WO2013153778A1 - 画像符号化方法および画像復号化方法 - Google Patents

画像符号化方法および画像復号化方法 Download PDF

Info

Publication number
WO2013153778A1
WO2013153778A1 PCT/JP2013/002303 JP2013002303W WO2013153778A1 WO 2013153778 A1 WO2013153778 A1 WO 2013153778A1 JP 2013002303 W JP2013002303 W JP 2013002303W WO 2013153778 A1 WO2013153778 A1 WO 2013153778A1
Authority
WO
WIPO (PCT)
Prior art keywords
picture
motion vector
encoding
decoding
block
Prior art date
Application number
PCT/JP2013/002303
Other languages
English (en)
French (fr)
Inventor
敏康 杉尾
西　孝啓
陽司 柴原
京子 谷川
寿郎 笹井
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 JP2014510045A priority Critical patent/JP6681609B2/ja
Priority to US14/236,965 priority patent/US10075708B2/en
Publication of WO2013153778A1 publication Critical patent/WO2013153778A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—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

Definitions

  • the present invention relates to an image encoding method, an image decoding method, an image encoding device, and an image decoding device that encode a plurality of pictures for each block.
  • H. is a video encoding system.
  • H.264 Non-Patent Document 1 uses three types of picture types: I-picture, P-picture, and B-picture to compress the amount of information.
  • Non-Patent Document 2 An image coding apparatus that uses a predicted motion vector designation mode generates a plurality of candidates for a predicted motion vector from an adjacent block or the like that is adjacent to an encoding target block. Then, the image coding apparatus selects a motion vector predictor from a plurality of candidates.
  • the present invention provides an image encoding method capable of appropriately selecting a predicted motion vector from a list even when a block may be encoded with reference to a picture that temporally matches the block. provide.
  • An image encoding method is an image encoding method for encoding a plurality of pictures for each block, and encoding an encoding target block included in an encoding target picture from the plurality of pictures.
  • a reference picture to be used is determined, a first picture used to derive a prediction motion vector for encoding a motion vector of the encoding target block is determined from the reference pictures, and the encoding target block is determined List of motion vectors of one or more adjacent blocks spatially adjacent to one another, or one or more motion vectors of one or more first blocks located in the first picture and located spatially close to the target block to be encoded Adding, selecting one of the motion vectors added to the list as the predicted motion vector, and The encoding target block is encoded using a coding vector, the difference between the motion vector of the encoding target block and the selected prediction motion vector is encoded, and the encoding target block and the difference are encoded.
  • the encoding target picture is a specific picture type, the motion vectors of
  • the predicted motion vector is appropriately selected from the list even when there is a possibility that a block is encoded with reference to a picture that temporally matches the block by the image encoding method of the present invention. Further, the predicted motion vector is appropriately generated.
  • FIG. 1 is a configuration diagram illustrating an image encoding device according to Embodiment 1.
  • FIG. 2 is a configuration diagram illustrating main components of the image encoding device according to the first embodiment.
  • FIG. 3 is a diagram showing motion vectors of adjacent blocks according to the first embodiment.
  • FIG. 4 is a diagram showing a motion vector of the co-located block according to the first embodiment.
  • FIG. 5 is a diagram illustrating a first example of the expansion / contraction process according to the first embodiment.
  • FIG. 6 is a diagram illustrating a second example of the expansion / contraction process according to the first embodiment.
  • FIG. 7 is a diagram illustrating a first example of the reference relationship according to the first embodiment.
  • FIG. 8 is a diagram illustrating a second example of the reference relationship according to the first embodiment.
  • FIG. 9 is a diagram illustrating a third example of the reference relationship according to the first embodiment.
  • FIG. 10 is a diagram illustrating a fourth example of the reference relationship according to Embodiment 1.
  • FIG. 11 is a flowchart showing the operation of the image coding apparatus according to Embodiment 1.
  • FIG. 12 is a flowchart showing details of the operation of the image coding apparatus according to Embodiment 1.
  • FIG. 13 is a flowchart showing a modified example of the operation of the image coding apparatus according to Embodiment 1.
  • FIG. 14 is a configuration diagram illustrating the image decoding apparatus according to Embodiment 1.
  • FIG. 15 is a configuration diagram illustrating main components of the image decoding apparatus according to Embodiment 1.
  • FIG. 15 is a configuration diagram illustrating main components of the image decoding apparatus according to Embodiment 1.
  • FIG. 16 is a flowchart showing the operation of the image decoding apparatus according to Embodiment 1.
  • FIG. 17 is a flowchart showing details of the operation of the image decoding apparatus according to Embodiment 1.
  • FIG. 18 is a flowchart showing a modification of the operation of the image decoding apparatus according to Embodiment 1.
  • FIG. 19 is a diagram illustrating a fifth example of the reference relationship according to Embodiment 1.
  • FIG. 20 is a diagram illustrating a sixth example of the reference relationship according to Embodiment 1.
  • FIG. 21 is a first example of a flowchart showing processing for adding a motion vector of a corresponding block according to the first embodiment.
  • FIG. 21 is a first example of a flowchart showing processing for adding a motion vector of a corresponding block according to the first embodiment.
  • FIG. 22 is a diagram illustrating an example in which the motion vector of the corresponding block according to Embodiment 1 is corrected and added to the list.
  • FIG. 23 is a second example of a flowchart representing processing for adding a motion vector of a corresponding block according to the first embodiment.
  • FIG. 24 is a first diagram illustrating motion vectors of adjacent blocks according to the first embodiment.
  • FIG. 25 is a second diagram illustrating motion vectors of adjacent blocks according to the first embodiment.
  • FIG. 26 is an example of a flowchart for switching the reference picture list generation method according to the first embodiment.
  • FIG. 27 is an example of a flowchart for calculating a co-located picture according to the first embodiment.
  • FIG. 28 is an example of a flowchart for switching the reference picture list generation method according to the first embodiment.
  • FIG. 29 is an example of a flowchart for calculating a co-located picture according to the first embodiment.
  • FIG. 30 is a diagram illustrating a reference picture list in the related art.
  • FIG. 31 is a diagram illustrating a temporal direct mode in the related art.
  • FIG. 32 is a diagram illustrating a relationship between an encoding target block and adjacent blocks in the related art.
  • FIG. 33 is a diagram illustrating a list including prediction motion vector candidates in the related art.
  • FIG. 34 is a diagram illustrating the operation of the image encoding device in the related art.
  • FIG. 35 is a diagram illustrating the operation of the image decoding device in the related art.
  • FIG. 36 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 30 is a diagram illustrating a reference picture list in the related art.
  • FIG. 31 is a diagram illustrating a temporal direct mode in the related art.
  • FIG. 32 is a diagram illustrating a
  • FIG. 37 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 38 is a block diagram illustrating a configuration example of a television.
  • FIG. 39 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. 40 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 41A is a diagram illustrating an example of a mobile phone.
  • FIG. 41B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 42 is a diagram showing a structure of multiplexed data.
  • FIG. 43 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 43 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 44 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 45 is a diagram showing the structure of TS packets and source packets in multiplexed data.
  • FIG. 46 shows the data structure of the PMT.
  • FIG. 47 is a diagram showing an internal configuration of multiplexed data information.
  • FIG. 48 shows the internal structure of stream attribute information.
  • FIG. 49 is a diagram showing steps for identifying video data.
  • FIG. 50 is a block diagram illustrating a configuration example of an integrated circuit that implements the moving picture coding method and the moving picture decoding method according to each embodiment.
  • FIG. 51 is a diagram showing a configuration for switching drive frequencies.
  • FIG. 52 is a diagram showing steps for identifying video data and switching between driving frequencies.
  • FIG. 53 is a diagram showing an example of a look-up table in which video data standards are associated with drive frequencies.
  • FIG. 54A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 54B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
  • the image encoding device compresses the information amount of the moving image by reducing redundancy in the spatial direction and the temporal direction of the moving image.
  • the image coding apparatus uses intra prediction (also referred to as intra prediction or intra prediction) as a method of reducing redundancy in the spatial direction.
  • intra prediction also referred to as intra prediction or intra prediction
  • inter prediction also referred to as inter-frame prediction or inter-picture prediction
  • the image encoding apparatus uses an encoded picture in front of or behind the encoding target picture in the display order as a reference picture. Then, the image encoding device derives a motion vector by motion detection. Then, the image encoding device generates predicted image data by performing motion compensation using the motion vector. Then, the image encoding apparatus removes redundancy in the time direction by encoding the difference between the generated predicted image data and the image data of the encoding target picture.
  • the image encoding device calculates a difference between the encoding target block in the encoding target picture and the block in the reference picture at the time of motion detection. At this time, the image coding apparatus determines the block with the smallest difference among the plurality of blocks in the reference picture as the reference block. Then, the image encoding device detects a motion vector using the encoding target block and the reference block.
  • Non-Patent Document 1 uses three types of picture types: I-picture, P-picture, and B-picture to compress the amount of information.
  • H. An image encoding apparatus encodes an I picture by intra prediction.
  • the image encoding device encodes a P picture by inter prediction.
  • the image encoding apparatus refers to one already encoded picture that is in front of or behind the P picture in display order. That is, the image coding apparatus codes a P picture using unidirectional prediction.
  • the image encoding device encodes the B picture by inter prediction.
  • the image encoding apparatus refers to two already encoded pictures that are in front of or behind the B picture in display order. That is, the image encoding apparatus encodes a B picture using bidirectional prediction.
  • bi-directional prediction may mean only predicting image data by referring to one reference picture from both the front and rear.
  • the expression of bidirectional prediction may include predicting image data with reference to two reference pictures from either the front or the rear. In the latter case, bidirectional prediction may be expressed as bi-prediction.
  • the image encoding device generates a reference picture list for specifying a reference picture during inter prediction.
  • the image coding apparatus assigns a reference picture index to a reference picture that is referred to in inter prediction. Note that the image encoding apparatus refers to two pictures when encoding a B picture. Therefore, the image coding apparatus holds two reference picture lists L0 and L1.
  • FIG. 30 shows an example of a reference picture list.
  • the reference picture lists L0 and L1 shown in FIG. 30 are examples of two reference picture lists in bi-directional prediction.
  • the image encoding apparatus assigns a reference picture index of 0 to the second reference picture in the display order in the reference picture list L0. Also, the image coding apparatus assigns one reference picture index to the first reference picture in the display order. Then, the image coding apparatus assigns a reference picture index of 2 to the 0th reference picture in the display order. That is, the image coding apparatus assigns the reference picture index to the coding target picture in the order close to the display order.
  • the image coding apparatus assigns a reference picture index of 0 to the second reference picture in the display order in the reference picture list L1. Also, the image coding apparatus assigns a reference picture index of 2 to the first reference picture in the display order. Then, the image coding apparatus assigns 1 reference picture index to the 0th reference picture in the display order.
  • the image coding apparatus may assign different reference picture indexes for each reference picture list to the same reference picture. Further, the image coding apparatus may assign the same reference picture index to the same reference picture.
  • the reference picture list L0 may correspond to the first prediction direction
  • the reference picture list L1 may correspond to the second prediction direction.
  • the first prediction direction and the second prediction direction are either one of the front side and the rear side, and are different from each other.
  • the reference picture list L0 is used to specify a reference picture that is ahead of the current picture in the display order.
  • the reference picture list L1 is used to specify a reference picture that is behind the current picture in the display order.
  • inter prediction there are a plurality of encoding modes for predicting image data of an encoding target block.
  • the encoding mode may not only indicate inter prediction or intra prediction, but may indicate a detailed mode included in inter prediction or intra prediction.
  • the image encoding device selects an encoding mode to be applied to prediction of image data of the encoding target block from a plurality of encoding modes.
  • the image encoding apparatus selects bi-directional prediction that generates a predicted image with reference to two pictures that are in front of or behind the encoding target picture in the display order as the encoding mode. Further, for example, the image encoding apparatus selects, as the encoding mode, unidirectional prediction that generates a predicted image with reference to one picture that is in front of or behind the encoding target picture in the display order. In addition, the image coding apparatus selects a coding mode called a temporal direct mode.
  • FIG. 31 is a diagram showing the time direct mode.
  • FIG. 31 illustrates a case where the current block of the picture B2 is encoded using the motion vector obtained in the temporal direct mode.
  • the image coding apparatus uses the motion vector vb used when coding the co-located block.
  • the co-located block is included in the picture P3 which is a reference picture behind the picture B2 in the display order.
  • the position of the co-located block matches the position of the encoding target block.
  • the motion vector vb of the co-located block points to the picture P1.
  • the image coding apparatus uses two motion vectors va1 and va2 parallel to the motion vector vb to perform coding from both the front reference picture P1 and the rear reference picture P3. Two reference blocks corresponding to the target block are specified. Then, the image encoding device encodes the encoding target block by bidirectional prediction.
  • the image coding apparatus uses the motion vector va1 for the picture P1 and uses the motion vector va2 for the picture P3. Then, the image encoding device specifies two reference blocks and encodes the encoding target block by bidirectional prediction.
  • the two motion vectors va1 and va2 are parallel to the motion vector vb.
  • the image encoding device acquires two motion vectors va1 and va2 by expanding and contracting the motion vector vb according to the ratio of the temporal distance between the three pictures P1, B2, and P3.
  • Non-Patent Document 2 An image coding apparatus that uses a predicted motion vector designation mode generates a plurality of candidates for a predicted motion vector from an adjacent block or the like that is adjacent to an encoding target block. Then, the image coding apparatus selects a motion vector predictor from a plurality of candidates.
  • the image encoding device encodes the motion vector of the encoding target block using the selected prediction motion vector.
  • the image encoding apparatus adds the index of the selected motion vector predictor (also referred to as a motion vector predictor index) to the bitstream. Thereby, the image decoding apparatus can select the same prediction motion vector at the time of decoding.
  • FIG. 32 is a diagram for explaining the prediction motion vector designation mode, and is a diagram illustrating the relationship between the block to be encoded and the adjacent block.
  • an adjacent block A is an encoded block adjacent to the left of the encoding target block.
  • the adjacent block B is an encoded block adjacent on the encoding target block.
  • the adjacent block C is an encoded block adjacent to the upper right of the encoding target block.
  • the adjacent block D is an encoded block adjacent to the lower left of the encoding target block.
  • Adjacent block A has a motion vector mvA. That is, the adjacent block A is encoded using the motion vector mvA.
  • Adjacent block B has a motion vector mvB. That is, the adjacent block B is encoded using the motion vector mvB.
  • the adjacent block C is encoded by intra prediction. Therefore, the adjacent block C does not have a motion vector.
  • the adjacent block D has a motion vector mvD. That is, the adjacent block D is encoded using the motion vector mvD.
  • the image encoding device selects a predicted motion vector from a plurality of motion vectors mvA, mvB, mvD, and the like. Further, the image encoding device may select a motion vector in the temporal direct mode as a predicted motion vector. The motion vector in the temporal direct mode is obtained from the co-located block for the encoding target block.
  • the image encoding device selects a prediction motion vector that can most efficiently encode the motion vector of the encoding target block from among a plurality of candidates. For example, the image encoding apparatus selects a candidate closest to the motion vector of the encoding target block as a predicted motion vector. Then, the image encoding apparatus adds an index representing the selected prediction motion vector to the bit stream.
  • the image encoding device selects the motion vector mvA of the adjacent block A as the predicted motion vector when encoding the motion vector of the encoding target block. Then, the image encoding apparatus adds an index value indicating that the motion vector mvA is used among the plurality of index values to the bit stream. Thereby, the image coding apparatus can reduce the information amount of the motion vector of an encoding object block.
  • FIG. 33 shows an example of a list composed of motion vector predictor candidates. Further, the image coding apparatus deletes candidates that cannot be used (hereinafter referred to as unusable candidates) from the list. In addition, the image coding apparatus deletes candidates having the same values as other candidates (hereinafter, duplicate candidates) from the list. As the number of candidates decreases, the code amount of the index decreases.
  • the adjacent block when an adjacent block is a block encoded by intra prediction, the adjacent block does not have a motion vector. In this case, the image coding apparatus cannot obtain a predicted motion vector from the adjacent block. Therefore, in this case, the image encoding apparatus deletes the candidate for the adjacent block from the list.
  • the image coding apparatus when the adjacent block is outside the slice or outside the picture, the image coding apparatus cannot obtain a motion vector predictor from the adjacent block. In addition, when the adjacent block is not yet encoded, the image encoding device cannot obtain the motion vector predictor from the adjacent block. In such a case, the image coding apparatus deletes the candidate for the adjacent block from the list.
  • the image coding apparatus deletes the candidate from the list.
  • the motion vector mvD of the adjacent block D matches the motion vector mvA of the adjacent block A. Therefore, the candidate specified by the index value of 4 is deleted from the list. Eventually, the number of candidates is 3.
  • FIG. 34 is a flowchart showing the operation of the image coding apparatus.
  • the image coding apparatus adds a motion vector of a corresponding block to the list for each of a plurality of corresponding blocks (S81).
  • the corresponding block is an adjacent block or a co-located block.
  • the image coding apparatus deletes duplication candidates and unusable candidates from the list (S82).
  • the image coding apparatus selects a predicted motion vector from the list (S83).
  • the image encoding device encodes an index corresponding to the selected motion vector predictor.
  • the image encoding device encodes the difference between the selected predicted motion vector and the motion vector (S84).
  • FIG. 35 is a flowchart showing the operation of the image decoding apparatus.
  • the image decoding apparatus adds the motion vector of the corresponding block to the list for each of the plurality of corresponding blocks (S91).
  • the image decoding apparatus deletes duplication candidates and unusable candidates from the list (S92).
  • the image decoding device decodes the index and the difference encoded by the image encoding device. (S93).
  • the image decoding apparatus selects a predicted motion vector based on the decoded index (S94). Then, the image decoding apparatus restores the motion vector by adding the predicted motion vector and the difference. Then, the image decoding apparatus decodes the decoding target block using the restored motion vector.
  • an image encoding apparatus may encode a non-base view picture with reference to a base view picture. At this time, two pictures having a reference relationship (a base view picture and a non-base view picture) coincide temporally.
  • a co-located block is encoded using a reference picture, and the co-located block and the reference picture belong to different views.
  • the co-located block is encoded using a reference picture that temporally matches the co-located block.
  • the image encoding device since the temporal distance is zero for the motion vector, the image encoding device cannot expand / contract the motion vector based on the temporal distance. Therefore, the image encoding device cannot acquire a motion vector in the temporal direct mode. For this reason, when there is a possibility that a block is encoded with reference to a picture that temporally matches the block, the image encoding device needs to switch operation by a special flag or the like. However, switching of the operation using a special flag or the like is inefficient from the viewpoint of coding efficiency.
  • the present invention provides an image encoding method capable of appropriately selecting a predicted motion vector from a list even when a block may be encoded with reference to a picture that temporally matches the block.
  • the purpose is to provide.
  • a picture that only allows reference to a picture belonging to a different view is defined, and all processing target blocks in the picture are encoded or decoded using only a picture belonging to a different view. Accordingly, an object of the present invention is to provide an image encoding method capable of appropriately generating a predicted motion vector.
  • an image encoding method is an image encoding method for encoding a plurality of pictures for each block, and includes encoding pictures from the plurality of pictures.
  • a reference picture to be used for coding of the coding target block included in the first picture is determined, and a first motion motion vector used to derive a motion vector for coding the motion vector of the coding target block from the reference picture is determined.
  • a picture is determined, and one or more motion vectors of one or more adjacent blocks spatially adjacent to the encoding target block, or one or more located in a position spatially close to the encoding target block included in the first picture
  • the motion vector of the first block is added to the list, and one of the motion vectors added to the list is used as the predicted motion vector.
  • the encoding target block is encoded using the motion vector of the encoding target block, the difference between the motion vector of the encoding target block and the selected prediction motion vector is encoded, and the code
  • the encoding target block and the difference are encoded, if the encoding target picture is a specific picture type, the motion vectors of all the blocks included in the encoding target picture are the code It is generated with reference to the reference picture that belongs to a view different from the view to which the picture to be converted belongs.
  • the predicted motion vector is appropriately selected from the list.
  • a picture that only allows reference to a picture belonging to a different view is defined, and all processing target blocks in the picture are encoded or decoded using only a picture belonging to a different view.
  • the predicted motion vector can be appropriately generated.
  • the reference picture list may be generated.
  • the reference picture list is generated using only the reference picture belonging to the same view as the view to which the encoding target picture belongs. It may be generated.
  • the reference that is the same picture type as the specific picture type among the reference pictures A picture may be determined as the first picture.
  • the reference picture that is the same picture type as the specific picture type among the reference pictures is selected from the reference pictures. It may be determined as the first picture.
  • the specific picture type is a picture in which all blocks included in the encoding target picture are encoded using the reference picture belonging to a view different from the view to which the encoding target picture belongs. It may be included.
  • An image decoding method is an image decoding method for decoding a plurality of pictures on a block-by-block basis, wherein a decoding target block included in a decoding target picture from the plurality of pictures is decoded.
  • a reference picture to be used for decoding is determined, a first picture used for deriving a prediction motion vector for decoding a motion vector of the decoding target block is determined from the reference pictures, and the decoding is performed
  • a motion vector of one or more adjacent blocks spatially adjacent to the target block, or a motion vector of one or more first blocks located in a spatially close position to the decoding target block included in the first picture Adding to the list, selecting one of the motion vectors added to the list as the predicted motion vector, and The motion vector of the decoding target block is decoded by decoding the difference between the motion vector of the frame and the selected predicted motion vector, and adding the decoded difference and the selected predicted motion vector
  • the decoding target picture is a specific picture type. In some cases, the motion vectors of all the blocks included in the decoding target picture are generated with reference to the reference picture belonging to a view different from the view to which the decoding target picture belongs.
  • the reference picture list may be generated.
  • the reference picture list is generated using only the reference picture belonging to the same view as the view to which the decoding target picture belongs. It may be generated.
  • the decoding target picture is the specific picture type
  • the reference that is the same picture type as the specific picture type among the reference pictures A picture may be determined as the first picture.
  • the reference picture having a picture type that is not the same as the specific picture type is selected from the reference pictures. It may be determined as the first picture.
  • the specific picture type refers to a picture in which all blocks included in the decoding target picture are decoded using the reference picture belonging to a view different from the view to which the decoding target picture belongs. It may be included.
  • a recording medium recording medium such as a system, method, integrated circuit, computer program, or computer-readable CD-ROM, and the system, method, integrated circuit, You may implement
  • FIG. 1 is a configuration diagram showing an image encoding device according to the present embodiment.
  • the image encoding apparatus shown in FIG. 1 includes an encoding unit 101, an inter prediction control unit 121, and a picture type determination unit 124.
  • the encoding unit 101 includes a subtraction unit 102, an orthogonal transformation unit 103, a quantization unit 104, a variable length coding unit 105, an inverse quantization unit 106, an inverse orthogonal transformation unit 107, an addition unit 108, a block memory 109, an intra A prediction unit 110, a frame memory 111, an inter prediction unit 112, and a switch 113 are provided.
  • the subtraction unit 102 subtracts the predicted image data from the input image data and outputs prediction error data.
  • the orthogonal transform unit 103 transforms the prediction error data from the image domain to the frequency domain.
  • the quantization unit 104 performs a quantization process on the prediction error data converted into the frequency domain.
  • the inverse quantization unit 106 performs inverse quantization processing on the prediction error data quantized by the quantization unit 104.
  • the inverse orthogonal transform unit 107 performs transform from the frequency domain to the image domain on the prediction error data subjected to the inverse quantization process.
  • the adder 108 adds the prediction error data and the prediction image data, and outputs reconstructed image data.
  • the block memory 109 is a memory for storing the reconstructed image data in units of blocks.
  • the frame memory 111 is a memory for storing the reconstructed image data in units of frames.
  • the intra prediction unit 110 performs intra prediction using the reconstructed image data in block units stored in the block memory 109. Thereby, the intra estimation part 110 produces
  • the inter prediction unit 112 performs inter prediction using the reconstructed image data in units of frames stored in the frame memory 111 and the motion vector derived by motion detection. Thereby, the inter prediction unit 112 generates predicted image data for the encoding target block.
  • the switch 113 switches the encoding mode to intra prediction or inter prediction.
  • the picture type determination unit 124 determines whether to encode the input image data with any picture type of I picture, B picture, or P picture, and generates picture type information.
  • the inter prediction control unit 121 selects a motion vector predictor from one or more candidates. The processing executed by the inter prediction control unit 121 will be described in detail later.
  • the variable-length encoding unit 105 includes quantized prediction error data, an index indicating a predicted motion vector, a difference between a predicted motion vector and a motion vector (also referred to as a difference motion vector or a difference vector), picture type information, and the like On the other hand, variable length coding processing is performed. As a result, the variable length encoding unit 105 generates a bit stream.
  • FIG. 1 is a configuration diagram illustrating an example of an image encoding device according to the present embodiment.
  • the specific configuration is not limited to the configuration shown in FIG.
  • the picture type determination unit 124 may not be provided.
  • the encoding unit 101 does not have to be composed of a plurality of components.
  • the encoding unit 101 may encode an image without performing frequency conversion, quantization, inverse frequency conversion, inverse quantization, intra prediction, and the like.
  • FIG. 2 is a block diagram showing the main components of the image encoding device shown in FIG.
  • the image encoding device illustrated in FIG. 2 includes an encoding unit 101 and an inter prediction control unit 121.
  • the inter prediction control unit 121 includes an adding unit 131 and a selecting unit 132.
  • the adding unit 131 selectively adds the motion vector of the corresponding block to the list for each of the one or more corresponding blocks (first block). That is, the adding unit 131 selects whether or not to add the motion vector of the corresponding block to the list for each of the one or more corresponding blocks, and adds the motion vector selected for addition to the list.
  • the adding unit 131 may add all of one or more motion vectors in one or more corresponding blocks to the list, or may add a part of one or more motion vectors in one or more corresponding blocks to the list. .
  • the corresponding block is an adjacent block or a co-located block.
  • the corresponding block may be a block that is included in the encoding target picture and spatially adjacent to the encoding target block.
  • the corresponding block may be a block that is included in one or more pictures different from the encoding target picture and spatially matches the encoding target block.
  • the selection unit 132 selects a predicted motion vector from the list. Specifically, the selection unit 132 selects a motion vector used when encoding the motion vector of the encoding target block as a predicted motion vector.
  • the motion vector of the encoding target block is also called a current motion vector or a current motion vector in order to distinguish it from a predicted motion vector.
  • the motion vector of the corresponding block, the motion vector of the adjacent block, and the motion vector of the co-located block are also referred to as the corresponding motion vector, the adjacent motion vector, and the co-located motion vector, respectively.
  • the encoding unit 101 encodes the encoding target block using the motion vector of the encoding target block. Also, the encoding unit 101 encodes the difference between the motion vector of the encoding target block and the predicted motion vector selected by the selection unit 132.
  • the image coding apparatus can select the predicted motion vector from the list and use the predicted motion vector for coding the motion vector.
  • FIG. 3 is a diagram showing motion vectors of adjacent blocks according to the present embodiment.
  • FIG. 3 shows a plurality of pictures B0 to B4 in the display order.
  • the motion vector MvL0 is a motion vector used for encoding the encoding target block.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded.
  • the motion vector MvL0_N is a motion vector used for encoding adjacent blocks.
  • the reference picture index RefL0_N is a reference picture index specified by the reference picture list L0 when coding adjacent blocks.
  • the adding unit 131 adds the motion vector MvL0_N to the list. Then, the selection unit 132 selects the motion vector MvL0_N from the list. Then, the encoding unit 101 encodes the difference between the selected motion vector MvL0_N and the motion vector MvL0 of the encoding target block. Also, the encoding unit 101 encodes an index indicating the selected motion vector MvL0_N. Thereby, the encoding efficiency of the motion vector MvL0 is improved.
  • FIG. 4 is a diagram showing a motion vector of the co-located block according to the present embodiment.
  • FIG. 4 shows a plurality of pictures B0 to B4 in the display order as in FIG.
  • the motion vector MvL0 is a motion vector used for encoding the block to be encoded, as in FIG.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded, as in FIG.
  • the motion vector MvL0_Col is a motion vector used for coding the co-located block.
  • the reference picture index RefL0_Col is a reference picture index specified in the reference picture list L0 when the co-located block is encoded.
  • the motion vector sMvL0_Col is a motion vector expanded and contracted at a ratio of a temporal distance from the encoding target block to the reference picture and a temporal distance from the co-located block to the reference picture.
  • the motion vector sMvL0_Col and the motion vector MvL0_Col are parallel.
  • sMvL0_Col is derived by Equation 1.
  • curPOC indicates the display order of the encoding target picture.
  • colPOC indicates the display order of pictures including a co-located block.
  • POC (r) is the display order of the reference picture specified by the reference picture index r. Thereby, a motion vector sMvL0_Col is obtained.
  • the adding unit 131 acquires the motion vector sMvL0_Col by expanding and contracting the motion vector MvL0_Col. Then, the adding unit 131 adds the motion vector sMvL0_Col to the list. Then, the selection unit 132 selects the motion vector sMvL0_Col from the list.
  • the encoding unit 101 encodes the difference between the selected motion vector sMvL0_Col and the motion vector MvL0 of the encoding target block. Also, the encoding unit 101 encodes an index indicating the selected motion vector sMvL0_Col. Thereby, the encoding efficiency of the motion vector MvL0 is improved.
  • FIG. 5 is a diagram showing a first example of expansion / contraction processing according to the present embodiment. Similar to the temporal direct mode, the image coding apparatus according to the present embodiment may expand and contract the motion vectors of adjacent blocks and use them as predicted motion vectors. FIG. 5 shows a motion vector expansion / contraction process of adjacent blocks. In FIG. 5, as in FIG. 3, a plurality of pictures B0 to B4 are shown in the display order.
  • the motion vector MvL0 is a motion vector used for encoding the block to be encoded, as in FIG.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded, as in FIG.
  • the motion vector MvL0_N is a motion vector used for encoding adjacent blocks, as in FIG.
  • the reference picture index RefL0_N is a reference picture index specified in the reference picture list L0 when coding adjacent blocks, as in FIG.
  • the motion vector sMvL0_N is a motion vector expanded and contracted at a ratio of a temporal distance from the current block to the reference picture and a temporal distance from the adjacent block to the reference picture.
  • the motion vector sMvL0_N and the motion vector MvL0_N are parallel.
  • sMvL0_N is derived by Equation 2.
  • curPOC indicates the display order of the encoding target picture.
  • POC (r) is the display order of the reference picture specified by the reference picture index r. Thereby, a motion vector sMvL0_N is obtained.
  • the adding unit 131 acquires the motion vector sMvL0_N by expanding and contracting the motion vector MvL0_N. Then, the adding unit 131 adds the motion vector sMvL0_N to the list. Then, the selection unit 132 selects the motion vector sMvL0_N from the list.
  • the encoding unit 101 encodes the difference between the selected motion vector sMvL0_N and the motion vector MvL0 of the encoding target block. In addition, the encoding unit 101 encodes an index indicating the selected motion vector sMvL0_N. Thereby, the encoding efficiency of the motion vector MvL0 is improved.
  • FIG. 6 is a diagram showing a second example of the expansion / contraction process according to the present embodiment. 3, 4, and 5 show examples using the reference picture list L0. However, the image coding apparatus according to the present embodiment can similarly use the motion vector of the corresponding block as the predicted motion vector even when the reference picture list L1 is used.
  • the image coding apparatus may use the motion vector for inter prediction based on the reference picture list L1 as the motion vector for inter prediction based on the reference picture list L0.
  • the image encoding apparatus may use a backward prediction motion vector as a forward prediction motion vector.
  • FIG. 6 shows an example of such a case. In FIG. 6, as in FIG. 3, a plurality of pictures B0 to B4 are shown in the display order.
  • the motion vector MvL0 is a motion vector used for encoding the block to be encoded, as in FIG.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded, as in FIG.
  • the motion vector MvL1_N is a motion vector used for encoding adjacent blocks.
  • the reference picture index RefL1_N is a reference picture index specified in the reference picture list L1 when coding adjacent blocks.
  • the motion vector sMvL0_N is a motion vector expanded and contracted at a ratio of a temporal distance from the current block to the reference picture and a temporal distance from the adjacent block to the reference picture.
  • the motion vector sMvL0_N and the motion vector MvL1_N are parallel.
  • sMvL0_N is derived by Equation 3.
  • curPOC indicates the display order of the encoding target picture.
  • POC (r) is the display order of the reference picture specified by the reference picture index r. Thereby, a motion vector sMvL0_N is obtained.
  • the image encoding device can expand and contract the motion vector and use the expanded and contracted motion vector as the predicted motion vector.
  • FIG. 7 is a diagram showing a first example of the reference relationship according to the present embodiment.
  • FIG. 7 shows two views, a base view and a non-base view. Each of the two views is composed of a plurality of pictures.
  • the two views are two videos with different viewpoints.
  • the image encoding apparatus according to the present embodiment may have an MVC function for encoding a multi-view video.
  • An image encoding apparatus having an MVC function can encode a non-base view picture by referring to the base view picture.
  • the display order of the referenced picture matches the display order of the encoded picture.
  • FIG. 7 shows a plurality of pictures B00 to B04 in the base view and a plurality of pictures B10 to B14 in the non-base view in the display order.
  • the motion vector MvL0 is a motion vector used for encoding the encoding target block.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded.
  • the motion vector MvL0_N is a motion vector used for encoding adjacent blocks.
  • the reference picture index RefL0_N is a reference picture index specified by the reference picture list L0 when coding adjacent blocks.
  • the temporal distance from the encoding target block to the reference picture is different from the temporal distance from the adjacent block to the reference picture. Therefore, according to Equation 2, the motion vector MvL0_N needs to be expanded and contracted. However, in the example of FIG. 7, the temporal distance from the adjacent block to the reference picture is zero. Therefore, since the denominator of Equation 2 is 0, the adding unit 131 cannot expand or contract the motion vector MvL0_N.
  • the adding unit 131 does not add the motion vector of the adjacent block to the list. Thereby, the adding unit 131 does not have to calculate a prediction motion vector from the adjacent block. Thereby, the motion vector by the adjacent block is not selected by the selection unit 132. Therefore, the image coding apparatus according to the present embodiment can continue to operate without any problem.
  • FIG. 8 is a diagram showing a second example of the reference relationship according to the present embodiment.
  • FIG. 8 shows two views, a base view and a non-base view, as in FIG. Also, a plurality of pictures B00 to B04 in the base view and a plurality of pictures B10 to B14 in the non-base view are shown in display order.
  • the motion vector MvL0 is a motion vector used for encoding the block to be encoded, as in FIG.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded, as in FIG.
  • the motion vector MvL0_N is a motion vector used for encoding adjacent blocks, as in FIG.
  • the reference picture index RefL0_N is a reference picture index specified in the reference picture list L0 when coding adjacent blocks, as in FIG.
  • the temporal distance from the encoding target block to the reference picture is different from the temporal distance from the adjacent block to the reference picture. Therefore, according to Equation 2, the motion vector MvL0_N needs to be expanded and contracted. However, in the example of FIG. 8, the temporal distance from the current block to the reference picture is zero. Therefore, since the numerator of Expression 2 is 0, the adding unit 131 cannot appropriately expand and contract the motion vector MvL0_N.
  • the adding unit 131 does not add the motion vector of the adjacent block to the list. Thereby, the adding unit 131 does not have to calculate a prediction motion vector from the adjacent block. Thereby, the motion vector by the adjacent block is not selected by the selection unit 132. Therefore, the image coding apparatus according to the present embodiment can continue to operate without any problem.
  • FIG. 9 is a diagram showing a third example of the reference relationship according to the present embodiment.
  • FIG. 9 shows two views, a base view and a non-base view, as in FIG. Also, a plurality of pictures B00 to B04 in the base view and a plurality of pictures B10 to B14 in the non-base view are shown in display order.
  • the motion vector MvL0 is a motion vector used for encoding the block to be encoded, as in FIG.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded, as in FIG.
  • the motion vector MvL0_Col is a motion vector used for coding the co-located block.
  • the reference picture index RefL0_Col is a reference picture index specified in the reference picture list L0 when coding adjacent blocks.
  • the temporal distance from the encoding target block to the reference picture is different from the temporal distance from the co-located block to the reference picture. Therefore, according to Equation 1, the motion vector MvL0_Col needs to be expanded and contracted. However, in the example of FIG. 9, the temporal distance from the co-located block to its reference picture is zero. Therefore, since the denominator of Equation 1 is 0, the adding unit 131 cannot expand or contract the motion vector MvL0_Col.
  • the adding unit 131 does not add the motion vector by the co-located block to the list. Thereby, the adding unit 131 does not have to calculate a predicted motion vector from the co-located block. Accordingly, the motion vector by the co-located block is not selected by the selection unit 132. Therefore, the image coding apparatus according to the present embodiment can continue to operate without any problem.
  • FIG. 10 is a diagram illustrating a fourth example of the reference relationship according to the present embodiment.
  • FIG. 10 shows two views, a base view and a non-base view, as in FIG. 9. Also, a plurality of pictures B00 to B04 in the base view and a plurality of pictures B10 to B14 in the non-base view are shown in display order.
  • the motion vector MvL0 is a motion vector used for encoding the block to be encoded, as in FIG.
  • the reference picture index RefL0 is a reference picture index specified by the reference picture list L0 when the encoding target block is encoded, as in FIG.
  • the motion vector MvL0_Col is a motion vector used for encoding the co-located block, as in FIG.
  • the reference picture index RefL0_Col is a reference picture index specified in the reference picture list L0 when the co-located block is encoded, as in FIG.
  • the temporal distance from the encoding target block to the reference picture is different from the temporal distance from the co-located block to the reference picture. Therefore, according to Equation 1, the motion vector MvL0_Col needs to be expanded and contracted. However, in the example of FIG. 10, the temporal distance from the encoding target block to the reference picture is zero. Therefore, since the numerator of Expression 1 is 0, the adding unit 131 cannot appropriately expand and contract the motion vector MvL0_Col.
  • the adding unit 131 does not add the motion vector by the co-located block to the list. Thereby, the adding unit 131 does not have to calculate a predicted motion vector from the co-located block. Accordingly, the motion vector by the co-located block is not selected by the selection unit 132. Therefore, the image coding apparatus according to the present embodiment can continue to operate without any problem.
  • the case where the reference picture list L0 is used is shown.
  • 7 to 10 show a plurality of views.
  • the image coding apparatus is not limited to the MVC, and the same processing may be applied to one view.
  • FIG. 11 is a flowchart showing the operation of the image coding apparatus shown in FIG.
  • the adding unit 131 selectively adds the motion vector of the corresponding block to the list for each of the one or more corresponding blocks (S11).
  • Each of the one or more corresponding blocks is included in the encoding target picture and spatially adjacent to the encoding target block, or is included in a picture different from the encoding target picture and spatially matches the encoding target block It is a block to do.
  • the adding unit 131 For each of one or more corresponding blocks, the adding unit 131 encodes the corresponding block when the corresponding block is encoded with reference to a picture that temporally matches the corresponding block using the motion vector of the corresponding block. Do not add the motion vector to the list. (Ii) The adding unit 131 encodes each of the one or more corresponding blocks with reference to a picture in which the encoding target block temporally matches the encoding target block using the motion vector of the encoding target block. If so, the motion vector of the corresponding block is not added to the list. The adding unit 131 may apply only one of the two restrictions (i) and (ii).
  • the selection unit 132 selects, from the list, a motion vector used when encoding the motion vector of the encoding target block as a predicted motion vector (S12).
  • the encoding unit 101 encodes the encoding target block using the motion vector of the encoding target block. Also, the encoding unit 101 encodes the difference between the motion vector of the encoding target block and the selected predicted motion vector (S13). Thereby, the encoding target block and the motion vector are encoded.
  • FIG. 12 is a flowchart showing details of the operation shown in FIG. FIG. 12 specifically shows the addition process (S11) shown in FIG.
  • the adding unit 131 determines whether or not the encoding target block and its reference block coincide temporally (S21). When the encoding target block and the reference block coincide with each other in time (Yes in S21), the adding unit 131 adds the disparity vector to the list (S22).
  • the disparity vector is a motion vector indicating the magnitude and direction of the disparity. For example, the disparity vector indicates an image shift between a picture in the base view and a picture in the non-base view.
  • the adding unit 131 may add disparity vectors used in the past to the list. That is, the adding unit 131 may add a motion vector used when the base view has been referred to in the past to the list. Further, the adding unit 131 may calculate a disparity vector to be added to the list based on statistics such as an average of disparity vectors used in the past.
  • the adding unit 131 temporally matches the corresponding block and the reference picture for each of one or more corresponding blocks. It is determined whether or not to perform (S23). If the corresponding block does not match the reference picture in time (No in S23), the adding unit 131 adds the motion vector of the corresponding block to the list (S24). At this time, the adding unit 131 may expand and contract the motion vector of the corresponding block and add the expanded and contracted motion vector to the list.
  • the adding unit 131 deletes duplicate candidates and unavailable candidates from the list (S25). Thereby, an appropriate list is generated.
  • the encoding unit 101 may add a disparity vector to the header.
  • the encoding unit 101 may add a disparity vector as a sequence parameter set (SPS: Sequence Parameter Set) to the entire header of the encoded stream.
  • SPS Sequence Parameter Set
  • the encoding unit 101 may add a disparity vector as a picture parameter set (PPS: Picture Parameter Set) to the header of a picture in the encoded stream.
  • PPS Picture Parameter Set
  • the encoding unit 101 may add a disparity vector as a slice header to the header of a slice in the encoded stream.
  • the adding unit 131 may add a predetermined vector to the list in addition to the disparity vector. Then, the encoding unit 101 may add a predetermined vector as a sequence parameter set, a picture parameter set, or a slice header to the header of the encoded stream.
  • FIG. 13 is a flowchart showing a modification of the operation shown in FIG. First, the adding unit 131 selectively adds a motion vector of the corresponding block to the list for each of the one or more corresponding blocks (S31).
  • the selection unit 132 determines whether to select a predicted motion vector from the list (S32). At this time, the selection unit 132 may or may not select a predicted motion vector. For example, when the motion vector close to the motion vector of the encoding target block does not exist in the list, the selection unit 132 may not select a predicted motion vector from the list.
  • the encoding unit 101 encodes the encoding target block using the motion vector of the encoding target block. Also, the encoding unit 101 encodes the difference between the motion vector of the encoding target block and the selected predicted motion vector (S33).
  • the size of the predicted motion vector is considered to be zero. That is, the difference between the motion vector of the encoding target block and the predicted motion vector is considered to be equal to the motion vector of the encoding target block.
  • the encoding unit 101 encodes the encoding target block using the motion vector of the encoding target block.
  • the encoding unit 101 encodes the motion vector of the encoding target block as a difference (S34).
  • the predicted motion vector is a predetermined motion vector. May be considered.
  • the image encoding device can appropriately select a motion vector predictor from a list even when a block may be encoded with reference to a picture that temporally matches the block. .
  • the image encoding device is shown, but the image decoding device can also appropriately select the motion vector predictor from the list in the same procedure.
  • FIG. 14 is a block diagram showing an image decoding apparatus according to the present embodiment.
  • the image decoding apparatus illustrated in FIG. 14 includes a decoding unit 201 and an inter prediction control unit 221.
  • the decoding unit 201 includes a variable length decoding unit 205, an inverse quantization unit 206, an inverse orthogonal transform unit 207, an addition unit 208, a block memory 209, an intra prediction unit 210, a frame memory 211, an inter prediction unit 212, and a switch 213.
  • the variable length decoding unit 205 performs variable length decoding processing on the input bitstream, and decodes picture type information, prediction motion vector index, prediction error data, and the like.
  • the inverse quantization unit 206 performs an inverse quantization process on the prediction error data.
  • the inverse orthogonal transform unit 207 transforms the prediction error data subjected to the inverse quantization process from the frequency domain to the image domain.
  • the adding unit 208 generates decoded image data by adding the predicted image data and the prediction error data.
  • the block memory 209 is a memory for storing the decoded image data in units of blocks.
  • the frame memory 211 is a memory for storing the decoded image data in units of frames.
  • the intra prediction unit 210 generates predicted image data of the decoding target block by executing intra prediction using the decoded image data in units of blocks stored in the block memory.
  • the inter prediction unit 212 generates the predicted image data of the decoding target block by performing inter prediction using the decoded image data in units of frames stored in the frame memory.
  • the switch 213 switches the encoding mode to intra prediction or inter prediction.
  • the inter prediction control unit 221 selects a motion vector predictor from the list.
  • the processing executed by the inter prediction control unit 221 is the same as the processing executed by the inter prediction control unit 121 on the encoding side. That is, in the above encoding process, the inter prediction control unit 221 is realized by changing the encoding part to decoding. Note that the inter prediction control unit 221 uses the index decoded by the variable length decoding unit 205 to select a motion vector predictor from the list.
  • FIG. 14 shows an example of the configuration of the image decoding apparatus according to the present embodiment, but the specific configuration is not limited to the configuration shown in FIG.
  • the decoding unit 201 does not need to be configured with a plurality of components. Further, the decoding unit 201 may decode an image without performing inverse frequency conversion, inverse quantization, intra prediction, and the like.
  • FIG. 15 is a configuration diagram showing main components of the image decoding apparatus shown in FIG.
  • the image decoding apparatus illustrated in FIG. 15 includes a decoding unit 201 and an inter prediction control unit 221.
  • the inter prediction control unit 221 includes an adding unit 231 and a selecting unit 232.
  • the adding unit 231 selectively adds the motion vector of the corresponding block to the list for each of the one or more corresponding blocks. That is, the adding unit 231 selects whether or not to add the motion vector of the corresponding block to the list for each of the one or more corresponding blocks, and adds the motion vector selected for addition to the list.
  • the adding unit 231 may add all of one or more motion vectors in one or more corresponding blocks to the list, or may add a part of one or more motion vectors in one or more corresponding blocks to the list. .
  • the corresponding block is an adjacent block or a co-located block.
  • the corresponding block may be a block included in the decoding target picture and spatially adjacent to the decoding target block.
  • the corresponding block may be a block that is included in one or more pictures different from the decoding target picture and spatially matches the decoding target block.
  • the selection unit 232 selects a predicted motion vector from the list. Specifically, the selection unit 232 selects a motion vector used when decoding a motion vector of a decoding target block as a predicted motion vector.
  • the motion vector of the decoding target block is also called a current motion vector or a current motion vector in order to distinguish it from a predicted motion vector.
  • the decoding unit 201 decodes the difference between the motion vector of the decoding target block and the predicted motion vector selected by the selection unit 232. Then, the decoding unit 201 acquires the motion vector of the decoding target block by adding the decoded difference and the motion vector selected by the selection unit. Then, the decoding unit 201 decodes the decoding target block using the motion vector of the decoding target block.
  • the image decoding apparatus can select the predicted motion vector from the list and use the predicted motion vector for decoding the motion vector.
  • FIG. 16 is a flowchart showing the operation of the image decoding apparatus shown in FIG.
  • the adding unit 231 selectively adds the motion vector of the corresponding block to the list for each of the one or more corresponding blocks (S41).
  • Each of the one or more corresponding blocks is a block that is included in the decoding target picture and is spatially adjacent to the decoding target block, or a block that is included in a picture different from the decoding target picture and spatially matches the decoding target block. .
  • the adding unit 231 decodes the corresponding block when the corresponding block is decoded with reference to a picture that temporally matches the corresponding block using the motion vector of the corresponding block. Do not add motion vectors to the list.
  • the adding unit 231 decodes the decoding target block with reference to a picture that temporally matches the decoding target block using the motion vector of the decoding target block. Do not add the motion vector of the corresponding block to the list.
  • the adding unit 231 may apply only one of the two restrictions (i) and (ii).
  • the selection unit 232 selects a motion vector used when decoding the motion vector of the decoding target block from the list as a predicted motion vector (S42).
  • the decoding unit 201 decodes the difference between the motion vector of the decoding target block and the predicted motion vector selected by the selection unit 232. Then, the decoding unit 201 obtains the motion vector of the decoding target block by adding the decoded difference and the motion vector selected by the selection unit 232. Then, the decoding unit 201 decodes the decoding target block using the motion vector of the decoding target block (S43). As a result, the decoding target block is decoded.
  • FIG. 17 is a flowchart showing details of the operation shown in FIG. FIG. 17 specifically shows the addition process (S41) shown in FIG.
  • the adding unit 231 determines whether the decoding target block and the reference block coincide with each other in time (S51). When the decoding target block and the reference block coincide with each other in time (Yes in S51), the adding unit 231 adds the disparity vector to the list (S52).
  • the adding unit 231 may add disparity vectors used in the past to the list. That is, the adding unit 231 may add the motion vector used when the base view has been referred to in the past to the list. Further, the adding unit 231 may calculate a disparity vector to be added to the list based on statistics such as an average of disparity vectors used in the past.
  • the adding unit 231 temporally matches the corresponding block and its reference picture for each of one or more corresponding blocks. It is determined whether or not (S53). If the corresponding block does not match the reference picture in time (No in S53), the adding unit 231 adds the motion vector of the corresponding block to the list (S54). At this time, the adding unit 231 may expand and contract the motion vector of the corresponding block and add the expanded and contracted motion vector to the list.
  • the adding unit 231 deletes duplicate candidates and unavailable candidates from the list (S55). Thereby, an appropriate list is generated.
  • the decoding unit 201 may acquire a disparity vector added to the header included in the encoded stream. For example, the decoding unit 201 may acquire a disparity vector from a sequence parameter set that is a header of the entire encoded stream. Further, the decoding unit 201 may acquire a disparity vector from a picture parameter set that is a header of a picture included in the encoded stream. The decoding unit 201 may acquire a disparity vector from a slice header that is a header of a slice included in the encoded stream.
  • the adding unit 231 may add a predetermined vector to the list in addition to the disparity vector. Then, the decoding unit 201 may acquire a predetermined vector from the header (sequence parameter set, picture parameter set, slice header, or the like) of the encoded stream.
  • FIG. 18 is a flowchart showing a modification of the operation shown in FIG. First, the adding unit 231 selectively adds a motion vector of a corresponding block to the list for each of one or more corresponding blocks (S61).
  • the selection unit 232 determines whether or not to select a predicted motion vector from the list (S62). For example, when the index indicating the prediction motion vector is not encoded, that is, when there is no index in the encoded stream, the selection unit 232 does not select the prediction motion vector from the list.
  • the decoding unit 201 decodes the difference between the motion vector of the block to be decoded and the predicted motion vector selected by the selection unit 232. Then, the decoding unit 201 obtains the motion vector of the decoding target block by adding the decoded difference and the motion vector selected by the selection unit 232. Then, the decoding unit 201 decodes the decoding target block using the motion vector of the decoding target block (S63).
  • the size of the predicted motion vector is considered to be zero. That is, the difference between the motion vector of the decoding target block and the predicted motion vector is considered to be equal to the motion vector of the decoding target block.
  • the decoding unit 201 decodes the motion vector of the decoding target block as a difference. Then, the decoding unit 201 decodes the decoding target block using the decoded motion vector (S64). Thereby, even when a motion vector is not added to the list at all (No in S61), or when a predicted motion vector is not selected (No in S62), the image decoding apparatus can continue the operation without any problem.
  • the predicted motion vector is a predetermined motion vector. May be considered.
  • the image decoding apparatus can appropriately select a predicted motion vector from a list even when a block is decoded with reference to a picture that temporally matches the block.
  • the motion vector of the corresponding block is added to the list.
  • the average value and median value of a plurality of motion vectors in a plurality of corresponding blocks may be added to the list.
  • the adding unit 131 of the image encoding device and the adding unit 231 of the image decoding device calculate an average value, a median value, and the like and add them to the list.
  • the two addition units 131 and 231 calculate an average value and a median value of a plurality of motion vectors from a plurality of corresponding blocks excluding a corresponding block in which the corresponding block and its reference picture coincide in time. May be.
  • the processing target block (the encoding target block or the decoding target block) and the reference picture of the processing target block coincide temporally, it is limited to add the motion vector of the corresponding block to the list. Alternatively, when the corresponding block and the reference picture of the corresponding block coincide temporally, it is limited to add the motion vector of the corresponding block to the list.
  • the adding unit 131 of the image encoding device and the adding unit 231 of the image decoding device may add the motion vector of the corresponding block to the list as it is.
  • an example of such a case will be specifically described.
  • FIG. 19 is a diagram showing a fifth example of the reference relationship according to the present embodiment.
  • FIG. 19 shows two views, a base view and a non-base view, as in FIGS. Also, a plurality of pictures B00 to B04 in the base view and a plurality of pictures B10 to B14 in the non-base view are shown in display order.
  • the reference picture index RefL0 of the processing target block matches the reference picture index RefL0_N of the adjacent block.
  • the temporal distance from the processing target block to the reference picture matches the temporal distance from the adjacent block to the reference picture. Therefore, it is not necessary to expand / contract the motion vector MvL0_N of the adjacent block. Therefore, in this case, the adding unit 131 of the image encoding device and the adding unit 231 of the image decoding device may add the motion vector MvL0_N as it is to the list.
  • FIG. 20 is a diagram illustrating a sixth example of the reference relationship according to the present embodiment.
  • FIG. 20 shows two views, a base view and a non-base view, as in FIGS. Also, a plurality of pictures B00 to B04 in the base view and a plurality of pictures B10 to B14 in the non-base view are shown in display order.
  • the temporal distance from the processing target block to the reference picture coincides with the temporal distance from the co-located block to the reference picture. Therefore, it is not necessary to expand / contract the motion vector MvL0_Col of the co-located block. Therefore, in this case, the adding unit 131 of the image encoding device and the adding unit 231 of the image decoding device may add the motion vector MvL0_Col as it is to the list.
  • the processing target block and the reference picture of the processing target block temporally match, and the corresponding block and the reference picture of the corresponding block temporally match.
  • the adding unit 131 of the image encoding device and the adding unit 231 of the image decoding device may add the motion vectors of the corresponding blocks as they are to the list.
  • FIG. 21 illustrates an addition unit of the image decoding device when the processing target block and the reference picture of the processing target block temporally match and the corresponding block and the reference picture of the corresponding block match temporally.
  • Reference numeral 231 is an example of a flow showing an example of adding a motion vector of a corresponding block.
  • an example of applying to the adding unit 231 of the image decoding apparatus at the time of decoding is shown, but the present embodiment can also be applied to the adding unit 131 of the image encoding apparatus at the time of encoding.
  • whether or not the processing target block and the reference picture of the processing target block coincide temporally is determined by POC (Picture Order Count) which is the display order of the picture including the processing target block. And whether or not the POC that is the display order of the reference pictures of the processing target block matches may be determined.
  • POC Picture Order Count
  • step S2101 the image decoding apparatus determines whether the decoding target block and the reference picture of the decoding target block coincide with each other in time. If the determination result in step S2101 is false (No), the image decoding apparatus determines in step S2102 whether the corresponding block and the reference picture of the corresponding block temporally match. If the determination result in step S2102 is false, the image decoding apparatus adds the motion vector of the corresponding block to the list in step S2103. On the other hand, if the determination result in step S2102 is true (Yes), the image decoding apparatus does not add the motion vector of the corresponding block to the list.
  • step S2104 the image decoding apparatus determines whether the corresponding block and the reference picture of the corresponding block coincide with each other in time. If the determination result in step S2104 is true, the image decoding apparatus adds the motion vector of the corresponding block to the list in step S2105. If the determination result in step S2104 is false, the image decoding apparatus does not add the motion vector of the corresponding block to the list. When the process is completed for all the corresponding blocks, the image decoding apparatus deletes the duplication candidate and the unusable candidate from the list in step S2106.
  • step S2101 the determination result in step S2101 is true, that is, the decoding target block and the reference picture of the decoding target block coincide temporally
  • step S2104 the determination result in step S2104 is true, that is, the corresponding block and the corresponding block
  • the image decoding apparatus may add the motion vector of the corresponding block to the list. Thereby, encoding efficiency can be improved.
  • step S2105 in FIG. 21 the motion vector of the corresponding block is added to the list as it is.
  • the picture including the decoding target block and the reference of the decoding target block are referred to.
  • the motion vector of the corresponding block is subjected to correction such as scaling using the picture, the picture included in the corresponding block, the reference picture of the corresponding block, and the camera parameter value for each view, and then added to the list. It doesn't matter if you do. For example, in the example of FIG.
  • the motion vector of the corresponding block is corrected from the interval between the non-base view 2 and the non-base view 1 to the interval between the base view and the non-base view 2 (for example, the motion of the corresponding block
  • the vector may be doubled) and added to the list. In this way, encoding can be improved by correcting the motion vector when it is added to the list.
  • the picture including the decoding target block, the reference picture of the decoding target block, the picture including the corresponding block, and the corresponding block when adding to the list in S2105 of FIG. 21, the picture including the decoding target block, the reference picture of the decoding target block, the picture including the corresponding block, and the corresponding block
  • the example of adding the motion vector of the corresponding block to the list after correcting the motion vector of the corresponding block using the reference picture and the value of the camera parameter or the like for each view has been shown, it is not necessarily limited thereto. For example, it may be as shown in FIG. That is, if it is determined in step S2304 that the corresponding block and the reference picture of the corresponding block are temporally coincident, in step S2305, the picture including the decoding target block and the picture including the corresponding block are included in the same view.
  • step S2304 it is determined whether or not the reference picture of the decoding target block and the reference picture of the corresponding block are included in the same view. If the determination result in step S2304 is true, the motion vector of the corresponding block may be added to the list as it is in step S2306, and if it is false, the motion vector of the corresponding block may not be added.
  • the picture including the decoding target block and the picture including the corresponding block are included in the same view, and the reference picture of the decoding target block and the reference picture of the corresponding block are included in the same view, that is, When correction such as scaling is not necessary for the motion vector of the block, by adding the motion vector of the corresponding block to the list, it is possible to improve the coding efficiency while suppressing the processing amount.
  • this Embodiment showed the example using the prediction motion vector designation
  • a motion vector difference is converted into a bitstream by selecting a motion vector predictor from a motion vector predictor candidate and a reference picture index created as shown in FIG. 33 and generating a predicted image directly using the selected motion vector predictor as a motion vector. You may make it not add (direct mode, skip mode, merge mode, etc.).
  • the image encoding device and the image decoding device perform the motion of a corresponding block when there is a possibility that the block is encoded or decoded with reference to a picture that temporally matches the block.
  • the denominator or numerator becomes 0 when scaling calculation is performed when correcting a vector, the process can be continued without any problems by not adding the motion vector of the corresponding block to the list. It is not restricted to this method.
  • a picture hereinafter referred to as an interview picture
  • an interview picture that is only allowed to refer to pictures belonging to different views (hereinafter referred to as an interview picture) is defined, and all the pictures in the interview picture are defined.
  • the processing target block may be encoded or decoded using only the inter-view reference. That is, all the processing target blocks in the inter-view picture are restricted so as not to refer to pictures belonging to the same view (hereinafter referred to as inter-reference) (in the inter-view picture, pictures in the same view are not included in the reference picture list). For example, the RPS controls so that only reference pictures belonging to different views are added to the reference picture list). Further, the co-located picture (first picture) to which the co-located block used for encoding or decoding the inter-view picture belongs is limited to be selected from the inter-view pictures among the reference pictures.
  • the Whether or not the picture is an inter-view picture may be distinguished by defining a new NAL unit type (may be added to NAL unit type). Further, in the case of an inter-view picture, the motion vector generation by temporal direct may not always be performed. Also, with regard to Weighted ⁇ ⁇ Prediction that performs weighted averaging according to the difference in display order when bi-directional prediction images are generated, there is a possibility that a block may be encoded or decoded with reference to a picture that temporally matches the block In the case of an inter-view picture, Weighted Prediction may not be used because the denominator at the time of scaling calculation or the numerator may be zero. As described above, when the motion vector of the adjacent block is put into the candidate, the display order of the reference picture of the adjacent block and the display order of the reference picture of the encoding target block are always equal, so no scaling calculation occurs. The operation can be continued without any problems.
  • inter picture pictures other than the inter-view picture (hereinafter referred to as inter picture) are encoded or decoded using only inter reference as shown in FIG. That is, all the processing target blocks in the inter picture are limited so as not to refer to pictures belonging to different views.
  • the co-located picture to which the co-located block used for encoding or decoding the inter picture belongs is limited to be selected from the inter pictures among the reference pictures (in the inter view picture, It may be controlled not to include pictures of different views in the reference picture list (for example, control is performed so that only reference pictures belonging to the same view are added to the reference picture list in RPS).
  • FIG. 26 is an example of a flow for switching the reference picture list generation method based on whether the current picture is an inter-view picture in the image coding apparatus according to the present embodiment.
  • the image coding apparatus determines whether or not the current picture to be coded is an inter-view picture from NAL unit type. If the determination result in step S2601 is false, in step S2602, the image coding apparatus adds a picture belonging to the same view as the current picture to be coded to the reference picture list to generate a reference picture list. That is, when the encoding target picture is an inter picture, only the reference pictures of the same view are included in the reference picture list, and the occurrence of inter-view reference can be prevented.
  • step S2603 the image coding apparatus adds a picture belonging to a view different from the current picture to be coded to the reference picture list to generate a reference picture list. That is, when the encoding target picture is an inter-view picture, only the reference pictures of different views are included in the reference picture list, and the occurrence of inter-reference can be prevented.
  • step S2604 the image encoding apparatus encodes the encoding target picture using the created reference picture list.
  • the reference picture list generation method based on whether the encoding target picture is an inter-view picture, when the encoding target picture is an inter-view picture, the occurrence of inter reference is prevented, and the encoding target picture is When the picture is an inter picture, the occurrence of inter-view reference may be prevented.
  • FIG. 27 is an example of a flow for calculating a co-located picture in order to encode an encoding target picture in the image encoding apparatus according to the present embodiment.
  • the reference picture index of the co-located picture is selected by repeating the processing of step S2701 and step S2702 for the reference picture index r that can be referred to (r is a value from 0 to NumRefIdx-1).
  • NumRefIdx represents the number of reference pictures that can be referred to for the encoding target picture.
  • step S2701 it is determined whether the current picture is an inter-view picture and the reference picture specified by the reference picture index r is an inter-view picture.
  • step S2704 the reference picture specified by the reference picture index r is designated as a co-located picture. If the determination result in step S2701 is false, the image coding apparatus determines in step S2702 whether the current picture is an inter picture and the reference picture specified by the reference picture index r is an inter picture. If the determination result in step S2702 is true, in step S2704, the reference picture specified by the reference picture index r is designated as a co-located picture. In step S2703, the image coding apparatus does not perform temporal motion prediction motion vector generation because no co-located picture matching the picture type of the current picture is found.
  • the co-located picture selection method based on whether the encoding target picture is an inter-view picture or not, when the encoding target picture is an inter-view reference, the co-located picture is always an inter-view picture. Control may be performed so as to be a view reference, and when the encoding target picture is an inter reference, the co-located picture may be controlled to be an inter reference.
  • FIG. 28 is an example of a flow for switching the reference picture list generation method based on whether or not the decoding target picture is an inter-view picture in the image decoding apparatus according to the present embodiment.
  • the image decoding apparatus determines from the NAL ⁇ ⁇ ⁇ ⁇ unit type whether the decoding target picture is an inter-view picture. If the determination result in step S2801 is false, the image decoding apparatus adds a picture belonging to the same view as the decoding target picture to the reference picture list in step S2802 to generate a reference picture list. That is, when the decoding target picture is an inter picture, only the reference pictures of the same view are included in the reference picture list, and the occurrence of inter-view reference can be prevented.
  • step S2801 the image decoding apparatus adds a picture belonging to a view different from the decoding target picture to the reference picture list in step S2803 to generate a reference picture list. That is, when the decoding target picture is an inter-view picture, only the reference pictures of different views are included in the reference picture list, and the occurrence of inter-reference can be prevented.
  • step S2804 the image decoding apparatus decodes the decoding target picture using the created reference picture list. In this way, by switching the reference picture list generation method based on whether or not the decoding target picture is an inter-view picture, when the decoding target picture is an inter-view picture, the occurrence of inter reference is prevented and the decoding target picture is generated. When the picture is an inter picture, it is possible to appropriately decode the bit stream generated so as to prevent the occurrence of inter-view reference.
  • FIG. 29 is an example of a flow for calculating a co-located picture for decoding a decoding target picture in the image decoding apparatus according to the present embodiment.
  • the image decoding apparatus decodes a flag or the like for designating a co-located picture from a header such as an SPS, PPS, or slice header.
  • the image decoding apparatus determines whether the decoding target block is an inter-view picture from NAL unit type and the like. If the determination result in step S2902 is true, it is determined in step S2903 whether the co-located picture specified in step S2901 is an inter-view picture.
  • step S2903 the image decoding apparatus decodes the decoding target picture using the co-locate picture specified in step S2901 in step S2906. If the determination result in step S2903 is false, in step S2904, it is detected that the bitstream is a conformance violation, and notification is made. Note that any method may be used for notifying the conformance violation, and it is not always necessary to notify it.
  • step S2905 the image decoding apparatus reassigns a reference picture that is an inter-view picture to a co-located picture in order to continue the process. For example, it may be possible to reassign the inter-view picture that is closest to the decoding target picture in the display order to the co-located picture.
  • step S2902 it is determined in step S2907 whether the co-located picture specified in step S2901 is an inter picture. If the determination result in step S2907 is true, in step S2906, the decoding target picture is decoded using the co-locate picture specified in step S2901. If the determination result in step S2907 is false, it is detected in step S2908 that the bitstream is a conformance violation, and notification is made. Note that any method may be used for notifying the conformance violation, and it is not always necessary to notify it.
  • step S2909 the image decoding apparatus reassigns a reference picture that is an inter picture to a co-located picture in order to continue the processing. For example, it is possible to reassign the inter picture closest to the decoding target picture in the display order to the co-located picture. Alternatively, it may be controlled not to perform the prediction motion vector by temporal direct.
  • a picture of a view with different encoding or decoding target pictures is referred to, for example, a case where a picture included in a non-base view is decoded is described as an example.
  • the present embodiment may be applied to, for example, a case where a picture of a layer with a different encoding or decoding target picture is referred to.
  • SVC Scalable Video Coding
  • Even in SVC a predicted image may be generated by referring to reference pictures belonging to different layers, and there may be a case where the numerator or denominator of scaling becomes 0 and the processing cannot be continued as in MVC. Therefore, by applying this embodiment, it is possible to continue the processing without any problem.
  • an inter-layer reference picture is defined, and the inter-layer reference picture is a picture that is only allowed to refer to pictures belonging to different layers (hereinafter referred to as inter-layer reference). All the processing target blocks in the inter-reference picture are encoded or decoded using only the inter-layer reference. That is, all the processing target blocks in the inter-layer reference picture do not refer to pictures belonging to the same layer. Further, the co-located picture to which the co-located block used for encoding or decoding the inter-layer reference picture belongs is selected from the reference layers that can be referred to. Note that whether a picture is an inter-layer reference picture may be distinguished by defining a new NAL unit type.
  • Weighted ⁇ ⁇ Prediction that performs weighted averaging according to the difference in display order when bi-directional prediction images are generated, there is a possibility that a block may be encoded or decoded with reference to a picture that temporally matches the block
  • Weighted Prediction may not be used because the denominator at the time of scaling calculation or the numerator may be zero.
  • inter pictures pictures other than the inter-layer reference pictures (hereinafter referred to as inter pictures) are encoded or decoded using only inter references. That is, all the processing target blocks in the inter picture do not refer to pictures belonging to different layers. Also, the co-located picture to which the co-located block used for encoding or decoding the inter picture belongs is selected from the reference inter pictures.
  • the image encoding device and the image decoding device according to the present invention have been described based on the embodiments, but the present invention is not limited to the embodiments. Embodiments obtained by subjecting the embodiments to modifications conceivable by those skilled in the art and other embodiments realized by arbitrarily combining the components in the embodiments are also included in the present invention.
  • another processing unit may execute a process executed by a specific processing unit.
  • the order in which the processes are executed may be changed, or a plurality of processes may be executed in parallel.
  • the present invention can be realized not only as an image encoding device and an image decoding device, but also as a method having steps as processing units constituting the image encoding device and the image decoding device.
  • the present invention can be realized as a program for causing a computer to execute the steps included in these methods.
  • the present invention can be realized as a computer-readable recording medium such as a CD-ROM in which the program is recorded.
  • a plurality of components included in the image encoding device and the image decoding device may be realized as an LSI (Large Scale Integration) that is an integrated circuit. These components may be individually made into one chip, or may be made into one chip so as to include a part or all of them. Although referred to here as an LSI, it may be referred to as an IC (Integrated Circuit), a system LSI, a super LSI, or an ultra LSI depending on the degree of integration.
  • IC Integrated Circuit
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • a reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • the storage medium may be any medium that can record a program, such as a magnetic disk, an optical disk, a magneto-optical disk, an IC card, and a semiconductor memory.
  • the system has an image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 36 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 the user using the camera ex113 (for example, music live video) is encoded as described in the above embodiments (that is, in one aspect of the present disclosure).
  • 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 has received the distributed data decodes and reproduces the received data (that is, functions as an image decoding device according to one aspect of the present disclosure).
  • the captured data may be encoded by the camera ex113, the streaming server ex103 that performs data transmission processing, or may be shared with each other.
  • the decryption processing of the distributed data may be performed by the client, the streaming server ex103, or may be performed in common with each other.
  • still images and / or moving image data captured by the camera ex116 may be transmitted to the streaming server ex103 via the computer ex111.
  • the encoding process in this case may be performed by any of the camera ex116, the computer ex111, and the streaming server ex103, or may be performed in a shared manner.
  • these encoding / decoding processes are generally performed in the computer ex111 and the LSI ex500 included in each device.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding / decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111, etc., and encoding / decoding processing is performed using the software. May be.
  • moving image data acquired by the camera may be transmitted.
  • the moving image data at this time is data encoded by the LSI ex500 included in the mobile phone ex114.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the encoded data can be received and reproduced by the client.
  • the information transmitted by the user can be received, decrypted and reproduced by the client in real time, and personal broadcasting can be realized even for a user who does not have special rights or facilities.
  • the digital broadcasting system ex200 also includes at least the moving image encoding device (image encoding device) or the moving image decoding according to each of the above embodiments. Any of the devices (image decoding devices) can be incorporated.
  • the broadcast station ex201 multiplexed data obtained by multiplexing music data and the like on video data is transmitted to a communication or satellite ex202 via radio waves.
  • This video data is data encoded by the moving image encoding method described in the above embodiments (that is, data encoded by the image encoding apparatus according to one aspect of the present disclosure).
  • 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 disclosure).
  • 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. 38 is a diagram illustrating a television (receiver) ex300 that uses the video decoding method and the video encoding method described in each of the above embodiments.
  • the television ex300 obtains or outputs multiplexed data in which audio data is multiplexed with video data via the antenna ex204 or the cable ex203 that receives the broadcast, and demodulates the received multiplexed data.
  • the modulation / demodulation unit ex302 that modulates multiplexed data to be transmitted to the outside, and the demodulated multiplexed data is separated into video data and audio data, or the video data and audio data encoded by the signal processing unit ex306 Is provided with a multiplexing / demultiplexing unit ex303.
  • the television ex300 decodes each of audio data and video data, or encodes each information, an audio signal processing unit ex304, a video signal processing unit ex305 (an image encoding device or an image according to one embodiment of the present disclosure) A signal processing unit ex306 that functions as a decoding device), a speaker ex307 that outputs a 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.
  • 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. 39 shows a configuration of the information reproducing / recording unit ex400 when data is read from or written to the optical disk.
  • the information reproducing / recording unit ex400 includes elements ex401, ex402, ex403, ex404, ex405, ex406, and ex407 described below.
  • the optical head ex401 irradiates a laser spot on the recording surface of the recording medium ex215 that is an optical disk to write information, and detects 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. 40 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. 38, and the same may be considered for the computer ex111, the mobile phone ex114, and the like.
  • FIG. 41A 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 each of the above embodiments. Encode (that is, function as an image encoding apparatus according to an aspect of the present disclosure), 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 disclosure).
  • video and still images included in the moving image file linked to the home page are displayed from the display unit ex358 via the LCD control unit ex359.
  • the audio signal processing unit ex354 decodes the audio signal, and the audio is output from the audio output unit ex357.
  • the terminal such as the mobile phone ex114 is referred to as a transmission terminal having only an encoder and a receiving terminal having only a decoder.
  • a transmission terminal having only an encoder
  • a receiving terminal having only a decoder.
  • multiplexed data in which music data or the like is multiplexed with video data is received and transmitted, but data in which character data or the like related to video is multiplexed in addition to audio data It may be video data itself instead of multiplexed data.
  • the moving picture encoding method or the moving picture decoding method shown in each of the above embodiments can be used in any of the above-described devices / systems. The described effect can be obtained.
  • multiplexed data obtained by multiplexing audio data or the like with video data is configured to include identification information indicating which standard the video data conforms to.
  • identification information indicating which standard the video data conforms to.
  • FIG. 42 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. 43 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. 44 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first row in FIG. 44 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in the video stream are divided into pictures, B pictures, and P pictures, and are stored in the payload of the PES packet.
  • Each PES packet has a PES header, and a PTS (Presentation Time-Stamp) that is a display time of a picture and a DTS (Decoding Time-Stamp) that is a decoding time of a picture are stored in the PES header.
  • PTS Presentation Time-Stamp
  • DTS Decoding Time-Stamp
  • FIG. 45 shows the format of the TS packet that is finally written in the multiplexed data.
  • the TS packet is a 188-byte fixed-length packet composed of a 4-byte TS header having information such as a PID for identifying a stream and a 184-byte TS payload for storing data.
  • the PES packet is divided and stored in the TS payload.
  • a 4-byte TP_Extra_Header is added to a TS packet, forms a 192-byte source packet, and is written in multiplexed data.
  • TP_Extra_Header information such as ATS (Arrival_Time_Stamp) is described.
  • ATS indicates the transfer start time of the TS packet to the PID filter of the decoder.
  • Source packets are arranged in the multiplexed data as shown in the lower part of FIG. 45, 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. 46 is a diagram for explaining the data structure of the PMT in detail.
  • a PMT header describing the length of data included in the PMT is arranged at the head of the PMT.
  • a plurality of descriptors related to multiplexed data are arranged.
  • the copy control information and the like are described as descriptors.
  • a plurality of pieces of stream information regarding each stream included in the multiplexed data are arranged.
  • the stream information includes a stream descriptor in which a stream type, a stream PID, and stream attribute information (frame rate, aspect ratio, etc.) are described to identify a compression codec of the stream.
  • the multiplexed data is recorded together with the multiplexed data information file.
  • the multiplexed data information file is management information of multiplexed data, has a one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
  • the multiplexed data information includes a system rate, a reproduction start time, and a reproduction end time.
  • 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. 49 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. 50 shows a configuration of LSI ex500 that is made into one chip.
  • the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
  • the power supply circuit unit ex505 is activated to an operable state by supplying power to each unit when the power supply is on.
  • the LSI ex500 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
  • Such a programmable logic device typically loads or reads a program constituting software or firmware from a memory or the like, thereby moving the moving picture coding method or moving picture shown in each of the above embodiments.
  • An image decoding method can be performed.
  • FIG. 51 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 complies with the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to.
  • the drive frequency control unit ex512 sets the drive frequency.
  • the signal processing unit ex507 decodes the video data.
  • the identification of the video data for example, it is conceivable to use the identification information described in the third embodiment.
  • the identification information is not limited to that described in Embodiment 3, and any information that can identify which standard the video data conforms to may be used. For example, it is possible to identify which standard the video data conforms to based on an external signal that identifies whether the video data is used for a television or a disk. In some cases, identification may be performed based on such an external signal. Further, 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. 52 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. 54A.
  • 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 content specific to one aspect of the present disclosure that does not support the MPEG4-AVC standard, a dedicated decoding processing unit A configuration using ex901 is conceivable.
  • a dedicated decoding processing unit ex901 is used for inverse quantization, and other entropy decoding, deblocking filter, motion, and the like. It is conceivable to share the decoding processing unit for any or all of the compensation.
  • 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. 54B shows another example in which processing is partially shared.
  • a dedicated decoding processing unit ex1001 corresponding to processing content specific to one aspect of the present disclosure
  • a dedicated decoding processing unit ex1002 corresponding to 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 for one aspect of the present disclosure 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 image decoding method according to one aspect of the present disclosure and the moving image decoding method of the conventional standard is shared by the decoding processing unit, thereby reducing the circuit scale of the LSI, In addition, the cost can be reduced.
  • the image encoding method and the image decoding method according to the present invention can be used in, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, a digital video camera, or the like.
  • Block memory 110 210 Intra prediction Unit 111, 211 frame memory 112, 212 inter prediction unit 113, 213 switch 121, 221 inter prediction control unit 124 picture type determination unit 131, 231 addition unit 132, 232 selection unit 201 decoding unit 205 variable length decoding unit

Landscapes

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

Abstract

　参照ピクチャを決定する参照ピクチャリスト生成ステップと、co-locatedピクチャを決定するco-locatedピクチャ決定ステップと、符号化対象ピクチャに含まれ符号化対象ブロックに隣接する、又はco-locatedピクチャに含まれ符号化対象ブロックに近い対応ブロックの各々について、リストに対応ブロックの動きベクトルを追加する追加ステップと、リストから予測動きベクトルを選択する選択ステップと、符号化対象ブロックの動きベクトルを用いて符号化した符号化対象ブロックの動きベクトルと選択された予測動きベクトルとの差分を符号化する符号化ステップとを含み、符号化ステップにおいて、符号化対象ピクチャが特定のピクチャタイプである場合には、符号化対象ピクチャに含まれる符号化対象ブロックのすべての動きベクトルは、符号化対象ピクチャの属するビューとは異なるビューに属する参照ピクチャを参照して生成される。

Description

画像符号化方法および画像復号化方法
　本発明は、複数のピクチャをブロック毎に符号化する画像符号化方法、画像復号方法、画像符号化装置および画像復号装置に関する。
　動画像符号化方式であるＨ．２６４（非特許文献１）に係る画像符号化装置は、情報量の圧縮のため、Ｉピクチャ、Ｐピクチャ、Ｂピクチャの３種類のピクチャタイプを用いる。
　また、画像符号化装置は、ＢピクチャまたはＰピクチャにおける符号化対象ブロックの動きベクトルを符号化する時に、予測動きベクトル指定モードを用いることが検討されている（非特許文献２）。予測動きベクトル指定モードを用いる画像符号化装置は、符号化対象ブロックに隣接する隣接ブロック等から、予測動きベクトルについての複数の候補を生成する。そして、画像符号化装置は、複数の候補から予測動きベクトルを選択する。
ＩＴＵ－Ｔ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｈ．２６４「Ａｄｖａｎｃｅｄ　ｖｉｄｅｏ　ｃｏｄｉｎｇ　ｆｏｒ　ｇｅｎｅｒｉｃ　ａｕｄｉｏｖｉｓｕａｌ　ｓｅｒｖｉｃｅｓ」、２０１０年３月 ＪＣＴ－ＶＣ"ＷＤ３：Ｗｏｒｋｉｎｇ　Ｄｒａｆｔ　３　ｏｆ　Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ"，　ＪＣＴＶＣ－Ｅ６０３，　Ｍａｒｃｈ　２０１１．
　従来の予測動きベクトル指定モードでは、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化されることが考慮されていない。
　そこで、本発明は、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化される可能性がある場合も、予測動きベクトルをリストから適切に選択することができる画像符号化方法を提供する。
　本発明の一態様に係る画像符号化方法は、複数のピクチャをブロック毎に符号化する画像符号化方法であって、前記複数のピクチャから符号化対象ピクチャに含まれる符号化対象ブロックの符号化に用いる参照ピクチャを決定し、前記参照ピクチャの中から、前記符号化対象ブロックの動きベクトルを符号化するための予測動きベクトルを導出する際に用いる第１ピクチャを決定し、前記符号化対象ブロックに空間的に隣接する１以上の隣接ブロックの動きベクトル、または、前記第１ピクチャに含まれ前記符号化対象ブロックに空間的に近い位置に位置する１以上の第１ブロックの動きベクトルをリストに追加し、前記リストに追加された前記動きベクトルのうちの１つを前記予測動きベクトルとして選択し、前記符号化対象ブロックの動きベクトルを用いて前記符号化対象ブロックを符号化し、前記符号化対象ブロックの前記動きベクトルと、選択された前記予測動きベクトルとの差分を符号化し、前記符号化対象ブロックと前記差分とを符号化する際には、前記符号化対象ピクチャが特定のピクチャタイプである場合には、前記符号化対象ピクチャに含まれる全てのブロックの前記動きベクトルは、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを参照して生成される。
　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。
　本発明の画像符号化方法により、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化される可能性がある場合も、予測動きベクトルがリストから適切に選択される。また、予測動きベクトルを適切に生成される。
図１は、実施の形態１に係る画像符号化装置を示す構成図である。 図２は、実施の形態１に係る画像符号化装置の主要な構成要素を示す構成図である。 図３は、実施の形態１に係る隣接ブロックの動きベクトルを示す図である。 図４は、実施の形態１に係るｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルを示す図である。 図５は、実施の形態１に係る伸縮処理の第１例を示す図である。 図６は、実施の形態１に係る伸縮処理の第２例を示す図である。 図７は、実施の形態１に係る参照関係の第１例を示す図である。 図８は、実施の形態１に係る参照関係の第２例を示す図である。 図９は、実施の形態１に係る参照関係の第３例を示す図である。 図１０は、実施の形態１に係る参照関係の第４例を示す図である。 図１１は、実施の形態１に係る画像符号化装置の動作を示すフローチャートである。 図１２は、実施の形態１に係る画像符号化装置の動作の詳細を示すフローチャートである。 図１３は、実施の形態１に係る画像符号化装置の動作の変形例を示すフローチャートである。 図１４は、実施の形態１に係る画像復号装置を示す構成図である。 図１５は、実施の形態１に係る画像復号装置の主要な構成要素を示す構成図である。 図１６は、実施の形態１に係る画像復号装置の動作を示すフローチャートである。 図１７は、実施の形態１に係る画像復号装置の動作の詳細を示すフローチャートである。 図１８は、実施の形態１に係る画像復号装置の動作の変形例を示すフローチャートである。 図１９は、実施の形態１に係る参照関係の第５例を示す図である。 図２０は、実施の形態１に係る参照関係の第６例を示す図である。 図２１は、実施の形態１に係る対応ブロックの動きベクトルを追加する処理を表すフローチャートの第１例である。 図２２は、実施の形態１に係る対応ブロックの動きベクトルを補正してリストに追加する例を示す図である。 図２３は、実施の形態１に係る対応ブロックの動きベクトルを追加する処理表すフローチャートの第２例である。 図２４は、実施の形態１に係る隣接ブロックの動きベクトルを示す第１図である。 図２５は、実施の形態１に係る隣接ブロックの動きベクトルを示す第２図である。 図２６は、実施の形態１に係る参照ピクチャリストの生成方法を切り替えるフローチャートの一例である。 図２７は、実施の形態１に係るco-locatedピクチャを算出するフローチャートの一例である。 図２８は、実施の形態１に係る参照ピクチャリストの生成方法を切り替えるフローチャートの一例である。 図２９は、実施の形態１に係るco-locatedピクチャを算出するフローチャートの一例である。 図３０は、関連技術における参照ピクチャリストを示す図である。 図３１は、関連技術における時間ダイレクトモードを示す図である。 図３２は、関連技術における符号化対象ブロックと隣接ブロックとの関係を示す図である。 図３３は、関連技術における予測動きベクトルの候補で構成されるリストを示す図である。 図３４は、関連技術における画像符号化装置の動作を示す図である。 図３５は、関連技術における画像復号装置の動作を示す図である。 図３６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３７は、デジタル放送用システムの全体構成図である。 図３８は、テレビの構成例を示すブロック図である。 図３９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４０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４１Ａは、携帯電話の一例を示す図である。 図４１Ｂは、携帯電話の構成例を示すブロック図である。 図４２は、多重化データの構成を示す図である。 図４３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４４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４５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４６は、ＰＭＴのデータ構成を示す図である。 図４７は、多重化データ情報の内部構成を示す図である。 図４８は、ストリーム属性情報の内部構成を示す図である。 図４９は、映像データを識別するステップを示す図である。 図５０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５１は、駆動周波数を切り替える構成を示す図である。 図５２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５３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５４Ａ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５４Ｂ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画像符号化方法に関し、以下の問題が生じることを見出した。
　一般に、画像符号化装置は、動画像を符号化する時、動画像が有する空間方向および時間方向の冗長性を削減することにより、動画像の情報量を圧縮する。この時、画像符号化装置は、空間方向の冗長性を削減する方法として、イントラ予測（面内予測、または、ピクチャ内予測とも呼ばれる）を用いる。また、画像符号化装置は、時間方向の冗長性を削減する方法として、インター予測（面間予測、または、ピクチャ間予測とも呼ばれる）を用いる。
　例えば、画像符号化装置は、符号化対象ピクチャをインター予測で符号化する時、表示順で符号化対象ピクチャの前方または後方の符号化済みピクチャを参照ピクチャとして用いる。そして、画像符号化装置は、動き検出により動きベクトルを導出する。そして、画像符号化装置は、動きベクトルを用いて動き補償を実行することにより、予測画像データを生成する。そして、画像符号化装置は、生成された予測画像データと、符号化対象ピクチャの画像データとの差分を符号化することにより、時間方向の冗長性を取り除く。
　また、画像符号化装置は、動き検出の際、符号化対象ピクチャ内の符号化対象ブロックと、参照ピクチャ内のブロックとの差分を算出する。この時、画像符号化装置は、参照ピクチャ内の複数のブロックのうち、最も差分の小さいブロックを参照ブロックと決定する。そして、画像符号化装置は、符号化対象ブロックおよび参照ブロックを用いて、動きベクトルを検出する。
　既に標準化された動画像符号化方式であるＨ．２６４（非特許文献１）に係る画像符号化装置は、情報量の圧縮のため、Ｉピクチャ、Ｐピクチャ、Ｂピクチャの３種類のピクチャタイプを用いる。
　Ｈ．２６４に係る画像符号化装置は、Ｉピクチャをイントラ予測で符号化する。また、画像符号化装置は、Ｐピクチャをインター予測で符号化する。画像符号化装置は、Ｐピクチャの符号化の際、表示順で当該Ｐピクチャの前方または後方にある既に符号化済みの１つのピクチャを参照する。すなわち、画像符号化装置は、片方向予測を用いて、Ｐピクチャを符号化する。
　また、画像符号化装置は、Ｂピクチャをインター予測で符号化する。画像符号化装置は、Ｂピクチャの符号化の際、表示順で当該Ｂピクチャの前方または後方にある既に符号化済みの２つのピクチャを参照する。すなわち、画像符号化装置は、双方向予測を用いて、Ｂピクチャを符号化する。
　なお、双方向予測の表現は、前方および後方の両方から、それぞれ１つの参照ピクチャを参照して、画像データを予測することのみを意味する場合がある。また、双方向予測の表現は、前方および後方のいずれか一方から、２つの参照ピクチャを参照して、画像データを予測することも含む場合がある。後者の場合、双方向予測は、双予測と表現される場合もある。
　画像符号化装置は、インター予測の際、参照ピクチャを特定するための参照ピクチャリストを生成する。画像符号化装置は、参照ピクチャリストにおいて、インター予測で参照される参照ピクチャに、参照ピクチャインデックスを割り当てる。なお、画像符号化装置は、Ｂピクチャの符号化の際、２つのピクチャを参照する。したがって、画像符号化装置は、２つの参照ピクチャリストＬ０、Ｌ１を保持する。
　図３０は、参照ピクチャリストの例を示す。図３０に示された参照ピクチャリストＬ０、Ｌ１は、双方向予測における２つの参照ピクチャリストの例である。
　画像符号化装置は、参照ピクチャリストＬ０において、表示順で２番目の参照ピクチャに、０の参照ピクチャインデックスを割り当てる。また、画像符号化装置は、表示順で１番目の参照ピクチャに、１の参照ピクチャインデックスを割り当てる。そして、画像符号化装置は、表示順で０番目の参照ピクチャに、２の参照ピクチャインデックスを割り当てる。つまり、画像符号化装置は、符号化対象ピクチャに表示順で近い順に、参照ピクチャインデックスを割り当てる。
　一方、画像符号化装置は、参照ピクチャリストＬ１において、表示順で２番目の参照ピクチャに、０の参照ピクチャインデックスを割り当てる。また、画像符号化装置は、表示順で１番目の参照ピクチャに、２の参照ピクチャインデックスを割り当てる。そして、画像符号化装置は、表示順で０番目の参照ピクチャに、１の参照ピクチャインデックスを割り当てる。
　このように、画像符号化装置は、同じ参照ピクチャに対して、参照ピクチャリスト毎に異なる参照ピクチャインデックスを割り当ててもよい。また、画像符号化装置は、同じ参照ピクチャに対して、同じ参照ピクチャインデックスを割り当ててもよい。
　また、参照ピクチャリストＬ０が、第１予測方向に対応し、参照ピクチャリストＬ１が、第２予測方向に対応してもよい。ここで、第１予測方向および第２予測方向は、それぞれ、前方および後方のいずれか一方であって、互いに異なる。典型的には、参照ピクチャリストＬ０が、表示順で符号化対象ピクチャの前方にある参照ピクチャを特定するために用いられる。そして、参照ピクチャリストＬ１が、表示順で符号化対象ピクチャの後方にある参照ピクチャを特定するために用いられる。
　また、インター予測には、符号化対象ブロックの画像データを予測するための複数の符号化モードがある。符号化モードは、インター予測またはイントラ予測を示すだけではなく、インター予測またはイントラ予測に含まれる詳細なモードを示す場合がある。画像符号化装置は、複数の符号化モードから、符号化対象ブロックの画像データの予測に適用するための符号化モードを選択する。
　例えば、画像符号化装置は、表示順で符号化対象ピクチャの前方または後方にある２つのピクチャを参照して予測画像を生成する双方向予測を符号化モードとして選択する。また、例えば、画像符号化装置は、表示順で符号化対象ピクチャの前方または後方にある１つのピクチャを参照して予測画像を生成する片方向予測を符号化モードとして選択する。また、画像符号化装置は、時間ダイレクトモードと呼ばれる符号化モードを選択する。
　図３１は、時間ダイレクトモードを示す図である。図３１は、時間ダイレクトモードで得られた動きベクトルを用いて、ピクチャＢ２の符号化対象ブロックを符号化する場合を示している。
　この場合、画像符号化装置は、ｃｏ－ｌｏｃａｔｅｄブロックの符号化の際に用いられた動きベクトルｖｂを利用する。ｃｏ－ｌｏｃａｔｅｄブロックは、表示順でピクチャＢ２の後方の参照ピクチャであるピクチャＰ３内に含まれる。また、ｃｏ－ｌｏｃａｔｅｄブロックの位置は、符号化対象ブロックの位置に一致する。ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルｖｂは、ピクチャＰ１を指し示している。
　画像符号化装置は、動きベクトルｖｂに対して平行な２つの動きベクトルｖａ１、ｖａ２を用いて、前方の参照ピクチャであるピクチャＰ１と、後方の参照ピクチャであるピクチャＰ３との両方から、符号化対象ブロックに対応する２つの参照ブロックを特定する。そして、画像符号化装置は、双方向予測により、符号化対象ブロックを符号化する。
　すなわち、画像符号化装置は、ピクチャＰ１については動きベクトルｖａ１を用い、ピクチャＰ３については動きベクトルｖａ２を用いる。そして、画像符号化装置は、２つの参照ブロックを特定し、双方向予測によって符号化対象ブロックを符号化する。
　２つの動きベクトルｖａ１、ｖａ２は、動きベクトルｖｂに対して平行である。画像符号化装置は、３つのピクチャＰ１、Ｂ２、Ｐ３間の時間的な距離の比率に応じて、動きベクトルｖｂを伸縮することにより、２つの動きベクトルｖａ１、ｖａ２を取得する。
　また、ＢピクチャまたはＰピクチャにおける符号化対象ブロックの動きベクトルを符号化する時に予測動きベクトル指定モードを用いることが検討されている（非特許文献２）。予測動きベクトル指定モードを用いる画像符号化装置は、符号化対象ブロックに隣接する隣接ブロック等から、予測動きベクトルについての複数の候補を生成する。そして、画像符号化装置は、複数の候補から予測動きベクトルを選択する。
　そして、画像符号化装置は、選択された予測動きベクトルを用いて、符号化対象ブロックの動きベクトルを符号化する。また、画像符号化装置は、選択された予測動きベクトルのインデックス（予測動きベクトルインデックスとも呼ばれる）をビットストリームに追加する。これにより、画像復号装置は、復号時に同一の予測動きベクトルを選択できる。
　図３２は、予測動きベクトル指定モードを説明するための図であって、符号化対象ブロックと隣接ブロックとの関係を示す図である。図３２において、隣接ブロックＡは、符号化対象ブロックの左に隣接する符号化済みブロックである。隣接ブロックＢは、符号化対象ブロックの上に隣接する符号化済みブロックである。隣接ブロックＣは、符号化対象ブロックの右上に隣接する符号化済みブロックである。隣接ブロックＤは、符号化対象ブロックの左下に隣接する符号化済みブロックである。
　隣接ブロックＡは、動きベクトルｍｖＡを有する。すなわち、隣接ブロックＡは、動きベクトルｍｖＡを用いて、符号化されている。また、隣接ブロックＢは、動きベクトルｍｖＢを有する。すなわち、隣接ブロックＢは、動きベクトルｍｖＢを用いて、符号化されている。また、隣接ブロックＣは、イントラ予測で符号化されている。したがって、隣接ブロックＣは、動きベクトルを有しない。また、隣接ブロックＤは、動きベクトルｍｖＤを有する。すなわち、隣接ブロックＤは、動きベクトルｍｖＤを用いて、符号化されている。
　画像符号化装置は、複数の動きベクトルｍｖＡ、ｍｖＢ、ｍｖＤ等から、予測動きベクトルを選択する。また、画像符号化装置は、時間ダイレクトモードによる動きベクトルを予測動きベクトルとして選択する場合がある。時間ダイレクトモードによる動きベクトルは、符号化対象ブロックについてのｃｏ－ｌｏｃａｔｅｄブロックから得られる。
　画像符号化装置は、複数の候補の中から、符号化対象ブロックの動きベクトルを最も効率よく符号化できる予測動きベクトルを選択する。例えば、画像符号化装置は、符号化対象ブロックの動きベクトルに最も近い候補を予測動きベクトルとして選択する。そして、画像符号化装置は、選択された予測動きベクトルを表すインデックスをビットストリームに追加する。
　より具体的には、例えば、画像符号化装置は、符号化対象ブロックの動きベクトルを符号化する際に、隣接ブロックＡの動きベクトルｍｖＡを予測動きベクトルとして選択する。そして、画像符号化装置は、複数のインデックス値のうち、動きベクトルｍｖＡを用いたことを示すインデックス値をビットストリームに追加する。これにより、画像符号化装置は、符号化対象ブロックの動きベクトルの情報量を削減できる。
　図３３は、予測動きベクトルの候補で構成されるリストの例を示す。また、画像符号化装置は、利用できない候補（以下、利用不可候補と記載する）をリストから削除する。また、画像符号化装置は、他の候補と同じ値を有する候補（以下、重複候補）をリストから削除する。候補の数が減少することで、インデックスの符号量が減少する。
　例えば、隣接ブロックがイントラ予測で符号化されたブロックである場合、当該隣接ブロックは動きベクトルを有していない。この場合、画像符号化装置は、当該隣接ブロックからは予測動きベクトルを得ることができない。そのため、この場合、画像符号化装置は、当該隣接ブロックについての候補をリストから削除する。
　また、隣接ブロックが、スライスの外側、または、ピクチャの外側である場合、画像符号化装置は、当該隣接ブロックから予測動きベクトルを取得できない。また、隣接ブロックが、まだ符号化されていない場合、画像符号化装置は、当該隣接ブロックから予測動きベクトルを取得できない。このような場合、画像符号化装置は、当該隣接ブロックについての候補をリストから削除する。
　図３３の例では、隣接ブロックＣがイントラ予測で符号化されているため、３のインデックス値で特定される候補は、利用不可候補である。したがって、画像符号化装置は、リストから当該候補を削除する。
　また、隣接ブロックＤの動きベクトルｍｖＤは、隣接ブロックＡの動きベクトルｍｖＡに一致している。したがって、４のインデックス値で特定される候補は、リストから削除される。最終的に、候補の数は３となる。
　図３４は、画像符号化装置の動作を示すフローチャートである。まず、画像符号化装置は、複数の対応ブロックのそれぞれについて、対応ブロックの動きベクトルをリストに追加する（Ｓ８１）。対応ブロックは、隣接ブロックまたはｃｏ－ｌｏｃａｔｅｄブロック等である。
　次に、画像符号化装置は、リストから、重複候補および利用不可候補を削除する（Ｓ８２）。次に、画像符号化装置は、リストから予測動きベクトルを選択する（Ｓ８３）。次に、画像符号化装置は、選択された予測動きベクトルに対応するインデックスを符号化する。また、画像符号化装置は、選択された予測動きベクトルと、動きベクトルとの差分を符号化する（Ｓ８４）。
　図３５は、画像復号装置の動作を示すフローチャートである。画像復号装置は、複数の対応ブロックのそれぞれについて、対応ブロックの動きベクトルをリストに追加する（Ｓ９１）。
　次に、画像復号装置は、リストから重複候補および利用不可候補を削除する（Ｓ９２）。次に、画像復号装置は、画像符号化装置によって符号化されたインデックスおよび差分を復号する。（Ｓ９３）。画像復号装置は、復号されたインデックスによって予測動きベクトルを選択する（Ｓ９４）。そして、画像復号装置は、予測動きベクトルと差分とを加算することにより、動きベクトルを復元する。そして、画像復号装置は、復元された動きベクトルを用いて、復号対象ブロックを復号する。
　しかしながら、従来の予測動きベクトル指定モードでは、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化されることが考慮されていない。例えば、ＭＶＣ（Ｍｕｌｔｉｖｉｅｗ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ：多視点映像符号化）に係る画像符号化装置は、ベースビューのピクチャを参照して、ノンベースビューのピクチャを符号化する場合がある。この時、参照関係を有する２つのピクチャ（ベースビューのピクチャ、および、ノンベースビューのピクチャ）は、時間的に一致する。
　より具体的には、ｃｏ－ｌｏｃａｔｅｄブロックが参照ピクチャを用いて符号化され、かつ、ｃｏ－ｌｏｃａｔｅｄブロックと参照ピクチャとが、互いに異なるビューに属している場合がある。このような場合、ｃｏ－ｌｏｃａｔｅｄブロックは、ｃｏ－ｌｏｃａｔｅｄブロックに時間的に一致する参照ピクチャを用いて符号化される。
　この場合、動きベクトルについて時間的な距離が０であるため、画像符号化装置は、時間的な距離に基づいて、動きベクトルを伸縮することができない。したがって、画像符号化装置は、時間ダイレクトモードによる動きベクトルを取得することができない。そのため、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化される可能性がある場合、画像符号化装置は、特殊なフラグ等により動作を切り替える必要がある。しかし、特殊なフラグ等による動作の切り替えは、符号化効率の観点からも、非効率である。
　そこで、本発明は、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化される可能性がある場合も、予測動きベクトルをリストから適切に選択することができる画像符号化方法を提供することを目的とする。また、異なるビューに属するピクチャを参照することだけが許可されるようなピクチャを定義し、そのピクチャ内のすべての処理対象ブロックは、異なるビューに属するピクチャのみを用いて符号化、または復号化することによって、予測動きベクトルを適切に生成することができる画像符号化方法を提供することを目的とする。
　このような問題を解決するために、本発明の一態様に係る画像符号化方法は、複数のピクチャをブロック毎に符号化する画像符号化方法であって、前記複数のピクチャから符号化対象ピクチャに含まれる符号化対象ブロックの符号化に用いる参照ピクチャを決定し、前記参照ピクチャの中から、前記符号化対象ブロックの動きベクトルを符号化するための予測動きベクトルを導出する際に用いる第１ピクチャを決定し、前記符号化対象ブロックに空間的に隣接する１以上の隣接ブロックの動きベクトル、または、前記第１ピクチャに含まれ前記符号化対象ブロックに空間的に近い位置に位置する１以上の第１ブロックの動きベクトルをリストに追加し、前記リストに追加された前記動きベクトルのうちの１つを前記予測動きベクトルとして選択し、前記符号化対象ブロックの動きベクトルを用いて前記符号化対象ブロックを符号化し、前記符号化対象ブロックの前記動きベクトルと、選択された前記予測動きベクトルとの差分を符号化し、前記符号化対象ブロックと前記差分とを符号化する際には、前記符号化対象ピクチャが特定のピクチャタイプである場合には、前記符号化対象ピクチャに含まれる全てのブロックの前記動きベクトルは、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを参照して生成される。
　これによれば、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化される可能性がある場合も、予測動きベクトルがリストから適切に選択される。また、異なるビューに属するピクチャを参照することだけが許可されるようなピクチャを定義し、そのピクチャ内のすべての処理対象ブロックは、異なるビューに属するピクチャのみを用いて符号化、または復号化することによって、予測動きベクトルを適切に生成することができる。
　例えば、前記参照ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成するとしてもよい。
　例えば、前記参照ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成し、前記符号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記符号化対象ピクチャの属するビューと同一のビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成するとしてもよい。
　例えば、前記第１ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定するとしてもよい。
　例えば、前記第１ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定し、前記符号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一ではないピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定するとしてもよい。
　例えば、前記特定のピクチャタイプとは、前記符号化対象ピクチャに含まれる全てのブロックが、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを用いて符号化するようなピクチャを含むとしてもよい。
　また、本発明の一態様に係る画像復号化方法は、複数のピクチャをブロック毎に復号化する画像復号化方法であって、前記複数のピクチャから復号化対象ピクチャに含まれる復号化対象ブロックの復号化に用いる参照ピクチャを決定し、前記参照ピクチャの中から、前記復号化対象ブロックの動きベクトルを復号化するための予測動きベクトルを導出する際に用いる第１ピクチャを決定し、前記復号化対象ブロックに空間的に隣接する１以上の隣接ブロックの動きベクトル、または、前記第１ピクチャに含まれ前記復号化対象ブロックに空間的に近い位置に位置する１以上の第１ブロックの動きベクトルをリストに追加し、前記リストに追加された前記動きベクトルのうちの１つを前記予測動きベクトルとして選択し、前記復号化対象ブロックの動きベクトルと、選択された前記予測動きベクトルとの差分を復号化し、復号化された前記差分と、選択された前記予測動きベクトルとを加算することにより前記復号化対象ブロックの前記動きベクトルを取得し、取得された前記動きベクトルを用いて前記復号化対象ブロックを復号化し、前記差分と前記復号化対象ブロックとを復号化する際には、前記復号化対象ピクチャが特定のピクチャタイプである場合には、前記復号化対象ピクチャに含まれる全てのブロックの前記動きベクトルは、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを参照して生成される。
　例えば、前記参照ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成するとしてもよい。
　例えば、前記参照ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成し、前記復号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記復号化対象ピクチャの属するビューと同一のビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成するとしてもよい。
　例えば、前記第１ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定するとしてもよい。
　例えば、前記第１ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定し、前記復号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一ではないピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定するとしてもよい。
　例えば、前記特定のピクチャタイプとは、前記復号化対象ピクチャに含まれる全てのブロックが、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを用いて復号化するようなピクチャを含むとしてもよい。
　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または記録媒体の任意な組み合わせで実現されてもよい。
　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１は、本実施の形態に係る画像符号化装置を示す構成図である。図１に示された画像符号化装置は、符号化部１０１、インター予測制御部１２１およびピクチャタイプ決定部１２４を備える。また、符号化部１０１は、減算部１０２、直交変換部１０３、量子化部１０４、可変長符号化部１０５、逆量子化部１０６、逆直交変換部１０７、加算部１０８、ブロックメモリ１０９、イントラ予測部１１０、フレームメモリ１１１、インター予測部１１２およびスイッチ１１３を備える。
　減算部１０２は、入力画像データから予測画像データを減算して、予測誤差データを出力する。直交変換部１０３は、予測誤差データに対し、画像領域から、周波数領域への変換を行う。量子化部１０４は、周波数領域に変換された予測誤差データに対し、量子化処理を行う。
　逆量子化部１０６は、量子化部１０４により、量子化処理された予測誤差データに対し、逆量子化処理を行う。逆直交変換部１０７は、逆量子化処理された予測誤差データに対し、周波数領域から、画像領域への変換を行う。加算部１０８は、予測誤差データと予測画像データとを加算して、再構築画像データを出力する。ブロックメモリ１０９は、再構築画像データをブロック単位で保存するためのメモリである。フレームメモリ１１１は、再構築画像データをフレーム単位で保存するためのメモリである。
　イントラ予測部１１０は、ブロックメモリ１０９に保存されているブロック単位の再構築画像データを用いて、イントラ予測を実行する。これにより、イントラ予測部１１０は、符号化対象ブロックについての予測画像データを生成する。インター予測部１１２は、フレームメモリ１１１に保存されているフレーム単位の再構築画像データと、動き検出により導出した動きベクトルとを用いて、インター予測を実行する。これにより、インター予測部１１２は、符号化対象ブロックについての予測画像データを生成する。スイッチ１１３は、イントラ予測またはインター予測に符号化モードを切り替える。
　ピクチャタイプ決定部１２４は、Ｉピクチャ、Ｂピクチャ、Ｐピクチャのいずれのピクチャタイプで入力画像データを符号化するかを決定し、ピクチャタイプ情報を生成する。
　インター予測制御部１２１は、１以上の候補から、予測動きベクトルを選択する。インター予測制御部１２１で実行される処理については、後で詳細に述べる。
　可変長符号化部１０５は、量子化処理された予測誤差データ、予測動きベクトルを示すインデックス、予測動きベクトルと動きベクトルとの差分（差分動きベクトルまたは差分ベクトルとも呼ばれる）、および、ピクチャタイプ情報等に対して、可変長符号化処理を行う。これにより、可変長符号化部１０５は、ビットストリームを生成する。
　なお、図１は、本実施の形態に係る画像符号化装置の一例を示す構成図である。具体的な構成の態様は、図１に示された構成に限られない。例えば、ピクチャタイプが予め定められている場合、ピクチャタイプ決定部１２４は無くてもよい。また、符号化部１０１は、複数の構成要素で構成される必要はない。また、符号化部１０１は、周波数変換、量子化、逆周波数変換、逆量子化およびイントラ予測等を実行せずに、画像を符号化してもよい。
　図２は、図１に示された画像符号化装置の主要な構成要素を示す構成図である。図２に示された画像符号化装置は、符号化部１０１およびインター予測制御部１２１を備える。また、インター予測制御部１２１は、追加部１３１および選択部１３２を備える。
　追加部１３１は、１以上の対応ブロック（第１ブロック）のそれぞれについて、対応ブロックの動きベクトルを選択的にリストに追加する。すなわち、追加部１３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルをリストに追加するか否かを選択し、追加するとして選択された動きベクトルをリストに追加する。追加部１３１は、１以上の対応ブロックにおける１以上の動きベクトルの全てをリストに追加してもよいし、１以上の対応ブロックにおける１以上の動きベクトルの一部をリストに追加してもよい。
　また、対応ブロックは、隣接ブロックまたはｃｏ－ｌｏｃａｔｅｄブロック等である。具体的には、対応ブロックは、符号化対象ピクチャに含まれ、符号化対象ブロックに空間的に隣接するブロックでもよい。また、対応ブロックは、符号化対象ピクチャとは異なる１以上のピクチャに含まれ符号化対象ブロックに空間的に一致するブロックでもよい。
　選択部１３２は、リストから、予測動きベクトルを選択する。具体的には、選択部１３２は、符号化対象ブロックの動きベクトルを符号化する時に用いられる動きベクトルを予測動きベクトルとして選択する。
　符号化対象ブロックの動きベクトルは、予測動きベクトルと区別するために、カレント動きベクトル、または、現動きベクトルとも呼ばれる。また、対応ブロックの動きベクトル、隣接ブロックの動きベクトル、および、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルは、それぞれ、対応動きベクトル、隣接動きベクトル、および、ｃｏ－ｌｏｃａｔｅｄ動きベクトルとも呼ばれる。
　符号化部１０１は、符号化対象ブロックの動きベクトルを用いて符号化対象ブロックを符号化する。また、符号化部１０１は、符号化対象ブロックの動きベクトルと選択部１３２で選択された予測動きベクトルとの差分を符号化する。
　これにより、画像符号化装置は、予測動きベクトルをリストから選択し、予測動きベクトルを動きベクトルの符号化に用いることができる。
　図３は、本実施の形態に係る隣接ブロックの動きベクトルを示す図である。図３には、複数のピクチャＢ０～Ｂ４が表示順で示されている。
　動きベクトルＭｖＬ０は、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｎは、隣接ブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｎは、隣接ブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　例えば、追加部１３１は、動きベクトルＭｖＬ０＿Ｎをリストに追加する。そして、選択部１３２は、リストから動きベクトルＭｖＬ０＿Ｎを選択する。そして、符号化部１０１は、選択された動きベクトルＭｖＬ０＿Ｎと、符号化対象ブロックの動きベクトルＭｖＬ０との差分を符号化する。また、符号化部１０１は、選択された動きベクトルＭｖＬ０＿Ｎを示すインデックスを符号化する。これにより、動きベクトルＭｖＬ０の符号化効率が向上する。
　図４は、本実施の形態に係るｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルを示す図である。図４には、図３と同様に、複数のピクチャＢ０～Ｂ４が表示順で示されている。
　動きベクトルＭｖＬ０は、図３と同様に、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、図３と同様に、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｃｏｌは、ｃｏ－ｌｏｃａｔｅｄブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｃｏｌは、ｃｏ－ｌｏｃａｔｅｄブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　動きベクトルｓＭｖＬ０＿Ｃｏｌは、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、ｃｏ－ｌｏｃａｔｅｄブロックからその参照ピクチャまでの時間的な距離との比率で伸縮された動きベクトルである。また、動きベクトルｓＭｖＬ０＿Ｃｏｌと動きベクトルＭｖＬ０＿Ｃｏｌとは、平行である。例えば、ｓＭｖＬ０＿Ｃｏｌは、式１によって導出される。
　sMvL0_Col=MvL0_Col*(POC(RefL0)-curPOC)/(POC(RefL0_Col)-colPOC)　・・・（式１）
　ここで、ｃｕｒＰＯＣは、符号化対象ピクチャの表示順を示す。ｃｏｌＰＯＣは、ｃｏ－ｌｏｃａｔｅｄブロックを含むピクチャの表示順を示す。ＰＯＣ（ｒ）は、参照ピクチャインデックスｒで特定される参照ピクチャの表示順である。これにより、動きベクトルｓＭｖＬ０＿Ｃｏｌが得られる。
　例えば、追加部１３１は、動きベクトルＭｖＬ０＿Ｃｏｌを伸縮させることにより、動きベクトルｓＭｖＬ０＿Ｃｏｌを取得する。そして、追加部１３１は、動きベクトルｓＭｖＬ０＿Ｃｏｌをリストに追加する。そして、選択部１３２は、リストから動きベクトルｓＭｖＬ０＿Ｃｏｌを選択する。
　そして、符号化部１０１は、選択された動きベクトルｓＭｖＬ０＿Ｃｏｌと、符号化対象ブロックの動きベクトルＭｖＬ０との差分を符号化する。また、符号化部１０１は、選択された動きベクトルｓＭｖＬ０＿Ｃｏｌを示すインデックスを符号化する。これにより、動きベクトルＭｖＬ０の符号化効率が向上する。
　図５は、本実施の形態に係る伸縮処理の第１例を示す図である。本実施の形態に係る画像符号化装置は、時間ダイレクトモードと同様に、隣接ブロックの動きベクトルを伸縮して、予測動きベクトルとして用いてもよい。図５は、隣接ブロックの動きベクトルの伸縮処理を示す。図５には、図３と同様に、複数のピクチャＢ０～Ｂ４が表示順で示されている。
　動きベクトルＭｖＬ０は、図３と同様に、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、図３と同様に、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｎは、図３と同様に、隣接ブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｎは、図３と同様に、隣接ブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　動きベクトルｓＭｖＬ０＿Ｎは、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、隣接ブロックからその参照ピクチャまでの時間的な距離との比率で伸縮された動きベクトルである。また、動きベクトルｓＭｖＬ０＿Ｎと動きベクトルＭｖＬ０＿Ｎとは、平行である。例えば、ｓＭｖＬ０＿Ｎは、式２によって導出される。
　sMvL0_N=MvL0_N*(POC(RefL0)-curPOC)/(POC(RefL0_N)-curPOC)　・・・（式２）
　ここで、ｃｕｒＰＯＣは、符号化対象ピクチャの表示順を示す。ＰＯＣ（ｒ）は、参照ピクチャインデックスｒで特定される参照ピクチャの表示順である。これにより、動きベクトルｓＭｖＬ０＿Ｎが得られる。
　例えば、追加部１３１は、動きベクトルＭｖＬ０＿Ｎを伸縮させることにより、動きベクトルｓＭｖＬ０＿Ｎを取得する。そして、追加部１３１は、動きベクトルｓＭｖＬ０＿Ｎをリストに追加する。そして、選択部１３２は、リストから動きベクトルｓＭｖＬ０＿Ｎを選択する。
　そして、符号化部１０１は、選択された動きベクトルｓＭｖＬ０＿Ｎと、符号化対象ブロックの動きベクトルＭｖＬ０との差分を符号化する。また、符号化部１０１は、選択された動きベクトルｓＭｖＬ０＿Ｎを示すインデックスを符号化する。これにより、動きベクトルＭｖＬ０の符号化効率が向上する。
　図６は、本実施の形態に係る伸縮処理の第２例を示す図である。図３、図４、図５では、参照ピクチャリストＬ０を用いる例が示されている。しかし、本実施の形態に係る画像符号化装置は、参照ピクチャリストＬ１を用いる場合でも、同様に、対応ブロックの動きベクトルを予測動きベクトルとして用いることができる。
　さらに、本実施の形態に係る画像符号化装置は、参照ピクチャリストＬ１によるインター予測の動きベクトルを、参照ピクチャリストＬ０によるインター予測の予測動きベクトルとして用いてもよい。例えば、画像符号化装置は、後方向予測の動きベクトルを前方向予測の予測動きベクトルとして用いてもよい。図６は、このような場合の例を示す。図６には、図３と同様に、複数のピクチャＢ０～Ｂ４が表示順で示されている。
　動きベクトルＭｖＬ０は、図３と同様に、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、図３と同様に、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ１＿Ｎは、隣接ブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ１＿Ｎは、隣接ブロックの符号化の際に、参照ピクチャリストＬ１で指定された参照ピクチャインデックスである。
　動きベクトルｓＭｖＬ０＿Ｎは、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、隣接ブロックからその参照ピクチャまでの時間的な距離との比率で伸縮された動きベクトルである。また、動きベクトルｓＭｖＬ０＿Ｎと動きベクトルＭｖＬ１＿Ｎとは、平行である。例えば、ｓＭｖＬ０＿Ｎは、式３によって導出される。
　sMvL0_N=MvL1_N*(POC(RefL0)-curPOC)/(POC(RefL1_N)-curPOC)　・・・（式３）
　ここで、ｃｕｒＰＯＣは、符号化対象ピクチャの表示順を示す。ＰＯＣ（ｒ）は、参照ピクチャインデックスｒで特定される参照ピクチャの表示順である。これにより、動きベクトルｓＭｖＬ０＿Ｎが得られる。
　このように予測方向が反対である場合でも、画像符号化装置は、動きベクトルを伸縮し、伸縮された動きベクトルを予測動きベクトルとして用いることができる。
　図７は、本実施の形態に係る参照関係の第１例を示す図である。図７には、ベースビューとノンベースビューとの２つのビューが示されている。２つのビューは、それぞれ、複数のピクチャで構成される。例えば、２つのビューは、視点の異なる２つの映像である。本実施の形態に係る画像符号化装置は、多視点映像を符号化するＭＶＣの機能を有していてもよい。
　ＭＶＣの機能を有する画像符号化装置は、ベースビューのピクチャを参照して、ノンベースビューのピクチャを符号化することができる。画像符号化装置がベースビューのピクチャを参照してノンベースビューのピクチャを符号化する場合、参照されるピクチャの表示順と、符号化されるピクチャの表示順とは、一致する。
　図７には、ベースビューにおける複数のピクチャＢ００～Ｂ０４、および、ノンベースビューにおける複数のピクチャＢ１０～Ｂ１４が、表示順で示されている。
　動きベクトルＭｖＬ０は、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｎは、隣接ブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｎは、隣接ブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　図７の例では、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、隣接ブロックからその参照ピクチャまでの時間的な距離とが異なる。したがって、式２に従って、動きベクトルＭｖＬ０＿Ｎは、伸縮される必要がある。しかし、図７の例では、隣接ブロックからその参照ピクチャまでの時間的な距離が、０である。したがって、式２の分母が０になるため、追加部１３１は、動きベクトルＭｖＬ０＿Ｎを伸縮することができない。
　そこで、このような場合、追加部１３１は、当該隣接ブロックによる動きベクトルをリストに追加しない。これにより、追加部１３１は、当該隣接ブロックから、予測動きベクトルを算出しなくてよい。また、これにより、当該隣接ブロックによる動きベクトルは、選択部１３２によって選択されない。したがって、本実施の形態に係る画像符号化装置は、問題なく動作を継続できる。
　図８は、本実施の形態に係る参照関係の第２例を示す図である。図８には、図７と同様に、ベースビューとノンベースビューとの２つのビューが示されている。また、ベースビューにおける複数のピクチャＢ００～Ｂ０４、および、ノンベースビューにおける複数のピクチャＢ１０～Ｂ１４が、表示順で示されている。
　動きベクトルＭｖＬ０は、図７と同様に、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、図７と同様に、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｎは、図７と同様に、隣接ブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｎは、図７と同様に、隣接ブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　図８の例では、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、隣接ブロックからその参照ピクチャまでの時間的な距離とが異なる。したがって、式２に従って、動きベクトルＭｖＬ０＿Ｎは、伸縮される必要がある。しかし、図８の例では、符号化対象ブロックからその参照ピクチャまでの時間的な距離が、０である。したがって、式２の分子が０になるため、追加部１３１は、動きベクトルＭｖＬ０＿Ｎを適切に伸縮することができない。
　そこで、このような場合、追加部１３１は、当該隣接ブロックによる動きベクトルをリストに追加しない。これにより、追加部１３１は、当該隣接ブロックから、予測動きベクトルを算出しなくてよい。また、これにより、当該隣接ブロックによる動きベクトルは、選択部１３２によって選択されない。したがって、本実施の形態に係る画像符号化装置は、問題なく動作を継続できる。
　図９は、本実施の形態に係る参照関係の第３例を示す図である。図９には、図７と同様に、ベースビューとノンベースビューとの２つのビューが示されている。また、ベースビューにおける複数のピクチャＢ００～Ｂ０４、および、ノンベースビューにおける複数のピクチャＢ１０～Ｂ１４が、表示順で示されている。
　動きベクトルＭｖＬ０は、図７と同様に、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、図７と同様に、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｃｏｌは、ｃｏ－ｌｏｃａｔｅｄブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｃｏｌは、隣接ブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　図９の例では、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、ｃｏ－ｌｏｃａｔｅｄブロックからその参照ピクチャまでの時間的な距離とが異なる。したがって、式１に従って、動きベクトルＭｖＬ０＿Ｃｏｌは、伸縮される必要がある。しかし、図９の例では、ｃｏ－ｌｏｃａｔｅｄブロックからその参照ピクチャまでの時間的な距離が、０である。したがって、式１の分母が０になるため、追加部１３１は、動きベクトルＭｖＬ０＿Ｃｏｌを伸縮することができない。
　そこで、このような場合、追加部１３１は、当該ｃｏ－ｌｏｃａｔｅｄブロックによる動きベクトルをリストに追加しない。これにより、追加部１３１は、当該ｃｏ－ｌｏｃａｔｅｄブロックから、予測動きベクトルを算出しなくてよい。また、これにより、当該ｃｏ－ｌｏｃａｔｅｄブロックによる動きベクトルは、選択部１３２によって選択されない。したがって、本実施の形態に係る画像符号化装置は、問題なく動作を継続できる。
　図１０は、本実施の形態に係る参照関係の第４例を示す図である。図１０には、図９と同様に、ベースビューとノンベースビューとの２つのビューが示されている。また、ベースビューにおける複数のピクチャＢ００～Ｂ０４、および、ノンベースビューにおける複数のピクチャＢ１０～Ｂ１４が、表示順で示されている。
　動きベクトルＭｖＬ０は、図９と同様に、符号化対象ブロックの符号化に用いられる動きベクトルである。参照ピクチャインデックスＲｅｆＬ０は、図９と同様に、符号化対象ブロックの符号化の際に、参照ピクチャリストＬ０で指定される参照ピクチャインデックスである。
　動きベクトルＭｖＬ０＿Ｃｏｌは、図９と同様に、ｃｏ－ｌｏｃａｔｅｄブロックの符号化に用いられた動きベクトルである。参照ピクチャインデックスＲｅｆＬ０＿Ｃｏｌは、図９と同様に、ｃｏ－ｌｏｃａｔｅｄブロックの符号化の際に、参照ピクチャリストＬ０で指定された参照ピクチャインデックスである。
　図１０の例では、符号化対象ブロックからその参照ピクチャまでの時間的な距離と、ｃｏ－ｌｏｃａｔｅｄブロックからその参照ピクチャまでの時間的な距離とが異なる。したがって、式１に従って、動きベクトルＭｖＬ０＿Ｃｏｌは、伸縮される必要がある。しかし、図１０の例では、符号化対象ブロックからその参照ピクチャまでの時間的な距離が、０である。したがって、式１の分子が０になるため、追加部１３１は、動きベクトルＭｖＬ０＿Ｃｏｌを適切に伸縮することができない。
　そこで、このような場合、追加部１３１は、当該ｃｏ－ｌｏｃａｔｅｄブロックによる動きベクトルをリストに追加しない。これにより、追加部１３１は、当該ｃｏ－ｌｏｃａｔｅｄブロックから、予測動きベクトルを算出しなくてよい。また、これにより、当該ｃｏ－ｌｏｃａｔｅｄブロックによる動きベクトルは、選択部１３２によって選択されない。したがって、本実施の形態に係る画像符号化装置は、問題なく動作を継続できる。
　なお、図７～図１０において、参照ピクチャリストＬ０が用いられる場合が示されている。しかし、参照ピクチャリストＬ１が用いられる場合も同様である。また、参照ピクチャリストＬ１によるインター予測の動きベクトルが、参照ピクチャリストＬ０によるインター予測の予測動きベクトルとして用いられる場合も同様である。また、図７～図１０の例では、複数のビューが示されているが、画像符号化装置は、ＭＶＣの場合に限られず、１つのビューにおいて同様の処理を適用してもよい。
　図１１は、図２に示された画像符号化装置の動作を示すフローチャートである。まず、追加部１３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルを選択的にリストに追加する（Ｓ１１）。１以上の対応ブロックのそれぞれは、符号化対象ピクチャに含まれ符号化対象ブロックに空間的に隣接するブロック、または、符号化対象ピクチャとは異なるピクチャに含まれ符号化対象ブロックに空間的に一致するブロックである。
　（ｉ）追加部１３１は、１以上の対応ブロックのそれぞれについて、対応ブロックが、対応ブロックの動きベクトルを用いて対応ブロックに時間的に一致するピクチャを参照して符号化された場合、対応ブロックの動きベクトルをリストに追加しない。（ｉｉ）追加部１３１は、１以上の対応ブロックのそれぞれについて、符号化対象ブロックが、符号化対象ブロックの動きベクトルを用いて符号化対象ブロックに時間的に一致するピクチャを参照して符号化される場合、対応ブロックの動きベクトルをリストに追加しない。追加部１３１は、（ｉ）および（ｉｉ）の２つの制限のうち、一方のみを適用してもよい。
　次に、選択部１３２は、リストから、符号化対象ブロックの動きベクトルを符号化する時に用いられる動きベクトルを予測動きベクトルとして選択する（Ｓ１２）。次に、符号化部１０１は、符号化対象ブロックの動きベクトルを用いて符号化対象ブロックを符号化する。また、符号化部１０１は、符号化対象ブロックの動きベクトルと、選択された予測動きベクトルとの差分を符号化する（Ｓ１３）。これにより、符号化対象ブロックおよび動きベクトルが符号化される。
　図１２は、図１１に示された動作の詳細を示すフローチャートである。図１２には、図１１に示された追加処理（Ｓ１１）が、具体的に、示されている。
　まず、追加部１３１は、符号化対象ブロックとその参照ブロックとが、時間的に一致するか否かを判定する（Ｓ２１）。そして、符号化対象ブロックとその参照ブロックとが時間的に一致する場合（Ｓ２１でＹｅｓ）、追加部１３１は、視差ベクトルをリストに追加する（Ｓ２２）。視差ベクトルは、視差の大きさと方向を示す動きベクトルである。例えば、視差ベクトルは、ベースビューにおけるピクチャと、ノンベースビューにおけるピクチャとの画像のずれを示す。
　追加部１３１は、過去に用いられた視差ベクトルをリストに追加してもよい。すなわち、追加部１３１は、過去にベースビューが参照された時に用いられた動きベクトルをリストに追加してもよい。また、追加部１３１は、過去に用いられた視差ベクトルの平均等の統計によって、リストに追加するための視差ベクトルを算出してもよい。
　一方、符号化対象ブロックとその参照ブロックとが時間的に一致しない場合（Ｓ２１でＮｏ）、追加部１３１は、１以上の対応ブロックのそれぞれについて、対応ブロックとその参照ピクチャとが時間的に一致するか否かを判定する（Ｓ２３）。そして、対応ブロックとその参照ピクチャとが時間的に一致しない場合（Ｓ２３でＮｏ）、追加部１３１は、対応ブロックの動きベクトルをリストに追加する（Ｓ２４）。この時、追加部１３１は、対応ブロックの動きベクトルを伸縮し、伸縮された動きベクトルをリストに追加してもよい。
　次に、追加部１３１は、リストから、重複候補および利用不可候補を削除する（Ｓ２５）。これにより、適切なリストが生成される。
　なお、符号化部１０１は、視差ベクトルをヘッダに付加してもよい。例えば、符号化部１０１は、符号化ストリームの全体のヘッダに、シーケンスパラメータセット（ＳＰＳ：Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）として、視差ベクトルを付加してもよい。
　また、符号化部１０１は、符号化ストリーム内のピクチャのヘッダに、ピクチャパラメータセット（ＰＰＳ：Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）として、視差ベクトルを付加してもよい。符号化部１０１は、符号化ストリーム内のスライスのヘッダに、スライスヘッダとして、視差ベクトルを付加してもよい。
　また、追加部１３１は、視差ベクトルに限らず、所定のベクトルをリストに追加してもよい。そして、符号化部１０１は、符号化ストリームのヘッダに、シーケンスパラメータセット、ピクチャパラメータセットまたはスライスヘッダとして、所定のベクトルを付加してもよい。
　図１３は、図１１に示された動作の変形例を示すフローチャートである。まず、追加部１３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルを選択的にリストに追加する（Ｓ３１）。
　ここで、少なくとも１つの動きベクトルがリストに追加された場合（Ｓ３１でＹｅｓ）、選択部１３２は、予測動きベクトルをリストから選択するか否かを決定する（Ｓ３２）。この時、選択部１３２は、予測動きベクトルを選択してもよいし、選択しなくてもよい。例えば、選択部１３２は、符号化対象ブロックの動きベクトルに近い動きベクトルがリストに存在しない場合、リストから予測動きベクトルを選択しなくてもよい。
　予測動きベクトルが選択された場合（Ｓ３２でＹｅｓ）、符号化部１０１は、符号化対象ブロックの動きベクトルを用いて、符号化対象ブロックを符号化する。また、符号化部１０１は、符号化対象ブロックの動きベクトルと、選択された予測動きベクトルとの差分を符号化する（Ｓ３３）。
　動きベクトルがリストに全く追加されなかった場合（Ｓ３１でＮｏ）、または、予測動きベクトルが選択されなかった場合（Ｓ３２でＮｏ）、予測動きベクトルの大きさが０であるとみなされる。すなわち、符号化対象ブロックの動きベクトルと、予測動きベクトルとの差分は、符号化対象ブロックの動きベクトルに等しいとみなされる。
　この場合、予測動きベクトルが選択された場合と同様に、符号化部１０１は、符号化対象ブロックの動きベクトルを用いて、符号化対象ブロックを符号化する。一方、符号化部１０１は、符号化対象ブロックの動きベクトルを差分として符号化する（Ｓ３４）。これにより、動きベクトルがリストに全く追加されなかった場合（Ｓ３１でＮｏ）、または、予測動きベクトルが選択されなかった場合（Ｓ３２でＮｏ）でも、画像符号化装置は、問題なく動作を継続できる。
　なお、動きベクトルがリストに全く追加されなかった場合（Ｓ３１でＮｏ）、または、予測動きベクトルが選択されなかった場合（Ｓ３２でＮｏ）、予測動きベクトルは、予め定められた動きベクトルであるとみなされてもよい。
　以上のように、画像符号化装置は、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化される可能性がある場合でも、予測動きベクトルをリストから適切に選択することができる。上述では、画像符号化装置が示されているが、画像復号装置も、同様の手順で、予測動きベクトルをリストから適切に選択することができる。
　図１４は、本実施の形態に係る画像復号装置を示す構成図である。図１４に示された画像復号装置は、復号部２０１およびインター予測制御部２２１を備える。復号部２０１は、可変長復号部２０５、逆量子化部２０６、逆直交変換部２０７、加算部２０８、ブロックメモリ２０９、イントラ予測部２１０、フレームメモリ２１１、インター予測部２１２およびスイッチ２１３を備える。
　可変長復号部２０５は、入力されたビットストリームに対し、可変長復号処理を行い、ピクチャタイプ情報、予測動きベクトルインデックス、予測誤差データ等を復号する。逆量子化部２０６は、予測誤差データに対し、逆量子化処理を行う。逆直交変換部２０７は、逆量子化処理を行った予測誤差データを、周波数領域から、画像領域へ変換する。加算部２０８は、予測画像データと、予測誤差データとを加算することにより、復号画像データを生成する。
　ブロックメモリ２０９は、復号画像データを、ブロック単位で保存するためのメモリである。フレームメモリ２１１は、復号画像データをフレーム単位で保存するためのメモリである。
　イントラ予測部２１０は、ブロックメモリに保存されているブロック単位の復号画像データを用いて、イントラ予測を実行することにより、復号対象ブロックの予測画像データを生成する。インター予測部２１２は、フレームメモリに保存されているフレーム単位の復号画像データを用いて、インター予測を実行することにより、復号対象ブロックの予測画像データを生成する。スイッチ２１３は、イントラ予測またはインター予測に符号化モードを切り替える。
　インター予測制御部２２１は、リストから予測動きベクトルを選択する。インター予測制御部２２１で実行される処理は、符号化側のインター予測制御部１２１で実行される処理と同様である。つまり、上述の符号化処理において、符号化の部分を復号に変更することにより、インター予測制御部２２１が実現される。なお、インター予測制御部２２１は、可変長復号部２０５によって復号されたインデックスを用いて、リストから予測動きベクトルを選択する。
　図１４には、本実施の形態に係る画像復号装置の構成の一例が示されているが、具体的な構成の態様は、図１４に示された構成に限られない。例えば、復号部２０１は、複数の構成要素で構成される必要はない。また、復号部２０１は、逆周波数変換、逆量子化およびイントラ予測等を実行せずに、画像を復号してもよい。
　図１５は、図１４に示された画像復号装置の主要な構成要素を示す構成図である。図１５に示された画像復号装置は、復号部２０１およびインター予測制御部２２１を備える。また、インター予測制御部２２１は、追加部２３１および選択部２３２を備える。
　追加部２３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルを選択的にリストに追加する。すなわち、追加部２３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルをリストに追加するか否かを選択し、追加するとして選択された動きベクトルをリストに追加する。追加部２３１は、１以上の対応ブロックにおける１以上の動きベクトルの全てをリストに追加してもよいし、１以上の対応ブロックにおける１以上の動きベクトルの一部をリストに追加してもよい。
　また、対応ブロックは、隣接ブロックまたはｃｏ－ｌｏｃａｔｅｄブロック等である。具体的には、対応ブロックは、復号対象ピクチャに含まれ、復号対象ブロックに空間的に隣接するブロックでもよい。また、対応ブロックは、復号対象ピクチャとは異なる１以上のピクチャに含まれ復号対象ブロックに空間的に一致するブロックでもよい。
　選択部２３２は、リストから、予測動きベクトルを選択する。具体的には、選択部２３２は、復号対象ブロックの動きベクトルを復号する時に用いられる動きベクトルを予測動きベクトルとして選択する。復号対象ブロックの動きベクトルは、予測動きベクトルと区別するために、カレント動きベクトル、または、現動きベクトルとも呼ばれる。
　復号部２０１は、復号対象ブロックの動きベクトルと、選択部２３２で選択された予測動きベクトルとの差分を復号する。そして、復号部２０１は、復号された差分と、選択部で選択された動きベクトルとを加算することにより復号対象ブロックの動きベクトルを取得する。そして、復号部２０１は、復号対象ブロックの動きベクトルを用いて復号対象ブロックを復号する。
　これにより、画像復号装置は、予測動きベクトルをリストから選択し、予測動きベクトルを動きベクトルの復号に用いることができる。
　図１６は、図１５に示された画像復号装置の動作を示すフローチャートである。まず、追加部２３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルを選択的にリストに追加する（Ｓ４１）。１以上の対応ブロックのそれぞれは、復号対象ピクチャに含まれ復号対象ブロックに空間的に隣接するブロック、または、復号対象ピクチャとは異なるピクチャに含まれ復号対象ブロックに空間的に一致するブロックである。
　（ｉ）追加部２３１は、１以上の対応ブロックのそれぞれについて、対応ブロックが、対応ブロックの動きベクトルを用いて対応ブロックに時間的に一致するピクチャを参照して復号された場合、対応ブロックの動きベクトルをリストに追加しない。（ｉｉ）追加部２３１は、１以上の対応ブロックのそれぞれについて、復号対象ブロックが、復号対象ブロックの動きベクトルを用いて復号対象ブロックに時間的に一致するピクチャを参照して復号される場合、対応ブロックの動きベクトルをリストに追加しない。追加部２３１は、（ｉ）および（ｉｉ）の２つの制限のうち、一方のみを適用してもよい。
　次に、選択部２３２は、リストから、復号対象ブロックの動きベクトルを復号する時に用いられる動きベクトルを予測動きベクトルとして選択する（Ｓ４２）。
　次に、復号部２０１は、復号対象ブロックの動きベクトルと、選択部２３２で選択された予測動きベクトルとの差分を復号する。そして、復号部２０１は、復号された差分と、選択部２３２で選択された動きベクトルとを加算することにより復号対象ブロックの動きベクトルを取得する。そして、復号部２０１は、復号対象ブロックの動きベクトルを用いて復号対象ブロックを復号する（Ｓ４３）。これにより、復号対象ブロックが復号される。
　図１７は、図１６に示された動作の詳細を示すフローチャートである。図１７には、図１６に示された追加処理（Ｓ４１）が、具体的に、示されている。
　まず、追加部２３１は、復号対象ブロックとその参照ブロックとが、時間的に一致するか否かを判定する（Ｓ５１）。そして、復号対象ブロックとその参照ブロックとが時間的に一致する場合（Ｓ５１でＹｅｓ）、追加部２３１は、視差ベクトルをリストに追加する（Ｓ５２）。
　追加部２３１は、過去に用いられた視差ベクトルをリストに追加してもよい。すなわち、追加部２３１は、過去にベースビューが参照された時に用いられた動きベクトルをリストに追加してもよい。また、追加部２３１は、過去に用いられた視差ベクトルの平均等の統計によって、リストに追加するための視差ベクトルを算出してもよい。
　一方、復号対象ブロックとその参照ブロックとが時間的に一致しない場合（Ｓ５１でＮｏ）、追加部２３１は、１以上の対応ブロックのそれぞれについて、対応ブロックとその参照ピクチャとが時間的に一致するか否かを判定する（Ｓ５３）。そして、対応ブロックとその参照ピクチャとが時間的に一致しない場合（Ｓ５３でＮｏ）、追加部２３１は、対応ブロックの動きベクトルをリストに追加する（Ｓ５４）。この時、追加部２３１は、対応ブロックの動きベクトルを伸縮し、伸縮された動きベクトルをリストに追加してもよい。
　次に、追加部２３１は、リストから、重複候補および利用不可候補を削除する（Ｓ５５）。これにより、適切なリストが生成される。
　なお、復号部２０１は、符号化ストリームに含まれるヘッダに付加された視差ベクトルを取得してもよい。例えば、復号部２０１は、符号化ストリームの全体のヘッダであるシーケンスパラメータセットから視差ベクトルを取得してもよい。また、復号部２０１は、符号化ストリームに含まれるピクチャのヘッダであるピクチャパラメータセットから、視差ベクトルを取得してもよい。復号部２０１は、符号化ストリームに含まれるスライスのヘッダであるスライスヘッダから、視差ベクトルを取得してもよい。
　また、追加部２３１は、視差ベクトルに限らず、所定のベクトルをリストに追加してもよい。そして、復号部２０１は、符号化ストリームのヘッダ（シーケンスパラメータセット、ピクチャパラメータセットまたはスライスヘッダ等）から、所定のベクトルを取得してもよい。
　図１８は、図１６に示された動作の変形例を示すフローチャートである。まず、追加部２３１は、１以上の対応ブロックのそれぞれについて、対応ブロックの動きベクトルを選択的にリストに追加する（Ｓ６１）。
　ここで、少なくとも１つの動きベクトルがリストに追加された場合（Ｓ６１でＹｅｓ）、選択部２３２は、予測動きベクトルをリストから選択するか否かを決定する（Ｓ６２）。例えば、選択部２３２は、予測動きベクトルを示すインデックスが符号化されていない場合、すなわち、符号化ストリームにインデックスが存在しない場合、選択部２３２は、予測動きベクトルをリストから選択しない。
　予測動きベクトルが選択された場合（Ｓ６２でＹｅｓ）、復号部２０１は、復号対象ブロックの動きベクトルと、選択部２３２で選択された予測動きベクトルとの差分を復号する。そして、復号部２０１は、復号された差分と、選択部２３２で選択された動きベクトルとを加算することにより復号対象ブロックの動きベクトルを取得する。そして、復号部２０１は、復号対象ブロックの動きベクトルを用いて、復号対象ブロックを復号する（Ｓ６３）。
　動きベクトルがリストに全く追加されなかった場合（Ｓ６１でＮｏ）、または、予測動きベクトルが選択されなかった場合（Ｓ６２でＮｏ）、予測動きベクトルの大きさが０であるとみなされる。すなわち、復号対象ブロックの動きベクトルと、予測動きベクトルとの差分は、復号対象ブロックの動きベクトルに等しいとみなされる。
　この場合、復号部２０１は、復号対象ブロックの動きベクトルを差分として復号する。そして、復号部２０１は、復号された動きベクトルを用いて、復号対象ブロックを復号する（Ｓ６４）。これにより、動きベクトルがリストに全く追加されなかった場合（Ｓ６１でＮｏ）、または、予測動きベクトルが選択されなかった場合（Ｓ６２でＮｏ）でも、画像復号装置は、問題なく動作を継続できる。
　なお、動きベクトルがリストに全く追加されなかった場合（Ｓ６１でＮｏ）、または、予測動きベクトルが選択されなかった場合（Ｓ６２でＮｏ）、予測動きベクトルは、予め定められた動きベクトルであるとみなされてもよい。
　以上のように、画像復号装置は、ブロックが当該ブロックに時間的に一致するピクチャを参照して復号される場合でも、予測動きベクトルをリストから適切に選択することができる。
　なお、上述では、対応ブロックの動きベクトルがリストに追加されている。しかし、複数の対応ブロックにおける複数の動きベクトルの平均値および中央値等が、リストに追加されてもよい。この場合、画像符号化装置の追加部１３１および画像復号装置の追加部２３１は、平均値および中央値等を算出して、リストに追加する。また、２つの追加部１３１、２３１は、対応ブロックとその参照ピクチャとが時間的に一致するような対応ブロックを除く複数の対応ブロックから、複数の動きベクトルの平均値および中央値等を算出してもよい。
　また、上述では、処理対象ブロック（符号化対象ブロックまたは復号対象ブロック）と処理対象ブロックの参照ピクチャとが時間的に一致する場合、対応ブロックの動きベクトルをリストへ追加することが制限されている。あるいは、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致する場合、対応ブロックの動きベクトルをリストへ追加することが制限されている。
　しかし、処理対象ブロックと処理対象ブロックの参照ピクチャとが時間的に一致する場合、かつ、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致する場合、対応ブロックの動きベクトルを伸縮する必要がない。したがって、このような場合、画像符号化装置の追加部１３１および画像復号装置の追加部２３１は、対応ブロックの動きベクトルをそのままリストへ追加してもよい。以下、このような場合の例を具体的に示す。
　図１９は、本実施の形態に係る参照関係の第５例を示す図である。図１９には、図７～図１０と同様に、ベースビューとノンベースビューとの２つのビューが示されている。また、ベースビューにおける複数のピクチャＢ００～Ｂ０４、および、ノンベースビューにおける複数のピクチャＢ１０～Ｂ１４が、表示順で示されている。
　図１９の例では、処理対象ブロックの参照ピクチャインデックスＲｅｆＬ０と、隣接ブロックの参照ピクチャインデックスＲｅｆＬ０＿Ｎとが一致している。この場合、処理対象ブロックからその参照ピクチャまでの時間的な距離と、隣接ブロックからその参照ピクチャまでの時間的な距離とが一致している。したがって、隣接ブロックの動きベクトルＭｖＬ０＿Ｎを伸縮する必要がない。したがって、この場合、画像符号化装置の追加部１３１および画像復号装置の追加部２３１は、動きベクトルＭｖＬ０＿Ｎをそのままリストへ追加してもよい。
　図２０は、本実施の形態に係る参照関係の第６例を示す図である。図２０には、図７～図１０と同様に、ベースビューとノンベースビューとの２つのビューが示されている。また、ベースビューにおける複数のピクチャＢ００～Ｂ０４、および、ノンベースビューにおける複数のピクチャＢ１０～Ｂ１４が、表示順で示されている。
　図２０の例では、処理対象ブロックからその参照ピクチャまでの時間的な距離と、ｃｏ－ｌｏｃａｔｅｄブロックからその参照ピクチャまでの時間的な距離とが一致している。したがって、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルＭｖＬ０＿Ｃｏｌを伸縮する必要がない。したがって、この場合、画像符号化装置の追加部１３１および画像復号装置の追加部２３１は、動きベクトルＭｖＬ０＿Ｃｏｌをそのままリストに追加してもよい。
　図１９および図２０の例では、処理対象ブロックと処理対象ブロックの参照ピクチャとが時間的に一致し、かつ、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致している。上述の通り、このような場合、画像符号化装置の追加部１３１および画像復号装置の追加部２３１は、対応ブロックの動きベクトルをそのままリストへ追加してもよい。
　図２１は、処理対象ブロックと処理対象ブロックの参照ピクチャとが時間的に一致し、かつ、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致している場合に、画像復号装置の追加部２３１が、対応ブロックの動きベクトルを追加する例を表すフローの一例である。なお、本実施の形態では、復号化時に画像復号装置の追加部２３１に適用する例を示すが、符号化時に画像符号化装置の追加部１３１にも適用可能である。なお、本実施の形態において、処理対象ブロックと処理対象ブロックの参照ピクチャとが時間的に一致しているかどうかの判定は、処理対象ブロックが含まれるピクチャの表示順であるPOC（Picture Order Count）と、処理対象ブロックの参照ピクチャの表示順であるPOCが一致しているかどうかで判定するようにしても構わない。
　以下、図２１について説明する。画像復号装置は、ステップＳ２１０１で、復号対象ブロックと復号対象ブロックの参照ピクチャとが時間的に一致するかどうかを判定する。ステップＳ２１０１の判定結果が偽（Ｎｏ）ならば、画像復号装置は、ステップＳ２１０２において、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致するかどうかを判定する。ステップＳ２１０２の判定結果が偽ならば、画像復号装置は、ステップＳ２１０３において、対応ブロックの動きベクトルをリストに追加する。一方、ステップＳ２１０２の判定結果が真（Ｙｅｓ）ならば、画像復号装置は、対応ブロックの動きベクトルをリストに追加しない。ステップＳ２１０１の判定結果が真ならば、ステップＳ２１０４において、画像復号装置は、対応ブロックと対応ブロックの参照ピクチャとか時間的に一致するかどうかを判定する。ステップＳ２１０４の判定結果が真ならば、画像復号装置は、ステップＳ２１０５において、対応ブロックの動きベクトルをリストに追加する。ステップＳ２１０４の判定結果が偽ならば、画像復号装置は、対応ブロックの動きベクトルをリストに追加しない。対応ブロックのすべてに対して処理を終えると、画像復号装置は、ステップＳ２１０６において重複候補および利用不可能候補をリストから削除する。このように、ステップＳ２１０１の判定結果が真、つまり、復号対象ブロックと復号対象ブロックの参照ピクチャとが時間的に一致し、かつ、ステップＳ２１０４の判定結果が真、つまり、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致する場合に、画像復号装置は、対応ブロックの動きベクトルをリストに追加するようにしても構わない。これにより、符号化効率を向上することができる。
　なお、本実施の形態では、図２１のステップＳ２１０５において、対応ブロックの動きベクトルをそのままリストに追加するとしたが、リストに追加する際に、復号対象ブロックの含まれるピクチャと、復号対象ブロックの参照ピクチャと、対応ブロックの含まれるピクチャと、対応ブロックの参照ピクチャと、各ビューに対するカメラパラメータ等の値とを用いて、対応ブロックの動きベクトルをスケーリング等の補正を行った後に、リストに追加するようにしても構わない。例えば、図２２の例では、対応ブロックの動きベクトルを、ノンベースビュー２とノンベースビュー１との間隔から、ベースビューとノンベースビュー２との間隔に補正して（例えば、対応ブロックの動きベクトルを２倍にして）、リストに追加するようにしても構わない。このように、リストに追加する際に、動きベクトルを補正することにより符号化を向上することができる。
　また、なお、本実施の形態では、図２１のＳ２１０５において、リストに追加する際に、復号対象ブロックの含まれるピクチャと、復号対象ブロックの参照ピクチャと、対応ブロックの含まれるピクチャと、対応ブロックの参照ピクチャと、各ビューに対するカメラパラメータ等の値を用いて、対応ブロックの動きベクトルをスケーリング等の補正を行った後に、リストに追加する例を示したが、必ずしもこれに限らない。例えば、図２３のようにしてもよい。つまり、ステップＳ２３０４において、対応ブロックと対応ブロックの参照ピクチャとが時間的に一致すると判定されたならば、ステップＳ２３０５において、復号対象ブロックを含むピクチャと対応ブロックを含むピクチャとが同一ビューに含まれる、かつ、復号対象ブロックの参照ピクチャと対応ブロックの参照ピクチャとが同一ビューに含まれるかどうかを判定する。ステップＳ２３０４の判定結果が真ならば、ステップＳ２３０６において、対応ブロックの動きベクトルをそのままリストに追加し、偽ならば、対応ブロックの動きベクトルを追加しないようにしても構わない。このように、復号対象ブロックを含むピクチャと対応ブロックを含むピクチャとが同一ビューに含まれる、かつ、復号対象ブロックの参照ピクチャと対応ブロックの参照ピクチャとが同一ビューに含まれる際、つまり、対応ブロックの動きベクトルにスケーリング等の補正が必要でない場合に、対応ブロックの動きベクトルをリストに追加するようにすることによって、処理量を抑えつつ、符号化効率を向上することができる。
　なお、本実施の形態は、符号化対象ブロックの隣接ブロックから予測動きベクトル候補を生成し、符号化対象ブロックの動きベクトルの符号化を行う予測動きベクトル指定モードを用いた例を示したが、必ずしもこれに限らない。例えば、図３３のように作成した予測動きベクトル候補および参照ピクチャインデックスから予測動きベクトルを選択し、選択した予測動きベクトルを動きベクトルとして直接予測画像を生成することで、動きベクトル差分をビットストリームに付加しないようにしても構わない（ダイレクトモード、スキップモード、又はマージモードなど）。
　なお、本実施の形態における画像符号化装置および画像復号装置は、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化または復号化される可能性がある場合に、対応ブロックの動きベクトルを補正する際のスケーリング計算時に分母、または、分子が０となるような場合は、対応ブロックの動きベクトルをリストに追加しない等の処理によって、問題なく処理を継続できるようにしたが、必ずしもこの方法に限らない。例えば、図２４に示すように、異なるビューに属するピクチャを参照（以下、インタービュー参照）することだけが許可されるようなピクチャ（以下、インタービューピクチャ）を定義し、インタービューピクチャ内のすべての処理対象ブロックは、インタービュー参照のみを用いて符号化、または復号化されるようにしても構わない。つまり、インタービューピクチャ内のすべての処理対象ブロックは、同一ビューに属するピクチャを参照（以下、インター参照）しないように制限される（インタービューピクチャでは、同一ビューのピクチャを参照ピクチャリストに含めないように制御してもよい。例えば、ＲＰＳで異なるビューに属する参照ピクチャのみを参照ピクチャリストに加えるように制御する）。また、インタービューピクチャを符号化、または復号化するために用いるco-locatedブロックの属するco-locatedピクチャ（第１ピクチャ）は、参照ピクチャのうち、インタービューピクチャの中から選択するように制限される。なお、インタービューピクチャかどうかは、新たなNAL unit typeを定義して区別するようにしても構わない（NAL unit typeに追加するようにしてもよい。）。また、インタービューピクチャの場合は、時間ダイレクトによる予測動きベクトル生成を常に行わないようにしても構わない。また、双方向予測画像生成時に、表示順の差に応じて重み加算平均を行うWeighted Predictionに関しても、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化または復号化される可能性がある場合に、スケーリング計算時の分母、または、分子が０となる場合があるため、インタービューピクチャの場合には、Weighted Predictionを用いないようにしても構わない。以上のようにすると、隣接ブロックの動きベクトルを候補に入れる際に、隣接ブロックの参照ピクチャの表示順と符号化対象ブロックの参照ピクチャの表示順が常に等しくなるので、スケーリング計算が発生せず、問題なく動作を継続できる。
　一方、インタービューピクチャ以外のピクチャ（以下、インターピクチャ）は、図２５に示すように、インター参照のみを用いて符号化、または復号化される。つまり、インターピクチャ内のすべての処理対象ブロックは、異なるビューに属するピクチャを参照しないように制限される。また、インターピクチャを符号化、または、復号化するために用いるco-locatedブロックの属するco-locatedピクチャは、参照ピクチャのうち、インターピクチャの中から選択するように制限される（インタービューピクチャでは、異なるビューのピクチャを参照ピクチャリストに含めないように制御してもよい。例えば、ＲＰＳで同一ビューに属する参照ピクチャのみを参照ピクチャリストに加えるように制御する。）。
　図２６は、本実施の形態における画像符号化装置において、符号化対象ピクチャがインタービューピクチャかどうかに基づいて、参照ピクチャリストの生成方法を切り替えるフローの一例である。画像符号化装置は、ステップＳ２６０１で、符号化対象ピクチャがインタービューピクチャであるかどうかを、NAL unit typeから判定する。ステップＳ２６０１の判定結果が偽ならば、画像符号化装置は、ステップＳ２６０２において、符号化対象ピクチャと同一ビューに属するピクチャを参照ピクチャリストに追加して、参照ピクチャリストを生成する。つまり、符号化対象ピクチャがインターピクチャの場合は、参照ピクチャリストに同一ビューの参照ピクチャのみ含まれるようになり、インタービュー参照の発生を防ぐことができる。ステップＳ２６０１の判定結果が真ならば、画像符号化装置は、ステップＳ２６０３において、符号化対象ピクチャと異なるビューに属するピクチャを参照ピクチャリストに追加して、参照ピクチャリストを生成する。つまり、符号化対象ピクチャがインタービューピクチャの場合は、参照ピクチャリストに異なるビューの参照ピクチャのみ含まれるようになり、インター参照の発生を防ぐことができる。画像符号化装置は、ステップＳ２６０４で、作成した参照ピクチャリストを用いて符号化対象ピクチャを符号化する。このように、参照ピクチャリストの生成方法を、符号化対象ピクチャがインタービューピクチャかどうかに基づいて切り替えることにより、符号化対象ピクチャがインタービューピクチャの場合はインター参照の発生を防ぎ、符号化対象ピクチャがインターピクチャの場合は、インタービュー参照の発生を防ぐようにしても構わない。
　また、図２７は、本実施の形態における画像符号化装置において、符号化対象ピクチャを符号化するためco-locatedピクチャを算出するフローの一例である。参照可能な参照ピクチャインデックスｒ（ｒは０からNumRefIdx-1までの値）に対し、ステップＳ２７０１とステップＳ２７０２との処理を繰り返すことによって、co-locatedピクチャの参照ピクチャインデックスを選択する。なお、ここで、NumRefIdxは、符号化対象ピクチャの参照可能な参照ピクチャ枚数を表す。ステップＳ２７０１では、符号化対象ピクチャがインタービューピクチャでかつ、参照ピクチャインデックスｒで特定される参照ピクチャがインタービューピクチャかどうかを判定する。ステップＳ２７０１の判定結果が真ならば、ステップＳ２７０４において、参照ピクチャインデックスｒで特定される参照ピクチャをco-locatedピクチャに指定する。ステップＳ２７０１の判定結果が偽ならば、画像符号化装置は、ステップＳ２７０２において、符号化対象ピクチャがインターピクチャでかつ、参照ピクチャインデックスｒで特定される参照ピクチャがインターピクチャかどうかを判定する。ステップＳ２７０２の判定結果が真ならば、ステップＳ２７０４において、参照ピクチャインデックスｒで特定される参照ピクチャをco-locatedピクチャに指定する。画像符号化装置は、ステップＳ２７０３で、符号化対象ピクチャのピクチャタイプに合うco-locatedピクチャが見つからなかったとして、時間ダイレクトによる予測動きベクトル生成を行わない。このように、co-locatedピクチャの選択方法を、符号化対象ピクチャがインタービューピクチャかどうかに基づいて切り替えることにより、符号化対象ピクチャがインタービュー参照の場合には、co-locatedピクチャも必ずインタービュー参照となるように制御し、符号化対象ピクチャがインター参照の場合には、co-locatedピクチャも必ずインター参照となるように制御するようにしても構わない。
　図２８は、本実施の形態における画像復号装置において、復号化対象ピクチャがインタービューピクチャかどうかに基づいて、参照ピクチャリストの生成方法を切り替えるフローの一例である。画像復号装置は、ステップＳ２８０１で、復号化対象ピクチャがインタービューピクチャであるかどうかを、NAL unit typeから判定する。ステップＳ２８０１の判定結果が偽ならば、画像復号装置は、ステップＳ２８０２において、復号化対象ピクチャと同一ビューに属するピクチャを参照ピクチャリストに追加して、参照ピクチャリストを生成する。つまり、復号化対象ピクチャがインターピクチャの場合は、参照ピクチャリストに同一ビューの参照ピクチャのみ含まれるようになり、インタービュー参照の発生を防ぐことができる。ステップＳ２８０１の判定結果が真ならば、画像復号装置は、ステップＳ２８０３において、復号化対象ピクチャと異なるビューに属するピクチャを参照ピクチャリストに追加して、参照ピクチャリストを生成する。つまり、復号化対象ピクチャがインタービューピクチャの場合は、参照ピクチャリストに異なるビューの参照ピクチャのみ含まれるようになり、インター参照の発生を防ぐことができる。画像復号装置は、ステップＳ２８０４で、作成した参照ピクチャリストを用いて復号化対象ピクチャを復号化する。このように、参照ピクチャリストの生成方法を、復号化対象ピクチャがインタービューピクチャかどうかに基づいて切り替えることにより、復号化対象ピクチャがインタービューピクチャの場合はインター参照の発生を防ぎ、復号化対象ピクチャがインターピクチャの場合は、インタービュー参照の発生を防ぐようにして生成したビットストリームを適切に復号することができる。
　また、図２９は、本実施の形態における画像復号装置において、復号化対象ピクチャを復号化するためco-locatedピクチャを算出するフローの一例である。画像復号装置は、ステップＳ２９０１で、SPS、PPS、またはスライスヘッダ等のヘッダから、co-locatedピクチャを指定するためのフラグ等を復号する。画像復号装置は、ステップＳ２９０２で、復号化対象ブロックがインタービューピクチャかどうかをNAL unit type等から判定する。ステップＳ２９０２の判定結果が真ならば、ステップＳ２９０３において、ステップＳ２９０１で指定されたco-locatedピクチャがインタービューピクチャかどうかを判定する。ステップＳ２９０３の判定結果が真ならば、画像復号装置は、ステップＳ２９０６において、ステップＳ２９０１で指定されたco-locateピクチャを用いて復号化対象ピクチャを復号する。ステップＳ２９０３の判定結果が偽ならば、ステップＳ２９０４において、ビットストリームがコンフォーマンス違反であることを検出して、通知を行う。なお、コンフォーマンス違反を通知する方法は、どのような方法であっても構わないし、必ずしも通知する必要はない。画像復号装置は、ステップＳ２９０５では、処理を継続させるために、co-locatedピクチャにインタービューピクチャである参照ピクチャを割り当て直す。例えば、表示順で復号化対象ピクチャに最も近いインタービューピクチャを、co-locatedピクチャに割り当て直すことが考えられる。または、時間ダイレクトによる予測動きベクトルを行わないように制御しても構わない。ステップＳ２９０２の判定結果が偽の場合、つまり、復号化対象ピクチャがインターピクチャの場合は、ステップＳ２９０７において、ステップＳ２９０１で指定されたco-locatedピクチャがインターピクチャかどうかを判定する。ステップＳ２９０７の判定結果が真ならば、ステップＳ２９０６において、ステップＳ２９０１で指定されたco-locateピクチャを用いて復号化対象ピクチャを復号する。ステップＳ２９０７の判定結果が偽ならば、ステップＳ２９０８において、ビットストリームがコンフォーマンス違反であることを検出して、通知を行う。なお、コンフォーマンス違反を通知する方法は、どのような方法であっても構わないし、必ずしも通知する必要はない。画像復号装置は、ステップＳ２９０９では、処理を継続させるために、co-locatedピクチャにインターピクチャである参照ピクチャを割り当て直す。例えば、表示順で復号化対象ピクチャに最も近いインターピクチャを、co-locatedピクチャに割り当て直すことが考えられる。または、時間ダイレクトによる予測動きベクトルを行わないように制御しても構わない。
　以上説明したインタービューピクチャを用いれば、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化または復号化される可能性がある場合でも、図１９や図２０のように、スケーリングを用いずに予測動きベクトルを算出することができるようになるため、問題なく処理を継続できるようになり、予測動きベクトルを適切に生成することができる。
　なお、本実施の形態では、符号化または復号化対象ピクチャが異なるビューのピクチャを参照する場合、例えば、ノンベースビューに含まれるピクチャを復号するような場合を例として説明したが、必ずしもこれには限らず、例えば、符号化または復号化対象ピクチャが異なるレイヤのピクチャを参照する場合に、本実施の例を適用するようにしても構わない。例えば、SVC（Scalable　Video　Coding）等に適用することが考えられる。SVCでも、異なるレイヤに属する参照ピクチャを参照して予測画像を生成する場合があり、MVCと同様に、スケーリングの分子または分母が０となり、処理が継続できない場合が発生する可能性がある。そこで、本実施の形態を適用することにより、問題なく処理を継続できるようにすることができる。例えば、インタービューピクチャと同様に、レイヤ間参照ピクチャを定義し、レイヤ間参照ピクチャは、異なるレイヤに属するピクチャを参照する（以下、レイヤ間参照）ことだけが許可されるようなピクチャとし、レイヤ間参照ピクチャ内のすべての処理対象ブロックは、レイヤ間参照のみを用いて符号化、または復号化される。つまり、レイヤ間参照ピクチャ内のすべての処理対象ブロックは、同一レイヤに属するピクチャを参照しない。また、レイヤ間参照ピクチャを符号化、または復号化するために用いるco-locatedブロックの属するco-locatedピクチャは、参照可能なレイヤ間参照ピクチャの中から選択するようにする。なお、レイヤ間参照ピクチャかどうかは、新たなNAL unit typeを定義して区別するようにしても構わない。また、レイヤ間参照ピクチャの場合は、時間ダイレクトによる予測動きベクトル生成を常に行わないようにしても構わない。また、双方向予測画像生成時に、表示順の差に応じて重み加算平均を行うWeighted Predictionに関しても、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化または復号化される可能性がある場合に、スケーリング計算時の分母、または、分子が０となる場合があるため、レイヤ間参照ピクチャの場合には、Weighted Predictionを用いないようにしても構わない。
　一方、レイヤ間参照ピクチャ以外のピクチャ（以下、インターピクチャ）は、インター参照のみを用いて符号化、または復号化される。つまり、インターピクチャ内のすべての処理対象ブロックは、異なるレイヤに属するピクチャを参照しない。また、インターピクチャを符号化、または、復号化するために用いるco-locatedブロックの属するco-locatedピクチャは、参照可能なインターピクチャの中から選択するようにする。
　以上説明したレイヤ間参照ピクチャを用いれば、ブロックが当該ブロックに時間的に一致するピクチャを参照して符号化または復号化される可能性がある場合でも、図１９や図２０のように、スケーリングを用いずに予測動きベクトルを算出することができるようになるため、問題なく処理を継続できるようになり、予測動きベクトルを適切に生成することができる。
　以上、本発明に係る画像符号化装置および画像復号装置について、実施の形態に基づいて説明したが、本発明は実施の形態に限定されるものではない。実施の形態に対して当業者が思いつく変形を施して得られる形態、および、実施の形態における構成要素を任意に組み合わせて実現される別の形態も本発明に含まれる。
　例えば、特定の処理部が実行する処理を別の処理部が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。
　また、本発明は、画像符号化装置および画像復号装置として実現できるだけでなく、画像符号化装置および画像復号装置を構成する処理手段をステップとする方法として実現できる。そして、本発明は、それらの方法に含まれるステップを、コンピュータに実行させるためのプログラムとして実現できる。さらに、本発明は、そのプログラムを記録したＣＤ－ＲＯＭ等のコンピュータ読み取り可能な記録媒体として実現できる。
　また、画像符号化装置および画像復号装置に含まれる複数の構成要素は、集積回路であるＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）として実現されてもよい。これらの構成要素は、個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、システムＬＳＩ、スーパーＬＳＩまたはウルトラＬＳＩと呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、または、ＬＳＩ内部の回路セルの接続および設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて、画像符号化装置および画像復号装置に含まれる構成要素の集積回路化を行ってもよい。
　（実施の形態２）
　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３６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３６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、本開示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、本開示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３７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、本開示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、本開示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３８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（本開示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３９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４０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３８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４１Ａ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４１Ｂ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、本開示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、本開示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、本開示の上記各実施の形態では、種々の変形または修正が可能である。
　（実施の形態３）
　上記各実施の形態で示した動画像符号化方法または装置と、ＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。
　ここで、それぞれ異なる規格に準拠する複数の映像データを生成した場合、復号する際に、それぞれの規格に対応した復号方法を選択する必要がある。しかしながら、復号する映像データが、どの規格に準拠するものであるか識別できないため、適切な復号方法を選択することができないという課題を生じる。
　この課題を解決するために、映像データに音声データなどを多重化した多重化データは、映像データがどの規格に準拠するものであるかを示す識別情報を含む構成とする。上記各実施の形態で示す動画像符号化方法または装置によって生成された映像データを含む多重化データの具体的な構成を以下説明する。多重化データは、ＭＰＥＧ－２トランスポートストリーム形式のデジタルストリームである。
　図４２は、多重化データの構成を示す図である。図４２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４３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４４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４４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４４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４５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４５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４６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４７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４７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４８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４９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４）
　上記各実施の形態で示した動画像符号化方法および装置、動画像復号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５０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。このようなプログラマブル・ロジック・デバイスは、典型的には、ソフトウェア又はファームウェアを構成するプログラムを、ロードする又はメモリ等から読み込むことで、上記各実施の形態で示した動画像符号化方法、又は動画像復号化方法を実行することができる。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。
　（実施の形態５）
　上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、ＬＳＩex５００において、従来の規格に準拠する映像データを復号する際のＣＰＵex５０２の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。
　この課題を解決するために、テレビex３００、ＬＳＩex５００などの動画像復号化装置は、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５１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５０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５０の信号処理部ex５０７に該当する。ＣＰＵex５０２は、映像データがどの規格に準拠するものであるかを識別する。そして、ＣＰＵex５０２からの信号に基づいて、駆動周波数制御部ex５１２は、駆動周波数を設定する。また、ＣＰＵex５０２からの信号に基づいて、信号処理部ex５０７は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態３で記載した識別情報を利用することが考えられる。識別情報に関しては、実施の形態３で記載したものに限られず、映像データがどの規格に準拠するか識別できる情報であればよい。例えば、映像データがテレビに利用されるものであるか、ディスクに利用されるものであるかなどを識別する外部信号に基づいて、映像データがどの規格に準拠するものであるか識別可能である場合には、このような外部信号に基づいて識別してもよい。また、ＣＰＵex５０２における駆動周波数の選択は、例えば、図５３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５２は、本実施の形態の方法を実施するステップを示している。まず、ステップexＳ２００では、信号処理部ex５０７において、多重化データから識別情報を取得する。次に、ステップexＳ２０１では、ＣＰＵex５０２において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexＳ２０２において、駆動周波数を高く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、高い駆動周波数に設定される。一方、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ステップexＳ２０３において、駆動周波数を低く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。
　さらに、駆動周波数の切替えに連動して、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することが考えられる。
　また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、ＭＰＥＧ４－ＡＶＣ規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。
　さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を高く設定し、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＣＰＵex５０２の駆動を停止させることなく、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、ＣＰＵex５０２の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、ＣＰＵex５０２の駆動を一時停止させることも考えられる。この場合は、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。
　このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてＬＳＩex５００またはＬＳＩex５００を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。
　（実施の形態６）
　テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、ＬＳＩex５００の信号処理部ex５０７が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex５０７を個別に用いると、ＬＳＩex５００の回路規模が大きくなり、また、コストが増加するという課題が生じる。
　この課題を解決するために、上記各実施の形態で示した動画像復号方法を実行するための復号処理部と、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する復号処理部とを一部共有化する構成とする。この構成例を図５４Ａ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、本開示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。特に、本開示の一態様は、逆量子化に特徴を有していることから、例えば、逆量子化については専用の復号処理部ex９０１を用い、それ以外のエントロピー復号、デブロッキング・フィルタ、動き補償のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号化方法を実行するための復号処理部を共有し、ＭＰＥＧ４－ＡＶＣ規格に特有の処理内容については、専用の復号処理部を用いる構成であってもよい。
　また、処理を一部共有化する他の例を図５４Ｂのex１０００に示す。この例では、本開示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、本開示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、必ずしも本開示の一態様、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、本開示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。
　本発明に係る画像符号化方法および画像復号方法は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、または、デジタルビデオカメラ等に利用可能である。
　　１０１　符号化部
　　１０２　減算部
　　１０３　直交変換部
　　１０４　量子化部
　　１０５　可変長符号化部
　　１０６、２０６　逆量子化部
　　１０７、２０７　逆直交変換部
　　１０８、２０８　加算部
　　１０９、２０９　ブロックメモリ
　　１１０、２１０　イントラ予測部
　　１１１、２１１　フレームメモリ
　　１１２、２１２　インター予測部
　　１１３、２１３　スイッチ
　　１２１、２２１　インター予測制御部
　　１２４　ピクチャタイプ決定部
　　１３１、２３１　追加部
　　１３２、２３２　選択部
　　２０１　復号部
　　２０５　可変長復号部

Claims (12)

  1. 　複数のピクチャをブロック毎に符号化する画像符号化方法であって、
    　前記複数のピクチャから符号化対象ピクチャに含まれる符号化対象ブロックの符号化に用いる参照ピクチャを決定し、
    　前記参照ピクチャの中から、前記符号化対象ブロックの動きベクトルを符号化するための予測動きベクトルを導出する際に用いる第１ピクチャを決定し、
    　前記符号化対象ブロックに空間的に隣接する１以上の隣接ブロックの動きベクトル、または、前記第１ピクチャに含まれ前記符号化対象ブロックに空間的に近い位置に位置する１以上の第１ブロックの動きベクトルをリストに追加し、
    　前記リストに追加された前記動きベクトルのうちの１つを前記予測動きベクトルとして選択し、
    　前記符号化対象ブロックの動きベクトルを用いて前記符号化対象ブロックを符号化し、前記符号化対象ブロックの前記動きベクトルと、選択された前記予測動きベクトルとの差分を符号化し、
    　前記符号化対象ブロックと前記差分とを符号化する際には、前記符号化対象ピクチャが特定のピクチャタイプである場合には、前記符号化対象ピクチャに含まれる全てのブロックの前記動きベクトルは、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを参照して生成される、
    　画像符号化方法。
  2. 　前記参照ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成する、
    　請求項１に記載の画像符号化方法。
  3. 　前記参照ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成し、前記符号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記符号化対象ピクチャの属するビューと同一のビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成する、
    　請求項１又は２に記載の画像符号化方法。
  4. 　前記第１ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定する、
    　請求項１に記載の画像符号化方法。
  5. 　前記第１ピクチャを決定する際には、前記符号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定し、前記符号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一ではないピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定する、
    　請求項４に記載の画像符号化方法。
  6. 　前記特定のピクチャタイプとは、前記符号化対象ピクチャに含まれる全てのブロックが、前記符号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを用いて符号化するようなピクチャを含む、
    　請求項１から５のいずれか１項に記載の画像符号化方法。
  7. 　複数のピクチャをブロック毎に復号化する画像復号化方法であって、
    　前記複数のピクチャから復号化対象ピクチャに含まれる復号化対象ブロックの復号化に用いる参照ピクチャを決定し、
    　前記参照ピクチャの中から、前記復号化対象ブロックの動きベクトルを復号化するための予測動きベクトルを導出する際に用いる第１ピクチャを決定し、
    　前記復号化対象ブロックに空間的に隣接する１以上の隣接ブロックの動きベクトル、または、前記第１ピクチャに含まれ前記復号化対象ブロックに空間的に近い位置に位置する１以上の第１ブロックの動きベクトルをリストに追加し、
    　前記リストに追加された前記動きベクトルのうちの１つを前記予測動きベクトルとして選択し、
    　前記復号化対象ブロックの動きベクトルと、選択された前記予測動きベクトルとの差分を復号化し、復号化された前記差分と、選択された前記予測動きベクトルとを加算することにより前記復号化対象ブロックの前記動きベクトルを取得し、取得された前記動きベクトルを用いて前記復号化対象ブロックを復号化し、
    　前記差分と前記復号化対象ブロックとを復号化する際には、前記復号化対象ピクチャが特定のピクチャタイプである場合には、前記復号化対象ピクチャに含まれる全てのブロックの前記動きベクトルは、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを参照して生成される、
    　画像復号化方法。
  8. 　前記参照ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成する、
    　請求項７に記載の画像復号化方法。
  9. 　前記参照ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成し、前記復号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記復号化対象ピクチャの属するビューと同一のビューに属する前記参照ピクチャのみを用いて前記参照ピクチャリストを生成する、
    　請求項７又は８に記載の画像復号化方法。
  10. 　前記第１ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定する、
    　請求項７に記載の画像復号化方法。
  11. 　前記第１ピクチャを決定する際には、前記復号化対象ピクチャが前記特定のピクチャタイプである場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一のピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定し、前記復号化対象ピクチャが前記特定のピクチャタイプでない場合には、前記参照ピクチャのうち、前記特定のピクチャタイプと同一ではないピクチャタイプである前記参照ピクチャを前記第１ピクチャとして決定する、
    　請求項１０に記載の画像復号化方法。
  12. 　前記特定のピクチャタイプとは、前記復号化対象ピクチャに含まれる全てのブロックが、前記復号化対象ピクチャの属するビューとは異なるビューに属する前記参照ピクチャを用いて復号化するようなピクチャを含む、
    　請求項７から１１のいずれか１項に記載の画像復号化方法。
PCT/JP2013/002303 2012-04-09 2013-04-03 画像符号化方法および画像復号化方法 WO2013153778A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2014510045A JP6681609B2 (ja) 2012-04-09 2013-04-03 画像符号化方法および画像復号化方法
US14/236,965 US10075708B2 (en) 2012-04-09 2013-04-03 Image encoding method and image decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201261621717P 2012-04-09 2012-04-09
US61/621,717 2012-04-09

Publications (1)

Publication Number Publication Date
WO2013153778A1 true WO2013153778A1 (ja) 2013-10-17

Family

ID=49327363

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/002303 WO2013153778A1 (ja) 2012-04-09 2013-04-03 画像符号化方法および画像復号化方法

Country Status (3)

Country Link
US (1) US10075708B2 (ja)
JP (1) JP6681609B2 (ja)
WO (1) WO2013153778A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009509454A (ja) * 2005-09-22 2009-03-05 サムスン エレクトロニクス カンパニー リミテッド 視差ベクトルの予測方法、その方法を利用して多視点動画を符号化及び復号化する方法及び装置
JP2009522986A (ja) * 2006-01-09 2009-06-11 トムソン ライセンシング マルチビュービデオ符号化の方法および装置
JP2009525683A (ja) * 2006-02-02 2009-07-09 トムソン ライセンシング 組合せ参照双方向予測を用いて動き推定を行う方法および装置
WO2011048903A1 (ja) * 2009-10-20 2011-04-28 シャープ株式会社 動画像符号化装置、動画像復号装置、および、データ構造

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3693407B2 (ja) * 1996-04-04 2005-09-07 シャープ株式会社 多視点画像符号化装置および復号装置
US8644386B2 (en) 2005-09-22 2014-02-04 Samsung Electronics Co., Ltd. Method of estimating disparity vector, and method and apparatus for encoding and decoding multi-view moving picture using the disparity vector estimation method
WO2007081908A1 (en) 2006-01-09 2007-07-19 Thomson Licensing Method and apparatus for providing reduced resolution update mode for multi-view video coding
KR101357982B1 (ko) 2006-01-09 2014-02-05 톰슨 라이센싱 멀티-뷰 비디오 코딩을 위한 축소 해상도 갱신 모드를제공하는 방법 및 장치
CN101371585B (zh) 2006-01-09 2014-07-30 汤姆森特许公司 提供用于多视图视频编码的提供降低分辨率的更新模式的方法和装置
DE602007010835D1 (de) 2007-01-18 2011-01-05 Fraunhofer Ges Forschung Qualitätsskalierbarer videodatenstrom
JP2010135863A (ja) 2007-03-28 2010-06-17 Toshiba Corp 画像符号化方法及び装置
WO2008133455A1 (en) * 2007-04-25 2008-11-06 Lg Electronics Inc. A method and an apparatus for decoding/encoding a video signal
KR101625058B1 (ko) * 2008-11-10 2016-05-27 엘지전자 주식회사 시점간 예측을 이용한 비디오 신호 처리 방법 및 장치
JP5343792B2 (ja) 2009-09-28 2013-11-13 株式会社Ｊｖｃケンウッド 画像符号化装置、画像符号化方法およびそのプログラム
JP2011211605A (ja) 2010-03-30 2011-10-20 Victor Co Of Japan Ltd 画像再生装置、画像再生方法及び画像再生用プログラム
WO2013001748A1 (ja) * 2011-06-29 2013-01-03 パナソニック株式会社 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
EP2777256B1 (en) * 2011-11-11 2017-03-29 GE Video Compression, LLC Multi-view coding with effective handling of renderable portions
US9560353B2 (en) * 2012-01-27 2017-01-31 Sun Patent Trust Video encoding method, video encoding device, video decoding method and video decoding device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009509454A (ja) * 2005-09-22 2009-03-05 サムスン エレクトロニクス カンパニー リミテッド 視差ベクトルの予測方法、その方法を利用して多視点動画を符号化及び復号化する方法及び装置
JP2009522986A (ja) * 2006-01-09 2009-06-11 トムソン ライセンシング マルチビュービデオ符号化の方法および装置
JP2009525683A (ja) * 2006-02-02 2009-07-09 トムソン ライセンシング 組合せ参照双方向予測を用いて動き推定を行う方法および装置
WO2011048903A1 (ja) * 2009-10-20 2011-04-28 シャープ株式会社 動画像符号化装置、動画像復号装置、および、データ構造

Also Published As

Publication number Publication date
US10075708B2 (en) 2018-09-11
JPWO2013153778A1 (ja) 2015-12-17
US20140169477A1 (en) 2014-06-19
JP6681609B2 (ja) 2020-04-15

Similar Documents

Publication Publication Date Title
JP6340707B2 (ja) 画像符号化方法および画像符号化装置
JP6008291B2 (ja) 画像符号化方法および画像符号化装置
JP5858953B2 (ja) 動画像復号方法、及び動画像復号装置
JP6421931B2 (ja) 動画像符号化方法及び動画像符号化装置
JP6004271B2 (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
JP5393924B2 (ja) 動画像復号方法、動画像復号装置及びプログラム
JP6422011B2 (ja) 動画像符号化方法、動画像復号化方法、動画像符号化装置および動画像復号化装置
WO2012140821A1 (ja) 動画像符号化方法、動画像符号化装置、動画像復号化方法、動画像復号化装置、および動画像符号化復号化装置
WO2013051209A1 (ja) 画像符号化方法、画像符号化装置、画像復号方法、画像復号装置、および、画像符号化復号装置
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
WO2012102045A1 (ja) 画像符号化方法および画像復号化方法
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
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
WO2012114712A1 (ja) 画像符号化方法および画像復号化方法
WO2012090495A1 (ja) 画像符号化方法および画像復号方法
JP5958943B2 (ja) 復号方法および復号装置
JP6361847B2 (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
JP6681609B2 (ja) 画像符号化方法および画像復号化方法
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
WO2013001795A1 (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
WO2013046616A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2014510045

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 13775537

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14236965

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: 13775537

Country of ref document: EP

Kind code of ref document: A1