WO2011105231A1 - フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造 - Google Patents

フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造 Download PDF

Info

Publication number
WO2011105231A1
WO2011105231A1 PCT/JP2011/052923 JP2011052923W WO2011105231A1 WO 2011105231 A1 WO2011105231 A1 WO 2011105231A1 JP 2011052923 W JP2011052923 W JP 2011052923W WO 2011105231 A1 WO2011105231 A1 WO 2011105231A1
Authority
WO
WIPO (PCT)
Prior art keywords
filter
filter coefficient
coefficient
prediction
value
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2011/052923
Other languages
English (en)
French (fr)
Inventor
嘉浩 北浦
知宏 猪飼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
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 Sharp Corp filed Critical Sharp Corp
Priority to JP2012501739A priority Critical patent/JPWO2011105231A1/ja
Publication of WO2011105231A1 publication Critical patent/WO2011105231A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • 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

Definitions

  • the present invention relates to a moving image encoding apparatus that encodes a moving image and generates encoded data.
  • the present invention also relates to a moving picture decoding apparatus that decodes encoded data generated using such a moving picture encoding apparatus.
  • the present invention also relates to a filter coefficient encoding apparatus that encodes a filter coefficient and a filter coefficient decoding apparatus that decodes the encoded filter coefficient.
  • the present invention also relates to a data structure of encoded data generated by such a filter coefficient encoding device and referred to by such a filter coefficient decoding device.
  • a moving image encoding device In order to efficiently transmit or record moving images, a moving image encoding device is used.
  • a specific moving picture encoding method for example, H.264 is used.
  • an image (picture) constituting a moving image is obtained by dividing a slice obtained by dividing an image, a macroblock obtained by dividing the slice, and a macroblock.
  • a slice obtained by dividing an image
  • a macroblock obtained by dividing the slice
  • a macroblock obtained by dividing the slice
  • a macroblock obtained by dividing the slice
  • a macroblock is managed by a hierarchical structure composed of sub-blocks, and are usually encoded for each macroblock.
  • AVC employs a configuration in which a deblocking filter that acts on a (local) decoded image is provided and a predicted image is generated with reference to the (local) decoded image with reduced block noise.
  • the KTA software employs a configuration in which an ALF (Adaptive Loop Filter) is provided after the deblocking filter and a predicted image is generated with reference to the (local) decoded image after application of ALF (Non-patent Document 1). reference).
  • the filter coefficient of ALF is adaptively determined so that the error between the decoded image to which ALF is applied and the original image is minimized for each frame or slice on the decoded image.
  • the KTA software adopts a configuration that predictively encodes ALF filter coefficients. That is, the difference between the filter coefficient group used for filtering of the encoding / decoding target frame and the prediction filter coefficient group predicted from the filter coefficient group used for filtering of the encoded / decoded frame is encoded.
  • a configuration provided to the image decoding apparatus is employed.
  • KTA a filter coefficient group used for filtering of encoded / decoded frames is used as it is as a prediction filter coefficient group.
  • the filter coefficient group used for filtering of the encoded / decoded frame is the prediction filter coefficient group
  • the encoding efficiency does not increase as expected even if predictive encoding is performed, or On the contrary, there is a problem that encoding efficiency is lowered when predictive encoding is performed.
  • the present invention has been made in view of the above-described problems, and an object of the present invention is to improve encoding efficiency compared to a conventional configuration in which a filter coefficient group used for filtering of encoded / decoded frames is a prediction filter coefficient group. It is to implement
  • the filter coefficient of the peripheral part (filter coefficient multiplied by the pixel value of the peripheral part of the input image) is a frame compared with the filter coefficient of central part (the filter coefficient multiplied by the pixel value of the central part of the input image).
  • the correlation was small. Even if predictive encoding is performed, the encoding efficiency does not increase as expected, or the predictive encoding is rather deteriorated. This is also considered to be because predictive coding was performed in the same manner as the filter coefficient at the center of the high correlation between frames.
  • the present invention has been made based on this finding.
  • the filter coefficient encoding apparatus encodes a difference between a filter coefficient of a target filter acting on a target image and a predicted value of the filter coefficient.
  • a prediction value generating means for generating the predicted value by multiplying each filter coefficient of the reference filter acting on the reference image by a weighting coefficient.
  • the weighting factor to be multiplied is configured to be closer to 0 than the weighting factor to be multiplied by the filter coefficient at the center.
  • the predicted value of the filter coefficient h of the target filter is generated by multiplying the filter coefficient h ′ of the reference filter by the weight coefficient a, and the difference h ⁇ between the filter coefficient h of the target filter and the predicted value ah ′.
  • ah ′ is encoded.
  • the weighting coefficient a (peripheral part) multiplied by the peripheral coefficient h ′ having a low inter-frame correlation is closer to 0 than the weighting coefficient a (center part) multiplying the peripheral coefficient h ′ having a high inter-frame correlation. I am doing so. For this reason, it is possible to effectively avoid a situation in which the coding efficiency of predictive coding decreases due to
  • Another filter coefficient encoding apparatus is a filter coefficient encoding apparatus that encodes a residual of a filter coefficient of a target filter acting on a target image with a predicted value for the filter coefficient.
  • 1 is a first predicted value generation means for generating a first predicted value by multiplying each filter coefficient of the reference filter acting on the filter coefficient of the peripheral part, and the weighting coefficient to be multiplied by the filter coefficient of the peripheral part is the filter of the central part
  • a first prediction value generating means configured to be smaller than a weighting coefficient to be multiplied by the coefficient; a second prediction value generating means for setting each filter coefficient of the reference filter to a second prediction value; and the weight
  • the serial second predicted value is characterized by comprising a prediction value setting means for setting to the predicted value.
  • the filter coefficient itself of the reference filter can be used as the predicted value, so that the amount of calculation required to decode the filter coefficient residual is reduced. There is an effect that can be.
  • Another filter coefficient encoding apparatus is a filter coefficient encoding apparatus that encodes a residual of a filter coefficient of a target filter acting on a target image with a predicted value for the filter coefficient.
  • 1 is a first predicted value generation means for generating a first predicted value by multiplying each filter coefficient of the reference filter acting on the filter coefficient of the peripheral part, and the weighting coefficient to be multiplied by the filter coefficient of the peripheral part is the filter of the central part
  • a first prediction value generation unit configured to be smaller than a weighting factor to be multiplied by the coefficient
  • a second prediction value generation unit that sets each filter coefficient of the reference filter to a second prediction value
  • the first Prediction value setting means for setting one of the predicted values or the second predicted value having a smaller residual with the filter coefficient as the predicted value. It is characterized.
  • the residual of the filter coefficient generated by using the first predicted value or the second predicted value having a smaller residual with the filter coefficient as the predicted value is encoded. Therefore, there is an effect that the code amount of the filter coefficient residual can be further reduced.
  • the moving picture coding apparatus includes the filter coefficient coding apparatus, and performs filtering using the filter coefficient of the target filter on a locally decoded image.
  • the above moving picture coding apparatus has the same effects as the filter coefficient coding apparatus.
  • the filter coefficient decoding apparatus restores the filter coefficient of the target filter acting on the target image by adding a prediction value to the filter coefficient residual obtained by decoding the encoded data.
  • the coefficient decoding apparatus includes a predicted value generating unit that generates the predicted value by multiplying each filter coefficient of the reference filter that acts on the reference image by a weighting coefficient, and the predicted value generating unit includes a filter coefficient in a peripheral portion.
  • the weighting factor to be multiplied by is configured to be closer to 0 than the weighting factor to be multiplied by the filter coefficient at the center.
  • the filter coefficient encoding device having a configuration corresponding to the above configuration generates a prediction value of the filter coefficient h of the target filter by multiplying the filter coefficient h ′ of the reference filter by the weight coefficient a, and the filter coefficient of the target filter
  • the difference h ⁇ ah ′ between h and the predicted value ah ′ can be encoded, and the weight coefficient a (peripheral part) multiplied by the peripheral coefficient h ′ with low inter-frame correlation is represented as the peripheral part with high inter-frame correlation. It is possible to make it closer to 0 than the weighting coefficient a (center part) multiplied by the coefficient h ′. For this reason, it is possible to effectively avoid a situation in which the coding efficiency of predictive coding decreases due to
  • the filter coefficient decoding apparatus having the above-described configuration can decode the encoded data with a small code amount generated as described above.
  • Another filter coefficient decoding apparatus adds a predicted value to a filter coefficient residual obtained by decoding encoded data, with a filter coefficient of the target filter acting on the target image.
  • a first prediction value generation means for generating a first prediction value by multiplying each filter coefficient of a reference filter acting on a reference image by a weighting coefficient, the filter coefficient of a peripheral portion
  • a first prediction value generating means configured to make the weighting coefficient to be multiplied by a weighting coefficient to be multiplied by the filter coefficient in the central portion, and a second prediction value for setting each filter coefficient of the reference filter to a second prediction value.
  • the first predicted value is set as the predicted value, and the weighted coefficient If the value is above a predetermined value or more, and the second predicted value and characterized by comprising a prediction value setting means for setting to the predicted value.
  • the filter coefficient encoding device having a configuration corresponding to the above configuration, when the value of the weighting factor is smaller than a predetermined value, the weighting factor is calculated as the predicted value. If the weight coefficient value is equal to or greater than a predetermined value, the filter coefficient of the reference filter itself can be used as the predicted value, so that the filter coefficient residual is decoded. It is possible to reduce the amount of calculation required to do.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • Another filter coefficient decoding apparatus adds a predicted value to a filter coefficient residual obtained by decoding encoded data, with a filter coefficient of the target filter acting on the target image.
  • a first prediction value generation means for generating a first prediction value by multiplying each filter coefficient of a reference filter acting on a reference image by a weighting coefficient, the filter coefficient of a peripheral portion
  • a first prediction value generating means configured to make the weighting coefficient to be multiplied by a weighting coefficient to be multiplied by the filter coefficient in the central portion, and a second prediction value for setting each filter coefficient of the reference filter to a second prediction value.
  • the two predicted value generation means and the first predicted value or the second predicted value the one having a smaller residual with the filter coefficient is the predicted value. It is characterized by comprising a prediction value setting means for setting.
  • the first predicted value or the second predicted value that has a smaller residual with the filter coefficient is the predicted value. Since the residual of the filter coefficient generated as can be encoded, the code amount of the residual of the filter coefficient can be further reduced.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • the moving picture decoding apparatus includes the filter coefficient decoding apparatus, and performs filtering using the filter coefficient of the target filter on the local decoded image.
  • the above moving picture decoding apparatus has the same effects as the filter coefficient decoding apparatus.
  • the data structure of the encoded data according to the present invention is encoded data data obtained by encoding a residual of a filter coefficient of a target filter acting on a target image with a predicted value for the filter coefficient.
  • the structure includes weight coefficient information that specifies weight coefficients to be multiplied by each filter coefficient of the reference filter that acts on the reference image, and multiplies the peripheral filter coefficients. It is characterized in that the weighting factor is smaller than the weighting factor by which the filter coefficient at the center is multiplied.
  • the filter coefficient in the peripheral part tends to have a smaller correlation between frames than the filter coefficient in the central part.
  • the code amount of the filter coefficient residual can be reduced by making the weight coefficient multiplied by the filter coefficient in the peripheral part smaller than the weight coefficient multiplied by the filter coefficient in the central part.
  • the encoded data having the above configuration is encoded data with a small code amount including such a weight coefficient.
  • the filter coefficient decoding apparatus that decodes the encoded data having the above configuration can decode the encoded data with a small code amount of the filter coefficient residual by referring to the weight coefficient information.
  • the filter coefficient encoding apparatus is a filter coefficient encoding apparatus that encodes a residual between a filter coefficient of a target filter acting on a target image and a prediction value for the filter coefficient.
  • a prediction value generating unit configured to generate the prediction value by multiplying each filter coefficient of the reference filter acting on the image by a weighting coefficient, and the prediction value generating unit includes a weighting coefficient to be multiplied by a filter coefficient in a peripheral portion; It is characterized by being configured so as to be smaller than the weighting coefficient multiplied by the filter coefficient at the center.
  • the filter coefficient encoding apparatus configured as described above, the filter coefficient having higher encoding efficiency than the conventional configuration in which the filter coefficient group used for filtering of the encoded / decoded frame is the prediction filter coefficient group.
  • An encoding device can be realized.
  • Embodiment 1 (Moving picture decoding apparatus 1)
  • the moving picture decoding apparatus 1 includes H.264 as a part thereof. H.264 / MPEG-4 AVC, and a decoding device including technology adopted in KTA software.
  • FIG. 1 is a block diagram showing a configuration of the moving picture decoding apparatus 1.
  • the moving picture decoding apparatus 1 includes a variable length code decoding unit 13, a motion vector restoration unit 14, a buffer memory 15, an inter prediction image generation unit 16, an intra prediction image generation unit 17, and a prediction method determination unit 18. , An inverse quantization / inverse transform unit 19, an adder 20, a deblocking filter 50, and an adaptive filter 100.
  • the video decoding device 1 generates and outputs a decoded image # 2 by decoding the encoded data # 1.
  • the generation of decoded image # 2 by the moving image decoding apparatus 1 is performed in units of macroblocks or subblocks constituting a frame.
  • variable length code decoding unit 13 performs variable length decoding on the encoded data # 1, and performs differential motion vector # 13a, side information # 13b, quantized prediction residual data # 13c, filter coefficient residual # 13d, and filter parameters. Information # 13e is output.
  • the side information # 13b includes a prediction mode, a motion vector, a reference image index, a quantization parameter, and the like.
  • the filter parameter information # 13e includes a parameter indicating the number of reference pixels for filtering (the number of taps) and information related to a parameter for specifying on / off of filtering.
  • the filter parameter information # 13e may include a weighting coefficient used for prediction of the filter coefficient, as will be described later.
  • the motion vector restoration unit 14 decodes the motion vector # 14 for the target sub-block from the difference motion vector # 13a and the motion vector # 15a that has already been decoded and stored in the buffer memory 15.
  • the buffer memory 15 stores output image data # 100 output from the adaptive filter 100, motion vector # 14, and side information # 13b.
  • the inter prediction image generation unit 16 is decoded by the motion vector restoration unit 14 and based on the motion vector # 15c that has passed through the buffer memory 15 and the reference image # 15d stored in the buffer memory 15, the inter prediction image # 16. Is generated.
  • the generation of the inter prediction image # 16 is performed in units of macroblocks or subblocks, for example.
  • the motion vector # 15c may be the same motion vector as the motion vector # 14.
  • the reference image # 15d corresponds to output image data # 100 output from an application filter 100 described later.
  • the intra-predicted image generation unit 17 generates an intra-predicted image # 17 from the local decoded image # 15b stored in the buffer memory 15. More specifically, the intra predicted image generation unit 17 generates an image on the prediction target macroblock of the intra predicted image # 17 using the local decoded image # 15b in the same frame as the prediction target macroblock.
  • the prediction method determination unit 18 selects one of the intra prediction image # 17 and the inter prediction image # 16 based on the prediction mode information included in the side information # 13b, and outputs the selected prediction image # 18. To do.
  • Quantization prediction residual data # 13c is supplied to the inverse quantization / inverse transform unit 19 in units of sub-blocks.
  • the inverse quantization / inverse transform unit 19 transforms the quantized prediction residual data # 13c into a frequency component by performing inverse quantization, and further performs inverse DCT (Discrete Cosine Transform) transform on the frequency component. As a result, a prediction residual # 19 is generated and output.
  • inverse DCT Discrete Cosine Transform
  • the adder 20 generates a decoded image # 2 by adding the prediction residual # 19 and the prediction image # 18, and outputs the decoded image # 2.
  • the output decoded image # 2 is also supplied to the deblocking filter 50.
  • the deblocking filter 50 performs deblocking processing for reducing block distortion at the block boundary or macroblock boundary on the decoded image # 2.
  • the image data subjected to the deblocking process is output as a deblocked image # 50.
  • the adaptive filter 100 calculates a filter coefficient based on the filter coefficient residual # 13d decoded from the encoded data # 1, and performs filtering using the filter coefficient on the deblocked image # 50, thereby outputting an output image.
  • Data # 100 is generated.
  • the output image data # 100 is supplied to the buffer memory 15.
  • the filtering process in adaptive filter 100 is performed based on side information # 13b decoded from encoded data # 1 and parameters included in filter parameter information # 13e.
  • FIG. 2 is a block diagram showing the configuration of the adaptive filter 100.
  • the adaptive filter 100 includes a filter processing unit 110, a filter coefficient prediction unit 140, and an adder 101.
  • the adder 101 generates the filter coefficient # 101 by adding the filter coefficient residual # 13d decoded from the encoded data # 1 and the prediction filter coefficient # 140 output from the filter coefficient prediction unit 140, Output.
  • the filter processing unit 110 generates output image data # 100 by filtering the deblocked image # 50 using the filter coefficient # 101 based on the side information # 13b and the filter parameter information # 13e. And output.
  • the filter processing unit 110 for example, each pixel value of the deblocked image # 50 and the filter coefficient # of each pixel value included in the filter reference area specified by the filter parameter information # 13e.
  • Each pixel value of output image data # 100 is calculated and output by taking a weighted linear sum based on 101 and further adding an offset based on filter coefficient # 101.
  • the filter processing unit 110 calculates the pixel value S0 (x ′, y ′) at the coordinates (x ′, y ′) of the output image data # 100 by a weighted linear sum represented by Expression (1). To do.
  • SI (x, y) represents the pixel value at the coordinates (x, y) of the deblocked image # 50, and h (i, j) is multiplied by the pixel value SI (x + i, y + j). It represents the filter coefficient.
  • O represents an offset value.
  • the filter coefficient h (i, j) corresponds to the filter coefficient # 101.
  • R represents a filter reference area that is a set of relative coordinates to be subjected to the weighted linear sum. As described above, the filter reference region R is determined based on, for example, the filter parameter information # 13e. Also, the coordinates (x ′, y ′) and the coordinates (x, y) may be the same coordinates or different coordinates.
  • Output image data # 100 composed of the pixel value S0 (x ′, y ′) calculated using the above equation (1) is supplied to the buffer memory 15.
  • the filtering process in the filter processing unit 110 is generally performed when the filter reference region R is M ⁇ N taps, and the filter coefficient matrix H is an M ⁇ N matrix having filter coefficients h (i, j) as components.
  • hij corresponds to the filter coefficient h (i, j) (the same applies hereinafter).
  • FIG. 3 is a diagram showing each pixel included in the filter reference region R and a filter coefficient h (i, j) corresponding to each pixel when the filter reference region R is M ⁇ N taps. . As shown in FIG. 3, a filter coefficient h (i, j) is assigned to each pixel in the M ⁇ N tap filter reference region R.
  • the filter coefficient prediction unit 140 calculates the prediction filter coefficient # 140 based on the filter coefficient already decoded in the decoded frame or the filter coefficient already decoded in the frame being decoded among the filter coefficients # 101. .
  • the prediction filter coefficient # 140 is output to the adder 101.
  • FIG. 4 is a block diagram showing a configuration of the filter coefficient prediction unit 140.
  • the filter coefficient prediction unit 140 includes a filter coefficient storage unit 141, a weight coefficient calculation unit 142, and a prediction filter coefficient derivation unit 143.
  • the filter coefficient storage unit 141 stores the filter coefficient # 101 output from the adder 101. Further, the filter coefficient storage unit 141 is supplied with the filter coefficient # 141, which is a decoded filter coefficient, to the weighting coefficient calculation unit 142.
  • filter coefficients # 141 are filter coefficients # 141a
  • filter coefficients already decoded in the frame being decoded are filter coefficients # This is expressed as 141b.
  • the filter coefficient matrix H ′ having the filter coefficient # 141 as a component can be expressed by the following equation (3).
  • the filter coefficient h ′ (i, j) corresponds to the filter coefficient # 141.
  • the weight coefficient calculation unit 142 calculates a weight coefficient a (i, j) to be multiplied by each component h ′ (i, j) of the filter coefficient matrix H ′. More specifically, the weighting factor calculation unit 142 divides the filter reference region R into a plurality of subregions, and calculates a weighting factor a (i, j) for each subregion. The calculated weighting coefficient # 142 is output to the prediction filter coefficient deriving unit 143.
  • the weighting coefficient matrix A having the weighting coefficient a (i, j) in each component can be expressed by the following equation (4) when the filter reference region R is M ⁇ N taps.
  • the prediction filter coefficient deriving unit 143 includes a filter coefficient h ′ (i, j) already used in the filtering process for the decoded frame among the filter coefficients stored in the filter coefficient storage unit 141, and a weight coefficient calculation unit. Based on the weighting coefficient a (i, j) calculated by 142, the prediction filter coefficient p (i, j) is derived.
  • the prediction filter coefficient matrix P having the prediction filter coefficient p (i, j) as a component can be expressed by the following equation (5), for example.
  • the prediction filter coefficient deriving unit 143 calculates the prediction filter coefficient p (i, j), and the product of the weight coefficient a (i, j) and the filter coefficient h ′ (i, j). Derived by taking
  • the prediction filter coefficient corresponding to the center pixel of the filter reference region R is the filter coefficient # 141b already decoded for the pixels other than the center of the filter reference region R. It is good also as a structure derived
  • the prediction filter coefficient deriving unit 143 derives the prediction filter coefficient p_center for the center pixel of the filter reference region R among the prediction filter coefficients p (i, j) using the following equation (6). It is good.
  • the sum regarding i and j is the sum for the region R ′ excluding the central pixel in the filter reference region R.
  • the prediction accuracy of the prediction filter coefficient is increased by using the tendency that the sum of the filter coefficients h (i, j) in the filter reference region R is close to 1. It can be improved effectively.
  • a value corresponding to the quantized coefficients may be used instead of taking a difference from 1. For example, since the filter coefficient quantized with 1/256 as a step has been multiplied by 256, the difference from 256 may be taken.
  • the prediction filter coefficient p_center for the center pixel is derived by taking the difference from the value corresponding to the quantization step, instead of taking the difference from 1. What is necessary is just to be the structure to do.
  • the prediction filter coefficient p_center for the center pixel can be derived. With such a configuration, the code amount of the filter coefficient residual # 13d included in the encoded data # 1 can be reduced.
  • the filter coefficient residual # included in the encoded data # 1 is generated by generating the prediction filter coefficient using the same expression as Expression (6).
  • the code amount of 13d can be reduced.
  • the moving picture decoding apparatus 1 can decode the encoded data # 1 with a small code amount of the filter coefficient residual # 13d by adopting the above configuration.
  • the prediction filter coefficient p (i, j) derived by the prediction filter coefficient deriving unit 143 is supplied to the adder 101 as the prediction filter coefficient # 140.
  • the variable length decoding unit 13, the adder 101, and the filter coefficient prediction unit 140 are based on the filter coefficient residual # 13d included in the encoded data # 1.
  • a filter coefficient decoding device that decodes the filter coefficient # 101 includes such a filter coefficient decoding device, and is a video decoding device that performs filtering using the filter coefficient # 101 on the deblocked image # 50. It can also be expressed.
  • the filter coefficient prediction unit 140 performs any one of the following calculation processes (specific example 1-1) to (specific example 1-5) according to the configuration of the encoded data # 1.
  • the calculation process in this example can be suitably applied, for example, when decoding encoded data # 1 configured as described later (Configuration Example 1-1).
  • the weight coefficient calculation unit 142 first divides the filter reference region R into a plurality of groups (sub-regions) from the center of the filter reference region R toward the periphery.
  • FIG. 5 is a diagram illustrating an example of an arrangement of each group constituting the filter reference region R divided by the weight coefficient calculation unit 142 when the filter reference region R is 9 ⁇ 9 taps.
  • the weighting coefficient calculation unit 142 moves the filter reference region R to group 5, group 4, group 3, group 2, and group 1 from the center of the filter reference region R to the periphery. To divide.
  • the group 5 includes a pixel at the center of the filter reference region R (hereinafter referred to as a pixel Pc).
  • Group 4 is composed of pixels inscribed in the outer edge of the 3 ⁇ 3 tap region centered on pixel Pc
  • Group 3 is a pixel inscribed in the outer edge of the 5 ⁇ 5 tap region centered on pixel Pc.
  • Group 2 is composed of pixels inscribed in the outer edge of the 7 ⁇ 7 tap area centered on the pixel Pc
  • Group 1 is located on the outer edge of the 9 ⁇ 9 tap area centered on the pixel Pc. It consists of pixels in contact.
  • the weighting factor calculation unit 142 sets the weighting factor a (i, j) for each group to the value of the weighting factor included in the filter parameter information # 13e.
  • the weighting factor a_gr1 for group 1 is 1/4
  • the weighting factor a_gr2 for group 2 is 1/2
  • the weighting factor a_gr3 for group 3 is 5 /. 8.
  • the weight coefficient for group 1 is set to 1/4
  • the weight coefficient for group 2 is set to 1/2
  • the weight coefficient for group 3 is set to 5 / 8
  • the weighting factor for group 4 is set to 3/4
  • the weighting factor for group 5 is set to 1.
  • the weighting factor calculation unit 142 outputs the weighting factor for each group set in this way as the weighting factor # 142 to the prediction filter factor deriving unit 143, and the prediction filter factor deriving unit 143 outputs the weighting factor # 142.
  • predictive filter coefficient # 140 is derived. As described above, when each weighting factor is a multiple of 1/8, the weighting factor calculation unit 142 multiplies each group by 2, 4, 5, 6, and 8 and adds 4 for rounding. However, the weight coefficient # 142 may be calculated using integer arithmetic that shifts right by 3 bits.
  • the value of the weighting factor included in the filter parameter information # 13e is not limited to the above example, but in the moving picture encoding device that generates the encoded data # 1, the code of the filter coefficient residual # 13d It is preferably a value calculated so as to reduce the amount.
  • the prediction filter coefficient # 140 can be derived based on the filter coefficient residual # 13d with a small code amount in this way.
  • the prediction filter coefficient deriving unit 143 may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • the prediction filter coefficient # 140 can be derived based on the encoded data # 1 having a smaller code amount by using the equation (6).
  • the moving picture decoding apparatus 1 uses the tendency that the sum of the filter coefficients h (i, j) in the filter reference region R is close to 1 as described above by using Equation (6). Since the prediction accuracy of the filter coefficient can be effectively improved, it is possible to decode the encoded data # 1 with a small code amount of the filter coefficient residual # 13d.
  • the weighting factor calculation unit 142 sets the weighting factor a (i, j) for each group to the value of the weighting factor included in the filter parameter information # 13e. It is not limited to.
  • the weight coefficient calculation unit 142 may be configured to set the weight coefficient a (i, j) for each group to the value of the weight coefficient recorded in advance in the memory.
  • the prediction filter coefficient # 140 can be derived even when the filter parameter information # 13e does not include the value of the weighting coefficient.
  • the weight coefficient value recorded in the memory in advance is preferably the same value as the weight coefficient value used in the moving picture encoding apparatus that generates the encoded data # 1.
  • the filter reference region R is 9 ⁇ 9 taps.
  • the present invention is not limited to this, and in general, the filter reference region R is It can be applied to the case of M ⁇ N taps.
  • the method of dividing the filter reference region R by the weight coefficient calculation unit 142 is not limited to the above example, and an optimal dividing method may be adopted according to the characteristics of the filter coefficient. For example, it is also preferable to divide the weight coefficient for each filter coefficient.
  • the filter coefficient prediction unit 140 may divide the filter reference region R into a plurality of sub-regions and derive the prediction filter coefficient # 140 using the weighting factor set for each sub-region. Therefore, the moving image decoding apparatus 1 can generate the decoded image # 2 based on the encoded data # 1 with a small code amount of the filter coefficient residual # 13d.
  • the calculation process in this example can be suitably applied, for example, when decoding encoded data # 1 configured as described later (Configuration Example 1-2).
  • the weight coefficient calculation unit 142 first divides the filter reference region R into a plurality of groups from the center of the filter reference region R toward the peripheral part, as in (Specific example 1-1).
  • the weighting factor calculation unit 142 first calculates the weighting factor a_grG ′ (s) for the region on the decoded frame and the region of the group G using the already decoded filter coefficients.
  • the index s in a_grG ′ (s) indicates that the frame is s frames before counting from the prediction target frame.
  • the frame before s frames counted from the prediction target frame is referred to as a frame s.
  • the weight coefficient calculation unit 142 uses the weight coefficient a_grG ′ (s) for the frame s and the filter referred to for calculating the predicted value of the filter coefficient h (i, j) (s) for the frame s.
  • the coefficient h (i, j) (s_prev) and the filter coefficient h (i, j) (s) for the frame s the following equation (7) is used for calculation.
  • the sum regarding i and j is the sum for the reference region G corresponding to the group G in the filter reference region R.
  • the weighting factor calculation unit 142 calculates the weighting factor a_grG using the representative value of the calculated weighting factor a_grG ′ (s).
  • the representative value for example, a median value of the weighting coefficients a_grG ′ (s) calculated for a plurality of frames can be used.
  • the weighting factor calculation unit 142 calculates the weighting factor a_grG by the following equation (8).
  • a_grG median (a_grG ′ (1), a_grG ′ (2),..., a_grG ′ (F))
  • median represents taking the median of the values in parentheses.
  • the weighting factor calculation unit 142 is a weighting factor calculated for each frame from one frame before to F frames before counting from the prediction target frame, and the weighting factor a_grG ′ (1) ⁇
  • the median value of a_grG ′ (F) is set to the weight coefficient a_grG.
  • F a predetermined value may be used, or for example, a different value may be used depending on the position of the filter reference region R in the frame.
  • the weighting coefficient used for the prediction of the filter coefficient h (i, j) (s) for the frame s may be used as it is.
  • the weighting factor calculation unit 142 outputs the weighting factor a_grG for each group set in this way as the weighting factor # 142 to the prediction filter factor deriving unit 143.
  • the prediction filter factor deriving unit 143 outputs the weighting factor # 143. 142 is used to derive prediction filter coefficient # 140.
  • the weight coefficient for each group constituting the filter reference region R has a correlation between frames. That is, the weighting coefficient already calculated for each region on the decoded frame tends to be an appropriate value for deriving the prediction filter coefficient for the prediction target frame. Therefore, in the moving picture encoding apparatus that generates the encoded data # 1, the filter coefficient residual # included in the encoded data # 1 is generated by generating a prediction filter coefficient using an expression similar to the expression (8). The code amount of 13d can be reduced. In addition, the filter coefficient prediction unit 140 in the moving image decoding apparatus 1 performs the operation of this example, thereby calculating the prediction filter coefficient # 140 based on the filter coefficient residual # 13d generated in this way with a small code amount. Can be derived.
  • the prediction filter coefficient deriving unit 143 may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • the weighting factor calculation unit 142 includes a memory that stores a weighting factor that has already been calculated for each region on a decoded frame. It becomes.
  • the calculation processing in this example can be suitably applied to, for example, decoding encoded data # 1 configured as described later (Configuration Example 1-3).
  • the weighting factor calculation unit 142 calculates the weighting factor for each group constituting the filter reference region R by using the average value as the representative value in the above-described (specific example 1-2).
  • the weighting factor calculation unit 142 calculates the weighting factor a_grG by the following equation (9) instead of the equation (8).
  • Other operations of the weight coefficient calculating unit 142 are the same as those described in the specific example 1-2.
  • the index s in a_grG ′ (s) indicates the frame before s frames, counted from the prediction target frame, as in (Specific Example 1-2).
  • the weighting factor calculation unit 142 is a weighting factor calculated for each frame from one frame before to F frames before counting from the prediction target frame, and the weighting factor a_grG ′ (1) ⁇
  • the average value of a_grG ′ (F) is set to the weight coefficient a_grG.
  • the weight coefficient for each group constituting the filter reference region R has a correlation between frames. That is, the weighting coefficient already calculated for each region on the decoded frame tends to be an appropriate value for deriving the prediction filter coefficient for the prediction target frame. Therefore, in the moving picture encoding apparatus that generates the encoded data # 1, the filter coefficient residual # included in the encoded data # 1 is generated by generating a prediction filter coefficient using an expression similar to the expression (9). The code amount of 13d can be reduced. In addition, the filter coefficient prediction unit 140 in the moving image decoding apparatus 1 performs the operation of this example, thereby calculating the prediction filter coefficient # 140 based on the filter coefficient residual # 13d generated in this way with a small code amount. Can be derived.
  • the weighting factor calculation unit 142 includes a memory that stores a weighting factor that has already been calculated for each region on a decoded frame. It becomes.
  • the calculation process in this example can be suitably applied, for example, when decoding encoded data # 1 configured as described later (Configuration Example 1-4).
  • the weight coefficient calculation unit 142 first divides the filter reference region R into a plurality of groups from the center of the filter reference region R toward the peripheral part, as in (Specific example 1-1).
  • the weighting factor calculation unit 142 calculates the weighting factor a (i, j) by the least square method.
  • the weighting factor calculation unit 142 calculates the weighting factor a (i, j) so as to minimize the square error E1 represented by the following equation (10).
  • the variable t represents the frame number associated with each frame. That is, the filter coefficient h (i, j) (t) represents a filter coefficient used for filtering a frame whose frame number is t. O represents an offset.
  • h (i, j) (t_prev) is a decoded filter coefficient, which is a filter coefficient referred to for calculation of a prediction filter coefficient corresponding to the filter coefficient h (i, j) (t). Represents.
  • the weight coefficient a (i, j) may be calculated so as to minimize the square error E1 obtained by taking the sum of -1.
  • the weight coefficient calculation unit 142 minimizes the square error E1 obtained by summing the frames from the smallest frame interval to the prediction target frame to the current frame among the decoded intra-frame encoded frames (intra frames).
  • the weighting factor calculation unit 142 averages the weighting factor a (i, j) calculated using the least square method for each group constituting the filter reference region, thereby obtaining the weighting factor a_grG for each group. Calculated and output to the prediction filter coefficient deriving unit 143 as the weight coefficient # 142.
  • the prediction filter coefficient deriving unit 143 derives the prediction filter coefficient # 140 using the weighting coefficient # 142.
  • the prediction filter coefficient is calculated based on the least square method using the same equation as the equation (10), so that it is included in the encoded data # 1.
  • the code amount of the filter coefficient residual # 13d can be reduced.
  • the filter coefficient prediction unit 140 in the moving image decoding apparatus 1 performs the operation of this example, thereby calculating the prediction filter coefficient # 140 based on the filter coefficient residual # 13d generated in this way with a small code amount. Can be derived.
  • the weighting coefficient calculation unit 142 takes the median value of the weighting coefficient a (i, j) calculated by using the least square method for each group constituting the filter reference region, so that the weighting coefficient a_grG for each group is obtained. It is good also as a structure which calculates.
  • the weight coefficient calculation unit 142 may be configured to apply the least square method directly to each group without taking the average value or the median value.
  • the weighting factor calculation unit 142 may be configured to calculate the weighting factor a_grG of the group G so as to minimize the square error E2 represented by the following equation (11).
  • the sum regarding i and j represents the sum for the reference region G corresponding to the group G in the filter reference region R.
  • O represents an offset.
  • the prediction filter coefficient deriving unit 143 may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • the calculation process in this example can be suitably applied to, for example, decoding encoded data # 1 configured as described later (Configuration Example 1-5).
  • the weight coefficient calculation unit 142 first sets the filter reference region R to the first sub region that is the peripheral portion of the filter reference region R and the second sub region that is a region other than the first sub region. Divide into areas.
  • the peripheral part of the filter reference region R is a region in the filter reference region R, which is in contact with the outer edge of the filter reference region R or in the vicinity of the outer edge of the filter reference region R (hereinafter referred to as “the reference region”). The same).
  • the weighting factor calculation unit 142 sets the value of the weighting factor for the first subregion to 0, and sets the value of the weighting factor for the second subregion to 1. Further, the value of the weighting factor for the second sub-region is not limited to 1, and a weighting factor calculated by any of the methods described in specific examples 1-1 to 1-4 may be used.
  • the weighting coefficient matrix A1 composed of the weighting coefficients a (i, j) calculated by the weighting coefficient calculating unit 142 in this way is shown in the following formula (12).
  • a component having a value of 0 in the weighting coefficient matrix A1 represents a weighting factor for the first sub-region
  • a component having a value of 1 represents a weighting factor for the second sub-region.
  • each component of the prediction filter coefficient matrix P calculated by the prediction filter coefficient deriving unit 143 becomes 0 for each pixel corresponding to the first group,
  • the filter coefficient h ′ (i, j) is a value as it is.
  • FIG. 6 is a diagram illustrating each component of the prediction filter coefficient P corresponding to each pixel in the filter reference region R of M ⁇ N taps.
  • the value of the prediction filter coefficient corresponding to each pixel in the peripheral part of the filter reference region R (that is, the prediction filter coefficient corresponding to the first group) is 0, and the peripheral part of the filter reference region R
  • the values of the prediction filter coefficients corresponding to the other pixels are the values of the filter coefficients h ′ (i, j) as they are.
  • the filter coefficient corresponding to each pixel in the periphery of the filter reference region R tends to be a value close to zero.
  • the filter coefficient prediction unit 140 in the moving image decoding apparatus 1 performs the operation of this example, thereby calculating the prediction filter coefficient # 140 based on the filter coefficient residual # 13d generated in this way with a small code amount. Can be derived.
  • prediction filter coefficient deriving unit 143 in this example may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • the moving picture encoding apparatus 2 includes H.264 as a part thereof. H.264 / MPEG-4 AVC, and a decoding device including technology adopted in KTA software.
  • FIG. 7 is a block diagram showing a configuration of the moving picture encoding apparatus 2.
  • the moving image encoding device 2 includes a transform / quantization unit 21, a variable length encoding unit 22, an inverse quantization / inverse transform unit 23, a buffer memory 24, an intra predicted image generation unit 25, an inter prediction image generation unit 25, and an inter prediction image generation unit 25.
  • a prediction image generation unit 26, a prediction scheme control unit 28, a motion vector redundancy reduction unit 29, an adder 31, a subtractor 32, a deblocking filter 50, and an adaptive filter 100 ′ are provided.
  • the input image # 10 divided into macro blocks is input to the moving image encoding device 2.
  • the moving image encoding device 2 performs an encoding process on the input image # 10 and outputs encoded data # 1.
  • the transform / quantization unit 21 converts the difference image # 32 between the input image # 10 divided into macroblocks and a prediction image # 28a output from the prediction scheme control unit 28, which will be described later, into frequency components by DCT conversion. After conversion, the frequency component is quantized to generate quantized prediction residual data # 21.
  • the quantization is an operation for associating the frequency component with an integer value.
  • the DCT transform and quantization are performed in units of blocks obtained by dividing a macroblock.
  • a macro block to be processed is referred to as a “target macro block”
  • a block to be processed is referred to as a “target block”.
  • the inverse quantization / inverse transform unit 23 decodes the quantized prediction residual data # 21 and generates a prediction residual # 23. Specifically, the inverse quantization / inverse transform unit 23 performs inverse quantization of the quantized prediction residual data # 21, that is, associates integer values constituting the quantized prediction residual data # 21 with frequency components. Then, inverse DCT transformation of the frequency component, that is, inverse transformation to the pixel component of the target macroblock based on the frequency component is performed to generate prediction residual # 23.
  • the adder 31 adds the prediction residual # 23 and the prediction image # 28a to generate a decoded image # 31.
  • the generated decoded image # 31 is supplied to the deblocking filter 50.
  • the deblocking filter 50 performs a deblocking process on the block boundary or the macroblock boundary in the decoded image # 31.
  • the image data subjected to the deblocking process is output as a deblocked image # 50.
  • the deblocking filter 50 has the same configuration as the deblocking filter 50 included in the video decoding device 1.
  • the adaptive filter 100 ′ performs filtering on the deblocked image # 50 and outputs output image data # 100 ′ to the buffer memory 24.
  • the adaptive filter 100 ′ also outputs a filter coefficient residual # 102 that is a residual between the filter coefficient used for filtering and the predicted filter coefficient to the variable length coding unit 22.
  • the adaptive filter 100 ′ is a variable-length encoding unit for filtering parameter information, which is information related to a parameter indicating an area to be filtered, a parameter indicating the number of taps for filtering, and a parameter for specifying on / off of filtering. 22 is output. Since the configuration of the adaptive filter 100 ′ will be described later, the description thereof is omitted here.
  • the intra-predicted image generation unit 25 extracts the local decoded image # 24a (the already decoded region in the same frame as the target macroblock) from the output image data # 100 ′ stored in the buffer memory 24, and based on the local decoded image # 24a Intra-frame prediction is performed to generate intra-predicted image # 25.
  • the inter prediction image generation unit 26 calculates and assigns a motion vector # 27 to the target block on the input image # 10 by using the reference image # 24b in which the entire frame has already been decoded and stored in the buffer memory 24. .
  • the calculated motion vector # 27 is output to the inter prediction image generation unit 26 and the motion vector redundancy reduction unit 29 and is stored in the buffer memory 24.
  • the inter predicted image generation unit 26 performs motion compensation on the reference image # 24b based on the motion vector # 27 for each block, and generates an inter predicted image # 26.
  • the prediction method control unit 28 compares the intra prediction image # 25, the inter prediction image # 26, and the input image # 10 in units of macro blocks, and the intra prediction image # 25 or the inter prediction image # 26. Any one of them is selected and output as a predicted image # 28a. In addition, the prediction method control unit 28 outputs a prediction mode # 28b that is information indicating which one of the intra prediction image # 25 or the inter prediction image # 26 is selected. The predicted image # 28a is input to the subtracter 32.
  • the prediction mode # 28b is stored in the buffer memory 24 and input to the variable length encoding unit 22.
  • the motion vector redundancy reduction unit 29 assigns the motion vector # 27 to the target block in the inter predicted image generation unit 26, and then assigns the motion vector # 27c to the other block and stored in the buffer memory 24. Based on this, a prediction vector is calculated. In addition, the motion vector redundancy reduction unit 29 takes the difference between the prediction vector and the motion vector # 27, and generates a difference motion vector # 29. The generated difference motion vector # 29 is output to the variable length coding unit 22.
  • variable length encoding unit 22 performs variable length encoding on the quantized prediction residual data # 21, the differential motion vector # 29, the prediction mode # 28b, the filter coefficient residual # 102, and the filter parameter information, Coded data # 1 is generated.
  • the subtractor 32 takes the difference between the input image # 10 and the predicted image # 28a for the target macroblock, and outputs a difference image # 32.
  • FIG. 8 is a block diagram showing a configuration of the adaptive filter 100 ′.
  • the adaptive filter 100 ′ includes a filter processing unit 110 ′, a filter parameter determination unit 120 ′, a filter coefficient derivation unit 130 ′, a filter coefficient prediction unit 140 ′, and a subtractor 102.
  • the filter parameter determination unit 120 ′ based on the side information of the input image # 10, sets a parameter indicating the number of reference pixels for filtering (number of taps), a parameter group that specifies filtering on / off, and the like (hereinafter referred to as filter parameters).
  • the filter parameter information # 120 ′ which is information including the filter parameter group, is output.
  • the side information of the input image # 10 includes a prediction mode, a motion vector, a reference image index indicating a reference frame, a quantization parameter, and the like.
  • the filter parameter group determination method does not limit the present invention.
  • the filter parameter determination unit 120 ′ determines the block size of the blocks constituting the input image # 10 or the input image # 10.
  • a configuration may be adopted in which the filter parameter group is determined according to the number of hierarchies when hierarchically divided by a quad-tree.
  • the subtractor 102 generates and outputs a filter coefficient residual # 102 by taking the difference between the filter coefficient # 130 'and the prediction filter coefficient # 140'.
  • the filter processing unit 110 ′ generates and outputs output image data # 100 ′ by filtering the deblocked image # 50 using the filter coefficient # 130 ′.
  • the filtering process in the filter processing unit 110 ′ is almost the same as the filtering process in the filter processing unit 110 in the moving image decoding apparatus 1 described above.
  • the filter processing unit 110 represents the pixel value S0 (x ′, y ′) at the coordinates (x ′, y ′) of the output image data # 100 ′ by the above equation (1), and the filter coefficient # It is calculated by taking a weighted linear sum with 130 ′ and adding an offset based on filter coefficient # 101.
  • the filter coefficient h (i, j) in Expression (1) corresponds to the filter coefficient # 130'.
  • the filter coefficient deriving unit 130 ′ derives the filter coefficient # 130 ′ using the input image # 10 and the deblocked image # 50 based on the filter parameter information # 120 ′ output from the filter parameter determining unit 120 ′. .
  • the derived filter coefficient # 130 ′ is output to the filter coefficient prediction unit 140 ′, the subtractor 102, and the filter processing unit 110 ′.
  • the filter coefficient deriving unit 130 ′ determines the value of the filter coefficient h (i, j) by, for example, the following expression (13), each pixel value of the input image # 10 and each pixel of the output image data # 100 ′. Derived so as to minimize the square error E3 with the value.
  • S (x, y) represents the pixel value at the coordinates (x, y) of the input image # 10
  • SI (x, y) represents the coordinates (x, y) of the deblocked image # 50.
  • O represents an offset.
  • the filter coefficient h (i, j) derived in this way (1 ⁇ i ⁇ M, 1 ⁇ j ⁇ N) is output as filter coefficient # 130 ′ from the filter coefficient deriving unit 130 ′, and the filter processing unit Used for filtering at 110 '.
  • the filter coefficient prediction unit 140 ′ performs substantially the same operation as the filter coefficient prediction unit 140 included in the video decoding device 1. However, in the moving picture coding apparatus 2, the filter coefficient supplied to the filter coefficient prediction unit 140 ′ is the filter coefficient # 130 ′, and the prediction filter coefficient output from the filter coefficient prediction unit 140 ′ is the prediction filter coefficient. # 140 '.
  • FIG. 9 is a block diagram showing the configuration of the filter coefficient prediction unit 140 '.
  • the filter coefficient prediction unit 140 ' includes a filter coefficient storage unit 141', a weight coefficient calculation unit 142 ', and a prediction filter coefficient derivation unit 143'.
  • the filter coefficient storage unit 141 ′ performs substantially the same operation as the filter coefficient storage unit 141 in the video decoding device 1. However, the filter coefficient stored in the filter coefficient storage unit 141 ′ includes the filter coefficient # 141 ′ already used in the filtering process for the encoded frame.
  • the filter coefficient matrix that is stored in the filter coefficient storage unit 141 ′ and that is configured by the filter coefficient # 141 ′ that has already been used in the filtering process for the encoded frame is expressed as in Expression (2) already described. be able to.
  • the filter coefficient h ′ (i, j) corresponds to the filter coefficient # 141 ′ already used in the filtering process for the encoded frame.
  • the weight coefficient calculation unit 142 ′ calculates the weight coefficient a (i, j) by which each component h ′ (i, j) of the filter coefficient matrix H ′ is multiplied. To do. Since a specific example of the calculation processing of the weighting factor a (i, j) by the weighting factor calculating unit 142 ′ will be described later, the description thereof is omitted here.
  • the prediction filter coefficient derivation unit 143 ′ Similar to the prediction filter coefficient derivation unit 143 in the video decoding device 1, the prediction filter coefficient derivation unit 143 ′ performs filtering processing on an encoded frame among the filter coefficients stored in the filter coefficient storage unit 141 ′. Based on the already used filter coefficient h ′ (i, j) and the weight coefficient a (i, j) calculated by the weight coefficient calculation unit 142 ′, the prediction filter coefficient p (i, j) is derived. . The derived prediction filter coefficient p (i, j) is output as prediction filter coefficient # 140 '.
  • the prediction filter coefficient matrix P having the prediction filter coefficient p (i, j) as a component can be expressed, for example, as already described in Expression (5).
  • the prediction filter coefficient deriving unit 143 ′ uses the filter for pixels other than the center of the filter reference region R for prediction filter coefficients corresponding to the center pixel of the filter reference region R among the prediction filter coefficients p (i, j). It is good also as a structure derived
  • the prediction filter coefficient deriving unit 143 ′ derives the prediction filter coefficient p_center for the center pixel of the filter reference region R among the filter coefficients h (i, j) using the already-described expression (6). It is good also as a structure.
  • the prediction accuracy of the prediction filter coefficient is increased by using the tendency that the sum of the filter coefficients h (i, j) in the filter reference region R is close to 1. It can be improved effectively.
  • the sum of filter coefficients in the filter reference region R tends to be close to 1. Therefore, according to the above configuration, the code amount of the filter coefficient residual # 102 can be reduced.
  • the variable length coding unit 22, the subtractor 102, and the filter coefficient prediction unit 140 ′ are filter coefficient # 130 supplied from the filter coefficient deriving unit 130 ′.
  • a filter coefficient encoding apparatus that encodes a filter coefficient residual # 102 that is a residual between 'and a prediction filter coefficient # 140' predicted based on the filter coefficient # 130 'is configured. it can. Therefore, the moving picture coding apparatus 2 according to the present embodiment can also be expressed as a moving picture coding apparatus including such a filter coefficient coding apparatus.
  • the filter coefficient prediction unit 140 'performs an operation corresponding to the calculation process of the prediction filter coefficient # 140 by the filter coefficient prediction unit 140 described in (Specific example 1-1).
  • the weight coefficient calculation unit 142 ′ first divides the filter reference region R into a plurality of groups (subregions) from the center of the filter reference region R toward the periphery (see FIG. 5).
  • the weighting factor calculation unit 142 sets the weighting factor a (i, j) for each group to a predetermined value.
  • a predetermined value for example, a value determined in advance by the method of least squares may be used.
  • FIG. 10 shows weighting factors a (i, j) corresponding to groups 1 to 4 constituting the filter reference region R shown in FIG. 5 by using four different sequences and four different quantization parameters. It is a graph which shows the result computed beforehand by applying the least squares method to the frame for 200 frames.
  • the square error to be minimized in the least square method the square error E1 represented by the already described formula (10) was taken.
  • the optimum weighting coefficient obtained by the least square method has a larger value in a region closer to the center of the filter reference region R. This is because the correlation between the frames of the filter coefficients becomes larger as the region is closer to the center of the filter reference region R.
  • the weighting factor calculation unit 142 ′ sets the optimum weighting factor value for each group obtained in advance by the least square method or an approximate value thereof as the weighting factor for each pixel belonging to each group. .
  • the weighting factor calculation unit 142 ′ multiplies 2, 4, 5, 6, and 8 for each group to round 4 for rounding.
  • the weight coefficient # 142 may be calculated using integer arithmetic that adds 3 and shifts right by 3 bits.
  • the weighting coefficient calculation unit 142 ′ outputs the weighting coefficient a_grG for each group set in this way as the weighting coefficient # 142 ′ to the prediction filter coefficient derivation unit 143 ′, and the prediction filter coefficient derivation unit 143 ′
  • the prediction filter coefficient # 140 ′ is derived using the weight coefficient # 142 ′.
  • the value of the weight coefficient a_gr5 for the group 5 may be determined according to the values of the weight coefficients a_gr1 to a_gr4, or a predetermined value (for example, 1) may be used.
  • the prediction filter coefficient deriving unit 143 ′ may be configured to derive the prediction filter coefficient for the central pixel of the filter reference region R among the prediction filter coefficients # 140 ′ using the already-described formula (6). Good.
  • the filter coefficient prediction unit 140 ′ divides the filter reference region R into a plurality of sub-regions, and derives a prediction filter coefficient # 140 ′ using the weighting factor set for each sub-region. Therefore, the code amount of the filter coefficient residual # 102 can be reduced as compared with the conventional method in which the filter reference region R is not divided.
  • the weighting factor calculation unit 142 ′ stores the value of the weighting factor in a memory, so that the optimum weighting factor can be obtained without performing the weighting factor calculation process using the least square method. Therefore, it is possible to output an optimum weight coefficient while reducing the amount of calculation compared to the case where the least square method is used for each frame.
  • the code amount of the filter coefficient residual # 102 can be reduced with a small amount of calculation.
  • the weighting factor calculation unit 142 ′ performs grouping from the center of the filter reference region R of M ⁇ N taps toward the peripheral part, and the weighting factor for each group is determined by an optimal method obtained in advance by the least square method. It can be set as a structure which sets to a weighting coefficient or its approximate value.
  • the method of dividing the filter reference region R by the weight coefficient calculating unit 142 ′ is not limited to the above example, and an optimal dividing method may be adopted according to the characteristics of the filter coefficient. For example, it is also preferable to divide the weight coefficient for each filter coefficient.
  • the filter coefficient prediction unit 140 'performs an operation corresponding to the calculation process of the prediction filter coefficient # 140 by the filter coefficient prediction unit 140 described in (Specific example 1-2).
  • the weight coefficient calculation unit 142 ′ first divides the filter reference region R into a plurality of groups from the center of the filter reference region R toward the peripheral part, as in (Specific example 1-1 ′).
  • the weighting factor calculation unit 142 ′ first calculates the weighting factor a_grG ′ (s) for the region on the decoded frame and the region of the group G using the already encoded filter coefficients. To do.
  • the index s in a_grG ′ (s) indicates that the frame is s frames before counting from the prediction target frame.
  • the frame before s frames counted from the prediction target frame is referred to as a frame s.
  • the weight coefficient calculation unit 142 ′ is referred to calculate the weight coefficient a_grG ′ (s) for the frame s and the predicted value of the filter coefficient h (i, j) (s) for the frame s. Using the filter coefficient h (i, j) (s_prev) and the filter coefficient h (i, j) (s) for the frame s, the calculation is performed according to the equation (7) already described.
  • the weighting factor calculation unit 142 ′ calculates the weighting factor a_grG using the representative value of the calculated weighting factor a_grG ′ (s).
  • the representative value for example, the median value of the weighting coefficient a_grG ′ (s) calculated for a plurality of frames can be used.
  • the weighting factor calculation unit 142 calculates the weighting factor a_grG by the equation (8) already described.
  • the weighting factor calculation unit 142 ′ is a weighting factor calculated for each frame from one frame before to F frames before counting from the prediction target frame, and the weighting factor a_grG ′ (1) for the group G Set the median value of a_grG ′ (F) to the weight coefficient a_grG.
  • the specific value of F may be a predetermined value as in (Specific Example 1-2), or determined according to the position of the filter reference region R in the frame, for example. The value to be used may be used.
  • the weighting coefficient used for the prediction of the filter coefficient h (i, j) (s) for the frame s may be used as it is.
  • the weighting coefficient calculation unit 142 ′ outputs the weighting coefficient a_grG for each group set in this way as the weighting coefficient # 142 ′ to the prediction filter coefficient derivation unit 143 ′, and the prediction filter coefficient derivation unit 143 ′
  • the prediction filter coefficient # 140 ′ is derived using the weight coefficient # 142 ′.
  • the filter coefficient prediction unit 140 ′ can reduce the code amount of the filter coefficient residual # 102 by performing the operation as in this example.
  • prediction filter coefficient deriving unit 143 may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • the above-described operation by the weighting factor calculation unit 142 ′ is performed, for example, by including a memory in which the weighting factor calculation unit 142 stores a weighting factor that has already been calculated for each region on the decoded frame. It becomes possible.
  • the filter coefficient prediction unit 140 'performs an operation corresponding to the calculation process of the prediction filter coefficient # 140 by the filter coefficient prediction unit 140 described in (Specific Example 1-3).
  • the weighting factor calculation unit 142 ′ calculates the weighting factor for each group constituting the filter reference region R by using the average value as the representative value in the above-described (specific example 1-2 ′). .
  • the weighting factor calculation unit 142 ′ calculates the weighting factor a_grG according to Expression (9).
  • the weighting factor calculation unit 142 ′ is a weighting factor calculated for each frame from one frame before to F frames before counting from the prediction target frame, and the weighting factor a_grG ′ (1) for the group G
  • the average value of .about.a_grG ′ (F) is set to the weighting coefficient a_grG.
  • the filter coefficient prediction unit 140 ′ can reduce the code amount of the filter coefficient residual # 102 by performing the operation as in this example.
  • the filter coefficient prediction unit 140 'performs an operation corresponding to the calculation process of the prediction filter coefficient # 140 by the filter coefficient prediction unit 140 described in (Specific Example 1-4).
  • the weight coefficient calculation unit 142 ′ first divides the filter reference region R into a plurality of groups from the center of the filter reference region R toward the peripheral part, as in (Specific example 1-1 ′).
  • the weighting factor calculation unit 142 calculates the weighting factor a (i, j) by the least square method.
  • the weighting factor calculating unit 142 calculates the weighting factor a (i, j) so as to minimize the square error E1 represented by the already described formula (10).
  • h (i, j) (t_prev) in the equation (10) is an encoded filter coefficient in this example, and is a prediction filter coefficient corresponding to the filter coefficient h (i, j) (t). It shall represent the filter coefficient referred for calculation.
  • the specific calculation processing of the weighting factor a (i, j) by the weighting factor calculation unit 142 'in this example is the same as (Specific example 1-4).
  • the weighting coefficient calculation unit 142 ′ calculates the weighting coefficient a_grG for each group by averaging the weighting coefficient a (i, j) calculated using the least square method for each group constituting the filter reference region. It is calculated and output to the prediction filter coefficient deriving unit 143 ′ as the weight coefficient # 142 ′.
  • the prediction filter coefficient deriving unit 143 ' uses the weighting coefficient # 142' to derive the prediction filter coefficient # 140 '.
  • the weight coefficient calculation unit 142 ′ calculates the weight coefficient for each group using the least square method, so that the code amount of the filter coefficient residual # 102 can be reduced.
  • the weighting factor calculation unit 142 ′ calculates the weighting factor a (i, j) calculated using the least squares method for each group constituting the filter reference region. It is good also as a structure which calculates weighting coefficient a_grG with respect to each group by taking a value.
  • the weighting factor calculation unit 142 ′ may be configured to calculate the weighting factor a_grG for each group by the least square method using Equation (11), as in (Specific Example 1-4).
  • the prediction filter coefficient deriving unit 143 ' may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • the filter coefficient prediction unit 140 'performs an operation corresponding to the calculation process of the prediction filter coefficient # 140 by the filter coefficient prediction unit 140 described in (Specific example 1-5).
  • the weight coefficient calculation unit 142 ′ divides the filter reference region R into a first sub-region that is a peripheral portion of the filter reference region R and a second sub-region that is a region other than the first sub-region.
  • the peripheral part of the filter reference region R is a region in the filter reference region R, which is in contact with the outer edge of the filter reference region R or in the vicinity of the outer edge of the filter reference region R (hereinafter referred to as “the reference region”). The same).
  • the weighting factor calculation unit 142 sets the value of the weighting factor for the first subregion to 0, and sets the value of the weighting factor for the second subregion to 1.
  • the weighting coefficient matrix A1 composed of the weighting coefficients a (i, j) calculated by the weighting coefficient calculating unit 142 in this way can be expressed as in Expression (12).
  • a component having a value of 0 in the weighting coefficient matrix A1 represents a weighting factor for the first sub-region
  • a component having a value of 1 represents a weighting factor for the second sub-region.
  • each component of the prediction filter coefficient matrix P calculated by the prediction filter coefficient deriving unit 143 ′ becomes 0 for each pixel corresponding to the first group.
  • the filter coefficient h ′ (i, j) is a value as it is (see FIG. 6).
  • the filter coefficient corresponding to each pixel in the periphery of the filter reference region R tends to be a value close to zero.
  • the amount of calculation related to calculation of the prediction filter coefficient can be reduced.
  • the code amount of the filter coefficient residual # 101 can be reduced.
  • the value of the filter coefficient corresponding to the peripheral pixels of the filter reference region R is 0.1.
  • the filter coefficient h ′ (i, j) when the value of the filter coefficient corresponding to the peripheral pixel of the filter reference region R is ⁇ 0.1, the filter coefficient h ′ (i, j) If the filter coefficient residual is generated with the prediction filter coefficient as is, the value of the filter coefficient residual corresponding to the above pixel becomes 0.2, but this corresponds to the peripheral pixel of the filter reference region R as in this example.
  • a filter coefficient residual is generated by setting the value of the prediction filter coefficient to be 0, the value of the filter coefficient residual corresponding to the pixel is 0.1.
  • the code amount of the filter coefficient residual # 102 can be reduced.
  • prediction filter coefficient deriving unit 143 in this example may be configured to derive the prediction filter coefficient for the center pixel of the filter reference region R using Expression (6).
  • FIG. 11A shows a bit stream #BS for each slice of the encoded data # 1 generated by the video encoding device 2 and referred to by the video decoding device 1.
  • the bitstream #BS includes filter parameter information FP, filter coefficient residual information RC, and macroblock information MB1 to MBN.
  • the filter coefficient residual information RC is information including the filter coefficient residual # 102 generated in the video encoding device 2.
  • Macroblock information MB1 to MBN is information used for decoding macroblocks existing in a slice. N represents the number of macroblocks present in the slice.
  • the macroblock information includes a prediction mode, a motion vector, a reference image index, a quantization parameter, quantized prediction residual data, and the like.
  • (B) of FIG. 11 shows an example of the configuration of the filter parameter information FP.
  • the filter parameter information FP includes a parameter (number of taps) indicating the number of reference pixels for filtering and on / off designation information for designating filtering on / off.
  • the filter parameter information FP may be configured to include weight coefficient information indicating the weight coefficient # 142 'calculated in the video encoding device 2.
  • the filter coefficient residual includes the filter coefficient residual # 102 generated using the prediction filter coefficient # 140 'calculated by the process described in (Specific example 1-1').
  • the weight coefficient information of the filter parameter information FP in the encoded data # 1 may be configured to include the weight coefficient # 142 ′ calculated in (Specific example 1-1 ′). Further, the weight coefficient information may include a parameter indicating the weight coefficient # 142 ′ instead of the weight coefficient # 142 ′ itself. For example, if the weighting factor of each group is a multiple of 1/8, such as 2/8, 4/8, 5/8, 6/8, 8/8, the numerator (2, 4, 5, 6, 8) and denominator (8) as parameters are included in the weight coefficient information. Further, when the weight coefficient # 142 ′ is recorded in advance in the memory included in the video decoding device 1, the weight coefficient information of the filter parameter information FP may not be included.
  • the filter target region information may include information indicating how the filter reference region R is divided, for example, information indicating that the filter reference region R is grouped as illustrated in FIG. .
  • the filter coefficient residual includes the filter coefficient residual # 102 generated using the prediction filter coefficient # 140 'calculated by the process described in (Specific example 1-2').
  • the filter parameter information FP in the encoded data # 1 does not include weighting coefficient information. good.
  • the filter target region information may include information indicating how the filter reference region R is divided, for example, information indicating that the filter reference region R is grouped as illustrated in FIG. .
  • the filter coefficient residual includes the filter coefficient residual # 102 generated using the prediction filter coefficient # 140 'calculated by the processing described in (Specific Example 1-3').
  • the filter parameter information FP in the encoded data # 1 does not include weighting coefficient information. good.
  • the filter target region information may include information indicating how the filter reference region R is divided, for example, information indicating that the filter reference region R is grouped as illustrated in FIG. .
  • the filter coefficient residual includes the filter coefficient residual # 102 generated using the prediction filter coefficient # 140 'calculated by the process described in (Specific Example 1-4').
  • the filter parameter information FP in the encoded data # 1 does not include weighting coefficient information. good.
  • the filter target region information may include information indicating how the filter reference region R is divided, for example, information indicating that the filter reference region R is grouped as illustrated in FIG. .
  • the filter coefficient residual includes the filter coefficient residual # 102 generated using the prediction filter coefficient # 140 'calculated by the processing described in (Specific example 1-5').
  • the filter parameter information FP in the encoded data # 1 does not include weighting coefficient information. good.
  • the filter target region information may include information indicating how the filter reference region R is divided, for example, information indicating that the filter reference region R is grouped as illustrated in FIG. .
  • FIG. 12 is a block diagram illustrating a configuration of the moving image decoding apparatus 3.
  • the same blocks as those shown in FIG. 1 are denoted by the same reference numerals, and the description thereof is omitted.
  • the moving image decoding apparatus 3 includes a variable length code decoding unit 51, a motion vector restoration unit 14, a buffer memory 15, an inter prediction image generation unit 16, an intra prediction image generation unit 17, and a prediction method determination unit 18. , An inverse quantization / inverse transform unit 19, an adder 20, a deblocking filter 50, and an adaptive filter 200.
  • the video decoding device 3 receives the encoded data # 5 and outputs a decoded image # 6.
  • variable-length code decoding unit 51 performs variable-length decoding on the encoded data # 5, performs differential motion vector # 13a, side information # 13b, quantized prediction residual data # 13c, filter coefficient residual # 13d, filter parameter information # 13e and flag # 51 indicating the filter coefficient calculation method are output.
  • the adaptive filter 200 calculates a filter coefficient based on the filter coefficient residual # 13d according to the filter coefficient calculation method indicated by the flag # 51 decoded from the encoded data # 5, and applies the filter coefficient to the deblocked image # 50.
  • Output image data # 200 is generated by performing filtering using.
  • the output image data # 200 is supplied to the buffer memory 15.
  • the filtering process in adaptive filter 200 is performed based on side information # 13b decoded from encoded data # 5 and parameters included in filter parameter information # 13e.
  • FIG. 13 is a block diagram showing the configuration of the adaptive filter 200.
  • the same reference numerals are assigned to the same blocks as those shown in FIG. 2, and the description thereof is omitted.
  • the adaptive filter 200 includes a filter processing unit 110, a filter coefficient prediction unit 210, and an adder 202.
  • the adder 202 generates the filter coefficient # 202 by adding the filter coefficient residual # 13d decoded from the encoded data # 5 and the prediction filter coefficient # 210 output from the filter coefficient prediction unit 210, Output.
  • the filter coefficient prediction unit 210 follows the method indicated by the flag # 51 indicating the filter coefficient calculation method, and based on the filter coefficient already used in the filtering process for the decoded frame of the filter coefficient # 202, the prediction filter coefficient # 210 is calculated. Prediction filter coefficient # 210 is output to adder 202.
  • FIG. 14 is a block diagram illustrating a configuration of the filter coefficient prediction unit 210.
  • the same blocks as those shown in FIG. 4 are denoted by the same reference numerals, and the description thereof is omitted.
  • the filter coefficient prediction unit 210 includes a filter coefficient storage unit 141, a weight coefficient calculation unit 142, and a prediction filter coefficient derivation unit 211.
  • the filter coefficient prediction unit 210 outputs a prediction filter coefficient # 210 similar to the prediction filter coefficient # 140 described in (Specific example 1-1) to (Specific example 1-5) according to the flag # 51, or Alternatively, the filter coefficient # 141 already used in the filtering process for the decoded frame is output as the prediction filter coefficient # 210.
  • the prediction filter coefficient derivation unit 211 included in the filter coefficient prediction unit 210 is calculated by the decoded filter coefficient # 141 and the weighting coefficient calculation unit 142. Based on the weighting coefficient # 142, each component of the prediction filter coefficient matrix P expressed by Expression (5) is derived and output as the prediction filter coefficient # 210.
  • the calculation method of the weighting factor in the weighting factor calculation unit 142 any one of (Specific Example 1-1) to (Specific Example 1-5) described above may be used.
  • the prediction filter coefficient deriving unit 211 outputs the decoded filter coefficient # 141 as the prediction filter coefficient # 210.
  • the filter coefficient prediction unit 210 outputs the decoded filter coefficient # 141 as the prediction filter coefficient # 210 according to the flag # 51, or individually calculates for each group in the filter reference region R.
  • the filter coefficient derived using the weighted coefficient is output as prediction filter coefficient # 210.
  • the filter coefficient prediction unit 210 can decode the encoded data # 5 including the filter coefficient residual # 13d with a smaller code amount by performing such an operation.
  • the filter coefficient prediction unit 210 outputs the decoded filter coefficient # 141 as the prediction filter coefficient # 210 without referring to the flag # 51, or is calculated individually for each group in the filter reference region R
  • the filter coefficient derived using the weighting coefficient may be output as the prediction filter coefficient # 210.
  • the weighting factor calculation unit 142 calculates the weighting factor # 142 by the method described in (Specific Example 1-2) of the first embodiment for each group constituting the 9 ⁇ 9 tap filter reference region
  • the prediction filter is used in accordance with the same method as that shown in (Specific example 1-2) of the first embodiment using the weight coefficient a_grG.
  • the coefficient # 210 may be derived, and if not, the decoded filter coefficient # 141 may be output as the prediction filter coefficient # 210.
  • the weight coefficient # 142 calculated by the weight coefficient calculation unit 142 represents the correlation between frames.
  • the region to which the smaller weight coefficient # 142 is assigned has a lower correlation between the filter coefficients in that region.
  • the moving picture coding apparatus having a configuration corresponding to the above configuration, it is possible to more effectively reduce the code amount of the filter coefficient residual for the region where the correlation between the filter coefficient frames is lower. Moreover, according to said structure, the encoded data produced
  • variable-length code decoding unit 51, the adder 202, and the filter coefficient prediction unit 210 are filter coefficient decoding devices that decode the filter coefficient # 202 based on the filter coefficient residual # 13d. It can be understood that it is composed.
  • FIG. 15 is a block diagram illustrating a configuration of the moving image encoding device 4.
  • the same blocks as those shown in FIG. 7 are denoted by the same reference numerals, and the description thereof is omitted.
  • the moving image encoding device 4 includes a transform / quantization unit 21, an inverse quantization / inverse transform unit 23, a buffer memory 24, an intra predicted image generation unit 25, an inter predicted image generation unit 26, and a prediction.
  • a system control unit 28, a motion vector redundancy reduction unit 29, an adder 31, a subtractor 32, a deblocking filter 50, a variable length coding unit 41, and an adaptive filter 200 ′ are provided.
  • the input image # 4 divided into block images composed of a plurality of adjacent pixels is input to the moving image encoding device 4.
  • the moving image encoding device 4 performs an encoding process on the input image # 4 and outputs encoded data # 5.
  • variable-length encoding unit 41 applies the quantized prediction residual data # 21, the difference motion vector # 29, the prediction mode # 28b, the flag # 220 indicating the filter coefficient prediction method, and the filter coefficient residual # 102. Variable length encoding is performed to generate encoded data # 5.
  • the adaptive filter 200 ′ generates output image data # 200 ′ by filtering the deblocked image # 50 and outputs the output image data # 200 ′ to the buffer memory 24.
  • the adaptive filter 200 ′ also outputs a filter coefficient residual # 102 that is a residual between the filter coefficient used for filtering and the predicted filter coefficient to the variable length coding unit 41.
  • the adaptive filter 200 ′ also outputs a flag # 220 indicating the filter coefficient prediction method to the variable length coding unit 41.
  • FIG. 16A shows a first configuration example of the adaptive filter 200 ′.
  • the adaptive filter 200 ′ outputs the prediction filter coefficient selected according to the value of the weighting coefficient calculated by the filter coefficient prediction unit 210 ′.
  • the adaptive filter 200 ′ includes a filter processing unit 110 ′, a filter parameter determination unit 120 ′, a filter coefficient derivation unit 130 ′, a filter coefficient prediction unit 210 ′, a subtractor 201a, and A prediction means selection unit 220a is provided.
  • the subtractor 201a generates a filter coefficient residual # 102 by taking the difference between the filter coefficient # 130 'and the prediction filter coefficient # 210', and outputs the filter coefficient residual # 102 to the variable length coding unit 41.
  • FIG. 17 is a block diagram illustrating a configuration of the filter coefficient prediction unit 210 ′.
  • the same blocks as those shown in FIG. 9 are denoted by the same reference numerals, and the description thereof is omitted.
  • the filter coefficient prediction unit 210 ′ includes a filter coefficient storage unit 141 ′, a weight coefficient calculation unit 142 ′, and a prediction filter coefficient derivation unit 211 ′.
  • weighting coefficient # 142 'calculated by the weighting coefficient calculation unit 142' in the filter coefficient prediction unit 210 ' is also supplied to the prediction means selection unit 220a.
  • the prediction filter coefficient deriving unit 211 ′ is configured according to the value of the flag # 220 supplied from the prediction unit selection unit 220a (specific example 1). -1 ′) to (prediction example 1-5 ′) in which the prediction filter coefficient # 210 ′ similar to the prediction filter coefficient # 140 ′ described above is output, or in the filtering process for the encoded frame
  • the filter coefficient # 141 ′ already used is output as the prediction filter coefficient # 210 ′.
  • the prediction means selection unit 220a outputs the flag # 220 depending on whether the value of the weight coefficient # 142 ′ is equal to or greater than a predetermined value.
  • the weighting factor calculating unit 142 ′ calculates the weighting factor # 142 ′ by the method described in the first embodiment (specific example 1-2 ′) for each group constituting the 9 ⁇ 9 tap filter reference region.
  • a flag # 220 indicating that a prediction filter coefficient is derived using the weight coefficient a_grG is output.
  • the prediction means selection unit 220a uses the filter coefficient # 141 ′ already used in the filtering process for the encoded frame. A flag # 220 indicating output is output.
  • any one of groups 1 to 4 may be taken.
  • an average value of the weight coefficients a_gr1 to a_gr4 for each group may be used.
  • the flag # 220 is output to the variable length coding unit 41 and is referred to by the prediction filter coefficient deriving unit 211.
  • the weighting coefficient # 142 'calculated by the weighting coefficient calculation unit 142' represents a correlation between frames.
  • the region to which the smaller weight coefficient # 142 'is assigned has a lower correlation between the filter coefficient frames in the region.
  • the filter coefficient prediction unit 210 ′ derives the prediction filter coefficient # 210 ′ using the weighting coefficient # 142 ′, so that the filter coefficient residual # 102 for the region where the correlation between the frames of the filter coefficient is lower is obtained. Can be more effectively reduced. For regions where the correlation between the filter coefficient frames is higher, the calculation amount can be reduced by outputting the prediction filter coefficient # 210 'without using the weighting coefficient # 142'.
  • the filter coefficient prediction unit 210 can effectively reduce the code amount of the filter coefficient residual # 102 while reducing the calculation amount.
  • the weight coefficient calculation unit 142 ′ uses the weight coefficient # 142 by the method described in (Specific example 1-1 ′) to (Specific example 1-5 ′) of the first embodiment. It can be applied to the case where 'is calculated.
  • the moving picture decoding apparatus that decodes the encoded data # 5 generated by the present configuration example sets the weight coefficient value calculated by the configuration corresponding to the weight coefficient calculation unit 142 ′ to the predetermined threshold th. By comparing the decoded filter coefficients with the predicted filter coefficients without referring to the flag # 220, or the weight coefficients calculated individually for each group in the filter reference region R. It is also possible to perform decoding processing using the filter coefficient derived by using the prediction filter coefficient.
  • the prediction means selection unit 220a may be configured not to supply the flag # 220 to the variable length coding unit 41.
  • FIG. 16B shows a second configuration example of the adaptive filter 200 ′.
  • the adaptive filter 200 ′ is replaced with the prediction means selection section 220b described in (Configuration example 1 of the adaptive filter 200 ′), instead of the prediction means selection section 220b. It has.
  • the prediction filter coefficient deriving unit 211 in this example uses the same prediction filter coefficient as the prediction filter coefficient # 140 ′ described in any one of (Specific example 1-1 ′) to (Specific example 1-5 ′), and performs encoding.
  • the filter coefficient # 141 ′ already used in the filtering process for the already-completed frame is output as the prediction filter coefficient # 210 ′.
  • the subtractor 201b generates a filter coefficient residual # 201b by taking the difference between the filter coefficient # 130 'and the prediction filter coefficient # 210' and outputs it to the prediction means selection unit 220b.
  • the filter coefficient residual # 201b is already used in the filtering process for the filter coefficient residual # RC1 calculated using the prediction filter coefficient derived using the weighting coefficient # 142 ′ and the encoded frame.
  • the filter coefficient residual # RC2 calculated using the obtained filter coefficient.
  • the prediction means selection unit 220b compares the filter coefficient residual # RC1 with the filter coefficient residual # RC2, and outputs a smaller filter coefficient residual as the filter coefficient residual # 102.
  • the input to the predictor selection unit 220b is used as the code amount of the filter coefficient residual, the two are compared, and the filter coefficient residual corresponding to the smaller code amount is set as the filter coefficient residual # 102. It may be configured to output.
  • the prediction means selection unit 220b when outputting the filter coefficient residual # RC1, the prediction means selection unit 220b outputs a flag # 220 indicating that the prediction filter coefficient is derived using the weight coefficient # 142 ′, and the filter coefficient residual # RC1.
  • a flag # 220 indicating that the prediction filter coefficient is calculated using the filter coefficient already used in the filtering process for the encoded frame is output.
  • the adaptive filter 200 ′ can output the filter coefficient residual # 102 with a smaller code amount.
  • variable-length encoding unit 41, the subtractor 201a (or subtractor 201b), and the filter coefficient prediction unit 210 ′ are filter coefficient encoding devices that encode the filter coefficient # 130 ′. It can be understood that it is composed.
  • the data structure of the encoded data # 5 is almost the same as the data structure of the encoded data # 1 already described with reference to (a) to (b) of FIG. 11, but differs in the following points.
  • the filter parameter information FP in the encoded data # 5 has a prediction filter coefficient derived using a weighting coefficient or filtering for an encoded frame A flag indicating whether the calculation has been performed using the filter coefficient already used in the processing is included. Further, the flag is included in the filter parameter information FP in the encoded data # 5.
  • the video decoding device 3 that decodes the encoded data # 5 can derive the prediction filter coefficient by using the same method as that used in the video encoding device 4 by referring to the flag. Therefore, the moving picture decoding apparatus 3 that decodes the encoded data # 5 can decode the encoded data # 5 including the filter coefficient residual # 102 with a smaller code amount by referring to the flag.
  • the encoded data # 5 includes the weight coefficient information. It can be set as the structure which does not contain.
  • the code amount of the encoded data # 5 can be further reduced.
  • the filter coefficient residual included in the encoded data # 5 corresponds to the filter coefficient residual derived using the filter coefficient already used in the filtering process for the encoded frame.
  • the filter coefficient of the peripheral part (filter coefficient multiplied by the pixel value of the peripheral part of the input image) is a frame compared with the filter coefficient of central part (the filter coefficient multiplied by the pixel value of the central part of the input image).
  • the correlation was small. Even if predictive encoding is performed, the encoding efficiency does not increase as expected, or the predictive encoding is rather deteriorated. This is also considered to be because predictive coding was performed in the same manner as the filter coefficient at the center of the high correlation between frames.
  • the present invention has been made based on this finding.
  • the filter coefficient encoding apparatus encodes a difference between a filter coefficient of a target filter acting on a target image and a predicted value of the filter coefficient.
  • a prediction value generating means for generating the predicted value by multiplying each filter coefficient of the reference filter acting on the reference image by a weighting coefficient.
  • the weighting factor to be multiplied is configured to be closer to 0 than the weighting factor to be multiplied by the filter coefficient at the center.
  • the predicted value of the filter coefficient h of the target filter is generated by multiplying the filter coefficient h ′ of the reference filter by the weight coefficient a, and the difference h ⁇ between the filter coefficient h of the target filter and the predicted value ah ′.
  • ah ′ is encoded.
  • the weighting coefficient a (peripheral part) multiplied by the peripheral coefficient h ′ having a low inter-frame correlation is closer to 0 than the weighting coefficient a (center part) multiplying the peripheral coefficient h ′ having a high inter-frame correlation. I am doing so. For this reason, it is possible to effectively avoid a situation in which the coding efficiency of predictive coding decreases due to
  • the filter coefficient encoding apparatus further includes storage means for storing the weight coefficient, and the predicted value generation means receives a weight coefficient multiplied by the filter coefficient of the target filter in the storage means. It is preferably configured to be the median value of the accumulated weight coefficients.
  • the weight coefficient multiplied by each filter coefficient of the reference filter has a correlation between images. That is, the weighting coefficient used for generating the predicted value of the encoded filter coefficient tends to be an appropriate value for deriving the predicted value for the filter coefficient of the target filter.
  • the filter coefficient encoding device further includes storage means for storing the weight coefficient, and the prediction value generation means multiplies the filter coefficient of the target filter by a weight coefficient.
  • the prediction value generation means multiplies the filter coefficient of the target filter by a weight coefficient.
  • the weighting factor accumulated in the accumulating unit since the median value of the weighting factors accumulated in the accumulating unit is used, the weighting factor that is significantly different from other weighting factors in the weighting factor accumulated in the accumulating unit. Even if a coefficient is included, a filter coefficient residual that is hardly affected by such a weight coefficient can be encoded.
  • the filter coefficient encoding apparatus further includes storage means for storing the weight coefficient, and the predicted value generation means receives a weight coefficient multiplied by the filter coefficient of the target filter in the storage means. It is preferable to be configured to be an average value of the accumulated weight coefficients.
  • the weight coefficient multiplied by each filter coefficient of the reference filter has a correlation between images. That is, the weighting coefficient used for generating the predicted value of the encoded filter coefficient tends to be an appropriate value for deriving the predicted value for the filter coefficient of the target filter.
  • the filter coefficient encoding device further includes storage means for storing the weight coefficient, and the prediction value generation means multiplies the filter coefficient of the target filter by a weight coefficient.
  • the prediction value generation means multiplies the filter coefficient of the target filter by a weight coefficient.
  • the target filter since the average value of the weighting factors accumulated in the accumulating unit is used, even if the variation in the weighting factors accumulated in the accumulating unit is large, the target filter It is possible to generate appropriate prediction values for the filter coefficients.
  • the filter coefficient encoding device sequentially encodes the filter coefficients of the target filter acting on the target image while switching between the target image and the reference image.
  • a weighting factor setting that sets a common weighting factor that minimizes the sum of squares of differences between the filter coefficient of each reference filter and a common weighting factor to a weighting factor that multiplies the filter coefficient of the current reference filter
  • Preferably further means are provided.
  • the predicted value generation means subtracts the predicted value for the filter coefficient to be multiplied by the center pixel of the input image from the predetermined value by subtracting the sum of the other filter coefficients. It is preferable to calculate.
  • the sum of filter coefficients before quantization tends to be close to 1.
  • the sum of the filter coefficients after quantization tends to be close to the inverse of the quantization step.
  • the prediction value for the filter coefficient to be multiplied by the center pixel of the input image can be calculated by subtracting the sum of the other filter coefficients from the predetermined value. There is a further effect that the amount can be more effectively reduced.
  • Another filter coefficient encoding apparatus is a filter coefficient encoding apparatus that encodes a residual of a filter coefficient of a target filter acting on a target image with a predicted value for the filter coefficient.
  • 1 is a first predicted value generation means for generating a first predicted value by multiplying each filter coefficient of the reference filter acting on the filter coefficient of the peripheral part, and the weighting coefficient to be multiplied by the filter coefficient of the peripheral part is the filter of the central part
  • a first prediction value generating means configured to be smaller than a weighting coefficient to be multiplied by the coefficient; a second prediction value generating means for setting each filter coefficient of the reference filter to a second prediction value; and the weight
  • the serial second predicted value is characterized by comprising a prediction value setting means for setting to the predicted value.
  • the filter coefficient itself of the reference filter can be used as the predicted value, so that the amount of calculation required to decode the filter coefficient residual is reduced. There is an effect that can be.
  • Another filter coefficient encoding apparatus is a filter coefficient encoding apparatus that encodes a residual of a filter coefficient of a target filter acting on a target image with a predicted value for the filter coefficient.
  • 1 is a first predicted value generation means for generating a first predicted value by multiplying each filter coefficient of the reference filter acting on the filter coefficient of the peripheral part, and the weighting coefficient to be multiplied by the filter coefficient of the peripheral part is the filter of the central part
  • a first prediction value generation unit configured to be smaller than a weighting factor to be multiplied by the coefficient
  • a second prediction value generation unit that sets each filter coefficient of the reference filter to a second prediction value
  • the first Prediction value setting means for setting one of the predicted values or the second predicted value having a smaller residual with the filter coefficient as the predicted value. It is characterized.
  • the residual of the filter coefficient generated by using the first predicted value or the second predicted value having a smaller residual with the filter coefficient as the predicted value is encoded. Therefore, there is an effect that the code amount of the filter coefficient residual can be further reduced.
  • the moving picture coding apparatus includes the filter coefficient coding apparatus, and performs filtering using the filter coefficient of the target filter on a locally decoded image.
  • the above moving picture coding apparatus has the same effects as the filter coefficient coding apparatus.
  • the filter coefficient decoding apparatus restores the filter coefficient of the target filter acting on the target image by adding a prediction value to the filter coefficient residual obtained by decoding the encoded data.
  • the coefficient decoding apparatus includes a predicted value generating unit that generates the predicted value by multiplying each filter coefficient of the reference filter that acts on the reference image by a weighting coefficient, and the predicted value generating unit includes a filter coefficient in a peripheral portion.
  • the weighting factor to be multiplied by is configured to be closer to 0 than the weighting factor to be multiplied by the filter coefficient at the center.
  • the filter coefficient encoding device having a configuration corresponding to the above configuration generates a prediction value of the filter coefficient h of the target filter by multiplying the filter coefficient h ′ of the reference filter by the weight coefficient a, and the filter coefficient of the target filter
  • the difference h ⁇ ah ′ between h and the predicted value ah ′ can be encoded, and the weight coefficient a (peripheral part) multiplied by the peripheral coefficient h ′ with low inter-frame correlation is represented as the peripheral part with high inter-frame correlation. It is possible to make it closer to 0 than the weighting coefficient a (center part) multiplied by the coefficient h ′. For this reason, it is possible to effectively avoid a situation in which the coding efficiency of predictive coding decreases due to
  • the filter coefficient decoding apparatus having the above-described configuration can decode the encoded data with a small code amount generated as described above.
  • the filter coefficient decoding apparatus further comprises storage means for storing the weight coefficient, and the prediction value generation means stores a weight coefficient to be multiplied by the filter coefficient of the target filter in the storage means. It is preferable that the weight value is set to be the median value.
  • the weight coefficient multiplied by each filter coefficient of the reference filter has a correlation between images. That is, the weighting coefficient used for generating the predicted value of the decoded filter coefficient tends to be an appropriate value for deriving the predicted value for the filter coefficient of the target filter.
  • the filter coefficient encoding device further includes storage means for storing the weight coefficient, and the predicted value generation means is a weight multiplied by the filter coefficient of the target filter. Since the coefficient is configured to be the median value of the weighting coefficients stored in the storage unit, the code amount of the filter coefficient residual can be more effectively reduced.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • the weighting factor accumulated in the accumulating unit since the median value of the weighting factors accumulated in the accumulating unit is used, the weighting factor that is significantly different from other weighting factors in the weighting factor accumulated in the accumulating unit. Even if the coefficient is included, the residual of the filter coefficient that is hardly affected by such a weighting coefficient can be decoded.
  • the filter coefficient decoding apparatus further comprises storage means for storing the weight coefficient, and the prediction value generation means stores a weight coefficient to be multiplied by the filter coefficient of the target filter in the storage means. It is preferable that the average value of the weighted coefficients is set.
  • the weight coefficient multiplied by each filter coefficient of the reference filter has a correlation between images. That is, the weighting coefficient used for generating the predicted value of the decoded filter coefficient tends to be an appropriate value for deriving the predicted value for the filter coefficient of the target filter.
  • the filter coefficient encoding device further includes storage means for storing the weight coefficient, and the predicted value generation means is a weight multiplied by the filter coefficient of the target filter. Since the coefficient is configured to be the average value of the weighting coefficients stored in the storage unit, the code amount of the filter coefficient residual can be more effectively reduced.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • the target filter since the average value of the weighting factors accumulated in the accumulating unit is used, even if the variation in the weighting factors accumulated in the accumulating unit is large, the target filter It is possible to generate appropriate prediction values for the filter coefficients.
  • the filter coefficient decoding device sequentially encodes the filter coefficients of the target filter acting on the target image while switching between the target image and the reference image.
  • Weighting factor setting means for setting a common weighting factor that minimizes the sum of squares of differences between the filter coefficient of each reference filter and a common weighting factor to a weighting factor that multiplies the filter coefficient of the current reference filter It is preferable to further comprise.
  • the predicted value generation means calculates a predicted value for the filter coefficient to be multiplied by the center pixel of the input image by subtracting the sum of other filter coefficients from a predetermined value. It is preferable to do.
  • the sum of filter coefficients before quantization tends to be close to 1.
  • the sum of the filter coefficients after quantization tends to be close to the inverse of the quantization step.
  • the predicted value for the filter coefficient to be multiplied by the center pixel of the input image is calculated by subtracting the sum of the other filter coefficients from the predetermined value. Therefore, the code amount of the filter coefficient residual can be reduced more effectively.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • the predetermined value is, as described above, (1) whether or not the filter coefficient is quantized, and (2) if the filter coefficient is quantized. It can be determined according to the size of the quantization step.
  • Another filter coefficient decoding apparatus adds a predicted value to a filter coefficient residual obtained by decoding encoded data, with a filter coefficient of the target filter acting on the target image.
  • a first prediction value generation means for generating a first prediction value by multiplying each filter coefficient of a reference filter acting on a reference image by a weighting coefficient, the filter coefficient of a peripheral portion
  • a first prediction value generating means configured to make the weighting coefficient to be multiplied by a weighting coefficient to be multiplied by the filter coefficient in the central portion, and a second prediction value for setting each filter coefficient of the reference filter to a second prediction value.
  • the first predicted value is set as the predicted value, and the weighted coefficient If the value is above a predetermined value or more, and the second predicted value and characterized by comprising a prediction value setting means for setting to the predicted value.
  • the filter coefficient encoding device having a configuration corresponding to the above configuration, when the value of the weighting factor is smaller than a predetermined value, the weighting factor is calculated as the predicted value. If the weight coefficient value is equal to or greater than a predetermined value, the filter coefficient of the reference filter itself can be used as the predicted value, so that the filter coefficient residual is decoded. It is possible to reduce the amount of calculation required to do.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • Another filter coefficient decoding apparatus adds a predicted value to a filter coefficient residual obtained by decoding encoded data, with a filter coefficient of the target filter acting on the target image.
  • a first prediction value generation means for generating a first prediction value by multiplying each filter coefficient of a reference filter acting on a reference image by a weighting coefficient, the filter coefficient of a peripheral portion
  • a first prediction value generating means configured to make the weighting coefficient to be multiplied by a weighting coefficient to be multiplied by the filter coefficient in the central portion, and a second prediction value for setting each filter coefficient of the reference filter to a second prediction value.
  • the two predicted value generation means and the first predicted value or the second predicted value the one having a smaller residual with the filter coefficient is the predicted value. It is characterized by comprising a prediction value setting means for setting.
  • the first predicted value or the second predicted value that has a smaller residual with the filter coefficient is the predicted value. Since the residual of the filter coefficient generated as can be encoded, the code amount of the residual of the filter coefficient can be further reduced.
  • the filter coefficient decoding apparatus having the above configuration has an effect of being able to decode encoded data with a small code amount generated as described above.
  • the moving picture decoding apparatus includes the filter coefficient decoding apparatus, and performs filtering using the filter coefficient of the target filter on the local decoded image.
  • the above moving picture decoding apparatus has the same effects as the filter coefficient decoding apparatus.
  • the data structure of the encoded data according to the present invention is encoded data data obtained by encoding a residual of a filter coefficient of a target filter acting on a target image with a predicted value for the filter coefficient.
  • the structure includes weight coefficient information that specifies weight coefficients to be multiplied by each filter coefficient of the reference filter that acts on the reference image, and multiplies the peripheral filter coefficients. It is characterized in that the weighting factor is smaller than the weighting factor by which the filter coefficient at the center is multiplied.
  • the filter coefficient in the peripheral part tends to have a smaller correlation between frames than the filter coefficient in the central part.
  • the code amount of the filter coefficient residual can be reduced by making the weight coefficient multiplied by the filter coefficient in the peripheral part smaller than the weight coefficient multiplied by the filter coefficient in the central part.
  • the encoded data having the above configuration is encoded data with a small code amount including such a weight coefficient.
  • the filter coefficient decoding apparatus that decodes the encoded data having the above configuration can decode the encoded data with a small code amount of the filter coefficient residual by referring to the weight coefficient information.
  • the present invention is suitably applied to a moving image encoding device that encodes a moving image and generates encoded data, and a moving image decoding device that decodes encoded data generated using such a moving image encoding device.
  • a moving image decoding device that decodes encoded data generated using such a moving image encoding device.
  • it can be suitably applied to, for example, a broadcast receiving terminal and an HDD recorder.
  • 1 moving picture decoding apparatus 100 adaptive filter 110 filter processing unit 140 filter coefficient prediction unit (prediction value generation means) 141 Filter coefficient storage unit 142 Weight coefficient calculation unit 143 Prediction filter coefficient derivation unit 2 Video encoding device 100 ′ Adaptive filter 110 ′ Filter processing unit 120 ′ Filter parameter determination unit 130 ′ Filter coefficient derivation unit 140 ′ Filter coefficient prediction unit ( Predicted value generation means) 141 ′ filter coefficient storage section 142 ′ weight coefficient calculation section 143 ′ prediction filter coefficient derivation section

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

　対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成するフィルタ係数予測部（１４０'）を備えており、フィルタ係数予測部（１４０'）は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成されている。

Description

フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造
　本発明は、動画像を符号化し符号化データを生成する動画像符号化装置に関する。また、そのような動画像符号化装置を用いて生成された符号化データを復号する動画像復号装置に関する。また、本発明は、フィルタ係数を符号化するフィルタ係数符号化装置、および、符号化されたフィルタ係数を復号するフィルタ係数復号装置に関する。また、そのようなフィルタ係数符号化装置によって生成され、そのようなフィルタ係数復号装置によって参照される符号化データのデータ構造に関する。
　動画像を効率的に伝送または記録するために、動画像符号化装置が用いられている。具体的な動画像符号化方式としては、例えば、Ｈ．２６４／ＭＰＥＧ－４．ＡＶＣ、および、ＫＴＡソフトウェアに採用されている方式などが挙げられる。
　このような符号化方式において、動画像を構成する画像（ピクチャ）は、画像を分割することにより得られるスライス、スライスを分割することにより得られるマクロブロック、及び、マクロブロックを分割することより得られるサブブロックからなる階層構造により管理され、普通、マクロブロックごとに符号化される。
　予測符号化を採用する動画像符号化方式において符号化効率を上げるためには、原画像（符号化済みフレーム）を精度良く近似する参照画像を参照し、原画像（符号化対象フレーム）を精度良く近似する予測画像を生成することが重要である。このため、Ｈ．２６４／ＭＰＥＧ－４．ＡＶＣにおいては、（局所）復号画像に作用するデブロッキングフィルタを設け、ブロックノイズが低減された（局所）復号画像を参照して予測画像を生成する構成が採用されている。
　さらに、ＫＴＡソフトウェアでは、デブロッキングフィルタの後段にＡＬＦ（Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）を設け、ＡＬＦ適用後の（局所）復号画像を参照して予測画像を生成する構成が採用されている（非特許文献１参照）。ＡＬＦのフィルタ係数は、復号画像上のフレームごと、もしくは、スライスごとに、ＡＬＦが適用された復号画像と原画像との誤差が最小となるように、適応的に決定される。
　また、ＫＴＡソフトウェアにおいては、ＡＬＦのフィルタ係数も予測符号化する構成が採用される。すなわち、符号化／復号化対象フレームのフィルタリングに用いたフィルタ係数群と、符号化／復号化済みフレームのフィルタリングに用いたフィルタ係数群から予測された予測フィルタ係数群との差を符号化し、動画像復号装置に提供する構成が採用される。ＫＴＡにおいては、予測フィルタ係数群として、符号化／復号化済みフレームのフィルタリングに用いたフィルタ係数群がそのまま用いられる。
ＩＴＵ－Ｔ　Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ　Ｓｅｃｔｏｒ　ＶＣＥＧ－ＡＩ１８、２００８（２００８年７月公開）
　しかしながら、符号化／復号化済みフレームのフィルタリングに用いたフィルタ係数群を予測フィルタ係数群とする従来の構成においては、予測符号化を行っても期待されるほど符号化効率が上がらない、あるいは、予測符号化を行うとかえって符号化効率が低下するという問題が生じていた。
　本発明は、上記の問題に鑑みてなされたものであり、その目的は、符号化／復号化済みフレームのフィルタリングに用いたフィルタ係数群を予測フィルタ係数群とする従来の構成よりも符号化効率の高いフィルタ係数符号化装置、及び、これに対応するフィルタ係数復号装置を実現することにある。
　発明者は、周辺部のフィルタ係数（入力画像の周辺部の画素値に乗ぜられるフィルタ係数）は、中心部のフィルタ係数（入力画像の中心部の画素値に乗ぜられるフィルタ係数）と比べてフレーム間相関が小さいことを見出した。予測符号化を行っても期待されるほど符号化効率が上がらない、あるいは、予測符号化を行うとかえって符号化効率が低下するといった問題が生じるのは、フレーム間相関の低い周辺部のフィルタ係数についても、フレーム間相関の高い中心部のフィルタ係数と同様に予測符号化を行っていたからであると考えられる。本発明は、この知見に基づいてなされたものである。
　すなわち、本発明に係るフィルタ係数符号化装置は、上記課題を解決するために、対象画像に作用する対象フィルタの各フィルタ係数と、該フィルタ係数の予測値との差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも０に近くなるように構成されている、ことを特徴としている。
　上記の構成では、対象フィルタのフィルタ係数ｈの予測値を、参照フィルタのフィルタ係数ｈ’に重み係数ａを乗じることによって生成し、対象フィルタのフィルタ係数ｈと予測値ａｈ’との差ｈ－ａｈ’を符号化するようにしている。そして、フレーム間相関の低い周辺部の係数ｈ’に乗じる重み係数ａ（周辺部）を、フレーム間相関の高い周辺部の係数ｈ’に乗じる重み係数ａ（中心部）よりも０に近くなるようにしている。このため、フレーム間相関の低い周辺部のフィルタ係数ｈについて、｜ｈ－ａｈ’｜＜｜ｈ－ｈ’｜となって予測符号化の符号化効率が低下する事態を有効に回避することができる。
　また、本発明に係る他のフィルタ係数符号化装置は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記重み係数の値が予め定められた値より小さい場合に、上記第１の予測値を上記予測値に設定し、上記重み係数の値が上記予め定められた値以上である場合に、上記第２の予測値を上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成によれば、上記重み係数の値が、予め定められた値よりも小さい場合には、上記予測値として、上記重み係数を用いて算出された値を用い、上記重み係数の値が、予め定められた値以上である場合には、上記予測値として、上記参照フィルタのフィルタ係数そのものを用いることができるので、上記フィルタ係数残差を復号するために必要な計算量を削減することができるという効果を奏する。
　また、本発明に係る他のフィルタ係数符号化装置は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成によれば、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを予測値として生成されたフィルタ係数の残差を符号化することができるので、フィルタ係数の残差の符号量をより少なくすることができるという効果を奏する。
　また、本発明に係る動画像符号化装置は、上記フィルタ係数符号化装置を備え、局所復号画像に対して上記対象フィルタのフィルタ係数を用いたフィルタリングを行う、ことを特徴としている。
　本発明に係る上記の動画像符号化装置によれば、上記フィルタ係数符号化装置と同様の効果を奏する。
　また、本発明に係るフィルタ係数復号装置は、対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも０に近くなるように構成されている、ことを特徴としている。
　上記の構成に対応する構成を有するフィルタ係数符号化装置は、対象フィルタのフィルタ係数ｈの予測値を、参照フィルタのフィルタ係数ｈ’に重み係数ａを乗じることによって生成し、対象フィルタのフィルタ係数ｈと予測値ａｈ’との差ｈ－ａｈ’を符号化することができ、フレーム間相関の低い周辺部の係数ｈ’に乗じる重み係数ａ（周辺部）を、フレーム間相関の高い周辺部の係数ｈ’に乗じる重み係数ａ（中心部）よりも０に近くなるようにすることができる。このため、フレーム間相関の低い周辺部のフィルタ係数ｈについて、｜ｈ－ａｈ’｜＜｜ｈ－ｈ’｜となって予測符号化の符号化効率が低下する事態を有効に回避することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができる。
　また、本発明に係る他の上記フィルタ係数復号装置は、対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記重み係数の値が予め定められた値より小さい場合に、上記第１の予測値を上記予測値に設定し、上記重み係数の値が上記予め定められた値以上である場合に、上記第２の予測値を上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成に対応する構成を有するフィルタ係数符号化装置によれば、上記重み係数の値が、予め定められた値よりも小さい場合には、上記予測値として、上記重み係数を用いて算出された値を用い、上記重み係数の値が、予め定められた値以上である場合には、上記予測値として、上記参照フィルタのフィルタ係数そのものを用いることができるので、上記フィルタ係数残差を復号するために必要な計算量を削減することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　また、本発明に係る他の上記フィルタ係数復号装置は、対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成に対応する構成を有するフィルタ係数符号化装置によれば、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを予測値として生成されたフィルタ係数の残差を符号化することができるので、フィルタ係数の残差の符号量をより少なくすることができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　また、本発明に係る動画像復号装置は、上記フィルタ係数復号装置を備え、局所復号画像に対して上記対象フィルタのフィルタ係数を用いたフィルタリングを行う、ことを特徴としている。
　本発明に係る上記の動画像復号装置によれば、上記フィルタ係数復号装置と同様の効果を奏する。
　また、本発明に係る符号化データのデータ構造は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化することによって得られた符号化データのデータ構造であって、当該符号化データを復号するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に乗ぜられる重み係数を指定する重み係数情報を含み、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さい、ことを特徴としている。
　本発明者は、一般に、周辺部のフィルタ係数は、中心部のフィルタ係数よりも、フレーム間の相関が小さくなる傾向があることを見出した。
　したがって、周辺部のフィルタ係数に乗ぜられる重み係数を、中心部のフィルタ係数に乗ぜられる重み係数よりも小さくすることによって、フィルタ係数の残差の符号量を少なくすることができる。
　上記の構成を有する符号化データは、そのような重み係数を含む符号量の少ない符号化データである。また、上記の構成を有する符号化データを復号するフィルタ係数復号装置は、上記重み係数情報を参照することによって、フィルタ係数残差の符号量の少ない上記符号化データを復号することができる。
　以上のように、本発明に係るフィルタ係数符号化装置は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成されている、ことを特徴としている。
　上記のように構成されたフィルタ係数符号化装置によれば、符号化／復号化済みフレームのフィルタリングに用いたフィルタ係数群を予測フィルタ係数群とする従来の構成よりも符号化効率の高いフィルタ係数符号化装置を実現することができる。
第１の実施形態に係る動画像復号装置の構成を示すブロック図である。 第１の実施形態に係る動画像復号装置が備える適応フィルタの構成を示すブロック図である。 第１の実施形態に係る動画像復号装置が備える適応フィルタを説明するためのものであって、フィルタ参照領域に含まれる各画素と、各画素に対応するフィルタ係数とを示す図である。 第１の実施形態に係る動画像復号装置における適応フィルタが備えるフィルタ係数予測部の構成を示すブロック図である。 第１の実施形態に係るフィルタ係数予測部が備える重み係数算出部を説明するためのものであって、複数のグループに分割されたフィルタ参照領域を示す図である。 第１の実施形態に係るフィルタ係数予測部が備える予測フィルタ係数導出部が算出した予測フィルタ係数を、フィルタ参照領域と共に示す図である。 第１の実施形態に係る動画像符号化装置の構成を示すブロック図である。 第１の実施形態に係る動画像符号化装置が備える適応フィルタの構成を示すブロック図である。 第１の実施形態に係る動画像符号化装置における適応フィルタが備えるフィルタ係数予測部の構成を示すブロック図である。 第１の実施形態に係るフィルタ係数予測部を説明するためのものであって、フィルタ参照領域を構成する各グループに対応する重み係数を、最小二乗法によって予め算出した結果を示すグラフである。 第１の実施形態に係る動画像符号化装置が生成する符号化データを説明するための図であって、（ａ）は、符号化データのスライスごとのビットストリームの構成を示しており、（ｂ）は、符号化データに含まれるフィルタパラメータ情報の構成を示している。 第２の実施形態に係る動画像復号装置の構成を示すブロック図である。 第２の実施形態に係る動画像復号装置が備える適応フィルタの構成を示すブロック図である。 第２の実施形態に係る動画像復号装置における適応フィルタが備えるフィルタ係数予測部の構成を示すブロック図である。 第２の実施形態に係る動画像符号化装置の構成を示すブロック図である。 第２の実施形態に係る動画像符号化装置が備える適応フィルタの構成を示す図であって、（ａ）は、適応フィルタの第１の構成例を示しており、（ｂ）は、適応フィルタの第２の構成例を示している。 第２の実施形態に係る動画像符号化装置における適応フィルタ２００が備えるフィルタ係数予測部の構成を示すブロック図である。
　〔実施形態１〕
　（動画像復号装置１）
　以下では、本実施形態に係る動画像復号装置１について図１～図６を参照して説明する。動画像復号装置１は、その一部に、Ｈ．２６４／ＭＰＥＧ－４　ＡＶＣ、および、ＫＴＡソフトウェアに採用されている技術を含む復号装置である。
　図１は、動画像復号装置１の構成を示すブロック図である。図１に示すように、動画像復号装置１は、可変長符号復号部１３、動きベクトル復元部１４、バッファメモリ１５、インター予測画像生成部１６、イントラ予測画像生成部１７、予測方式決定部１８、逆量子化・逆変換部１９、加算器２０、デブロッキングフィルタ５０、および、適応フィルタ１００を備えている。
　動画像復号装置１は、符号化データ＃１を復号することによって復号画像＃２を生成し、出力する。動画像復号装置１による復号画像＃２の生成は、フレームを構成するマクロブロック単位、または、サブブロック単位で行われる。
　可変長符号復号部１３は、符号化データ＃１を可変長復号し、差分動きベクトル＃１３ａ、サイド情報＃１３ｂ、量子化予測残差データ＃１３ｃ、フィルタ係数残差＃１３ｄ、および、フィルタパラメータ情報＃１３ｅを出力する。
　ここで、サイド情報＃１３ｂには、予測モード、動きベクトル、参照画像インデクス、量子化パラメータなどが含まれる。
　また、フィルタパラメータ情報＃１３ｅには、フィルタリングの参照画素数を示すパラメータ（タップ数）、および、フィルタリングのオン／オフを指定するパラメータに関する情報が含まれる。また、フィルタパラメータ情報＃１３ｅには、後述するように、フィルタ係数の予測に用いられる重み係数が含まれていてもよい。
　動きベクトル復元部１４は、差分動きベクトル＃１３ａ、および、すでに復号され、バッファメモリ１５に格納された動きベクトル＃１５ａから、対象サブブロックに対する動きベクトル＃１４を復号する。
　バッファメモリ１５には、適応フィルタ１００から出力される出力画像データ＃１００、動きベクトル＃１４、および、サイド情報＃１３ｂが格納される。
　インター予測画像生成部１６は、動きベクトル復元部１４によって復号され、バッファメモリ１５を経由した動きベクトル＃１５ｃ、および、バッファメモリ１５に格納された参照画像＃１５ｄに基づいて、インター予測画像＃１６を生成する。ここで、インター予測画像＃１６の生成は、例えば、マクロブロック単位、または、サブブロック単位で行われる。なお、動きベクトル＃１５ｃは、動きベクトル＃１４と同一の動きベクトルであってもよい。また、参照画像＃１５ｄは、後述する適用フィルタ１００から出力される出力画像データ＃１００に対応している。
　イントラ予測画像生成部１７は、バッファメモリ１５に格納された局所復号画像＃１５ｂから、イントラ予測画像＃１７を生成する。より具体的には、イントラ予測画像生成部１７は、イントラ予測画像＃１７の予測対象マクロブロック上の画像を、当該予測対象マクロブロックと同じフレーム内の局所復号画像＃１５ｂを用いて生成する。
　予測方式決定部１８は、サイド情報＃１３ｂに含まれる予測モード情報に基づいて、イントラ予測画像＃１７、または、インター予測画像＃１６のうち、何れか一方を選択し、予測画像＃１８として出力する。
　逆量子化・逆変換部１９には、量子化予測残差データ＃１３ｃが、サブブロック単位で供給される。
　逆量子化・逆変換部１９は、量子化予測残差データ＃１３ｃを逆量子化することによって、周波数成分へ変換し、さらに、当該周波数成分に対して逆ＤＣＴ（Ｄｉｓｃｒｅｔｅ　Ｃｏｓｉｎｅ　Ｔｒａｎｓｆｏｒｍ）変換を施すことによって、予測残差＃１９を生成し、出力する。
　加算器２０は、予測残差＃１９と予測画像＃１８とを加算することによって復号画像＃２を生成し、出力する。また、出力された復号画像＃２は、デブロッキングフィルタ５０に対しても供給される。
　デブロッキングフィルタ５０は、復号画像＃２に対して、ブロック境界またはマクロブロック境界におけるブロック歪を低減するためのデブロッキング処理を施す。デブロッキング処理が施された画像データは、デブロック画像＃５０として出力される。
　適応フィルタ１００は、符号化データ＃１から復号されたフィルタ係数残差＃１３ｄに基づいてフィルタ係数を算出し、デブロック画像＃５０に対して当該フィルタ係数を用いたフィルタリングを行うことによって出力画像データ＃１００を生成する。出力画像データ＃１００は、バッファメモリ１５に対して供給される。なお、適応フィルタ１００におけるフィルタリング処理は、符号化データ＃１から復号されたサイド情報＃１３ｂ、および、フィルタパラメータ情報＃１３ｅに含まれるパラメータに基づいて行われる。
　以下では、図２を参照して、適応フィルタ１００の構成について説明する。
　（適応フィルタ１００）
　図２は、適応フィルタ１００の構成を示すブロック図である。図２に示すように、適応フィルタ１００は、フィルタ処理部１１０、フィルタ係数予測部１４０、および、加算器１０１を備えている。
　加算器１０１は、符号化データ＃１から復号されたフィルタ係数残差＃１３ｄとフィルタ係数予測部１４０より出力された予測フィルタ係数＃１４０とを加算することによって、フィルタ係数＃１０１を生成し、出力する。
　（フィルタ処理部１１０）
　フィルタ処理部１１０は、サイド情報＃１３ｂ、および、フィルタパラメータ情報＃１３ｅに基づき、デブロック画像＃５０に対して、上記フィルタ係数＃１０１を用いたフィルタリングを施すことによって出力画像データ＃１００を生成し、出力する。
　より具体的には、フィルタ処理部１１０は、例えば、デブロック画像＃５０の各画素値であって、フィルタパラメータ情報＃１３ｅによって指定されるフィルタ参照領域に含まれる各画素値の、フィルタ係数＃１０１に基づいた加重線形和を取り、さらにフィルタ係数＃１０１に基づいたオフセットを加算することによって、出力画像データ＃１００の各画素値を算出し、出力する。具体的には、フィルタ処理部１１０は、出力画像データ＃１００の座標（ｘ’、ｙ’）における画素値Ｓ０（ｘ’、ｙ’）を式（１）によって表される加重線形和によって算出する。
Figure JPOXMLDOC01-appb-M000001
　ここで、ＳＩ（ｘ、ｙ）は、デブロック画像＃５０の座標（ｘ、ｙ）における画素値を表しており、ｈ（ｉ、ｊ）は、画素値ＳＩ（ｘ＋ｉ、ｙ＋ｊ）に乗ぜられるフィルタ係数を表している。また、ｏはオフセット値を示す。なお、フィルタ係数ｈ（ｉ、ｊ）は、フィルタ係数＃１０１に対応している。また、Ｒは、上記加重線形和の対象となる相対座標のセットであるフィルタ参照領域を表している。上述のように、フィルタ参照領域Ｒは、例えば、フィルタパラメータ情報＃１３ｅに基づいて決定される。また、座標（ｘ’、ｙ’）と座標（ｘ、ｙ）とは同一の座標であってもよいし、異なった座標であってもよい。
　上記式（１）を用いて算出された画素値Ｓ０（ｘ’、ｙ’）から構成される出力画像データ＃１００は、バッファメモリ１５に対して供給される。
　なお、フィルタ処理部１１０におけるフィルタリング処理は、フィルタ参照領域Ｒを、一般に、Ｍ×Ｎタップとすると、フィルタ係数ｈ（ｉ，ｊ）を各成分とするＭ×Ｎ行列であるフィルタ係数行列Ｈ
Figure JPOXMLDOC01-appb-M000002
を用いて特徴付けることができる。ここで、ｈijは、フィルタ係数ｈ（ｉ、ｊ）に対応している（以下同様）。
　また、図３は、フィルタ参照領域Ｒが、Ｍ×Ｎタップである場合の、フィルタ参照領域Ｒに含まれる各画素と、各画素に対応するフィルタ係数ｈ（ｉ、ｊ）を示す図である。図３に示すように、Ｍ×Ｎタップのフィルタ参照領域Ｒにおける各画素に対して、フィルタ係数ｈ（ｉ、ｊ）が割り当てられている。
　（フィルタ係数予測部１４０）
　フィルタ係数予測部１４０は、フィルタ係数＃１０１のうち、復号済みのフレームにおいてすでに復号されたフィルタ係数、もしくは復号中のフレームにおいてすでに復号されたフィルタ係数に基づいて、予測フィルタ係数＃１４０を算出する。予測フィルタ係数＃１４０は加算器１０１に対して出力される。
　以下では、図４を参照してフィルタ係数予測部１４０の構成について説明する。
　図４は、フィルタ係数予測部１４０の構成を示すブロック図である。図４に示すように、フィルタ係数予測部１４０は、フィルタ係数格納部１４１、重み係数算出部１４２、および、予測フィルタ係数導出部１４３を備えている。
　フィルタ係数格納部１４１には、加算器１０１から出力されたフィルタ係数＃１０１が格納される。また、フィルタ係数格納部１４１には、復号済みフィルタ係数であるフィルタ係数＃１４１を重み係数算出部１４２に対して供給される。以下、復号済みフィルタ係数＃１４１のうち復号済みのフレームにおいてすでに復号されたフィルタ係数をフィルタ係数＃１４１ａ、復号済みフィルタ係数＃１４１のうち復号中のフレームにおいてすでに復号されたフィルタ係数をフィルタ係数＃１４１ｂと表記する。ここで、フィルタ係数＃１４１を成分とするフィルタ係数行列Ｈ’は、以下の式（３）によって表すことができる。
Figure JPOXMLDOC01-appb-M000003
　ここで、フィルタ係数ｈ’（ｉ、ｊ）は、フィルタ係数＃１４１に対応している。
　重み係数算出部１４２は、フィルタ係数行列Ｈ’の各成分ｈ’（ｉ、ｊ）に乗じる重み係数ａ（ｉ、ｊ）を算出する。より具体的には、重み係数算出部１４２は、フィルタ参照領域Ｒを複数のサブ領域に分割し、各サブ領域ごとに、重み係数ａ（ｉ、ｊ）を算出する。算出された重み係数＃１４２は、予測フィルタ係数導出部１４３に出力される。重み係数ａ（ｉ、ｊ）を各成分にもつ重み係数行列Ａは、フィルタ参照領域ＲがＭ×Ｎタップである場合に、以下の式（４）によって表すことができる。
Figure JPOXMLDOC01-appb-M000004
　重み係数算出部１４２による重み係数ａ（ｉ、ｊ）の算出処理の具体例については、後述するためここでは説明を省略する。
　予測フィルタ係数導出部１４３は、フィルタ係数格納部１４１に格納されているフィルタ係数のうち、復号済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数ｈ’（ｉ、ｊ）と、重み係数算出部１４２によって算出された重み係数ａ（ｉ、ｊ）とに基づいて、予測フィルタ係数ｐ（ｉ、ｊ）を導出する。
　予測フィルタ係数ｐ（ｉ、ｊ）を成分とする予測フィルタ係数行列Ｐは、例えば、以下の式（５）によって表すことができる。
Figure JPOXMLDOC01-appb-M000005
　式（５）に示すように、予測フィルタ係数導出部１４３は、予測フィルタ係数ｐ（ｉ、ｊ）を、重み係数ａ（ｉ、ｊ）とフィルタ係数ｈ’（ｉ、ｊ）との積をとることによって導出する。
　なお、予測フィルタ係数ｐ（ｉ、ｊ）のうち、フィルタ参照領域Ｒの中心画素に対応する予測フィルタ係数については、フィルタ参照領域Ｒの中心以外の画素に対する、すでに復号されたフィルタ係数＃１４１ｂの値に基づいて導出するような構成としてもよい。
　例えば、予測フィルタ係数導出部１４３は、予測フィルタ係数ｐ（ｉ、ｊ）のうち、フィルタ参照領域Ｒの中心画素に対する予測フィルタ係数ｐ＿ｃｅｎｔｅｒを、以下の式（６）を用いて導出するような構成としてもよい。
Figure JPOXMLDOC01-appb-M000006
　ここで、ｉ、ｊに関する和は、フィルタ参照領域Ｒのうち、中心画素を除く領域Ｒ’に対する和である。
　式（６）を用いて予測フィルタ係数ｐ＿ｃｅｎｔｅｒを算出することによって、フィルタ参照領域Ｒにおけるフィルタ係数ｈ（ｉ、ｊ）の総和が１に近いという傾向を利用して、予測フィルタ係数の予測精度を効果的に向上させることができる。なお、量子化されたフィルタ係数を用いる場合には、１からの差をとるのではなく、量子化係数に応じた値とすればよい。例えば、１／２５６をステップとして量子化されたフィルタ係数は２５６倍されているので、２５６からの差分をとるような構成とすればよい。
　換言すれば、量子化されたフィルタ係数を用いる場合には、１からの差をとるのではなく、量子化ステップに応じた値からの差をとることによって、中心画素に対する予測フィルタ係数ｐ＿ｃｅｎｔｅｒを導出する構成とすればよい。一般に、１／Ｎstep（Ｎstep＝２n、ｎは自然数）を量子化ステップとして量子化されたフィルタ係数は、量子化前のフィルタ係数をＮstep倍したものであるので、Ｎstepからの差をとることによって、中心画素に対する予測フィルタ係数ｐ＿ｃｅｎｔｅｒを導出する構成とすることができる。このような構成によって、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄの符号量を削減することができる。
　また、一般に、量子化前のフィルタ参照領域Ｒにおけるフィルタ係数の総和は、１に近い傾向がある。従って、符号化データ＃１を生成する動画像符号化装置において、式（６）と同様の式を用いて予測フィルタ係数を生成することによって、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄの符号量を削減することができる。また、動画像復号装置１は、上記のような構成をとることによって、フィルタ係数残差＃１３ｄの符号量の少ない符号化データ＃１を復号することができる。
　予測フィルタ係数導出部１４３によって導出された予測フィルタ係数ｐ（ｉ、ｊ）は、予測フィルタ係数＃１４０として、加算器１０１に対して供給される。
　以上のような各部を有する動画像復号装置１において、可変長復号部１３、加算器１０１、および、フィルタ係数予測部１４０は、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄに基づいて、フィルタ係数＃１０１を復号するフィルタ係数復号装置として捉えることができる。したがって、本実施形態に係る動画像復号装置１は、そのようなフィルタ係数復号装置を備え、デブロック画像＃５０に対して、フィルタ係数＃１０１を用いたフィルタリングを行う動画像復号装置であると表現することもできる。
　（予測フィルタ係数の算出処理の具体例）
　以下では、フィルタ係数予測部１４０による、予測フィルタ係数＃１４０の算出処理の具体例について、図５～図６を参照して説明する。
　フィルタ係数予測部１４０は、符号化データ＃１の構成に応じて、以下の（具体例１－１）～（具体例１－５）に挙げる算出処理のうち、何れかの算出処理を行う。
　（具体例１－１）
　以下では、フィルタ係数予測部１４０による、予測フィルタ係数＃１４０の算出処理の第１の例について説明する。
　本例における算出処理は、例えば、後述する（構成例１－１）のように構成されている符号化データ＃１を復号する場合に、好適に適用することができる。
　重み係数算出部１４２は、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、複数のグループ（サブ領域）に分割する。
　図５は、フィルタ参照領域Ｒが９×９タップの場合に、重み係数算出部１４２によって分割されたフィルタ参照領域Ｒを構成する各グループの配置の例を示す図である。図５に示すように、重み係数算出部１４２は、例えば、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、グループ５、グループ４、グループ３、グループ２、グループ１に分割する。
　図５に示すように、グループ５は、フィルタ参照領域Ｒの中心の画素（以下、画素Ｐｃと呼ぶ）から構成されている。また、グループ４は、画素Ｐｃを中心とする３×３タップの領域の外縁に内接する画素から構成され、グループ３は、画素Ｐｃを中心とする５×５タップの領域の外縁に内接する画素から構成され、グループ２は、画素Ｐｃを中心とする７×７タップの領域の外縁に内接する画素から構成され、グループ１は、画素Ｐｃを中心とする９×９タップの領域の外縁に内接する画素から構成されている。
　続いて、重み係数算出部１４２は、各グループに対する重み係数ａ（ｉ、ｊ）を、フィルタパラメータ情報＃１３ｅに含まれる重み係数の値に設定する。
　例えば、フィルタパラメータ情報＃１３ｅに含まれる重み係数のうち、グループ１に対する重み係数ａ＿ｇｒ１が１／４であり、グループ２に対する重み係数ａ＿ｇｒ２が１／２であり、グループ３に対する重み係数ａ＿ｇｒ３が５／８であり、グループ４に対する重み係数ａ＿ｇｒ４が３／４であり、グループ５に対する重み係数ａ＿ｇｒ５が１であるような場合には、フィルタ係数予測部１４２は、Ｍ＝Ｎ＝９とおいた式（４）に表された各重み係数ａ（ｉ、ｊ）のうち、グループ１に対する重み係数を１／４に設定し、グループ２に対する重み係数を１／２に設定し、グループ３に対する重み係数を５／８に設定し、グループ４に対する重み係数を３／４に設定し、グループ５に対する重み係数を１に設定する。
　重み係数算出部１４２は、このようにして設定された各グループに対する重み係数を重み係数＃１４２として予測フィルタ係数導出部１４３に対して出力し、予測フィルタ係数導出部１４３は、重み係数＃１４２を用いて、予測フィルタ係数＃１４０を導出する。なお、上記のように、各重み係数を１／８の倍数とする場合、重み係数算出部１４２は、グループ毎に、２、４、５、６、８を掛けて、丸め用の４を加算し３ビット右シフトするような整数演算を用いて上記重み係数＃１４２を計算するような構成とすればよい。
　なお、フィルタパラメータ情報＃１３ｅに含まれる重み係数の値は上記の例に限定されるものではないが、符号化データ＃１を生成する動画像符号化装置において、フィルタ係数残差＃１３ｄの符号量を低減するように算出された値であることが好ましい。本例においては、このように、符号量の少ないフィルタ係数残差＃１３ｄに基づいて、予測フィルタ係数＃１４０を導出することができる。
　また、予測フィルタ係数導出部１４３は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。そのような構成とすることにより、フィルタパラメータ情報＃１３ｅに、中心画素に対する重み係数が含まれていない場合であっても、予測フィルタ係数＃１４０を導出することができる。したがって、式（６）を用いることによって、より符号量の少ない符号化データ＃１に基づいて、予測フィルタ係数＃１４０を導出することができる。また、動画像復号装置１は、式（６）を用いることによって、上述のように、フィルタ参照領域Ｒにおけるフィルタ係数ｈ（ｉ、ｊ）の総和が１に近いという傾向を利用して、予測フィルタ係数の予測精度を効果的に向上させることができるので、フィルタ係数残差＃１３ｄの符号量の少ない符号化データ＃１を復号することができる。
　また、上記の説明では、重み係数算出部１４２は、各グループに対する重み係数ａ（ｉ、ｊ）を、フィルタパラメータ情報＃１３ｅに含まれる重み係数の値に設定するとしたが、本発明は、これに限定されるものではない。
　例えば、重み係数算出部１４２は、各グループに対する重み係数ａ（ｉ、ｊ）を、予めメモリに記録された重み係数の値に設定するような構成としてもよい。そのような構成とすることにより、フィルタパラメータ情報＃１３ｅに、重み係数の値が含まれていない場合であっても、予測フィルタ係数＃１４０を導出することができる。なお、上記予めメモリに記録された重み係数の値は、符号化データ＃１を生成する動画像符号化装置において用いられた重み係数の値と同じ値であることが好ましい。
　なお、上記の説明では、フィルタ参照領域Ｒが９×９タップである場合を例に挙げ説明を行ったが、本発明は、これに限定されるものではなく、一般に、フィルタ参照領域Ｒが、Ｍ×Ｎタップの場合に対して適用することができる。
　また、重み係数算出部１４２によるフィルタ参照領域Ｒの分割の方法は、上記の例に限定されるものではなく、フィルタ係数の特性などに応じて、最適な分割方法を採用すればよい。例えば、フィルタ係数毎に重み係数を分割することも好適である。
　フィルタ係数予測部１４０は、以上のように、フィルタ参照領域Ｒを複数のサブ領域に分割し、それぞれのサブ領域に対して設定された重み係数を用いて予測フィルタ係数＃１４０を導出することができるので、動画像復号装置１は、フィルタ係数残差＃１３ｄの符号量の少ない符号化データ＃１に基づいて、復号画像＃２を生成することができる。
　（具体例１－２）
　以下では、フィルタ係数予測部１４０による、予測フィルタ係数＃１４０の算出処理の第２の例について説明する。
　本例における算出処理は、例えば、後述する（構成例１－２）のように構成されている符号化データ＃１を復号する場合に、好適に適用することができる。
　重み係数算出部１４２は、（具体例１－１）と同様に、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、複数のグループに分割する。
　フィルタ参照領域Ｒが９×９タップである場合の、重み係数算出部１４２によるフィルタ参照領域Ｒの分割例は、図５に示したとおりである。
　続いて、重み係数算出部１４２は、フィルタ参照領域Ｒを構成する各グループに対する重み係数ａ＿ｇｒＧ（Ｇ＝１～Ｎｇ、Ｎｇはフィルタ参照領域Ｒを構成するグループの総数、以下同様）を、当該フィルタ参照領域Ｒを構成する各グループに対応する領域であって、すでに復号済みのフィルタ係数を用いて算出された重み係数を用いて算出する。
　例えば、重み係数算出部１４２は、まず、上記復号済みのフレーム上の領域であって、上記グループＧの領域に対する重み係数ａ＿ｇｒＧ’（ｓ）を、すでに復号されたフィルタ係数を用いて算出する。ここで、ａ＿ｇｒＧ’（ｓ）におけるインデックスｓは、予測対象フレームから数えて、ｓフレーム前のフレームであることを示している。以下では、予測対象フレームから数えて、ｓフレーム前のフレームをフレームｓと表記する。
　具体的には、重み係数算出部１４２は、フレームｓに対する重み係数ａ＿ｇｒＧ’（ｓ）を、フレームｓに対するフィルタ係数ｈ（ｉ、ｊ）（ｓ）の予測値を算出するために参照されたフィルタ係数ｈ（ｉ、ｊ）（ｓ＿ｐｒｅｖ）と、フレームｓに対するフィルタ係数ｈ（ｉ、ｊ）（ｓ）とを用いて、以下の式（７）によって、算出する。
Figure JPOXMLDOC01-appb-M000007
　ここで、ｉ、ｊに関する和は、フィルタ参照領域Ｒのうち、グループＧに対応する参照領域Ｇに対する和である。
　続いて、重み係数算出部１４２は、重み係数ａ＿ｇｒＧを、算出した重み係数ａ＿ｇｒＧ’（ｓ）の代表値を用いて算出する。ここで、当該代表値としては、例えば、複数のフレームについて算出した重み係数ａ＿ｇｒＧ’（ｓ）の中央値を用いることができる。
本例においては、重み係数算出部１４２は、重み係数ａ＿ｇｒＧを、以下の式（８）によって算出する。
ａ＿ｇｒＧ＝ｍｅｄｉａｎ（ａ＿ｇｒＧ’（１）、ａ＿ｇｒＧ’（２）、・・・、ａ＿ｇｒＧ’（Ｆ））　　　（８）
　ここで、ｍｅｄｉａｎ（…）は、括弧内の値の中央値をとることを表している。
　すなわち、重み係数算出部１４２は、予測対象フレームから数えて１フレーム前からＦフレーム前までのフレームの各々に対して算出された重み係数であって、グループＧに対する重み係数ａ＿ｇｒＧ’（１）～ａ＿ｇｒＧ’（Ｆ）の中央値を、重み係数ａ＿ｇｒＧに設定する。なお、Ｆの具体的な値は、予め定められている値を用いてもよいし、例えば、フィルタ参照領域Ｒのフレーム内の位置などに応じて異なった値を用いてもよい。
　また、重み係数ａ＿ｇｒＧ’（ｓ）として、フレームｓに対するフィルタ係数ｈ（ｉ、ｊ）（ｓ）の予測に用いた重み係数をそのまま用いるような構成としてもよい。
　重み係数算出部１４２は、このようにして設定された各グループに対する重み係数ａ＿ｇｒＧを重み係数＃１４２として、予測フィルタ係数導出部１４３に対して出力し、予測フィルタ係数導出部１４３は、重み係数＃１４２を用いて、予測フィルタ係数＃１４０を導出する。
　一般に、フィルタ参照領域Ｒを構成する各グループに対する重み係数には、フレーム間の相関がある。すなわち、復号済みのフレーム上の各領域に対してすでに算出された重み係数は、予測対象フレームに対する予測フィルタ係数の導出に対しても適切な値であるという傾向がある。したがって、符号化データ＃１を生成する動画像符号化装置において、式（８）と同様の式を用いて予測フィルタ係数を生成することによって、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄの符号量を削減することができる。また、動画像復号装置１におけるフィルタ係数予測部１４０は、本例の動作を行うことによって、そのように生成された符号量の少ないフィルタ係数残差＃１３ｄに基づいて、予測フィルタ係数＃１４０を導出することができる。
　また、本例においては、復号済みのフレーム上の各領域に対してすでに算出された重み係数の中央値を用いているため、各領域において、他のフレームに対する重み係数と大きく異なるような重み係数が存在するような場合であっても、そのような重み係数の影響をほとんど受けることのない予測フィルタ係数＃１４０を導出することができる。
　また、予測フィルタ係数導出部１４３は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。
　なお、重み係数算出部１４２による上記の動作は、例えば、重み係数算出部１４２が、復号済みのフレーム上の各領域に対してすでに算出された重み係数を格納しておくメモリを備えることによって可能となる。
　（具体例１－３）
　以下では、フィルタ係数予測部１４０による、予測フィルタ係数＃１４０の算出処理の第３の例について説明する。
　本例における算出処理は、例えば、後述する（構成例１－３）のように構成されている符号化データ＃１を復号する場合に、好適に適用することができる。
　本例においては、重み係数算出部１４２は、上述した（具体例１－２）における代表値として、平均値を用いることによって、フィルタ参照領域Ｒを構成する各グループに対する重み係数を算出する。
　すなわち、本例においては、重み係数算出部１４２は、重み係数ａ＿ｇｒＧを、式（８）に代えて、以下の式（９）によって算出する。重み係数算出部１４２の他の動作は、具体例１－２で説明した動作と同様である。
Figure JPOXMLDOC01-appb-M000008
　ここで、ａ＿ｇｒＧ’（ｓ）におけるインデックスｓは、（具体例１－２）と同様に、予測対象フレームから数えて、ｓフレーム前のフレームを示している。
　すなわち、重み係数算出部１４２は、予測対象フレームから数えて１フレーム前からＦフレーム前までのフレームの各々に対して算出された重み係数であって、グループＧに対する重み係数ａ＿ｇｒＧ’（１）～ａ＿ｇｒＧ’（Ｆ）の平均値を、重み係数ａ＿ｇｒＧに設定する。
　具体例１－２で述べたように、フィルタ参照領域Ｒを構成する各グループに対する重み係数には、フレーム間の相関がある。すなわち、復号済みのフレーム上の各領域に対してすでに算出された重み係数は、予測対象フレームに対する予測フィルタ係数の導出に対しても適切な値であるという傾向がある。したがって、符号化データ＃１を生成する動画像符号化装置において、式（９）と同様の式を用いて予測フィルタ係数を生成することによって、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄの符号量を削減することができる。また、動画像復号装置１におけるフィルタ係数予測部１４０は、本例の動作を行うことによって、そのように生成された符号量の少ないフィルタ係数残差＃１３ｄに基づいて、予測フィルタ係数＃１４０を導出することができる。
　また、本例においては、復号済みのフレーム上の各領域に対してすでに算出された重み係数の平均値を用いているため、各領域における重み係数の値のばらつきが大きいような場合であっても、適切な予測フィルタ係数＃１４０を導出することができる。
　なお、重み係数算出部１４２による上記の動作は、例えば、重み係数算出部１４２が、復号済みのフレーム上の各領域に対してすでに算出された重み係数を格納しておくメモリを備えることによって可能となる。
　また、（具体例１－２），および、（具体例１－３）においては、代表値として中央値、および、平均値を用いる構成について説明を行ったが、本発明はこれに限定されるものではない。例えば、代表値として、重み係数のセットから最大値および最小値を除いた後に平均をとることによって得られる値や、重み付きの平均値、すなわち、重み係数の加重平均を用いても良い。
　（具体例１－４）
　以下では、フィルタ係数予測部１４０による、予測フィルタ係数＃１４０の算出処理の第４の例について説明する。
　本例における算出処理は、例えば、後述する（構成例１－４）のように構成されている符号化データ＃１を復号する場合に、好適に適用することができる。
　重み係数算出部１４２は、（具体例１－１）と同様に、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、複数のグループに分割する。
　フィルタ参照領域Ｒが９×９タップである場合の、重み係数算出部１４２によるフィルタ参照領域Ｒの分割例は、図５に示したとおりである。
　続いて、重み係数算出部１４２は、最小二乗法によって、重み係数ａ（ｉ、ｊ）を算出する。
　具体的には、重み係数算出部１４２は、以下の式（１０）によって表される二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出する。
Figure JPOXMLDOC01-appb-M000009
　ここで、変数ｔは、各フレームに対応付けられたフレーム番号を表している。すなわち、フィルタ係数ｈ（ｉ、ｊ）（ｔ）は、フレーム番号がｔであるフレームのフィルタリングに用いられるフィルタ係数を表している。また、ｏはオフセットを表している。
　また、ｈ（ｉ、ｊ）（ｔ＿ｐｒｅｖ）は、復号済みのフィルタ係数であって、フィルタ係数ｈ（ｉ、ｊ）（ｔ）に対応する予測フィルタ係数の算出のために参照されるフィルタ係数を表している。
　また、式（１０）におけるｔに関する和Σは、複数の復号済みフレームのフレーム番号に関する和を表している。例えば、予測対象フレームのフレーム番号がＴであり、フレーム番号がＴ未満であるフレームが、復号済みであるとすると、重み係数算出部１４２は、例えば、式（１０）において、ｔ＝０～Ｔ－１に関する和をとった二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出するような構成とすることができる。
　また、重み係数算出部１４２は、所定の枚数の復号済みフレームに関する和をとった二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出してもよい。例えば、上記所定の枚数を３枚とすると、重み係数算出部１４２は、式（１０）において、ｔ＝Ｔ－３～Ｔ－１に関する和をとった二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出してもよい。
　また、重み係数算出部１４２は、復号済みの画面内符号化フレーム（イントラフレーム）のうち、予測対象フレームとのフレーム間隔が最も小さいフレームから現在のフレームまでの和をとった二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出してもよい。例えば、復号済みのイントラフレームのうち、予測対象フレームとのフレーム間隔が最も小さいフレームのフレーム番号をＴＩとすると、重み係数算出部１４２は、式（１０）において、ｔ＝ＴＩ～Ｔ－１に関する和をとった二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出してもよい。なお、上記ＴＩに替えて、バッファメモリのリフレッシュを行ったフレームを起点として用いても良い。
　また、重み係数算出部１４２は、二乗誤差Ｅ１を、式（１０）に示すｔに関する和をとることなく、算出するような構成としてもよい。すなわち、重み係数算出部１４２は、式（１０）における和をとらずに、ｔ＝Ｔ－１とすることによって得られる二乗誤差を最小とするように、重み係数ａ（ｉ、ｊ）を算出してもよい。
　続いて、重み係数算出部１４２は、最小二乗法を用いて算出された重み係数ａ（ｉ、ｊ）を、フィルタ参照領域を構成するグループ毎に平均することによって、各グループに対する重み係数ａ＿ｇｒＧを算出し、重み係数＃１４２として予測フィルタ係数導出部１４３に出力する。
　予測フィルタ係数導出部１４３は、重み係数＃１４２を用いて、予測フィルタ係数＃１４０を導出する。
　符号化データ＃１を生成する動画像符号化装置においても、式（１０）と同様の式を用いた最小二乗法に基づいて予測フィルタ係数を算出することによって、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄの符号量を削減することができる。また、動画像復号装置１におけるフィルタ係数予測部１４０は、本例の動作を行うことによって、そのように生成された符号量の少ないフィルタ係数残差＃１３ｄに基づいて、予測フィルタ係数＃１４０を導出することができる。
　なお、重み係数算出部１４２は、最小二乗法を用いて算出された重み係数ａ（ｉ、ｊ）の、フィルタ参照領域を構成するグループ毎に中央値をとることによって、各グループに対する重み係数ａ＿ｇｒＧを算出するような構成としてもよい。
　また、重み係数算出部１４２は、上述のように、平均値や中央値をとることなく、グループ毎に直接的に最小二乗法を適用するような構成としてもよい。
　具体的には、重み係数算出部１４２は、以下の式（１１）によって表される二乗誤差Ｅ２を最小にするように、グループＧの重み係数ａ＿ｇｒＧを算出するような構成としてもよい。
Figure JPOXMLDOC01-appb-M000010
　ここで、ｉ、ｊに関する和は、フィルタ参照領域Ｒのうち、グループＧに対応する参照領域Ｇに対する和を表している。また、ｏはオフセットを表している。
　このような構成とすることによって、予測精度のより高い重み係数を算出することができる。
　また、予測フィルタ係数導出部１４３は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。
　（具体例１－５）
　以下では、フィルタ係数予測部１４０による、予測フィルタ係数＃１４０の算出処理の第５の例について説明する。
　本例における算出処理は、例えば、後述する（構成例１－５）のように構成されている符号化データ＃１を復号する場合に、好適に適用することができる。
　本例においては、重み係数算出部１４２は、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの周辺部である第１のサブ領域と、第１のサブ領域以外の領域である第２のサブ領域とに分割する。ここで、フィルタ参照領域Ｒの周辺部とは、フィルタ参照領域Ｒ内の領域であって、フィルタ参照領域Ｒの外縁に接するか、または、フィルタ参照領域Ｒの外縁の近傍の領域である（以下同様）。
　続いて、重み係数算出部１４２は、第１のサブ領域に対する重み係数の値を０に設定し、第２のサブ領域に対する重み係数の値を１に設定する。また、第２のサブ領域に対する重み係数の値は１に限らず、具体例１－１から１－４に記載のいずれかの手法により算出された重み係数を用いても良い。
　このようにして重み係数算出部１４２によって算出された重み係数ａ（ｉ、ｊ）から構成される重み係数行列Ａ１を以下の式（１２）に示す。
Figure JPOXMLDOC01-appb-M000011
　ここで、上記重み係数行列Ａ１における値が０である成分は、第１のサブ領域に対する重み係数を示しており、値が１である成分は、第２のサブ領域に対する重み係数を表している。
　上記式（１２）のような重み係数行列Ａ１を用いることによって、予測フィルタ係数導出部１４３が算出する予測フィルタ係数行列Ｐの各成分は、第１グループに対応する各画素に対して０となり、第２グループに対応する各画素に対しては、フィルタ係数ｈ’（ｉ、ｊ）そのままの値となる。
　図６は、Ｍ×Ｎタップのフィルタ参照領域Ｒの各画素に対応する、予測フィルタ係数Ｐの各成分を示す図である。
　図６に示すように、フィルタ参照領域Ｒの周辺部の各画素に対応する予測フィルタ係数（すなわち上記第１グループに対応する予測フィルタ係数）の値は０であり、フィルタ参照領域Ｒの周辺部以外の各画素に対応する予測フィルタ係数（すなわち上記第２グループに対応する予測フィルタ係数）の値は、フィルタ係数ｈ’（ｉ、ｊ）そのままの値である。
　一般に、フィルタ参照領域Ｒの周辺部の各画素に対応するフィルタ係数は、０に近い値になる傾向がある。このような場合、符号化データ＃１を生成する動画像符号化装置において、フィルタ参照領域Ｒの周辺部に対する重み係数を０として予測フィルタ係数を生成することによって、予測フィルタ係数算出に関わる演算量を削減することができ、また、符号化データ＃１に含まれるフィルタ係数残差＃１３ｄの符号量を削減することができる。また、動画像復号装置１におけるフィルタ係数予測部１４０は、本例の動作を行うことによって、そのように生成された符号量の少ないフィルタ係数残差＃１３ｄに基づいて、予測フィルタ係数＃１４０を導出することができる。
　なお、本例における予測フィルタ係数導出部１４３は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。
　（動画像符号化装置２）
　本実施形態に係る動画像符号化装置２の構成について図７～図１１を参照して説明する。動画像符号化装置２は、その一部に、Ｈ．２６４／ＭＰＥＧ－４　ＡＶＣ、および、ＫＴＡソフトウェアに採用されている技術を含む復号装置である。
　図７は、動画像符号化装置２の構成を示すブロック図である。図７に示すように、動画像符号化装置２は、変換・量子化部２１、可変長符号化部２２、逆量子化・逆変換部２３、バッファメモリ２４、イントラ予測画像生成部２５、インター予測画像生成部２６、予測方式制御部２８、動きベクトル冗長性削減部２９、加算器３１、減算器３２、デブロッキングフィルタ５０、および、適応フィルタ１００’を備えている。
　動画像符号化装置２には、マクロブロックに分割された入力画像＃１０が入力される。
　動画像符号化装置２は、入力画像＃１０の符号化処理を行い、符号化データ＃１を出力する。
　変換・量子化部２１は、マクロブロックに分割された入力画像＃１０と、後述する予測方式制御部２８から出力される予測画像＃２８ａとの差分画像＃３２を、ＤＣＴ変換により、周波数成分へ変換した後、当該周波数成分の量子化を行い、量子化予測残差データ＃２１を生成する。ここで、上記量子化とは、上記周波数成分を整数値に対応付ける演算のことである。また、上記ＤＣＴ変換、および、量子化は、マクロブロックを分割したブロック単位で行われる。以下では、処理の対象となるマクロブロックを「対象マクロブロック」と呼び、処理の対象となるブロックを「対象ブロック」と呼ぶ。
　逆量子化・逆変換部２３は、量子化予測残差データ＃２１の復号を行い、予測残差＃２３を生成する。具体的には、逆量子化・逆変換部２３は、量子化予測残差データ＃２１の逆量子化、すなわち、量子化予測残差データ＃２１を構成する整数値の周波数成分への対応付け、および、当該周波数成分の逆ＤＣＴ変換、すなわち、当該周波数成分に基づいた対象マクロブロックの画素成分への逆変換を行い、予測残差＃２３を生成する。
　加算器３１は、予測残差＃２３と、予測画像＃２８ａとを加算し、復号画像＃３１を生成する。生成された復号画像＃３１は、デブロッキングフィルタ５０に供給される。
　デブロッキングフィルタ５０は、復号画像＃３１における当該ブロック境界、またはマクロブロック境界に対してデブロッキング処理を施す。デブロッキング処理が施された画像データは、デブロック画像＃５０として出力される。デブロッキングフィルタ５０は、動画像復号装置１の備えるデブロッキングフィルタ５０と同様の構成である。
　適応フィルタ１００’は、デブロック画像＃５０に対してフィルタリングを施し、出力画像データ＃１００’をバッファメモリ２４に対して出力する。また、適応フィルタ１００’は、フィルタリングに用いたフィルタ係数と、予測されたフィルタ係数との残差であるフィルタ係数残差＃１０２を可変長符号化部２２に対して出力する。
　また、適応フィルタ１００’は、フィルタリングの対象となる領域を示すパラメータ、フィルタリングのタップ数を示すパラメータ、および、フィルタリングのオン／オフを指定するパラメータに関する情報であるフィルタパラメータ情報を可変長符号化部２２に対して出力する。適応フィルタ１００’の構成については、後述するため、ここでは説明を省略する。
　イントラ予測画像生成部２５は、バッファメモリ２４に格納された出力画像データ＃１００’から局所復号画像＃２４ａ（対象マクロブロックと同じフレームの既復号領域）を抽出し、局所復号画像＃２４ａに基づいてフレーム内予測を行い、イントラ予測画像＃２５を生成する。
　インター予測画像生成部２６は、入力画像＃１０上の対象ブロックに対し、既にフレーム全体が復号され、バッファメモリ２４に格納された参照画像＃２４ｂを用いて、動きベクトル＃２７を算出し、割り付ける。算出された動きベクトル＃２７は、インター予測画像生成部２６、動きベクトル冗長性削減部２９に対して出力されると共に、バッファメモリ２４に格納される。また、インター予測画像生成部２６は、参照画像＃２４ｂに対し、ブロックごとに、動きベクトル＃２７に基づいた動き補償を行い、インター予測画像＃２６を生成する。
　予測方式制御部２８は、マクロブロック単位で、イントラ予測画像＃２５と、インター予測画像＃２６と、入力画像＃１０とを比較し、イントラ予測画像＃２５、または、インター予測画像＃２６のうち、何れか一方を選択し、予測画像＃２８ａとして出力する。また、予測方式制御部２８は、イントラ予測画像＃２５、または、インター予測画像＃２６のうち、何れを選択したのかを表す情報である予測モード＃２８ｂを出力する。予測画像＃２８ａは減算器３２に入力される。
　予測モード＃２８ｂは、バッファメモリ２４に格納されると共に、可変長符号化部２２に入力される。
　動きベクトル冗長性削減部２９は、インター予測画像生成部２６において上記対象ブロックに動きベクトル＃２７が割り付けられた後、他のブロックに割り付けられ、バッファメモリ２４に格納された動きベクトル群＃２４ｃに基づいて予測ベクトルを算出する。また、動きベクトル冗長性削減部２９は、当該予測ベクトルと、動きベクトル＃２７との差分をとり、差分動きベクトル＃２９を生成する。生成された差分動きベクトル＃２９は、可変長符号化部２２に出力される。
　可変長符号化部２２は、量子化予測残差データ＃２１、差分動きベクトル＃２９、予測モード＃２８ｂ、フィルタ係数残差＃１０２、および、フィルタパラメータ情報に対して可変長符号化を行い、符号化データ＃１を生成する。
　減算器３２は、対象マクロブロックに対し、入力画像＃１０と、予測画像＃２８ａとの差分をとり、差分画像＃３２を出力する。
　（適応フィルタ１００’）
　以下では、図８～図１０を参照して、適応フィルタ１００’の構成について説明する。図８は、適応フィルタ１００’の構成を示すブロック図である。図８に示すように、適応フィルタ１００’は、フィルタ処理部１１０’、フィルタパラメータ決定部１２０’、フィルタ係数導出部１３０’、フィルタ係数予測部１４０’、および、減算器１０２を備えている。
　フィルタパラメータ決定部１２０’は、入力画像＃１０のサイド情報に基づいて、フィルタリングの参照画素数を示すパラメータ（タップ数）、および、フィルタリングのオン／オフ等を指定するパラメータ群（以下、フィルタパラメータ群と呼ぶ）を決定し、当該フィルタパラメータ群を含む情報であるフィルタパラメータ情報＃１２０’を出力する。ここで、入力画像＃１０のサイド情報には、予測モード、動きベクトル、参照フレームを示す参照画像インデクス、および、量子化パラメータ、などが含まれる。
　また、上記フィルタパラメータ群の決定方法は、本発明を限定するものではないが、例えば、フィルタパラメータ決定部１２０’は、入力画像＃１０を構成するブロックのブロックサイズ、または、入力画像＃１０を四分木（Ｑｕａｄ－ｔｒｅｅ）により階層的に分割した場合の階層数などに応じて、上記フィルタパラメータ群を決定するような構成をとすることができる。
　減算器１０２は、フィルタ係数＃１３０’と、予測フィルタ係数＃１４０’との差分をとることによって、フィルタ係数残差＃１０２を生成し、出力する。
　（フィルタ処理部１１０’）
　フィルタ処理部１１０’は、デブロック画像＃５０に対して、フィルタ係数＃１３０’を用いてフィルタリングを施すことによって、出力画像データ＃１００’を生成し、出力する。
　フィルタ処理部１１０’におけるフィルタリング処理は、上述した動画像復号装置１におけるフィルタ処理部１１０におけるフィルタリング処理とほぼ同様である。
　具体的には、フィルタ処理部１１０は、出力画像データ＃１００’の座標（ｘ’、ｙ’）における画素値Ｓ０（ｘ’、ｙ’）を上記式（１）によって表され、フィルタ係数＃１３０’との加重線形和をとり、さらにフィルタ係数＃１０１に基づいたオフセットを加算することよって算出する。ただし、フィルタ処理部１１０’においては、式（１）におけるフィルタ係数ｈ（ｉ、ｊ）は、フィルタ係数＃１３０’に対応しているものとする。
　（フィルタ係数導出部１３０’）
　フィルタ係数導出部１３０’は、フィルタパラメータ決定部１２０’から出力されたフィルタパラメータ情報＃１２０’に基づき、入力画像＃１０とデブロック画像＃５０とを用いて、フィルタ係数＃１３０’を導出する。導出されたフィルタ係数＃１３０’は、フィルタ係数予測部１４０’、減算機１０２、および、フィルタ処理部１１０’に対して出力される。
　フィルタ係数導出部１３０’は、フィルタ係数ｈ（ｉ、ｊ）の値を、例えば、以下の式（１３）によって与えられる、入力画像＃１０の各画素値と出力画像データ＃１００’の各画素値との二乗誤差Ｅ３を最小にするように導出する。
Figure JPOXMLDOC01-appb-M000012
　ここで、Ｓ（ｘ、ｙ）は、入力画像＃１０の座標（ｘ、ｙ）における画素値を表しており、ＳＩ（ｘ、ｙ）は、デブロック画像＃５０の座標（ｘ、ｙ）における画素値を表している。また、ｏはオフセットを表している。
　このようにして導出されたフィルタ係数ｈ（ｉ、ｊ）（１≦ｉ≦Ｍ、１≦ｊ≦Ｎ）は、フィルタ係数導出部１３０’から、フィルタ係数＃１３０’として出力され、フィルタ処理部１１０’におけるフィルタリングに用いられる。
　（フィルタ係数予測部１４０’）
　フィルタ係数予測部１４０’は、動画像復号装置１の備えるフィルタ係数予測部１４０とほぼ同様の動作を行う。ただし、動画像符号化装置２においては、フィルタ係数予測部１４０’に供給されるフィルタ係数は、フィルタ係数＃１３０’であり、フィルタ係数予測部１４０’が出力する予測フィルタ係数は、予測フィルタ係数＃１４０’である。
　図９は、フィルタ係数予測部１４０’の構成を示すブロック図である。図９に示すように、フィルタ係数予測部１４０’は、フィルタ係数格納部１４１’、重み係数算出部１４２’、および、予測フィルタ係数導出部１４３’を備えている。
　フィルタ係数格納部１４１’は、動画像復号装置１におけるフィルタ係数格納部１４１とほぼ同様の動作を行う。ただし、フィルタ係数格納部１４１’に格納されているフィルタ係数には、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１’が含まれる。
　フィルタ係数格納部１４１’に格納されている、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１’から構成されるフィルタ係数行列は、すでに説明した式（２）のように表すことができる。ただし、ここでは、フィルタ係数ｈ’（ｉ、ｊ）は、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１’に対応している。
　重み係数算出部１４２’は、動画像復号装置１における重み係数算出部１４２と同様に、フィルタ係数行列Ｈ’の各成分ｈ’（ｉ、ｊ）に乗じる重み係数ａ（ｉ、ｊ）を算出する。重み係数算出部１４２’による重み係数ａ（ｉ、ｊ）の算出処理の具体例については、後述するためここでは説明を省略する。
　予測フィルタ係数導出部１４３’は、動画像復号装置１における予測フィルタ係数導出部１４３と同様に、フィルタ係数格納部１４１’に格納されているフィルタ係数のうち、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数ｈ’（ｉ、ｊ）と、重み係数算出部１４２’によって算出された重み係数ａ（ｉ、ｊ）とに基づいて、予測フィルタ係数ｐ（ｉ、ｊ）を導出する。導出された予測フィルタ係数ｐ（ｉ、ｊ）は、予測フィルタ係数＃１４０’として出力される。
　予測フィルタ係数ｐ（ｉ、ｊ）を成分とする予測フィルタ係数行列Ｐは、例えば、すでに説明した式（５）のように表すことができる。
　また、予測フィルタ係数導出部１４３’は、予測フィルタ係数ｐ（ｉ、ｊ）のうち、フィルタ参照領域Ｒの中心画素に対応する予測フィルタ係数については、フィルタ参照領域Ｒの中心以外の画素に対するフィルタ係数の値に基づいて導出するような構成としてもよい。
　例えば、予測フィルタ係数導出部１４３’は、フィルタ係数ｈ（ｉ、ｊ）のうち、フィルタ参照領域Ｒの中心画素に対する予測フィルタ係数ｐ＿ｃｅｎｔｅｒを、すでに説明した式（６）を用いて導出するような構成としてもよい。
　式（６）を用いて予測フィルタ係数ｐ＿ｃｅｎｔｅｒを算出することによって、フィルタ参照領域Ｒにおけるフィルタ係数ｈ（ｉ、ｊ）の総和が１に近いという傾向を利用して、予測フィルタ係数の予測精度を効果的に向上させることができる。
　一般に、フィルタ参照領域Ｒにおけるフィルタ係数の総和は、１に近い傾向がある。従って、上記の構成によれば、フィルタ係数残差＃１０２の符号量を削減することができる。
　以上のような各部を有する動画像符号化装置２において、可変長符号化部２２、減算器１０２、および、フィルタ係数予測部１４０’は、フィルタ係数導出部１３０’から供給されるフィルタ係数＃１３０’と、フィルタ係数＃１３０’に基づいて予測された予測フィルタ係数＃１４０’との残差であるフィルタ係数残差＃１０２を符号化するフィルタ係数符号化装置を構成していると捉えることができる。したがって、本実施形態に係る動画像符号化装置２は、そのようなフィルタ係数符号化装置を備えている動画像符号化装置であると表現することもできる。
　（予測フィルタ係数の算出処理の具体例）
　以下では、フィルタ係数予測部１４０’による、予測フィルタ係数＃１４０’の算出処理の具体例（具体例１－１’～具体例１－５’）について説明する。
　（具体例１－１’）
　以下では、フィルタ係数予測部１４０’による、予測フィルタ係数＃１４０’の算出処理の第１の例について説明する。
　本例では、フィルタ係数予測部１４０’は、（具体例１－１）において説明したフィルタ係数予測部１４０による予測フィルタ係数＃１４０の算出処理に対応する動作を行う。
　まず、重み係数算出部１４２’は、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、複数のグループ（サブ領域）に分割する（図５参照）。
　続いて、重み係数算出部１４２’は、各グループに対する重み係数ａ（ｉ、ｊ）を、予め定められた値に設定する。ここで、上記予め定められた値としては、例えば、予め最小二乗法によって決定された値を用いればよい。
　図１０は、図５に示すフィルタ参照領域Ｒを構成するグループ１～グループ４に対応する重み係数ａ（ｉ、ｊ）を、異なる４つのシーケンス、および、異なる４つの量子化パラメータを用いて、２００フレーム分のフレームに対して最小二乗法を適用することによって予め算出した結果を示すグラフである。ここで、当該最小二乗法において最小化すべき二乗誤差としては、すでに説明した式（１０）によって表される二乗誤差Ｅ１をとった。
　図１０に示すように、最小二乗法によって求められた最適な重み係数は、フィルタ参照領域Ｒの中心により近い領域ほど、より大きな値となっている。これは、フィルタ参照領域Ｒの中心により近い領域ほど、フィルタ係数のフレーム間の相関がより大きくなるためである。
　本例においては、重み係数算出部１４２’は、上記最小二乗法によって予め求められた各グループに対する最適な重み係数の値、またはその近似値を、各グループに属する各画素に対する重み係数に設定する。
　すなわち、重み係数算出部１４２’は、例えば、グループ１に属する各画素に対する重み係数ａ＿ｇｒ１を、ａ＿ｇｒ１＝１／４によって設定し、グループ２に属する各画素に対する重み係数ａ＿ｇｒ２を、ａ＿ｇｒ２＝１／２によって設定し、グループ３に属する各画素に対する重み係数ａ＿ｇｒ３を、ａ＿ｇｒ３＝５/８によって設定し、グループ４に属する各画素に対する重み係数ａ＿ｇｒ４を、ａ＿ｇｒ４＝３／４によって設定する。
　なお、上記のように各重み係数を１／８の倍数とするような場合、重み係数算出部１４２’は、グループ毎に、２、４、５、６、８を掛けて、丸め用の４を加算し３ビット右シフトするような整数演算を用いて上記重み係数＃１４２を計算するような構成とすればよい。
　重み係数算出部１４２’は、このようにして設定された各グループに対する重み係数ａ＿ｇｒＧを重み係数＃１４２’として、予測フィルタ係数導出部１４３’に対して出力し、予測フィルタ係数導出部１４３’は、重み係数＃１４２’を用いて、予測フィルタ係数＃１４０’を導出する。
　なお、グループ５に対する重み係数ａ＿ｇｒ５の値は、重み係数ａ＿ｇｒ１～ａ＿ｇｒ４の値に応じて決定するような構成としてもよいし、予め定められた値（例えば１）を用いてもよい。
　また、予測フィルタ係数導出部１４３’は、予測フィルタ係数＃１４０’のうち、フィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を、すでに説明した式（６）を用いて導出するような構成としてもよい。
　フィルタ係数予測部１４０’は、以上のように、フィルタ参照領域Ｒを複数のサブ領域に分割し、それぞれのサブ領域に対して設定された重み係数を用いて予測フィルタ係数＃１４０’を導出することができるので、フィルタ参照領域Ｒを分割しない従来の方法に比べて、フィルタ係数残差＃１０２の符号量を削減することができる。
　また、本例においては、重み係数算出部１４２’は、上記重み係数の値をメモリに格納しておくことにより、最小二乗法を用いた重み係数の算出処理を行うことなく、最適な重み係数を出力することができるので、最小二乗法を各フレームに対して用いる場合に比べて、計算量を削減しつつ、最適な重み係数を出力することができる。
　したがって、本例においては、少ない計算量によって、フィルタ係数残差＃１０２の符号量を削減することができる。
　なお、上記の説明では、フィルタ参照領域Ｒが９×９タップである場合を例に挙げ説明を行ったが、本発明は、これに限定されるものではない。一般に、重み係数算出部１４２’は、Ｍ×Ｎタップのフィルタ参照領域Ｒの中心から周辺部に向かってグループ分けを行い、それぞれのグループに対する重み係数を、予め最小二乗法によって求められた最適な重み係数、または、その近似値に設定するような構成とすることができる。
　また、重み係数算出部１４２’によるフィルタ参照領域Ｒの分割の方法は、上記の例に限定されるものではなく、フィルタ係数の特性などに応じて、最適な分割方法を採用すればよい。例えば、フィルタ係数毎に重み係数を分割することも好適である。
　（具体例１－２’）
　以下では、フィルタ係数予測部１４０’による、予測フィルタ係数＃１４０’の算出処理の第２の例について説明する。
　本例では、フィルタ係数予測部１４０’は、（具体例１－２）において説明したフィルタ係数予測部１４０による予測フィルタ係数＃１４０の算出処理に対応する動作を行う。
　重み係数算出部１４２’は、（具体例１－１’）と同様に、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、複数のグループに分割する。
　フィルタ参照領域Ｒが９×９タップである場合の、重み係数算出部１４２’によるフィルタ参照領域Ｒの分割例は、図５に示したとおりである。
　続いて、重み係数算出部１４２’は、フィルタ参照領域Ｒを構成する各グループに対する重み係数ａ＿ｇｒＧ（Ｇ＝１～Ｎｇ、Ｎｇはフィルタ参照領域Ｒを構成するグループの総数、以下同様）を、当該フィルタ参照領域Ｒを構成する各グループに対応する領域であって、符号化済みのフィルタ係数を用いて算出する。
　例えば、重み係数算出部１４２’は、まず、上記復号済みのフレーム上の領域であって、上記グループＧの領域に対する重み係数ａ＿ｇｒＧ’（ｓ）を、すでに符号化されたフィルタ係数を用いて算出する。ここで、ａ＿ｇｒＧ’（ｓ）におけるインデックスｓは、予測対象フレームから数えて、ｓフレーム前のフレームであることを示している。以下では、予測対象フレームから数えて、ｓフレーム前のフレームをフレームｓと表記する。
　具体的には、重み係数算出部１４２’は、フレームｓに対する重み係数ａ＿ｇｒＧ’（ｓ）を、フレームｓに対するフィルタ係数ｈ（ｉ、ｊ）（ｓ）の予測値を算出するために参照されたフィルタ係数ｈ（ｉ、ｊ）（ｓ＿ｐｒｅｖ）と、フレームｓに対するフィルタ係数ｈ（ｉ、ｊ）（ｓ）とを用いて、すでに説明した式（７）によって、算出する。
　続いて、重み係数算出部１４２’は、重み係数ａ＿ｇｒＧを、算出した重み係数ａ＿ｇｒＧ’（ｓ）の代表値を用いて算出する。ここで、当該代表値としては、例えば、複数のフレームについて算出した重み係数ａ＿ｇｒＧ’（ｓ）の中央値を用いることができる。
　本例においては、重み係数算出部１４２’は、重み係数ａ＿ｇｒＧを、すでに説明した式（８）によって算出する。
　すなわち、重み係数算出部１４２’は、予測対象フレームから数えて１フレーム前からＦフレーム前までのフレームの各々に対して算出された重み係数であって、グループＧに対する重み係数ａ＿ｇｒＧ’（１）～ａ＿ｇｒＧ’（Ｆ）の中央値を、重み係数ａ＿ｇｒＧに設定する。なお、Ｆの具体的な値は、（具体例１－２）と同様に、予め定められている値を用いてもよいし、例えば、フィルタ参照領域Ｒのフレーム内の位置などに応じて決定される値を用いてもよい。
　また、重み係数ａ＿ｇｒＧ’（ｓ）として、フレームｓに対するフィルタ係数ｈ（ｉ、ｊ）（ｓ）の予測に用いた重み係数をそのまま用いるような構成としてもよい。
　重み係数算出部１４２’は、このようにして設定された各グループに対する重み係数ａ＿ｇｒＧを重み係数＃１４２’として、予測フィルタ係数導出部１４３’に対して出力し、予測フィルタ係数導出部１４３’は、重み係数＃１４２’を用いて、予測フィルタ係数＃１４０’を導出する。
　一般に、フィルタ参照領域Ｒを構成する各グループに対する重み係数には、フレーム間の相関がある。すなわち、符号化済みのフレーム上の各領域に対してすでに算出された重み係数は、予測対象フレームに対する予測フィルタ係数の導出に対しても適切な値であるという傾向がある。したがって、フィルタ係数予測部１４０’は、本例のような動作を行うことによって、フィルタ係数残差＃１０２の符号量を削減することができる。
　また、本例においては、符号化済みのフレーム上の各領域に対してすでに算出された重み係数の中央値を用いているため、各領域において、他のフレームに対する重み係数と大きく異なるような重み係数が存在するような場合であっても、そのような重み係数の影響をほとんど受けない予測フィルタ係数＃１４０’を導出することができる。
　なお、予測フィルタ係数導出部１４３’は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。
　なお、重み係数算出部１４２’による上記の動作は、例えば、重み係数算出部１４２が、復号済みのフレーム上の各領域に対してすでに算出された重み係数を格納しておくメモリを備えることによって可能となる。
　（具体例１－３’）
　以下では、フィルタ係数予測部１４０’による、予測フィルタ係数＃１４０’の算出処理の第３の例について説明する。
　本例では、フィルタ係数予測部１４０’は、（具体例１－３）において説明したフィルタ係数予測部１４０による予測フィルタ係数＃１４０の算出処理に対応する動作を行う。
　本例においては、重み係数算出部１４２’は、上述した（具体例１－２’）における代表値として、平均値を用いることによって、フィルタ参照領域Ｒを構成する各グループに対する重み係数を算出する。
　すなわち、本例においては、重み係数算出部１４２’は、重み係数ａ＿ｇｒＧを、式（９）によって算出する。
　すなわち、重み係数算出部１４２’は、予測対象フレームから数えて１フレーム前からＦフレーム前までのフレームの各々に対して算出された重み係数であって、グループＧに対する重み係数ａ＿ｇｒＧ’（１）～ａ＿ｇｒＧ’（Ｆ）の平均値を、重み係数ａ＿ｇｒＧに設定する。
　重み係数算出部１４２’の他の動作は、（具体例１－２’）で説明した動作と同様である。
　（具体例１－２’）で述べたように、フィルタ参照領域Ｒを構成する各グループに対する重み係数には、フレーム間の相関がある。すなわち、符号化済みのフレーム上の各領域に対してすでに算出された重み係数は、予測対象フレームに対する予測フィルタ係数の導出に対しても適切な値であるという傾向がある。したがって、フィルタ係数予測部１４０’は、本例のような動作を行うことによって、フィルタ係数残差＃１０２の符号量を削減することができる。
　また、本例においては、符号化済みのフレーム上の各領域に対してすでに算出された重み係数の平均値を用いているため、各領域における重み係数の値のばらつきが大きいような場合であっても、適切な予測フィルタ係数＃１４０’を導出することができる。
　また、（具体例１－２’），および、（具体例１－３’）においては、代表値として中央値、および、平均値を用いる構成について説明を行ったが、本発明はこれに限定されるものではない。例えば、代表値として、重み係数のセットから最大値および最小値を除いた後に平均をとることによって得られる値や、重み付きの平均値、すなわち、重み係数の加重平均を用いても良い。
　（具体例１－４’）
　以下では、フィルタ係数予測部１４０’による、予測フィルタ係数＃１４０’の算出処理の第４の例について説明する。
　本例では、フィルタ係数予測部１４０’は、（具体例１－４）において説明したフィルタ係数予測部１４０による予測フィルタ係数＃１４０の算出処理に対応する動作を行う。
　重み係数算出部１４２’は、（具体例１－１’）と同様に、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの中心から周辺部に向かって、複数のグループに分割する。
　フィルタ参照領域Ｒが９×９タップである場合の、重み係数算出部１４２’によるフィルタ参照領域Ｒの分割例は、図５に示したとおりである。
　続いて、重み係数算出部１４２’は、最小二乗法によって、重み係数ａ（ｉ、ｊ）を算出する。
　具体的には、重み係数算出部１４２’は、すでに説明した式（１０）によって表される二乗誤差Ｅ１を最小にするように、重み係数ａ（ｉ、ｊ）を算出する。ただし、式（１０）におけるｈ（ｉ、ｊ）（ｔ＿ｐｒｅｖ）は、本例においては、符号化済みフィルタ係数であって、フィルタ係数ｈ（ｉ、ｊ）（ｔ）に対応する予測フィルタ係数の算出のために参照されるフィルタ係数を表すものとする。
　本例における重み係数算出部１４２’による重み係数ａ（ｉ、ｊ）の具体的な算出処理は、（具体例１－４）と同様である。
　また、重み係数算出部１４２’は、最小二乗法を用いて算出された重み係数ａ（ｉ、ｊ）を、フィルタ参照領域を構成するグループ毎に平均することによって、各グループに対する重み係数ａ＿ｇｒＧを算出し、重み係数＃１４２’として予測フィルタ係数導出部１４３’に出力する。
　予測フィルタ係数導出部１４３’は、重み係数＃１４２’を用いて、予測フィルタ係数＃１４０’を導出する。
　このように、重み係数算出部１４２’が、最小二乗法を用いて、各グループに対する重み係数を算出することによって、フィルタ係数残差＃１０２の符号量を削減することができる。
　なお、重み係数算出部１４２’は、（具体例１－４）と同様に、最小二乗法を用いて算出された重み係数ａ（ｉ、ｊ）の、フィルタ参照領域を構成するグループ毎に中央値をとることによって、各グループに対する重み係数ａ＿ｇｒＧを算出するような構成としてもよい。
　また、重み係数算出部１４２’は、（具体例１－４）と同様に、各グループに対する重み係数ａ＿ｇｒＧを、式（１１）を用いて、最小二乗法によって算出するような構成としてもよい。
　また、予測フィルタ係数導出部１４３’は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。
　（具体例１－５’）
　以下では、フィルタ係数予測部１４０’による、予測フィルタ係数＃１４０’の算出処理の第５の例について説明する。
　本例では、フィルタ係数予測部１４０’は、（具体例１－５）において説明したフィルタ係数予測部１４０による予測フィルタ係数＃１４０の算出処理に対応する動作を行う。
　重み係数算出部１４２’は、まず、フィルタ参照領域Ｒを、フィルタ参照領域Ｒの周辺部である第１のサブ領域と、第１のサブ領域以外の領域である第２のサブ領域とに分割する。ここで、フィルタ参照領域Ｒの周辺部とは、フィルタ参照領域Ｒ内の領域であって、フィルタ参照領域Ｒの外縁に接するか、または、フィルタ参照領域Ｒの外縁の近傍の領域である（以下同様）。
　続いて、重み係数算出部１４２’は、第１のサブ領域に対する重み係数の値を０に設定し、第２のサブ領域に対する重み係数の値を１に設定する。
　このようにして重み係数算出部１４２によって算出された重み係数ａ（ｉ、ｊ）から構成される重み係数行列Ａ１は、式（１２）のように表すことができる。
　ここで、上記重み係数行列Ａ１における値が０である成分は、第１のサブ領域に対する重み係数を示しており、値が１である成分は、第２のサブ領域に対する重み係数を表している。
　上記式（１２）のような重み係数行列Ａ１を用いることによって、予測フィルタ係数導出部１４３’が算出する予測フィルタ係数行列Ｐの各成分は、第１グループに対応する各画素に対して０となり、第２グループに対応する各画素に対しては、フィルタ係数ｈ’（ｉ、ｊ）そのままの値となる（図６参照）。
　一般に、フィルタ参照領域Ｒの周辺部の各画素に対応するフィルタ係数は、０に近い値になる傾向がある。このような場合、本例のように、フィルタ参照領域の周辺部Ｒに対応する予測フィルタ係数の値を０とすることによって、予測フィルタ係数算出に関わる演算量を削減することができ、また、フィルタ係数残差＃１０１の符号量を削減することができる。
　例えば、予測対象フレームに対するフィルタ係数ｈ（ｉ、ｊ）のうち、フィルタ参照領域Ｒの周辺部の画素に対応するフィルタ係数の値が０．１であり、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数ｈ’（ｉ、ｊ）のうち、上記フィルタ参照領域Ｒの周辺部の画素に対応するフィルタ係数の値が－０．１である場合、フィルタ係数ｈ’（ｉ、ｊ）をそのまま予測フィルタ係数としてフィルタ係数残差を生成すると、上記画素に対応するフィルタ係数残差の値は０．２となるが、本例のように、フィルタ参照領域Ｒの周辺部の画素に対応する予測フィルタ係数の値を０としてフィルタ係数残差を生成すると、上記画素に対応するフィルタ係数残差の値は０．１となる。
　このように、フィルタ参照領域Ｒの周辺部の画素に対応する予測フィルタ係数を０とすることによって、フィルタ係数残差＃１０２の符号量を削減することができる。
　なお、本例における予測フィルタ係数導出部１４３は、式（６）を用いてフィルタ参照領域Ｒの中心画素に対する予測フィルタ係数を導出するような構成としてもよい。
　（符号化データ＃１のデータ構造）
　以下では、動画像符号化装置２によって生成され、動画像復号装置１によって復号される符号化データ＃１のデータ構造について、図１１の（ａ）～（ｂ）を参照して説明する。
　図１１の（ａ）は、動画像符号化装置２によって生成され、動画像復号装置１に参照される符号化データ＃１のスライスごとのビットストリーム＃ＢＳを示している。図１１の（ａ）に示すように、ビットストリーム＃ＢＳは、フィルタパラメータ情報ＦＰ、フィルタ係数残差情報ＲＣ、マクロブロック情報ＭＢ１～ＭＢＮを含んでいる。ここで、フィルタ係数残差情報ＲＣは、動画像符号化装置２において生成されたフィルタ係数残差＃１０２を含む情報である。マクロブロック情報ＭＢ１～ＭＢＮは、スライス内に存在するマクロブロックの復号に用いられる情報である。Ｎはスライス内に存在するマクロブロックの数を表している。なお、マクロブロック情報は、予測モード、動きベクトル、参照画像インデクス、量子化パラメータ、量子化予測残差データなどを含む。
　図１１の（ｂ）は、フィルタパラメータ情報ＦＰの構成の一例を示している。
　図１１の（ｂ）に示すように、フィルタパラメータ情報ＦＰは、フィルタリングの参照画素数を示すパラメータ（タップ数）、および、フィルタリングのオン／オフを指定するオン／オフ指定情報を含む。
　また、フィルタパラメータ情報ＦＰは、動画像符号化装置２において算出された重み係数＃１４２’を示す重み係数情報を含むような構成としてもよい。
　以下では、動画像符号化装置２において説明した具体例に対応する符号化データ＃１の構成について説明する。
　（構成例１－１）
　動画像符号化装置２の備えるフィルタ係数予測部１４０’が、（具体例１－１’）のように動作する場合の、符号化データ＃１の構成例は以下の通りである。
　本例においては、フィルタ係数残差は、（具体例１－１’）に説明した処理によって算出された予測フィルタ係数＃１４０’を用いて生成されたフィルタ係数残差＃１０２を含む。
　また、符号化データ＃１におけるフィルタパラメータ情報ＦＰの重み係数情報には、（具体例１－１’）において算出された重み係数＃１４２’を含むような構成としてもよい。また、重み係数情報には、重み係数＃１４２’そのものではなく、重み係数＃１４２’を示すパラメータを含むような構成としても良い。例えば、各グループの重み係数が２／８、４／８、５／８、６／８、８／８といった、１／８の倍数である場合は、パラメータとして、各重み係数の分子（２、４、５、６、８）と、分母（８）をパラメータとして、重み係数情報に含めるような構成となる。
また、動画像復号装置１の備えるメモリに、重み係数＃１４２’が、予め記録されている場合には、フィルタパラメータ情報ＦＰの重み係数情報を含まない構成としてもよい。
　また、フィルタ対象領域情報には、フィルタ参照領域Ｒが、どのように分割されているかを示す情報、例えば、図５に示すようにグループ分けされていることを示す情報が含まれていてもよい。
　（構成例１－２）
　動画像符号化装置２の備えるフィルタ係数予測部１４０’が、（具体例１－２’）のように動作する場合の、符号化データ＃１の構成例は以下の通りである。
　本例においては、フィルタ係数残差は、（具体例１－２’）に説明した処理によって算出された予測フィルタ係数＃１４０’を用いて生成されたフィルタ係数残差＃１０２を含む。
　また、（具体例１－２’）において算出された重み係数は、動画像復号装置１において算出可能であるため、符号化データ＃１におけるフィルタパラメータ情報ＦＰには、重み係数情報を含まなくて良い。
　また、フィルタ対象領域情報には、フィルタ参照領域Ｒが、どのように分割されているかを示す情報、例えば、図５に示すようにグループ分けされていることを示す情報が含まれていてもよい。
　（構成例１－３）
　動画像符号化装置２の備えるフィルタ係数予測部１４０’が、（具体例１－３’）のように動作する場合の、符号化データ＃１の構成例は以下の通りである。
　本例においては、フィルタ係数残差は、（具体例１－３’）に説明した処理によって算出された予測フィルタ係数＃１４０’を用いて生成されたフィルタ係数残差＃１０２を含む。
　また、（具体例１－３’）において算出された重み係数は、動画像復号装置１において算出可能であるため、符号化データ＃１におけるフィルタパラメータ情報ＦＰには、重み係数情報を含まなくて良い。
　また、フィルタ対象領域情報には、フィルタ参照領域Ｒが、どのように分割されているかを示す情報、例えば、図５に示すようにグループ分けされていることを示す情報が含まれていてもよい。
　（構成例１－４）
　動画像符号化装置２の備えるフィルタ係数予測部１４０’が、（具体例１－４’）のように動作する場合の、符号化データ＃１の構成例は以下の通りである。
　本例においては、フィルタ係数残差は、（具体例１－４’）に説明した処理によって算出された予測フィルタ係数＃１４０’を用いて生成されたフィルタ係数残差＃１０２を含む。
　また、（具体例１－４’）において算出された重み係数は、動画像復号装置１において算出可能であるため、符号化データ＃１におけるフィルタパラメータ情報ＦＰには、重み係数情報を含まなくて良い。
　また、フィルタ対象領域情報には、フィルタ参照領域Ｒが、どのように分割されているかを示す情報、例えば、図５に示すようにグループ分けされていることを示す情報が含まれていてもよい。
　（構成例１－５）
　動画像符号化装置２の備えるフィルタ係数予測部１４０’が、（具体例１－５’）のように動作する場合の、符号化データ＃１の構成例は以下の通りである。
　本例においては、フィルタ係数残差は、（具体例１－５’）に説明した処理によって算出された予測フィルタ係数＃１４０’を用いて生成されたフィルタ係数残差＃１０２を含む。
　また、（具体例１－５’）において算出された重み係数は、動画像復号装置１において算出可能であるため、符号化データ＃１におけるフィルタパラメータ情報ＦＰには、重み係数情報を含まなくて良い。
　また、フィルタ対象領域情報には、フィルタ参照領域Ｒが、どのように分割されているかを示す情報、例えば、図５に示すようにグループ分けされていることを示す情報が含まれていてもよい。
　〔実施形態２〕
　（動画像復号装置３）
　本実施形態に係る動画像復号装置３の構成について図１２～図１４を参照して説明する。図１２は、動画像復号装置３の構成を示すブロック図である。なお、図１２では、図１において示した各ブロックと同一のブロックに関しては、同一の参照符号を付し、その説明を省略する。
　図１２に示すように、動画像復号装置３は、可変長符号復号部５１、動きベクトル復元部１４、バッファメモリ１５、インター予測画像生成部１６、イントラ予測画像生成部１７、予測方式決定部１８、逆量子化・逆変換部１９、加算器２０、デブロッキングフィルタ５０、および、適応フィルタ２００を備えている。
　動画像復号装置３は、符号化データ＃５を受け、復号画像＃６を出力する。
　可変長符号復号部５１は、符号化データ＃５を可変長復号し、差分動きベクトル＃１３ａ、サイド情報＃１３ｂ、量子化予測残差データ＃１３ｃ、フィルタ係数残差＃１３ｄ、フィルタパラメータ情報＃１３ｅ、および、フィルタ係数算出方法を示すフラグ＃５１を出力する。
　適応フィルタ２００は、符号化データ＃５から復号されたフラグ＃５１が示すフィルタ係数算出手法に従ってフィルタ係数残差＃１３ｄに基づいてフィルタ係数を算出し、デブロック画像＃５０に対して当該フィルタ係数を用いたフィルタリングを行うことによって出力画像データ＃２００を生成する。出力画像データ＃２００は、バッファメモリ１５に対して供給される。なお、適応フィルタ２００におけるフィルタリング処理は、符号化データ＃５から復号されたサイド情報＃１３ｂ、および、フィルタパラメータ情報＃１３ｅに含まれるパラメータに基づいて行われる。
　以下では、図１３を参照して、適応フィルタ２００の構成について説明する。
　（適応フィルタ２００）
　図１３は、適応フィルタ２００の構成を示すブロック図である。なお、図１３では、図２において示した各ブロックと同一のブロックに関しては、同一の参照符号を付し、その説明を省略する。図１３に示すように、適応フィルタ２００は、フィルタ処理部１１０、フィルタ係数予測部２１０、および、加算器２０２を備えている。
　加算器２０２は、符号化データ＃５から復号されたフィルタ係数残差＃１３ｄとフィルタ係数予測部２１０より出力された予測フィルタ係数＃２１０とを加算することによって、フィルタ係数＃２０２を生成し、出力する。
　フィルタ係数予測部２１０は、フィルタ係数算出方法を示すフラグ＃５１で示される方法に従い、フィルタ係数＃２０２のうち、復号済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数に基づいて、予測フィルタ係数＃２１０を算出する。予測フィルタ係数＃２１０は加算器２０２に対して出力される。
　図１４は、フィルタ係数予測部２１０の構成を示すブロック図である。なお、図１４では、図４において示した各ブロックと同一のブロックに関しては、同一の参照符号を付し、その説明を省略する。図１４に示すように、フィルタ係数予測部２１０は、フィルタ係数格納部１４１、重み係数算出部１４２、および、予測フィルタ係数導出部２１１を備えている。
　フィルタ係数予測部２１０は、フラグ＃５１に応じて、（具体例１－１）～（具体例１－５）において説明した予測フィルタ係数＃１４０と同様の予測フィルタ係数＃２１０を出力するか、または、復号済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１を予測フィルタ係数＃２１０として出力する。
　より具体的には、フィルタ係数予測部２１０の備える予測フィルタ係数導出部２１１は、例えば、フラグ＃５１の値が１である場合、復号済みフィルタ係数＃１４１と、重み係数算出部１４２によって算出された重み係数＃１４２とに基づいて、式（５）で表される予測フィルタ係数行列Ｐの各成分を導出し、予測フィルタ係数＃２１０として出力する。ここで、重み係数算出部１４２における重み係数の算出方法としては、すでに説明した（具体例１－１）～（具体例１－５）の何れかを用いればよい。
　一方で、フラグ＃５１の値が０である場合には、予測フィルタ係数導出部２１１は、復号済みフィルタ係数＃１４１を予測フィルタ係数＃２１０として出力する。
　このように、フィルタ係数予測部２１０は、フラグ＃５１に応じて、復号済みフィルタ係数＃１４１を予測フィルタ係数＃２１０として出力するか、または、フィルタ参照領域Ｒの各グループに対して個別に算出された重み係数を用いて導出されたフィルタ係数を予測フィルタ係数＃２１０として出力する。
　フィルタ係数予測部２１０は、このような動作を行うことによって、より少ない符号量のフィルタ係数残差＃１３ｄを含む符号化データ＃５を復号することができる。
　フィルタ係数予測部２１０は、フラグ＃５１を参照することなく、復号済みフィルタ係数＃１４１を予測フィルタ係数＃２１０として出力するか、または、フィルタ参照領域Ｒの各グループに対して個別に算出された重み係数を用いて導出されたフィルタ係数を予測フィルタ係数＃２１０として出力するような構成としてもよい。
　例えば、重み係数算出部１４２が、９×９タップのフィルタ参照領域を構成する各グループに対し、実施形態１の（具体例１－２）において説明した方法で重み係数＃１４２を算出した場合、グループＧに対する重み係数ａ＿ｇｒＧが、予め定められた値ｔｈより小さい場合には、重み係数ａ＿ｇｒＧを用いて、実施形態１の（具体例１－２）に示した方法と同様の方法に従い、予測フィルタ係数＃２１０を導出し、そうでない場合には、復号済みフィルタ係数＃１４１を予測フィルタ係数＃２１０として出力するような構成としてもよい。
　一般に、重み係数算出部１４２によって算出される重み係数＃１４２は、フレーム間の相関を表している。換言すれば、値のより小さい重み係数＃１４２が割り付けられた領域は、当該領域におけるフィルタ係数のフレーム間の相関がより低い。
　上記の構成に対応した構成を有する動画像符号化装置によれば、フィルタ係数のフレーム間の相関がより低い領域に対するフィルタ係数残差の符号量をより効果的に削減することができる。また、上記の構成によれば、そのように生成された符号化データを復号することができる。
　なお、上記構成は、重み係数算出部１４２が、実施形態１の他の具体例に対応する動作を行う場合に対しても同様に適用することができる。
　なお、本実施形態においても、可変長符号復号部５１、加算器２０２、および、フィルタ係数予測部２１０は、フィルタ係数残差＃１３ｄに基づいて、フィルタ係数＃２０２を復号するフィルタ係数復号装置を構成していると捉えることができる。
　（動画像符号化装置４）
　本実施形態に係る動画像符号化装置４の構成について図１５～図１７を参照して説明する。図１５は、動画像符号化装置４の構成を示すブロック図である。なお、図１５では、図７において示した各ブロックと同一のブロックに関しては、同一の参照符号を付し、その説明を省略する。
　図１５に示すように、動画像符号化装置４は、変換・量子化部２１、逆量子化・逆変換部２３、バッファメモリ２４、イントラ予測画像生成部２５、インター予測画像生成部２６、予測方式制御部２８、動きベクトル冗長性削減部２９、加算器３１、減算器３２、デブロッキングフィルタ５０、可変長符号化部４１、および、適応フィルタ２００’を備えている。
　動画像符号化装置４には、隣接する複数の画素から構成されるブロック画像に分割された入力画像＃４が入力される。
　動画像符号化装置４は、入力画像＃４の符号化処理を行い、符号化データ＃５を出力する。
　可変長符号化部４１は、量子化予測残差データ＃２１、差分動きベクトル＃２９、予測モード＃２８ｂ、フィルタ係数の予測方法を示すフラグ＃２２０、および、フィルタ係数残差＃１０２に対して可変長符号化を行い、符号化データ＃５を生成する。
　適応フィルタ２００’は、デブロック画像＃５０に対してフィルタリングを施すことによって出力画像データ＃２００’を生成し、バッファメモリ２４に対して出力する。また、適応フィルタ２００’は、フィルタリングに用いたフィルタ係数と、予測されたフィルタ係数との残差であるフィルタ係数残差＃１０２を可変長符号化部４１に対して出力する。また、適応フィルタ２００’は、フィルタ係数の予測方法を示すフラグ＃２２０を可変長符号化部４１に対して出力する。
　以下では、適応フィルタ２００’の構成例について、説明する。
　（適応フィルタ２００’の構成例１）
　図１６の（ａ）は、適応フィルタ２００’の第１の構成例を示している。本例においては、適応フィルタ２００’は、フィルタ係数予測部２１０’において算出される重み係数の値に応じて選択された予測フィルタ係数を出力する。
　図１６の（ａ）に示すように、適応フィルタ２００’は、フィルタ処理部１１０’、フィルタパラメータ決定部１２０’、フィルタ係数導出部１３０’、フィルタ係数予測部２１０’、減算器２０１ａ、および、予測手段選択部２２０ａを備えている。
　図１６の（ａ）においては、図８において示した各ブロックと同一のブロックに関しては、同一の参照符号を付し、その説明を省略する。
　減算器２０１ａは、フィルタ係数＃１３０’と、予測フィルタ係数＃２１０’との差分をとることによって、フィルタ係数残差＃１０２を生成し、可変長符号化部４１に対して出力する。
　（フィルタ係数予測部２１０’）
　図１７は、フィルタ係数予測部２１０’の構成を示すブロック図である。なお、図１７では、図９において示した各ブロックと同一のブロックに関しては、同一の参照符号を付し、その説明を省略する。図１７に示すように、フィルタ係数予測部２１０’は、フィルタ係数格納部１４１’、重み係数算出部１４２’および、予測フィルタ係数導出部２１１’を備えている。
　なお、フィルタ係数予測部２１０’における重み係数算出部１４２’によって算出された重み係数＃１４２’は、予測手段選択部２２０ａに対しても供給される。
　予測フィルタ係数導出部２１１’は、重み係数＃１４２’が予測手段選択部２２０ａに対して供給された後、予測手段選択部２２０ａから供給されるフラグ＃２２０の値に応じて、（具体例１－１’）～（具体例１－５’）の何れかにおいて説明した予測フィルタ係数＃１４０’と同様の予測フィルタ係数＃２１０’を出力するか、または、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１’を予測フィルタ係数＃２１０’として出力する。
　（予測手段選択部２２０ａ）
　予測手段選択部２２０ａは、重み係数＃１４２’の値が予め定められた値以上であるか、あるいは、そうでないかに応じて、フラグ＃２２０を出力する。
　例えば、重み係数算出部１４２’が、９×９タップのフィルタ参照領域を構成する各グループに対し、実施形態１の（具体例１－２’）において説明した方法で重み係数＃１４２’を算出した場合、グループＧに対する重み係数ａ＿ｇｒＧが、予め定められた値ｔｈより小さい場合は、重み係数ａ＿ｇｒＧを用いて予測フィルタ係数を導出することを示すフラグ＃２２０を出力する。一方で、グループＧに対する重み係数ａ＿ｇｒＧが、予め定められた値ｔｈ以上である場合には、予測手段選択部２２０ａは、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１’を出力することを示すフラグ＃２２０を出力する。
　なお、上記グループＧとしては、具体的には、グループ１～グループ４の何れかのグループをとればよい。また、重み係数ａ＿ｇｒＧに替えて、各グループに対する重み係数ａ＿ｇｒ１～ａ＿ｇｒ４の平均値を用いてもよい。
　フラグ＃２２０は、可変長符号化部４１に対して、出力されると共に、予測フィルタ係数導出部２１１において参照される。
　一般に、重み係数算出部１４２’によって算出される重み係数＃１４２’は、フレーム間の相関を表している。換言すれば、値のより小さい重み係数＃１４２’が割り付けられた領域は、当該領域におけるフィルタ係数のフレーム間の相関がより低い。
　一方で、フィルタ係数予測部２１０’は、重み係数＃１４２’を用いて予測フィルタ係数＃２１０’を導出することによって、フィルタ係数のフレーム間の相関がより低い領域に対する、フィルタ係数残差＃１０２の符号量をより効果的に削減することができる。また、フィルタ係数のフレーム間の相関がより高い領域に対しては、重み係数＃１４２’を用いずに予測フィルタ係数＃２１０’を出力することによって、計算量を削減できる。
　従って、本例のような動作を行うことによって、フィルタ係数予測部２１０’は、計算量を削減しつつ、フィルタ係数残差＃１０２の符号量を効果的に削減することができる。
　なお、上記の説明では、９×９タップのフィルタ参照領域において、（具体例１－２’）を例に挙げ説明を行ったが、本発明は、これに限定されるものではない。予測手段選択部２２０ａによる上記の選択処理は、重み係数算出部１４２’が、実施形態１の（具体例１－１’）～（具体例１－５’）において説明した方法で重み係数＃１４２’を算出する場合に対して適用することができる。
　なお、本構成例によって生成された符号化データ＃５を復号する動画像復号装置は、重み係数算出部１４２’に対応する構成によって算出される重み係数の値を、上記予め定められた閾値ｔｈと比較することによって、フラグ＃２２０を参照することなく、復号済みフィルタ係数を予測フィルタ係数として復号処理を行うか、または、フィルタ参照領域Ｒの各グループに対して個別に算出された重み係数を用いて導出されたフィルタ係数を予測フィルタ係数として復号処理を行うこともできる。
　したがって、本構成例においては、予測手段選択部２２０ａは、フラグ＃２２０を、可変長符号化部４１に対して供給しないような構成としてもよい。
　このような構成とすることによって、符号化データ＃５の符号量を削減することができる。
　（適応フィルタ２００’の構成例２）
　続いて、適応フィルタ２００’の第２の構成例について説明する。図１６の（ｂ）は、適応フィルタ２００’の第２の構成例を示している。
　図１６の（ｂ）に示すように、本例においては、適応フィルタ２００’は、（適応フィルタ２００’の構成例１）において説明した、予測手段選択部２２０ａに替えて、予測手段選択部２２０ｂを備えている。
　本例における予測フィルタ係数導出部２１１は、（具体例１－１’）～（具体例１－５’）の何れかにおいて説明した予測フィルタ係数＃１４０’と同様の予測フィルタ係数と、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数＃１４１’とを予測フィルタ係数＃２１０’として出力する。
　また、減算器２０１ｂは、フィルタ係数＃１３０’と、予測フィルタ係数＃２１０’との差分をとることによって、フィルタ係数残差＃２０１ｂを生成し、予測手段選択部２２０ｂに対して出力する。なお、フィルタ係数残差＃２０１ｂには、重み係数＃１４２’を用いて導出された予測フィルタ係数を用いて算出されたフィルタ係数残差＃ＲＣ１と、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数を用いて算出されたフィルタ係数残差＃ＲＣ２とが含まれる。
　（予測手段選択部２２０ｂ）
　予測手段選択部２２０ｂは、フィルタ係数残差＃ＲＣ１と、フィルタ係数残差＃ＲＣ２とを比較し、より小さいフィルタ係数残差をフィルタ係数残差＃１０２として出力する。また、図示しないが、予測手段選択部２２０ｂへの入力をフィルタ係数残差の符号量とし、両者の比較を行い、より小さい符号量に対応するフィルタ係数残差を、フィルタ係数残差＃１０２として出力する構成としても良い。
　また、予測手段選択部２２０ｂは、フィルタ係数残差＃ＲＣ１を出力する場合には、重み係数＃１４２’を用いて予測フィルタ係数が導出されたことを示すフラグ＃２２０を出力し、フィルタ係数残差＃ＲＣ２を出力する場合には、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数を用いて予測フィルタ係数が算出されたことを示すフラグ＃２２０を出力する。
　適応フィルタ２００’が以上のような構成をとることによって、適応フィルタ２００’は、符号量のより少ないフィルタ係数残差＃１０２を出力することができる。
　なお、本実施形態においても、可変長符号化部４１、減算器２０１ａ（または減算器２０１ｂ）、および、フィルタ係数予測部２１０’は、フィルタ係数＃１３０’を符号化するフィルタ係数符号化装置を構成していると捉えることができる。
　（符号化データ＃５のデータ構造）
　以下では、動画像符号化装置４によって生成された符号化データ＃５のデータ構造について説明する。
　符号化データ＃５のデータ構造は、図１１の（ａ）～（ｂ）を用いてすでに説明した符号化データ＃１のデータ構造とほぼ同様であるが、以下の点において異なる。
　まず、予測手段選択部２２０ｂを含む構成の場合、符号化データ＃５におけるフィルタパラメータ情報ＦＰには、予測フィルタ係数が、重み係数を用いて導出されたのか、または、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数を用いて算出されたのかを示すフラグが含まれる。また、上記フラグは、符号化データ＃５におけるフィルタパラメータ情報ＦＰに含まれる構成となる。
　符号化データ＃５を復号する動画像復号装置３は、当該フラグを参照することによって、動画像符号化装置４において用いられた方法と同じ方法を用いて予測フィルタ係数を導出することができる。したがって、符号化データ＃５を復号する動画像復号装置３は、当該フラグを参照することによって、符号量のより少ないフィルタ係数残差＃１０２を含む符号化データ＃５を復号することができる。
　また、上記フラグが、予測フィルタ係数が符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数を用いて算出されたことを示している場合には、符号化データ＃５は、重み係数情報を含まないような構成とすることができる。
　このような構成とすることにより、符号化データ＃５の符号量をさらに削減することができる。
　また、その場合、符号化データ＃５に含まれるフィルタ係数残差は、符号化済みのフレームに対するフィルタリング処理においてすでに用いられたフィルタ係数を用いて導出されたフィルタ係数残差に対応する。
　（付記事項）
　発明者は、周辺部のフィルタ係数（入力画像の周辺部の画素値に乗ぜられるフィルタ係数）は、中心部のフィルタ係数（入力画像の中心部の画素値に乗ぜられるフィルタ係数）と比べてフレーム間相関が小さいことを見出した。予測符号化を行っても期待されるほど符号化効率が上がらない、あるいは、予測符号化を行うとかえって符号化効率が低下するといった問題が生じるのは、フレーム間相関の低い周辺部のフィルタ係数についても、フレーム間相関の高い中心部のフィルタ係数と同様に予測符号化を行っていたからであると考えられる。本発明は、この知見に基づいてなされたものである。
　すなわち、本発明に係るフィルタ係数符号化装置は、上記課題を解決するために、対象画像に作用する対象フィルタの各フィルタ係数と、該フィルタ係数の予測値との差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも０に近くなるように構成されている、ことを特徴としている。
　上記の構成では、対象フィルタのフィルタ係数ｈの予測値を、参照フィルタのフィルタ係数ｈ’に重み係数ａを乗じることによって生成し、対象フィルタのフィルタ係数ｈと予測値ａｈ’との差ｈ－ａｈ’を符号化するようにしている。そして、フレーム間相関の低い周辺部の係数ｈ’に乗じる重み係数ａ（周辺部）を、フレーム間相関の高い周辺部の係数ｈ’に乗じる重み係数ａ（中心部）よりも０に近くなるようにしている。このため、フレーム間相関の低い周辺部のフィルタ係数ｈについて、｜ｈ－ａｈ’｜＜｜ｈ－ｈ’｜となって予測符号化の符号化効率が低下する事態を有効に回避することができる。
　また、本発明に係る上記フィルタ係数符号化装置においては、上記重み係数を蓄積する蓄積手段を更に備え、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の中央値となるように構成されている、ことが好ましい。
　一般に、参照フィルタの各フィルタ係数乗ぜられる重み係数には、画像間の相関がある。すなわち、符号化済みフィルタ係数の予測値の生成のために用いられた重み係数は、対象フィルタのフィルタ係数に対する予測値の導出に対しても適切な値であるという傾向がある。
　上記の構成によれば、本発明に係る上記フィルタ係数符号化装置は、上記重み係数を蓄積する蓄積手段を更に備えており、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の中央値となるように構成されているため、フィルタ係数残差の符号量をより効果的に削減することができるという更なる効果を奏する。
　また、上記の構成によれば、上記蓄積手段に蓄積された重み係数の中央値を用いているため、上記蓄積手段に蓄積された重み係数に、他の重み係数と値が大きく異なるような重み係数が含まれている場合であっても、そのような重み係数の影響をほとんど受けることのないフィルタ係数の残差を符号化することができる。
　また、本発明に係る上記フィルタ係数符号化装置においては、上記重み係数を蓄積する蓄積手段を更に備え、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の平均値となるように構成されている、ことが好ましい。
　一般に、参照フィルタの各フィルタ係数乗ぜられる重み係数には、画像間の相関がある。すなわち、符号化済みフィルタ係数の予測値の生成のために用いられた重み係数は、対象フィルタのフィルタ係数に対する予測値の導出に対しても適切な値であるという傾向がある。
　上記の構成によれば、本発明に係る上記フィルタ係数符号化装置は、上記重み係数を蓄積する蓄積手段を更に備えており、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の平均値となるように構成されているため、フィルタ係数残差の符号量をより効果的に削減することができるという更なる効果を奏する。
　また、上記の構成によれば、上記蓄積手段に蓄積された重み係数の平均値を用いているため、上記蓄積手段に蓄積された重み係数のばらつきが大きいような場合であっても、対象フィルタのフィルタ係数に対する適切な予測値を生成することができる。
　本発明に係るフィルタ係数符号化装置は、対象画像および参照画像を切り替えながら、順次、対象画像に作用する対象フィルタのフィルタ係数を符号化するものであり、過去の各対象フィルタのフィルタ係数と過去の各参照フィルタのフィルタ係数に共通の重み係数を乗じたものとの差の２乗和を最小化する共通の重み係数を、現在の参照フィルタのフィルタ係数に乗じる重み係数に設定する重み係数設定手段を更に備えている、ことが好ましい。
　上記の構成によれば、現在の対象フィルタのフィルタ係数を良く近似する予測値を生成することができる。
　また、本発明に係る上記フィルタ係数符号化装置においては、上記予測値生成手段は、入力画像の中心画素に乗じるフィルタ係数に対する予測値を、他のフィルタ係数の総和を所定の値から減じることによって算出する、ことが好ましい。
　一般に、量子化前のフィルタ係数の総和は、１に近い傾向がある。また、量子化後のフィルタ係数の総和は、量子化ステップの逆数に近いという傾向がある。
　上記の構成によれば、入力画像の中心画素に乗じるフィルタ係数に対する予測値を、他のフィルタ係数の総和を所定の値から減じることによって算出する、ことができるので、フィルタ係数の残差の符号量をより効果的に削減することができるという更なる効果を奏する。
　なお、上記所定の値は、（１）上記フィルタ係数が量子化されたものであるのか否か、および、（２）上記フィルタ係数が量子化されたものである場合には量子化ステップの大きさに応じて定めることができる（以下同様）。例えば、量子化前のフィルタ係数に対しては、上記所定の値として、１を用いればよい。また、量子化後のフィルタ係数に対しては、上記所定の値として、量子化ステップの逆数を用いればよい。より具体的には、量子化後のフィルタ係数に対しては、量子化ステップを１／Ｎstep（Ｎstep＝２n、ｎは自然数）としたとき、上記所定の値として、Ｎstepを用いればよい。
　また、本発明に係る他のフィルタ係数符号化装置は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記重み係数の値が予め定められた値より小さい場合に、上記第１の予測値を上記予測値に設定し、上記重み係数の値が上記予め定められた値以上である場合に、上記第２の予測値を上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成によれば、上記重み係数の値が、予め定められた値よりも小さい場合には、上記予測値として、上記重み係数を用いて算出された値を用い、上記重み係数の値が、予め定められた値以上である場合には、上記予測値として、上記参照フィルタのフィルタ係数そのものを用いることができるので、上記フィルタ係数残差を復号するために必要な計算量を削減することができるという効果を奏する。
　また、本発明に係る他のフィルタ係数符号化装置は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成によれば、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを予測値として生成されたフィルタ係数の残差を符号化することができるので、フィルタ係数の残差の符号量をより少なくすることができるという効果を奏する。
　また、本発明に係る動画像符号化装置は、上記フィルタ係数符号化装置を備え、局所復号画像に対して上記対象フィルタのフィルタ係数を用いたフィルタリングを行う、ことを特徴としている。
　本発明に係る上記の動画像符号化装置によれば、上記フィルタ係数符号化装置と同様の効果を奏する。
　また、本発明に係るフィルタ係数復号装置は、対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも０に近くなるように構成されている、ことを特徴としている。
　上記の構成に対応する構成を有するフィルタ係数符号化装置は、対象フィルタのフィルタ係数ｈの予測値を、参照フィルタのフィルタ係数ｈ’に重み係数ａを乗じることによって生成し、対象フィルタのフィルタ係数ｈと予測値ａｈ’との差ｈ－ａｈ’を符号化することができ、フレーム間相関の低い周辺部の係数ｈ’に乗じる重み係数ａ（周辺部）を、フレーム間相関の高い周辺部の係数ｈ’に乗じる重み係数ａ（中心部）よりも０に近くなるようにすることができる。このため、フレーム間相関の低い周辺部のフィルタ係数ｈについて、｜ｈ－ａｈ’｜＜｜ｈ－ｈ’｜となって予測符号化の符号化効率が低下する事態を有効に回避することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができる。
　また、本発明に係る上記フィルタ係数復号装置においては、上記重み係数を蓄積する蓄積手段を更に備え、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の中央値となるように構成されている、ことが好ましい。
　一般に、参照フィルタの各フィルタ係数乗ぜられる重み係数には、画像間の相関がある。すなわち、復号済みフィルタ係数の予測値の生成のために用いられた重み係数は、対象フィルタのフィルタ係数に対する予測値の導出に対しても適切な値であるという傾向がある。
　したがって、上記の構成に対応する構成を有するフィルタ係数符号化装置によれば、上記重み係数を蓄積する蓄積手段を更に備えており、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の中央値となるように構成されているため、フィルタ係数残差の符号量をより効果的に削減することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　また、上記の構成によれば、上記蓄積手段に蓄積された重み係数の中央値を用いているため、上記蓄積手段に蓄積された重み係数に、他の重み係数と値が大きく異なるような重み係数が含まれている場合であっても、そのような重み係数の影響をほとんど受けることのないフィルタ係数の残差を復号することができる。
　また、本発明に係る上記フィルタ係数復号装置においては、上記重み係数を蓄積する蓄積手段を更に備え、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の平均値となるように構成されている、ことが好ましい。
　一般に、参照フィルタの各フィルタ係数乗ぜられる重み係数には、画像間の相関がある。すなわち、復号済みフィルタ係数の予測値の生成のために用いられた重み係数は、対象フィルタのフィルタ係数に対する予測値の導出に対しても適切な値であるという傾向がある。
　したがって、上記の構成に対応する構成を有するフィルタ係数符号化装置によれば、上記重み係数を蓄積する蓄積手段を更に備えており、上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の平均値となるように構成されているため、フィルタ係数残差の符号量をより効果的に削減することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　また、上記の構成によれば、上記蓄積手段に蓄積された重み係数の平均値を用いているため、上記蓄積手段に蓄積された重み係数のばらつきが大きいような場合であっても、対象フィルタのフィルタ係数に対する適切な予測値を生成することができる。
　本発明に係るフィルタ係数復号装置は、対象画像および参照画像を切り替えながら、順次、対象画像に作用する対象フィルタのフィルタ係数を符号化するものであり、過去の各対象フィルタのフィルタ係数と過去の各参照フィルタのフィルタ係数に共通の重み係数を乗じたものとの差の２乗和を最小化する共通の重み係数を、現在の参照フィルタのフィルタ係数に乗じる重み係数に設定する重み係数設定手段を更に備えている、ことが好ましい。
　上記の構成によれば、現在の対象フィルタのフィルタ係数を良く近似する予測値を生成することができる。
　また、本発明に係る上記フィルタ係数復号装置においては、上記予測値生成手段は、入力画像の中心画素に乗じるフィルタ係数に対する予測値を、他のフィルタ係数の総和を所定の値から減じることによって算出する、ことが好ましい。
　一般に、量子化前のフィルタ係数の総和は、１に近い傾向がある。また、量子化後のフィルタ係数の総和は、量子化ステップの逆数に近いという傾向がある。
　したがって、上記の構成に対応する構成を有するフィルタ係数符号化装置よれば、入力画像の中心画素に乗じるフィルタ係数に対する予測値を、他のフィルタ係数の総和を所定の値から減じることによって算出することができるので、フィルタ係数の残差の符号量をより効果的に削減することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　なお、上記所定の値は、上述のように、（１）上記フィルタ係数が量子化されたものであるのか否か、および、（２）上記フィルタ係数が量子化されたものである場合には量子化ステップの大きさに応じて定めることができる。
　また、本発明に係る他の上記フィルタ係数復号装置は、対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記重み係数の値が予め定められた値より小さい場合に、上記第１の予測値を上記予測値に設定し、上記重み係数の値が上記予め定められた値以上である場合に、上記第２の予測値を上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成に対応する構成を有するフィルタ係数符号化装置によれば、上記重み係数の値が、予め定められた値よりも小さい場合には、上記予測値として、上記重み係数を用いて算出された値を用い、上記重み係数の値が、予め定められた値以上である場合には、上記予測値として、上記参照フィルタのフィルタ係数そのものを用いることができるので、上記フィルタ係数残差を復号するために必要な計算量を削減することができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　また、本発明に係る他の上記フィルタ係数復号装置は、対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを上記予測値に設定する予測値設定手段と、を備えていることを特徴としている。
　上記の構成に対応する構成を有するフィルタ係数符号化装置によれば、上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを予測値として生成されたフィルタ係数の残差を符号化することができるので、フィルタ係数の残差の符号量をより少なくすることができる。
　上記の構成を有するフィルタ係数復号装置は、そのように生成された符号量の少ない符号化データを復号することができるという効果を奏する。
　また、本発明に係る動画像復号装置は、上記フィルタ係数復号装置を備え、局所復号画像に対して上記対象フィルタのフィルタ係数を用いたフィルタリングを行う、ことを特徴としている。
　本発明に係る上記の動画像復号装置によれば、上記フィルタ係数復号装置と同様の効果を奏する。
　また、本発明に係る符号化データのデータ構造は、対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化することによって得られた符号化データのデータ構造であって、当該符号化データを復号するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に乗ぜられる重み係数を指定する重み係数情報を含み、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さい、ことを特徴としている。
　本発明者は、一般に、周辺部のフィルタ係数は、中心部のフィルタ係数よりも、フレーム間の相関が小さくなる傾向があることを見出した。
　したがって、周辺部のフィルタ係数に乗ぜられる重み係数を、中心部のフィルタ係数に乗ぜられる重み係数よりも小さくすることによって、フィルタ係数の残差の符号量を少なくすることができる。
　上記の構成を有する符号化データは、そのような重み係数を含む符号量の少ない符号化データである。また、上記の構成を有する符号化データを復号するフィルタ係数復号装置は、上記重み係数情報を参照することによって、フィルタ係数残差の符号量の少ない上記符号化データを復号することができる。
　本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
　本発明は、動画像を符号化し符号化データを生成する動画像符号化装置、そのような動画像符号化装置を用いて生成された符号化データを復号する動画像復号装置に好適に適用することができる。より具体的には、例えば、放送受信端末、および、ＨＤＤレコーダなどに好適に適用することができる。
１　動画像復号装置
１００　適応フィルタ
１１０　フィルタ処理部
１４０　フィルタ係数予測部（予測値生成手段）
１４１　フィルタ係数格納部
１４２　重み係数算出部
１４３　予測フィルタ係数導出部
２　動画像符号化装置
１００’　適応フィルタ
１１０’　フィルタ処理部
１２０’　フィルタパラメータ決定部
１３０’　フィルタ係数導出部
１４０’　フィルタ係数予測部（予測値生成手段）
１４１’　フィルタ係数格納部
１４２’　重み係数算出部
１４３’　予測フィルタ係数導出部

Claims (17)

  1. 　対象画像に作用する対象フィルタの各フィルタ係数と、該フィルタ係数に対する予測値との差を符号化するフィルタ係数符号化装置において、
    　参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、
    　上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも０に近くなるように構成されている、
    ことを特徴とするフィルタ係数符号化装置。
  2. 　上記重み係数を蓄積する蓄積手段を更に備え、
    　上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の中央値となるように構成されている、
    ことを特徴とする請求項１に記載のフィルタ係数符号化装置。
  3. 　上記重み係数を蓄積する蓄積手段を更に備え、
    　上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の平均値となるように構成されている、
    ことを特徴とする請求項１に記載のフィルタ係数符号化装置。
  4. 　当該フィルタ係数符号化装置は、対象画像および参照画像を切り替えながら、順次、対象画像に作用する対象フィルタのフィルタ係数を符号化するものであり、
    　過去の各対象フィルタのフィルタ係数と過去の各参照フィルタのフィルタ係数に共通の重み係数を乗じたものとの差の２乗和を最小化する共通の重み係数を、現在の参照フィルタのフィルタ係数に乗じる重み係数に設定する重み係数設定手段を更に備えている、
    ことを特徴とする請求項１に記載のフィルタ係数符号化装置。
  5. 　上記予測値生成手段は、入力画像の中心画素に乗じるフィルタ係数に対する予測値を、他のフィルタ係数の総和を所定の値から減じることによって算出する、
    ことを特徴とする請求項１から４の何れか１項に記載のフィルタ係数符号化装置。
  6. 　対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、
    　参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、
    　上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、
    　上記重み係数の値が予め定められた値より小さい場合に、上記第１の予測値を上記予測値に設定し、上記重み係数の値が上記予め定められた値以上である場合に、上記第２の予測値を上記予測値に設定する予測値設定手段と、
    を備えていることを特徴とするフィルタ係数符号化装置。
  7. 　対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化するフィルタ係数符号化装置において、
    　参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、
    　上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、
    　上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを上記予測値に設定する予測値設定手段と、
    を備えていることを特徴とするフィルタ係数符号化装置。
  8. 　請求項１から７の何れか１項に記載のフィルタ係数符号化装置を備え、局所復号画像に対して上記対象フィルタのフィルタ係数を用いたフィルタリングを行う、
    ことを特徴とする動画像符号化装置。
  9. 　対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、
    　参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって上記予測値を生成する予測値生成手段を備えており、
    　上記予測値生成手段は、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも０に近くなるように構成されている、
    ことを特徴とするフィルタ係数復号装置。
  10. 　上記重み係数を蓄積する蓄積手段を更に備え、
    　上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の中央値となるように構成されている、
    ことを特徴とする請求項９に記載のフィルタ係数復号装置。
  11. 　上記重み係数を蓄積する蓄積手段を更に備え、
    　上記予測値生成手段は、上記対象フィルタのフィルタ係数に乗じる重み係数が、上記蓄積手段に蓄積された重み係数の平均値となるように構成されている、
    ことを特徴とする請求項９に記載のフィルタ係数復号装置。
  12. 　当該フィルタ係数復号装置は、対象画像および参照画像を切り替えながら、順次、対象画像に作用する対象フィルタのフィルタ係数を符号化するものであり、
    　過去の各対象フィルタのフィルタ係数と過去の各参照フィルタのフィルタ係数に共通の重み係数を乗じたものとの差の２乗和を最小化する共通の重み係数を、現在の参照フィルタのフィルタ係数に乗じる重み係数に設定する重み係数設定手段を更に備えている、
    ことを特徴とする請求項９に記載のフィルタ係数復号装置。
  13. 　上記予測値生成手段は、入力画像の中心画素に乗じるフィルタ係数に対する予測値を、他のフィルタ係数の総和を所定の値から減じることによって算出する、
    ことを特徴とする請求項９から１２の何れか１項に記載のフィルタ係数復号装置。
  14. 　対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、
    　参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、
    　上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、
    　上記重み係数の値が予め定められた値より小さい場合に、上記第１の予測値を上記予測値に設定し、上記重み係数の値が上記予め定められた値以上である場合に、上記第２の予測値を上記予測値に設定する予測値設定手段と、
    を備えていることを特徴とするフィルタ係数復号装置。
  15. 　対象画像に作用する対象フィルタのフィルタ係数を、符号化データを復号することにより得られたフィルタ係数残差に予測値を加算することによって復元するフィルタ係数復号装置において、
    　参照画像に作用する参照フィルタの各フィルタ係数に重み係数を乗じることによって第１の予測値を生成する第１の予測値生成手段であって、周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さくなるように構成された第１の予測値生成手段と、
    　上記参照フィルタの各フィルタ係数を第２の予測値に設定する第２の予測値生成手段と、
    　上記第１の予測値、または、上記第２の予測値のうち、上記フィルタ係数との残差がより小さいものを上記予測値に設定する予測値設定手段と、
    を備えていることを特徴とするフィルタ係数復号装置。
  16. 　請求項９から１５の何れか１項に記載のフィルタ係数復号装置を備え、局所復号画像に対して上記対象フィルタのフィルタ係数を用いたフィルタリングを行う、
    ことを特徴とする動画像復号装置。
  17. 　対象画像に作用する対象フィルタのフィルタ係数の、当該フィルタ係数に対する予測値との残差を符号化することによって得られた符号化データのデータ構造であって、
    　当該符号化データを復号するフィルタ係数復号装置において、参照画像に作用する参照フィルタの各フィルタ係数に乗ぜられる重み係数を指定する重み係数情報を含み、
    　周辺部のフィルタ係数に乗じる重み係数が、中心部のフィルタ係数に乗じる重み係数よりも小さい、
    ことを特徴とする符号化データのデータ構造。
PCT/JP2011/052923 2010-02-26 2011-02-10 フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造 Ceased WO2011105231A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012501739A JPWO2011105231A1 (ja) 2010-02-26 2011-02-10 フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010-043169 2010-02-26
JP2010043169 2010-02-26

Publications (1)

Publication Number Publication Date
WO2011105231A1 true WO2011105231A1 (ja) 2011-09-01

Family

ID=44506645

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/052923 Ceased WO2011105231A1 (ja) 2010-02-26 2011-02-10 フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造

Country Status (2)

Country Link
JP (1) JPWO2011105231A1 (ja)
WO (1) WO2011105231A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012137890A1 (ja) * 2011-04-05 2012-10-11 シャープ株式会社 画像フィルタ装置、復号装置、符号化装置、および、データ構造
JP2014532375A (ja) * 2011-10-13 2014-12-04 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ ビデオコーディングにおいて適応ループフィルタとマージされたサンプル適応オフセット
WO2019111720A1 (ja) * 2017-12-06 2019-06-13 ソニー株式会社 符号化装置、符号化方法、復号装置、及び、復号方法
WO2019198519A1 (ja) * 2018-04-11 2019-10-17 ソニー株式会社 データ処理装置及びデータ処理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08163408A (ja) * 1994-12-02 1996-06-21 Sony Corp ノイズ検出回路、ノイズ除去回路及び輪郭強調回路
JP2003529115A (ja) * 1999-02-17 2003-09-30 サン マイクロシステムズ，インコーポレイティッド スーパサンプリング・サンプル・バッファを有し、サンプル位置情報を効果的に記憶するグラフィックス・システム
JP2006135376A (ja) * 2004-11-02 2006-05-25 Toshiba Corp 動画像符号化装置、動画像符号化方法、動画像復号化装置および動画像復号化方法
JP2007288810A (ja) * 2007-07-03 2007-11-01 Nippon Telegr & Teleph Corp <Ntt> 画像符号化方法，画像復号方法，画像符号化装置，画像復号装置，画像符号化プログラム，画像復号プログラムおよびコンピュータ読み取り可能な記録媒体
WO2010076856A1 (ja) * 2009-01-05 2010-07-08 株式会社 東芝 動画像符号化方法及び動画像復号化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08163408A (ja) * 1994-12-02 1996-06-21 Sony Corp ノイズ検出回路、ノイズ除去回路及び輪郭強調回路
JP2003529115A (ja) * 1999-02-17 2003-09-30 サン マイクロシステムズ，インコーポレイティッド スーパサンプリング・サンプル・バッファを有し、サンプル位置情報を効果的に記憶するグラフィックス・システム
JP2006135376A (ja) * 2004-11-02 2006-05-25 Toshiba Corp 動画像符号化装置、動画像符号化方法、動画像復号化装置および動画像復号化方法
JP2007288810A (ja) * 2007-07-03 2007-11-01 Nippon Telegr & Teleph Corp <Ntt> 画像符号化方法，画像復号方法，画像符号化装置，画像復号装置，画像符号化プログラム，画像復号プログラムおよびコンピュータ読み取り可能な記録媒体
WO2010076856A1 (ja) * 2009-01-05 2010-07-08 株式会社 東芝 動画像符号化方法及び動画像復号化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012137890A1 (ja) * 2011-04-05 2012-10-11 シャープ株式会社 画像フィルタ装置、復号装置、符号化装置、および、データ構造
JP2014532375A (ja) * 2011-10-13 2014-12-04 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ ビデオコーディングにおいて適応ループフィルタとマージされたサンプル適応オフセット
US9357235B2 (en) 2011-10-13 2016-05-31 Qualcomm Incorporated Sample adaptive offset merged with adaptive loop filter in video coding
WO2019111720A1 (ja) * 2017-12-06 2019-06-13 ソニー株式会社 符号化装置、符号化方法、復号装置、及び、復号方法
WO2019198519A1 (ja) * 2018-04-11 2019-10-17 ソニー株式会社 データ処理装置及びデータ処理方法

Also Published As

Publication number Publication date
JPWO2011105231A1 (ja) 2013-06-20

Similar Documents

Publication Publication Date Title
JP6660074B2 (ja) 映像復号化方法及び装置
JP6335365B2 (ja) 復号装置
JP5728671B2 (ja) 映像復号化装置
JP5266342B2 (ja) 映像イントラ予測方法及び装置
JP5846666B2 (ja) イントラ予測モード復号化方法及び装置
KR20130011878A (ko) 연성 디블록킹 필터링을 이용한 부호화/복호화 방법 및 장치
KR20100004037A (ko) 영상의 부호화 방법 및 장치, 그 복호화 방법 및 장치
JP5594841B2 (ja) 画像符号化装置及び画像復号装置
WO2011105231A1 (ja) フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造
KR102435316B1 (ko) 이미지 처리 장치 및 방법
JP6454229B2 (ja) 画像符号化装置、画像復号装置、画像符号化プログラム及び画像復号プログラム
WO2011125445A1 (ja) 画像フィルタ装置、符号化装置、および、復号装置
WO2011105230A1 (ja) フィルタ係数符号化装置、フィルタ係数復号装置、動画像符号化装置、動画像復号装置、および、データ構造
JP2013121044A (ja) 画像符号化装置及び画像符号化方法
KR101802304B1 (ko) 하다마드 변환을 이용한 부호화 방법 및 이러한 방법을 사용하는 장치
JP4902553B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、画像符号化プログラム、画像復号プログラムおよびそれらのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2024125778A (ja) 画像符号化装置、画像符号化方法、およびプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11747195

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2012501739

Country of ref document: JP

122 Ep: pct application non-entry in european phase

Ref document number: 11747195

Country of ref document: EP

Kind code of ref document: A1