WO2012081225A1 - 画像符号化方法、及び画像復号方法 - Google Patents

画像符号化方法、及び画像復号方法 Download PDF

Info

Publication number
WO2012081225A1
WO2012081225A1 PCT/JP2011/006935 JP2011006935W WO2012081225A1 WO 2012081225 A1 WO2012081225 A1 WO 2012081225A1 JP 2011006935 W JP2011006935 W JP 2011006935W WO 2012081225 A1 WO2012081225 A1 WO 2012081225A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
decoding
reference picture
encoding
prediction direction
Prior art date
Application number
PCT/JP2011/006935
Other languages
English (en)
French (fr)
Inventor
敏康 杉尾
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 WO2012081225A1 publication Critical patent/WO2012081225A1/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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • 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
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • 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
    • H04N19/573—Motion compensation with multiple frame prediction using two or more reference frames in a given prediction direction

Definitions

  • the present invention relates to an image encoding method and an image decoding method.
  • the amount of information is compressed using redundancy in the spatial direction and temporal direction of a moving image.
  • redundancy in the spatial direction conversion to the frequency domain is used.
  • temporal redundancy inter-picture prediction (hereinafter referred to as inter prediction) encoding processing is used.
  • inter prediction encoding process when a certain picture is encoded, an encoded picture that is ahead or behind in the display time order with respect to the encoding target picture is used as a reference picture. Then, by detecting the motion vector of the encoding target picture with respect to the reference picture and taking the difference between the predicted image data obtained by performing motion compensation based on the motion vector and the image data of the encoding target picture, time Remove direction redundancy.
  • An I picture is a picture that does not perform inter prediction encoding processing, that is, performs intra prediction (hereinafter referred to as intra prediction) encoding processing.
  • a P picture is a picture that is subjected to inter prediction encoding with reference to one already encoded picture in front of or behind the current picture in display time order.
  • the B picture is a picture that performs inter prediction encoding with reference to two already encoded pictures that are in front of or behind the encoding target picture in display time order.
  • a coding mode when each block to be coded that is a B picture is coded by inter prediction, a difference value between image data of the predicted image data and the block to be coded, and The motion vector detection mode that encodes the motion vector used to generate the predicted image data, the direct mode that encodes only the difference value of the image data, the motion vector predicts from the surrounding blocks, and the difference value of the image data also moves
  • a skip mode in which a vector is not encoded and a predicted image at a position indicated by a motion vector predicted from a peripheral block or the like is used as a decoded image as it is.
  • the motion vector detection mode for B pictures includes two-way prediction in which a prediction image is generated with reference to two already-encoded pictures ahead or behind the current picture as a prediction direction, and forward or backward. And one-way prediction for generating a predicted image with reference to one already encoded picture in (1).
  • the prediction direction of the encoding target block is determined according to the prediction mode of the neighboring blocks and the like.
  • the encoded block adjacent to the left side of the encoding target block is adjacent block A
  • the encoded block adjacent to the upper side of the encoding target block is adjacent block B
  • the code adjacent to the upper right side of the encoding target block Let the converted block be the adjacent block C.
  • the adjacent block A is encoded using bidirectional prediction
  • the adjacent block B is encoded using unidirectional prediction
  • the adjacent block C is encoded using unidirectional prediction.
  • the prediction direction in the skip mode of the block to be encoded is bidirectional prediction if bidirectional prediction exists even in one of adjacent blocks. That is, in the case of FIG. 31, bi-directional prediction is selected as the prediction direction of the encoding target block.
  • An object of the present invention is to solve the above-described problem.
  • a prediction direction of a skip mode most suitable for a picture to be encoded is determined.
  • the purpose is to derive and improve the coding efficiency.
  • the image coding method is a method of coding a block to be coded using a part or all of a plurality of prediction directions.
  • the image encoding method includes the same reference picture determining step for determining whether or not the reference picture indicated by the reference picture index in each of the plurality of prediction directions is the same picture, and the determination result in the same reference picture determining step And a prediction direction switching step of switching a prediction direction when the encoding target block is encoded in a predetermined encoding mode.
  • the predetermined encoding mode may be a skip mode.
  • the prediction direction switching step if the determination result in the same reference picture determination step is true, the prediction direction of the skip mode is encoded with reference to one reference picture. If the determination result in the same reference picture determination step is false, the prediction direction of the skip mode is set to bi-directional prediction in which encoding is performed with reference to at least two reference pictures. May be.
  • the predetermined encoding mode may be a skip mode.
  • the prediction direction switching step if the determination result in the same reference picture determination step is false, both the prediction directions in the skip mode are encoded with reference to at least two reference pictures. If the determination result in the same reference picture determination step is true, the prediction direction candidate in the skip mode is referred to one reference picture in addition to the bi-directional prediction. One-way prediction for encoding may be added, and the prediction direction used for encoding the encoding target block among the prediction candidates may be added to the bitstream.
  • the image encoding method may include an information addition step of adding a prediction direction when the encoding target block is encoded in a predetermined encoding mode to header information.
  • the image encoding method includes an information addition step of adding a flag indicating whether or not to add a prediction direction candidate to the header information when the encoding target block is encoded in a predetermined encoding mode. May be.
  • the same reference picture determination step whether the reference picture indicated by the reference picture index in each of the plurality of prediction directions is the same picture using the display order or coding order of the reference picture to which the reference picture index is assigned. You may determine whether.
  • the image decoding method is a method for decoding a block to be decoded using a part or all of a plurality of prediction directions. Specifically, in the image decoding method, the same reference picture determination step for determining whether or not the reference picture indicated by the reference picture index in each of the plurality of prediction directions is the same picture, and the determination result in the same reference picture determination step And a prediction direction switching step for switching a prediction direction when the block to be decoded is decoded in a predetermined decoding mode.
  • the predetermined decoding mode may be a skip mode.
  • the prediction direction switching step if the determination result in the same reference picture determination step is true, the prediction direction in the skip mode is decoded with reference to one reference picture. If the determination result in the same reference picture determination step is false, the prediction direction of the skip mode is set to bi-directional prediction in which decoding is performed with reference to at least two reference pictures. May be.
  • the predetermined decoding mode may be a skip mode. If the determination result in the same reference picture determination step is false, the prediction direction of the skip mode is set to bi-prediction that performs decoding with reference to at least two reference pictures, If the determination result in the same reference picture determination step is true, the prediction direction in the skip mode may be decoded from a bitstream, and the decoding target block may be decoded based on the decoded prediction direction. Good.
  • the image decoding method may include a header information decoding step of decoding a prediction direction when decoding the decoding target block in a predetermined decoding mode from header information.
  • the image decoding method includes a header information decoding step of decoding a flag indicating whether or not a prediction direction has been added when decoding the decoding target block in a predetermined decoding mode from header information. Also good.
  • the present invention may include the following.
  • An image encoding method assigns at least two reference picture indexes to at least one reference picture different from an encoding target picture including an encoding target block and assigns the code.
  • This is a method for encoding a target block.
  • the reference pictures indicated by the two or more reference picture indexes are the same.
  • the predetermined encoding mode may be a skip mode.
  • the prediction direction switching step sets the prediction direction of the skip mode to unidirectional prediction in which encoding is performed with reference to one reference picture if the result of the same reference picture determination is true. If the result of the same reference picture determination is false, the prediction direction in the skip mode may be set to bi-directional prediction in which encoding is performed with reference to at least two reference pictures.
  • An image encoding method assigns at least two reference picture indexes to at least one reference picture different from an encoding target picture including an encoding target block and assigns the code.
  • This is a method for encoding a target block.
  • the reference pictures indicated by the two or more reference picture indexes are the same.
  • the same reference picture determination step for determining whether or not a picture is included, and a prediction direction addition step for adding a prediction direction for encoding the block to be encoded in a predetermined encoding mode based on the determination result.
  • the predetermined encoding mode may be a skip mode. If the result of the same reference picture determination is false, the prediction direction adding step changes the prediction direction of the skip mode to bidirectional prediction in which encoding is performed by referring to at least two reference pictures. If set, and if the result of the same reference picture determination is true, in addition to the bi-directional prediction, uni-directional prediction that performs coding with reference to one reference picture is added to the prediction direction of the skip mode. Then, the prediction direction used for encoding the encoding target block may be finally added to the bitstream.
  • An image encoding method assigns at least two reference picture indexes to at least one reference picture different from an encoding target picture including an encoding target block and assigns the code.
  • This is a method for encoding a target block.
  • the encoding target block is encoded in a predetermined encoding mode. Adding a prediction direction to the header information, and encoding the encoding target block in a predetermined encoding mode based on the prediction direction.
  • the predetermined encoding mode may be a skip mode.
  • the prediction direction added to the header information is unidirectional prediction, the encoding target block is encoded with reference to one reference picture, and the prediction direction added to the header information is both
  • the encoding target block may be encoded with reference to at least two reference pictures.
  • An image encoding method assigns at least two reference picture indexes to at least one reference picture different from an encoding target picture including an encoding target block and assigns the code.
  • This is a method for encoding a target block.
  • the encoding target block is encoded in a predetermined encoding mode. Adding a flag indicating whether or not to add a prediction direction to the header information and encoding the block to be encoded in a predetermined encoding mode based on the flag.
  • the predetermined encoding mode may be a skip mode.
  • the encoding target block is encoded using bi-directional prediction that refers to at least two or more reference pictures, and the header information is added to the header information.
  • the flag is on, in addition to the bi-directional prediction, the one-way prediction is performed by referring to one reference picture, and the prediction direction finally used for coding the coding target block May be added to the bitstream.
  • the same reference picture determination step may determine using the display order or encoding order of the reference pictures to which the reference picture index is assigned.
  • the decoding is performed by assigning at least two or more reference picture indexes to at least one or more reference pictures different from a decoding target picture including a decoding target block.
  • This is a method for decoding a target block.
  • the reference pictures indicated by the two or more reference picture indexes are the same.
  • the predetermined decoding mode may be a skip mode.
  • the prediction direction switching step sets the prediction direction of the skip mode to unidirectional prediction in which decoding is performed with reference to one reference picture if the result of the same reference picture determination is true. If the result of the same reference picture determination is false, the prediction direction in the skip mode may be set to bi-directional prediction in which decoding is performed with reference to at least two reference pictures.
  • the decoding is performed by assigning at least two or more reference picture indexes to at least one or more reference pictures different from a decoding target picture including a decoding target block.
  • This is a method for decoding a target block.
  • the reference pictures indicated by the two or more reference picture indexes are the same.
  • the predetermined decoding mode may be a skip mode. If the result of the same reference picture determination is false, the prediction direction of the skip mode is set to bi-prediction in which decoding is performed with reference to at least two reference pictures, and the same reference picture is determined. If the determination result is true, the prediction direction in the skip mode may be decoded from the bitstream, and the decoding target block may be decoded based on the decoded prediction direction.
  • the decoding is performed by assigning at least two or more reference picture indexes to at least one or more reference pictures different from a decoding target picture including a decoding target block.
  • This is a method for decoding a target block.
  • the decoding target block is decoded in a predetermined decoding mode. Decoding the prediction direction from the header information, and decoding the decoding target block in a predetermined decoding mode based on the decoded prediction direction.
  • the predetermined decoding mode may be a skip mode.
  • the prediction direction decoded from the header information is unidirectional prediction
  • the decoding target block is decoded with reference to one reference picture, and the prediction directions decoded from the header information are both
  • the decoding target block may be decoded with reference to at least two reference pictures.
  • the image decoding method allocates at least two or more reference picture indexes to at least one or more reference pictures different from a decoding target picture including a decoding target block.
  • This is a method for decoding a target block.
  • the decoding target block is decoded in a predetermined decoding mode. Decoding a flag indicating whether or not a prediction direction is added from the header information, and decoding the block to be decoded in a predetermined decoding mode based on the flag.
  • the predetermined decoding mode may be a skip mode.
  • the decoding target block is decoded using bi-directional prediction that refers to at least two or more reference pictures, and the flag decoded from the header information is decoded.
  • the prediction direction may be decoded from the bitstream, and the decoding target block may be decoded based on the decoded prediction direction.
  • the same reference picture determination step may determine using the display order or encoding order of the reference pictures to which the reference picture index is assigned.
  • the present invention by using a new criterion for selecting the prediction direction of the skip mode, it becomes possible to derive the prediction direction of the skip mode that is most suitable for the current picture to be encoded, and the encoding efficiency. It becomes possible to improve.
  • FIG. 1 is a block diagram of a video encoding apparatus according to Embodiment 1.
  • FIG. 2 is a diagram illustrating an example of a reference list in a B picture.
  • FIG. 3 is a diagram showing a processing flow of the moving picture coding method according to the first embodiment.
  • FIG. 4 is a diagram showing a flow for determining the skip mode prediction direction.
  • FIG. 5 is a diagram illustrating a determination flow of the inter prediction mode.
  • FIG. 6 is a diagram illustrating a processing flow for calculating the cost CostInter.
  • FIG. 7 is a diagram showing a processing flow for calculating the cost CostDirect.
  • FIG. 8 is a diagram for explaining a method of calculating a direct vector using a motion vector of an adjacent block.
  • FIG. 8 is a diagram for explaining a method of calculating a direct vector using a motion vector of an adjacent block.
  • FIG. 9 is a diagram illustrating a processing flow for calculating the cost CostSkip.
  • FIG. 10A is a diagram illustrating an example when the reference picture indicated by the reference picture index 1 in the prediction direction 1 and the reference picture indicated by the reference picture index 2 in the prediction direction 2 are the same picture.
  • FIG. 10B is a diagram illustrating an example in which the reference picture indicated by the reference picture index 1 in the prediction direction 1 and the reference picture indicated by the reference picture index 2 in the prediction direction 2 are different pictures.
  • FIG. 11 is a block diagram of a video encoding apparatus according to Embodiment 2.
  • FIG. 12 is a diagram illustrating a processing flow of the moving image coding method according to the second embodiment.
  • FIG. 13 is a diagram illustrating a processing flow for determining a skip mode prediction direction addition flag.
  • FIG. 14 is a diagram illustrating a processing flow for calculating the cost CostSkip.
  • FIG. 15 is a block diagram of a video encoding apparatus according to Embodiment 3.
  • FIG. 16 is a diagram illustrating a processing flow of the moving picture coding method according to the third embodiment.
  • FIG. 17 is a block diagram of a video encoding apparatus according to Embodiment 4.
  • FIG. 18 is a diagram illustrating a processing flow of the moving picture coding method according to the fourth embodiment.
  • FIG. 19 is a block diagram of a video decoding apparatus according to Embodiment 5.
  • FIG. 20 is a diagram showing a processing flow of the moving picture decoding method according to the fifth embodiment.
  • FIG. 21 is a diagram illustrating an example of a bitstream syntax in the moving picture decoding method according to the fifth embodiment.
  • FIG. 22 is a block diagram of a video decoding apparatus according to Embodiment 6.
  • FIG. 23 is a diagram illustrating a processing flow of the moving picture decoding method according to the sixth embodiment.
  • FIG. 24 is a diagram illustrating an example of a bitstream syntax in the moving picture decoding method according to the sixth embodiment.
  • FIG. 25 is a block diagram of a video decoding apparatus according to Embodiment 7.
  • FIG. 26 is a diagram illustrating a processing flow of the moving picture decoding method according to the seventh embodiment.
  • FIG. 27 is a diagram illustrating an example of a bitstream syntax in the moving picture decoding method according to the seventh embodiment.
  • FIG. 28 is a block diagram of a video decoding apparatus according to Embodiment 8.
  • FIG. 29 is a diagram showing a processing flow of the moving picture decoding method according to the eighth embodiment.
  • FIG. 30 is a diagram illustrating an example of a bitstream syntax in the moving picture decoding method according to the eighth embodiment.
  • FIG. 31 is a diagram for explaining a method of determining a prediction direction in the skip mode.
  • FIG. 32 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 33 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 34 is a block diagram illustrating a configuration example of a television.
  • FIG. 35 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. 36 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 37 is a block diagram showing an example of a configuration of a mobile phone.
  • FIG. 38 is a diagram showing a structure of multiplexed data.
  • FIG. 39 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 40 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 41 is a diagram showing the structure of TS packets and source packets in multiplexed data.
  • FIG. 42 shows the data structure of the PMT.
  • FIG. 43 is a diagram showing an internal structure of multiplexed data information.
  • FIG. 44 shows the internal structure of stream attribute information.
  • FIG. 45 shows steps for identifying video data.
  • FIG. 46 is a block diagram illustrating a configuration example of an integrated circuit that realizes the moving picture coding method and the moving picture decoding method according to each embodiment.
  • FIG. 47 is a diagram showing a configuration for switching drive frequencies.
  • FIG. 48 is a diagram showing steps for identifying video data and switching between driving frequencies.
  • FIG. 49 is a diagram showing an example of a look-up table in which video data standards are associated with drive frequencies.
  • 50A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 50B is a diagram illustrating another example of a configuration of sharing a module of a signal processing unit.
  • FIG. 1 is a block diagram showing a configuration of an embodiment of a moving picture coding apparatus 100 using a moving picture coding method according to the present invention.
  • the moving image encoding apparatus 100 includes a subtraction unit 101, an orthogonal transformation unit 102, a quantization unit 103, an inverse quantization unit 104, an inverse orthogonal transformation unit 105, and an addition unit 106.
  • Block memory 107, frame memory 108, intra prediction unit 109, inter prediction unit 110, inter prediction control unit 111, switch 112, picture type determination unit 113, reference picture list management unit 114, skip A mode prediction direction determination unit 115 and a variable length encoding unit 116 are provided.
  • the subtraction unit 101 outputs prediction error data, which is a difference value between prediction image data generated by a method described later and an input image sequence, to the orthogonal transformation unit 102.
  • the orthogonal transform unit 102 transforms the prediction error data acquired from the subtraction unit 101 from the image domain to the frequency domain.
  • the quantization unit 103 performs a quantization process on the prediction error data converted into the frequency domain.
  • the inverse quantization unit 104 performs inverse quantization processing on the prediction error data quantized by the quantization unit 103.
  • the inverse orthogonal transform unit 105 transforms the prediction error data subjected to the inverse quantization process from the frequency domain to the image domain.
  • the adder 106 adds the predicted image data and the prediction error data subjected to the inverse quantization process to calculate a decoded image.
  • the block memory 107 stores the decoded image calculated by the adding unit 106 in units of blocks.
  • the frame memory 108 stores the decoded image in units of frames.
  • the picture type determination unit 113 determines which of the I picture, B picture, and P picture is to be used to encode the input image sequence, and generates picture type information.
  • the intra prediction unit 109 generates predicted image data based on intra prediction of the block to be encoded, using the decoded image in units of blocks stored in the block memory 107.
  • the inter prediction unit 110 uses the decoded image in units of frames stored in the frame memory 108 to generate predicted image data by inter prediction of the encoding target block.
  • the switch 112 outputs one of the predicted image data generated by the intra prediction unit 109 and the predicted image data generated by the inter prediction unit 110 to the subtraction unit 101.
  • the reference picture list management unit 114 assigns a reference picture index to an encoded reference picture to be referred to in inter prediction, and creates a reference list together with a display order and the like.
  • encoding can be performed with reference to two reference pictures, so two reference lists are held.
  • FIG. 2 shows an example of a reference list in a B picture.
  • reference picture 2 is an example of a reference picture list in the prediction direction 1 in bidirectional prediction.
  • reference picture 1 in display order 2 at value 0 of reference picture index 1 reference picture 2 in display order 1 at value 1 in reference picture index 1
  • display order at value 2 in reference picture index 1 A reference picture 3 of 0 is assigned. That is, the reference picture index is assigned to the encoding target picture in the order of time in display order.
  • the reference picture list 2 is an example of the reference picture list in the prediction direction 2 in the bi-directional prediction.
  • the reference picture index 2 has a value 0 of the reference picture index 2 and the reference picture index 2 has the value 1 of the reference picture index 2.
  • Reference picture 3 in display order 0 is assigned to value 2 of reference picture 1 and reference picture index 2 of 2. In this way, it is possible to assign different reference picture indexes for each reference picture for each prediction direction (reference pictures 1 and 2 in FIG. 2), or to assign the same reference picture index (see FIG. 2). Picture 3).
  • the reference picture is managed based on the reference picture index and the display order.
  • the present invention is not limited to this.
  • the reference picture may be managed based on the reference picture index and the coding order.
  • the skip mode prediction direction determination unit 115 uses the reference picture lists 1 and 2 created by the reference picture list management unit 114 to determine the prediction direction of the skip mode of the block to be encoded by a method described later.
  • variable length coding unit 116 generates a bitstream by performing variable length coding processing on the quantized prediction error data, inter prediction mode, inter prediction direction, skip flag, and picture type information. .
  • FIG. 3 is an outline of the processing flow of the moving picture coding method according to the present invention.
  • the prediction direction in the case of encoding an encoding object block in skip mode is determined (S101).
  • a motion vector detection mode for generating a predicted image using a motion vector based on a motion detection result, a direct mode for generating a predicted image using a predicted motion vector generated from an adjacent block, etc. are determined in step S101.
  • Each cost comparison with the skip mode for generating a predicted image using the predicted motion vector generated according to the prediction direction is performed, and a more efficient inter prediction mode is determined (S102). The cost calculation method will be described later.
  • step S103 it is determined whether or not the inter prediction mode determined in step S102 is the skip mode (S103). If the determination result is true (Yes in S103), predicted image generation in the skip mode is performed, and the skip flag is set to 1 to accompany the bit stream of the encoding target block (S104). On the other hand, if the determination result in step S103 is false (No in S103), inter prediction is performed according to the determined inter prediction mode, prediction image data is generated, the skip flag is set to 0, and the bit stream of the encoding target block is set. Accompany it (S105). Also, an inter prediction mode and an inter prediction direction indicating whether the motion vector detection mode or the direct mode is used are attached to the bit stream of the encoding target block.
  • FIG. 4 is a diagram illustrating a flow for determining the skip mode prediction direction in the skip mode prediction direction determination unit 115.
  • the value of the reference picture index 1 in the prediction direction 1 in the skip mode is determined (S201). For example, it is conceivable to always use a reference picture index 1 of 0 in the skip mode.
  • the value of the reference picture index 2 in the prediction direction 2 in the skip mode is determined (S202). For example, it is conceivable to always use the reference picture index 2 of 0 in the skip mode.
  • the reference picture lists 1 and 2 it is determined using the reference picture lists 1 and 2 whether the reference picture indicated by the value of the reference picture index 1 and the reference picture indicated by the value of the reference picture index 2 are the same picture (S203). For example, the display order of the reference picture indicated by the reference picture index 1 in the reference picture list 1 is compared with the display order of the reference picture indicated by the reference picture index 2 in the reference picture list 2. And if both are the same value, it can determine with the same picture.
  • the skip direction prediction direction flag is set to one-way prediction (S204).
  • the prediction direction flag in the skip mode is set to bidirectional prediction (S205).
  • the value 0 is always used as the reference picture index value in the skip mode, but the minimum value of the reference picture index value of an adjacent block or the like may be used.
  • it is determined whether or not the pictures are the same using the display order in step S203, but may be determined using the encoding order or the like.
  • FIG. 5 is a diagram showing a determination flow of the inter prediction mode in the inter prediction control unit 111.
  • a cost CostInter of a motion vector detection mode for generating a predicted image using a motion vector based on a motion detection result is calculated by a method described later (S301).
  • a prediction vector is generated using a motion vector such as an adjacent block, and a cost CostDirect in a direct mode for generating a predicted image using the prediction vector is calculated by a method described later (S302).
  • the cost CostSkip of the skip mode for generating the predicted image is calculated by the method described later (S303).
  • the costs CostInter, CostDirect, and CostSkip are compared, and if the cost CostInter is minimum (Yes in S304), the inter prediction mode is determined as the motion vector detection mode, and the inter prediction mode is set as the motion vector detection mode ( S305). If the cost CostInter is not the minimum (No in S304), the cost CostDirect is compared with the cost CostSkip. If the cost CostDirect is small (Yes in S306), the inter prediction mode is determined as the direct mode, and the inter prediction mode is determined. Information is set to the direct mode (S307). Furthermore, if the determination result in step S306 is false (No in S306), the inter prediction mode is set to the skip mode, and the skip mode is set to the inter prediction mode information (S308).
  • motion detection is performed on reference picture 1 indicated by reference picture index 1 in prediction direction 1 and reference picture 2 indicated by reference picture index 2 in prediction direction 2, and motion vector 1 and motion vector 2 for each reference picture are detected.
  • motion detection a difference value between a coding target block in a coded picture and a block in a reference picture is calculated, and a block in the reference picture having the smallest difference value is set as a reference block.
  • a motion vector is obtained from the encoding target block position and the reference block position.
  • a prediction image in the prediction direction 1 is generated using the motion vector 1 obtained in step S401, and its cost CostInterUni1 is calculated by, for example, the following equation 1 of the RD optimization model (S402).
  • Equation 1 D represents encoding distortion, a pixel value obtained by encoding and decoding a block to be encoded using a prediction image generated with a certain motion vector, and an original pixel value of the block to be encoded The sum of absolute differences is used.
  • R represents the amount of generated code, and the amount of code necessary for encoding the motion vector used for predictive image generation is used. Further, ⁇ is a Lagrange multiplier.
  • step S401 using the motion vector 2 obtained in step S401, a prediction image in the prediction direction 2 is generated, and the cost CostInterUni2 is calculated from equation 1 (S403).
  • the method for calculating the cost CostInterUni2 is the same as the cost CostInterUni1 described above, and a description thereof will be omitted.
  • a bidirectional prediction image is generated using the motion vector 1 and the motion vector 2 obtained in step S401, and the cost CostInterBi is calculated from equation 1 (S404).
  • the bidirectional prediction image is, for example, a bidirectional prediction image obtained by performing addition averaging for each pixel of the prediction image obtained from the motion vector 1 and the prediction image obtained from the motion vector 2.
  • the values of the costs CostInterUni1, CostInterUni2, and CostInterBi are compared (S405). If the cost CostInterBi is the minimum (Yes in S405), the prediction direction of the motion vector detection mode is determined to be bidirectional prediction, and the cost CostInterBi is set to the cost CostInter (S406). If the determination result in step S405 is false (No in S405), the cost CostInterUni1 and the cost CostInterUni2 are compared (S407). If the value of cost CostInterUni1 is small (Yes in S407), the motion vector detection mode is determined as one-way prediction 1 in prediction direction 1, and cost CostInterUni1 is set to cost CostInter (S408). Furthermore, if the determination result in step S407 is false (No in S407), the motion vector detection mode is determined as one-way prediction 2 in the prediction direction 2, and the cost CostInterUni2 is set to the cost CostInter (S409).
  • the addition average for each pixel is performed at the time of bidirectional prediction image generation, but a weighted addition average or the like may be performed.
  • the direct vector 1 in the prediction direction 1 and the direct vector 2 in the prediction direction 2 are calculated (S501).
  • the direct vector is calculated using, for example, a motion vector of an adjacent block. An example of this will be described with reference to FIG.
  • a motion vector MV_A is a motion vector of an adjacent block A located on the left side of the encoding target block.
  • the motion vector MV_B is a motion vector of an adjacent block B located above the encoding target block.
  • the motion vector MV_C is a motion vector of an adjacent block C located on the upper right side of the encoding target block.
  • the intermediate value is derived as follows.
  • the direct vector 1 in the prediction direction 1 is calculated from Equation 2 using the motion vector in the prediction direction 1 of the adjacent block. Further, the direct vector 2 in the prediction direction 2 is calculated from Equation 2 using the motion vector in the prediction direction 2 of the adjacent block. If there is no adjacent block having the same prediction direction as the encoding target block, a motion vector having a value of 0 or the like may be used as the direct vector.
  • a bidirectional prediction image is generated using the direct vector 1 and the direct vector 2 obtained in step S501, and the cost CostDirectBi is calculated from Equation 1 (S502).
  • the bidirectional prediction image is, for example, a bidirectional prediction image obtained by performing addition averaging for each pixel of the prediction image obtained from the direct vector 1 and the prediction image obtained from the direct vector 2.
  • a prediction image in the prediction direction 1 is generated using the direct vector 1, and its cost CostDirectUni1 is calculated from Equation 1.
  • a prediction image in the prediction direction 2 is generated using the direct vector 2 obtained in step S501, and the cost CostDirectUni2 is calculated from Equation 1 (S504).
  • the values of the costs CostDirectUni1, CostDirectUni2, and CostDirectBi are compared (S505). If the cost CostDirectBi is the minimum (Yes in S505), the direct mode prediction direction is determined to be bidirectional prediction, and the cost CostDirctBi is set to the cost CostDirect (S506). If the determination result in step S505 is false (No in S505), the cost CostDirectUni1 and the cost CostDirectUni2 are compared (S507). If the value of cost CostDirectUni1 is small (Yes in S507), the direct mode is determined to be one-way prediction 1 in prediction direction 1, and cost CostDirectUni1 is set to cost CostDirect (S508). Furthermore, if the determination result in step S507 is false (No in S507), the direct mode is determined as one-way prediction 2 in the prediction direction 2, and the cost CostDirectUni2 is set to the cost CostDirect (S509).
  • the skip mode prediction direction flag determined by the skip mode prediction direction determination unit 115 is one-way prediction (S601). If the determination result in step S601 is true (Yes in S601), a prediction image in the prediction direction 1 is generated using the direct vector 1, and its cost CostSkip is calculated from Equation 1 (S602). On the other hand, if the determination result in step S601 is false (No in S601), a bidirectional prediction image is generated using the direct vector 1 and the direct vector 2, and the cost CostSkip is calculated from Equation 1 (S603).
  • the bidirectional prediction image is, for example, a bidirectional prediction image obtained by performing addition averaging for each pixel of the prediction image obtained from the direct vector 1 and the prediction image obtained from the direct vector 2.
  • FIG. 10A and FIG. 10B show specific examples when a predicted image is generated.
  • FIG. 10A is an example when the reference picture indicated by the reference picture index 1 in the prediction direction 1 and the reference picture indicated by the reference picture index 2 in the prediction direction 2 are the same picture.
  • the skip mode prediction direction flag is unidirectional prediction, and the prediction image generated by the direct vector 1 in the prediction direction 1 is used for encoding.
  • FIG. 10B shows an example in which the reference picture indicated by the reference picture index 1 in the prediction direction 1 and the reference picture indicated by the reference picture index 2 in the prediction direction 2 are different pictures.
  • the skip mode prediction direction flag is bidirectional prediction, and a bidirectional prediction image generated using the direct vector 1 and the direct vector 2 is used for encoding.
  • the prediction image when the skip mode prediction direction flag is unidirectional prediction, the prediction image is generated using the direct vector 1, but the prediction image may be generated using the direct vector 2.
  • the present invention when determining the prediction direction of the skip mode, it is possible to select the optimal prediction direction for the block to be encoded, so that the encoding efficiency can be improved.
  • the reference picture indicated by reference picture index 1 in prediction direction 1 and the reference picture indicated by reference picture index 2 in prediction direction 2 are the same picture, unidirectional prediction is selected regardless of the prediction direction of adjacent blocks. By doing so, the quality of a prediction image can be improved and encoding efficiency can be improved.
  • FIG. 11 is a block diagram showing a configuration of an embodiment of a video encoding apparatus 200 using the video encoding method according to the present invention.
  • the same reference number is attached
  • a skip mode prediction direction addition determination unit 215 is newly provided.
  • the skip mode prediction direction addition flag is on, skip is performed.
  • the configuration is different from the other embodiments in that the inter prediction direction is attached to each encoding target block.
  • FIG. 12 is an outline of the processing flow of the moving picture coding method according to the present invention.
  • a motion vector detection mode for generating a predicted image using a motion vector based on a motion detection result, a direct mode for generating a predicted image using a predicted motion vector generated from an adjacent block, and the prediction added in step S701
  • Cost comparison with the skip mode for generating a predicted image using the predicted motion vector generated according to the direction is performed, and a more efficient inter prediction mode is determined (S702).
  • Formula 1 etc. are utilized for the cost calculation method.
  • step S703 it is determined whether or not the inter prediction mode determined in step S702 is the skip mode (S703). If the determination result in step S703 is true (Yes in S703), it is determined whether or not the skip mode addition flag is on (S704). If the determination result in step S704 is true (Yes in S704), predicted image generation in the skip mode is performed, and the skip flag is set to 1 to accompany the bit stream of the block to be encoded (S705). Also, the inter prediction direction in the skip mode is attached to the bitstream.
  • step S704 If the determination result in step S704 is false (No in S704), a predicted image is generated in the skip mode, and the skip flag is set to 1 and attached to the bit stream of the encoding target block (S706). Further, if the determination result in step S703 is false (No in S703), inter prediction is performed according to the determined inter prediction mode, prediction image data is generated, the skip flag is set to 0, and the bit stream of the encoding target block is set. Accompany it (S707). In addition, an inter prediction mode indicating the motion vector detection mode or the direct mode and an inter prediction direction are attached to the bit stream of the encoding target block.
  • FIG. 13 is a diagram illustrating a determination flow of the skip mode prediction direction addition flag in the skip mode prediction direction addition determination unit 215.
  • the value of the reference picture index 1 in the prediction direction 1 in the skip mode is determined (S801). For example, it is conceivable to always use a reference picture index 1 of 0 in the skip mode.
  • the value of the reference picture index 2 in the prediction direction 2 in the skip mode is determined (S802). For example, it is conceivable to always use the reference picture index 2 of 0 in the skip mode.
  • the reference picture lists 1 and 2 it is determined using the reference picture lists 1 and 2 whether the reference picture indicated by the value of the reference picture index 1 and the reference picture indicated by the value of the reference picture index 2 are the same picture (S803). For example, the display order of the reference picture indicated by the reference picture index 1 in the reference picture list 1 is compared with the display order of the reference picture indicated by the reference picture index 2 in the reference picture list 2, and the same picture can be determined if they have the same value. .
  • step S803 when the pictures to be referred to in the prediction directions 1 and 2 are the same picture (Yes in S803), the skip direction prediction direction addition flag is set to ON (S804). On the other hand, if the reference pictures in prediction directions 1 and 2 are not the same picture in step S803 (No in S803), the prediction direction addition flag in the skip mode is set to off (S805).
  • the value 0 is always used as the reference picture index value in the skip mode, but the minimum value of the reference picture index value of an adjacent block or the like may be used.
  • the direct vector 1 in the prediction direction 1 and the direct vector 2 in the prediction direction 2 are calculated by the method described in the first embodiment (S901). Then, a bidirectional prediction image is generated using the obtained direct vector 1 and direct vector 2, and the cost CostSkipBi is calculated from Equation 1.
  • the bidirectional prediction image is, for example, a bidirectional prediction image obtained by performing addition averaging for each pixel of the prediction image obtained from the direct vector 1 and the prediction image obtained from the direct vector 2.
  • step S902 it is determined whether or not the skip mode prediction direction addition flag is on (S902). If the determination result in step S902 is true (Yes in S902), a prediction image in the prediction direction 1 is generated using the direct vector 1, and its cost CostSkipUni1 is calculated from Equation 1 (S903). Next, a prediction image in the prediction direction 2 is generated using the direct vector 2 obtained in step S901, and the cost CostSkipUni2 is calculated from equation 1 (S904).
  • the values of the costs CostSkipUni1, CostSkipUni2, and CostSkipBi are compared (S905). If the cost CostSkipUni1 is the minimum (Yes in S905), the skip mode is determined as the one-way prediction 1 in the prediction direction 1, and the cost CostSkipUni1 is set as the cost CostSkip (S906). If the determination result in step S905 is false (No in S905), the cost CostSkipUni2 and the cost CostSkipBi are compared (S907).
  • the skip mode is determined as unidirectional prediction 2 in prediction direction 2, and cost CostSkipUni2 is set as cost CostSkip (S908). Furthermore, if one of the determination results in steps S902 and S907 is false (No in S902 or No in S907), the skip mode is determined to be bidirectional prediction, and the cost CostSkipBi is set to the cost CostSkip (S909).
  • the prediction direction of the skip mode when determining the prediction direction of the skip mode, it is possible to select the optimal prediction direction for the block to be encoded, so that the encoding efficiency can be improved.
  • the prediction direction even in the skip mode regardless of the prediction direction of the adjacent block. Is attached to the bitstream.
  • FIG. 15 is a block diagram showing a configuration of an embodiment of a video encoding device 300 using the video encoding method according to the present invention.
  • the same reference number is attached
  • header information for example, an H.264 picture parameter set or a header parameter that gives the skip mode prediction direction flag generated by the skip mode prediction direction determination unit 315 to the bit stream for each processing unit such as a picture
  • header information for example, an H.264 picture parameter set or a header parameter that gives the skip mode prediction direction flag generated by the skip mode prediction direction determination unit 315 to the bit stream for each processing unit such as a picture
  • the configuration differs from the other embodiments in that it is attached to a slice header or the like.
  • FIG. 16 is an outline of the processing flow of the moving picture coding method according to the present invention.
  • the prediction direction when the block to be encoded is encoded in the skip mode is determined, and the determined skip mode prediction direction flag is attached to the picture header or the like (S1001).
  • the flow of FIG. 4 of Embodiment 1 etc. can be utilized for the determination method of the prediction direction of skip mode.
  • a motion vector detection mode for generating a predicted image using a motion vector based on a motion detection result, a direct mode for generating a predicted image using a predicted motion vector generated from an adjacent block, and the like are determined in step S1001.
  • the cost comparison with the skip mode for generating a predicted image using the predicted motion vector generated according to the predicted direction is performed, and a more efficient inter prediction mode is determined (S1002).
  • Formula 1 etc. are utilized for the cost calculation method.
  • step S1003 it is determined whether or not the inter prediction mode determined in step S1002 is a skip mode (S1003). If the determination result in step S1003 is true (Yes in S1003), predicted image generation in the skip mode is performed, and the skip flag is set to 1 to accompany the bit stream of the encoding target block (S1004). On the other hand, if the determination result in step S1003 is false (No in S1003), inter prediction is performed according to the determined inter prediction mode to generate predicted image data, the skip flag is set to 0, and the bit stream of the encoding target block is set. Accompany it (S1005). In addition, an inter prediction mode indicating the motion vector detection mode or the direct mode and an inter prediction direction are attached to the bit stream of the encoding target block. In addition, since the inter prediction mode determination method etc. are the same as that of Embodiment 1, description is abbreviate
  • the prediction mode of the skip mode can be flexibly switched for each picture, and the coding efficiency It becomes possible to improve.
  • FIG. 17 is a block diagram showing a configuration of an embodiment of a moving picture coding apparatus 400 using the moving picture coding method according to the present invention.
  • the same reference number is attached
  • header information (for example, a picture parameter of H.264) that adds a skip mode prediction direction addition flag generated by the skip mode prediction direction addition determination unit 415 to a bit stream for each processing unit such as a picture.
  • the configuration differs from the other embodiments in that it is attached to a set or a slice header.
  • FIG. 18 is an outline of the processing flow of the moving picture coding method according to the present invention.
  • a motion vector detection mode for generating a predicted image using a motion vector based on a motion detection result, a direct mode for generating a predicted image using a predicted motion vector generated from an adjacent block, and the prediction added in step S1101.
  • Cost comparison with a skip mode for generating a predicted image using a predicted motion vector generated according to a direction is performed, and a more efficient inter prediction mode is determined (S1102).
  • Formula 1 etc. are utilized for the cost calculation method.
  • step S1103 it is determined whether or not the inter prediction mode determined in step S1102 is a skip mode (S1103). If the determination result in step S1103 is true (Yes in S1103), it is determined whether the skip mode addition flag is on (S1104). If the determination result in step S1104 is true (Yes in S1104), predicted image generation in the skip mode is performed, and the skip flag is set to 1 to accompany the bit stream of the encoding target block (S1105). Also, the inter prediction direction in the skip mode is attached to the bitstream.
  • step S1104 is false (No in S1104), a predicted image is generated in the skip mode, and the skip flag is set to 1 to accompany the bit stream of the encoding target block (S1106). Further, if step S1103 is false (No in S1103), inter prediction is performed according to the determined inter prediction mode, prediction image data is generated, a skip flag is set to 0, and the bitstream of the encoding target block is attached ( S1107). In addition, an inter prediction mode indicating the motion vector detection mode or the direct mode and an inter prediction direction are attached to the bit stream of the encoding target block. In addition, since the inter prediction mode determination method etc. are the same as that of Embodiment 2, description is abbreviate
  • the skip mode prediction direction addition flag is explicitly given to the picture header or the like. For this reason, whether to add the prediction direction of the skip mode can be flexibly switched for each picture, and the encoding efficiency can be improved.
  • FIG. 19 is a block diagram showing a configuration of an embodiment of a moving picture decoding apparatus 500 using the moving picture decoding method according to the present invention.
  • the moving image decoding apparatus 500 includes a variable length decoding unit 501, an inverse quantization unit 502, an inverse orthogonal transform unit 503, an addition unit 504, a block memory 505, and a frame memory 506.
  • the variable length decoding unit 501 performs variable length decoding processing on the input bitstream, and performs quantization on which picture type information, inter prediction mode, inter prediction direction, skip flag, and variable length decoding processing are performed. Generate coefficients.
  • the inverse quantization unit 502 performs inverse quantization processing on the quantized coefficients that have been subjected to variable length decoding processing.
  • the inverse orthogonal transform unit 503 transforms the orthogonal transform coefficient subjected to the inverse quantization process from the frequency domain to the image domain, and generates prediction error image data.
  • the adding unit 504 adds the prediction error image data and the prediction image data generated by the inverse orthogonal transform unit 503 to generate a decoded image sequence.
  • the block memory 505 stores the decoded image sequence generated by the adding unit 504 in units of blocks.
  • the frame memory 506 stores the decoded image sequence generated by the adding unit 504 in units of frames.
  • the intra prediction unit 507 generates predicted image data of a decoding target block by performing intra prediction using a decoded image sequence in block units stored in the block memory 505.
  • the inter prediction unit 508 generates predicted image data of a decoding target block by performing inter prediction using a decoded image sequence in units of frames stored in the frame memory 506.
  • the inter prediction control unit 509 controls the motion vector and the prediction image data generation method in inter prediction according to the inter prediction mode, the inter prediction direction, and the skip flag.
  • the switch 510 outputs one of the predicted image data generated by the intra prediction unit 507 and the predicted image data generated by the inter prediction unit 508 to the adding unit 504.
  • the reference picture list management unit 511 assigns a reference picture index to a decoded reference picture to be referred to in inter prediction, and creates a reference list along with the display order (similar to FIG. 2 in the first embodiment). Since a B picture can be decoded with reference to two pictures, it holds two reference lists.
  • the reference picture is managed based on the reference picture index and the display order.
  • the reference picture may be managed based on the reference picture index and the decoding order.
  • the skip mode prediction direction determination unit 512 uses the reference picture lists 1 and 2 created by the reference picture list management unit 511 to determine the prediction mode of the skip mode of the coding target block. Note that the flow for determining the skip mode prediction direction flag is the same as that in FIG.
  • FIG. 20 is an outline of the processing flow of the moving picture decoding method according to the present invention.
  • step S1201 it is determined whether or not the skip flag decoded from the bitstream is 1 (S1201). If the determination result in step S1201 is true (Yes in S1201), it is determined whether the skip mode prediction direction flag is unidirectional prediction (S1202).
  • step S1202 If the determination result in step S1202 is true (Yes in S1202), the direct vector 1 is calculated and a one-way predicted image is generated (S1203). On the other hand, if the determination result in step S1202 is false (No in S1202), direct vector 1 and direct vector 2 are calculated, and a bidirectional prediction image is generated (S1204). If the determination result in step S1201 is false (No in S1201), that is, if it is not the skip mode, it is determined whether the decoded inter prediction mode is the motion vector detection mode (S1205).
  • step S1205 If the determination result in step S1205 is true (Yes in S1205), a predicted image is generated using the decoded inter prediction direction and motion vector (S1206). On the other hand, if the determination result in step S1205 is false (No in S1205), that is, in the direct mode, the direct vector 1 and the direct vector 2 are calculated according to the decoded inter prediction direction, and a predicted image is generated (S1207). .
  • the one-way predicted image in the skip mode is generated using the direct vector 1 in step S1203 of FIG. 20, but the direct vector 2 is used together with the moving image coding method.
  • a unidirectional predicted image may be generated.
  • FIG. 21 shows an example of the bitstream syntax in the moving picture decoding method according to the present invention.
  • skip_flag represents a skip flag
  • pred_mode represents an inter prediction mode
  • inter_pred_idc represents an inter prediction direction.
  • the reference picture indicated by the reference picture index 1 in the prediction direction 1 and the reference picture indicated by the reference picture index 2 in the prediction direction 2 are the same picture, Regardless, it is possible to appropriately decode a bitstream with improved encoding efficiency by selecting unidirectional prediction.
  • FIG. 22 is a block diagram showing a configuration of an embodiment of a moving picture decoding apparatus 600 using the moving picture decoding method according to the present invention.
  • the same reference number is attached
  • a skip mode prediction direction addition determination unit 612 is newly provided, and skipping is performed when the skip mode prediction direction addition flag is on. Even in the case of the mode, the configuration is different from the other embodiments in that a bitstream in which the inter prediction direction is associated with each decoding target block can be decoded. Note that the skip mode prediction direction addition determination flow is the same as that of FIG.
  • FIG. 23 is an outline of the processing flow of the moving picture decoding method according to the present invention.
  • step S1301 it is determined whether or not the skip flag decoded from the bitstream is 1 (S1301). If the determination result in step S1301 is true (Yes in S1301), it is determined whether or not the skip mode prediction direction addition flag is on (S1302). If the determination result in step S1302 is true (Yes in S1302), the inter prediction direction is decoded, and at least one of the direct vector 1 and the direct vector 2 is calculated according to the decoded inter prediction direction. A directional or bidirectional prediction image is generated (S1303).
  • step S1302 determines whether or not the decoded inter prediction mode is the motion vector detection mode (S1305).
  • step S1305 If the determination result in step S1305 is true (Yes in S1305), a predicted image is generated using the decoded inter prediction direction and motion vector (S1306). On the other hand, if the determination result in step S1305 is false (No in S1305), that is, in the direct mode, the direct vector 1 and the direct vector 2 are calculated according to the decoded inter prediction direction, and a predicted image is generated (S1307). .
  • FIG. 24 shows an example of the bitstream syntax in the moving picture decoding method according to the present invention.
  • skip_flag represents a skip flag
  • pred_mode represents an inter prediction mode
  • inter_pred_idc represents an inter prediction direction.
  • the reference picture indicated by the reference picture index 1 in the prediction direction 1 and the reference picture indicated by the reference picture index 2 in the prediction direction 2 are the same picture, Regardless, even in the skip mode, by attaching the prediction direction to the bitstream, it is possible to appropriately decode the bitstream with improved coding efficiency.
  • FIG. 25 is a block diagram showing a configuration of an embodiment of a video decoding apparatus 700 using the video decoding method according to the present invention.
  • the same reference number is attached
  • header information for example, an H.264 picture parameter set or a header parameter that gives the skip mode prediction direction flag generated by the skip mode prediction direction determination unit 315 to the bit stream for each processing unit such as a picture
  • the configuration differs from the other embodiments in that it can be obtained from a slice header or the like.
  • FIG. 26 is an outline of the processing flow of the moving picture decoding method according to the present invention.
  • step S1401 it is determined whether or not the skip flag decoded from the bitstream is 1 (S1401). If the determination result in step S1401 is true (Yes in S1401), it is determined whether or not the skip mode prediction direction flag decoded from the bitstream is unidirectional prediction (S1402). If the determination result in step S1402 is true (Yes in S1402), the direct vector 1 is calculated and a one-way predicted image is generated (S1403).
  • step S1402 determines whether the decoded inter prediction mode is the motion vector detection mode (S1405).
  • step S1405 If the determination result in step S1405 is true (Yes in S1405), a predicted image is generated using the decoded inter prediction direction and motion vector (S1406). On the other hand, if the determination result in step S1405 is false (No in S1405), that is, in the direct mode, the direct vector 1 and the direct vector 2 are calculated according to the decoded inter prediction direction, and a predicted image is generated (S1407). .
  • the unidirectional prediction image in the skip mode is generated using the direct vector 1 in step S1403 of FIG. 26.
  • the direct vector 2 is used together with the moving image encoding method.
  • a unidirectional predicted image may be generated.
  • FIG. 27 shows an example of bitstream syntax in the video decoding method according to the present invention.
  • skip_flag represents a skip flag
  • pred_mode represents an inter prediction mode
  • inter_pred_idc represents an inter prediction direction.
  • skip_pred_idc added to the picture header or the like represents the skip flag prediction direction.
  • coding efficiency is improved by flexibly switching the prediction direction of the skip mode for each picture by explicitly assigning the skip mode prediction direction flag to the picture header or the like. It becomes possible to properly decode the bitstream.
  • FIG. 28 is a block diagram showing a configuration of an embodiment of a video decoding device 800 using the video decoding method according to the present invention.
  • the same reference number is attached
  • header information (for example, a picture parameter set of H.264) that adds a skip mode prediction direction addition flag generated by the skip mode prediction direction addition determination unit 415 to a bit stream for each processing unit such as a picture.
  • header information for example, a picture parameter set of H.264
  • the configuration is different from that of the other embodiments.
  • FIG. 29 is an outline of the processing flow of the moving picture decoding method according to the present invention.
  • step S1501 it is determined whether or not the skip flag decoded from the bitstream is 1 (S1501). If the determination result in step S1501 is true (Yes in S1501), it is determined whether the skip mode prediction direction addition flag decoded from the bitstream is on (S1502). If the determination result in step S1502 is true (Yes in S1502), the inter prediction direction is decoded, and at least one of the direct vector 1 and the direct vector 2 is calculated according to the decoded inter prediction direction. A directional or bidirectional prediction image is generated (S1503).
  • step S1502 determines whether the decoded inter prediction mode is the motion vector detection mode (S1505). If the determination result in step S1505 is true (Yes in S1505), a predicted image is generated using the decoded inter prediction direction and motion vector (S1506).
  • step S1505 determines whether the direct vector 1 and the direct vector 2 are calculated according to the decoded inter prediction direction, and a predicted image is generated (S1507). .
  • FIG. 30 shows an example of bitstream syntax in the video decoding method according to the present invention.
  • skip_flag represents a skip flag
  • pred_mode represents an inter prediction mode
  • inter_pred_idc represents an inter prediction direction.
  • skip_add_dir added to the picture header or the like represents a skip flag prediction direction addition flag.
  • the present invention by explicitly assigning the skip mode prediction direction addition flag to the picture header or the like, it is possible to flexibly switch whether to add the prediction mode of the skip mode for each picture. It is possible to appropriately decode a bit stream with improved efficiency.
  • 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. 32 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 (registered trademark: Global System for Mobile Communications) system, a CDMA (Code Division Multiple Access) system, a W-CDMA (Wideband-Code Division Multiple Access) system, or an LTE (Long Terminal Evolution) system.
  • 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.
  • live distribution the content (for example, music live video) captured by the user using the camera ex113 is encoded as described in the above embodiments, and transmitted to the streaming server ex103.
  • the streaming server ex103 stream-distributes the content data transmitted to the requested client. Examples of the client include a computer ex111, a PDA ex112, a camera ex113, a mobile phone ex114, and a game machine ex115 that can decode the encoded data. Each device that receives the distributed data decodes the received data and reproduces it.
  • 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 performed in common 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 is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111, etc., and encoding / decoding processing is performed using the software. May be.
  • 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 by the client in real time, and personal broadcasting can be realized even for a user who does not have special rights or facilities.
  • At least one of the video encoding device and the video decoding device of each of the above embodiments is incorporated in the digital broadcasting system ex200. be able to.
  • 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 embodiments.
  • 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.
  • a reader / recorder ex218 that reads and decodes multiplexed data recorded on a recording medium ex215 such as a DVD or a BD, or encodes a video signal on the recording medium ex215 and, in some cases, multiplexes and writes it with a music signal. It is possible to mount the moving picture decoding apparatus or moving picture encoding apparatus described in the above embodiments. 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 displayed on the monitor ex219 of the television.
  • the moving picture decoding apparatus may be incorporated in the television instead of the set top box.
  • FIG. 34 is a diagram showing a television (receiver) ex300 that uses the video decoding method and the video encoding method described in each of the above embodiments.
  • 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 decodes the audio data and the video data, or encodes each information, the audio signal processing unit ex304, the signal processing unit ex306 including the video signal processing unit ex305, and the decoded audio signal.
  • 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, in the television ex300, the separated audio data is decoded by the audio signal processing unit ex304, and the separated video data is decoded by the video signal processing unit ex305 using the decoding method described in each of the above embodiments.
  • the decoded audio signal and video signal are output from the output unit ex309 to the outside. At the time of output, 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. Also, 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. Next, a configuration in which the television ex300 encodes an audio signal or a video signal and transmits the signal to the outside or to a recording medium will be described.
  • the television ex300 receives a user operation from the remote controller ex220 and the like, encodes an audio signal with the audio signal processing unit ex304, and converts the video signal with the video signal processing unit ex305 based on the control of the control unit ex310. Encoding is performed using the encoding method described in (1).
  • the encoded audio signal and video signal are multiplexed by the multiplexing / demultiplexing unit ex303 and output to the outside. When multiplexing, 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. Further, in addition to the illustrated example, 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, but these processing cannot be performed, and only the above-described reception, decoding processing, and external output are possible. It may be a configuration.
  • the decoding process or the encoding process may be performed by either the television ex300 or the reader / recorder ex218,
  • the reader / recorder ex218 may share with each other.
  • FIG. 35 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. 36 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. 34, and the same may be considered for the computer ex111, the mobile phone ex114, and the like.
  • FIG. 37 (a) is a diagram showing a 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 decrypted 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,
  • an audio input unit ex356 such as a microphone for inputting audio
  • a captured video In the memory unit ex367 for storing encoded data or decoded data such as still images, recorded audio, received video, still images, mails, or the like, or an interface unit with a recording medium for storing data
  • a slot 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 ex356.
  • 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 the video signal supplied from the camera unit ex365 by the moving image encoding method described in the above embodiments.
  • the encoded video data is sent to the multiplexing / separating unit ex353.
  • the audio signal processing unit ex354 encodes the audio signal picked up by the audio signal input unit ex356 while the camera unit ex365 images a video, a still image, and the like, and the encoded audio data is sent to the multiplexing / separating unit ex353. Send it out.
  • 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 circuit unit ex352, subjected to digital analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the multiplexing / separating unit ex353 separates the multiplexed data into a video data bit stream and an audio data bit stream, and performs video signal processing on the video data encoded via the synchronization bus ex370.
  • the encoded audio data is supplied to the audio signal processing unit ex354 while being supplied to the unit ex355.
  • the video signal processing unit ex355 decodes the video signal by decoding using the video decoding method corresponding to the video encoding method described in each of the above embodiments, and the display unit ex358 via the LCD control unit ex359. From, for example, video and still images included in a moving image file linked to a 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 terminal such as the mobile phone ex114 is referred to as a transmission terminal having only an encoder and a receiving terminal having only a decoder.
  • a transmission terminal having only an encoder
  • a receiving terminal having only a decoder.
  • 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 shown in each of the above embodiments can be used in any of the above-described devices / systems. The described effect 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. 38 is a diagram showing a structure of multiplexed data.
  • the 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. 39 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. 40 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first row in FIG. 40 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in a 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. 41 shows the format of a TS packet that is finally written into 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, and the number incremented from the head of the multiplexed data is called 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. 42 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 for 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 among the multiplexed data.
  • 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. 45 shows the 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.
  • FIG. 46 shows a configuration of 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 ex510 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 ex510 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. 47 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 the CPU ex502 and the 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 conforms to the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to. Then, based on the signal from the CPU ex502, the drive frequency control unit ex512 sets the drive frequency. Further, based on the signal from the CPU ex502, the signal processing unit ex507 decodes the video data.
  • the identification information described in the tenth embodiment may be used.
  • the identification information is not limited to that described in the tenth embodiment, 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. Further, the selection of the driving frequency in the CPU ex502 may be performed based on a lookup table in which the video data standard and the driving frequency are associated with each other as shown in FIG. 49, for example. 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. 48 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 inverse quantization, and other entropy coding, deblocking filter, motion compensation, and the like are 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 specific to the MPEG4-AVC standard As for, a configuration using a dedicated decoding processing unit may be used.
  • ex1000 in FIG. 50B 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 present invention is advantageously used for encoding and decoding moving images.
  • Video coding apparatus 101 Subtraction unit 102 Orthogonal transformation unit 103 Quantization unit 104, 502 Inverse quantization unit 105, 503 Inverse orthogonal transformation unit 106, 504 Addition unit 107, 505 Block memory 108, 506 Frame memory 109, 507 Intra prediction unit 110, 508 Inter prediction unit 111, 509 Inter prediction control unit 112, 510 Switch 113 Picture type determination unit 114, 511 Reference picture list management unit 115, 315, 512 Skip mode prediction direction determination unit 116 Variable length coding unit 215, 415, 605 Skip mode prediction direction addition determination unit 500, 600, 700, 800 Moving picture decoding apparatus 501 Variable length decoding unit

Abstract

　画像符号化方法は、複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップ（Ｓ２０３）と、同一参照ピクチャ判定ステップ（Ｓ２０３）での判定結果に基づいて、符号化対象ブロックを所定の符号化モードで符号化する際の予測方向を切り替える予測方向切替ステップ（Ｓ２０４、Ｓ２０５）とを有する。

Description

画像符号化方法、及び画像復号方法
　本発明は、画像符号化方法および画像復号化方法に関する。
　動画像符号化処理では、一般に、動画像が有する空間方向および時間方向の冗長性を利用して情報量の圧縮が行われる。ここで一般に、空間方向の冗長性を利用する方法としては、周波数領域への変換が用いられる。また、時間方向の冗長性を利用する方法としては、ピクチャ間予測（以降、インター予測と呼ぶ）符号化処理が用いられる。
　インター予測符号化処理では、あるピクチャを符号化する際に、符号化対象ピクチャに対して表示時間順で前方または後方にある符号化済みのピクチャを、参照ピクチャとして用いる。そして、その参照ピクチャに対する符号化対象ピクチャの動きベクトルを検出し、動きベクトルに基づいて動き補償を行って得られた予測画像データと符号化対象ピクチャの画像データとの差分を取ることにより、時間方向の冗長性を取り除く。
　既に標準化されているＨ．２６４と呼ばれる動画像符号化方式では、情報量の圧縮のために、Ｉピクチャ、Ｐピクチャ、Ｂピクチャという３種類のピクチャタイプを用いている。Ｉピクチャは、インター予測符号化処理を行わない、すなわち、ピクチャ内予測（以降、イントラ予測と呼ぶ）符号化処理を行うピクチャである。Ｐピクチャは、表示時間順で、符号化対象ピクチャの前方または後方にある既に符号化済みの１つのピクチャを参照してインター予測符号化を行うピクチャである。Ｂピクチャは、表示時間順で、符号化対象ピクチャの前方または後方にある既に符号化済みの２つのピクチャを参照してインター予測符号化を行うピクチャである。
　また、Ｈ．２６４と呼ばれる動画像符号化方式では、Ｂピクチャである各符号化対象ブロックをインター予測して符号化する場合の符号化モードとして、予測画像データと符号化対象ブロックとの画像データの差分値および予測画像データ生成に用いた動きベクトルを符号化する動きベクトル検出モードと、画像データの差分値のみ符号化を行い、動きベクトルは周辺ブロック等から予測するダイレクトモードと、画像データの差分値も動きベクトルも符号化せず、周辺ブロック等から予測した動きベクトルの示す位置の予測画像をそのまま復号化画像とするスキップモードとが存在する。
　また、Ｂピクチャの動きベクトル検出モードは、予測方向として、符号化対象ピクチャの前方または後方にある既に符号化済みの２つのピクチャを参照して予測画像を生成する双方向予測と、前方または後方にある既に符号化済みの１つのピクチャを参照して予測画像を生成する片方向予測とを選択することができる。
　一方、Ｂピクチャのスキップモードは、周辺ブロック等の予測モードに従って、符号化対象ブロックの予測方向を決定する。具体的な例を図３１を参照して説明する。図３１において、符号化対象ブロックの左側に隣接する符号化済みブロックを隣接ブロックＡ、符号化対象ブロックの上側に隣接する符号化済みブロックを隣接ブロックＢ、符号化対象ブロックの右上に隣接する符号化済みブロックを隣接ブロックＣとする。また、隣接ブロックＡは双方向予測を用いて符号化され、隣接ブロックＢは片方向予測を用いて符号化され、隣接ブロックＣは片方向予測を用いて符号化されたものとする。符号化対象ブロックのスキップモード時の予測方向は、隣接ブロックのうち一つでも双方向予測が存在すれば双方向予測となる。つまり、図３１の場合は、符号化対象ブロックの予測方向として双方向予測が選択される。
ＩＴＵ－Ｔ　Ｈ．２６４　０３／２０１０
　しかしながら、従来のスキップモードにおける予測方向の決定方法では、例えば図３１の隣接ブロックＡにおける双方向予測ベクトル２の検出精度が悪いにもかかわらず、常に双方向予測が選択される。このため、スキップモードの予測画像が劣化し、符号化効率の劣化を招くという課題が生じている。
　本発明は、上記課題を解決することを目的とするものであり、スキップモードの予測方向を選択する、新たな判断基準を用いることにより、符号化対象ピクチャに最も適したスキップモードの予測方向を導出するとともに、符号化効率を向上させることを目的とする。
　本発明の一形態に係る画像符号化方法は、複数の予測方向の一部又は全部を利用して符号化対象ブロックを符号化する方法である。具体的には、画像符号化方法は、前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、前記同一参照ピクチャ判定ステップでの判定結果に基づいて、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向を切り替える予測方向切替ステップとを有する。
　一例として、前記所定の符号化モードはスキップモードであってもよい。そして、前記予測方向切替ステップは、前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを１つ参照して符号化を行う片方向予測に設定し、前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して符号化を行う双方向予測に設定してもよい。
　他の例として、前記所定の符号化モードはスキップモードであってもよい。そして、前記予測方向切替ステップは、前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して符号化を行う双方向予測に設定し、前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向の候補に、前記双方向予測に加えて、前記参照ピクチャを１つ参照して符号化を行う片方向予測を追加し、前記予測候補のうちの最終的に前記符号化対象ブロックの符号化に用いた前記予測方向をビットストリームに付加してもよい。
　さらに、前記画像符号化方法は、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向をヘッダ情報に付加する情報付加ステップを有してもよい。
　さらに、前記画像符号化方法は、前記符号化対象ブロックを所定の符号化モードで符号化する際に予測方向の候補を追加するかどうかを表すフラグをヘッダ情報に付加する情報付加ステップを有してもよい。
　また、前記同一参照ピクチャ判定ステップでは、前記参照ピクチャインデックスが割り当てられた前記参照ピクチャの表示順もしくは符号化順を用いて、前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定してもよい。
　本発明の一形態に係る画像復号化方法は、複数の予測方向の一部又は全部を利用して復号化対象ブロックを復号化する方法である。具体的には、画像復号化方法は、前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、前記同一参照ピクチャ判定ステップでの判定結果に基づいて、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向を切り替える予測方向切替ステップとを有する。
　一例として、前記所定の復号化モードはスキップモードであってもよい。そして、前記予測方向切替ステップは、前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを１つ参照して復号化を行う片方向予測に設定し、前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して復号化を行う双方向予測に設定してもよい。
　他の例として、前記所定の復号化モードはスキップモードであってもよい。そして、前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して復号化を行う双方向予測に設定し、前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向をビットストリームから復号し、前記復号した前記予測方向に基づいて前記復号化対象ブロックの復号化を行ってもよい。
　さらに、前記画像復号化方法は、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向をヘッダ情報から復号するヘッダ情報復号ステップを有してもよい。　　　
　さらに、前記画像復号化方法は、前記復号化対象ブロックを所定の復号化モードで復号化する際に予測方向を追加したかどうかを表すフラグをヘッダ情報から復号するヘッダ情報復号ステップを有してもよい。
　また、同一参照ピクチャ判定ステップでは、前記参照ピクチャインデックスが割り当てられた前記参照ピクチャの表示順もしくは符号化順を用いて、前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定してもよい。
　また、本発明は、下記を含んでもよい。
　本発明の他の形態に係る画像符号化方法は、符号化対象ブロックを含む符号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記符号化対象ブロックを符号化する方法である。具体的には、画像符号化方法は、前記符号化対象ブロックを符号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記２つ以上の参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、前記判定結果に基づいて、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向を切り替える予測方向切替ステップとを有する。
　また、前記所定の符号化モードはスキップモードであってもよい。そして、前記予測方向切替ステップは、前記同一参照ピクチャ判定の結果が真であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを１つ参照して符号化を行う片方向予測に設定し、前記同一参照ピクチャ判定の結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して符号化を行う双方向予測に設定してもよい。
　本発明の他の形態に係る画像符号化方法は、符号化対象ブロックを含む符号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記符号化対象ブロックを符号化する方法である。具体的には、画像符号化方法は、前記符号化対象ブロックを符号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記２つ以上の参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、前記判定結果に基づいて、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向を追加する予測方向追加ステップとを有する。
　また、前記所定の符号化モードはスキップモードであってもよい。そして、前記予測方向追加ステップは、前記同一参照ピクチャ判定の結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して符号化を行う双方向予測に設定し、前記同一参照ピクチャ判定の結果が真であれば、前記スキップモードの前記予測方向に、前記双方向予測に加え、前記参照ピクチャを１つ参照して符号化を行う片方向予測を追加し、最終的に前記符号化対象ブロックの符号化に用いた前記予測方向をビットストリームに付加してもよい。
　本発明の他の形態に係る画像符号化方法は、符号化対象ブロックを含む符号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記符号化対象ブロックを符号化する方法である。具体的には、画像符号化方法は、前記符号化対象ブロックを符号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向をヘッダ情報に付加するステップと、前記予測方向に基づいて、前記符号化対象ブロックを所定の符号化モードで符号化するステップとを有する。
　また、前記所定の符号化モードはスキップモードであってもよい。そして、前記ヘッダ情報に付加した前記予測方向が片方向予測の場合は、前記参照ピクチャを１つ参照して前記符号化対象ブロックの符号化を行い、前記ヘッダ情報に付加した前記予測方向が双方向予測の場合は、前記参照ピクチャを少なくとも２つ以上参照して前記符号化対象ブロックの符号化を行なってもよい。
　本発明の他の形態に係る画像符号化方法は、符号化対象ブロックを含む符号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記符号化対象ブロックを符号化する方法である。具体的には、画像符号化方法は、前記符号化対象ブロックを符号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記符号化対象ブロックを所定の符号化モードで符号化する際に予測方向を追加するかどうかを表すフラグをヘッダ情報に付加するステップと、前記フラグに基づいて、前記符号化対象ブロックを所定の符号化モードで符号化するステップとを有する。
　また、前記所定の符号化モードはスキップモードであってもよい。そして、前記ヘッダ情報に付加した前記フラグがオフの場合は、前記参照ピクチャを少なくとも２つ以上参照する双方向予測を用いて前記符号化対象ブロックの符号化を行い、前記ヘッダ情報に付加した前記フラグがオンの場合は、前記双方向予測に加え、前記参照ピクチャを１つ参照して符号化を行う片方向予測を行い、最終的に前記符号化対象ブロックの符号化に用いた前記予測方向をビットストリームに付加してもよい。
　また、前記同一参照ピクチャ判定ステップは、前記参照ピクチャインデックスが割り当てられた前記参照ピクチャの表示順、もしくは符号化順を用いて判定してもよい。
　本発明の他の形態に係る画像復号化方法は、復号化対象ブロックを含む復号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記復号化対象ブロックを復号化する方法である。具体的には、画像復号化方法は、前記復号化対象ブロックを復号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記２つ以上の参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、前記判定結果に基づいて、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向を切り替える予測方向切替ステップとを有する。
　また、前記所定の復号化モードはスキップモードであってもよい。そして、前記予測方向切替ステップは、前記同一参照ピクチャ判定の結果が真であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを１つ参照して復号化を行う片方向予測に設定し、前記同一参照ピクチャ判定の結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して復号化を行う双方向予測に設定してもよい。
　本発明の他の形態に係る画像復号化方法は、復号化対象ブロックを含む復号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記復号化対象ブロックを復号化する方法である。具体的には、画像復号化方法は、前記復号化対象ブロックを復号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記２つ以上の参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、前記判定結果に基づいて、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向を復号するステップとを有する。
　また、前記所定の復号化モードはスキップモードであってもよい。そして、前記同一参照ピクチャ判定の結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して復号化を行う双方向予測に設定し、前記同一参照ピクチャ判定の結果が真であれば、前記スキップモードの前記予測方向をビットストリームから復号し、前記復号した前記予測方向に基づいて前記復号化対象ブロックの復号化を行なってもよい。
　本発明の他の形態に係る画像復号化方法は、復号化対象ブロックを含む復号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記復号化対象ブロックを復号化する方法である。具体的には、画像復号化方法は、前記復号化対象ブロックを復号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向をヘッダ情報から復号するステップと、前記復号した予測方向に基づいて、前記復号化対象ブロックを所定の復号化モードで復号化するステップとを有する。
　また、前記所定の復号化モードはスキップモードであってもよい。そして、前記ヘッダ情報から復号した前記予測方向が片方向予測の場合は、前記参照ピクチャを１つ参照して前記復号化対象ブロックの復号化を行い、前記ヘッダ情報から復号した前記予測方向が双方向予測の場合は、前記参照ピクチャを少なくとも２つ以上参照して前記復号化対象ブロックの復号化を行なってもよい。
　本発明の一形態に係る画像復号化方法は、復号化対象ブロックを含む復号化対象ピクチャとは異なる少なくとも１つ以上の参照ピクチャに対し、少なくとも２つ以上の参照ピクチャインデックスを割り当てて前記復号化対象ブロックを復号化する方法である。具体的には、画像復号化方法は、前記復号化対象ブロックを復号化する際に、前記２つ以上の参照ピクチャインデックスを用いる場合は、前記復号化対象ブロックを所定の復号化モードで復号化する際に予測方向を追加したかどうかを表すフラグをヘッダ情報から復号するステップと、前記フラグに基づいて、前記復号化対象ブロックを所定の復号化モードで復号化するステップとを有する。
　また、前記所定の復号化モードはスキップモードであってもよい。そして、前記ヘッダから復号した前記フラグがオフの場合は、前記参照ピクチャを少なくとも２つ以上参照する双方向予測を用いて前記復号化対象ブロックの復号化を行い、前記ヘッダ情報から復号した前記フラグがオンの場合は、ビットストリームから前記予測方向を復号し、前記復号した前記予測方向に基づいて前記復号化対象ブロックの復号化を行なってもよい。
　また、同一参照ピクチャ判定ステップは、前記参照ピクチャインデックスが割り当てられた前記参照ピクチャの表示順、もしくは符号化順を用いて判定してもよい。
　本発明によれば、スキップモードの予測方向を選択する、新たな判断基準を用いることにより、符号化対象ピクチャに最も適したスキップモードの予測方向を導出することが可能になるとともに、符号化効率を向上せることが可能になる。
図１は、実施の形態１に係る動画像符号化装置のブロック図である。 図２は、Ｂピクチャにおける参照リストの例を示す図である。 図３は、実施の形態１に係る動画像符号化方法の処理フローを示す図である。 図４は、スキップモード予測方向の決定フローを示す図である。 図５は、インター予測モードの決定フローを示す図である。 図６は、コストCostInter算出の処理フローを示す図である。 図７は、コストCostDirect算出の処理フローを示す図である。 図８は、隣接ブロックの動きベクトルを用いてダイレクトベクトルを算出する方法を説明するための図である。 図９は、コストCostSkip算出の処理フローを示す図である。 図１０Ａは、予測方向１の参照ピクチャインデックス１が示す参照ピクチャと、予測方向２の参照ピクチャインデックス２が示す参照ピクチャとが同一ピクチャである場合の例を示す図である。 図１０Ｂは、予測方向１の参照ピクチャインデックス１が示す参照ピクチャと、予測方向２の参照ピクチャインデックス２が示す参照ピクチャとが異なるピクチャである場合の例を示す図である。 図１１は、実施の形態２に係る動画像符号化装置のブロック図である。 図１２は、実施の形態２に係る動画像符号化方法の処理フローを示す図である。 図１３は、スキップモード予測方向追加フラグ決定の処理フローを示す図である。 図１４は、コストCostSkip算出の処理フローを示す図である。 図１５は、実施の形態３に係る動画像符号化装置のブロック図である。 図１６は、実施の形態３に係る動画像符号化方法の処理フローを示す図である。 図１７は、実施の形態４に係る動画像符号化装置のブロック図である。 図１８は、実施の形態４に係る動画像符号化方法の処理フローを示す図である。 図１９は、実施の形態５に係る動画像復号化装置のブロック図である。 図２０は、実施の形態５に係る動画像復号化方法の処理フローを示す図である。 図２１は、実施の形態５に係る動画像復号化方法におけるビットストリームのシンタックスの一例を示す図である。 図２２は、実施の形態６に係る動画像復号化装置のブロック図である。 図２３は、実施の形態６に係る動画像復号化方法の処理フローを示す図である。 図２４は、実施の形態６に係る動画像復号化方法におけるビットストリームのシンタックスの一例を示す図である。 図２５は、実施の形態７に係る動画像復号化装置のブロック図である。 図２６は、実施の形態７に係る動画像復号化方法の処理フローを示す図である。 図２７は、実施の形態７に係る動画像復号化方法におけるビットストリームのシンタックスの一例を示す図である。 図２８は、実施の形態８に係る動画像復号化装置のブロック図である。 図２９は、実施の形態８に係る動画像復号化方法の処理フローを示す図である。 図３０は、実施の形態８に係る動画像復号化方法におけるビットストリームのシンタックスの一例を示す図である。 図３１は、スキップモードの場合の予測方向の決定方法を説明するための図である。 図３２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３３は、デジタル放送用システムの全体構成図である。 図３４は、テレビの構成例を示すブロック図である。 図３５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３６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３７は、（ａ）携帯電話の一例を示す図（ｂ）携帯電話の構成例を示すブロック図である。 図３８は、多重化データの構成を示す図である。 図３９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４０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４１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４２は、ＰＭＴのデータ構成を示す図である。 図４３は、多重化データ情報の内部構成を示す図である。 図４４は、ストリーム属性情報の内部構成を示す図である。 図４５は、映像データを識別するステップを示す図である。 図４６は、各実施の形態の動画像符号化方法および動画像復号化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４７は、駆動周波数を切り替える構成を示す図である。 図４８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４９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５０は、（ａ）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（ｂ）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、図面を参照しながら説明する。
　（実施の形態１）
　図１は、本発明に係る動画像符号化方法を用いた動画像符号化装置１００の一実施の形態の構成を示すブロック図である。
　動画像符号化装置１００は、図１に示すように、減算部１０１と、直交変換部１０２と、量子化部１０３と、逆量子化部１０４と、逆直交変換部１０５と、加算部１０６と、ブロックメモリ１０７と、フレームメモリ１０８と、イントラ予測部１０９と、インター予測部１１０と、インター予測制御部１１１と、スイッチ１１２と、ピクチャタイプ決定部１１３と、参照ピクチャリスト管理部１１４と、スキップモード予測方向決定部１１５と、可変長符号化部１１６とを備えている。
　減算部１０１は、後述する方法で生成された予測画像データと入力画像列との差分値である予測誤差データを直交変換部１０２に出力する。直交変換部１０２は、減算部１０１から取得した予測誤差データを、画像領域から周波数領域へ変換する。量子化部１０３は、周波数領域に変換された予測誤差データに対し、量子化処理を行う。逆量子化部１０４は、量子化部１０３で量子化処理された予測誤差データに対し、逆量子化処理を行う。
　逆直交変換部１０５は、逆量子化処理された予測誤差データを、周波数領域から画像領域へ変換する。加算部１０６は、予測画像データと逆量子化処理された予測誤差データとを加算して復号画像を算出する。ブロックメモリ１０７は、加算部１０６で算出された復号画像をブロック単位で保存する。フレームメモリ１０８は、復号画像をフレーム単位で保存する。
　ピクチャタイプ決定部１１３は、Ｉピクチャ、Ｂピクチャ、Ｐピクチャのいずれのピクチャタイプで入力画像列を符号化するかを決定し、ピクチャタイプ情報を生成する。イントラ予測部１０９は、ブロックメモリ１０７に保存されているブロック単位の復号画像を用いて、符号化対象ブロックのイントラ予測による予測画像データを生成する。インター予測部１１０は、フレームメモリ１０８に保存されているフレーム単位の復号画像を用いて、符号化対象ブロックのインター予測による予測画像データを生成する。スイッチ１１２は、イントラ予測部１０９で生成された予測画像データ及びインター予測部１１０で生成された予測画像データの一方を、減算部１０１に出力する。
　参照ピクチャリスト管理部１１４は、インター予測で参照する符号化済みの参照ピクチャに参照ピクチャインデックスを割り当て、表示順等とともに参照リストを作成する。Ｂピクチャでは、２つの参照ピクチャを参照して符号化を行えるため、２つの参照リストを保持する。図２に、Ｂピクチャにおける参照リストの例を示す。
　図２における参照ピクチャリスト１は、双方向予測における予測方向１の参照ピクチャリストの例である。図２の例では、参照ピクチャインデックス１の値０に表示順２の参照ピクチャ１が、参照ピクチャインデックス１の値１に表示順１の参照ピクチャ２が、参照ピクチャインデックス１の値２に表示順０の参照ピクチャ３が割り当てられている。つまり、符号化対象ピクチャに対して、表示順で時間的に近い順に参照ピクチャインデックスを割り当てている。
　一方、参照ピクチャリスト２は、双方向予測における予測方向２の参照ピクチャリストの例であり、参照ピクチャインデックス２の値０に表示順１の参照ピクチャ２、参照ピクチャインデックス２の値１に表示順２の参照ピクチャ１、参照ピクチャインデックス２の値２に表示順０の参照ピクチャ３を割り当てている。このように、各参照ピクチャに対して、予測方向毎に異なる参照ピクチャインデックスを割り当てることや（図２の参照ピクチャ１、２）、同じ参照ピクチャインデックスを割り当てることが可能である（図２の参照ピクチャ３）。
　なお、本実施の形態では、参照ピクチャインデックスと表示順とで参照ピクチャを管理したが、これに限定されず、例えば、参照ピクチャインデックスと符号化順とで参照ピクチャを管理しても構わない。
　スキップモード予測方向決定部１１５は、参照ピクチャリスト管理部１１４によって作成された参照ピクチャリスト１および２を用いて、後述する方法で、符号化対象ブロックのスキップモードの予測方向を決定する。
　可変長符号化部１１６は、量子化処理された予測誤差データ、インター予測モード、インター予測方向、スキップフラグ、及びピクチャタイプ情報に対し、可変長符号化処理を行うことで、ビットストリームを生成する。
　図３は、本発明に係る動画像符号化方法の処理フローの概要である。まず、符号化対象ブロックをスキップモードで符号化する場合の予測方向を決定する（Ｓ１０１）。
　次に、動き検出結果による動きベクトルを用いて予測画像を生成する動きベクトル検出モードと、隣接ブロック等から生成した予測動きベクトルを用いて予測画像を生成するダイレクトモードと、ステップＳ１０１によって決められた予測方向に従って生成した予測動きベクトルを用いて予測画像を生成するスキップモードとのそれぞれのコスト比較を行い、より効率のよいインター予測モードを決定する（Ｓ１０２）。コスト算出方法に関しては、後述する。
　次に、ステップＳ１０２で決定したインター予測モードがスキップモードかどうかを判定する（Ｓ１０３）。そして、判定結果が真（Ｓ１０３でＹｅｓ）であれば、スキップモードの予測画像生成を行い、スキップフラグを１として、符号化対象ブロックのビットストリームに付随させる（Ｓ１０４）。一方、ステップＳ１０３の判定結果が偽（Ｓ１０３でＮｏ）であれば、決定したインター予測モードに従ってインター予測を行い、予測画像データを生成し、スキップフラグを０として、符号化対象ブロックのビットストリームに付随させる（Ｓ１０５）。また、動きベクトル検出モードかダイレクトモードか否かを示すインター予測モードおよびインター予測方向を、符号化対象ブロックのビットストリームに付随させる。
　図４は、スキップモード予測方向決定部１１５における、スキップモード予測方向の決定フローを示す図である。
　まず、スキップモードにおける予測方向１の参照ピクチャインデックス１の値を決定する（Ｓ２０１）。例えば、スキップモードでは常に値０の参照ピクチャインデックス１を使用することが考えられる。
　次に、スキップモードにおける予測方向２の参照ピクチャインデックス２の値を決定する（Ｓ２０２）。例えば、スキップモードでは常に値０の参照ピクチャインデックス２を使用することが考えられる。
　次に、参照ピクチャインデックス１の値が示す参照ピクチャと、参照ピクチャインデックス２の値が示す参照ピクチャとが同一ピクチャであるかどうかを、参照ピクチャリスト１および２を用いて判定する（Ｓ２０３）。例えば、参照ピクチャリスト１の参照ピクチャインデックス１の示す参照ピクチャの表示順と、参照ピクチャリスト２の参照ピクチャインデックス２の示す参照ピクチャの表示順とを比較する。そして、両者が同じ値であれば同一ピクチャと判定できる。
　そして、ステップＳ２０３において予測方向１と２の参照するピクチャが同一ピクチャである（Ｓ２０３でＹｅｓ）場合には、スキップモードの予測方向フラグを片方向予測に設定する（Ｓ２０４）。一方、ステップＳ２０３において予測方向１と２の参照ピクチャが同一ピクチャでない（Ｓ２０３でＮｏ）場合には、スキップモードの予測方向フラグを双方向予測に設定する（Ｓ２０５）。
　なお、本実施の形態１では、スキップモードの参照ピクチャインデックスの値として常に値０を使用したが、隣接ブロック等の参照ピクチャインデックス値の最小値などを用いても構わない。また、本実施の形態１では、ステップＳ２０３において表示順を用いて同一ピクチャかどうかを判定したが、符号化順などを用いて判定しても構わない。
　図５は、インター予測制御部１１１における、インター予測モードの決定フローを示す図である。
　まず、動き検出結果による動きベクトルを用いて予測画像を生成する動きベクトル検出モードのコストCostInterを、後述する方法で算出する（Ｓ３０１）。次に、隣接ブロック等の動きベクトルを用いて予測ベクトルを生成し、予測ベクトルを用いて予測画像を生成するダイレクトモードのコストCostDirectを、後述する方法で算出する（Ｓ３０２）。次に、決定したスキップモード予測方向フラグに従って、予測画像を生成するスキップモードのコストCostSkipを、後述する方法で算出する（Ｓ３０３）。
　次に、コストCostInter、CostDirect、CostSkipを比較し、コストCostInterが最小（Ｓ３０４でＹｅｓ）であれば、インター予測モードを動きベクトル検出モードに決定し、インター予測モードを動きベクトル検出モードに設定する（Ｓ３０５）。また、コストCostInterが最小でなければ（Ｓ３０４でＮｏ）、コストCostDirectとコストCostSkipとの比較を行い、コストCostDirectが小さければ（Ｓ３０６でＹｅｓ）、インター予測モードをダイレクトモードに決定し、インター予測モード情報をダイレクトモードに設定する（Ｓ３０７）。さらに、ステップＳ３０６の判定結果が偽（Ｓ３０６でＮｏ）であれば、インター予測モードをスキップモードに設定し、インター予測モード情報にスキップモードを設定する（Ｓ３０８）。
　次に、図５におけるＳ３０１のコストCostInter算出の方法について、図６の処理フローを用いて詳細に説明する。
　まず、予測方向１の参照ピクチャインデックス１の示す参照ピクチャ１、および予測方向２の参照ピクチャインデックス２の示す参照ピクチャ２に対して動き検出を行い、それぞれの参照ピクチャに対する動きベクトル１および動きベクトル２を生成する（Ｓ４０１）。ここで動き検出は、符号化ピクチャ内の符号化対象ブロックと、参照ピクチャ内のブロックとの差分値を算出し、最も差分値の小さい参照ピクチャ内のブロックを参照ブロックとする。そして、符号化対象ブロック位置と、参照ブロック位置とから動きベクトルを求める。次に、ステップＳ４０１で求めた動きベクトル１を用いて予測方向１の予測画像を生成し、そのコストCostInterUni1を、例えば、Ｒ－Ｄ最適化モデルの以下の式１で算出する（Ｓ４０２）。
Figure JPOXMLDOC01-appb-M000001
　式１において、Ｄは符号化歪を表し、ある動きベクトルで生成した予測画像を用いて符号化対象ブロックを符号化および復号化して得られた画素値と、符号化対象ブロックの元の画素値との差分絶対値和などを用いる。また、Ｒは発生符号量を表し、予測画像生成に用いた動きベクトルを符号化することに必要な符号量などを用いる。また、λはラグランジュの未定乗数である。
　次に、ステップＳ４０１で求めた動きベクトル２を用いて、予測方向２の予測画像を生成し、式１よりコストCostInterUni2を算出する（Ｓ４０３）。コストCostInterUni2の算出方法は、前述のコストCostInterUni1と共通するので、再度の説明は省略する。
　次に、ステップＳ４０１で求めた動きベクトル１と動きベクトル２とを用いて、双方向の予測画像を生成し、式１よりコストCostInterBiを算出する（Ｓ４０４）。ここで、双方向の予測画像は、例えば、動きベクトル１から求めた予測画像と、動きベクトル２から求めた予測画像との画素毎に加算平均を行ったものを双方向予測画像とする。
　次に、コストCostInterUni1、CostInterUni2、CostInterBiの値を比較する（Ｓ４０５）。そして、コストCostInterBiが最小であれば（Ｓ４０５でＹｅｓ）、動きベクトル検出モードの予測方向を双方向予測に決定し、コストCostInterBiをコストCostInterに設定する（Ｓ４０６）。また、ステップＳ４０５の判定結果が偽（Ｓ４０５でＮｏ）であれば、コストCostInterUni1とコストCostInterUni2とを比較する（Ｓ４０７）。そして、コストCostInterUni1の値が小さければ（Ｓ４０７でＹｅｓ）、動きベクトル検出モードを予測方向１の片方向予測１に決定し、コストCostInterUni1をコストCostInterに設定する（Ｓ４０８）。さらに、ステップＳ４０７の判定結果が偽（Ｓ４０７でＮｏ）であれば、動きベクトル検出モードを予測方向２の片方向予測２に決定し、コストCostInterUni2をコストCostInterに設定する（Ｓ４０９）。
　なお、本実施の形態１では、双方向の予測画像生成時に、画素毎の加算平均を行ったが、重みつき加算平均等を行っても構わない。
　次に、図５におけるＳ３０２のコストCostDirect算出の方法について、図７の処理フローを用いて詳細に説明する。
　まず、予測方向１のダイレクトベクトル１および予測方向２のダイレクトベクトル２を算出する（Ｓ５０１）。ここで、ダイレクトベクトルは、例えば隣接ブロックの動きベクトルを用いて算出する。その例を図８を用いて説明する。
　図８において、動きベクトルＭＶ＿Ａは、符号化対象ブロックの左隣に位置する隣接ブロックＡの動きベクトルである。動きベクトルＭＶ＿Ｂは、符号化対象ブロックの上隣に位置する隣接ブロックＢの動きベクトルである。動きベクトルＭＶ＿Ｃは、符号化対象ブロックの右上隣に位置する隣接ブロックＣの動きベクトルである。ダイレクトベクトルは、例えば、隣接ブロックの動きベクトルであるＭＶ＿Ａ、ＭＶ＿Ｂ、ＭＶ＿Ｃの中間値＝Ｍｅｄｉａｎ（ＭＶ＿Ａ、ＭＶ＿Ｂ、ＭＶ＿Ｃ）から算出される。ここで、中間値は、以下のように導出される。
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　予測方向１のダイレクトベクトル１は、隣接ブロックの予測方向１の動きベクトルを用いて式２より算出される。また、予測方向２のダイレクトベクトル２は、隣接ブロックの予測方向２の動きベクトルを用いて式２より算出される。なお、符号化対象ブロックの予測方向と同じ予測方向を持つ隣接ブロックとがなければ、ダイレクトベクトルとして値０の動きベクトルなどを用いても構わない。
　次に、ステップＳ５０１で求めたダイレクトベクトル１とダイレクトベクトル２とを用いて、双方向の予測画像を生成し、式１よりコストCostDirectBiを算出する（Ｓ５０２）。ここで、双方向の予測画像は、例えば、ダイレクトベクトル１から求めた予測画像と、ダイレクトベクトル２から求めた予測画像との画素毎に加算平均を行ったものを双方向予測画像とする。
　次に、ダイレクトベクトル１を用いて予測方向１の予測画像を生成し、そのコストCostDirectUni1を式１より算出する。次に、ステップＳ５０１で求めたダイレクトベクトル２を用いて予測方向２の予測画像を生成し、式１よりコストCostDirectUni2を算出する（Ｓ５０４）。
　次に、コストCostDirectUni1、CostDirectUni2、CostDirectBiの値を比較する（Ｓ５０５）。そして、コストCostDirectBiが最小であれば（Ｓ５０５でＹｅｓ）、ダイレクトモードの予測方向を双方向予測に決定し、コストCostDirctBiをコストCostDirectに設定する（Ｓ５０６）。また、ステップＳ５０５の判定結果が偽（Ｓ５０５でＮｏ）であれば、コストCostDirectUni1とコストCostDirectUni2とを比較する（Ｓ５０７）。そして、コストCostDirectUni1の値が小さければ（Ｓ５０７でＹｅｓ）、ダイレクトモードを予測方向１の片方向予測１に決定し、コストCostDirectUni1をコストCostDirectに設定する（Ｓ５０８）。さらに、ステップＳ５０７の判定結果が偽（Ｓ５０７でＮｏ）であれば、ダイレクトモードを予測方向２の片方向予測２に決定し、コストCostDirectUni2をコストCostDirectに設定する（Ｓ５０９）。
　次に、図５におけるＳ３０３のコストCostSkip算出の方法について、図９の処理フローを用いて詳細に説明する。
　まず、スキップモード予測方向決定部１１５が決定したスキップモード予測方向フラグが片方向予測かどうかを判定する（Ｓ６０１）。そして、ステップＳ６０１の判定結果が真（Ｓ６０１でＹｅｓ）であるならば、ダイレクトベクトル１を用いて予測方向１の予測画像を生成し、そのコストCostSkipを式１より算出する（Ｓ６０２）。一方、ステップＳ６０１の判定結果が偽（Ｓ６０１でＮｏ）であれば、ダイレクトベクトル１とダイレクトベクトル２とを用いて双方向の予測画像を生成し、式１よりコストCostSkipを算出する（Ｓ６０３）。ここで、双方向の予測画像は、例えば、ダイレクトベクトル１から求めた予測画像と、ダイレクトベクトル２から求めた予測画像との画素毎に加算平均を行ったものを双方向予測画像とする。
　図１０Ａ及び図１０Ｂに予測画像生成時の具体例を図で示す。図１０Ａは、予測方向１の参照ピクチャインデックス１が示す参照ピクチャと、予測方向２の参照ピクチャインデックス２が示す参照ピクチャとが同一ピクチャである場合の例である。この場合は、図４の処理フローより、スキップモード予測方向フラグが片方向予測となり、予測方向１のダイレクトベクトル１によって生成した予測画像を符号化に用いる。一方、図１０Ｂは、予測方向１の参照ピクチャインデックス１が示す参照ピクチャと、予測方向２の参照ピクチャインデックス２が示す参照ピクチャとが異なるピクチャである場合の例である。この場合は、図４の処理フローより、スキップモード予測方向フラグが双方向予測となり、ダイレクトベクトル１とダイレクトベクトル２とを用いて生成した双方向の予測画像を符号化に用いる。
　なお、本実施の形態１では、スキップモード予測方向フラグが片方向予測の場合、ダイレクトベクトル１を用いて予測画像を生成したが、ダイレクトベクトル２を用いて生成するようにしても構わない。
　このように、本発明によれば、スキップモードの予測方向を決定する際に、符号化対象ブロックに最適な予測方向を選択することができるため、符号化効率を向上させることが可能になる。特に、予測方向１の参照ピクチャインデックス１の示す参照ピクチャと、予測方向２の参照ピクチャインデックス２の示す参照ピクチャとが同一ピクチャの場合に、隣接ブロックの予測方向に関わらず、片方向予測を選択することにより予測画像の質を向上し、符号化効率を向上させることができる。
　（実施の形態２）
　図１１は、本発明に係る動画像符号化方法を用いた動画像符号化装置２００の一実施の形態の構成を示すブロック図である。なお、図１と共通する構成要素には同一の参照番号を付し、詳しい説明は省略する。
　本実施の形態２においては、実施の形態１のスキップモード予測方向決定部１１５の代わりに、スキップモード予測方向追加判定部２１５を新たに設け、スキップモード予測方向追加フラグがオンの場合は、スキップモードの場合でもインター予測方向を符号化対象ブロック毎に付随させる点において、他の実施の形態と構成が異なる。
　図１２は、本発明に係る動画像符号化方法の処理フローの概要である。
　まず、符号化対象ブロックをスキップモードで符号化する場合に、予測方向を追加するかどうかを判定し、追加する場合はスキップモード追加フラグをオンにする（Ｓ７０１）。次に、動き検出結果による動きベクトルを用いて予測画像を生成する動きベクトル検出モードと、隣接ブロック等から生成した予測動きベクトルを用いて予測画像を生成するダイレクトモードと、ステップＳ７０１によって追加した予測方向に従って生成した予測動きベクトルを用いて予測画像を生成するスキップモードとのコスト比較を行い、より効率のよいインター予測モードを決定する（Ｓ７０２）。ここで、コスト算出方法は、式１などを利用する。
　次に、ステップＳ７０２で決定したインター予測モードがスキップモードかどうかを判定する（Ｓ７０３）。そして、ステップＳ７０３の判定結果が真（Ｓ７０３でＹｅｓ）であれば、スキップモード追加フラグがオンかどうかを判定する（Ｓ７０４）。そして、ステップＳ７０４の判定結果が真（Ｓ７０４でＹｅｓ）であれば、スキップモードの予測画像生成を行い、スキップフラグを１として符号化対象ブロックのビットストリームに付随させる（Ｓ７０５）。また、スキップモードのインター予測方向もビットストリームに付随させる。
　また、ステップＳ７０４の判定結果が偽（Ｓ７０４でＮｏ）であれば、スキップモードの予測画像生成を行い、スキップフラグを１として、符号化対象ブロックのビットストリームに付随させる（Ｓ７０６）。さらに、ステップＳ７０３の判定結果が偽（Ｓ７０３でＮｏ）であれば、決定したインター予測モードに従ってインター予測を行い、予測画像データを生成し、スキップフラグを０として、符号化対象ブロックのビットストリームに付随させる（Ｓ７０７）。また、動きベクトル検出モードかダイレクトモードかを示すインター予測モードおよびインター予測方向を、符号化対象ブロックのビットストリームに付随させる。
　図１３は、スキップモード予測方向追加判定部２１５における、スキップモード予測方向追加フラグの決定フローを示す図である。
　まず、スキップモードにおける予測方向１の参照ピクチャインデックス１の値を決定する（Ｓ８０１）。例えば、スキップモードでは常に値０の参照ピクチャインデックス１を使用することが考えられる。次に、スキップモードにおける予測方向２の参照ピクチャインデックス２の値を決定する（Ｓ８０２）。例えば、スキップモードでは常に値０の参照ピクチャインデックス２を使用することが考えられる。
　次に、参照ピクチャインデックス１の値が示す参照ピクチャと、参照ピクチャインデックス２の値が示す参照ピクチャとが同一ピクチャであるかどうかを、参照ピクチャリスト１および２を用いて判定する（Ｓ８０３）。例えば、参照ピクチャリスト１の参照ピクチャインデックス１の示す参照ピクチャの表示順と、参照ピクチャリスト２の参照ピクチャインデックス２の示す参照ピクチャの表示順と比較し、同じ値であれば同一ピクチャと判定できる。
　そして、ステップＳ８０３において予測方向１と２の参照するピクチャが同一ピクチャである場合（Ｓ８０３でＹｅｓ）には、スキップモードの予測方向追加フラグをオンに設定する（Ｓ８０４）。一方、ステップＳ８０３において予測方向１と２の参照ピクチャが同一ピクチャでない場合（Ｓ８０３でＮｏ）には、スキップモードの予測方向追加フラグをオフに設定する（Ｓ８０５）。
　なお、本実施の形態２では、スキップモードの参照ピクチャインデックスの値として常に値０を使用したが、隣接ブロック等の参照ピクチャインデックス値の最小値などを用いても構わない。また、本実施の形態２では、ステップＳ８０３において表示順を用いて同一ピクチャかどうかを判定したが、符号化順などを用いて判定しても構わない。
　次に、本実施の形態２におけるスキップモードのコストCostSkip算出の方法について、図１４の処理フローを用いて詳細に説明する。なお、インター予測モードの決定フローおよび、コストCostInter、CostDirectの算出方法は、実施の形態１の図５～図７と同様であるため、説明を省略する。
　まず、予測方向１のダイレクトベクトル１および予測方向２のダイレクトベクトル２を、実施の形態１で説明した方法で算出する（Ｓ９０１）。そして、求めたダイレクトベクトル１とダイレクトベクトル２とを用いて双方向の予測画像を生成し、式１よりコストCostSkipBiを算出する。ここで、双方向の予測画像は、例えば、ダイレクトベクトル１から求めた予測画像と、ダイレクトベクトル２から求めた予測画像との画素毎に加算平均を行ったものを双方向予測画像とする。
　次に、スキップモード予測方向追加フラグがオンかどうかを判定する（Ｓ９０２）。そして、ステップＳ９０２の判定結果が真（Ｓ９０２でＹｅｓ）ならば、ダイレクトベクトル１を用いて予測方向１の予測画像を生成し、そのコストCostSkipUni1を式１より算出する（Ｓ９０３）。次に、ステップＳ９０１で求めたダイレクトベクトル２を用いて予測方向２の予測画像を生成し、式１よりコストCostSkipUni2を算出する（Ｓ９０４）。
　次に、コストCostSkipUni1、CostSkipUni2、CostSkipBiの値を比較する（Ｓ９０５）。そして、コストCostSkipUni1が最小であれば（Ｓ９０５でＹｅｓ）、スキップモードを予測方向１の片方向予測１に決定し、コストCostSkipUni1をコストCostSkipに設定する（Ｓ９０６）。また、ステップＳ９０５の判定結果が偽（Ｓ９０５でＮｏ）であれば、コストCostSkipUni2とコストCostSkipBiとを比較する（Ｓ９０７）。そして、コストCostSkipUni2の値が小さければ（Ｓ９０７でＹｅｓ）、スキップモードを予測方向２の片方向予測２に決定し、コストCostSkipUni2をコストCostSkipに設定する（Ｓ９０８）。さらに、ステップＳ９０２およびＳ９０７の判定結果の一方が偽（Ｓ９０２でＮｏ、又はＳ９０７でＮｏ）であれば、スキップモードを双方向予測に決定し、コストCostSkipBiをコストCostSkipに設定する（Ｓ９０９）。
　このように、本発明によれば、スキップモードの予測方向を決定する際に、符号化対象ブロックに最適な予測方向を選択することができるため、符号化効率を向上させることが可能になる。特に、予測方向１の参照ピクチャインデックス１の示す参照ピクチャと、予測方向２の参照ピクチャインデックス２の示す参照ピクチャとが同一ピクチャの場合に、隣接ブロックの予測方向に関わらず、スキップモードでも予測方向をビットストリームに付随させる。このように、符号化対象ブロックに最適な予測方向を選択することにより、予測画像の質を向上し、符号化効率を改善することができる。
　（実施の形態３）
　図１５は、本発明に係る動画像符号化方法を用いた動画像符号化装置３００の一実施の形態の構成を示すブロック図である。なお、図１と共通する構成要素には同一の参照番号を付し、詳しい説明は省略する。
　本実施の形態３においては、スキップモード予測方向決定部３１５が生成したスキップモード予測方向フラグを、ピクチャなどの処理単位毎にビットストリームに付与するヘッダ情報（例えば、Ｈ．２６４のピクチャパラメータセットやスライスヘッダなど）に付随させる点において、他の実施の形態と構成が異なる。
　図１６は、本発明に係る動画像符号化方法の処理フローの概要である。
　まず、符号化対象ブロックをスキップモードで符号化する場合の予測方向を決定し、決定したスキップモード予測方向フラグを、ピクチャヘッダ等に付随させる（Ｓ１００１）。ここで、スキップモードの予測方向の決定方法は、実施の形態１の図４のフローなどが利用できる。
　次に、動き検出結果による動きベクトルを用いて予測画像を生成する動きベクトル検出モードと、隣接ブロック等から生成した予測動きベクトルとを用いて予測画像を生成するダイレクトモードと、ステップＳ１００１によって決められた予測方向に従って生成した予測動きベクトルを用いて予測画像を生成するスキップモードとのコスト比較を行い、より効率のよいインター予測モードを決定する（Ｓ１００２）。ここで、コスト算出方法は、式１などを利用する。
　次に、ステップＳ１００２で決定したインター予測モードがスキップモードかどうかを判定する（Ｓ１００３）。そして、ステップＳ１００３の判定結果が真（Ｓ１００３でＹｅｓ）であれば、スキップモードの予測画像生成を行い、スキップフラグを１として、符号化対象ブロックのビットストリームに付随させる（Ｓ１００４）。一方、ステップＳ１００３の判定結果が偽（Ｓ１００３でＮｏ）であれば、決定したインター予測モードに従ってインター予測を行って予測画像データを生成し、スキップフラグを０として、符号化対象ブロックのビットストリームに付随させる（Ｓ１００５）。また、動きベクトル検出モードかダイレクトモードかを示すインター予測モードおよびインター予測方向を、符号化対象ブロックのビットストリームに付随させる。なお、インター予測モード決定方法等は、実施の形態１と同様であるため説明を省略する。
　このように、本発明によれば、スキップモード予測方向フラグを、ピクチャヘッダ等に明示的に付与するため、スキップモードの予測方向をピクチャ毎に柔軟に切り替えることができるようになり、符号化効率を向上させることが可能になる。
　（実施の形態４）
　図１７は、本発明に係る動画像符号化方法を用いた動画像符号化装置４００の一実施の形態の構成を示すブロック図である。なお、図１と共通する構成要素には同一の参照番号を付し、詳しい説明は省略する。
　本実施の形態４においては、スキップモード予測方向追加判定部４１５が生成したスキップモード予測方向追加フラグを、ピクチャなどの処理単位毎にビットストリームに付与するヘッダ情報（例えば、Ｈ．２６４のピクチャパラメータセットやスライスヘッダなど）に付随させる点において、他の実施の形態と構成が異なる。
　図１８は、本発明に係る動画像符号化方法の処理フローの概要である。
　まず、符号化対象ブロックをスキップモードで符号化する場合に、予測方向を追加するかどうかを判定し、追加する場合はスキップモード追加フラグをオンにする（Ｓ１１０１）。そして、決定したスキップモード予測方向追加フラグをピクチャヘッダ等に付随させる。ここで、予測方向追加の決定方法は、実施の形態２の図１３などが利用できる。
　次に、動き検出結果による動きベクトルを用いて予測画像を生成する動きベクトル検出モードと、隣接ブロック等から生成した予測動きベクトルを用いて予測画像を生成するダイレクトモードと、ステップＳ１１０１によって追加した予測方向に従って生成した予測動きベクトルを用いて予測画像を生成するスキップモードとのコスト比較を行い、より効率のよいインター予測モードを決定する（Ｓ１１０２）。ここで、コスト算出方法は、式１などを利用する。
　次に、ステップＳ１１０２で決定したインター予測モードがスキップモードかどうかを判定する（Ｓ１１０３）。そして、ステップＳ１１０３の判定結果が真（Ｓ１１０３でＹｅｓ）であれば、スキップモード追加フラグがオンかどうかを判定する（Ｓ１１０４）。そして、ステップＳ１１０４の判定結果が真（Ｓ１１０４でＹｅｓ）であれば、スキップモードの予測画像生成を行い、スキップフラグを１として、符号化対象ブロックのビットストリームに付随させる（Ｓ１１０５）。また、スキップモードのインター予測方向もビットストリームに付随させる。
　また、ステップＳ１１０４が偽（Ｓ１１０４でＮｏ）であれば、スキップモードの予測画像生成を行い、スキップフラグを１として、符号化対象ブロックのビットストリームに付随させる（Ｓ１１０６）。さらに、ステップＳ１１０３が偽（Ｓ１１０３でＮｏ）であれば、決定したインター予測モードに従ってインター予測を行い、予測画像データを生成し、スキップフラグを０として、符号化対象ブロックのビットストリームに付随させる（Ｓ１１０７）。また、動きベクトル検出モードかダイレクトモードかを示すインター予測モードおよびインター予測方向を、符号化対象ブロックのビットストリームに付随させる。なお、インター予測モード決定方法等は、実施の形態２と同様であるため説明を省略する。
　このように、本発明によれば、スキップモード予測方向追加フラグを、ピクチャヘッダ等に明示的に付与する。このため、スキップモードの予測方向を追加するかどうかをピクチャ毎に柔軟に切り替えることができるようになり、符号化効率を向上させることが可能になる。
　（実施の形態５）
　図１９は、本発明に係る動画像復号化方法を用いた動画像復号化装置５００の一実施の形態の構成を示すブロック図である。
　動画像復号化装置５００は、図１９に示すように、可変長復号化部５０１と、逆量子化部５０２と、逆直交変換部５０３と、加算部５０４と、ブロックメモリ５０５と、フレームメモリ５０６と、イントラ予測部５０７と、インター予測部５０８と、インター予測制御部５０９と、スイッチ５１０と、参照ピクチャリスト管理部５１１と、スキップモード予測方向決定部５１２とを備えている。
　可変長復号化部５０１は、入力されたビットストリームに対し、可変長復号化処理を行い、ピクチャタイプ情報、インター予測モード、インター予測方向、スキップフラグ、及び可変長復号化処理を行った量子化係数を生成する。逆量子化部５０２は、可変長復号化処理を行った量子化係数に対し、逆量子化処理を行う。逆直交変換部５０３は、逆量子化処理を行った直交変換係数を、周波数領域から画像領域への変換し、予測誤差画像データを生成する。加算部５０４は、逆直交変換部５０３で生成された予測誤差画像データと予測画像データとを加算して復号画像列を生成する。ブロックメモリ５０５は、加算部５０４で生成された復号画像列をブロック単位で保存する。
　フレームメモリ５０６は、加算部５０４で生成された復号画像列をフレーム単位で保存する。イントラ予測部５０７は、ブロックメモリ５０５に保存されているブロック単位の復号画像列を用いてイントラ予測することにより、復号化対象ブロックの予測画像データを生成する。インター予測部５０８は、フレームメモリ５０６に保存されているフレーム単位の復号画像列を用いてインター予測することにより、復号化対象ブロックの予測画像データを生成する。インター予測制御部５０９は、インター予測モード、インター予測方向、スキップフラグに応じて、インター予測における動きベクトルと予測画像データ生成方法を制御する。スイッチ５１０は、イントラ予測部５０７で生成された予測画像データ及びインター予測部５０８で生成された予測画像データの一方を、加算部５０４に出力する。
　参照ピクチャリスト管理部５１１は、インター予測で参照する復号済みの参照ピクチャに参照ピクチャインデックスを割り当て、表示順等とともに参照リストを作成する（実施の形態１の図２と同様）。Ｂピクチャでは、２つのピクチャを参照して復号を行えるため、２つの参照リストを保持する。
　なお、本実施の形態５では、参照ピクチャインデックスと表示順とで参照ピクチャを管理したが、参照ピクチャインデックスと復号順となどで参照ピクチャを管理しても構わない。
　スキップモード予測方向決定部５１２は、参照ピクチャリスト管理部５１１によって作成された参照ピクチャリスト１および２を用いて、符号対象ブロックのスキップモードの予測方向を決定する。なお、スキップモード予測方向フラグの決定フローは実施の形態１の図４と同様であるため、説明を省略する。
　図２０は、本発明に係る動画像復号化方法の処理フローの概要である。
　まず、ビットストリームから復号したスキップフラグが１かどうかを判定する（Ｓ１２０１）。そして、ステップＳ１２０１の判定結果が真（Ｓ１２０１でＹｅｓ）であれば、スキップモード予測方向フラグが片方向予測かどうかを判定する（Ｓ１２０２）。
　ステップＳ１２０２の判定結果が真（Ｓ１２０２でＹｅｓ）であれば、ダイレクトベクトル１を算出し、片方向予測画像を生成する（Ｓ１２０３）。一方、ステップＳ１２０２の判定結果が偽（Ｓ１２０２でＮｏ）であれば、ダイレクトベクトル１およびダイレクトベクトル２を算出し、双方向予測画像を生成する（Ｓ１２０４）。また、ステップＳ１２０１の判定結果が偽（Ｓ１２０１でＮｏ）、つまり、スキップモードでなければ、復号したインター予測モードが動きベクトル検出モードかどうかを判定する（Ｓ１２０５）。
　そして、ステップＳ１２０５の判定結果が真（Ｓ１２０５でＹｅｓ）であれば、復号したインター予測方向および動きベクトルを用いて予測画像を生成する（Ｓ１２０６）。一方、ステップＳ１２０５の判定結果が偽（Ｓ１２０５でＮｏ）、つまり、ダイレクトモードであれば、復号したインター予測方向に応じてダイレクトベクトル１及びダイレクトベクトル２を算出し、予測画像を生成する（Ｓ１２０７）。
　なお、本実施の形態５では、図２０のステップＳ１２０３において、ダイレクトベクトル１を用いてスキップモードの片方向予測画像を生成するとしたが、動画像符号化方法と合わせて、ダイレクトベクトル２を用いて片方向予測画像を生成するようにしても構わない。
　図２１は、本発明に係る動画像復号化方法におけるビットストリームのシンタックスの一例である。図２１において、skip_flagはスキップフラグを、pred_modeはインター予測モードを、inter_pred_idcはインター予測方向を表す。
　このように、本発明によれば、予測方向１の参照ピクチャインデックス１の示す参照ピクチャと、予測方向２の参照ピクチャインデックス２の示す参照ピクチャとが同一ピクチャの場合に、隣接ブロックの予測方向に関わらず、片方向予測を選択することにより符号化効率を向上したビットストリームを適切に復号することが可能になる。
　（実施の形態６）
　図２２は、本発明に係る動画像復号化方法を用いた動画像復号化装置６００の一実施の形態の構成を示すブロック図である。なお、図１９と共通する構成要素には同一の参照番号を付し、詳しい説明は省略する。
　本実施の形態６においては、実施の形態５のスキップモード予測方向決定部５１２の代わりに、スキップモード予測方向追加判定部６１２を新たに設け、スキップモード予測方向追加フラグがオンの場合は、スキップモードの場合でもインター予測方向を復号対象ブロック毎に付随させたビットストリームを復号できる点において、他の実施の形態と構成が異なる。なお、スキップモード予測方向追加判定フローに関しては、実施の形態２の図１３と同様のため、説明を省略する。
　図２３は、本発明に係る動画像復号化方法の処理フローの概要である。
　まず、ビットストリームから復号したスキップフラグが１かどうかを判定する（Ｓ１３０１）。そして、ステップＳ１３０１の判定結果が真（Ｓ１３０１でＹｅｓ）であれば、スキップモード予測方向追加フラグがオンかどうかを判定する（Ｓ１３０２）。そして、ステップＳ１３０２の判定結果が真（Ｓ１３０２でＹｅｓ）であれば、インター予測方向を復号し、復号したインター予測方向に応じてダイレクトベクトル１とダイレクトベクトル２との少なくとも一つを算出し、片方向もしくは双方向の予測画像を生成する（Ｓ１３０３）。
　一方、ステップＳ１３０２の判定結果が偽（Ｓ１３０２でＮｏ）であれば、ダイレクトベクトル１とダイレクトベクトル２とを算出して双方向予測画像を生成する（Ｓ１３０４）。さらに、ステップＳ１３０１の判定結果が偽（Ｓ１３０１でＮｏ）、つまり、スキップモードでなければ、復号したインター予測モードが動きベクトル検出モードかどうかを判定する（Ｓ１３０５）。
　そして、ステップＳ１３０５の判定結果が真（Ｓ１３０５でＹｅｓ）であれば、復号したインター予測方向および動きベクトルを用いて予測画像を生成する（Ｓ１３０６）。一方、ステップＳ１３０５の判定結果が偽（Ｓ１３０５でＮｏ）、つまり、ダイレクトモードであれば、復号したインター予測方向に応じてダイレクトベクトル１及びダイレクトベクトル２を算出し、予測画像を生成する（Ｓ１３０７）。
　図２４は、本発明に係る動画像復号化方法におけるビットストリームのシンタックスの一例である。図２４において、skip_flagはスキップフラグを、pred_modeはインター予測モードを、inter_pred_idcはインター予測方向を表す。
　このように、本発明によれば、予測方向１の参照ピクチャインデックス１の示す参照ピクチャと、予測方向２の参照ピクチャインデックス２の示す参照ピクチャとが同一ピクチャの場合に、隣接ブロックの予測方向に関わらず、スキップモードでも予測方向をビットストリームに付随させることにより、符号化効率を向上したビットストリームを適切に復号することが可能になる。
　（実施の形態７）
　図２５は、本発明に係る動画像復号化方法を用いた動画像復号化装置７００の一実施の形態の構成を示すブロック図である。なお、図１９と共通する構成要素には同一の参照番号を付し、詳しい説明は省略する。
　本実施の形態７においては、スキップモード予測方向決定部３１５が生成したスキップモード予測方向フラグを、ピクチャなどの処理単位毎にビットストリームに付与するヘッダ情報（例えば、Ｈ．２６４のピクチャパラメータセットやスライスヘッダなど）から取得できる点において、他の実施の形態と構成が異なる。
　図２６は、本発明に係る動画像復号化方法の処理フローの概要である。
　まず、ビットストリームから復号したスキップフラグが１かどうかを判定する（Ｓ１４０１）。そして、ステップＳ１４０１の判定結果が真（Ｓ１４０１でＹｅｓ）であれば、ビットストリームから復号したスキップモード予測方向フラグが片方向予測かどうかを判定する（Ｓ１４０２）。そして、ステップＳ１４０２の判定結果が真（Ｓ１４０２でＹｅｓ）であれば、ダイレクトベクトル１を算出し、片方向予測画像を生成する（Ｓ１４０３）。
　一方、ステップＳ１４０２の判定結果が偽（Ｓ１４０２でＮｏ）であれば、ダイレクトベクトル１およびダイレクトベクトル２を算出し、双方向予測画像を生成する（Ｓ１４０４）。また、ステップＳ１４０１の判定結果が偽（Ｓ１４０１でＮｏ）、つまり、スキップモードでなければ、復号したインター予測モードが動きベクトル検出モードかどうかを判定する（Ｓ１４０５）。
　そして、ステップＳ１４０５の判定結果が真（Ｓ１４０５でＹｅｓ）であれば、復号したインター予測方向および動きベクトルを用いて予測画像を生成する（Ｓ１４０６）。一方、ステップＳ１４０５の判定結果が偽（Ｓ１４０５でＮｏ）、つまり、ダイレクトモードであれば、復号したインター予測方向に応じてダイレクトベクトル１及びダイレクトベクトル２を算出し、予測画像を生成する（Ｓ１４０７）。
　なお、本実施の形態７では、図２６のステップＳ１４０３において、ダイレクトベクトル１を用いてスキップモードの片方向予測画像を生成するとしたが、動画像符号化方法と合わせて、ダイレクトベクトル２を用いて片方向予測画像を生成するようにしても構わない。
　図２７は、本発明に係る動画像復号化方法におけるビットストリームのシンタックスの一例である。図２７において、skip_flagはスキップフラグを、pred_modeはインター予測モードを、inter_pred_idcはインター予測方向を表す。また、ピクチャヘッダ等に付加されるskip_pred_idcはスキップフラグ予測方向を表す。
　このように、本発明によれば、スキップモード予測方向フラグを、ピクチャヘッダ等に明示的に付与することにより、スキップモードの予測方向をピクチャ毎に柔軟に切り替えることで符号化効率を向上させたビットストリームを適切に復号することが可能になる。
　（実施の形態８）
　図２８は、本発明に係る動画像復号化方法を用いた動画像復号化装置８００の一実施の形態の構成を示すブロック図である。なお、図１９と共通する構成要素には同一の参照番号を付し、詳しい説明は省略する。
　本実施の形態においては、スキップモード予測方向追加判定部４１５が生成したスキップモード予測方向追加フラグを、ピクチャなどの処理単位毎にビットストリームに付与するヘッダ情報（例えば、Ｈ．２６４のピクチャパラメータセットやスライスヘッダなど）から取得できる点において、他の実施の形態と構成が異なる。
　図２９は、本発明に係る動画像復号化方法の処理フローの概要である。
　まず、ビットストリームから復号したスキップフラグが１かどうかを判定する（Ｓ１５０１）。そして、ステップＳ１５０１の判定結果が真（Ｓ１５０１でＹｅｓ）であれば、ビットストリームから復号したスキップモード予測方向追加フラグがオンかどうかを判定する（Ｓ１５０２）。そして、ステップＳ１５０２の判定結果が真（Ｓ１５０２でＹｅｓ）であれば、インター予測方向を復号し、復号したインター予測方向に応じてダイレクトベクトル１とダイレクトベクトル２との少なくとも一つを算出し、片方向もしくは双方向の予測画像を生成する（Ｓ１５０３）。
　一方、ステップＳ１５０２の判定結果が偽（Ｓ１５０２でＮｏ）であれば、ダイレクトベクトル１とダイレクトベクトル２とを算出して双方向予測画像を生成する（Ｓ１５０４）。また、ステップＳ１５０１の判定結果が偽（Ｓ１５０１でＮｏ）、つまり、スキップモードでなければ、復号したインター予測モードが動きベクトル検出モードかどうかを判定する（Ｓ１５０５）。そして、ステップＳ１５０５の判定結果が真（Ｓ１５０５でＹｅｓ）であれば、復号したインター予測方向および動きベクトルを用いて予測画像を生成する（Ｓ１５０６）。一方、ステップＳ１５０５の判定結果が偽（Ｓ１５０５でＮｏ）、つまり、ダイレクトモードであれば、復号したインター予測方向に応じてダイレクトベクトル１及びダイレクトベクトル２を算出し、予測画像を生成する（Ｓ１５０７）。
　図３０は、本発明に係る動画像復号化方法におけるビットストリームのシンタックスの一例である。図３０において、skip_flagはスキップフラグを、pred_modeはインター予測モードを、inter_pred_idcはインター予測方向を表す。また、ピクチャヘッダ等に付加されるskip_add_dirはスキップフラグ予測方向追加フラグを表す。
　このように、本発明によれば、スキップモード予測方向追加フラグを、ピクチャヘッダ等に明示的に付与することにより、スキップモードの予測方向を追加するかどうかをピクチャ毎に柔軟に切り替えることで符号化効率を向上させたビットストリームを適切に復号することが可能になる。
　（実施の形態９）
　上記各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化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、上記各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、上記各実施の形態で示した動画像符号化方法や動画像復号化方法の応用例とそれを用いたシステムを説明する。
　図３２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３２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（登録商標：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）に対して上記各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化することが可能な、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化処理して再生する。
　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化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・復号化処理は、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・復号化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・復号化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化し、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３３に示すように、デジタル放送用システムex２００にも、上記各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化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各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等の装置が復号化して再生する。
　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化する、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にも上記各実施の形態で示した動画像復号化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内に動画像復号化装置を実装し、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化装置を組み込んでもよい。
　図３４は、上記各実施の形態で説明した動画像復号化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化する、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、復号化した音声信号を出力するスピーカex３０７、復号化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化し、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で復号化し、分離した映像データを映像信号処理部ex３０５で上記各実施の形態で説明した復号化方法を用いて復号化する。復号化した音声信号、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で映像信号を上記各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、復号化処理、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、上記復号化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３５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３６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３４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３７（ａ）は、上記実施の形態で説明した動画像復号化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化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化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３７（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ex３５６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各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で撮像中に音声信号入力部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化するために、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、上記各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化方法によって復号化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・復号化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、復号化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、上記各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化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、上記各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１０）
　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３８は、多重化データの構成を示す図である。図３８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ァイ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３９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４０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４０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４０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４１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４１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４２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４３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４３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４４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部を設ける。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化方法のステップを図４５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化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、適切な復号化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１１）
　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、動画像復号化方法および装置は、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４６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ex５１０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ex５１０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１２）
　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などの動画像復号化装置は、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４７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化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４６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化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４６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１０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１０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４９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４８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１３）
　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５０（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、逆量子化に特徴を有していることから、例えば、逆量子化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、動き補償のいずれか、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化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５０（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。
　本発明は、動画像の符号化及び復号に有利に利用される。
　１００，２００，３００，４００　動画像符号化装置
　１０１　減算部
　１０２　直交変換部
　１０３　量子化部
　１０４，５０２　逆量子化部
　１０５，５０３　逆直交変換部
　１０６，５０４　加算部
　１０７，５０５　ブロックメモリ
　１０８，５０６　フレームメモリ
　１０９，５０７　イントラ予測部
　１１０，５０８　インター予測部
　１１１，５０９　インター予測制御部
　１１２，５１０　スイッチ
　１１３　ピクチャタイプ決定部
　１１４，５１１　参照ピクチャリスト管理部
　１１５，３１５，５１２　スキップモード予測方向決定部
　１１６　可変長符号化部
　２１５，４１５，６０５　スキップモード予測方向追加判定部
　５００，６００，７００，８００　動画像復号化装置
　５０１　可変長復号化部
 
 

Claims (12)

  1. 　複数の予測方向の一部又は全部を利用して符号化対象ブロックを符号化する画像符号化方法であって、
    　前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、
    　前記同一参照ピクチャ判定ステップでの判定結果に基づいて、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向を切り替える予測方向切替ステップと、
    　を有することを特徴とする画像符号化方法。
  2. 　前記所定の符号化モードはスキップモードであり、
    　前記予測方向切替ステップは、
    　前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを１つ参照して符号化を行う片方向予測に設定し、
    　前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して符号化を行う双方向予測に設定する、
    　ことを特徴とする請求項１に記載の画像符号化方法。
  3. 　前記所定の符号化モードはスキップモードであり、
    　前記予測方向切替ステップは、
    　前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して符号化を行う双方向予測に設定し、
    　前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向の候補に、前記双方向予測に加えて、前記参照ピクチャを１つ参照して符号化を行う片方向予測を追加し、前記予測候補のうちの最終的に前記符号化対象ブロックの符号化に用いた前記予測方向をビットストリームに付加する、
    　ことを特徴とする請求項１に記載の画像符号化方法。
  4. 　前記画像符号化方法は、さらに、前記符号化対象ブロックを所定の符号化モードで符号化する際の予測方向をヘッダ情報に付加する情報付加ステップ
    　を有することを特徴とする請求項２に記載の画像符号化方法。
  5. 　前記画像符号化方法は、さらに、前記符号化対象ブロックを所定の符号化モードで符号化する際に予測方向の候補を追加するかどうかを表すフラグをヘッダ情報に付加する情報付加ステップ
    　を有することを特徴とする請求項３に記載の画像符号化方法。
  6. 　前記同一参照ピクチャ判定ステップでは、前記参照ピクチャインデックスが割り当てられた前記参照ピクチャの表示順もしくは符号化順を用いて、前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する、
    　ことを特徴とする請求項１～５のいずれか１項に記載の画像符号化方法。
  7. 　複数の予測方向の一部又は全部を利用して復号化対象ブロックを復号化する画像復号化方法であって、
    　前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する同一参照ピクチャ判定ステップと、
    　前記同一参照ピクチャ判定ステップでの判定結果に基づいて、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向を切り替える予測方向切替ステップと、
    　を有することを特徴とする画像復号化方法。
  8. 　前記所定の復号化モードはスキップモードであり、
    　前記予測方向切替ステップは、
    　前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを１つ参照して復号化を行う片方向予測に設定し、
    　前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して復号化を行う双方向予測に設定する、
    　ことを特徴とする請求項７に記載の画像復号化方法。
  9. 　前記所定の復号化モードはスキップモードであり、
    　前記同一参照ピクチャ判定ステップでの判定結果が偽であれば、前記スキップモードの前記予測方向を、前記参照ピクチャを少なくとも２つ以上参照して復号化を行う双方向予測に設定し、
    　前記同一参照ピクチャ判定ステップでの判定結果が真であれば、前記スキップモードの前記予測方向をビットストリームから復号し、前記復号した前記予測方向に基づいて前記復号化対象ブロックの復号化を行う、
    　ことを特徴とする請求項７に記載の画像復号化方法。
  10. 　前記画像復号化方法は、さらに、前記復号化対象ブロックを所定の復号化モードで復号化する際の予測方向をヘッダ情報から復号するヘッダ情報復号ステップ
    　を有することを特徴とする請求項８に記載の画像復号化方法。
  11. 　前記画像復号化方法は、さらに、前記復号化対象ブロックを所定の復号化モードで復号化する際に予測方向を追加したかどうかを表すフラグをヘッダ情報から復号するヘッダ情報復号ステップ
    　を有することを特徴とする請求項９に記載の画像復号化方法。
  12. 　同一参照ピクチャ判定ステップでは、前記参照ピクチャインデックスが割り当てられた前記参照ピクチャの表示順もしくは符号化順を用いて、前記複数の予測方向それぞれの参照ピクチャインデックスが示す参照ピクチャが同一ピクチャかどうかを判定する、
    　ことを特徴とする請求項７～１０のいずれか１項に記載の画像復号化方法。
PCT/JP2011/006935 2010-12-14 2011-12-12 画像符号化方法、及び画像復号方法 WO2012081225A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US42271410P 2010-12-14 2010-12-14
US61/422,714 2010-12-14

Publications (1)

Publication Number Publication Date
WO2012081225A1 true WO2012081225A1 (ja) 2012-06-21

Family

ID=46244344

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/006935 WO2012081225A1 (ja) 2010-12-14 2011-12-12 画像符号化方法、及び画像復号方法

Country Status (1)

Country Link
WO (1) WO2012081225A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2012172668A1 (ja) * 2011-06-15 2015-02-23 株式会社東芝 動画像符号化方法及び装置並びに動画復号化方法及び装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004023458A (ja) * 2002-06-17 2004-01-22 Toshiba Corp 動画像符号化／復号化方法及び装置
JP2004032355A (ja) * 2002-06-26 2004-01-29 Nippon Telegr & Teleph Corp <Ntt> 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装置
JP2004048711A (ja) * 2002-05-22 2004-02-12 Matsushita Electric Ind Co Ltd 動画像の符号化方法および復号化方法およびデータ記録媒体
WO2010070818A1 (ja) * 2008-12-16 2010-06-24 株式会社日立製作所 動画像符号化装置、動画像符号化方法、動画像復号化装置および動画像復号化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004048711A (ja) * 2002-05-22 2004-02-12 Matsushita Electric Ind Co Ltd 動画像の符号化方法および復号化方法およびデータ記録媒体
JP2004023458A (ja) * 2002-06-17 2004-01-22 Toshiba Corp 動画像符号化／復号化方法及び装置
JP2004032355A (ja) * 2002-06-26 2004-01-29 Nippon Telegr & Teleph Corp <Ntt> 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装置
WO2010070818A1 (ja) * 2008-12-16 2010-06-24 株式会社日立製作所 動画像符号化装置、動画像符号化方法、動画像復号化装置および動画像復号化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Test model under Consideration Output Document (draft007)", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG16 WP3 AND ISO/IEC JTCL/SC29/WGLL 2ND MEETING, October 2010 (2010-10-01), GENEVA, pages 35, 53, 61 - 63, 80-82 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2012172668A1 (ja) * 2011-06-15 2015-02-23 株式会社東芝 動画像符号化方法及び装置並びに動画復号化方法及び装置

Similar Documents

Publication Publication Date Title
JP6167409B2 (ja) 画像復号化方法および画像復号化装置
JP6478133B2 (ja) 動画像復号方法、動画像復号装置、動画像符号化方法、および動画像符号化装置
JP6112320B2 (ja) 動画像復号化方法および動画像符号化方法
JP5414942B1 (ja) カメラデバイスおよび送信方法
JP6422011B2 (ja) 動画像符号化方法、動画像復号化方法、動画像符号化装置および動画像復号化装置
WO2013061551A1 (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
WO2013001818A1 (ja) 画像復号方法、画像符号化方法、画像復号装置、画像符号化装置、および、画像符号化復号装置
WO2013061546A1 (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
WO2012096164A1 (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
JP5893570B2 (ja) 画像符号化方法および画像復号化方法
WO2012117728A1 (ja) 動画像符号化方法、動画像復号方法、動画像符号化装置、動画像復号装置、及び動画像符号化復号装置
JP6108309B2 (ja) 動画像符号化方法、動画像符号化装置、動画像復号方法、および、動画像復号装置
WO2013128832A1 (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
JP6551894B2 (ja) 動画像復号化方法および動画像復号化装置
WO2012114712A1 (ja) 画像符号化方法および画像復号化方法
JP5694447B2 (ja) 画像符号化・復号化装置
WO2012090495A1 (ja) 画像符号化方法および画像復号方法
WO2012081246A1 (ja) 画像符号化方法および画像復号化方法
WO2012081225A1 (ja) 画像符号化方法、及び画像復号方法
WO2012073481A1 (ja) 動画像符号化方法および動画像復号化方法
WO2013046616A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法

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: 11848418

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: 11848418

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP