WO2013042359A1 - 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置 - Google Patents

動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置 Download PDF

Info

Publication number
WO2013042359A1
WO2013042359A1 PCT/JP2012/005964 JP2012005964W WO2013042359A1 WO 2013042359 A1 WO2013042359 A1 WO 2013042359A1 JP 2012005964 W JP2012005964 W JP 2012005964W WO 2013042359 A1 WO2013042359 A1 WO 2013042359A1
Authority
WO
WIPO (PCT)
Prior art keywords
layer
view
decoding
enhancement
base layer
Prior art date
Application number
PCT/JP2012/005964
Other languages
English (en)
French (fr)
Inventor
大作 小宮
西　孝啓
陽司 柴原
寿郎 笹井
敏康 杉尾
京子 谷川
徹 松延
健吾 寺田
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 US14/343,870 priority Critical patent/US10764604B2/en
Priority to CN201280044093.7A priority patent/CN103828371B/zh
Priority to JP2013534597A priority patent/JP6156648B2/ja
Publication of WO2013042359A1 publication Critical patent/WO2013042359A1/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
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence 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
    • H04N19/10—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
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • 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
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • 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
    • H04N19/187—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 a scalable video layer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H04N19/33—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the spatial domain
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process

Definitions

  • the present invention relates to a moving image encoding method and a moving image decoding method.
  • H.264 A moving picture encoding method called H.264 has already been standardized. This H. Spatial hierarchical image coding and multi-view image coding are also performed using a moving image coding method called H.264.
  • the present invention provides a moving picture coding apparatus and a moving picture decoding apparatus that can improve decoding efficiency.
  • a moving image encoding apparatus spatially encodes an input image including a base layer and one or more enhancement layers, and multiview image encodes a base view and one or more enhancement views.
  • a base layer encoding unit that encodes the base layer, and a reconstructed image of the base layer generated by the base layer encoding unit, and An enhancement layer encoding unit for encoding, and an extended view base layer encoding unit for multiview encoding the base layer of the extension view using the reconstructed image of the base layer generated by the base layer encoding unit
  • an extension that multi-view-encodes the enhancement layer of the enhancement view using the enhancement layer reconstructed image generated by the enhancement layer encoding unit has a-menu-enhancement layer coding unit.
  • the decoding efficiency of a bitstream encoded by combining spatial layer image encoding and multi-view image encoding It becomes possible to improve.
  • FIG. 1 is a block diagram illustrating a configuration of a spatial hierarchical image encoding device in a moving image encoding scheme called H.264.
  • FIG. 2 is a diagram illustrating an example of an input image in the encoding unit of each layer of the spatial hierarchical image encoding device.
  • FIG. 1 is a block diagram illustrating a configuration of a multi-view image encoding device in a moving image encoding scheme called H.264.
  • FIG. 4 is a diagram illustrating an example of an input image of each view in the multi-view image encoding device.
  • FIG. 5 is a block diagram showing a configuration of an embodiment of a spatial hierarchy-multiview video encoding device using the video encoding method according to the present invention.
  • FIG. 1 is a block diagram illustrating a configuration of a spatial hierarchical image encoding device in a moving image encoding scheme called H.264.
  • FIG. 2 is a diagram illustrating an example of an input image in the encoding
  • FIG. 6A is a diagram illustrating a predicted structure of an input image in pattern 1.
  • FIG. 6B is a diagram illustrating a predicted structure of an input image in pattern 2.
  • FIG. 6C is a diagram illustrating a predicted structure of an input image in pattern 3.
  • FIG. 7 is a diagram showing a processing flow of the spatial hierarchy-multiview video encoding apparatus.
  • FIG. 8A is a diagram showing a prediction structure of an input image in inter-layer prediction according to Embodiment 1.
  • FIG. 8B is a diagram showing a prediction structure of an input image in inter-layer prediction according to Embodiment 1.
  • FIG. 9A is a diagram illustrating an example of a prediction structure of an input image.
  • FIG. 9B is a diagram illustrating an example of a prediction structure of an input image.
  • FIG. 9A is a diagram illustrating an example of a prediction structure of an input image.
  • FIG. 10 is a block diagram showing a configuration of an embodiment of a spatial hierarchy-multiview video decoding device for decoding an SVC-MVC bitstream.
  • FIG. 11 is a diagram showing a processing flow of the spatial hierarchy-multiview video decoding apparatus.
  • FIG. 12 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 13 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 14 is a block diagram illustrating a configuration example of a television.
  • FIG. 15 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. 16 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 17A is a diagram illustrating an example of a mobile phone.
  • FIG. 17B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 18 is a diagram showing a structure of multiplexed data.
  • FIG. 19 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 20 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 21 is a diagram showing the structure of TS packets and source packets in multiplexed data.
  • FIG. 22 is a diagram illustrating a data structure of the PMT.
  • FIG. 23 is a diagram showing an internal configuration of multiplexed data information.
  • FIG. 24 shows the internal structure of stream attribute information.
  • FIG. 25 is a diagram showing steps for identifying video data.
  • FIG. 26 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. 27 is a diagram illustrating a configuration for switching the driving frequency.
  • FIG. 28 is a diagram illustrating steps for identifying video data and switching between driving frequencies.
  • FIG. 29 is a diagram illustrating an example of a lookup table in which video data standards are associated with drive frequencies.
  • FIG. 30A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 30B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
  • Fig. 1 shows the standardized H.264 standard.
  • 1 is a block diagram illustrating a configuration of a spatial hierarchical image encoding device in a moving image encoding scheme called H.264.
  • the spatial layer image coding apparatus 500 includes an input image control unit 501, a downsampling unit 502, a base layer coding unit 503, an enhancement layer coding unit 504, an expansion / decompression unit 505, and layer multiplexing. Part 506.
  • the input image control unit 501 transmits the input image signal to the encoding unit in charge of encoding each layer.
  • the downsampling unit 502 performs downsampling of the input image signal and generates an input image with a smaller resolution.
  • the base layer encoding unit 503 is a normal image encoding device that does not perform spatial layer encoding, and performs base layer image encoding.
  • the expansion / decompression unit 505 expands or expands the base layer image coding information to generate prediction information used for the enhancement layer image coding, and inputs the prediction information to the enhancement layer coding unit 504.
  • the enhancement layer encoding unit 504 performs image encoding of the input image signal (enhancement layer) input from the input image control unit 501 using the prediction information.
  • the layer multiplexing unit 506 multiplexes the encoding information of each layer, that is, the base layer and the enhancement layer, and outputs a bit stream that has been spatial layer encoded.
  • the spatial layer image encoding apparatus shown in FIG. 1 has two layers of a base layer and an enhancement layer as an example, but by combining the enhancement layer encoding unit 504 in multiple stages, a spatial layer image of a plurality of enhancement layers Encoding can be realized.
  • FIG. 2 shows an example of an input image in the encoding unit of each layer of the spatial hierarchical image encoding device.
  • the input image consists of one base layer and two enhancement layers.
  • the input image of the base layer (Layer 1) is SD size
  • the input image of Layer 2 that is an enhancement layer is HD size
  • the input image of Layer 3 is 4K 2K size.
  • a layer with a relatively small resolution is called a lower layer, and a layer with a higher resolution is called an upper layer. That is, the base layer is the lowermost lower layer.
  • Spatial hierarchical image coding improves coding efficiency by performing inter-layer prediction using prediction information of a lower layer when coding an upper layer.
  • the prediction information information such as intra texture prediction, motion vector prediction, and interframe difference prediction is used.
  • inter-layer reference inter-layer reference
  • inter prediction temporal interframe prediction (inter prediction) used in normal image coding is used.
  • inter prediction used in normal image coding is used.
  • the inter-frame reference relationship of the base layer must be consistent in all layers. The dotted arrows in FIG.
  • inter-layer prediction and inter prediction indicate inter-layer prediction and inter prediction. It indicates that the image at the start point of the arrow is referring to the image at the tip of the arrow as reference information. Since the base layer inter prediction refers to the previous two frames, the enhancement layer refers to the previous two frames as well. Note that whether or not to perform inter-layer prediction is switched in units of blocks.
  • Fig. 3 shows the standardized H.264 standard.
  • 1 is a block diagram illustrating a configuration of a multi-view image encoding device in a moving image encoding scheme called H.264.
  • the multi-view image encoding device 600 includes an input image control unit 601, a base view encoding unit 602, an extended view encoding unit 603, and a view multiplexing unit 604, as shown in FIG.
  • the input image control unit 601 generates each view image from the input image signal as necessary, and transmits each view image to the corresponding encoding unit of each view.
  • the input image signal of each view may be input to the input image control unit 601.
  • the base view encoding unit 602 is a normal image encoding device that does not perform multi-view encoding, and performs base view image encoding.
  • the base view encoding unit 602 inputs the reconstructed view image of the base view encoded and decoded inside the base view encoding unit 602 to the extended view encoding unit 603.
  • the extended view encoding unit 603 performs image encoding of the extended view image input from the input image control unit 601 using the reconstructed view image.
  • the view multiplexing unit 604 multiplexes the encoding information of each view, that is, the base view and the extended view, and outputs a multi-view encoded bitstream.
  • the multi-view image encoding apparatus shown in FIG. 3 has a base view and an extended view as an example, but a multi-view image of a plurality of extended views can be obtained by combining the extended view encoding unit 603 in multiple stages. Encoding can be realized.
  • FIG. 4 shows an example of an input image of each view in the multi-view image encoding device.
  • the input image consists of one base view and two extended views.
  • the image resolutions of the base view (View 1) and the extended views (View 2, View 3) are the same.
  • each view is an image taken at the same time from a slightly different viewpoint, and has a correlation.
  • 3D stereoscopic images
  • Multi-view image encoding improves encoding efficiency by performing inter-frame prediction using a reconstructed image of another view as a reference image when encoding an extended view.
  • inter-view reference prediction
  • reconstructed images of other views are used as reference images for inter-frame prediction (inter prediction) in the temporal direction used in normal image encoding.
  • inter prediction inter-frame prediction
  • a reconstructed image of another view that is temporally different from the encoding target image cannot be used as a reference image.
  • the inter-view prediction of the extended view (View2) refers to the base view (View1).
  • the inter-view prediction of the extended view (View 3) refers to the extended view (View 2). Note that whether to perform inter-view prediction is switched in units of blocks. Also, if the times are different, the reference relationship between the views may be different.
  • the enhancement layer of the enhanced view performs inter-layer reference and inter-view reference.
  • the enhancement layer of the enhancement view can be decoded only after the enhancement layer of the base view and the lower layer of the enhancement view are decoded, resulting in high decoding processing load and poor decoding efficiency.
  • FIG. 5 is a block diagram showing a configuration of an embodiment of a spatial hierarchy-multiview video encoding apparatus using the video encoding method according to the present invention.
  • the spatial hierarchy-multi-view moving image encoding apparatus 100 includes an input image control unit 101, a first downsampling unit 102, a base layer encoding unit 103, an enhancement layer encoding unit 104, a first extension Decompression unit 105, second downsampling unit 106, extended view base layer encoding unit 107, extended view enhancement layer encoding unit 108, second expansion / decompression unit 109, priority determination unit 110, layer-view multiplexing unit 111 is provided.
  • the first downsampling unit 102 and the second downsampling unit 106, the first expansion / decompression unit 105, and the second expansion / decompression unit 109 all have the same function, and can be mounted so as to be shared. it can.
  • the spatial hierarchy-multi-view video encoding apparatus shown in FIG. 5 uses two views, a base view and an extended view, but an extended view encoding unit (an extended view base layer encoding unit 107 and an extended view).
  • Multi-view image encoding of a plurality of enhancement views can be realized by combining the enhancement layer encoding units 108) in multiple stages.
  • the hierarchies have two hierarchies of the base layer and the enhancement layer, the enhancement layer encoding unit 104 and the enhancement layer enhancement layer encoding unit 108 are combined in multiple stages, so that spatial layer image codes of a plurality of enhancement layers are combined. Can be realized.
  • the input image control unit 101 separates the input image signal for each view and transmits it to the encoding unit in charge of encoding each view.
  • the first downsampling unit 102 (second downsampling unit 106) performs downsampling of the input image signal and generates an input image with a smaller resolution.
  • the base layer encoding unit 103 is a normal image encoding device that does not perform spatial hierarchical encoding, and performs image encoding of the base layer of the base view. Then, the reconstructed image of the base layer of the base view is input to the base layer encoding unit 107 of the extended view.
  • the first expansion / decompression unit 105 expands or expands the base layer image coding information to generate prediction information used for the enhancement layer image coding, and inputs the prediction information to the enhancement layer coding unit 104.
  • the enhancement layer coding unit 104 performs image coding of the input image signal (base view enhancement layer) input from the input image control unit 101 using the prediction information. Then, the reconstructed image of the enhancement layer of the base view is input to the priority determination unit 110.
  • the extended view base layer encoding unit 107 uses the reconstructed image of the base layer of the base view reconstructed by the base layer encoding unit 103 to perform image encoding of the base layer of the extended view.
  • the second expansion / decompression unit 109 generates prediction information used for image encoding of the extended view base layer by expanding or expanding the base view image encoding information of the extended view, and inputs the prediction information to the priority determination unit 110.
  • the priority determination unit 110 determines the priority of inter-layer reference and inter-view reference, and transmits the prediction information of the determined priority to the enhancement layer encoding unit 108 of the extension view.
  • the enhancement view enhancement layer coding unit 108 performs image coding of the input image signal (the enhancement view enhancement layer) input from the input image control unit 101 using the prediction information transmitted from the priority determination unit 110. .
  • the layer-view multiplexing unit 111 includes, from each coding unit, that is, the base layer coding unit 103, the enhancement layer coding unit 104, the enhancement view base layer coding unit 107, and the enhancement view enhancement layer coding unit 108.
  • the encoded information to be transmitted is multiplexed, and a bit stream (hereinafter referred to as SVC-MVC bit stream) that has been spatial layer image encoded and multi-view image encoded is output.
  • FIG. 6A is a diagram illustrating a predicted structure of an input image in pattern 1.
  • the hierarchy is assumed to be 3 hierarchies and the view is assumed to be 2 views (3D).
  • the left view is the base layer, and the right view is the extended view.
  • the base layer (Layer 1 (L)) of the base view can only perform inter prediction.
  • the extension layer (Layer 2 (L), Layer 3 (L)) of the base view can perform inter-layer prediction and inter prediction.
  • the base layer (Layer 1 (R)) of the extended view can perform inter-view prediction or inter prediction.
  • the enhancement view enhancement layers (Layer 2 (R), Layer 3 (R))) can perform inter-view prediction or inter prediction.
  • inter-layer reference has priority. In this case, inter-view reference is prohibited, and prediction information (reference view reconstructed image) for inter-view reference is not transmitted to the enhancement layer encoding unit 108 of the enhancement view.
  • FIG. 6B is a diagram illustrating a predicted structure of an input image in pattern 2.
  • the prediction structure of the extended view other than the enhancement layer is the same as in FIG. 6A.
  • the extended layer (Layer 2 (R), Layer 3 (R)) of the extended view can perform inter-layer prediction and inter prediction.
  • FIG. 6C is a diagram illustrating a predicted structure of an input image in pattern 3.
  • the prediction structure of the extended view other than the enhancement layer is the same as in FIG. 6A.
  • the extended layer (Layer 2 (R), Layer 3 (R)) of the extended view can perform inter-layer prediction and inter prediction, or inter-layer prediction or inter prediction.
  • the decoder can know the reference scheme used for prediction of the enhancement layer of the enhancement view. Become.
  • the priority determination unit 110 may not include the priority in the SPS when the pattern 1 is used.
  • FIG. 7 shows a processing flow of the spatial hierarchy-multiview video encoding apparatus.
  • the priority determination unit 110 determines the priority (step S101). Note that the priority determination unit 110 can determine the priority based on various viewpoints such as the communication status and the calculation resources of the encoder / decoder. The determined priority is set in the sequence parameter set (SPS) (step S102). In addition, when changing a priority in the middle of a sequence, it can set to other parameters, such as not only SPS but a picture parameter set (PPS).
  • SPS sequence parameter set
  • PPS picture parameter set
  • the priority determination unit 110 provides prediction information to the enhancement layer encoding unit 108 of the enhancement view according to the determined priority. Is transmitted (step S104).
  • prediction information (reference view reconstructed image) for inter-view reference is transmitted to the enhancement layer encoding unit 108 of the enhancement view.
  • the enhancement layer encoding unit 108 of the enhancement view performs inter-view prediction or inter prediction (step S105).
  • prediction information for inter-layer reference is transmitted to the enhancement layer encoding unit 108 of the enhancement view.
  • the enhancement view enhancement layer encoding unit 108 performs inter-layer prediction and inter prediction (step S106).
  • both the prediction information for the inter-layer reference and the prediction information for the inter-view reference are both extended layers of the extended view.
  • the data is transmitted to the encoding unit 108.
  • the enhancement view enhancement layer encoding unit 108 performs inter-layer prediction and inter prediction, or inter-layer prediction or inter prediction (step S107).
  • step S108 normal predictive encoding is performed (step S108). That is, inter prediction coding is performed on the base layer of the base view, inter-layer prediction and inter prediction coding are performed on the enhancement layer of the base view, and inter-view prediction or inter prediction coding is performed on the base layer of the enhancement view. Is done.
  • the decoder can know in advance the reference method used for prediction of the enhancement layer of the enhancement view in the SVC-MVC bitstream, the decoding efficiency is improved. For example, when Layer 3 (R), which is an extended layer of an extended view, is decoded and displayed on the decoder side, the decoder knows that the prediction structure of pattern 1 shown in FIG. 6A is used, so that the decoder can recognize Layer 1 (L), Layer 2 (L) By simply decoding the Layer 3 (L) image, the Layer 3 (R) image can be decoded without decoding the Layer 1 (R) and Layer 2 (R) images. Become. Similarly, knowing that the prediction structure of pattern 2 shown in FIG. 6B is used, the decoder simply decodes Layer1 (L), Layer1 (R), and Layer2 (R) images, so that Layer2 (L ), It is possible to decode the Layer 3 (R) image without decoding the Layer 3 (L) image.
  • Layer 3 (R) which is an extended layer of an extended view
  • the decoding efficiency on the decoder side is improved by determining the priority of inter-layer reference and inter-view reference.
  • FIG. 8 is a diagram showing a prediction structure of an input image in inter-layer prediction according to the present embodiment.
  • FIG. 8A is the same as the prediction structure used in the conventional spatial layer coding shown in FIG. That is, the first enhancement layer (Layer 2) uses the prediction information of the base layer (Layer 1) for inter-layer prediction.
  • the second enhancement layer (Layer 3) uses the prediction information of the first enhancement layer (Layer 2) for inter-layer prediction. That is, the enhancement layer refers to the enhancement layer in the next lower hierarchy.
  • This prediction structure is called a sequential prediction structure.
  • the second enhancement layer (Layer 3) uses the prediction information of the base layer (Layer 1) instead of the first enhancement layer (Layer 2) for inter-layer prediction.
  • all enhancement layers use the prediction information of the base layer (Layer 1) for inter-layer prediction.
  • This prediction structure is called a star prediction structure.
  • the star prediction structure When the star prediction structure is used, the total encoded bit amount of all layers tends to increase as compared with the case where the sequential prediction structure is used. However, since the decoding process of the upper layer can be started immediately after decoding the base layer, the decoding efficiency is high.
  • the prediction structure shown in FIG. 84 may be generalized, and all enhancement layers may refer to any enhancement layer or base layer in a lower layer. In that case, for example, when there are three enhancement layers, there are six prediction structures including a sequential prediction structure and a star prediction structure. Instead of the sequential prediction structure and the star prediction structure, a generalized prediction structure may be used.
  • the decoder side uses the prediction used for inter-layer prediction. You will know the structure. Also, by setting the sequential prediction structure as a default setting, the encoder may not transmit the prediction structure for inter-layer prediction when using the sequential prediction structure.
  • SEI Supplemental Enhancement Information
  • the prediction structure control unit (not shown) of the spatial hierarchy-multi-view video encoding apparatus matches the prediction structure of the inter-layer reference of the base view with the prediction structure of the inter-layer reference of the extended view. Control. Specifically, the prediction structure of the inter-layer reference of the extended view is controlled so as to match the prediction structure of the inter-layer reference of the base view. As a result, as shown in FIG. 6B and FIG. 6C, the prediction structure is sequentially used for the inter-layer reference of the base view and the inter-layer reference of the extended view. Further, when the star prediction structure is used for the inter-layer reference of the base view, the star prediction structure is also used for the inter-layer reference of the extended view. FIG.
  • 9A is obtained by changing the inter-layer reference to the star prediction structure in the prediction structure of the input image shown in FIG. 6C.
  • the prediction structure control unit controls the prediction structure of the inter-layer reference of the extended view so as to match the prediction structure of the inter-layer reference of the base view.
  • the prediction structure control unit controls in this way, so that the decoding efficiency of the SVC-MVC bitstream on the decoder side is improved.
  • Layer 3 (R) which is the enhancement layer of the extended view
  • the decoder uses Layer 1 (L), Layer 3 (L), Layer 1 (R). )
  • the Layer3 (R) image can be decoded without decoding the Layer2 (L) and Layer2 (R) images.
  • FIG. 9B shows a prediction structure in which the prediction structures of the inter-layer references of each view do not match for comparison of the decoding efficiency.
  • a star prediction structure is used for the prediction structure of the inter-layer reference of the base view, and a sequential prediction structure is used for the prediction structure of the inter-layer reference of the extended view.
  • the prediction structure of the inter-layer reference in the extended view does not match the prediction structure of the inter-layer reference in the base view.
  • Layer 3 (R) which is an extended layer of the extended view
  • all of Layer 1 (L), Layer 2 (L), Layer 3 (L), Layer 1 (R), and Layer 2 (R) are displayed. This image must be decoded, and the decoding efficiency is significantly reduced.
  • the decoding efficiency on the decoder side is improved by controlling the prediction structure of the inter-layer reference of the extended view to match the prediction structure of the inter-layer reference of the base view.
  • the moving picture decoding apparatus and method according to the present embodiment may not include all the configurations and steps shown in FIG. 5 or FIG. That is,
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and a base view and one or more enhancement views are multi-view image coded.
  • a base layer encoding unit that encodes the base layer, and a reconstructed image of the base layer generated by the base layer encoding unit, and using the reconstructed image of the base layer as a space
  • An enhancement layer encoding unit that performs hierarchical encoding, and an extended view / base layer encoding that multi-view-encodes the base layer of the extended view using the reconstructed image of the base layer generated by the base layer encoding unit
  • the enhancement layer of the enhancement view using the reconstructed image of the enhancement layer generated by the enhancement layer encoding unit.
  • An expansion view enhancement layer coding section that No. of, or as having.
  • the reconstructed image of the base layer of the extended view generated by the extended view / base layer encoding unit is sent to the extended view / enhancement layer encoding unit. It is good also as not being input.
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and a base view and one or more enhancement views are multi-view images.
  • a video encoding method for encoding wherein the base layer is encoded to generate a reconstructed image of the base layer, and the enhancement layer is spatially hierarchically encoded using the reconstructed image of the base layer Using the reconstructed image of the enhancement layer, multi-view encoding the base layer of the enhanced view using the reconstructed image of the base layer, and using the reconstructed image of the enhancement layer And multi-view encoding the enhancement layer of the enhancement view.
  • FIG. 10 shows an embodiment of a spatial hierarchy-multiview video decoding apparatus for decoding a bitstream (hereinafter referred to as an SVC-MVC bitstream) that has been subjected to spatial hierarchical image encoding and multiview image encoding. It is a block diagram which shows the structure of these.
  • the spatial hierarchy-multiview video decoding apparatus 200 includes a demultiplexing unit 201, a decoding control unit 202, an inverse view multiplexing unit 203, a first inverse hierarchical multiplexing unit 204, a base layer decoding.
  • Unit 205, enhancement layer decoding unit 206, first expansion / decompression unit 207, second inverse layer multiplexing unit 208, enhancement view base layer decoding unit 209, enhancement view enhancement layer decoding unit 210, second enhancement An extension unit 211 and switching units 212, 213, and 214 are provided.
  • the first inverse hierarchy multiplexing unit 204 and the second inverse hierarchy multiplexing unit 208, the first expansion / decompression unit 207, and the second expansion / decompression unit 211 all have the same function and are shared. Can be implemented.
  • the spatial hierarchy-multi-view video decoding apparatus shown in FIG. 10 uses two views, a base view and an extended view, but an extended view decoding unit (an extended view base layer decoding unit 209 and an extended view). Multi-view image decoding of a plurality of enhancement views can be realized by combining the enhancement layer decoding units 210) in multiple stages.
  • the hierarchies are two layers of a base layer and an enhancement layer
  • the enhancement layer decoding unit 206 and the enhancement layer enhancement layer decoding unit 210 are combined in multiple stages, whereby spatial layer image decoding of a plurality of enhancement layers is performed. Can be realized.
  • the demultiplexing unit 201 When the SVC-MVC bit stream is input, the demultiplexing unit 201 separates into video encoded data and additional information.
  • the additional information is information such as SPS and SEI, for example.
  • the SEI may be received separately from the SVC-MVC bitstream.
  • the demultiplexing unit 201 transmits the video encoded data to the deview multiplexing unit 203 and transmits additional information to the decoding control unit 202.
  • the decoding control unit 202 controls each unit in the spatial hierarchy-multiview video decoding device based on the additional information. Note that control signals used for control by the decoding control unit 202 are not shown except for some parts.
  • the inverse view multiplexing unit 203 separates the multi-view encoded video encoded data into encoded data (base view encoded data and extended view encoded data) for each view.
  • First inverse hierarchy multiplexing section 204 converts hierarchically encoded video encoded data into encoded data of each hierarchy (base layer encoded data and enhancement layer encoded data). Separated and transmitted to the decoding unit of each layer.
  • the inverse view multiplexing unit 203 first separates into encoded data for each view, and the inverse hierarchical multiplexing unit encodes the encoded data of each view.
  • the present invention is not limited to this. That is, a configuration in which the inverse layer multiplexing unit first separates the encoded data of each layer, and the inverse view multiplexing unit 203 separates the encoded data of each layer into the encoded data of each view. It is obvious to the contractor.
  • the base layer decoding unit 205 is a normal image decoding device that does not perform spatial layer image encoding, and performs image decoding of the base layer of the base view.
  • the first expansion / decompression unit 207 expands or expands the base layer image decoding information to generate prediction information used for the enhancement layer image decoding, and inputs the prediction information to the enhancement layer decoding unit 206.
  • the enhancement layer decoding unit 206 performs image decoding of the enhancement layer of the base view using the prediction information. Then, the reconstructed base layer enhancement layer image is input to the enhancement view enhancement layer encoding unit.
  • the extended view base layer decoding unit 209 uses the base view base layer image reconstructed by the base layer decoding unit 205 to perform extended view base layer image decoding.
  • the second expansion / decompression unit 211 expands or expands the image decoding information of the base layer of the enhancement view to generate prediction information used for image decoding of the enhancement layer of the enhancement view, and the enhancement layer decoding unit 210 of the enhancement view. To enter.
  • the switcher (1) 212 is between the first inverse layer multiplexing unit 204 and the enhancement layer decoding unit 206, and the switcher (2) 213 is the second inverse layer multiplexing unit 208 and the base layer decoding of the enhancement view.
  • Switcher (3) 214 is inserted between unit 209 and second inverse layer multiplexing unit 208 and enhancement view enhancement layer decoding unit 210, respectively. In the switches 212, 213, and 214, the on / off of the path is controlled by the decoding control unit 202, and when the path is off, the data is discarded without flowing.
  • FIG. 11 shows a processing flow of the spatial hierarchy multi-view video decoding apparatus.
  • a target decoded image is set (step S201S1).
  • the target decoded image is an image that is decoded by the spatial hierarchy multi-view video decoding device and displayed on a display device (not shown).
  • the SVC-MVC bitstream includes Layer 1 (L), Layer 2 (L), Layer 3 (L), Layer 1 (R), Layer 2 (R), and Layer 3 (R).
  • Six encoded images are included. However, normally only the selected image is displayed on the display device on the decoder side. An image selected from the six images is called a target decoded image.
  • the selection of the target decoded image may be performed based on a user instruction, or may be determined based on the communication status, the calculation resource on the decoder side, and the resolution of the display device.
  • the decoding control unit 202 determines whether or not the set target decoded image is an extended layer extended layer image (Layer 2 (R), Layer 3 (R)) (step S 202).
  • the decoding control unit 202 acquires prediction structure information (inter-layer reference and inter-view reference priority information) from the additional information (step S203).
  • the switch is controlled (step S204).
  • the switch is controlled to be turned off, the encoded data is discarded without being input to the decoding unit. Note that an encoding unit to which encoded data is not input does not operate.
  • the decoding unit to which the encoded data is input performs a decoding process on the input encoded data (step S206).
  • step S205 Only the decoding unit corresponding to the target decoded image outputs the decoded output image signal to a display device (not shown).
  • step S203 when the decoding control unit 202 acquires new predicted structure information from the additional information (step S203), the process returns to step S204, and step S205 is performed.
  • step S203 when the prediction structure changes during the sequence, new prediction structure information is included in the picture parameter set (PPS), which is one of the additional information.
  • PPS picture parameter set
  • a decoding process is performed based on the acquired new prediction structure information.
  • the decoding control unit 202 controls the switch according to the target decoded image (step S206). Specifically, when the target image is the base layer (Layer 1 (L)) of the base view, all the switches (3) 214 are controlled to be switched off from the switches (1) 212. Further, when the target image is an extension layer of the base view (Layer 2 (L), Layer 3 (L)), the switch (2) 213 and the switch (3) 214 are controlled to be turned off. When the target image is the base layer (Layer 1 (R)) of the extended view, the switch (1) 212 and the switch (3) 214 are controlled to be off.
  • the prediction structure information of the input image is information indicating the prediction structure of patterns 1 to 3 shown in FIGS. 6A to 6C as described in the first embodiment.
  • the target decoded image is Layer 3 (R), which is an image of the enhancement layer of the enhancement view.
  • the decoding control unit 202 turns on the switch (1) 212.
  • the enhancement layer decoding unit of the base view operates and the encoded data of Layer 3 (L) is decoded.
  • the decoding control unit 202 turns off the switch (2) 213.
  • the decoding control unit 202 turns off the switch (3) 214.
  • the encoded data of Layer 2 (R) is discarded, and the enhancement layer decoding unit 210 of the enhancement view does not operate.
  • the decoding control unit 202 turns on a switch (not shown) connected to an enhancement layer decoding unit (not shown) that decodes Layer 3 (R) encoded data.
  • the enhancement layer decoding unit of the enhancement view operates, and the encoded data of Layer 3 (R) is decoded based on the reconstructed Layer 3 (L).
  • the decoding control unit 202 controls the switch (2) 213 and the switch (3) 214 to be turned on.
  • the base layer decoding unit 209 of the extended view operates, and the encoded data of Layer 1 (R) is decoded based on the reconstructed Layer 1 (L).
  • the enhancement layer decoding unit 210 of the enhancement view operates, and the encoded data of Layer 3 (R) is decoded.
  • the decoding control unit 202 controls the switch (1) 212 to be turned off. As a result, the encoded data of Layer 2 (L) and Layer 3 (L) is discarded, and the enhancement layer decoding unit of the base view does not operate.
  • the moving picture decoding apparatus and method according to the present embodiment may not include all the configurations and steps shown in FIG. 10 or FIG. That is,
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and one or more of each of the base layer and the enhancement layer is used as a base view.
  • a moving picture decoding apparatus for decoding encoded data obtained by encoding an extended view of a multi-view image the base layer decoding unit decoding the base layer, and the base layer decoding unit
  • An enhancement layer decoding unit that spatially decodes the enhancement layer using the reconstructed image of the base layer may be included.
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and each of the base layer and the enhancement layer is used as a base view.
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and the base layer and the enhancement layer are used as a base view.
  • a moving picture decoding apparatus that decodes encoded data obtained by multi-view image encoding each of one or more extended views, the base layer decoding unit decoding the base layer, and the base layer decoding unit Using the reconstructed image of the base layer generated by the enhancement layer decoding unit that spatially decodes the enhancement layer, and using the reconstructed image of the base layer generated by the base layer decoding unit.
  • the extended view decoder may be having.
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and each of the base layer and the enhancement layer is used as a base view.
  • an input image composed of a base layer and one or more enhancement layers is spatially hierarchically encoded, and each of the base layer and the enhancement layer is used as a base view.
  • an input image composed of a base layer and one or more enhancement layers is subjected to spatial hierarchical image coding, and the base layer and the enhancement layer are each used as a base view.
  • 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. 12 is a diagram showing an overall configuration of a content supply system ex100 that realizes a content distribution service.
  • a communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • This content supply system ex100 includes a computer ex111, a PDA (Personal Digital Assistant) ex112, a camera ex113, a mobile phone ex114, a game machine ex115 via the Internet ex101, the Internet service provider ex102, the telephone network ex104, and the base stations ex106 to ex110. Etc. are connected.
  • PDA Personal Digital Assistant
  • each device may be directly connected to the telephone network ex104 without going from the base station ex106, which is a fixed wireless station, to ex110.
  • the devices may be directly connected to each other via short-range wireless or the like.
  • the camera ex113 is a device that can shoot moving images such as a digital video camera
  • the camera ex116 is a device that can shoot still images and movies such as a digital camera.
  • the mobile phone ex114 is a GSM (registered trademark) (Global System for Mobile Communications) system, a CDMA (Code Division Multiple Access) system, a W-CDMA (Wideband-Code Division Multiple Access) system, or an LTE (Long Terminal 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 content that is shot by a user using the camera ex113 (for example, music live video) is encoded as described in each of the above embodiments (that is, in one aspect of the present invention).
  • 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 an image decoding device according to one embodiment 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 broadcast 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 each of the above embodiments (that is, data encoded by the image encoding apparatus according to one aspect 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 an image decoding apparatus according to one embodiment 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. 14 is a diagram showing a television (receiver) ex300 that uses the moving picture decoding method and the moving picture encoding method described in 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 also decodes the audio data and the video data, or encodes the information, the audio signal processing unit ex304, the video signal processing unit ex305 (the image encoding device or the image according to one embodiment of the present invention) A signal processing unit ex306 that functions as a decoding device), a speaker ex307 that outputs the decoded audio signal, and an output unit ex309 that includes a display unit ex308 such as a display that displays the decoded video signal. Furthermore, the television ex300 includes an interface unit ex317 including an operation input unit ex312 that receives an input of a user operation. Furthermore, 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. 15 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 information reflected 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 control unit 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 types of information held in the buffer ex404, and generates and adds new information as necessary.
  • 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 includes, 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. 16 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.
  • FIG. 17A is a diagram showing the mobile phone ex114 using the moving picture decoding method and the moving picture encoding method described in the above embodiment.
  • the mobile phone ex114 includes an antenna ex350 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex365 capable of capturing video and still images, a video captured by the camera unit ex365, a video received by the antenna ex350, and the like Is provided with a display unit ex358 such as a liquid crystal display for displaying the 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 an image encoding device according to an aspect 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 described in each of the above embodiments (that is, an image according to an aspect 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.
  • Embodiment 4 The moving picture coding method or apparatus shown in the above embodiments and the moving picture coding method or apparatus compliant with different standards such as MPEG-2, MPEG4-AVC, and VC-1 are appropriately switched as necessary. Thus, it is also possible to generate video data.
  • 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. 18 is a diagram showing a structure of multiplexed data.
  • multiplexed data is obtained by multiplexing one or more of a video stream, an audio stream, a presentation graphics stream (PG), and an interactive graphics stream.
  • the video stream indicates the main video and sub-video of the movie
  • the audio stream (IG) indicates the main audio portion of the movie and the sub-audio mixed with the main audio
  • the presentation graphics stream indicates the subtitles of the movie.
  • the main video indicates a normal video displayed on the screen
  • the sub-video is a video displayed on a small screen in the main video.
  • the interactive graphics stream indicates an interactive screen created by arranging GUI components on the screen.
  • the video stream is encoded by the moving image encoding method or apparatus shown in the above embodiments, or the moving image encoding method or apparatus conforming to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1. ing.
  • the audio stream is encoded by a method such as Dolby AC-3, Dolby Digital Plus, MLP, DTS, DTS-HD, or linear PCM.
  • Each stream included in the multiplexed data is identified by PID. For example, 0x1011 for video streams used for movie images, 0x1100 to 0x111F for audio streams, 0x1200 to 0x121F for presentation graphics, 0x1400 to 0x141F for interactive graphics streams, 0x1B00 to 0x1B1F are assigned to the video stream used for the sub-picture, and 0x1A00 to 0x1A1F are assigned to the audio stream used for the sub-audio mixed with the main audio.
  • FIG. 19 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. 20 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first level in FIG. 20 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, 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. 21 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 as shown in the lower part of FIG. 21, 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. 22 is a diagram for explaining the data structure of the PMT in detail.
  • a PMT header describing the length of data included in the PMT is arranged at the head of the PMT.
  • a plurality of descriptors related to multiplexed data are arranged.
  • the copy control information and the like are described as descriptors.
  • a plurality of pieces of stream information regarding each stream included in the multiplexed data are arranged.
  • the stream information includes a stream descriptor in which a stream type, a stream PID, and stream attribute information (frame rate, aspect ratio, etc.) are described to identify a compression codec of the stream.
  • the multiplexed data is recorded together with the multiplexed data information file.
  • the multiplexed data information file is management information of multiplexed data, has one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
  • the multiplexed data information is composed of a system rate, a reproduction start time, and a reproduction end time.
  • 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. 25 shows steps of the moving picture decoding method according to the present embodiment.
  • step exS100 the stream type included in the PMT or the video stream attribute information included in the multiplexed data information is acquired from the multiplexed data.
  • step exS101 it is determined whether or not the stream type or the video stream attribute information indicates multiplexed data generated by the moving picture encoding method or apparatus described in the above embodiments. To do.
  • step exS102 the above embodiments are performed. Decoding is performed by the moving picture decoding method shown in the form.
  • the conventional information Decoding is performed by a moving image decoding method compliant with the standard.
  • FIG. 26 shows the configuration of an LSI ex500 that is made into one chip.
  • the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
  • the power supply circuit unit ex505 is activated to an operable state by supplying power to each unit when the power supply is on.
  • the LSI ex500 uses the AV I / O ex509 to perform the microphone ex117 and the camera ex113 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the driving 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. 27 shows a configuration ex800 in the present embodiment.
  • the drive frequency switching unit ex803 sets the drive frequency high when the video data is generated by the moving image encoding method or apparatus described in the above embodiments.
  • the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments is instructed to decode the video data.
  • the video data is video data compliant with the conventional standard, compared to the case where the video data is generated by the moving picture encoding method or apparatus shown in the above embodiments, Set the drive frequency low. Then, it instructs the decoding processing unit ex802 compliant with the conventional standard to decode the video data.
  • the drive frequency switching unit ex803 includes the CPU ex502 and the drive frequency control unit ex512 in FIG.
  • the decoding processing unit ex801 that executes the moving picture decoding method shown in each of the above embodiments and the decoding processing unit ex802 that conforms to the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to. Then, based on the signal from the CPU ex502, the drive frequency control unit ex512 sets the drive frequency. Further, based on the signal from the CPU ex502, the signal processing unit ex507 decodes the video data.
  • the identification information described in the fourth embodiment may be used.
  • the identification information is not limited to that described in the fourth 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. 28 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. 30A.
  • 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 other processing contents specific to one aspect of the present invention that do not correspond to the MPEG4-AVC standard, a dedicated decoding processing unit A configuration using ex901 is conceivable.
  • 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. 30B shows another example in which processing is partially shared.
  • a dedicated decoding processing unit ex1001 corresponding to the processing content specific to one aspect of the present invention
  • a dedicated decoding processing unit ex1002 corresponding to the processing content specific to another conventional standard
  • a common decoding processing unit ex1003 corresponding to the processing contents common to the moving image decoding method according to the above and other conventional moving image decoding methods.
  • the dedicated decoding processing units ex1001 and ex1002 are not necessarily specialized in one aspect of the present invention or processing content specific to other conventional standards, and can execute other general-purpose processing. Also good.
  • the configuration of the present embodiment can be implemented by LSI ex500.
  • the processing content common to the moving picture decoding method according to one aspect of the present invention and the moving picture decoding method of the conventional standard reduces the circuit scale of the LSI by sharing the decoding processing unit, In addition, the cost can be reduced.
  • the moving picture encoding apparatus and moving picture decoding apparatus can be applied to any multimedia data and can improve decoding efficiency.
  • a mobile phone, a DVD apparatus, and a personal computer It is useful as a moving picture coding apparatus and a moving picture decoding apparatus in storage, transmission, communication, etc. using the above.
  • DESCRIPTION OF SYMBOLS 100 Spatial hierarchy-multi view moving image encoder 101 Input image control part 102 1st downsampling part 103 Base layer encoding part 104 Enhancement layer encoding part 105 1st expansion / decompression part 106 2nd downsampling part 107 Extended view Base layer coding unit 108 Enhanced layer enhancement layer coding unit 109 Second expansion / decompression unit 110 Priority determination unit 111 Hierarchy-view multiplexing unit 200 Spatial hierarchy-multi-view video decoding device 201 Demultiplexing unit 202 Decoding Control unit 203 Inverse view multiplexing unit 204 First inverse layer multiplexing unit 205 Base layer decoding unit 206 Enhancement layer decoding unit 207 First expansion / decompression unit 208 Second inverse layer multiplexing unit 209 Extension view base layer decoding Unit 210 enhancement layer decoding unit 211 of the extended view 211 second extension Decompression unit 212, 213, and 214 switch

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

　復号化効率を向上させることができる動画像符号化装置および動画像復号化装置を提供とする。空間階層‐マルチビュー動画像符号化装置（１００）は、ベースレイヤを符号化するベースレイヤ符号化部（１０３）と、ベースレイヤ符号化部（１０３）が生成したベースレイヤの再構築画像を用いて、拡張レイヤを空間階層符号化する拡張レイヤ符号化部（１０４）と、ベースレイヤ符号化部（１０３）が生成したベースレイヤの再構築画像を用いて、拡張ビューのベースレイヤをマルチビュー符号化する拡張ビューのベースレイヤ符号化部（１０７）と、拡張レイヤ符号化部（１０４）が生成した拡張レイヤの再構築画像を用いて、拡張ビューの拡張レイヤをマルチビュー符号化する拡張ビューの拡張レイヤ符号化部（１０８）とを備える。

Description

動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置
　本発明は、動画像符号化方法および動画像復号化方法に関する。
　Ｈ．２６４と呼ばれる動画像符号化方式が既に標準化されている。このＨ．２６４と呼ばれる動画像符号化方式を用いて、空間階層画像符号化およびマルチビュー画像符号化も行われている。
　従来、空間階層画像符号化とマルチビュー画像符号化を組み合わせた符号化を行う場合、復号処理の負荷が高く、また復号化効率が悪いという問題がある。
　そこで、本発明は、復号化効率を向上させることができる動画像符号化装置および動画像復号化装置を提供とする。
　本発明の一態様に係る動画像符号化装置は、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、ベースビューと一つ以上の拡張ビューとをマルチビュー画像符号化する動画像符号化装置であって、前記ベースレイヤを符号化するベースレイヤ符号化部と、前記ベースレイヤ符号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層符号化する拡張レイヤ符号化部と、前記ベースレイヤ符号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー符号化する拡張ビュー・ベースレイヤ符号化部と、前記拡張レイヤ符号化部が生成した前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー符号化する拡張ビュー・拡張レイヤ符号化部と、を有する。
　なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　本発明によれば、レイヤ間参照とビュー間参照の優先度を設定することが可能であるため、空間階層画像符号化とマルチビュー画像符号化を組み合わせて符号化されたビットストリームの復号化効率を向上させることが可能になる。
図１は、Ｈ．２６４と呼ばれる動画像符号化方式における空間階層画像符号化装置の構成を示すブロック図である。 図２は、空間階層画像符号化装置の各レイヤの符号化部における入力画像の例を示す図である。 図３は、Ｈ．２６４と呼ばれる動画像符号化方式におけるマルチビュー画像符号化装置の構成を示すブロック図である。 図４は、マルチビュー画像符号化装置における各ビューの入力画像の例を示す図である。 図５は、本発明に係る動画像符号化方法を用いた空間階層-マルチビュー動画像符号化装置の一実施の形態の構成を示すブロック図である。 図６Ａは、パターン１における入力画像の予測構造を示す図である。 図６Ｂは、パターン２における入力画像の予測構造を示す図である。 図６Ｃは、パターン３における入力画像の予測構造を示す図である。 図７は、空間階層-マルチビュー動画像符号化装置の処理フローを示す図である。 図８Ａは、実施の形態１に係るレイヤ間予測における入力画像の予測構造を示す図である。 図８Ｂは、実施の形態１に係るレイヤ間予測における入力画像の予測構造を示す図である。 図９Ａは、入力画像の予測構造の一例を示す図である。 図９Ｂは、入力画像の予測構造の一例を示す図である。 図１０は、ＳＶＣ－ＭＶＣビットストリームを復号化する空間階層‐マルチビュー動画像復号化装置の一実施の形態の構成を示すブロック図である。 図１１は、空間階層‐マルチビュー動画像復号化装置の処理フローを示す図である。 図１２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１３は、デジタル放送用システムの全体構成図である。 図１４は、テレビの構成例を示すブロック図である。 図１５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１６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１７Ａは、携帯電話の一例を示す図である。 図１７Ｂは、携帯電話の構成例を示すブロック図である。 図１８は、多重化データの構成を示す図である。 図１９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２０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２１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２２は、ＰＭＴのデータ構成を示す図である。 図２３は、多重化データ情報の内部構成を示す図である。 図２４は、ストリーム属性情報の内部構成を示す図である。 図２５は、映像データを識別するステップを示す図である。 図２６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２７は、駆動周波数を切り替える構成を示す図である。 図２８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２９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３０Ａ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３０Ｂ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。
　（本発明の基礎となった知見）
　本発明者は、「背景技術」の欄において記載した制御装置に関し、以下の問題が生じることを見出した。
　図１は、既に標準化されている、Ｈ．２６４と呼ばれる動画像符号化方式における空間階層画像符号化装置の構成を示すブロック図である。
　空間階層画像符号化装置５００は、図１に示すように、入力画像制御部５０１、ダウンサンプリング部５０２、ベースレイヤ符号化部５０３、拡張レイヤ符号化部５０４、拡大伸張部５０５、および階層多重化部５０６を備えている。
　入力画像制御部５０１は、入力画像信号を各レイヤの符号化を担当する符号化部に送信する。ダウンサンプリング部５０２は、入力画像信号のダウンサンプリングを行い、より解像度の小さい入力画像を生成する。ベースレイヤ符号化部５０３は、空間階層符号化を行わない通常の画像符号化装置であり、ベースレイヤの画像符号化を行う。拡大伸張部５０５は、ベースレイヤの画像符号化情報を拡大または伸張して拡張レイヤの画像符号化に用いる予測情報を生成し、拡張レイヤ符号化部５０４に入力する。拡張レイヤ符号化部５０４は、予測情報を用いて入力画像制御部５０１から入力される入力画像信号（拡張レイヤ）の画像符号化を行う。階層多重化部５０６は、各階層、すなわち、ベースレイヤと拡張レイヤの符号化情報を多重化し、空間階層符号化されたビットストリームを出力する。なお、図１に示す空間階層画像符号化装置は、例としてベースレイヤと拡張レイヤの２階層としているが、拡張レイヤ符号化部５０４を多段に結合することにより、複数の拡張レイヤの空間階層画像符号化を実現することができる。
　図２は、空間階層画像符号化装置の各レイヤの符号化部における入力画像の例を示す。入力画像は、１つのベースレイヤと２つの拡張レイヤからなる。ベースレイヤ（Ｌａｙｅｒ１）の入力画像はＳＤサイズ、拡張レイヤであるＬａｙｅｒ２の入力画像はＨＤサイズ、Ｌａｙｅｒ３の入力画像は４Ｋ２Ｋサイズである。
　相対的に解像度の小さいレイヤを下位レイヤと呼び、解像度の大きいレイヤを上位レイヤと呼ぶ。すなわち、ベースレイヤが最下層の下位レイヤとなる。空間階層画像符号化は、上位レイヤの符号化を行う際、下位レイヤの予測情報を用いてレイヤ間予測を行うことにより、符号化効率を向上する。予測情報としては、イントラテクスチャ予測、動きベクトル予測、フレーム間差分予測などの情報が用いられる。なお、上位レイヤを符号化する際、下位レイヤの予測情報を用いることをレイヤ間参照（予測）と呼ぶ。空間階層画像符号化においても、通常の画像符号化で用いられる時間方向のフレーム間予測（インター予測）は用いられる。ただし、ベースレイヤのフレーム間参照関係は、全てのレイヤで一致していなければならない。図２の点線矢印は、レイヤ間予測と、インター予測を示している。矢印の先の画像を参照情報として矢印の始点の画像が参照していることを示す。ベースレイヤのインター予測は、２枚前のフレームを参照しているので、拡張レイヤにおいても同様に２枚前のフレームを参照する。なお、レイヤ間予測を行うか否かは、ブロック単位で切り替えられる。
　図３は、既に標準化されている、Ｈ．２６４と呼ばれる動画像符号化方式におけるマルチビュー画像符号化装置の構成を示すブロック図である。
　マルチビュー画像符号化装置６００は、図３に示すように、入力画像制御部６０１、ベースビュー符号化部６０２、拡張ビュー符号化部６０３、ビュー多重化部６０４を備えている。
　入力画像制御部６０１は、必要に応じて入力画像信号から各ビュー画像を生成し、各ビュー画像を対応する各ビューの符号化部に送信する。なお、各ビューの入力画像信号が入力画像制御部６０１に入力されてもよい。ベースビュー符号化部６０２は、マルチビュー符号化を行わない通常の画像符号化装置であり、ベースビューの画像符号化を行う。また、ベースビュー符号化部６０２は、ベースビュー符号化部６０２の内部で符号化され復号化されたベースビューの再構築ビュー画像を拡張ビュー符号化部６０３に入力する。拡張ビュー符号化部６０３は、再構築ビュー画像を用いて入力画像制御部６０１から入力される拡張ビュー画像の画像符号化を行う。ビュー多重化部６０４は、各ビュー、すなわち、ベースビューと拡張ビューの符号化情報を多重化し、マルチビュー符号化されたビットストリームを出力する。なお、図３に示すマルチビュー画像符号化装置は、例としてベースビューと拡張ビューの２つとしているが、拡張ビュー符号化部６０３を多段に結合することにより、複数の拡張ビューのマルチビュー画像符号化を実現することができる。
　図４は、マルチビュー画像符号化装置における各ビューの入力画像の例を示す。入力画像は、１つのベースビューと２つの拡張ビューからなる。ベースビュー（Ｖｉｅｗ１）、拡張ビュー（Ｖｉｅｗ２、Ｖｉｅｗ３）の画像解像度は同一である。一般的に、各ビューはわずかに違う視点から同時刻に撮影された画像であり相関を有している。現在では、立体画像（３Ｄ）の符号化方法として用いられている。
　マルチビュー画像符号化は、拡張ビューの符号化を行う際、他のビューの再構築画像を参照画像として用いてフレーム間予測を行うことにより、符号化効率を向上する。なお、拡張ビューを符号化する際、他のビューの再構築画像を用いることをビュー間参照（予測）と呼ぶ。マルチビュー画像符号化においては、通常の画像符号化で用いられる時間方向のフレーム間予測（インター予測）の参照画像として、他のビューの再構築画像が用いられる。ただし、符号化対象画像と時間的に異なる他のビューの再構築画像を参照画像として用いることはできない。
　ビュー間予測が用いられる場合には、参照するビューを選択する。図４の点線矢印は、ビュー間予測と、インター予測を示している。拡張ビュー（Ｖｉｅｗ２）のビュー間予測は、ベースビュー（Ｖｉｅｗ１）を参照している。一方で、拡張ビュー（Ｖｉｅｗ３）のビュー間予測は、拡張ビュー（Ｖｉｅｗ２）を参照している。なお、ビュー間予測を行うか否かは、ブロック単位で切り替えられる。また、時間が異なれば、ビュー間の参照関係は異なっても良い。
　上述した空間階層画像符号化とマルチビュー画像符号化を組み合わせた符号化を行う場合、拡張ビューの拡張レイヤは、レイヤ間参照とビュー間参照が行われる。拡張ビューの拡張レイヤは、ベースビューの拡張レイヤと、拡張ビューの下位レイヤをそれぞれ復号してからでなければ復号することができず、復号処理の負荷が高く、また復号化効率が悪い。
　以下、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、いずれも包括的または具体的な例を示すものである。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及び接続形態、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。また、以下の実施の形態における構成要素のうち、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、任意の構成要素として説明される。
　（実施の形態１）
　図５は、本発明に係る動画像符号化方法を用いた空間階層‐マルチビュー動画像符号化装置の一実施の形態の構成を示すブロック図である。
　空間階層‐マルチビュー動画像符号化装置１００は、図５に示すように、入力画像制御部１０１、第１ダウンサンプリング部１０２、ベースレイヤ符号化部１０３、拡張レイヤ符号化部１０４、第１拡大伸張部１０５、第２ダウンサンプリング部１０６、拡張ビューのベースレイヤ符号化部１０７、拡張ビューの拡張レイヤ符号化部１０８、第２拡大伸張部１０９、優先度決定部１１０、階層‐ビュー多重化部１１１を備えている。なお、第１ダウンサンプリング部１０２と第２ダウンサンプリング部１０６、第１拡大伸張部１０５と第２拡大伸張部１０９は、いずれも同一の機能を有しており、共用するように実装することができる。
　なお、図５に示す空間階層‐マルチビュー動画像符号化装置は、ビューについてベースビューと拡張ビューの２つとしているが、拡張ビュー符号化部（拡張ビューのベースレイヤ符号化部１０７及び拡張ビューの拡張レイヤ符号化部１０８）を多段に結合することにより、複数の拡張ビューのマルチビュー画像符号化を実現することができる。同様に、階層についてベースレイヤと拡張レイヤの２階層としているが、拡張レイヤ符号化部１０４及び拡張ビューの拡張レイヤ符号化部１０８を多段に結合することにより、複数の拡張レイヤの空間階層画像符号化を実現することができる。
　入力画像制御部１０１は、入力画像信号をビューごとに分離し、各ビューの符号化を担当する符号化部に送信する。
　第１ダウンサンプリング部１０２（第２ダウンサンプリング部１０６）は、入力画像信号のダウンサンプリングを行い、より解像度の小さい入力画像を生成する。
　ベースレイヤ符号化部１０３は、空間階層符号化を行わない通常の画像符号化装置であり、ベースビューのベースレイヤの画像符号化を行う。そして、ベースビューのベースレイヤの再構築画像を拡張ビューのベースレイヤ符号化部１０７に入力する。
　第１拡大伸張部１０５は、ベースレイヤの画像符号化情報を拡大または伸張して拡張レイヤの画像符号化に用いる予測情報を生成し、拡張レイヤ符号化部１０４に入力する。
　拡張レイヤ符号化部１０４は、予測情報を用いて入力画像制御部１０１から入力される入力画像信号（ベースビューの拡張レイヤ）の画像符号化を行う。そして、ベースビューの拡張レイヤの再構築画像を優先度決定部１１０に入力する。
　拡張ビューのベースレイヤ符号化部１０７は、ベースレイヤ符号化部１０３によって再構築されたベースビューのベースレイヤの再構築画像を用いて、拡張ビューのベースレイヤの画像符号化を行う。
　第２拡大伸張部１０９は、拡張ビューのベースレイヤの画像符号化情報を拡大もしくは伸張して拡張ビューの拡張レイヤの画像符号化に用いる予測情報を生成し、優先度決定部１１０に入力する。
　優先度決定部１１０は、レイヤ間参照とビュー間参照の優先度を決定し、決定した優先度の予測情報を拡張ビューの拡張レイヤ符号化部１０８に送信する。
　拡張ビューの拡張レイヤ符号化部１０８は、優先度決定部１１０から送られた予測情報を用いて入力画像制御部１０１から入力される入力画像信号（拡張ビューの拡張レイヤ）の画像符号化を行う。
　階層‐ビュー多重化部１１１は、各符号化部、すなわち、ベースレイヤ符号化部１０３、拡張レイヤ符号化部１０４、拡張ビューのベースレイヤ符号化部１０７、拡張ビューの拡張レイヤ符号化部１０８から送られる符号化情報を多重化し、空間階層画像符号化かつマルチビュー画像符号化されたビットストリーム（以後、SVC-MVCビットストリームと呼ぶ）を出力する。
　次に、優先度決定部１１０が決定する優先度について説明する。優先度には３つのパターンがある。パターン１は、ビュー間参照が優先する。この場合は、レイヤ間参照は禁止され、レイヤ間参照のための予測情報は拡張ビューの拡張レイヤ符号化部１０８に送られない。したがって、拡張ビューの拡張レイヤは、ビュー間参照のみが行われる。すなわち拡張ビューのベースレイヤ符号化部１０７が生成した拡張ビューのベースレイヤの再構築画像は、拡張ビューの拡張レイヤ符号化部１０８に入力されない。図６Ａは、パターン１における入力画像の予測構造を示す図である。説明の便宜上、階層は３階層、ビューは２ビュー（３Ｄ）としている。レフトビューをベースレイヤとし、ライトビューを拡張ビューとする。ベースビューのベースレイヤ（Ｌａｙｅｒ１（Ｌ））は、インター予測のみ可能である。ベースビューの拡張レイヤ（Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ３（Ｌ））は、レイヤ間予測とインター予測が可能である。拡張ビューのベースレイヤ（Ｌａｙｅｒ１（Ｒ））は、ビュー間予測またはインター予測が可能である。そして、拡張ビューの拡張レイヤ（Ｌａｙｅｒ２（Ｒ）、Ｌａｙｅｒ３（Ｒ））は、ビュー間予測またはインター予測が可能である。パターン２は、レイヤ間参照が優先する。この場合は、ビュー間参照は禁止され、ビュー間参照のための予測情報（参照ビューの再構築画像）は拡張ビューの拡張レイヤ符号化部１０８に送信されない。したがって、拡張ビューの拡張レイヤは、レイヤ間参照のみが行われる。図６Ｂは、パターン２における入力画像の予測構造を示す図である。拡張ビューの拡張レイヤ以外の予測構造は、図６Ａと同一である。拡張ビューの拡張レイヤ（Ｌａｙｅｒ２（Ｒ）、Ｌａｙｅｒ３（Ｒ））は、レイヤ間予測とインター予測が可能である。
　パターン３は、ビュー間参照とレイヤ間参照の優先度は同じである。この場合、レイヤ間参照のための予測情報とビュー間参照のための予測情報（参照ビューの再構築画像）は、両方とも拡張ビューの拡張レイヤ符号化部１０８に送信される。したがって、拡張ビューの拡張レイヤは、ビュー間参照とレイヤ間参照が行われる。図６Ｃは、パターン３における入力画像の予測構造を示す図である。拡張ビューの拡張レイヤ以外の予測構造は、図６Ａと同一である。拡張ビューの拡張レイヤ（Ｌａｙｅｒ２（Ｒ）、Ｌａｙｅｒ３（Ｒ））は、レイヤ間予測とインター予測、またはレイヤ間予測もしくはインター予測が可能である。
　決定された優先度（パターン１からパターン３のいずれか）をシーケンスパラメータセット（ＳＰＳ）に含めることにより、デコーダ側では、拡張ビューの拡張レイヤの予測に用いられる参照方式を知ることができるようになる。また、パターン１をデフォルト設定とすることより、優先度決定部１１０は、パターン１を利用する場合には、優先度をSPSに含めないようにしても良い。
　図７は、空間階層‐マルチビュー動画像符号化装置の処理フローを示す。
　優先度決定部１１０が優先度を決定する（ステップＳ１０１）。なお、優先度決定部１１０は、通信状況やエンコーダ・デコーダの演算リソースなど、さまざまな観点に基づき優先度を決定することができる。決定された優先度をシーケンスパラメータセット（ＳＰＳ）に設定する（ステップＳ１０２）。なお、優先度をシーケンスの途中で変更する場合には、ＳＰＳに限らずピクチャパラメータセット（ＰＰＳ）などの他のパラメータに設定することができる。符号化対象の入力画像が拡張ビューかつ拡張レイヤである場合（ステップＳ１０３のＹｅｓ）に、優先度決定部１１０は決定された優先度に応じて、拡張ビューの拡張レイヤ符号化部１０８に予測情報を送信する（ステップＳ１０４）。ビュー間参照が優先する場合、ビュー間参照のための予測情報（参照ビューの再構築画像）が拡張ビューの拡張レイヤ符号化部１０８に送信される。拡張ビューの拡張レイヤ符号化部１０８は、ビュー間予測またはインター予測を行う（ステップＳ１０５）。レイヤ間参照が優先する場合、レイヤ間参照のための予測情報が拡張ビューの拡張レイヤ符号化部１０８に送信される。拡張ビューの拡張レイヤ符号化部１０８は、レイヤ間予測およびインター予測を行う（ステップＳ１０６）。ビュー間参照とレイヤ間参照の優先度が同じである場合、レイヤ間参照のための予測情報とビュー間参照のための予測情報（参照ビューの再構築画像）は、両方とも拡張ビューの拡張レイヤ符号化部１０８に送信される。拡張ビューの拡張レイヤ符号化部１０８は、レイヤ間予測およびインター予測、またはレイヤ間予測もしくはインター予測を行う（ステップＳ１０７）。
　符号化対象の入力画像が拡張ビューかつ拡張レイヤでない場合（ステップＳ１０３Ｎｏ）、通常の予測符号化を行う（ステップＳ１０８）。すなわち、ベースビューのベースレイヤは、インター予測符号化が行われ、ベースビューの拡張レイヤは、レイヤ間予測およびインター予測符号化が行われ、拡張ビューのベースレイヤは、ビュー間予測またはインター予測符号化が行われる。
　ＳＶＣ－ＭＶＣビットストリームにおける拡張ビューの拡張レイヤの予測に用いられる参照方式をデコーダ側であらかじめ知ることができると、復号化効率が向上する。例えば、デコーダ側で拡張ビューの拡張レイヤであるＬａｙｅｒ３（Ｒ）を復号し表示する場合、図６Ａに示すパターン１の予測構造が用いられることを知ることにより、デコーダは、Ｌａｙｅｒ１（Ｌ）、Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ３（Ｌ）の画像を復号化するだけで、Ｌａｙｅｒ１（Ｒ）、Ｌａｙｅｒ２（Ｒ）の画像を復号化することなく、Ｌａｙｅｒ３（Ｒ）の画像を復号化することができるようになる。同様に、図６Ｂに示すパターン２の予測構造が用いられることを知ることにより、デコーダは、Ｌａｙｅｒ１（Ｌ）、Ｌａｙｅｒ１（Ｒ）、Ｌａｙｅｒ２（Ｒ）の画像を復号化するだけで、Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ３（Ｌ）の画像を復号化することなく、Ｌａｙｅｒ３（Ｒ）の画像を復号化することができるようになる。
　以上のように、本実施の形態によれば、レイヤ間参照とビュー間参照の優先度を決定することにより、デコーダ側での復号化効率が向上する。
　図８は、本実施の形態に係るレイヤ間予測における入力画像の予測構造を示す図である。図８Ａは、図２に示す従来の空間階層符号化に用いられる予測構造と同様である。すなわち、第１の拡張レイヤ（Ｌａｙｅｒ２）は、ベースレイヤ（Ｌａｙｅｒ１）の予測情報をレイヤ間予測に用いる。また、第２の拡張レイヤ（Ｌａｙｅｒ３）は、第１の拡張レイヤ（Ｌａｙｅｒ２）の予測情報をレイヤ間予測に用いる。つまり、拡張レイヤは、一つ下の階層の拡張レイヤを参照する。この予測構造を順次予測構造と呼ぶ。これに対し、図８Ｂに示す予測構造は、第２の拡張レイヤ（Ｌａｙｅｒ３）は、第１の拡張レイヤ（Ｌａｙｅｒ２）ではなく、ベースレイヤ（Ｌａｙｅｒ１）の予測情報をレイヤ間予測に用いる。すなわち、全ての拡張レイヤは、ベースレイヤ（Ｌａｙｅｒ１）の予測情報をレイヤ間予測に用いることになる。この予測構造をスター予測構造と呼ぶ。スター予測構造を用いると、順次予測構造を用いた場合と比較し、全階層のトータルの符号化ビット量は増加する傾向にある。しかしながら、ベースレイヤを復号化した後、上位レイヤの復号化処理を直ちに開始できるため復号化効率は高い。図示しないが、図８４に示す予測構造を一般化し、全ての拡張レイヤは、下位層の任意の拡張レイヤまたはベースレイヤを参照するようにしてもよい。その場合、例えば拡張レイヤが３層では、予測構造は順次予測構造とスター予測構造を含めて６通りとなる。順次予測構造とスター予測構造に代えて、一般化した予測構造を用いても良い。
　決定された予測構造（順次予測構造やスター予測構造など）を補足情報（ＳＥＩ：Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）に含め、デコーダ側にＳＥＩメッセージを送信することにより、デコーダ側では、レイヤ間予測に用いられる予測構造を知ることができるようになる。また、順次予測構造をデフォルト設定とすることより、エンコーダは、順次予測構造を利用する場合には、レイヤ間予測の予測構造を送信しないようにしても良い。
　本実施の形態に係る空間階層‐マルチビュー動画像符号化装置の図示しない予測構造制御部は、ベースビューのレイヤ間参照の予測構造と拡張ビューのレイヤ間参照の予測構造とを一致させるように制御する。具体的には、ベースビューのレイヤ間参照の予測構造に一致するように拡張ビューのレイヤ間参照の予測構造を制御する。その結果、図６Ｂや図６Ｃのように、ベースビューのレイヤ間参照と拡張ビューのレイヤ間参照は、いずれも順次予測構造が用いられることになる。また、ベースビューのレイヤ間参照にスター予測構造が用いられる場合、拡張ビューのレイヤ間参照にもスター予測構造が用いられる。図９Ａは、図６Ｃに示す入力画像の予測構造において、レイヤ間参照をスター予測構造に変更したものである。予測構造制御部は、図９Ａのように、ベースビューのレイヤ間参照の予測構造に一致するように、拡張ビューのレイヤ間参照の予測構造を制御する。
　図示しない予測構造制御部が、このように制御することにより、デコーダ側におけるＳＶＣ－ＭＶＣビットストリームの復号化効率が向上する。例えば、デコーダ側で拡張ビューの拡張レイヤであるＬａｙｅｒ３（Ｒ）を復号し表示する場合、図９Ａに示す予測構造が用いられると、デコーダは、Ｌａｙｅｒ１（Ｌ）、Ｌａｙｅｒ３（Ｌ）、Ｌａｙｅｒ１（Ｒ）の画像を復号化するだけで、Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ２（Ｒ）の画像を復号化することなく、Ｌａｙｅｒ３（Ｒ）の画像を復号化することができるようになる。図９Ｂは、復号化効率の比較のために、各ビューのレイヤ間参照の予測構造が一致していない予測構造を示す。ベースビューのレイヤ間参照の予測構造にはスター予測構造が用いられ、拡張ビューのレイヤ間参照の予測構造には順次予測構造が用いられている。拡張ビューのレイヤ間参照の予測構造は、ベースビューのレイヤ間参照の予測構造と一致していない。このとき、デコーダ側で拡張ビューの拡張レイヤであるＬａｙｅｒ３（Ｒ）を復号し表示する場合、Ｌａｙｅｒ１（Ｌ）、Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ３（Ｌ）、Ｌａｙｅｒ１（Ｒ）、Ｌａｙｅｒ２（Ｒ）の全ての画像を復号化しなければならず、復号化効率は著しく低下する。
　本実施の形態によれば、拡張ビューのレイヤ間参照の予測構造をベースビューのレイヤ間参照の予測構造と一致させるように制御することにより、デコーダ側での復号化効率が向上する。
　なお、本実施の形態における動画像復号化装置及び方法は、図５または図７に示す全ての構成・ステップを備えていなくても良い。すなわち、
　本実施の形態における一態様における動画像復号化装置では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、ベースビューと一つ以上の拡張ビューとをマルチビュー画像符号化する動画像符号化装置であって、前記ベースレイヤを符号化するベースレイヤ符号化部と、前記ベースレイヤ符号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層符号化する拡張レイヤ符号化部と、前記ベースレイヤ符号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー符号化する拡張ビュー・ベースレイヤ符号化部と、前記拡張レイヤ符号化部が生成した前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー符号化する拡張ビュー・拡張レイヤ符号化部と、有するとしてもよい。
　また本実施の形態における一態様における動画像復号化装置では、前記拡張ビュー・ベースレイヤ符号化部が生成した前記拡張ビューのベースレイヤの再構築画像は、前記拡張ビュー・拡張レイヤ符号化部に入力されない、としてもよい。
　また本実施の形態における一態様における動画像復号化方法では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、ベースビューと一つ以上の拡張ビューとをマルチビュー画像符号化する動画像符号化方法であって、前記ベースレイヤを符号化し前記ベースレイヤの再構築画像を生成するステップと、前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層符号化し、前記拡張レイヤの再構築画像を生成するステップと、前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー符号化するステップと、前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー符号化するステップと、を有するとしてもよい。
　（実施の形態２）
　図１０は、空間階層画像符号化かつマルチビュー画像符号化がなされたビットストリーム（以後、ＳＶＣ－ＭＶＣビットストリームと呼ぶ）を復号化する空間階層‐マルチビュー動画像復号化装置の一実施の形態の構成を示すブロック図である。
　空間階層‐マルチビュー動画像復号化装置２００は、図１０に示すように、逆多重化部２０１、復号制御部２０２、逆ビュー多重化部２０３、第１逆階層多重化部２０４、ベースレイヤ復号化部２０５、拡張レイヤ復号化部２０６、第１拡大伸張部２０７、第２逆階層多重化部２０８、拡張ビューのベースレイヤ復号化部２０９、拡張ビューの拡張レイヤ復号化部２１０、第２拡大伸張部２１１、および切り替え器２１２、２１３、２１４を備えている。なお、第１逆階層多重化部２０４と第２逆階層多重化部２０８、第１拡大伸張部２０７と第２拡大伸張部２１１は、いずれも同一の機能を有しており、共用するように実装することができる。
　なお、図１０に示す空間階層‐マルチビュー動画像復号化装置は、ビューについてベースビューと拡張ビューの２つとしているが、拡張ビュー復号化部（拡張ビューのベースレイヤ復号化部２０９および拡張ビューの拡張レイヤ復号化部２１０）を多段に結合することにより、複数の拡張ビューのマルチビュー画像復号化を実現することができる。同様に、階層についてベースレイヤと拡張レイヤの２階層としているが、拡張レイヤ復号化部２０６および拡張ビューの拡張レイヤ復号化部２１０を多段に結合することにより、複数の拡張レイヤの空間階層画像復号化を実現することができる。
　逆多重化部２０１は、ＳＶＣ－ＭＶＣビットストリームが入力されると、ビデオ符号化データと付加情報に分離する。付加情報とは、例えば、ＳＰＳやＳＥＩなどの情報である。なお、ＳＥＩはＳＶＣ－ＭＶＣビットストリームとは別に受信する構成にしても良い。逆多重化部２０１は、ビデオ符号化データを逆ビュー多重化部２０３に送信し、付加情報を復号制御部２０２に送信する。
　復号制御部２０２は、付加情報に基づき、空間階層‐マルチビュー動画像復号化装置内部の各ユニットを制御する。なお、復号制御部２０２が制御に用いる制御信号については一部を除いて図示しない。
　逆ビュー多重化部２０３は、マルチビュー符号化されたビデオ符号化データをビュー毎の符号化データ（ベースビュー符号化データと拡張ビュー符号化データ）に分離する。
　第１逆階層多重化部２０４（第２逆階層多重化部２０８）は、階層符号化されたビデオ符号化データから各階層の符号化データ（ベースレイヤ符号化データと拡張レイヤ符号化データ）に分離し、各階層の復号化部へそれぞれ送信する。なお、本実施の形態の空間階層‐マルチビュー動画像復号化装置は、逆ビュー多重化部２０３が先にビュー毎の符号化データに分離し、逆階層多重化部が各ビューの符号化データを各階層の符号化データに分離する構成としているが、これに限定されない。すなわち、逆階層多重化部が先に各階層の符号化データに分離し、逆ビュー多重化部２０３が各階層の符号化データを各ビューの符号化データに分離する構成とすることは、当業者には自明である。
　ベースレイヤ復号化部２０５は、空間階層画像符号化を行わない通常の画像復号化装置であり、ベースビューのベースレイヤの画像復号化を行う。
　第１拡大伸張部２０７は、ベースレイヤの画像復号化情報を拡大もしくは伸張して拡張レイヤの画像復号化に用いる予測情報を生成し、拡張レイヤ復号化部２０６に入力する。
　拡張レイヤ復号化部２０６は、予測情報を用いてベースビューの拡張レイヤの画像復号化を行う。そして、再構築されたベースビューの拡張レイヤの画像を拡張ビューの拡張レイヤ符号化部に入力する。
　拡張ビューのベースレイヤ復号化部２０９は、ベースレイヤ復号化部２０５によって再構築されたベースビューのベースレイヤの画像を用いて、拡張ビューのベースレイヤの画像復号化を行う。
　第２拡大伸張部２１１は、拡張ビューのベースレイヤの画像復号化情報を拡大もしくは伸張して拡張ビューの拡張レイヤの画像復号化に用いる予測情報を生成し、拡張ビューの拡張レイヤ復号化部２１０に入力する。
　切り替え器（１）２１２は第１逆階層多重化部２０４と拡張レイヤ復号化部２０６との間に、切り替え器（２）２１３は第２逆階層多重化部２０８と拡張ビューのベースレイヤ復号化部２０９との間に、切り替え器（３）２１４は、第２逆階層多重化部２０８と拡張ビューの拡張レイヤ復号化部２１０との間にそれぞれ挿入される。切り替え器２１２、２１３、２１４は、復号制御部２０２によって経路のオン・オフが制御され、オフの場合にはデータは流れずに破棄される。
　図１１は、空間階層‐マルチビュー動画像復号化装置の処理フローを示す。
　最初に、ターゲット復号画像が設定される（ステップＳ２０１S1）。ターゲット復号画像とは、空間階層‐マルチビュー動画像復号化装置が復号化し、図示しない表示装置に表示する画像のことである。図６Ａに示される図を例に用いると、ＳＶＣ－ＭＶＣビットストリームには、Ｌａｙｅｒ１（Ｌ）、Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ３（Ｌ）、Ｌａｙｅｒ１（Ｒ）、Ｌａｙｅｒ２（Ｒ）、Ｌａｙｅｒ３（Ｒ）の６枚の符号化された画像が含まれている。しかしながら、デコーダ側の表示装置に表示されるのは、通常、選択された画像のみである。６枚の画像の中から選択した画像をターゲット復号画像と呼ぶ。なお、ターゲット復号画像の選択は、ユーザの指示で行ってもよいし、通信状況、デコーダ側の演算リソース、表示装置の解像度に基づいて決定するようにしてもよい。
　つぎに、復号制御部２０２は、設定されたターゲット復号画像が拡張ビューの拡張レイヤの画像（Ｌａｙｅｒ２（Ｒ）、Ｌａｙｅｒ３（Ｒ））であるか否かを判断する（ステップＳ２０２）。ターゲット復号画像が拡張ビューの拡張レイヤの画像である場合には、復号制御部２０２は、付加情報から予測構造情報（レイヤ間参照とビュー間参照の優先度情報）を取得する（ステップＳ２０３）。そして、予測構造情報に基づき、切り替え器の制御を行う（ステップＳ２０４）。切り替え器がオフに制御されると、符号化データは復号化部に入力されずに破棄される。なお、符号化データが入力されない符号化部は動作しない。符号化データが入力された復号化部は、入力された符号化データの復号化処理を行う（ステップＳ２０６）。そして、ターゲット復号画像に対応する復号化部のみが、復号された出力画像信号を図示しない表示装置に出力する。なお、ある時刻の符号化データを復号化処理（ステップＳ２０５）した後、復号制御部２０２が、付加情報から新たな予測構造情報を取得した場合（ステップＳ２０３）は、ステップＳ２０４に戻り、ステップＳ２０５の処理を繰り返す。例えば、シーケンスの途中で予測構造が変化した場合には、付加情報の一つであるピクチャパラメータセット（ＰＰＳ）に新たな予測構造情報が含まれる。以降のシーケンスでは、取得した新たな予測構造情報に基づいて復号処理が行われる。
　ターゲット復号画像が拡張ビューの拡張レイヤの画像でない場合には、復号制御部２０２は、ターゲット復号画像に応じた切り替え器の制御を行う（ステップＳ２０６）。具体的には、ターゲット画像がベースビューのベースレイヤ（Ｌａｙｅｒ１（Ｌ））のとき、切り替え器（１）２１２から切り替え器（３）２１４を全てオフに制御する。また、ターゲット画像がベースビューの拡張レイヤ（Ｌａｙｅｒ２（Ｌ）、Ｌａｙｅｒ３（Ｌ））のとき、切り替え器（２）２１３と切り替え器（３）２１４をオフに制御する。また、ターゲット画像が拡張ビューのベースレイヤ（Ｌａｙｅｒ１（Ｒ））のとき、切り替え器（１）２１２と切り替え器（３）２１４をオフに制御する。
　次に、ステップＳ２０４（予測構造情報に基づく切り替え器の制御）の具体的な動作について説明する。入力画像の予測構造情報は、実施の形態１で説明したように、図６Ａから図６Ｃに示されるパターン１からパターン３の予測構造を示す情報である。ターゲット復号画像は拡張ビューの拡張レイヤの画像であるＬａｙｅｒ３（Ｒ）であるとする。図６Ａの予測構造の場合、復号制御部２０２は、切り替え器（１）２１２をオンにする。これによってベースビューの拡張レイヤ復号化部が動作し、Ｌａｙｅｒ３（Ｌ）の符号化データが復号化される。一方、復号制御部２０２は、切り替え器（２）２１３をオフにする。これによってＬａｙｅｒ１（Ｒ）の符号化データは破棄され、拡張ビューのベースレイヤ復号化部２０９は動作しない。さらに、復号制御部２０２は、切り替え器（３）２１４をオフにする。これによってＬａｙｅｒ２（Ｒ）の符号化データは破棄され、拡張ビューの拡張レイヤ復号化部２１０は動作しない。なお、復号制御部２０２は、Ｌａｙｅｒ３（Ｒ）の符号化データを復号化する図示しない拡張ビューの拡張レイヤ復号部に接続している図示しない切り替え器はオンに制御する。それにより、図示しない拡張ビューの拡張レイヤ復号部は動作し、再構築されたＬａｙｅｒ３（Ｌ）に基づきＬａｙｅｒ３（Ｒ）の符号化データは復号化される。次に、図６Ｂの予測構造の場合、復号制御部２０２は、切り替え器（２）２１３と切り替え器（３）２１４をオンに制御する。これによって拡張ビューのベースレイヤ復号化部２０９が動作し、再構築されたＬａｙｅｒ１（Ｌ）に基づきＬａｙｅｒ１（Ｒ）の符号化データは復号化される。そして、拡張ビューの拡張レイヤ復号化部２１０が動作し、Ｌａｙｅｒ３（Ｒ）の符号化データが復号化される。一方、復号制御部２０２は、切り替え器（１）２１２をオフに制御する。これによってＬａｙｅｒ２（Ｌ）及びＬａｙｅｒ３（Ｌ）の符号化データは破棄され、ベースビューの拡張レイヤ復号化部は動作しない。
　以上のように、本実施の形態によれば、予測構造情報に基づき復号化制御することにより、ターゲット復号画像の復号に必要ない画像の復号処理を省き復号化効率が向上する。
　なお、本実施の形態における動画像復号化装置及び方法は、図１０または図１１に示す全ての構成・ステップを備えていなくても良い。すなわち、
　本実施の形態における一態様における動画像復号化装置では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化装置であって、前記ベースレイヤを復号化するベースレイヤ復号化部と、前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層復号化する拡張レイヤ復号化部と、を有するとしてもよい。
　また、本実施の形態における一態様における動画像復号化装置では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化装置であって、前記ベースレイヤを復号化するベースレイヤ復号化部と、前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー復号化する拡張ビュー・ベースレイヤ復号化部と、を有するとしてもよい。
　また、本実施の形態における一態様における動画像復号化装置では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層画像符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとして、それぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを復号化する動画像復号化装置であって、前記ベースレイヤを復号化するベースレイヤ復号化部と、前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層復号化する拡張レイヤ復号化部と、前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて前記拡張ビューのベースレイヤをマルチビュー復号化し、或いは前記拡張レイヤ復号化部が生成した前記拡張レイヤの再構築画像を用いて、前記拡張ビューのベースレイヤ或いは前記拡張ビューの拡張レイヤをマルチビュー復号化する、拡張ビュー復号化部と、を有するとしてもよい。
　また、本実施の形態における一態様における動画像復号化方法では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層画像符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化方法であって、前記ベースレイヤを復号化し前記ベースレイヤの再構築画像を生成するステップと、前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層復号化するステップと、を有するとしてもよい。
　また、本実施の形態における一態様における動画像復号化方法では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層画像符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化方法であって、前記ベースレイヤを復号化し前記ベースレイヤの再構築画像を生成するステップと、前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー復号化するステップと、を有するとしてもよい。
　また、本実施の形態における一態様における動画像復号化方法では、ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層画像符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化方法であって、前記ベースレイヤを復号化し前記ベースレイヤの再構築画像を生成するステップと、前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層復号化し、前記拡張レイヤの再構築画像を生成するステップと、前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー復号化するステップと、前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー復号化するステップと、を有するとしてもよい。
　（実施の形態３）
　上記各実施の形態で示した動画像符号化方法（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１２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１２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、本発明の一態様に係る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、本発明の一態様に係る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１３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、本発明の一態様に係る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、本発明の一態様に係る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１４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（本発明の一態様に係る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１５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１６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１４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１７Ａ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１７Ｂ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、本発明の一態様に係る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、本発明の一態様に係る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４）
　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１８は、多重化データの構成を示す図である。図１８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１９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２０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２０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２０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２１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２１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２２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２３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２３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２４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２５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５）
　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２６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６）
　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２７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２６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２６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４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４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２９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２８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７）
　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３０Ａ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、本発明の一態様に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。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３０Ｂのex１０００に示す。この例では、本発明の一態様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、本発明の一態様に係る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、必ずしも本発明の一態様、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、本発明の一態様に係る動画像復号方法と、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。
　本発明に係る動画像符号化装置および動画像復号化装置は、あらゆるマルチメディアデータに適用することができ、復号化効率を向上させることが可能であり、例えば携帯電話、ＤＶＤ装置、およびパーソナルコンピュータ等を用いた蓄積、伝送、通信等における動画像符号化装置および動画像復号化装置として有用である。
　１００　空間階層‐マルチビュー動画像符号化装置
　１０１　入力画像制御部
　１０２　第１ダウンサンプリング部
　１０３　ベースレイヤ符号化部
　１０４　拡張レイヤ符号化部
　１０５　第１拡大伸張部
　１０６　第２ダウンサンプリング部
　１０７　拡張ビューのベースレイヤ符号化部
　１０８　拡張ビューの拡張レイヤ符号化部
　１０９　第２拡大伸張部
　１１０　優先度決定部
　１１１　階層‐ビュー多重化部
　２００　空間階層‐マルチビュー動画像復号化装置
　２０１　逆多重化部
　２０２　復号制御部
　２０３　逆ビュー多重化部
　２０４　第１逆階層多重化部
　２０５　ベースレイヤ復号化部
　２０６　拡張レイヤ復号化部
　２０７　第１拡大伸張部
　２０８　第２逆階層多重化部
　２０９　拡張ビューのベースレイヤ復号化部
　２１０　拡張ビューの拡張レイヤ復号化部
　２１１　第２拡大伸張部
　２１２、２１３、２１４　切り替え器

Claims (7)

  1. 　ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、ベースビューと一つ以上の拡張ビューとをマルチビュー画像符号化する動画像符号化装置であって、
    　前記ベースレイヤを符号化するベースレイヤ符号化部と、
    　前記ベースレイヤ符号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層符号化する拡張レイヤ符号化部と、
    　前記ベースレイヤ符号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー符号化する拡張ビュー・ベースレイヤ符号化部と、
    　前記拡張レイヤ符号化部が生成した前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー符号化する拡張ビュー・拡張レイヤ符号化部と、
    　を有する動画像符号化装置。
  2. 　前記拡張ビュー・ベースレイヤ符号化部が生成した前記拡張ビューのベースレイヤの再構築画像は、前記拡張ビュー・拡張レイヤ符号化部に入力されない
    　請求項１に記載の動画符号化装置。
  3. 　ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、ベースビューと一つ以上の拡張ビューとをマルチビュー画像符号化する動画像符号化方法であって、
    　前記ベースレイヤを符号化し前記ベースレイヤの再構築画像を生成するステップと、
    　前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層符号化し、前記拡張レイヤの再構築画像を生成するステップと、
    　前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー符号化するステップと、
    　前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー符号化するステップと、
    　を含む動画像符号化方法。
  4. 　ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化装置であって、
    　前記ベースレイヤを復号化するベースレイヤ復号化部と、
    　前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層復号化する拡張レイヤ復号化部と、
    　を有する動画像復号化装置。
  5. 　ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化装置であって、
    　前記ベースレイヤを復号化するベースレイヤ復号化部と、
    　前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー復号化する拡張ビュー・ベースレイヤ復号化部と、
    　を有する動画像復号化装置。
  6. 　前記動画像復号化装置は、さらに、
    　前記ベースレイヤ復号化部が生成した前記ベースレイヤの再構築画像を用いて前記拡張ビューのベースレイヤをマルチビュー復号化し、前記拡張レイヤ復号化部が生成した前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー復号化する、拡張ビュー復号化部を有する
    　請求項４に記載の動画像復号化装置。
  7. 　ベースレイヤと一つ以上の拡張レイヤとからなる入力画像を空間階層画像符号化し、前記ベースレイヤと前記拡張レイヤをベースビューとしてそれぞれ一つ以上の拡張ビューをマルチビュー画像符号化した符号化データを、復号化する動画像復号化方法であって、
    　前記ベースレイヤを復号化し前記ベースレイヤの再構築画像を生成するステップと、
    　前記ベースレイヤの再構築画像を用いて、前記拡張レイヤを空間階層復号化し、前記拡張レイヤの再構築画像を生成するステップと、
    　前記ベースレイヤの再構築画像を用いて、前記拡張ビューのベースレイヤをマルチビュー復号化するステップと、
    　前記拡張レイヤの再構築画像を用いて、前記拡張ビューの拡張レイヤをマルチビュー復号化するステップと、
    　を含む動画像復号化方法。
PCT/JP2012/005964 2011-09-22 2012-09-20 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置 WO2013042359A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US14/343,870 US10764604B2 (en) 2011-09-22 2012-09-20 Moving picture encoding method, moving picture encoding apparatus, moving picture decoding method, and moving picture decoding apparatus
CN201280044093.7A CN103828371B (zh) 2011-09-22 2012-09-20 运动图像编码方法、运动图像编码装置、及运动图像解码方法以及运动图像解码装置
JP2013534597A JP6156648B2 (ja) 2011-09-22 2012-09-20 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201161537796P 2011-09-22 2011-09-22
US61/537,796 2011-09-22

Publications (1)

Publication Number Publication Date
WO2013042359A1 true WO2013042359A1 (ja) 2013-03-28

Family

ID=47914147

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/005964 WO2013042359A1 (ja) 2011-09-22 2012-09-20 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置

Country Status (4)

Country Link
US (1) US10764604B2 (ja)
JP (1) JP6156648B2 (ja)
CN (1) CN103828371B (ja)
WO (1) WO2013042359A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110049328A (zh) * 2013-07-12 2019-07-23 佳能株式会社 图像编码设备和方法、图像解码设备和方法及存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2012120840A1 (ja) 2011-03-07 2014-07-17 パナソニック株式会社 画像復号方法、画像符号化方法、画像復号装置および画像符号化装置
US10021388B2 (en) * 2012-12-26 2018-07-10 Electronics And Telecommunications Research Institute Video encoding and decoding method and apparatus using the same
KR20140087972A (ko) * 2012-12-26 2014-07-09 한국전자통신연구원 계층적 비디오 부호화에서 다중참조계층을 적용한 계층간 영상 부호화 및 복호화 방법 및 그 장치
US11146803B2 (en) * 2013-03-11 2021-10-12 Dolby Laboratories Licensing Corporation Distribution of multi-format high dynamic range video using layered coding
AU2014288482A1 (en) * 2013-07-12 2015-02-26 Sony Corporation Image coding device and method
KR102553320B1 (ko) 2015-03-05 2023-07-10 한국전자통신연구원 레이어드 디비전 멀티플렉싱을 이용한 방송 신호 프레임 생성 장치 및 방송 신호 프레임 생성 방법
CA3065389C (en) * 2015-03-05 2022-04-26 Electronics And Telecommunications Research Institute Broadcast signal frame generation apparatus and broadcast signal frame generation method using layered division multiplexing

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003319416A (ja) * 2002-04-25 2003-11-07 Sharp Corp 立体画像符号化装置および立体画像復号装置
JP2006528870A (ja) * 2003-07-24 2006-12-21 イーストマン コダック カンパニー モノまたはステレオ画像のためのフォビエティドビデオコーディング及びトランスコーディングのシステムと方法
JP2008517499A (ja) * 2004-10-15 2008-05-22 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 中間レイヤ残余値予測を用いて符号化されたビデオシーケンスを生成および符号化されたビデオシーケンスを復号化するための装置および方法
JP2010507961A (ja) * 2006-10-25 2010-03-11 韓國電子通信研究院 マルチビュービデオのスケーラブルコーディングおよびデコーディング方法、ならびにコーディングおよびデコーディング装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004059978B4 (de) * 2004-10-15 2006-09-07 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum Erzeugen einer codierten Videosequenz und zum Decodieren einer codierten Videosequenz unter Verwendung einer Zwischen-Schicht-Restwerte-Prädiktion sowie ein Computerprogramm und ein computerlesbares Medium
JP2008517498A (ja) 2004-10-15 2008-05-22 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 中間レイヤ動きデータ予測を用いて符号化されたビデオシーケンスを生成するための装置および方法
MY159176A (en) * 2005-10-19 2016-12-30 Thomson Licensing Multi-view video coding using scalable video coding
US8160149B2 (en) * 2007-04-03 2012-04-17 Gary Demos Flowfield motion compensation for video compression
US20090003431A1 (en) * 2007-06-28 2009-01-01 Lihua Zhu Method for encoding video data in a scalable manner
CN101420609B (zh) * 2007-10-24 2010-08-25 华为终端有限公司 视频编码、解码方法及视频编码器、解码器
CN101355707B (zh) * 2008-06-10 2010-08-11 西南交通大学 一种立体视频分层编码差错控制方法
KR101620067B1 (ko) * 2009-05-14 2016-05-12 삼성전자주식회사 다시점 영상 압축 장치 및 방법
KR20110007928A (ko) * 2009-07-17 2011-01-25 삼성전자주식회사 다시점 영상 부호화 및 복호화 방법과 장치
US9414080B2 (en) * 2009-08-21 2016-08-09 Broadcom Corporation Method and system for asymmetrical rate control for 3D video compression
US8803906B2 (en) * 2009-08-24 2014-08-12 Broadcom Corporation Method and system for converting a 3D video with targeted advertisement into a 2D video for display
RU2011120192A (ru) * 2009-09-22 2013-10-27 Панасоник Корпорэйшн Устройство кодирования изображения, устройство декодирования изображения, способ кодирования изображения и способ декодирования изображения
US9014276B2 (en) 2009-12-04 2015-04-21 Broadcom Corporation Method and system for 3D video coding using SVC temporal and spatial scalabilities
US20120075436A1 (en) * 2010-09-24 2012-03-29 Qualcomm Incorporated Coding stereo video data
EP2630799A4 (en) * 2010-10-20 2014-07-02 Nokia Corp METHOD AND DEVICE FOR VIDEO CODING AND DECODING
WO2013115942A1 (en) * 2012-02-01 2013-08-08 Vidyo, Inc. Techniques for multiview video coding

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003319416A (ja) * 2002-04-25 2003-11-07 Sharp Corp 立体画像符号化装置および立体画像復号装置
JP2006528870A (ja) * 2003-07-24 2006-12-21 イーストマン コダック カンパニー モノまたはステレオ画像のためのフォビエティドビデオコーディング及びトランスコーディングのシステムと方法
JP2008517499A (ja) * 2004-10-15 2008-05-22 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 中間レイヤ残余値予測を用いて符号化されたビデオシーケンスを生成および符号化されたビデオシーケンスを復号化するための装置および方法
JP2010507961A (ja) * 2006-10-25 2010-03-11 韓國電子通信研究院 マルチビュービデオのスケーラブルコーディングおよびデコーディング方法、ならびにコーディングおよびデコーディング装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HIDEAKI KIMATA ET AL.: "A Study on Open Loop Scalable Video Coding for Free Viewpoint Video Communication", IEICE TECHNICAL REPORT [IE], THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS, vol. 104, no. 752, 18 March 2005 (2005-03-18), pages 49 - 54 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110049328A (zh) * 2013-07-12 2019-07-23 佳能株式会社 图像编码设备和方法、图像解码设备和方法及存储介质

Also Published As

Publication number Publication date
JPWO2013042359A1 (ja) 2015-03-26
US10764604B2 (en) 2020-09-01
JP6156648B2 (ja) 2017-07-05
CN103828371B (zh) 2017-08-22
CN103828371A (zh) 2014-05-28
US20140219338A1 (en) 2014-08-07

Similar Documents

Publication Publication Date Title
JP6210248B2 (ja) 動画像符号化方法及び動画像符号化装置
WO2013035313A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置及び画像符号化復号装置
JP6562369B2 (ja) 符号化復号方法および符号化復号装置
JP6156648B2 (ja) 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置
JP6112418B2 (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
WO2013161203A1 (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、及び画像符号化復号装置
JP6414712B2 (ja) 多数の参照ピクチャを用いる動画像符号化方法、動画像復号方法、動画像符号化装置、および動画像復号方法
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
WO2012023281A1 (ja) 動画像復号方法、動画像符号化方法、動画像復号装置、及び、動画像符号化装置
WO2014010192A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
WO2013001749A1 (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
JP5331944B2 (ja) 画像復号化方法および画像復号化装置
WO2012120840A1 (ja) 画像復号方法、画像符号化方法、画像復号装置および画像符号化装置
WO2015177966A1 (ja) 画像符号化方法及び画像符号化装置
JP2014039252A (ja) 画像復号方法および画像復号装置
WO2014013695A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
WO2013057938A1 (ja) システム層処理装置、符号化装置、システム層処理方法、および符号化方法
WO2012096157A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置
WO2013076991A1 (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
WO2012081225A1 (ja) 画像符号化方法、及び画像復号方法
WO2012124300A1 (ja) 動画像符号化方法、動画像復号方法、動画像符号化装置および動画像復号装置
WO2013153808A1 (ja) 画像復号方法および画像復号装置
WO2013046616A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法
WO2012014458A1 (ja) 画像符号化方法および画像復号方法
WO2012086166A1 (ja) 画像符号化方法及び画像復号化方法

Legal Events

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

Ref document number: 12833143

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
ENP Entry into the national phase

Ref document number: 2013534597

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14343870

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: 12833143

Country of ref document: EP

Kind code of ref document: A1