WO2012102045A1 - 画像符号化方法および画像復号化方法 - Google Patents

画像符号化方法および画像復号化方法 Download PDF

Info

Publication number
WO2012102045A1
WO2012102045A1 PCT/JP2012/000491 JP2012000491W WO2012102045A1 WO 2012102045 A1 WO2012102045 A1 WO 2012102045A1 JP 2012000491 W JP2012000491 W JP 2012000491W WO 2012102045 A1 WO2012102045 A1 WO 2012102045A1
Authority
WO
WIPO (PCT)
Prior art keywords
picture
motion vector
block
reference picture
index
Prior art date
Application number
PCT/JP2012/000491
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
Priority to JP2012554695A priority Critical patent/JP5893570B2/ja
Priority to US13/980,918 priority patent/US9560352B2/en
Publication of WO2012102045A1 publication Critical patent/WO2012102045A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • 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
    • H04N19/10—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
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—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
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding

Definitions

  • the present invention relates to an image encoding method and an image decoding method using a reference index and a motion vector.
  • An image encoding apparatus generally compresses the amount of information using redundancy in the spatial direction and temporal direction of an image (including a still image and a moving image).
  • redundancy in the spatial direction conversion to the frequency domain is used.
  • Inter prediction is used as a method of using temporal redundancy. Inter prediction is also called inter-picture prediction.
  • an image encoding apparatus using inter prediction encodes a certain picture
  • a picture that has been encoded forward or backward in display order (display time order) with respect to the encoding target picture is used as a reference picture.
  • the image encoding device derives a motion vector by detecting the motion of the encoding target picture with respect to the reference picture.
  • the image encoding device obtains predicted image data by performing motion compensation based on the motion vector.
  • the image coding apparatus acquires a difference between the predicted image data and the image data of the coded reference picture.
  • the image encoding device encodes the acquired difference. Thereby, the image coding apparatus removes redundancy in the time direction.
  • the image coding apparatus calculates a difference value between a block to be coded in a coded picture and a block in a reference picture, and uses a block in the reference picture having the smallest difference value as a reference block. Determine as. Then, the image encoding device detects a motion vector using the encoding target block and the reference block.
  • H.264 An image encoding apparatus according to a standardized image encoding method called H.264 (see Non-Patent Document 1) uses three types of pictures, ie, an I picture, a P picture, and a B picture, in order to compress the amount of information.
  • This image encoding apparatus does not perform inter prediction on an I picture. That is, the image coding apparatus performs intra prediction on the I picture. Intra prediction is also called intra-picture prediction.
  • the image coding apparatus performs inter prediction on the P picture with reference to one already coded picture in front of or behind the picture to be coded in display order. Also, the image encoding apparatus performs inter prediction on the B picture with reference to two already encoded pictures in front of or behind the encoding target picture in display order.
  • the image coding apparatus In inter prediction, the image coding apparatus generates a reference list (also referred to as a reference picture list) for specifying a reference picture.
  • a reference picture index (also referred to as a reference index) is assigned to an encoded reference picture that is referred to in inter prediction. For example, since the image coding apparatus refers to two pictures with respect to a B picture, it holds two reference lists (L0, L1).
  • FIG. 34 shows an example of a reference list.
  • a reference picture list L0 in FIG. 34 is an example of a reference picture list corresponding to the first prediction direction of bidirectional prediction.
  • a reference picture index having a value of 0 is assigned to a reference picture r1 having a display order of 2.
  • a reference picture index having a value of 1 is assigned to a reference picture r2 having a display order of 1.
  • a reference picture index having a value of 2 is assigned to the reference picture r3 having a display order of 0.
  • a reference picture index is assigned to a smaller reference picture as the reference picture is closer to the encoding target picture in display order.
  • the reference picture list L1 of FIG. 34 is an example of a reference picture list corresponding to the second prediction direction of bidirectional prediction.
  • a reference picture index having a value of 0 is assigned to a reference picture r2 having a display order of 1.
  • a reference picture index having a value of 1 is assigned to a reference picture r1 having a display order of 2.
  • a reference picture index having a value of 2 is assigned to a reference picture r3 having a display order of 0.
  • two different reference picture indexes may be assigned to specific reference pictures included in the two reference picture lists (reference pictures r1 and r2 in FIG. 34). Further, the same reference picture index may be assigned to specific reference pictures included in the two reference picture lists (reference picture r3 in FIG. 34).
  • Prediction using only the reference picture list L0 is called L0 prediction.
  • Prediction using only the reference picture list L1 is called L1 prediction.
  • Prediction using both the reference picture list L0 and the reference picture list L1 is called bi-prediction or bi-prediction.
  • the forward direction is often used as the prediction direction.
  • the backward direction is often used as the prediction direction. That is, the reference picture list L0 is configured to correspond to the first prediction direction, and the reference picture list L1 is configured to correspond to the second prediction direction.
  • the prediction direction is classified into one of the first prediction direction, the second prediction direction, and bidirectional. Further, when the prediction direction is bidirectional, it is also expressed that the prediction direction is bidirectional prediction or bi-prediction.
  • H.264 there is a motion detection mode as a coding mode (also referred to as an inter prediction mode or a prediction mode) of a coding target block in a B picture.
  • a motion detection mode as a coding mode (also referred to as an inter prediction mode or a prediction mode) of a coding target block in a B picture.
  • the image encoding device detects the motion vector of the encoding target block. Then, the image encoding device generates predicted image data using the reference picture and the motion vector. Then, the image encoding device encodes the difference value between the predicted image data and the image data of the encoding target block, and the motion vector used to generate the predicted image data.
  • the motion detection mode includes bi-directional prediction in which a prediction image is generated with reference to two already encoded pictures in front of or behind the encoding target picture.
  • the motion detection mode includes unidirectional prediction in which a prediction image is generated with reference to one already encoded picture in front of or behind the encoding target picture. Then, either bidirectional prediction or unidirectional prediction is selected for the encoding target block.
  • An image coding apparatus can select a coding mode called a temporal direct mode when deriving a motion vector in coding a B picture.
  • a method of inter prediction in the temporal direct mode will be described with reference to FIG.
  • FIG. 35 is an explanatory diagram showing motion vectors in the temporal direct mode.
  • FIG. 35 shows a case where the image coding apparatus codes the block a of the picture B2 in the temporal direct mode.
  • the image coding apparatus uses the motion vector vb used when coding the block b at the same position as the block a in the picture P3 which is a reference picture behind the picture B2.
  • the motion vector vb refers to the picture P1.
  • the image encoding device uses a motion vector parallel to the motion vector vb to extract a reference block from a picture P1 that is a front reference picture and a picture P3 that is a rear reference picture. get. Then, the image encoding device performs bidirectional prediction and encodes block a. That is, the image coding apparatus codes the block a using the motion vector va1 for the picture P1 and the motion vector va2 for the picture P3.
  • a merge mode as an encoding mode of the encoding target block in the B picture and the P picture.
  • the image encoding device copies a motion vector and a reference picture index from a block adjacent to the encoding target block, and encodes the encoding target block.
  • the image encoding apparatus attaches the index of the adjacent block used for copying to the bit stream. As a result, the same motion vector and reference picture index as those on the encoding side can be selected on the decoding side.
  • the adjacent block A in FIG. 36A is an encoded block adjacent to the left of the encoding target block.
  • the adjacent block B is an encoded block adjacent on the encoding target block.
  • the adjacent block C is an encoded block adjacent to the upper right of the encoding target block.
  • adjacent block A is a block encoded by bi-directional prediction, and has motion vector MvL0_A in the first prediction direction and motion vector MvL1_A in the second prediction direction.
  • the adjacent block B is a block encoded by unidirectional prediction and has a motion vector MvL0_B in the first prediction direction.
  • the adjacent block C is a block encoded by unidirectional prediction and has a motion vector MvL0_C in the first prediction direction.
  • the motion vectors MvL0_A, MvL0_B, and MvL0_C refer to the same reference picture RefIdxL0.
  • MvL1_A refers to the reference picture RefIdxL1.
  • the image encoding apparatus selects an adjacent block in which the motion vector and the reference picture index are copied to the encoding target block from the adjacent blocks A, B, and C. At this time, the image encoding apparatus selects adjacent blocks so that the encoding efficiency is the highest. Then, the image encoding apparatus attaches a merge block index representing the selected adjacent block to the bit stream.
  • the image encoding apparatus encodes the encoding target block using the motion vector MvL0_A, the motion vector MvL1_A, and the reference picture referred to by the motion vectors MvL0_A and MvL1_A. Then, the image coding apparatus attaches only the merge block index indicating that the adjacent block A is used to the bit stream.
  • FIG. 36B shows an example of a merge block index.
  • the image encoding apparatus reduces the information amount of the motion vector and the reference picture index by attaching only such a merge block index to the bitstream.
  • the merge source blocks are only adjacent blocks in the picture to be encoded. Therefore, for example, when there is no motion vector, such as when an adjacent block is intra-encoded, the encoding efficiency decreases.
  • the present invention improves encoding efficiency by using not only adjacent blocks in the encoding target picture but also the encoding result information of other reference pictures different from the encoding target picture.
  • An object is to provide an image encoding method.
  • an image encoding method encodes a block to be encoded using a first reference index indicating a first reference picture and a first motion vector.
  • a block included in a corresponding picture different from the encoding target picture and used for encoding the corresponding block which is a block that matches the position of the encoding target block in the encoding target picture.
  • an encoding step of adding the value of the flag to the encoded stream
  • the second reference index is copied to the third reference index, and the display order of the encoding target picture, the display order of the corresponding picture, and the second reference index are indicated by the second reference index.
  • the third motion vector may be calculated by performing scaling processing of the second motion vector using the display order of the reference pictures and the display order of the third reference picture indicated by the third reference index. Good.
  • the calculating step it is determined whether or not a second reference picture indicated by the second reference index is included in a reference picture list of the encoding target picture, and the second reference picture is included in the reference picture list.
  • the fourth reference index indicating the second reference picture in the reference picture list is copied to the third reference index, and when the second reference picture is not included in the reference picture list, the third reference index When the reference index is invalidated and the third reference index is not invalid, the display order of the picture to be encoded, the display order of the corresponding picture, the display order of the second reference picture, and the third reference index And the display order of the third reference picture shown in FIG.
  • By performing the ring processing may calculate the third motion vector.
  • the calculating step it is determined whether or not a second reference picture indicated by the second reference index is included in a reference picture list of the encoding target picture, and the second reference picture is included in the reference picture list.
  • the fourth reference index indicating the second reference picture in the reference picture list is copied to the third reference index, and when the second reference picture is not included in the reference picture list, the third reference index
  • the reference index is set to the maximum value that can be assigned in the reference picture list, the display order of the encoding target picture, the display order of the corresponding picture, the display order of the second reference picture, and the third reference And the display order of the third reference picture indicated by the index.
  • By performing the scaling processing Le may calculate the third motion vector.
  • An image decoding method is an image decoding method for decoding a block to be decoded using a first reference index indicating a first reference picture and a first motion vector.
  • a second reference index and a second reference index used for decoding a corresponding block that is a block included in a corresponding picture different from the target picture and is a block that matches a position of the target block in the target picture.
  • the decoding target block is used as the first reference index and the first motion vector.
  • An image decoding method including a decoding step to be converted may be used.
  • the second reference index is copied to the third reference index, and the display order of the picture to be decoded, the display order of the corresponding picture, and the second reference index are indicated by the second reference index.
  • the third motion vector may be calculated by performing scaling processing of the second motion vector using the display order of the reference pictures and the display order of the third reference picture indicated by the third reference index. Good.
  • the calculating step it is determined whether or not the second reference picture indicated by the second reference index is included in a reference picture list of the decoding target picture, and the second reference picture is included in the reference picture list.
  • the fourth reference index indicating the second reference picture in the reference picture list is copied to the third reference index, and when the second reference picture is not included in the reference picture list, the third reference index When the reference index is invalidated and the third reference index is not invalid, the display order of the decoding target picture, the display order of the corresponding picture, the display order of the second reference picture, and the third reference index And the display order of the third reference picture shown in FIG.
  • By performing the ring processing may calculate the third motion vector.
  • the calculating step it is determined whether or not the second reference picture indicated by the second reference index is included in a reference picture list of the decoding target picture, and the second reference picture is included in the reference picture list.
  • the fourth reference index indicating the second reference picture in the reference picture list is copied to the third reference index, and when the second reference picture is not included in the reference picture list, the third reference index
  • the reference index is set to a maximum value that can be assigned in the reference picture list, the display order of the decoding target picture, the display order of the corresponding picture, the display order of the second reference picture, and the third reference And the display order of the third reference picture indicated by the index.
  • By performing the scaling processing Le may calculate the third motion vector.
  • the present invention not only the adjacent blocks in the encoding target picture but also the encoding result information of another reference picture different from the encoding target picture is targeted for merging, thereby improving the encoding efficiency. It becomes possible.
  • FIG. 1 is a block diagram showing a configuration of an image coding apparatus according to Embodiment 1.
  • FIG. 2 is a flowchart showing the operation of the image coding apparatus according to Embodiment 1.
  • FIG. 3A is a diagram illustrating an example of merge block candidates according to Embodiment 1.
  • FIG. 3B is a diagram showing an example of a merge block index according to Embodiment 1.
  • FIG. 4 is a diagram illustrating an example of a code table according to the first embodiment.
  • FIG. 5 is a flowchart showing the comparison process according to the first embodiment.
  • FIG. 6 is a conceptual diagram showing read / write processing according to the first embodiment.
  • FIG. 7 is a flowchart showing a calculation process according to the first embodiment.
  • FIG. 1 is a block diagram showing a configuration of an image coding apparatus according to Embodiment 1.
  • FIG. 2 is a flowchart showing the operation of the image coding apparatus according to Embodiment 1.
  • FIG. 3A is
  • FIG. 8A is a diagram showing a first example of temporal merge motion vectors according to Embodiment 1.
  • FIG. 8B is a diagram showing a second example of temporal merge motion vectors according to Embodiment 1.
  • FIG. 9A is a diagram showing a third example of temporal merge motion vectors according to Embodiment 1.
  • FIG. 9B is a diagram showing a fourth example of temporal merge motion vectors according to Embodiment 1.
  • FIG. 10 is a flowchart showing reference index calculation processing according to the second embodiment.
  • FIG. 11A is a diagram showing a first example of temporal merge motion vectors according to Embodiment 2.
  • FIG. 11B is a diagram showing a second example of temporal merge motion vectors according to Embodiment 2.
  • FIG. 11A is a diagram showing a first example of temporal merge motion vectors according to Embodiment 2.
  • FIG. 12A is a diagram showing a third example of temporal merge motion vectors according to Embodiment 2.
  • FIG. 12B is a diagram showing a fourth example of temporal merge motion vectors according to Embodiment 2.
  • FIG. 13 is a block diagram showing a configuration of an image decoding apparatus according to Embodiment 3.
  • FIG. 14 is a flowchart showing an operation of the image decoding apparatus according to the third embodiment.
  • FIG. 15 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 16 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 17 is a block diagram illustrating a configuration example of a television.
  • FIG. 18 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. 19 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 20A is a diagram illustrating an example of a mobile phone.
  • FIG. 20B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 21 is a diagram showing a structure of multiplexed data.
  • FIG. 22 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 23 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 20A is a diagram illustrating an example of a mobile phone.
  • FIG. 20B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 21 is a diagram showing a structure of multiplexed data.
  • FIG. 22 is
  • FIG. 24 is a diagram showing the structure of TS packets and source packets in multiplexed data.
  • FIG. 25 is a diagram illustrating a data structure of the PMT.
  • FIG. 26 is a diagram showing an internal configuration of multiplexed data information.
  • FIG. 27 shows the internal structure of the stream attribute information.
  • FIG. 28 is a diagram showing steps for identifying video data.
  • FIG. 29 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. 30 is a diagram illustrating a configuration for switching the driving frequency.
  • FIG. 31 is a diagram illustrating steps for identifying video data and switching between driving frequencies.
  • FIG. 32 is a diagram illustrating an example of a lookup table in which video data standards are associated with drive frequencies.
  • FIG. 33A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 33B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
  • FIG. 34 is a diagram illustrating an example of a reference picture list.
  • FIG. 35 is a diagram illustrating an example of a motion vector in the temporal direct mode.
  • FIG. 36A is a diagram illustrating an example of adjacent blocks.
  • FIG. 36B is a diagram illustrating an example of a merge block index.
  • FIG. 1 is a block diagram showing an image coding apparatus according to the present embodiment.
  • the image encoding apparatus includes a subtraction unit 102, an orthogonal transformation unit 103, a quantization unit 104, an inverse quantization unit 106, an inverse orthogonal transformation unit 107, an addition unit 108, a block memory 109, a frame memory 111, Intra prediction unit 110, inter prediction unit 112, switch unit 113, inter prediction control unit 121, picture type determination unit 124, temporal merge motion vector calculation unit 122, colPic memory 125, co-located reference direction determination unit 123, and variable A long encoding unit 105 is provided.
  • the orthogonal transform unit 103 performs transform from the image domain to the frequency domain for the input image sequence.
  • the quantization unit 104 performs a quantization process on the input image sequence converted into the frequency domain.
  • the inverse quantization unit 106 performs an inverse quantization process on the input image sequence quantized by the quantization unit 104.
  • the inverse orthogonal transform unit 107 performs transform from the frequency domain to the image domain for the input image sequence subjected to the inverse quantization process.
  • the block memory 109 is a memory for storing the input image sequence in units of blocks.
  • the frame memory 111 is a memory for storing the input image sequence in units of frames.
  • the picture type determination unit 124 determines which of the I picture, B picture, and P picture is used to encode the input image sequence, and generates picture type information.
  • the intra prediction unit 110 performs intra prediction on the encoding target block using the input image sequence in block units stored in the block memory 109, and generates predicted image data.
  • the inter prediction unit 112 performs inter prediction on the current block using the input image stored in the frame memory 111 and the motion vector derived by motion detection, and generates predicted image data. To do.
  • the co-located reference direction determination unit 123 determines whether the co-located block is a forward reference block or a backward reference block.
  • the forward reference block is a block included in a picture located in front of the encoding target picture in display order.
  • a backward reference block is a block included in a picture located behind.
  • the co-located reference direction determination unit 123 generates a co-located reference direction flag for each picture and attaches it to the encoding target picture.
  • the co-located block is a block in a picture different from the picture including the encoding target block, and a block in the same position as the encoding target block in the picture.
  • the co-located block is a corresponding block corresponding to the encoding target block.
  • the picture including the corresponding block is a corresponding picture corresponding to the encoding target picture.
  • the position of the co-located block is the same as the position of the encoding target block. However, they may be different.
  • the temporal merge motion vector calculation unit 122 derives merge mode merge block candidates (co-located merge blocks) using the colPic information including the motion vectors of the co-located blocks stored in the colPic memory 125. Further, the temporal merge motion vector calculation unit 122 assigns a merge block index value corresponding to the co-located merge block.
  • the temporal merge motion vector calculation unit 122 sends the co-located merge block and the merge block index to the inter prediction control unit 121.
  • the temporal merge motion vector calculation unit 122 cancels the derivation of the co-located merge block or regards the motion vector as 0, and the co-located merge block. Is derived.
  • the inter prediction control unit 121 uses the prediction image generated by using the motion vector derived by motion detection and the prediction image generated by using the motion vector derived by the merge mode, and performs the prediction with the smallest prediction error. Inter prediction is performed using the mode. In addition, the inter prediction control unit 121 sends a merge flag indicating whether or not the prediction mode is the merge mode to the variable length coding unit 105.
  • the inter prediction control unit 121 sends the merge block index corresponding to the determined merge block and prediction error information to the variable length coding unit 105. Further, the inter prediction control unit 121 transfers colPic information including the motion vector of the encoding target block to the colPic memory 125.
  • the orthogonal transform unit 103 performs transform from the image domain to the frequency domain on the prediction error data between the generated predicted image data and the input image sequence.
  • the quantization unit 104 performs a quantization process on the prediction error data converted into the frequency domain.
  • the variable length coding unit 105 performs variable length coding processing on the quantized prediction error data, the merge flag, the merge block index, the picture type information, and the co-located reference direction flag. As a result, the variable length encoding unit 105 generates a bit stream.
  • FIG. 2 shows an outline of the processing flow of the image coding method according to the present embodiment.
  • the co-located reference direction determination unit 123 determines whether the co-located block is a forward reference block or a backward reference block in deriving a co-located merge block candidate (S101).
  • the co-located reference direction determining unit 123 selects a co-located block from the forward reference picture to which the forward reference block belongs and the backward reference picture to which the backward reference block belongs, which is closest to the current picture in the display order. Determine as. Then, the co-located reference direction determination unit 123 generates a co-located block reference flag indicating whether the co-located block is a forward reference block or a backward reference block for each picture, and attaches it to the picture.
  • the inter prediction control unit 121 generates merge block candidates from the adjacent blocks of the encoding target block (S102). For example, in the case of FIG. 3A, the inter prediction control unit 121 determines adjacent blocks A, B, and C as merge block candidates as motion vectors and reference picture indexes of the encoding target block. And the inter prediction control part 121 allocates a merge block index with respect to each merge block candidate like FIG. 3B.
  • the inter prediction control unit 121 decreases the value of the merge block index corresponding to a merge block that is highly likely to have a motion vector and a reference picture index with higher accuracy. Thereby, encoding efficiency becomes high.
  • the inter prediction control unit 121 measures the number of times selected as a merge block for each block. And the inter prediction control part 121 may allocate the merge block index of a small value with respect to the block with many frequency
  • the temporal merge motion vector calculation unit 122 reads colPic information including the motion vector of the co-located block from the colPic memory 125 according to the co-located reference direction. Then, the temporal merge motion vector calculation unit 122 derives a co-located merge block in the merge mode using the reference picture index and the motion vector of the co-located block (S103).
  • the inter prediction control unit 121 allocates the value of the merge block index corresponding to the co-located merge block as shown in FIG. 3B.
  • the inter prediction control unit 121 compares the prediction error of the prediction image generated using the motion vector derived by the motion detection with the prediction error of the prediction image generated by the merge block candidate by a method described later. Then, the inter prediction control unit 121 sets the merge flag to 1 if the prediction mode is the merge mode, and sets the merge flag to 0 otherwise (S104).
  • the variable length coding unit 105 determines whether or not the merge flag is 1, that is, whether or not the prediction mode is the merge mode (S105). If true, the variable length coding unit 105 attaches a merge flag and a merge block index used for merging to the bitstream (S106). If false, the variable length coding unit 105 causes the merge flag and motion detection mode information to accompany the bitstream (S107).
  • the inter prediction control unit 121 transfers the colPic information including the motion vector used for the inter prediction to the colPic memory 125 by a method described later and stores it (S108).
  • the colPic memory 125 stores the motion vector of the reference picture, the index value of the reference picture, the prediction direction, and the like in order to calculate the temporal direct mode motion vector for the current block.
  • a merge block index value is assigned as shown in FIG. 3B. Specifically, the value corresponding to the adjacent block A is 0, the value corresponding to the adjacent block B is 1, the value corresponding to the adjacent block C is 2, and the value corresponding to the co-located merge block Is 3.
  • how to assign the merge block index is not necessarily limited to this example.
  • FIG. 4 shows an example of a code table used when the merge block index is variable length encoded. Codes with shorter code lengths are assigned in ascending order of merge block index values. Therefore, a small value is assigned to the merge block index corresponding to the merge block candidate that is likely to have good prediction accuracy, thereby improving the coding efficiency.
  • FIG. 5 shows a detailed processing flow of the cost comparison (S104) of FIG.
  • the inter prediction control unit 121 sets 0 to the merge block candidate index, sets the prediction error (cost) of the motion detection mode to the minimum prediction error, and sets 0 to the merge flag (S201).
  • the cost is calculated by, for example, the following formula 1 based on the RD optimization model.
  • Equation 1 D represents coding distortion. Specifically, the sum of absolute differences between the pixel value obtained by encoding and decoding the block to be encoded using a prediction image generated with a certain motion vector and the original pixel value of the block to be encoded, etc. Is used for D.
  • R represents the generated code amount. Specifically, the code amount necessary for encoding the motion vector used for generating the predicted image is used for R.
  • ⁇ is Lagrange's undetermined multiplier.
  • the inter prediction control unit 121 determines whether or not the value of the merge block candidate index is smaller than the number of merge block candidates of the encoding target block, that is, whether or not there is a block that can still be a merge candidate (S202). ). If true, the inter prediction control unit 121 calculates the cost of the merge block candidate to which the merge block candidate index is allocated (S203).
  • the inter prediction control unit 121 determines whether the calculated cost of the merge block candidate is smaller than the minimum prediction error (S204). If true, the inter prediction control unit 121 updates the minimum prediction error, the merge block index, and the merge flag (S205). The inter prediction control unit 121 adds 1 to the value of the merge block candidate index. And the inter prediction control part 121 repeats the above-mentioned process (S202 to S206).
  • the inter prediction control unit 121 finalizes the remaining merge flag and merge block index values.
  • FIG. 6 is a conceptual diagram showing a read / write process to the colPic memory 125 shown in FIG.
  • FIG. 6 shows a co-located block included in the co-located picture colPic. Also, for the co-located block, the motion vector MvL0_Col in the first prediction direction, the reference picture index RefIdxL0_Col in the first prediction direction, the motion vector MvL1_Col in the second prediction direction, and the reference picture index RefIdxL1_Col in the second prediction direction are shown. ing.
  • the first prediction direction is forward reference and the second prediction direction is backward reference.
  • the first prediction direction may be backward reference
  • the second prediction direction may be forward reference.
  • both the first prediction direction and the second prediction direction may be forward reference or backward reference.
  • the co-located block is a block whose position in the co-located picture colPic matches the position of the encoding target block in the encoding target picture. Whether the co-located picture colPic is behind or ahead of the current picture is switched by a co-located reference direction flag.
  • colPic information including a motion vector stored in the colPic memory 125 is read according to the co-located reference flag, and a co-located merge block is calculated.
  • the calculated co-located merge block is used for encoding the encoding target block.
  • FIG. 7 is a detailed processing flow of the merge block calculation (S103) of FIG. Hereinafter, the process shown in FIG. 7 will be described.
  • the temporal merge motion vector calculation unit 122 reads colPic information from the colPic memory 125 according to the co-located reference direction flag (S301). The temporal merge motion vector calculation unit 122 determines whether the co-located block included in the colPic information has two or more motion vectors. That is, the temporal merge motion vector calculation unit 122 determines whether the co-located block has a forward reference motion vector (mvL0) and a backward reference motion vector (mvL1) (S302).
  • mvL0 forward reference motion vector
  • mvL1 backward reference motion vector
  • the temporal merge motion vector calculation unit 122 sets the value of the reference picture index RefIdxL0_Col in the first prediction direction of the co-located block to the reference picture index RefIdxL0 in the first prediction direction of the current block. make a copy. Also, the temporal merge motion vector calculation unit 122 copies the value of the reference picture index RefIdxL1_Col in the second prediction direction of the co-located block to the reference picture index RefIdxL1 in the second prediction direction of the current block (S303).
  • the temporal merge motion vector calculation unit 122 calculates the temporal merge motion vector MergeMvL0 in the first prediction direction using the motion vector mvL0_Col in the first prediction direction of the co-located block (S304). In addition, the temporal merge motion vector calculation unit 122 calculates the temporal merge motion vector MergeMvL1 in the second prediction direction using the motion vector mvL1_Col in the second prediction direction of the co-located block (S305).
  • the temporal merge motion vector calculation unit 122 determines whether the co-located block has a forward reference motion vector (S307).
  • the temporal merge motion vector calculation unit 122 sets the reference picture index RefIdxL0 in the first prediction direction of the encoding target block.
  • the value of the reference picture index RefIdxL0_Col in the first prediction direction of the co-located block is copied.
  • the temporal merge motion vector calculation unit 122 sets ⁇ 1 to the reference picture index RefIdxL1 in the second prediction direction of the encoding target block.
  • the reference picture index RefIdxL1 being ⁇ 1 indicates that the second prediction direction cannot be used. That is, the temporal merge motion vector calculation unit 122 determines the prediction direction to be one-way prediction (S308).
  • the temporal merge motion vector calculation unit 122 calculates the temporal merge motion vector MergeMvL0 in the first prediction direction using the motion vector mvL0_Col in the first prediction direction of the co-located block (S309).
  • the temporal merge motion vector calculation unit 122 determines whether the co-located block has the backward reference motion vector. Is determined (S310).
  • the temporal merge motion vector calculation unit 122 sets the reference picture index RefIdxL0 in the first prediction direction of the encoding target block. -1 is set. A reference picture index RefIdxL0 of ⁇ 1 indicates that the first prediction direction cannot be used. That is, the temporal merge motion vector calculation unit 122 determines the prediction direction as one-way prediction.
  • the temporal merge motion vector calculation unit 122 copies the value of the reference picture index RefIdxL1_Col in the second prediction direction of the co-located block to the reference picture index RefIdxL1 in the second prediction direction of the current block (S311).
  • the temporal merge motion vector calculation unit 122 calculates the temporal merge motion vector MergeMvL1 in the second prediction direction using the motion vector mvL1_Col in the second prediction direction of the co-located block (S312).
  • the temporal merge motion vector calculation unit 122 determines not to add the co-located merge block to the merge block candidate. (S313).
  • the temporal merge motion vector calculation unit 122 adds the co-located merge block to the merge block candidate (S306).
  • the co-located merge block has the temporal merge motion vector MergeMvL0 in the first prediction direction with respect to the reference picture index RefIdxL0 in the first prediction direction. Further, the co-located merge block has a temporal merge motion vector MergeMvL1 in the second prediction direction with respect to the reference picture index RefIdxL1 in the second prediction direction.
  • a reference picture index of ⁇ 1 indicates that the direction cannot be used, that is, the prediction direction is unidirectional prediction. However, it is not necessarily limited to this, and any format may be used to indicate that it cannot be used.
  • the temporal merge motion vector calculation unit 122 determines whether or not the co-located block has a forward reference motion vector, and then the co-located block has a backward reference motion vector. It is determined whether or not.
  • the temporal merge motion vector calculation unit 122 determines whether the co-located block has a forward reference motion vector. May be.
  • the temporal merge motion vector calculation unit 122 uses the forward reference motion vector mvL0_Col of the co-located block to derive the temporal merge motion vector MergeMvL0 of the encoding target block using Equation 2 below.
  • MergeMvL0 mvL0_Col ⁇ (curPOC-POC1 (refIdxL0)) / (colPOC-POC2 (refIdxL0_Col)) (Equation 2)
  • curPOC represents the display order of the encoding target picture
  • colPOC represents the display order of colPic.
  • POC1 (X) represents the display order of the reference picture indicated by the reference picture index X in the reference picture list of the encoding target picture.
  • POC2 (X) represents the display order of the reference picture indicated by the reference picture index X in the reference picture list of colPic.
  • curPOC-POC1 (refIdxL0) indicates time difference information in the display times of picture B2 and picture B0
  • colPOC-POC2 (refIdxL0_Col) indicates time difference information in the display times of picture B4 and picture B0.
  • the temporal merge motion vector calculation unit 122 derives the temporal merge motion vector MergeMvL1 of the encoding target block using the backward reference motion vector mvL1_Col of the co-located block according to the following Expression 3.
  • MergeMvL1 mvL1_Col ⁇ (curPOC-POC1 (refIdxL1)) / (colPOC-POC2 (refIdxL1_Col)) (Equation 3)
  • (curPOC-POC1 (refIdxL1)) indicates time difference information in the display times of pictures B2 and B4
  • (colPOC-POC2 (refIdxL1_Col)) indicates time difference information in the display times of pictures B4 and B8. .
  • FIGS. 9A and 9B show a method of deriving a temporal merge motion vector when the co-located block is a forward reference block and has a forward reference motion vector and a backward reference motion vector.
  • the temporal merge motion vector calculation unit 122 uses the forward reference motion vector mvL0_Col of the co-located block to derive the temporal merge motion vector MergeMvL0 of the encoding target block according to the following Expression 4.
  • the temporal merge motion vector calculation unit 122 derives the temporal merge motion vector MergeMvL1 of the encoding target block using the backward reference motion vector mvL1_Col of the co-located block according to the following Equation 5.
  • MergeMvL1 mvL1_Col ⁇ (curPOC-POC1 (refIdxL1)) / (colPOC-POC2 (refIdxL1_Col)) (Equation 5)
  • (curPOC-POC1 (refIdxL1)) indicates time difference information in the display times of the pictures B6 and B8, and
  • (colPOC-POC2 (refIdxL1_Col)) indicates time difference information in the display times of the pictures B4 and B8. .
  • the image coding apparatus uses not only adjacent blocks in a coding target picture but also coding result information of other reference pictures different from the coding target picture as merge blocks. Use as a candidate. Thereby, the encoding efficiency can be improved.
  • the image encoding apparatus uses a co-located block of the encoding target block as a merge block candidate.
  • the image encoding apparatus copies the value of the reference picture index of the co-located block as it is to the reference picture index of the encoding target block.
  • the image encoding apparatus uses the motion vector of the co-located block as the motion vector of the encoding target block. Further, the motion vector of the co-located block is appropriately scaled according to the positional relationship among the current picture, the reference picture, colPic, and the picture referenced by colPic.
  • the image encoding apparatus can generate an optimal merge block candidate for the encoding target block.
  • the second embodiment is different from the first embodiment in the method for determining the RefIdx of the encoding target block (S303, S308, and S311 in FIG. 7). Others are the same as those in the first embodiment, and thus the description thereof is omitted.
  • FIG. 10 is a detailed processing flow of RefIdx calculation of the encoding target block in the second embodiment.
  • the temporal merge motion vector calculation unit 122 obtains the reference picture display order POC2 (RefIdxLX_Col) indicated by RefIdxLX_Col of the co-located block using the reference picture list of colPic (S401).
  • the temporal merge motion vector calculation unit 122 determines whether or not a reference picture in the display order POC2 (RefIdxLX_Col) is included in the reference picture list of the encoding target picture (S402).
  • the temporal merge motion vector calculation unit 122 obtains the reference picture index of the reference picture in the display order POC2 (RefIdxLX_Col) using the reference picture list of the encoding target picture. Then, the temporal merge motion vector calculation unit 122 sets the obtained reference picture index to RefIdxLX of the encoding target block (S403).
  • the temporal merge motion vector calculation unit 122 sets ⁇ 1 to RefIdxLX of the encoding target block (S404).
  • RefIdxLX is ⁇ 1
  • the prediction direction cannot be used, that is, the prediction direction in the merge mode is unidirectional prediction.
  • a reference picture index of ⁇ 1 indicates that the direction cannot be used, that is, the prediction direction is unidirectional prediction. However, this is not necessarily the case, and any format may be used to indicate that it cannot be used.
  • the temporal merge motion vector calculation unit 122 uses the direction. Set so that it cannot.
  • the present invention is not necessarily limited thereto.
  • the temporal merge motion vector calculation unit 122 determines the maximum value of the reference picture index that can be used in the reference picture list of the encoding target picture as the reference picture index of the encoding target block. It doesn't matter.
  • 11A and 11B show a method of deriving a temporal merge motion vector when the co-located block is a backward reference block and has a forward reference motion vector and a backward reference motion vector.
  • the temporal merge motion vector calculation unit 122 uses the forward reference motion vector mvL0_Col of the co-located block to derive the temporal merge motion vector MergeMvL0 of the encoding target block using the following Expression 6.
  • refIdxL0 mvL0_Col ⁇ (curPOC-POC1 (refIdxL0)) / (colPOC-POC2 (refIdxL0_Col)) (Equation 6)
  • refIdxL0 represents the reference picture index in the first prediction direction of the current block obtained in the processing flow of FIG.
  • (curPOC-POC1 (refIdxL0)) indicates time difference information in the display times of the picture B2 and the picture B0.
  • (colPOC-POC2 (refIdxL0_Col)) indicates time difference information in the display time of the picture B4 and the picture B0.
  • the temporal merge motion vector calculation unit 122 derives the temporal merge motion vector MergeMvL1 of the encoding target block using the backward reference motion vector mvL1_Col of the co-located block according to the following Expression 7.
  • refIdxL1 mvL1_Col ⁇ (curPOC-POC1 (refIdxL1)) / (colPOC-POC2 (refIdxL1_Col)) (Equation 7)
  • refIdxL1 represents the reference picture index in the second prediction direction of the current block obtained in the processing flow of FIG.
  • (curPOC-POC1 (refIdxL1)) indicates time difference information in the display times of the picture B2 and the picture B8.
  • (colPOC-POC2 (refIdxL1_Col)) indicates time difference information in the display time of the picture B4 and the picture B8.
  • the temporal merge motion vector calculation unit 122 adds, for example, a one-way co-located merge block to the merge block candidate.
  • the temporal merge motion vector calculation unit 122 derives the temporal merge motion vector MergeMvL0 of the encoding target block using the forward reference motion vector mvL0_Col of the co-located block according to the following Expression 8.
  • refIdxL0 mvL0_Col ⁇ (curPOC-POC1 (refIdxL0)) / (colPOC-POC2 (refIdxL0_Col)) (Equation 8)
  • refIdxL0 represents the reference picture index in the first prediction direction of the current block obtained in the processing flow of FIG.
  • (curPOC-POC1 (refIdxL0)) indicates time difference information in the display times of the picture B6 and the picture B0.
  • (colPOC-POC2 (refIdxL0_Col)) indicates time difference information in the display time of the picture B4 and the picture B0.
  • the temporal merge motion vector calculation unit 122 adds, for example, a one-way co-located merge block to the merge block candidate.
  • the temporal merge motion vector calculation unit 122 derives the temporal merge motion vector MergeMvL1 of the encoding target block using the backward reference motion vector mvL1_Col of the co-located block according to the following Expression 9.
  • refIdxL1 mvL1_Col ⁇ (curPOC-POC1 (refIdxL1)) / (colPOC-POC2 (refIdxL1_Col)) (Equation 9)
  • refIdxL1 represents the reference picture index in the second prediction direction of the current block obtained in the processing flow of FIG.
  • (curPOC-POC1 (refIdxL1)) indicates time difference information in the display times of the picture B6 and the picture B8.
  • (colPOC-POC2 (refIdxL1_Col)) indicates time difference information in the display time of the picture B4 and the picture B8.
  • the image coding apparatus uses not only adjacent blocks in a coding target picture but also coding result information of other reference pictures different from the coding target picture as merge blocks. Use as a candidate. Thereby, the encoding efficiency can be improved.
  • the image encoding apparatus uses a co-located block of the encoding target block as a merge block candidate.
  • the image encoding device converts the reference picture index in the reference picture list of the encoding target picture based on the reference picture indicated by the value of the reference picture index of the co-located block.
  • the image coding apparatus can refer to the reference picture of the co-located block as the reference picture of the coding target block. Therefore, the accuracy of the temporal merge motion vector of the co-located merge block is improved. Therefore, encoding efficiency is improved.
  • the image encoding apparatus does not use the prediction direction. Thereby, the image coding apparatus can generate a co-located merge block that can be appropriately merged.
  • the image coding apparatus may add the co-located merge block obtained based on Embodiment 1 to the merge block candidate as the first co-located merge block. Then, the image coding apparatus may add the co-located merge block obtained based on Embodiment 2 to the merge block candidate as the second co-located merge block.
  • the image encoding apparatus may select a prediction mode that minimizes the prediction error in the flow of FIG. Further, the image coding apparatus may assign 3 to the first co-located merge block and 4 to the second co-located merge block as a method of assigning the merge block index to the co-located merge block of FIG. 3B. Thereby, the image encoding apparatus can more appropriately select a merge block for encoding the encoding target block.
  • FIG. 13 is a block diagram showing a configuration of the image decoding apparatus according to the present embodiment.
  • a block included in a picture located in front of the decoding target picture in display order is referred to as a forward reference block.
  • a block included in a picture located behind the decoding target picture in display order is referred to as a backward reference block.
  • the image decoding apparatus includes a variable length decoding unit 205, an inverse quantization unit 206, an inverse orthogonal transform unit 207, an addition unit 208, a block memory 209, a frame memory 211, an intra prediction unit 210, an inter prediction unit 210, A prediction unit 212, a switch unit 213, an inter prediction control unit 221, a temporal merge motion vector calculation unit 222, and a colPic memory 225 are provided.
  • the variable length decoding unit 205 performs a variable length decoding process on the input bit stream. Then, the variable length decoding unit 205 generates picture type information, a merge flag, a merge block index, a co-located reference direction flag, and a bit stream that has been subjected to variable length decoding processing.
  • the inverse quantization unit 206 performs inverse quantization processing on the bit stream that has been subjected to variable length decoding processing.
  • the inverse orthogonal transform unit 207 transforms the bit stream that has been subjected to the inverse quantization process from the frequency domain to the image domain to obtain prediction error image data.
  • the block memory 209 is a memory for storing an image sequence generated by adding the prediction error image data and the prediction image data in units of blocks.
  • the frame memory 211 is a memory for storing an image sequence in units of frames.
  • the intra prediction unit 210 generates the prediction error image data of the decoding target block by executing the intra prediction using the block-by-block image sequence stored in the block memory 209.
  • the inter prediction unit 212 generates prediction error image data of a decoding target block by performing inter prediction using an image sequence in units of frames stored in the frame memory 211.
  • the temporal merge motion vector calculation unit 222 uses the colPic information such as the motion vector of the co-located block stored in the colPic memory 225 to derive merge mode merge block candidates (co-located merge blocks). Further, the temporal merge motion vector calculation unit 222 assigns the value of the merge block index corresponding to the co-located merge block.
  • the temporal merge motion vector calculation unit 222 sends the co-located merge block and the merge block index to the inter prediction control unit 221.
  • the temporal merge motion vector calculation unit 222 stops deriving the co-located merge block.
  • the temporal merge motion vector calculation unit 222 regards the motion vector as 0 and derives a co-located merge block.
  • the inter prediction control unit 221 decodes the motion detection mode information and generates a prediction image. If the merge flag is 1, the inter prediction control unit 221 determines a motion vector and a reference picture index used for inter prediction from a plurality of merge block candidates based on the decoded merge block index, and generates a predicted image. . In addition, the inter prediction control unit 221 transfers colPic information including a motion vector of the decoding target block to the colPic memory 225.
  • a decoded image sequence is generated by adding the decoded predicted image data and prediction error image data.
  • FIG. 14 is an outline of the processing flow of the image decoding method according to the present embodiment.
  • the variable length decoding unit 205 decodes the co-located reference flag and the merge flag (S501).
  • the temporal merge motion vector calculation unit 222 reads colPic information such as a motion vector from the colPic memory 225 based on the co-located reference flag. Then, the temporal merge motion vector calculation unit 222 generates a co-located merge block by the same method as in FIG. 7, and adds it to the merge block candidate (S503).
  • the inter prediction control unit 221 determines a merge block for copying the motion vector and the reference picture index according to the decoded merge block index, and generates a prediction image using them (S504). .
  • the inter prediction unit 212 If the merge flag is 0 (No in S502), the inter prediction unit 212 generates a predicted image using the information of the motion detection mode (S505).
  • the inter prediction control unit 221 transfers the colPic information including the motion vector used for the inter prediction to the colPic memory 225 and stores it (S506).
  • the colPic memory 225 stores the motion vector of the reference picture, the index value of the reference picture, and the prediction direction for calculating the temporal direct mode motion vector for the decoding target block.
  • the image decoding apparatus uses not only the neighboring block in the decoding target picture but also the decoding result information of another reference picture different from the decoding target picture as a merge block. Use as a candidate. As a result, the image decoding apparatus can appropriately decode a bit stream having high encoding efficiency.
  • the image decoding apparatus uses the co-located block of the decoding target block as a merge block candidate.
  • the image decoding apparatus directly copies the value of the reference picture index of the co-located block to the reference picture index of the decoding target block. Also, the image decoding apparatus uses the motion vector of the co-located block as the motion vector of the decoding target block. Further, the motion vector of the co-located block is appropriately scaled according to the positional relationship among the current picture to be decoded, the reference picture, colPic, and the picture referenced by colPic.
  • the image decoding apparatus can appropriately decode the bit stream obtained by generating the optimum merge block candidate.
  • the image decoding apparatus according to Embodiment 3 may be an image decoding apparatus corresponding to the image encoding apparatus according to Embodiment 1, or an image decoding corresponding to the image encoding apparatus according to Embodiment 2. It may be a device. Further, the image decoding apparatus according to Embodiment 3 may be an image decoding apparatus corresponding to the image encoding apparatus according to the combination of Embodiment 1 and Embodiment 2.
  • the present invention is not limited to the embodiments. Embodiments obtained by subjecting the embodiments to modifications conceivable by those skilled in the art and other embodiments realized by arbitrarily combining the components in the embodiments are also included in the present invention.
  • another processing unit may execute a process executed by a specific processing unit.
  • the order in which the processes are executed may be changed, or a plurality of processes may be executed in parallel.
  • the image encoding device and the image decoding device according to the present invention may be realized as an image encoding / decoding device realized by combining arbitrary constituent elements included therein.
  • the present invention can be realized not only as an image encoding device and an image decoding device, but also as a method using steps of processing means constituting the image encoding device and the image decoding device.
  • the present invention can be realized as a program for causing a computer to execute the steps included in these methods.
  • the present invention can be realized as a non-transitory computer-readable recording medium such as a CD-ROM in which the program is recorded.
  • the plurality of components included in the image encoding device and the image decoding device may be realized as an LSI (Large Scale Integration) that is an integrated circuit. These components may be individually made into one chip, or may be made into one chip so as to include a part or all of them. Although referred to here as an LSI, it may be referred to as an IC (Integrated Circuit), a system LSI, a super LSI, or an ultra LSI depending on the degree of integration.
  • LSI Large Scale 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.
  • 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.
  • the system has an image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 15 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 Term Evolution). It is possible to use any of the above-mentioned systems, HSPA (High Speed Packet Access) mobile phone, PHS (Personal Handyphone System), or the like.
  • 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 (that is, the image encoding of the present invention).
  • Function as a device Function as a device) and transmit 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 (that is, functions as the image decoding device of the present invention).
  • 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.
  • the digital broadcasting system ex200 also includes at least the moving image encoding device (image encoding device) or the moving image decoding according to each of the above embodiments. Any of the devices (image decoding devices) can be incorporated.
  • 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 (that is, data encoded by the image encoding apparatus of the present invention).
  • 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 an apparatus such as the television (receiver) ex300 or the set top box (STB) ex217 (that is, functions as the image decoding apparatus of the present invention).
  • 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. 17 is a diagram illustrating 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 each of the audio data and the video data, or encodes the respective information, the audio signal processing unit ex304, the video signal processing unit ex305 (function as the image encoding device or the image decoding device of the present invention). ), A speaker ex307 for outputting the decoded audio signal, and an output unit ex309 having a display unit ex308 such as a display for displaying the decoded video 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. 18 shows a configuration of the information reproducing / recording unit ex400 when data is read from or written to an 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. 19 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. 17, and the same may be considered for the computer ex111, the mobile phone ex114, and the like.
  • FIG. 20A is a diagram illustrating the mobile phone ex114 using the video decoding method and the video 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 ex357.
  • the text data of the e-mail input by operating the operation key unit ex366 of the main unit is sent to the main control unit ex360 via the operation input control unit ex362.
  • the main control unit ex360 performs spread spectrum processing on the text data in the modulation / demodulation unit ex352, performs digital analog conversion processing and frequency conversion processing in the transmission / reception unit ex351, and then transmits the text data to the base station ex110 via the antenna ex350.
  • almost the reverse process is performed on the received data and output to the display unit ex358.
  • the video signal processing unit ex355 compresses the video signal supplied from the camera unit ex365 by the moving image encoding method described in the above embodiments. Encode (that is, function as the image encoding apparatus of the present invention), and send the encoded video data to the multiplexing / demultiplexing unit ex353.
  • the audio signal processing unit ex354 encodes the audio signal picked up by the audio input unit ex356 while the camera unit ex365 images a video, a still image, etc., and sends the encoded audio data to the multiplexing / separating unit ex353. To do.
  • the multiplexing / demultiplexing unit ex353 multiplexes the encoded video data supplied from the video signal processing unit ex355 and the encoded audio data supplied from the audio signal processing unit ex354 by a predetermined method, and is obtained as a result.
  • the multiplexed data is subjected to spread spectrum processing by the modulation / demodulation unit (modulation / demodulation circuit unit) ex352, digital-analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the multiplexing / 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 shown in each of the above embodiments (that is, functions as the image decoding device of the present invention).
  • video and still images included in the moving image file linked to the home page are displayed from the display unit ex358 via the LCD control unit ex359.
  • 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 or the like is multiplexed with video data is received and transmitted, but data in which character data or the like related to video is multiplexed in addition to audio data It 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. 21 is a diagram showing a structure of multiplexed data.
  • multiplexed data can be 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. 22 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. 23 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first row in FIG. 23 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in the video stream are divided into pictures, B pictures, and P pictures, and are stored in the payload of the PES packet.
  • Each PES packet has a PES header, and a PTS (Presentation Time-Stamp) that is a display time of a picture and a DTS (Decoding Time-Stamp) that is a decoding time of a picture are stored in the PES header.
  • PTS Presentation Time-Stamp
  • DTS Decoding Time-Stamp
  • FIG. 24 shows the format of TS packets that are finally written in the multiplexed data.
  • the TS packet is a 188-byte fixed-length packet composed of a 4-byte TS header having information such as a PID for identifying a stream and a 184-byte TS payload for storing data.
  • the PES packet is divided and stored in the TS payload.
  • a 4-byte TP_Extra_Header is added to a TS packet, forms a 192-byte source packet, and is written in multiplexed data.
  • TP_Extra_Header information such as ATS (Arrival_Time_Stamp) is described.
  • ATS indicates the transfer start time of the TS packet to the PID filter of the decoder.
  • Source packets are arranged in the multiplexed data as shown in the lower part of FIG. 24, 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. 25 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 a one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
  • the multiplexed data information includes a system rate, a reproduction start time, and a reproduction end time as shown in FIG.
  • the system rate indicates a maximum transfer rate of multiplexed data to a PID filter of a system target decoder described later.
  • the ATS interval included in the multiplexed data is set to be equal to or less than the system rate.
  • the playback start time is the PTS of the first video frame of the multiplexed data
  • the playback end time is set by adding the playback interval for one frame to the PTS of the video frame at the end of the multiplexed data.
  • attribute information about each stream included in the multiplexed data is registered for each PID.
  • the attribute information has different information for each video stream, audio stream, presentation graphics stream, and interactive graphics stream.
  • the video stream attribute information includes the compression codec used to compress the video stream, the resolution of the individual picture data constituting the video stream, the aspect ratio, and the frame rate. It has information such as how much it is.
  • the audio stream attribute information includes the compression codec used to compress the audio stream, the number of channels included in the audio stream, the language supported, and the sampling frequency. With information. These pieces of information are used for initialization of the decoder before the player reproduces it.
  • the stream type included in the PMT is used.
  • video stream attribute information included in the multiplexed data information is used.
  • the video encoding shown in each of the above embodiments for the stream type or video stream attribute information included in the PMT.
  • FIG. 28 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. 29 shows a configuration of an LSI ex500 that is made into one chip.
  • the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
  • the power supply circuit unit ex505 is activated to an operable state by supplying power to each unit when the power supply is on.
  • the LSI ex500 when performing the encoding process, performs the microphone ex117 and the camera ex113 by the AV I / O ex509 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like.
  • the AV signal is input from the above.
  • the input AV signal is temporarily stored in an external memory ex511 such as SDRAM.
  • the accumulated data is divided into a plurality of times as appropriate according to the processing amount and the processing speed and sent to the signal processing unit ex507, and the signal processing unit ex507 encodes an audio signal and / or video. Signal encoding is performed.
  • the encoding process of the video signal is the encoding process described in the above embodiments.
  • the signal processing unit ex507 further performs processing such as multiplexing the encoded audio data and the encoded video data according to circumstances, and outputs the result from the stream I / Oex 506 to the outside.
  • the output multiplexed data is transmitted to the base station ex107 or written to the recording medium ex215. It should be noted that data should be temporarily stored in the buffer ex508 so as to be synchronized when multiplexing.
  • the memory ex511 is described as an external configuration of the LSI ex500.
  • a configuration included in the LSI ex500 may be used.
  • the number of buffers ex508 is not limited to one, and a plurality of buffers may be provided.
  • the LSI ex500 may be made into one chip or a plurality of chips.
  • control unit ex501 includes the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like, but the configuration of the control unit ex501 is not limited to this configuration.
  • the signal processing unit ex507 may further include a CPU.
  • the CPU ex502 may be configured to include a signal processing unit ex507 or, for example, an audio signal processing unit that is a part of the signal processing unit ex507.
  • the control unit ex501 is configured to include a signal processing unit ex507 or a CPU ex502 having a part thereof.
  • LSI LSI
  • IC system LSI
  • super LSI ultra LSI depending on the degree of integration
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • a reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • FIG. 30 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 of FIG.
  • the decoding processing unit ex801 that executes the moving picture decoding method shown in each of the above embodiments and the decoding processing unit ex802 that complies with the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to. 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 fifth embodiment may be used.
  • the identification information is not limited to that described in the fifth 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.
  • the selection of the driving frequency in the CPU ex502 may be performed based on, for example, a lookup table in which video data standards and driving frequencies are associated with each other as shown in FIG. The look-up table is stored in the buffer ex508 or the internal memory of the LSI, and the CPU ex502 can select the drive frequency by referring to the look-up table.
  • FIG. 31 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. 33A.
  • 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 motion compensation, and any of other entropy coding, deblocking filter, and inverse quantization is used.
  • the decoding processing unit for executing the moving picture decoding method described in each of the above embodiments is shared, and the processing content specific to the MPEG4-AVC standard As for, a configuration using a dedicated decoding processing unit may be used.
  • ex1000 in FIG. 33B shows another example in which processing is partially shared.
  • a dedicated decoding processing unit ex1001 corresponding to processing content unique to the present invention
  • a dedicated decoding processing unit ex1002 corresponding to processing content specific to other conventional standards
  • a moving picture decoding method of the present invention A common decoding processing unit ex1003 corresponding to processing contents common to other conventional video decoding methods is used.
  • the dedicated decoding processing units ex1001 and ex1002 are not necessarily specialized in the processing content specific to the present invention or other conventional standards, and may be capable of executing other general-purpose processing.
  • the configuration of the present embodiment can be implemented by LSI ex500.
  • the circuit scale of the LSI is reduced, and the cost is reduced. It is possible to reduce.
  • the image encoding method and the image decoding method according to the present invention can be used for, for example, a television, a digital video recorder, a car navigation, a mobile phone, a digital camera, or a digital video camera.

Abstract

　画像符号化方法は、第１参照ピクチャを示す第１参照インデックス、および、第１動きベクトルを用いて、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、対応ブロックの符号化に用いられた第２参照インデックスおよび第２動きベクトルを用いて、第３参照インデックスおよび第３動きベクトルを第１参照インデックスおよび第１動きベクトルの候補として算出する算出ステップ（Ｓ１０３）と、第３参照インデックスおよび第３動きベクトルを第１参照インデックスおよび第１動きベクトルとして用いて符号化対象ブロックを符号化するか否かを示すフラグの値を決定する決定ステップ（Ｓ１０４）と、フラグの値に従って第１参照インデックスおよび第１動きベクトルを用いて符号化対象ブロックを符号化し、フラグの値を符号化ストリームに付加する符号化ステップ（Ｓ１０６、Ｓ１０７）とを含む。

Description

画像符号化方法および画像復号化方法
　本発明は、参照インデックスおよび動きベクトルを用いる画像符号化方法および画像復号化方法に関する。
　画像符号化装置は、一般に、画像（静止画像および動画像を含む）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を圧縮する。空間方向の冗長性を利用する方法として、周波数領域への変換が用いられる。時間方向の冗長性を利用する方法として、インター予測が用いられる。インター予測は、ピクチャ間予測とも呼ばれる。
　インター予測を用いる画像符号化装置は、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順（表示時間順）で前方または後方の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、画像符号化装置は、その参照ピクチャに対する符号化対象ピクチャの動き検出により、動きベクトルを導出する。
　次に、画像符号化装置は、動きベクトルに基づいて動き補償を行って予測画像データを取得する。次に、画像符号化装置は、予測画像データと、符号化対照ピクチャの画像データとの差分を取得する。次に、画像符号化装置は、取得された差分を符号化する。これにより、画像符号化装置は、時間方向の冗長性を取り除く。
　ここで、動き検出において、画像符号化装置は、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して決定する。そして、画像符号化装置は、符号化対象ブロックと、参照ブロックとを用いて、動きベクトルを検出する。
　Ｈ．２６４と呼ばれる標準化された画像符号化方式（非特許文献１参照）に係る画像符号化装置は、情報量の圧縮のため、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る。この画像符号化装置は、Ｉピクチャに対して、インター予測を行わない。すなわち、画像符号化装置は、Ｉピクチャに対して、イントラ予測を行う。イントラ予測は、ピクチャ内予測とも呼ばれる。
　また、画像符号化装置は、Ｐピクチャに対して、表示順で、符号化対象ピクチャの前方または後方の既に符号化済みの１つのピクチャを参照してインター予測を行う。また、画像符号化装置は、Ｂピクチャに対して、表示順で、符号化対象ピクチャの前方または後方の既に符号化済みの２つのピクチャを参照してインター予測を行う。
　インター予測において、画像符号化装置は、参照ピクチャを特定するための参照リスト（参照ピクチャリストとも呼ばれる）を生成する。参照リストでは、インター予測で参照され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（参照インデックスとも呼ばれる）が割り当てられている。例えば、画像符号化装置は、Ｂピクチャに対して２つのピクチャを参照するため、２つの参照リスト（Ｌ０、Ｌ１）を保持する。
　図３４は、参照リストの例を示す。図３４の参照ピクチャリストＬ０は、双方向予測の第１予測方向に対応する参照ピクチャリストの例である。図３４の参照ピクチャリストＬ０では、表示順が２である参照ピクチャｒ１に、値が０である参照ピクチャインデックスが割り当てられている。また、表示順が１である参照ピクチャｒ２に、値が１である参照ピクチャインデックスが割り当てられている。そして、表示順が０である参照ピクチャｒ３に、値が２である参照ピクチャインデックスが割り当てられている。
　つまり、図３４の参照ピクチャリストＬ０では、参照ピクチャが表示順で符号化対象ピクチャに近い程、当該参照ピクチャに小さい参照ピクチャインデックスが割り当てられている。
　一方、図３４の参照ピクチャリストＬ１は、双方向予測の第２予測方向に対応する参照ピクチャリストの例である。図３４の参照ピクチャリストＬ１では、表示順が１である参照ピクチャｒ２に、値が０である参照ピクチャインデックスが割り当てられている。また、表示順が２である参照ピクチャｒ１に、値が１である参照ピクチャインデックスが割り当てられている。また、表示順が０である参照ピクチャｒ３に、値が２である参照ピクチャインデックスが割り当てられている。
　このように、２つの参照ピクチャリストに含まれる特定の参照ピクチャに対して、異なる２つの参照ピクチャインデックスが割り当てられる場合がある（図３４の参照ピクチャｒ１、ｒ２）。また、２つの参照ピクチャリストに含まれる特定の参照ピクチャに対して、同じ参照ピクチャインデックスが割り当てられる場合もある（図３４の参照ピクチャｒ３）。
　参照ピクチャリストＬ０のみを用いる予測は、Ｌ０予測と呼ばれる。参照ピクチャリストＬ１のみを用いる予測は、Ｌ１予測と呼ばれる。参照ピクチャリストＬ０および参照ピクチャリストＬ１の両方を用いる予測は、双方向予測または双予測と呼ばれる。
　Ｌ０予測では、予測方向として前方が用いられる場合が多い。Ｌ１予測では、予測方向として後方が用いられる場合が多い。つまり、参照ピクチャリストＬ０は、第１予測方向に対応するように構成され、参照ピクチャリストＬ１は、第２予測方向に対応するように構成される。
　これらの関係に基づいて、予測方向は、第１予測方向、第２予測方向および双方向のいずれかに分類される。また、予測方向が双方向である場合、予測方向が双方向予測または双予測であるとも表現される。
　Ｈ．２６４と呼ばれる画像符号化方式には、Ｂピクチャ内の符号化対象ブロックの符号化モード（インター予測モード、または、予測モードとも呼ばれる）として、動き検出モードがある。
　動き検出モードにおいて、画像符号化装置は、符号化対象ブロックの動きベクトルを検出する。そして、画像符号化装置は、参照ピクチャおよび動きベクトルを用いて予測画像データを生成する。そして、画像符号化装置は、予測画像データと符号化対象ブロックの画像データとの差分値、および、予測画像データの生成に用いられた動きベクトルを符号化する。
　動き検出モードには、上述のように、符号化対象ピクチャの前方または後方の既に符号化済みの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がある。また、動き検出モードには、符号化対象ピクチャの前方または後方の既に符号化済みの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がある。そして、符号化対象ブロックに対して、双方向予測および片方向予測のいずれかが選択される。
　また、Ｈ．２６４と呼ばれる画像符号化方式に係る画像符号化装置は、Ｂピクチャの符号化において、動きベクトルを導出する際に、時間ダイレクトモードと呼ばれる符号化モードを選択することができる。時間ダイレクトモードにおけるインター予測の方法を、図３５を用いて説明する。
　図３５は、時間ダイレクトモードにおける動きベクトルを示す説明図である。図３５は、画像符号化装置がピクチャＢ２のブロックａを時間ダイレクトモードで符号化する場合を示している。この場合、画像符号化装置は、ピクチャＢ２の後方の参照ピクチャであるピクチャＰ３において、ブロックａと同じ位置のブロックｂを符号化する際に用いられた動きベクトルｖｂを利用する。動きベクトルｖｂは、ピクチャＰ１を参照している。
　画像符号化装置は、ブロックａを符号化する際、動きベクトルｖｂと平行な動きベクトルを用いて、前方の参照ピクチャであるピクチャＰ１と、後方の参照ピクチャであるピクチャＰ３とから、参照ブロックを取得する。そして、画像符号化装置は、双方向予測を行って、ブロックａを符号化する。すなわち、画像符号化装置は、ピクチャＰ１に対して動きベクトルｖａ１を用い、ピクチャＰ３に対して動きベクトルｖａ２を用いて、ブロックａを符号化する。
　また、ＢピクチャおよびＰピクチャにおける符号化対象ブロックの符号化モードとして、マージモードがある。マージモードでは、画像符号化装置は、符号化対象ブロックの隣接ブロックから動きベクトルおよび参照ピクチャインデックスをコピーして、符号化対象ブロックを符号化する。この際に、画像符号化装置は、コピーに用いた隣接ブロックのインデックス等をビットストリームに付随させる。これによって、復号化側で、符号化側と同じ動きベクトルおよび参照ピクチャインデックスが選択可能になる。
　具体的な例として、図３６Ａを参照して説明する。図３６Ａの隣接ブロックＡは、符号化対象ブロックの左に隣接する符号化済みブロックである。隣接ブロックＢは、符号化対象ブロックの上に隣接する符号化済みブロックである。隣接ブロックＣは、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である。
　また、図３６Ａにおいて、隣接ブロックＡは、双方向予測で符号化されたブロックであり、第１予測方向の動きベクトルＭｖＬ０＿Ａと、第２予測方向の動きベクトルＭｖＬ１＿Ａを持つ。また、隣接ブロックＢは片方向予測で符号化されたブロックであり、第１予測方向の動きベクトルＭｖＬ０＿Ｂを持つ。また、隣接ブロックＣは片方向予測で符号化されたブロックであり、第１予測方向の動きベクトルＭｖＬ０＿Ｃを持つ。
　また、図３６Ａの例では、動きベクトルＭｖＬ０＿Ａ、ＭｖＬ０＿Ｂ、ＭｖＬ０＿Ｃは、同一の参照ピクチャＲｅｆＩｄｘＬ０を参照する。また、ＭｖＬ１＿Ａは、参照ピクチャＲｅｆＩｄｘＬ１を参照する。
　この例において、画像符号化装置は、隣接ブロックＡ、Ｂ、Ｃから、動きベクトルおよび参照ピクチャインデックスが符号化対象ブロックにコピーされる隣接ブロックを選択する。この時、画像符号化装置は、最も符号化効率が良くなるように、隣接ブロックを選択する。そして、画像符号化装置は、選択された隣接ブロックを表すマージブロックインデックスをビットストリームに付随させる。
　画像符号化装置は、例えば、隣接ブロックＡを選択した場合、動きベクトルＭｖＬ０＿Ａ、動きベクトルＭｖＬ１＿Ａ、および、動きベクトルＭｖＬ０＿Ａ、ＭｖＬ１＿Ａが参照する参照ピクチャを用いて、符号化対象ブロックを符号化する。そして、画像符号化装置は、隣接ブロックＡを用いたことを表すマージブロックインデックスのみをビットストリームに付随させる。
　図３６Ｂは、マージブロックインデックスの例を示す。画像符号化装置は、このようなマージブロックインデックスのみをビットストリームに付随させることで、動きベクトルおよび参照ピクチャインデックスの情報量を削減する。
ＩＴＵ－Ｔ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｈ．２６４「Ａｄｖａｎｃｅｄ　ｖｉｄｅｏ　ｃｏｄｉｎｇ　ｆｏｒ　ｇｅｎｅｒｉｃ　ａｕｄｉｏｖｉｓｕａｌ　ｓｅｒｖｉｃｅｓ」、２０１０年３月
　しかしながら、従来のマージモードでは、マージ元のブロックは、符号化対象ピクチャ内の隣接ブロックのみである。そのため、例えば、隣接ブロックがイントラ符号化された場合など、動きベクトルが存在しないような場合に、符号化効率が低下する。
　そこで、本発明は、符号化対象ピクチャ内の隣接ブロックだけでなく、符号化対象ピクチャとは異なる他の参照ピクチャの符号化結果情報を、マージの対象とすることによって、符号化効率を向上する画像符号化方法を提供することを目的とする。
　上記課題を解決するため、本発明に係る画像符号化方法は、第１参照ピクチャを示す第１参照インデックス、および、第１動きベクトルを用いて、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、符号化対象ピクチャとは異なる対応ピクチャに含まれるブロックであり、前記符号化対象ピクチャ内における前記符号化対象ブロックの位置に一致するブロックである対応ブロックの符号化に用いられた第２参照インデックスおよび第２動きベクトルを用いて、第３参照インデックスおよび第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルの候補として算出する算出ステップと、前記第３参照インデックスおよび前記第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルとして用いて前記符号化対象ブロックを符号化するか否かを示すフラグの値を決定する決定ステップと、前記フラグの値に従って前記第１参照インデックスおよび前記第１動きベクトルを用いて前記符号化対象ブロックを符号化し、前記フラグの値を符号化ストリームに付加する符号化ステップとを含む。
　また、前記算出ステップでは、前記第２参照インデックスを前記第３参照インデックスにコピーし、前記符号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照インデックスにより示される第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出してもよい。
　また、前記算出ステップでは、前記第２参照インデックスにより示される第２参照ピクチャが、前記符号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスを無効にし、前記第３参照インデックスが無効でない場合、前記符号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出してもよい。
　また、前記算出ステップでは、前記第２参照インデックスにより示される第２参照ピクチャが、前記符号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスに、前記参照ピクチャリストにおいて割り当て可能な最大値をセットし、前記符号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出してもよい。
　また、本発明に係る画像復号化方法は、第１参照ピクチャを示す第１参照インデックス、および、第１動きベクトルを用いて、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、復号化対象ピクチャとは異なる対応ピクチャに含まれるブロックであり、前記復号化対象ピクチャ内における前記復号化対象ブロックの位置に一致するブロックである対応ブロックの復号化に用いられた第２参照インデックスおよび第２動きベクトルを用いて、第３参照インデックスおよび第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルの候補として算出する算出ステップと、前記第３参照インデックスおよび前記第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルとして用いて前記復号化対象ブロックを復号化するか否かを示すフラグの値を符号化ストリームから取得する取得ステップと、前記フラグの値に従って前記第１参照インデックスおよび前記第１動きベクトルを用いて前記復号化対象ブロックを復号化する復号化ステップとを含む画像復号化方法でもよい。
　また、前記算出ステップでは、前記第２参照インデックスを前記第３参照インデックスにコピーし、前記復号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照インデックスにより示される第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出してもよい。
　また、前記算出ステップでは、前記第２参照インデックスにより示される第２参照ピクチャが、前記復号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスを無効にし、前記第３参照インデックスが無効でない場合、前記復号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出してもよい。
　また、前記算出ステップでは、前記第２参照インデックスにより示される第２参照ピクチャが、前記復号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスに、前記参照ピクチャリストにおいて割り当て可能な最大値をセットし、前記復号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出してもよい。
　本発明によれば、符号化対象ピクチャ内の隣接ブロックだけでなく、符号化対象ピクチャとは異なる他の参照ピクチャの符号化結果情報を、マージの対象とすることによって、符号化効率を向上することが可能になる。
図１は、実施の形態１に係る画像符号化装置の構成を示すブロック図である。 図２は、実施の形態１に係る画像符号化装置の動作を示すフローチャートである。 図３Ａは、実施の形態１に係るマージブロック候補の例を示す図である。 図３Ｂは、実施の形態１に係るマージブロックインデックスの例を示す図である。 図４は、実施の形態１に係る符号表の例を示す図である。 図５は、実施の形態１に係る比較処理を示すフローチャートである。 図６は、実施の形態１に係る読み書き処理を示す概念図である。 図７は、実施の形態１に係る算出処理を示すフローチャートである。 図８Ａは、実施の形態１に係る時間マージ動きベクトルの第１例を示す図である。 図８Ｂは、実施の形態１に係る時間マージ動きベクトルの第２例を示す図である。 図９Ａは、実施の形態１に係る時間マージ動きベクトルの第３例を示す図である。 図９Ｂは、実施の形態１に係る時間マージ動きベクトルの第４例を示す図である。 図１０は、実施の形態２に係る参照インデックスの算出処理を示すフローチャートである。 図１１Ａは、実施の形態２に係る時間マージ動きベクトルの第１例を示す図である。 図１１Ｂは、実施の形態２に係る時間マージ動きベクトルの第２例を示す図である。 図１２Ａは、実施の形態２に係る時間マージ動きベクトルの第３例を示す図である。 図１２Ｂは、実施の形態２に係る時間マージ動きベクトルの第４例を示す図である。 図１３は、実施の形態３に係る画像復号化装置の構成を示すブロック図である。 図１４は、実施の形態３に係る画像復号化装置の動作を示すフローチャートである。 図１５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１６は、デジタル放送用システムの全体構成図である。 図１７は、テレビの構成例を示すブロック図である。 図１８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１９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２０Ａは、携帯電話の一例を示す図である。 図２０Ｂは、携帯電話の構成例を示すブロック図である。 図２１は、多重化データの構成を示す図である。 図２２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２３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２４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２５は、ＰＭＴのデータ構成を示す図である。 図２６は、多重化データ情報の内部構成を示す図である。 図２７は、ストリーム属性情報の内部構成を示す図である。 図２８は、映像データを識別するステップを示す図である。 図２９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３０は、駆動周波数を切り替える構成を示す図である。 図３１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３２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３３Ａは、信号処理部のモジュールを共有化する構成の一例を示す図である。 図３３Ｂは、信号処理部のモジュールを共有化する構成の他の一例を示す図である。 図３４は、参照ピクチャリストの例を示す図である。 図３５は、時間ダイレクトモードの動きベクトルの例を示す図である。 図３６Ａは、隣接ブロックの例を示す図である。 図３６Ｂは、マージブロックインデックスの例を示す図である。
　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。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示す。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置および接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、請求の範囲だけによって限定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。
　（実施の形態１）
　図１は、本実施の形態に係る画像符号化装置を示すブロック図である。画像符号化装置は、図１のように、減算部１０２、直交変換部１０３、量子化部１０４、逆量子化部１０６、逆直交変換部１０７、加算部１０８、ブロックメモリ１０９、フレームメモリ１１１、イントラ予測部１１０、インター予測部１１２、スイッチ部１１３、インター予測制御部１２１、ピクチャタイプ決定部１２４、時間マージ動きベクトル算出部１２２、ｃｏｌＰｉｃメモリ１２５、ｃｏ－ｌｏｃａｔｅｄ参照方向決定部１２３、および、可変長符号化部１０５を備えている。
　直交変換部１０３は、入力画像列に対し、画像領域から、周波数領域への変換を行う。量子化部１０４は、周波数領域に変換された入力画像列に対し、量子化処理を行う。逆量子化部１０６は、量子化部１０４により、量子化処理された入力画像列に対し、逆量子化処理を行う。逆直交変換部１０７は、逆量子化処理された入力画像列に対し、周波数領域から、画像領域への変換を行う。
　ブロックメモリ１０９は、入力画像列をブロック単位で保存するためのメモリである。フレームメモリ１１１は、入力画像列をフレーム単位で保存するためのメモリである。ピクチャタイプ決定部１２４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１１０は、ブロックメモリ１０９に保存されているブロック単位の入力画像列を用いて、符号化対象ブロックに対してイントラ予測を行い、予測画像データを生成する。インター予測部１１２は、フレームメモリ１１１に保存されているフレーム単位の入力画像と、動き検出により導出した動きベクトルとを用いて、符号化対象ブロックに対してインター予測を行い、予測画像データを生成する。
　ｃｏ－ｌｏｃａｔｅｄ参照方向決定部１２３は、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照ブロックおよび後方参照ブロックのいずれであるかを決定する。前方参照ブロックは、符号化対象ピクチャよりも、表示順で、前方に位置するピクチャに含まれるブロックである。後方参照ブロックは、後方に位置するピクチャに含まれるブロックである。
　ｃｏ－ｌｏｃａｔｅｄ参照方向決定部１２３は、ｃｏ－ｌｏｃａｔｅｄ参照方向フラグをピクチャ毎に生成し、符号化対象ピクチャに付随させる。ここで、ｃｏ－ｌｏｃａｔｅｄブロックは、符号化対象ブロックを含むピクチャとは異なるピクチャ内のブロックで、かつ、ピクチャ内における位置が、符号化対象ブロックと同じ位置のブロックである。そして、ｃｏ－ｌｏｃａｔｅｄブロックは、符号化対象ブロックに対応する対応ブロックである。対応ブロックを含むピクチャは、符号化対象ピクチャに対応する対応ピクチャである。
　なお、上述の通り、典型的には、ｃｏ－ｌｏｃａｔｅｄブロックの位置と符号化対象ブロックの位置とは同一である。しかし、それらは異なっていてもよい。
　時間マージ動きベクトル算出部１２２は、ｃｏｌＰｉｃメモリ１２５に格納されているｃｏ－ｌｏｃａｔｅｄブロックの動きベクトル等を含むｃｏｌＰｉｃ情報を用いて、マージモードのマージブロック候補（ｃｏ－ｌｏｃａｔｅｄマージブロック）を導出する。また、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックに対応するマージブロックインデックスの値を割り当てる。
　そして、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックと、マージブロックインデックスを、インター予測制御部１２１に送る。ｃｏ－ｌｏｃａｔｅｄブロックが動きベクトルを有していない場合、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックの導出を中止するか、または、動きベクトルを０とみなして、ｃｏ－ｌｏｃａｔｅｄマージブロックを導出する。
　インター予測制御部１２１は、動き検出により導出された動きベクトルを用いて生成した予測画像と、マージモードにより導出された動きベクトルを用いて生成した予測画像とに基づいて、予測誤差が最も小さい予測モードを用いて、インター予測を行う。また、インター予測制御部１２１は、予測モードがマージモードか否かを表すマージフラグを可変長符号化部１０５に送る。
　また、インター予測制御部１２１は、予測モードとしてマージモードが選択された場合、決定したマージブロックに対応するマージブロックインデックスと、予測の誤差情報とを、可変長符号化部１０５に送る。さらに、インター予測制御部１２１は、符号化対象ブロックの動きベクトル等を含むｃｏｌＰｉｃ情報をｃｏｌＰｉｃメモリ１２５に転送する。
　直交変換部１０３は、生成された予測画像データと入力画像列との予測誤差データに対して、画像領域から周波数領域への変換を行う。量子化部１０４は、周波数領域へ変換した予測誤差データに対し、量子化処理を行う。可変長符号化部１０５は、量子化処理された予測誤差データ、マージフラグ、マージブロックインデックス、ピクチャタイプ情報およびｃｏ－ｌｏｃａｔｅｄ参照方向フラグに対し、可変長符号化処理を行う。これにより、可変長符号化部１０５は、ビットストリームを生成する。
　図２は、本実施の形態に係る画像符号化方法の処理フローの概要を示す。ｃｏ－ｌｏｃａｔｅｄ参照方向決定部１２３は、ｃｏ－ｌｏｃａｔｅｄマージブロック候補の導出において、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照ブロックおよび後方参照ブロックのいずれであるかを決定する（Ｓ１０１）。
　例えば、ｃｏ－ｌｏｃａｔｅｄ参照方向決定部１２３は、前方参照ブロックの属する前方参照ピクチャと、後方参照ブロックの属する後方参照ピクチャのうち、符号化対象ピクチャと表示順において距離が近い方をｃｏ－ｌｏｃａｔｅｄブロックとして決定する。そして、ｃｏ－ｌｏｃａｔｅｄ参照方向決定部１２３は、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照ブロックであるか後方参照ブロックであるかを示すｃｏ－ｌｏｃａｔｅｄブロック参照フラグをピクチャ毎に生成し、ピクチャに付随させる。
　インター予測制御部１２１は、符号化対象ブロックの隣接ブロックからマージブロック候補を生成する（Ｓ１０２）。例えば、図３Ａの場合、インター予測制御部１２１は、符号化対象ブロックの動きベクトルおよび参照ピクチャインデックスとして、隣接ブロックＡ、Ｂ、Ｃをマージブロック候補として決定する。そして、インター予測制御部１２１は、各マージブロック候補に対し、図３Ｂのように、マージブロックインデックスを割り振る。
　一般に、マージベクトルインデックスの値が小さい程、必要な情報量が小さくなる。一方、マージベクトルインデックスの値が大きい程、必要な情報量が大きくなる。従って、インター予測制御部１２１は、より精度の高い動きベクトルおよび参照ピクチャインデックスを有する可能性の高いマージブロックに対応するマージブロックインデックスの値を小さくする。これにより、符号化効率が高くなる。
　例えば、インター予測制御部１２１は、マージブロックとして選ばれた回数をブロック毎に計測する。そして、インター予測制御部１２１は、その回数が多いブロックに対し、小さい値のマージブロックインデックスを割り振ってもよい。
　時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄ参照方向に応じてｃｏｌＰｉｃメモリ１２５からｃｏ－ｌｏｃａｔｅｄブロックの動きベクトル等を含むｃｏｌＰｉｃ情報をリードする。そして、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの参照ピクチャインデックスおよび動きベクトルを用いて、マージモードにおけるｃｏ－ｌｏｃａｔｅｄマージブロックを導出する（Ｓ１０３）。
　また、インター予測制御部１２１は、図３Ｂのように、ｃｏ－ｌｏｃａｔｅｄマージブロックに対応するマージブロックインデックスの値を割り振る。
　インター予測制御部１２１は、動き検出により導出された動きベクトルを用いて生成した予測画像の予測誤差と、マージブロック候補によって生成した予測画像の予測誤差を、後述する方法で比較する。そして、インター予測制御部１２１は、予測モードがマージモードであれば、マージフラグを１に、そうでなければ、マージフラグを０にセットする（Ｓ１０４）。
　可変長符号化部１０５は、マージフラグが１であるか否か、すなわち、予測モードがマージモードか否かを判定する（Ｓ１０５）。そして、真なら、可変長符号化部１０５は、マージフラグ、および、マージに用いるマージブロックインデックスをビットストリームに付随させる（Ｓ１０６）。偽なら、可変長符号化部１０５は、マージフラグおよび動き検出モードの情報をビットストリームに付随させる（Ｓ１０７）。
　インター予測制御部１２１は、インター予測に用いた動きベクトル等を含むｃｏｌＰｉｃ情報を、後述する方法で、ｃｏｌＰｉｃメモリ１２５に転送し、保存する（Ｓ１０８）。ｃｏｌＰｉｃメモリ１２５には、符号化対象ブロックに対する時間ダイレクトモードの動きベクトルを算出するため、参照ピクチャの動きベクトル、参照ピクチャのインデックス値、および、予測方向などが格納されている。
　なお、本実施の形態では、図３Ｂのように、マージブロックインデックスの値が割り当てられている。具体的には、隣接ブロックＡに対応する値が０であり、隣接ブロックＢに対応する値が１であり、隣接ブロックＣに対応する値が２であり、ｃｏ－ｌｏｃａｔｅｄマージブロックに対応する値が３である。しかし、必ずしも、マージブロックインデックスの割り当て方は、この例に限らない。
　図４は、マージブロックインデックスを可変長符号化する際に用いられる符号表の例を示している。マージブロックインデックスの値が小さい順に、符号長の短い符号が割り当てられている。従って、予測精度が良い可能性の高いマージブロック候補に対応するマージブロックインデックスに小さい値が割り当てられることで、符号化効率が向上する。
　図５は、図２のコスト比較（Ｓ１０４）の詳細な処理フローを示す。まず、インター予測制御部１２１は、マージブロック候補インデックスに０をセットし、最小予測誤差に、動き検出モードの予測誤差（コスト）をセットし、マージフラグに０をセットする（Ｓ２０１）。ここで、コストは、例えば、Ｒ－Ｄ最適化モデルに基づく以下の式１で算出される。
　Ｃｏｓｔ＝Ｄ＋λ×Ｒ　・・・（式１）
　式１において、Ｄは符号化歪を表す。具体的には、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がＤに用いられる。また、Ｒは発生符号量を表す。具体的には、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がＲに用いられる。またλはラグランジュの未定乗数である。
　インター予測制御部１２１は、マージブロック候補インデックスの値が、符号化対象ブロックのマージブロック候補数よりも小さいか否か、つまり、まだマージ候補となりうるブロックが存在するか否かを判定する（Ｓ２０２）。真なら、インター予測制御部１２１は、マージブロック候補インデックスが割り振られたマージブロック候補のコストを算出する（Ｓ２０３）。
　そして、インター予測制御部１２１は、算出したマージブロック候補のコストが、最小予測誤差よりも小さいか否かを判定する（Ｓ２０４）。真なら、インター予測制御部１２１は、最小予測誤差、マージブロックインデックスおよびマージフラグを更新する（Ｓ２０５）。インター予測制御部１２１は、マージブロック候補インデックスの値に１を加算する。そして、インター予測制御部１２１は、上述の処理（Ｓ２０２からＳ２０６）を繰り返す。
　マージブロック候補がなくなれば（Ｓ２０２でＮｏ）、インター予測制御部１２１は、最終的に残ったマージフラグおよびマージブロックインデックスの値を確定する。
　図６は、図１に示されたｃｏｌＰｉｃメモリ１２５への読み書き処理を示す概念図である。図６には、ｃｏ－ｌｏｃａｔｅｄピクチャｃｏｌＰｉｃに含まれるｃｏ－ｌｏｃａｔｅｄブロックが示されている。また、ｃｏ－ｌｏｃａｔｅｄブロックについて、第１予測方向の動きベクトルＭｖＬ０＿Ｃｏｌ、第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０＿Ｃｏｌ、第２予測方向の動きベクトルＭｖＬ１＿Ｃｏｌ、および、第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１＿Ｃｏｌが示されている。
　なお、本実施の形態では、第１予測方向が前方参照であり、第２予測方向が後方参照である例を用いられている。しかし、第１予測方向が後方参照であり、第２予測方向が前方参照であってもよい。また、第１予測方向および第２予測方向が共に前方参照または後方参照でも構わない。
　また、ｃｏ－ｌｏｃａｔｅｄブロックは、ｃｏ－ｌｏｃａｔｅｄピクチャｃｏｌＰｉｃ内での位置が符号化対象ピクチャ内での符号化対象ブロックの位置に一致するブロックである。ｃｏ－ｌｏｃａｔｅｄピクチャｃｏｌＰｉｃが符号化対象ピクチャよりも後方であるか前方であるかは、ｃｏ－ｌｏｃａｔｅｄ参照方向フラグによって切替えられる。
　その後、符号化対象ブロックが符号化される時に、ｃｏｌＰｉｃメモリ１２５に格納された動きベクトル等を含むｃｏｌＰｉｃ情報がｃｏ－ｌｏｃａｔｅｄ参照フラグに応じて読み出され、ｃｏ－ｌｏｃａｔｅｄマージブロックが算出される。算出されたｃｏ－ｌｏｃａｔｅｄマージブロックは、符号化対象ブロックの符号化に用いられる。
　図７は、図２のマージブロック算出（Ｓ１０３）の詳細な処理フローである。以下、図７に示された処理について説明する。
　時間マージ動きベクトル算出部１２２は、ｃｏｌＰｉｃメモリ１２５からｃｏｌＰｉｃ情報を、ｃｏ－ｌｏｃａｔｅｄ参照方向フラグに応じてリードする（Ｓ３０１）。時間マージ動きベクトル算出部１２２は、ｃｏｌＰｉｃ情報に含まれるｃｏ－ｌｏｃａｔｅｄブロックが、２つ以上の動きベクトルを有しているか否かを判定する。すなわち、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照動きベクトル（ｍｖＬ０）および後方参照動きベクトル（ｍｖＬ１）を有しているか否かを判定する（Ｓ３０２）。
　真なら（Ｓ３０２でＹｅｓ）、時間マージ動きベクトル算出部１２２は、符号化対象ブロックの第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０に、ｃｏ－ｌｏｃａｔｅｄブロックの第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０＿Ｃｏｌの値をコピーする。また、時間マージ動きベクトル算出部１２２は、符号化対象ブロックの第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１に、ｃｏ－ｌｏｃａｔｅｄブロックの第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１＿Ｃｏｌの値をコピーする（Ｓ３０３）。
　時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの第１予測方向の動きベクトルｍｖＬ０＿Ｃｏｌを用いて、第１予測方向の時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を算出する（Ｓ３０４）。また、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの第２予測方向の動きベクトルｍｖＬ１＿Ｃｏｌを用いて、第２予測方向の時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を算出する（Ｓ３０５）。
　偽なら（Ｓ３０２でＮｏ）、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照動きベクトルを有しているか否かを判定する（Ｓ３０７）。
　ｃｏ－ｌｏｃａｔｅｄブロックが、前方参照動きベクトルを有していると判定された場合（Ｓ３０７でＹｅｓ）、時間マージ動きベクトル算出部１２２は、符号化対象ブロックの第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０に、ｃｏ－ｌｏｃａｔｅｄブロックの第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０＿Ｃｏｌの値をコピーする。
　また、時間マージ動きベクトル算出部１２２は、符号化対象ブロックの第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１に、－１をセットする。参照ピクチャインデックスＲｅｆＩｄｘＬ１が－１であることは、第２予測方向が使用できないことを表す。つまり、時間マージ動きベクトル算出部１２２は、予測方向を片方向予測に決定する（Ｓ３０８）。
　そして、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの第１予測方向の動きベクトルｍｖＬ０＿Ｃｏｌを用いて、第１予測方向の時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を算出する（Ｓ３０９）。
　ｃｏ－ｌｏｃａｔｅｄブロックが、前方参照動きベクトルを有していないと判定された場合（Ｓ３０７でＮｏ）、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックが後方参照動きベクトルを有しているか否かを判定する（Ｓ３１０）。
　ｃｏ－ｌｏｃａｔｅｄブロックが、後方参照動きベクトルを有していると判定された場合（Ｓ３１０でＹｅｓ）、時間マージ動きベクトル算出部１２２は、符号化対象ブロックの第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０に、－１をセットする。参照ピクチャインデックスＲｅｆＩｄｘＬ０が－１であることは、第１予測方向が使用できないことを表す。つまり、時間マージ動きベクトル算出部１２２は、予測方向を片方向予測に決定する。
　また、時間マージ動きベクトル算出部１２２は、符号化対象ブロックの第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１に、ｃｏ－ｌｏｃａｔｅｄブロックの第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１＿Ｃｏｌの値をコピーする（Ｓ３１１）。
　そして、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの第２予測方向の動きベクトルｍｖＬ１＿Ｃｏｌを用いて、第２予測方向の時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を算出する（Ｓ３１２）。
　ｃｏ－ｌｏｃａｔｅｄブロックが、後方参照動きベクトルを有していないと判定された場合（Ｓ３１０でＮｏ）、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックをマージブロック候補に追加しないことを決定する（Ｓ３１３）。
　時間マージ動きベクトルＭｅｒｇｅＭＶＬ０、または、時間マージ動きベクトルＭｅｒｇｅＭＶＬ１が算出された場合、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックをマージブロック候補に追加する（Ｓ３０６）。
　この場合、ｃｏ－ｌｏｃａｔｅｄマージブロックは、第１予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ０について、第１予測方向の時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を持つ。また、ｃｏ－ｌｏｃａｔｅｄマージブロックは、第２予測方向の参照ピクチャインデックスＲｅｆＩｄｘＬ１について、第２予測方向の時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を持つ。
　なお、本実施の形態において、参照ピクチャインデックスが－１であることは、その方向が使用できない、つまり、予測方向が片方向予測であることを表す。しかし、必ずしもそれに限らず、使用できないこと示す形式は、どのような形式でも構わない。
　また、図７の処理フローでは、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照動きベクトルを有しているか否かについて判定した後、ｃｏ－ｌｏｃａｔｅｄブロックが後方参照動きベクトルを有しているか否かについて判定している。
　しかし、判定の順序はこのフローに限らない。例えば、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックが後方参照動きベクトルを有しているか否かについて判定した後、ｃｏ－ｌｏｃａｔｅｄブロックが前方参照動きベクトルを有しているか否かについて判定してもよい。
　次に、時間マージ動きベクトルを導出する方法について、詳細に説明する。
　図８Ａおよび図８Ｂは、ｃｏ－ｌｏｃａｔｅｄブロックが、後方参照ブロックであり、前方参照動きベクトルと後方参照動きベクトルとを有する場合に、時間マージ動きベクトルを導出する方法を示している。時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの前方参照動きベクトルｍｖＬ０＿Ｃｏｌを用いて、以下の式２により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を導出する。
　ＭｅｒｇｅＭｖＬ０＝ｍｖＬ０＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））　・・・（式２）
　ここで、ｃｕｒＰＯＣは符号化対象ピクチャの表示順を表し、ｃｏｌＰＯＣはｃｏｌＰｉｃの表示順を表す。また、ＰＯＣ１（Ｘ）は、符号化対象ピクチャの参照ピクチャリストにおける、参照ピクチャインデックスＸが示す参照ピクチャの表示順を表す。また、ＰＯＣ２（Ｘ）は、ｃｏｌＰｉｃの参照ピクチャリストにおける、参照ピクチャインデックスＸが示す参照ピクチャの表示順を表す。
　図８Ａの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））は、ピクチャＢ２とピクチャＢ０の表示時間における時間差情報、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ０の表示時間における時間差情報を示す。
　また、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの後方参照動きベクトルｍｖＬ１＿Ｃｏｌを用いて、以下の式３により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を導出する。
　ＭｅｒｇｅＭｖＬ１＝ｍｖＬ１＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））　・・・（式３）
　図８Ｂの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））は、ピクチャＢ２とピクチャＢ４の表示時間における時間差情報、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ８の表示時間における時間差情報を示す。
　図９Ａおよび図９Ｂは、ｃｏ－ｌｏｃａｔｅｄブロックが、前方参照ブロックであり、前方参照動きベクトルと後方参照動きベクトルとを有する場合に、時間マージ動きベクトルを導出する方法を示している。時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの前方参照動きベクトルｍｖＬ０＿Ｃｏｌを用いて、以下の式４により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を導出する。
　ＭｅｒｇｅＭｖＬ０＝ｍｖＬ０＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））　・・・（式４）
　図９Ａの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））は、ピクチャＢ６とピクチャＢ４の表示時間における時間差情報、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ０の表示時間における時間差情報を示す。
　また、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの後方参照動きベクトルｍｖＬ１＿Ｃｏｌを用いて、以下の式５により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を導出する。
　ＭｅｒｇｅＭｖＬ１＝ｍｖＬ１＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））　・・・（式５）
　図９Ｂの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））は、ピクチャＢ６とピクチャＢ８の表示時間における時間差情報、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ８の表示時間における時間差情報を示す。
　このように、本実施の形態によれば、画像符号化装置は、符号化対象ピクチャ内の隣接ブロックだけでなく、符号化対象ピクチャとは異なる他の参照ピクチャの符号化結果情報を、マージブロックの候補として利用する。これにより、符号化効率の向上が可能になる。
　より具体的には、画像符号化装置は、符号化対象ブロックのｃｏ－ｌｏｃａｔｅｄブロックを、マージブロックの候補として用いる。
　例えば、画像符号化装置は、符号化対象ブロックの参照ピクチャインデックスに、ｃｏ－ｌｏｃａｔｅｄブロックの参照ピクチャインデックスの値をそのままコピーする。また、画像符号化装置は、符号化対象ブロックの動きベクトルに、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルを用いる。さらに、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルは、符号化対象ピクチャ、参照ピクチャ、ｃｏｌＰｉｃ、および、ｃｏｌＰｉｃの参照するピクチャの位置関係に応じて適切にスケーリングされる。
　これにより、画像符号化装置は、符号化対象ブロックに対して最適なマージブロック候補を生成することができる。
　（実施の形態２）
　実施の形態２は、符号化対象ブロックのＲｅｆＩｄｘの決定方法（図７のＳ３０３、Ｓ３０８、Ｓ３１１）において、実施の形態１と異なる。その他に関しては、実施の形態１と同様であるため、説明を省略する。
　図１０は、実施の形態２における、符号化対象ブロックのＲｅｆＩｄｘ算出の詳細な処理フローである。以下、図１０に示された処理について説明する。なお、図１０に示された処理（Ｓ４０１～Ｓ４０４）が、第１予測方向（Ｘ＝０）と第２予測方向（Ｘ＝１）に対して、それぞれ行われる。
　時間マージ動きベクトル算出部１２２は、ｃｏｌＰｉｃの参照ピクチャリストを用いて、ｃｏ－ｌｏｃａｔｅｄブロックのＲｅｆＩｄｘＬＸ＿Ｃｏｌが示す参照ピクチャの表示順ＰＯＣ２（ＲｅｆＩｄｘＬＸ＿Ｃｏｌ）を求める（Ｓ４０１）。
　次に、時間マージ動きベクトル算出部１２２は、符号化対象ピクチャの参照ピクチャリストに表示順ＰＯＣ２（ＲｅｆＩｄｘＬＸ＿Ｃｏｌ）の参照ピクチャが含まれるか否かを判定する（Ｓ４０２）。
　参照ピクチャが含まれる場合（Ｓ４０２でＹｅｓ）、時間マージ動きベクトル算出部１２２は、符号化対象ピクチャの参照ピクチャリストを用いて、表示順ＰＯＣ２（ＲｅｆＩｄｘＬＸ＿Ｃｏｌ）の参照ピクチャの参照ピクチャインデックスを求める。そして、時間マージ動きベクトル算出部１２２は、求められた参照ピクチャインデックスを符号化対象ブロックのＲｅｆＩｄｘＬＸにセットする（Ｓ４０３）。
　参照ピクチャが含まれない場合（Ｓ４０２でＮｏ）、時間マージ動きベクトル算出部１２２は、符号化対象ブロックのＲｅｆＩｄｘＬＸに－１をセットする（Ｓ４０４）。ＲｅｆＩｄｘＬＸが－１であることは、その予測方向が使用できない、つまり、マージモードにおける予測方向が片方向予測であることを表す。
　なお、本実施の形態において、参照ピクチャインデックスが－１であることは、その方向が使用できない、つまり、予測方向が片方向予測であることを表す。しかし、必ずしもそれに限らず、使用できないことを表す形式は、どのような形式でも構わない。
　また、本実施の形態では、符号化対象ピクチャの参照ピクチャリストに表示順ＰＯＣ２（ＲｅｆＩｄｘＬＸ＿Ｃｏｌ）の参照ピクチャが含まれない場合（Ｓ４０２でＮｏ）、時間マージ動きベクトル算出部１２２は、その方向を使用できないように設定する。しかし、必ずしもこれに限らず、例えば、時間マージ動きベクトル算出部１２２は、符号化対象ピクチャの参照ピクチャリストにおいて使用できる参照ピクチャインデックスの最大値を、符号化対象ブロックの参照ピクチャインデックスとして決定しても構わない。
　次に、本実施の形態に係る時間マージ動きベクトルを導出する方法について、詳細に説明する。
　図１１Ａおよび図１１Ｂは、ｃｏ－ｌｏｃａｔｅｄブロックが、後方参照ブロックであり、前方参照動きベクトルと後方参照動きベクトルとを有する場合に、時間マージ動きベクトルを導出する方法を示している。時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの前方参照動きベクトルｍｖＬ０＿Ｃｏｌを用いて、以下の式６により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を導出する。
　ＭｅｒｇｅＭｖＬ０＝ｍｖＬ０＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））　・・・（式６）
　ここで、ｒｅｆＩｄｘＬ０は、図１０の処理フローで求めた符号化対象ブロックの第１予測方向の参照ピクチャインデックスを表す。図１１Ａの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））は、ピクチャＢ２とピクチャＢ０の表示時間における時間差情報を示す。また、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ０の表示時間における時間差情報を示す。
　また、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの後方参照動きベクトルｍｖＬ１＿Ｃｏｌを用いて、以下の式７により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を導出する。
　ＭｅｒｇｅＭｖＬ１＝ｍｖＬ１＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））　・・・（式７）
　ここで、ｒｅｆＩｄｘＬ１は、図１０の処理フローで求めた符号化対象ブロックの第２予測方向の参照ピクチャインデックスを表す。図１１Ｂの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））は、ピクチャＢ２とピクチャＢ８の表示時間における時間差情報を示す。また、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ８の表示時間における時間差情報を示す。
　なお、図１１Ｂの場合に、ピクチャＢ８が符号化対象ピクチャの参照ピクチャリストに含まれない場合、第２予測方向は使用できない（図１０のＳ４０４）。この場合、時間マージ動きベクトル算出部１２２は、例えば、片方向のｃｏ－ｌｏｃａｔｅｄマージブロックをマージブロック候補に追加する。
　図１２Ａおよび図１２Ｂは、ｃｏ－ｌｏｃａｔｅｄブロックが、前方参照ブロックであり、前方参照動きベクトルと後方参照動きベクトルとを有する場合に、時間マージ動きベクトルを導出する方法を示している。時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの前方参照動きベクトルｍｖＬ０＿Ｃｏｌを用いて、以下の式８により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ０を導出する。
　ＭｅｒｇｅＭｖＬ０＝ｍｖＬ０＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））　・・・（式８）
　ここで、ｒｅｆＩｄｘＬ０は、図１０の処理フローで求めた符号化対象ブロックの第１予測方向の参照ピクチャインデックスを表す。図１２Ａの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ０））は、ピクチャＢ６とピクチャＢ０の表示時間における時間差情報を示す。また、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ０＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ０の表示時間における時間差情報を示す。
　なお、図１２Ａの場合に、ピクチャＢ０が符号化対象ピクチャの参照ピクチャリストに含まれない場合、第１予測方向は使用できない（図１０のＳ４０４）。この場合、時間マージ動きベクトル算出部１２２は、例えば、片方向のｃｏ－ｌｏｃａｔｅｄマージブロックをマージブロック候補に追加する。
　また、時間マージ動きベクトル算出部１２２は、ｃｏ－ｌｏｃａｔｅｄブロックの後方参照動きベクトルｍｖＬ１＿Ｃｏｌを用いて、以下の式９により、符号化対象ブロックの時間マージ動きベクトルＭｅｒｇｅＭｖＬ１を導出する。
　ＭｅｒｇｅＭｖＬ１＝ｍｖＬ１＿Ｃｏｌ×（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））／（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））　・・・（式９）
　ここで、ｒｅｆＩｄｘＬ１は、図１０の処理フローで求めた符号化対象ブロックの第２予測方向の参照ピクチャインデックスを表す。図１２Ｂの場合、（ｃｕｒＰＯＣ－ＰＯＣ１（ｒｅｆＩｄｘＬ１））は、ピクチャＢ６とピクチャＢ８の表示時間における時間差情報を示す。また、（ｃｏｌＰＯＣ－ＰＯＣ２（ｒｅｆＩｄｘＬ１＿Ｃｏｌ））は、ピクチャＢ４とピクチャＢ８の表示時間における時間差情報を示す。
　このように、本実施の形態によれば、画像符号化装置は、符号化対象ピクチャ内の隣接ブロックだけでなく、符号化対象ピクチャとは異なる他の参照ピクチャの符号化結果情報を、マージブロックの候補として利用する。これにより、符号化効率の向上が可能になる。
　より具体的には、画像符号化装置は、符号化対象ブロックのｃｏ－ｌｏｃａｔｅｄブロックを、マージブロックの候補として用いる。
　例えば、画像符号化装置は、ｃｏ－ｌｏｃａｔｅｄブロックの参照ピクチャインデックスの値が示す参照ピクチャに基づいて、符号化対象ピクチャの参照ピクチャリストにおける参照ピクチャインデックスを変換する。これにより、画像符号化装置は、ｃｏ－ｌｏｃａｔｅｄブロックの参照ピクチャを符号化対象ブロックの参照ピクチャとして参照できる。したがって、ｃｏ－ｌｏｃａｔｅｄマージブロックの時間マージ動きベクトルの精度が向上する。よって、符号化効率が向上する。
　また、ｃｏ－ｌｏｃａｔｅｄブロックの参照ピクチャインデックスの値が示す参照ピクチャが、符号化対象ピクチャの参照ピクチャリストに含まれない場合、画像符号化装置は、その予測方向を使わない。これにより、画像符号化装置は、適切にマージ可能なｃｏ－ｌｏｃａｔｅｄマージブロックを生成できる。
　なお、本実施の形態を他の実施の形態と組み合わせることも可能である。例えば、画像符号化装置は、実施の形態１に基づいて求められたｃｏ－ｌｏｃａｔｅｄマージブロックを第１ｃｏ－ｌｏｃａｔｅｄマージブロックとしてマージブロック候補に追加してもよい。そして、画像符号化装置は、実施の形態２に基づいて求められたｃｏ－ｌｏｃａｔｅｄマージブロックを第２ｃｏ－ｌｏｃａｔｅｄマージブロックとしてマージブロック候補に追加してもよい。
　そして、この場合、画像符号化装置は、図５のフローで、予測誤差が最小となる予測モードを選択しても構わない。また、画像符号化装置は、図３Ｂのｃｏ－ｌｏｃａｔｅｄマージブロックに対するマージブロックインデックスの割り当て方として、第１ｃｏ－ｌｏｃａｔｅｄマージブロックに３を割り当て、第２ｃｏ－ｌｏｃａｔｅｄマージブロックに４を割り当ててもよい。これにより、画像符号化装置は、符号化対象ブロックを符号化するためのマージブロックを、より適切に選択することが可能になる。
　（実施の形態３）
　図１３は、本実施の形態に係る画像復号化装置の構成を示すブロック図である。
　本実施の形態では、復号化対象ピクチャよりも、表示順で、前方に位置するピクチャに含まれるブロックを、前方参照ブロックと呼ぶ。また、復号化対象ピクチャよりも、表示順で、後方に位置するピクチャに含まれるブロックを、後方参照ブロックと呼ぶ。
　画像復号化装置は、図１３に示すように、可変長復号化部２０５、逆量子化部２０６、逆直交変換部２０７、加算部２０８、ブロックメモリ２０９、フレームメモリ２１１、イントラ予測部２１０、インター予測部２１２、スイッチ部２１３、インター予測制御部２２１、時間マージ動きベクトル算出部２２２およびｃｏｌＰｉｃメモリ２２５を備えている。
　可変長復号化部２０５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う。そして、可変長復号化部２０５は、ピクチャタイプ情報、マージフラグ、マージブロックインデックス、ｃｏ－ｌｏｃａｔｅｄ参照方向フラグ、および、可変長復号化処理を行ったビットストリームを生成する。逆量子化部２０６は、可変長復号化処理を行ったビットストリームに対し、逆量子化処理を行う。逆直交変換部２０７は、逆量子化処理を行ったビットストリームを周波数領域から画像領域へ変換し、予測誤差画像データとする。
　ブロックメモリ２０９は、予測誤差画像データと予測画像データとが加算されて生成された画像列を、ブロック単位で保存するためのメモリである。フレームメモリ２１１は、画像列をフレーム単位で保存するためのメモリである。
　イントラ予測部２１０は、ブロックメモリ２０９に保存されているブロック単位の画像列を用いて、イントラ予測を実行することにより、復号化対象ブロックの予測誤差画像データを生成する。インター予測部２１２は、フレームメモリ２１１に保存されているフレーム単位の画像列を用いて、インター予測を実行することにより、復号化対象ブロックの予測誤差画像データを生成する。
　時間マージ動きベクトル算出部２２２は、ｃｏｌＰｉｃメモリ２２５に格納されているｃｏ－ｌｏｃａｔｅｄブロックの動きベクトル等のｃｏｌＰｉｃ情報を用いて、マージモードのマージブロック候補（ｃｏ－ｌｏｃａｔｅｄマージブロック）を導出する。また、時間マージ動きベクトル算出部２２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックに対応するマージブロックインデックスの値を割り当てる。
　そして、時間マージ動きベクトル算出部２２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックと、マージブロックインデックスを、インター予測制御部２２１に送る。ｃｏ－ｌｏｃａｔｅｄブロックが動きベクトルを有していない場合、時間マージ動きベクトル算出部２２２は、ｃｏ－ｌｏｃａｔｅｄマージブロックの導出を中止する。あるいは、時間マージ動きベクトル算出部２２２は、動きベクトルを０とみなして、ｃｏ－ｌｏｃａｔｅｄマージブロックを導出する。
　インター予測制御部２２１は、復号化したマージフラグが０ならば、動き検出モードの情報を復号化し、予測画像を生成する。マージフラグが１ならば、インター予測制御部２２１は、複数のマージブロック候補から、復号化したマージブロックインデックスに基づいて、インター予測に用いる動きベクトルおよび参照ピクチャインデックスを決定し、予測画像を生成する。また、インター予測制御部２２１は、復号化対象ブロックの動きベクトル等を含むｃｏｌＰｉｃ情報をｃｏｌＰｉｃメモリ２２５に転送する。
　最後に、復号化した予測画像データと、予測誤差画像データとを加算することにより、復号化画像列を生成する。
　図１４は、本実施の形態に係る画像復号化方法の処理フローの概要である。可変長復号化部２０５は、ｃｏ－ｌｏｃａｔｅｄ参照フラグ、および、マージフラグを復号化する（Ｓ５０１）。
　マージフラグが１ならば（Ｓ５０２でＹｅｓ）、時間マージ動きベクトル算出部２２２は、ｃｏ－ｌｏｃａｔｅｄ参照フラグに基づいて、ｃｏｌＰｉｃメモリ２２５から動きベクトル等のｃｏｌＰｉｃ情報をリードする。そして、時間マージ動きベクトル算出部２２２は、図７と同様の方法で、ｃｏ－ｌｏｃａｔｅｄマージブロックを生成し、マージブロック候補に追加する（Ｓ５０３）。
　そして、インター予測制御部２２１は、復号化したマージブロックインデックスに応じて、動きベクトル、および、参照ピクチャインデックスをコピーするためのマージブロックを決定し、それらを用いて予測画像を生成する（Ｓ５０４）。
　マージフラグが０ならば（Ｓ５０２でＮｏ）、インター予測部２１２は、動き検出モードの情報を用いて、予測画像を生成する（Ｓ５０５）。
　その後、インター予測制御部２２１は、インター予測に用いられた動きベクトル等を含むｃｏｌＰｉｃ情報を、ｃｏｌＰｉｃメモリ２２５に転送し、保存する（Ｓ５０６）。ｃｏｌＰｉｃメモリ２２５には、復号化対象ブロックに対して時間ダイレクトモードの動きベクトルを算出するための、参照ピクチャの動きベクトル、参照ピクチャのインデックス値、および、予測方向などが格納されている。
　このように、本実施の形態によれば、画像復号化装置は、復号化対象ピクチャ内の隣接ブロックだけでなく、復号化対象ピクチャとは異なる他の参照ピクチャの復号化結果情報を、マージブロックの候補として利用する。これにより、画像復号化装置は、符号化効率の高いビットストリームを適切に復号化することが可能になる。
　より具体的には、画像復号化装置は、復号化対象ブロックのｃｏ－ｌｏｃａｔｅｄブロックを、マージブロックの候補として用いる。
　例えば、画像復号化装置は、復号化対象ブロックの参照ピクチャインデックスに、ｃｏ－ｌｏｃａｔｅｄブロックの参照ピクチャインデックスの値をそのままコピーする。また、画像復号化装置は、復号化対象ブロックの動きベクトルに、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルを用いる。さらに、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルは、復号化対象ピクチャ、参照ピクチャ、ｃｏｌＰｉｃ、および、ｃｏｌＰｉｃの参照するピクチャの位置関係に応じて適切にスケーリングされる。
　これにより、画像復号化装置は、最適なマージブロック候補を生成することにより得られたビットストリームを適切に復号化することが可能になる。
　なお、実施の形態３に係る画像復号化装置は、実施の形態１に係る画像符号化装置に対応する画像復号化装置でもよいし、実施の形態２に係る画像符号化装置に対応する画像復号化装置でもよい。また、実施の形態３に係る画像復号化装置は、実施の形態１および実施の形態２の組み合わせに係る画像符号化装置に対応する画像復号化装置でもよい。
　以上、本発明に係る画像符号化装置および画像復号化装置について、実施の形態に基づいて説明したが、本発明は実施の形態に限定されるものではない。実施の形態に対して当業者が思いつく変形を施して得られる形態、および、実施の形態における構成要素を任意に組み合わせて実現される別の形態も本発明に含まれる。
　例えば、特定の処理部が実行する処理を別の処理部が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。
　また、本発明に係る画像符号化装置および画像復号化装置は、それらに含まれる任意の構成要素を組み合わせて実現される画像符号化復号化装置として実現されてもよい。
　また、本発明は、画像符号化装置および画像復号化装置として実現できるだけでなく、画像符号化装置および画像復号化装置を構成する処理手段をステップとする方法として実現できる。そして、本発明は、それらの方法に含まれるステップを、コンピュータに実行させるためのプログラムとして実現できる。さらに、本発明は、そのプログラムを記録したＣＤ－ＲＯＭ等の非一時的なコンピュータ読み取り可能な記録媒体として実現できる。
　また、画像符号化装置および画像復号化装置に含まれる複数の構成要素は、集積回路であるＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）として実現されてもよい。これらの構成要素は、個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、システムＬＳＩ、スーパーＬＳＩまたはウルトラ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。プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、または、ＬＳＩ内部の回路セルの接続および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、画像符号化装置および画像復号化装置に含まれる構成要素の集積回路化を行ってもよい。
　（実施の形態４）
　上記各実施の形態で示した動画像符号化方法（画像符号化方法）または動画像復号化方法（画像復号方法）の構成を実現するためのプログラムを記憶メディアに記録することにより、上記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（画像符号化方法）や動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、及び画像復号方法を用いた画像復号装置からなる画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　図１５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１５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（即ち、本発明の画像符号化装置として機能する）、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（即ち、本発明の画像復号装置として機能する）。
　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１６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（画像符号化装置）または動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。具体的には、放送局ex２０１では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex２０２に伝送される。この映像データは上記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（即ち、本発明の画像符号化装置によって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（即ち、本発明の画像復号装置として機能する）。
　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１７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（本発明の画像符号化装置または画像復号装置として機能する）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１８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１９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１７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２０Ａ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２０Ｂを用いて説明する。携帯電話ex１１４は、表示部ex３５８及び操作キー部ex３６６を備えた本体部の各部を統括的に制御する主制御部ex３６０に対して、電源回路部ex３６１、操作入力制御部ex３６２、映像信号処理部ex３５５、カメラインタフェース部ex３６３、ＬＣＤ（Liquid Crystal Display）制御部ex３５９、変調／復調部ex３５２、多重／分離部ex３５３、音声信号処理部ex３５４、スロット部ex３６４、メモリ部ex３６７がバスex３７０を介して互いに接続されている。
　電源回路部ex３６１は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex１１４を動作可能な状態に起動する。
　携帯電話ex１１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有する主制御部ex３６０の制御に基づいて、音声通話モード時に音声入力部ex３５６で収音した音声信号を音声信号処理部ex３５４でデジタル音声信号に変換し、これを変調／復調部ex３５２でスペクトラム拡散処理し、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して送信する。また携帯電話ex１１４は、音声通話モード時にアンテナex３５０を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調／復調部ex３５２でスペクトラム逆拡散処理し、音声信号処理部ex３５４でアナログ音声信号に変換した後、これを音声出力部ex３５７から出力する。
　さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex３６６等の操作によって入力された電子メールのテキストデータは操作入力制御部ex３６２を介して主制御部ex３６０に送出される。主制御部ex３６０は、テキストデータを変調／復調部ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して基地局ex１１０へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex３５８に出力される。
　データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex３５５は、カメラ部ex３６５から供給された映像信号を上記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（即ち、本発明の画像符号化装置として機能する）、符号化された映像データを多重／分離部ex３５３に送出する。また、音声信号処理部ex３５４は、映像、静止画等をカメラ部ex３６５で撮像中に音声入力部ex３５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ex３５３に送出する。
　多重／分離部ex３５３は、映像信号処理部ex３５５から供給された符号化された映像データと音声信号処理部ex３５４から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調／復調部（変調／復調回路部）ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex３５０を介して送信する。
　データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex３５０を介して受信された多重化データを復号化するために、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（即ち、本発明の画像復号装置として機能する）、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の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５）
　上記各実施の形態で示した動画像符号化方法または装置と、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２１は、多重化データの構成を示す図である。図２１に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム（ＰＧ）、インタラクティブグラフィックスストリームのうち、１つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム（ＩＧ）は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にＧＵＩ部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーＡＣ－３、Ｄｏｌｂｙ　Ｄｉｇｉｔａｌ　Ｐｌｕｓ、ＭＬＰ、ＤＴＳ、ＤＴＳ－ＨＤ、または、リニアＰＣＭのなどの方式で符号化されている。
　多重化データに含まれる各ストリームはＰＩＤによって識別される。例えば、映画の映像に利用するビデオストリームには０ｘ１０１１が、オーディオストリームには０ｘ１１００から０ｘ１１１Ｆまでが、プレゼンテーショングラフィックスには０ｘ１２００から０ｘ１２１Ｆまでが、インタラクティブグラフィックスストリームには０ｘ１４００から０ｘ１４１Ｆまでが、映画の副映像に利用するビデオストリームには０ｘ１Ｂ００から０ｘ１Ｂ１Ｆまで、主音声とミキシングする副音声に利用するオーディオストリームには０ｘ１Ａ００から０ｘ１Ａ１Ｆが、それぞれ割り当てられている。
　図２２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２３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２３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２３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２４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２４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２５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２６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２６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２７に示すように、多重化データに含まれる各ストリームについての属性情報が、ＰＩＤ毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。
　本実施の形態においては、上記多重化データのうち、ＰＭＴに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、ＰＭＴに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。
　また、本実施の形態における動画像復号化方法のステップを図２８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６）
　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２９に１チップ化されたＬＳＩex５００の構成を示す。ＬＳＩex５００は、以下に説明する要素ex５０１、ex５０２、ex５０３、ex５０４、ex５０５、ex５０６、ex５０７、ex５０８、ex５０９を備え、各要素はバスex５１０を介して接続している。電源回路部ex５０５は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。
　例えば符号化処理を行う場合には、ＬＳＩex５００は、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有する制御部ex５０１の制御に基づいて、ＡＶ　Ｉ／Ｏex５０９によりマイクex１１７やカメラex１１３等からＡＶ信号を入力する。入力されたＡＶ信号は、一旦ＳＤＲＡＭ等の外部のメモリex５１１に蓄積される。制御部ex５０１の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex５０７に送られ、信号処理部ex５０７において音声信号の符号化および／または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex５０７ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームＩ／Ｏex５０６から外部に出力する。この出力された多重化データは、基地局ex１０７に向けて送信されたり、または記録メディアex２１５に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex５０８にデータを蓄積するとよい。
　なお、上記では、メモリex５１１がＬＳＩex５００の外部の構成として説明したが、ＬＳＩex５００の内部に含まれる構成であってもよい。バッファex５０８も１つに限ったものではなく、複数のバッファを備えていてもよい。また、ＬＳＩex５００は１チップ化されてもよいし、複数チップ化されてもよい。
　また、上記では、制御部ex５０１が、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有するとしているが、制御部ex５０１の構成は、この構成に限らない。例えば、信号処理部ex５０７がさらにＣＰＵを備える構成であってもよい。信号処理部ex５０７の内部にもＣＰＵを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、ＣＰＵex５０２が信号処理部ex５０７、または信号処理部ex５０７の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex５０１は、信号処理部ex５０７、またはその一部を有するＣＰＵex５０２を備える構成となる。
　なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。
　（実施の形態７）
　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３０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２９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２９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５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５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３２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３１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８）
　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３３Ａ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、動き補償に特徴を有していることから、例えば、動き補償については専用の復号処理部ex９０１を用い、それ以外のエントロピー符号化、デブロッキング・フィルタ、逆量子化のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号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３３Ｂのex１０００に示す。この例では、本発明に特有の処理内容に対応した専用の復号処理部ex１００１と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex１００２と、本発明の動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex１００３とを用いる構成としている。ここで、専用の復号処理部ex１００１、ex１００２は、必ずしも本発明、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、ＬＳＩex５００で実装することも可能である。
　このように、本発明の動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、ＬＳＩの回路規模を小さくし、かつ、コストを低減することが可能である。
　本発明に係る画像符号化方法および画像復号化方法は、例えば、テレビ、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、または、デジタルビデオカメラ等に利用可能である。
　　１０２　減算部
　　１０３　直交変換部
　　１０４　量子化部
　　１０５　可変長符号化部
　　１０６、２０６　逆量子化部
　　１０７、２０７　逆直交変換部
　　１０８、２０８　加算部
　　１０９、２０９　ブロックメモリ
　　１１０、２１０　イントラ予測部
　　１１１、２１１　フレームメモリ
　　１１２、２１２　インター予測部
　　１１３、２１３　スイッチ部
　　１２１、２２１　インター予測制御部
　　１２２、２２２　時間マージ動きベクトル算出部
　　１２３　ｃｏ－ｌｏｃａｔｅｄ参照方向決定部
　　１２４　ピクチャタイプ決定部
　　１２５、２２５　ｃｏｌＰｉｃメモリ
　　２０５　可変長復号化部
 

Claims (8)

  1. 　第１参照ピクチャを示す第１参照インデックス、および、第１動きベクトルを用いて、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、
    　符号化対象ピクチャとは異なる対応ピクチャに含まれるブロックであり、前記符号化対象ピクチャ内における前記符号化対象ブロックの位置に一致するブロックである対応ブロックの符号化に用いられた第２参照インデックスおよび第２動きベクトルを用いて、第３参照インデックスおよび第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルの候補として算出する算出ステップと、
    　前記第３参照インデックスおよび前記第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルとして用いて前記符号化対象ブロックを符号化するか否かを示すフラグの値を決定する決定ステップと、
    　前記フラグの値に従って前記第１参照インデックスおよび前記第１動きベクトルを用いて前記符号化対象ブロックを符号化し、前記フラグの値を符号化ストリームに付加する符号化ステップとを含む
    　画像符号化方法。
  2. 　前記算出ステップでは、
    　前記第２参照インデックスを前記第３参照インデックスにコピーし、
    　前記符号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照インデックスにより示される第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出する
    　請求項１に記載の画像符号化方法。
  3. 　前記算出ステップでは、
    　前記第２参照インデックスにより示される第２参照ピクチャが、前記符号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスを無効にし、
    　前記第３参照インデックスが無効でない場合、前記符号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出する
    　請求項１に記載の画像符号化方法。
  4. 　前記算出ステップでは、
    　前記第２参照インデックスにより示される第２参照ピクチャが、前記符号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスに、前記参照ピクチャリストにおいて割り当て可能な最大値をセットし、
    　前記符号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出する
    　請求項１に記載の画像符号化方法。
  5. 　第１参照ピクチャを示す第１参照インデックス、および、第１動きベクトルを用いて、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、
    　復号化対象ピクチャとは異なる対応ピクチャに含まれるブロックであり、前記復号化対象ピクチャ内における前記復号化対象ブロックの位置に一致するブロックである対応ブロックの復号化に用いられた第２参照インデックスおよび第２動きベクトルを用いて、第３参照インデックスおよび第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルの候補として算出する算出ステップと、
    　前記第３参照インデックスおよび前記第３動きベクトルを前記第１参照インデックスおよび前記第１動きベクトルとして用いて前記復号化対象ブロックを復号化するか否かを示すフラグの値を符号化ストリームから取得する取得ステップと、
    　前記フラグの値に従って前記第１参照インデックスおよび前記第１動きベクトルを用いて前記復号化対象ブロックを復号化する復号化ステップとを含む
    　画像復号化方法。
  6. 　前記算出ステップでは、
    　前記第２参照インデックスを前記第３参照インデックスにコピーし、
    　前記復号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照インデックスにより示される第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出する
    　請求項５に記載の画像復号化方法。
  7. 　前記算出ステップでは、
    　前記第２参照インデックスにより示される第２参照ピクチャが、前記復号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスを無効にし、
    　前記第３参照インデックスが無効でない場合、前記復号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出する
    　請求項５に記載の画像復号化方法。
  8. 　前記算出ステップでは、
    　前記第２参照インデックスにより示される第２参照ピクチャが、前記復号化対象ピクチャの参照ピクチャリストに含まれるか否かを判定し、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれる場合、前記参照ピクチャリストにおいて前記第２参照ピクチャを示す第４参照インデックスを前記第３参照インデックスにコピーし、
    　前記第２参照ピクチャが前記参照ピクチャリストに含まれない場合、前記第３参照インデックスに、前記参照ピクチャリストにおいて割り当て可能な最大値をセットし、
    　前記復号化対象ピクチャの表示順と、前記対応ピクチャの表示順と、前記第２参照ピクチャの表示順と、前記第３参照インデックスにより示される第３参照ピクチャの表示順とを用いて、前記第２動きベクトルのスケーリング処理を行うことによって、前記第３動きベクトルを算出する
    　請求項５に記載の画像復号化方法。
PCT/JP2012/000491 2011-01-28 2012-01-26 画像符号化方法および画像復号化方法 WO2012102045A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2012554695A JP5893570B2 (ja) 2011-01-28 2012-01-26 画像符号化方法および画像復号化方法
US13/980,918 US9560352B2 (en) 2011-01-28 2012-01-26 Image coding method and image decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201161437128P 2011-01-28 2011-01-28
US61/437,128 2011-01-28

Publications (1)

Publication Number Publication Date
WO2012102045A1 true WO2012102045A1 (ja) 2012-08-02

Family

ID=46580620

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/000491 WO2012102045A1 (ja) 2011-01-28 2012-01-26 画像符号化方法および画像復号化方法

Country Status (3)

Country Link
US (1) US9560352B2 (ja)
JP (1) JP5893570B2 (ja)
WO (1) WO2012102045A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112013022646B1 (pt) * 2011-03-09 2022-09-13 Kabushiki Kaisha Toshiba Método para codificação e decodificação de imagem e a realização de interpredição nos blocos de pixels divididos
JP5982734B2 (ja) * 2011-03-11 2016-08-31 ソニー株式会社 画像処理装置および方法
CN107959857B (zh) * 2011-10-18 2022-03-01 株式会社Kt 视频信号解码方法
EP2942961A1 (en) * 2011-11-23 2015-11-11 HUMAX Holdings Co., Ltd. Methods for encoding/decoding of video using common merging candidate set of asymmetric partitions
US9900615B2 (en) * 2011-12-28 2018-02-20 Microsoft Technology Licensing, Llc Representative motion information for temporal motion prediction in video encoding and decoding
JP2013207755A (ja) * 2012-03-29 2013-10-07 Sony Corp 画像処理装置および方法
US9325990B2 (en) * 2012-07-09 2016-04-26 Qualcomm Incorporated Temporal motion vector prediction in video coding extensions
US9438925B2 (en) * 2013-12-31 2016-09-06 Vixs Systems, Inc. Video encoder with block merging and methods for use therewith
GB2527315B (en) * 2014-06-17 2017-03-15 Imagination Tech Ltd Error detection in motion estimation
US10560693B2 (en) * 2015-11-24 2020-02-11 Samsung Electronics Co., Ltd. Video encoding method and apparatus, and video decoding method and apparatus
WO2020086317A1 (en) * 2018-10-23 2020-04-30 Tencent America Llc. Method and apparatus for video coding
US11032574B2 (en) * 2018-12-31 2021-06-08 Tencent America LLC Method and apparatus for video coding

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004088737A (ja) * 2002-07-02 2004-03-18 Matsushita Electric Ind Co Ltd 画像符号化方法および画像復号化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004088722A (ja) 2002-03-04 2004-03-18 Matsushita Electric Ind Co Ltd 動画像符号化方法および動画像復号化方法
CN1666532A (zh) 2002-07-02 2005-09-07 松下电器产业株式会社 图像编码方法和图像解码方法
BR0318528A (pt) * 2003-10-09 2006-09-12 Thomson Licensing processo de derivação de modo direto para encobrimento de erros
FI115589B (fi) * 2003-10-14 2005-05-31 Nokia Corp Redundanttien kuvien koodaaminen ja dekoodaaminen

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004088737A (ja) * 2002-07-02 2004-03-18 Matsushita Electric Ind Co Ltd 画像符号化方法および画像復号化方法

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 JTC1/SC29/WG11 2ND MEETING, October 2010 (2010-10-01), GENEVA, CH, pages 78 - 93 *

Also Published As

Publication number Publication date
JPWO2012102045A1 (ja) 2014-06-30
US9560352B2 (en) 2017-01-31
JP5893570B2 (ja) 2016-03-23
US20130301736A1 (en) 2013-11-14

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
JP6340707B2 (ja) 画像符号化方法および画像符号化装置
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
JP5837575B2 (ja) 動画像符号化方法、動画像符号化装置、動画像復号化方法、動画像復号化装置、および動画像符号化復号化装置
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
WO2013057877A1 (ja) 画像符号化方法、画像符号化装置、画像復号方法、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
WO2013051209A1 (ja) 画像符号化方法、画像符号化装置、画像復号方法、画像復号装置、および、画像符号化復号装置
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
JP5883431B2 (ja) 画像符号化方法および画像復号化方法
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
JP6304571B2 (ja) 動画像復号化方法および動画像復号化装置
WO2012090495A1 (ja) 画像符号化方法および画像復号方法
WO2012073481A1 (ja) 動画像符号化方法および動画像復号化方法
WO2012081225A1 (ja) 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: 12739604

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2012554695

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 13980918

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12739604

Country of ref document: EP

Kind code of ref document: A1