WO2012023281A1 - 動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置 - Google Patents

動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置 Download PDF

Info

Publication number
WO2012023281A1
WO2012023281A1 PCT/JP2011/004597 JP2011004597W WO2012023281A1 WO 2012023281 A1 WO2012023281 A1 WO 2012023281A1 JP 2011004597 W JP2011004597 W JP 2011004597W WO 2012023281 A1 WO2012023281 A1 WO 2012023281A1
Authority
WO
WIPO (PCT)
Prior art keywords
picture
reference list
video
decoding
pictures
Prior art date
Application number
PCT/JP2011/004597
Other languages
English (en)
French (fr)
Inventor
ビクター ワハダニア
チョンスン リム
西　孝啓
陽司 柴原
寿郎 笹井
Original Assignee
パナソニック株式会社
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 パナソニック株式会社 filed Critical パナソニック株式会社
Publication of WO2012023281A1 publication Critical patent/WO2012023281A1/ja

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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/58—Motion compensation with long-term prediction, i.e. the reference frame for a current frame not being the temporally closest one
    • 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
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation

Definitions

  • the present invention relates to a multimedia data encoding method and decoding method, and more particularly, to a moving image encoding method and decoding method using inter prediction.
  • H. 263 Non-Patent Document 1
  • MPEG-4 AVC / H. H.264 Non-Patent Document 2
  • the latest moving picture coding methods such as HEVC (High-Efficiency Video Coding) that appear in the near future are motions from previously coded pictures stored in picture memory.
  • This inter prediction process uses a single-hypothesis scheme or a multi-hypothesis scheme.
  • prediction data is obtained by performing motion compensation from one reference picture.
  • prediction data is obtained by combining data on which motion compensation has been performed from two or more reference pictures.
  • ⁇ Flexible reference picture selection> One factor that contributes to improving the coding gain is the flexible selection of reference pictures for each of the inter prediction units (eg, macroblock boundaries in H.264, etc.).
  • a reference list is created.
  • the reference list includes an ordered list of information that uniquely addresses / identifies for each of the available reference pictures. Reference pictures in the reference list are identified by a unique reference index. Therefore, flexible reference is possible by transmitting the reference index signal at the level of the inter prediction unit.
  • the reference index signal is written into the compressed video stream using variable length coding.
  • variable length coding low reference index values are represented with fewer bits than high reference index values. Therefore, the reference list should be created so that the most commonly used reference picture is placed at the top of the reference list.
  • H.264 at the start of the picture decoding process, an initial reference list is created based on the picture order of available reference pictures.
  • the picture order is a coding order (in order of time for encoding or decoding a picture) or an output order (in order of time for outputting / displaying a reconstructed picture).
  • reference list reordering commands may be signaled in the compressed video stream to further rearrange the reference list. However, such a reordering command signal consumes additional bits and reduces coding efficiency. Furthermore, reordering of the reference list increases the computational complexity in the video decoding process.
  • Hierarchical coding structure Recent video coding developments, such as the ongoing development of the HEVC video coding standard, utilize a hierarchical coding structure for design, experimentation and evaluation activities. Advantages of the hierarchical coding structure include improvement of coding efficiency, improvement of picture quality, and time expandability of moving picture frame rate.
  • pictures are arranged at a temporal level. In the time level arrangement, the highest time level means the lowest frame rate, and the lower the time level, the higher the frame rate. Examples of hierarchical coding structures are shown in FIGS.
  • the coding gain is improved by coding a picture with a high time level with a better image quality than that of a picture with a low time level (for example, by reducing the number of times of application of quantization). It is also improved by performing motion compensated inter prediction from higher temporal level reference pictures more frequently than lower temporal level reference pictures.
  • it is generally more efficient to predict the current picture 122 from the reference pictures 110, 112, 114, and 120 (located at the same or higher time level).
  • ITU-T Recommendation H. 263 video coding for low bit rate communication
  • ITU-T Recommendation H. H.264 Advanced Video Coding for Generic Audiovisual Services
  • the conventional reference list creation method has a problem that a reference list suitable for a hierarchical coding structure cannot be efficiently created.
  • a reference list reordering command needs to be included in the compressed video stream. Such commands consume additional bits in the compressed video stream and unnecessarily increase computational complexity to execute the reference list reordering command.
  • the present invention provides a moving picture decoding method and a moving picture capable of efficiently creating a reference list suitable for a hierarchical coding structure so that consumption of bits in a picture header is suppressed and calculation is not complicated.
  • An object is to provide an image encoding method.
  • a moving picture decoding method for decoding an encoded moving picture stream in which a moving picture is encoded using motion prediction, and includes: Analyzing the first parameter indicating the level from the header of the encoded picture, creating a reference list for decoding the target picture according to the hierarchical reference list creation method using the temporal level, using the reference list, A motion prediction of a block composed of a plurality of samples in the target picture is performed.
  • a video encoding method for generating an encoded video stream by encoding a video using motion prediction.
  • a method for determining a temporal level of a picture, writing a first parameter indicating the temporal level in a header of an encoded picture, and encoding a target picture according to a hierarchical reference list creation method using the temporal level A reference list is created, motion detection of a block composed of a plurality of pixels in the target picture is performed using the reference list, and motion prediction of the block is performed using the reference list.
  • the present invention can be implemented not only as such a moving image decoding method or a moving image encoding method, but also for executing each step included in such a moving image decoding method or a moving image encoding method. It can be realized as a moving picture decoding apparatus or a moving picture encoding apparatus including the processing unit.
  • the present invention can also be realized as a program that causes a computer to execute each step included in the video decoding method or the video encoding method.
  • Such a program can be distributed via a non-temporary recording medium such as a CD-ROM (Compact Disc Only Memory) or a transmission medium such as the Internet.
  • FIG. 1 is a diagram illustrating an example of a hierarchical coding structure.
  • FIG. 2 is a diagram illustrating another example of the hierarchical coding structure.
  • FIG. 3 is a flowchart showing the moving image encoding processing according to Embodiment 1 of the present invention.
  • FIG. 4 is a flowchart showing moving image decoding processing according to Embodiment 1 of the present invention.
  • FIG. 5 is a block diagram showing an example of a moving picture encoding apparatus according to Embodiment 1 of the present invention.
  • FIG. 6 is a block diagram showing an example of a moving picture decoding apparatus according to Embodiment 1 of the present invention.
  • FIG. 1 is a diagram illustrating an example of a hierarchical coding structure.
  • FIG. 2 is a diagram illustrating another example of the hierarchical coding structure.
  • FIG. 3 is a flowchart showing the moving image encoding processing according to Embodiment 1 of the present invention.
  • FIG. 4 is a
  • FIG. 7 is a flowchart showing a first example of the reference list creation process in the moving picture coding and decoding process according to Embodiment 1 of the present invention.
  • FIG. 8 is a flowchart showing a second example of the reference list creation process in the moving picture coding process according to Embodiment 1 of the present invention.
  • FIG. 9 is a flowchart showing a second example of the reference list creation process in the video decoding process according to Embodiment 1 of the present invention.
  • FIG. 10 is a flowchart showing a third example of the reference list creation process in the video encoding process according to Embodiment 1 of the present invention.
  • FIG. 11 is a flowchart showing a third example of the reference list creation process in the video decoding process according to Embodiment 1 of the present invention.
  • FIG. 12 is a flowchart showing a fourth example of the reference list creation process in the moving picture coding process according to Embodiment 1 of the present invention.
  • FIG. 13 is a flowchart showing a fourth example of the reference list creation process in the video decoding process according to Embodiment 1 of the present invention.
  • FIG. 14 is a flowchart showing a first example of a reference list creation process for a picture using single hypothesis inter prediction according to Embodiment 1 of the present invention.
  • FIG. 12 is a flowchart showing a fourth example of the reference list creation process in the moving picture coding process according to Embodiment 1 of the present invention.
  • FIG. 13 is a flowchart showing a fourth example of the reference list creation process in the video decoding process according to Embodiment 1 of the present invention.
  • FIG. 14 is a flowchar
  • FIG. 15 is a flowchart showing a first example of a reference list creation process for a picture using bi-hypothesis inter prediction according to Embodiment 1 of the present invention.
  • FIG. 16 is a flowchart showing a second example of the reference list creation process for pictures using single hypothesis inter prediction according to Embodiment 1 of the present invention.
  • FIG. 17 is a flowchart showing a second example of the reference list creation process for a picture using bi-hypothesis inter prediction according to Embodiment 1 of the present invention.
  • FIG. 18 is a diagram illustrating an example of the position of the time level information in the compressed moving image stream.
  • FIG. 19 is a diagram illustrating an example of the position of the reference list reordering parameter in the compressed video stream.
  • FIG. 20 is a diagram illustrating an example of the position of the time reference selection parameter in the compressed video stream.
  • FIG. 21 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 22 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 23 is a block diagram illustrating a configuration example of a television.
  • FIG. 24 is a block diagram illustrating a configuration example of an information reproducing / recording unit that reads and writes information from and on a recording medium that is an optical disk.
  • FIG. 25 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 26A shows an example of a mobile phone.
  • FIG. 26B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 26A shows an example of a mobile phone.
  • FIG. 27 is a diagram showing a structure of multiplexed data.
  • FIG. 28 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 29 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 30 is a diagram illustrating the structure of TS packets and source packets in multiplexed data.
  • FIG. 31 is a diagram illustrating a data structure of the PMT.
  • FIG. 32 shows the internal structure of multiplexed data information.
  • FIG. 33 shows the internal structure of stream attribute information.
  • FIG. 34 is a diagram showing steps for identifying video data.
  • FIG. 35 is a block diagram illustrating a configuration example of an integrated circuit that realizes the moving image encoding method and the moving image decoding method according to each embodiment.
  • FIG. 36 is a diagram showing a configuration for switching the driving frequency.
  • FIG. 37 is a diagram showing steps for identifying video data and switching between driving frequencies.
  • FIG. 38 is a diagram showing an example of a look-up table in which video data standards are associated with drive frequencies.
  • (A) of FIG. 39 is a figure which shows an example of the structure which shares the module of a signal processing part.
  • FIG. 39B is a diagram illustrating another example of a configuration for sharing a module of the signal processing unit.
  • FIG. 1 and 2 show examples of two types of hierarchical coding structures that are generally used to improve coding efficiency.
  • the smallest time index indicates the highest time level, and an increase in time index corresponds to a decrease in time level.
  • This correspondence is used in this specification for consistency of description. The same as this correspondence is HEVC, H. H.264 MVC extension and H.264 It is also used in the syntax element temporal_id employed in the H.264 SVC extension. It will be apparent to those skilled in the art that a correspondence relationship in which a large time level index indicates a high time level can also be used for the same purpose.
  • picture type I is a picture encoded using intra prediction
  • picture type P is a picture encoded using single-hypothesis inter-prediction
  • Picture type B is a picture encoded using dual-hypothesis inter-prediction.
  • a B picture stored in the picture memory as a reference picture for inter-frame prediction is indicated as a Bs picture.
  • An index value of an encoding order time order of pictures to be encoded and decoded
  • an index value of an output order time order in which a reconstructed picture is output / displayed
  • the large order index value indicates a time later than the small order index value.
  • FIG. 1 shows hierarchical encoding of random access type.
  • the random access type hierarchical coding a compressed moving image is correctly decoded and reconstructed from any I picture.
  • Such a random access hierarchical coding structure provides high coding efficiency compared to other coding structures.
  • FIG. 2 shows a low-delay type hierarchical coding. In the low-delay type hierarchical encoding, the reconstructed picture is output as soon as the decoding process is completed.
  • the target picture 122 (temporal index 1) has a reference picture 110, 112, 114, and 120 (temporal) rather than inter prediction from the reference pictures 130 and 132 (temporal index 2).
  • inter prediction from indexes 0 and 1) it is encoded more efficiently.
  • the target picture 222 (temporal index 1) is more predictive than the reference pictures 230, 232, and 234 (temporal index 2).
  • predicting from time indexes 0 and 1) By predicting from time indexes 0 and 1), encoding is more efficient.
  • FIG. 3 is a flowchart showing a moving image encoding process according to Embodiment 1 of the present invention.
  • the module 300 determines the time level of the picture by assigning time level information to the picture to be encoded and further obtaining the time level information of the previously stored picture stored in the picture memory.
  • An example of time level information is the time index described above.
  • the time level information corresponds to the first parameter.
  • the time level information is assigned to the target picture based on the temporal relationship between the target picture and other neighboring pictures in the same sequence.
  • the reference list used in the inter prediction process is created using the temporal level and the picture order information according to the hierarchical reference list creation method.
  • the current picture is encoded using information in the reference list.
  • the current picture is decoded and stored in picture memory as a reference picture for a picture to be encoded later.
  • FIG. 4 is a flowchart showing a video decoding process according to Embodiment 1 of the present invention.
  • the module 400 analyzes time level information from the header of the compressed video stream.
  • FIG. 18 shows an example of the position of the time level information in the compressed video stream.
  • a reference list used in inter prediction is created using temporal levels and picture order information.
  • the reference list created by the module 402 includes reference picture information arranged in the same manner as the reference list created by the encoding process of the module 302.
  • the module 404 uses the reference list created in the module 402 to decode the target picture from the compressed video stream.
  • FIG. 5 is a block diagram showing an example of a moving picture coding apparatus according to Embodiment 1 of the present invention.
  • the moving image encoding apparatus includes a time level determination unit 500, a subtraction unit 502, a residual encoding unit 504, an entropy encoding unit 506, a residual decoding unit 508, an adding unit 510, and a filter unit 512.
  • the time level determination unit 500 acquires time relationship information of the video sequence D500 and determines a time index D502 of the target picture.
  • the subtraction unit 502 acquires the original sample D504 of the current picture, subtracts it with the inter prediction sample D528, and outputs the residual value D506.
  • the residual encoding unit 504 acquires a residual value D506 and outputs a compressed residual coefficient D508.
  • the compression residual coefficient D508 is entropy encoded in the compressed moving image D510 by the entropy encoding unit 506.
  • the residual decoding unit 508 acquires the compressed residual coefficient D508 and outputs a decoded residual value D514.
  • the adding unit 510 obtains the residual value D514, adds it to the value of the inter prediction sample D528, and reconstructs the image sample D516.
  • the filter unit 512 reads the reconstructed image sample D516 and outputs a filtered image sample D518.
  • the filtered image sample D518 is stored in the memory unit 514.
  • the reference list creation unit 516 reads the time index D502 of the target picture and the time index D522 of the picture stored in the memory unit 514, and outputs the reference list D524.
  • the motion detection unit 518 reads the reference list D524 and the image sample D520 from the memory unit 514, and estimates the motion vector and the reference index.
  • the motion detection unit 518 outputs the motion vector, the reference index, and the image sample D526 to the motion interpolation unit 520.
  • the motion interpolation unit 520 reads a motion vector, a reference index, and an image sample D526, and outputs an inter prediction sample D528.
  • FIG. 6 is a block diagram showing an example of a video decoding apparatus according to Embodiment 1 of the present invention.
  • the moving picture decoding apparatus includes an entropy decoding unit 600, a residual decoding unit 602, an adding unit 604, a filter unit 606, a memory unit 608, a reference list creating unit 610, and a motion interpolation unit 612.
  • the entropy decoding unit 600 reads a compressed moving image stream D600 and outputs a compression residual coefficient D602.
  • the entropy decoding unit 600 further analyzes the time index D614 of the target picture from the header of the compressed video stream D600.
  • the entropy decoding unit 600 further decodes the motion vector and the reference index D616 from the compressed video stream D600.
  • the residual decoding unit 602 reads the compressed residual coefficient D602 and outputs a decoded residual value D604.
  • the adding unit 604 reads the residual value D604 and the inter prediction sample D620, and outputs a reconstructed sample D606.
  • the filter unit 606 reads the reconstructed sample D606 and outputs a filtered sample D608.
  • the reference list creation unit 610 reads the time index D614 of the target picture and the time index D612 of the picture stored in the memory unit 608, and outputs a reference list D618.
  • the motion interpolation unit 612 reads the motion vector, the reference index D616, the reference list D618, and the stored image sample D610, and then outputs an inter prediction sample D620.
  • FIG. 7 is a flowchart showing a first example of the reference list creation process in the moving picture coding and decoding process according to the first embodiment of the present invention.
  • a set of reference pictures is selected from a set of reconstructed pictures stored in a picture memory according to a selection criterion.
  • This set of reference pictures corresponds to a plurality of active reference pictures.
  • Selection criteria are, for example, H.264 described in section 8.2.5 of the MPEG-4 Part 10 specification.
  • H.264 reference picture creation processing In module 702, a reference list indicating reference pictures in a specific order is created using both temporal level information and picture order information of reference pictures. Each reference picture shown in the reference list is identified by a unique reference index.
  • FIG. 8 is a flowchart showing a second example of the reference list creation process in the moving picture coding process according to Embodiment 1 of the present invention.
  • a set of reference pictures is selected from a set of reconstructed pictures stored in picture memory according to a selection criterion.
  • the module 802 creates an initial reference list indicating the reference pictures in a specific order using both the time level information and the picture order information of the reference pictures.
  • the module 804 determines whether or not to reorder the initial reference list. It may be necessary to reorder for a number of reasons, for example to encode a scene of a video more efficiently or for specific application characteristics. .
  • module 806 rearranges the order of the reference picture identifiers in the reference list. Thereafter, the module 808 writes the reference list reordering parameter in the compressed video stream header.
  • the reference list reordering parameter includes information (for example, a flag) indicating whether or not to reorder the reference list.
  • the reference list reordering parameter further includes information indicating a method / procedure (reorder procedure) for reordering the reference list.
  • FIG. 19 shows an example of the position of the reference list reordering parameter in the compressed video stream.
  • H An example of a H.264 reference list reordering method is in section 8.2.2.3 of the MPEG-4 Part 10 specification.
  • FIG. 9 is a flowchart showing a second example of the reference list creation process in the video decoding process according to Embodiment 1 of the present invention.
  • the reference list reordering parameter is analyzed from the header of the compressed video stream.
  • the module 902 selects a reference picture set from the set of reconstructed pictures stored in the picture memory according to the same selection criteria as in the encoding process (module 800 in FIG. 8).
  • an initial reference list is created using both time level information and picture order information.
  • module 906 determines whether to reorder the reference list based on information included in the reference picture reordering parameter.
  • module 908 When reordering the reference list, module 908 reorders the reference list according to the reorder procedure indicated by the reference picture reordering parameter.
  • the reference list created in the encoding process of FIG. 8 and the reference list created in the decoding process of FIG. 9 have the same reference picture order.
  • FIG. 10 is a flowchart showing a third example of the reference list creation process in the moving picture coding process according to Embodiment 1 of the present invention.
  • Module 1000 determines whether time level selection criteria are applied. When the temporal level selection criterion is applied, the module 1002 excludes the reconstructed pictures stored in the picture memory that have a temporal index larger than the index of the target picture (ie, the temporal level is low). A reference picture set is selected from the pictures. On the other hand, if the temporal level selection criterion is not applied, the module 1004 selects a set of reference pictures from the reconstructed pictures stored in the picture memory without considering the temporal index. For example, a time level selection criterion is useful when creating a compressed video stream having time expandability.
  • a reference list indicating the selected reference pictures in a specific order is created using both temporal level information and picture order information of the reference pictures.
  • a temporal reference selection parameter is written to the header of the compressed video stream to indicate whether temporal level selection criteria are applied.
  • the time reference selection parameter corresponds to the second parameter.
  • the time reference selection parameter is, for example, a flag indicating that “0” indicates that a time level selection criterion is not applied and “1” indicates that a time level selection criterion is applied.
  • FIG. 20 shows an example of the position of the time reference selection parameter in the compressed video stream.
  • FIG. 20A shows the position of the time reference selection parameter in the sequence header of the compressed video stream.
  • FIG. 20B shows the position of the temporal reference selection parameter in the picture header of the compressed video stream.
  • FIG. 20C shows that the time reference selection parameter is obtained from a profile parameter, a level parameter, or a lookup table based on both the profile parameter and the level parameter, encoded in the sequence header of the compressed video stream. Indicates that
  • FIG. 11 is a flowchart showing a third example of the reference list creation process in the video decoding process according to the first embodiment of the present invention.
  • the time reference selection parameter is analyzed from the header of the compressed video stream.
  • the module 1102 determines whether a time level selection criterion is applied based on the time reference selection parameter.
  • the module 1104 may select a reference picture from among the reconstructed pictures stored in the picture memory except for a picture having a temporal index larger than the temporal index of the target picture. Select. If the temporal level selection criteria are not applied, the module 1106 selects a reference picture from among the reconstructed pictures stored in the picture memory without considering the temporal index.
  • the module 1108 creates a reference list using the temporal level information and the picture order information of the reference picture.
  • the reference list created in the encoding process of FIG. 10 and the reference list created in the decoding process of FIG. 11 have the same reference picture order.
  • FIG. 12 is a flowchart showing a fourth example of the reference list creation process in the video encoding process according to Embodiment 1 of the present invention.
  • Module 1200 determines whether a time level selection criterion is applied. When the temporal level selection criterion is applied, the module 1202 may select a reference picture from among the reconstructed pictures stored in the picture memory except for a picture having a temporal index larger than the temporal index of the target picture. Select a set. On the other hand, if the temporal level selection criterion is not applied, the module 1204 selects a set of reference pictures from the reconstructed pictures stored in the picture memory without considering the temporal index.
  • an initial reference list that indicates the selected reference pictures in a particular order is created using both the temporal level information and picture order information of the reference pictures.
  • the module 1208 determines whether or not to reorder the initial reference list. When reordering a reference list reference list, module 1210 rearranges the order of reference picture identifiers in the reference list.
  • the module 1212 writes the time reference selection parameter in the header of the compressed video stream, and the module 1214 writes the reference list reordering parameter in the header of the compressed video stream.
  • FIG. 13 is a flowchart showing a fourth example of the reference list creation process in the video decoding process according to Embodiment 1 of the present invention.
  • the time reference selection parameter is analyzed from the header of the compressed video stream.
  • Module 1302 analyzes reference list reordering parameters from the header of the compressed video stream.
  • Module 1304 determines whether a time level selection criterion is applied based on the time reference selection parameter. When the temporal level selection criterion is applied, the module 1306 may select a reference picture from among the reconstructed pictures stored in the picture memory except for a picture having a temporal index larger than the temporal index of the target picture. Select.
  • the module 1308 selects a reference picture from among the reconstructed pictures stored in the picture memory without considering the temporal index.
  • module 1310 creates an initial reference list using both temporal level information and picture order information of the reference picture.
  • the module 1312 determines whether to reorder the reference list based on information provided in the reference picture reordering parameters.
  • module 1314 reorders the reference list according to the reorder procedure indicated by the reference picture reordering parameter.
  • the reference list generated in the encoding process of FIG. 12 and the reference list generated in the decoding process of FIG. 13 have the same reference picture order.
  • the reference list creation steps (modules 702, 802, 904, 1006, 1108, 1206, and 1310) are arranged in a special order. Output one or two reference lists containing reference picture identifiers. In the case of a picture using single hypothesis inter prediction, one reference list is created. In the case of a picture using bi-hypothesis inter prediction, two reference lists are created. Next, the reference list generation step will be described in detail.
  • FIG. 14 is a flowchart showing a first example of a reference list creation process for a picture using single hypothesis inter prediction according to Embodiment 1 of the present invention.
  • module 1400 all reference pictures are arranged in ascending order of time index (ie, starting from the highest time level representing the lowest frame rate and continuing to the lowest time level representing the highest frame rate). ).
  • One or more pictures may be associated with a single temporal index.
  • Module 1402 further reorders each of the reference picture subsets having the same temporal index in descending order of the picture order index.
  • module 1404 creates a reference list that includes reference picture identifiers in the order ordered by the reorder step (module 1402).
  • FIG. 15 is a flowchart showing a first example of a reference list creation process for a picture using bi-hypothesis inter prediction according to Embodiment 1 of the present invention.
  • the module 1500 classifies all reference pictures into a first group composed of pictures having a picture order index smaller than the picture order index of the target picture and a second group composed of all remaining pictures. .
  • Module 1502 arranges the first group of reference pictures in ascending order of temporal index.
  • the module 1504 reorders each of the reference picture subsets having the same temporal index among the first group of reference pictures in descending order of the picture order index.
  • Module 1506 arranges the second group of reference pictures in ascending order of temporal index.
  • the module 1508 reorders each of the reference picture subsets having the same temporal index among the second group of reference pictures in ascending order of the picture order index.
  • the module 1510 creates a first reference list including identifiers indicating reference pictures of the first group in the order arranged by the first group reordering step (module 1504).
  • Module 1512 then adds additional identifiers indicating the second group of reference pictures to the first reference list in the order ordered by the second group reorder step (module 1508).
  • the module 1514 creates a second reference list that includes identifiers indicating reference pictures of the second group in the order arranged by the second group reorder step (module 1508).
  • Module 1516 then adds additional identifiers indicating the first group of reference pictures to the second reference list in the order ordered by the first group reorder step (module 1504).
  • FIG. 16 is a flowchart showing a second example of a reference list creation process for a picture using single hypothesis inter prediction according to Embodiment 1 of the present invention.
  • the module 1600 classifies all reference pictures into a first group made up of pictures having a time index less than or equal to the time index of the current picture, and a second group made up of all the remaining pictures.
  • the module 1602 arranges the first group of reference pictures in descending order of the picture order index.
  • the module 1604 arranges the second group of reference pictures in descending order of the picture order index.
  • the module 1606 creates a reference list including identifiers indicating reference pictures of the first group in the order arranged in the first group alignment step (module 1602).
  • Module 1608 adds additional identifiers indicating the second group of reference pictures to the reference list in the order that they were sorted in the second group alignment step (module 1604).
  • FIG. 17 is a flowchart showing a second example of reference list creation processing for a picture using bi-hypothesis inter prediction according to Embodiment 1 of the present invention.
  • the module 1700 classifies all reference pictures into four groups.
  • the first group is made up of pictures having a picture order index smaller than the picture order index of the target picture and having a time index less than or equal to the time index of the target picture.
  • the second group is made up of pictures having a picture order index smaller than the picture order index of the target picture and having a time index larger than the time index of the target picture.
  • the third group is made up of pictures having a picture order index larger than the picture order index of the target picture and having a time index equal to or less than the target time index.
  • the fourth group is composed of all the remaining pictures.
  • the module 1702 arranges the first group of reference pictures in descending order of the picture order index.
  • the module 1704 arranges the second group of reference pictures in descending order of the picture order index.
  • Module 1706 arranges the third group of reference pictures in ascending order of picture order index.
  • the module 1708 arranges the fourth group of reference pictures in ascending order of the picture order index.
  • the module 1710 creates a first reference list that includes identifiers indicating the reference pictures of the first group in the order arranged in the first group alignment step (module 1702).
  • Module 1712 adds additional identifiers indicating the second group of reference pictures to the first reference list in the order in which they were aligned in the second group alignment step (module 1704).
  • Module 1714 adds additional identifiers indicating the third group of reference pictures to the first reference list in the order in which they were aligned in the third group alignment step (module 1706).
  • Module 1716 adds additional identifiers indicating the fourth group of reference pictures to the first reference list in the order aligned in the fourth group alignment step (module 1708).
  • module 1718 creates a second reference list that includes identifiers indicating the reference pictures of the third group in the order arranged in the third group reorder step (module 1706).
  • Module 1720 adds additional identifiers indicating the fourth group of reference pictures to the second reference list in the order aligned in the fourth group alignment step (module 1708).
  • Module 1722 adds additional identifiers indicating the first group of reference pictures to the second reference list in the order in which they were aligned in the first group alignment step (module 1702).
  • Module 1724 adds additional identifiers indicating the second group of reference pictures to the second reference list in the order in which they were aligned in the second group alignment step (module 1704).
  • coding efficiency can be improved. This is because, in the present embodiment, it is not necessary to include a reference list reordering command in the compressed video stream.
  • the calculation for reordering the reference list after the reference list is first generated is not required, thereby reducing the calculation complexity. can do.
  • the storage medium may be any medium that can record a program, such as a magnetic disk, an optical disk, a magneto-optical disk, an IC card, and a semiconductor memory.
  • FIG. 21 is a diagram showing an overall configuration of a content supply system ex100 that realizes a content distribution service.
  • a communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • This content supply system ex100 includes a computer ex111, a PDA (Personal Digital Assistant) ex112, a camera ex113, a mobile phone ex114, a game machine ex115 via the Internet ex101, the Internet service provider ex102, the telephone network ex104, and the base stations ex106 to ex110. Etc. are connected.
  • PDA Personal Digital Assistant
  • each device may be directly connected to the telephone network ex104 without going from the base station ex106, which is a fixed wireless station, to ex110.
  • the devices may be directly connected to each other via short-range wireless or the like.
  • the camera ex113 is a device that can shoot moving images such as a digital video camera
  • the camera ex116 is a device that can shoot still images and movies such as a digital camera.
  • the mobile phone ex114 is a GSM (Global System for Mobile Communications) system, a CDMA (Code Division Multiple Access) system, a W-CDMA (Wideband-Code Division Multiple Access) system, an LTE (Long Terminal Evolution) system, an HSPA ( High-speed-Packet-Access) mobile phone or PHS (Personal-Handyphone System), etc.
  • GSM Global System for Mobile Communications
  • CDMA Code Division Multiple Access
  • W-CDMA Wideband-Code Division Multiple Access
  • LTE Long Terminal Evolution
  • HSPA High-speed-Packet-Access
  • PHS Personal-Handyphone System
  • the camera ex113 and the like are connected to the streaming server ex103 through the base station ex109 and the telephone network ex104, thereby enabling live distribution and the like.
  • the content for example, music live video
  • the streaming server ex103 stream-distributes the content data transmitted to the requested client.
  • the client include a computer ex111, a PDA ex112, a camera ex113, a mobile phone ex114, a game machine ex115, and the like that can decode the encoded data.
  • Each device that has received the distributed data decodes and reproduces the received data.
  • the captured data may be encoded by the camera ex113, the streaming server ex103 that performs data transmission processing, or may be shared with each other.
  • the decryption processing of the distributed data may be performed by the client, the streaming server ex103, or may be shared with each other.
  • still images and / or moving image data captured by the camera ex116 may be transmitted to the streaming server ex103 via the computer ex111.
  • the encoding process in this case may be performed by any of the camera ex116, the computer ex111, and the streaming server ex103, or may be performed in a shared manner.
  • these encoding / decoding processes are generally performed in the computer ex111 and the LSI ex500 included in each device.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding / decoding software may be incorporated in some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by computer ex111 and the like, and encoding / decoding processing may be performed using the software. Good.
  • moving image data acquired by the camera may be transmitted. The moving image data at this time is data encoded by the LSI ex500 included in the mobile phone ex114.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the encoded data can be received and reproduced by the client.
  • the information transmitted by the user can be received, decrypted and reproduced in real time by the client, and even a user who does not have special rights or facilities can realize personal broadcasting.
  • At least one of the video encoding device or the video decoding device of the above embodiment may be incorporated in the digital broadcasting system ex200. it can.
  • the broadcast station ex201 multiplexed data obtained by multiplexing music data and the like on video data is transmitted to a communication or satellite ex202 via radio waves.
  • This video data is data encoded by the moving image encoding method described in the above embodiment.
  • the broadcasting satellite ex202 transmits a radio wave for broadcasting, and this radio wave is received by a home antenna ex204 capable of receiving satellite broadcasting.
  • the received multiplexed data is decoded and reproduced by a device such as the television (receiver) ex300 or the set top box (STB) ex217.
  • the reader / recorder ex 218 also reads and decodes multiplexed data recorded on a recording medium ex 215 such as a DVD or BD, or encodes a video signal on the recording medium ex 215 and, in some cases, multiplexes and writes it with a music signal. It is possible to implement the video decoding device or the video encoding device described in the embodiment. In this case, the reproduced video signal is displayed on the monitor ex219, and the video signal can be reproduced in another device or system using the recording medium ex215 on which the multiplexed data is recorded.
  • a moving picture decoding apparatus may be mounted in a set-top box ex217 connected to a cable ex203 for cable television or an antenna ex204 for satellite / terrestrial broadcasting, and this may be displayed on the monitor ex219 of the television. At this time, the moving picture decoding apparatus may be incorporated in the television instead of the set top box.
  • FIG. 23 is a diagram illustrating a television (receiver) ex300 that uses the moving picture decoding method and the moving picture encoding method described in the above embodiment.
  • the television ex300 obtains or outputs multiplexed data in which audio data is multiplexed with video data via the antenna ex204 or the cable ex203 that receives the broadcast, and demodulates the received multiplexed data.
  • the modulation / demodulation unit ex302 that modulates multiplexed data to be transmitted to the outside, and the demodulated multiplexed data is separated into video data and audio data, or the video data and audio data encoded by the signal processing unit ex306 Is provided with a multiplexing / demultiplexing unit ex303.
  • the television ex300 outputs a decoded audio signal, and an audio signal processing unit ex304 including an audio signal processing unit ex304 and a video signal processing unit ex305 that decode audio data and video data, respectively, or encode information of each.
  • the television ex300 includes an interface unit ex317 including an operation input unit ex312 that receives an input of a user operation.
  • the television ex300 includes a control unit ex310 that performs overall control of each unit, and a power supply circuit unit ex311 that supplies power to each unit.
  • the interface unit ex317 includes a bridge unit ex313 connected to an external device such as a reader / recorder ex218, a recording unit ex216 such as an SD card, and an external recording unit such as a hard disk.
  • a driver ex315 for connecting to a medium, a modem ex316 for connecting to a telephone network, and the like may be included.
  • the recording medium ex216 is capable of electrically recording information by using a nonvolatile / volatile semiconductor memory element to be stored.
  • Each part of the television ex300 is connected to each other via a synchronous bus.
  • the television ex300 receives a user operation from the remote controller ex220 or the like, and demultiplexes the multiplexed data demodulated by the modulation / demodulation unit ex302 by the multiplexing / demultiplexing unit ex303 based on the control of the control unit ex310 having a CPU or the like. Furthermore, the television ex300 decodes the separated audio data by the audio signal processing unit ex304, and decodes the separated video data by the video signal processing unit ex305 using the decoding method described in the above embodiment. The decoded audio signal and video signal are output from the output unit ex309 to the outside.
  • these signals may be temporarily stored in the buffers ex318, ex319, etc. so that the audio signal and the video signal are reproduced in synchronization.
  • the television ex300 may read multiplexed data from recording media ex215 and ex216 such as a magnetic / optical disk and an SD card, not from broadcasting.
  • recording media ex215 and ex216 such as a magnetic / optical disk and an SD card, not from broadcasting.
  • the television ex300 encodes an audio signal or a video signal and transmits the signal to the outside or to a recording medium.
  • the television ex300 receives a user operation from the remote controller ex220 or the like, and encodes an audio signal with the audio signal processing unit ex304 based on the control of the control unit ex310, and the video signal with the video signal processing unit ex305 in the above embodiment.
  • Encoding is performed using the described encoding method.
  • the encoded audio signal and video signal are multiplexed by the multiplexing / demultiplexing unit ex303 and output to the outside.
  • these signals may be temporarily stored in the buffers ex320, ex321, etc. so that the audio signal and the video signal are synchronized.
  • a plurality of buffers ex318, ex319, ex320, and ex321 may be provided as illustrated, or one or more buffers may be shared.
  • data may be stored in the buffer as a buffer material that prevents system overflow and underflow, for example, between the modulation / demodulation unit ex302 and the multiplexing / demultiplexing unit ex303.
  • the television ex300 has a configuration for receiving AV input of a microphone and a camera, and performs encoding processing on the data acquired from them. Also good.
  • the television ex300 has been described as a configuration capable of the above-described encoding processing, multiplexing, and external output. However, these processing cannot be performed, and only the reception, decoding processing, and external output can be performed. It may be.
  • the decoding process or the encoding process may be performed by either the television ex300 or the reader / recorder ex218, or the television ex300 and the reader / Recorder ex218 may share each other.
  • FIG. 24 shows the configuration of the information reproducing / recording unit ex400 when data is read from or written to the optical disk.
  • the information reproducing / recording unit ex400 includes elements ex401, ex402, ex403, ex404, ex405, ex406, and ex407 described below.
  • the optical head ex401 irradiates a laser spot on the recording surface of the recording medium ex215 that is an optical disk to write information, and detects reflected light from the recording surface of the recording medium ex215 to read the information.
  • the modulation recording unit ex402 electrically drives a semiconductor laser built in the optical head ex401 and modulates the laser beam according to the recording data.
  • the reproduction demodulator ex403 amplifies the reproduction signal obtained by electrically detecting the reflected light from the recording surface by the photodetector built in the optical head ex401, separates and demodulates the signal component recorded on the recording medium ex215, and is necessary To play back information.
  • the buffer ex404 temporarily holds information to be recorded on the recording medium ex215 and information reproduced from the recording medium ex215.
  • the disk motor ex405 rotates the recording medium ex215.
  • the servo controller ex406 moves the optical head ex401 to a predetermined information track while controlling the rotational drive of the disk motor ex405, and performs a laser spot tracking process.
  • the system control unit ex407 controls the entire information reproduction / recording unit ex400.
  • the system control unit ex407 uses various kinds of information held in the buffer ex404, and generates and adds new information as necessary, and the modulation recording unit ex402, the reproduction demodulation unit This is realized by recording / reproducing information through the optical head ex401 while operating the ex403 and the servo control unit ex406 in a coordinated manner.
  • the system control unit ex407 is composed of, for example, a microprocessor, and executes these processes by executing a read / write program.
  • the optical head ex401 has been described as irradiating a laser spot.
  • a configuration in which higher-density recording is performed using near-field light may be used.
  • FIG. 25 shows a schematic diagram of a recording medium ex215 that is an optical disk.
  • Guide grooves grooves
  • address information indicating the absolute position on the disc is recorded in advance on the information track ex230 by changing the shape of the groove.
  • This address information includes information for specifying the position of the recording block ex231 that is a unit for recording data, and the recording block is specified by reproducing the information track ex230 and reading the address information in a recording or reproducing apparatus.
  • the recording medium ex215 includes a data recording area ex233, an inner peripheral area ex232, and an outer peripheral area ex234.
  • the area used for recording user data is the data recording area ex233, and the inner circumference area ex232 and the outer circumference area ex234 arranged on the inner or outer circumference of the data recording area ex233 are used for specific purposes other than user data recording. Used.
  • the information reproducing / recording unit ex400 reads / writes encoded audio data, video data, or multiplexed data obtained by multiplexing these data with respect to the data recording area ex233 of the recording medium ex215.
  • an optical disk such as a single-layer DVD or BD has been described as an example.
  • the present invention is not limited to these, and an optical disk having a multilayer structure and capable of recording other than the surface may be used.
  • an optical disc with a multi-dimensional recording / reproducing structure such as recording information using light of different wavelengths in the same place on the disc, or recording different layers of information from various angles. It may be.
  • the car ex210 having the antenna ex205 can receive data from the satellite ex202 and the like, and the moving image can be reproduced on a display device such as the car navigation ex211 that the car ex210 has.
  • the configuration of the car navigation ex211 may be, for example, a configuration in which a GPS receiving unit is added in the configuration illustrated in FIG. 23, and the same may be considered for the computer ex111, the mobile phone ex114, and the like.
  • FIG. 26 is a diagram showing the mobile phone ex114 using the moving picture decoding method and the moving picture encoding method described in the above embodiment.
  • the mobile phone ex114 includes an antenna ex350 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex365 capable of capturing video and still images, a video captured by the camera unit ex365, a video received by the antenna ex350, and the like Is provided with a display unit ex358 such as a liquid crystal display for displaying the decoded data.
  • the mobile phone ex114 further includes a main body unit having an operation key unit ex366, an audio output unit ex357 such as a speaker for outputting audio, an audio input unit ex356 such as a microphone for inputting audio, a captured video, It is an interface unit with a memory unit ex367 that stores encoded data or decoded data such as a still image, recorded audio, or received video, still image, and mail, or a recording medium that similarly stores data.
  • a slot portion ex364 is provided.
  • the mobile phone ex114 has a power supply circuit part ex361, an operation input control part ex362, and a video signal processing part ex355 with respect to a main control part ex360 that comprehensively controls each part of the main body including the display part ex358 and the operation key part ex366.
  • a camera interface unit ex363, an LCD (Liquid Crystal Display) control unit ex359, a modulation / demodulation unit ex352, a multiplexing / demultiplexing unit ex353, an audio signal processing unit ex354, a slot unit ex364, and a memory unit ex367 are connected to each other via a bus ex370. ing.
  • the power supply circuit unit ex361 starts up the mobile phone ex114 in an operable state by supplying power from the battery pack to each unit.
  • the cellular phone ex114 converts the audio signal collected by the audio input unit ex356 in the voice call mode into a digital audio signal by the audio signal processing unit ex354 based on the control of the main control unit ex360 having a CPU, a ROM, a RAM, and the like. Then, this is subjected to spectrum spread processing by the modulation / demodulation unit ex352, digital-analog conversion processing and frequency conversion processing are performed by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the mobile phone ex114 also amplifies the received data received via the antenna ex350 in the voice call mode, performs frequency conversion processing and analog-digital conversion processing, performs spectrum despreading processing by the modulation / demodulation unit ex352, and performs voice signal processing unit After being converted into an analog audio signal by ex354, this is output from the audio output unit ex357.
  • the text data of the e-mail input by operating the operation key unit ex366 of the main unit is sent to the main control unit ex360 via the operation input control unit ex362.
  • the main control unit ex360 performs spread spectrum processing on the text data in the modulation / demodulation unit ex352, performs digital analog conversion processing and frequency conversion processing in the transmission / reception unit ex351, and then transmits the text data to the base station ex110 via the antenna ex350.
  • almost the reverse process is performed on the received data and output to the display unit ex358.
  • the video signal processing unit ex355 compresses and encodes the video signal supplied from the camera unit ex365 by the moving image encoding method described in the above embodiment.
  • the encoded video data is sent to the multiplexing / demultiplexing unit ex353.
  • the audio signal processing unit ex354 encodes the audio signal picked up by the audio input unit ex356 while the camera unit ex365 images a video, a still image, etc., and sends the encoded audio data to the multiplexing / separating unit ex353. To do.
  • the multiplexing / demultiplexing unit ex353 multiplexes the encoded video data supplied from the video signal processing unit ex355 and the encoded audio data supplied from the audio signal processing unit ex354 by a predetermined method, and is obtained as a result.
  • the multiplexed data is subjected to spread spectrum processing by the modulation / demodulation unit (modulation / demodulation circuit unit) ex352, digital-analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the multiplexing / demultiplexing unit ex353 separates the multiplexed data into a video data bit stream and an audio data bit stream, and the video data encoded via the synchronization bus ex370 is a video signal processing unit.
  • the encoded audio data is supplied to the audio signal processing unit ex354.
  • the video signal processing unit ex355 decodes the video signal by decoding using a video decoding method corresponding to the video encoding method shown in the above embodiment, and from the display unit ex358 via the LCD control unit ex359, for example, Video and still images included in the moving image file linked to the home page are displayed.
  • the audio signal processing unit ex354 decodes the audio signal, and the audio is output from the audio output unit ex357.
  • the transmission / reception terminal having both an encoder and a decoder there are three types of terminals such as the mobile phone ex114, such as a transmission terminal having only an encoder and a receiving terminal having only a decoder, as in the television ex300.
  • the implementation form of can be considered.
  • multiplexed data in which music data is multiplexed with video data is received and transmitted.
  • character data related to video is multiplexed. It may be converted data, or may be video data itself instead of multiplexed data.
  • the moving picture encoding method or the moving picture decoding method described in the above embodiment can be used in any of the above-described devices and systems, and by doing so, the effects described in the above embodiment can be obtained. Can be obtained.
  • multiplexed data obtained by multiplexing audio data or the like with video data is configured to include identification information indicating which standard the video data conforms to.
  • identification information indicating which standard the video data conforms to.
  • FIG. 27 is a diagram showing a structure of multiplexed data.
  • multiplexed data is obtained by multiplexing one or more of a video stream, an audio stream, a presentation graphics stream (PG), and an interactive graphics stream.
  • the video stream indicates the main video and sub-video of the movie
  • the audio stream (IG) indicates the main audio portion of the movie and the sub-audio mixed with the main audio
  • the presentation graphics stream indicates the subtitles of the movie.
  • the main video indicates a normal video displayed on the screen
  • the sub-video is a video displayed on a small screen in the main video.
  • the interactive graphics stream indicates an interactive screen created by arranging GUI components on the screen.
  • the video stream is encoded by the moving image encoding method or apparatus shown in the above embodiments, or the moving image encoding method or apparatus conforming to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1. ing.
  • the audio stream is encoded by a method such as Dolby AC-3, Dolby Digital Plus, MLP, DTS, DTS-HD, or linear PCM.
  • Each stream included in the multiplexed data is identified by PID. For example, 0x1011 for video streams used for movie images, 0x1100 to 0x111F for audio streams, 0x1200 to 0x121F for presentation graphics, 0x1400 to 0x141F for interactive graphics streams, 0x1B00 to 0x1B1F are assigned to video streams used for sub-pictures, and 0x1A00 to 0x1A1F are assigned to audio streams used for sub-audio mixed with the main audio.
  • FIG. 28 is a diagram schematically showing how multiplexed data is multiplexed.
  • a video stream ex235 composed of a plurality of video frames and an audio stream ex238 composed of a plurality of audio frames are converted into PES packet sequences ex236 and ex239, respectively, and converted into TS packets ex237 and ex240.
  • the data of the presentation graphics stream ex241 and interactive graphics ex244 are converted into PES packet sequences ex242 and ex245, respectively, and further converted into TS packets ex243 and ex246.
  • the multiplexed data ex247 is configured by multiplexing these TS packets into one stream.
  • FIG. 29 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first row in FIG. 29 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in the video stream are divided into pictures, B pictures, and P pictures, and are stored in the payload of the PES packet.
  • Each PES packet has a PES header, and a PTS (Presentation Time-Stamp) that is a display time of a picture and a DTS (Decoding Time-Stamp) that is a decoding time of a picture are stored in the PES header.
  • PTS Presentation Time-Stamp
  • DTS Decoding Time-Stamp
  • FIG. 30 shows the format of the TS packet that is finally written in the multiplexed data.
  • the TS packet is a 188-byte fixed-length packet composed of a 4-byte TS header having information such as a PID for identifying a stream and a 184-byte TS payload for storing data.
  • the PES packet is divided and stored in the TS payload.
  • a 4-byte TP_Extra_Header is added to a TS packet, forms a 192-byte source packet, and is written in multiplexed data.
  • TP_Extra_Header information such as ATS (Arrival_Time_Stamp) is described.
  • ATS indicates the transfer start time of the TS packet to the PID filter of the decoder.
  • Source packets are arranged in the multiplexed data as shown in the lower part of FIG. 30, and a number incremented from the head of the multiplexed data is called an SPN (source packet number).
  • TS packets included in the multiplexed data include PAT (Program Association Table), PMT (Program Map Table), PCR (Program Clock Reference), and the like in addition to each stream such as video / audio / caption.
  • PAT indicates what the PID of the PMT used in the multiplexed data is, and the PID of the PAT itself is registered as 0.
  • the PMT has the PID of each stream such as video / audio / subtitles included in the multiplexed data and the attribute information of the stream corresponding to each PID, and has various descriptors related to the multiplexed data.
  • the descriptor includes copy control information for instructing permission / non-permission of copying of multiplexed data.
  • the PCR corresponds to the ATS in which the PCR packet is transferred to the decoder. Contains STC time information.
  • FIG. 31 is a diagram for explaining the data structure of the PMT in detail.
  • a PMT header describing the length of data included in the PMT is arranged at the head of the PMT.
  • a plurality of descriptors related to multiplexed data are arranged.
  • the copy control information and the like are described as descriptors.
  • a plurality of pieces of stream information regarding each stream included in the multiplexed data are arranged.
  • the stream information includes a stream descriptor in which a stream type, a stream PID, and stream attribute information (frame rate, aspect ratio, etc.) are described to identify a compression codec of the stream.
  • the multiplexed data is recorded together with the multiplexed data information file.
  • the multiplexed data information file is management information of multiplexed data, has one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
  • the multiplexed data information includes a system rate, a reproduction start time, and a reproduction end time as shown in FIG.
  • the system rate indicates a maximum transfer rate of multiplexed data to a PID filter of a system target decoder described later.
  • the ATS interval included in the multiplexed data is set to be equal to or less than the system rate.
  • the playback start time is the PTS of the first video frame of the multiplexed data
  • the playback end time is set by adding the playback interval for one frame to the PTS of the video frame at the end of the multiplexed data.
  • attribute information about each stream included in the multiplexed data is registered for each PID.
  • the attribute information has different information for each video stream, audio stream, presentation graphics stream, and interactive graphics stream.
  • the video stream attribute information includes the compression codec used to compress the video stream, the resolution of the individual picture data constituting the video stream, the aspect ratio, and the frame rate. It has information such as how much it is.
  • the audio stream attribute information includes the compression codec used to compress the audio stream, the number of channels included in the audio stream, the language supported, and the sampling frequency. With information. These pieces of information are used for initialization of the decoder before the player reproduces it.
  • the stream type included in the PMT is used.
  • video stream attribute information included in the multiplexed data information is used.
  • the video encoding shown in each of the above embodiments for the stream type or video stream attribute information included in the PMT.
  • FIG. 34 shows steps of the moving picture decoding method according to the present embodiment.
  • step exS100 the stream type included in the PMT or the video stream attribute information included in the multiplexed data information is acquired from the multiplexed data.
  • step exS101 it is determined whether or not the stream type or the video stream attribute information indicates multiplexed data generated by the moving picture encoding method or apparatus described in the above embodiments. To do.
  • step exS102 the above embodiments are performed. Decoding is performed by the moving picture decoding method shown in the form.
  • the conventional information Decoding is performed by a moving image decoding method compliant with the standard.
  • the moving picture encoding method or apparatus or the moving picture decoding method or apparatus described in this embodiment can be used in any of the above-described devices and systems.
  • FIG. 35 shows the configuration of an LSI ex500 that is made into one chip.
  • the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
  • the power supply circuit unit ex505 is activated to an operable state by supplying power to each unit when the power supply is on.
  • the LSI ex500 when performing the encoding process, performs the microphone ex117 and the camera ex113 by the AV I / O ex509 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like.
  • the AV signal is input from the above.
  • the input AV signal is temporarily stored in an external memory ex511 such as SDRAM.
  • the accumulated data is divided into a plurality of times as appropriate according to the processing amount and the processing speed and sent to the signal processing unit ex507, and the signal processing unit ex507 encodes an audio signal and / or video. Signal encoding is performed.
  • the encoding process of the video signal is the encoding process described in the above embodiments.
  • the signal processing unit ex507 further performs processing such as multiplexing the encoded audio data and the encoded video data according to circumstances, and outputs the result from the stream I / Oex 506 to the outside.
  • the output multiplexed data is transmitted to the base station ex107 or written to the recording medium ex215. It should be noted that data should be temporarily stored in the buffer ex508 so as to be synchronized when multiplexing.
  • the memory ex511 is described as an external configuration of the LSI ex500.
  • a configuration included in the LSI ex500 may be used.
  • the number of buffers ex508 is not limited to one, and a plurality of buffers may be provided.
  • the LSI ex500 may be made into one chip or a plurality of chips.
  • control unit ex501 includes the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like, but the configuration of the control unit ex501 is not limited to this configuration.
  • the signal processing unit ex507 may further include a CPU.
  • the CPU ex502 may be configured to include a signal processing unit ex507 or, for example, an audio signal processing unit that is a part of the signal processing unit ex507.
  • the control unit ex501 is configured to include a signal processing unit ex507 or a CPU ex502 having a part thereof.
  • LSI LSI
  • IC system LSI
  • super LSI ultra LSI depending on the degree of integration
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • a reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • FIG. 36 shows a configuration ex800 in the present embodiment.
  • the drive frequency switching unit ex803 sets the drive frequency high when the video data is generated by the moving image encoding method or apparatus described in the above embodiments.
  • the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments is instructed to decode the video data.
  • the video data is video data compliant with the conventional standard, compared to the case where the video data is generated by the moving picture encoding method or apparatus shown in the above embodiments, Set the drive frequency low. Then, it instructs the decoding processing unit ex802 compliant with the conventional standard to decode the video data.
  • the drive frequency switching unit ex803 includes a CPU ex502 and a drive frequency control unit ex512 in FIG.
  • the decoding processing unit ex801 that executes the moving picture decoding method shown in each of the above embodiments and the decoding processing unit ex802 that complies with the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to.
  • the drive frequency control unit ex512 sets the drive frequency.
  • the signal processing unit ex507 decodes the video data.
  • the identification of the video data for example, it is conceivable to use the identification information described in the third embodiment.
  • the identification information is not limited to that described in Embodiment 3, and any information that can identify which standard the video data conforms to may be used. For example, it is possible to identify which standard the video data conforms to based on an external signal that identifies whether the video data is used for a television or a disk. In some cases, identification may be performed based on such an external signal.
  • the selection of the driving frequency in the CPU ex502 may be performed based on, for example, a look-up table in which video data standards and driving frequencies are associated with each other as shown in FIG. The look-up table is stored in the buffer ex508 or the internal memory of the LSI, and the CPU ex502 can select the drive frequency by referring to the look-up table.
  • FIG. 37 shows steps for executing the method of the present embodiment.
  • the signal processing unit ex507 acquires identification information from the multiplexed data.
  • the CPU ex502 identifies whether the video data is generated by the encoding method or apparatus described in each of the above embodiments based on the identification information.
  • the CPU ex502 sends a signal for setting the drive frequency high to the drive frequency control unit ex512. Then, the drive frequency control unit ex512 sets a high drive frequency.
  • step exS203 the CPU ex502 drives the signal for setting the drive frequency low. This is sent to the frequency control unit ex512. Then, in the drive frequency control unit ex512, the drive frequency is set to be lower than that in the case where the video data is generated by the encoding method or apparatus described in the above embodiments.
  • the power saving effect can be further enhanced by changing the voltage applied to the LSI ex500 or the device including the LSI ex500 in conjunction with the switching of the driving frequency. For example, when the drive frequency is set low, it is conceivable that the voltage applied to the LSI ex500 or the device including the LSI ex500 is set low as compared with the case where the drive frequency is set high.
  • the setting method of the driving frequency may be set to a high driving frequency when the processing amount at the time of decoding is large, and to a low driving frequency when the processing amount at the time of decoding is small. It is not limited to the method.
  • the amount of processing for decoding video data compliant with the MPEG4-AVC standard is larger than the amount of processing for decoding video data generated by the moving picture encoding method or apparatus described in the above embodiments. It is conceivable that the setting of the driving frequency is reversed to that in the case described above.
  • the method for setting the drive frequency is not limited to the configuration in which the drive frequency is lowered.
  • the voltage applied to the LSIex500 or the apparatus including the LSIex500 is set high.
  • the driving of the CPU ex502 is stopped.
  • the CPU ex502 is temporarily stopped because there is room in processing. Is also possible. Even when the identification information indicates that the video data is generated by the moving image encoding method or apparatus described in each of the above embodiments, if there is a margin for processing, the CPU ex502 is temporarily driven. It can also be stopped. In this case, it is conceivable to set the stop time shorter than in the case where the video data conforms to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1.
  • a plurality of video data that conforms to different standards may be input to the above-described devices and systems such as a television and a mobile phone.
  • the signal processing unit ex507 of the LSI ex500 needs to support a plurality of standards in order to be able to decode even when a plurality of video data complying with different standards is input.
  • the signal processing unit ex507 corresponding to each standard is used individually, there is a problem that the circuit scale of the LSI ex500 increases and the cost increases.
  • a decoding processing unit for executing the moving picture decoding method shown in each of the above embodiments and a decoding conforming to a standard such as MPEG-2, MPEG4-AVC, or VC-1
  • the processing unit is partly shared.
  • An example of this configuration is shown as ex900 in FIG.
  • the moving picture decoding method shown in each of the above embodiments and the moving picture decoding method compliant with the MPEG4-AVC standard are processed in processes such as entropy coding, inverse quantization, deblocking filter, and motion compensation. Some contents are common.
  • the decoding processing unit ex902 corresponding to the MPEG4-AVC standard is shared, and for the other processing content unique to the present invention not corresponding to the MPEG4-AVC standard, the dedicated decoding processing unit ex901 is used.
  • Configuration is conceivable.
  • a dedicated decoding processing unit ex901 is used for inter prediction, and any of other entropy coding, deblocking filter, and inverse quantization is used.
  • the decoding processing unit for executing the moving picture decoding method described in each of the above embodiments is shared, and the processing content unique to the MPEG4-AVC standard May be configured to use a dedicated decoding processing unit.
  • ex1000 in FIG. 39 (b) shows another example in which processing is partially shared.
  • a dedicated decoding processing unit ex1001 corresponding to processing content unique to the present invention
  • a dedicated decoding processing unit ex1002 corresponding to processing content specific to other conventional standards
  • a moving picture decoding method of the present invention A common decoding processing unit ex1003 corresponding to processing contents common to other conventional video decoding methods is used.
  • the dedicated decoding processing units ex1001 and ex1002 are not necessarily specialized in the processing content specific to the present invention or other conventional standards, and may be capable of executing other general-purpose processing.
  • the configuration of the present embodiment can be implemented by LSI ex500.
  • the circuit scale of the LSI is reduced, and the cost is reduced. It is possible to reduce.
  • the image encoding method and image decoding method according to the present invention can be used in, for example, a television receiver, a digital video recorder, a car navigation system, a mobile phone, a digital camera, or a digital video camera.

Landscapes

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

Abstract

　ピクチャヘッダ内のビットの消費を抑制し、かつ計算が複雑にならないように、階層符号化構造に適した参照リストを効率的に作成する。動き予測を用いて動画像が符号化された符号化動画像ストリームを復号する動画像復号方法であって、時間レベルを示す第１パラメータを符号化ピクチャのヘッダから解析し、時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを復号するための参照リストを作成し、参照リストを利用して、対象ピクチャ内の複数のサンプルからなるブロックの動き予測を行う。

Description

動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置
　本発明は、マルチメディアデータの符号化方法及び復号方法に関し、特に、インター予測を利用した動画像の符号化方法及び復号方法に関する。
　Ｈ．２６３（非特許文献１）、ＭＰＥＧ－４　ＡＶＣ／Ｈ．２６４（非特許文献２）、及び、近々登場するＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）のような最先端の動画像符号化方法では、ピクチャメモリに格納された前に符号化されたピクチャからの動き補償予測を利用したインター予測をサポートする。このインター予測処理は、単仮説法（ｓｉｎｇｌｅ－ｈｙｐｏｔｈｅｓｉｓ　ｓｃｈｅｍｅ）、又は、多仮説法（ｍｕｌｔｉ－ｈｙｐｏｔｈｅｓｉｓ　ｓｃｈｅｍｅ）が利用される。単仮説法では、１枚の参照ピクチャから動き補償を行うことにより予測データが得られる。多仮説法では、２枚以上の参照ピクチャから動き補償が行われたデータを組み合わせることにより予測データが得られる。
　＜柔軟な参照ピクチャ選択＞
　符号化利得の向上に貢献する要因のひとつは、インター予測ユニット（例えば、Ｈ．２６４におけるマクロブロック境界など）の各々に対して参照ピクチャを柔軟に選択することである。ピクチャの符号化／復号処理の開始時点において、参照リストが作成される。参照リストは、利用可能な参照ピクチャの各々に対してユニークにアドレス／識別する情報が順序付けられたリストを含む。参照リスト内の参照ピクチャは、ユニークな参照インデックスにより識別される。したがって、インター予測ユニットのレベルで参照インデックス信号を伝達することによって、柔軟な参照が可能となる。
　効率的な符号化を実現するために、参照インデックス信号は、可変長符号化を利用して圧縮動画像ストリームの中に書き込まれる。可変長符号化では、低い参照インデックス値は、高い参照インデックス値より、少ないビット数で表される。ゆえに、参照リストは、最もよく使われる参照ピクチャが参照リストの先頭に配置されるように作成されるべきである。Ｈ．２６４では、ピクチャの復号処理の開始時に、利用可能な参照ピクチャのピクチャオーダに基づいて初期参照リストが作成される。ピクチャオーダとは、符号化オーダ（ピクチャを符号化又は復号する時間順）又は、出力オーダ（再構成されたピクチャを出力／表示する時間順）である。オプションとして、さらに参照リストを再配列するために、圧縮動画像ストリームの中に参照リストのリオーダリングコマンド（ｒｅｏｒｄｅｒｉｎｇ　ｃｏｍｍａｎｄｓ）が信号化されてもよい。しかしながら、そのようなリオーダリングコマンドの信号は、追加のビットを消費し、符号化効率を低下させる。さらに、参照リストのリオーダリングは、動画像復号処理における計算の複雑さを増加させる。
　＜階層符号化構造＞
　現在進められているＨＥＶＣ動画像符号化標準の開発のような近年の動画像符号化の開発は、設計、実験、及び、評価活動に階層符号化構造を利用する。階層符号化構造の利点には、符号化効率の改善、ピクチャの画質の向上、及び動画像のフレームレートの時間拡張性が含まれる。階層符号化構造では、ピクチャは時間レベルで配列される。時間レベルの配列では、最高の時間レベルが最低のフレームレートを意味し、時間レベルが低くなるほどフレームレートが高くなる。階層符号化構造の例を図１及び図２に示す。
　符号化利得は、低い時間レベルのピクチャよりも良い画質に、高い時間レベルのピクチャを符号化すること（例えば、量子化の適用回数を少なくすること）によって向上する。また、低い時間レベルの参照ピクチャよりも頻繁に、高い時間レベルの参照ピクチャから動き補償インター予測を実行することによって向上する。図１の例を参照すると、一般的に、対象ピクチャ１２２を、参照ピクチャ１１０、１１２、１１４、及び、１２０（同一、又は、より高い時間レベルに位置する）から予測する方が効率的であり、参照ピクチャ１３０及び１３２（より低い時間レベルに位置する）から予測する方が非効率的である。同様に、図２の例を参照すると、一般的に、対象ピクチャ２２２を、参照ピクチャ２１０、２１２、及び、２２０から予測する方が効率的であり、参照ピクチャ２３０、２３２、及び、２３４から予測する方が非効率的である。
　一般的に、高い時間レベルの参照ピクチャからインター予測するほど効率的であるが、動画像がランダムなシーンや動きの速いシーンを含む場合には、低い時間レベルの参照ピクチャが役立つことが判明した。このような理由から、低い時間レベルの参照ピクチャを利用可能なように参照リストの中に保持しておくことは役に立つ可能性がある。
ＩＴＵ－Ｔ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｈ．２６３「ｖｉｄｅｏ　ｃｏｄｉｎｇ　ｆｏｒ　ｌｏｗ　ｂｉｔ　ｒａｔｅ　ｃｏｍｍｕｎｉｃａｔｉｏｎ」、２００５年１月 ＩＴＵ－Ｔ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｈ．２６４「Ａｄｖａｎｃｅｄ　ｖｉｄｅｏ　ｃｏｄｉｎｇ　ｆｏｒ　ｇｅｎｅｒｉｃ　ａｕｄｉｏｖｉｓｕａｌ　ｓｅｒｖｉｃｅｓ」、２０１０年３月
　しかしながら、従来の参照リスト作成法では、階層符号化構造に適した参照リストを効率的に作成できないという問題がある。従来技術では、階層符号化に対して参照リストを作成するためには、圧縮動画像ストリームの中に参照リストのリオーダリングコマンドが含まれる必要がある。そのようなコマンドは、圧縮動画像ストリームの中に追加のビットを消費し、参照リストのリオーダリングコマンドを実行するために不必要に計算の複雑さを増加させる。
　そこで、本発明は、ピクチャヘッダ内のビットの消費を抑制し、かつ計算が複雑にならないように、階層符号化構造に適した参照リストを効率的に作成することができる動画像復号方法及び動画像符号化方法を提供することを目的とする。
　上記課題を解決するために、本発明の一態様に係る動画像復号方法は、動き予測を用いて動画像が符号化された符号化動画像ストリームを復号する動画像復号方法であって、時間レベルを示す第１パラメータを符号化ピクチャのヘッダから解析し、前記時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを復号するための参照リストを作成し、前記参照リストを利用して、前記対象ピクチャ内の複数のサンプルからなるブロックの動き予測を行う。
　また、上記課題を解決するために、本発明の一態様に係る動画像符号化方法は、動き予測を用いて動画像を符号化することにより、符号化動画像ストリームを生成する動画像符号化方法であって、ピクチャの時間レベルを決定し、符号化ピクチャのヘッダに前記時間レベルを示す第１パラメータを書き込み、前記時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを符号化するための参照リストを作成し、前記参照リストを利用して、前記対象ピクチャ内の複数の画素からなるブロックの動き検出を行い、前記参照リストを利用して、前記ブロックの動き予測を行う。
　なお、本発明は、このような動画像復号方法又は動画像符号化方法として実現することができるだけでなく、このような動画像復号方法又は動画像符号化方法に含まれる各ステップを実行するための処理部を備える動画像復号装置又は動画像符号化装置として実現することができる。また、本発明は、動画像復号方法又は動画像符号化方法に含まれる各ステップをコンピュータに実行させるプログラムとして実現することもできる。そして、そのようなプログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｃ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）等の非一時的な記録媒体あるいはインターネット等の伝送媒体を介して配信することができるのは言うまでもない。
　本発明によれば、ピクチャヘッダ内のビットの消費を抑制し、かつ計算が複雑にならないように、階層符号化構造に適した参照リストを効率的に作成することができる。
図１は、階層符号化構造の一例を示す図である。 図２は、階層符号化構造の別の一例を示す図である。 図３は、本発明の実施の形態１に係る動画像符号化処理を示すフローチャートである。 図４は、本発明の実施の形態１に係る動画像復号処理を示すフローチャートである。 図５は、本発明の実施の形態１に係る動画像符号化装置の一例を示すブロック図である。 図６は、本発明の実施の形態１に係る動画像復号装置の一例を示すブロック図である。 図７は、本発明の実施の形態１に係る動画像符号化及び復号処理における参照リスト作成処理の第１の実施例を示すフローチャートである。 図８は、本発明の実施の形態１に係る動画像符号化処理における参照リスト作成処理の第２の実施例を示すフローチャートである。 図９は、本発明の実施の形態１に係る動画像復号処理における参照リスト作成処理の第２の実施例を示すフローチャートである。 図１０は、本発明の実施の形態１に係る動画像符号化処理における参照リスト作成処理の第３の実施例を示すフローチャートである。 図１１は、本発明の実施の形態１に係る動画像復号処理における参照リスト作成処理の第３の実施例を示すフローチャートである。 図１２は、本発明の実施の形態１に係る動画像符号化処理における参照リスト作成処理の第４の実施例を示すフローチャートである。 図１３は、本発明の実施の形態１に係る動画像復号処理における参照リスト作成処理の第４の実施例を示すフローチャートである。 図１４は、本発明の実施の形態１に係る単仮説インター予測を利用するピクチャのための参照リスト作成処理の第１の実施例を示すフローチャートである。 図１５は、本発明の実施の形態１に係る双仮説インター予測を利用するピクチャのための参照リスト作成処理の第１の実施例を示すフローチャートである。 図１６は、本発明の実施の形態１に係る単仮説インター予測を利用するピクチャのための参照リスト作成処理の第２の実施例を示すフローチャートである。 図１７は、本発明の実施の形態１に係る双仮説インター予測を利用するピクチャのための参照リスト作成処理の第２の実施例を示すフローチャートである。 図１８は、圧縮動画像ストリーム内における時間レベル情報の位置の一例を示す図である。 図１９は、圧縮動画像ストリーム内における参照リストリオーダリングパラメータの位置の一例を示す図である。 図２０は、圧縮動画像ストリーム内における時間参照選択パラメータの位置の一例を示す図である。 図２１は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図２２は、デジタル放送用システムの全体構成図である。 図２３は、テレビの構成例を示すブロック図である。 図２４は、光ディスクである記録メディアに情報の読み書きを行う情報再生／記録部の構成例を示すブロック図である。 図２５は、光ディスクである記録メディアの構造例を示す図である。 図２６の（ａ）は、携帯電話の一例を示す図である。図２６の（ｂ）は、携帯電話の構成例を示すブロック図である。 図２７は、多重化データの構成を示す図である。 図２８は、各ストリームが多重化データにおいてどのように多重化されているかを模式的に示す図である。 図２９は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかを更に詳しく示した図である。 図３０は、多重化データにおけるＴＳパケットとソースパケットの構造を示す図である。 図３１は、ＰＭＴのデータ構造を示す図である。 図３２は、多重化データ情報の内部構成を示す図である。 図３３は、ストリーム属性情報の内部構成を示す図である。 図３４は、映像データを識別するステップを示す図である。 図３５は、各実施の形態の動画像符号化方法および動画像復号方法を実現する集積回路の構成例を示すブロック図である。 図３６は、駆動周波数を切り替える構成を示す図である。 図３７は、映像データを識別し、駆動周波数を切り替えるステップを示す図である。 図３８は、映像データの規格と駆動周波数を対応づけたルックアップテーブルの一例を示す図である。 図３９の（ａ）は、信号処理部のモジュールを共有化する構成の一例を示す図である。図３９の（ｂ）は、信号処理部のモジュールを共有化する構成の他の一例を示す図である。
　以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示す。つまり、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置及び接続形態、ステップ、ステップの順序などは、本発明の一例であり、本発明を限定する主旨ではない。本発明は、請求の範囲の記載によって限定される。したがって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素は、本発明の課題を達成するために必ずしも必要ではないが、より好ましい形態を構成する構成要素として説明される。
　（実施の形態１）
　本発明の実施の形態１では、動画像符号化及び復号方法で利用される参照リスト作成処理について説明する。この動画像符号化及び復号方法では、個々のピクチャの時間レベル情報は、圧縮動画像ストリームの中に示される。
　図１及び図２は、一般に符号化効率を向上するために使われる階層符号化構造の２つのタイプの例を示す。これらの例では、最も小さい時間インデックスが最も高い時間レベルを示し、時間インデックスの増加は時間レベルの減少に対応する。記述の一貫性のために、本明細書においてこの対応関係を用いる。この対応関係と同じものはＨＥＶＣ、Ｈ．２６４のＭＶＣ拡張、及び、Ｈ．２６４のＳＶＣ拡張で採用されたシンタックス要素ｔｅｍｐｏｒａｌ＿ｉｄでも用いられる。大きい時間レベルインデックスが高い時間レベルを示すようにした対応関係も同じ目的で利用できることは、当業者には明らかである。
　図１及び図２の例において、ピクチャタイプＩはイントラ予測を用いて符号化されたピクチャであり、ピクチャタイプＰは単仮説インター予測（ｓｉｎｇｌｅ－ｈｙｐｏｔｈｅｓｉｓ　ｉｎｔｅｒ－ｐｒｅｄｉｃｔｉｏｎ）を用いて符号化されたピクチャであり、ピクチャタイプＢは双仮説インター予測（ｄｕａｌ－ｈｙｐｏｔｈｅｓｉｓ　ｉｎｔｅｒ－ｐｒｅｄｉｃｔｉｏｎ）を用いて符号化されたピクチャである。フレーム間予測の参照ピクチャとしてピクチャメモリに格納されたＢピクチャは、Ｂｓピクチャとして示される。これらの例では、すべてのＩ及びＰピクチャは、参照ピクチャとしてピクチャメモリにいつも保存されるとする。符号化オーダ（符号化及び復号処理するピクチャの時間順）のインデックス値と出力オーダ（再構成されたピクチャが出力／表示される時間順）のインデックス値が示されている。ここで、大きいオーダインデックス値は、小さいオーダインデックス値よりも後の時間を示す。記述の一貫性のために、本明細書においてこの対応関係を用いる。大きいオーダインデックス値が小さいオーダインデックス値よりも先の時間を示すようにした対応関係も同じ目的で利用できることは、当業者には明らかである。
　図１は、ランダムアクセスタイプの階層符号化を示す。ランダムアクセスタイプの階層符号化では、どのＩピクチャから始まっても圧縮動画像が正しく復号され、再構成される。このようなランダムアクセス階層符号化構造は、他の符号化構造と比較して、高い符号化効率をもたらす。図２は、低遅延タイプの階層符号化を示す。低遅延タイプの階層符号化では、再構成されたピクチャは復号処理が完了するとすぐに出力される。
　図１の例を参照すると、対象ピクチャ１２２（時間インデックス１）は、参照ピクチャ１３０、及び、１３２（時間インデックス２）からのインター予測よりも、参照ピクチャ１１０、１１２、１１４、及び、１２０（時間インデックス０及び１）からのインター予測を採用することによって、より効率的に符号化される。同様に、図２の例を参照すると、対象ピクチャ２２２（時間インデックス１）は、参照ピクチャ２３０、２３２、及び２３４（時間インデックス２）から予測するよりも、参照ピクチャ２１０、２１２、及び、２２０（時間インデックス０及び１）から予測することにより、より効率的に符号化される。
　図３は、本発明の実施の形態１に係る動画像符号化処理を示すフローチャートである。モジュール３００は、符号化対象ピクチャに時間レベル情報を割り当て、さらに、前に割り当てられた、ピクチャメモリに格納されたピクチャの時間レベル情報を取得することによって、ピクチャの時間レベルを決定する。時間レベル情報の一例は、前述の時間インデックスである。時間レベル情報は、第１パラメータに相当する。時間レベル情報は、対象ピクチャと同一シーケンス内の他の近隣ピクチャとの時間関係に基づいて、対象ピクチャに割り当てられる。モジュール３０２では、インター予測処理で使われる参照リストが、階層参照リスト作成方法に従って、時間レベルとピクチャオーダ情報とを利用して作成される。次に、モジュール３０４では、対象ピクチャは参照リスト内の情報を使って符号化される。最後に、モジュール３０６では、対象ピクチャは復号され、その後に符号化されるピクチャのための参照ピクチャとしてピクチャメモリに格納される。
　図４は、本発明の実施の形態１に係る動画像復号処理を示すフローチャートである。モジュール４００は、圧縮動画像ストリームのヘッダから時間レベル情報を解析する。図１８は、圧縮動画像ストリーム内における時間レベル情報の位置の一例を示す。次に、モジュール４０２では、インター予測で利用される参照リストが、時間レベル及びピクチャオーダ情報を利用して作成される。モジュール４０２で作成された参照リストには、モジュール３０２の符号化処理で作成された参照リストと同じように並べられた参照ピクチャ情報が含まれる。その後、モジュール４０４は、モジュール４０２で作成された参照リストを使って、圧縮動画像ストリームから対象ピクチャを復号する。
　図５は、本発明の実施の形態１に係る動画像符号化装置の一例を示すブロック図である。動画像符号化装置は、時間レベル決定部５００と、減算部５０２と、残差符号化部５０４と、エントロピー符号化部５０６と、残差復号部５０８と、加算部５１０と、フィルタ部５１２と、メモリ部５１４と、参照リスト作成部５１６と、動き検出部５１８と、動き補間部５２０とを備える。
　図５に示すように、時間レベル決定部５００は、ビデオシーケンスＤ５００の時間関係情報を取得し、対象ピクチャの時間インデックスＤ５０２を決定する。減算部５０２は、対象ピクチャのオリジナルサンプルＤ５０４を取得し、インター予測サンプルＤ５２８で減算して、その残差値Ｄ５０６を出力する。残差符号化部５０４は残差値Ｄ５０６を取得し、圧縮残差係数Ｄ５０８を出力する。圧縮残差係数Ｄ５０８は、エントロピー符号化部５０６によって圧縮動画像Ｄ５１０内にエントロピー符号化される。残差復号部５０８は、圧縮残差係数Ｄ５０８を取得し、復号された残差値Ｄ５１４を出力する。加算部５１０は、残差値Ｄ５１４を取得し、インター予測サンプルＤ５２８の値と加算して、画像サンプルＤ５１６を再構成する。フィルタ部５１２は、再構成された画像サンプルＤ５１６を読み込み、フィルタ済み画像サンプルＤ５１８を出力する。このフィルタ済み画像サンプルＤ５１８は、メモリ部５１４に格納される。
　参照リスト作成部５１６は、対象ピクチャの時間インデックスＤ５０２と、メモリ部５１４に格納されたピクチャの時間インデックスＤ５２２とを読み込み、参照リストＤ５２４を出力する。動き検出部５１８は、参照リストＤ５２４と画像サンプルＤ５２０とをメモリ部５１４から読み出し、動きベクトルと参照インデックスとを推定する。動き検出部５１８は、動きベクトル、参照インデックス、及び、画像サンプルＤ５２６を動き補間部５２０へ出力する。動き補間部５２０は、動きベクトル、参照インデックス、画像サンプルＤ５２６を読み込み、インター予測サンプルＤ５２８を出力する。
　図６は、本発明の実施の形態１に係る動画像復号装置の一例を示すブロック図である。動画像復号装置は、エントロピー復号部６００と、残差復号部６０２と、加算部６０４と、フィルタ部６０６と、メモリ部６０８と、参照リスト作成部６１０と、動き補間部６１２とを備える。
　図６に示すように、エントロピー復号部６００は、圧縮動画像ストリームＤ６００を読み込み、圧縮残差係数Ｄ６０２を出力する。エントロピー復号部６００は、さらに、圧縮動画像ストリームＤ６００のヘッダから対象ピクチャの時間インデックスＤ６１４を解析する。エントロピー復号部６００は、さらに、圧縮動画像ストリームＤ６００から、動きベクトル及び参照インデックスＤ６１６を復号する。残差復号部６０２は、圧縮残差係数Ｄ６０２を読み込み、復号された残差値Ｄ６０４を出力する。加算部６０４は、残差値Ｄ６０４とインター予測サンプルＤ６２０とを読み込み、再構成サンプルＤ６０６を出力する。フィルタ部６０６は、再構成サンプルＤ６０６を読み込み、フィルタ済みサンプルＤ６０８を出力する。
　参照リスト作成部６１０は、対象ピクチャの時間インデックスＤ６１４と、メモリ部６０８に格納されたピクチャの時間インデックスＤ６１２とを読み込み、参照リストＤ６１８を出力する。動き補間部６１２は、動きベクトル、参照インデックスＤ６１６、参照リストＤ６１８、及び、格納された画像サンプルＤ６１０を読み込み、その後、インター予測サンプルＤ６２０を出力する。
　図７は、本発明の実施の形態１に係る動画像符号化及び復号処理における参照リスト作成処理の第１の実施例を示すフローチャートである。まず、モジュール７００では、参照ピクチャのセットが、ピクチャメモリ内に格納されている再構成ピクチャの集合から、選択基準に従って選択される。この参照ピクチャのセットは、複数のアクティブ参照ピクチャに相当する。選択基準とは、例えば、ＭＰＥＧ－４　Ｐａｒｔ　１０の仕様書のセクション８．２．５に記述された、Ｈ．２６４参照ピクチャ作成処理である。モジュール７０２では、特定の順序で参照ピクチャを示す参照リストが、時間レベル情報と参照ピクチャのピクチャオーダ情報との両方を利用して作成される。参照リストで示される各参照ピクチャは、ユニークな参照インデックスで識別される。図１及び図２の例のＰピクチャのような単仮説インター符号化されたピクチャに対しては、１個の参照リストが作られる。図１の例のＢ及びＢｓピクチャのような双仮説インター予測されたピクチャに対しては、２つの参照リストが作られる。
　図８は、本発明の実施の形態１に係る動画像符号化処理における参照リスト作成処理の第２の実施例を示すフローチャートである。まず、モジュール８００では、参照ピクチャのセットが、ピクチャメモリ内に格納されている再構成ピクチャの集合から、選択基準に従って選択される。その後、モジュール８０２は、参照ピクチャの時間レベル情報とピクチャオーダ情報との両方を利用して、特定の順序で参照ピクチャを示す初期参照リストを作成する。次に、モジュール８０４は、初期参照リストをリオーダ（再整列）するか否かを判定する。いくつかの理由、例えば、ある動画像のワンシーンをより効率的に符号化するため、又は、特定のアプリケーション特性に合わせて符号化するためなどの理由からリオーダすることが必要になることがある。参照リストをリオーダする場合、モジュール８０６は、参照リスト内の参照ピクチャ識別子の順序を再配列する。その後、モジュール８０８は、圧縮動画像ストリームヘッダに、参照リストリオーダリングパラメータを書き込む。参照リストリオーダリングパラメータは、参照リストをリオーダするか否かを示す情報（例えばフラグなど）を含む。参照リストをリオーダする場合、参照リストリオーダリングパラメータは、さらに、参照リストをリオーダするための方法／手順（リオーダ手順）を示す情報を含む。図１９は、圧縮動画像ストリーム内における参照リストリオーダリングパラメータの位置の一例を示す。Ｈ．２６４の参照リストのリオーダ方法の一例は、ＭＰＥＧ－４　Ｐａｒｔ　１０の仕様書のセクション８．２．４．３にある。
　図９は、本発明の実施の形態１に係る動画像復号処理における参照リスト作成処理の第２の実施例を示すフローチャートである。まず、モジュール９００では、圧縮動画像ストリームのヘッダから参照リストリオーダリングパラメータが解析される。次に、モジュール９０２は、ピクチャメモリ内に格納された再構成ピクチャの集合から、符号化処理（図８のモジュール８００）のときと同じ選択基準に従って、参照ピクチャのセットを選択する。次にモジュール９０４では、時間レベル情報とピクチャオーダ情報との両方を利用して、初期参照リストが作成される。その後、モジュール９０６は、参照ピクチャリオーダリングパラメータ内に含まれる情報に基づいて、参照リストをリオーダするか否かを判定する。参照リストをリオーダする場合、モジュール９０８は、参照ピクチャリオーダリングパラメータで示されるリオーダ手順に従って、参照リストをリオーダする。図８の符号化処理において作成される参照リストと、図９の復号処理において作成される参照リストとでは、参照ピクチャの順序が同一となる。
　図１０は、本発明の実施の形態１に係る動画像符号化処理における参照リスト作成処理の第３の実施例を示すフローチャートである。モジュール１０００は、時間レベルの選択基準が適用されるか否かを判定する。時間レベルの選択基準が適用される場合、モジュール１００２は、ピクチャメモリに格納された再構成ピクチャのうち、対象ピクチャのインデックスよりも大きい時間インデックスを有する（すなわち、時間レベルが低い）ピクチャを除いたピクチャの中から、参照ピクチャのセットを選択する。一方、時間レベルの選択基準が適用されない場合、モジュール１００４は、ピクチャメモリに格納された再構成ピクチャの中から、時間インデックスを考慮せずに参照ピクチャのセットを選択する。例えば、時間拡張性のある圧縮動画像ストリームを作成する場合には、時間レベルの選択基準が有用である。次にモジュール１００６では、選択された参照ピクチャを特定の順序で示す参照リストが、参照ピクチャの時間レベル情報とピクチャオーダ情報との両方を利用して作成される。次にモジュール１００８では、時間レベルの選択基準が適用されるか否かを示すために、時間参照選択パラメータが圧縮動画像ストリームのヘッダに書き込まれる。時間参照選択パラメータは、第２パラメータに相当する。時間参照選択パラメータは、例えば、「０」が時間レベルの選択基準が適用されないことを示し、かつ「１」が時間レベルの選択基準が適用されることを示すフラグである。
　図２０は、圧縮動画像ストリーム内における時間参照選択パラメータの位置の一例を示す。図２０の（Ａ）は、圧縮動画像ストリームのシーケンスヘッダ内における時間参照選択パラメータの位置を示す。図２０の（Ｂ）は、圧縮動画像ストリームのピクチャヘッダ内における時間参照選択パラメータの位置を示す。図２０の（Ｃ）は、圧縮動画像ストリームのシーケンスヘッダ内に符号化された、プロファイルパラメータ、レベルパラメータ、又は、プロファイルパラメータとレベルパラメータとの両方に基づくルックアップテーブルから時間参照選択パラメータが得られることを示す。
　図１１は、本発明の実施の形態１に係る動画像復号処理における参照リスト作成処理の第３の実施例を示すフローチャートである。まず、モジュール１１００では、圧縮動画像ストリームのヘッダから時間参照選択パラメータが解析される。モジュール１１０２は、時間レベルの選択基準が適用されるか否かを、時間参照選択パラメータに基づいて判定する。時間レベルの選択基準が適用される場合、モジュール１１０４は、ピクチャメモリに格納された再構成ピクチャのうち、対象ピクチャの時間インデックスよりも大きい時間インデックスを有するピクチャを除いたピクチャの中から、参照ピクチャを選択する。時間レベルの選択基準が適用されない場合、モジュール１１０６は、ピクチャメモリに格納された再構成ピクチャの中から、時間インデックスを考慮せずに参照ピクチャを選択する。参照ピクチャが選択された後、モジュール１１０８は、参照ピクチャの時間レベル情報とピクチャオーダ情報とを利用して参照リストを作成する。図１０の符号化処理において作成される参照リストと、図１１の復号処理において作成される参照リストとでは、参照ピクチャの順序が同一となる。
　図１２は、本発明の実施の形態１に係る動画像符号化処理における参照リスト作成処理の第４の実施例を示すフローチャートである。モジュール１２００は、時間レベルの選択基準が適用されるか否かを判定する。時間レベルの選択基準が適用される場合、モジュール１２０２は、ピクチャメモリに格納された再構成ピクチャのうち、対象ピクチャの時間インデックスよりも大きい時間インデックスを有するピクチャを除いたピクチャの中から、参照ピクチャのセットを選択する。一方、時間レベルの選択基準が適用されない場合、モジュール１２０４は、ピクチャメモリに格納された再構成ピクチャの中から、時間インデックスを考慮せずに参照ピクチャのセットを選択する。次に、モジュール１２０６では、選択された参照ピクチャを特定の順序で示す初期参照リストが、参照ピクチャの時間レベル情報とピクチャオーダ情報との両方を利用して作成される。次に、モジュール１２０８は、初期参照リストをリオーダするか否かを判定する。参照リスト参照リストをリオーダする場合、モジュール１２１０は、参照リスト内の参照ピクチャ識別子の順序を再配列する。次に、モジュール１２１２は、圧縮動画像ストリームのヘッダに時間参照選択パラメータを書き込み、モジュール１２１４は、圧縮動画像ストリームのヘッダに参照リストリオーダリングパラメータを書き込む。
　図１３は、本発明の実施の形態１に係る動画像復号処理における参照リスト作成処理の第４の実施例を示すフローチャートである。モジュール１３００では、圧縮動画像ストリームのヘッダから時間参照選択パラメータが解析される。モジュール１３０２は、圧縮動画像ストリームのヘッダから参照リストリオーダリングパラメータを解析する。モジュール１３０４は、時間参照選択パラメータに基づいて、時間レベルの選択基準が適用されるか否かを判定する。時間レベルの選択基準が適用される場合、モジュール１３０６は、ピクチャメモリに格納された再構成ピクチャのうち、対象ピクチャの時間インデックスよりも大きい時間インデックスを有するピクチャを除いたピクチャの中から、参照ピクチャを選択する。時間レベルの選択基準が適用されない場合、モジュール１３０８は、ピクチャメモリに格納された再構成ピクチャの中から、時間インデックスを考慮せずに参照ピクチャを選択する。参照ピクチャが選択された後、モジュール１３１０は、参照ピクチャの時間レベル情報とピクチャオーダ情報との両方を使用して、初期参照リストを作成する。その後、モジュール１３１２は、参照ピクチャリオーダリングパラメータの中で提供される情報に基づいて、参照リストをリオーダするか否かを判定する。参照リストをリオーダする場合、モジュール１３１４は、参照ピクチャリオーダリングパラメータで示されるリオーダ手順に従って、参照リストをリオーダする。図１２の符号化処理において生成される参照リストと、図１３の復号処理において生成される参照リストとでは、参照ピクチャの順序が同一となる。
　本発明の実施の形態１に係る参照リスト作成処理の上記実施例において、参照リスト作成ステップ（モジュール７０２、８０２、９０４、１００６、１１０８、１２０６、及び、１３１０）は、特別な順序で配列された参照ピクチャ識別子を含む１つ又は２つの参照リストを出力する。単仮説インター予測を利用するピクチャの場合は、１つの参照リストが作成される。双仮説インター予測を利用するピクチャの場合は、２つの参照リストが作成される。続いて、参照リスト生成ステップについて、詳細に説明する。
　図１４は、本発明の実施の形態１に係る単仮説インター予測を利用するピクチャのための参照リスト作成処理の第１の実施例を示すフローチャートである。まずモジュール１４００では、全ての参照ピクチャは時間インデックスの昇順に整列される（すなわち、最もフレームレートが低いことを表す最も高い時間レベルから始まり、最もフレームレートが高いことを表す最も低い時間レベルまで続く）。１枚以上のピクチャが単一の時間インデックスに関連付けられることもある。モジュール１４０２は、さらに、同一の時間インデックスを有する参照ピクチャのサブセットの各々を、ピクチャオーダインデックスの降順でリオーダする。その後、モジュール１４０４は、リオーダステップ（モジュール１４０２）により整列された順序で参照ピクチャ識別子を含む参照リストを作成する。
　図１５は、本発明の実施の形態１に係る双仮説インター予測を利用するピクチャのための参照リスト作成処理の第１の実施例を示すフローチャートである。モジュール１５００は、全ての参照ピクチャを、対象ピクチャのピクチャオーダインデックスより小さいピクチャオーダインデックスを有するピクチャで構成される第１グループと、その残りの全てのピクチャで構成される第２グループとに分類する。モジュール１５０２は、第１グループの参照ピクチャを時間インデックスの昇順で整列する。モジュール１５０４は、第１グループの参照ピクチャのうち同一の時間インデックスを有する参照ピクチャのサブセットの各々を、ピクチャオーダインデックスの降順でリオーダする。モジュール１５０６は、第２グループの参照ピクチャを時間インデックスの昇順で整列する。モジュール１５０８は、第２グループの参照ピクチャのうち同一の時間インデックスを有する参照ピクチャのサブセットの各々を、ピクチャオーダインデックスの昇順でリオーダする。次に、モジュール１５１０は、第１グループの参照ピクチャを示す識別子を、第１グループリオーダステップ（モジュール１５０４）により整列された順序で含む第１の参照リストを作成する。その後、モジュール１５１２は、第２グループの参照ピクチャを示す追加の識別子を、第２グループリオーダステップ（モジュール１５０８）により整列された順序で、第１の参照リストに付加する。同様に、モジュール１５１４は、第２グループの参照ピクチャを示す識別子を、第２グループリオーダステップ（モジュール１５０８）により整列された順序で含む第２の参照リストを作成する。その後、モジュール１５１６は、第１グループの参照ピクチャを示す追加の識別子を、第１グループリオーダステップ（モジュール１５０４）により整列された順序で、第２の参照リストに付加する。
　図１６は、本発明の実施の形態１に係る単仮説インター予測を利用するピクチャのための参照リスト作成処理の第２の実施例を示すフローチャートである。モジュール１６００は、全ての参照ピクチャを、対象ピクチャの時間インデックス以下の時間インデックスを有するピクチャで構成される第１グループと、その残りの全てのピクチャで構成される第２グループとに分類する。モジュール１６０２は、第１グループの参照ピクチャをピクチャオーダインデックスの降順で整列する。モジュール１６０４は、第２グループの参照ピクチャをピクチャオーダインデックスの降順で整列する。その後、モジュール１６０６は、第１グループの参照ピクチャを示す識別子を、第１グループ整列ステップ（モジュール１６０２）で整列された順序で含む参照リストを作成する。モジュール１６０８は、第２グループの参照ピクチャを示す追加の識別子を、第２グループ整列ステップ（モジュール１６０４）で整列された順序で参照リストに付加する。
　図１７は、本発明の実施の形態１に係る双仮説インター予測を利用するピクチャのための参照リスト作成処理の第２の実施例を示すフローチャートである。まず、モジュール１７００は、全ての参照ピクチャを４つのグループに分類する。第１グループは、対象ピクチャのピクチャオーダインデックスより小さいピクチャオーダインデックスを有し、かつ、対象ピクチャの時間インデックス以下の時間インデックスを有するピクチャで構成される。第２グループは、対象ピクチャのピクチャオーダインデックスより小さいピクチャオーダインデックスを有し、かつ、対象ピクチャの時間インデックスより大きい時間インデックスを有するピクチャで構成される。第３グループは、対象ピクチャのピクチャオーダインデックスよりも大きいピクチャオーダインデックスを有し、かつ、対象の時間インデックス以下の時間インデックスを有するピクチャで構成される。第４グループは、その残りの全てのピクチャで構成される。モジュール１７０２は、第１グループの参照ピクチャをピクチャオーダインデックスの降順で整列する。モジュール１７０４は、第２グループの参照ピクチャをピクチャオーダインデックスの降順で整列する。モジュール１７０６は、第３グループの参照ピクチャをピクチャオーダインデックスの昇順で整列する。
　モジュール１７０８は、第４グループの参照ピクチャをピクチャオーダインデックスの昇順で整列する。次に、モジュール１７１０は、第１グループの参照ピクチャを示す識別子を第１グループ整列ステップ（モジュール１７０２）で整列された順序で含む第１の参照リストを作成する。モジュール１７１２は、第２グループの参照ピクチャを示す追加の識別子を、第２グループ整列ステップ（モジュール１７０４）で整列された順序で、第１の参照リストに付加する。モジュール１７１４は、第３グループの参照ピクチャを示す追加の識別子を、第３グループ整列ステップ（モジュール１７０６）で整列された順序で、第１の参照リストに付加する。モジュール１７１６は、第４グループの参照ピクチャを示す追加の識別子を、第４グループ整列ステップ（モジュール１７０８）で整列された順序で、第１の参照リストに付加する。同様の方法によって、モジュール１７１８は、第３グループの参照ピクチャを示す識別子を第３グループリオーダステップ（モジュール１７０６）で整列された順序で含む第２の参照リストを作成する。モジュール１７２０は、第４グループの参照ピクチャを示す追加の識別子を、第４グループ整列ステップ（モジュール１７０８）で整列された順序で、第２の参照リストに付加する。モジュール１７２２は、第１グループの参照ピクチャを示す追加の識別子を、第１グループ整列ステップ（モジュール１７０２）で整列された順序で、第２の参照リストに付加する。モジュール１７２４は、第２グループの参照ピクチャを示す追加の識別子を、第２グループ整列ステップ（モジュール１７０４）で整列された順序で、第２の参照リストに付加する。
　以上のように、本実施の形態に係る動画像符号化方法及び動画像復号方法によれば、符号化効率が改善することができる。本実施の形態において、圧縮動画像ストリームの中に、参照リストのリオーダリングコマンドを含む必要がなくなるためである。また、本実施の形態に係る動画像符号化方法及び動画像復号方法によれば、最初に参照リストを生成した後に参照リストをリオーダするための計算が不要となるので、計算の複雑さを削減することができる。
　（実施の形態２）
　上記実施の形態で示した動画像符号化方法または動画像復号方法の構成を実現するためのプログラムを記憶メディアに記録することにより、上記実施の形態で示した処理を独立したコンピュータシステムにおいて簡単に実施することが可能となる。記憶メディアは、磁気ディスク、光ディスク、光磁気ディスク、ＩＣカード、半導体メモリ等、プログラムを記録できるものであればよい。
　さらにここで、上記実施の形態で示した動画像符号化方法や動画像復号方法の応用例とそれを用いたシステムを説明する。
　図２１は、コンテンツ配信サービスを実現するコンテンツ供給システムex１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex１０６、ex１０７、ex１０８、ex１０９、ex１１０が設置されている。
　このコンテンツ供給システムex１００は、インターネットex１０１にインターネットサービスプロバイダex１０２および電話網ex１０４、および基地局ex１０６からex１１０を介して、コンピュータex１１１、ＰＤＡ（Personal Digital Assistant）ex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５などの各機器が接続される。
　しかし、コンテンツ供給システムex１００は図２１のような構成に限定されず、いずれかの要素を組合せて接続するようにしてもよい。また、固定無線局である基地局ex１０６からex１１０を介さずに、各機器が電話網ex１０４に直接接続されてもよい。また、各機器が近距離無線等を介して直接相互に接続されていてもよい。
　カメラex１１３はデジタルビデオカメラ等の動画撮影が可能な機器であり、カメラex１１６はデジタルカメラ等の静止画撮影、動画撮影が可能な機器である。また、携帯電話ex１１４は、ＧＳＭ（Global System for Mobile Communications）方式、ＣＤＭＡ（Code Division Multiple Access）方式、Ｗ－ＣＤＭＡ（Wideband-Code Division Multiple Access）方式、若しくはＬＴＥ（Long Term Evolution）方式、ＨＳＰＡ(High Speed Packet Access)の携帯電話機、またはＰＨＳ（Personal Handyphone System）等であり、いずれでも構わない。
　コンテンツ供給システムex１００では、カメラex１１３等が基地局ex１０９、電話網ex１０４を通じてストリーミングサーバex１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、ユーザがカメラex１１３を用いて撮影するコンテンツ（例えば、音楽ライブの映像等）に対して上記実施の形態で説明したように符号化処理を行い、ストリーミングサーバex１０３に送信する。一方、ストリーミングサーバex１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントとしては、上記符号化処理されたデータを復号することが可能な、コンピュータex１１１、ＰＤＡex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５等がある。配信されたデータを受信した各機器では、受信したデータを復号処理して再生する。
　なお、撮影したデータの符号化処理はカメラex１１３で行っても、データの送信処理をするストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。同様に配信されたデータの復号処理はクライアントで行っても、ストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。また、カメラex１１３に限らず、カメラex１１６で撮影した静止画像および／または動画像データを、コンピュータex１１１を介してストリーミングサーバex１０３に送信してもよい。この場合の符号化処理はカメラex１１６、コンピュータex１１１、ストリーミングサーバex１０３のいずれで行ってもよいし、互いに分担して行ってもよい。
　また、これら符号化・復号処理は、一般的にコンピュータex１１１や各機器が有するＬＳＩex５００において処理する。ＬＳＩex５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化・復号用のソフトウェアをコンピュータex１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、ハードディスクなど）に組み込み、そのソフトウェアを用いて符号化・復号処理を行ってもよい。さらに、携帯電話ex１１４がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データは携帯電話ex１１４が有するＬＳＩex５００で符号化処理されたデータである。
　また、ストリーミングサーバex１０３は複数のサーバや複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。
　以上のようにして、コンテンツ供給システムex１００では、符号化されたデータをクライアントが受信して再生することができる。このようにコンテンツ供給システムex１００では、ユーザが送信した情報をリアルタイムでクライアントが受信して復号し、再生することができ、特別な権利や設備を有さないユーザでも個人放送を実現できる。
　なお、コンテンツ供給システムex１００の例に限らず、図２２に示すように、デジタル放送用システムex２００にも、上記実施の形態の少なくとも動画像符号化装置または動画像復号装置のいずれかを組み込むことができる。具体的には、放送局ex２０１では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex２０２に伝送される。この映像データは上記実施の形態で説明した動画像符号化方法により符号化されたデータである。これを受けた放送衛星ex２０２は、放送用の電波を発信し、この電波を衛星放送の受信が可能な家庭のアンテナex２０４が受信する。受信した多重化データを、テレビ（受信機）ex３００またはセットトップボックス（ＳＴＢ）ex２１７等の装置が復号して再生する。
　また、ＤＶＤ、ＢＤ等の記録メディアex２１５に記録した多重化データを読み取り復号する、または記録メディアex２１５に映像信号を符号化し、さらに場合によっては音楽信号と多重化して書き込むリーダ／レコーダex２１８にも上記実施の形態で示した動画像復号装置または動画像符号化装置を実装することが可能である。この場合、再生された映像信号はモニタex２１９に表示され、多重化データが記録された記録メディアex２１５により他の装置やシステムにおいて映像信号を再生することができる。また、ケーブルテレビ用のケーブルex２０３または衛星／地上波放送のアンテナex２０４に接続されたセットトップボックスex２１７内に動画像復号装置を実装し、これをテレビのモニタex２１９で表示してもよい。このときセットトップボックスではなく、テレビ内に動画像復号装置を組み込んでもよい。
　図２３は、上記実施の形態で説明した動画像復号方法および動画像符号化方法を用いたテレビ（受信機）ex３００を示す図である。テレビex３００は、上記放送を受信するアンテナex２０４またはケーブルex２０３等を介して映像データに音声データが多重化された多重化データを取得、または出力するチューナex３０１と、受信した多重化データを復調する、または外部に送信する多重化データに変調する変調／復調部ex３０２と、復調した多重化データを映像データと、音声データとに分離する、または信号処理部ex３０６で符号化された映像データ、音声データを多重化する多重／分離部ex３０３を備える。
　また、テレビex３００は、音声データ、映像データそれぞれを復号する、またはそれぞれの情報を符号化する音声信号処理部ex３０４、映像信号処理部ex３０５を有する信号処理部ex３０６と、復号した音声信号を出力するスピーカex３０７、復号した映像信号を表示するディスプレイ等の表示部ex３０８を有する出力部ex３０９とを有する。さらに、テレビex３００は、ユーザ操作の入力を受け付ける操作入力部ex３１２等を有するインタフェース部ex３１７を有する。さらに、テレビex３００は、各部を統括的に制御する制御部ex３１０、各部に電力を供給する電源回路部ex３１１を有する。インタフェース部ex３１７は、操作入力部ex３１２以外に、リーダ／レコーダex２１８等の外部機器と接続されるブリッジex３１３、ＳＤカード等の記録メディアex２１６を装着可能とするためのスロット部ex３１４、ハードディスク等の外部記録メディアと接続するためのドライバex３１５、電話網と接続するモデムex３１６等を有していてもよい。なお記録メディアex２１６は、格納する不揮発性／揮発性の半導体メモリ素子により電気的に情報の記録を可能としたものである。テレビex３００の各部は同期バスを介して互いに接続されている。
　まず、テレビex３００がアンテナex２０４等により外部から取得した多重化データを復号し、再生する構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、ＣＰＵ等を有する制御部ex３１０の制御に基づいて、変調／復調部ex３０２で復調した多重化データを多重／分離部ex３０３で分離する。さらにテレビex３００は、分離した音声データを音声信号処理部ex３０４で復号し、分離した映像データを映像信号処理部ex３０５で上記実施の形態で説明した復号方法を用いて復号する。復号した音声信号、映像信号は、それぞれ出力部ex３０９から外部に向けて出力される。出力する際には、音声信号と映像信号が同期して再生するよう、バッファex３１８、ex３１９等に一旦これらの信号を蓄積するとよい。また、テレビex３００は、放送等からではなく、磁気／光ディスク、ＳＤカード等の記録メディアex２１５、ex２１６から多重化データを読み出してもよい。次に、テレビex３００が音声信号や映像信号を符号化し、外部に送信または記録メディア等に書き込む構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、制御部ex３１０の制御に基づいて、音声信号処理部ex３０４で音声信号を符号化し、映像信号処理部ex３０５で映像信号を上記実施の形態で説明した符号化方法を用いて符号化する。符号化した音声信号、映像信号は多重／分離部ex３０３で多重化され外部に出力される。多重化する際には、音声信号と映像信号が同期するように、バッファex３２０、ex３２１等に一旦これらの信号を蓄積するとよい。なお、バッファex３１８、ex３１９、ex３２０、ex３２１は図示しているように複数備えていてもよいし、１つ以上のバッファを共有する構成であってもよい。さらに、図示している以外に、例えば変調／復調部ex３０２や多重／分離部ex３０３の間等でもシステムのオーバフロー、アンダーフローを避ける緩衝材としてバッファにデータを蓄積することとしてもよい。
　また、テレビex３００は、放送等や記録メディア等から音声データ、映像データを取得する以外に、マイクやカメラのＡＶ入力を受け付ける構成を備え、それらから取得したデータに対して符号化処理を行ってもよい。なお、ここではテレビex３００は上記の符号化処理、多重化、および外部出力ができる構成として説明したが、これらの処理を行うことはできず、上記受信、復号処理、外部出力のみが可能な構成であってもよい。
　また、リーダ／レコーダex２１８で記録メディアから多重化データを読み出す、または書き込む場合には、上記復号処理または符号化処理はテレビex３００、リーダ／レコーダex２１８のいずれで行ってもよいし、テレビex３００とリーダ／レコーダex２１８が互いに分担して行ってもよい。
　一例として、光ディスクからデータの読み込みまたは書き込みをする場合の情報再生／記録部ex４００の構成を図２４に示す。情報再生／記録部ex４００は、以下に説明する要素ex４０１、ex４０２、ex４０３、ex４０４、ex４０５、ex４０６、ex４０７を備える。光ヘッドex４０１は、光ディスクである記録メディアex２１５の記録面にレーザスポットを照射して情報を書き込み、記録メディアex２１５の記録面からの反射光を検出して情報を読み込む。変調記録部ex４０２は、光ヘッドex４０１に内蔵された半導体レーザを電気的に駆動し記録データに応じてレーザ光の変調を行う。再生復調部ex４０３は、光ヘッドex４０１に内蔵されたフォトディテクタにより記録面からの反射光を電気的に検出した再生信号を増幅し、記録メディアex２１５に記録された信号成分を分離して復調し、必要な情報を再生する。バッファex４０４は、記録メディアex２１５に記録するための情報および記録メディアex２１５から再生した情報を一時的に保持する。ディスクモータex４０５は記録メディアex２１５を回転させる。サーボ制御部ex４０６は、ディスクモータex４０５の回転駆動を制御しながら光ヘッドex４０１を所定の情報トラックに移動させ、レーザスポットの追従処理を行う。システム制御部ex４０７は、情報再生／記録部ex４００全体の制御を行う。上記の読み出しや書き込みの処理はシステム制御部ex４０７が、バッファex４０４に保持された各種情報を利用し、また必要に応じて新たな情報の生成・追加を行うと共に、変調記録部ex４０２、再生復調部ex４０３、サーボ制御部ex４０６を協調動作させながら、光ヘッドex４０１を通して、情報の記録再生を行うことにより実現される。システム制御部ex４０７は例えばマイクロプロセッサで構成され、読み出し書き込みのプログラムを実行することでそれらの処理を実行する。
　以上では、光ヘッドex４０１はレーザスポットを照射するとして説明したが、近接場光を用いてより高密度な記録を行う構成であってもよい。
　図２５に光ディスクである記録メディアex２１５の模式図を示す。記録メディアex２１５の記録面には案内溝（グルーブ）がスパイラル状に形成され、情報トラックex２３０には、予めグルーブの形状の変化によってディスク上の絶対位置を示す番地情報が記録されている。この番地情報はデータを記録する単位である記録ブロックex２３１の位置を特定するための情報を含み、記録や再生を行う装置において情報トラックex２３０を再生し番地情報を読み取ることで記録ブロックを特定することができる。また、記録メディアex２１５は、データ記録領域ex２３３、内周領域ex２３２、外周領域ex２３４を含んでいる。ユーザデータを記録するために用いる領域がデータ記録領域ex２３３であり、データ記録領域ex２３３より内周または外周に配置されている内周領域ex２３２と外周領域ex２３４は、ユーザデータの記録以外の特定用途に用いられる。情報再生／記録部ex４００は、このような記録メディアex２１５のデータ記録領域ex２３３に対して、符号化された音声データ、映像データまたはそれらのデータを多重化した多重化データの読み書きを行う。
　以上では、１層のＤＶＤ、ＢＤ等の光ディスクを例に挙げ説明したが、これらに限ったものではなく、多層構造であって表面以外にも記録可能な光ディスクであってもよい。また、ディスクの同じ場所にさまざまな異なる波長の色の光を用いて情報を記録したり、さまざまな角度から異なる情報の層を記録したりなど、多次元的な記録／再生を行う構造の光ディスクであってもよい。
　また、デジタル放送用システムex２００において、アンテナex２０５を有する車ex２１０で衛星ex２０２等からデータを受信し、車ex２１０が有するカーナビゲーションex２１１等の表示装置に動画を再生することも可能である。なお、カーナビゲーションex２１１の構成は例えば図２３に示す構成のうち、ＧＰＳ受信部を加えた構成が考えられ、同様なことがコンピュータex１１１や携帯電話ex１１４等でも考えられる。
　図２６の（ａ）は、上記実施の形態で説明した動画像復号方法および動画像符号化方法を用いた携帯電話ex１１４を示す図である。携帯電話ex１１４は、基地局ex１１０との間で電波を送受信するためのアンテナex３５０、映像、静止画を撮ることが可能なカメラ部ex３６５、カメラ部ex３６５で撮像した映像、アンテナex３５０で受信した映像等が復号されたデータを表示する液晶ディスプレイ等の表示部ex３５８を備える。携帯電話ex１１４は、さらに、操作キー部ex３６６を有する本体部、音声を出力するためのスピーカ等である音声出力部ex３５７、音声を入力するためのマイク等である音声入力部ex３５６、撮影した映像、静止画、録音した音声、または受信した映像、静止画、メール等の符号化されたデータもしくは復号されたデータを保存するメモリ部ex３６７、又は同様にデータを保存する記録メディアとのインタフェース部であるスロット部ex３６４を備える。
　さらに、携帯電話ex１１４の構成例について、図２６の（ｂ）を用いて説明する。携帯電話ex１１４は、表示部ex３５８及び操作キー部ex３６６を備えた本体部の各部を統括的に制御する主制御部ex３６０に対して、電源回路部ex３６１、操作入力制御部ex３６２、映像信号処理部ex３５５、カメラインタフェース部ex３６３、ＬＣＤ（Liquid Crystal Display）制御部ex３５９、変調／復調部ex３５２、多重／分離部ex３５３、音声信号処理部ex３５４、スロット部ex３６４、メモリ部ex３６７がバスex３７０を介して互いに接続されている。
　電源回路部ex３６１は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex１１４を動作可能な状態に起動する。
　携帯電話ex１１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有する主制御部ex３６０の制御に基づいて、音声通話モード時に音声入力部ex３５６で収音した音声信号を音声信号処理部ex３５４でデジタル音声信号に変換し、これを変調／復調部ex３５２でスペクトラム拡散処理し、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して送信する。また携帯電話ex１１４は、音声通話モード時にアンテナex３５０を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調／復調部ex３５２でスペクトラム逆拡散処理し、音声信号処理部ex３５４でアナログ音声信号に変換した後、これを音声出力部ex３５７から出力する。
　さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex３６６等の操作によって入力された電子メールのテキストデータは操作入力制御部ex３６２を介して主制御部ex３６０に送出される。主制御部ex３６０は、テキストデータを変調／復調部ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して基地局ex１１０へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex３５８に出力される。
　データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex３５５は、カメラ部ex３６５から供給された映像信号を上記実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ex３５３に送出する。また、音声信号処理部ex３５４は、映像、静止画等をカメラ部ex３６５で撮像中に音声入力部ex３５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ex３５３に送出する。
　多重／分離部ex３５３は、映像信号処理部ex３５５から供給された符号化された映像データと音声信号処理部ex３５４から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調／復調部（変調／復調回路部）ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex３５０を介して送信する。
　データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex３５０を介して受信された多重化データを復号するために、多重／分離部ex３５３は、多重化データを分離することにより映像データのビットストリームと音声データのビットストリームとに分け、同期バスex３７０を介して符号化された映像データを映像信号処理部ex３５５に供給するとともに、符号化された音声データを音声信号処理部ex３５４に供給する。映像信号処理部ex３５５は、上記実施の形態で示した動画像符号化方法に対応した動画像復号方法によって復号することにより映像信号を復号し、ＬＣＤ制御部ex３５９を介して表示部ex３５８から、例えばホームページにリンクされた動画像ファイルに含まれる映像、静止画が表示される。また音声信号処理部ex３５４は、音声信号を復号し、音声出力部ex３５７から音声が出力される。
　また、上記携帯電話ex１１４等の端末は、テレビex３００と同様に、符号化器・復号器を両方持つ送受信型端末の他に、符号化器のみの送信端末、復号器のみの受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムex２００において、映像データに音楽データなどが多重化された多重化された多重化データを受信、送信するとして説明したが、音声データ以外に映像に関連する文字データなどが多重化されたデータであってもよいし、多重化データではなく映像データ自体であってもよい。
　このように、上記実施の形態で示した動画像符号化方法あるいは動画像復号方法を上述したいずれの機器・システムに用いることは可能であり、そうすることで、上記実施の形態で説明した効果を得ることができる。
　また、本発明はかかる上記実施形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形または修正が可能である。
　（実施の形態３）
　上記各実施の形態で示した動画像符号化方法または装置と、ＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。
　ここで、それぞれ異なる規格に準拠する複数の映像データを生成した場合、復号する際に、それぞれの規格に対応した復号方法を選択する必要がある。しかしながら、復号する映像データが、どの規格に準拠するものであるか識別できないため、適切な復号方法を選択することができないという課題を生じる。
　この課題を解決するために、映像データに音声データなどを多重化した多重化データは、映像データがどの規格に準拠するものであるかを示す識別情報を含む構成とする。上記各実施の形態で示す動画像符号化方法または装置によって生成された映像データを含む多重化データの具体的な構成を以下説明する。多重化データは、ＭＰＥＧ－２トランスポートストリーム形式のデジタルストリームである。
　図２７は、多重化データの構成を示す図である。図２７に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム（ＰＧ）、インタラクティブグラフィックスストリームのうち、１つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム（ＩＧ）は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にＧＵＩ部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーＡＣ－３、Ｄｏｌｂｙ　Ｄｉｇｉｔａｌ　Ｐｌｕｓ、ＭＬＰ、ＤＴＳ、ＤＴＳ－ＨＤ、または、リニアＰＣＭのなどの方式で符号化されている。
　多重化データに含まれる各ストリームはＰＩＤによって識別される。例えば、映画の映像に利用するビデオストリームには０ｘ１０１１が、オーディオストリームには０ｘ１１００から０ｘ１１１Ｆまでが、プレゼンテーショングラフィックスには０ｘ１２００から０ｘ１２１Ｆまでが、インタラクティブグラフィックスストリームには０ｘ１４００から０ｘ１４１Ｆまでが、映画の副映像に利用するビデオストリームには０ｘ１Ｂ００から０ｘ１Ｂ１Ｆまで、主音声とミキシングする副音声に利用するオーディオストリームには０ｘ１Ａ００から０ｘ１Ａ１Ｆが、それぞれ割り当てられている。
　図２８は、多重化データがどのように多重化されるかを模式的に示す図である。まず、複数のビデオフレームからなるビデオストリームex２３５、複数のオーディオフレームからなるオーディオストリームex２３８を、それぞれＰＥＳパケット列ex２３６およびex２３９に変換し、ＴＳパケットex２３７およびex２４０に変換する。同じくプレゼンテーショングラフィックスストリームex２４１およびインタラクティブグラフィックスex２４４のデータをそれぞれＰＥＳパケット列ex２４２およびex２４５に変換し、さらにＴＳパケットex２４３およびex２４６に変換する。多重化データex２４７はこれらのＴＳパケットを１本のストリームに多重化することで構成される。
　図２９は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかをさらに詳しく示している。図２９における第１段目はビデオストリームのビデオフレーム列を示す。第２段目は、ＰＥＳパケット列を示す。図２９の矢印ｙｙ１，ｙｙ２，　ｙｙ３，　ｙｙ４に示すように、ビデオストリームにおける複数のＶｉｄｅｏ　Ｐｒｅｓｅｎｔａｔｉｏｎ　ＵｎｉｔであるＩピクチャ、Ｂピクチャ、Ｐピクチャは、ピクチャ毎に分割され、ＰＥＳパケットのペイロードに格納される。各ＰＥＳパケットはＰＥＳヘッダを持ち、ＰＥＳヘッダには、ピクチャの表示時刻であるＰＴＳ（Ｐｒｅｓｅｎｔａｔｉｏｎ　Ｔｉｍｅ－Ｓｔａｍｐ）やピクチャの復号時刻であるＤＴＳ（Ｄｅｃｏｄｉｎｇ　Ｔｉｍｅ－Ｓｔａｍｐ）が格納される。
　図３０は、多重化データに最終的に書き込まれるＴＳパケットの形式を示している。ＴＳパケットは、ストリームを識別するＰＩＤなどの情報を持つ４ＢｙｔｅのＴＳヘッダとデータを格納する１８４ＢｙｔｅのＴＳペイロードから構成される１８８Ｂｙｔｅ固定長のパケットであり、上記ＰＥＳパケットは分割されＴＳペイロードに格納される。ＢＤ－ＲＯＭの場合、ＴＳパケットには、４ＢｙｔｅのＴＰ＿Ｅｘｔｒａ＿Ｈｅａｄｅｒが付与され、１９２Ｂｙｔｅのソースパケットを構成し、多重化データに書き込まれる。ＴＰ＿Ｅｘｔｒａ＿ＨｅａｄｅｒにはＡＴＳ（Ａｒｒｉｖａｌ＿Ｔｉｍｅ＿Ｓｔａｍｐ）などの情報が記載される。ＡＴＳは当該ＴＳパケットのデコーダのＰＩＤフィルタへの転送開始時刻を示す。多重化データには図３０下段に示すようにソースパケットが並ぶこととなり、多重化データの先頭からインクリメントする番号はＳＰＮ（ソースパケットナンバー）と呼ばれる。
　また、多重化データに含まれるＴＳパケットには、映像・音声・字幕などの各ストリーム以外にもＰＡＴ（Ｐｒｏｇｒａｍ　Ａｓｓｏｃｉａｔｉｏｎ　Ｔａｂｌｅ）、ＰＭＴ（Ｐｒｏｇｒａｍ　Ｍａｐ　Ｔａｂｌｅ）、ＰＣＲ（Ｐｒｏｇｒａｍ　Ｃｌｏｃｋ　Ｒｅｆｅｒｅｎｃｅ）などがある。ＰＡＴは多重化データ中に利用されるＰＭＴのＰＩＤが何であるかを示し、ＰＡＴ自身のＰＩＤは０で登録される。ＰＭＴは、多重化データ中に含まれる映像・音声・字幕などの各ストリームのＰＩＤと各ＰＩＤに対応するストリームの属性情報を持ち、また多重化データに関する各種ディスクリプタを持つ。ディスクリプタには多重化データのコピーを許可・不許可を指示するコピーコントロール情報などがある。ＰＣＲは、ＡＴＳの時間軸であるＡＴＣ（Ａｒｒｉｖａｌ　Ｔｉｍｅ　Ｃｌｏｃｋ）とＰＴＳ・ＤＴＳの時間軸であるＳＴＣ（Ｓｙｓｔｅｍ　Ｔｉｍｅ　Ｃｌｏｃｋ）の同期を取るために、そのＰＣＲパケットがデコーダに転送されるＡＴＳに対応するＳＴＣ時間の情報を持つ。
　図３１はＰＭＴのデータ構造を詳しく説明する図である。ＰＭＴの先頭には、そのＰＭＴに含まれるデータの長さなどを記したＰＭＴヘッダが配置される。その後ろには、多重化データに関するディスクリプタが複数配置される。上記コピーコントロール情報などが、ディスクリプタとして記載される。ディスクリプタの後には、多重化データに含まれる各ストリームに関するストリーム情報が複数配置される。ストリーム情報は、ストリームの圧縮コーデックなどを識別するためストリームタイプ、ストリームのＰＩＤ、ストリームの属性情報（フレームレート、アスペクト比など）が記載されたストリームディスクリプタから構成される。ストリームディスクリプタは多重化データに存在するストリームの数だけ存在する。
　記録媒体などに記録する場合には、上記多重化データは、多重化データ情報ファイルと共に記録される。
　多重化データ情報ファイルは、図３２に示すように多重化データの管理情報であり、多重化データと１対１に対応し、多重化データ情報、ストリーム属性情報とエントリマップから構成される。
　多重化データ情報は図３２に示すようにシステムレート、再生開始時刻、再生終了時刻から構成されている。システムレートは多重化データの、後述するシステムターゲットデコーダのＰＩＤフィルタへの最大転送レートを示す。多重化データ中に含まれるＡＴＳの間隔はシステムレート以下になるように設定されている。再生開始時刻は多重化データの先頭のビデオフレームのＰＴＳであり、再生終了時刻は多重化データの終端のビデオフレームのＰＴＳに１フレーム分の再生間隔を足したものが設定される。
　ストリーム属性情報は図３３に示すように、多重化データに含まれる各ストリームについての属性情報が、ＰＩＤ毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。
　本実施の形態においては、上記多重化データのうち、ＰＭＴに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、ＰＭＴに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。
　また、本実施の形態における動画像復号方法のステップを図３４に示す。ステップexＳ１００において、多重化データからＰＭＴに含まれるストリームタイプ、または、多重化データ情報に含まれるビデオストリーム属性情報を取得する。次に、ステップexＳ１０１において、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成された多重化データであることを示しているか否かを判断する。そして、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成されたものであると判断された場合には、ステップexＳ１０２において、上記各実施の形態で示した動画像復号方法により復号を行う。また、ストリームタイプ、または、ビデオストリーム属性情報が、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠するものであることを示している場合には、ステップexＳ１０３において、従来の規格に準拠した動画像復号方法により復号を行う。
　このように、ストリームタイプ、または、ビデオストリーム属性情報に新たな固有値を設定することにより、復号する際に、上記各実施の形態で示した動画像復号方法または装置で復号可能であるかを判断することができる。従って、異なる規格に準拠する多重化データが入力された場合であっても、適切な復号方法または装置を選択することができるため、エラーを生じることなく復号することが可能となる。また、本実施の形態で示した動画像符号化方法または装置、または、動画像復号方法または装置を、上述したいずれの機器・システムに用いることも可能である。
　（実施の形態４）
　上記各実施の形態で示した動画像符号化方法および装置、動画像復号方法および装置は、典型的には集積回路であるＬＳＩで実現される。一例として、図３５に１チップ化されたＬＳＩex５００の構成を示す。ＬＳＩex５００は、以下に説明する要素ex５０１、ex５０２、ex５０３、ex５０４、ex５０５、ex５０６、ex５０７、ex５０８、ex５０９を備え、各要素はバスex５１０を介して接続している。電源回路部ex５０５は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。
　例えば符号化処理を行う場合には、ＬＳＩex５００は、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有する制御部ex５０１の制御に基づいて、ＡＶ　Ｉ／Ｏex５０９によりマイクex１１７やカメラex１１３等からＡＶ信号を入力する。入力されたＡＶ信号は、一旦ＳＤＲＡＭ等の外部のメモリex５１１に蓄積される。制御部ex５０１の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex５０７に送られ、信号処理部ex５０７において音声信号の符号化および／または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex５０７ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームＩ／Ｏex５０６から外部に出力する。この出力された多重化データは、基地局ex１０７に向けて送信されたり、または記録メディアex２１５に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex５０８にデータを蓄積するとよい。
　なお、上記では、メモリex５１１がＬＳＩex５００の外部の構成として説明したが、ＬＳＩex５００の内部に含まれる構成であってもよい。バッファex５０８も１つに限ったものではなく、複数のバッファを備えていてもよい。また、ＬＳＩex５００は１チップ化されてもよいし、複数チップ化されてもよい。
　また、上記では、制御部ex５０１が、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有するとしているが、制御部ex５０１の構成は、この構成に限らない。例えば、信号処理部ex５０７がさらにＣＰＵを備える構成であってもよい。信号処理部ex５０７の内部にもＣＰＵを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、ＣＰＵex５０２が信号処理部ex５０７、または信号処理部ex５０７の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex５０１は、信号処理部ex５０７、またはその一部を有するＣＰＵex５０２を備える構成となる。
　なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。
　（実施の形態５）
　上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、ＬＳＩex５００において、従来の規格に準拠する映像データを復号する際のＣＰＵex５０２の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。
　この課題を解決するために、テレビex３００、ＬＳＩex５００などの動画像復号装置は、映像データがどの規格に準拠するものであるかを識別し、規格に応じて駆動周波数を切替える構成とする。図３６は、本実施の形態における構成ex８００を示している。駆動周波数切替え部ex８０３は、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合には、駆動周波数を高く設定する。そして、上記各実施の形態で示した動画像復号方法を実行する復号処理部ex８０１に対し、映像データを復号するよう指示する。一方、映像データが、従来の規格に準拠する映像データである場合には、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合に比べ、駆動周波数を低く設定する。そして、従来の規格に準拠する復号処理部ex８０２に対し、映像データを復号するよう指示する。
　より具体的には、駆動周波数切替え部ex８０３は、図３５のＣＰＵex５０２と駆動周波数制御部ex５１２から構成される。また、上記各実施の形態で示した動画像復号方法を実行する復号処理部ex８０１、および、従来の規格に準拠する復号処理部ex８０２は、図３５の信号処理部ex５０７に該当する。ＣＰＵex５０２は、映像データがどの規格に準拠するものであるかを識別する。そして、ＣＰＵex５０２からの信号に基づいて、駆動周波数制御部ex５１２は、駆動周波数を設定する。また、ＣＰＵex５０２からの信号に基づいて、信号処理部ex５０７は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態３で記載した識別情報を利用することが考えられる。識別情報に関しては、実施の形態３で記載したものに限られず、映像データがどの規格に準拠するか識別できる情報であればよい。例えば、映像データがテレビに利用されるものであるか、ディスクに利用されるものであるかなどを識別する外部信号に基づいて、映像データがどの規格に準拠するものであるか識別可能である場合には、このような外部信号に基づいて識別してもよい。また、ＣＰＵex５０２における駆動周波数の選択は、例えば、図３８のような映像データの規格と、駆動周波数とを対応付けたルックアップテーブルに基づいて行うことが考えられる。ルックアップテーブルを、バッファex５０８や、ＬＳＩの内部メモリに格納しておき、ＣＰＵex５０２がこのルックアップテーブルを参照することにより、駆動周波数を選択することが可能である。
　図３７は、本実施の形態の方法を実施するステップを示している。まず、ステップexＳ２００では、信号処理部ex５０７において、多重化データから識別情報を取得する。次に、ステップexＳ２０１では、ＣＰＵex５０２において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexＳ２０２において、駆動周波数を高く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、高い駆動周波数に設定される。一方、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ステップexＳ２０３において、駆動周波数を低く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。
　さらに、駆動周波数の切替えに連動して、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することが考えられる。
　また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、ＭＰＥＧ４－ＡＶＣ規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。
　さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を高く設定し、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＣＰＵex５０２の駆動を停止させることなく、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、ＣＰＵex５０２の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、ＣＰＵex５０２の駆動を一時停止させることも考えられる。この場合は、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。
　このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてＬＳＩex５００またはＬＳＩex５００を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。
　（実施の形態６）
　テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、ＬＳＩex５００の信号処理部ex５０７が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex５０７を個別に用いると、ＬＳＩex５００の回路規模が大きくなり、また、コストが増加するという課題が生じる。
　この課題を解決するために、上記各実施の形態で示した動画像復号方法を実行するための復号処理部と、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する復号処理部とを一部共有化する構成とする。この構成例を図３９（ａ）のex９００に示す。例えば、上記各実施の形態で示した動画像復号方法と、ＭＰＥＧ４－ＡＶＣ規格に準拠する動画像復号方法とは、エントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償などの処理において処理内容が一部共通する。共通する処理内容については、ＭＰＥＧ４－ＡＶＣ規格に対応する復号処理部ex９０２を共有し、ＭＰＥＧ４－ＡＶＣ規格に対応しない、本発明特有の他の処理内容については、専用の復号処理部ex９０１を用いるという構成が考えられる。特に、本発明は、インター予測に特徴を有していることから、例えば、インター予測については専用の復号処理部ex９０１を用い、それ以外のエントロピー符号化、デブロッキング・フィルタ、逆量子化のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号方法を実行するための復号処理部を共有し、ＭＰＥＧ４－ＡＶＣ規格に特有の処理内容については、専用の復号処理部を用いる構成であってもよい。
　また、処理を一部共有化する他の例を図３９（ｂ）のex１０００に示す。この例では、本発明に特有の処理内容に対応した専用の復号処理部ex１００１と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex１００２と、本発明の動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex１００３とを用いる構成としている。ここで、専用の復号処理部ex１００１、ex１００２は、必ずしも本発明、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、ＬＳＩex５００で実装することも可能である。
　このように、本発明の動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、ＬＳＩの回路規模を小さくし、かつ、コストを低減することが可能である。
　本発明に係る画像符号化方法及び画像復号方法は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、又は、デジタルビデオカメラ等に利用可能である。
　　５００　時間レベル決定部
　　５０２　減算部
　　５０４　残差符号化部
　　５０６　エントロピー符号化部
　　５０８、６０２　残差復号部
　　５１０、６０４　加算部
　　５１２、６０６　フィルタ部
　　５１４、６０８　メモリ部
　　５１６、６１０　参照リスト作成部
　　５１８　動き検出部
　　５２０、６１２　動き補間部
　　６００　エントロピー復号部

Claims (22)

  1. 　動き予測を用いて動画像が符号化された符号化動画像ストリームを復号する動画像復号方法であって、
    　時間レベルを示す第１パラメータを符号化ピクチャのヘッダから解析し、
    　前記時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを復号するための参照リストを作成し、
    　前記参照リストを利用して、前記対象ピクチャ内の複数のサンプルからなるブロックの動き予測を行う
    　動画像復号方法。
  2. 　前記動画像復号方法は、さらに、
    　前記参照リストを作成するために前記時間レベルが利用されるか否かを示す第２パラメータを、前記符号化動画像ストリームのヘッダから解析し、
    　前記第２パラメータに基づいて、前記参照リストを作成するために前記時間レベルを利用するか否かを判定し、
    　前記参照リストを作成する際に、
    　前記参照リストを作成するために前記時間レベルを利用する場合には、前記階層参照リスト作成方法に従って前記参照リストを作成し、
    　前記参照リストを作成するために前記時間レベルを利用しない場合には、前記時間レベルを利用しない参照リスト作成方法に従って前記参照リストを作成する
    　請求項１に記載の動画像復号方法。
  3. 　前記階層参照リスト作成方法では、
    　予め定められたアクティブ参照ピクチャ選択方法に従って、ピクチャメモリに格納された全ての参照ピクチャの中から複数のアクティブ参照ピクチャを、時間レベルを利用して選択し、
    　予め定められた参照ピクチャ整列方法に従って前記アクティブ参照ピクチャを整列し、整列された前記アクティブ参照ピクチャで構成された前記参照リストを作成する
    　請求項１又は２に記載の動画像復号方法。
  4. 　前記アクティブ参照ピクチャ選択方法では、
    　前記ピクチャメモリに格納された全ての参照ピクチャの中から、時間レベルが予め定められた値以下である参照ピクチャを前記アクティブ参照ピクチャとして選択する
    　請求項３に記載の動画像復号方法。
  5. 　前記予め定められた値は、前記対象ピクチャの時間レベルと等しい
    　請求項４に記載の動画像復号方法。
  6. 　前記予め定められた値は、０と、前記対象ピクチャの時間レベルより小さい予め定められた時間レベルとのうち、最も小さい値である
    　請求項４に記載の動画像復号方法。
  7. 　前記アクティブ参照ピクチャ選択方法では、
    　前記ピクチャメモリに格納された全ての参照ピクチャを前記アクティブ参照ピクチャとして選択する
    　請求項３に記載の動画像復号方法。
  8. 　前記参照ピクチャ整列方法では、
    　時間レベルの昇順で前記アクティブ参照ピクチャを整列し、
    　同一の時間レベルを有する前記アクティブ参照ピクチャを、前記対象ピクチャに対する時間的距離の昇順で再整列する
    　請求項３～７のいずれか１項に記載の動画像復号方法。
  9. 　前記参照ピクチャ整列方法では、
    　前記アクティブ参照ピクチャを、前記対象ピクチャに対する時間的距離の昇順で整列する
    　請求項３～７のいずれか１項に記載の動画像復号方法。
  10. 　前記参照ピクチャ整列方法では、
    　前記アクティブ参照ピクチャを、参照ピクチャの符号化順を示すフレーム番号の昇順で整列する
    　請求項３～７のいずれか１項に記載の動画像復号方法。
  11. 　前記参照ピクチャ整列方法では、
    　参照ピクチャセットの中から、対象ピクチャより時間的に早い参照ピクチャで構成される第１参照ピクチャサブセットを選択し、
    　前記参照ピクチャセットの中から、前記第１参照ピクチャサブセットに含まれない参照ピクチャで構成される第２参照ピクチャサブセットを選択し、
    　前記第１参照ピクチャサブセットにおいて、参照ピクチャを時間レベルの昇順で整列し、
    　前記第１参照ピクチャサブセットにおいて、同一の時間レベルを有する参照ピクチャを、前記対象ピクチャに対する時間的距離の昇順で再整列することにより、第１整列済み参照ピクチャサブセットを作成し、
    　前記第２参照ピクチャサブセットにおいて、参照ピクチャを時間レベルの昇順で整列し、
    　前記第２参照ピクチャサブセットにおいて、同一の時間レベルを有する参照ピクチャを、前記対象ピクチャに対する時間的距離の昇順で再整列することにより、第２整列済み参照ピクチャサブセットを作成し、
    　２つの参照ピクチャサブセットを参照リストに配置するための予め定められたサブセット配置方法に従って、前記第１及び前記第２整列済み参照ピクチャサブセットを前記参照リストに配置する
    　請求項３に記載の動画像復号方法。
  12. 　前記参照ピクチャ整列方法では、
    　参照ピクチャセットの中から、対象ピクチャより時間的に早い参照ピクチャで構成される第１参照ピクチャサブセットを選択し、
    　前記参照ピクチャのセットの中から、前記第１参照ピクチャサブセットに含まれない参照ピクチャで構成される第２参照ピクチャサブセットを選択し、
    　前記第１参照ピクチャサブセットにおいて、参照ピクチャを、前記対象ピクチャへの時間的距離の昇順で整列することにより、第１整列済み参照ピクチャサブセットを作成し、
    　前記第２参照ピクチャサブセットにおいて、参照ピクチャを、前記対象ピクチャへの時間的距離の昇順で整列することにより、第２整列済み参照ピクチャサブセットを作成し、
    　２つの参照ピクチャサブセットを参照リストに配置する予め定められたサブセット配置方法に従って、前記第１及び前記第２整列済み参照ピクチャサブセットを前記参照リストに配置する
    　請求項３に記載の動画像復号方法。
  13. 　前記サブセット配置方法では、
    　前記対象ピクチャより時間的に早い参照ピクチャで構成される前記第１整列済み参照ピクチャサブセットを前記参照リストの先頭に配置し、
    　前記対象ピクチャより時間的に遅い参照ピクチャで構成される前記第２整列済み参照ピクチャサブセットを、前記第１整列済み参照ピクチャサブセットより後に配置する
    　請求項１１又は１２に記載の動画像復号方法。
  14. 　前記サブセット配置方法では、
    　前記対象ピクチャより時間的に遅い参照ピクチャで構成される前記第２整列済み参照ピクチャサブセットを、前記参照リストの先頭に配置し、
    　前記対象ピクチャより時間的に早い参照ピクチャで構成される前記第１整列済み参照ピクチャサブセットを、前記第２整列済み参照ピクチャサブセットより後に配置する
    　請求項１１又は１２に記載の動画像復号方法。
  15. 　動き予測を用いて動画像を符号化することにより、符号化動画像ストリームを生成する動画像符号化方法であって、
    　ピクチャの時間レベルを決定し、
    　符号化ピクチャのヘッダに前記時間レベルを示す第１パラメータを書き込み、
    　前記時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを符号化するための参照リストを作成し、
    　前記参照リストを利用して、前記対象ピクチャ内の複数の画素からなるブロックの動き検出を行い、
    　前記参照リストを利用して、前記ブロックの動き予測を行う
    　動画像符号化方法。
  16. 　前記動画像符号化方法は、さらに、
    　前記参照リストを作成するために前記時間レベルが利用されるか否かを示す第２パラメータを前記符号化動画像ストリームのヘッダに書き込み、
    　前記第２パラメータに基づいて、前記参照リストを作成するために前記時間レベルを利用するか否かを判定し、
    　前記参照リストを作成する際に、
    　前記参照リストを作成するために前記時間レベルを利用する場合には、前記階層参照リスト作成方法に従って前記参照リストを作成し、
    　前記参照リストを作成するために前記時間レベルを利用しない場合には、前記時間レベルを利用しない参照リスト作成方法に従って、前記参照リストを作成する
    　請求項１５に記載の動画像符号化方法。
  17. 　動き予測を用いて動画像が符号化された符号化動画像ストリームを復号する動画像復号装置であって、
    　時間レベルを示す第１パラメータを符号化ピクチャのヘッダから解析する復号部と、
    　前記時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを復号するための参照リストを作成する参照リスト作成部と、
    　前記参照リストを利用して、前記対象ピクチャ内の複数のサンプルからなるブロックの動き予測を行う動き補間部とを備える
    　動画像復号装置。
  18. 　前記動画像復号装置は、集積回路として構成されている
    　請求項１７に記載の動画像復号装置。
  19. 　動き予測を用いて動画像を符号化することにより、符号化動画像ストリームを生成する動画像符号化装置であって、
    　ピクチャの時間レベルを決定し、
    　符号化ピクチャのヘッダに前記時間レベルを示す第１パラメータを書き込む符号化部と、
    　前記時間レベルを利用する階層参照リスト作成方法に従って、対象ピクチャを符号化するための参照リストを作成する参照リスト作成部と、
    　前記参照リストを利用して、前記対象ピクチャ内の複数の画素からなるブロックの動き検出を行う動き検出部と、
    　前記参照リストを利用して、前記ブロックの動き予測を行う動き補間部とを備える
    　動画像符号化装置。
  20. 　前記動画像符号化装置は、集積回路として構成されている
    　請求項１９に記載の動画像符号化装置。
  21. 　請求項１～１４のいずれか１項に記載の動画像復号方法をコンピュータに実行させるためのプログラム。
  22. 　請求項１５又は１６に記載の動画像符号化方法をコンピュータに実行させるためのプログラム。
PCT/JP2011/004597 2010-08-17 2011-08-16 動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置 WO2012023281A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US37437810P 2010-08-17 2010-08-17
US61/374,378 2010-08-17

Publications (1)

Publication Number Publication Date
WO2012023281A1 true WO2012023281A1 (ja) 2012-02-23

Family

ID=45604950

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/004597 WO2012023281A1 (ja) 2010-08-17 2011-08-16 動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置

Country Status (1)

Country Link
WO (1) WO2012023281A1 (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015019798A1 (ja) * 2013-08-09 2015-02-12 ソニー株式会社 送信装置、送信方法、受信装置、受信方法、符号化装置および符号化方法
JP2015046726A (ja) * 2013-08-27 2015-03-12 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JP2015097418A (ja) * 2013-08-09 2015-05-21 ソニー株式会社 送信装置、送信方法、受信装置、受信方法、符号化装置および符号化方法
CN105556966A (zh) * 2013-09-24 2016-05-04 索尼公司 编码设备、编码方法、发送设备以及接收设备
JPWO2014002899A1 (ja) * 2012-06-29 2016-05-30 ソニー株式会社 符号化装置および符号化方法
JPWO2015053157A1 (ja) * 2013-10-11 2017-03-09 ソニー株式会社 送信装置、送信方法および受信装置
JPWO2015064287A1 (ja) * 2013-11-01 2017-03-09 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
CN109451320A (zh) * 2013-06-05 2019-03-08 太阳专利托管公司 图像编码方法、图像解码方法、图像编码装置以及图像解码装置
JP2019062566A (ja) * 2018-12-13 2019-04-18 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JP2020048224A (ja) * 2019-12-19 2020-03-26 ソニー株式会社 送信装置、送信方法、受信装置および受信方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005011285A1 (ja) * 2003-07-24 2005-02-03 Nippon Telegraph And Telephone Corporation 画像符号化装置，画像復号装置，画像符号化方法，画像復号方法，画像符号化プログラム，画像復号プログラム，画像符号化プログラムを記録した記録媒体，画像復号プログラムを記録した記録媒体

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005011285A1 (ja) * 2003-07-24 2005-02-03 Nippon Telegraph And Telephone Corporation 画像符号化装置，画像復号装置，画像符号化方法，画像復号方法，画像符号化プログラム，画像復号プログラム，画像符号化プログラムを記録した記録媒体，画像復号プログラムを記録した記録媒体

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HEIKO SCHWARZ ET AL.: "Hierarchical B pictures", JOINT VIDEO TEAM (JVT) OF ISO/IEC MPEG & ITU-T VCEG (ISO/IEC JTC1/SC29/WG11 AND ITU-T SG16 Q.6) 16TH MEETING: POZNAN, PL, DOCUMENT: JVT-P014, ITU-T, July 2005 (2005-07-01) *
HEIKO SCHWARZ ET AL.: "Overview of the Scalable Video Coding Extension of the H.264/AVC Standard", IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, vol. 17, no. 9, September 2007 (2007-09-01), pages 1103 - 1120 *
HIDEAKI KIMATA ET AL.: "Hierarchical Reference Picture Selection Method for Temporal Scalability beyond H.264", 2004 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO, 2004. ICME '04, vol. 1, 27 June 2004 (2004-06-27), pages 181 - 184 *
HIDEAKI KIMATA ET AL.: "Jikan Scalable Fugoka eno Sansho Gazo Sentaku Yosoku Fugoka no Tekiyo Hoho", PICTURE CODING SYMPOSIUM OF JAPAN (PCSJ2003) DAI 18 KAI SYMPOSIUM SHIRYO, 14 November 2003 (2003-11-14), pages 55 - 56 *
HIDEAKI KIMATA ET AL.: "Kaisoteki Sansho Gazo Sentaku Hoshiki ni yoru Jikan Scalable Eizo Fugoka", THE TRANSACTIONS OF THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS A, vol. J88-A, no. 3, March 2005 (2005-03-01), pages 397 - 410 *

Cited By (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2014002899A1 (ja) * 2012-06-29 2016-05-30 ソニー株式会社 符号化装置および符号化方法
RU2752695C2 (ru) * 2012-06-29 2021-07-30 Вилос Медиа Интернэшнл Лимитед Устройство декодирования и способ декодирования
US11399197B2 (en) 2012-06-29 2022-07-26 Velos Media, Llc Encoding device and encoding method with setting and encoding of reference information
JPWO2014002898A1 (ja) * 2012-06-29 2016-05-30 ソニー株式会社 復号装置および復号方法
CN109451321A (zh) * 2013-06-05 2019-03-08 太阳专利托管公司 图像编码方法、图像解码方法、图像编码装置以及图像解码装置
CN109451320A (zh) * 2013-06-05 2019-03-08 太阳专利托管公司 图像编码方法、图像解码方法、图像编码装置以及图像解码装置
CN109451320B (zh) * 2013-06-05 2023-06-02 太阳专利托管公司 图像编码方法、图像解码方法、图像编码装置以及图像解码装置
CN109451321B (zh) * 2013-06-05 2023-06-02 太阳专利托管公司 图像编码方法、图像解码方法、图像编码装置以及图像解码装置
US11368744B2 (en) 2013-08-09 2022-06-21 Sony Corporation Device and associated method for using layer description and decoding syntax in multi-layer video
JP2018142984A (ja) * 2013-08-09 2018-09-13 ソニー株式会社 送信装置および送信方法
JP2022126774A (ja) * 2013-08-09 2022-08-30 ソニーグループ株式会社 受信装置
JP2015057875A (ja) * 2013-08-09 2015-03-26 ソニー株式会社 送信装置、送信方法、受信装置、受信方法、符号化装置および符号化方法
JP2015097418A (ja) * 2013-08-09 2015-05-21 ソニー株式会社 送信装置、送信方法、受信装置、受信方法、符号化装置および符号化方法
JP7095775B2 (ja) 2013-08-09 2022-07-05 ソニーグループ株式会社 送信装置および送信方法
CN105340283A (zh) * 2013-08-09 2016-02-17 索尼公司 发送装置、发送方法、接收装置、接收方法、编码装置以及编码方法
RU2674890C2 (ru) * 2013-08-09 2018-12-13 Сони Корпорейшн Устройство передачи, способ передачи, устройство приема, способ приема, устройство кодирования и способ кодирования
EP3032834A4 (en) * 2013-08-09 2017-05-10 Sony Corporation Transmission apparatus, transmission method, reception apparatus, reception method, encoding apparatus, and encoding method
JP7338745B2 (ja) 2013-08-09 2023-09-05 ソニーグループ株式会社 受信装置
EP3585060A3 (en) * 2013-08-09 2020-01-15 Sony Corporation Reception device, reception method for temporally layered coded video
WO2015019798A1 (ja) * 2013-08-09 2015-02-12 ソニー株式会社 送信装置、送信方法、受信装置、受信方法、符号化装置および符号化方法
JP2021132396A (ja) * 2013-08-09 2021-09-09 ソニーグループ株式会社 送信装置および送信方法
EP4354889A3 (en) * 2013-08-09 2024-04-24 Sony Group Corporation Transmission device, transmission method, reception device, reception method, encoding device, and encoding method
US10306296B2 (en) 2013-08-09 2019-05-28 Sony Corporation Device and method for transmission and reception for performing hierarchical encoding of image data
CN105340283B (zh) * 2013-08-09 2019-06-18 索尼公司 发送装置、发送方法、接收装置、接收方法、编码装置以及编码方法
US11128901B2 (en) 2013-08-27 2021-09-21 Sony Corporation Transmission apparatus, transmission method, reception apparatus, and reception method
US10250924B2 (en) 2013-08-27 2019-04-02 Sony Corporation Transmission apparatus, transmission method, reception apparatus, and reception method
JP2015046726A (ja) * 2013-08-27 2015-03-12 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
CN105453574A (zh) * 2013-08-27 2016-03-30 索尼公司 发送设备、发送方法、接收设备以及接收方法
US9538211B2 (en) 2013-08-27 2017-01-03 Sony Corporation Transmission apparatus, transmission method, reception apparatus, and reception method
US11601696B2 (en) 2013-08-27 2023-03-07 Sony Group Corporation Transmission apparatus, transmission method, reception apparatus, and reception method
CN105453574B (zh) * 2013-08-27 2021-06-08 索尼公司 发送设备、发送方法、接收设备以及接收方法
US9819976B2 (en) 2013-08-27 2017-11-14 Sony Corporation Transmission apparatus, transmission method, reception apparatus, and reception method
US11758161B2 (en) 2013-09-24 2023-09-12 Sony Corporation Coding apparatus, coding method, transmission apparatus, and reception apparatus
CN105556966A (zh) * 2013-09-24 2016-05-04 索尼公司 编码设备、编码方法、发送设备以及接收设备
US10531107B2 (en) 2013-09-24 2020-01-07 Sony Corporation Coding apparatus, coding method, transmission apparatus, and reception apparatus
US11272196B2 (en) 2013-09-24 2022-03-08 Sony Corporation Coding apparatus, coding method, transmission apparatus, and reception apparatus
US11589061B2 (en) 2013-10-11 2023-02-21 Sony Group Corporation Transmission device, transmission method and reception device
JPWO2015053157A1 (ja) * 2013-10-11 2017-03-09 ソニー株式会社 送信装置、送信方法および受信装置
JP2019176528A (ja) * 2013-10-11 2019-10-10 ソニー株式会社 送信装置および送信方法
US10547857B2 (en) 2013-10-11 2020-01-28 Sony Corporation Transmission device, transmission method and reception device
JP2020115673A (ja) * 2013-10-11 2020-07-30 ソニー株式会社 送受信システムおよびその処理方法
US11025930B2 (en) 2013-10-11 2021-06-01 Sony Corporation Transmission device, transmission method and reception device
JP2019080362A (ja) * 2013-11-01 2019-05-23 ソニー株式会社 受信装置、受信方法、送信装置および送信方法
JPWO2015064287A1 (ja) * 2013-11-01 2017-03-09 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JP2021036709A (ja) * 2013-11-01 2021-03-04 ソニー株式会社 送信方法および送信装置
US10225566B2 (en) 2013-11-01 2019-03-05 Sony Corporation Transmission device, transmission method, reception device, and reception method
JP2020014260A (ja) * 2013-11-01 2020-01-23 ソニー株式会社 送受信システムおよび送受信方法
JP7070639B2 (ja) 2013-11-01 2022-05-18 ソニーグループ株式会社 送信方法および送信装置
JP2019062566A (ja) * 2018-12-13 2019-04-18 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JP2020048224A (ja) * 2019-12-19 2020-03-26 ソニー株式会社 送信装置、送信方法、受信装置および受信方法

Similar Documents

Publication Publication Date Title
JP6172485B2 (ja) 画像符号化方法及び画像符号化装置
JP6210248B2 (ja) 動画像符号化方法及び動画像符号化装置
JP6327435B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置、及び、画像復号装置
WO2012023281A1 (ja) 動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置
JP6414712B2 (ja) 多数の参照ピクチャを用いる動画像符号化方法、動画像復号方法、動画像符号化装置、および動画像復号方法
JP6451961B2 (ja) 復号装置
JP6376470B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置
JP2013187905A (ja) 映像を符号化および復号する方法および装置
JPWO2013042359A1 (ja) 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置
JP5331944B2 (ja) 画像復号化方法および画像復号化装置
JP6078927B2 (ja) 動画像符号化方法、動画像符号化装置、動画像復号方法、及び、動画像復号装置
KR102125930B1 (ko) 영상 부호화 방법 및 영상 복호 방법
WO2015001762A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置および画像符号化復号装置
JP2018133820A (ja) 符号化方法、復号方法、符号化装置、および復号装置
JP6391018B2 (ja) 画像符号化方法、及び、画像符号化装置
WO2013073154A1 (ja) 符号化方法および復号方法
WO2012096157A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置
WO2012014458A1 (ja) 画像符号化方法および画像復号方法
WO2013153808A1 (ja) 画像復号方法および画像復号装置
WO2012086166A1 (ja) 画像符号化方法及び画像復号化方法

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: 11817930

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11817930

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP