WO2014013695A1 - 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置 - Google Patents

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

Info

Publication number
WO2014013695A1
WO2014013695A1 PCT/JP2013/004192 JP2013004192W WO2014013695A1 WO 2014013695 A1 WO2014013695 A1 WO 2014013695A1 JP 2013004192 W JP2013004192 W JP 2013004192W WO 2014013695 A1 WO2014013695 A1 WO 2014013695A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
viewpoint
viewpoints
identification information
image decoding
Prior art date
Application number
PCT/JP2013/004192
Other languages
English (en)
French (fr)
Inventor
ステフェン カンプ
マティアス ナロスキ
トーマス ウェディ
セミ エセンリク
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 EP13807884.5A priority Critical patent/EP2876878B1/en
Priority to KR1020147000284A priority patent/KR102058606B1/ko
Priority to CN201380002054.5A priority patent/CN103688535B/zh
Priority to JP2013556917A priority patent/JP6167906B2/ja
Publication of WO2014013695A1 publication Critical patent/WO2014013695A1/ja
Priority to US14/198,942 priority patent/US10104360B2/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/111—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/128—Adjusting depth or disparity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/172—Processing image signals image signals comprising non-image signal components, e.g. headers or format information
    • H04N13/178—Metadata, e.g. disparity information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the present invention relates to an image encoding method and an image decoding method.
  • a multi-view image including two or more images is typically, for example, a video encoding standard H.264. H.264 / MVC (Multi View Coding) compliant image data is generated by being photographed and encoded. Note that depth information may be included in the multi-viewpoint image.
  • the encoded data is transmitted to the image decoding device.
  • the image decoding device decodes the encoded data and displays a multi-viewpoint image obtained by the decoding.
  • the image encoding device captures a multi-viewpoint image using two cameras arranged at a predetermined distance from each other (see, for example, Non-Patent Document 1).
  • an object of the present invention is to provide an image encoding method or an image decoding method capable of providing a viewer with an optimum sense of depth without depending on an image decoding device.
  • An image encoding method is an image encoding method for encoding a multi-viewpoint image shot from a plurality of shooting viewpoints, and corresponds to each of a plurality of screen sizes used in an image decoding device.
  • a generation step of generating viewpoint identification information for specifying a plurality of display viewpoints which are a plurality of viewpoints used for display in the image decoding device, and an encoding step of encoding the viewpoint identification information are included. .
  • the present invention can provide an image encoding method or an image decoding method capable of providing a viewer with an optimal sense of depth without depending on an image decoding device.
  • FIG. 1 is a block diagram of an image encoding device and an image decoding device according to a reference example.
  • FIG. 2 is a block diagram of an image encoding device and an image decoding device according to a reference example.
  • FIG. 3 is a block diagram of an image encoding device and an image decoding device according to a reference example.
  • FIG. 4 is a diagram illustrating an example of the SEI syntax configuration according to the reference example.
  • FIG. 5 is a block diagram of an image encoding device and an image decoding device according to Embodiment 1.
  • FIG. 6A is a flowchart of image coding processing according to Embodiment 1.
  • FIG. 6B is a flowchart of image decoding processing according to Embodiment 1.
  • FIG. 7 is a block diagram of an image encoding device and an image decoding device according to Embodiment 1.
  • FIG. 8 is a block diagram of an image encoding device and an image decoding device according to Embodiment 1.
  • FIG. 9 is a block diagram of an image encoding device and an image decoding device according to Embodiment 1.
  • FIG. 10 is a block diagram of an image encoding device and an image decoding device according to another example of the first embodiment.
  • FIG. 11 is a diagram illustrating an example of a syntax configuration of SEI according to the first embodiment.
  • FIG. 12 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 13 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 12 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 14 is a block diagram illustrating a configuration example of a television.
  • FIG. 15 is a block diagram illustrating a configuration example of an information reproducing / recording unit that reads and writes information from and on a recording medium that is an optical disk.
  • FIG. 16 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 17A is a diagram illustrating an example of a mobile phone.
  • FIG. 17B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 18 is a diagram showing a structure of multiplexed data.
  • FIG. 19 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 20 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 20 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 21 is a diagram showing the structure of TS packets and source packets in multiplexed data.
  • FIG. 22 is a diagram illustrating a data structure of the PMT.
  • FIG. 23 is a diagram showing an internal configuration of multiplexed data information.
  • FIG. 24 shows the internal structure of stream attribute information.
  • FIG. 25 is a diagram showing steps for identifying video data.
  • FIG. 26 is a block diagram illustrating a configuration example of an integrated circuit that realizes the moving picture coding method and the moving picture decoding method according to each embodiment.
  • FIG. 27 is a diagram illustrating a configuration for switching the driving frequency.
  • FIG. 28 is a diagram illustrating steps for identifying video data and switching between driving frequencies.
  • FIG. 29 is a diagram illustrating an example of a lookup table in which video data standards are associated with drive frequencies.
  • FIG. 30A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 30B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
  • Non-Patent Document 1 when the distance between the cameras is constant, the sense of depth that the viewer feels depends on the screen size of the display.
  • SEI Supplemental enhancement information
  • depth_acquisition_info relating to the actual distance between cameras at the time of shooting
  • the image decoding device display device
  • SEI “3d_reference_displays_info” transmits, for example, an optimum distance between cameras that can realize an optimum sense of depth under the viewing condition for each viewing condition.
  • the viewing condition is specifically the screen size of the display.
  • the image decoding apparatus can adjust the feeling of depth by displaying the image corresponding to the optimum distance based on the relationship between the actual distance between the cameras and the optimum distance between the cameras.
  • each viewpoint to be displayed may be generated by combining two viewpoint images.
  • FIGS. 1 to 3 are diagrams showing configurations of an image encoding device 100 and an image decoding device 200 according to a reference example of the present embodiment.
  • the image encoding device 100 captures a subject (scene) from a plurality of viewpoints, and encodes a multi-viewpoint image obtained by the capturing to generate an encoded bitstream.
  • the image encoding device 100 includes a first camera 111, a second camera 112, a first encoder 121, a second encoder 122, an SEI generator 131, and an SEI encoder 132.
  • the first camera 111 and the second camera 112 take a multi-viewpoint image. Specifically, the first camera 111 generates the first image 151 by photographing a subject (scene) from the first viewpoint. The second camera 112 generates the second image 152 by photographing the subject from the second viewpoint.
  • the first encoder 121 generates the first encoded image 161 by encoding the first image 151.
  • the second encoder 122 generates the second encoded image 162 by encoding the second image 152.
  • the SEI generation unit 131 generates an optimum distance 171 associated with each screen size. That is, the SEI generation unit 131 generates a plurality of optimum distances 171 associated with a plurality of image sizes. Each optimum distance 171 is a distance between cameras (between viewpoints) that can give the viewer a feeling of optimal depth when a multi-viewpoint image is displayed on a display having an associated screen size.
  • the SEI encoder 132 encodes the plurality of optimum distances 171 to generate the optimum coding distance 172.
  • the image encoding device 100 generates an encoded bitstream including the first encoded image 161, the second encoded image 162, and the encoding optimum distance 172. Then, the encoded bit stream is propagated to the image decoding apparatus 200 via the channel.
  • the image decoding apparatus 200 decodes the encoded bitstream generated by the image encoding apparatus 100 and displays a multi-viewpoint image.
  • the image decoding device 200 includes a first decoder 211, a second decoder 212, an SEI decoder 221, and a display device 222.
  • the first decoder 211 generates the first decoded image 251 by decoding the first encoded image 161.
  • the second decoder 212 generates the second decoded image 252 by decoding the second encoded image 162.
  • the SEI decoder 221 generates a plurality of optimum distances 262 by decoding the coding optimum distance 172.
  • the display device 222 uses the first decoded image 251 and the second decoded image 252 to display a multi-viewpoint image (stereoscopic image). Specifically, the display device 222 acquires the optimum distance 262 associated with its own screen size 261 among the plurality of optimum distances 262. Then, the display device 222 displays a multi-viewpoint image according to the acquired optimum distance 262.
  • the display device 222 corresponds to a viewpoint between the first viewpoint and the second viewpoint by performing viewpoint synthesis using the first decoded image 251 and the second decoded image 252.
  • a composite image to be generated is generated.
  • the display device 222 displays the generated composite image and the image of the first camera 111 (first decoded image 251) as a multi-viewpoint image.
  • the distance between the viewpoints of the composite image and the image of the first camera 111 is equal to the optimum distance 262.
  • the display device 222 may display the composite image and the image of the second camera 112 (second decoded image 252). As shown in FIG. 3, the display device 222 may display two composite images.
  • FIG. 4 is a diagram showing the syntax of SEI “3d_reference_displays_info”. Exponet_ref_baseline [i] and maintisa_ref_baseline [i] shown in FIG. 4 correspond to the optimum distance 171 (262). The meaning of each parameter shown in FIG. 4 is described in Non-Patent Document 1, for example.
  • the image decoding apparatus 200 decodes information regarding the actual distance between the cameras used for encoding the images of a plurality of viewpoints from the encoded bitstream. Further, the image decoding device 200 decodes information indicating one or more viewing conditions from the encoded bitstream. Here, the viewing condition is, for example, the screen size of the display device 222 included in the image decoding device 200. The image decoding apparatus 200 further decodes a plurality of optimum distances 262 that are information indicating the optimum inter-camera distance for each viewing condition from the encoded bit stream.
  • the optimal inter-camera distance is the inter-camera distance that should have been used to capture an image of each viewpoint in order to give the viewer an optimal sense of depth.
  • the image decoding apparatus 200 selects a viewpoint (view) used for display that can realize a desired sense of depth using the actual viewing conditions, the decoded optimal inter-camera distance, and the actual inter-camera distance. To do.
  • the image decoding apparatus 200 may further generate an image to be displayed by viewpoint synthesis so that the distance between the two viewpoints used for display is the optimal inter-camera distance.
  • the image encoding device 100 transmits parameters for calculating the optimum inter-camera distance to the image decoding device 200 so that the image decoding device 200 can calculate the viewpoint position for viewpoint synthesis. .
  • the image decoding apparatus 200 grasps the relationship between the actual inter-camera distance and the optimum inter-camera distance from the SEI, and selects the viewpoint used for display. That is, the image decoding apparatus 200 determines the positions of the two viewpoints so that the distance between the two viewpoints becomes the optimal inter-camera distance.
  • the image decoding apparatus 200 can arbitrarily set the two viewpoints if the distance between the two viewpoints is an optimal camera distance. For example, the image decoding apparatus 200 can arbitrarily select two viewpoints used for display as shown in FIGS. That is, since which viewpoint is selected depends on the image decoding apparatus 200, the same content is not displayed for all viewers.
  • the present inventor has found that the above technique has a problem that the displayed contents may differ depending on the image decoding apparatus.
  • An image encoding method is an image encoding method for encoding a multi-viewpoint image shot from a plurality of shooting viewpoints, and corresponds to each of a plurality of screen sizes used in an image decoding device.
  • a generation step of generating viewpoint identification information for specifying a plurality of display viewpoints which are a plurality of viewpoints used for display in the image decoding device, and an encoding step of encoding the viewpoint identification information are included. .
  • the image encoding method transmits viewpoint identification information for specifying a viewpoint to be selected by the image decoding apparatus to the image decoding apparatus in accordance with the screen size of the image decoding apparatus.
  • the image decoding apparatus displays an image using the viewpoint specified by the viewpoint identification information associated with its own screen size. In this way, the viewpoint that is uniquely used for display in the image decoding apparatus is determined. Therefore, the image coding method can provide an optimal sense of depth to the viewer without depending on the image decoding device.
  • the viewpoint identification information may indicate one shooting viewpoint among the plurality of shooting viewpoints.
  • the viewpoint identification information may indicate a viewpoint of a composite image generated by combining images shot at two shooting viewpoints among the plurality of shooting viewpoints.
  • the viewpoint identification information may be an identifier for identifying the plurality of shooting viewpoints.
  • An image decoding method is an image decoding method for decoding a bitstream generated by encoding multi-viewpoint images shot from a plurality of shooting viewpoints.
  • the decoding step for decoding the viewpoint identification information for identifying a plurality of viewpoints associated with each of the plurality of screen sizes, and the image decoding apparatus has the decoded viewpoint identification information among the decoded viewpoint identification information
  • the image decoding method displays an image using the viewpoint specified by the viewpoint identification information associated with the screen size of the image decoding apparatus.
  • the viewpoint that is uniquely used for display in the image decoding apparatus is determined. Therefore, the image decoding method can provide the viewer with an optimal sense of depth that does not depend on the image decoding device.
  • the viewpoint identification information indicates one shooting viewpoint among the plurality of shooting viewpoints, and, in the determination step, the one shooting viewpoint indicated by the viewpoint identification information among the plurality of shooting viewpoints is selected from the plurality of shooting viewpoints. It may be determined as one of the display viewpoints.
  • the viewpoint identification information may indicate a viewpoint of a composite image generated by combining images shot at two shooting viewpoints among the plurality of shooting viewpoints.
  • the viewpoint identification information may be an identifier for identifying the plurality of shooting viewpoints.
  • An image encoding device is an image encoding device that encodes a multi-viewpoint image captured from a plurality of imaging viewpoints, and each of a plurality of screen sizes used in the image decoding device.
  • a viewpoint identification information generating unit that generates viewpoint identification information for specifying a plurality of display viewpoints that are a plurality of viewpoints used for display in the image decoding device, and a viewpoint that encodes the viewpoint identification information An identification information encoding unit.
  • the image encoding apparatus transmits viewpoint identification information for specifying a viewpoint to be selected by the image decoding apparatus to the image decoding apparatus in accordance with the screen size of the image decoding apparatus.
  • the image decoding apparatus displays an image using the viewpoint specified by the viewpoint identification information associated with its own screen size. In this way, the viewpoint that is uniquely used for display in the image decoding apparatus is determined. Therefore, the image coding apparatus can provide an optimal sense of depth to the viewer without depending on the image decoding apparatus.
  • An image decoding apparatus is an image decoding apparatus that decodes a bitstream generated by encoding multi-viewpoint images shot from a plurality of shooting viewpoints, the bitstream
  • a viewpoint identification information decoding unit that decodes viewpoint identification information for identifying a plurality of viewpoints associated with each of a plurality of screen sizes, and image decoding among the decoded plurality of viewpoint identification information
  • a viewpoint determination unit that determines a plurality of display viewpoints, which are a plurality of viewpoints used for display by the image decoding apparatus, using viewpoint identification information associated with a screen size of the display apparatus included in the apparatus.
  • the image decoding apparatus displays an image using the viewpoint specified by the viewpoint identification information associated with its own screen size.
  • the viewpoint that is uniquely used for display in the image decoding apparatus is determined. Therefore, the image decoding apparatus can provide the viewer with an optimal sense of depth that does not depend on its own function.
  • an image encoding / decoding device may include the image encoding device and the image decoding device.
  • the image encoding device selects the viewpoint position corresponding to the optimal inter-camera distance for each of one or more viewing conditions (specifically, the screen size), Encode information about this viewpoint position in the bitstream.
  • the image decoding apparatus decodes information indicating one or more viewing conditions from the bit stream.
  • the image decoding apparatus further decodes information regarding the viewpoint position for each decoded viewing condition from the bit stream.
  • This viewpoint position corresponds to an optimal inter-camera distance that should have been used to capture an image of each viewpoint in order to give the viewer a sense of optimal depth. That is, the image decoding apparatus does not need to decode information indicating the actual camera distance from the bit stream.
  • the image decoding apparatus selects a plurality of viewpoints that can achieve a desired sense of depth using actual viewing conditions and decoded viewpoint positions.
  • FIG. 5 is a block diagram showing a configuration of the image encoding device 300 and the image decoding device 400 according to the present embodiment.
  • the image coding apparatus 300 shoots a subject (scene) from a plurality of viewpoints (shooting viewpoints) and encodes a multi-view image (multi-view video) obtained by shooting to generate an encoded bitstream.
  • the image encoding device 300 includes a first camera 311, a second camera 312, a first encoder 321, a second encoder 322, an SEI generator 331, and an SEI encoder 332.
  • the first camera 311 and the second camera 312 take multi-viewpoint images. Specifically, the first camera 311 generates a first image 351 by photographing a subject (scene) from the first viewpoint. The second camera 312 generates the second image 352 by photographing the subject from the second viewpoint. The first image 351 and the second image 352 are included in the multi-viewpoint image.
  • the first encoder 321 generates the first encoded image 361 by encoding the first image 351.
  • the second encoder 322 generates the second encoded image 362 by encoding the second image 352.
  • the SEI generation unit 331 is a viewpoint identification information generation unit that generates a viewpoint position 371 associated with each screen size. That is, the SEI generation unit 331 generates a plurality of viewpoint positions 371 associated with a plurality of image sizes.
  • Each viewpoint position 371 is a position of two viewpoints (display viewpoints) that can give the viewer a sense of depth that is optimal when displaying a multi-viewpoint image (stereoscopic image) on a display of the associated screen size. is there.
  • the SEI encoder 332 is a viewpoint identification information encoding unit that generates an encoded viewpoint position 372 by encoding a plurality of viewpoint positions 371.
  • the image encoding device 300 generates an encoded bitstream including the first encoded image 361, the second encoded image 362, and the encoded viewpoint position 372. Then, the encoded bit stream is propagated to the image decoding apparatus 400 via the channel.
  • the image decoding apparatus 400 decodes the encoded bitstream generated by the image encoding apparatus 300 and displays a multi-viewpoint image.
  • the image decoding device 400 includes a first decoder 411, a second decoder 412, an SEI decoder 421, and a display device 422.
  • the first decoder 411 generates the first decoded image 451 by decoding the first encoded image 361.
  • the second decoder 412 generates the second decoded image 452 by decoding the second encoded image 362.
  • the SEI decoder 421 is a viewpoint identification information decoding unit that generates a plurality of viewpoint positions 462 by decoding the encoded viewpoint position 372.
  • the display device 422 displays a multi-viewpoint image (stereoscopic image) using the first decoded image 451 and the second decoded image 452. Specifically, the display device 422 acquires a viewpoint position 462 associated with its own screen size 461 among the plurality of viewpoint positions 462. Then, the display device 422 determines a plurality of display viewpoints, which are a plurality of viewpoints used for display, according to the acquired viewpoint position 462, and displays an image from the determined display viewpoint as a multi-viewpoint image. The determination of the display viewpoint is performed by a viewpoint determination unit included in the display device 422.
  • the display device 422 supports viewpoints between the first viewpoint and the second viewpoint by performing viewpoint synthesis using the first decoded image 451 and the second decoded image 452.
  • a composite image to be generated is generated.
  • the viewpoint positions of the two synthesized images generated by the viewpoint synthesis correspond to the acquired two viewpoint positions 462.
  • the viewpoint positions of the two composite images are the same as the two viewpoint positions 462.
  • the display device 422 displays the generated two composite images as a multi-viewpoint image.
  • at least one of the two viewpoint positions 462 may be equal to the viewpoint position of the first camera or the viewpoint position of the second camera. In this case, viewpoint synthesis is not performed, and the first decoded image 451 or the second decoded image 452 is used for display.
  • FIG. 6A is a flowchart showing an overview of image encoding processing by the image encoding device 300.
  • the image encoding device 300 specifies a plurality of display viewpoints that are a plurality of viewpoints used for display in the image decoding device in association with each of a plurality of screen sizes used in the image decoding device.
  • Viewpoint identification information is generated (S101).
  • the viewpoint identification information corresponds to the viewpoint position 371 described above.
  • the image encoding device 300 encodes the above-described viewpoint identification information (S102). Then, a bitstream including the encoded viewpoint identification information is transmitted to the image decoding device 400.
  • FIG. 6B is a flowchart showing an overview of image decoding processing by the image decoding device 400.
  • the image decoding apparatus 400 decodes viewpoint identification information for identifying a plurality of viewpoints associated with each of a plurality of screen sizes included in the bitstream (S201).
  • the image decoding device 400 uses the viewpoint identification information associated with the screen size 461 of the display device 422 included in the image decoding device 400 among the plurality of decoded viewpoint identification information.
  • a plurality of display viewpoints which are a plurality of viewpoints used for display are determined (S202).
  • the image decoding apparatus 400 displays a multi-viewpoint image using a plurality of determined display viewpoints.
  • the image decoding apparatus 400 generates and generates a plurality of images viewed from a plurality of display viewpoints using the first decoded image 451 of the first viewpoint and the second decoded image 452 of the second viewpoint. Display multiple images.
  • viewpoint identification information of viewpoints is directly included in the bitstream.
  • the image decoding apparatus 400 does not need to know the optimal inter-camera distance. That is, the optimal distance between cameras can be omitted.
  • the image decoding apparatus 400 does not need to automatically select a viewpoint used for display. Therefore, in different image decoding devices, if the viewing conditions are the same, the same viewpoint is selected as the viewpoint used for display. Therefore, even when the image decoding devices are different, the same sense of depth can be guaranteed.
  • information directly indicating the viewpoint position is sent from the image coding apparatus 300 to the image decoding apparatus 400, not the distance between the viewpoints (relative position between the viewpoints).
  • the image encoding device 300 can control which viewpoint is used for display in the image decoding device 400.
  • the content creator can influence the displayed content, for example, according to individual requirements such as optimal image quality or preferred content. Because multiple viewpoints are images from slightly different viewpoints of the original scene. Therefore, the displayed content differs depending on the selection of the encoded viewpoint.
  • this embodiment not only ensures that the displayed content is the same for all viewers by simply defining the viewpoint displayed by the image decoding device, In the image encoding device, for example, the viewpoint can be selected so that the subjective image quality is maximized.
  • the multi-view image may include images of three or more viewpoints. Further, the number of viewpoints of the multi-view image generated by the image encoding device 300 may be different from the number of viewpoints of the multi-view image displayed by the image decoding device 400.
  • viewpoint identification information viewpoint position 462 and the like
  • FIG. 7 is a block diagram illustrating a configuration of the image encoding device 300A and the image decoding device 400A when a viewpoint identifier is used as the viewpoint identification information. Elements similar to those in FIG. 5 are denoted by the same reference numerals, and differences will be mainly described below.
  • the 7 includes a third camera 313 and a third encoder 323 in addition to the configuration of the image encoding device 300.
  • the third camera 313 generates a third image 353 by photographing a subject (scene) from the third viewpoint. That is, the first camera 311, the second camera 312, and the third camera 313 generate a multi-viewpoint image including the first image 351, the second image 352, and the third image 353.
  • the first camera 311, the second camera 312, and the third camera 313 are assigned identifiers (ID 1, ID 2, and ID 3) for uniquely identifying each camera.
  • the third encoder 323 generates the third encoded image 363 by encoding the third image 353.
  • the SEI generation unit 331A is a viewpoint identification information generation unit that generates a viewpoint identifier 373 associated with each screen size. That is, the SEI generation unit 331A generates a plurality of viewpoint identifiers 373 associated with a plurality of image sizes.
  • Each viewpoint identifier 373 is an identifier for identifying a plurality of photographing viewpoints, and indicates, for example, identifiers (ID1, ID2, and ID3) assigned to the camera.
  • the viewpoint identifier 373 is an identifier for identifying the first image 351, the second image 352, and the third image 353, and also includes a first decoded image 451, a second decoded image 452, and a third decoded image 453 described later. It is an identifier that identifies
  • the viewpoint identifier 373 has two viewpoints (display viewpoints) that can give the viewer an optimum sense of depth when displaying a multi-viewpoint image (stereoscopic image) on a display with the associated screen size.
  • the corresponding shooting viewpoint is shown.
  • this identifier is a viewpoint ID (view ID) or a viewpoint order index (view order index).
  • the SEI encoder 332A is a viewpoint identification information encoding unit that generates an encoded viewpoint identifier 374 by encoding a plurality of viewpoint identifiers 373.
  • the image encoding device 300A generates an encoded bit stream including the first encoded image 361, the second encoded image 362, the third encoded image 363, and the encoded viewpoint identifier 374. Then, the encoded bit stream is propagated to the image decoding device 400A via the channel.
  • the image decoding device 400A decodes the encoded bitstream generated by the image encoding device 300A and displays a multi-view image.
  • the image decoding device 400A further includes a third decoder 413 in addition to the configuration of the image decoding device 400.
  • the functions of the SEI decoder 421A and the display device 422A are different from those of the SEI decoder 421 and the display device 422.
  • the third decoder 413 generates the third decoded image 453 by decoding the third encoded image 363.
  • the SEI decoder 421A is a viewpoint identification information decoding unit that generates a plurality of viewpoint identifiers 463 by decoding the encoded viewpoint identifier 374.
  • the display device 422A displays a multi-viewpoint image (stereoscopic image) using the first decoded image 451, the second decoded image 452, and the third decoded image 453. Specifically, the display device 422A acquires the viewpoint identifier 463 associated with its screen size 461 among the plurality of viewpoint identifiers 463. Then, the display device 422A determines a plurality of display viewpoints, which are a plurality of viewpoints used for display, according to the acquired viewpoint identifier 463, and displays an image from the determined display viewpoint as a multi-viewpoint image. The determination of the display viewpoint is performed by a viewpoint determination unit included in the display device 422A.
  • the display device 422A determines one shooting viewpoint indicated by the viewpoint identification information among the plurality of shooting viewpoints as one of the plurality of display viewpoints. That is, display device 422A displays a plurality of decoded images corresponding to viewpoint identifier 463 among a plurality of decoded images (first decoded image 451, second decoded image 452, and third decoded image 453). For example, as shown in FIG. 7, when the viewpoint identifier 463 indicates ID1 and ID2, the display device 422A displays the first decoded image 451 and the second decoded image 452. Further, as illustrated in FIG.
  • the display device 422A displays the first decoded image 451 and the third decoded image 453. As illustrated in FIG. 9, when the viewpoint identifier 463 indicates ID2 and ID3, the display device 422A displays the second decoded image 452 and the third decoded image 453.
  • the image decoding device 400A can easily select an image to be displayed.
  • the viewpoint identification information may indicate the viewpoint of a composite image generated by combining images shot at two shooting viewpoints among a plurality of shooting viewpoints.
  • the display device 422A generates a synthesized image of the viewpoint indicated by the viewpoint identification information by synthesizing the decoded images corresponding to two of the plurality of imaging viewpoints, and displays the generated synthesized image. To do.
  • the viewpoint identification information includes one or more viewpoint identifiers for specifying the viewpoint position of the composite image and information indicating the distance from the one or more viewpoint identifiers to the viewpoint position of the composite image.
  • one viewpoint identifier and the distance are defined for one display viewpoint.
  • the distance may be indicated by a fraction (for example, a) indicating where the viewpoint of the composite image is located between the first viewpoint and the second viewpoint.
  • the distance is represented by “a ⁇ actual distance between the first viewpoint and the second viewpoint”.
  • FIG. 10 is a block diagram illustrating the configuration of the image encoding device 300B and the image decoding device 400B when viewpoint coordinates are used as viewpoint identification information. Elements similar to those in FIG. 5 are denoted by the same reference numerals, and differences will be mainly described below.
  • the SEI generation unit 331B is a viewpoint identification information generation unit that generates viewpoint coordinates 375 associated with each screen size. That is, the SEI generation unit 331B generates a plurality of viewpoint coordinates 375 associated with a plurality of image sizes.
  • Each viewpoint coordinate 375 indicates the coordinates of a plurality of display viewpoints.
  • the viewpoint coordinates 375 indicate the coordinates of the coordinate system in the display device 422B.
  • the viewpoint coordinates 375 are two viewpoints (display viewpoints) that can give the viewer an optimum sense of depth when displaying a multi-viewpoint image (stereoscopic image) on a display having the associated screen size. Indicates coordinates.
  • the SEI encoder 332B is a viewpoint identification information encoding unit that generates encoded viewpoint coordinates 376 by encoding a plurality of viewpoint coordinates 375.
  • the image encoding device 300B generates an encoded bitstream including the first encoded image 361, the second encoded image 362, and the encoded viewpoint coordinates 376. Then, the encoded bit stream is propagated to the image decoding device 400B via the channel.
  • the image decoding device 400B decodes the encoded bitstream generated by the image encoding device 300B and displays a multi-view image.
  • the image decoding device 400B differs from the SEI decoder 421 and the display device 422 in the functions of the SEI decoder 421B and the display device 422B with respect to the configuration of the image decoding device 400.
  • the SEI decoder 421B is a viewpoint identification information decoding unit that generates a plurality of viewpoint coordinates 464 by decoding the encoded viewpoint coordinates 376.
  • the display device 422B displays a multi-viewpoint image (stereoscopic image) using the first decoded image 451 and the second decoded image 452. Specifically, the display device 422B acquires the viewpoint coordinates 464 associated with its own screen size 461 among the plurality of viewpoint coordinates 464. Then, the display device 422B determines a plurality of display viewpoints, which are a plurality of viewpoints used for display, according to the acquired viewpoint coordinates 464, and displays an image from the determined display viewpoint as a multi-viewpoint image. The determination of the display viewpoint is performed by a viewpoint determination unit included in the display device 422B.
  • the display device 422B generates a synthesized image corresponding to the viewpoint between the first viewpoint and the second viewpoint by performing viewpoint synthesis using the first decoded image 451 and the second decoded image 452.
  • the viewpoint positions of the two composite images generated by the viewpoint synthesis correspond to the two viewpoint coordinates 464 acquired.
  • the viewpoint positions of two composite images are located at two viewpoint coordinates 464.
  • the display device 422B displays the two generated composite images as a multi-viewpoint image.
  • at least one of the two viewpoint positions 462 may be equal to the viewpoint position of the first camera or the viewpoint position of the second camera. In this case, viewpoint synthesis is not performed, and the first decoded image 451 or the second decoded image 452 is used for display.
  • FIG. 11 is a diagram illustrating a syntax example of SEI “3d_reference_displays_info] according to the present embodiment.
  • a syntax element preferred_left_view_id_flag shown in FIG. 11 indicates whether or not viewpoint identification information (preferred_left_view_id) of a viewpoint used for display for the left eye by the image decoding apparatus is included in the bitstream.
  • the syntax element “preferred_left_view_id” is viewpoint identification information of the viewpoint used by the image decoding apparatus for display for the left eye, and corresponds to, for example, the viewpoint identifier.
  • the syntax element “preferential_right_view_id_flag” indicates whether or not viewpoint identification information (preferred_right_view_id) of the viewpoint used by the image decoding apparatus for display for the right eye is included in the bitstream.
  • the syntax element preferredred_right_view_id is viewpoint identification information of the viewpoint used by the image decoding apparatus for display for the right eye, and corresponds to, for example, the viewpoint identifier.
  • the optimal inter-camera distance need not be included in the bitstream.
  • the image decoding apparatus uses the one viewpoint identification information to select the first viewpoint used for the display for the one eye. decide. Further, in this case, the optimal inter-camera distance (expont_ref_baseline and maintisa_ref_baseline) is encoded in the bitstream. Then, the image decoding apparatus identifies the position of the second viewpoint (including the synthesized viewpoint) corresponding to the first viewpoint using the inter-camera distance.
  • the position of the second (right) viewpoint is determined to the right of the position of the left viewpoint.
  • the position of the second (left) viewpoint is determined to the left of the position of the right viewpoint.
  • viewpoint identification information for both the left and right viewpoints is not encoded, only the optimal inter-camera distance is encoded. Note that the operations of the image encoding device and the image decoding device in this case are the same as the operations of the reference example described above.
  • the viewpoint identification information may be an operating point ID (operating point ID) indicating an operating point encoded in a VUI (Video Usability Information) of an SPS (sequence parameter set).
  • operating point ID operating point ID
  • VUI Video Usability Information
  • each processing unit included in the image encoding device and the image decoding device according to the above embodiment is typically realized as an LSI that is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them.
  • circuits are not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor.
  • An FPGA Field Programmable Gate Array
  • reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • the image encoding device and the image decoding device include a processing circuit and a storage device (storage) that is electrically connected to the processing circuit (accessible from the control circuit).
  • the processing circuit includes at least one of dedicated hardware and a program execution unit. Further, when the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit. The processing circuit executes the image encoding method or the image decoding method according to the above embodiment using the storage device.
  • the present invention may be the software program or a non-transitory computer-readable recording medium on which the program is recorded.
  • the program can be distributed via a transmission medium such as the Internet.
  • division of functional blocks in the block diagram is an example, and a plurality of functional blocks can be realized as one functional block, a single functional block can be divided into a plurality of functions, or some functions can be transferred to other functional blocks. May be.
  • functions of a plurality of functional blocks having similar functions may be processed in parallel or time-division by a single hardware or software.
  • the order in which the steps included in the image encoding method or the image decoding method are executed is for illustrating the present invention specifically, and may be in an order other than the above. . Also, some of the above steps may be executed simultaneously (in parallel) with other steps.
  • the image encoding device and the image decoding device according to one or more aspects of the present invention have been described based on the embodiment, but the present invention is not limited to this embodiment. Unless it deviates from the gist of the present invention, the embodiment in which various modifications conceived by those skilled in the art have been made in the present embodiment, and forms constructed by combining components in different embodiments are also applicable to one or more of the present invention. It may be included within the scope of the embodiments.
  • the storage medium may be any medium that can record a program, such as a magnetic disk, an optical disk, a magneto-optical disk, an IC card, and a semiconductor memory.
  • the system has an image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 12 is a diagram showing an overall configuration of a content supply system ex100 that realizes a content distribution service.
  • a communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • the content supply system ex100 includes a computer ex111, a PDA (Personal Digital Assistant) ex112, a camera ex113, a mobile phone ex114, a game machine ex115 via the Internet ex101, the Internet service provider ex102, the telephone network ex104, and the base stations ex106 to ex110. Etc. are connected.
  • PDA Personal Digital Assistant
  • each device may be directly connected to the telephone network ex104 without going from the base station ex106, which is a fixed wireless station, to ex110.
  • the devices may be directly connected to each other via short-range wireless or the like.
  • the camera ex113 is a device that can shoot moving images such as a digital video camera
  • the camera ex116 is a device that can shoot still images and movies such as a digital camera.
  • the mobile phone ex114 is a GSM (registered trademark) (Global System for Mobile Communications) system, a CDMA (Code Division Multiple Access) system, a W-CDMA (Wideband-Code Division Multiple Access) system, or an LTE (Long Terminal Term Evolution). It is possible to use any of the above-mentioned systems, HSPA (High Speed Packet Access) mobile phone, PHS (Personal Handyphone System), or the like.
  • the camera ex113 and the like are connected to the streaming server ex103 through the base station ex109 and the telephone network ex104, thereby enabling live distribution and the like.
  • live distribution content that is shot by a user using the camera ex113 (for example, music live video) is encoded as described in each of the above embodiments (that is, in one aspect of the present invention).
  • the streaming server ex103 stream-distributes the content data transmitted to the requested client. Examples of the client include a computer ex111, a PDA ex112, a camera ex113, a mobile phone ex114, and a game machine ex115 that can decode the encoded data.
  • Each device that receives the distributed data decodes the received data and reproduces it (that is, functions as an image decoding device according to one embodiment of the present invention).
  • the captured data may be encoded by the camera ex113, the streaming server ex103 that performs data transmission processing, or may be shared with each other.
  • the decryption processing of the distributed data may be performed by the client, the streaming server ex103, or may be performed in common with each other.
  • still images and / or moving image data captured by the camera ex116 may be transmitted to the streaming server ex103 via the computer ex111.
  • the encoding process in this case may be performed by any of the camera ex116, the computer ex111, and the streaming server ex103, or may be performed in a shared manner.
  • these encoding / decoding processes are generally performed in the computer ex111 and the LSI ex500 included in each device.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding / decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111, etc., and encoding / decoding processing is performed using the software. May be.
  • moving image data acquired by the camera may be transmitted.
  • the moving image data at this time is data encoded by the LSI ex500 included in the mobile phone ex114.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the encoded data can be received and reproduced by the client.
  • the information transmitted by the user can be received, decrypted and reproduced by the client in real time, and personal broadcasting can be realized even for a user who does not have special rights or facilities.
  • the digital broadcast system ex200 also includes at least the moving image encoding device (image encoding device) or the moving image decoding according to each of the above embodiments. Any of the devices (image decoding devices) can be incorporated.
  • the broadcast station ex201 multiplexed data obtained by multiplexing music data and the like on video data is transmitted to a communication or satellite ex202 via radio waves.
  • This video data is data encoded by the moving image encoding method described in each of the above embodiments (that is, data encoded by the image encoding apparatus according to one aspect of the present invention).
  • the broadcasting satellite ex202 transmits a radio wave for broadcasting, and this radio wave is received by a home antenna ex204 capable of receiving satellite broadcasting.
  • the received multiplexed data is decoded and reproduced by an apparatus such as the television (receiver) ex300 or the set top box (STB) ex217 (that is, functions as an image decoding apparatus according to one embodiment of the present invention).
  • a reader / recorder ex218 that reads and decodes multiplexed data recorded on a recording medium ex215 such as a DVD or a BD, or encodes a video signal on the recording medium ex215 and, in some cases, multiplexes and writes it with a music signal. It is possible to mount the moving picture decoding apparatus or moving picture encoding apparatus described in the above embodiments. In this case, the reproduced video signal is displayed on the monitor ex219, and the video signal can be reproduced in another device or system using the recording medium ex215 on which the multiplexed data is recorded.
  • a moving picture decoding apparatus may be mounted in a set-top box ex217 connected to a cable ex203 for cable television or an antenna ex204 for satellite / terrestrial broadcasting and displayed on the monitor ex219 of the television.
  • the moving picture decoding apparatus may be incorporated in the television instead of the set top box.
  • FIG. 14 is a diagram showing a television (receiver) ex300 that uses the moving picture decoding method and the moving picture encoding method described in the above embodiments.
  • the television ex300 obtains or outputs multiplexed data in which audio data is multiplexed with video data via the antenna ex204 or the cable ex203 that receives the broadcast, and demodulates the received multiplexed data.
  • the modulation / demodulation unit ex302 that modulates multiplexed data to be transmitted to the outside, and the demodulated multiplexed data is separated into video data and audio data, or the video data and audio data encoded by the signal processing unit ex306 Is provided with a multiplexing / demultiplexing unit ex303.
  • the television ex300 also decodes the audio data and the video data, or encodes the information, the audio signal processing unit ex304, the video signal processing unit ex305 (the image encoding device or the image according to one embodiment of the present invention) A signal processing unit ex306 that functions as a decoding device), a speaker ex307 that outputs the decoded audio signal, and an output unit ex309 that includes a display unit ex308 such as a display that displays the decoded video signal. Furthermore, the television ex300 includes an interface unit ex317 including an operation input unit ex312 that receives an input of a user operation. Furthermore, the television ex300 includes a control unit ex310 that performs overall control of each unit, and a power supply circuit unit ex311 that supplies power to each unit.
  • the interface unit ex317 includes a bridge unit ex313 connected to an external device such as a reader / recorder ex218, a recording unit ex216 such as an SD card, and an external recording unit such as a hard disk.
  • a driver ex315 for connecting to a medium, a modem ex316 for connecting to a telephone network, and the like may be included.
  • the recording medium ex216 is capable of electrically recording information by using a nonvolatile / volatile semiconductor memory element to be stored.
  • Each part of the television ex300 is connected to each other via a synchronous bus.
  • the television ex300 receives a user operation from the remote controller ex220 or the like, and demultiplexes the multiplexed data demodulated by the modulation / demodulation unit ex302 by the multiplexing / demultiplexing unit ex303 based on the control of the control unit ex310 having a CPU or the like. Furthermore, in the television ex300, the separated audio data is decoded by the audio signal processing unit ex304, and the separated video data is decoded by the video signal processing unit ex305 using the decoding method described in each of the above embodiments.
  • the decoded audio signal and video signal are output from the output unit ex309 to the outside. At the time of output, these signals may be temporarily stored in the buffers ex318, ex319, etc. so that the audio signal and the video signal are reproduced in synchronization. Also, the television ex300 may read multiplexed data from recording media ex215 and ex216 such as a magnetic / optical disk and an SD card, not from broadcasting. Next, a configuration in which the television ex300 encodes an audio signal or a video signal and transmits the signal to the outside or to a recording medium will be described.
  • the television ex300 receives a user operation from the remote controller ex220 and the like, encodes an audio signal with the audio signal processing unit ex304, and converts the video signal with the video signal processing unit ex305 based on the control of the control unit ex310. Encoding is performed using the encoding method described in (1).
  • the encoded audio signal and video signal are multiplexed by the multiplexing / demultiplexing unit ex303 and output to the outside. When multiplexing, these signals may be temporarily stored in the buffers ex320, ex321, etc. so that the audio signal and the video signal are synchronized.
  • a plurality of buffers ex318, ex319, ex320, and ex321 may be provided as illustrated, or one or more buffers may be shared. Further, in addition to the illustrated example, data may be stored in the buffer as a buffer material that prevents system overflow and underflow, for example, between the modulation / demodulation unit ex302 and the multiplexing / demultiplexing unit ex303.
  • the television ex300 has a configuration for receiving AV input of a microphone and a camera, and performs encoding processing on the data acquired from them. Also good.
  • the television ex300 has been described as a configuration capable of the above-described encoding processing, multiplexing, and external output, but these processing cannot be performed, and only the above-described reception, decoding processing, and external output are possible. It may be a configuration.
  • the decoding process or the encoding process may be performed by either the television ex300 or the reader / recorder ex218,
  • the reader / recorder ex218 may share with each other.
  • FIG. 15 shows a configuration of the information reproducing / recording unit ex400 when data is read from or written to an optical disk.
  • the information reproducing / recording unit ex400 includes elements ex401, ex402, ex403, ex404, ex405, ex406, and ex407 described below.
  • the optical head ex401 irradiates a laser spot on the recording surface of the recording medium ex215 that is an optical disk to write information, and detects information reflected from the recording surface of the recording medium ex215 to read the information.
  • the modulation recording unit ex402 electrically drives a semiconductor laser built in the optical head ex401 and modulates the laser beam according to the recording data.
  • the reproduction demodulator ex403 amplifies the reproduction signal obtained by electrically detecting the reflected light from the recording surface by the photodetector built in the optical head ex401, separates and demodulates the signal component recorded on the recording medium ex215, and is necessary To play back information.
  • the buffer ex404 temporarily holds information to be recorded on the recording medium ex215 and information reproduced from the recording medium ex215.
  • the disk motor ex405 rotates the recording medium ex215.
  • the servo control unit ex406 moves the optical head ex401 to a predetermined information track while controlling the rotational drive of the disk motor ex405, and performs a laser spot tracking process.
  • the system control unit ex407 controls the entire information reproduction / recording unit ex400.
  • the system control unit ex407 uses various types of information held in the buffer ex404, and generates and adds new information as necessary.
  • the modulation recording unit ex402, the reproduction demodulation unit This is realized by recording / reproducing information through the optical head ex401 while operating the ex403 and the servo control unit ex406 in a coordinated manner.
  • the system control unit ex407 includes, for example, a microprocessor, and executes these processes by executing a read / write program.
  • the optical head ex401 has been described as irradiating a laser spot.
  • a configuration in which higher-density recording is performed using near-field light may be used.
  • FIG. 16 shows a schematic diagram of a recording medium ex215 that is an optical disk.
  • Guide grooves grooves
  • address information indicating the absolute position on the disc is recorded in advance on the information track ex230 by changing the shape of the groove.
  • This address information includes information for specifying the position of the recording block ex231 that is a unit for recording data, and the recording block is specified by reproducing the information track ex230 and reading the address information in a recording or reproducing apparatus.
  • the recording medium ex215 includes a data recording area ex233, an inner peripheral area ex232, and an outer peripheral area ex234.
  • the area used for recording user data is the data recording area ex233, and the inner circumference area ex232 and the outer circumference area ex234 arranged on the inner or outer circumference of the data recording area ex233 are used for specific purposes other than user data recording. Used.
  • the information reproducing / recording unit ex400 reads / writes encoded audio data, video data, or multiplexed data obtained by multiplexing these data with respect to the data recording area ex233 of the recording medium ex215.
  • an optical disk such as a single-layer DVD or BD has been described as an example.
  • 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, the configuration shown in FIG. 14 with the addition of a GPS receiver, and the same may be considered for the computer ex111, the mobile phone ex114, and the like.
  • FIG. 17A is a diagram showing the mobile phone ex114 using the moving picture decoding method and the moving picture encoding method described in the above embodiment.
  • the mobile phone ex114 includes an antenna ex350 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex365 capable of capturing video and still images, a video captured by the camera unit ex365, a video received by the antenna ex350, and the like Is provided with a display unit ex358 such as a liquid crystal display for displaying the decrypted data.
  • the mobile phone ex114 further includes a main body unit having an operation key unit ex366, an audio output unit ex357 such as a speaker for outputting audio, an audio input unit ex356 such as a microphone for inputting audio, a captured video,
  • an audio input unit ex356 such as a microphone for inputting audio
  • a captured video In the memory unit ex367 for storing encoded data or decoded data such as still images, recorded audio, received video, still images, mails, or the like, or an interface unit with a recording medium for storing data
  • a slot ex364 is provided.
  • the mobile phone ex114 has a power supply circuit part ex361, an operation input control part ex362, and a video signal processing part ex355 with respect to a main control part ex360 that comprehensively controls each part of the main body including the display part ex358 and the operation key part ex366.
  • a camera interface unit ex363, an LCD (Liquid Crystal Display) control unit ex359, a modulation / demodulation unit ex352, a multiplexing / demultiplexing unit ex353, an audio signal processing unit ex354, a slot unit ex364, and a memory unit ex367 are connected to each other via a bus ex370. ing.
  • the power supply circuit unit ex361 starts up the mobile phone ex114 in an operable state by supplying power from the battery pack to each unit.
  • the cellular phone ex114 converts the audio signal collected by the audio input unit ex356 in the voice call mode into a digital audio signal by the audio signal processing unit ex354 based on the control of the main control unit ex360 having a CPU, a ROM, a RAM, and the like. Then, this is subjected to spectrum spread processing by the modulation / demodulation unit ex352, digital-analog conversion processing and frequency conversion processing are performed by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the mobile phone ex114 also amplifies the received data received via the antenna ex350 in the voice call mode, performs frequency conversion processing and analog-digital conversion processing, performs spectrum despreading processing by the modulation / demodulation unit ex352, and performs voice signal processing unit After being converted into an analog audio signal by ex354, this is output from the audio output unit ex357.
  • the text data of the e-mail input by operating the operation key unit ex366 of the main unit is sent to the main control unit ex360 via the operation input control unit ex362.
  • the main control unit ex360 performs spread spectrum processing on the text data in the modulation / demodulation unit ex352, performs digital analog conversion processing and frequency conversion processing in the transmission / reception unit ex351, and then transmits the text data to the base station ex110 via the antenna ex350.
  • almost the reverse process is performed on the received data and output to the display unit ex358.
  • the video signal processing unit ex355 compresses the video signal supplied from the camera unit ex365 by the moving image encoding method described in the above embodiments. Encode (that is, function as an image encoding device according to an aspect of the present invention), and send the encoded video data to the multiplexing / demultiplexing unit ex353.
  • the audio signal processing unit ex354 encodes the audio signal picked up by the audio input unit ex356 while the camera unit ex365 images a video, a still image, etc., and sends the encoded audio data to the multiplexing / separating unit ex353. To do.
  • the multiplexing / demultiplexing unit ex353 multiplexes the encoded video data supplied from the video signal processing unit ex355 and the encoded audio data supplied from the audio signal processing unit ex354 by a predetermined method, and is obtained as a result.
  • the multiplexed data is subjected to spread spectrum processing by the modulation / demodulation unit (modulation / demodulation circuit unit) ex352, digital-analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the multiplexing / separating unit ex353 separates the multiplexed data into a video data bit stream and an audio data bit stream, and performs video signal processing on the video data encoded via the synchronization bus ex370.
  • the encoded audio data is supplied to the audio signal processing unit ex354 while being supplied to the unit ex355.
  • the video signal processing unit ex355 decodes the video signal by decoding using the video decoding method corresponding to the video encoding method described in each of the above embodiments (that is, an image according to an aspect of the present invention).
  • video and still images included in the moving image file linked to the home page are displayed from the display unit ex358 via the LCD control unit ex359.
  • the audio signal processing unit ex354 decodes the audio signal, and the audio is output from the audio output unit ex357.
  • the terminal such as the mobile phone ex114 is referred to as a transmission terminal having only an encoder and a receiving terminal having only a decoder.
  • a transmission terminal having only an encoder
  • a receiving terminal having only a decoder.
  • multiplexed data in which music data or the like is multiplexed with video data is received and transmitted, but data in which character data or the like related to video is multiplexed in addition to audio data It may be video data itself instead of multiplexed data.
  • the moving picture encoding method or the moving picture decoding method shown in each of the above embodiments can be used in any of the above-described devices / systems. The described effect can be obtained.
  • multiplexed data obtained by multiplexing audio data or the like with video data is configured to include identification information indicating which standard the video data conforms to.
  • identification information indicating which standard the video data conforms to.
  • FIG. 18 is a diagram showing a structure of multiplexed data.
  • the multiplexed data is obtained by multiplexing one or more of a video stream, an audio stream, a presentation graphics stream (PG), and an interactive graphics stream.
  • the video stream indicates the main video and sub-video of the movie
  • the audio stream (IG) indicates the main audio portion of the movie and the sub-audio mixed with the main audio
  • the presentation graphics stream indicates the subtitles of the movie.
  • the main video indicates a normal video displayed on the screen
  • the sub-video is a video displayed on a small screen in the main video.
  • the interactive graphics stream indicates an interactive screen created by arranging GUI components on the screen.
  • the video stream is encoded by the moving image encoding method or apparatus shown in the above embodiments, or the moving image encoding method or apparatus conforming to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1. ing.
  • the audio stream is encoded by a method such as Dolby AC-3, Dolby Digital Plus, MLP, DTS, DTS-HD, or linear PCM.
  • Each stream included in the multiplexed data is identified by PID. For example, 0x1011 for video streams used for movie images, 0x1100 to 0x111F for audio streams, 0x1200 to 0x121F for presentation graphics, 0x1400 to 0x141F for interactive graphics streams, 0x1B00 to 0x1B1F are assigned to video streams used for sub-pictures, and 0x1A00 to 0x1A1F are assigned to audio streams used for sub-audio mixed with the main audio.
  • FIG. 19 is a diagram schematically showing how multiplexed data is multiplexed.
  • a video stream ex235 composed of a plurality of video frames and an audio stream ex238 composed of a plurality of audio frames are converted into PES packet sequences ex236 and ex239, respectively, and converted into TS packets ex237 and ex240.
  • the data of the presentation graphics stream ex241 and interactive graphics ex244 are converted into PES packet sequences ex242 and ex245, respectively, and further converted into TS packets ex243 and ex246.
  • the multiplexed data ex247 is configured by multiplexing these TS packets into one stream.
  • FIG. 20 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first level in FIG. 20 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in a video stream are divided into pictures, stored in the payload of the PES packet.
  • Each PES packet has a PES header, and a PTS (Presentation Time-Stamp) that is a display time of a picture and a DTS (Decoding Time-Stamp) that is a decoding time of a picture are stored in the PES header.
  • PTS Presentation Time-Stamp
  • DTS Decoding Time-Stamp
  • FIG. 21 shows the format of 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 as shown in the lower part of FIG. 21, and the number incremented from the head of the multiplexed data is called SPN (source packet number).
  • TS packets included in the multiplexed data include PAT (Program Association Table), PMT (Program Map Table), PCR (Program Clock Reference), and the like in addition to each stream such as video / audio / caption.
  • PAT indicates what the PID of the PMT used in the multiplexed data is, and the PID of the PAT itself is registered as 0.
  • the PMT has the PID of each stream such as video / audio / subtitles included in the multiplexed data and the attribute information of the stream corresponding to each PID, and has various descriptors related to the multiplexed data.
  • the descriptor includes copy control information for instructing permission / non-permission of copying of multiplexed data.
  • the PCR corresponds to the ATS in which the PCR packet is transferred to the decoder. Contains STC time information.
  • FIG. 22 is a diagram for explaining the data structure of the PMT in detail.
  • a PMT header describing the length of data included in the PMT is arranged at the head of the PMT.
  • a plurality of descriptors related to multiplexed data are arranged.
  • the copy control information and the like are described as descriptors.
  • a plurality of pieces of stream information regarding each stream included in the multiplexed data are arranged.
  • the stream information includes a stream descriptor in which a stream type, a stream PID, and stream attribute information (frame rate, aspect ratio, etc.) are described to identify a compression codec of the stream.
  • the multiplexed data is recorded together with the multiplexed data information file.
  • the multiplexed data information file is management information of multiplexed data, has one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
  • the multiplexed data information 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. 25 shows steps of the moving picture decoding method according to the present embodiment.
  • step exS100 the stream type included in the PMT or the video stream attribute information included in the multiplexed data information is acquired from the multiplexed data.
  • step exS101 it is determined whether or not the stream type or the video stream attribute information indicates multiplexed data generated by the moving picture encoding method or apparatus described in the above embodiments. To do.
  • step exS102 the above embodiments are performed. Decoding is performed by the moving picture decoding method shown in the form.
  • the conventional information Decoding is performed by a moving image decoding method compliant with the standard.
  • FIG. 26 shows the configuration of an LSI ex500 that is made into one chip.
  • the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
  • the power supply circuit unit ex505 is activated to an operable state by supplying power to each unit when the power supply is on.
  • the LSI ex500 uses the AV I / O ex509 to perform the microphone ex117 and the camera ex113 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the driving frequency control unit ex512, and the like.
  • the AV signal is input from the above.
  • the input AV signal is temporarily stored in an external memory ex511 such as SDRAM.
  • the accumulated data is divided into a plurality of times as appropriate according to the processing amount and the processing speed and sent to the signal processing unit ex507, and the signal processing unit ex507 encodes an audio signal and / or video. Signal encoding is performed.
  • the encoding process of the video signal is the encoding process described in the above embodiments.
  • the signal processing unit ex507 further performs processing such as multiplexing the encoded audio data and the encoded video data according to circumstances, and outputs the result from the stream I / Oex 506 to the outside.
  • the output multiplexed data is transmitted to the base station ex107 or written to the recording medium ex215. It should be noted that data should be temporarily stored in the buffer ex508 so as to be synchronized when multiplexing.
  • the memory ex511 is described as an external configuration of the LSI ex500.
  • a configuration included in the LSI ex500 may be used.
  • the number of buffers ex508 is not limited to one, and a plurality of buffers may be provided.
  • the LSI ex500 may be made into one chip or a plurality of chips.
  • control unit ex501 includes the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like, but the configuration of the control unit ex501 is not limited to this configuration.
  • the signal processing unit ex507 may further include a CPU.
  • the CPU ex502 may be configured to include a signal processing unit ex507 or, for example, an audio signal processing unit that is a part of the signal processing unit ex507.
  • the control unit ex501 is configured to include a signal processing unit ex507 or a CPU ex502 having a part thereof.
  • LSI LSI
  • IC system LSI
  • super LSI ultra LSI depending on the degree of integration
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • Such a programmable logic device typically loads or reads a program constituting software or firmware from a memory or the like, so that the moving image encoding method or the moving image described in each of the above embodiments is used.
  • An image decoding method can be performed.
  • FIG. 27 shows a configuration ex800 in the present embodiment.
  • the drive frequency switching unit ex803 sets the drive frequency high when the video data is generated by the moving image encoding method or apparatus described in the above embodiments.
  • the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments is instructed to decode the video data.
  • the video data is video data compliant with the conventional standard, compared to the case where the video data is generated by the moving picture encoding method or apparatus shown in the above embodiments, Set the drive frequency low. Then, it instructs the decoding processing unit ex802 compliant with the conventional standard to decode the video data.
  • the drive frequency switching unit ex803 includes the CPU ex502 and the drive frequency control unit ex512 in FIG.
  • the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments and the decoding processing unit ex802 that complies with the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to. Then, based on the signal from the CPU ex502, the drive frequency control unit ex512 sets the drive frequency. Further, based on the signal from the CPU ex502, the signal processing unit ex507 decodes the video data.
  • the identification 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. In addition, the selection of the driving frequency in the CPU ex502 may be performed based on, for example, a lookup table in which video data standards and driving frequencies are associated with each other as shown in FIG. The look-up table is stored in the buffer ex508 or the internal memory of the LSI, and the CPU ex502 can select the drive frequency by referring to the look-up table.
  • FIG. 28 shows steps for executing the method of the present embodiment.
  • the signal processing unit ex507 acquires identification information from the multiplexed data.
  • the CPU ex502 identifies whether the video data is generated by the encoding method or apparatus described in each of the above embodiments based on the identification information.
  • the CPU ex502 sends a signal for setting the drive frequency high to the drive frequency control unit ex512. Then, the drive frequency control unit ex512 sets a high drive frequency.
  • step exS203 the CPU ex502 drives the signal for setting the drive frequency low. This is sent to the frequency control unit ex512. Then, in the drive frequency control unit ex512, the drive frequency is set to be lower than that in the case where the video data is generated by the encoding method or apparatus described in the above embodiments.
  • the power saving effect can be further enhanced by changing the voltage applied to the LSI ex500 or the device including the LSI ex500 in conjunction with the switching of the driving frequency. For example, when the drive frequency is set low, it is conceivable that the voltage applied to the LSI ex500 or the device including the LSI ex500 is set low as compared with the case where the drive frequency is set high.
  • the setting method of the driving frequency may be set to a high driving frequency when the processing amount at the time of decoding is large, and to a low driving frequency when the processing amount at the time of decoding is small. It is not limited to the method.
  • the amount of processing for decoding video data compliant with the MPEG4-AVC standard is larger than the amount of processing for decoding video data generated by the moving picture encoding method or apparatus described in the above embodiments. It is conceivable that the setting of the driving frequency is reversed to that in the case described above.
  • the method for setting the drive frequency is not limited to the configuration in which the drive frequency is lowered.
  • the voltage applied to the LSIex500 or the apparatus including the LSIex500 is set high.
  • the driving of the CPU ex502 is stopped.
  • the CPU ex502 is temporarily stopped because there is room in processing. Is also possible. Even when the identification information indicates that the video data is generated by the moving image encoding method or apparatus described in each of the above embodiments, if there is a margin for processing, the CPU ex502 is temporarily driven. It can also be stopped. In this case, it is conceivable to set the stop time shorter than in the case where the video data conforms to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1.
  • a plurality of video data that conforms to different standards may be input to the above-described devices and systems such as a television and a mobile phone.
  • the signal processing unit ex507 of the LSI ex500 needs to support a plurality of standards in order to be able to decode even when a plurality of video data complying with different standards is input.
  • the signal processing unit ex507 corresponding to each standard is used individually, there is a problem that the circuit scale of the LSI ex500 increases and the cost increases.
  • a decoding processing unit for executing the moving picture decoding method shown in each of the above embodiments and a decoding conforming to a standard such as MPEG-2, MPEG4-AVC, or VC-1
  • the processing unit is partly shared.
  • An example of this configuration is shown as ex900 in FIG. 30A.
  • the moving picture decoding method shown in each of the above embodiments and the moving picture decoding method compliant with the MPEG4-AVC standard are processed in processes such as entropy coding, inverse quantization, deblocking filter, and motion compensation. Some contents are common.
  • the decoding processing unit ex902 corresponding to the MPEG4-AVC standard is shared, and for other processing contents specific to one aspect of the present invention that do not correspond to the MPEG4-AVC standard, a dedicated decoding processing unit A configuration using ex901 is conceivable.
  • a dedicated decoding processing unit ex901 is used for multi-view image control, and other dequantization and entropy are used. It is conceivable to share a decoding processing unit for any of decoding, deblocking filter, motion compensation, or all processes.
  • the decoding processing unit for executing the moving picture decoding method described in each of the above embodiments is shared, and the processing content specific to the MPEG4-AVC standard As for, a configuration using a dedicated decoding processing unit may be used.
  • ex1000 in FIG. 30B shows another example in which processing is partially shared.
  • a dedicated decoding processing unit ex1001 corresponding to the processing content specific to one aspect of the present invention
  • a dedicated decoding processing unit ex1002 corresponding to the processing content specific to another conventional standard
  • a common decoding processing unit ex1003 corresponding to the processing contents common to the moving image decoding method according to the above and other conventional moving image decoding methods.
  • the dedicated decoding processing units ex1001 and ex1002 are not necessarily specialized in one aspect of the present invention or processing content specific to other conventional standards, and can execute other general-purpose processing. Also good.
  • the configuration of the present embodiment can be implemented by LSI ex500.
  • the processing content common to the moving picture decoding method according to one aspect of the present invention and the moving picture decoding method of the conventional standard reduces the circuit scale of the LSI by sharing the decoding processing unit, In addition, the cost can be reduced.
  • the present invention can be applied to an image encoding method, an image decoding method, an image encoding device, and an image decoding device.
  • the present invention can also be used for high-resolution information display devices or imaging devices such as televisions, digital video recorders, car navigation systems, mobile phones, digital cameras, and digital video cameras that include an image encoding device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Library & Information Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

　複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップ（Ｓ１０１）と、前記視点識別情報を符号化する符号化ステップ（Ｓ１０２）とを含む。例えば、前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示してもよい。

Description

画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
　本発明は、画像符号化方法及び画像復号方法に関する。
　３Ｄ映像（立体視映像）アプリケーションにおいて、典型的には、２以上の画像を含む多視点画像が、例えば、ビデオ符号化標準Ｈ．２６４／ＭＶＣ（Ｍｕｌｔｉ　Ｖｉｅｗ　Ｃｏｄｉｎｇ）に準拠する画像符号化装置で撮影されるとともに符号化されることで符号化データが生成される。なお、多視点画像には、デプス情報が含まれる場合もある。そして符号化データが画像復号装置に送信される。画像復号装置は、符号化データを復号し、復号により得られた多視点画像を表示する。
　ここで、例えば、画像符号化装置は、互いに所定の距離離れて配置された２台のカメラを用いて、多視点画像を撮影する（例えば、非特許文献１参照）。
Ａ．　Ｎｏｒｋｉｎ，　Ｉ．　ＧＩｒｄｚｉｊａｕｓｋａｓ，　Ｙ．　Ｚｈａｏ，　Ｙ．　Ｌｕｏ，　"Ｓｈｏｗ－ｃａｓｅ　ａｎｄ　ｓｙｎｔａｘ　ｆｏｒ　ＳＥＩ　ｍｅｓｓａｇｅ　ｏｎ　ｒｅｆｅｒｅｎｃｅ　ｄｉｓｐｌａｙ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｉｇｎａｌｉｎｇ"，　ＭＰＥＧ　ｄｏｃｕｍｅｎｔ　ｍ２６２７５
　しかしながら、このような画像符号化方法及び画像復号方法では、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できることが望まれている。
　そこで、本発明は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる画像符号化方法又は画像復号方法を提供することを目的とする。
　本発明の一態様に係る画像符号化方法は、複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップと、前記視点識別情報を符号化する符号化ステップとを含む。
　なお、これらの全般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及び記録媒体の任意な組み合わせで実現されてもよい。
　本発明は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる画像符号化方法又は画像復号方法を提供できる。
図１は、参考例に係る画像符号化装置及び画像復号装置のブロック図である。 図２は、参考例に係る画像符号化装置及び画像復号装置のブロック図である。 図３は、参考例に係る画像符号化装置及び画像復号装置のブロック図である。 図４は、参考例に係るＳＥＩのシンタックス構成の一例を示す図である。 図５は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図６Ａは、実施の形態１に係る画像符号化処理のフローチャートである。 図６Ｂは、実施の形態１に係る画像復号処理のフローチャートである。 図７は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図８は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図９は、実施の形態１に係る画像符号化装置及び画像復号装置のブロック図である。 図１０は、実施の形態１の別の例に係る画像符号化装置及び画像復号装置のブロック図である。 図１１は、実施の形態１に係るＳＥＩのシンタックス構成の一例を示す図である。 図１２は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１３は、デジタル放送用システムの全体構成図である。 図１４は、テレビの構成例を示すブロック図である。 図１５は、光ディスクである記録メディアに情報の読み書きを行う情報再生／記録部の構成例を示すブロック図である。 図１６は、光ディスクである記録メディアの構造例を示す図である。 図１７Ａは、携帯電話の一例を示す図である。 図１７Ｂは、携帯電話の構成例を示すブロック図である。 図１８は、多重化データの構成を示す図である。 図１９は、各ストリームが多重化データにおいてどのように多重化されているかを模式的に示す図である。 図２０は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかを更に詳しく示した図である。 図２１は、多重化データにおけるＴＳパケットとソースパケットの構造を示す図である。 図２２は、ＰＭＴのデータ構成を示す図である。 図２３は、多重化データ情報の内部構成を示す図である。 図２４は、ストリーム属性情報の内部構成を示す図である。 図２５は、映像データを識別するステップを示す図である。 図２６は、各実施の形態の動画像符号化方法および動画像復号化方法を実現する集積回路の構成例を示すブロック図である。 図２７は、駆動周波数を切り替える構成を示す図である。 図２８は、映像データを識別し、駆動周波数を切り替えるステップを示す図である。 図２９は、映像データの規格と駆動周波数を対応づけたルックアップテーブルの一例を示す図である。 図３０Ａは、信号処理部のモジュールを共有化する構成の一例を示す図である。 図３０Ｂは、信号処理部のモジュールを共有化する構成の他の一例を示す図である。
　（本発明の基礎となった知見）
　本発明者は、「背景技術」の欄において記載した、画像符号化方法及画像復号方法に関し、以下の問題が生じることを見出した。
　非特許文献１で説明されるように、カメラ間の距離が一定の場合、視聴者が感じる奥行き感は、ディスプレイの画面サイズに依存する。
　これに対して、非特許文献１では、画像復号装置（表示装置）が奥行き感を調節できるように、撮影時のカメラ間の実際の距離に関するＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　ｅｎｈａｎｃｅｍｅｎｔ　ｉｎｆｏｒｍａｔｉｏｎ）「ｄｅｐｔｈ＿ａｃｑｕｉｓｉｔｉｏｎ＿ｉｎｆｏ」が画像復号装置に送信される。さらに、ＳＥＩ「３ｄ＿ｒｅｆｅｒｅｎｃｅ＿ｄｉｓｐｌａｙｓ＿ｉｎｆｏ」によって、例えば、視聴条件ごとに、当該視聴条件で最適な奥行き感を実現できる最適なカメラ間の距離が送信される。ここで、視聴条件とは、具体的には、ディスプレイの画面サイズである。
　これにより、画像復号装置は、実際のカメラ間距離と最適なカメラ間距離との関係に基づいて、最適な距離に対応する画像を表示することで、奥行き感を調節することができる。
　また、表示される各視点の画像は、２視点の画像を合成することで生成される場合もある。
　図１～図３は、本実施の形態の参考例に係る画像符号化装置１００及び画像復号装置２００の構成を示す図である。
　画像符号化装置１００は、被写体（シーン）を複数の視点から撮影し、撮影により得られた多視点画像を符号化することで符号化ビットストリームを生成する。この画像符号化装置１００は、第１カメラ１１１と、第２カメラ１１２と、第１エンコーダ１２１と、第２エンコーダ１２２と、ＳＥＩ生成部１３１と、ＳＥＩエンコーダ１３２とを備える。
　第１カメラ１１１及び第２カメラ１１２は多視点画像を撮影する。具体的には、第１カメラ１１１は、第１視点から、被写体（シーン）を撮影することにより第１画像１５１を生成する。第２カメラ１１２は、第２視点から、被写体を撮影することにより第２画像１５２を生成する。
　第１エンコーダ１２１は、第１画像１５１を符号化することで第１符号化画像１６１を生成する。第２エンコーダ１２２は、第２画像１５２を符号化することで第２符号化画像１６２を生成する。
　ＳＥＩ生成部１３１は、画面サイズごとに対応付けられた最適距離１７１を生成する。つまり、ＳＥＩ生成部１３１は、複数の画像サイズに対応付けられた複数の最適距離１７１を生成する。各最適距離１７１は、対応付けられた画面サイズのディスプレイに多視点画像を表示する際に最適な奥行き感を視聴者に与えることができるカメラ間（視点間）の距離である。
　ＳＥＩエンコーダ１３２は、複数の最適距離１７１を符号化することで符号化最適距離１７２を生成する。
　このように、画像符号化装置１００は、第１符号化画像１６１、第２符号化画像１６２及び符号化最適距離１７２を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置２００へ伝播される。
　画像復号装置２００は、画像符号化装置１００により生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置２００は、第１デコーダ２１１と、第２デコーダ２１２と、ＳＥＩデコーダ２２１と、表示装置２２２とを含む。
　第１デコーダ２１１は、第１符号化画像１６１を復号することで第１復号画像２５１を生成する。第２デコーダ２１２は、第２符号化画像１６２を復号することで第２復号画像２５２を生成する。
　ＳＥＩデコーダ２２１は、符号化最適距離１７２を復号することにより複数の最適距離２６２を生成する。
　表示装置２２２（ディスプレイ）は、第１復号画像２５１及び第２復号画像２５２を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置２２２は、複数の最適距離２６２のうち、自身の画面サイズ２６１に対応付けられている最適距離２６２を取得する。そして、表示装置２２２は、取得した最適距離２６２に応じて多視点画像を表示する。
　例えば、図１に示すように、表示装置２２２は、第１復号画像２５１及び第２復号画像２５２を用いて、視点合成を行うことで、第１視点と第２視点との間の視点に対応する合成画像を生成する。そして、表示装置２２２は、生成した合成画像と第１カメラ１１１の画像（第１復号画像２５１）とを多視点画像として表示する。ここで、合成画像と、第１カメラ１１１の画像との視点間の距離は、最適距離２６２に等しい。
　なお、図２に示すように、表示装置２２２は、合成画像と第２カメラ１１２の画像（第２復号画像２５２）とを表示してもよい。また、図３に示すように表示装置２２２は、二つの合成画像を表示してもよい。
　また、図４は、ＳＥＩ「３ｄ＿ｒｅｆｅｒｅｎｃｅ＿ｄｉｓｐｌａｙｓ＿ｉｎｆｏ」のシンタックスを示す図である。図４に示す、ｅｘｐｏｎｅｔ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ［ｉ］及びｍａｉｎｔｉｓｓａ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ［ｉ］が最適距離１７１（２６２）に対応する。なお、図４に示す各パラメータの意味は、例えば、非特許文献１に記載されている。
　このように、画像復号装置２００は、複数の視点の画像を符号化するために使用されたカメラ間の実際の距離に関する情報を符号化ビットストリームから復号する。また、画像復号装置２００は、１以上の視聴条件を示す情報を符号化ビットストリームから復号する。ここで、視聴条件とは、例えば、画像復号装置２００が有する表示装置２２２の画面サイズである。画像復号装置２００は、さらに、符号化ビットストリームから、各視聴条件の最適なカメラ間距離を示す情報である複数の最適距離２６２を復号する。ここで、最適なカメラ間距離とは、視聴者に最適な奥行き感を与えるために各視点の画像を撮影するために使用されるべきだったカメラ間距離である。
　画像復号装置２００は、実際の視聴条件、復号された最適なカメラ間距離、及び実際のカメラ間距離を使用して、希望の奥行き感を実現できる、表示に使用される視点（ビュー）を選択する。画像復号装置２００は、さらに、表示に用いられる２つ視点の距離が最適なカメラ間距離になるように、視点合成によって、表示する画像を生成してもよい。
　このように、画像符号化装置１００は、画像復号装置２００が視点合成のための視点位置の算出が行えるように、画像復号装置２００へ、最適なカメラ間距離を算出するためのパラメータを送信する。
　また、画像復号装置２００は、ＳＥＩから、実際のカメラ間距離と最適なカメラ間距離との関係を把握し、表示に用いられる視点を選択する。つまり、画像復号装置２００は、２つの視点間の距離が最適なカメラ間距離になるように、２つの視点の位置を決定する。
　しかしながら、画像復号装置２００は、２つの視点間の距離が最適なカメラ距離であれば、２つの視点を任意に設定することできる。例えば、画像復号装置２００は、図１～図３に示すように表示に用いられる２つの視点を任意に選択することができる。つまり、どの視点が選択されるかは、画像復号装置２００に依存するので、全ての視聴者に同じ内容が表示されるわけでない。
　このように、上記技術では、画像復号装置に応じて表示される内容が異なる場合が生じるという問題があることを、本発明者は見出した。
　本発明の一態様に係る画像符号化方法は、複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップと、前記視点識別情報を符号化する符号化ステップとを含む。
　これによれば、当該画像符号化方法は、画像復号装置の画面サイズに応じて、画像復号装置が選択すべき視点を特定するための視点識別情報を、画像復号装置へ送信する。これにより、画像復号装置は、自身の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像符号化方法は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる。
　例えば、前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示してもよい。
　例えば、前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示してもよい。
　例えば、前記視点識別情報は、前記複数の撮影視点を識別するための識別子であってもよい。
　また、本発明の一態様に係る画像復号方法は、複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号方法であって、前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する復号ステップと、復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する決定ステップとを含む。
　これによれば、当該画像復号方法は、画像復号装置の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像復号方法は、画像復号装置に依存しない最適な奥行き感を視聴者に提供できる。
　例えば、前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示し、前記決定ステップでは、前記複数の撮影視点のうち前記視点識別情報で示される前記一つの撮影視点を前記複数の表示視点の一つに決定してもよい。
　例えば、前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示してもよい。
　例えば、前記視点識別情報は、前記複数の撮影視点を識別するための識別子であってもよい。
　また、本発明の一態様に係る画像符号化装置は、複数の撮影視点から撮影された多視点画像を符号化する画像符号化装置であって、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する視点識別情報生成部と、前記視点識別情報を符号化する視点識別情報符号化部とを備える。
　これによれば、当該画像符号化装置は、画像復号装置の画面サイズに応じて、画像復号装置が選択すべき視点を特定するための視点識別情報を、画像復号装置へ送信する。これにより、画像復号装置は、自身の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像符号化装置は、画像復号装置に依存せずに、最適な奥行き感を視聴者に提供できる。
　また、本発明の一態様に係る画像復号装置は、複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号装置であって、前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する視点識別情報復号部と、復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する視点決定部とを備える。
　これによれば、当該画像復号装置は、自身の画面サイズに対応付けられた視点識別情報で特定される視点を用いて画像を表示する。このように、画像復号装置において一意的に表示に用いられる視点が決定される。よって、当該画像復号装置は、自身の機能に依存しない最適な奥行き感を視聴者に提供できる。
　また、本発明の一態様に係る画像符号化復号装置は、前記画像符号化装置と、前記画像復号装置とを備えてもよい。
　なお、これらの全般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及び記録媒体の任意な組み合わせで実現されてもよい。
　以下、本発明の実施の形態について、図面を参照しながら説明する。
　なお、以下で説明する実施の形態は、いずれも本発明の一具体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）
　本実施の形態は、表示されるコンテンツが全ての視聴者に対して同じであることを保証するために画像復号装置で表示に用いられる視点を定義することができる効率的な手法について説明する。
　具体的には、本実施の形態に係る画像符号化装置は、１以上の視聴条件（具体的には画面サイズ）の各々に対して、最適なカメラ間距離に対応する視点位置を選択し、ビットストリーム内のこの視点位置に関する情報を符号化する。
　画像復号装置は、１つ以上の視聴条件を示す情報をビットストリームから復号する。画像復号装置は、さらに、ビットストリームから、復号された各視聴条件について視点位置に関する情報を復号する。この視点位置は、視聴者に最適な奥行き感を与えるために各視点の画像を撮影するために使用されるべきだった最適なカメラ間距離に相当する。つまり、画像復号装置は、ビットストリームからの実際のカメラ距離を示す情報を復号する必要はない。画像復号装置は、実際の視聴条件及び復号された視点位置を使用して、希望の奥行き感を達成できる複数の視点を選択する。
　図５は、本実施の形態に係る画像符号化装置３００及び画像復号装置４００の構成を示すブロック図である。
　画像符号化装置３００は、被写体（シーン）を複数の視点（撮影視点）から撮影し、撮影により得られた多視点画像（多視点映像）を符号化することで符号化ビットストリームを生成する。この画像符号化装置３００は、第１カメラ３１１と、第２カメラ３１２と、第１エンコーダ３２１と、第２エンコーダ３２２と、ＳＥＩ生成部３３１と、ＳＥＩエンコーダ３３２とを備える。
　第１カメラ３１１及び第２カメラ３１２は多視点画像を撮影する。具体的には、第１カメラ３１１は、第１視点から、被写体（シーン）を撮影することにより第１画像３５１を生成する。第２カメラ３１２は、第２視点から、被写体を撮影することにより第２画像３５２を生成する。第１画像３５１及び第２画像３５２は、多視点画像に含まれる。
　第１エンコーダ３２１は、第１画像３５１を符号化することで第１符号化画像３６１を生成する。第２エンコーダ３２２は、第２画像３５２を符号化することで第２符号化画像３６２を生成する。
　ＳＥＩ生成部３３１は、画面サイズごとに対応付けられた視点位置３７１を生成する視点識別情報生成部である。つまり、ＳＥＩ生成部３３１は、複数の画像サイズに対応付けられた複数の視点位置３７１を生成する。各視点位置３７１は、対応付けられた画面サイズのディスプレイに多視点画像（立体視画像）を表示する際に最適な奥行き感を視聴者に与えることができる二つの視点（表示視点）の位置である。
　ＳＥＩエンコーダ３３２は、複数の視点位置３７１を符号化することで符号化視点位置３７２を生成する視点識別情報符号化部である。
　このように、画像符号化装置３００は、第１符号化画像３６１、第２符号化画像３６２及び符号化視点位置３７２を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置４００へ伝播される。
　画像復号装置４００は、画像符号化装置３００により生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置４００は、第１デコーダ４１１と、第２デコーダ４１２と、ＳＥＩデコーダ４２１と、表示装置４２２とを含む。
　第１デコーダ４１１は、第１符号化画像３６１を復号することで第１復号画像４５１を生成する。第２デコーダ４１２は、第２符号化画像３６２を復号することで第２復号画像４５２を生成する。
　ＳＥＩデコーダ４２１は、符号化視点位置３７２を復号することにより複数の視点位置４６２を生成する視点識別情報復号部である。
　表示装置４２２（ディスプレイ）は、第１復号画像４５１及び第２復号画像４５２を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置４２２は、複数の視点位置４６２のうち、自身の画面サイズ４６１に対応付けられている視点位置４６２を取得する。そして、表示装置４２２は、取得した視点位置４６２に応じて、表示に用いる複数の視点である複数の表示視点を決定し、決定した表示視点からの画像を多視点画像として表示する。この表示視点の決定は、表示装置４２２に含まれる視点決定部により行われる。
　例えば、図５に示すように、表示装置４２２は、第１復号画像４５１及び第２復号画像４５２を用いて、視点合成を行うことで、第１視点と第２視点との間の視点に対応する合成画像を生成する。ここで、視点合成により生成された二つの合成画像の視点位置は、取得された二つの視点位置４６２に対応する。例えば、二つの合成画像の視点位置は、二つの視点位置４６２と同じである。
　そして、表示装置４２２は、生成した二つの合成画像を多視点画像として表示する。なお、二つの視点位置４６２の少なくとも一方は、第１カメラの視点位置又は第２カメラの視点位置と等しくてもよい。この場合、視点合成は行われず、第１復号画像４５１又は第２復号画像４５２が表示に用いられる。
　図６Ａは、画像符号化装置３００による画像符号化処理の概要を示すフローチャートである。
　図６Ａに示すように、画像符号化装置３００は、画像復号装置で用いられる複数の画面サイズの各々に対応付けて、画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する（Ｓ１０１）。ここで視点識別情報とは、上述した視点位置３７１に対応する。
　次に、画像符号化装置３００は、上記記視点識別情報を符号化する（Ｓ１０２）。そして、符号化された視点識別情報を含むビットストリームが画像復号装置４００へ送信される。
　図６Ｂは、画像復号装置４００による画像復号処理の概要を示すフローチャートである。
　図６Ｂに示すように、画像復号装置４００は、ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する（Ｓ２０１）。
　次に、画像復号装置４００は、復号された複数の視点識別情報のうち、画像復号装置４００が有する表示装置４２２の画面サイズ４６１に対応付けられている視点識別情報を用いて、画像復号装置４００が表示に用いる複数の視点である複数の表示視点を決定する（Ｓ２０２）。また、画像復号装置４００は、決定された複数の表示視点を用いて多視点画像を表示する。具体的には、画像復号装置４００は、第１視点の第１復号画像４５１及び第２視点の第２復号画像４５２を用いて、複数の表示視点から見た複数の画像を生成し、生成した複数の画像を表示する。
　以上により、本実施の形態では、ビットストリームに、視点(例えば、ステレオ表示のための２つの視点)の視点識別情報が直接含まれる。この場合、画像復号装置４００は、最適なカメラ間距離を知る必要がない。つまり、最適なカメラ間距離を省略することができる。
　さらに、画像復号装置４００は、表示に用いられる視点を自動的に選択する必要がない。よって、異なる画像復号装置において、視聴条件が同じであれば、表示に用いられる視点として、同一の視点が選択される。よって、画像復号装置が異なる場合であっても、同一の奥行き感を保証できる。
　つまり、本実施の形態では、視点間の距離（視点間の相対位置）ではなく、視点位置を直接示す情報が、画像符号化装置３００から画像復号装置４００へ送られる。
　また、画像符号化装置３００は、画像復号装置４００においてどの視点が表示に用いられるかを制御できる。したがって、コンテンツ制作者は、例えば、最適な画質、又は好ましい内容等の個々の要求に応じて、表示されるコンテンツに影響を及ぼすことができる。なぜなら、複数の視点がオリジナルの場面のわずかに異なる視点からの映像である。よって、表示されるコンテンツは、符号化された視点の選択に依存して異なるからである。
　このように、本実施の形態は、単に、画像復号装置で表示される視点を定義することで、表示されるコンテンツが全ての視聴者に対して同じになることを保証するだけでなく、さらに、画像符号化装置で、例えば、主観的な画質が最大限になるように、視点を選択することができる。
　なお、上記では、多視点画像として、ステレオ画像が用いられる例を述べたが、多視点画像は３以上の視点の画像を含んでもよい。また、画像符号化装置３００で生成される多視点画像の視点数と、画像復号装置４００で表示される多視点画像の視点数とが異なってもよい。
　以下、視点識別情報（視点位置４６２等）の具体例を説明する。
　図７は、視点識別情報として視点識別子を用いる場合の画像符号化装置３００Ａ及び画像復号装置４００Ａの構成を示すブロック図である。なお、図５と同様の要素には同一の符号を付しており、以下では主に相違点を説明する。
　図７に示す画像符号化装置３００Ａは、画像符号化装置３００の構成に加え、さらに、第３カメラ３１３及び第３エンコーダ３２３を備える。また、ＳＥＩ生成部３３１Ａ及びＳＥＩエンコーダ３３２Ａの機能がＳＥＩ生成部３３１及びＳＥＩエンコーダ３３２と異なる。
　第３カメラ３１３は、第３視点から、被写体（シーン）を撮影することにより第３画像３５３を生成する。つまり、第１カメラ３１１、第２カメラ３１２及び第３カメラ３１３は、第１画像３５１、第２画像３５２及び第３画像３５３を含む多視点画像を生成する。また、第１カメラ３１１、第２カメラ３１２及び第３カメラ３１３には、各カメラを一意に識別するための識別子（ＩＤ１、ＩＤ２及びＩＤ３）が割り当てられている。
　第３エンコーダ３２３は、第３画像３５３を符号化することで第３符号化画像３６３を生成する。
　ＳＥＩ生成部３３１Ａは、画面サイズごとに対応付けられた視点識別子３７３を生成する視点識別情報生成部である。つまり、ＳＥＩ生成部３３１Ａは、複数の画像サイズに対応付けられた複数の視点識別子３７３を生成する。各視点識別子３７３は、複数の撮影視点を識別するための識別子であり、例えば、カメラに割り当てられている識別子（ＩＤ１、ＩＤ２及びＩＤ３）を示す。言い換えると、この視点識別子３７３は、第１画像３５１、第２画像３５２及び第３画像３５３を識別する識別子であるとともに、後述する第１復号画像４５１、第２復号画像４５２及び第３復号画像４５３を識別する識別子である。
　また、この視点識別子３７３は、対応付けられた画面サイズのディスプレイに多視点画像（立体視画像）を表示する際に最適な奥行き感を視聴者に与えることができる二つの視点（表示視点）に対応する撮影視点を示す。具体的には、この識別子は、視点ＩＤ（ｖｉｅｗ　ＩＤ）又は視点順インデックス（ｖｉｅｗ　ｏｒｄｅｒ　ｉｎｄｅｘ）である。
　ＳＥＩエンコーダ３３２Ａは、複数の視点識別子３７３を符号化することで符号化視点識別子３７４を生成する視点識別情報符号化部である。
　このように、画像符号化装置３００Ａは、第１符号化画像３６１、第２符号化画像３６２、第３符号化画像３６３及び符号化視点識別子３７４を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置４００Ａへ伝播される。
　画像復号装置４００Ａは、画像符号化装置３００Ａにより生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置４００Ａは、画像復号装置４００の構成に加え、さらに、第３デコーダ４１３を備える。また、ＳＥＩデコーダ４２１Ａ及び表示装置４２２Ａの機能がＳＥＩデコーダ４２１及び表示装置４２２と異なる。
　第３デコーダ４１３は、第３符号化画像３６３を復号することで第３復号画像４５３を生成する。
　ＳＥＩデコーダ４２１Ａは、符号化視点識別子３７４を復号することにより複数の視点識別子４６３を生成する視点識別情報復号部である。
　表示装置４２２Ａ（ディスプレイ）は、第１復号画像４５１、第２復号画像４５２及び第３復号画像４５３を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置４２２Ａは、複数の視点識別子４６３のうち、自身の画面サイズ４６１に対応付けられている視点識別子４６３を取得する。そして、表示装置４２２Ａは、取得した視点識別子４６３に応じて、表示に用いる複数の視点である複数の表示視点を決定し、決定した表示視点からの画像を多視点画像として表示する。この表示視点の決定は、表示装置４２２Ａに含まれる視点決定部により行われる。
　具体的には、表示装置４２２Ａは、複数の撮影視点のうち視点識別情報で示される一つの撮影視点を複数の表示視点の一つに決定する。つまり、表示装置４２２Ａは、複数の復号画像（第１復号画像４５１、第２復号画像４５２及び第３復号画像４５３）のうち、視点識別子４６３に対応する複数の復号画像を表示する。例えば、図７に示すように、視点識別子４６３でＩＤ１及びＩＤ２が示される場合、表示装置４２２Ａは、第１復号画像４５１及び第２復号画像４５２を表示する。また、図８に示すように、視点識別子４６３でＩＤ１及びＩＤ３が示される場合、表示装置４２２Ａは、第１復号画像４５１及び第３復号画像４５３を表示する。また、図９に示すように、視点識別子４６３でＩＤ２及びＩＤ３が示される場合、表示装置４２２Ａは、第２復号画像４５２及び第３復号画像４５３を表示する。
　以上のように、視点識別情報として視点識別子を用いることで、画像復号装置４００Ａは、容易に表示する画像を選択することができる。
　なお、視点識別情報は、複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示してもよい。この場合、表示装置４２２Ａは、複数の撮影視点のうち二つの撮影視点に対応する復号画像を合成することにより、視点識別情報で示される視点の合成画像を生成し、生成された合成画像を表示する。
　例えば、視点識別情報は、合成画像の視点位置を特定するための、一以上の視点識別子と、当該一以上の視点識別子から合成画像の視点位置までの距離を示す情報とを含む。なお、ステレオ画像が表示される場合には、一つの表示視点に対して、一つの視点識別子と上記距離とが定義される。
　また、上記距離は、合成画像の視点が、第１視点と第２視点との間のどこに位置するかを示す分数（例えば、ａ）で示されてもよい。この場合、上記距離は、「ａ×第１視点と第２視点との間の実際の距離」で表される。
　なお、上記説明では、画像符号化装置３００Ａで３視点の画像が生成され、画像復号装置４００Ａで２視点の画像が表示される例を述べたが、画像符号化装置３００Ａで４視点以上の画像が生成されてもよいし、画像復号装置４００Ａで３視点以上の画像が表示されてもよい。
　以下、視点識別情報の別の具体例を説明する。
　図１０は、視点識別情報として視点座標を用いる場合の画像符号化装置３００Ｂ及び画像復号装置４００Ｂの構成を示すブロック図である。なお、図５と同様の要素には同一の符号を付しており、以下では主に相違点を説明する。
　図１０に示す画像符号化装置３００Ｂは、画像符号化装置３００の構成に対して、ＳＥＩ生成部３３１Ｂ及びＳＥＩエンコーダ３３２Ｂの機能がＳＥＩ生成部３３１及びＳＥＩエンコーダ３３２と異なる。
　ＳＥＩ生成部３３１Ｂは、画面サイズごとに対応付けられた視点座標３７５を生成する視点識別情報生成部である。つまり、ＳＥＩ生成部３３１Ｂは、複数の画像サイズに対応付けられた複数の視点座標３７５を生成する。各視点座標３７５は、複数の表示視点の座標を示す。言い換えると、視点座標３７５は、表示装置４２２Ｂにおける座標系の座標を示す。また、この視点座標３７５は、対応付けられた画面サイズのディスプレイに多視点画像（立体視画像）を表示する際に最適な奥行き感を視聴者に与えることができる二つの視点（表示視点）の座標を示す。
　ＳＥＩエンコーダ３３２Ｂは、複数の視点座標３７５を符号化することで符号化視点座標３７６を生成する視点識別情報符号化部である。
　このように、画像符号化装置３００Ｂは、第１符号化画像３６１、第２符号化画像３６２、及び符号化視点座標３７６を含む符号化ビットストリームを生成する。そして、当該符号化ビットストリームは、チャンネルを介して画像復号装置４００Ｂへ伝播される。
　画像復号装置４００Ｂは、画像符号化装置３００Ｂにより生成された符号化ビットストリームを復号し、多視点画像を表示する。この画像復号装置４００Ｂは、画像復号装置４００の構成に対して、ＳＥＩデコーダ４２１Ｂ及び表示装置４２２Ｂの機能がＳＥＩデコーダ４２１及び表示装置４２２と異なる。
　ＳＥＩデコーダ４２１Ｂは、符号化視点座標３７６を復号することにより複数の視点座標４６４を生成する視点識別情報復号部である。
　表示装置４２２Ｂ（ディスプレイ）は、第１復号画像４５１、及び第２復号画像４５２を用いて、多視点画像（立体視画像）を表示する。具体的には、表示装置４２２Ｂは、複数の視点座標４６４のうち、自身の画面サイズ４６１に対応付けられている視点座標４６４を取得する。そして、表示装置４２２Ｂは、取得した視点座標４６４に応じて、表示に用いる複数の視点である複数の表示視点を決定し、決定した表示視点からの画像を多視点画像として表示する。この表示視点の決定は、表示装置４２２Ｂに含まれる視点決定部により行われる。
　例えば、表示装置４２２Ｂは、第１復号画像４５１及び第２復号画像４５２を用いて、視点合成を行うことで、第１視点と第２視点との間の視点に対応する合成画像を生成する。ここで、視点合成により生成された二つの合成画像の視点位置は、取得された二つの視点座標４６４に対応する。例えば、二つの合成画像の視点位置は、二つの視点座標４６４に位置する。
　そして、表示装置４２２Ｂは、生成した二つの合成画像を多視点画像として表示する。なお、二つの視点位置４６２の少なくとも一方は、第１カメラの視点位置又は第２カメラの視点位置と等しくてもよい。この場合、視点合成は行われず、第１復号画像４５１又は第２復号画像４５２が表示に用いられる。
　以下、上記視点識別情報を含むＳＥＩメッセージのシンタックス構造を説明する。
　図１１は、本実施の形態に係るＳＥＩ「３ｄ＿ｒｅｆｅｒｅｎｃｅ＿ｄｉｓｐｌａｙｓ＿ｉｎｆｏ］のシンタックス例を示す図である。
　図１１に示す、シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｌｅｆｔ＿ｖｉｅｗ＿ｉｄ＿ｆｌａｇは、画像復号装置が左目用の表示に用いる視点の視点識別情報（ｐｒｅｆｅｒｒｅｄ＿ｌｅｆｔ＿ｖｉｅｗ＿ｉｄ）が、ビットストリームに含まれているか否かを示す。
　シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｌｅｆｔ＿ｖｉｅｗ＿ｉｄは、画像復号装置が左目用の表示に用いる視点の視点識別情報であり、例えば、上記視点識別子に対応する。
　シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｒｉｇｈｔ＿ｖｉｅｗ＿ｉｄ＿ｆｌａｇは、画像復号装置が右目用の表示に用いる視点の視点識別情報（ｐｒｅｆｅｒｒｅｄ＿ｒｉｇｈｔ＿ｖｉｅｗ＿ｉｄ）が、ビットストリームに含まれているか否かを示す。
　シンタックスエレメントｐｒｅｆｅｒｒｅｄ＿ｒｉｇｈｔ＿ｖｉｅｗ＿ｉｄは、画像復号装置が右目用の表示に用いる視点の視点識別情報であり、例えば、上記視点識別子に対応する。
　また、左目用及び右目用の両方の視点識別情報が符号化されている場合、最適なカメラ間距離はビットストリームに含まれる必要はない。
　左目用及び右目用のいずれか一方の視点識別情報のみが符号化されている場合、画像復号装置は、当該一方の視点識別情報を用いて、当該一方の目用の表示に用いる第１視点を決定する。さらに、この場合、最適なカメラ間距離（ｅｘｐｏｎｅｔ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ及びｍａｉｎｔｉｓｓａ＿ｒｅｆ＿ｂａｓｅｌｉｎｅ）がビットストリーム内に符号化される。そして、画像復号装置は、このカメラ間距離を用いて、第１視点に対応する第２視点（合成視点も含む）の位置を識別する。
　具体的には、左視点の識別子が、最適なカメラ間距離と共に符号化されている場合、第２（右）視点の位置は、左視点の位置の右側に決定される。右視点の識別子が、最適なカメラ間距離と共に符号化されている場合、第２（左）視点の位置は、右視点の位置の左側に決定される。
　左及び右の両方の視点の視点識別情報が符号化されていない場合、最適なカメラ間距離だけが符号化される。なお、この場合の画像符号化装置及び画像復号装置の動作は、上述した参考例の動作と同様である。
　以上、実施の形態に係る画像符号化装置に及び画像復号装置ついて説明したが、本発明は、この実施の形態に限定されるものではない。
　例えば、視点識別情報は、ＳＰＳ（シーケンスパラメータセット）のＶＵＩ（Ｖｉｄｅｏ　Ｕｓａｂｉｌｉｔｙ　Ｉｎｆｏｒｍａｔｉｏｎ）に符号化される、動作点を示す動作点ＩＤ（ｏｐｅｒａｔｉｎｇ　ｐｏｉｎｔ　ＩＤ）であってもよい。
　また、上記実施の形態に係る画像符号化装置及び画像復号装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。
　また、集積回路化はＬＳＩに限るものではなく、専用回路又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）、又は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。
　上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　言い換えると、画像符号化装置及び画像復号装置は、処理回路（ｐｒｏｃｅｓｓｉｎｇ　ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された（当該制御回路からアクセス可能な）記憶装置（ｓｔｏｒａｇｅ）とを備える。処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含む。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。処理回路は、記憶装置を用いて、上記実施の形態に係る画像符号化方法又は画像復号方法を実行する。
　さらに、本発明は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。
　また、上記で用いた数字は、全て本発明を具体的に説明するために例示するものであり、本発明は例示された数字に制限されない。
　また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。
　また、上記の画像符号化方法又は画像復号方法に含まれるステップが実行される順序は、本発明を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
　以上、本発明の一つ又は複数の態様に係る画像符号化装置及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、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の一つ又は複数の態様の範囲内に含まれてもよい。
　（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１２は、コンテンツ配信サービスを実現するコンテンツ供給システムex１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex１０６、ex１０７、ex１０８、ex１０９、ex１１０が設置されている。
　このコンテンツ供給システムex１００は、インターネットex１０１にインターネットサービスプロバイダex１０２および電話網ex１０４、および基地局ex１０６からex１１０を介して、コンピュータex１１１、ＰＤＡ（Personal Digital Assistant）ex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５などの各機器が接続される。
　しかし、コンテンツ供給システムex１００は図１２のような構成に限定されず、いずれかの要素を組合せて接続するようにしてもよい。また、固定無線局である基地局ex１０６からex１１０を介さずに、各機器が電話網ex１０４に直接接続されてもよい。また、各機器が近距離無線等を介して直接相互に接続されていてもよい。
　カメラex１１３はデジタルビデオカメラ等の動画撮影が可能な機器であり、カメラex１１６はデジタルカメラ等の静止画撮影、動画撮影が可能な機器である。また、携帯電話ex１１４は、ＧＳＭ（登録商標）（Global System for Mobile Communications）方式、ＣＤＭＡ（Code Division Multiple Access）方式、Ｗ－ＣＤＭＡ（Wideband-Code Division Multiple Access）方式、若しくはＬＴＥ（Long Term Evolution）方式、ＨＳＰＡ(High Speed Packet Access)の携帯電話機、またはＰＨＳ（Personal Handyphone System）等であり、いずれでも構わない。
　コンテンツ供給システムex１００では、カメラex１１３等が基地局ex１０９、電話網ex１０４を通じてストリーミングサーバex１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、ユーザがカメラex１１３を用いて撮影するコンテンツ（例えば、音楽ライブの映像等）に対して上記各実施の形態で説明したように符号化処理を行い（即ち、本発明の一態様に係る画像符号化装置として機能する）、ストリーミングサーバex１０３に送信する。一方、ストリーミングサーバex１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントとしては、上記符号化処理されたデータを復号化することが可能な、コンピュータex１１１、ＰＤＡex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５等がある。配信されたデータを受信した各機器では、受信したデータを復号化処理して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。
　なお、撮影したデータの符号化処理はカメラex１１３で行っても、データの送信処理をするストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。同様に配信されたデータの復号化処理はクライアントで行っても、ストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。また、カメラex１１３に限らず、カメラex１１６で撮影した静止画像および／または動画像データを、コンピュータex１１１を介してストリーミングサーバex１０３に送信してもよい。この場合の符号化処理はカメラex１１６、コンピュータex１１１、ストリーミングサーバex１０３のいずれで行ってもよいし、互いに分担して行ってもよい。
　また、これら符号化・復号化処理は、一般的にコンピュータex１１１や各機器が有するＬＳＩex５００において処理する。ＬＳＩex５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化・復号化用のソフトウェアをコンピュータex１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、ハードディスクなど）に組み込み、そのソフトウェアを用いて符号化・復号化処理を行ってもよい。さらに、携帯電話ex１１４がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データは携帯電話ex１１４が有するＬＳＩex５００で符号化処理されたデータである。
　また、ストリーミングサーバex１０３は複数のサーバや複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。
　以上のようにして、コンテンツ供給システムex１００では、符号化されたデータをクライアントが受信して再生することができる。このようにコンテンツ供給システムex１００では、ユーザが送信した情報をリアルタイムでクライアントが受信して復号化し、再生することができ、特別な権利や設備を有さないユーザでも個人放送を実現できる。
　なお、コンテンツ供給システムex１００の例に限らず、図１３に示すように、デジタル放送用システムex２００にも、上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）または動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。具体的には、放送局ex２０１では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex２０２に伝送される。この映像データは上記各実施の形態で説明した動画像符号化方法により符号化されたデータである（即ち、本発明の一態様に係る画像符号化装置によって符号化されたデータである）。これを受けた放送衛星ex２０２は、放送用の電波を発信し、この電波を衛星放送の受信が可能な家庭のアンテナex２０４が受信する。受信した多重化データを、テレビ（受信機）ex３００またはセットトップボックス（ＳＴＢ）ex２１７等の装置が復号化して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。
　また、ＤＶＤ、ＢＤ等の記録メディアex２１５に記録した多重化データを読み取り復号化する、または記録メディアex２１５に映像信号を符号化し、さらに場合によっては音楽信号と多重化して書き込むリーダ／レコーダex２１８にも上記各実施の形態で示した動画像復号化装置または動画像符号化装置を実装することが可能である。この場合、再生された映像信号はモニタex２１９に表示され、多重化データが記録された記録メディアex２１５により他の装置やシステムにおいて映像信号を再生することができる。また、ケーブルテレビ用のケーブルex２０３または衛星／地上波放送のアンテナex２０４に接続されたセットトップボックスex２１７内に動画像復号化装置を実装し、これをテレビのモニタex２１９で表示してもよい。このときセットトップボックスではなく、テレビ内に動画像復号化装置を組み込んでもよい。
　図１４は、上記各実施の形態で説明した動画像復号化方法および動画像符号化方法を用いたテレビ（受信機）ex３００を示す図である。テレビex３００は、上記放送を受信するアンテナex２０４またはケーブルex２０３等を介して映像データに音声データが多重化された多重化データを取得、または出力するチューナex３０１と、受信した多重化データを復調する、または外部に送信する多重化データに変調する変調／復調部ex３０２と、復調した多重化データを映像データと、音声データとに分離する、または信号処理部ex３０６で符号化された映像データ、音声データを多重化する多重／分離部ex３０３を備える。
　また、テレビex３００は、音声データ、映像データそれぞれを復号化する、またはそれぞれの情報を符号化する音声信号処理部ex３０４、映像信号処理部ex３０５（本発明の一態様に係る画像符号化装置または画像復号装置として機能する）を有する信号処理部ex３０６と、復号化した音声信号を出力するスピーカex３０７、復号化した映像信号を表示するディスプレイ等の表示部ex３０８を有する出力部ex３０９とを有する。さらに、テレビex３００は、ユーザ操作の入力を受け付ける操作入力部ex３１２等を有するインタフェース部ex３１７を有する。さらに、テレビex３００は、各部を統括的に制御する制御部ex３１０、各部に電力を供給する電源回路部ex３１１を有する。インタフェース部ex３１７は、操作入力部ex３１２以外に、リーダ／レコーダex２１８等の外部機器と接続されるブリッジex３１３、ＳＤカード等の記録メディアex２１６を装着可能とするためのスロット部ex３１４、ハードディスク等の外部記録メディアと接続するためのドライバex３１５、電話網と接続するモデムex３１６等を有していてもよい。なお記録メディアex２１６は、格納する不揮発性／揮発性の半導体メモリ素子により電気的に情報の記録を可能としたものである。テレビex３００の各部は同期バスを介して互いに接続されている。
　まず、テレビex３００がアンテナex２０４等により外部から取得した多重化データを復号化し、再生する構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、ＣＰＵ等を有する制御部ex３１０の制御に基づいて、変調／復調部ex３０２で復調した多重化データを多重／分離部ex３０３で分離する。さらにテレビex３００は、分離した音声データを音声信号処理部ex３０４で復号化し、分離した映像データを映像信号処理部ex３０５で上記各実施の形態で説明した復号化方法を用いて復号化する。復号化した音声信号、映像信号は、それぞれ出力部ex３０９から外部に向けて出力される。出力する際には、音声信号と映像信号が同期して再生するよう、バッファex３１８、ex３１９等に一旦これらの信号を蓄積するとよい。また、テレビex３００は、放送等からではなく、磁気／光ディスク、ＳＤカード等の記録メディアex２１５、ex２１６から多重化データを読み出してもよい。次に、テレビex３００が音声信号や映像信号を符号化し、外部に送信または記録メディア等に書き込む構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、制御部ex３１０の制御に基づいて、音声信号処理部ex３０４で音声信号を符号化し、映像信号処理部ex３０５で映像信号を上記各実施の形態で説明した符号化方法を用いて符号化する。符号化した音声信号、映像信号は多重／分離部ex３０３で多重化され外部に出力される。多重化する際には、音声信号と映像信号が同期するように、バッファex３２０、ex３２１等に一旦これらの信号を蓄積するとよい。なお、バッファex３１８、ex３１９、ex３２０、ex３２１は図示しているように複数備えていてもよいし、１つ以上のバッファを共有する構成であってもよい。さらに、図示している以外に、例えば変調／復調部ex３０２や多重／分離部ex３０３の間等でもシステムのオーバフロー、アンダーフローを避ける緩衝材としてバッファにデータを蓄積することとしてもよい。
　また、テレビex３００は、放送等や記録メディア等から音声データ、映像データを取得する以外に、マイクやカメラのＡＶ入力を受け付ける構成を備え、それらから取得したデータに対して符号化処理を行ってもよい。なお、ここではテレビex３００は上記の符号化処理、多重化、および外部出力ができる構成として説明したが、これらの処理を行うことはできず、上記受信、復号化処理、外部出力のみが可能な構成であってもよい。
　また、リーダ／レコーダex２１８で記録メディアから多重化データを読み出す、または書き込む場合には、上記復号化処理または符号化処理はテレビex３００、リーダ／レコーダex２１８のいずれで行ってもよいし、テレビex３００とリーダ／レコーダex２１８が互いに分担して行ってもよい。
　一例として、光ディスクからデータの読み込みまたは書き込みをする場合の情報再生／記録部ex４００の構成を図１５に示す。情報再生／記録部ex４００は、以下に説明する要素ex４０１、ex４０２、ex４０３、ex４０４、ex４０５、ex４０６、ex４０７を備える。光ヘッドex４０１は、光ディスクである記録メディアex２１５の記録面にレーザスポットを照射して情報を書き込み、記録メディアex２１５の記録面からの反射光を検出して情報を読み込む。変調記録部ex４０２は、光ヘッドex４０１に内蔵された半導体レーザを電気的に駆動し記録データに応じてレーザ光の変調を行う。再生復調部ex４０３は、光ヘッドex４０１に内蔵されたフォトディテクタにより記録面からの反射光を電気的に検出した再生信号を増幅し、記録メディアex２１５に記録された信号成分を分離して復調し、必要な情報を再生する。バッファex４０４は、記録メディアex２１５に記録するための情報および記録メディアex２１５から再生した情報を一時的に保持する。ディスクモータex４０５は記録メディアex２１５を回転させる。サーボ制御部ex４０６は、ディスクモータex４０５の回転駆動を制御しながら光ヘッドex４０１を所定の情報トラックに移動させ、レーザスポットの追従処理を行う。システム制御部ex４０７は、情報再生／記録部ex４００全体の制御を行う。上記の読み出しや書き込みの処理はシステム制御部ex４０７が、バッファex４０４に保持された各種情報を利用し、また必要に応じて新たな情報の生成・追加を行うと共に、変調記録部ex４０２、再生復調部ex４０３、サーボ制御部ex４０６を協調動作させながら、光ヘッドex４０１を通して、情報の記録再生を行うことにより実現される。システム制御部ex４０７は例えばマイクロプロセッサで構成され、読み出し書き込みのプログラムを実行することでそれらの処理を実行する。
　以上では、光ヘッドex４０１はレーザスポットを照射するとして説明したが、近接場光を用いてより高密度な記録を行う構成であってもよい。
　図１６に光ディスクである記録メディアex２１５の模式図を示す。記録メディアex２１５の記録面には案内溝（グルーブ）がスパイラル状に形成され、情報トラックex２３０には、予めグルーブの形状の変化によってディスク上の絶対位置を示す番地情報が記録されている。この番地情報はデータを記録する単位である記録ブロックex２３１の位置を特定するための情報を含み、記録や再生を行う装置において情報トラックex２３０を再生し番地情報を読み取ることで記録ブロックを特定することができる。また、記録メディアex２１５は、データ記録領域ex２３３、内周領域ex２３２、外周領域ex２３４を含んでいる。ユーザデータを記録するために用いる領域がデータ記録領域ex２３３であり、データ記録領域ex２３３より内周または外周に配置されている内周領域ex２３２と外周領域ex２３４は、ユーザデータの記録以外の特定用途に用いられる。情報再生／記録部ex４００は、このような記録メディアex２１５のデータ記録領域ex２３３に対して、符号化された音声データ、映像データまたはそれらのデータを多重化した多重化データの読み書きを行う。
　以上では、１層のＤＶＤ、ＢＤ等の光ディスクを例に挙げ説明したが、これらに限ったものではなく、多層構造であって表面以外にも記録可能な光ディスクであってもよい。また、ディスクの同じ場所にさまざまな異なる波長の色の光を用いて情報を記録したり、さまざまな角度から異なる情報の層を記録したりなど、多次元的な記録／再生を行う構造の光ディスクであってもよい。
　また、デジタル放送用システムex２００において、アンテナex２０５を有する車ex２１０で衛星ex２０２等からデータを受信し、車ex２１０が有するカーナビゲーションex２１１等の表示装置に動画を再生することも可能である。なお、カーナビゲーションex２１１の構成は例えば図１４に示す構成のうち、ＧＰＳ受信部を加えた構成が考えられ、同様なことがコンピュータex１１１や携帯電話ex１１４等でも考えられる。
　図１７Ａは、上記実施の形態で説明した動画像復号化方法および動画像符号化方法を用いた携帯電話ex１１４を示す図である。携帯電話ex１１４は、基地局ex１１０との間で電波を送受信するためのアンテナex３５０、映像、静止画を撮ることが可能なカメラ部ex３６５、カメラ部ex３６５で撮像した映像、アンテナex３５０で受信した映像等が復号化されたデータを表示する液晶ディスプレイ等の表示部ex３５８を備える。携帯電話ex１１４は、さらに、操作キー部ex３６６を有する本体部、音声を出力するためのスピーカ等である音声出力部ex３５７、音声を入力するためのマイク等である音声入力部ex３５６、撮影した映像、静止画、録音した音声、または受信した映像、静止画、メール等の符号化されたデータもしくは復号化されたデータを保存するメモリ部ex３６７、又は同様にデータを保存する記録メディアとのインタフェース部であるスロット部ex３６４を備える。
　さらに、携帯電話ex１１４の構成例について、図１７Ｂを用いて説明する。携帯電話ex１１４は、表示部ex３５８及び操作キー部ex３６６を備えた本体部の各部を統括的に制御する主制御部ex３６０に対して、電源回路部ex３６１、操作入力制御部ex３６２、映像信号処理部ex３５５、カメラインタフェース部ex３６３、ＬＣＤ（Liquid Crystal Display）制御部ex３５９、変調／復調部ex３５２、多重／分離部ex３５３、音声信号処理部ex３５４、スロット部ex３６４、メモリ部ex３６７がバスex３７０を介して互いに接続されている。
　電源回路部ex３６１は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex１１４を動作可能な状態に起動する。
　携帯電話ex１１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有する主制御部ex３６０の制御に基づいて、音声通話モード時に音声入力部ex３５６で収音した音声信号を音声信号処理部ex３５４でデジタル音声信号に変換し、これを変調／復調部ex３５２でスペクトラム拡散処理し、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して送信する。また携帯電話ex１１４は、音声通話モード時にアンテナex３５０を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調／復調部ex３５２でスペクトラム逆拡散処理し、音声信号処理部ex３５４でアナログ音声信号に変換した後、これを音声出力部ex３５７から出力する。
　さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex３６６等の操作によって入力された電子メールのテキストデータは操作入力制御部ex３６２を介して主制御部ex３６０に送出される。主制御部ex３６０は、テキストデータを変調／復調部ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して基地局ex１１０へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex３５８に出力される。
　データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex３５５は、カメラ部ex３６５から供給された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し（即ち、本発明の一態様に係る画像符号化装置として機能する）、符号化された映像データを多重／分離部ex３５３に送出する。また、音声信号処理部ex３５４は、映像、静止画等をカメラ部ex３６５で撮像中に音声入力部ex３５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ex３５３に送出する。
　多重／分離部ex３５３は、映像信号処理部ex３５５から供給された符号化された映像データと音声信号処理部ex３５４から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調／復調部（変調／復調回路部）ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex３５０を介して送信する。
　データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex３５０を介して受信された多重化データを復号化するために、多重／分離部ex３５３は、多重化データを分離することにより映像データのビットストリームと音声データのビットストリームとに分け、同期バスex３７０を介して符号化された映像データを映像信号処理部ex３５５に供給するとともに、符号化された音声データを音声信号処理部ex３５４に供給する。映像信号処理部ex３５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって復号化することにより映像信号を復号し（即ち、本発明の一態様に係る画像復号装置として機能する）、ＬＣＤ制御部ex３５９を介して表示部ex３５８から、例えばホームページにリンクされた動画像ファイルに含まれる映像、静止画が表示される。また音声信号処理部ex３５４は、音声信号を復号し、音声出力部ex３５７から音声が出力される。
　また、上記携帯電話ex１１４等の端末は、テレビex３００と同様に、符号化器・復号化器を両方持つ送受信型端末の他に、符号化器のみの送信端末、復号化器のみの受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムex２００において、映像データに音楽データなどが多重化された多重化データを受信、送信するとして説明したが、音声データ以外に映像に関連する文字データなどが多重化されたデータであってもよいし、多重化データではなく映像データ自体であってもよい。
　このように、上記各実施の形態で示した動画像符号化方法あるいは動画像復号化方法を上述したいずれの機器・システムに用いることは可能であり、そうすることで、上記各実施の形態で説明した効果を得ることができる。
　また、本発明はかかる上記実施の形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形または修正が可能である。
　（実施の形態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１８は、多重化データの構成を示す図である。図１８に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム（ＰＧ）、インタラクティブグラフィックスストリームのうち、１つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム（ＩＧ）は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にＧＵＩ部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーＡＣ－３、Ｄｏｌｂｙ　Ｄｉｇｉｔａｌ　Ｐｌｕｓ、ＭＬＰ、ＤＴＳ、ＤＴＳ－ＨＤ、または、リニアＰＣＭのなどの方式で符号化されている。
　多重化データに含まれる各ストリームはＰＩＤによって識別される。例えば、映画の映像に利用するビデオストリームには０ｘ１０１１が、オーディオストリームには０ｘ１１００から０ｘ１１１Ｆまでが、プレゼンテーショングラフィックスには０ｘ１２００から０ｘ１２１Ｆまでが、インタラクティブグラフィックスストリームには０ｘ１４００から０ｘ１４１Ｆまでが、映画の副映像に利用するビデオストリームには０ｘ１Ｂ００から０ｘ１Ｂ１Ｆまで、主音声とミキシングする副音声に利用するオーディオストリームには０ｘ１Ａ００から０ｘ１Ａ１Ｆが、それぞれ割り当てられている。
　図１９は、多重化データがどのように多重化されるかを模式的に示す図である。まず、複数のビデオフレームからなるビデオストリームex２３５、複数のオーディオフレームからなるオーディオストリームex２３８を、それぞれＰＥＳパケット列ex２３６およびex２３９に変換し、ＴＳパケットex２３７およびex２４０に変換する。同じくプレゼンテーショングラフィックスストリームex２４１およびインタラクティブグラフィックスex２４４のデータをそれぞれＰＥＳパケット列ex２４２およびex２４５に変換し、さらにＴＳパケットex２４３およびex２４６に変換する。多重化データex２４７はこれらのＴＳパケットを１本のストリームに多重化することで構成される。
　図２０は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかをさらに詳しく示している。図２０における第１段目はビデオストリームのビデオフレーム列を示す。第２段目は、ＰＥＳパケット列を示す。図２０の矢印ｙｙ１，ｙｙ２，ｙｙ３，ｙｙ４に示すように、ビデオストリームにおける複数のＶｉｄｅｏ　Ｐｒｅｓｅｎｔａｔｉｏｎ　ＵｎｉｔであるＩピクチャ、Ｂピクチャ、Ｐピクチャは、ピクチャ毎に分割され、ＰＥＳパケットのペイロードに格納される。各ＰＥＳパケットはＰＥＳヘッダを持ち、ＰＥＳヘッダには、ピクチャの表示時刻であるＰＴＳ（Ｐｒｅｓｅｎｔａｔｉｏｎ　Ｔｉｍｅ－Ｓｔａｍｐ）やピクチャの復号時刻であるＤＴＳ（Ｄｅｃｏｄｉｎｇ　Ｔｉｍｅ－Ｓｔａｍｐ）が格納される。
　図２１は、多重化データに最終的に書き込まれるＴＳパケットの形式を示している。ＴＳパケットは、ストリームを識別するＰＩＤなどの情報を持つ４ＢｙｔｅのＴＳヘッダとデータを格納する１８４ＢｙｔｅのＴＳペイロードから構成される１８８Ｂｙｔｅ固定長のパケットであり、上記ＰＥＳパケットは分割されＴＳペイロードに格納される。ＢＤ－ＲＯＭの場合、ＴＳパケットには、４ＢｙｔｅのＴＰ＿Ｅｘｔｒａ＿Ｈｅａｄｅｒが付与され、１９２Ｂｙｔｅのソースパケットを構成し、多重化データに書き込まれる。ＴＰ＿Ｅｘｔｒａ＿ＨｅａｄｅｒにはＡＴＳ（Ａｒｒｉｖａｌ＿Ｔｉｍｅ＿Ｓｔａｍｐ）などの情報が記載される。ＡＴＳは当該ＴＳパケットのデコーダのＰＩＤフィルタへの転送開始時刻を示す。多重化データには図２１下段に示すようにソースパケットが並ぶこととなり、多重化データの先頭からインクリメントする番号はＳＰＮ（ソースパケットナンバー）と呼ばれる。
　また、多重化データに含まれるＴＳパケットには、映像・音声・字幕などの各ストリーム以外にもＰＡＴ（Ｐｒｏｇｒａｍ　Ａｓｓｏｃｉａｔｉｏｎ　Ｔａｂｌｅ）、ＰＭＴ（Ｐｒｏｇｒａｍ　Ｍａｐ　Ｔａｂｌｅ）、ＰＣＲ（Ｐｒｏｇｒａｍ　Ｃｌｏｃｋ　Ｒｅｆｅｒｅｎｃｅ）などがある。ＰＡＴは多重化データ中に利用されるＰＭＴのＰＩＤが何であるかを示し、ＰＡＴ自身のＰＩＤは０で登録される。ＰＭＴは、多重化データ中に含まれる映像・音声・字幕などの各ストリームのＰＩＤと各ＰＩＤに対応するストリームの属性情報を持ち、また多重化データに関する各種ディスクリプタを持つ。ディスクリプタには多重化データのコピーを許可・不許可を指示するコピーコントロール情報などがある。ＰＣＲは、ＡＴＳの時間軸であるＡＴＣ（Ａｒｒｉｖａｌ　Ｔｉｍｅ　Ｃｌｏｃｋ）とＰＴＳ・ＤＴＳの時間軸であるＳＴＣ（Ｓｙｓｔｅｍ　Ｔｉｍｅ　Ｃｌｏｃｋ）の同期を取るために、そのＰＣＲパケットがデコーダに転送されるＡＴＳに対応するＳＴＣ時間の情報を持つ。
　図２２はＰＭＴのデータ構造を詳しく説明する図である。ＰＭＴの先頭には、そのＰＭＴに含まれるデータの長さなどを記したＰＭＴヘッダが配置される。その後ろには、多重化データに関するディスクリプタが複数配置される。上記コピーコントロール情報などが、ディスクリプタとして記載される。ディスクリプタの後には、多重化データに含まれる各ストリームに関するストリーム情報が複数配置される。ストリーム情報は、ストリームの圧縮コーデックなどを識別するためストリームタイプ、ストリームのＰＩＤ、ストリームの属性情報（フレームレート、アスペクト比など）が記載されたストリームディスクリプタから構成される。ストリームディスクリプタは多重化データに存在するストリームの数だけ存在する。
　記録媒体などに記録する場合には、上記多重化データは、多重化データ情報ファイルと共に記録される。
　多重化データ情報ファイルは、図２３に示すように多重化データの管理情報であり、多重化データと１対１に対応し、多重化データ情報、ストリーム属性情報とエントリマップから構成される。
　多重化データ情報は図２３に示すようにシステムレート、再生開始時刻、再生終了時刻から構成されている。システムレートは多重化データの、後述するシステムターゲットデコーダのＰＩＤフィルタへの最大転送レートを示す。多重化データ中に含まれるＡＴＳの間隔はシステムレート以下になるように設定されている。再生開始時刻は多重化データの先頭のビデオフレームのＰＴＳであり、再生終了時刻は多重化データの終端のビデオフレームのＰＴＳに１フレーム分の再生間隔を足したものが設定される。
　ストリーム属性情報は図２４に示すように、多重化データに含まれる各ストリームについての属性情報が、ＰＩＤ毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。
　本実施の形態においては、上記多重化データのうち、ＰＭＴに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、ＰＭＴに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。
　また、本実施の形態における動画像復号化方法のステップを図２５に示す。ステップexＳ１００において、多重化データからＰＭＴに含まれるストリームタイプ、または、多重化データ情報に含まれるビデオストリーム属性情報を取得する。次に、ステップexＳ１０１において、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成された多重化データであることを示しているか否かを判断する。そして、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成されたものであると判断された場合には、ステップexＳ１０２において、上記各実施の形態で示した動画像復号方法により復号を行う。また、ストリームタイプ、または、ビデオストリーム属性情報が、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠するものであることを示している場合には、ステップexＳ１０３において、従来の規格に準拠した動画像復号方法により復号を行う。
　このように、ストリームタイプ、または、ビデオストリーム属性情報に新たな固有値を設定することにより、復号する際に、上記各実施の形態で示した動画像復号化方法または装置で復号可能であるかを判断することができる。従って、異なる規格に準拠する多重化データが入力された場合であっても、適切な復号化方法または装置を選択することができるため、エラーを生じることなく復号することが可能となる。また、本実施の形態で示した動画像符号化方法または装置、または、動画像復号方法または装置を、上述したいずれの機器・システムに用いることも可能である。
　（実施の形態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２６に１チップ化されたＬＳＩex５００の構成を示す。ＬＳＩex５００は、以下に説明する要素ex５０１、ex５０２、ex５０３、ex５０４、ex５０５、ex５０６、ex５０７、ex５０８、ex５０９を備え、各要素はバスex５１０を介して接続している。電源回路部ex５０５は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。
　例えば符号化処理を行う場合には、ＬＳＩex５００は、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有する制御部ex５０１の制御に基づいて、ＡＶ　Ｉ／Ｏex５０９によりマイクex１１７やカメラex１１３等からＡＶ信号を入力する。入力されたＡＶ信号は、一旦ＳＤＲＡＭ等の外部のメモリex５１１に蓄積される。制御部ex５０１の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex５０７に送られ、信号処理部ex５０７において音声信号の符号化および／または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex５０７ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームＩ／Ｏex５０６から外部に出力する。この出力された多重化データは、基地局ex１０７に向けて送信されたり、または記録メディアex２１５に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex５０８にデータを蓄積するとよい。
　なお、上記では、メモリex５１１がＬＳＩex５００の外部の構成として説明したが、ＬＳＩex５００の内部に含まれる構成であってもよい。バッファex５０８も１つに限ったものではなく、複数のバッファを備えていてもよい。また、ＬＳＩex５００は１チップ化されてもよいし、複数チップ化されてもよい。
　また、上記では、制御部ex５０１が、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有するとしているが、制御部ex５０１の構成は、この構成に限らない。例えば、信号処理部ex５０７がさらにＣＰＵを備える構成であってもよい。信号処理部ex５０７の内部にもＣＰＵを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、ＣＰＵex５０２が信号処理部ex５０７、または信号処理部ex５０７の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex５０１は、信号処理部ex５０７、またはその一部を有するＣＰＵex５０２を備える構成となる。
　なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。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２７は、本実施の形態における構成ex８００を示している。駆動周波数切替え部ex８０３は、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合には、駆動周波数を高く設定する。そして、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１に対し、映像データを復号するよう指示する。一方、映像データが、従来の規格に準拠する映像データである場合には、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合に比べ、駆動周波数を低く設定する。そして、従来の規格に準拠する復号処理部ex８０２に対し、映像データを復号するよう指示する。
　より具体的には、駆動周波数切替え部ex８０３は、図２６のＣＰＵex５０２と駆動周波数制御部ex５１２から構成される。また、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１、および、従来の規格に準拠する復号処理部ex８０２は、図２６の信号処理部ex５０７に該当する。ＣＰＵex５０２は、映像データがどの規格に準拠するものであるかを識別する。そして、ＣＰＵex５０２からの信号に基づいて、駆動周波数制御部ex５１２は、駆動周波数を設定する。また、ＣＰＵex５０２からの信号に基づいて、信号処理部ex５０７は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態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２９のような映像データの規格と、駆動周波数とを対応付けたルックアップテーブルに基づいて行うことが考えられる。ルックアップテーブルを、バッファex５０８や、ＬＳＩの内部メモリに格納しておき、ＣＰＵex５０２がこのルックアップテーブルを参照することにより、駆動周波数を選択することが可能である。
　図２８は、本実施の形態の方法を実施するステップを示している。まず、ステップexＳ２００では、信号処理部ex５０７において、多重化データから識別情報を取得する。次に、ステップexＳ２０１では、ＣＰＵex５０２において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexＳ２０２において、駆動周波数を高く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、高い駆動周波数に設定される。一方、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ステップexＳ２０３において、駆動周波数を低く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。
　さらに、駆動周波数の切替えに連動して、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することが考えられる。
　また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、ＭＰＥＧ４－ＡＶＣ規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。
　さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を高く設定し、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＣＰＵex５０２の駆動を停止させることなく、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、ＣＰＵex５０２の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、ＣＰＵex５０２の駆動を一時停止させることも考えられる。この場合は、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。
　このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてＬＳＩex５００またはＬＳＩex５００を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。
　（実施の形態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３０Ａのex９００に示す。例えば、上記各実施の形態で示した動画像復号方法と、ＭＰＥＧ４－ＡＶＣ規格に準拠する動画像復号方法とは、エントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償などの処理において処理内容が一部共通する。共通する処理内容については、ＭＰＥＧ４－ＡＶＣ規格に対応する復号処理部ex９０２を共有し、ＭＰＥＧ４－ＡＶＣ規格に対応しない、本発明の一態様に特有の他の処理内容については、専用の復号処理部ex９０１を用いるという構成が考えられる。特に、本発明の一態様は、多視点画像の制御に特徴を有していることから、例えば、多視点画像の制御については専用の復号処理部ex９０１を用い、それ以外の逆量子化、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３０Ｂのex１０００に示す。この例では、本発明の一態様に特有の処理内容に対応した専用の復号処理部ex１００１と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex１００２と、本発明の一態様に係る動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex１００３とを用いる構成としている。ここで、専用の復号処理部ex１００１、ex１００２は、必ずしも本発明の一態様、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、ＬＳＩex５００で実装することも可能である。
　このように、本発明の一態様に係る動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、ＬＳＩの回路規模を小さくし、かつ、コストを低減することが可能である。
　本発明は、画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置に適用できる。また、本発明は、画像符号化装置を備える、テレビ、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、及びデジタルビデオカメラ等の高解像度の情報表示機器又は撮像機器に利用可能である。
　１００、３００、３００Ａ、３００Ｂ　画像符号化装置
　１１１、３１１　第１カメラ
　１１２、３１２　第２カメラ
　１２１、３２１　第１エンコーダ
　１２２、３２２　第２エンコーダ
　１３１、３３１、３３１Ａ、３３１Ｂ　ＳＥＩ生成部
　１３２、３３２、３３２Ａ、３３２Ｂ　ＳＥＩエンコーダ
　１５１、３５１　第１画像
　１５２、３５２　第２画像
　１６１、３６１　第１符号化画像
　１６２、３６２　第２符号化画像
　１７１、２６２　最適距離
　１７２　符号化最適距離
　２００、４００、４００Ａ、４００Ｂ　画像復号装置
　２１１、４１１　第１デコーダ
　２１２、４１２　第２デコーダ
　２２１、４２１、４２１Ａ、４２１Ｂ　ＳＥＩデコーダ
　２２２、４２２、４２２Ａ、４２２Ｂ　表示装置
　２５１、４５１　第１復号画像
　２５２、４５２　第２復号画像
　２６１、４６１　画面サイズ
　３１３　第３カメラ
　３２３　第３エンコーダ
　３５３　第３画像
　３６３　第３符号化画像
　３７１、４６２　視点位置
　３７２　符号化視点位置
　３７３、４６３　視点識別子
　３７４　符号化視点識別子
　３７５、４６４　視点座標
　３７６　符号化視点座標
　４１３　第３デコーダ
　４５３　第３復号画像

Claims (10)

  1. 　複数の撮影視点から撮影された多視点画像を符号化する画像符号化方法であって、
    　画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する生成ステップと、
    　前記視点識別情報を符号化する符号化ステップとを含む
    　画像符号化方法。
  2. 　前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示す
    　請求項１記載の画像符号化方法。
  3. 　前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示す
    　請求項１記載の画像符号化方法。
  4. 　前記視点識別情報は、前記複数の撮影視点を識別するための識別子である
    　請求項１又は２記載の画像符号化方法。
  5. 　複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号方法であって、
    　前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する復号ステップと、
    　復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する決定ステップとを含む
    　画像復号方法。
  6. 　前記視点識別情報は、前記複数の撮影視点のうち一つの撮影視点を示し、
    　前記決定ステップでは、前記複数の撮影視点のうち前記視点識別情報で示される前記一つの撮影視点を前記複数の表示視点の一つに決定する
    　請求項５記載の画像復号方法。
  7. 　前記視点識別情報は、前記複数の撮影視点のうち二つの撮影視点で撮影された画像が合成されることで生成される合成画像の視点を示す
    　請求項５記載の画像復号方法。
  8. 　前記視点識別情報は、前記複数の撮影視点を識別するための識別子である
    　請求項５又は６記載の画像復号方法。
  9. 　複数の撮影視点から撮影された多視点画像を符号化する画像符号化装置であって、
    　画像復号装置で用いられる複数の画面サイズの各々に対応付けて、前記画像復号装置で表示に用いられる複数の視点である複数の表示視点を特定するための視点識別情報を生成する視点識別情報生成部と、
    　前記視点識別情報を符号化する視点識別情報符号化部とを備える
    　画像符号化装置。
  10. 　複数の撮影視点から撮影された多視点画像が符号化されることにより生成されたビットストリームを復号する画像復号装置であって、
    　前記ビットストリームに含まれる、複数の画面サイズの各々に対応付けられた、複数の視点を特定するための視点識別情報を復号する視点識別情報復号部と、
    　復号された複数の視点識別情報のうち、画像復号装置が有する表示装置の画面サイズに対応付けられている視点識別情報を用いて、前記画像復号装置が表示に用いる複数の視点である複数の表示視点を決定する視点決定部とを備える
    　画像復号装置。
PCT/JP2013/004192 2012-07-19 2013-07-05 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置 WO2014013695A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP13807884.5A EP2876878B1 (en) 2012-07-19 2013-07-05 Image encoding method, image decoding method, image encoding device, and image decoding device
KR1020147000284A KR102058606B1 (ko) 2012-07-19 2013-07-05 화상 부호화 방법, 화상 복호 방법, 화상 부호화 장치 및 화상 복호 장치
CN201380002054.5A CN103688535B (zh) 2012-07-19 2013-07-05 图像编码方法、图像解码方法、图像编码装置及图像解码装置
JP2013556917A JP6167906B2 (ja) 2012-07-19 2013-07-05 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
US14/198,942 US10104360B2 (en) 2012-07-19 2014-03-06 Image encoding method, image decoding method, image encoding apparatus, and image decoding apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201261673422P 2012-07-19 2012-07-19
US61/673,422 2012-07-19

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/198,942 Continuation US10104360B2 (en) 2012-07-19 2014-03-06 Image encoding method, image decoding method, image encoding apparatus, and image decoding apparatus

Publications (1)

Publication Number Publication Date
WO2014013695A1 true WO2014013695A1 (ja) 2014-01-23

Family

ID=49948539

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/004192 WO2014013695A1 (ja) 2012-07-19 2013-07-05 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置

Country Status (7)

Country Link
US (1) US10104360B2 (ja)
EP (1) EP2876878B1 (ja)
JP (1) JP6167906B2 (ja)
KR (1) KR102058606B1 (ja)
CN (1) CN103688535B (ja)
TW (1) TWI581606B (ja)
WO (1) WO2014013695A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111654644A (zh) * 2020-05-15 2020-09-11 西安万像电子科技有限公司 图像传输方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4564107B2 (ja) * 2008-09-30 2010-10-20 パナソニック株式会社 記録媒体、再生装置、システムｌｓｉ、再生方法、記録方法、記録媒体再生システム
WO2012026185A1 (ja) * 2010-08-24 2012-03-01 富士フイルム株式会社 撮像装置およびその動作制御方法
JP2012089906A (ja) * 2009-02-13 2012-05-10 Panasonic Corp 表示制御装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050146521A1 (en) * 1998-05-27 2005-07-07 Kaye Michael C. Method for creating and presenting an accurate reproduction of three-dimensional images converted from two-dimensional images
JP4520229B2 (ja) * 2003-07-01 2010-08-04 株式会社エヌ・ティ・ティ・ドコモ 通信装置およびプログラム
DE202007019459U1 (de) * 2006-03-30 2012-09-13 Lg Electronics Inc. Vorrichtung zum Decodieren/Codieren eines Videosignals
US8699583B2 (en) 2006-07-11 2014-04-15 Nokia Corporation Scalable video coding and decoding
US20080095228A1 (en) 2006-10-20 2008-04-24 Nokia Corporation System and method for providing picture output indications in video coding
ES2721506T3 (es) 2007-01-04 2019-08-01 Interdigital Madison Patent Holdings Métodos y aparato para la información de vistas múltiples, expresada en sintaxis de alto nivel
CN101291434A (zh) * 2007-04-17 2008-10-22 华为技术有限公司 多视编解码方法及装置
US8384764B2 (en) * 2007-12-20 2013-02-26 Samsung Electronics Co., Ltd. Method and apparatus for generating multiview image data stream and method and apparatus for decoding the same
CN102067181A (zh) * 2008-06-23 2011-05-18 松下电器产业株式会社 合成装置及合成方法
WO2010010521A2 (en) * 2008-07-24 2010-01-28 Koninklijke Philips Electronics N.V. Versatile 3-d picture format
US8947504B2 (en) * 2009-01-28 2015-02-03 Lg Electronics Inc. Broadcast receiver and video data processing method thereof
JP2011223482A (ja) * 2010-04-14 2011-11-04 Sony Corp 画像処理装置、画像処理方法、およびプログラム
US9497458B2 (en) * 2010-11-26 2016-11-15 Sun Patent Trust Image coding method, image decoding method, image coding apparatus, image decoding apparatus, program, and integrated ciruit
JP5285682B2 (ja) * 2010-11-29 2013-09-11 シャープ株式会社 画像符号化装置、画像符号化方法
JP2012010344A (ja) * 2011-07-13 2012-01-12 Fujifilm Corp 画像処理装置、方法およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4564107B2 (ja) * 2008-09-30 2010-10-20 パナソニック株式会社 記録媒体、再生装置、システムｌｓｉ、再生方法、記録方法、記録媒体再生システム
JP2012089906A (ja) * 2009-02-13 2012-05-10 Panasonic Corp 表示制御装置
WO2012026185A1 (ja) * 2010-08-24 2012-03-01 富士フイルム株式会社 撮像装置およびその動作制御方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A. NORKIN; I. GIRDZIJAUSKAS; Y. ZHAO; Y. LUO: "Show-case and syntax for SEI message on reference display information signaling", MPEG DOCUMENT M26275

Also Published As

Publication number Publication date
EP2876878A1 (en) 2015-05-27
EP2876878A4 (en) 2015-07-29
CN103688535A (zh) 2014-03-26
KR102058606B1 (ko) 2019-12-23
KR20150035685A (ko) 2015-04-07
EP2876878B1 (en) 2018-12-12
US10104360B2 (en) 2018-10-16
US20140184742A1 (en) 2014-07-03
CN103688535B (zh) 2017-02-22
TW201414316A (zh) 2014-04-01
JPWO2014013695A1 (ja) 2016-06-30
JP6167906B2 (ja) 2017-07-26
TWI581606B (zh) 2017-05-01

Similar Documents

Publication Publication Date Title
JP5340425B2 (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
JP6562369B2 (ja) 符号化復号方法および符号化復号装置
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
JP2015504254A (ja) 時間動きベクトル予測を用いた、符号化方法、復号方法、符号化装置、及び、復号装置
JP6156648B2 (ja) 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置
WO2014010192A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
WO2012117722A1 (ja) 符号化方法、復号方法、符号化装置及び復号装置
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
JP6414712B2 (ja) 多数の参照ピクチャを用いる動画像符号化方法、動画像復号方法、動画像符号化装置、および動画像復号方法
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
WO2013001813A1 (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
JP5680812B1 (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
JP6167906B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
WO2013057938A1 (ja) システム層処理装置、符号化装置、システム層処理方法、および符号化方法
WO2013076991A1 (ja) 画像符号化方法、画像符号化装置、画像復号方法、および、画像復号装置
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
WO2012124300A1 (ja) 動画像符号化方法、動画像復号方法、動画像符号化装置および動画像復号装置
WO2013153808A1 (ja) 画像復号方法および画像復号装置
WO2013046616A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2013556917

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2013807884

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 20147000284

Country of ref document: KR

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: 13807884

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE