예측 계수 및 보정 데이터를 얻기 위해 처리 동작을 실행한다. 이들 예측 계수에 기초하여, 로컬 디코딩 유닛(22)는 제1 계층의 예측기를 얻기 위해 적응 처리 동작을 실행한다. 각 클래스용의 최종 예측 계수가 또한 판정 유닛(24)에 공급된다. 오차 보정 유닛(23)은 제1 계층의 화상 데이터(원 화상)에 대해 로컬 디코딩 유닛(22)로부터 유도된 예측값의 예측 오류를 계산한다. 이러한 예측 오차는 오차 정보로서 판정 유닛(24)에 공급된다. 판정 유닛(24)는 오차 계산 유닛(23)으로부터 유도된 오차 정보에 기초하여, 보정 유닛(21)로부터 출력된 보정된 데이터가 원 화상(즉, 이 경우 제1 계층의 화상)의 코딩된 결과와 실질적으로 동일한지 판정한다. 판정 유닛(24)가 보정 유닛(21)로부터 출력된 보정된 데이터가 원 화상의 코딩된 결과와 실질적으로 동일하다고 판정하면, 판정 유닛(24)는 제2 계층의 화상 데이터를 보정하도록 보정 유닛(21)을 제어하여, 새로이 얻어진 보정 데이터가 보정 유닛(21)로부터 출력된다. 또한, 판정 유닛(24)가 보정 유닛(21)에 의해 출력된 보정 데이터가 원 화상의 코딩된 결과와 실질적으로 동일하다고 판정하면, 보정 유닛(21)로부터 공급된 보정 데이터는 최적의 보정 데이터(제2 계층의 최적의 보정 데이터)로서 멀티플렉싱 유닛(25)로 공급된다. 게다가, 로컬 디코딩 유닛(22)로부터 공급된 예측 계수는 멀티플렉싱 유닛(25)로 공급된다. 멀티플렉싱 유닛(25)는 판정 유닛(24)로부터 유도된 최적의 보정 데이터와 각 클래스의 예측 계수를 멀티플렉스한 후, 멀티플렉스된 결과를 제2 계층의 코딩된 데이터로서 출력된다. 도 6의 흐름도를 참조하여, 최적의 보정 데이터 계산 유닛(13)이 기술된다. 제2 계층의 화상 데이터가 보정 유닛(21)에 공급되면, 보정 유닛(21)이 먼저 제2 계층의 화상 데이터를 로컬 디코딩 유닛(22) 및 판정 유닛(24)에 직접 출력한다. 단계 S2에서, 로컬 디코드 유닛(22)에서 보정 유닛(21)로부터 유도된 보정 데이터, 즉 이미 설명한 제2 계층의 화상 데이터가 직접 로컬 디코딩된다. 즉, 단계 S2에서, 보정 유닛(21)로부터 유도된 보정 데이터와의 선형 결합에 의해 제1 계층(제2 계층보다 한 계층 상위인)의 예측값을 계산하기 위해, 각 클래스의 예측 계수를 얻기 위한 적응 처리 동작이 제1 계층의 화상 데이터에 대해 수행된다. 예측 계수에 기초하여, 에측값이 얻어진 후, 오차 보정 유닛(23)에 공급된다. 오차 계산 유닛(23)에 의해 제1 계층의 예측값이 로컬 디코딩 유닛(22)로부터 수신되면 단계 S3에서 오차 계산 유닛(23)이 제1 계층의 화상 데이터에 대해 로컬 디코딩 유닛(22)로부터 유도된 예측값의 예측 오차를 계산하여, 이러한 예측 오차를 오차 정보로서 판정 유닛(24)에 공급한다. 오차 정보가 오차 계산 유닛(23)으로부터 수신되면, 단계 S4에서 판정 유닛(24)는 보정 유닛(21)로부터 출력된 보정 데이터가 제1 계층의 코딩된 결과와 실질적으로 동일한지에 대해 판정한다. 즉, 단계 S4에서, 오차 정보가 소정의 임계치 "ε"보다 작은지에 대해 판정이 이루어진다. 단계 S4에서, 오차 정보가 소정의 임계치 "ε"이상이라고 판정되면, 보정 유닛(21)로부터 출력된 보정 데이터가 제1 계층의 화상의 코딩된 데이터와 실질적으로 동일하지 않다고 인식된다.
그 후, 단계 S5로 처리 동작이 진행되어 판정 유닛(24)가 보정 유닛(21)을 제어하여 제2 계층의 화상 데이터를 보정한다. 보정 유닛(21)은 판정 유닛(24)의 제어하에서 보정량(즉, 보정치 "△", 후술될 것임)을 변화시켜 제2 계층의 화상 데이터를 보정한다. 그 결과 보정 데이타는 로컬 데코딩 유닛(22) 및 판정 유닛(24)에 출력된다. 그 후, 이전 단계 S2로 처리가 복귀되며 유사한 처리 동작이 반복된다. 반면에, 단계 S4에서, 오차 정보가 소정의 임계치 "ε" 미만이라고 판정되면, 보정 유닛(21)로부터의 보정 데이터 출력은 제1 계층의 화상의 코딩된 결과와 실질적으로 동일하다는 것을 나타낸다. 오차 정보가 소정의 임계치 "ε"이하이면, 판정 유닛(24)는 최적의 보정 데이터로서 각 클래스의 예측 계수와 함께 멀티플렉싱 유닛(25)에 그 보정 데이터를 출력한다. 단계 S6에서, 멀티플렉싱 유닛(25)는 각 클래스의 예측 계수와 판정 유닛(24)로부터 유도된 최적의 보정 데이터를 멀티플렉스하여, 그 멀티플렉스된 결과를 제2 계층의 코딩된 데이터로서 출력한다. 그 후, 처리 동작이 종료된다. 상술된 바와 같이, 오차 정보가 소정의 임계치 "ε"미만인 조건에서 제2 계층의 화상 데이터를 보정함으로써 생성된 보정 데이터가 제1 계층의 화상의 코딩된 결과로서 사용되기 때문에, 수신 장치(4)측 상의 보정 데이터(즉, 최적의 보정 데이터)에 기초하여 원 화상 데이터(제1 계층의 화상 데이터)와 실질적으로 일치하는 화상을 제2 계층의 코딩된 화상 데이터로부터 출력할 수 있다.
상술된 바와 같이, 보정 데이터와의 선형 결합에 의해 제1 계층(제2 계층보다 한 계층 상위인)의 예측값을 계산하는데 사용되는 각 클래스의 예측 계수를 얻기 위한 처리 동작이 제1 계수의 화상 데이터를 사용하여 최적의 보정 데이터 계산 유닛(13)에서 수행되지만, 최적의 보정 데이터 계산 유닛(13)에 의해 출력된 최적의 보정 데이터를 사용하여 적응 처리 동작이 수행된다. 대안적으로, 최적의 보정 데이터 계산 유닛(14)는 감수 유닛(11)로부터의 제2 계층 출력의 화상 데이터의 적응 처리 동작을 수행할 수도 있다. 다음에, 도 7은 도 5에 도시된 보정 유닛(21)의 구성예를 도시한다. 제2 계층의 화상 데이터가 보정 유닛(32)에 공급된다. 판정 유닛(24)로부터 공급된 제어 신호에 응답하여, 보정 유닛(32)는 보정치 ROM(33)에 어드레스를 공급하여 보정치 "△"가 ROM(33)으로부터 판독된다. 그 후, 보정 유닛(32)는 예를 들어 보정치 ROM(33)으로부터 판독된 보정치 △를 제2 계층의 화상 데이타에 가산하여 보정 데이터를 생성하며, 이렇게 생성된 보정 데이터를 로컬 디코딩 유닛(22) 및 판정 유닛(24)에 공급한다. 보정치 ROM(33)은 제2 계층의 화상 데이터를 보정하기 위해 각종 보정치 △의 조합(예를 들어, 1 프레임의 제2 계층의 화상 데이터를 보정하기 위한 보정치의 조합)을 그 내부에 저장한다. 보정 유닛(32)로부터 공급된 어드레스에 대응하는 보정치 △의 조합이 보정치 ROM(33)으로부터 판독되어 보정 유닛(32)에 공급된다. 도 8을 참조하여, 도 7에 도시된 보정 유닛(21)의 처리가 설명될 것이다. 예를 들어, 한 프레임의 제2 계층의 화상 데이터가 보정 유닛(32)에 공급되면, 보정 유닛(32)는 단계 S11에서 제2 계층의 화상 데이터를 수신하고, 단계 S12에서 제어신호가 판정 유닛(24)(도 5 참조)로부터 수신되었는지에 대해 판정한다. 단계 S12에서, 제어 신호가 수신되지 않았다고 판정되면, 처리 동작은 단계 S13 및 S14를 건너 뛰고 단계 S15로 연속되며, 여기서 보정 유닛(32)는 제2 계층의 화상 데이터를 보정 데이터로서 로컬 디코딩 유닛(22) 및 판정 유닛(24)로 직접 출력한다. 그 후, 처리는 이전 단계 S12로 복귀된다. 즉, 상술된 바와 같이, 판정 유닛(24)는 오차 정보에 기초하여 보정 유닛[21(보정 유닛 32)]를 제어한다. 제2 계층의 화상 데이터가 보정 유닛(32)에 의해 수신된 직후에는 오차 정보가 아직 얻어지지 않았기 때문에(오차 정보는 오차 계산 유닛(23)으로부터 출려되지 않기 때문), 판정 유닛(24)로부터 어떠한 제어 신호도 출력되지 않는다. 그 결과, 제2 계층의 화상 데이터가 수신된 직후, 보정 유닛(32)는 제2 계층의 화상 데이터를 보정하지 않고, 이러한 화상 데이터를 보정된 데이터로서 로컬 디코딩 유닛(22) 및 판정 유닛(24)에 직접 출력한다. 반면에, 단계 S12에서, 판정 유닛(24)로부터 제어 신호가 수신되었다고 판정되면, 단계 S13에서 보정 유닛(32)는 이 제어 신호에 따라 규정된 어드레스를 보정치 ROM(33)에 출력한다. 그 결과, 단계 S13에서, 어드레스에 저장 보정치 △의 조합(집합)은 보정치 ROM(33)으로부터 판독되며, 보정 유닛(32)에 공급된다. 보정치 ROM(33)으로부터 판독된 보정치 △의 조합의 수신시, 보정 유닛(32)는 대응하는 보정치 △를 1 프레임의 제2 계층의 각 화상 데이터에 가산하여, 단계 S14에서 제2 계층의 화상 데이터를 보정함으로써 생성된 보정 데이터가 계산된다. 그 후, 단계 S15로 처리 동작이 진행되어, 보정 데이터가 보정 유닛(32)로부터 로컬 디코딩 유닛(22) 및 판정 유닛(24)로 출력되며, 단계 S12로 처리가 복귀된다.
상술된 바와 같이, 보정 유닛(21)은 판정 유닛(24)의 제어하에서 제2 계층의 화상 데이터를 다양한 값으로 보정하여 얻어진 보정 데이터를 반복적으로 출력한다. 1 프레임의 화상에 대해 코딩 동작이 수행되면, 판정 유닛(24)는 코딩 동작의 종료를 나타내기 위해 제어 신호를 보정 유닛(21)에 공급한다는 것을 유의하여야 한다. 단계 S12에서 제어 신호의 수신시, 보정 유닛(21)은 현재 프레임의 화상에 대해 처리 동작을 완료하고 다음 프레임의 화상에 대해 도 8의 흐름도에 정의된 처리 동작을 실행한다. 다음에, 도 9는 도 5에 도시된 로컬 디코드 유닛(2＠)의 구성예를 도시한다. 보정 유닛(21)로부터 유도된 보정 데이터는 클래스 분류용 블록 생성 유닛(41) 및 예측값 계산용 블록 생성 유닛(42)에 공급된다. 클래스 분류용 블록 생성 유닛(41)은 보정 데이터를 그것의 성질에 대응하는 소정의 클래스로 분류하기 위해 주지 보정 데이터에 주의하여 사용되는 클래스 분류용 블록을 생성한다. 예를 들어, 이제, 도 10을 참조하면, O 부호로 표시된 화소가 제1 계층의 화상을 구성하며, ● 부호로 표시된 또 다른 화소가 제2 계층의 화상(보정 데이터)를 구성하지만, 상부로부터 제1번째와 좌측으로부터 제j번째 위치에 배치된 보정 데이터(그렇지 않으면 화소)는 "Xij"로 표현되며, 클래스 분류용 블록 생성 유닛(41)은 총 9개의 화소를 갖는 클래스 분류 블록, 즉 주목 화소 Xij및 좌측 상부, 상부, 우측 상부, 좌측, 우측, 좌측, 좌측 하부 및 우측 하부의 주목 화소에 인접한 다음의 8개의 화소 X(i-1)(j-1), X(j-1), X(i-1)(j+1), Xi(j-1), Xi(j+1), X(i-1)(j-1), X(i-1)j, X(i+1)(j+1)를 생성한다. 클래스 분류 블록은 클래스 분류 적응 처리 유닛(43)에 공급된다. 이 경우, 클래스 분류 블록은 3×3 화소를 갖는 정방형 블록이지만 클래스 분류 블록의 형태는 그러한 정방형일 필요는 없다. 대안적으로, 예를 들어, 장방형, 십자형 및 다른 임의의 형태와 같은 다른 형대가 사용될 수도 있다. 또한, 클래스 분류 블록을 구성하는 화소의 총수도 9개(3×3 화소)의 화소로 제한되지 않는다. 예측값 계산용 블록 생성 유닛(42)는 예측값 계산 블록을 생성하기 위해 제1 계층의 화상의 예측값을 계산하는 데 사용된 주지 보정 데이터에 주의하여 보정 데이터를 처리한다. 즉, 도 10에서, 보정 데이터 Xij(도 10에서 "●"로 표시된 부분)를 위치설정하면서 원 화상 데이터(이 경우, 제1 계층의 화상 데이터) 내의 9개의 화소(3×3)의 화소치가 최좌측 방향으로부터 최우측 방향으로, 및 상부 방향으로부터 하부 방향으로 Yij(1),Yij(2),Yij(3),Yij(4),Yij(5),Yij(6),Yij(7),Yij(8),Yij(9)로 표시되며, 화소 Yij(1) 내지 화소 Yij(9)의 화소의 예측값을 계산하기 위해 예측값 계산용 블록 생성 유닛(42)는 정방형 예측값 계산 블록을 구성한다. 이러한 예측값 계산 블록은 예를 들어 화소 Xij가 중심으로 설정되어 있는 후술될 25개의 화소(5×5) X(i-2)(j-2), X(i-2)(j-1), X(i-2)j, X(i-2)(j+1), X(i-2)(j+1), X(i-2)(j+2), X(i-1)(j-2), X(i-1)(j-1), X(i-1)j, X(i-1)(j+1), X(i-1)(j+2), Xi(j-2), Xi(j-1), Xij, Xi(j+1), Xi(j+1), X(i+1)(j-2), X(i+1)(j-1), X(i+1)j, X(i+1)(j+1), X(i+1)(j+2), X(i+2)(j+2), X(i+2)(j-1), X(i+2)j, X(i+2)(j+1), X(i+2)(j+2)로 구성된다.
도 10을 사용한 구체예를 참조하면, 사각형으로 둘러진 제1 계층의 화상 데이터 내의 9개의 화소 Y33(1) 내지 Y33(9)의 예측값을 계산하기 위해, 예측값 계산 블록은 다음의 보정 데이터 X11, X12,X13,X14,X15,X21,X22,X23, X25, X31, X32, X33, X34, X35, X42, X43, X44, X45, X51, X52, X535, X54, X55로 구성된다. 예측값 계산용 블록 생성 유닛(42)에서 얻어진 예측값 계산 블록은 클래스 분류 적응 처리 유닛(43)에 공급된다. 클래스 분류 블록의 경우와 유사하게, 예측값 계산 블록에 대한 화소수 및 형태는 상술된 예로 한정되지는 않는다. 예측값 계산 블록의 화소의 총수는 양호하게는, 클래스 분류 블록의 화소의 총수보다 크게 생성된다는 것을 유의하라. 또한, 상술된 블록 생성 처리가 수행되면(블럭 생성 외의 처리 동작과 유사), 화상 데이터의 화상 프레임 근처에는 대응 화소가 존재하지 않는다. 이 경우, 예를 들어 화상 프레임을 구성하는 화소와 동일한 화소가 화상 프레임의 외측에 존재한다고 가정하여 처리 동작이 수행될 수도 있다. 클래스 분류 적응 처리 유닛(43)은 ADRC(adaptive dynamic range coding) 처리 유닛(44), 클래스 분류 유닛(45) 및 적응 처리 유닛(46)을 포함하며, 클래스 분류 적응 처리 동작을 수행한다. 클래스 분류 적응 처리 동작에 의해, 입력 신호가 그 성질에 기초하여 여러개의 클래스로 분류되며, 이들 각각의 클래스의 입력 신호에 대해 이들 클래스에 적합한 적응 처리 동작이 수행된다는 것이 의미된다. 간단히 말하면, 클래스 분류 처리 동작은 클래스 분류 처리 동작 및 적응 처리 동작으로 나눠진다. 이제, 클래스 분류 처리 동작 및 적응 처리 동작을 설명하기로 한다. 먼저, 클래스 분류 처리 동작이 설명될 것이다. 논의를 목적으로, 도 11A에 나타난 바와 같이 2×2 화소로 이루어진 블록(클래스 분류 블록)은 주목 화소 및 그것에 인접한 3개의 화소로 구성되며, 이들 각각의 화소는 1 비트로 표시된다(레벨 "0" 또는 레벨 "1"을 가짐). 이 경우, 도 11B에 나타난 바와 같이, 각 화소의 레벨 분포에 응답하여 4개의 화소(2×2)의 블록이 16(=(21)4)로 분류될 수도 있다. 그러한 패턴 분류는 클래스 분류 처리에 대응하며, 클래스 분류 유닛(45) 내에서 수행된다. 클래스 분류 처리 동작은 양호하게는, 화상의 특성, 예를 들어 블록 내의 화상의 복잡성 및 화상의 변화 강도를 고려한다는 것을 유의해야 한다. 통상, 본 실시에에서는, 예를 들어 각 화소에 8비트 이상이 할당된다. 또한, 본 실시예에서, 상술된 바와 같이 클래스 분류 블록은 9개의 화소 (=3×3)로 구성된다. 그 결과, 그러한 클래스 분류 블록에 대해 클래스 분류 처리 동작이 수행되면, 이들 블록은 많은 수의 클래스, 즉 (28)9으로 분류된다. 그러므로, 본 실시예에 따르면, ADRC 처리 유닛(44)내의 클래스 분류 블록에 대해 ADRC 처리 동작이 수행된다. 그 결과, 클래스 분류 블록 내의 화소의 비트수를 감소함으로써 클래스수가 감소된다. 즉, 예를 들어 설명을 간단히 하기 위해, 도 12A에 나타난 바와 같이, 직선 상에 배열된 4개의 화소로 구성되는 블록을 보면, ADRC 처리 동작에서 화소치의 최대치 "MAX" 및 최소치 "MIN"가 검출된다. 그 후, DR=MAX - MIN이 블록의 국부적 동적 범위로 사용된다고 가정하면, 블록을 구성하는 화소의 화소치는 동적 범위 DR에 기초하여 k 비트로 재양자화된다. 즉, 최소치 MIN은 블록 내의 각 화소치로부터 감산된 후, 그 감산치는 DR/2k로 제산된다. 그 결과, 그 결과치는 제산치에 대응하는 코드(ADRC 코드)로 변환된다.
구체적 예를 사용하면, k=2인 경우, 도 12B에 나타난 바와 같이, 제산치가 동적 범위 DR을 4(=22)로 제산하여 얻어진 범위 중 하나에 속하는 지에 대한 판정이 이루어진다. 제산치가 최소 레벨 범위, 제2 최소 레벨 범위, 제3 최소 레벨 범위, 또는 최고 레벨 범위에 속하고, 각 제산치는 범위를 나타내는 00B, 01B, 10B 또는 11B("B" 표시는 이진수를 나타낸다)와 같은 2비트로 코딩된다. 그 후, 디코딩측에서, ADRC 코드 00B, 01B, 10B 또는 11B가 최저 레벨 범위의 중심치 L0, 제2 최저 레벨 범위의 중심치 L1, 제3 최저 레벨 범위의 중심치 L10, 또는 최고 레벨 범위의 중심치 L11으로 변환된다. 그 후, 최소치 MIN이 이들 값에 가산되어 디코딩 동작이 수행된다. 이 경우, 그러한 ADRC 처리 동작은 "논-에지 매칭(non-edge matching)"이라 칭한다. 도 12C에 나타난 바와 같이, 논-에지 매칭에 반대로 개선된 논-에지 매칭이라 불리는 또 다른 ADRC 처리 기술이 존재한다. 향상된 논-에지 매칭 ADRC 처리 동작에서, ADRC 코디 00B 또는 ADRC 코드 11B는 동작 범위 DR을 4로 제산하여 얻어진 최저 레벨 범위에 속하는 평균치 MIN+또는 최대 레벨 범위에 속하는 화소값의 또 다른 평균치 MAX'로 변환된다. 또한, ADRC 코드 01B 및 10B는 MAX'-MIN'에 규정된 동작 범위 DR'를 3으로 제산하여 얻어진 레벨로 변환되어 ADRC 코드가 디코딩된다. ADRC 처리 동작에 대해서는 예를 들어, 본건 출원인에 의해 출원되어 1991년 공개된 일본 특허 공보 제3-53778호에 개시되어 있다. 상술된 바와 같이, 블록을 구성하는 화소에 할당된 비트수 미만의 비트수레 기초하여 양자화가 수행되도록 ADRC 처리 동작을 실행하여 클래스의 수가 감소될 수도 있다. 그러한 ADRC 처리 동작은 ADRC 처리 유닛(44)에서 수행된다. 본 실시예에서, 클래스 분류 처리 동작은 클래스 분류 유닛(45) 내의 ADRC 처리 유닛(44)로부터 출력된 ADRC 코드에 기초하여 수행된다. 대안적으로, 다른 처리 동작, 예를 들어 DPCM(predictive coding), BTC(block truncation coding), VQ(vector quantization), DCT(discrete cosine conversion) 및 하다마드(Hadamard) 변환을 사용하여 그러한 데이터에 대해 클래스 분류 처리 동작이 수행될 수도 있다. 이제, 적응 처리 동작을 설명하기로 한다. 예를 들어, 제1 계층의 화상 데이터의 화소 값 "y"의 예측값이 선형 주결합 모델로 계산된다. 이러한 선형 주결합 모델은 이들 화소 값(이 경우, 제2 계층의 화상 데이터를 보정하여 얻어진 보정 데이터이며 이후 "학습 데이타(learing data)"라 칭함) 주위에 위치된 여러 화소의 화소값 X1, X2, 및 소정의 예측 계수 W1, W2, 의 선형 결합으로 규정된다. 이 경우, 예측값은 다음의 수학식 1로 표현될 수도 있다.
[수학식 1]
E[y] = W1X1+ W2X2+,
따라서, 이러한 수학식 1을 성립하기 위해, 예측 계수 W 집합으로 이루어진 행렬 W, 학습 데이터 집합으로 이루어진 행렬 Y 및 예측값 집합으로 이루어진 행렬 Y'를 다음과 같이 정의하면, 다음의 수학식 2가 만족될 수 있다.
[수학식 2]
제1 계층의 화상 데이터의 화소치 y에 근사한 예측값은 수학식 2에 최소 자승법을 적용하여 얻어진다. 이 경우, 제1 계층의 화상 데이터의 화소치(이하, "교사 데이터"라 칭함)의 집합으로 이루어진 행렬 Y 및 제1 계층의 화상 데이터의 화소치 y에 대해 예측치의 나머지 집합으로 이루어진 행렬 E가 다음의 후술되는 나머지 식으로 정의되면 수학식 2로부터 만족될 수도 있다.
[수학식 3]
XW = Y + E
이 경우, 제1 계층의 화상 데이터의 화소치 y에 근사한 예측값을 계산하는데 사용된 제1 계층의 예측 계수는 자승 오차를 최소화함으로써 계산될 수도 있다. 그 결과, 상술된 자승 오차는 예측 계수로 미분되어 자승 오차가 0으로 설정된다. 다음의 수학식 3을 만족할 수 있는 예측 계수 Wi가 제1 계층의 화상 데이터의 화소치 "y"에 근사한 예측값을 계산하는데 사용되는 최적치가 된다.
[수학식 4]
따라서, 제1 계층의 예측 계수 Wi에 의해 수학식 3이 미분되기 때문에 후술되는 수학식 5가 만족될 수 있다.
[수학식 5]
수학식 4 및 수학식 5에 근거하여, 수학식 6이 구해질 수 있다.
[수학식 6]
더우기, 수학식 3에 정의된 나머지 식에 포함된 학습 데이터 "L", 예측 계수 "W", 교사 데이터 "y" 및 나머지 "e" 사이의 관계를 고려하여 수학식 6으로부터 다음의 수학식 7을 얻을 수 있다.
[수학식 7]
수학식 7에 정의된 정규 방정식은 계산될 예측 계수 w의 수와 동일하다. 그 결과, 수학식 7을 풀어 최적의 예측 계수 w를 얻을 수 있다. 수학식 7을 푸는 방식은 스윕-아웃(sweep-out) 방법(Gauss-Jordan's 소거법)을 사용하는 것이라는 것을 유의하라. 상술된 바와 같이, 각 클래스의 제1 계층의 최적의 예측 계수 w를 구하여 이예측 계수 w를 사용하여 수학식 1에 기초하여 제1 계층의 화상 데이터의 화소치 y에 근사한 예측값이 계산되는 방식으로 적응 처리 동작이 수행된다. 적응 처리 동작은 적응 처리 유닛(46)에서 수행된다. 적응 처리 동작이 보간 처리 동작과 상이하다는 것을 유의하라. 즉, 적응 처리 동작에서, 원 화상 데이터(실시예에서, 제1 계층의 화상 데이터) 내에 포함되고 감수 화상(본 실시예에서, 제2 계층의 화상 데이터)에는 포함되지 않은 성분들이 재현된다. 즉, 적응 처리 동작은 수학식 1만을 고려하면, 소위 "보간 필터"를 사용하는 보간 처리 동작과 동일하다. 그러나, 이러한 보간 필터의 탭 계수에 대응하는 예측 계수 w가 계수 데이터 "y", 즉 학습 시스템을 사용하여 계산되기 때문에, 원 화상 내에 포함된 성분이 재현될 수 있다. 이러한 기술적 관점에서, 적응 처리 동작은 화상 형성 효과를 갖는 처리 동작이라 칭해진다.
이제, 도 13에 도시된 흐름도를 참조하면, 도 9의 로컬 디코딩 유닛(22)의 처리 동작이 설명될 것이다. 먼저, 로컬 디코딩 유닛(22)에서, 단계 S21에서, 보정 유닛(21)로부터 유도된 보정 데이터가 처리되어 블록을 생성한다. 즉, 클래스 분류용 블록 생성 유닛(41)에서, 보정 데이터는 해당 보정 데이터에 중심을 둔 3×3 화소의 클래스 분류 블록으로 재분할된 후, 클래스 분류 적응 처리 유닛(43)에 공급된다. 상술된 바와 같이, 클래스 분류 블록 및 예측값 계산 블록 이외에, 제1 계층의 화상 데이터가 클래스 분류 적응 처리 유닛(43)에 공급된다. 클래스 분류 블록은 ADRC 처리 유닛(44)에 공급되며, 예측값 게산 블럭 및 제1계층의 화상 데이타가 적응 처리 유닛(46)에 공급된다. 클래스 분류 블럭 수신시 ADRC 처리 유닛(44)는 예를 들어, 단계 S22에서 클래스 분류 블록에 대해 1 비트의 ADRC 처리 동작(1 비트로 재양자화를 실행하는 ADRC)을 실행한다. 그 결과, 보정 데이터는 1 비트로 변환되어 (즉 코딩됨) 클래스 분류 유닛(45)에 출력된다. 단계 S23에서, 클래스 분류 유닛(45)는 ADRC 처리된 클래스 분류 블록에 대해 클래스 분류 처리 동작을 실행하여(즉, 블록 내의 각 화소 레벨의 분포 상태를 검출함), 이러한 클래스 분류 블록이 속하는 지를 판정한다. 이러한 클래스 판정 결과는 적응 처리 유닛(46)에 클래스 정보로서 공급된다. 1 비트의 ADRC 처리 동작이 수행된 9개의 화소(3×3)로 구성된 클래스 분류 블록에 대해 클래스 분류 처리 동작이 수행되기 때문에, 각 클래스 분류 블록은 512(=(21)9) 개의 클래스 중 임의의 하나로 분류된다. 그 후, 처리 동작이 단계 S24로 진행되어, 적응 처리 유닛(46) 내의 클래스 분류 유닛(45)로부터 공급된 클래스 정보에 기초하여 모든 클래스에 대해 적응 처리 동작이 수행된다. 그 결과, 제1 계층의 각 클래스의 예측 계수 및 1 프레임의 예측값이 계산된다. 즉, 본 실시예에 따르면, 각 클래스의 25×9 개의 예측 계수가 소정의 보정 데이터에 대해 제1 계층의 보정 데이터 및 화상 데이터로부터 계산된다. 게다가, 총 9개의 화소, 즉, 목적하는 보정 데이터에 대응하는 제1 계층의 화상 데이터의 하나의 화소 및 이 화소에 인접한 8개의 화소에 대한 예측값이 보정 데이터에 대응하는 화소가 예측값 계산 블록내에 중심을 둔 5×5 개의 화소를 갖는 예측값 계산 블록을 사용하여, 적응 처리 동작을 수행하여 계산된다. 이제, 도 10에 도시된 보정 데이터 X33가 중심에 있는 3×3개의 보정 데이터 X22, X23, X24, X32, X33, X34, X42, X43, X44,에 의해 구성된 클래스 분류용 블록에 관련된 클래스 정보 C가 클래스 분류 유닛(45)로부터 출력되는 한예를 참조하기로 한다. 또한, 예측값 계산 블록의 경우, 클래스 분류 블록에 대응하는 예측값 계산 블록이 예측값 계산 블록 생성 유닛(42)로부터 출력된다고 가정된다. 이러한 예측값 계산 블록은 보정 데이터 X33가 중점에 있는 X11, X12, X13, X14, X15, X21, X22, X23, X24, X25, X34, X32, X33, X34, X35,X41, X42, X43, X44, X45, X51, X52, X53, X54, X55로 구성된다. 먼저, 예측값 계산 블록의 보정 데이터가 학습 데이터에 설정되고, 보정 데이터 X33가 제1 계층의 화상 데이터 내의 중심에 있는 3×3 화소(도 10에서 사각형으로 둘러싸인 부분)의 화소치 Y33(1) 내지 Y33(9)가 고사 데이터에 설정되며, 수학식 7에 표현된 정규 방정식이 성립될 수도 있다.
더우기, 예를 들어, 하나의 프레임에 대한 정규 방정식은 클래스 정보 C에 의하여 분류된 타 클래스 분류 블록에 대응하는 다른 예측값 계산 블록에 대해 유사한 방식으로 성립된다. 화소치 Y33(k) (이때, k = 1,2,...9)의 예측값 E를 얻기 위하여 예측 계수 W1(k) 내지 W25(k)이 계산되어 정규 방정식이 성립될 때, 클래스 정보 C에 대하여, 이 정규 방정식을 풀어 화소치 Y33(k)의 예측값을 얻기에 적합한 최적의 예측 계수 w1(k) 내지 w5(k)가 계산된다. 상술된 예측 계수 w1(k) 내지 w55(k)는 본 실시예에서 하나의 예측값을 얻기 위해 25개의 학습 데이터가 사용되므로 25개가 필요하다. 또한, 상술된 수의 정규 방정식이 이어질 때까지 정규 방정식을 성립하기 위한 처리 동작이 단계 S24에서 실행된다. 이러한 처리가 각 클래스에 대하여 실행되며, 각각의 클래스에 대하여 25 x 9개의 예측 계수들이 계산된다. 그 후, 클래스 정보 C에 대응하는 25 x 9개의 예측 계수와 예측값 계산 블록 내의 25개의 보정 데이터를 이용하여 수학식 1에 대응하는 수학식 8에 따라 예측값이 구해진다.
단계 S23에서, 각각의 클래스의 25 x 9개의 예측 계수가 계산된 후, 주지 보정 데이터를 중심으로 하여 3 x 3의 화소를 단위로 하여 3 x 3의 예측값이 계산된다. 그 후에, 단계 S24에서, 각 클래스의 25 x 9개의 예측 계수가 결정 유닛(24)로 제공되고 예측값은 각각의 3 x 3 화소용 오차 계산 유닛에 제공된다. 그 후, 처리 과정은 단계 S21로 복귀하고, 다음 프레임에 처리가 반복된다. 도 14는 도 5의 오차 계산 회로(23)의 예시적 구성을 보여준다. 원 화상 데이터 (즉, 제1 계층의 화상 데이터)는 블록 생성 유닛(51)에 공급된다. 이 경우, 블록 생성 유닛(51)은 이 화상 데이터를 처리하여 로컬 디코딩 유닛(22)로부터 출력되는 제1 계층의 에측값에 대응하는 9개의 블록을 형성한다. 그 결과 얻어진 3 x 3 화소로 구성된 화상 블록은 블록 생성 유닛(51)로부터 자승 오차 계산 유닛(52)로 출력된다. 상술된 바와 같이, 블록 생성 유닛(51)로부터 공급되는 블록에 추가하여 로컬 디코딩 유닛(22)로부터의 유도된 제1 계층의 에측값이 9개 단위(3 x 3 화소의 블록 단위)로 자승 오차 계산 유닛(52)로 공급된다. 이러한 자승 오차 계산 유닛(52)는 제1 계층의 화상 데이터에 대한 예측값의 예측 오차로서 자승 오차를 계산하고 이를 적분기(55)에 공급한다. 자승 오차 계산 유닛(52)은 게산기들(53 및 54)을 포함하고 있다. 계산기(53)은 블록 생성 유닛(51)로부터 출력되는 블록 처리된 화상 데이터 각각에서 대응 예측값들을 감산한 후, 이 감산 결과를 계산기(54)에 공급한다. 계산기(54)는 계산기(53)의 출력을 제곱하고, 그 자승 값을 적분기(55)에 공급한다. 자승 오차 계산 유닛(52)으로부터 자승 오차를 수산하면, 적분기(55)는 메모리(56)의 저장 값을 판독하고, 이 저장 값을 자승 오차에 가산하여, 다시, 이 가산값을 메모리(56)에 공급하여 저장되도록 한다. 그후, 적분기(55)는 상기 동작을 반복하여, 자승 오차의 적분치(오차 분산)가 생성된다. 또한, 적분기(55)에 의해 자승 오차들의 소정량(예를 들면, 1 프레임의 양)에 대한 적분이 종료되면, 이 적분기(55)는 이 적분 값을 메모리(56)으로부터 판독한 다음, 이 적분 값을 오차 정보로서 판정 유닛(24)에 공급한다. 각 프레임이 처리될 때마다 메모리(56)의 저장 값이 소거되면서, 적분기(55)의 출력 값들이 메모리(56)에 저장된다. 이제, 도 15에 도시된 흐름도를 참조하여, 오차 계산 유닛(23)의 동작을 설명하기로 한다. 먼저, 단계 S31에서, 오차 계산기(23)에서는, 메모리(56)의 저장 값이 소거된다(예를 들면 "0").
그 후, 처리 동작은 단계 S32로 진행하여, 블록 생성 유닛(51)에 의해 제1 계층의 화상 데이터가 블록 처리 된다. 그 결과로 생기는 블록이 자승 오차 계산 유닛(52)로 공급된다. 단계 S33에서, 자승 오차 계산 유닛(52)에서는, 블록 생성 유닛(51)로부터 공급되는 블록을 구성하는 제1 계층의 화상의 화상 데이터와, 로컬 디코딩 유닛(22)로부터 공급되는 제1 계층의 예측값들 간의 오차의 자승을 계산한다. 즉, 단계 S33에서는, 계산기(53)에서, 블록 생성 유닛(51)에 의해 블록 처리되어 공급된 제1 계층의 화상 데이터 각각에서 대응 예측값이 감산된 다음, 그 감산 값이 계산기(54)로 공급된다. 또한, 단계 S33에서는, 계산기(53)로부터의 출력이 계산기(54)에 의해 자승되고, 그 자승 값이 적분기(55)로 공급된다. 자승 오차 계산 유닛(52)으로부터 공급된 자승 오차를 수신하면, 단계 S34에서, 적분기(55)는 메모리(56)의 저장 값을 판독하고, 이 판독된 저장 값을 자승 오차에 가산함으로써 자승 오차의 값을 적분한다. 적분기(55)에서 계산된 자승 오차의 적분 값은 메모리(56)에 공급되어, 이전 저장 값 위에 덮어쓰기된다. 그 후, 단계 S35에서, 적분기(55)에서 소정량, 예를 들면, 한 프레임 데이터에 대한 자승 오차들의 적분이 종료되었는지에 대한 판정이 이루어진다. 단계 S35에서, 1 프레임 데이터에 대한 자승 오차들의 적분이 종료되지 않은 것으로 판정되면, 처리 동작은 단계 S32로 복귀한다. 반면에, 단계 S35에서, 1 프레임 데이터에 대한 자승 오차들의 적분이 종료된 것으로 판정되면, 처리 동작은 단계 S36으로 진행한다. 단계 S36에서, 적분기(55)는 메모리(56)으로부터 1 프레임 데이터에 대한 자승 오차들의 적분 값을 판독한 다음, 이 적분 값을 오차 정보로서 판정 유닛(24)에 출력한다. 그 후, 처리 동작은 단계 S31로 복귀된다. 그 결과, 오차 계산 유닛(23)에서는, 제1 계층의 화상 데이터를 Yij(k), 로컬 디코딩 유닛(22) 내의 보정 데이터로부터 처리된 제1 계층의 예측값들을 E[Yij(k)]라고 가정하면, 다음식에 따른 계산을 실행하여 오차 정보 Q가 계산될 수 있다.
Q = ∑ (Yij(k) - [Yij(k)])2여기서, 부호 "∑"는 1 프레임 데이터의 합을 의미한다. 다음에, 도 16은 도 5의 판정 유닛(24)의 한 실시예를 도시하고 있다. 예측 계수 메모리(61)는 로컬 디코딩 유닛(22)로부터 공급되는 각 클래스에 대한 예측 계수를 저장한다. 보정 데이터 메모리(62)는 보정 유닛(21)으로부터 급되는 보정 데이터를 저장한다. 제2 계층의 화상 데이터가 새로이 보정되고, 따라서 새로 보정된 데이터가 보정 유닛(21)에 공급되면, 보정 데이터 메모리(62)는 이미 저장된 보정 데이터(즉, 이전 보정 데이터) 대신에 새로이 보정된 데이터를 저장한다. 또한, 그런 보정 데이터가 새로 보정된 데이터에 의해 갱신된 때, 이 새로 보정된 데이터에 대응하는 각 클래스에 대한 새로운 예측 계수들 집합이 로컬 디코딩 유닛(22)로부터 출력된다. 또한, 각 클래스에 대한 새로운 예측 계수가 예측 계수 메모리(61)에 공급된 경우에는, 각 클래스에 대한 새로운 예측 계수가 이미 저장된 예측 계수(즉, 각 클래스에 대한 이전 예측 계수)대신에 저장된다. 오차 정보 메모리(63)은 오차 계산 유닛(23)으로부터 공급된 오차 정보를 저장한다. 또한, 오차 정보 메모리(63)은 현재 공급된 오차 정보(현재 오차 정보)외에, 이전 경우(이전 오차 정보)에 오차 계산 유닛(23)으로부터 공급된 오차 정보도 저장한다.
즉, 새로운 오차 정보가 공급되어도, 또 다른 새로운 오차 정보가 공급될 때까지 이전의 저장된 오차 정보가 저장된다. 또한, 새로운 프레임이 처리될 때마다(예를 들어, 새로운 프레임 처리 개시) 오차 정보 메모리(63)의 내용이 소거된다. 비교 유닛(64)는 소정의 임계치 "ε"를 오차 정보 메모리(63)에 저장된 현재 공급된 오차 정보와 비교하고, 또한, 필요하다면, 현재 공급된 오차 정보를 이전의 공급된 오차 정보와 비교할 수도 있다. 비교기(64)로부터 얻어진 비교 결과는 제어 유닛(65)로 공급된다.
제어 유닛(65)는 비교 유닛(64)로부터 얻어진 비교 결과에 기초하여 보정 데이터 메모리(62)에 저장된 보정 데이터가 화상의 코딩된 결과와 실질적으로(최적으로)일치하는지 여부를 판정한다. 보정 데이터가 코딩된 결과와 실질적으로 일치하지 않다고 판정되면, 새로운 보정 데이터의 출력을 요구하는 제어 신호를 보정 유닛(21)(도 5)에 공급한다. 반대로, 제어기(65)가 보정 데이터 메모리(62)에 저장된 보정 데이터가 화상의 코딩된 결과와 실질적으로 일치한다고 인식하면, 예측 계수 메모리(61) 내에 저장된 각 클래스에 대한 예측 계수를 판독하여 멀티플렉싱 유닛(25)에 출력하고, 또한 보정 데이터 메모리(62)에 저장된 보정 데이터를 판독하여 최적의 보정 데이터로서 멀티플렉싱 유닛(25)에 출력한다. 또한, 이 경우, 제어 유닛(65)는 보정 유닛(21)에 제어 신호를 출력하는데, 이 제어 신호는 1 프레임 화상에 대한 코딩 동작이 종료되었다는 것을 나타낸다. 그 결과, 상술한 바와 같이, 제어기(65)는 압축 유닛(21)로 하여금 다음 프레임에 대한 처리 동작을 개시하도록 한다. 다음에, 도 17를 참조하여 판정 유닛(24)의 동작에 대해 설명하기로 한다. 제1 단계 S41에서, 판정 유닛(24)에서는, 비교기(64)가 오차 계산 유닛(23)으로부터 오차 정보가 수신되었는지 여부를 판정한다. 오차 정보가 수신되지 않았다고 비교기(64)가 판정하면, 처리 동작은 단계 S41로 복귀한다. 반면에, 오차 정보가 수신되었다고 비교기(64)가 판정하면 즉, 오차 정보 메모리(63)에 오차 정보가 저장되면, 처리 동작은 단계 S42로 진행한다. 단계 S42에서, 비교 유닛(64)는 소정의 임계치 "ε"를 현재 저장된 오차 정보(현재 오차 정보)와 비교하여 현재 오차 정보가 소정의 임계치보다 작은지를 판정한다. 단계 S42에서, 현재 오차 정보가 소정의 임계치 "ε"이상이라고 판정되면, 비교기(64)는 오차 정보 메모리(63)에 저장된 이전 오차 정보를 판독한다. 그 후, 단계 S43에서, 비교 유닛(64)는 이전 오차 정보를 현재 오차 정보와 비교하여 이전 오차 정보가 현재 오차 정보보다 큰지 여부를 판정한다.처리가 시작되고 오차 정보가 먼저 공급되는 경우, 이전의 오차 정보가 오차 정보 메모리(63)로 저장되지 않으므로, 이러한 경우, 단계 S43 이후에 한정된 처리 동작은 판정 유닛(24)내에서 수행되지 않는다. 제어 유닛(65)은 선정의 초기 어드레스를 출력하도록 보정 유닛(32)(도 7)을 제어하기 위한 제어 신호를 출력한다. 단계 S43에서 현재 오차 정보가 이전 오차 정보 이하인 경우, 다시 말하면, 제2 계층의 화상 데이터가 보정되어 오차 정보를 감소시키는 경우, 처리는 단계 S44로 진행된다. 단계 S44에서, 제어 유닛(65)은 보정치가 이전 경우와 유사한 방식으로 변한다는 것을 명령하도록 제어 신호를 보정 유닛(32)로 출력한다. 다음으로, 처리는 단계 S41로 복귀한다. 반면에, 단계 S43에서, 현재 오차 정보가 이전 오차 정보보다 큰 경우(즉, 오차 정보가 제2 계층의 화상 데이터를 보정함에 의해 증가되는 경우), 처리는 단계 S45로 진행된다. 단계 S45에서, 제어 유닛(65)은 보정치(Δ)가 이전 경우와는 반대 방식으로 변한다고 명령하기 위한 제어 신호를 보정 유닛(32)로 출력한다. 다음으로, 처리는 단계 S41로 진행된다. 연속적으로 감소된 오차 정보가 특정 타이밍에 따라 증가하는 경우, 제어 유닛(65)은 보정치(Δ)가 예를 들면 1/2만큼 감소하고 이전 경우와 반대 방식으로 변화한다는 명령에 대한 제어 신호를 출력한다. 다음으로, 단계 S41에서 단계 S45까지의 처리가 반복되므로, 오차 정보는 감소한다. 결과적으로, 단계 S42에서 현재 오차 정보가 선정 임계치 "ε"보다 작은 경우, 처리 동작은 단계 S46으로 진행한다고 판정한다. 단계 S46에서, 제어 유닛(64)은 각각의 클래스에 대한 예측 계수를 독출하고, 또한 보정된 데이터 메모리(62)내에 저장된 한 프레임의 보정된 데이터를 독출한다. 다음으로, 각각의 클래스 및 보정 데이터에 대한 이러한 예측 계수는 멀티플렉싱 유닛(25)로 공급되고, 처리는 종료한다.
그러므로, 처리 동작은 도 17의 흐름도에 따라 반복하고, 다음 프레임에 대한 오차 정보의 공급을 대기한다. 제2 계층의 화상 데이터의 보정에 대한 보정 유닛(32)에 있어서, 한 프레임에 대한 모든 화상 데이터는 보정 될 수 있거나, 또는 한 프레임에 대한 일부분의 화상 데이터가 보정될 수 있다. 제2 계층의 일부분의 화상 데이터만이 보정되는 경우(즉, 오차 정보에 강한 영향을 미칠 수 있는 화소가 제어 유닛(65)에 의해 검출되는 경우), 이러한 부분에 대한 데이터(즉, 강한 영향을 줄 수 있는 화소)만이 보정될 수 있다. 화소가 검출될 오차 정보에 강한 영향을 줄 수 있는 방식의 예가 아래에 설명된다. 먼저, 처리 동작은 제2 계층의 화상 데이터를 직접 이용함에 의해 수행되어, 오차 정보가 필요하다. 다음으로, 제어 신호는 제어 유닛(65)에서 보정 유닛(32)으로 공급되고, 이는 매 1화소 당 동일한 보정치(Δ)에 의한제2 계층의 화상 데이터를 보정하기 위한 처리를 수행한다. 결과 오차 정보는 제2 계층의 화상 데이터가 직접 사용되는 경우에 수용된 오차 정보와 비교된다. 다음으로, 비교 편차가 선정값보다 크거나 같아지는 경우의 오차 정보에 대한 화소가 오차 저오에 강한 영향을 미칠 수 있는 화소로서 검출될 수 있다. 상술한 것처럼, 제2 계층의 화상 데이터의 보정 동작은 오차 정보가 감소될 때까지 또는 선정 임계치 "ε" 보다 작아지도록 감소될 때까지 반복된다. 오차 정보가 선정 임계치 "ε"보다 작아지는 경우 수용되는 보정된 데이터는 화상의 코딩된 결과로서 출력된다. 따라서, 수신기 장치(4)(도 1)에서, 감수된 화상 데이터의 화소의 화소값이 원래 화상 데이터를 복구하도록 사용되는 최적치로서 제조되는 경우 보정된 데이터(최적 보정 데이터)로부터 원래 화상 데이터와 동일한(또는, 실질적으로 동일한)디코딩된 화상을 생성하는 것이 가능하다. 감수 처리 동작, ADRC 처리 동작 및 클래스 분류 적응 처리 동작에 의해 화상이 압축되므로, 압축률이 매우 높은 코딩 데이터를 수용하는 것이 가능하다. 감수 동작에 의한 압축 처리 동작이 높은 압축 효율성을 실현하도록 클래스 분류 적응 처리 동작과 유기적으로 조합되므로, 전송 장치(1)에서 수행되는 상술한 코딩 처리는 "조합된 코딩 처리 동작"이라 칭해질 수 있다. 다음으로, 도 18은 도 1에 도시된 수신 장치(4)의 구조의 예를 표시한다. 기록 매체(2) 상에 기록된 코딩된 데이터는 신호 처리 유닛(71)내에서 재생되고, 또한 전송 경로(3)을 통해 전송된 코딩된 데이터는 신호 처리 유닛(71)로 공급하도록 수신된다. 이러한 신호 처리 유닛(71)에서, 코딩된 데이터는 제1 계층, 제2 계층, 및 제3 계층의 코딩된 데이터로 분리된다. 또한, 오차 보정 처리 동작 및 다른 처리 동작이 신호 처리 유닛(71)에 의해 수행된다. 또한, 신호 처리 유닛(71)은 제2 계층의 코딩된 데이터를 코딩하는데 사용되도록 제3 계층의 코딩된 데이터로부터 제1 계층의 각각의 클래스에 대한 예측 계수를 복사한다. 신호 처리 유닛은 제3 계층의 코딩된 데이터를 통해 제1 계층의 코딩된 데이터를 출력한다. 제1 계층의 코딩된 데이터는 제1 계층의 디코딩된 화상 데이터로서 직접 출력된다. 또한, 제2 계층 및 제3 계층의 코딩된 데이터는 각각 예측 유닛(72) 및 예측 유닛(73)으로 출력된다. 제2 계층의 코딩된 데이터를 기준으로, 제1 계층의 화상의 예측값은 예측 유닛(72)내에서 계산되고, 다음으로 제1 계층의 코딩된 화상으로서 출력된다. 또한, 예측 유닛(72)내에서, 제1 계층의 예측값은 출력될 제3 계층의 디코딩된 화상 데이터를 기준으로 계산된다. 도 19는 예측 유닛(72)의 실시예를 도시한다. 신호 처리 유닛(71)(도 18)으로부터 유도된 제2 계층의 코딩된 데이타는 제1 계층의 각각의 클래스에 대한 제2 계층의 최적의 보정 데이터 및 예측 계수를 분리하는 분리 유닛(81)로 공급된다. 제2 계층의 보정된 데이터 및 제1 계층의 각각의 클래스에 대한 예측 계수는 디코드 유닛(80)으로 공급된다. 디코딩 유닛(80)은 클래스 분류용 블록 생성 유닛(92), 예측값 계산용 블록 생성 유닛(83), ADRC 처리 유닛(84), 클래스 분류 유닛(85), 및 예측 유닛(86)을 포함한다. 디코딩 유닛(80)의 이러한 구성 요소들은 클래스 분류를 위한 블록 생성 유닛(41), 예측값 계산용 블록 생성 유닛(42), ADRC 처리 유닛(44), 및 클래스 분류 유닛(45)의 구성과 유사한 방식으로 구성된다.
결과적으로, 이러한 블록은 유사한 방식으로 동작한다. 분리 유닛(81)으로부터 제공된 최적의 보정된 데이터는 클래스 분류(82)를 위한 블록 생성 유닛(82) 및 예측값 계산용 블록 생성 유닛(83)을 구비하며, 각각의 클래스에 대한 제1 계층의 예측 계수는 예측 유닛(86)으로 입력되고 다음으로 메모리(도시되지 않음)내에 저장된다. 예측값 계산용 블록 생성 유닛(83)으로부터의 예측값 계산 블록 출력은 예측 유닛(896)으로 공급된다. 클래스 분류 유닛(85)으로부터 출력된 클래스 정보는 ADRC 처리 유닛(84)에 의해 ADRC 처리된다. ADRC 처리된 클래스 정보는 또한 예측 유닛(86)으로 제공된다. 예측 유닛(86)에서, 제1 계층의 3×3 예측값은 클래스 정보에 응답하는 메모리(도시되지 않음)내에 저장된 제1 계층의 각각의 클래스에 대한 예측 계수들 중의 클래스 정보에 대응하는 제1 계층의 25×9 예측 계수의 독출을 사용하고, 예측값 계산용 블록 생성 유닛(83)으로부터 공급되는 예측값 계산 블록의 5×5 최적 보정 데이터를 또한 사용함에 의한 수식(1)에 따라 계산된다. 제1 계층의 계산된 예측값은 제1 계층의 디코딩된 화상으로서 디코딩 유닛(80)으로부터 출력된다. 상술한 바와 같이, 제2 계층의 최적의 보정 데이터는 예측 유닛(86)에서 예측을 실행하는 데에 사용되어, 제1 계층의 예측값과 제1 계층의 화상 데이터 사이의 오차가 임계치 "ε"보다 작아지게 된다. 결과적으로, 제2 계층의 최적의 보정 데이터에 따르면, 제1 계층의 디코딩 화상 데이터를 고 해상도로 취득할 수 있다. 다음에, 도 20은 도 18의 예측 유닛(73)의 실시예를 나타낸다. 신호 처리 유닛(71)(도 18)로부터 유도된 제3 계층의 코딩 데이터는 제3 계층의 코딩 데이터를 제3 계층의 최적의 보정 데이터, 제2 계층의 각 클래스의 예측 계수, 및 제1 계층의 각 클래스의 예측 계수로 분리하는 분리 유닛(221)에 공급된다. 제3 계층의 최적의 보정 데이타와 제2계층의 각 클래스의 예측 계수가 디코딩 유닛(222)에 공급되는 한편, 제1 계층의 각 클래스의 예측 계수가 다른 디코딩 유닛(223)에 공급된다. 디코딩 유닛(222)은 도 19에서 나타낸 디코딩 유닛(80)의 것과 유사하게 구성된다. 결과적으로, 상술된 경우와 유사하게, 이 디코딩 유닛(222)에서는 제2 계층의 화상 보정 데이터의 예측값이 제3 계층의 최적의 보정 데이터와 제2 계층의 각 클래스의 예측 계수로부터 연산된 다음에, 이 연산된 예측값은 디코딩 유닛(223)에 공급된다. 디코딩 유닛(223)은 또한 디코딩 유닛(80)과 유사하게 구성된다. 따라서, 제1 계층의 예측값은 제2 계층의 예측값과 제1 계층의 예측 계수로부터 연산되고, 다음에 이 연산된 예측값은 제1 계층의 디코딩 화상으로서 출력된다. 제2 계층의 각 클래스의 예측 계수는 제2 계층의 최적의 보정 데이터로서 최적의 데이터를 취득하기 위해서 도2의 최적의 보정 데이터 계산 유닛(14)에서 연산된다. 이전에 설명된 바와 같이, 고 해상도를 갖는 제1 계층의 디코딩 화상 데이터가 제2 계층의 최적의 보정 데이터에 따라취득될 수 있기 때문에, 또한 제3 계층의 코딩 데이터에 따라서 제1 계층의 디코딩 화상 데이터를 고 해상도로 취득할 수 있다. 이전에 설명된 바와 같이, 제1 계층의 코딩 데이터와 제2 계층의 코딩 데이터중 일부 또는 모두가 어떤 이유로 손실되면, 고 해상도를 갖는 디코딩 화상이 제3 계층(최저 계층)의 코딩 데이터, 즉 제1 계층과 제2 계층의 각 클래스의 예측 계수와 조합하여 제1 계층의 최적의 보정 데이터로부터 취득될 수 있다. 또한, 예를 들면, 제3 계층의 코딩 데이터(즉, 제3 계층의 최적의 보정 데이터, 제1 및 제2 계층의 각 클래스의 예측 계수)만을 수신할 수 있는 수신 장치의 경우, 고해상도를 갖는 디코딩 화상을 디코딩할 수 있다. 더구나, 제2 계층의 코딩 데이터와 제3 계층의 코딩 데이터(즉, 제2 계층의 최적의 보정 데이터, 제1 및 제2 계층의 각 클래스의 예측 계수)만을 수신할 수 있는 수신 장치의 경우, 고 해상도를 갖는 디코딩 화상을 디코딩할 수 있다. 이 실시예에서는, 제2 계층의 최적의 보정 데이터가 제2 계층의 코딩 데이터에 포함된다는 것을 이해해야 한다. 대안으로는, 제2 계층의 화상 데이터는 제2 계층의 최적의 보정 데이터와는 반대로, 제2 계층의 코딩 데이터에 포함될 수 있다. 또한, 제1 계층의 코딩 데이터, 제2 계층의 코딩 데이터 및 제3 계층의 코딩 데이터는 신호 처리 유닛(15)으로부터 출력된 코딩 데이터에 포함된다. 이전에 기술한 바와 같이, 고 화상질을 갖는 코딩 화상이 제3 계층의 코딩 데이터(제3 계층의 최적의 보정 데이터 및 제1 및 제2 계층의 각 클래스의 예측 계수)로부터만 생성될 수 있기 때문에, 신호 처리 유닛(15)로부터 출력된 코딩 데이터에 제3 계층의 코딩 데이터만을 포함하는 것이 대안으로 가능하다. 더구나, 도 2에서 나타낸 바와 같이, 최적의 보정 데이터 계산 유닛(13)로부터 출력된 제2 계층의 최적의 보정 데이터는 최적의 보정 데이터 계산 유닛(14)에 공급되므로, 각 클래스의 최적의 예측 계수가 제2 계층의 최적의 보정 데이터를 취득하도록 연산된다.
대안으로는, 제2 계층의 최적의 보정 데이터 대신에, 제2 계층 자체의 화상 자체가 최적의 보정 데이터 계산 유닛(14)에 공급될 수 있으므로, 제2 계층의 화상 데이터를 취득하기 위한 각 클래스의 최적의 예측 계수가 취득될 수 있다. 상술된 경우에는, 제1 계층의 각 클래스의 예측 계수가 도 9의 로컬 디코딩 유닛(22)에서 취득되고(또한 제2 계층의 각 클래스의 예측 계수가 최적의 보정 데이터 계산 유닛(14)를 구성하기 위한 로컬 디코딩 유닛(22)에서 취득), 다음에 제1 계층의 예측값이 제1 계층의 각 클래스의 예측 계수를 사용하여 연산된다. 대안으로는, 제1 계층의 각 예측값이 로컬 디코딩 유닛(22)의 각 클래스의 예측 계수를 취득하지 않고 연산될 수 있다. 즉, 도 21은 로컬 디코딩 유닛(22)의 다른 실시예를 나타낸다. 도 9에서 나타낸 동일한 참조 부호는 대응하는 부분을 나타내는 것으로 이용됨에 주의해야 한다. 특히, 적응 처리 유닛(46) 대신에, 예측 계수 ROM(88) 및 예측 유닛(89)이 도 21의 로컬 디코딩 유닛(22)에 이용되고, 다른 유닛이 도 9의 것과 유사하게 구성될 수 있다. 도 21의 로컬 디코딩 유닛(22)를 포함할 수 있는 최적의 보정 데이터가 도 38에 나타나있다. 도 38의 최적의 보정 데이터 계산 유닛(13)은 제1 계층의 화상 데이터(제2 계층의 최적의 보정 데이터)가 도 38의 최적의 보정 데이터 계산 유닛의 로컬 디코딩 유닛(22)에 공급되어 있지 않은 것을 제외하고는 도 5의 최적의 보정 데이터 계산 유닛(13)과 동일하다. 이하 상세히 설명되는 바와 같이, 도 21의 로컬 디코딩 유닛의 실시예는 제1 계층의 화상 데이터(제2 계층의 최적의 보정 데이터)를 필요로 하지 않는다. 도 21를 참조하여, 예측 계수 ROM(88)은 내부에 클래스에 관련된 예측 계수를 저장하고 있고, 이 계수는 학습(이하 설명)에 의해 취득될 수 있다. 클래스 분류 유닛(44)으로부터 출력된 클래스 정보의 수신시, 이 클래스 정보에 대응하는 어드레스에 저장된 예측 계수는 이 예측 계수 ROM(88)로부터 판독되어 예측 유닛(89)에 공급된다. 예측 유닛(89)에서, 연산은 예측값 연산을 위한 블록 생성 유닛(42)과 또한 예측 계수 ROM(88)으로부터 유도된 예측값 연산 블록을 이용함으로써 수학식 1(수학식 8은 수학식 10의 구체적인 응용을 나타냄)에서 나타낸 선형 방정식으로 이루어진다. 결과적으로, 원 화상의 예측값은 각 계층의 원 화상을 이용하지 않고 연산된다. 결과적으로, 도 21에 나타낸 클래스 분류 적응 처리 유닛(43)에 따르면, 이 예측값은 각 계층의 원 화상을 이용하지 않고 연산될 수 있다. 예측 계수 ROM(81)에 저장된 각 클래스의 25×9 예측 계수가 이전에 기술된 방법과 유사한 방법으로 판정 유닛(24)에 출력된다. 도 39는 도 21의 로컬 디코딩 유닛(22')이 동작하는 처리를 설명하는 흐름도이다. 도 21의 로컬 디코딩 유닛(22')이 동작하는 처리는 도 13에서 설명되는 처리와 어떤 의미에서는 유사하다. 예를 들면, 단계 S21-S23은 동일하다. 그러나, 단계 S23A에서, 분류된 클래스의 예측 계수는 예측 계수 ROM(88)로부터 판독된다. 다음에, 단계 S23B에서, 예측 유닛(89)는 예측값을 연산하는 데에 적합한 처리를 실행한다. 한편, 단계 23C에서, 예측 계수 ROM은 분류된 클래스의 예측 계수를 판정 유닛에 제공한다. 다음에, 도 22는 도 21에서 나타낸 예측 계수 ROM(88)에 저장된 예측 계수를 취득하기 위해서 학습 동작을 실행하기 위한 화상 처리 장치의 실시예를 설명한다. 학습의 목적인 화상 데이터(학습 화상)이 학습용 블록 생성 유닛(91)과 교사용 블록 생성 유닛(92)에 공급된다. 이하 설명한 바와 같이, 이들 화상 데이터는 어떤 화상에도 적용 가능한 예측 계수를 취득하는 데에 사용된다. 제1 계층의 각 클래스의 예측 계수가 취득될 때, 제1 계층의 화상 데이터가 학습용 블록 생성 유닛(91)과 교사용 블록 생성 유닛(92)에 학습 화상으로서 공급된다. 또한, 각 클래스에 대한 제2 계층의 예측 계수가 취득될 때, 제2 계층의 화상 데이터가 학습용 블록 생성 유닛(91)과 교사용 블록 생성 유닛(92)에 학습 화상으로서 공급된다. 학습용 블록 생성 유닛(91)은 예를 들면, 도 10에서의 부 "●"로 나타낸 위치 관계의 주지 화소가 중심에 위치된 25개의 화소(5×5 화소)를 입력된 화상 데이터로부터 추출하고, 그 후에 이들 25 화소를 갖는 블록을 ADRC 처리 유닛(93)과 학습용 데이터 메모리(96)에 학습용 블록으로서 공급한다. 또한, 교사용 블록 생성 유닛(92)에서는 예를 들면, 9 화소(3×3 화소)로 구성되는 블록이 입력 화상 데이터로부터 생성되고, 다음에 이들 9 화소를 갖는 블록이 교사용 블록으로서 교사용 데이터 메모리(98)에 공급된다.
학습용 블록이 예를 들어 학습용 블록 유닛(91)에서 주지 화소가 중심에 위치된 도 10의 부호 "●"로 나타낸 위치 관계로 위치된 25 화소로 구성될 때, 도 10에서 나타낸 직사각형으로 둘러싸인 3×3 화소의 교사용 블록이 교사용 블록 생성 유닛(92)로부터 생성된다.
ADRC 처리 유닛(93)은 학습용 블록을 구성하기 위한 25 화소로부터 중앙의 9화소(3×3 화소)를 추출한 다음에, 도 21의 ADRC 처리 유닛과 유사한 방법으로 이들 9화소로 이루어진 블록에 관련하여 1비트의 ADRC 처리 동작을 실행한다. ADRC 처리 동작으로 처리되는 3×3 화소의 블록은 클래스 분류 유닛(94)에 공급된다. 클래스 분류 유닛(94)에서는, ADRC 처리 유닛(93)으로부터의 블록이 클래스 분류되어 클래스 정보를 취득한다. 이 클래스 정보는 스위치(95)의 단자 "a"를 거쳐 학습용 데이터 메모리(96)와 교사용 데이터 메모리(98)에 공급된다.
학습용 데이터 메모리(96) 또는 교사용 데이터 메모리(98)에서, 학습용 블록 생성 유닛(91)으로부터 출력된 학습용 블록 또는 교사용 블록 생성 유니트(92)로부터 출력된 교사용 블록은 여기에 공급된 클래스 정보에 대응하는 어드레스에 저장된다.
결과적으로, 예를 들어 도 10의 부호 "●"로 나타낸 5×5 화소를 갖는 블록이 학습 데이터 블록(96)의 특정 어드레스에서 학습용 블록으로 저장되고, 도면에서 나타낸 3×3 화소로 구성되며 직사각형으로 둘러싸인 블록은 상술된 어드레스와 동일한 어드레스에서 교사용 블록으로 저장된다.
뒤이어서, 준비된 학습 화상 모두에 대해 유사한 처리가 반복되므로, 학습용 블록과 교사용 블록이 학습용 데이터 메모리(96)와 교사용 데이터 메모리(98)의 동일한 어드레스에 저장된다. 교사용 블록은 9화소로 구성되고, 여기에서 예측값은 학습용 블록의 25 화소의 것과 동일한 위치 관계를 갖는 25 보정 데이터로 구성된 예측값 연산 블록을 이용함으로써 도 21의 로컬 디코딩 유닛(22)에서 연산된다.
복수의 정보가 학습용 데이터 메모리(96)와 교사용 데이터 메모리(98)의 동일한 어드레스에 저장되기 때문에, 복수의 학습용 블록과 복수의 교사용 블록은 동일한 어드레스에 저장될 수 있다.
모든 학습 화상에 대한 학습용 블록과 교사용 블록이 학습용 데이터 메모리(96)와 교사용 데이터 메모리(98)에 저장될 때, 단자 "a"로 선택되는 스위치(95)는 단자 "b"으로 선택되도록 변경되므로, 카운터(97)의 출력이 학습용 데이터 메모리(96)와 교사용 데이터 메모리(98)에 어드레스로 공급된다. 카운터(97)는 소정의 클럭을 계수하여 그 순차 계수치를 출력하는 한편, 학습용 데이터 메모리(96) 또는 교사용 데이터 메모리(98)에서는, 이 계수치에 대응하는 어드레스에 저장된 학습용 블록 또는 교사용 블록이 연산 유닛(99)에 공급되도록 판독된다.
결과적으로, 클래스의 학습용 블록 집합과 교사용 블록 집합이 연산 유닛(99)에 공급되며, 카운터(97)의 계수치에 대응하여 공급된다.
학습용 블록 집합과 교사용 블록 집합을 특정 클래스에 의해 수신할 때, 연산 유닛(99)은 이들 블록 집합을 이용한 최소 자승법으로 오차를 최소화할 수 있도록 하는 예측 계수를 연산한다.
다시 말해, 예를 들면, 학습용 블록을 구성하는 화소의 화소치가 X1, X2, X3…이고, 또한 필요한 예측 계수가 w1, w2, w3…이라고 가정하면, 예측 계수 w1, w2, w3…은 이들 값의 선형 방정식을 이용하여 교사용 블록을 구성하는 특정 화소의 화소치 "y"을 취득하기 위해서 y=w1x1+w2x2+w3x3+…을 만족해야 한다.
결과적으로, 예측 계수 w1, w2, w3…는 상술한 수학식 7로 나타낸 정규 방정식을 세워 풀도록 하는 방식으로 연산 유닛(99)에서 연산될 수 있는 한편, 이들 예측 계수는 동일한 클래스의 학습용 블록과 이에 대응하는 교사용 블록으로부터 진값 "y"에 대하여 예측값 w1x1+w2x2+w3x3+…의 자승 오차를 최소화한다. 따라서, 25×9 예측 계수는 각 클래스에 대한 상술된 처리를 실행함으로써 각 클래스에 대해 연산된다.
연산 유닛(99)에서 연산되는 각 클래스에 관련한 예측 계수는 메모리(100)에 공급된다. 계수치는 연산 유닛(99)로부터 유도된 예측 계수에 부가하여, 카운터(97)로부터 메모리(100)에 공급된다. 결과적으로 메모리(100)에서는 연산 유닛(99)으로부터 유도된 예측 계수가 카운터(97)로부터 출력된 계수치에 대응하는 어드레스에 저장된다.
상술된 바와 같이, 이 클래스의 블록의 3×3 화소를 예측하는 데에 사용되는 25×9 최적의 예측 계수는 메모리(100)의 각 클래스에 대응하는 어드레스에 저장된다.
상술된 방식으로 메모리(100)에 저장된 각 클래스의 예측 계수는 도 21의 예측 계수 ROM(88)에 저장된다.
예측 계수가 예측 계수 ROM(88)의 각 클래스에 대응하는 어드레스에 저장되지 않는다는 것을 이해하여야 한다. 그러나, 교사용 블록의 화소치의 평균치가 저장될 수 있다. 이 경우, 클래스 정보가 공급되면, 이 클래스에 대응하는 화소치가 출력된다. 따라서, 도 21의 로컬 디코딩 유닛(22)에서는, 예측값 연산용 블록 생성 유닛(42)이나 예측 유닛(89)이 제공되지 않는다.
도 21에서 나타낸 로컬 디코딩 유닛을 이용한 결과, 도 19 또는 도 20에서 나타낸 예측 유닛(72)이나 예측 유닛(73)이 분리 유닛(81) 또는 분리 유닛(221)을 이용하지 않도록 할 수 있다. 부가하여, 도 19의 디코딩 유닛(80)(도 20의 디코딩 유닛(222) 및 (223)과 동일)은 도 23에서 나타낸 바와 같이 구성되어야 한다. 다시 말해, 이 경우, 디코딩 유닛(80)은 도 21에서 나타낸 로컬 디코딩 유닛(22)에 이용되는 클래스 분류 블록 생성 유닛(41), 예측값 연산 블록 생성 유닛(42), ADRC 처리 유닛(44), 클래스 분류 유닛(45) 및 예측 계수 ROM(88)을 포함할 수 있고; 또는 디코딩 유닛(80)은 예측 유닛에 대응하는 클래스 분류 블럭 생성 유닛(141), ADRC 처리 유닛(144), 클래스 분류 유닛(145), 예측 계수 ROM(146), 또는 예측 유닛(147)을 포함할 수 있다.
도 9를 참조하여 이전에 기술된 바와 같이, 예측 계수가 연속적으로 연산되어 예측값을 구하는 "대차 방식"과, 각 클래스의 예측 계수가 예측 계수 ROM(88)에 이미 저장되어, 각 클래스에 대해 이들 저장된 예측 계수가 예측값을 취득하는 데에 사용되는 "ROM 방식"이 있다.
도 40에서 나타낸 바와 같이, 본 발명의 송신 장치(1)의 제3 실시예에 따르면, 최적의 보정 데이터 계산 유닛(13)이 도 21에서 나타낸 로컬 디코딩 유닛(22)의 이용에 공급된다. 도 40를 참조하여, 이 다른 실시예에서는, 송신 장치(1)(도 2)에서, 제1 계층의 화상 데이터가 디코딩 유닛(22')에 공급될 필요가 없다. 또한, 도 5에서 나타낸 최적의 보정 데이터 계산 유닛(13)과 달리, 도 40의 최적의 보정 데이터 계산 유닛(13)에서는, 각 클래스의 예측 계수가 신호 처리 유닛에 공급되지 않는다. 더구나, 제1 계층의 화상 데이터(또는 제2 계층의 최적의 보정 데이터)는 로컬 디코딩 유닛에 필요하지 않으므로, 제공되지 않는다.
도 41은 도 40의 최적의 보정 데이터 계산 유닛(13')에 의해 실행되는 처리를 실행하는 흐름도이다. 도 41를 참조하면, 흐름도는 도 40의 플로우챠트의 단계 S6'(도 6의 단계 S6과 반대)에서 코딩 데이터로서의 최적의 보정 데이터가 출력되는 동안, 각 클래스의 예측 계수가 출력되지 않는 것을 제외하고는, 도6의 흐름도와 유사하다.
도 42는 도 40의 최적의 보정 데이터 계산 유닛(13)의 로컬 디코딩 유닛(22)을 설명한다. 도 42에서 설명된 로컬 디코딩 유닛(22)은 예측 계수가 로컬 디코딩 유닛(22) 외부에 제공되어 있지 않는 것을 제외하고는, 도 21에서 설명된 로컬 디코딩 유닛(22)과 유사하다.
도 43은 도 42에서 나타낸 로컬 디코딩 유닛(22')을 작동시키기 위한 동작을 설명한다. 도 43은 도 9의 로컬 디코딩 유닛의 동작을 보여주는 도 13의 흐름도와 매우 유사하다. 예를 들어, 단계 S21-S23은 동일하다. 그러나, 단계 S24에서는, 분류된 클래스의 예측 계수가 예측 계수 ROM(88)으로부터 판독된다. 다음에, 단계 S24A에서, 예측 유닛(89)은 예측값을 연산하는 데에 적합한 처리를 실행한다. 단계 S24B에서, 예측값이 출력된다.
도 44는 도 42의 로컬 디코딩 유닛의 판정 유닛(24)을 설명한다. 도 44의 판정 유닛(24)은 도 44의 판정 유닛(24)이 예측 계수 메모리(61)를 포함하지 않는다는 점에서 도 24의 판정 유닛(24)와 다르다. 유사하게, 도 44의 판정 유닛(24)은 예측 계수를 멀티플렉싱 유닛에 제공하지 않는다.
도 45는 도 42의 로컬 디코딩 유닛의 도 44의 판정 유닛(24)의 동작을 보여주는 흐름도이다. 도 45의 흐름도는 단계 S46에서 (도 44의 판정 유닛에 의해 발생되지 않는) 각 클래스의 예측 계수가 출력되지 않는다는 것을 제외하고는, 도 16의 판정 유닛의 동작을 보여주는 도 17의 흐름도와 유사하다.
도 46은 위에서 설명된 제3 실시예의 송신 장치에 보상적인 수신 장치(4)에 이용되는 제3 계층의 예측 유닛을 설명한다. 특히, 도 46에서 볼 수 있는 바와 같이, 각 클래스에 대한 어떠한 보정 데이터 또는 예측 계수도 디코딩 유닛(222)과 디코딩 유닛(223) 사이를 통과하지 않는다. 오히려, 디코딩 유닛(222)은 제3 계층의 코딩 데이터를 수신하여, 제2 계층의 예측값을 디코딩 유닛(223)에 공급한다. 제2 계층의 예측값으로부터, 디코딩 유닛(223)은 제1 계층의 예측값(사실상, 제1 계층의 디코딩 화상)를 결정한다.
도 24는 도 1에서 나타낸 송신 장치의 제4 실시예를 설명한다. 도 2에서 나타낸 동일한 참조 부호는 도 24의 동일하거나 유사한 성분을 나타내기 위한 것으로 이용됨에 유의해야 한다.
도 24의 실시예에서는, 제1 계층의 화상 데이터만이 최적의 보정 데이터 계산 유닛(101)에 공급된 다음에, 제2 계층의 최적의 보정 데이터가 제1 계층의 화상으로부터 연산된다. 다음에, 이 연산된 제2 계층의 최적의 보정 데이터가 제2 계층의 코딩 데이터로서 신호 처리 유닛(15)에 공급된다. 감수 유닛(11)으로부터 출력된 제2 계층의 화상 데이터만이 최적의 보정 데이터 계산 유닛(102)에 공급되고, 여기에서 제3 계층의 최적의 보정 데이터가 제2 계층의 화상 데이터로부터 연산된다. 다음에, 이 연산된 제3 계층의 최적의 보정 데이터는 제3 계층의 코딩 데이터로서 신호 처리 유닛(15)에 공급된다.
다음에, 도 25는 도 24에서 나타낸 최적의 보정 데이터 계산 유닛(101)의 구성예를 나타낸다. 이 최적의 보정 데이터 계산 유닛(102)은 최적의 보정 데이터 계산 유닛(101)에 유사하게 구성되기 때문에, 그 설명을 생략한다.
제1 계층의 화상 데이터(최적의 보정 연산 유닛(102)의 경우, 제2 계층의 화상 데이터)가 블록 생성 유닛(111)에 공급된다. 블록 생성 유닛(111)은 제1 계층의 화상 데이터를 처리하여 그 성질에 따라 제1 계층의 화상 데이터를 소정의 클래스로 분류하는 유닛인, 주지 화소가 중심에 있는 클래스 분류 블록을 만들고, 이에 따라 ADRC 처리 유닛(112)과 지연 유닛(115)에 화상 블록을 공급한다.
ADRC 처리 유닛(112)은 블록 생성 유닛(111)으로부터 유도된 블록(클래스 분류 블록)에 대해 ADRC 처리 동작을 실행한 후에, ADRC 코드로 구성된 최종 블록을 클래스 분류 유닛(113)에 공급한다. 클래스 분류 유닛(113)은 그 성질에 따라 ADRC 처리 유닛(112)으로부터 출력된 블록을 소정의 클래스로 분류하기 위한 클래스 분류 처리 동작을 실행한 다음에, 이 블록이 클래스 정보로서 어느 클래스에나 속한다는 것을 나타내는 정보를 맵핑 계수 메모리(114)에 공급한다.
후에 기술된 바와 같이, 맵핑 계수 메모리(114)는 모든 클래스 정보마다 학습 동작(맵핑 계수 학습)으로부터 취득된 맵핑 계수를 내부에 저장하고 있다. 클래스 분류 유닛(113)으로부터 공급된 클래스 정보를 이용하면서, 이 어드레스에 저장된 맵핑 계수가 이 메모리(111)로부터 판독되어 연산 유닛(116)에 공급된다.
지연 유닛(115)는 이 블록의 클래스 정보에 대응하는 맵핑 계수가 맵핑 계수 메모리(114)로부터 판독될 때까지 블록 생성 유닛(111)으로부터 공급되는 블록을 지연시키고, 이 지연된 블록을 연산 유닛(116)에 공급한다.
연산 유닛(116)은 지연 유닛(115)으로부터 공급된 블록을 구성하기 위한 화소의 화소치, 또한 맵핑 계수 메모리(114)로부터 제공되는 이 블록의 클래스에 대응하는 맵핑 계수를 이용함으로써 소정의 연산을 실행한다. 이로부터, 코딩 데이터가 연산되는데, 이것은 화상의 화소 개수를 감수하여 이 화상을 코딩함으로써 성취된다. 다시 말해, 연산 유닛(116)은 다음의 값들을 이용하면서, 소정의 함수치 "f"(y1, y2…k1, k2…)를 연산한다. 즉, 블록 생성 유닛(111)로부터 출력된 블록을 구성하기 위한 각 화소의 화소치는 y1, y2…이고, 맵핑 계수 메모리(114)로부터 출력되는 블록의 클래스에 대응하는 맵핑 계수는 k1, k2…이다. 이 연산된 함수치 "f"(y1, y2…k1, k2…)는 예를 들어 럭 맵핑 유닛(111)으로부터 출력된 블록(클래스 분류 블록)을 구성하기 위한 화소 중에서 중심 화소의 화소치로서 출력된다.
따라서, 블록 생성 유닛(111)로부터 출력된 클래스 분류 블록을 구성하기 위한 화소의 개수가 N 화소와 동일하다고 가정하면, 연산 유닛(16)은 화상 데이터를 1/N으로 감수하여, 이 1/N 감수된 데이터를 코딩 데이터로서 출력된다.
연산 유닛(116)으로부터 출력된 코딩 데이터가 N 화소로 구성된 블록의 중심 화소를 추출하여 생성된, 즉 간단한 감수 처리 동작을 실행하여 생성되는 데이터가 아니라, 이전에 설명된 바와 같이, 이 블록을 구성하기 위한 N 화소로 정의되는 함수치 "f"(y1, y2…, k1, k…)와 유사한 데이터라는 것을 이해해야 한다. 즉, 간단한 감수 처리 동작으로부터 취득되는 블록의 중심 화소이 화소치는 이 중심 화소 주위에 위치되는 화소치에 기초된 원 화상 데이터를 취득할 수 있는 최적치로서 보정된다, 따라서, 맵핑 계수 및 블록을 구성하는 화소를 연산하여 취득된 데이터는 "최적의 보정 데이터"로 언급될 수 있다.
또한, 연산 유닛(116)에서 실행되는 연산 처리는 블록 생성 유닛(111)에 의해 출력되는 클래스 분류 블록을 함수 "f"(y1, y2,..., k1, k2,...)로 구성하기 위해 각 화소의 화소치를 맵화하는 처리 동작으로 생각될 수 있다. 따라서, 이 처리 동작에서 사용되는 계수 k1, k2,...는 "맵핑 계수"로 언급될 것이다.
도 26의 흐름도를 참조하여 처리 동작을 설명한다.
제1 계층의 화상 데이터는 블록 생성 유닛(111)에 일 프레임(예를 들어)의 유닛으로 공급되다. 블록 생성 유닛(111)에서는, 단계 S101에서 일 프레임에 대한 제1 계층의 화상이 클래스 분류 블록을 만들도록 처리된다. 즉, 예를 들면 직사각형으로 둘러싸인 화소로 도 10에서 나타낸 바와 같이, 블록 생성 유닛(111)은 화상 데이터를 주지 화소가 중심에 있는 9 화소(횡방향과 종방향에서의 3×3 화소)로 구성되는 클래스 분류 블록으로 분할하고, 연속하여 이 클래스 분류 블록을 ADRC 처리 유닛(112)과 지연 유닛(115)에 공급한다.
이 경우, 클래스 분류 블록은 3×3 화소로 이루어지는 직사각형 블록으로 구성된다. 다르게는, 이 클래스 분류 블록의 형상은 직사각형상에 제한되는 것이 아니라, 예를 들어 장방형, 십자형 및 그외 임의의 형상으로 만들어질 수 있다. 또한, 클래스 분류 블록을 구성하기 위한 전체 개수의 화소는 9 화소(즉, 3×3 화소)에 제한되지 않는다. 더구나, 클래스 분류 블록은 인접 화소일 필요는 없지만, 다르게는 서로 이격되어 위치된 화소로 배열될 수 있다. 클래스 분류 블록의 형상과 화소양은 학습 동작(이 명세서에서 후에 설명되는 맵핑 계수 학습 동작)동안 사용되는 클래스 분류 블록의 형상 및 화소양과 일치하게 만들어져야 함에 주의해야 한다. 단계 S102에서, 블록 생성 유닛(111)으로부터의 클래스 분류 블록의 수신시, ADRC 처리 유닛(112)는 이 블록에 관련하여 일 비트의 ADRC 처리 동작을 실행함으로써 화소 블록이 일 비트 결과로 표현되게 한다. ADRC 처리된 클래스 분류 블록은 클래스 분류 유닛(113)에 공급된다.
클래스 분류 유닛(113)에서는, 단계 S103에서 ADRC 처리 유닛(112)로부터 유도된 클래스 분류 블록이 클래스로 분류되고, 이로써 최종 클래스 정보가 맵핑 계수 메모리(114)에 어드레스로서 공급된다. 결과적으로, 단계 S103A에서, 클래스 분류 유닛(113)으로부터 공급된 클래스 정보에 대응하는 맵핑 계수가 맵핑 계수 메모리(114)로부터 판독된 다음에 연산 유닛(116)에 공급된다.
한편, 지연 유닛(115)에서는, 블록 생성 유닛(111)으로부터 유도된 클래스 분류 블록이 지연되고, 이 지연된 클래스 분류 블록은 이 블록의 클래스 정보에 대응하는 맵핑 계수가 맵핑 계수 메모리(114)로부터 판독되는 것을 대기하면서, 공급된다. 단계 S104에서, 연산기(116)에서는, 상술된 함수 "f(●)"(이 함수 "f"에서 나타나는 부호 "●"은 한 화소치 집합 y1, y2,...,와 맵핑 계수 k1, k2,...를 나타낸다)가 지연 유닛(115)로부터 유도된 클래스 분류 블록을 구성하기 위한 각 화소의 화소치와 맵핑 계수 메모리(114)로부터 판독된 맵핑 계수에 기초하여 연산된다. 따라서, 최적의 화소치를 발생하도록 클래스 분류 블록의 중심 화소의 화소치를 보정함으로써 생성된 최적의 보정 데이터를 연산할 수 있다. 이 최적의 보정 데이터는 단계 S105에서 신호 처리 유닛(15)(도 24)에 제2 계층의 코딩 데이터로서 출력된다.
다음에, 단계 S106에서, 일 프레임에 대한 제1 계층의 화상 데이터의 처리가 실행되었는지의 여부에 대한 판정이 행해진다. 단계 S106에서는, 일 프레임에 대한 제1 계층의 화상 데이터의 처리 동작이 아직 완료되지 않았다고 판정될 때, 이전 단계 S102로 처리가 되돌아가, 여기에서 단계 S102 이후의 처리 동작은 다음 클래스 분류 블록에 대해 반복된다. 한편, 일 프레임에 대한 제1 계층의 화상 데이터의 처리 동작이 완료되었다고 단계 S106에서 판정될 때, 단계 S101로 처리가 되돌아가, 여기에서 단계 S101 이후의 처리 동작이 다음 프레임에 대해 반복된다.
다음에, 도 27은 맵핑 계수 메모리(114)에 저장된 맵핑 계수를 연산하는 데에 사용되는 학습(맵핑 계수 학습) 처리 동작을 실행하기 위한 화상 처리 장치의 구조예를 나타낸다. 메모리(121)에는, 학습 처리에 적당한 하나 이상의 프레임에 대한 제1 계층의 화상 데이터(이하 "학습 화상"으로 언급)가 저장된다. 최적의 보정 데이터 계산 유닛(102)(도 24)을 구성하는 맵핑 계수 메모리(114)에 저장된 맵핑 계수가 연산되고, 제2 계층의 하상 데이터가 메모리(121)에 저장됨에 유의해야 한다.
블록 생성 유닛(122)은 메모리(121)에 저장된 화상 데이터를 판독하여 도 25에서 나타낸 블록 생성 유닛(111)으로부터 출력된 것과 유사한 클래스 분류 블록을 발생한 다음에, 이 블록을 ADRC 처리 유닛(123)과 연산 유닛(126)에 공급한다.
ADRC 처리 유닛(123)과 클래스 분류 유닛(124)은 각각 ADRC 처리 유닛(112)과 클래스 분류 유닛(112)(도 25)의 것과 유사한 동작을 실행한다. 결과적으로 블록 생성 유닛(122)로부터 출력된 블록의 클래스 정보는 클래스 분류 유닛(124)로부터 출력된다. 다음에, 이 클래스 정보는 맵핑 계수 메모리(131)에 어드레스로서 공급된다.
연산기(126)는 블록 생성 유닛(122)로부터 공급된 블록과 맵핑 계수 메모리(131)로부터 공급된 맵핑 계수를 구성하는 화소를 이용함으로써 도 25의 연산 유닛(116)의 것과 동일한 연산을 실행한다. 따라서, 연산기(126)는 최종 보정 데이터(함수 "f"(●)를 로컬 디코딩 유닛(127)에 공급한다(로컬 디코딩 유닛(127)은 도 9, 21, 및 42에 나타낸 컬 디코딩 장치 어느 것일 수 있다). 연산 유닛(126)으로부터 공급된 보정 데이터에 기초하여, 로컬 디코딩 유닛(127)은 상술된 ROM 방식(즉, "대차 방식")에 따라서, 원 학습 화상 데이터(즉, 블록 생성 유닛(122)으로부터 출력된 블록을 구성하는 화소의 화소치의 예측값)의 예측값을 예측(연산)한 다음에, 이 예측값을 오차 연산 유닛(128)에 공급한다. 대차 방식을 이용하는 경우, 메모리(12)로부터의 학습용 화상 데이터가 로컬 디코딩 유닛(도 7)에 공급된다. 오차 연산 유닛(128)은 로컬 디코딩 유닛(127)으로부터 공급된 예측값에 대응하는 학습 화상 데이터의 화소치(진 값)를 판독하고, 이 학습 화상 데이터의 화소치에 관련하여 예측값의 예측 오차를 연산(검출)하고, 다음에 이 연산된 예측 오차를 오차 정보로서 판정 유닛(129)에 공급한다.
판정 유닛(129)은 오차 연산 유닛(128)로부터 공급된 오차 정보를 소정의 임계치 "ε1"와 비교한 다음에, 이 비교 결과에 따라서 맵핑 계수 설정 유닛(130)을 제어한다. 판정 유닛(129)의 제어에 의해, 맵핑 계수 설정 유닛(130)은 맵핑 계수 집합을 설정(변경)하고 (그 개수는 클래스 분류 유닛(124)에 의해 취득된 클래스의 개수와 동일하며), 다음에 이변경된 맵핑 계수를 맵핑 계수 메모리(131)에 공급한다.
맵핑 계수 메모리(131)는 맵핑 계수 설정 유닛(130)으로부터 공급된 각 클래스의 맵핑 계수를 내부에 임시적으로 기억한다. 맵핑 계수 메모리(131)는 맵핑 계수(맵핑 계수 집합)를 저장할 수 있는 저장 영역을 갖고 있다. 저장 영역의 개수는 클래스 분류 유닛(124)에서 분류되는 클래스의 개수와 동일하다. 각 클래스의 새로운 맵핑 계수가 맵핑 계수 설정 유닛(130)으로부터 공급될 때 각 저장 영역에는, 각 클래스의 새로운 맵핑 계수가 이전에 기억된 각 클래스의 맵핑 계수 대신에 내부에 기억되는 것이 바람직하다.
또한, 맵핑 계수 메모리(131)는 클래스 분류 유닛(124)로부터 공급된 클래스 정보에 대응하는 어드레스에 저장된 맵핑 계수를 판독한 다음에, 이 판독된 맵핑 계수를 연산 유닛(126)에 공급한다.
도 28의 흐름도를 참조하여 그 동작을 설명한다.
먼저, 단계 S151에서, 맵핑 계수 설정 유닛(130)은 클래스 분류 유닛(124)에서 분류된 클래스와 동일한 개수만으로 맵핑 계수의 초기치 집합을 설정한 다음에, 맵핑 계수 메모리(131)에 이들 초기치 집합을 공급한다. 이 맵핑 계수 메모리(131)에서, 맵핑 계수 설정 유닛(130)으로부터 유도된 각 클래스의 맵핑 계수(초기치)가 대응 클래스의 어드레스에 기억된다.
다음에, 단계 S152에서 블록 생성 유닛(122)은 메모리(121)에 저장된 모든 학습 화상을 처리하여 도 25에 나타낸 블록 생성 유닛(111)의 것과 유사한 방식으로 주지 화소가 중심에 있는 3×3 화소를 갖는 블록을 만든다. 더구나, 블록 생성 유닛(122)은 메모리(121)로부터 블록을 판독하고, 뒤이어서 ADRC 처리 유닛(123)과 연산 유닛(126)에 판독 블록을 공급한다.
단계 S153에서, 도 25의 ADRC 처리 유닛(112)의 처리 동작과 유사하게, ADRC 처리 유닛(123)은 블록 생성 유닛(122)로부터 출력된 블록의 일 비트의 ADRC 처리 동작을 실행하고, 다음에 ADRC 처리된 블록을 클래스 분류 유닛(124)에 공급한다. 단계 S154에서, 클래스 분류 유닛(124)에서는 ADRC 처리 유닛(123)으로부터 공급된 블록의 클래스에 대한 판정이 행해지고, 이 클래스 정보는 맵핑 계수 메모리(131)에 어드레스로서 공급된다. 결과적으로, 단계 S155에서 맵핑 계수는 맵핑 계수 메모리(131)의 어드레스로부터 판독되고, 이 어드레스는 클래스 분류 유닛(124)로부터 공급된 클래스 정보에 대응하고, 다음에 이 판독된 맵핑 계수는 연산 유닛(126)에 공급된다.
단계 S156에서, 블록이 블록 생성 유닛(122)으로부터 수용될 때, 또한 이 블록의 클래스에 대응하는 맵핑 계수가 맵핑 계수 메모리(131)로부터 수용될 때, 연산 유닛(126)은 블록 생성 유닛(122)로부터 공급된 블록의 화소의 화소치와 맵핑 계수에 기초하여 상기 설명된 함수치 "f(●)"를 연산한다. 이 연산 결과는 블록 생성 유닛(122)로부터 공급된 블록의 중심 화소의 화소치를 보정하여 취득된 보정 데이터로서 로컬 디코딩 유닛(127)에 공급된다.
다시 말해, 예를 들어, 도 10에서 직사각형으로 둘러싸인 3×3 화소의 블록이 블록 생성 유닛(122)으로부터 출력되는 것을 가정하면, 연산 유닛(126)은 이 도면에서 부호 "●"로 나타낸 화소의 화소치를 보정함으로써 생성된 보정 데이터를 연산한 다음에, 이 연산된 보정 데이터를 로컬 디코딩 유닛(127)에 출력한다.
결과적으로, 연산 유닛(126)에서, 학습 화상 데이터를 구성하기 위한 화소 개수는 1/9로 감수되고, 이에 의해 감수된 화소 개수가 로컬 디코딩 유닛(127)에 공급된다.
단계 S156에서 보정 데이터가 연산된 후, 메모리(121)에 저장된 모든 학습 화상 데이터의 보정 데이터가 연산되는지에 대한 검진이 행해지는 단계 S157에서 처리가 계속된다. 모든 학습 화상 데이터의 보정 데이터가 아직 연산되지 않았다고 단계 S157에서 판정될 때, 단계 S153으로 처리가 되돌아간다. 다음에, 단계 S153 내지 S157의 처리가 모든 학습 화상 데이터에 대한 보정 데이터가 연산될 때 까지 반복된다.
모든 학습 화상 데이터의 보정 데이터가 연산된 것(즉, 감수된 화상인 메모리(121)에 저장된 모든 학습 화상 데이터를 1/9로 감수하여 생성된 감수 화상이 성취된 것)이 단계 S157에서 판정될 때, 처리 동작은 이 1/9 감수된 화상이 로컬 디코딩 유닛(127)에서 로컬 디코딩되는 단계 S158로 진행되어, 원 학습 화상의 예측값이 연산되게 한다. 이 1/9 감수된 화상이 학습 화상을 1/9로 간단히 감수하여 생성된 감수 화상과 동일하지 않다는 것이 이해될 것이다. 오히려, 이 1/9 감수된 화상은 화소치를 얻기 위한 맵핑 계수를 연산함으로써 취득된 다른 감수 화상 데이터와 동일하다. 이 때, 예측값은 오차 연산 유닛(128)에 공급된다.
오차 연산 유닛(128)에서, 학습 화상은 단계 S159에서 메모리(121)로부터 판독되고, 이 판독된 학습 화상 데이터에 대하여 로컬 디코딩 유닛(127)으로부터 공급된 예측값의 예측 오차가 연산된다. 다시 말해, 학습 화상 데이터의 화소치를 "Yij"으로 표시하고, 로컬 디코딩 유닛(127)으로부터 출력된 예측값이 "E∑[Yij]"으로 표시하면, 다음으로 나타내는 오차 분산(즉, 오차의 자승 합산) "Q"가 오차 연산 유닛(128)에서 연산된다. 이 오차 분산은 판정 유닛(129)에 오차 정보로서 공급된다.
Q=∑(Yij-E[Yij])2, 여기에서 부호 "∑"은 학습용 화상 데이터의 모든 화소의 합을 나타낸다.
오차 연산 유닛(128)으로부터의 오차 정보의 수신시, 판정 유닛(129)은 이 오차 정보를 선정된 임계치 "ε1"과 비교하여, 단계 S160에서 이 오차 정보가 임계치보다 더 큰지에 대해서 판정한다. 오차 정보가 임계치 "ε1"보다 작지 않다고 단계 S160에서 판정될 때(즉, 로컬 디코딩 유닛(127)에서 성취된 예측값에 의해 구성된 화상이 원 학습 화상 데이터와 실질적으로 동일하다고 인식되지 않을 때), 판정 유닛(129)은 맵핑 계수 설정 유닛(130)에 제어 신호를 출력한다. 단계 S161에서는, 판정 유닛(129)로부터 유도된 제어 신호에 응답하여, 맵핑 계수 설정 유닛(130)이 각 클래스의 맵핑 계수를 변경시키고, 이 변경된 각 클래스의 맵핑 계수가 맵핑 계수 메모리(131)에 새롭게 저장되게 한다.
다음에, 이전의 단계 S153으로 처리 동작이 되돌아가, 여기에서 맵핑 계수 메모리(131)에 저장된 변경된 각 클래스의 맵핑 계수를 이용함으로써 단계 S153 이후 정의된 처리 동작이 다시 반복된다.
이제, 맵핑 계수는 맵핑 계수 설정 유닛(130)에서 임의로 변경될 수 있다고 이해되어야 한다. 다르게는, 현재의 오차 정보가 이전의 오차 정보 보다 적어지면, 이 맵핑 계수는 이전의 경향과 유사한 경향에 따라 변경될 수 있다. 또한, 현재의 오차 정보가 이전의 오차 정보 보다 크게 되면, 맵핑 계수는 이전의 경향과 반대인 경향에 따라 변경될 수 있다.
더구나, 맵핑 계수는 모든 클래스에 대해, 또는 클래스의 일부에 대해 변경될 수 있다. 클래스의 일부에 대한 맵핑 계수만이 변경될 때, 예를 들어, 오차 정보에 큰 영향을 미칠 수 있는 클래스가 검출되고, 다음에 이런 맵핑 계수만이 변경될 수 있다. 오차 정보에 큰 영향을 미칠 수 있는 클래스가 다음과 같이 검출될 수 있다. 먼저, 처리 동작이 맵핑 계수의 초기치를 이용하여 실행되어 오차 정보를 성취하도록 한다. 그 후, 맵핑 계수는 하나의 클래스 마다 동일한 양이 변경되고, 최종 오차 정보가 초기치가 이용될 때 취득되는 오차 정보와 비교된다. 이 비교 차이가 소정치 보다 작지 않는 클래스는 오차 정보에 큰 영향을 미칠 수 있는 클래스로서 검출될 수 있다.
또한, 상술된 k1, k2,…와 같은 복수의 맵핑 계수가 하나의 집합으로 설정되면, 다음 중에서 오차 정보에 큰 영향을 미칠 수 있는 맵핑 계수 만이 변경될 수 있다.
더구나, 상기 경우, 맵핑 계수가 매 클래스 마다 설정된다. 다르게는, 맵핑 계수가 예를 들어 각 블록에 대해 또는 인접 블록의 유닛에 개별적으로 설정될 수 있다.
예를 들어, 맵핑 계수가 매 블록 마다 독립적으로 설정되어 있을 때, 복수의 맵핑 계수 집합이 특정한 단일의 클래스에 관련하여 취득될 수 있다(반대로, 맵핑 계수 집합이 취득될 수 없는 클래스가 발생할 가능성이 있다). 마지막으로, 맵핑 계수가 모든 클래스에 대해 결정되어야 하기 때문에, 상술한 바와 같이, 복수의 맵핑 계수 집합이 특정 클래스에 대해 성취되고, 특정 처리 동작이 복수의 맵핑 계수 집합에 대해 실행되므로, 하나의 맵핑 계수 집합이 판정되어야 한다.
한편, 단계 S160에서 오차 정보가 임계치 "ε1"보다 적어진 것을 단계 S160에서 판정할 때, 즉 로컬 디코딩 유닛(127)에서 취득된 예측값에 의해 구성된 화상이 원 학습 화상 데이터와 실질적으로 동일하다고 인식되면, 처리 동작은 완료된다.
이 때, 맵핑 계수 메모리(131)에 저장된 모든 클래스의 맵핑 계수는, 원 화상 데이터와 동일한 화상으로서 인식 가능한 디코딩 화상 데이터(예측값)가 재생되게 하는 보정 데이터를 취득할 수 있는 최적의 맵핑 계수로서 도 25의 맵핑 계수 메모리(114)내에 설정된다.
결과적으로, 이러한 맵핑 계수를 이용하여 취득된 최적의 보정 데이터에 따르면, 원 화상 데이터와 실질적으로 동일한 화상 데이터를 취득할 수 있다.
이전에 기술된 바와 같이, 도 27의 실시예에서, 화상은 블록 생성 유닛(122)에 의해 주지 화소(3×3 화소)이 가운데에 있는 9화소로 구성된 블록으로 분할되는 한편, 일 비트의 ADRC 처리 동작은 ADRC 처리 유닛(123)의 화상 블록에 대해 실행된다. 결과적으로, 클래스 분류 유닛(124)에 의한 클래스 분류로 취득된 클래스 개수는 512(=(21)9)와 동일하다. 따라서, 512개의 맵핑 계수 집합이 취득된다.
도 46의 예측 유닛(73)은 도 24의 송신 장치에 의해 생성된 코딩 화상 데이터(더욱 상세하게는, 제3 계층의 코딩 화상 데이터)를 디코딩하기 위해서, 수신 장치(4)의 일부로서 이용될 수 있다.
도 29는도 25의 맵핑 계수 메모리(114)에 저장된 맵핑 계수를 연산하는 데에 사용되는 학습(맵핑 계수 학습)처리 동작을 실행하기 위한 화상 처리 장치의 다른 구조예를 나타낸다.
도 27의 화상 처리 장치에 따르면, 함수 "f"가 예를 들어 선현 방정식 또한 비선형 방정식, 및 2차 이상의 방정식으로 표현될 때에도, 최적의 예측 계수가 취득될 수 있다. 한편, 도 29의 화상 처리 장치에서는, 함수 "f"가 선형 방정식으로 표현될 때만이 최적의 예측 계수가 연산될 수 있다.
다시 말해, 도 29의 화상 처리 장치가 다음의 경우에서 사용될 수 있다. 즉, 도 25에서 블록 생성 유닛(111)으로부터 출력된 3×3 화소로 만든 블록을 구성하기 위한 각 화소의 화소치가 y1, y2,… y9로 설정되고, 맵핑 계수 메모리(114)로부터 출력된 맵핑 계수가 k1, k2, k3,… k9,로 설정되면, 연산 유닛(116)은 보정 데이터를 취득하기 위한 다음에 따라서 함수 "f(y1, y2,…,k1, k2)를 연산한다.
f(●)=k1y1+k2y2+●●●+k9y9
학습의 목적에 적합한 학습 화상 데이터로서 기능하는 제1 계층의 화상 데이터는 감수 유닛(171)에 (예를 들어)일 프레임의 유닛으로 공급된다. 감수 유닛(171)에서, 제1 계층의 화상 데이터의 화소 개수가 감수되어, 제2 계층의 화상 데이터가 생성된다. 맵핑 계수가 최적의 보정 데이터 계산 유닛(102)(도 24)에 의해 나중에 사용되는 맵핑 계수 메모리(114)에 저장되도록 연산될 때, 제2 계층의 화상 데이터가 감수 유닛(171)에 공급되어 제3 계층의 화상 데이터가 형성된다.
감수 유닛(171)에서 취득된 제2 계층의 화상 데이터가 최적의 보정 데이터 계산 유닛(170)에 공급된다. 최적의 보정 데이터 계산 유닛(170)은 보정 유닛, 로컬 디코딩 유닛(173), 오차 연산 유닛(174) 및 판정 유닛(175)(이들은 도 5, 도 38 또는 도 40의 상술된 보정 유닛(121), 로컬 디코딩 유닛(22), 오차 연산 유닛(23), 및 판정 유닛(24)에 각각 유사)으로 구성된다. 이 최적의 보정 데이터 계산 유닛(170)에서는 입력된 화상에 대해 최적의 보정된 데이터, 즉 제2 계층의 화상이 생성된 다음에 래치 유닛(176)에 공급된다. 도 5의 최적의 보정 데이터를 이용하는 경우, 학습용 화상 데이터가 로컬 디코딩 유닛에 공급된다.
래치 유닛(176)는 최적의 보정 데이터 계산 유닛(170)으로부터 공급된 최적의 보정 데이터를 내부에 저장하기 위한 메모리(176A)를 포함한다. 더구나, 래치 유닛(176)은 메모리(176A)에 저장된 최적의 보정 데이터중에서, 블록 생성 유닛(177)의 메모리(177A)로부터 판독된 블록의 중심 화소에 대응하는 최적의 보정 데이터를 판독한다. 일 프레임의 보정 데이터가 메모리(176A)에 저장될 때, 래치 유닛(176A)는 이 데이터 저장소를 나타내는 제어 신호를 블록 생성 유닛(177)에 출력하는 것에 유의해야 한다.
감수 유닛(171)에 공급된 화상 데이터와 동일한 화상 데이터, 즉 제1 계층의 화상 데이터는 일 프레임의 유닛으로 블록 생성 유닛(177)에 공급된다.
블록 생성 유닛(177)은 여기에 공급된 학습 화상 데이터를 내부에 저장하기 위한 메모리(177A)를 포함한다. 래치 유닛(176)로부터 보내진 제어 신호의 수신시, 블록 생성 유닛(177)은 도 25의 블록 생성 유닛(111)의 것과 유사한 방법으로, 메모리(177A)에 저장된 학습 화상 데이터를 주지 화소가 중심에 있는 3×3 화소로 구성된 블록으로 분할한다. 다음에, 이 블록이 순차적으로 판독되어 ADRC 처리 유닛(178)과 메모리(180)에 공급된다. 블록이 블록 생성 유닛(177)에 포함되는 메모리(177A)로부터 판독될 때, 블록 생성 유닛(177)은 블록의 위치를 나타내는 제어 신호를 래치 유닛(176)에 공급한다. 래치 유닛(176)에서는, 메모리(177A)로부터 판독된 3×3 화소의 블록이 이 제어 신호에 응답하여 인식되고, 다음에 이전에 설명한 바와 같이 이 블록의 중심 화소에 대응하는 최적의 보정 데이터가 메모리(176A)로부터 판독된다. 즉, 결과적으로, 3×3 화소와 이 블록에 대응하는 최적의 보정 데이터를 갖는 특정 블록이 동시에 메모리(180)에 공급된다.
ADRC 처리 유닛(178)과 클래스 분류 유닛(179)은 도 25의 ADRC 처리 유닛(112)과 클래스 분류 유닛(113)과 동일하다. 다음에, 블록 생성 유닛(177)로부터 유도된 블록에 대한 클래스 정보가 어드레스로서 메모리(180)에 공급된다.
메모리(180)는 래치 유닛(176)으로부터 공급된 최적의 보정 데이터와, 블록 생성 유닛(177)으로부터 공급된 블록을 내부에 저장하여, 클래스 분류 유닛(179)으로부터 공급된 클래스 정보에 대응하는 어드레스의 관계를 만든다. 메모리(180)에서는, 복수의 정보가 일 어드레스에 저장될 수 있음에 주의해야 한다. 결과적으로, 복수 집합의 최적의 보정 데이터와 특정 클래스 정보에 대응하는 블록이 저장될 수 있다.
연산 유닛(181)은 학습 화상의 3×3 화소의 블록의 9개의 화소 y1, y2,…y9과, 이 블록에 대응하여 메모리(180)에 저장되는 최적의 보정 데이터 y'를 판독한다. 다음에, 최소 자승 방법이 이들에 적용되어, 맵핑 계수 k1내지 k9가 매 클래스마다 연산되어 메모리(182)에 공급된다. 메모리(182)는 이 클래스에 대응하는 어드레스에서 연산 유닛(181)으로부터 공급된 클래스 마다 맵핑 계수 k1내지 k9를 내부에 저장한다.
도 30에서 나타낸 흐름도를 참조하면, 도 29 장치의 동작이 설명된다.
제1 계층의 화상 데이터가 학습 화상 데이터로서 입력될 때, 이 학습 데이터는 블록 생성 유닛(177)의 메모리(177A)에 저장되며, 감수 유닛(171)에 공급된다. 이 감수 유닛(171)에서, 제2 계층의 화상 데이터는 제1 계층의 화상 데이터로부터 형성된 다음에, 최적의 보정 데이터 계산 유닛(170)에 공급된다.
제2 계층의 화상 데이터 수신시, 최적의 보정 데이터 계산 유닛(170)은 단계 S131에서 제2 계층 취적의 보정 데이터를 연산하고, 이 연산된 최적의 보정 데이터를 래치 유닛(176)의 메모리(176A)에 공급하여 저장시킨다.
다음에, 일 프레임의 최적의 보정 데이터가 메모리(176A)에 저장될 때, 래치 유닛(176)은 블록 생성 유닛(177)에 제어 신호를 출력한다. 단계 S132에서, 래치 유닛(176)으로부터 유도된 제어 신호의 수신시, 블록 생성 유닛(177)은 메모리(177A)에 저장된 학습 화상 데이터를 3×3 화소로 구성된 블록으로 분할한다. 다음에, 블록 생성 유닛(177A)에 저장된 학습용 화상 데이터의 블록을 판독하고, 이 판독된 블록을 ADRC 처리 유닛(178)과 메모리(180)에 공급한다.
동시에, 블록이 메모리(177A)로부터 판독될 때, 블록 생성 유닛(177)은 이 블록의 위치를 나타내는 제어 신호를 래치 유닛(176)에 공급한다. 제어 신호에 응답하여, 래치 유닛(176)은 메모리(177A)로부터 판독된 3×3 화소의 블록을 인식하여, 이 블록의 중심 화소에 대응하는 최적의 보정 데이터를 판독한 다음에, 이 판독된 최적의 보정 데이터를 메모리(180)에 공급한다.
다음에, 단계 S133에서 블록 생성 유닛(177)으로부터 유도된 블록이 ADRC 처리되고, 또한 이 블록은 클래스 분류 유닛(179)에서 클래스 분류된다. 이 분류 결과는 메모리(180)에 어드레스로서 공급된다.
단계 S134에서, 메모리(180)는 래치 유닛(176)로부터 공급된 최적의 보정 데이터와, 클래스 분류 유닛(179)으로부터 공급된 클래스 정보에 대응하는 어드레스에서 대응하는 관계를 갖는 블록 생성 유닛(177)으로부터 공급된 블록(학습 데이터)를 내부에 저장하고 있다.
다음에, 처리 동작은 일 프레임의 블록과 최적의 보정 데이터가 둘다 메모리(180)에 저장되어 있는지에 대해서 검진되는 단계 S135로 진행한다. 일 프레임의 블록과 최적의 보정 데이터가 메모리(180)에 아직 저장되어 있지 않다고 단계 S135에서 판정될 때, 다음 블록이 블록 생성 유닛(177)으로부터 판독되고, 또한 이 판독된 블록에 대응하는 최적의 보정 데이터가 래치 유닛(176)로부터 판독된다. 다음에, 단계 S133으로 처리가 되돌아가, 여기에서 단계 S133 이후 정의된 처리 동작이 반복된다.
한편, 일 프레임의 블록과 최적의 보정 데이터가 메모리(180)에 저장되어 있다고 단계 S135에서 판정될 때, 모든 학습 화상에 대한 처리가 완료되었는지에 대한 검진이 실행되는 단계 S136으로 처리가 진행한다. 모든 학습 화상의 처리 동작이 아직 완료되지 않았다고 판정되면, 처리는 단계 S131로 진행하고, 그 이후의 단계는 다음 학습 화상 데이터에 대해 반복된다.
한편, 모든 학습 화상 데이터의 처리 동작이 완료되었다고 단계 S136에서 판정될 때, 연산 유닛(181)이 최적의 보정 데이터와 모든 클래스에 대해 메모리(180)에 저장된 블록을 판독한 다음에, 이들 데이터와 블록에 기초하여 수학식 7에서 나타낸 정규 방정식을 세우는 단계 S137로 진행한다. 더구나, 단계 S138에서는, 연산 유닛(181)이 이 정규 방정식을 풀어 모든 클래스의 오차를 최소화할 수 있는 맵핑 계수를 연산한다. 단계 S139에서, 연산된 맵핑 계수는 내부 저장용 메모리(182)에 공급된다. 다음에, 처리가 종료한다.
함수 "f"가 선형 방정식으로 표현되면, 상술된 방법으로 메모리(182)에 저장된 맵핑 계수가 도 25의 맵핑 계수 메모리(114)내에 저장되고, 최적의 보정 데이터는 이들 맵핑 계수를 이용하여 취득될 수 있다.
그러나, 어떤 경우에는, 맵핑 계수를 취득할 수 있는 충분한 개수의 정규 방정식이 취득될 수 없다. 이런 경우에는, 도 25의 연산 유닛(116)에서, 맵핑 계수가 이상치, 즉 k1내지 k2= 1/9로 설정되고, 이로부터 예를 들어 블록 생성 유닛(111)로부터 출력된 3×3 화소 블록의 9화소의 평균치가 출력된다.
제4 및 제5 실시예 각각의 수신 장치의 구조가 도 18의 구조와 유사하다. 또한, 제2 및 제3 계층의 예측 유닛의 각 구조가 도 23 및 도 46의 구조와 유사하다. 그러나, 예측 계수 ROM에 저장된 각 클래스의 예측 계수는 맵핑 계수 학습 장치에 사용되는 예측 계수에 대응(동일)한다.
도 2의 경우, 먼저 도 31A에서 설명된 바와 같이, 다음의 최적의 보정 데이터가 최적의 보정 데이터 계산 유닛(13)에서 연산된다. 이 보정 데이터는 제1 계층의 화상 데이터로부터의 오차(오차 정보)가 선정된 임계치 "ε"보다 작게 되어 있는 제1 계층의 예측값을 취득할 수 있는, 제2 계층의 화상 데이터를 보정하여 생성된다. 그 후, 도 31B에서 나타낸 바와 같이, 다음의 최적의 보정 데이터는 최적의 보정 데이터 계산 유닛(14)에서 연산된다. 이 보정 데이터는 제2 계층의 최적의 보정 데이터로부터의 오차(오차 정보)가 선정된 임계치 "ε"보다 작게 되어 있는 제2 계층의 예측값을 취득할 수 있는, 제3 계층의 화상 데이터를 보정하여 생성된다. 예를 들어, 도 32에서 나타낸 바와 같이, 최저 계층에 대응하는 제3 계층의 최적의 보정 데이터가 취득될 수 있다.
즉, 제2 계층의 예측치가 제3 계층의 화상 데이터를 보정하여 생성된 보정 데이터로부터 연산된다. 또한, 제1 계층의 예측값이 제2 계층의 연산 예측값을 직접 이용하여 연산된다. 다음에, 이 제1 계층의 예측값의 예측값이 소정의 임계치 "ε"보다 작게 되어 있는 보정 데이터는 제3 계층의 최적의 보정 데이터로서 사용된다.
도 33은 상술된 방법으로 제3 계층의 최적의 보정 데이터를 취득할 수 있는 송신 장치(1)의 제6 실시예를 설명한다. 도 2의 동일한 참조 부호는 도 33의 대응부를 나타내도록 사용된다.
도 33의 실시예에서, 제1 내지 제3 계층의 화상 데이터는 최적의 보정 연산 유닛(201)에 공급된다. 연산 유닛(201)에서, 제2 계층의 예측값은 제3 계층의 화상 데이터를 보정하여 취득된 보정 데이터로부터 연산된다. 더구나, 제1 계층의 예측값은 제2 계층의 연산 예측값을 직접 이용하여 연산된다. 다음에, 제1 계층의 예측값의 예측 오차(오차 정보)가 소정의 임계치 "ε보다 작도록 보정 데이터가 취득될 때, 최적의 보정 데이터 계산 유닛(201)은 이 연산된 보정 데이터를 제3 계층의 최적의 보정 데이터와 제3 계층의 코딩 데이터로서 신호 처리 유닛(15)에 출력한다.
도 33의 실시예에서, 제1 계층의 화상 데이터는 제1 계층의 코딩 데이터로서 신호 처리 유닛(15)에 직접 공급된다. 그러나, 제2 계층의 화상 데이터는 신호 처리 유닛에 공급되지 않는다. 제2 실시예의 화상 데이터는 제2 계층의 코딩 데이터로서 공급될 수 있다.
다음에, 도 34는 도 33의 최적의 보정 데이터 계산 유닛(201)의 실시예를 나타낸다. 도 5에서 나타낸 동일한 참조 부호는 도 33에서 도 33의 대응부를 나타내도록 이용된다. 더구나, 최적의 보정 데이터 계산 유닛(201)은 로컬 디코딩 유닛(231)이 도 5의 로컬 디코딩 유닛(22)와 약간 다른 것을 제외하고, 도 5의 최적의 보정 데이터 계산 유닛(13)과 유사하다.
도 33의 실시예에서, 제3 계층의 화상 데이터가 보정 유닛(21)에 입력되고, 이 제3 계층의 화상 데이터를 보정함으로써 취득된 보정 데이터가 출력된다. 보정 유닛(21)으로부터 출력된 보정 데이터와 제2 계층의 화상 데이터가 로컬 디코딩 유닛(22)에 제공된다. 이 디코딩 유닛(22)에서 제2 계층의 예측값이 연산되어 출력된다. 부가하여, 로컬 디코딩 유닛(22)으로부터 출력된 제2 계층의 예측값와, 또한 제1 계층의 화상 데이터는 로컬 디코딩 유닛(231)내에 입력되고, 여기에서 제1 계층의 예측값이 유도되도록 연산된다.
이 실시예에 따르면, 예측값은 로컬 디코딩 유닛(22 및 231)에서 이전에 설명한 바와 같이 "대차 방식"으로 연산된다. 다르게는, 예측값은 로컬 디코딩 유닛(22 및 231)에서 이전에 설명된 바와 같이 "ROM 방식"(도 21)으로 연산될 수 있다.
도 34의 최적의 보정 데이터 계산 유닛의 처리를 도 35의 흐름도를 참조하여 설명된다.
제3 계층의 화상 데이터가 단계 S201에서 보정 유닛(21)에 공급될 때, 보정 유닛(21)은 먼저 보정 동작을 실행하지 않는다. 오히려, 보정 유닛(21)은 먼저 제3 계층의 화상을 로컬 디코딩 유닛(22)과 판정 유닛(24)에 직접출력한다. 단계 S202에서는, 로컬 디코딩 유닛(22)에서, 보정 유닛(121)으로부터 출력되는 보정 데이터(상술한 바와 같이, 제3 계층 자체의 화상 데이터는 처리가 먼저 시작할 때 출력됨)가 로컬 디코딩된다.
다시 말해, 단계 S202에서 도 9의 처리와 유사한 방법으로, 제2 계층의 각 클래스의 예측 계수가 연산된다. 더구나, 예측 계수에 기초하여, 제2 계층의 예측값이 연산되며 로컬 디코딩 유닛(231)에 공급된다.
단계 203에서는, 로컬 디코딩 유닛(231)에서, 로컬 디코딩 유닛(22)으로부터 제2 계층의 예측값이 로컬 디코딩된다. 즉, 로컬 디코딩 유닛(22)의 처리와 유사하게, 단계 S203에서, 제1 계층의 각 클래스의 예측 계수가 연산되고, 또한 제1 계층의 예측값이 이 예측 계수에 기초하여 연산된 다음에 오차 연산 유닛(23)에 공급된다.
뒤이어서, 단계 S204 내지 S207에서의 처리는 도 6의 플로우챠트의 단계 S3 내지 S6의 처리와 유사하다.
결과적으로, 임계치 "ε"보다 낮은 제1 계층의 예측값을 감소할 수 있는 제3 계층의 최적의 보정 데이터를 취득할 수 있다. 결과적으로, 이 방식으로 취득된 제3 계층의 최적의 보정 데이터가 이용될 때에도, 고 화상질의 디코딩 화상이 취득될 수 있다.
도 33에서 나타낸 실시예에서는, 제2 계층의 화상 데이터가 제공되고 있지 않다. 다르게는, 예를 들어, 로컬 디코딩 유닛(22)으로부터 출력된 제2 계층의 예측값이 제2 계층의 디코딩 데이터로서 이용될 수 있다. 또한, 예를 들어, 도 2에서 나타낸 최적의 보정 데이터 계산 유닛(13)이 이용되고, 여기에서 출력된 제2 계층의 최적의 보정 데이터가 제2 계층의 코딩 데이터로서 이용될 수 있다.
또한, 도 33의 실시예의 경우, 제1 내지 제3 계층의 모든 코딩 데이터는 신호 처리 유닛(15)으로부터 유도된 코딩 데이터에 포함될 필요가 없다. 예를 들어, 제3 계층의 코딩 데이터만이 포함될 수 있다. 도 33에서 나타낸 송신 장치로부터 출력된 코딩 데이터는 도 18에서 나타낸 수신 장치(4)와 도 20에서 나타낸 예측 유닛에 의해 디코딩될 수 있다.
제7 실시예에 따르면, 도 33의 송신 장치의 데이터 연산 유닛(201)은 도 47에서 나타낸 바와 같다. 도 47의 최적의 보정 데이터 계산 유닛(201)은 도 47의 최적의 보정 데이터 계산 유닛에서 로컬 디코딩 유닛(231)이 제1 계층의 화상 데이터를 이용하지 않는다는 것을 제외하고, 도 34의 최적의 보정 데이터 계산 유닛과 매우 유사하다.
도 48은 도 47의 최적의 보정 데이터 계산 유닛(201)의 동작을 보여주는 흐름도이다. 이 흐름도는 도 48의 흐름도의 단계 S207이 최적의 보정 데이터를 출력하는 단계인 것을 제외하고는, 도 34의 최적의 보정 데이터 계산 유닛의 동작을 설명하는 도 35의 흐름도와 유사하다. (도 35의 흐름도의 단계 S207은 각 클래스의 최적의 보정 데이터와 예측 계수를 멀티플렉싱하여 코딩 데이터를 출력하는 단계를 포함한다.)
본 발명의 실시예는 많은 다른 종류의 화상 신호를 표준 포맷(예를 들어, NTSC)의 텔레비젼 신호로부터 비교적 큰양의 데이터를 포함하는 고선명도 텔레비젼 신호 까지의 다양한 종류의 화상 신호를 코딩 및 디코딩하는 데에 사용될 수 있다. 더구나, 이들 실시에에서는, 일 프레임에 대해 실행된 것으로 설명되고 있지만, 일필드에 대해 또는 둘 이상의 프레임에 대해 처리가 실행될 수도 있다.
부가하여, 블록 코딩이 한번에 일 프레임의 화상에 실행되는 것으로 설명되고 있지만, 예를 들어 블록은 복수의 시순서 프레임에서 동일한 위치의 화소를 함께 모아 구성될 수도 있다.
또한, 오차 정보가 오차의 자승 합산으로 설명되고 있지만, 예를 들어,오차의 저대치 또는 오차의 세제곱(그 이상)의 합산이 오차 정보로서 이용될 수도 있다. 어떤 타입의 정보가 오차 정보로서 이용하는지에 대해서는 통계학상의 특성(예를 들어, 컨버젼스)에 기초하여 결정될 수 있다.
더구나, 화상이 세 계층으로 코딩된 것으로 설명되지만, 계층의 개수는 세 개에 제한되지 않는다.
제3 계층(최저 계층과 동일)의 최적의 보정 데이터에 대해서는, 예를 들면 각 계층의 예측값의 예측 오차가 연산될 수 있으며, 보정 데이터는 조합되어 있는 모든 예측값 또는 약간의 예측의 전체 오차가 선정된 값보다 작도록 연산될 수 있다.

Claims (136)

  1. 계층적 코딩(hierarchical coding)을 수행하기 위한 장치에 있어서, 제1 계층의 화상 데이터의 화소 보다 적은 수의 화소를 갖는 제2 계층의 화상 데이터를 형성하기 위한 수단: 상기 제2 계층의 화상 데이터를 교정하고 교정 데이터를 발생하기 위한 수단: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하기 위한 수단: 상기 제1 계층의 화상 데이터에 관해서 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하기 위한 수단: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하기 위한 수단: 및 상기 판단 결과에 따라 상기 교정 데이터를 상기 제2 계층의 상기 화상 데이터로서 출력하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  2. 제1항에 있어서, 상기 예측수단은 상기 교정 데이터에 대한 클래스 정보(class information)를 발생하기 위한 수단; 및 상기 클래스 정보에 따라 상기 예측 화소를 발생하기 위한 수단을 구비하는 계층적 코딩 수행장치.
  3. 제1항에 있어서, 상기 예측 수단은 상기 교정 데이터에 근거하여 예측 계수를 발생하기 위한 수단; 및 상기 교정 데이터와 상기 예측 계수에 근거하여 상기 제1 계층의 예측 데이터를 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  4. 제1항에 있어서, 상기 예측 수단은 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 상기 제1 계층의 화상 데이터와 상기 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하기 위한 수단: 및 상기 클래스 정보에 대응하는 상기 예측 계수와 상기 교정 데이터를 이용하여 상기 제1 계층의 예측 화소를 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  5. 제4항에 있어서, 상기 출력 수단은 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 상기 화상 데이터를 출력하는 계층적 코딩 수행 장치.
  6. 제1항에 있어서, 상기 예측 수단은 각 클래스에 대한 예측 계수를 저장하기 위한 메모리: 상기 교정 데이터의 다수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 및 상기 메모리로부터 상기 클래스 정보에 대응하는 상기 예측 계수를 판독하고 상기 판독된 예측 계수 및 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  7. 제6항에 있어서, 상기 메모리에 저장된 각 클랙스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 장치.
  8. 제7항에 있어서, 상기 출력 수단은 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 출력하는 계층적 코딩 수행 장치.
  9. 제1항에 있어서, 상기 교정 수단은 상기 제2 계층의 화상 데이터를 교정하는 교정값을 저장하는 메모리를 포함하고, 상기 교정 수단은 상기 교정값을 이용하여 상기 제2 계층의 화상 데이터를 교정하는 계층적 코딩 수행 장치.
  10. 제1항에 있어서, 상기 판단 수단은 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고: 상기 출력 수단은 상기 규정된 임계치 미만인 상기 예측 오차에 응답하여 상기 교정 데이터를 코딩된 데이터로서 출력하는 계층적 코딩 수행 장치.
  11. 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치에 있어서, 제1 계층의 화상 데이터의 화소수보다 화소를 갖는 제2 계층의 적어도 화상 데이터를 포함하는 코딩된 데이터를 수신하기 위한 수단: 및 상기 제2 계층의 화상 데이터를 형성하고 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하는 단계; 상기 제1 계층의 화상 데이터에 대해 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계; 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 상기 교정 데이터가 최적의 교정 데이터가 될 때까지 필요에 따라 상기 교정 동작을 반복하는 단계; 및 상기 최적의 교정 데이터를 상기 제2 계층의 화상 데이터로서 출력하는 단계로 상기 제2 계층의 화상 데이터로부터 상기 제1 계층의 화상 데이터를 디코딩기 위한 수단을 구비하는 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치.
  12. 제11항에 있어서, 상기 디코딩 수단은 상기 제2 계층의 화상 데이터의 클래스 정보를 발생하기 위한 수단: 및 상기 클래스 정보에 따라 상기 제1 계층의 화상 데이터를 예측하기 위한 수단을 구비하는 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치.
  13. 제11항에 있어서, 상기 코딩된 데이터는 상기 제1 계층의 화상 데이터를 예측하는 예측 계수를 포함하고: 상기 디코딩 수단은 상기 예측 계수와 상기 제2 계층의 화상 데이터를 이용하여 상기 제1 계층의 화상 데이터를 예측하기 위한 수단을 포함하는 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치.
  14. 제11항에 있어서, 상기 코딩된 데이터는 상기 제1 계층의 화상 데이터를 예측하기 위해 각 클래스에 대한 예측 계수를 포함하고, 상기 디코딩 수단은 상기 제2 계층의 화상 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 및 상기 클래스 정보에 대응하는 상기 예측 계수와 상기 제2 계층의 화상 데이터를 이용하여 상기 제1 계층의 화상 데이터를 예측하기 위한 수단을 구비하는 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치.
  15. 제11항에 있어서, 상기 디코딩 수단은 각 클래스에 대한 예측 계수를 저장하기 위한 메모리: 상기 제2 계층의 화상 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 및 상기 메모리로부터 상기 발생된 클래스 정보에 대응하여 상기 에측 계수를 판독하고, 상기 판독된 예측 계수 및 상기 제2계층의 화상 데이터를 이용하여 상기 제1 계층의 화상 데이터를 발생하기 위한 수단을 구비하는 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치.
  16. 제15항에 있어서, 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 화상의 계층적 코딩(hierarchical coding)으로 표현된 데이터를 디코딩기 위한 장치.
  17. 계층 코딩(hierarchy coding)을 수행하기 위한 장치에 있어서, 제1 계층의 화상 데이터의 복수의 화소를 추출하고 상기 추출된 복수의 화소의 특성에 대응하여 클래스 정보를 발생하기 위한 수단: 각 클래스에 대한 맵핑 계수를 저장하기 위한 수단: 및 상기 클래스 정보에 대응하여 맵핑 계수를 판독하고, 상기 제1 계층의 화상 데이터와 상기 판독된 맵핑 계수를 이용하여 상기 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 예측하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  18. 제17항에 있어서, 상기 예측 수단은 상기 제1 계층의 화상 데이터로부터 복수의 화소를 추출하기 위한 수단: 및 상기 추출된 복수의 화소와 상기 판독된 맵핑 계수에 근거하여, 상기 제1 계층의 화상 데이터의 다수의 화소가 감소되어 있는 상기 제2 계층의 화상 데이터를 예측하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  19. 제17항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 장치.
  20. 제17항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 상기 예측 오차가 최소가 되도록 발생되는 계층적 코딩 수행 장치.
  21. 제17항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 규정된 임계치 미만이 되도록 발생되는 계층적 코딩 수행 장치.
  22. 제17항에 있어서, 각 클래스에 대한 상기 맵핑은 학습용 제1 계층의 화상 데이터의 복수의 화소를 추출하고 상기 추출된 복수의 화소의 특성에 대응하여 클래스 정보를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터와 상기 클래스 정보에 대응하는 맵핑 정보를 이용하여 상기 학습용 제1 계층의 화상 데이터에 대한 화소의 수가 감소되어 있는 상기 제2 계층의 화상 데이터를 예측하는 단계: 상기 코딩된 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고 복수의 예측 화소를 갖는 예측 데이터를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 화상의 상기 예측 데이터의 예측 오차를 발생하는 단계: 상기 맵핑 계수가 최적의 맵핑 계수가 될 때까지 상기 예측 오차에 따라 상기 맵핑 계수를 갱신하는 단계; 및 상기 최적의 맵핑 계수를 판단하는 단계에 의해 발생되는 계층적 코딩 수행 장치.
  23. 제17항에 있어서, 각 클래스에 대한 상기 맵핑은 상기 학습용 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 상기 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고 복수의 예측 화소를 갖는 상기 학습용 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 상기 예측 데이터의 상기 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 상기 교정 데이터가 최적의 교정 데이터일 때까지 상기 교정 동작을 반복하는 단계: 및 상기 학습용 제1 계층의 화상 데이터와 상기 최적의 교정 데이터를 이용하여 각 클래스에 대한 최적의 맵핑 계수를 발생하는 단계에 의해 발생되는 계층적 코딩 수행 장치.
  24. 화상 데이터를 계층적 코딩하여 코딩된 데이터를 디코딩기 위한 장치에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 적어도 화상 데이터를 포함하는 코딩된 데이터를 수신하기 위한 수단: 및 상기 제2 계층의 화상 데이터로부터 상기 제1 계층의 화상 데이터를 디코딩하기 위한 수단을 구비하되, 상기 코딩된 데이터는 제1 계층의 화상 데이터의 복수의 화소를 추출하고 상기 추출된 복수의 화소의 특성에 대응하여 클래스 정보를 발생하는 단계: 및 각 클래스에 대한 맵핑 계수가 저장되어 있는 메모리로부터 상기 클래스 정보에 대응하여 맵핑 계수를 판독하고, 상기 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 상기 제2 계층의 화상 데이터를 이용하여 상기 제2 계층의 화상 데이터를 예측하는 단계에 의해 발생되는 계층적 코딩된 데이터를 디코딩기 위한 장치.
  25. 제24항에 있어서, 상기 디코딩 수단은 각 클래스에 대한 상기 맵핑 계수를 발생하는데 사용된 각 클래스에 대한 예측 계수를 저장하기 위한 메모리: 상기 제2 계층의 화상 데이터의 다수의 화소를 추출하고 상기 추출된 다수의 화소에 대응하는 클래스 정보를 발생하기 위한 수단: 및 상기 클래스 정보에 대응하는 예측 계수를 판독하고 상기 제2 계층의 화상 데이터와 상기 판독된 예측 계수를 이용하여 제1 계층의 디코딩된 화상 데이터를 예측하기 위한 수단을 구비하는 계층적 코딩된 데이터를 디코딩기 위한 장치.
  26. 제25항에 있어서, 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩된 데이터를 디코딩기 위한 장치.
  27. 제24항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩된 데이터를 디코딩기 위한 장치.
  28. 제24항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 최소가 되도록 발생되는 계층적 코딩된 데이터를 디코딩기 위한 장치.
  29. 제24항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 규정된 임계치 미만이 되도록 발생되는 계층적 코딩된 데이터를 디코딩기 위한 장치.
  30. 계층 코딩(hierarchical coding)을 수행하기 위한 장치에 있어서, 제1계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 형성하기 위한 수단: 상기 제2 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제3 계층의 화상 데이터를 형성하기 위한 수단: 상기 제3 계층의 화상 데이터를 교정하고 상기 제3 계층의 교정 데이터를 발생하기 위한 수단: 상기 제3 계층의 상기 교정 데이터에 따라 복수의 화소를 갖는, 상기 제2 계층의 예측 데이터를 발생하기 위한 제1 예측 수단: 상기 제2 계층의 상기 예측값에 따라, 복수의 화소를 갖는, 상기 제1 게층의 예측값을 발생하기 위한 제2 예측 수단: 상기 제1 계층의 화상 데이터에 관해서 상기 제1 계층의 예측값의 예측 오차를 발생하기 위한 오차 발생 수단: 상기 예측 오차에 따라 상기 제3 계층의 상기 교정 데이터의 적합성을 판단하기 위한 수단: 및 상기 판단 결과에 따라 상기 교정 데이터를 상기 제3 계층의 화상 데이터로서 출력하기 위한 수단을 구비하는 것을 계층적 코딩 수행 장치.
  31. 제30항에 있어서, 상기 제1 예측 수단은 상기 제3 계층의 상기 교정 데이터에 대한 클래스 정보를 발생하기 위한 수단: 및 상기 클래스 정보에 따라 상기 제2 계층의 예측값을 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  32. 제30항에 있어서, 상기 제1 예측 수단은 상기 제3 계층의 교정 데이터에 근거하여 상기 제2 계층의 예측 계수를 발생하기 위한 수단: 및 상기 제3 계층의 교정 데이터와 상기 제2 계층의 예측 계수에 근거하여 제2 계층의 예측 데이터를 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  33. 제30항에 있어서, 상기 제2 예측 수단은 상기 제2 계층의 예측값에 대한 클래스 정보를 발생하기 위한 수단: 및 상기 클래스 정보에 따라 상기 제1 계층의 예측값을 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  34. 제30항에 있어서, 상기 제2 예측 수단은 상기 제2 계층의 예측값에 근거하여 상기 제1 계층의 예측 계수를 발생하기 위한 수단: 및 상기 제2 계층의 예측값과 상기 제1 계층의 예측 계수에 근거하여 상기 제1 계층의 예측값을 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  35. 제30항에 있어서, 제1 예측 수단은 상기 제3 계층의 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 상기 제2 계층의 화상 데이터와 상기 제3 계층의 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하기 위한 수단: 및 상기 클래스 정보에 대응하는 예측 계수와 상기 교정 데이터를 이용하여 제2 계층의 예측값을 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  36. 제35항에 있어서, 상기 출력 수단은 각 클래스에 대한 상기 예측 계수와 함께 상기 제3 계층의 교정 데이터를 출력하는 계층적 코딩 수행 장치.
  37. 제30항에 있어서, 상기 제1 예측 수단은 각 클래스에 대한 예측 계수를 저장하는 메모리: 상기 제3 계층의 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 및 상기 메모리로부터 상기 클래스 정보에 대응하여 예측 계수를 판독하고, 상기 판독된 예측 계수와 상기 제3 계층의 교정 데이터를 이용하여 상기 제2 계층의 예측 화소를 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  38. 제37항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 장치.
  39. 제38항에 있어서, 상기 출력 수단은 각 클래스에 대한 상기 예측 계수와 함께 상기 제3 계층의 교정 데이터를 출력하는 계층적 코딩 수행 장치.
  40. 제30항에 있어서, 상기 교정 수단은 상기 제3 계층의 화상 데이터를 교정하는 교정값을 저장하는 메모리를 구비하고, 상기 교정 수단은 상기 교정값을 이용하여 상기 제3 계층의 화상 데이터를 교정하는 계층적 코딩 수행 장치.
  41. 제30항에 있어서, 상기 판단 수단은 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고: 상기 출력 수단은 상기 규정된 임계치 미만인 예측 오차에 응답하여 상기 제3 계층의 교정 데이터를 코딩된 데이터로서 출력하는 계층적 코딩 수행 장치.
  42. 제30항에 있어서, 상기 제2 예측 수단은 상기 제2 계층의 예측값의 상기 복수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 상기 제1 계층의 화상 데이터와 상기 제2 계층의 예측값을 이용하여 각 클래스에 대한 예측 계수를 발생하기 위한 수단: 및 상기 클래스 정보에 대응하는 예측 계수와 상기 제1 계층의 예측 값을 이용하여 상기 제1 계층의 예측값을 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  43. 제42항에 있어서, 상기 출력 수단은 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 예측값을 출력하는 계층적 코딩 수행 장치.
  44. 제30항에 있어서, 상기 제2 예측 수단은 각 클래스에 대한 예측 계수를 저장하는 메모리: 상기 제2 계층의 예측값의 다수의 화소를 이용하여 클래스 정보를 발생하기 위한 수단: 및 상기 메모리로부터 상기 클래스 정보에 대응하는 예측 계수를 판독하고, 상기 판독된 예측 계수와 상기 제2 계층의 예측값을 이용하여 상기 제1 계층의 예측값을 발생하기 위한 수단을 구비하는 계층적 코딩 수행 장치.
  45. 제44항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 장치.
  46. 제45항에 있어서, 상기 출력 수단은 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 예측 값을 출력하는 계층적 코딩 수행 장치.
  47. 계층적 코딩(hierarchical coding)을 수행하는 방법에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 및 상기 판단 결과에 따라 상기 교정 데이터를 상기 제2 계층의 화상 데이터로서 출력하는 단계를 포함하는 계층적 코딩 수행 방법.
  48. 제47항에 있어서, 상기 예측 단계는 상기 교정 데이터에 대한 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 예측 화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  49. 제47항에 있어서,상기 예측 단계는 상기 교정 데이터에 근거하여 예측 계수를 발생하는 단계: 및 상기 교정 데이터와 상기 예측 계수에 근거하여 상기 제1 계층의 예측 데이터를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  50. 제47항에 있어서, 상기 예측 단계는 상기 교정 데이터의 다수의 화소를 이용하여 클래스 정보를 발생하는 단계: 상기 제1 계층의 화상 데이터와 상기 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하는 단계: 및 상기 클래스 정보에 대응하는 예측 계수 및 상기 교정 데이터를 이용하여 상기 제1 계층의 예측화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  51. 제50항에 있어서, 상기 출력 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 출력하는 계층적 코딩 수행 방법.
  52. 제47항에 있어서, 상기 예측 단계는 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 메모리로부터의 클래스 정보에 대응하는 예측 계수를 상기 메모리로부터 판독하고, 상기 판독된 예측 계수 및 상기 교정 데이터를 이용하여 상기 제1 계층의 예측 화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  53. 제52항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 방법.
  54. 제53항에 있어서, 상기 출력 단계는 각 클래스에 대한 예측 계수와 함께 상기 제2 계층의 화상 데이터를 출력하는 계층적 코딩 수행 방법.
  55. 제47항에 있어서, 상기 교정 단계는 메모리에 저장된 교정값을 이용하여 상기 제2 계층의 화상 데이터를 교정하는 계층적 코딩 수행 방법.
  56. 제47항에 있어서, 상기 판단 단계는 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고, 상기 출력 단계는 상기 규정된 임계치 미만인 상기 예측 오차에 응답하여 상기 교정 데이터를 상기 코딩된 데이터로서 출력하는 계층적 코딩 수행 방법.
  57. 화상의 계층적 코딩(hierarchical coding)에 의해 표현된 데이터를 디코딩하는 방법에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 적어도 화상 데이터를 포함하는 코딩된 데이터를 수신하는 단계: 및 상기 제2 계층의 화상 데이터를 형성하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 상기 교정 데이터가 최적의 교정 데이터가 될 때까지 필요에 따라 상기 교정 동작을 반복하는 단계: 및 상기 최적의 교정 데이터를 상기 제2 계층의 화상 데이터로서 출력하는 단계로 상기 제2 계층의 화상 데이터로부터 상기 제1 계층의 화상 데이터를 디코딩하는 단계를 포함하는 계층적 코딩된 데이터를 디코딩하는 방법.
  58. 제57항에 있어서, 상기 디코딩 단계는 제2 계층의 화상 데이터의 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 제1 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적 코딩된 데이터를 디코딩하는 방법.
  59. 제57항에 있어서, 상기 코딩된 데이터는 상기 제1 계층의 화상 데이터를 예측하는 예측 계수를 포함하고, 상기 디코딩 단계는 상기 예측 계수와 상기 제2 계층의 화상 데이터를 이용하여 상기 제1 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적 코딩된 데이터를 디코딩하는 방법.
  60. 제57항에 있어서, 상기 코딩된 데이터는 상기 제1 계층의 화상 데이터를 예측하는, 각 클래스에 대한 예측 계수를 포함하고, 상기 디코딩 단계는 상기 제2 계층의 화상 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 대응하는 예측 계수 및 상기 제2 계층의 화상 데이터를 이용하여 상기 제1 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적 코딩된 데이터를 디코딩하는 방법.
  61. 제57항에 있어서, 상기 디코딩 단계는 상기 제2 계층의 화상 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 상기 발생된 클래스 정보에 대응하는 예측 계수를 메모리로부터 판독하고, 상기 판독된 예측 계수 및 상기 제2 계층의 화상 데이터를 이용하여 상기 제1 계층의 화상 데이터를 발생하는 단계를 포함하는 계층적 코딩된 데이터를 디코딩하는 방법.
  62. 제61항에 있어서, 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩된 데이터를 디코딩하는 방법.
  63. 계층적 코딩(hierarchy coding)을 수행하는 방법에 있어서, 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계: 각 클래스에 대한 맵핑 계수를 저장하는 단계: 및 상기 클래스 정보에 대응하는 맵핑 계수를 판독하고, 상기 제1 계층의 화상 데이터와 상기 판독된 맵핑 계수를 이용하여 상기 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적 코딩 수행 방법.
  64. 제63항에 있어서, 상기 예측 단계는 상기 제1 계층의 화상 데이터로부터 복수의 화소를 추출하는 단계: 및 상기 추출된 복수의 화소와 상기 판독된 맵핑 계수에 근거하여, 상기 제1 계층의 화상 데이터의 화소수가 감소되어 있는 제2 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적 코딩 수행 방법.
  65. 제63항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 방법.
  66. 제63항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 최소가 되도록 발생되는 계층적 코딩 수행 방법.
  67. 제63항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 규정된 임계치 미만이 되도록 발생되는 계층적 코딩 수행방법.
  68. 제63항에 있어서, 각 클래스에 대한 상기 맵핑은 학습용 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터와 상기 클래스 정보에 대응하는 맵핑 계수를 이용하여 상기 학습용 제1 계층의 화상 데이터의 화소수가 감소되어 있는 제2 계층의 화상 데이터를 예측하는 단계: 상기 코딩된 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 예측 데이터를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 화상의 예측 데이터의 에측 오차를 발생하는 단계: 상기 맵핑 계수가 최적의 맵핑 계수일 때까지 상기 예측 오차에 따라 상기 맵핑 계수를 갱신하는 단계: 및 상기 최적의 맵핑 계수를 판단하는 단계를 포함하는 계층적 코딩 수행 방법.
  69. 제63항에 있어서, 각 클래스에 대한 상기 맵핑은 상기 학습용 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 상기 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 학습용 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 상기 교정 데이터가 최적의 교정 데이터일 때까지 상기 교정 동작을 반복하는 단계: 및 상기 학습용 제1 계층의 화상 데이터와 상기 최적의 교정 데이터를 이용하여 각 클래스에 대한 최적의 맵핑 계수를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  70. 화상 데이터를 계층적 코딩하는 코딩된 데이터를 디코딩하는 방법에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 적어도 화상 데이터를 포함하는 코딩된 데이터를 수신하는 단계: 및 상기 제2 계층의 화상 데이터로부터 상기 제1 계층의 화상 데이터를 디코딩하는 단계를 포함하고, 상기 코딩된 데이터는 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계: 및 각 클래스에 대한 맵핑 계수가 저장되어 있는 메모리로부터 상기 클래스 정보에 대응하는 맵핑 계수를 판독하고, 상기 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 상기 제2 계층의 화상 데이터를 이용하여 상기 제2 계층의 화상 데이터를 예측하는 단계에 의해 발생되는 계층적 코딩된 데이터를 디코딩하는 방법.
  71. 제70항에 있어서, 상기 디코딩 단계는 상기 제2 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소에 대응하는 클래스 정보를 발생하는 단계: 및 메모리로부터 상기 클래스 정보에 대응하는 예측 계수를 판독하고 상기 제2 계층의 화상 데이터와 상기 판독된 예측 계수를 이용하여 제1 계층의 디코딩된 화상 데이터를 예측하는 단계를 포함하는 계층적 코딩된 데이터를 디코딩하는 방법.
  72. 제71항에 있어서, 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩된 데이터를 디코딩하는 방법.
  73. 제70항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩된 데이터를 디코딩하는 방법.
  74. 제70항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 최소가 되도록 발생되는 계층적 코딩된 데이터를 디코딩하는 방법.
  75. 제70항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 규정된 임계치 미만이도록 발생되는 계층적 코딩된 데이터를 디코딩하는 방법.
  76. 계층적 코딩(hierarchical coding)을 수행하는 방법에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제3 계층의 화상 데이터를 형성하는 단계: 상기 제3 계층의 화상 데이터를 교정하고, 상기 제3 계층의 교정 데이터를 발생하는 단계: 상기 제3 계층의 상기 교정 데이터에 따라, 복수의 화소를 갖는, 상기 제2 계층의 예측 데이터를 발생하는 제1 예측 단계: 상기 제2 계층의 상기 예측값에 따라, 복수의 화소를 갖는, 상기 제1 계층의 예측 값을 발생하는 제2 예측 단계: 상기 제1 계층의 상기 화상 데이터에 관해서, 상기 제1 계층의 상기 예측값의 예측 오차를 발생하는 오차 발생 단계: 상기 예측 오차에 따라 상기 제3 계층의 상기 교정 데이터의 적합성을 판단하는 단계: 및 상기 판단 결과에 따라 상기 교정 데이터를 상기 제3 계층의 화상 데이터로서 출력하는 단계를 포함하는 계층적 코딩 수행 방법.
  77. 제76항에 있어서, 상기 제1 예측 단계는 상기 제3 계층의 상기 교정 데이터에 대한 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 제2 계층의 상기 예측값을 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  78. 제76항에 있어서, 상기 제1 예측 단계는 상기 제3 계층의 상기 교정 데이터에 근거하여 상기 제2 계층의 예측 계수를 발생하는 단계: 및 상기 제3 계층의 상기 교정 데이터와 상기 제2 계층의 상기 예측 계수에 근거하여 상기 제2 계층의 상기 예측 데이터를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  79. 제76항에 있어서, 상기 제2 예측 단계는 상기 제2 계층의 상기 예측값에 대한 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 제1 계층의 상기 예측값을 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  80. 제76항에 있어서, 상기 제2 예측 단계는 상기 제2 계층의 상기 예측값에 근거하여 상기 제1 계층의 예측 계수를 발생하는 단계: 및 상기 제2 계층의 상기 예측값과 상기 제1 계층의 상기 예측 계수에 근거하여 상기 제1 계층의 예측값을 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  81. 제76항에 있어서, 상기 제1 예측 단계는 상기 제3 계층의 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 상기 제2 계층의 화상 데이터와 상기 제3 계층의 상기 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하는 단계: 및 상기 클래스 정보에 대응하는 상기 예측 계수와 상기 교정 데이터를 이용하여 상기 제2 계층의 예측값을 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  82. 제81항에 있어서, 상기 출력 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제3 계층의 상기 교정 데이터를 출력하는 계층적 코딩 수행 방법.
  83. 제76항에 있어서, 상기 제1 예측 단계는 상기 제3 계층의 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 대응하여 상기 예측 계수를 메모리로부터 판독하고, 상기 판독된 예측 계수 및 상기 제3 계층의 상기 교정 데이터를 이용하여 상기 제2 계층의 상기 예측 화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  84. 제83항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 방법.
  85. 제84항에 있어서, 상기 출력 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제3 계층의 상기 교정 데이터를 출력하는 계층적 코딩 수행 방법.
  86. 제76항에 있어서, 상기 교정 단계는 메모리로부터 판독된 교정값을 이용하여 상기 제3 계층의 화상 데이터를 교정하는 계층적 코딩 수행 방법.
  87. 제76항에 있어서, 상기 판단 단계는 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고: 상기 출력 단계는 상기 규정된 임계치 미만인 상기 예측 오차에 응답하여 상기 제3 계층의 상기 교정 데이터를 코딩된 데이터로서 출력하는 계층적 코딩 수행 방법.
  88. 제76항에 있어서, 상기 제2 예측 단계는 상기 제2 계층의 상기 예측값의 상기 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 상기 제1 계층의 화상 데이터와 상기 제2 계층의 상기 예측값을 이용하여 각 클래스에 대한 예측 계수를 발생하는 단계: 및 상기 클래스 정보에 대응하는 상기 예측 계수와 상기 제1 계층의 상기 예측값을 이용하여 상기 제1 계층의 상기 예측값을 발생하는 단계를 포함하는계층적 코딩 수행 방법.
  89. 제88항에 있어서, 상기 출력 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 상기 예측값을 출력하는 계층적 코딩 수행 방법.
  90. 제76항에 있어서, 상기 제2 예측 단계는상기 제2 계층의 상기 예측값의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 대응하는 상기 예측 계수를 메모리로부터 판독하고, 상기 판독된 예측 계수와 상기 제2 계층의 상기 예측값을 이용하여 상기 제1 계층의 예측값을 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  91. 제90항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 방법.
  92. 제91항에 있어서, 상기 출력 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 예측값을 출력하는 계층적 코딩 수행 방법.
  93. 계층적 코딩(hierarchical coding)을 수행하는 방법에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 상기 화상 데이터를 교정하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 및 상기 판단 결과에 따라 상기 교정 데이터를 상기 제2 계층의 화상 데이터로서 전송하는 단계를 포함하는 계층적 코딩 수행 방법.
  94. 제93항에 있어서, 상기 예측 단계는 상기 교정 데이터에 대한 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 예측 화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  95. 제93항에 있어서, 상기 예측 단계는 상기 교정 데이터에 근거하여 예측 계수를 발생하는 단계: 및 상기 교정 데이터와 상기 예측 계수에 근거하여 상기 제1 계층의 상기 예측 데이터를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  96. 제93항에 있어서, 상기 예측 단계는 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 상기 제1 계층의 화상 데이터와 상기 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하는 단계: 및 상기 클래스 정보에 대응하는 상기 예측 계수와 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  97. 제96항에 있어서, 상기 전송 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 전송하는 계층적 코딩 수행 방법.
  98. 제93항에 있어서, 상기 예측 단계는 상기 교정 데이터의 다수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 메모리로부터의 상기 클래스 정보에 대응하는 예측 계수를 상기 메모리로부터 판독하고, 상기 판독된 예측 계수와 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하는 단계를 포함하는 계층적 코딩 수행 방법.
  99. 제98항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적 코딩 수행 방법.
  100. 제99항에 있어서, 상기 전송 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 전송하는 계층적 코딩 수행 방법.
  101. 제93항에 있어서, 상기 교정 단계는 메모리에 저장된 교정값을 이용하여 상기 제2 계층의 화상 데이터를 교정하는 계층적 코딩 수행 방법.
  102. 제93항에 있어서, 상기 판단 단계는 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고 상기 전송 단계는 상기 규정된 임계치 미만인 상기 예측 오차에 응답하여 상기 교정 데이터를 코딩된 데이터로서 전송하는 계층적 코딩 수행 방법.
  103. 코딩된 화상 데이터가 기록되어 있는 제조 물품(An article of manufacture)에 있어서, 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 및 상기 판단 결과에 따라 상기 교정 데이터를 상기 제2 계층의 화상 데이터로서 기록하는 단계에 의해 제조되는 코딩된 데이터가 기록되어 있는 제조 물품.
  104. 제103항에 있어서, 상기 예측 단계는 상기 교정 데이터에 대한 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 예측 화소를 발생하는 단계를 포함하는 코딩된 데이터가 기록되어 있는 제조 물품.
  105. 제103항에 있어서, 상기 예측 단계는 상기 교정 데이터에 근거하여 예측 계수를 발생하는 단계: 및 상기 교정 데이터와 상기 예측 계수에 근거하여 상기 제1 계층의 상기 예측 데이터를 발생하는 단계를 포함하는 코딩된 데이터가 기록되어 있는 제조 물품.
  106. 제103항에 있어서, 상기 예측 단계는 상기 교정 데이터의 다수의 화소를 이용하여 클래스 정보를 발생하는 단계: 상기 제1 계층의 화상 데이터와 상기 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하는 단계: 및 상기 클래스 정보에 대응하는 상기 예측 계수 및 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하는 단계를 포함하는 코딩된 데이터가 기록되어 있는 제조 물품.
  107. 제106항에 있어서, 상기 기록 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 기록하는 것을 특징으로 하는 제조 물품.
  108. 제103항에 있어서, 상기 예측 단계는 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 메모리로부터의 상기 클래스 정보에 대응하는 예측 계수를 상기 메모리로부터 판독하고, 상기 판독된 예측 계수와 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하는 단계를 포함하는 코딩된 데이터가 기록되어 있는 제조 물품.
  109. 제108항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 코딩된 데이터가 기록되어 있는 제조 물품.
  110. 제109항에 있어서, 상기 기록 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 기록하는 코딩된 데이터가 기록되어 있는 제조 물품.
  111. 제103항에 있어서, 상기 교정 단계는 메모리에 저장된 교정값을 이용하여 상기 제2 계층의 화상 데이터를 교정하는 코딩된 데이터가 기록되어 있는 제조 물품.
  112. 제103항에 있어서, 상기 판단 단계는 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고: 상기 기록 단계는 상기 규정된 임계치 미만인 상기 예측 오차에 응답하여 상기 교정 데이터를 코딩된 데이터로서 기록하는 코딩된 데이터가 기록되어 있는 제조 물품.
  113. 코딩된 화상 데이터를 전송하는 방법에서, 상기 코딩된 화상 데이터는 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 제1 계층의 상기 예측 데이터의 예측 오차를 산출하는 단계: 및 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계에 의해 생성되는 코딩된 화상 데이터 전송 방법.
  114. 제113항에 있어서, 상기 예측 단계는 상기 교정 데이터에 대한 클래스 정보를 발생하는 단계: 및 상기 클래스 정보에 따라 상기 예측 화소를 발생하는 단계를 포함하는 코딩된 화상 데이터 전송 방법.
  115. 제113항에 있어서, 상기 예측 단계는 상기 교정 데이터에 근거하여 예측 계수를 발생하는 단계: 및 상기 교정 데이터와 상기 예측 계수에 근거하여 상기 제1 계층의 상기 예측 데이터를 발생하는 단계를 포함하는 코딩된 화상 데이터 전송 방법.
  116. 제113항에 있어서, 상기 예측 단계는 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 상기 제1 계층의 화상 데이터와 상기 교정 데이터를 이용하여 각 클래스에 대한 예측 계수를 발생하는 단계: 및 상기 클래스 정보에 대응하는 상기 예측 계수와 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하는 단계를 포함하는 코딩된 화상 데이터 전송 방법.
  117. 제116항에 있어서, 상기 기록 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 기록하는 코딩된 화상 데이터 전송 방법.
  118. 제113항에 있어서, 상기 예측 단계는 상기 교정 데이터의 복수의 화소를 이용하여 클래스 정보를 발생하는 단계: 및 메모리로부터의 상기 클래스 정보에 대응하는 예측 계수를 상기 메모리로부터 판독하고, 상기 판독된 예측 계수와 상기 교정 데이터를 이용하여 상기 제1 계층의 상기 예측 화소를 발생하는 단계를 포함하는 코딩된 화상 데이터 전송 방법.
  119. 제118항에 있어서, 상기 메모리에 저장된 각 클래스에 대한 상기 예측 계수는 학습용 화상 데이터를 이용하여 발생되는 코딩된 화상 데이터 전송 방법.
  120. 제119항에 있어서, 상기 기록 단계는 각 클래스에 대한 상기 예측 계수와 함께 상기 제2 계층의 화상 데이터를 기록하는 코딩된 화상 데이터 전송 방법.
  121. 제113항에 있어서, 상기 교정 단계는 메모리에 저장된 교정값을 이용하여 상기 제2 계층의 화상 데이터를 교정하는 코딩된 화상 데이터 전송 방법.
  122. 제113항에 있어서, 상기 판단 단계는 상기 예측 오차가 규정된 임계치 미만인 지를 검출함으로써 상기 교정 데이터의 적합성을 판단하고: 상기 기록 단계는 상기 규정된 임계치 미만인 상기 예측 오차에 응답하여 상기 교정 데이터를 코딩된 데이터로서 기록하는 코딩된 화상 데이터 전송 방법.
  123. 계층적으로 코딩된 데이터를 전송하는 방법에 있어서, 상기 계층적으로 코딩된 화상 데이타를 수신하는 단계: 및 상기 계층적으로 코딩된 화상 데이터를 송신하는 단계를 구비하고, 상기 계층적으로 코딩된 화상 데이터는 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계: 각 클래스에 대한 맵핑 계수를 저장하는 단계: 및 상기 클래스 정보에 대응하는 맵핑 계수를 판독하고, 상기 제1 계층의 화상 데이터와 상기 판독된 맵핑 계수를 이용하여 상기 제1 계층의 화상의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 예측하는 단계에 의해 형성되는 계층적으로 코딩된 데이터를 전송하는 방법.
  124. 제123항에 있어서, 상기 예측 단계는 상기 제1 계층의 화상 데이터로부터 복수의 화소를 추출하는 단계: 및 상기 추출된 복수의 화소와 상기 판독된 맵핑 계수에 근거하여, 상기 제1 계층의 화상 데이터의 화소수가 감소되어 있는 상기 제2 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적으로 코딩된 데이터를 전송하는 방법.
  125. 제123항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적으로 코딩된 데이터를 전송하는 방법.
  126. 제123항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 상기 예측 오차가 최소가 되도록 발생되는 계층적으로 코딩된 데이터를 전송하는 방법.
  127. 제123항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 규정된 임계치 미만이도록 발생되는 계층적으로 코딩된 데이터를 전송하는 방법.
  128. 제123항에 있어서, 각 클래스에 대한 상기 맵핑은 학습용 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터와 상기 클래스 정보에 대응하는 맵핑 정보를 이용하여 상기 학습용 제1 계층의 화상 데이터에 대한 화소수가 감소되어 있는 상기 제2 계층의 화상 데이터를 예측하는 단계: 상기 코딩된 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 예측 데이터를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 화상의 상기 예측 데이터의 예측 오차를 발생하는 단계: 상기 맵핑 계수가 최적의 맵핑 계수일 때까지 상기 예측 오차에 따라 상기 맵핑 계수를 갱신하는 단계: 및 상기 최적의 맵핑 계수를 판단하는 단계에 의해 발생되는 계층적으로 코딩된 데이터를 전송하는 방법.
  129. 제123항에 있어서, 각 클래스에 대한 상기 맵핑은 상기 학습용 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 상기 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 상기 학습용 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 상기 예측 데이터의 상기 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 상기 교정 데이터가 최적의 교정 데이터일 때까지 상기 교정 동작을 반복하는 단계: 및 상기 학습용 제1 계층의 화상 데이터와 상기 최적의 교정 데이터를 이용하여 각 클래스에 대한 최적의 맵핑 계수를 발생하는 단계에 의해 발생되는 계층적으로 코딩된 데이터를 전송하는 방법.
  130. 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품에서, 상기 계층적으로 코딩된 화상 데이터는 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계: 각 클래스에 대한 맵핑 계수를 저장하는 단계: 및 상기 클래스 정보에 대응하는 맵핑 계수를 판독하고, 상기 제1 계층의 화상 데이터와 상기 판독된 맵핑 계수를 이용하여 상기 제1 계층의 화상 데이터의 화소수보다 적은 화소수를 갖는 제2 계층의 화상 데이터를 예측하는 단계에 의해 형성되는 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품.
  131. 제130항에 있어서, 상기 예측 단계는 상기 제1 계층의 화상 데이터로부터 복수의 화소를 추출하는 단계: 및 상기 추출된 복수의 화소와 상기 판독된 맵핑 계수에 근거하여, 상기 제1 계층의 화상 데이터의 화소수가 감소되어 있는 상기 제2 계층의 화상 데이터를 예측하는 단계를 포함하는 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품.
  132. 제130항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 학습용 화상 데이터를 이용하여 발생되는 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품.
  133. 제130항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 상기 예측 오차가 최소가 되도록 발생되는 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품.
  134. 제130항에 있어서, 각 클래스에 대한 상기 맵핑 계수는 상기 제2 계층의 화상 데이터를 이용하여 예측된 상기 학습용 제1 계층의 화상 데이터의 예측 데이터와 상기 학습용 제1 계층의 화상 데이터 간의 예측 오차가 규정된 임계치 미만이도록 발생되는 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품.
  135. 제130항에 있어서, 각 클래스에 대한 상기 맵핑은 학습용 제1 계층의 화상 데이터의 복수의 화소를 추출하고, 상기 추출된 복수의 화소의 특성에 대응하는 클래스 정보를 발생하는 단계; 상기 학습용 제1 계층의 화상 데이터와 상기 클래스 정보에 대응하는 맵핑 계수를 이용하여 상기 학습용 제1 계층의 화상 데이터에 대한 화소수가 감소되어 있는 상기 제2 계층의 화상 데이터를 예측하는 단계: 상기 코딩된 데이터에 따라 상기 학습용 제1계층의 화상 데이터를 예측하고, 복수의 예측 화소를 갖는 예측 데이터를 발생하는 단계: 상기 학습용 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 화상의 상기 예측 데이터의 예측 오차를 발생하는 단계: 상기 맵핑 계수가 최적의 맵핑 계수일 때까지 상기 예측 오차에 따라 상기 맵핑 계수를 갱신하는 단계: 및 상기 최적의 맵핑 계수를 판단하는 단계에 의해 발생되는 계층적으로 코딩된 화상 데이터가 기록되어있는 제조 물품.
  136. 제130항에 있어서, 각 클래스에 대한 상기 맵핑은 상기 학습용 제1 계층의 화소수보다 적은 화소수를 갖는 상기 제2 계층의 화상 데이터를 형성하는 단계: 상기 제2 계층의 화상 데이터를 교정하고, 교정 데이터를 발생하는 단계: 상기 교정 데이터에 따라 상기 학습용 제1 계층의 화상 데이터를 예측하고 복수의 예측 화소를 갖는 상기 학습용 제1 계층의 예측 데이터를 발생하는 단계: 상기 제1 계층의 화상 데이터에 대해 상기 학습용 제1 계층의 상기 예측 데이터의 상기 예측 오차를 산출하는 단계: 상기 예측 오차에 따라 상기 교정 데이터의 적합성을 판단하는 단계: 상기 교정 데이터가 최적의 교정 데이터일 때까지 상기 교정 동작을 반복하는 단계: 및 상기 학습용 제1 계층의 화상 데이터와 상기 최적의 교정 데이터를 이용하여 각 클래스에 대한 최적의 맵핑 계수를 발생하는 단계에 의해 발생되는 계층적으로 코딩된 화상 데이터가 기록되어 있는 제조 물품.
    ※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.
KR1019970033455A 1996-07-17 1997-07-18 화상코딩및디코딩장치,및계층적코딩및디코딩방법 KR100529662B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP96-206555 1996-07-17
JP20655596 1996-07-17

Publications (2)

Publication Number Publication Date
KR980013425A true KR980013425A (ko) 1998-04-30
KR100529662B1 KR100529662B1 (ko) 2006-02-28

Family

ID=16525337

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019970033455A KR100529662B1 (ko) 1996-07-17 1997-07-18 화상코딩및디코딩장치,및계층적코딩및디코딩방법

Country Status (8)

Country Link
US (2) US6198770B1 (ko)
EP (2) EP0820197B1 (ko)
KR (1) KR100529662B1 (ko)
CN (2) CN1281064C (ko)
AU (1) AU718453B2 (ko)
DE (2) DE69733106T2 (ko)
SG (1) SG80576A1 (ko)
TW (1) TW373371B (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU718453B2 (en) * 1996-07-17 2000-04-13 Sony Corporation Image coding and decoding using mapping coefficients corresponding to class information of pixel blocks
JP4093621B2 (ja) * 1997-12-25 2008-06-04 ソニー株式会社 画像変換装置および画像変換方法、並びに学習装置および学習方法
US6658155B1 (en) 1999-03-25 2003-12-02 Sony Corporation Encoding apparatus
JP2000308021A (ja) * 1999-04-20 2000-11-02 Niigata Seimitsu Kk 画像処理回路
EP1079625A3 (en) * 1999-06-15 2003-03-12 Canon Research Centre France S.A. Digital signal coding, decoding and transmission, with decomposition into frequency sub-bands and segmentation
KR20010113047A (ko) * 2000-02-29 2001-12-24 이데이 노부유끼 데이터 처리장치 및 방법과 기록매체 및 프로그램
JP3702464B2 (ja) * 2002-05-08 2005-10-05 ソニー株式会社 データ変換装置およびデータ変換方法、学習装置および学習方法、並びにプログラムおよび記録媒体
JP4211292B2 (ja) * 2002-06-03 2009-01-21 ソニー株式会社 画像処理装置および画像処理方法、プログラム並びにプログラム記録媒体
ES2420583T3 (es) * 2002-07-11 2013-08-26 Panasonic Corporation Gestión de memoria intermedia de postdescodificador para un flujo de bits MPEG H.264-SVC
JP4055203B2 (ja) * 2002-09-12 2008-03-05 ソニー株式会社 データ処理装置およびデータ処理方法、記録媒体、並びにプログラム
US7813576B2 (en) * 2002-11-27 2010-10-12 Fujifilm Corporation Image processing apparatus
CN100531396C (zh) * 2003-07-24 2009-08-19 日本电信电话株式会社 图像编码装置和方法以及图像解码装置和方法
US7595819B2 (en) * 2003-07-31 2009-09-29 Sony Corporation Signal processing device and signal processing method, program, and recording medium
US7185280B2 (en) * 2003-10-14 2007-02-27 Papilia, Inc. Personalized automatic publishing extensible layouts
JP4603947B2 (ja) * 2004-09-03 2010-12-22 キヤノン株式会社 画像通信システム、サーバ装置およびその制御方法、並びにコンピュータプログラム
EP1800492B1 (en) * 2004-10-07 2012-12-12 Panasonic Corporation Picture coding apparatus and picture decoding apparatus
WO2006118114A1 (ja) * 2005-04-27 2006-11-09 Nec Corporation 画像復号方法、その装置及びプログラム
WO2008042023A2 (en) * 2006-05-18 2008-04-10 Florida Atlantic University Methods for encrypting and compressing video
CN100411439C (zh) * 2006-06-22 2008-08-13 上海交通大学 实时多媒体视频流的分层传输方法
US8118371B2 (en) * 2006-08-11 2012-02-21 Schlumberger Technology Corporation Resilient pick shank
KR100879999B1 (ko) 2007-11-09 2009-01-22 광주과학기술원 브이디지를 이용한 멀티미디어 스트림 제공 방법, 이방법을 이용하는 멀티미디어 스트림 제공 시스템 및 그방법
EP2277318B1 (fr) * 2008-04-15 2020-11-04 Orange Codage et decodage d'une image ou d'une sequence d'images decoupees selon des partitions de pixels de forme lineaire
US8363722B2 (en) * 2009-03-31 2013-01-29 Sony Corporation Method and apparatus for hierarchical bi-directional intra-prediction in a video encoder
JP2011139276A (ja) * 2009-12-28 2011-07-14 Sony Computer Entertainment Inc 画像処理装置および画像処理方法
US8711943B2 (en) * 2011-07-21 2014-04-29 Luca Rossato Signal processing and tiered signal encoding
US10783392B1 (en) * 2017-05-16 2020-09-22 SIF Codec, LLC Motion compensation in system and method for processing digital signals based on compression of hierarchical pyramid
US20190130027A1 (en) 2017-11-02 2019-05-02 International Business Machines Corporation Data classification
CN110187653B (zh) * 2019-04-08 2023-04-21 华北水利水电大学 一种基于LoRa分层传输的农作物病虫害监测系统及操作方法
CN116260974B (zh) * 2023-05-04 2023-08-08 杭州雄迈集成电路技术股份有限公司 一种视频缩放方法和系统、计算机可读存储介质

Family Cites Families (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2020120A (en) * 1930-10-17 1935-11-05 Quadrex Corp Vacuum cleaner filter
EP0185533B1 (en) 1984-12-19 1991-03-27 Sony Corporation High efficiency technique for coding a digital video signal
NL8701261A (nl) * 1987-05-27 1988-12-16 Philips Nv Televisie-overdrachtsysteem met pyramidale kodeer/dekodeerschakeling.
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
US5200962A (en) 1988-11-03 1993-04-06 Racal-Datacom, Inc. Data compression with error correction
JP2840678B2 (ja) 1989-07-21 1998-12-24 ソニー株式会社 高能率符合化装置
US5193003A (en) 1989-08-15 1993-03-09 Sony Corporation Apparatus for decoding digital video data with small memory requirement
US5020120A (en) 1989-12-22 1991-05-28 Eastman Kodak Company Methods for reducing quantization error in hierarchical decomposition and reconstruction schemes
GB9013217D0 (en) 1990-06-13 1990-08-01 Indep Broadcasting Authority Evaluation of detail in video images,and applications thereof
GB9022326D0 (en) 1990-10-15 1990-11-28 British Telecomm Signal coding
US5680225A (en) * 1991-02-14 1997-10-21 Canon Kabushiki Kaisha Image reduction with fine-line protection
JP3278881B2 (ja) 1991-12-13 2002-04-30 ソニー株式会社 画像信号生成装置
US5331414A (en) 1991-12-23 1994-07-19 Intel Corporation Method and apparatus for encoding a digital motion video signal using pyramid specific filtering
GB2262854B (en) 1991-12-24 1995-05-24 Sony Broadcast & Communication Image processing apparatus
JP3438233B2 (ja) * 1992-05-22 2003-08-18 ソニー株式会社 画像変換装置および方法
US5291281A (en) 1992-06-18 1994-03-01 General Instrument Corporation Adaptive coding level control for video compression systems
US5349385A (en) 1992-08-06 1994-09-20 Florida Atlantic University Adaptive scan converter
JPH06125533A (ja) 1992-10-13 1994-05-06 Sony Corp エラー訂正コード付加装置及びエラー訂正装置
JP3104439B2 (ja) 1992-11-13 2000-10-30 ソニー株式会社 高能率符号化及び／又は復号化装置
KR100360206B1 (ko) 1992-12-10 2003-02-11 소니 가부시끼 가이샤 화상신호변환장치
JP3572632B2 (ja) 1993-06-29 2004-10-06 ソニー株式会社 異常検出装置
JP3503166B2 (ja) 1993-07-29 2004-03-02 ソニー株式会社 信号変換装置および方法
WO1995007004A1 (en) * 1993-08-30 1995-03-09 Sony Corporation Device and method for encoding image data
JP2914549B2 (ja) 1993-09-17 1999-07-05 富士ゼロックス株式会社 画像符号化方法
US5663764A (en) 1993-09-30 1997-09-02 Sony Corporation Hierarchical encoding and decoding apparatus for a digital image signal
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
JP3373008B2 (ja) * 1993-10-20 2003-02-04 オリンパス光学工業株式会社 画像像域分離装置
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
JPH07184138A (ja) 1993-12-24 1995-07-21 Toshiba Corp ２画面映像処理回路
JP3470373B2 (ja) * 1994-01-18 2003-11-25 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
JP3846642B2 (ja) 1994-01-31 2006-11-15 ソニー株式会社 動き量検出方法及び動き量検出装置
EP0665512B1 (en) * 1994-02-01 2000-05-10 Canon Kabushiki Kaisha An image processing method and apparatus
US5555465A (en) 1994-05-28 1996-09-10 Sony Corporation Digital signal processing apparatus and method for processing impulse and flat components separately
US5553160A (en) 1994-09-01 1996-09-03 Intel Corporation Method and apparatus for dynamically selecting an image compression process based on image size and color resolution
US5796442A (en) 1994-11-02 1998-08-18 Texas Instruments Incorporated Multi-format television reciever
JP3781203B2 (ja) 1994-11-28 2006-05-31 ソニー株式会社 画像信号補間装置及び画像信号補間方法
US5754702A (en) 1994-12-02 1998-05-19 Allied Signal Inc. Scale oriented interband prediction method for image data compression and reconstruction
US5625712A (en) 1994-12-14 1997-04-29 Management Graphics, Inc. Iterative compression of digital images
EP0720376B1 (en) * 1994-12-29 2001-10-31 Sony Corporation Quantizing apparatus and quantizing method
US5734433A (en) 1995-06-21 1998-03-31 Sony Corporation Picture encoding apparatus, picture encoding method, picture encoding and transmitting method, and picture record medium
US5703652A (en) * 1995-07-28 1997-12-30 Sony Corporation Information signal encoding system and method for adaptively encoding an information signal
US5825313A (en) 1995-08-01 1998-10-20 Sony Corporation Information signal encoding apparatus, encoding method thereof, information signal decoding method, and information signal record medium thereof
US5960116A (en) 1995-11-02 1999-09-28 Canon Kabushiki Kaisha Image processing apparatus and method for performing prediction data encoding
US5812699A (en) 1995-12-07 1998-09-22 Intel Corporation Counter-based controller for video compression
US6292591B1 (en) * 1996-07-17 2001-09-18 Sony Coporation Image coding and decoding using mapping coefficients corresponding to class information of pixel blocks
AU714554B2 (en) * 1996-07-17 2000-01-06 Sony Corporation Image coding and decoding using mapping coefficients corresponding to class information of pixel blocks
AU718453B2 (en) * 1996-07-17 2000-04-13 Sony Corporation Image coding and decoding using mapping coefficients corresponding to class information of pixel blocks
US5912708A (en) * 1996-12-26 1999-06-15 Sony Corporation Picture signal encoding device, picture signal encoding method, picture signal decoding device, picture signal decoding method, and recording medium
US5969764A (en) 1997-02-14 1999-10-19 Mitsubishi Electric Information Technology Center America, Inc. Adaptive video coding method
US5880784A (en) 1997-06-17 1999-03-09 Intel Corporation Method and apparatus for adaptively switching on and off advanced prediction mode in an H.263 video coder

Also Published As

Publication number Publication date
DE69733106T2 (de) 2006-03-09
CN1145360C (zh) 2004-04-07
EP1309200A3 (en) 2003-05-21
DE69735390D1 (de) 2006-05-04
EP1309200B1 (en) 2006-03-08
SG80576A1 (en) 2001-05-22
EP0820197A2 (en) 1998-01-21
EP0820197B1 (en) 2005-04-27
US6970508B1 (en) 2005-11-29
AU718453B2 (en) 2000-04-13
CN1281064C (zh) 2006-10-18
KR100529662B1 (ko) 2006-02-28
EP0820197A3 (en) 2000-04-12
AU2855597A (en) 1998-01-29
DE69735390T2 (de) 2006-11-09
EP1309200A2 (en) 2003-05-07
CN1175167A (zh) 1998-03-04
CN1592415A (zh) 2005-03-09
DE69733106D1 (de) 2005-06-02
TW373371B (en) 1999-11-01
US6198770B1 (en) 2001-03-06

Similar Documents

Publication Publication Date Title
KR100529662B1 (ko) 화상코딩및디코딩장치,및계층적코딩및디코딩방법
KR100538731B1 (ko) 화소블록의클래스정보에대응되는매핑계수를이용하는화상부호화및화상복호화
JP3748088B2 (ja) 画像処理装置および方法、並びに学習装置および方法
US6381369B1 (en) Image coding apparatus, image coding method, image decoding method, image decoding apparatus, image data transmitting method and recording medium
KR100537123B1 (ko) 화상 신호 부호화 장치, 화상 신호 부호화 방법, 화상 신호 복호 장치, 화상 신호 복호 방법 및 기록매체
KR100574732B1 (ko) 영상코딩장치,영상코딩방법,영상디코딩방법,영상디코딩장치,영상데이터전송방법및기록매체
US6192076B1 (en) Image coding and decoding using mapping coefficients corresponding to class information of pixel blocks
JP3747970B2 (ja) 画像符号化装置および画像符号化方法、画像復号化装置および画像復号化方法
JP3912558B2 (ja) 画像符号化装置および画像符号化方法、並びに記録媒体
JP3912629B2 (ja) 画像処理システム、画像符号化装置および画像符号化方法、伝送方法、並びに記録媒体
KR100674068B1 (ko) 화상 코딩 장치, 화상 코딩 방법, 화상 디코딩 방법, 화상디코딩 장치, 화상 데이터 전송 방법 및 기록 매체
JP3912628B2 (ja) 画像符号化装置、画像符号化方法、画像符号化および復号化システム、画像符号化および復号化方法、並びに記録媒体
JP2006101535A (ja) 画像符号化装置および画像符号化方法、画像復号化装置および画像復号化方法、伝送方法、並びに記録媒体
KR100598754B1 (ko) 원 화상 데이타 부호화 장치, 부호화 화상 데이타 복호화 장치, 원 화상 데이타 부호화 방법, 부호화 화상 데이타 복호화 방법, 화상 데이타 송신 방법, 컴퓨터로 판독 가능한 기록 매체
EP1298934A1 (en) Apparatus and method for image coding and decoding
JP4487900B2 (ja) 画像処理システム
JP4496494B2 (ja) 画像符号化装置および画像符号化方法
JP2001285864A (ja) エラー修整装置および方法

Legal Events

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

Payment date: 20121105

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20131104

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20141105

Year of fee payment: 10

LAPS Lapse due to unpaid annual fee