WO2015053001A1 - 画像処理装置及び画像処理方法 - Google Patents

画像処理装置及び画像処理方法 Download PDF

Info

Publication number
WO2015053001A1
WO2015053001A1 PCT/JP2014/072194 JP2014072194W WO2015053001A1 WO 2015053001 A1 WO2015053001 A1 WO 2015053001A1 JP 2014072194 W JP2014072194 W JP 2014072194W WO 2015053001 A1 WO2015053001 A1 WO 2015053001A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
filter
image
layer
block
Prior art date
Application number
PCT/JP2014/072194
Other languages
English (en)
French (fr)
Inventor
佐藤　数史
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to US15/023,132 priority Critical patent/US20160241882A1/en
Priority to JP2015541473A priority patent/JPWO2015053001A1/ja
Priority to CN201480054471.9A priority patent/CN105659601A/zh
Publication of WO2015053001A1 publication Critical patent/WO2015053001A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/187—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a scalable video layer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H04N19/33—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the spatial domain
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
    • 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 disclosure relates to an image processing apparatus and an image processing method.
  • HEVC High Efficiency Video Coding
  • SHVC Scalable HEVC
  • Scalable encoding generally refers to a technique for hierarchically encoding a layer that transmits a coarse image signal and a layer that transmits a fine image signal.
  • the scalable coding is typically classified into three types of schemes, that is, a spatial scalability scheme, a temporal scalability scheme, and an SNR (Signal to Noise Ratio) scalability scheme in accordance with hierarchized attributes.
  • a spatial scalability scheme spatial resolution (or image size) is hierarchized, and lower layer images are used to encode or decode higher layer images after being upsampled.
  • the temporal scalability method the frame rate is hierarchized.
  • the SNR scalability method the SN ratio is hierarchized by changing the roughness of quantization.
  • bit depth scalability schemes and chroma format scalability schemes are also discussed, although not yet adopted in the standard.
  • Non-Patent Document 2 proposes several methods for inter-layer prediction.
  • the image quality of the lower layer image that is a reference image affects the prediction accuracy. Therefore, Non-Patent Document 3 presents two methods as a method of showing a good gain in order to refine the image quality of the lower layer image.
  • the first method is specifically described in Non-Patent Document 4, and uses a cross color filter.
  • the cross color filter in the first method is a kind of refinement filter, and refines a color difference component based on a nearby luminance component.
  • the second method is specifically described in Non-Patent Document 5, and uses an edge enhancement filter.
  • the above-described refinement filter is applied to all the pixels in the image, the amount of filtering calculation becomes enormous. In particular, even if the refinement filter is applied to a flat region that does not include an edge or texture, the image quality is not improved so much, and the demerit of increasing the amount of computation is greater. On the other hand, if the configuration of the refinement filter is adjusted for each individual block, an improvement in image quality can be expected. However, when the filter configuration information for each block is transmitted from the encoder to the decoder, a large code amount of the filter configuration information decreases the encoding efficiency.
  • the technology according to the present disclosure aims to provide an improved mechanism that can solve or alleviate at least one of the above-described problems.
  • an acquisition unit that acquires a reference image
  • a filtering unit that applies a refinement filter to the reference image acquired by the acquisition unit to generate a refined reference image
  • the filtering unit for each of the plurality of blocks
  • an image processing apparatus comprising: a control unit that controls application of the refinement filter according to 1 according to a block size of each block.
  • the image processing apparatus may be realized as an image decoding apparatus that decodes an image, or may be realized as an image encoding apparatus that encodes an image.
  • FIG. 8 is a block diagram illustrating an example of a detailed configuration of a refinement unit illustrated in FIG. 7.
  • FIG. 13 is a block diagram illustrating an example of a detailed configuration of a refinement unit illustrated in FIG. 12.
  • FIG. 17 is a block diagram illustrating an example of a detailed configuration of a refinement unit illustrated in FIG. 16. It is explanatory drawing for demonstrating an example of the filter structure depending on block size. It is explanatory drawing for demonstrating an example of the prediction encoding of filter structure information.
  • FIG. 22 is a block diagram illustrating an example of a detailed configuration of a refinement unit illustrated in FIG. 21. It is a flowchart which shows an example of the flow of the process relevant to refinement
  • scalable coding In scalable encoding, a plurality of layers each including a series of images are encoded.
  • the base layer is a layer that expresses the coarsest image that is encoded first.
  • the base layer coded stream may be decoded independently without decoding the other layer coded streams.
  • a layer other than the base layer is a layer called an enhancement layer (enhancement layer) that represents a finer image.
  • the enhancement layer encoded stream is encoded using information included in the base layer encoded stream. Accordingly, in order to reproduce the enhancement layer image, both the base layer and enhancement layer encoded streams are decoded.
  • the number of layers handled in scalable coding may be any number of two or more. When three or more layers are encoded, the lowest layer is the base layer, and the remaining layers are enhancement layers.
  • the higher enhancement layer encoded stream may be encoded and decoded using information contained in the lower enhancement layer or base layer encoded stream.
  • FIG. 1 is an explanatory diagram for describing a spatial scalability method.
  • Layer L11 is a base layer
  • layers L12 and L13 are enhancement layers.
  • the ratio of the spatial resolution of the layer L12 to the layer L11 is 2: 1.
  • the ratio of the spatial resolution of the layer L13 to the layer L11 is 4: 1.
  • the resolution ratio here is only an example, and a non-integer resolution ratio such as 1.5: 1 may be used.
  • the block B11 of the layer L11 is a processing unit of the encoding process in the base layer picture.
  • the block B12 of the layer L12 is a processing unit of the encoding process in the enhancement layer picture in which a scene common to the block B11 is shown.
  • the block B12 corresponds to the block B11 of the layer L11.
  • the block B13 of the layer L13 is a processing unit for encoding processing in a picture of a higher enhancement layer that shows a scene common to the blocks B11 and B12.
  • the block B13 corresponds to the block B11 of the layer L11 and the block B12 of the layer L12.
  • the texture of the image is similar between layers showing a common scene. That is, the textures of the block B11 in the layer L11, the block B12 in the layer L12, and the block B13 in the layer L13 are similar. Therefore, for example, if the pixel of the block B12 or the block B13 is predicted using the block B11 as the reference block, or the pixel of the block B13 is predicted using the block B12 as the reference block, high prediction accuracy may be obtained. .
  • Such prediction between layers is called inter-layer prediction.
  • intra-BL prediction which is a type of inter-layer prediction, a base layer decoded image (reconstructed image) is used as a reference image for predicting an enhancement layer decoded image.
  • a base layer prediction error (residual) image is used as a reference image for predicting an enhancement layer prediction error image.
  • the spatial resolution of the enhancement layer is higher than the spatial resolution of the base layer. Therefore, the base layer image is up-sampled according to the resolution ratio and used as a reference image.
  • An upsampling filter for inter-layer prediction is usually designed in the same manner as an interpolation filter for motion compensation.
  • the interpolation filter for motion compensation has a tap number of 7 taps or 8 taps for luminance components and 4 taps for color difference components.
  • FIG. 2 is an explanatory diagram for explaining the SNR scalability method.
  • the layer L21 is a base layer, and the layers L22 and L23 are enhancement layers.
  • the layer L21 is encoded so as to include only the coarsest quantized data (data quantized by the largest quantization step) among the three layers.
  • the layer L22 is encoded so as to include quantized data that compensates for the quantization error of the layer L21.
  • the block B21 of the layer L21 is a processing unit of the encoding process in the base layer picture.
  • the block B22 of the layer L22 is a processing unit of the encoding process in the enhancement layer picture in which a scene common to the block B21 is shown. Block B22 corresponds to block B21 of layer L21.
  • the block B23 of the layer L23 is a processing unit of encoding processing in a picture of a higher enhancement layer that shows a scene common to the blocks B21 and B22.
  • the block B23 corresponds to the block B21 of the layer L21 and the block B22 of the layer L22.
  • the texture of the image is similar between layers showing a common scene. Therefore, in the inter-layer prediction, for example, if the pixel of the block B22 or the block B23 is predicted using the block B21 as a reference block, or the pixel of the block B23 is predicted using the block B22 as a reference block, high prediction accuracy can be obtained. There is a possibility that.
  • the spatial resolution of the enhancement layer is equal to the spatial resolution of the base layer. Therefore, upsampling is not required in order to use the base layer image as a reference image. When the spatial scalability scheme and the SNR scalability scheme are combined, the base layer image is upsampled.
  • FIG. 3 is an explanatory diagram for explaining a refinement method using a cross color filter.
  • the cross color filter proposed by Non-Patent Document 4 is indicated by a square mark in the figure in addition to the color difference component P20.
  • Eight luminance components P11 to P18 are used as filter taps.
  • the filter coefficients are calculated on the encoder side using Wiener filters separately for the Cb component and the Cr component so as to minimize the mean square error between the original image and the refined image.
  • the calculation of the filter coefficients is performed for each of one or more blocks formed by dividing the image to a certain depth and having a uniform block size with respect to each other.
  • FIG. 4 is an explanatory diagram for explaining a refinement method using an edge enhancement filter.
  • an edge map of a base layer image is extracted using a Prewitt filter, and a warping parameter calculated for each pixel based on the edge map is applied to each pixel. Is added. Thereby, the edge of the image of the base layer is emphasized.
  • a part of an image IM1 includes an edge, and a state in which the edge is emphasized by a warp calculation is symbolically expressed by a number of arrow icons.
  • edge map extraction and warp calculation are performed for all pixels in the image. Therefore, the amount of computation for filtering is still enormous.
  • FIG. 5 is a block diagram illustrating a schematic configuration of the image encoding device 10 that supports scalable encoding.
  • the image encoding device 10 includes a base layer (BL) encoding unit 1 a, an enhancement layer (EL) encoding unit 1 b, a common memory 2 and a multiplexing unit 3.
  • BL base layer
  • EL enhancement layer
  • the BL encoding unit 1a encodes a base layer image and generates a base layer encoded stream.
  • the EL encoding unit 1b encodes the enhancement layer image, and generates an enhancement layer encoded stream.
  • the common memory 2 stores information commonly used between layers.
  • the multiplexing unit 3 multiplexes the encoded stream of the base layer generated by the BL encoding unit 1a and the encoded stream of one or more enhancement layers generated by the EL encoding unit 1b. Generate a multiplexed stream.
  • FIG. 6 is a block diagram illustrating a schematic configuration of an image decoding device 60 that supports scalable coding.
  • the image decoding device 60 includes a demultiplexing unit 5, a base layer (BL) decoding unit 6 a, an enhancement layer (EL) decoding unit 6 b, and a common memory 7.
  • BL base layer
  • EL enhancement layer
  • the demultiplexing unit 5 demultiplexes the multi-layer multiplexed stream into a base layer encoded stream and one or more enhancement layer encoded streams.
  • the BL decoding unit 6a decodes a base layer image from the base layer encoded stream.
  • the EL decoding unit 6b decodes the enhancement layer image from the enhancement layer encoded stream.
  • the common memory 7 stores information commonly used between layers.
  • the configuration of the BL encoding unit 1a for encoding the base layer and the configuration of the EL encoding unit 1b for encoding the enhancement layer are similar to each other. .
  • Some parameters and images generated or acquired by the BL encoder 1a can be buffered using the common memory 2 and reused by the EL encoder 1b. In the following sections, some embodiments of the configuration of such an EL encoding unit 1b will be described.
  • the configuration of the BL decoding unit 6a for decoding the base layer and the configuration of the EL decoding unit 6b for decoding the enhancement layer are similar to each other. Some parameters and images generated or acquired by the BL decoding unit 6a can be buffered using the common memory 7 and reused by the EL decoding unit 6b. In the following sections, some embodiments of the configuration of such an EL decoding unit 6b are also described.
  • FIG. 7 is a block diagram illustrating an example of a configuration of the EL encoding unit 1b according to the first embodiment.
  • the EL encoding unit 1b includes a rearrangement buffer 11, a subtraction unit 13, an orthogonal transformation unit 14, a quantization unit 15, a lossless encoding unit 16, a storage buffer 17, a rate control unit 18, and an inverse quantization.
  • the rearrangement buffer 11 rearranges images included in a series of image data.
  • the rearrangement buffer 11 rearranges the images according to the GOP (Group of Pictures) structure related to the encoding process, and then transmits the rearranged image data to the subtraction unit 13, the intra prediction unit 30, and the inter prediction unit 35. Output.
  • GOP Group of Pictures
  • the subtraction unit 13 is supplied with image data input from the rearrangement buffer 11 and predicted image data input from the intra prediction unit 30 or the inter prediction unit 35 described later.
  • the subtraction unit 13 calculates prediction error data that is a difference between the image data input from the rearrangement buffer 11 and the prediction image data, and outputs the calculated prediction error data to the orthogonal transformation unit 14.
  • the orthogonal transform unit 14 performs orthogonal transform on the prediction error data input from the subtraction unit 13.
  • the orthogonal transformation performed by the orthogonal transformation part 14 may be discrete cosine transformation (Discrete Cosine Transform: DCT) or Karoonen-Labe transformation, for example.
  • DCT Discrete Cosine Transform
  • HEVC Karoonen-Labe transformation
  • orthogonal transformation is performed for each block called TU (Transform Unit).
  • a TU is a block formed by recursively dividing a CU (Coding Unit), and TU sizes are 4 ⁇ 4 pixels, 8 ⁇ 8 pixels, 16 ⁇ 16 pixels, and 32 ⁇ 32. Selected from pixels.
  • the orthogonal transform unit 14 outputs transform coefficient data acquired by the orthogonal transform process to the quantization unit 15.
  • the quantization unit 15 is supplied with transform coefficient data input from the orthogonal transform unit 14 and a rate control signal from the rate control unit 18 described later.
  • the rate control signal specifies a quantization parameter for each color component for each block.
  • the quantization error of the transform coefficient data also increases.
  • the enhancement layer quantization error is smaller than the base layer quantization error.
  • the quantization unit 15 quantizes the transform coefficient data in a quantization step that depends on the quantization parameter (and the quantization matrix), and converts the quantized transform coefficient data (hereinafter referred to as quantized data) to the lossless encoding unit 16. And output to the inverse quantization unit 21.
  • the lossless encoding unit 16 performs a lossless encoding process on the quantized data input from the quantization unit 15 to generate an enhancement layer encoded stream.
  • the lossless encoding unit 16 encodes various parameters referred to when decoding the encoded stream, and inserts the encoded parameters into the header area of the encoded stream.
  • the parameters encoded by the lossless encoding unit 16 may include information related to intra prediction and information related to inter prediction, which will be described later.
  • parameters related to refinement hereinafter referred to as refinement-related parameters
  • the lossless encoding unit 16 outputs the generated encoded stream to the accumulation buffer 17.
  • the accumulation buffer 17 temporarily accumulates the encoded stream input from the lossless encoding unit 16 using a storage medium such as a semiconductor memory. Then, the accumulation buffer 17 outputs the accumulated encoded stream to a transmission unit (not shown) (for example, a communication interface or a connection interface with a peripheral device) at a rate corresponding to the bandwidth of the transmission path.
  • a transmission unit for example, a communication interface or a connection interface with a peripheral device
  • the rate control unit 18 monitors the free capacity of the accumulation buffer 17. Then, the rate control unit 18 generates a rate control signal according to the free capacity of the accumulation buffer 17 and outputs the generated rate control signal to the quantization unit 15. For example, the rate control unit 18 generates a rate control signal for reducing the bit rate of the quantized data when the free capacity of the storage buffer 17 is small. For example, when the free capacity of the accumulation buffer 17 is sufficiently large, the rate control unit 18 generates a rate control signal for increasing the bit rate of the quantized data.
  • the inverse quantization unit 21, the inverse orthogonal transform unit 22, and the addition unit 23 constitute a local decoder.
  • the inverse quantization unit 21 performs the same quantization step as that used by the quantization unit 15 and inversely quantizes the enhancement layer quantization data to restore the transform coefficient data. Then, the inverse quantization unit 21 outputs the restored transform coefficient data to the inverse orthogonal transform unit 22.
  • the inverse orthogonal transform unit 22 restores the prediction error data by performing an inverse orthogonal transform process on the transform coefficient data input from the inverse quantization unit 21. Similar to the orthogonal transform, the inverse orthogonal transform is performed for each TU. Then, the inverse orthogonal transform unit 22 outputs the restored prediction error data to the addition unit 23.
  • the adding unit 23 adds decoded image error data (enhancement layer) by adding the restored prediction error data input from the inverse orthogonal transform unit 22 and the predicted image data input from the intra prediction unit 30 or the inter prediction unit 35. Of the reconstructed image). Then, the adder 23 outputs the generated decoded image data to the loop filter 24 and the frame memory 25.
  • the loop filter 24 includes a filter group for the purpose of improving the image quality.
  • the deblocking filter (DF) is a filter that reduces block distortion that occurs when an image is encoded.
  • a sample adaptive offset (SAO) filter is a filter that adds an adaptively determined offset value to each pixel value.
  • the adaptive loop filter (ALF) is a filter that minimizes an error between the image after SAO and the original image.
  • the loop filter 24 filters the decoded image data input from the adding unit 23 and outputs the decoded image data after filtering to the frame memory 25.
  • the frame memory 25 includes enhancement layer decoded image data input from the adder 23, enhancement layer filtered image data input from the loop filter 24, and base layer reference image input from the refinement unit 40. Data is stored using a storage medium.
  • the selector 26 reads out the decoded image data before filtering used for intra prediction from the frame memory 25 and supplies the read decoded image data to the intra prediction unit 30 as reference image data.
  • the selector 26 reads out the decoded image data after filtering used for inter prediction from the frame memory 25 and supplies the read out decoded image data to the inter prediction unit 35 as reference image data.
  • the selector 26 supplies the reference image data of the base layer to the intra prediction unit 30 or the inter prediction unit 35.
  • the selector 27 In the intra prediction mode, the selector 27 outputs predicted image data as a result of the intra prediction output from the intra prediction unit 30 to the subtraction unit 13 and outputs information related to the intra prediction to the lossless encoding unit 16. Further, in the inter prediction mode, the selector 27 outputs predicted image data as a result of the inter prediction output from the inter prediction unit 35 to the subtraction unit 13 and outputs information related to the inter prediction to the lossless encoding unit 16. .
  • the selector 27 switches between the intra prediction mode and the inter prediction mode according to the size of the cost function value.
  • the intra prediction unit 30 performs intra prediction processing for each HEVC PU (Prediction Unit) based on the original image data and decoded image data of the enhancement layer.
  • a PU is a block formed by recursively dividing a CU, like a TU.
  • the intra prediction unit 30 evaluates the prediction result of each candidate mode in the prediction mode set using a predetermined cost function.
  • the intra prediction unit 30 selects the prediction mode with the smallest cost function value, that is, the prediction mode with the highest compression rate, as the optimum prediction mode.
  • the intra prediction unit 30 generates enhancement layer predicted image data according to the optimal prediction mode.
  • the intra prediction unit 30 may include inter layer prediction in the prediction mode set in the enhancement layer.
  • the intra prediction unit 30 outputs information related to intra prediction including prediction mode information representing the selected optimal prediction mode, cost function values, and predicted image data to the selector 27.
  • the inter prediction unit 35 performs inter prediction processing for each PU of HEVC based on the original image data and decoded image data of the enhancement layer. For example, the inter prediction unit 35 evaluates the prediction result of each candidate mode in the prediction mode set using a predetermined cost function. Next, the inter prediction unit 35 selects a prediction mode with the smallest cost function value, that is, a prediction mode with the highest compression rate, as the optimum prediction mode. Further, the inter prediction unit 35 generates enhancement layer predicted image data according to the optimal prediction mode. The inter prediction unit 35 may include inter layer prediction in the prediction mode set in the enhancement layer. The inter prediction unit 35 outputs information about the inter prediction including the prediction mode information representing the selected optimal prediction mode and the motion information, the cost function value, and the prediction image data to the selector 27.
  • the refinement unit 40 acquires a base layer image buffered by the common memory 2 as a reference image, and applies a refinement filter to the acquired reference image to generate a refined reference image.
  • the refinement unit 40 controls the application of the refinement filter to the reference image according to the block size of the block set in the base layer image. More specifically, in the present embodiment, the refinement unit 40 invalidates application of the refinement filter to blocks having a block size larger than the threshold value.
  • the refinement unit 40 also performs reference image upsampling.
  • the refined reference image generated by the refinement unit 40 is stored in the frame memory 25 and can be referred to in the inter-layer prediction by the intra prediction unit 30 or the inter prediction unit 35. Further, the refinement-related parameters generated by the refinement unit 40 are encoded by the lossless encoding unit 16.
  • FIG. 8 is a block diagram showing an example of a detailed configuration of the refinement unit 40 shown in FIG.
  • the refinement unit 40 includes a block size buffer 41, a reference image acquisition unit 43, a threshold setting unit 45, a filter control unit 47, and a refinement filter 49.
  • the block size buffer 41 is a buffer that stores block size information that identifies the block size of the block set in the base layer image.
  • the block here may be a CU set as a processing unit for base layer encoding processing, a PU set as a processing unit for prediction processing, or a TU set as a processing unit for orthogonal transform processing.
  • the CU is formed by hierarchically dividing each LCU (Largest Coding Unit) arranged in the raster scan order in each picture (or slice) into a quad-tree shape. Usually, a plurality of CUs are set for one picture, and these CUs have various block sizes.
  • the block division is deep, and thus the block size of each block is small.
  • the block division is shallow in a region (flat region) where the high-frequency component is weak in the image, and therefore the block size of each block increases. This tendency is the same not only for CU but also for PU and TU.
  • the block size information about the CU includes, for example, LCU size information and division information.
  • the LCU size information includes, for example, a parameter (log2_min_luma_coding_block_size_minus3) that specifies the size of the SCU (Smallest Coding Unit) in the HEVC specification, and a parameter (log2_diff_max_min_luma_coding_block_size) that specifies the difference between the SCU size and the LCU size.
  • the division information includes a parameter (a set of flags (split_cu_flag)) that recursively specifies the presence or absence of block division from the LCU.
  • the block size information for the PU includes information that identifies block division from the CU into one or more PUs.
  • the block size information for a TU includes information identifying block division from a CU into one or more TUs.
  • the reference image acquisition unit 43 acquires a base layer decoded image buffered by the common memory 2 as a reference image for encoding an enhancement layer image.
  • the reference image acquisition unit 43 refines the acquired reference image as it is. Output to the filter 49.
  • the enhancement layer is encoded by the spatial scalability method, that is, when the base layer has a lower spatial resolution than the enhancement layer
  • the reference image acquisition unit 43 upsamples the decoded image of the base layer according to the resolution ratio. To do. Then, the reference image acquisition unit 43 outputs the decoded image of the base layer after upsampling to the refinement filter 49 as a reference image.
  • Threshold setting unit 45 holds a setting of a determination threshold value to be compared with the block size in order to enable (turn on) or disable (turn off) application of the refinement filter 49.
  • the determination threshold may be set in an arbitrary unit such as video data, a sequence, or a picture. For example, when the CU size is used as the block size, the determination threshold value can take any value included in the range from the SCU size to the LCU size.
  • the determination threshold value may be fixedly defined in advance.
  • the determination threshold may be selected by the encoder and encoded into the encoded stream. The determination threshold value may be set dynamically as will be described later.
  • the threshold setting unit 45 When the determination threshold is not known to the decoder (for example, is not defined as a specification in advance), the threshold setting unit 45 generates threshold information indicating the set determination threshold.
  • the threshold information may be expressed, for example, in a logarithmic form of a block size with 2 as a base.
  • the threshold information generated by the threshold setting unit 45 can be output to the lossless encoding unit 16 as a refinement-related parameter.
  • the threshold information is encoded by the lossless encoding unit 16 and inserted into, for example, a VPS (Video Parameter Set), SPS (Sequence Parameter Set) or PPS (Picture Parameter Set) of the encoded stream or an extension thereof. Can be done.
  • the filter control unit 47 controls the application of the refinement filter to each of the plurality of blocks of the reference image according to the block size of each block. More specifically, in the present embodiment, the filter control unit 47 enables the application of the refinement filter 49 to a block having a block size smaller than the determination threshold set by the threshold setting unit 45, and the determination threshold The application of the refinement filter 49 to blocks having a larger block size is disabled.
  • FIG. 9A and 9B are explanatory diagrams for explaining on / off of the refinement filter according to the block size.
  • a large number of blocks including blocks B31, B32, B33, and B34 are set.
  • the size of the block B31 is 64 ⁇ 64 pixels.
  • the size of the block B32 is 32 ⁇ 32 pixels.
  • the size of the block B33 is 16 ⁇ 16 pixels.
  • the size of the block B34 is 8 ⁇ 8 pixels.
  • the determination threshold indicates 8 pixels, and the refinement filter is applied to a block having a block size equal to the determination threshold.
  • the filter control unit 47 validates the application of the refinement filter 49 for a block having a size of 8 ⁇ 8 pixels including the block B34, as indicated by hatching in the drawing.
  • the filter control unit 47 invalidates the application of the refinement filter 49 for blocks having a size of 64 ⁇ 64 pixels, 32 ⁇ 32 pixels, or 16 ⁇ 16 pixels including the blocks B31, B32, and B33. Since an image of a block having a large block size tends to be almost flat, the filtering amount can be reduced without losing much image quality by adaptively turning off the refinement filter 49 in this way. In addition, power consumption of the encoder and decoder can be reduced.
  • FIG. 9B shows the image IM2 again.
  • the determination threshold indicates 16 pixels
  • the refinement filter is applied to a block having a block size equal to the determination threshold.
  • the filter control unit 47 effectively applies the refinement filter 49 to a block having a size of 16 ⁇ 16 pixels or 8 ⁇ 8 pixels including the blocks B33 and B34, as indicated by hatching in the drawing.
  • the filter control unit 47 invalidates the application of the refinement filter 49 for a block having a size of 64 ⁇ 64 pixels or 32 ⁇ 32 pixels including the blocks B31 and B32.
  • the filter control unit 47 may determine the determination threshold value depending on the ratio of the spatial resolution between the base layer and the enhancement layer. For example, when the resolution ratio is large, the edge and texture of the image tend to become unclear due to upsampling. Therefore, when the resolution ratio is large, the determination threshold value is also set large and the region to which the refinement filter is applied is widened, so that the edge or texture that becomes blurred can be refined appropriately.
  • the refinement filter 49 is used to encode an enhancement layer image having an attribute (for example, spatial resolution or quantization error) different from that of the base layer under the control of the filter control unit 47.
  • the reference image to be refined may be, for example, a cross color filter proposed by Non-Patent Document 4.
  • the refinement filter 49 filters each chrominance component of the reference image input from the reference image acquisition unit 43 using each chrominance component and a plurality of neighboring luminance components as filter taps. Turn into.
  • the filter coefficients can be calculated using a Wiener filter so as to minimize the mean square error between the original image and the refined image.
  • the refinement filter 49 generates filter configuration information indicating the calculated filter coefficient, and outputs the generated filter configuration information to the lossless encoding unit 16 as a refinement-related parameter.
  • the refinement filter 49 may be an edge enhancement filter proposed by Non-Patent Document 5.
  • the refinement filter 49 extracts the edge map of the reference image input from the reference image acquisition unit 43 using the Prewitt filter, calculates a warp parameter for each pixel based on the edge map, and calculates the calculated warp parameter. Is added to each pixel. Thereby, the edge of the reference image is emphasized.
  • Application of the refinement filter 49 to each pixel is controlled according to the block size of the block of the base layer corresponding to the pixel.
  • the refinement filter 49 outputs the pixel value after refinement for the pixels for which application of the filter is enabled. On the other hand, the refinement filter 49 outputs the pixel value input from the reference image acquisition unit 43 as it is for the pixel for which the application of the filter is invalidated.
  • the refined reference image formed by these pixel values is stored in the frame memory 25.
  • FIG. 10 is a flowchart illustrating an example of a schematic processing flow during encoding. Note that processing steps that are not directly related to the technology according to the present disclosure are omitted from the drawing for the sake of simplicity of explanation.
  • the BL encoding unit 1a performs base layer encoding processing to generate a base layer encoded stream (step S11).
  • the common memory 2 buffers the base layer image and some parameters (for example, resolution information and block size information) generated in the base layer encoding process (step S12).
  • the EL encoding unit 1b performs an enhancement layer encoding process to generate an enhancement layer encoded stream (step S13).
  • the enhancement layer encoding process executed here the base layer image buffered by the common memory 2 is refined by the refinement unit 40 and used as a reference image in inter-layer prediction.
  • the multiplexing unit 3 multiplexes the base layer encoded stream generated by the BL encoding unit 1a and the enhancement layer encoded stream generated by the EL encoding unit 1b, and performs multi-layer multiplexing.
  • a stream is generated (step S14).
  • FIG. 11 is a flowchart illustrating an example of a flow of processing related to refinement of a reference image at the time of encoding in the first embodiment.
  • the filter control unit 47 acquires the determination threshold set by the threshold setting unit 45 (step S21). Subsequent processing is executed in order for each pixel of the enhancement layer (hereinafter referred to as a target pixel).
  • the filter control unit 47 identifies the block size of the base layer corresponding to the target pixel (step S23).
  • the block size identified here is typically the size of the CU, PU or TU of the base layer at a position corresponding to the pixel position of the pixel of interest in the enhancement layer.
  • the filter control unit 47 determines whether upsampling should be executed based on the pixel position of the target pixel and the resolution ratio between layers (step S25). If it is determined by the filter control unit 47 that upsampling should be executed, the reference image acquisition unit 43 applies an upsampling filter to the pixel group of the base layer buffered by the common memory 2 and A reference pixel value of the pixel is acquired (step S27). On the other hand, if it is determined that upsampling should not be performed, the reference image acquisition unit 43 acquires the pixel value at the same position in the base layer buffered by the common memory 2 as the reference pixel value of the target pixel. (Step S28).
  • the filter control unit 47 determines whether the identified block size is equal to or smaller than the determination threshold value (step S31). If the identified block size exceeds the determination threshold, the filter control unit 47 invalidates the application of the refinement filter 49 for the pixel of interest. On the other hand, when the block size corresponding to the target pixel is equal to or smaller than the determination threshold, the refinement filter 49 refines the reference image by filtering the pixel group acquired by the reference image acquisition unit 43 (step) S33).
  • the filter calculation here may be a cross color filter calculation or an edge enhancement filter calculation.
  • the refinement filter 49 stores the reference pixel value of the target pixel constituting the refined reference image in the frame memory 25 (step S35). Thereafter, if there is a next pixel of interest, the process returns to step S23 (step S37). On the other hand, if the next pixel of interest does not exist, the refinement-related parameters that can include threshold information are encoded by the lossless encoding unit 16 (step S39), and the processing illustrated in FIG. 11 ends.
  • FIG. 12 is a block diagram showing an example of the configuration of the EL decoding unit 6b according to the first embodiment.
  • the EL decoding unit 6b includes an accumulation buffer 61, a lossless decoding unit 62, an inverse quantization unit 63, an inverse orthogonal transform unit 64, an addition unit 65, a loop filter 66, a rearrangement buffer 67, a D / A ( Digital to Analogue) conversion unit 68, frame memory 69, selectors 70 and 71, intra prediction unit 80, inter prediction unit 85, and refinement unit 90.
  • D / A Digital to Analogue
  • the accumulation buffer 61 temporarily accumulates the enhancement layer encoded stream input from the demultiplexer 5 using a storage medium.
  • the lossless decoding unit 62 decodes enhancement layer quantized data from the enhancement layer encoded stream input from the accumulation buffer 61 according to the encoding method used for encoding. In addition, the lossless decoding unit 62 decodes information inserted in the header area of the encoded stream.
  • the information decoded by the lossless decoding unit 62 may include, for example, information related to intra prediction and information related to inter prediction. Refinement related parameters may also be decoded.
  • the lossless decoding unit 62 outputs the quantized data to the inverse quantization unit 63. Further, the lossless decoding unit 62 outputs information related to intra prediction to the intra prediction unit 80. In addition, the lossless decoding unit 62 outputs information on inter prediction to the inter prediction unit 85. Further, when the refinement related parameter is decoded, the lossless decoding unit 62 outputs the decoded refinement related parameter to the refinement unit 90.
  • the inverse quantization unit 63 performs inverse quantization on the quantized data input from the lossless decoding unit 62 in the same quantization step (or the same quantization matrix) used for encoding, and performs enhancement layer conversion. Restore the coefficient data. Then, the inverse quantization unit 63 outputs the restored transform coefficient data to the inverse orthogonal transform unit 64.
  • the inverse orthogonal transform unit 64 generates prediction error data by performing inverse orthogonal transform on the transform coefficient data input from the inverse quantization unit 63 according to the orthogonal transform method used at the time of encoding. As described above, the inverse orthogonal transform is performed for each TU. Then, the inverse orthogonal transform unit 64 outputs the generated prediction error data to the addition unit 65.
  • the addition unit 65 adds the prediction error data input from the inverse orthogonal transform unit 64 and the prediction image data input from the selector 71 to generate decoded image data. Then, the addition unit 65 outputs the generated decoded image data to the loop filter 66 and the frame memory 69.
  • the loop filter 66 is a deblocking filter that reduces block distortion, a sample adaptive offset filter that adds an offset value to each pixel value, and an adaptation that minimizes an error from the original image.
  • a loop filter may be included.
  • the loop filter 66 filters the decoded image data input from the adding unit 65 and outputs the filtered decoded image data to the rearrangement buffer 67 and the frame memory 69.
  • the rearrangement buffer 67 generates a series of time-series image data by rearranging the images input from the loop filter 66. Then, the rearrangement buffer 67 outputs the generated image data to the D / A conversion unit 68.
  • the D / A converter 68 converts the digital image data input from the rearrangement buffer 67 into an analog image signal. Then, the D / A conversion unit 68 displays an enhancement layer image, for example, by outputting an analog image signal to a display (not shown) connected to the image decoding device 60.
  • the frame memory 69 stores the decoded image data before filtering input from the adding unit 65, the decoded image data after filtering input from the loop filter 66, and the reference image data of the base layer input from the refinement unit 90. Store using media.
  • the selector 70 switches the output destination of the image data from the frame memory 69 between the intra prediction unit 80 and the inter prediction unit 85 for each block in the image according to the mode information acquired by the lossless decoding unit 62. .
  • the selector 70 outputs the decoded image data before filtering supplied from the frame memory 69 to the intra prediction unit 80 as reference image data.
  • the selector 70 outputs the decoded image data after filtering to the inter prediction unit 85 as reference image data.
  • the selector 70 supplies the reference image data (refinement reference image) of the base layer to the intra prediction unit 80 or the inter prediction unit 85.
  • the selector 71 switches the output source of the predicted image data to be supplied to the adding unit 65 between the intra prediction unit 80 and the inter prediction unit 85 according to the mode information acquired by the lossless decoding unit 62. For example, the selector 71 supplies the prediction image data output from the intra prediction unit 80 to the adding unit 65 when the intra prediction mode is designated. Further, when the inter prediction mode is designated, the selector 71 supplies the predicted image data output from the inter prediction unit 85 to the addition unit 65.
  • the intra prediction unit 80 performs the intra prediction process of the enhancement layer based on the information related to the intra prediction input from the lossless decoding unit 62 and the reference image data from the frame memory 69, and generates predicted image data.
  • the intra prediction process is executed for each PU.
  • the intra prediction unit 80 refers to the reference image data of the base layer when a mode corresponding to the inter layer prediction is designated as the intra prediction mode.
  • the intra prediction unit 80 outputs the generated predicted image data of the enhancement layer to the selector 71.
  • the inter prediction unit 85 performs the inter prediction process (motion compensation process) of the enhancement layer based on the information related to the inter prediction input from the lossless decoding unit 62 and the reference image data from the frame memory 69, and generates predicted image data. To do.
  • the inter prediction process is executed for each PU.
  • the inter prediction unit 85 refers to the reference image data of the base layer.
  • the inter prediction unit 85 outputs the generated prediction image data of the enhancement layer to the selector 71.
  • the refinement unit 90 acquires a base layer image buffered by the common memory 7 as a reference image, and applies a refinement filter to the acquired reference image to generate a refined reference image.
  • the refinement unit 90 controls the application of the refinement filter to the reference image according to the block size of the block set in the base layer image. More specifically, in the present embodiment, the refinement unit 90 invalidates application of the refinement filter to blocks having a block size larger than the threshold value.
  • the refinement unit 90 also performs reference image upsampling.
  • the refined reference image generated by the refinement unit 90 is stored in the frame memory 69 and can be used as a reference image in the inter-layer prediction by the intra prediction unit 80 or the inter prediction unit 85.
  • the refinement unit 90 may control the refinement process according to the refinement-related parameters decoded from the encoded stream.
  • FIG. 13 is a block diagram illustrating an example of a detailed configuration of the refinement unit 90 illustrated in FIG.
  • the refinement unit 90 includes a block size buffer 91, a reference image acquisition unit 93, a threshold acquisition unit 95, a filter control unit 97, and a refinement filter 99.
  • the block size buffer 91 is a buffer that stores block size information that specifies the block size of the block set in the base layer image.
  • the block may be a CU set as a processing unit for base layer decoding processing, a PU set as a processing unit for prediction processing, or a TU set as a processing unit for orthogonal transformation processing.
  • the block size information for the CU includes, for example, LCU size information and division information.
  • the block size information for the PU includes information that identifies block division from the CU into one or more PUs.
  • the block size information for a TU includes information identifying block division from a CU into one or more TUs.
  • the reference image acquisition unit 93 acquires the decoded image of the base layer buffered by the common memory 7 as a reference image for decoding the enhancement layer image. For example, when the enhancement layer is decoded by a single SNR scalability method, that is, when the spatial resolution is equal between the base layer and the enhancement layer, the reference image acquisition unit 93 directly uses the acquired reference image as a refinement filter. Output to 99. On the other hand, when the enhancement layer is decoded by the spatial scalability method, that is, when the base layer has a lower spatial resolution than the enhancement layer, the reference image acquisition unit 93 upsamples the decoded image of the base layer according to the resolution ratio. . Then, the reference image acquisition unit 93 outputs the base layer decoded image after the upsampling to the refinement filter 99 as a reference image.
  • the threshold acquisition unit 95 acquires a determination threshold that is compared with the block size in order to enable or disable the application of the refinement filter 99.
  • the determination threshold value may be acquired in an arbitrary unit such as video data, a sequence, or a picture.
  • the determination threshold value may be fixedly defined in advance.
  • the refinement related parameter can be decoded by the lossless decoding unit 62 from the VPS, SPS, or PPS of the encoded stream.
  • the refinement related parameter includes threshold information indicating a determination threshold to be used by the decoder.
  • the threshold acquisition unit 95 can acquire such threshold information.
  • the determination threshold may be dynamically set depending on the resolution ratio between layers.
  • the filter control unit 97 controls the application of the refinement filter to each of the plurality of blocks of the reference image according to the block size of each block. More specifically, in the present embodiment, the filter control unit 97 validates the application of the refinement filter 99 to a block having a block size smaller than the determination threshold acquired by the threshold acquisition unit 95, and the determination threshold Disable the application of the refinement filter 99 to blocks with larger block sizes. As an example, the filter control unit 97 may determine the determination threshold value depending on a spatial resolution ratio between the base layer and the enhancement layer.
  • the refinement filter 99 refines a reference image used for decoding an enhancement layer image having an attribute different from that of the base layer under the control of the filter control unit 97.
  • the refinement filter 99 may be, for example, a cross color filter proposed by Non-Patent Document 4.
  • the refinement filter 99 filters each chrominance component of the reference image input from the reference image acquisition unit 93 by using each chrominance component and a plurality of neighboring luminance components as filter taps.
  • the filter coefficient can be calculated by using the Wiener filter on the encoder side, and can be specified by the filter configuration information included in the refinement related parameters.
  • the refinement filter 99 may be an edge enhancement filter proposed by Non-Patent Document 5.
  • the refinement filter 99 extracts an edge map of the reference image input from the reference image acquisition unit 93 using a Prewitt filter, calculates a warp parameter for each pixel based on the edge map, and calculates the calculated warp parameter. Is added to each pixel. Thereby, the edge of the reference image is emphasized.
  • Application of the refinement filter 99 to each pixel is controlled according to the block size of the block of the base layer corresponding to the pixel.
  • the refinement filter 99 outputs the refined pixel value for the pixels for which the application of the filter is enabled.
  • the refinement filter 99 outputs the pixel value input from the reference image acquisition unit 93 as it is for the pixel for which the application of the filter is invalidated.
  • the refined reference image formed by these pixel values is stored in the frame memory 69.
  • FIG. 14 is a flowchart illustrating an example of a schematic processing flow during decoding. Note that processing steps that are not directly related to the technology according to the present disclosure are omitted from the drawing for the sake of simplicity of explanation.
  • the demultiplexing unit 5 demultiplexes a multi-layer multiplexed stream into a base layer encoded stream and an enhancement layer encoded stream (step S60).
  • the BL decoding unit 6a executes base layer decoding processing to reconstruct a base layer image from the base layer encoded stream (step S61).
  • the common memory 7 buffers the base layer image and some parameters (for example, resolution information and block size information) generated in the base layer decoding process (step S62).
  • the EL decoding unit 6b executes enhancement layer decoding processing to reconstruct the enhancement layer image (step S63).
  • the enhancement layer decoding process executed here the base layer image buffered by the common memory 7 is refined by the refinement unit 90 and used as a reference image in inter-layer prediction.
  • FIG. 15 is a flowchart illustrating an example of a flow of processing related to refinement of a reference image at the time of decoding in the first embodiment.
  • the threshold acquisition unit 95 acquires a determination threshold used for refinement control (step S71).
  • the determination threshold may be acquired from a memory that stores a predefined parameter, or may be acquired from a refinement related parameter decoded by the lossless decoding unit 62. Subsequent processing is sequentially executed for each pixel of interest in the enhancement layer.
  • the filter control unit 97 identifies the block size of the base layer corresponding to the target pixel (step S73).
  • the block size identified here is typically the size of the CU, PU or TU of the base layer at a position corresponding to the pixel position of the pixel of interest in the enhancement layer.
  • the filter control unit 97 determines whether upsampling should be performed based on the pixel position of the target pixel and the resolution ratio between layers (step S75).
  • the reference image acquisition unit 93 applies an upsampling filter to the pixel group of the base layer buffered by the common memory 7 and A reference pixel value of the pixel is acquired (step S77).
  • the reference image acquisition unit 93 acquires the pixel value at the same position in the base layer buffered by the common memory 7 as the reference pixel value of the target pixel. (Step S78).
  • the filter control unit 97 determines whether or not the identified block size is equal to or smaller than the determination threshold value (step S81). If the identified block size exceeds the determination threshold, the filter control unit 97 invalidates the application of the refinement filter 99 for the pixel of interest. On the other hand, if the block size corresponding to the pixel of interest is equal to or smaller than the determination threshold, the refinement filter 99 refines the reference image by filtering the pixel group acquired by the reference image acquisition unit 93 (step) S83).
  • the filter calculation here may be a cross color filter calculation or an edge enhancement filter calculation.
  • the refinement filter 99 stores the reference pixel value of the target pixel constituting the refined reference image in the frame memory 69 (step S85). Thereafter, when the next pixel of interest exists, the process returns to step S73 (step S87). On the other hand, if there is no next pixel of interest, the process shown in FIG. 15 ends.
  • FIG. 16 is a block diagram illustrating an example of a configuration of the EL encoding unit 1b according to the second embodiment.
  • the EL encoding unit 1b includes a rearrangement buffer 11, a subtraction unit 13, an orthogonal transformation unit 14, a quantization unit 15, a lossless encoding unit 16, a storage buffer 17, a rate control unit 18, and an inverse quantization.
  • the refinement unit 140 acquires a base layer image buffered by the common memory 2 as a reference image, and applies a refinement filter to the acquired reference image to generate a refined reference image.
  • the refinement unit 140 controls the application of the refinement filter to the reference image according to the block size of the block set in the base layer image. More specifically, in the present embodiment, the refinement unit 140 determines the filter configuration of the refinement filter applied to each block depending on the block size of the block. When the spatial resolution differs between the base layer and the enhancement layer, the refinement unit 140 also performs reference image upsampling.
  • the refined reference image generated by the refinement unit 140 is stored in the frame memory 25 and can be referred to in the inter-layer prediction by the intra prediction unit 30 or the inter prediction unit 35. Further, the refinement-related parameter generated by the refinement unit 140 is encoded by the lossless encoding unit 16.
  • FIG. 17 is a block diagram illustrating an example of a detailed configuration of the refinement unit 140 illustrated in FIG.
  • the refinement unit 140 includes a block size buffer 41, a reference image acquisition unit 43, a luminance component buffer 146, a filter control unit 147, a coefficient calculation unit 148, and a refinement filter 149.
  • the luminance component buffer 146 is a buffer that temporarily stores a reference image of the luminance component acquired (up-sampled as necessary) by the reference image acquisition unit 43.
  • the reference image of the luminance component stored by the luminance component buffer 146 can be used in the calculation of the filter coefficient of the cross color filter by the coefficient calculation unit 148 and the filter calculation by the refinement filter 149.
  • the filter control unit 147 controls the application of the refinement filter to each of the plurality of blocks of the reference image according to the block size of each block. More specifically, in the present embodiment, the filter control unit 147 determines the filter configuration of the refinement filter 149 applied to each block depending on the block size of the block. For example, the filter control unit 147 causes the coefficient calculation unit 148 to calculate the optimum filter coefficient of the cross color filter for blocks having the same block size in a picture or a slice. Thereby, for each block size candidate, one set of optimum filter coefficients is calculated (for example, if the block size is 8 ⁇ 8 pixels, 16 ⁇ 16 pixels, or 32 ⁇ 32 pixels, the optimum filter coefficient is set). Each of the three sets of coefficients is derived). Then, when applying the refinement filter 149 to each block, the filter control unit 147 causes the refinement filter 149 to use a set of calculated filter coefficients corresponding to the block size of the block.
  • the coefficient calculation unit 148 sets, for each block size candidate, one or more blocks having the block size, which are optimal filter coefficient sets of the cross color filter applied to the color difference components of the reference image.
  • the luminance component and the color difference component are calculated.
  • the filter tap of the cross color filter includes each color difference component and a plurality of nearby luminance components.
  • the calculation of the optimal set of filter coefficients can be performed using a Wiener filter so as to minimize the mean square error between the original image and the refined image of the color difference component.
  • the one or more blocks may be all blocks having the same block size in a picture or a slice, or may be a part of those blocks.
  • FIG. 18 is an explanatory diagram for describing an example of a filter configuration depending on the block size.
  • a number of blocks including blocks B41, B42a, B42b, B43, and B44 are set.
  • the size of the block B41 is 64 ⁇ 64 pixels.
  • the size of the blocks B42a and B42b is 32 ⁇ 32 pixels.
  • the size of the block B43 is 16 ⁇ 16 pixels.
  • the size of the block B44 is 8 ⁇ 8 pixels.
  • the coefficient calculation unit 148 first calculates the coefficient set FC 64 that minimizes the mean square error between the original image and the refined image of the color difference component of the block B41.
  • the coefficient calculation unit 148 calculates a coefficient set FC 32 that minimizes the mean square error between the original image and the refined image of the color difference components of the blocks B42a and B42b.
  • the coefficient calculator 148 calculates a coefficient set FC 16 to minimize the mean square error between the original image and the resolution image of a color difference component of the plurality of blocks of 16 ⁇ 16 pixels including a block B43.
  • the coefficient calculator 148 calculates a coefficient set FC 8 that the mean square error between the original image and the resolution image of the color difference components of a plurality of 8 ⁇ 8 pixels of the block containing the block B44 to a minimum.
  • the filter strength is stronger for the block with a stronger (smaller) higher frequency component, and the filter strength is stronger for the block with a higher (higher) frequency component.
  • Each set of filter coefficients can be derived to be weaker. Therefore, the image quality is effectively improved compared to the case where uniform filter coefficients are used.
  • the coefficient calculation unit 148 outputs a set of filter coefficients calculated for each block size to the refinement filter 149. Further, the coefficient calculation unit 148 generates filter configuration information indicating the set of filter coefficients.
  • the filter configuration information indicates, for each block size, a filter configuration to be used by the refinement filter in the decoder within a range of possible block sizes. For example, when the CU size is used as the block size, the SCU size is 8 ⁇ 8 pixels, and the LCU size is 32 ⁇ 32 pixels, the coefficient calculation unit 148 sets the filter coefficient corresponding to the block size of 64 ⁇ 64 pixels. And calculation of filter configuration information may be omitted.
  • the coefficient calculation unit 148 outputs the generated filter configuration information to the lossless encoding unit 16 as a refinement related parameter.
  • the filter configuration information is encoded by the lossless encoding unit 16 and can be inserted into, for example, the VPS, SPS, or PPS of the encoded stream or an extension thereof.
  • the coefficient calculation unit 148 may predictively encode the filter configuration information between pictures. Further, the coefficient calculation unit 148 may predictively encode the filter configuration information between different block sizes. In addition, the coefficient calculation unit 148 may predictively encode the filter configuration information between different color components (for example, from the Cb component to the Cr component or vice versa). Thereby, the code amount of the filter configuration information can be further reduced.
  • FIG. 19 is an explanatory diagram for describing an example of predictive encoding of filter configuration information.
  • the left side of FIG. 19 shows filter coefficient sets FC 64 — n , FC 32 — n , FC 16 — n and FC 8 — n calculated for four block sizes when encoding the nth picture P n .
  • the coefficient calculation unit 148 also calculates filter coefficient difference sets D 32 — n + 1 , D 16 — n + 1 and D 8 — n + 1 respectively corresponding to the filter coefficient sets FC 32 — n + 1 , FC 16 — n + 1 and FC 8 — n + 1 .
  • the range of the filter coefficient difference set value is smaller than the range of the filter coefficient set value. Therefore, by encoding such a set of filter coefficient differences, the code amount of the filter configuration information can be reduced.
  • the refinement filter 149 is used to encode an enhancement layer image having attributes (for example, spatial resolution or quantization error) different from the base layer under the control of the filter control unit 147.
  • the reference image to be refined is a cross color filter proposed by Non-Patent Document 4, for example.
  • the refinement filter 149 refines each chrominance component of the reference image input from the reference image acquisition unit 43 by filtering each chrominance component and a plurality of neighboring luminance components as filter taps.
  • the refinement filter 149 uses a set corresponding to the block size identified by the filter control unit 147 among the plurality of sets of filter coefficients input from the coefficient calculation unit 148. Then, the refinement filter 149 stores the refined reference image in the frame memory 25.
  • FIG. 20 is a flowchart showing an example of the flow of processing related to the refinement of the reference image at the time of encoding in the present embodiment.
  • the coefficient calculation unit 148 calculates an optimum filter coefficient for each block size (step S22). Subsequent processing is sequentially executed for each pixel of interest of the color difference component of the enhancement layer.
  • the filter control unit 147 identifies the block size of the base layer corresponding to the target pixel (step S23).
  • the block size identified here is typically the size of the CU, PU or TU of the base layer at a position corresponding to the pixel position of the pixel of interest in the enhancement layer.
  • the filter control unit 147 determines whether to perform upsampling based on the pixel position of the target pixel and the resolution ratio between layers (step S25).
  • the reference image acquisition unit 143 applies an upsampling filter to the pixel group of the base layer buffered by the common memory 2 and A reference pixel value of the pixel is acquired (step S27).
  • the reference image acquisition unit 143 acquires the pixel value at the same position in the base layer buffered by the common memory 2 as the reference pixel value of the target pixel. (Step S28).
  • the refinement filter 149 performs filtering using the color difference component input from the reference image acquisition unit 43 and a plurality of neighboring luminance components acquired from the luminance component buffer 146 as filter taps, thereby obtaining the target pixel.
  • the color difference component is refined (step S32).
  • the set of filter coefficients used here is a set corresponding to the block size identified by the filter control unit 147.
  • the refinement filter 149 stores the refined reference pixel value of the target pixel in the frame memory 25 (step S35). Thereafter, if there is a next pixel of interest, the process returns to step S23 (step S37). On the other hand, when the next pixel of interest does not exist, a refinement related parameter that can include filter configuration information indicating a filter configuration for each block size is encoded by the lossless encoding unit 16 (step S40), and is shown in FIG. The process ends.
  • FIG. 21 is a block diagram showing an example of the configuration of the EL decoding unit 6b according to the second embodiment.
  • the EL decoding unit 6b includes a storage buffer 61, a lossless decoding unit 62, an inverse quantization unit 63, an inverse orthogonal transform unit 64, an addition unit 65, a loop filter 66, a rearrangement buffer 67, a D / A ( Digital to Analogue) conversion unit 68, frame memory 69, selectors 70 and 71, intra prediction unit 80, inter prediction unit 85, and refinement unit 190.
  • D / A Digital to Analogue
  • the refinement unit 190 acquires a base layer image buffered by the common memory 7 as a reference image, and applies a refinement filter to the acquired reference image to generate a refined reference image.
  • the refinement unit 190 controls the application of the refinement filter to the reference image according to the block size of the block set in the base layer image. More specifically, in the present embodiment, the refinement unit 190 determines the filter configuration of the refinement filter applied to each block depending on the block size of the block. If the spatial resolution differs between the base layer and the enhancement layer, the refinement unit 190 also performs reference image upsampling.
  • the refined reference image generated by the refinement unit 190 is stored in the frame memory 69 and can be used as a reference image in the inter-layer prediction by the intra prediction unit 80 or the inter prediction unit 85.
  • the refinement unit 190 controls the refinement process according to the refinement-related parameters decoded from the encoded stream.
  • FIG. 22 is a block diagram illustrating an example of a detailed configuration of the refinement unit 190 illustrated in FIG.
  • the refinement unit 190 includes a block size buffer 91, a reference image acquisition unit 93, a luminance component buffer 196, a filter control unit 197, a coefficient acquisition unit 198, and a refinement filter 199.
  • the luminance component buffer 196 is a buffer that temporarily stores the reference image of the luminance component acquired by the reference image acquisition unit 93 (up-sampled as necessary).
  • the reference image of the luminance component stored by the luminance component buffer 196 can be used in the filter operation by the refinement filter 199.
  • the filter control unit 197 controls the application of the refinement filter to each of the plurality of blocks of the reference image according to the block size of each block. More specifically, in the present embodiment, the filter control unit 197 determines the filter configuration of the refinement filter 199 applied to each block depending on the block size of the block. For example, the filter control unit 197 causes the coefficient acquisition unit 198 to acquire a set of filter coefficients for each block size indicated by the filter configuration information included in the refinement-related parameters decoded by the lossless decoding unit 62. Then, when applying the refinement filter 199 to each block, the filter control unit 197 causes the refinement filter 199 to use the acquired set of filter coefficients corresponding to the block size of the block.
  • the coefficient acquisition unit 198 acquires an optimal filter coefficient set for the cross color filter applied to the color difference component of the reference image for each block size candidate.
  • the set of filter coefficients is calculated by the encoder as described with reference to FIG. 18 and is indicated by the filter configuration information decoded by the lossless decoding unit 62.
  • the filter configuration information indicates, for each block size, a filter configuration to be used by the refinement filter 199 within a range of possible block sizes.
  • the filter configuration information may be decoded from, for example, VPS, SPS or PPS of the encoded stream or their extensions.
  • the coefficient acquisition unit 198 outputs the acquired filter coefficient set for each block size to the refinement filter 199.
  • the coefficient acquisition unit 198 acquires the filter coefficient by adding the predicted value of the filter coefficient and the decoded difference value, for example, when the filter configuration information is predictively encoded.
  • the prediction value of the filter coefficient may be the value of the filter coefficient decoded for the previous picture.
  • the prediction value of the filter coefficient for a certain block size may be the value of a filter coefficient for another block size.
  • the prediction value of the filter coefficient for the Cr component may be the value of the filter coefficient for the Cb component (or vice versa).
  • the refinement filter 199 refines a reference image used for decoding an enhancement layer image having an attribute different from that of the base layer under the control of the filter control unit 197.
  • the refinement filter 199 is, for example, a cross color filter proposed by Non-Patent Document 4.
  • the refinement filter 199 refines each chrominance component of the reference image input from the reference image acquisition unit 93 by filtering each chrominance component and a plurality of neighboring luminance components as filter taps.
  • the refinement filter 199 uses a set corresponding to the block size identified by the filter control unit 197 among a plurality of sets of filter coefficients input from the coefficient acquisition unit 198. Then, the refinement filter 199 stores the refined reference image in the frame memory 69.
  • FIG. 23 is a flowchart illustrating an example of a flow of processing related to the refinement of the reference image at the time of decoding in the present embodiment.
  • the coefficient obtaining unit 198 obtains a set of filter coefficients for each block size from the filter configuration information decoded by the lossless decoding unit 62 (step S72). Subsequent processing is sequentially executed for each pixel of interest of the color difference component of the enhancement layer.
  • the filter control unit 197 identifies the block size of the base layer corresponding to the target pixel (step S73).
  • the block size identified here is typically the size of the CU, PU or TU of the base layer at a position corresponding to the pixel position of the pixel of interest in the enhancement layer.
  • the filter control unit 197 determines whether upsampling should be executed based on the pixel position of the target pixel and the resolution ratio between layers (step S75). If it is determined by the filter control unit 197 that upsampling should be executed, the reference image acquisition unit 193 applies an upsampling filter to the pixel group of the base layer buffered by the common memory 7, and A reference pixel value of the pixel is acquired (step S77). On the other hand, if it is determined that upsampling should not be performed, the reference image acquisition unit 193 acquires the pixel value at the same position of the base layer buffered by the common memory 7 as the reference pixel value of the target pixel. (Step S78).
  • the refining filter 199 performs filtering using the color difference component input from the reference image acquisition unit 93 and a plurality of neighboring luminance components acquired from the luminance component buffer 196 as filter taps, thereby obtaining the target pixel.
  • the color difference component is refined (step S82).
  • the set of filter coefficients used here is a set corresponding to the block size identified by the filter control unit 197.
  • the refinement filter 199 stores the refined reference pixel value of the target pixel in the frame memory 69 (step S85). Thereafter, when the next pixel of interest exists, the process returns to step S73 (step S87). On the other hand, if there is no next pixel of interest, the process shown in FIG. 23 ends.
  • the image encoding device 10 and the image decoding device 60 are a transmitter or a receiver in satellite broadcasting, cable broadcasting such as cable TV, distribution on the Internet, and distribution to terminals by cellular communication,
  • the present invention can be applied to various electronic devices such as a recording device that records an image on a medium such as an optical disk, a magnetic disk, and a flash memory, or a playback device that reproduces an image from these storage media.
  • a recording device that records an image on a medium such as an optical disk, a magnetic disk, and a flash memory
  • a playback device that reproduces an image from these storage media.
  • FIG. 24 illustrates an example of a schematic configuration of a television device.
  • the television apparatus 900 includes an antenna 901, a tuner 902, a demultiplexer 903, a decoder 904, a video signal processing unit 905, a display unit 906, an audio signal processing unit 907, a speaker 908, an external interface 909, a control unit 910, a user interface 911, And a bus 912.
  • Tuner 902 extracts a signal of a desired channel from a broadcast signal received via antenna 901, and demodulates the extracted signal. Then, the tuner 902 outputs the encoded bit stream obtained by the demodulation to the demultiplexer 903. In other words, the tuner 902 serves as a transmission unit in the television apparatus 900 that receives an encoded stream in which an image is encoded.
  • the demultiplexer 903 separates the video stream and audio stream of the viewing target program from the encoded bit stream, and outputs each separated stream to the decoder 904. In addition, the demultiplexer 903 extracts auxiliary data such as EPG (Electronic Program Guide) from the encoded bit stream, and supplies the extracted data to the control unit 910. Note that the demultiplexer 903 may perform descrambling when the encoded bit stream is scrambled.
  • EPG Electronic Program Guide
  • the decoder 904 decodes the video stream and audio stream input from the demultiplexer 903. Then, the decoder 904 outputs the video data generated by the decoding process to the video signal processing unit 905. In addition, the decoder 904 outputs audio data generated by the decoding process to the audio signal processing unit 907.
  • the video signal processing unit 905 reproduces the video data input from the decoder 904 and causes the display unit 906 to display the video.
  • the video signal processing unit 905 may cause the display unit 906 to display an application screen supplied via a network.
  • the video signal processing unit 905 may perform additional processing such as noise removal on the video data according to the setting.
  • the video signal processing unit 905 may generate a GUI (Graphical User Interface) image such as a menu, a button, or a cursor, and superimpose the generated image on the output image.
  • GUI Graphic User Interface
  • the display unit 906 is driven by a drive signal supplied from the video signal processing unit 905, and displays a video or an image on a video screen of a display device (for example, a liquid crystal display, a plasma display, or an OLED).
  • a display device for example, a liquid crystal display, a plasma display, or an OLED.
  • the audio signal processing unit 907 performs reproduction processing such as D / A conversion and amplification on the audio data input from the decoder 904, and outputs audio from the speaker 908.
  • the audio signal processing unit 907 may perform additional processing such as noise removal on the audio data.
  • the external interface 909 is an interface for connecting the television apparatus 900 to an external device or a network.
  • a video stream or an audio stream received via the external interface 909 may be decoded by the decoder 904. That is, the external interface 909 also has a role as a transmission unit in the television apparatus 900 that receives an encoded stream in which an image is encoded.
  • the control unit 910 has a processor such as a CPU (Central Processing Unit) and a memory such as a RAM (Random Access Memory) and a ROM (Read Only Memory).
  • the memory stores a program executed by the CPU, program data, EPG data, data acquired via a network, and the like.
  • the program stored in the memory is read and executed by the CPU when the television device 900 is activated, for example.
  • the CPU controls the operation of the television device 900 according to an operation signal input from the user interface 911, for example, by executing the program.
  • the user interface 911 is connected to the control unit 910.
  • the user interface 911 includes, for example, buttons and switches for the user to operate the television device 900, a remote control signal receiving unit, and the like.
  • the user interface 911 detects an operation by the user via these components, generates an operation signal, and outputs the generated operation signal to the control unit 910.
  • the bus 912 connects the tuner 902, the demultiplexer 903, the decoder 904, the video signal processing unit 905, the audio signal processing unit 907, the external interface 909, and the control unit 910 to each other.
  • the decoder 904 has the function of the image decoding device 60. Therefore, when the television apparatus 900 refines an image referred between layers, the image quality of the reference image can be efficiently improved while suppressing the calculation amount or the code amount.
  • FIG. 25 shows an example of a schematic configuration of a mobile phone.
  • a cellular phone 920 includes an antenna 921, a communication unit 922, an audio codec 923, a speaker 924, a microphone 925, a camera unit 926, an image processing unit 927, a demultiplexing unit 928, a recording / reproducing unit 929, a display unit 930, a control unit 931, an operation A portion 932 and a bus 933.
  • the antenna 921 is connected to the communication unit 922.
  • the speaker 924 and the microphone 925 are connected to the audio codec 923.
  • the operation unit 932 is connected to the control unit 931.
  • the bus 933 connects the communication unit 922, the audio codec 923, the camera unit 926, the image processing unit 927, the demultiplexing unit 928, the recording / reproducing unit 929, the display unit 930, and the control unit 931 to each other.
  • the mobile phone 920 has various operation modes including a voice call mode, a data communication mode, a shooting mode, and a videophone mode, and is used for sending and receiving voice signals, sending and receiving e-mail or image data, taking images, and recording data. Perform the action.
  • the analog voice signal generated by the microphone 925 is supplied to the voice codec 923.
  • the audio codec 923 converts an analog audio signal into audio data, A / D converts the compressed audio data, and compresses it. Then, the audio codec 923 outputs the compressed audio data to the communication unit 922.
  • the communication unit 922 encodes and modulates the audio data and generates a transmission signal. Then, the communication unit 922 transmits the generated transmission signal to a base station (not shown) via the antenna 921. In addition, the communication unit 922 amplifies a radio signal received via the antenna 921 and performs frequency conversion to acquire a received signal.
  • the communication unit 922 demodulates and decodes the received signal to generate audio data, and outputs the generated audio data to the audio codec 923.
  • the audio codec 923 expands the audio data and performs D / A conversion to generate an analog audio signal. Then, the audio codec 923 supplies the generated audio signal to the speaker 924 to output audio.
  • the control unit 931 generates character data constituting the e-mail in response to an operation by the user via the operation unit 932.
  • the control unit 931 causes the display unit 930 to display characters.
  • the control unit 931 generates e-mail data in response to a transmission instruction from the user via the operation unit 932, and outputs the generated e-mail data to the communication unit 922.
  • the communication unit 922 encodes and modulates email data and generates a transmission signal. Then, the communication unit 922 transmits the generated transmission signal to a base station (not shown) via the antenna 921.
  • the communication unit 922 amplifies a radio signal received via the antenna 921 and performs frequency conversion to acquire a received signal.
  • the communication unit 922 demodulates and decodes the received signal to restore the email data, and outputs the restored email data to the control unit 931.
  • the control unit 931 displays the content of the electronic mail on the display unit 930 and stores the electronic mail data in the storage medium of the recording / reproducing unit 929.
  • the recording / reproducing unit 929 has an arbitrary readable / writable storage medium.
  • the storage medium may be a built-in storage medium such as a RAM or a flash memory, or an externally mounted storage medium such as a hard disk, a magnetic disk, a magneto-optical disk, an optical disk, a USB memory, or a memory card. May be.
  • the camera unit 926 images a subject to generate image data, and outputs the generated image data to the image processing unit 927.
  • the image processing unit 927 encodes the image data input from the camera unit 926 and stores the encoded stream in the storage medium of the recording / playback unit 929.
  • the demultiplexing unit 928 multiplexes the video stream encoded by the image processing unit 927 and the audio stream input from the audio codec 923, and the multiplexed stream is the communication unit 922. Output to.
  • the communication unit 922 encodes and modulates the stream and generates a transmission signal. Then, the communication unit 922 transmits the generated transmission signal to a base station (not shown) via the antenna 921.
  • the communication unit 922 amplifies a radio signal received via the antenna 921 and performs frequency conversion to acquire a received signal.
  • These transmission signal and reception signal may include an encoded bit stream.
  • the communication unit 922 demodulates and decodes the received signal to restore the stream, and outputs the restored stream to the demultiplexing unit 928.
  • the demultiplexing unit 928 separates the video stream and the audio stream from the input stream, and outputs the video stream to the image processing unit 927 and the audio stream to the audio codec 923.
  • the image processing unit 927 decodes the video stream and generates video data.
  • the video data is supplied to the display unit 930, and a series of images is displayed on the display unit 930.
  • the audio codec 923 decompresses the audio stream and performs D / A conversion to generate an analog audio signal. Then, the audio codec 923 supplies the generated audio signal to the speaker 924 to output audio.
  • the image processing unit 927 has the functions of the image encoding device 10 and the image decoding device 60. Thereby, when the mobile phone 920 refines an image referred between layers, the image quality of the reference image can be efficiently improved while suppressing the calculation amount or the code amount.
  • FIG. 26 shows an example of a schematic configuration of a recording / reproducing apparatus.
  • the recording / reproducing device 940 encodes audio data and video data of a received broadcast program and records the encoded data on a recording medium.
  • the recording / reproducing device 940 may encode audio data and video data acquired from another device and record them on a recording medium, for example.
  • the recording / reproducing device 940 reproduces data recorded on the recording medium on a monitor and a speaker, for example, in accordance with a user instruction. At this time, the recording / reproducing device 940 decodes the audio data and the video data.
  • the recording / reproducing apparatus 940 includes a tuner 941, an external interface 942, an encoder 943, an HDD (Hard Disk Drive) 944, a disk drive 945, a selector 946, a decoder 947, an OSD (On-Screen Display) 948, a control unit 949, and a user interface. 950.
  • Tuner 941 extracts a signal of a desired channel from a broadcast signal received via an antenna (not shown), and demodulates the extracted signal. Then, the tuner 941 outputs the encoded bit stream obtained by the demodulation to the selector 946. That is, the tuner 941 has a role as a transmission unit in the recording / reproducing apparatus 940.
  • the external interface 942 is an interface for connecting the recording / reproducing apparatus 940 to an external device or a network.
  • the external interface 942 may be, for example, an IEEE 1394 interface, a network interface, a USB interface, or a flash memory interface.
  • video data and audio data received via the external interface 942 are input to the encoder 943. That is, the external interface 942 serves as a transmission unit in the recording / reproducing device 940.
  • the encoder 943 encodes video data and audio data when the video data and audio data input from the external interface 942 are not encoded. Then, the encoder 943 outputs the encoded bit stream to the selector 946.
  • the HDD 944 records an encoded bit stream in which content data such as video and audio is compressed, various programs, and other data on an internal hard disk. Also, the HDD 944 reads out these data from the hard disk when playing back video and audio.
  • the disk drive 945 performs recording and reading of data to and from the mounted recording medium.
  • the recording medium loaded in the disk drive 945 may be, for example, a DVD disk (DVD-Video, DVD-RAM, DVD-R, DVD-RW, DVD + R, DVD + RW, etc.) or a Blu-ray (registered trademark) disk. .
  • the selector 946 selects an encoded bit stream input from the tuner 941 or the encoder 943 when recording video and audio, and outputs the selected encoded bit stream to the HDD 944 or the disk drive 945. In addition, the selector 946 outputs the encoded bit stream input from the HDD 944 or the disk drive 945 to the decoder 947 during video and audio reproduction.
  • the decoder 947 decodes the encoded bit stream and generates video data and audio data. Then, the decoder 947 outputs the generated video data to the OSD 948. The decoder 904 outputs the generated audio data to an external speaker.
  • the OSD 948 reproduces the video data input from the decoder 947 and displays the video. Further, the OSD 948 may superimpose a GUI image such as a menu, a button, or a cursor on the video to be displayed.
  • a GUI image such as a menu, a button, or a cursor
  • the control unit 949 includes a processor such as a CPU and memories such as a RAM and a ROM.
  • the memory stores a program executed by the CPU, program data, and the like.
  • the program stored in the memory is read and executed by the CPU when the recording / reproducing apparatus 940 is activated, for example.
  • the CPU controls the operation of the recording / reproducing device 940 according to an operation signal input from the user interface 950, for example, by executing the program.
  • the user interface 950 is connected to the control unit 949.
  • the user interface 950 includes, for example, buttons and switches for the user to operate the recording / reproducing device 940, a remote control signal receiving unit, and the like.
  • the user interface 950 detects an operation by the user via these components, generates an operation signal, and outputs the generated operation signal to the control unit 949.
  • the encoder 943 has the function of the image encoding device 10.
  • the decoder 947 has the function of the image decoding device 60.
  • FIG. 27 illustrates an example of a schematic configuration of an imaging apparatus.
  • the imaging device 960 images a subject to generate an image, encodes the image data, and records it on a recording medium.
  • the imaging device 960 includes an optical block 961, an imaging unit 962, a signal processing unit 963, an image processing unit 964, a display unit 965, an external interface 966, a memory 967, a media drive 968, an OSD 969, a control unit 970, a user interface 971, and a bus. 972.
  • the optical block 961 is connected to the imaging unit 962.
  • the imaging unit 962 is connected to the signal processing unit 963.
  • the display unit 965 is connected to the image processing unit 964.
  • the user interface 971 is connected to the control unit 970.
  • the bus 972 connects the image processing unit 964, the external interface 966, the memory 967, the media drive 968, the OSD 969, and the control unit 970 to each other.
  • the optical block 961 includes a focus lens and a diaphragm mechanism.
  • the optical block 961 forms an optical image of the subject on the imaging surface of the imaging unit 962.
  • the imaging unit 962 includes an image sensor such as a CCD or a CMOS, and converts an optical image formed on the imaging surface into an image signal as an electrical signal by photoelectric conversion. Then, the imaging unit 962 outputs the image signal to the signal processing unit 963.
  • the signal processing unit 963 performs various camera signal processing such as knee correction, gamma correction, and color correction on the image signal input from the imaging unit 962.
  • the signal processing unit 963 outputs the image data after the camera signal processing to the image processing unit 964.
  • the image processing unit 964 encodes the image data input from the signal processing unit 963 and generates encoded data. Then, the image processing unit 964 outputs the generated encoded data to the external interface 966 or the media drive 968. The image processing unit 964 also decodes encoded data input from the external interface 966 or the media drive 968 to generate image data. Then, the image processing unit 964 outputs the generated image data to the display unit 965. In addition, the image processing unit 964 may display the image by outputting the image data input from the signal processing unit 963 to the display unit 965. Further, the image processing unit 964 may superimpose display data acquired from the OSD 969 on an image output to the display unit 965.
  • the OSD 969 generates a GUI image such as a menu, a button, or a cursor, for example, and outputs the generated image to the image processing unit 964.
  • the external interface 966 is configured as a USB input / output terminal, for example.
  • the external interface 966 connects the imaging device 960 and a printer, for example, when printing an image.
  • a drive is connected to the external interface 966 as necessary.
  • a removable medium such as a magnetic disk or an optical disk is attached to the drive, and a program read from the removable medium can be installed in the imaging device 960.
  • the external interface 966 may be configured as a network interface connected to a network such as a LAN or the Internet. That is, the external interface 966 has a role as a transmission unit in the imaging device 960.
  • the recording medium mounted on the media drive 968 may be any readable / writable removable medium such as a magnetic disk, a magneto-optical disk, an optical disk, or a semiconductor memory. Further, a recording medium may be fixedly attached to the media drive 968, and a non-portable storage unit such as an internal hard disk drive or an SSD (Solid State Drive) may be configured.
  • a non-portable storage unit such as an internal hard disk drive or an SSD (Solid State Drive) may be configured.
  • the control unit 970 includes a processor such as a CPU and memories such as a RAM and a ROM.
  • the memory stores a program executed by the CPU, program data, and the like.
  • the program stored in the memory is read and executed by the CPU when the imaging device 960 is activated, for example.
  • the CPU controls the operation of the imaging device 960 according to an operation signal input from the user interface 971, for example, by executing the program.
  • the user interface 971 is connected to the control unit 970.
  • the user interface 971 includes, for example, buttons and switches for the user to operate the imaging device 960.
  • the user interface 971 detects an operation by the user via these components, generates an operation signal, and outputs the generated operation signal to the control unit 970.
  • the image processing unit 964 has the functions of the image encoding device 10 and the image decoding device 60. Thereby, when the imaging device 960 refines an image referenced between layers, the image quality of the reference image can be efficiently improved while suppressing the calculation amount or the code amount.
  • the data transmission system 1000 includes a stream storage device 1001 and a distribution server 1002.
  • Distribution server 1002 is connected to several terminal devices via network 1003.
  • Network 1003 may be a wired network, a wireless network, or a combination thereof.
  • FIG. 28 shows a PC (Personal Computer) 1004, an AV device 1005, a tablet device 1006, and a mobile phone 1007 as examples of terminal devices.
  • PC Personal Computer
  • the stream storage device 1001 stores, for example, stream data 1011 including a multiplexed stream generated by the image encoding device 10.
  • the multiplexed stream includes a base layer (BL) encoded stream and an enhancement layer (EL) encoded stream.
  • the distribution server 1002 reads the stream data 1011 stored in the stream storage device 1001, and at least a part of the read stream data 1011 is transmitted via the network 1003 to the PC 1004, the AV device 1005, the tablet device 1006, and the mobile phone 1007. Delivered to.
  • the distribution server 1002 selects a stream to be distributed based on some condition such as the capability of the terminal device or the communication environment. For example, the distribution server 1002 may avoid the occurrence of delay, overflow, or processor overload in the terminal device by not distributing an encoded stream having a high image quality that exceeds the image quality that can be handled by the terminal device. . The distribution server 1002 may avoid occupying the communication band of the network 1003 by not distributing an encoded stream having high image quality. On the other hand, the distribution server 1002 distributes all of the multiplexed streams to the terminal device when there is no risk to be avoided or when it is determined to be appropriate based on a contract with the user or some condition. Good.
  • the distribution server 1002 reads the stream data 1011 from the stream storage device 1001. Then, the distribution server 1002 distributes the stream data 1011 as it is to the PC 1004 having high processing capability. Also, since the AV device 1005 has low processing capability, the distribution server 1002 generates stream data 1012 including only the base layer encoded stream extracted from the stream data 1011, and distributes the stream data 1012 to the AV device 1005. To do. Also, the distribution server 1002 distributes the stream data 1011 as it is to the tablet device 1006 that can communicate at a high communication rate. Further, since the cellular phone 1007 can communicate only at a low communication rate, the distribution server 1002 distributes the stream data 1012 including only the base layer encoded stream to the cellular phone 1007.
  • the multiplexed stream By using the multiplexed stream in this way, the amount of traffic to be transmitted can be adjusted adaptively.
  • the code amount of the stream data 1011 is reduced as compared with the case where each layer is individually encoded, even if the entire stream data 1011 is distributed, the load on the network 1003 is suppressed. Is done. Furthermore, memory resources of the stream storage device 1001 are also saved.
  • the hardware performance of terminal devices varies from device to device.
  • the communication capacity of the network 1003 also varies.
  • the capacity available for data transmission can change from moment to moment due to the presence of other traffic. Therefore, the distribution server 1002 transmits terminal information regarding the hardware performance and application capability of the terminal device, the communication capacity of the network 1003, and the like through signaling with the distribution destination terminal device before starting the distribution of the stream data. And network information may be acquired. Then, the distribution server 1002 can select a stream to be distributed based on the acquired information.
  • extraction of a layer to be decoded may be performed in the terminal device.
  • the PC 1004 may display a base layer image extracted from the received multiplexed stream and decoded on the screen. Further, the PC 1004 may extract a base layer encoded stream from the received multiplexed stream to generate stream data 1012, store the generated stream data 1012 in a storage medium, or transfer the stream data 1012 to another device. .
  • the configuration of the data transmission system 1000 shown in FIG. 28 is merely an example.
  • the data transmission system 1000 may include any number of stream storage devices 1001, a distribution server 1002, a network 1003, and terminal devices.
  • the data transmission system 1100 includes a broadcasting station 1101 and a terminal device 1102.
  • the broadcast station 1101 broadcasts a base layer encoded stream 1121 on the terrestrial channel 1111.
  • the broadcast station 1101 transmits an enhancement layer encoded stream 1122 to the terminal device 1102 via the network 1112.
  • the terminal device 1102 has a reception function for receiving a terrestrial broadcast broadcast by the broadcast station 1101, and receives a base layer encoded stream 1121 via the terrestrial channel 1111. Also, the terminal device 1102 has a communication function for communicating with the broadcast station 1101 and receives the enhancement layer encoded stream 1122 via the network 1112.
  • the terminal device 1102 receives the base layer encoded stream 1121 in accordance with an instruction from the user, decodes the base layer image from the received encoded stream 1121, and displays the base layer image on the screen. Good. Further, the terminal device 1102 may store the decoded base layer image in a storage medium or transfer it to another device.
  • the terminal device 1102 receives, for example, an enhancement layer encoded stream 1122 via the network 1112 in accordance with an instruction from the user, and generates a base layer encoded stream 1121 and an enhancement layer encoded stream 1122. Multiplexed streams may be generated by multiplexing. Also, the terminal apparatus 1102 may decode the enhancement layer image from the enhancement layer encoded stream 1122 and display the enhancement layer image on the screen. In addition, the terminal device 1102 may store the decoded enhancement layer image in a storage medium or transfer it to another device.
  • the encoded stream of each layer included in the multiplexed stream can be transmitted via a different communication channel for each layer. Accordingly, it is possible to distribute the load applied to each channel and suppress the occurrence of communication delay or overflow.
  • the communication channel used for transmission may be dynamically selected according to some condition. For example, a base layer encoded stream 1121 having a relatively large amount of data is transmitted via a communication channel having a wide bandwidth, and an enhancement layer encoded stream 1122 having a relatively small amount of data is transmitted via a communication channel having a small bandwidth. Can be transmitted. Also, the communication channel for transmitting the encoded stream 1122 of a specific layer may be switched according to the bandwidth of the communication channel. Thereby, the load applied to each channel can be more effectively suppressed.
  • the configuration of the data transmission system 1100 illustrated in FIG. 29 is merely an example.
  • the data transmission system 1100 may include any number of communication channels and terminal devices.
  • the system configuration described here may be used for purposes other than broadcasting.
  • the data transmission system 1200 includes an imaging device 1201 and a stream storage device 1202.
  • the imaging device 1201 performs scalable coding on image data generated by imaging the subject 1211 and generates a multiplexed stream 1221.
  • the multiplexed stream 1221 includes a base layer encoded stream and an enhancement layer encoded stream. Then, the imaging device 1201 supplies the multiplexed stream 1221 to the stream storage device 1202.
  • the stream storage device 1202 stores the multiplexed stream 1221 supplied from the imaging device 1201 with different image quality for each mode. For example, in the normal mode, the stream storage device 1202 extracts the base layer encoded stream 1222 from the multiplexed stream 1221 and stores the extracted base layer encoded stream 1222. On the other hand, the stream storage device 1202 stores the multiplexed stream 1221 as it is in the high image quality mode. Thereby, the stream storage device 1202 can record a high-quality stream with a large amount of data only when video recording with high quality is desired. Therefore, it is possible to save memory resources while suppressing the influence of image quality degradation on the user.
  • the imaging device 1201 is assumed to be a surveillance camera.
  • the monitoring target for example, an intruder
  • the normal mode is selected.
  • the video is recorded with low image quality (that is, only the base layer coded stream 1222 is stored).
  • the monitoring target for example, the subject 1211 as an intruder
  • the high image quality mode is selected. In this case, since the captured image is likely to be important, priority is given to the high image quality, and the video is recorded with high image quality (that is, the multiplexed stream 1221 is stored).
  • the mode is selected by the stream storage device 1202 based on the image analysis result, for example.
  • the imaging device 1201 may select a mode. In the latter case, the imaging device 1201 may supply the base layer encoded stream 1222 to the stream storage device 1202 in the normal mode and supply the multiplexed stream 1221 to the stream storage device 1202 in the high image quality mode.
  • the selection criteria for selecting the mode may be any standard.
  • the mode may be switched according to the volume of sound acquired through a microphone or the waveform of sound. Further, the mode may be switched periodically. In addition, the mode may be switched according to an instruction from the user.
  • the number of selectable modes may be any number as long as the number of layers to be layered does not exceed.
  • the configuration of the data transmission system 1200 shown in FIG. 30 is merely an example.
  • the data transmission system 1200 may include any number of imaging devices 1201. Further, the system configuration described here may be used in applications other than the surveillance camera.
  • FIG. 31 is an explanatory diagram for describing the multi-view codec. Referring to FIG. 31, there is shown a sequence of frames of three views that are respectively photographed at three viewpoints. Each view is given a view ID (view_id). Any one of the plurality of views is designated as a base view. Views other than the base view are called non-base views. In the example of FIG. 31, a view with a view ID “0” is a base view, and two views with a view ID “1” or “2” are non-base views.
  • each view may correspond to a layer.
  • the non-base view image is encoded and decoded with reference to the base view image (other non-base view images may also be referred to).
  • FIG. 32 is a block diagram illustrating a schematic configuration of an image encoding device 10v that supports a multi-view codec.
  • the image encoding device 10v includes a first layer encoding unit 1c, a second layer encoding unit 1d, a common memory 2, and a multiplexing unit 3.
  • the function of the first layer encoding unit 1c is equivalent to the function of the BL encoding unit 1a described with reference to FIG. 5 except that a base view image is received instead of the base layer image as an input.
  • the first layer encoding unit 1c encodes the base view image and generates an encoded stream of the first layer.
  • the function of the second layer encoding unit 1d is the same as the function of the EL encoding unit 1b described with reference to FIG. 5 except that a non-base view image is received instead of the enhancement layer image as an input.
  • the second layer encoding unit 1d encodes the non-base view image and generates a second layer encoded stream.
  • the common memory 2 stores information commonly used between layers.
  • the multiplexing unit 3 multiplexes the encoded stream of the first layer generated by the first layer encoding unit 1c and the encoded stream of the second layer generated by the second layer encoding unit 1d. A multiplexed stream of layers is generated.
  • FIG. 33 is a block diagram illustrating a schematic configuration of an image decoding device 60v that supports a multi-view codec.
  • the image decoding device 60v includes a demultiplexing unit 5, a first layer decoding unit 6c, a second layer decoding unit 6d, and a common memory 7.
  • the demultiplexer 5 demultiplexes the multi-layer multiplexed stream into the first layer encoded stream and the second layer encoded stream.
  • the function of the first layer decoding unit 6c is equivalent to the function of the BL decoding unit 6a described with reference to FIG. 6 except that it receives an encoded stream obtained by encoding a base view image instead of a base layer image as an input. It is.
  • the first layer decoding unit 6c decodes the base view image from the encoded stream of the first layer.
  • the function of the second layer decoding unit 6d is the same as the function of the EL decoding unit 6b described with reference to FIG. 6 except that it receives an encoded stream in which a non-base view image is encoded instead of an enhancement layer image as an input. It is equivalent.
  • the second layer decoding unit 6d decodes the non-base view image from the second layer encoded stream.
  • the common memory 7 stores information commonly used between layers.
  • the technology according to the present disclosure may be applied to a streaming protocol.
  • a streaming protocol For example, in MPEG-DASH (Dynamic Adaptive Streaming over HTTP), a plurality of encoded streams having different parameters such as resolution are prepared in advance in a streaming server. Then, the streaming server dynamically selects appropriate data to be streamed from a plurality of encoded streams in units of segments, and distributes the selected data.
  • refinement of reference images that are referred to between encoded streams may be controlled according to the technique according to the present disclosure.
  • the block size for example, CU size, PU size, or TU size
  • application of the refinement filter to a block having a block size larger than the threshold is invalidated. This reduces the amount of filtering calculation. In addition, power consumption of the encoder and decoder can be reduced. Since an image of a block having a large block size tends to be almost flat, even if the application of the refinement filter to the block having a large block size is disabled, the loss of image quality is small.
  • the filter configuration of the refinement filter applied to each block is determined depending on the block size of the block.
  • a filter configuration that identifies the filter coefficients compared to an implementation in which the filter coefficients are determined for each block The amount of code of information can be reduced.
  • the image quality can be adaptively improved in accordance with the strength of the high frequency component for each image area.
  • the first embodiment and the second embodiment described above may be combined with each other.
  • the application of the refinement filter to a block having a block size larger than the determination threshold is invalidated, and the filter configuration of the refinement filter applied to the block having the other block size is a block. It depends on the size.
  • the technology according to the present disclosure is not limited to application to the spatial scalability scheme and the SNR scalability scheme or a combination thereof.
  • a bit shift operation may be performed when the reference image is acquired.
  • CU, PU, and TU described in this specification mean a logical unit including a syntax associated with each block in HEVC.
  • CB Coding Block
  • PB Prediction Block
  • TB Transform Block
  • the CB is formed by hierarchically dividing a CTB (Coding Tree Block) into a quad-tree shape. An entire quadtree corresponds to CTB, and a logical unit corresponding to CTB is called CTU (Coding Tree Unit).
  • CTB and CB in HEVC are H.264 and H.B. It has a role similar to a macroblock in H.264 / AVC.
  • CTB and CB differ from macroblocks in that their sizes are not fixed (the size of macroblocks is always 16 ⁇ 16 pixels).
  • the CTB size is selected from 16 ⁇ 16 pixels, 32 ⁇ 32 pixels, and 64 ⁇ 64 pixels, and is specified by a parameter in the encoded stream.
  • the size of the CB can vary depending on the division depth of the CTB.
  • the method for transmitting such information is not limited to such an example.
  • these pieces of information may be transmitted or recorded as separate data associated with the encoded bitstream without being multiplexed into the encoded bitstream.
  • the term “associate” means that an image (which may be a part of an image such as a slice or a block) included in the bitstream and information corresponding to the image can be linked at the time of decoding. Means. That is, information may be transmitted on a transmission path different from that of the image (or bit stream).
  • Information may be recorded on a recording medium (or another recording area of the same recording medium) different from the image (or bit stream). Furthermore, the information and the image (or bit stream) may be associated with each other in an arbitrary unit such as a plurality of frames, one frame, or a part of the frame.
  • the following configurations also belong to the technical scope of the present disclosure.
  • (1) Obtaining a reference image for encoding or decoding a second layer image having an attribute different from the first layer, based on a first layer decoded image in which a plurality of blocks having different block sizes are set And A filtering unit that applies a refinement filter to the reference image acquired by the acquisition unit to generate a refined reference image; A control unit that controls application of the refinement filter by the filtering unit to each of the plurality of blocks according to a block size of each block;
  • An image processing apparatus comprising: (2) The image processing apparatus according to (1), wherein the block is set as a processing unit of the first layer encoding process.
  • the image processing apparatus further including an encoding unit that encodes threshold information indicating the threshold into an encoded stream.
  • the image processing device further including a decoding unit that decodes filter configuration information indicating the filter configuration to be used for each block size from an encoded stream.

Abstract

【課題】レイヤ間で参照される画像を精細化する際に、効率的に画質を改善することのできる仕組みを提供すること。 【解決手段】異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得する取得部と、前記取得部により取得される前記参照画像に精細化フィルタを適用して、精細化参照画像を生成するフィルタリング部と、前記複数のブロックの各々への前記フィルタリング部による前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する制御部と、を備える画像処理装置を提供する。

Description

画像処理装置及び画像処理方法
　本開示は、画像処理装置及び画像処理方法に関する。
　現在、Ｈ．２６４／ＡＶＣよりも符号化効率をさらに向上することを目的として、ＩＴＵ－ＴとＩＳＯ／ＩＥＣとの共同の標準化団体であるＪＣＴＶＣ（Joint　Collaboration　Team-Video　Coding）により、ＨＥＶＣ（High　Efficiency　Video　Coding）と呼ばれる画像符号化方式の標準化が進められている（例えば、非特許文献１参照）。ＨＥＶＣは、ＭＰＥＧ２及びＡＶＣ（Advanced　Video　Coding）などの既存の画像符号化方式と同様、シングルレイヤの符号化のみならず、スケーラブル符号化をも提供する。ＨＥＶＣのスケーラブル符号化技術を、ＳＨＶＣ（Scalable　HEVC）ともいう（例えば、非特許文献２参照）。
　スケーラブル符号化とは、一般には、粗い画像信号を伝送するレイヤと精細な画像信号を伝送するレイヤとを階層的に符号化する技術をいう。スケーラブル符号化は、典型的には、階層化される属性に応じて、空間スケーラビリティ方式、時間スケーラビリティ方式及びＳＮＲ（Signal　to　Noise　Ratio）スケーラビリティ方式という３種類の方式に分類される。空間スケーラビリティ方式では、空間解像度（あるいは画像サイズ）が階層化され、下位レイヤの画像は、アップサンプリングされた後に上位レイヤの画像を符号化し又は復号するために用いられる。時間スケーラビリティ方式では、フレームレートが階層化される。ＳＮＲスケーラビリティ方式では、量子化の粗さを変化させることにより、ＳＮ比が階層化される。さらに、標準規格で未だ採用されていないものの、ビット深度スケーラビリティ方式及びクロマフォーマットスケーラビリティ方式もまた議論されている。
　スケーラブル符号化において、下位レイヤの画像を参照画像として用いて上位レイヤの画像を予測することを、インターレイヤ予測（inter-layer　prediction）という。非特許文献２は、インターレイヤ予測のためのいくつかの手法を提案している。エンハンスメントレイヤでのインターレイヤ予測において、参照画像である下位レイヤの画像の画質は、予測精度を左右する。そこで、非特許文献３は、下位レイヤの画像の画質を精細化するために良好なゲインを示す手法として、２つの手法を提示している。第１の手法は、非特許文献４において具体的に説明されており、クロスカラーフィルタを使用する。第１の手法におけるクロスカラーフィルタは、精細化フィルタの一種であり、近傍の輝度成分に基づいて色差成分を精細化する。第２の手法は、非特許文献５において具体的に説明されており、エッジ強調フィルタを使用する。
Benjamin　Bross,　Woo-Jin　Han,　Gary　J.　Sullivan,　Jens-Rainer　Ohm,　Gary　J.　Sullivan,　Ye-Kui　Wang,　Thomas　Wiegand,　"High　Efficiency　Video　Coding　(HEVC)　text　specification　draft　10　(for　FDIS　&　Consent)"（JCTVC-L1003_v4,　2013年1月14-23日） Jianle　Chen,　el.　al,　"Description　of　scalable　video　coding　technology　proposal　by　Qualcomm　(configuration　2)"（JCTVC-K0036，　2012年10月10-19日） Jianle　Chen,　el.　al,　"Description　of　HEVC　Scalable　Extension　Core　Experiment　SCE3:　Inter-layer　filtering"（JCTVC-N1103，　2013年7月25-8月2日） Xiang　Li,　el.　al,　"Non-SCE3:　Region　based　Inter-layer　Cross-Color　Filtering"（JCTVC-N0229_r2，　2013年7月25-8月2日） Sychev　Maximi,　el.　al,　"Inter-layer　prediction　modes　based　on　base　layer　sharpness　filter"（JCTVC-N0070，　2013年7月25-8月2日）
　しかしながら、上述したような精細化フィルタが画像内の全ての画素に適用されるとすれば、フィルタリングの演算量が膨大となる。特に、エッジ又はテクスチャを含まないフラットな領域に精細化フィルタを適用しても、画質はそれほど改善されず、演算量の増加というデメリットの方が大きい。一方、個別のブロックごとに精細化フィルタの構成を調整すれば、画質の改善を期待することはできる。しかし、エンコーダからデコーダへブロックごとのフィルタ構成情報が伝送される場合、フィルタ構成情報の多大な符号量が符号化効率を低下させる。
　本開示に係る技術は、上述した問題点のうち少なくとも１つを解決し又は緩和することのできる改善された仕組みを提供することを目的とする。
　本開示によれば、異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得する取得部と、前記取得部により取得される前記参照画像に精細化フィルタを適用して、精細化参照画像を生成するフィルタリング部と、前記複数のブロックの各々への前記フィルタリング部による前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する制御部と、を備える画像処理装置が提供される。
　上記画像処理装置は、画像を復号する画像復号装置として実現されてもよく、又は画像を符号化する画像符号化装置として実現されてもよい。
　また、本開示によれば、異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得することと、取得された前記参照画像に精細化フィルタを適用して、精細化参照画像を生成することと、前記複数のブロックの各々への前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御することと、を含む画像処理方法が提供される。
　本開示に係る技術によれば、レイヤ間で参照される画像を精細化する際に、効率的に画質の改善を図ることが可能となる。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果と共に、又は上記の効果に代えて、本明細書に示されたいずれかの効果、又は本明細書から把握され得る他の効果が奏されてもよい。
空間スケーラビリティ方式について説明するための説明図である。 ＳＮＲスケーラビリティ方式について説明するための説明図である。 クロスカラーフィルタを用いる精細化の手法について説明するための説明図である。 エッジ強調フィルタを用いる精細化の手法について説明するための説明図である。 画像符号化装置の概略的な構成を示すブロック図である。 画像復号装置の概略的な構成を示すブロック図である。 第１の実施形態に係るＥＬ符号化部の構成の一例を示すブロック図である。 図７に示した精細化部の詳細な構成の一例を示すブロック図である。 ブロックサイズに応じた精細化フィルタのオン／オフについて説明するための第１の説明図である。 ブロックサイズに応じた精細化フィルタのオン／オフについて説明するための第２の説明図である。 符号化時の概略的な処理の流れの一例を示すフローチャートである。 第１の実施形態における符号化時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。 第１の実施形態に係るＥＬ復号部の構成の一例を示すブロック図である。 図１２に示した精細化部の詳細な構成の一例を示すブロック図である。 復号時の概略的な処理の流れの一例を示すフローチャートである。 第１の実施形態における復号時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。 第２の実施形態に係るＥＬ符号化部の構成の一例を示すブロック図である。 図１６に示した精細化部の詳細な構成の一例を示すブロック図である。 ブロックサイズに依存するフィルタ構成の一例について説明するための説明図である。 フィルタ構成情報の予測符号化の一例について説明するための説明図である。 第２の実施形態における符号化時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。 第２の実施形態に係るＥＬ復号部の構成の一例を示すブロック図である。 図２１に示した精細化部の詳細な構成の一例を示すブロック図である。 第２の実施形態における復号時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。 テレビジョン装置の概略的な構成の一例を示すブロック図である。 携帯電話機の概略的な構成の一例を示すブロック図である。 記録再生装置の概略的な構成の一例を示すブロック図である。 撮像装置の概略的な構成の一例を示すブロック図である。 スケーラブル符号化の用途の第１の例について説明するための説明図である。 スケーラブル符号化の用途の第２の例について説明するための説明図である。 スケーラブル符号化の用途の第３の例について説明するための説明図である。 マルチビューコーデックについて説明するための説明図である。 マルチビューコーデックのための画像符号化装置の概略的な構成を示すブロック図である。 マルチビューコーデックのための画像復号装置の概略的な構成を示すブロック図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　また、以下の順序で説明を行う。
　　１．概要
　　　１－１．スケーラブル符号化
　　　１－２．参照画像の精細化
　　　１－３．エンコーダの基本的な構成例
　　　１－４．デコーダの基本的な構成例
　　２．ＥＬ符号化部の構成例（第１の実施形態）
　　　２－１．全体的な構成
　　　２－２．精細化部の構成
　　　２－３．処理の流れ
　　３．ＥＬ復号部の構成例（第１の実施形態）
　　　３－１．全体的な構成
　　　３－２．精細化部の構成
　　　３－３．処理の流れ
　　４．ＥＬ符号化部の構成例（第２の実施形態）
　　　４－１．全体的な構成
　　　４－２．精細化部の構成
　　　４－３．処理の流れ
　　５．ＥＬ復号部の構成例（第２の実施形態）
　　　５－１．全体的な構成
　　　５－２．精細化部の構成
　　　５－３．処理の流れ
　　６．応用例
　　　６－１．様々な製品への応用
　　　６－２．スケーラブル符号化の様々な用途
　　　６－３．その他
　　７．まとめ
　＜１．概要＞
　　［１－１．スケーラブル符号化］
　スケーラブル符号化においては、一連の画像をそれぞれ含む複数のレイヤが符号化される。ベースレイヤ（base　layer）は、最初に符号化される、最も粗い画像を表現するレイヤである。ベースレイヤの符号化ストリームは、他のレイヤの符号化ストリームを復号することなく、独立して復号され得る。ベースレイヤ以外のレイヤは、エンハンスメントレイヤ（enhancement　layer）と呼ばれる、より精細な画像を表現するレイヤである。エンハンスメントレイヤの符号化ストリームは、ベースレイヤの符号化ストリームに含まれる情報を用いて符号化される。従って、エンハンスメントレイヤの画像を再現するためには、ベースレイヤ及びエンハンスメントレイヤの双方の符号化ストリームが復号されることになる。スケーラブル符号化において扱われるレイヤの数は、２つ以上のいかなる数であってもよい。３つ以上のレイヤが符号化される場合には、最下位のレイヤがベースレイヤ、残りの複数のレイヤがエンハンスメントレイヤである。より上位のエンハンスメントレイヤの符号化ストリームは、より下位のエンハンスメントレイヤ又はベースレイヤの符号化ストリームに含まれる情報を用いて符号化され及び復号され得る。
　　　（１）空間スケーラビリティ方式
　図１は、空間スケーラビリティ方式について説明するための説明図である。図１を参照すると、空間スケーラビリティ方式でスケーラブル符号化される３つのレイヤＬ１１、Ｌ１２及びＬ１３が示されている。レイヤＬ１１はベースレイヤであり、レイヤＬ１２及びＬ１３はエンハンスメントレイヤである。レイヤＬ１２のレイヤＬ１１に対する空間解像度の比は、２：１である。レイヤＬ１３のレイヤＬ１１に対する空間解像度の比は、４：１である。なお、ここでの解像度比は一例に過ぎず、例えば１．５：１などの非整数の解像度比が使用されてもよい。レイヤＬ１１のブロックＢ１１は、ベースレイヤのピクチャ内の符号化処理の処理単位である。レイヤＬ１２のブロックＢ１２は、ブロックＢ１１と共通するシーンを映したエンハンスメントレイヤのピクチャ内の符号化処理の処理単位である。ブロックＢ１２は、レイヤＬ１１のブロックＢ１１に対応する。レイヤＬ１３のブロックＢ１３は、ブロックＢ１１及びＢ１２と共通するシーンを映したより上位のエンハンスメントレイヤのピクチャ内の符号化処理の処理単位である。ブロックＢ１３は、レイヤＬ１１のブロックＢ１１及びレイヤＬ１２のブロックＢ１２に対応する。
　図１に例示したレイヤ構造において、画像のテクスチャは、共通するシーンを映したレイヤ間で類似する。即ち、レイヤＬ１１内のブロックＢ１１、レイヤＬ１２内のブロックＢ１２、及びレイヤＬ１３内のブロックＢ１３のテクスチャは類似する。従って、例えばブロックＢ１１を参照ブロックとして用いてブロックＢ１２又はブロックＢ１３の画素を予測し、又はブロックＢ１２を参照ブロックとして用いてブロックＢ１３の画素を予測すれば、高い予測精度が得られる可能性がある。このようなレイヤ間の予測を、インターレイヤ予測という。インターレイヤ予測の一種であるイントラＢＬ予測では、ベースレイヤの復号画像（リコンストラクト画像）が、エンハンスメントレイヤの復号画像を予測するための参照画像として使用される。イントラ残差予測及びインター残差予測では、ベースレイヤの予測誤差（残差）画像が、エンハンスメントレイヤの予測誤差画像を予測するための参照画像として使用される。空間スケーラビリティ方式では、エンハンスメントレイヤの空間解像度は、ベースレイヤの空間解像度よりも高い。従って、ベースレイヤの画像は、解像度比に従ってアップサンプリングされた上で参照画像として使用される。インターレイヤ予測のためのアップサンプリングフィルタは、通常、動き補償のための補間フィルタと同様に設計される。動き補償のための補間フィルタは、輝度成分について７タップ又は８タップ、色差成分について４タップのタップ数を有する。
　　　（２）ＳＮＲスケーラビリティ方式
　図２は、ＳＮＲスケーラビリティ方式について説明するための説明図である。図２を参照すると、ＳＮＲスケーラビリティ方式でスケーラブル符号化される３つのレイヤＬ２１、Ｌ２２及びＬ２３が示されている。レイヤＬ２１はベースレイヤであり、レイヤＬ２２及びＬ２３はエンハンスメントレイヤである。レイヤＬ２１は、３つのレイヤの中で最も粗い量子化データ（最も大きい量子化ステップで量子化されたデータ）のみを含むように符号化される。レイヤＬ２２は、レイヤＬ２１の量子化誤差を補償する量子化データを含むように符号化される。よって、レイヤＬ２１及びＬ２２を復号すれば、レイヤＬ２１のみを復号する場合よりも精細な（ＳＮ比のより高い）復号画像を得ることができる。レイヤＬ２３は、レイヤＬ２２の量子化誤差をさらに補償する量子化データを含むように符号化される。よって、レイヤＬ２１、Ｌ２２及びＬ２３を復号すれば、さらに精細な復号画像を得ることができる。レイヤＬ２１のブロックＢ２１は、ベースレイヤのピクチャ内の符号化処理の処理単位である。レイヤＬ２２のブロックＢ２２は、ブロックＢ２１と共通するシーンを映したエンハンスメントレイヤのピクチャ内の符号化処理の処理単位である。ブロックＢ２２は、レイヤＬ２１のブロックＢ２１に対応する。レイヤＬ２３のブロックＢ２３は、ブロックＢ２１及びＢ２２と共通するシーンを映したより上位のエンハンスメントレイヤのピクチャ内の符号化処理の処理単位である。ブロックＢ２３は、レイヤＬ２１のブロックＢ２１及びレイヤＬ２２のブロックＢ２２に対応する。
　図２に例示したレイヤ構造においても、画像のテクスチャは共通するシーンを映したレイヤ間で類似する。従って、インターレイヤ予測において、例えばブロックＢ２１を参照ブロックとして用いてブロックＢ２２又はブロックＢ２３の画素を予測し、又はブロックＢ２２を参照ブロックとして用いてブロックＢ２３の画素を予測すれば、高い予測精度が得られる可能性がある。単独のＳＮＲスケーラビリティ方式では、エンハンスメントレイヤの空間解像度は、ベースレイヤの空間解像度と等しい。従って、ベースレイヤの画像を参照画像として使用するために、アップサンプリングは不要である。空間スケーラビリティ方式とＳＮＲスケーラビリティ方式とが組合せられる場合には、ベースレイヤの画像はアップサンプリングされる。
　　［１－２．参照画像の精細化］
　インターレイヤ予測において、ベースレイヤから取得される参照画像の画質は、予測精度を左右する。そこで、予測処理に先立って参照画像を精細化するためのいくつかの手法が提案されている。良好なゲインを示す１つの手法は、非特許文献４により説明されているクロスカラーフィルタを用いる手法である。良好なゲインを示す他の手法は、非特許文献５により説明されているエッジ強調フィルタを用いる手法である。
　　　（１）色差成分のためのクロスカラーフィルタ
　図３は、クロスカラーフィルタを用いる精細化の手法について説明するための説明図である。非特許文献４により提案されているクロスカラーフィルタは、図中に丸印で示した１つの色差成分Ｐ２０を精細化するために、この色差成分Ｐ２０に加えて、図中に四角印で示した８つの輝度成分Ｐ１１～Ｐ１８をフィルタタップとして使用する。フィルタ係数は、エンコーダ側で、原画像と精細化画像との間の平均二乗誤差を最小にするように、Ｃｂ成分及びＣｒ成分について別々にWienerフィルタを用いて計算される。フィルタ係数の計算は、画像をある深さまで分割することにより形成される、互いに均一なブロックサイズを有する１つ以上のブロックの各々について実行される。そして、ブロックごとの最適なフィルタ係数のセットが、符号化ストリームへ符号化される。しかしながら、非特許文献４により提案された手法では、画像がどの深さまで分割されるとしても、画像内の全ての画素にクロスカラーフィルタが適用される。よって、フィルタリングの演算量は、膨大である。また、深いブロック分割が行われれば、ブロックごとにフィルタ係数を特定するフィルタ構成情報の符号量は多大となる
。
　　　（２）エッジ強調フィルタ
　図４は、エッジ強調フィルタを用いる精細化の手法について説明するための説明図である。非特許文献５により提案された手法によれば、ベースレイヤの画像のエッジマップがPrewittフィルタを用いて抽出され、エッジマップに基づいて画素ごとに計算されるワープパラメータ（warping　parameter）が各画素に加算される。それにより、ベースレイヤの画像のエッジが強調される。図４を参照すると、画像ＩＭ１の一部分がエッジを含んでおり、ワープ演算によってエッジが強調される様子が多数の矢印アイコンで象徴的に表現されている。しかしながら、非特許文献５により提案された手法では、画像内の全ての画素についてエッジマップの抽出及びワープ演算が実行される。よって、フィルタリングの演算量は、やはり膨大である。
　　　（３）課題の説明
　上述したような２つの例を含む様々な精細化フィルタに言えることとして、複雑なエッジ又はテクスチャを含む領域をフィルタリングすれば画質の改善の効果は大きい一方、エッジ又はテクスチャを含まない領域をフィルタリングしても画質はそれほど改善されない。よって、演算量を低減することが望ましい場合、領域ごとに適応的に精細化フィルタを制御することが有益である。但し、非特許文献４により提案された手法のように、エンコーダからデコーダへフィルタ構成情報が伝送される場合、個別のブロックごとにフィルタ構成を変化させると、フィルタ構成情報の符号量が多大となり、却って符号化効率が低下してしまう可能性がある。従って、現実的な演算量の範囲内で、符号化効率を低下させることなく適応的に画質の改善を図ることのできる仕組みが望ましい。そこで、そのような仕組みを提供する例示的な２つの実施形態について、後に詳細に説明する。
　　［１－３．エンコーダの基本的な構成例］
　図５は、スケーラブル符号化をサポートする画像符号化装置１０の概略的な構成を示すブロック図である。図５を参照すると、画像符号化装置１０は、ベースレイヤ（ＢＬ）符号化部１ａ、エンハンスメントレイヤ（ＥＬ）符号化部１ｂ、共通メモリ２及び多重化部３を備える。
　ＢＬ符号化部１ａは、ベースレイヤ画像を符号化し、ベースレイヤの符号化ストリームを生成する。ＥＬ符号化部１ｂは、エンハンスメントレイヤ画像を符号化し、エンハンスメントレイヤの符号化ストリームを生成する。共通メモリ２は、レイヤ間で共通的に利用される情報を記憶する。多重化部３は、ＢＬ符号化部１ａにより生成されるベースレイヤの符号化ストリームと、ＥＬ符号化部１ｂにより生成される１つ以上のエンハンスメントレイヤの符号化ストリームとを多重化し、マルチレイヤの多重化ストリームを生成する。
　　［１－４．デコーダの基本的な構成例］
　図６は、スケーラブル符号化をサポートする画像復号装置６０の概略的な構成を示すブロック図である。図６を参照すると、画像復号装置６０は、逆多重化部５、ベースレイヤ（ＢＬ）復号部６ａ、エンハンスメントレイヤ（ＥＬ）復号部６ｂ及び共通メモリ７を備える。
　逆多重化部５は、マルチレイヤの多重化ストリームをベースレイヤの符号化ストリーム及び１つ以上のエンハンスメントレイヤの符号化ストリームに逆多重化する。ＢＬ復号部６ａは、ベースレイヤの符号化ストリームからベースレイヤ画像を復号する。ＥＬ復号部６ｂは、エンハンスメントレイヤの符号化ストリームからエンハンスメントレイヤ画像を復号する。共通メモリ７は、レイヤ間で共通的に利用される情報を記憶する。
　図５に例示した画像符号化装置１０において、ベースレイヤの符号化のためのＢＬ符号化部１ａの構成と、エンハンスメントレイヤの符号化のためのＥＬ符号化部１ｂの構成とは、互いに類似する。ＢＬ符号化部１ａにより生成され又は取得されるいくつかのパラメータ及び画像は、共通メモリ２を用いてバッファリングされ、ＥＬ符号化部１ｂにより再利用され得る。次節以降で、そのようなＥＬ符号化部１ｂの構成のいくつかの実施形態について説明する。
　同様に、図６に例示した画像復号装置６０において、ベースレイヤの復号のためのＢＬ復号部６ａの構成と、エンハンスメントレイヤの復号のためのＥＬ復号部６ｂの構成とは、互いに類似する。ＢＬ復号部６ａにより生成され又は取得されるいくつかのパラメータ及び画像は、共通メモリ７を用いてバッファリングされ、ＥＬ復号部６ｂにより再利用され得る。次節以降で、そのようなＥＬ復号部６ｂの構成のいくつかの実施形態についても説明する。
　＜２．ＥＬ符号化部の構成例（第１の実施形態）＞
　　［２－１．全体的な構成］
　図７は、第１の実施形態に係るＥＬ符号化部１ｂの構成の一例を示すブロック図である。図７を参照すると、ＥＬ符号化部１ｂは、並び替えバッファ１１、減算部１３、直交変換部１４、量子化部１５、可逆符号化部１６、蓄積バッファ１７、レート制御部１８、逆量子化部２１、逆直交変換部２２、加算部２３、ループフィルタ２４、フレームメモリ２５、セレクタ２６及び２７、イントラ予測部３０、インター予測部３５並びに精細化部４０を備える。
　並び替えバッファ１１は、一連の画像データに含まれる画像を並び替える。並び替えバッファ１１は、符号化処理に係るＧＯＰ（Group　of　Pictures）構造に応じて画像を並び替えた後、並び替え後の画像データを減算部１３、イントラ予測部３０、及びインター予測部３５へ出力する。
　減算部１３には、並び替えバッファ１１から入力される画像データ、及び後に説明するイントラ予測部３０又はインター予測部３５から入力される予測画像データが供給される。減算部１３は、並び替えバッファ１１から入力される画像データと予測画像データとの差分である予測誤差データを算出し、算出した予測誤差データを直交変換部１４へ出力する。
　直交変換部１４は、減算部１３から入力される予測誤差データについて直交変換を行う。直交変換部１４により実行される直交変換は、例えば、離散コサイン変換（Discrete　Cosine　Transform：ＤＣＴ）又はカルーネン・レーベ変換などであってよい。ＨＥＶＣにおいて、直交変換は、ＴＵ（変換単位：Transform　Unit）と呼ばれるブロックごとに実行される。ＴＵは、ＣＵ（符号化単位：Coding　Unit）を再帰的に分割することにより形成されるブロックであり、ＴＵのサイズは、４×４画素、８×８画素、１６×１６画素及び３２×３２画素から選択される。直交変換部１４は、直交変換処理により取得される変換係数データを量子化部１５へ出力する。
　量子化部１５には、直交変換部１４から入力される変換係数データ、及び後に説明するレート制御部１８からのレート制御信号が供給される。レート制御信号は、ブロックごとの各色成分についての量子化パラメータを特定する。典型的には、量子化パラメータが大きい場合、変換係数データの量子化誤差も大きくなる。ＳＮＲスケーラビリティ方式においては、エンハンスメントレイヤの量子化誤差は、ベースレイヤの量子化誤差よりも小さい。量子化部１５は、量子化パラメータ（及び量子化行列）に依存する量子化ステップで変換係数データを量子化し、量子化後の変換係数データ（以下、量子化データという）を可逆符号化部１６及び逆量子化部２１へ出力する。
　可逆符号化部１６は、量子化部１５から入力される量子化データについて可逆符号化処理を行うことにより、エンハンスメントレイヤの符号化ストリームを生成する。また、可逆符号化部１６は、符号化ストリームを復号する際に参照される様々なパラメータを符号化して、符号化されたパラメータを符号化ストリームのヘッダ領域に挿入する。可逆符号化部１６により符号化されるパラメータは、後に説明するイントラ予測に関する情報及びインター予測に関する情報を含み得る。また、後述する精細化部４０により生成される精細化に関連するパラメータ（以下、精細化関連パラメータという）もまた、エンハンスメントレイヤにおいて符号化され得る。そして、可逆符号化部１６は、生成した符号化ストリームを蓄積バッファ１７へ出力する。
　蓄積バッファ１７は、可逆符号化部１６から入力される符号化ストリームを半導体メモリなどの記憶媒体を用いて一時的に蓄積する。そして、蓄積バッファ１７は、蓄積した符号化ストリームを、伝送路の帯域に応じたレートで、図示しない伝送部（例えば、通信インタフェース又は周辺機器との接続インタフェースなど）へ出力する。
　レート制御部１８は、蓄積バッファ１７の空き容量を監視する。そして、レート制御部１８は、蓄積バッファ１７の空き容量に応じてレート制御信号を生成し、生成したレート制御信号を量子化部１５へ出力する。例えば、レート制御部１８は、蓄積バッファ１７の空き容量が少ない時には、量子化データのビットレートを低下させるためのレート制御信号を生成する。また、例えば、レート制御部１８は、蓄積バッファ１７の空き容量が十分大きい時には、量子化データのビットレートを高めるためのレート制御信号を生成する。
　逆量子化部２１、逆直交変換部２２及び加算部２３は、ローカルデコーダを構成する。逆量子化部２１は、量子化部１５により使用されたものと同じ量子化ステップで、エンハンスメントレイヤの量子化データを逆量子化し、変換係数データを復元する。そして、逆量子化部２１は、復元した変換係数データを逆直交変換部２２へ出力する。
　逆直交変換部２２は、逆量子化部２１から入力される変換係数データについて逆直交変換処理を行うことにより、予測誤差データを復元する。直交変換と同様、逆直交変換は、ＴＵごとに実行される。そして、逆直交変換部２２は、復元した予測誤差データを加算部２３へ出力する。
　加算部２３は、逆直交変換部２２から入力される復元された予測誤差データとイントラ予測部３０又はインター予測部３５から入力される予測画像データとを加算することにより、復号画像データ（エンハンスメントレイヤのリコンストラクト画像）を生成する。そして、加算部２３は、生成した復号画像データをループフィルタ２４及びフレームメモリ２５へ出力する。
　ループフィルタ２４は、画質の向上を目的とするフィルタ群を含む。デブロックフィルタ（ＤＦ）は、画像の符号化時に生じるブロック歪みを軽減するフィルタである。サンプル適応オフセット（ＳＡＯ）フィルタは、各画素値に適応的に決定されるオフセット値を加えるフィルタである。適応ループフィルタ（ＡＬＦ）は、ＳＡＯ後の画像と原画像との誤差を最小化するフィルタである。ループフィルタ２４は、加算部２３から入力される復号画像データをフィルタリングし、フィルタリング後の復号画像データをフレームメモリ２５へ出力する。
　フレームメモリ２５は、加算部２３から入力されるエンハンスメントレイヤの復号画像データ、ループフィルタ２４から入力されるエンハンスメントレイヤのフィルタリング後の復号画像データ、及び精細化部４０から入力されるベースレイヤの参照画像データを記憶媒体を用いて記憶する。
　セレクタ２６は、イントラ予測のために使用されるフィルタリング前の復号画像データをフレームメモリ２５から読み出し、読み出した復号画像データを参照画像データとしてイントラ予測部３０に供給する。また、セレクタ２６は、インター予測のために使用されるフィルタリング後の復号画像データをフレームメモリ２５から読み出し、読み出した復号画像データを参照画像データとしてインター予測部３５に供給する。さらに、イントラ予測部３０又はインター予測部３５においてインターレイヤ予測が実行される場合、セレクタ２６は、ベースレイヤの参照画像データをイントラ予測部３０又はインター予測部３５へ供給する。
　セレクタ２７は、イントラ予測モードにおいて、イントラ予測部３０から出力されるイントラ予測の結果としての予測画像データを減算部１３へ出力すると共に、イントラ予測に関する情報を可逆符号化部１６へ出力する。また、セレクタ２７は、インター予測モードにおいて、インター予測部３５から出力されるインター予測の結果としての予測画像データを減算部１３へ出力すると共に、インター予測に関する情報を可逆符号化部１６へ出力する。セレクタ２７は、イントラ予測モードとインター予測モードとを、コスト関数値の大きさに応じて切り替える。
　イントラ予測部３０は、エンハンスメントレイヤの原画像データ及び復号画像データに基づいて、ＨＥＶＣのＰＵ（予測単位：Prediction　Unit）ごとにイントラ予測処理を行う。ＰＵは、ＴＵと同様、ＣＵを再帰的に分割することにより形成されるブロックである。例えば、イントラ予測部３０は、予測モードセット内の各候補モードによる予測結果を所定のコスト関数を用いて評価する。次に、イントラ予測部３０は、コスト関数値が最小となる予測モード、即ち圧縮率が最も高くなる予測モードを、最適な予測モードとして選択する。また、イントラ予測部３０は、当該最適な予測モードに従ってエンハンスメントレイヤの予測画像データを生成する。イントラ予測部３０は、エンハンスメントレイヤにおける予測モードセットに、インターレイヤ予測を含めてもよい。イントラ予測部３０は、選択した最適な予測モードを表す予測モード情報を含むイントラ予測に関する情報、コスト関数値、及び予測画像データを、セレクタ２７へ出力する。
　インター予測部３５は、エンハンスメントレイヤの原画像データ及び復号画像データに基づいて、ＨＥＶＣのＰＵごとにインター予測処理を行う。例えば、インター予測部３５は、予測モードセット内の各候補モードによる予測結果を所定のコスト関数を用いて評価する。次に、インター予測部３５は、コスト関数値が最小となる予測モード、即ち圧縮率が最も高くなる予測モードを、最適な予測モードとして選択する。また、インター予測部３５は、当該最適な予測モードに従ってエンハンスメントレイヤの予測画像データを生成する。インター予測部３５は、エンハンスメントレイヤにおける予測モードセットに、インターレイヤ予測を含めてもよい。インター予測部３５は、選択した最適な予測モードを表す予測モード情報と動き情報とを含むインター予測に関する情報、コスト関数値、及び予測画像データを、セレクタ２７へ出力する。
　精細化部４０は、共通メモリ２によりバッファリングされるベースレイヤの画像を参照画像として取得し、取得した参照画像に精細化フィルタを適用して、精細化参照画像を生成する。精細化部４０は、参照画像への精細化フィルタの適用を、ベースレイヤの画像に設定されたブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、精細化部４０は、閾値よりも大きいブロックサイズを有するブロックへの精細化フィルタの適用を無効化する。精細化部４０は、ベースレイヤとエンハンスメントレイヤとの間で空間解像度が異なる場合には、参照画像のアップサンプリングも実行する。精細化部４０により生成される精細化参照画像は、フレームメモリ２５に格納され、イントラ予測部３０又はインター予測部３５により、インターレイヤ予測において参照され得る。また、精細化部４０により生成される精細化関連パラメータは、可逆符号化部１６により符号化される。
　　［２－２．精細化部の構成］
　図８は、図７に示した精細化部４０の詳細な構成の一例を示すブロック図である。図８を参照すると、精細化部４０は、ブロックサイズバッファ４１、参照画像取得部４３、閾値設定部４５、フィルタ制御部４７及び精細化フィルタ４９を有する。
　　　（１）ブロックサイズバッファ
　ブロックサイズバッファ４１は、ベースレイヤ画像に設定されたブロックのブロックサイズを特定するブロックサイズ情報を記憶するバッファである。ここでのブロックとは、ベースレイヤの符号化処理の処理単位として設定されるＣＵ、予測処理の処理単位として設定されるＰＵ、又は直交変換処理の処理単位として設定されるＴＵであってよい。ＣＵは、各ピクチャ（又はスライス）にラスタスキャン順に配置されるＬＣＵ（Largest　Coding　Unit）の各々を四分木（Quad-Tree）状に階層的に分割することにより形成される。通常、１つのピクチャには複数のＣＵが設定され、それらＣＵは様々なブロックサイズを有する。例えば、画像内で高域成分が強い領域（例えば、多くのエッジ又は複雑なテクスチャを含む領域）についてはブロック分割は深くなり、従って各ブロックのブロックサイズは小さくなる。一方、画像内で高域成分が弱い領域（フラットな領域）についてはブロック分割は浅くなり、従って各ブロックのブロックサイズは大きくなる。この傾向は、ＣＵのみならずＰＵ及びＴＵについても同様である。
　ＣＵについてのブロックサイズ情報は、例えば、ＬＣＵサイズ情報と分割情報とを含む。ＬＣＵサイズ情報は、例えば、ＨＥＶＣの仕様においてＳＣＵ（Smallest　Coding　Unit）のサイズを特定するパラメータ（log2_min_luma_coding_block_size_minus3）と、ＳＣＵサイズとＬＣＵサイズとの間の差分を特定するパラメータ（log2_diff_max_min_luma_coding_block_size）とを含む。分割情報は、ＬＣＵからのブロック分割の有無を再帰的に特定するパラメータ（フラグ（split_cu_flag）のセット）を含む。ＰＵについてのブロックサイズ情報は、ＣＵから１つ以上のＰＵへのブロック分割を特定する情報を含む。ＴＵについてのブロックサイズ情報は、ＣＵから１つ以上のＴＵへのブロック分割を特定する情報を含む。
　　　（２）参照画像取得部
　参照画像取得部４３は、共通メモリ２によりバッファリングされるベースレイヤの復号画像を、エンハンスメントレイヤの画像の符号化のための参照画像として取得する。例えば、単独のＳＮＲスケーラビリティ方式でエンハンスメントレイヤが符号化される場合、即ちベースレイヤとエンハンスメントレイヤとの間で空間解像度が等しい場合には、参照画像取得部４３は、取得した参照画像をそのまま精細化フィルタ４９へ出力する。一方、参照画像取得部４３は、空間スケーラビリティ方式でエンハンスメントレイヤが符号化される場合、即ちベースレイヤがエンハンスメントレイヤよりも低い空間解像度を有する場合には、ベースレイヤの復号画像を解像度比に従ってアップサンプリングする。そして、参照画像取得部４３は、アップサンプリング後のベースレイヤの復号画像を、参照画像として精細化フィルタ４９へ出力する。
　　　（３）閾値設定部
　閾値設定部４５は、精細化フィルタ４９の適用を有効化（ターンオン）し又は無効化（ターンオフ）するためにブロックサイズと比較される判定閾値の設定を保持する。判定閾値は、映像データ、シーケンス又はピクチャなどの任意の単位で設定されてよい。例えば、ブロックサイズとしてＣＵサイズが利用される場合、判定閾値は、ＳＣＵサイズからＬＣＵサイズまでのレンジに含まれる任意の値をとり得る。判定閾値は、予め固定的に定義されてもよい。また、判定閾値は、エンコーダにおいて選択され、符号化ストリームへ符号化されてもよい。また、判定閾値は、後に説明するように、動的に設定されてもよい。判定閾値がデコーダにとって既知でない（例えば、予め仕様として定義されない）場合、閾値設定部４５は、設定した判定閾値を示す閾値情報を生成する。閾値情報は、例えば、２を底とするブロックサイズの対数の形式で表現されてもよい。閾値設定部４５により生成される閾値情報は、精細化関連パラメータとして、可逆符号化部１６へ出力され得る。そして、閾値情報は、可逆符号化部１６により符号化され、例えば符号化ストリームのＶＰＳ（Video　Parameter　Set）、ＳＰＳ（Sequence　Parameter　Set）若しくはＰＰＳ（Picture　Parameter　Set）又はそれらの拡張（extension）へ挿入され得る。
　　　（４）フィルタ制御部
　フィルタ制御部４７は、参照画像の複数のブロックの各々への精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、フィルタ制御部４７は、閾値設定部４５により設定される判定閾値よりも小さいブロックサイズを有するブロックへの精細化フィルタ４９の適用を有効化し、当該判定閾値よりも大きいブロックサイズを有するブロックへの精細化フィルタ４９の適用を無効化する。
　図９Ａ及び図９Ｂは、ブロックサイズに応じた精細化フィルタのオン／オフについて説明するための説明図である。図９Ａに示した画像ＩＭ２には、ブロックＢ３１、Ｂ３２、Ｂ３３及びＢ３４を含む多数のブロックが設定されている。ブロックＢ３１のサイズは、６４×６４画素である。ブロックＢ３２のサイズは、３２×３２画素である。ブロックＢ３３のサイズは、１６×１６画素である。ブロックＢ３４のサイズは、８×８画素である。ここで、例えば判定閾値が８画素を示し、判定閾値に等しいブロックサイズを有するブロックには精細化フィルタが適用されるものとする。すると、フィルタ制御部４７は、図中に斜線の網掛けで示したように、ブロックＢ３４を含む８×８画素のサイズを有するブロックについて精細化フィルタ４９の適用を有効化する。一方、フィルタ制御部４７は、ブロックＢ３１、Ｂ３２及びＢ３３を含む６４×６４画素、３２×３２画素又は１６×１６画素のサイズを有するブロックについては精細化フィルタ４９の適用を無効化する。ブロックサイズの大きいブロックの画像はフラットに近い傾向があるため、このように精細化フィルタ４９を適応的にターンオフすることにより、画質をあまりロスすることなくフィルタリングの演算量を削減することができる。また、エンコーダ及びデコーダの消費電力を低減することもできる。
　図９Ｂには、画像ＩＭ２が再び示されている。ここで、例えば判定閾値が１６画素を示し、判定閾値に等しいブロックサイズを有するブロックには精細化フィルタが適用されるものとする。すると、フィルタ制御部４７は、図中に斜線の網掛けで示したように、ブロックＢ３３及びＢ３４を含む１６×１６画素又は８×８画素のサイズを有するブロックについて精細化フィルタ４９の適用を有効化する。一方、フィルタ制御部４７は、ブロックＢ３１及びＢ３２を含む６４×６４画素又は３２×３２画素のサイズを有するブロックについては精細化フィルタ４９の適用を無効化する。
　一例として、フィルタ制御部４７は、ベースレイヤとエンハンスメントレイヤとの間の空間解像度の比に依存して、判定閾値を決定してもよい。例えば、解像度比が大きい場合には、アップサンプリングによって画像のエッジ及びテクスチャは不鮮明になり易い。そのため、解像度比が大きい場合には判定閾値も大きく設定して精細化フィルタが適用される領域を広げることで、不鮮明になるエッジ又はテクスチャを適切に精細化することができる。
　　　（５）精細化フィルタ
　精細化フィルタ４９は、フィルタ制御部４７による制御の下、ベースレイヤとは異なる属性（例えば、空間解像度又は量子化誤差）を有するエンハンスメントレイヤの画像を符号化するために使用される参照画像を精細化する。精細化フィルタ４９は、例えば、非特許文献４により提案されているクロスカラーフィルタであってもよい。この場合、精細化フィルタ４９は、参照画像取得部４３から入力される参照画像の色差成分の各々を、各色差成分と近傍の複数の輝度成分とをフィルタタップとして用いてフィルタリングすることにより、精細化する。フィルタ係数は、原画像と精細化画像との間の平均二乗誤差を最小にするように、Wienerフィルタを用いて計算され得る。この場合、精細化フィルタ４９は、計算したフィルタ係数を示すフィルタ構成情報を生成し、生成したフィルタ構成情報を精細化関連パラメータとして可逆符号化部１６へ出力する。また、精細化フィルタ４９は、非特許文献５により提案されているエッジ強調フィルタであってもよい。この場合、精細化フィルタ４９は、参照画像取得部４３から入力される参照画像のエッジマップをPrewittフィルタを用いて抽出し、エッジマップに基づいて画素ごとにワープパラメータを計算し、計算したワープパラメータを各画素に加算する。それにより、参照画像のエッジが強調される。各画素への精細化フィルタ４９の適用は、当該画素に対応するベースレイヤのブロックのブロックサイズに応じて制御される。精細化フィルタ４９は、フィルタの適用が有効化された画素については、精細化後の画素値を出力する。一方、精細化フィルタ４９は、フィルタの適用が無効化された画素については、参照画像取得部４３から入力された画素値をそのまま出力する。これら画素値により形成される精細化参照画像は、フレームメモリ２５へ格納される。
　　［２－３．処理の流れ］
　　　（１）概略的な流れ
　図１０は、符号化時の概略的な処理の流れの一例を示すフローチャートである。なお、説明の簡明さのために、本開示に係る技術に直接的に関連しない処理ステップは、図から省略されている。
　図１０を参照すると、まず、ＢＬ符号化部１ａは、ベースレイヤの符号化処理を実行し、ベースレイヤの符号化ストリームを生成する（ステップＳ１１）。
　共通メモリ２は、ベースレイヤの符号化処理において生成されるベースレイヤの画像及びいくつかのパラメータ（例えば、解像度情報及びブロックサイズ情報）をバッファリングする（ステップＳ１２）。
　次に、ＥＬ符号化部１ｂは、エンハンスメントレイヤの符号化処理を実行し、エンハンスメントレイヤの符号化ストリームを生成する（ステップＳ１３）。ここで実行されるエンハンスメントレイヤの符号化処理において、共通メモリ２によりバッファリングされているベースレイヤの画像は、精細化部４０により精細化され、インターレイヤ予測において参照画像として使用される。
　次に、多重化部３は、ＢＬ符号化部１ａにより生成されるベースレイヤの符号化ストリームと、ＥＬ符号化部１ｂにより生成されるエンハンスメントレイヤの符号化ストリームとを多重化し、マルチレイヤの多重化ストリームを生成する（ステップＳ１４）。
　　　（２）精細化関連処理
　図１１は、第１の実施形態における符号化時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。
　図１１を参照すると、まず、フィルタ制御部４７は、閾値設定部４５により設定された判定閾値を取得する（ステップＳ２１）。その後の処理は、エンハンスメントレイヤの各画素（以下、注目画素という）について順に実行される。
　フィルタ制御部４７は、注目画素に対応するベースレイヤのブロックサイズを識別する（ステップＳ２３）。ここで識別されるブロックサイズは、典型的には、エンハンスメントレイヤにおける注目画素の画素位置に対応する位置のベースレイヤのＣＵ、ＰＵ又はＴＵのサイズである。
　次に、フィルタ制御部４７は、注目画素の画素位置及びレイヤ間の解像度比に基づいて、アップサンプリングを実行すべきかを判定する（ステップＳ２５）。フィルタ制御部４７によりアップサンプリングを実行すべきであると判定されると、参照画像取得部４３は、共通メモリ２によりバッファリングされているベースレイヤの画素群にアップサンプリングフィルタを適用して、注目画素の参照画素値を取得する（ステップＳ２７）。一方、アップサンプリングを実行すべきでないと判定されると、参照画像取得部４３は、共通メモリ２によりバッファリングされているベースレイヤの同じ位置の画素値を、注目画素の参照画素値としてそのまま取得する（ステップＳ２８）。
　次に、フィルタ制御部４７は、識別したブロックサイズが判定閾値以下であるかを判定する（ステップＳ３１）。フィルタ制御部４７は、識別したブロックサイズが判定閾値を上回る場合には、注目画素についての精細化フィルタ４９の適用を無効化する。一方、注目画素に対応するブロックサイズが判定閾値以下である場合には、精細化フィルタ４９は、参照画像取得部４３により取得された画素群をフィルタリングすることにより、参照画像を精細化する（ステップＳ３３）。ここでのフィルタ演算は、クロスカラーフィルタの演算であってもよく、又はエッジ強調フィルタの演算であってもよい。
　次に、精細化フィルタ４９は、精細化参照画像を構成する注目画素の参照画素値をフレームメモリ２５へ格納する（ステップＳ３５）。その後、次の注目画素が存在する場合には、処理はステップＳ２３へ戻る（ステップＳ３７）。一方、次の注目画素が存在しない場合には、閾値情報を含み得る精細化関連パラメータが可逆符号化部１６により符号化され（ステップＳ３９）、図１１に示した処理は終了する。
　＜３．ＥＬ復号部の構成例（第１の実施形態）＞
　　［３－１．全体的な構成］
　図１２は、第１の実施形態に係るＥＬ復号部６ｂの構成の一例を示すブロック図である。図１２を参照すると、ＥＬ復号部６ｂは、蓄積バッファ６１、可逆復号部６２、逆量子化部６３、逆直交変換部６４、加算部６５、ループフィルタ６６、並び替えバッファ６７、Ｄ／Ａ（Digital　to　Analogue）変換部６８、フレームメモリ６９、セレクタ７０及び７１、イントラ予測部８０、インター予測部８５並びに精細化部９０を備える。
　蓄積バッファ６１は、逆多重化部５から入力されるエンハンスメントレイヤの符号化ストリームを記憶媒体を用いて一時的に蓄積する。
　可逆復号部６２は、蓄積バッファ６１から入力されるエンハンスメントレイヤの符号化ストリームから、符号化の際に使用された符号化方式に従ってエンハンスメントレイヤの量子化データを復号する。また、可逆復号部６２は、符号化ストリームのヘッダ領域に挿入されている情報を復号する。可逆復号部６２により復号される情報は、例えば、イントラ予測に関する情報及びインター予測に関する情報を含み得る。精細化関連パラメータもまた復号され得る。可逆復号部６２は、量子化データを逆量子化部６３へ出力する。また、可逆復号部６２は、イントラ予測に関する情報をイントラ予測部８０へ出力する。また、可逆復号部６２は、インター予測に関する情報をインター予測部８５へ出力する。また、可逆復号部６２は、精細化関連パラメータが復号される場合には、復号した精細化関連パラメータを精細化部９０へ出力する。
　逆量子化部６３は、可逆復号部６２から入力される量子化データを、符号化の際に使用されたものと同じ量子化ステップ（又は同じ量子化行列）で逆量子化し、エンハンスメントレイヤの変換係数データを復元する。そして、逆量子化部６３は、復元した変換係数データを逆直交変換部６４へ出力する。
　逆直交変換部６４は、符号化の際に使用された直交変換方式に従い、逆量子化部６３から入力される変換係数データについて逆直交変換を行うことにより、予測誤差データを生成する。上述したように、逆直交変換は、ＴＵごとに実行される。そして、逆直交変換部６４は、生成した予測誤差データを加算部６５へ出力する。
　加算部６５は、逆直交変換部６４から入力される予測誤差データと、セレクタ７１から入力される予測画像データとを加算することにより、復号画像データを生成する。そして、加算部６５は、生成した復号画像データをループフィルタ６６及びフレームメモリ６９へ出力する。
　ループフィルタ６６は、ＥＬ符号化部１ｂのループフィルタ２４と同様、ブロック歪みを軽減するデブロックフィルタ、各画素値にオフセット値を加えるサンプル適応オフセットフィルタ、及び原画像との誤差を最小化する適応ループフィルタを含み得る。ループフィルタ６６は、加算部６５から入力される復号画像データをフィルタリングし、フィルタリング後の復号画像データを並び替えバッファ６７及びフレームメモリ６９へ出力する。
　並び替えバッファ６７は、ループフィルタ６６から入力される画像を並び替えることにより、時系列の一連の画像データを生成する。そして、並び替えバッファ６７は、生成した画像データをＤ／Ａ変換部６８へ出力する。
　Ｄ／Ａ変換部６８は、並び替えバッファ６７から入力されるデジタル形式の画像データをアナログ形式の画像信号に変換する。そして、Ｄ／Ａ変換部６８は、例えば、画像復号装置６０と接続されるディスプレイ（図示せず）にアナログ画像信号を出力することにより、エンハンスメントレイヤの画像を表示させる。
　フレームメモリ６９は、加算部６５から入力されるフィルタリング前の復号画像データ、ループフィルタ６６から入力されるフィルタリング後の復号画像データ、及び精細化部９０から入力されるベースレイヤの参照画像データを記憶媒体を用いて記憶する。
　セレクタ７０は、可逆復号部６２により取得されるモード情報に応じて、画像内のブロックごとに、フレームメモリ６９からの画像データの出力先をイントラ予測部８０とインター予測部８５との間で切り替える。例えば、セレクタ７０は、イントラ予測モードが指定された場合には、フレームメモリ６９から供給されるフィルタリング前の復号画像データを参照画像データとしてイントラ予測部８０へ出力する。また、セレクタ７０は、インター予測モードが指定された場合には、フィルタリング後の復号画像データを参照画像データとしてインター予測部８５へ出力する。さらに、イントラ予測部８０又はインター予測部８５においてインターレイヤ予測が実行される場合、セレクタ７０は、ベースレイヤの参照画像データ（精細化参照画像）をイントラ予測部８０又はインター予測部８５へ供給する。
　セレクタ７１は、可逆復号部６２により取得されるモード情報に応じて、加算部６５へ供給すべき予測画像データの出力元をイントラ予測部８０とインター予測部８５との間で切り替える。例えば、セレクタ７１は、イントラ予測モードが指定された場合には、イントラ予測部８０から出力される予測画像データを加算部６５へ供給する。また、セレクタ７１は、インター予測モードが指定された場合には、インター予測部８５から出力される予測画像データを加算部６５へ供給する。
　イントラ予測部８０は、可逆復号部６２から入力されるイントラ予測に関する情報とフレームメモリ６９からの参照画像データとに基づいてエンハンスメントレイヤのイントラ予測処理を行い、予測画像データを生成する。イントラ予測処理は、ＰＵごとに実行される。イントラ予測部８０は、イントラ予測モードとしてインターレイヤ予測に相当するモードが指定された場合には、ベースレイヤの参照画像データを参照する。イントラ予測部８０は、生成したエンハンスメントレイヤの予測画像データをセレクタ７１へ出力する。
　インター予測部８５は、可逆復号部６２から入力されるインター予測に関する情報とフレームメモリ６９からの参照画像データとに基づいてエンハンスメントレイヤのインター予測処理（動き補償処理）を行い、予測画像データを生成する。インター予測処理は、ＰＵごとに実行される。インター予測部８５は、インター予測モードとしてインターレイヤ予測に相当するモードが指定された場合には、ベースレイヤの参照画像データを参照する。インター予測部８５は、生成したエンハンスメントレイヤの予測画像データをセレクタ７１へ出力する。
　精細化部９０は、共通メモリ７によりバッファリングされるベースレイヤの画像を参照画像として取得し、取得した参照画像に精細化フィルタを適用して、精細化参照画像を生成する。精細化部９０は、参照画像への精細化フィルタの適用を、ベースレイヤの画像に設定されたブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、精細化部９０は、閾値よりも大きいブロックサイズを有するブロックへの精細化フィルタの適用を無効化する。精細化部９０は、ベースレイヤとエンハンスメントレイヤとの間で空間解像度が異なる場合には、参照画像のアップサンプリングも実行する。精細化部９０により生成される精細化参照画像は、フレームメモリ６９に格納され、イントラ予測部８０又はインター予測部８５により、インターレイヤ予測において参照画像として使用され得る。精細化部９０は、符号化ストリームから復号される精細化関連パラメータに従って、精細化処理を制御してもよい。
　　［３－２．精細化部の構成］
　図１３は、図１２に示した精細化部９０の詳細な構成の一例を示すブロック図である。図１３を参照すると、精細化部９０は、ブロックサイズバッファ９１、参照画像取得部９３、閾値取得部９５、フィルタ制御部９７及び精細化フィルタ９９を有する。
　　　（１）ブロックサイズバッファ
　ブロックサイズバッファ９１は、ベースレイヤ画像に設定されたブロックのブロックサイズを特定するブロックサイズ情報を記憶するバッファである。ここでのブロックとは、ベースレイヤの復号処理の処理単位として設定されるＣＵ、予測処理の処理単位として設定されるＰＵ、又は直交変換処理の処理単位として設定されるＴＵであってよい。ＣＵについてのブロックサイズ情報は、例えば、ＬＣＵサイズ情報と分割情報とを含む。ＰＵについてのブロックサイズ情報は、ＣＵから１つ以上のＰＵへのブロック分割を特定する情報を含む。ＴＵについてのブロックサイズ情報は、ＣＵから１つ以上のＴＵへのブロック分割を特定する情報を含む。
　　　（２）参照画像取得部
　参照画像取得部９３は、共通メモリ７によりバッファリングされるベースレイヤの復号画像を、エンハンスメントレイヤの画像の復号のための参照画像として取得する。例えば、単独のＳＮＲスケーラビリティ方式でエンハンスメントレイヤが復号される場合、即ちベースレイヤとエンハンスメントレイヤとの間で空間解像度が等しい場合には、参照画像取得部９３は、取得した参照画像をそのまま精細化フィルタ９９へ出力する。一方、参照画像取得部９３は、空間スケーラビリティ方式でエンハンスメントレイヤが復号される場合、即ちベースレイヤがエンハンスメントレイヤよりも低い空間解像度を有する場合には、ベースレイヤの復号画像を解像度比に従ってアップサンプリングする。そして、参照画像取得部９３は、アップサンプリング後のベースレイヤの復号画像を、参照画像として精細化フィルタ９９へ出力する。
　　　（３）閾値取得部
　閾値取得部９５は、精細化フィルタ９９の適用を有効化し又は無効化するためにブロックサイズと比較される判定閾値を取得する。判定閾値は、映像データ、シーケンス又はピクチャなどの任意の単位で取得されてよい。例えば、判定閾値は、予め固定的に定義されてもよい。その代わりに、判定閾値がエンコーダにおいて選択された場合には、符号化ストリームのＶＰＳ、ＳＰＳ又はＰＰＳから、精細化関連パラメータが可逆復号部６２により復号され得る。当該精細化関連パラメータは、デコーダが使用すべき判定閾値を示す閾値情報を含む。閾値取得部９５は、かかる閾値情報を取得し得る。判定閾値は、上述したように、レイヤ間の解像度比に依存して動的に設定されてもよい。
　　　（４）フィルタ制御部
　フィルタ制御部９７は、参照画像の複数のブロックの各々への精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、フィルタ制御部９７は、閾値取得部９５により取得される判定閾値よりも小さいブロックサイズを有するブロックへの精細化フィルタ９９の適用を有効化し、当該判定閾値よりも大きいブロックサイズを有するブロックへの精細化フィルタ９９の適用を無効化する。一例として、フィルタ制御部９７は、ベースレイヤとエンハンスメントレイヤとの間の空間解像度の比に依存して、判定閾値を決定してもよい。
　　　（５）精細化フィルタ
　精細化フィルタ９９は、フィルタ制御部９７による制御の下、ベースレイヤとは異なる属性を有するエンハンスメントレイヤの画像を復号するために使用される参照画像を精細化する。精細化フィルタ９９は、例えば、非特許文献４により提案されているクロスカラーフィルタであってもよい。この場合、精細化フィルタ９９は、参照画像取得部９３から入力される参照画像の色差成分の各々を、各色差成分と近傍の複数の輝度成分とをフィルタタップとして用いてフィルタリングすることにより、精細化する。フィルタ係数は、エンコーダ側でWienerフィルタを用いて計算され、精細化関連パラメータに含まれるフィルタ構成情報によって特定され得る。また、精細化フィルタ９９は、非特許文献５により提案されているエッジ強調フィルタであってもよい。この場合、精細化フィルタ９９は、参照画像取得部９３から入力される参照画像のエッジマップをPrewittフィルタを用いて抽出し、エッジマップに基づいて画素ごとにワープパラメータを計算し、計算したワープパラメータを各画素に加算する。それにより、参照画像のエッジが強調される。各画素への精細化フィルタ９９の適用は、当該画素に対応するベースレイヤのブロックのブロックサイズに応じて制御される。精細化フィルタ９９は、フィルタの適用が有効化された画素については、精細化後の画素値を出力する。一方、精細化フィルタ９９は、フィルタの適用が無効化された画素については、参照画像取得部９３から入力された画素値をそのまま出力する。これら画素値により形成される精細化参照画像は、フレームメモリ６９へ格納される。
　　［３－３．処理の流れ］
　　　（１）概略的な流れ
　図１４は、復号時の概略的な処理の流れの一例を示すフローチャートである。なお、説明の簡明さのために、本開示に係る技術に直接的に関連しない処理ステップは、図から省略されている。
　図１４を参照すると、まず、逆多重化部５は、マルチレイヤの多重化ストリームをベースレイヤの符号化ストリーム及びエンハンスメントレイヤの符号化ストリームに逆多重化する（ステップＳ６０）。
　次に、ＢＬ復号部６ａは、ベースレイヤの復号処理を実行し、ベースレイヤの符号化ストリームからベースレイヤ画像を再構築する（ステップＳ６１）。
　共通メモリ７は、ベースレイヤの復号処理において生成されるベースレイヤの画像及びいくつかのパラメータ（例えば、解像度情報及びブロックサイズ情報）をバッファリングする（ステップＳ６２）。
　次に、ＥＬ復号部６ｂは、エンハンスメントレイヤの復号処理を実行し、エンハンスメントレイヤ画像を再構築する（ステップＳ６３）。ここで実行されるエンハンスメントレイヤの復号処理において、共通メモリ７によりバッファリングされているベースレイヤの画像は、精細化部９０により精細化され、インターレイヤ予測において参照画像として使用される。
　　　（２）精細化関連処理
　図１５は、第１の実施形態における復号時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。
　図１５を参照すると、まず、閾値取得部９５は、精細化の制御のために使用される判定閾値を取得する（ステップＳ７１）。判定閾値は、予め定義されるパラメータを記憶するメモリから取得されてもよく、又は可逆復号部６２により復号される精細化関連パラメータから取得されてもよい。その後の処理は、エンハンスメントレイヤの各注目画素について順に実行される。
　フィルタ制御部９７は、注目画素に対応するベースレイヤのブロックサイズを識別する（ステップＳ７３）。ここで識別されるブロックサイズは、典型的には、エンハンスメントレイヤにおける注目画素の画素位置に対応する位置のベースレイヤのＣＵ、ＰＵ又はＴＵのサイズである。
　次に、フィルタ制御部９７は、注目画素の画素位置及びレイヤ間の解像度比に基づいて、アップサンプリングを実行すべきかを判定する（ステップＳ７５）。フィルタ制御部９７によりアップサンプリングを実行すべきであると判定されると、参照画像取得部９３は、共通メモリ７によりバッファリングされているベースレイヤの画素群にアップサンプリングフィルタを適用して、注目画素の参照画素値を取得する（ステップＳ７７）。一方、アップサンプリングを実行すべきでないと判定されると、参照画像取得部９３は、共通メモリ７によりバッファリングされているベースレイヤの同じ位置の画素値を、注目画素の参照画素値としてそのまま取得する（ステップＳ７８）。
　次に、フィルタ制御部９７は、識別したブロックサイズが判定閾値以下であるかを判定する（ステップＳ８１）。フィルタ制御部９７は、識別したブロックサイズが判定閾値を上回る場合には、注目画素についての精細化フィルタ９９の適用を無効化する。一方、注目画素に対応するブロックサイズが判定閾値以下である場合には、精細化フィルタ９９は、参照画像取得部９３により取得された画素群をフィルタリングすることにより、参照画像を精細化する（ステップＳ８３）。ここでのフィルタ演算は、クロスカラーフィルタの演算であってもよく、又はエッジ強調フィルタの演算であってもよい。
　次に、精細化フィルタ９９は、精細化参照画像を構成する注目画素の参照画素値をフレームメモリ６９へ格納する（ステップＳ８５）。その後、次の注目画素が存在する場合には、処理はステップＳ７３へ戻る（ステップＳ８７）。一方、次の注目画素が存在しない場合には、図１５に示した処理は終了する。
　＜４．ＥＬ符号化部の構成例（第２の実施形態）＞
　　［４－１．全体的な構成］
　図１６は、第２の実施形態に係るＥＬ符号化部１ｂの構成の一例を示すブロック図である。図１６を参照すると、ＥＬ符号化部１ｂは、並び替えバッファ１１、減算部１３、直交変換部１４、量子化部１５、可逆符号化部１６、蓄積バッファ１７、レート制御部１８、逆量子化部２１、逆直交変換部２２、加算部２３、ループフィルタ２４、フレームメモリ２５、セレクタ２６及び２７、イントラ予測部３０、インター予測部３５並びに精細化部１４０を備える。
　精細化部１４０は、共通メモリ２によりバッファリングされるベースレイヤの画像を参照画像として取得し、取得した参照画像に精細化フィルタを適用して、精細化参照画像を生成する。精細化部１４０は、参照画像への精細化フィルタの適用を、ベースレイヤの画像に設定されたブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、精細化部１４０は、各ブロックに適用される精細化フィルタのフィルタ構成を、当該ブロックのブロックサイズに依存して決定する。精細化部１４０は、ベースレイヤとエンハンスメントレイヤとの間で空間解像度が異なる場合には、参照画像のアップサンプリングも実行する。精細化部１４０により生成される精細化参照画像は、フレームメモリ２５に格納され、イントラ予測部３０又はインター予測部３５により、インターレイヤ予測において参照され得る。また、精細化部１４０により生成される精細化関連パラメータは、可逆符号化部１６により符号化される。
　　［４－２．精細化部の構成］
　図１７は、図１６に示した精細化部１４０の詳細な構成の一例を示すブロック図である。図１７を参照すると、精細化部１４０は、ブロックサイズバッファ４１、参照画像取得部４３、輝度成分バッファ１４６、フィルタ制御部１４７、係数計算部１４８及び精細化フィルタ１４９を有する。
　　　（１）輝度成分バッファ
　輝度成分バッファ１４６は、参照画像取得部４３により取得される（必要に応じてアップサンプリングされる）輝度成分の参照画像を一時的に記憶するバッファである。輝度成分バッファ１４６により記憶される輝度成分の参照画像は、係数計算部１４８によるクロスカラーフィルタのフィルタ係数の計算、及び精細化フィルタ１４９によるフィルタ演算の際に使用され得る。
　　　（２）フィルタ制御部
　フィルタ制御部１４７は、参照画像の複数のブロックの各々への精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、フィルタ制御部１４７は、各ブロックに適用される精細化フィルタ１４９のフィルタ構成を、当該ブロックのブロックサイズに依存して決定する。フィルタ制御部１４７は、例えば、ピクチャ又はスライス内で同じブロックサイズを有するブロックについて、クロスカラーフィルタの最適なフィルタ係数を係数計算部１４８に計算させる。それにより、ブロックサイズの候補ごとに、最適なフィルタ係数のセットが１セットずつ計算される（例えば、ブロックサイズが８×８画素、１６×１６画素又は３２×３２画素であれば、最適なフィルタ係数の３つのセットがそれぞれ導かれる）。そして、フィルタ制御部１４７は、各ブロックに精細化フィルタ１４９を適用する際に、当該ブロックのブロックサイズに対応する計算されたフィルタ係数のセットを、精細化フィルタ１４９に使用させる。
　　　（３）係数計算部
　係数計算部１４８は、参照画像の色差成分に適用されるクロスカラーフィルタの最適なフィルタ係数のセットを、ブロックサイズの候補ごとに、当該ブロックサイズを有する１つ以上のブロックの輝度成分及び色差成分を用いて計算する。クロスカラーフィルタのフィルタタップは、各色差成分と近傍の複数の輝度成分とを含む。最適なフィルタ係数のセットの計算は、色差成分の原画像と精細化画像との間の平均二乗誤差を最小にするように、Wienerフィルタを用いて行われ得る。ここでの１つ以上のブロックとは、ピクチャ若しくはスライス内で同じブロックサイズを有する全てのブロックであってもよく、又はそれらブロックの一部であってもよい。
　図１８は、ブロックサイズに依存するフィルタ構成の一例について説明するための説明図である。図１８に示した画像ＩＭ３には、ブロックＢ４１、Ｂ４２ａ、Ｂ４２ｂ、Ｂ４３及びＢ４４を含む多数のブロックが設定されている。ブロックＢ４１のサイズは、６４×６４画素である。ブロックＢ４２ａ及びＢ４２ｂのサイズは、３２×３２画素である。ブロックＢ４３のサイズは、１６×１６画素である。ブロックＢ４４のサイズは、８×８画素である。係数計算部１４８は、例えば、まず、ブロックＢ４１の色差成分の原画像と精細化画像との間の平均二乗誤差を最小にする係数セットＦＣ６４を計算する。次に、係数計算部１４８は、ブロックＢ４２ａ及びＢ４２ｂの色差成分の原画像と精細化画像との間の平均二乗誤差を最小にする係数セットＦＣ３２を計算する。次に、係数計算部１４８は、ブロックＢ４３を含む複数の１６×１６画素のブロックの色差成分の原画像と精細化画像との間の平均二乗誤差を最小にする係数セットＦＣ１６を計算する。次に、係数計算部１４８は、ブロックＢ４４を含む複数の８×８画素のブロックの色差成分の原画像と精細化画像との間の平均二乗誤差を最小にする係数セットＦＣ８を計算する。このように同じブロックサイズについて共通的に使用可能なフィルタ係数のセットを計算することで、フィルタ係数をデコーダへ伝送するためのフィルタ構成情報の符号量を少なくすることができる。また、ブロックサイズと高域成分の強さとの相関から、より高域成分の強い（より小さい）ブロックについてはフィルタ強度がより強く、より高域成分の弱い（より大きい）ブロックについてはフィルタ強度がより弱くなるように、フィルタ係数のセットがそれぞれ導かれ得る。そのため、画一的なフィルタ係数が使用される場合と比較して、画質が効果的に改善される。
　係数計算部１４８は、ブロックサイズごとに計算したフィルタ係数のセットを、精細化フィルタ１４９へ出力する。また、係数計算部１４８は、それらフィルタ係数のセットを示すフィルタ構成情報を生成する。フィルタ構成情報は、とり得るブロックサイズの範囲内で、デコーダにおいて精細化フィルタが使用すべきフィルタ構成をブロックサイズごとに示す。例えば、ブロックサイズとしてＣＵサイズが利用され、ＳＣＵサイズが８×８画素、ＬＣＵサイズが３２×３２画素である場合、係数計算部１４８は、６４×６４画素のブロックサイズに対応するフィルタ係数のセットの計算とフィルタ構成情報の生成とを省略してよい。そして、係数計算部１４８は、生成したフィルタ構成情報を、精細化関連パラメータとして、可逆符号化部１６へ出力する。フィルタ構成情報は、可逆符号化部１６により符号化され、例えば符号化ストリームのＶＰＳ、ＳＰＳ若しくはＰＰＳ又はそれらの拡張へ挿入され得る。
　係数計算部１４８は、フィルタ構成情報を、ピクチャ間で予測符号化してもよい。また、係数計算部１４８は、フィルタ構成情報を、異なるブロックサイズの間で予測符号化してもよい。また、係数計算部１４８は、フィルタ構成情報を、異なる色成分の間で（例えば、Ｃｂ成分からＣｒ成分へ、又はその逆）で予測符号化してもよい。それにより、フィルタ構成情報の符号量を一層削減することができる。
　図１９は、フィルタ構成情報の予測符号化の一例について説明するための説明図である。図１９の左には、ｎ番目のピクチャＰｎを符号化する際に４つのブロックサイズについて計算されたフィルタ係数のセットＦＣ６４＿ｎ、ＦＣ３２＿ｎ、ＦＣ１６＿ｎ及びＦＣ８＿ｎが示されている。係数計算部１４８は、ｎ＋１番目のピクチャＰｎ＋１を符号化する際にフィルタ係数のセットＦＣ６４＿ｎ＋１を計算した後、さらにフィルタ係数の差分のセットＤ６４＿ｎ＋１（＝ＦＣ６４＿ｎ＋１－ＦＣ６４＿ｎ）を計算する。同様に、係数計算部１４８は、フィルタ係数のセットＦＣ３２＿ｎ＋１、ＦＣ１６＿ｎ＋１及びＦＣ８＿ｎ＋１にそれぞれ対応するフィルタ係数の差分のセットＤ３２＿ｎ＋１、Ｄ１６＿ｎ＋１及びＤ８＿ｎ＋１も計算する。通常、最適なフィルタ係数はピクチャ間で大きく変化しないため、フィルタ係数の差分のセットの値のレンジは、フィルタ係数のセットの値のレンジよりも小さい。そのため、このようなフィルタ係数の差分のセットを符号化することにより、フィルタ構成情報の符号量が削減され得る。
　　　（４）精細化フィルタ
　精細化フィルタ１４９は、フィルタ制御部１４７による制御の下、ベースレイヤとは異なる属性（例えば、空間解像度又は量子化誤差）を有するエンハンスメントレイヤの画像を符号化するために使用される参照画像を精細化する。本実施形態において、精細化フィルタ１４９は、例えば、非特許文献４により提案されているクロスカラーフィルタである。精細化フィルタ１４９は、参照画像取得部４３から入力される参照画像の色差成分の各々を、各色差成分と近傍の複数の輝度成分とをフィルタタップとして用いてフィルタリングすることにより、精細化する。精細化フィルタ１４９は、係数計算部１４８から入力されるフィルタ係数の複数のセットのうち、フィルタ制御部１４７により識別されるブロックサイズに対応するセットを使用する。そして、精細化フィルタ１４９は、精細化された参照画像をフレームメモリ２５へ格納する。
　　［４－３．処理の流れ］
　本実施形態における符号化時の概略的な処理の流れは、図１０を用いて説明した流れと同様であってよい。図２０は、本実施形態における符号化時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。
　図２０を参照すると、まず、係数計算部１４８は、ブロックサイズごとに最適なフィルタ係数を計算する（ステップＳ２２）。その後の処理は、エンハンスメントレイヤの色差成分の各注目画素について順に実行される。
　フィルタ制御部１４７は、注目画素に対応するベースレイヤのブロックサイズを識別する（ステップＳ２３）。ここで識別されるブロックサイズは、典型的には、エンハンスメントレイヤにおける注目画素の画素位置に対応する位置のベースレイヤのＣＵ、ＰＵ又はＴＵのサイズである。
　次に、フィルタ制御部１４７は、注目画素の画素位置及びレイヤ間の解像度比に基づいて、アップサンプリングを実行すべきかを判定する（ステップＳ２５）。フィルタ制御部１４７によりアップサンプリングを実行すべきであると判定されると、参照画像取得部１４３は、共通メモリ２によりバッファリングされているベースレイヤの画素群にアップサンプリングフィルタを適用して、注目画素の参照画素値を取得する（ステップＳ２７）。一方、アップサンプリングを実行すべきでないと判定されると、参照画像取得部１４３は、共通メモリ２によりバッファリングされているベースレイヤの同じ位置の画素値を、注目画素の参照画素値としてそのまま取得する（ステップＳ２８）。
　次に、精細化フィルタ１４９は、参照画像取得部４３から入力される色差成分と、輝度成分バッファ１４６から取得される近傍の複数の輝度成分とをフィルタタップとして用いてフィルタリングすることにより、注目画素の色差成分を精細化する（ステップＳ３２）。ここで使用されるフィルタ係数のセットは、フィルタ制御部１４７により識別されたブロックサイズに対応するセットである。
　次に、精細化フィルタ１４９は、注目画素の精細化された参照画素値をフレームメモリ２５へ格納する（ステップＳ３５）。その後、次の注目画素が存在する場合には、処理はステップＳ２３へ戻る（ステップＳ３７）。一方、次の注目画素が存在しない場合には、ブロックサイズごとのフィルタ構成を示すフィルタ構成情報を含み得る精細化関連パラメータが可逆符号化部１６により符号化され（ステップＳ４０）、図２０に示した処理は終了する。
　＜５．ＥＬ復号部の構成例（第２の実施形態）＞
　　［５－１．全体的な構成］
　図２１は、第２の実施形態に係るＥＬ復号部６ｂの構成の一例を示すブロック図である。図２１を参照すると、ＥＬ復号部６ｂは、蓄積バッファ６１、可逆復号部６２、逆量子化部６３、逆直交変換部６４、加算部６５、ループフィルタ６６、並び替えバッファ６７、Ｄ／Ａ（Digital　to　Analogue）変換部６８、フレームメモリ６９、セレクタ７０及び７１、イントラ予測部８０、インター予測部８５並びに精細化部１９０を備える。
　精細化部１９０は、共通メモリ７によりバッファリングされるベースレイヤの画像を参照画像として取得し、取得した参照画像に精細化フィルタを適用して、精細化参照画像を生成する。精細化部１９０は、参照画像への精細化フィルタの適用を、ベースレイヤの画像に設定されたブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、精細化部１９０は、各ブロックに適用される精細化フィルタのフィルタ構成を、当該ブロックのブロックサイズに依存して決定する。精細化部１９０は、ベースレイヤとエンハンスメントレイヤとの間で空間解像度が異なる場合には、参照画像のアップサンプリングも実行する。精細化部１９０により生成される精細化参照画像は、フレームメモリ６９に格納され、イントラ予測部８０又はインター予測部８５により、インターレイヤ予測において参照画像として使用され得る。精細化部１９０は、符号化ストリームから復号される精細化関連パラメータに従って、精細化処理を制御する。
　　［５－２．精細化部の構成］
　図２２は、図２１に示した精細化部１９０の詳細な構成の一例を示すブロック図である。図２２を参照すると、精細化部１９０は、ブロックサイズバッファ９１、参照画像取得部９３、輝度成分バッファ１９６、フィルタ制御部１９７、係数取得部１９８及び精細化フィルタ１９９を有する。
　　　（１）輝度成分バッファ
　輝度成分バッファ１９６は、参照画像取得部９３により取得される（必要に応じてアップサンプリングされる）輝度成分の参照画像を一時的に記憶するバッファである。輝度成分バッファ１９６により記憶される輝度成分の参照画像は、精細化フィルタ１９９によるフィルタ演算の際に使用され得る。
　　　（２）フィルタ制御部
　フィルタ制御部１９７は、参照画像の複数のブロックの各々への精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する。より具体的には、本実施形態において、フィルタ制御部１９７は、各ブロックに適用される精細化フィルタ１９９のフィルタ構成を、当該ブロックのブロックサイズに依存して決定する。フィルタ制御部１９７は、例えば、可逆復号部６２により復号される精細化関連パラメータに含まれるフィルタ構成情報により示されるブロックサイズごとのフィルタ係数のセットを、係数取得部１９８に取得させる。そして、フィルタ制御部１９７は、各ブロックに精細化フィルタ１９９を適用する際に、当該ブロックのブロックサイズに対応する取得されたフィルタ係数のセットを、精細化フィルタ１９９に使用させる。
　　　（３）係数取得部
　係数取得部１９８は、参照画像の色差成分に適用されるクロスカラーフィルタの最適なフィルタ係数のセットを、ブロックサイズの候補ごとに取得する。典型的には、フィルタ係数のセットは、図１８を用いて説明したようにエンコーダ側で計算され、可逆復号部６２により復号されるフィルタ構成情報により示される。フィルタ構成情報は、とり得るブロックサイズの範囲内で、精細化フィルタ１９９が使用すべきフィルタ構成をブロックサイズごとに示す。フィルタ構成情報は、例えば、符号化ストリームのＶＰＳ、ＳＰＳ若しくはＰＰＳ又はそれらの拡張から復号されてよい。係数取得部１９８は、取得したブロックサイズごとのフィルタ係数のセットを、精細化フィルタ１９９へ出力する。
　係数取得部１９８は、フィルタ構成情報が予測符号化されている場合には、例えばフィルタ係数の予測値と復号される差分値とを加算することにより、フィルタ係数を取得する。ピクチャ間で予測符号化が行われる場合には、フィルタ係数の予測値は、前のピクチャのために復号したフィルタ係数の値であってよい。異なるブロックサイズの間で予測符号化が行われる場合には、あるブロックサイズについてのフィルタ係数の予測値は、他のブロックサイズのためのフィルタ係数の値であってよい。異なる色成分の間で予測符号化が行われる場合には、例えばＣｒ成分についてのフィルタ係数の予測値は、Ｃｂ成分のためのフィルタ係数の値であってよい（その逆であってもよい）。
　　　（４）精細化フィルタ
　精細化フィルタ１９９は、フィルタ制御部１９７による制御の下、ベースレイヤとは異なる属性を有するエンハンスメントレイヤの画像を復号するために使用される参照画像を精細化する。本実施形態において、精細化フィルタ１９９は、例えば、非特許文献４により提案されているクロスカラーフィルタである。精細化フィルタ１９９は、参照画像取得部９３から入力される参照画像の色差成分の各々を、各色差成分と近傍の複数の輝度成分とをフィルタタップとして用いてフィルタリングすることにより、精細化する。精細化フィルタ１９９は、係数取得部１９８から入力されるフィルタ係数の複数のセットのうち、フィルタ制御部１９７により識別されるブロックサイズに対応するセットを使用する。そして、精細化フィルタ１９９は、精細化された参照画像をフレームメモリ６９へ格納する。
　　［５－３．処理の流れ］
　本実施形態における復号時の概略的な処理の流れは、図１４を用いて説明した流れと同様であってよい。図２３は、本実施形態における復号時の参照画像の精細化に関連する処理の流れの一例を示すフローチャートである。
　図２３を参照すると、まず、係数取得部１９８は、可逆復号部６２により復号されたフィルタ構成情報から、ブロックサイズごとのフィルタ係数のセットを取得する（ステップＳ７２）。その後の処理は、エンハンスメントレイヤの色差成分の各注目画素について順に実行される。
　フィルタ制御部１９７は、注目画素に対応するベースレイヤのブロックサイズを識別する（ステップＳ７３）。ここで識別されるブロックサイズは、典型的には、エンハンスメントレイヤにおける注目画素の画素位置に対応する位置のベースレイヤのＣＵ、ＰＵ又はＴＵのサイズである。
　次に、フィルタ制御部１９７は、注目画素の画素位置及びレイヤ間の解像度比に基づいて、アップサンプリングを実行すべきかを判定する（ステップＳ７５）。フィルタ制御部１９７によりアップサンプリングを実行すべきであると判定されると、参照画像取得部１９３は、共通メモリ７によりバッファリングされているベースレイヤの画素群にアップサンプリングフィルタを適用して、注目画素の参照画素値を取得する（ステップＳ７７）。一方、アップサンプリングを実行すべきでないと判定されると、参照画像取得部１９３は、共通メモリ７によりバッファリングされているベースレイヤの同じ位置の画素値を、注目画素の参照画素値としてそのまま取得する（ステップＳ７８）。
　次に、精細化フィルタ１９９は、参照画像取得部９３から入力される色差成分と、輝度成分バッファ１９６から取得される近傍の複数の輝度成分とをフィルタタップとして用いてフィルタリングすることにより、注目画素の色差成分を精細化する（ステップＳ８２）。ここで使用されるフィルタ係数のセットは、フィルタ制御部１９７により識別されたブロックサイズに対応するセットである。
　次に、精細化フィルタ１９９は、注目画素の精細化された参照画素値をフレームメモリ６９へ格納する（ステップＳ８５）。その後、次の注目画素が存在する場合には、処理はステップＳ７３へ戻る（ステップＳ８７）。一方、次の注目画素が存在しない場合には、図２３に示した処理は終了する。
　＜６．応用例＞
　　［６－１．様々な製品への応用］
　上述した実施形態に係る画像符号化装置１０及び画像復号装置６０は、衛星放送、ケーブルＴＶなどの有線放送、インターネット上での配信、及びセルラー通信による端末への配信などにおける送信機若しくは受信機、光ディスク、磁気ディスク及びフラッシュメモリなどの媒体に画像を記録する記録装置、又は、これら記憶媒体から画像を再生する再生装置などの様々な電子機器に応用され得る。以下、４つの応用例について説明する。
　　　（１）第１の応用例
　図２４は、テレビジョン装置の概略的な構成の一例を示している。テレビジョン装置９００は、アンテナ９０１、チューナ９０２、デマルチプレクサ９０３、デコーダ９０４、映像信号処理部９０５、表示部９０６、音声信号処理部９０７、スピーカ９０８、外部インタフェース９０９、制御部９１０、ユーザインタフェース９１１、及びバス９１２を備える。
　チューナ９０２は、アンテナ９０１を介して受信される放送信号から所望のチャンネルの信号を抽出し、抽出した信号を復調する。そして、チューナ９０２は、復調により得られた符号化ビットストリームをデマルチプレクサ９０３へ出力する。即ち、チューナ９０２は、画像が符号化されている符号化ストリームを受信する、テレビジョン装置９００における伝送手段としての役割を有する。
　デマルチプレクサ９０３は、符号化ビットストリームから視聴対象の番組の映像ストリーム及び音声ストリームを分離し、分離した各ストリームをデコーダ９０４へ出力する。また、デマルチプレクサ９０３は、符号化ビットストリームからＥＰＧ（Electronic　Program　Guide）などの補助的なデータを抽出し、抽出したデータを制御部９１０に供給する。なお、デマルチプレクサ９０３は、符号化ビットストリームがスクランブルされている場合には、デスクランブルを行ってもよい。
　デコーダ９０４は、デマルチプレクサ９０３から入力される映像ストリーム及び音声ストリームを復号する。そして、デコーダ９０４は、復号処理により生成される映像データを映像信号処理部９０５へ出力する。また、デコーダ９０４は、復号処理により生成される音声データを音声信号処理部９０７へ出力する。
　映像信号処理部９０５は、デコーダ９０４から入力される映像データを再生し、表示部９０６に映像を表示させる。また、映像信号処理部９０５は、ネットワークを介して供給されるアプリケーション画面を表示部９０６に表示させてもよい。また、映像信号処理部９０５は、映像データについて、設定に応じて、例えばノイズ除去などの追加的な処理を行ってもよい。さらに、映像信号処理部９０５は、例えばメニュー、ボタン又はカーソルなどのＧＵＩ（Graphical　User　Interface）の画像を生成し、生成した画像を出力画像に重畳してもよい。
　表示部９０６は、映像信号処理部９０５から供給される駆動信号により駆動され、表示デバイス（例えば、液晶ディスプレイ、プラズマディスプレイ又はＯＬＥＤなど）の映像面上に映像又は画像を表示する。
　音声信号処理部９０７は、デコーダ９０４から入力される音声データについてＤ／Ａ変換及び増幅などの再生処理を行い、スピーカ９０８から音声を出力させる。また、音声信号処理部９０７は、音声データについてノイズ除去などの追加的な処理を行ってもよい。
　外部インタフェース９０９は、テレビジョン装置９００と外部機器又はネットワークとを接続するためのインタフェースである。例えば、外部インタフェース９０９を介して受信される映像ストリーム又は音声ストリームが、デコーダ９０４により復号されてもよい。即ち、外部インタフェース９０９もまた、画像が符号化されている符号化ストリームを受信する、テレビジョン装置９００における伝送手段としての役割を有する。
　制御部９１０は、ＣＰＵ（Central　Processing　Unit）などのプロセッサ、並びにＲＡＭ（Random　Access　Memory）及びＲＯＭ（Read　Only　Memory）などのメモリを有する。メモリは、ＣＰＵにより実行されるプログラム、プログラムデータ、ＥＰＧデータ、及びネットワークを介して取得されるデータなどを記憶する。メモリにより記憶されるプログラムは、例えば、テレビジョン装置９００の起動時にＣＰＵにより読み込まれ、実行される。ＣＰＵは、プログラムを実行することにより、例えばユーザインタフェース９１１から入力される操作信号に応じて、テレビジョン装置９００の動作を制御する。
　ユーザインタフェース９１１は、制御部９１０と接続される。ユーザインタフェース９１１は、例えば、ユーザがテレビジョン装置９００を操作するためのボタン及びスイッチ、並びに遠隔制御信号の受信部などを有する。ユーザインタフェース９１１は、これら構成要素を介してユーザによる操作を検出して操作信号を生成し、生成した操作信号を制御部９１０へ出力する。
　バス９１２は、チューナ９０２、デマルチプレクサ９０３、デコーダ９０４、映像信号処理部９０５、音声信号処理部９０７、外部インタフェース９０９及び制御部９１０を相互に接続する。
　このように構成されたテレビジョン装置９００において、デコーダ９０４は、画像復号装置６０の機能を有する。それにより、テレビジョン装置９００がレイヤ間で参照される画像を精細化する際に、演算量又は符号量を抑制しつつ効率的に参照画像の画質を改善することができる。
　　　（２）第２の応用例
　図２５は、携帯電話機の概略的な構成の一例を示している。携帯電話機９２０は、アンテナ９２１、通信部９２２、音声コーデック９２３、スピーカ９２４、マイクロホン９２５、カメラ部９２６、画像処理部９２７、多重分離部９２８、記録再生部９２９、表示部９３０、制御部９３１、操作部９３２、及びバス９３３を備える。
　アンテナ９２１は、通信部９２２に接続される。スピーカ９２４及びマイクロホン９２５は、音声コーデック９２３に接続される。操作部９３２は、制御部９３１に接続される。バス９３３は、通信部９２２、音声コーデック９２３、カメラ部９２６、画像処理部９２７、多重分離部９２８、記録再生部９２９、表示部９３０、及び制御部９３１を相互に接続する。
　携帯電話機９２０は、音声通話モード、データ通信モード、撮影モード及びテレビ電話モードを含む様々な動作モードで、音声信号の送受信、電子メール又は画像データの送受信、画像の撮像、及びデータの記録などの動作を行う。
　音声通話モードにおいて、マイクロホン９２５により生成されるアナログ音声信号は、音声コーデック９２３に供給される。音声コーデック９２３は、アナログ音声信号を音声データへ変換し、変換された音声データをＡ／Ｄ変換し圧縮する。そして、音声コーデック９２３は、圧縮後の音声データを通信部９２２へ出力する。通信部９２２は、音声データを符号化及び変調し、送信信号を生成する。そして、通信部９２２は、生成した送信信号をアンテナ９２１を介して基地局（図示せず）へ送信する。また、通信部９２２は、アンテナ９２１を介して受信される無線信号を増幅し及び周波数変換し、受信信号を取得する。そして、通信部９２２は、受信信号を復調及び復号して音声データを生成し、生成した音声データを音声コーデック９２３へ出力する。音声コーデック９２３は、音声データを伸張し及びＤ／Ａ変換し、アナログ音声信号を生成する。そして、音声コーデック９２３は、生成した音声信号をスピーカ９２４に供給して音声を出力させる。
　また、データ通信モードにおいて、例えば、制御部９３１は、操作部９３２を介するユーザによる操作に応じて、電子メールを構成する文字データを生成する。また、制御部９３１は、文字を表示部９３０に表示させる。また、制御部９３１は、操作部９３２を介するユーザからの送信指示に応じて電子メールデータを生成し、生成した電子メールデータを通信部９２２へ出力する。通信部９２２は、電子メールデータを符号化及び変調し、送信信号を生成する。そして、通信部９２２は、生成した送信信号をアンテナ９２１を介して基地局（図示せず）へ送信する。また、通信部９２２は、アンテナ９２１を介して受信される無線信号を増幅し及び周波数変換し、受信信号を取得する。そして、通信部９２２は、受信信号を復調及び復号して電子メールデータを復元し、復元した電子メールデータを制御部９３１へ出力する。制御部９３１は、表示部９３０に電子メールの内容を表示させると共に、電子メールデータを記録再生部９２９の記憶媒体に記憶させる。
　記録再生部９２９は、読み書き可能な任意の記憶媒体を有する。例えば、記憶媒体は、ＲＡＭ又はフラッシュメモリなどの内蔵型の記憶媒体であってもよく、ハードディスク、磁気ディスク、光磁気ディスク、光ディスク、ＵＳＢメモリ、又はメモリカードなどの外部装着型の記憶媒体であってもよい。
　また、撮影モードにおいて、例えば、カメラ部９２６は、被写体を撮像して画像データを生成し、生成した画像データを画像処理部９２７へ出力する。画像処理部９２７は、カメラ部９２６から入力される画像データを符号化し、符号化ストリームを記録再生部９２９の記憶媒体に記憶させる。
　また、テレビ電話モードにおいて、例えば、多重分離部９２８は、画像処理部９２７により符号化された映像ストリームと、音声コーデック９２３から入力される音声ストリームとを多重化し、多重化したストリームを通信部９２２へ出力する。通信部９２２は、ストリームを符号化及び変調し、送信信号を生成する。そして、通信部９２２は、生成した送信信号をアンテナ９２１を介して基地局（図示せず）へ送信する。また、通信部９２２は、アンテナ９２１を介して受信される無線信号を増幅し及び周波数変換し、受信信号を取得する。これら送信信号及び受信信号には、符号化ビットストリームが含まれ得る。そして、通信部９２２は、受信信号を復調及び復号してストリームを復元し、復元したストリームを多重分離部９２８へ出力する。多重分離部９２８は、入力されるストリームから映像ストリーム及び音声ストリームを分離し、映像ストリームを画像処理部９２７、音声ストリームを音声コーデック９２３へ出力する。画像処理部９２７は、映像ストリームを復号し、映像データを生成する。映像データは、表示部９３０に供給され、表示部９３０により一連の画像が表示される。音声コーデック９２３は、音声ストリームを伸張し及びＤ／Ａ変換し、アナログ音声信号を生成する。そして、音声コーデック９２３は、生成した音声信号をスピーカ９２４に供給して音声を出力させる。
　このように構成された携帯電話機９２０において、画像処理部９２７は、画像符号化装置１０及び画像復号装置６０の機能を有する。それにより、携帯電話機９２０がレイヤ間で参照される画像を精細化する際に、演算量又は符号量を抑制しつつ効率的に参照画像の画質を改善することができる。
　　　（３）第３の応用例
　図２６は、記録再生装置の概略的な構成の一例を示している。記録再生装置９４０は、例えば、受信した放送番組の音声データ及び映像データを符号化して記録媒体に記録する。また、記録再生装置９４０は、例えば、他の装置から取得される音声データ及び映像データを符号化して記録媒体に記録してもよい。また、記録再生装置９４０は、例えば、ユーザの指示に応じて、記録媒体に記録されているデータをモニタ及びスピーカ上で再生する。このとき、記録再生装置９４０は、音声データ及び映像データを復号する。
　記録再生装置９４０は、チューナ９４１、外部インタフェース９４２、エンコーダ９４３、ＨＤＤ（Hard　Disk　Drive）９４４、ディスクドライブ９４５、セレクタ９４６、デコーダ９４７、ＯＳＤ（On-Screen　Display）９４８、制御部９４９、及びユーザインタフェース９５０を備える。
　チューナ９４１は、アンテナ（図示せず）を介して受信される放送信号から所望のチャンネルの信号を抽出し、抽出した信号を復調する。そして、チューナ９４１は、復調により得られた符号化ビットストリームをセレクタ９４６へ出力する。即ち、チューナ９４１は、記録再生装置９４０における伝送手段としての役割を有する。
　外部インタフェース９４２は、記録再生装置９４０と外部機器又はネットワークとを接続するためのインタフェースである。外部インタフェース９４２は、例えば、ＩＥＥＥ１３９４インタフェース、ネットワークインタフェース、ＵＳＢインタフェース、又はフラッシュメモリインタフェースなどであってよい。例えば、外部インタフェース９４２を介して受信される映像データ及び音声データは、エンコーダ９４３へ入力される。即ち、外部インタフェース９４２は、記録再生装置９４０における伝送手段としての役割を有する。
　エンコーダ９４３は、外部インタフェース９４２から入力される映像データ及び音声データが符号化されていない場合に、映像データ及び音声データを符号化する。そして、エンコーダ９４３は、符号化ビットストリームをセレクタ９４６へ出力する。
　ＨＤＤ９４４は、映像及び音声などのコンテンツデータが圧縮された符号化ビットストリーム、各種プログラム及びその他のデータを内部のハードディスクに記録する。また、ＨＤＤ９４４は、映像及び音声の再生時に、これらデータをハードディスクから読み出す。
　ディスクドライブ９４５は、装着されている記録媒体へのデータの記録及び読み出しを行う。ディスクドライブ９４５に装着される記録媒体は、例えばＤＶＤディスク（ＤＶＤ－Ｖｉｄｅｏ、ＤＶＤ－ＲＡＭ、ＤＶＤ－Ｒ、ＤＶＤ－ＲＷ、ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等）又はＢｌｕ－ｒａｙ（登録商標）ディスクなどであってよい。
　セレクタ９４６は、映像及び音声の記録時には、チューナ９４１又はエンコーダ９４３から入力される符号化ビットストリームを選択し、選択した符号化ビットストリームをＨＤＤ９４４又はディスクドライブ９４５へ出力する。また、セレクタ９４６は、映像及び音声の再生時には、ＨＤＤ９４４又はディスクドライブ９４５から入力される符号化ビットストリームをデコーダ９４７へ出力する。
　デコーダ９４７は、符号化ビットストリームを復号し、映像データ及び音声データを生成する。そして、デコーダ９４７は、生成した映像データをＯＳＤ９４８へ出力する。また、デコーダ９０４は、生成した音声データを外部のスピーカへ出力する。
　ＯＳＤ９４８は、デコーダ９４７から入力される映像データを再生し、映像を表示する。また、ＯＳＤ９４８は、表示する映像に、例えばメニュー、ボタン又はカーソルなどのＧＵＩの画像を重畳してもよい。
　制御部９４９は、ＣＰＵなどのプロセッサ、並びにＲＡＭ及びＲＯＭなどのメモリを有する。メモリは、ＣＰＵにより実行されるプログラム、及びプログラムデータなどを記憶する。メモリにより記憶されるプログラムは、例えば、記録再生装置９４０の起動時にＣＰＵにより読み込まれ、実行される。ＣＰＵは、プログラムを実行することにより、例えばユーザインタフェース９５０から入力される操作信号に応じて、記録再生装置９４０の動作を制御する。
　ユーザインタフェース９５０は、制御部９４９と接続される。ユーザインタフェース９５０は、例えば、ユーザが記録再生装置９４０を操作するためのボタン及びスイッチ、並びに遠隔制御信号の受信部などを有する。ユーザインタフェース９５０は、これら構成要素を介してユーザによる操作を検出して操作信号を生成し、生成した操作信号を制御部９４９へ出力する。
　このように構成された記録再生装置９４０において、エンコーダ９４３は、画像符号化装置１０の機能を有する。また、デコーダ９４７は、画像復号装置６０の機能を有する。それにより、記録再生装置９４０がレイヤ間で参照される画像を精細化する際に、演算量又は符号量を抑制しつつ効率的に参照画像の画質を改善することができる。
　　　（４）第４の応用例
　図２７は、撮像装置の概略的な構成の一例を示している。撮像装置９６０は、被写体を撮像して画像を生成し、画像データを符号化して記録媒体に記録する。
　撮像装置９６０は、光学ブロック９６１、撮像部９６２、信号処理部９６３、画像処理部９６４、表示部９６５、外部インタフェース９６６、メモリ９６７、メディアドライブ９６８、ＯＳＤ９６９、制御部９７０、ユーザインタフェース９７１、及びバス９７２を備える。
　光学ブロック９６１は、撮像部９６２に接続される。撮像部９６２は、信号処理部９６３に接続される。表示部９６５は、画像処理部９６４に接続される。ユーザインタフェース９７１は、制御部９７０に接続される。バス９７２は、画像処理部９６４、外部インタフェース９６６、メモリ９６７、メディアドライブ９６８、ＯＳＤ９６９、及び制御部９７０を相互に接続する。
　光学ブロック９６１は、フォーカスレンズ及び絞り機構などを有する。光学ブロック９６１は、被写体の光学像を撮像部９６２の撮像面に結像させる。撮像部９６２は、ＣＣＤ又はＣＭＯＳなどのイメージセンサを有し、撮像面に結像した光学像を光電変換によって電気信号としての画像信号に変換する。そして、撮像部９６２は、画像信号を信号処理部９６３へ出力する。
　信号処理部９６３は、撮像部９６２から入力される画像信号に対してニー補正、ガンマ補正、色補正などの種々のカメラ信号処理を行う。信号処理部９６３は、カメラ信号処理後の画像データを画像処理部９６４へ出力する。
　画像処理部９６４は、信号処理部９６３から入力される画像データを符号化し、符号化データを生成する。そして、画像処理部９６４は、生成した符号化データを外部インタフェース９６６又はメディアドライブ９６８へ出力する。また、画像処理部９６４は、外部インタフェース９６６又はメディアドライブ９６８から入力される符号化データを復号し、画像データを生成する。そして、画像処理部９６４は、生成した画像データを表示部９６５へ出力する。また、画像処理部９６４は、信号処理部９６３から入力される画像データを表示部９６５へ出力して画像を表示させてもよい。また、画像処理部９６４は、ＯＳＤ９６９から取得される表示用データを、表示部９６５へ出力する画像に重畳してもよい。
　ＯＳＤ９６９は、例えばメニュー、ボタン又はカーソルなどのＧＵＩの画像を生成して、生成した画像を画像処理部９６４へ出力する。
　外部インタフェース９６６は、例えばＵＳＢ入出力端子として構成される。外部インタフェース９６６は、例えば、画像の印刷時に、撮像装置９６０とプリンタとを接続する。また、外部インタフェース９６６には、必要に応じてドライブが接続される。ドライブには、例えば、磁気ディスク又は光ディスクなどのリムーバブルメディアが装着され、リムーバブルメディアから読み出されるプログラムが、撮像装置９６０にインストールされ得る。さらに、外部インタフェース９６６は、ＬＡＮ又はインターネットなどのネットワークに接続されるネットワークインタフェースとして構成されてもよい。即ち、外部インタフェース９６６は、撮像装置９６０における伝送手段としての役割を有する。
　メディアドライブ９６８に装着される記録媒体は、例えば、磁気ディスク、光磁気ディスク、光ディスク、又は半導体メモリなどの、読み書き可能な任意のリムーバブルメディアであってよい。また、メディアドライブ９６８に記録媒体が固定的に装着され、例えば、内蔵型ハードディスクドライブ又はＳＳＤ（Solid　State　Drive）のような非可搬性の記憶部が構成されてもよい。
　制御部９７０は、ＣＰＵなどのプロセッサ、並びにＲＡＭ及びＲＯＭなどのメモリを有する。メモリは、ＣＰＵにより実行されるプログラム、及びプログラムデータなどを記憶する。メモリにより記憶されるプログラムは、例えば、撮像装置９６０の起動時にＣＰＵにより読み込まれ、実行される。ＣＰＵは、プログラムを実行することにより、例えばユーザインタフェース９７１から入力される操作信号に応じて、撮像装置９６０の動作を制御する。
　ユーザインタフェース９７１は、制御部９７０と接続される。ユーザインタフェース９７１は、例えば、ユーザが撮像装置９６０を操作するためのボタン及びスイッチなどを有する。ユーザインタフェース９７１は、これら構成要素を介してユーザによる操作を検出して操作信号を生成し、生成した操作信号を制御部９７０へ出力する。
　このように構成された撮像装置９６０において、画像処理部９６４は、画像符号化装置１０及び画像復号装置６０の機能を有する。それにより、撮像装置９６０がレイヤ間で参照される画像を精細化する際に、演算量又は符号量を抑制しつつ効率的に参照画像の画質を改善することができる。
　　［６－２．スケーラブル符号化の様々な用途］
　上述したスケーラブル符号化の利点は、様々な用途において享受され得る。以下、３つの用途の例について説明する。
　　　（１）第１の例
　第１の例において、スケーラブル符号化は、データの選択的な伝送のために利用される。図２８を参照すると、データ伝送システム１０００は、ストリーム記憶装置１００１及び配信サーバ１００２を含む。配信サーバ１００２は、ネットワーク１００３を介して、いくつかの端末装置と接続される。ネットワーク１００３は、有線ネットワークであっても無線ネットワークであってもよく、又はそれらの組合せであってもよい。図２８には、端末装置の例として、ＰＣ（Personal　Computer）１００４、ＡＶ機器１００５、タブレット装置１００６及び携帯電話機１００７が示されている。
　ストリーム記憶装置１００１は、例えば、画像符号化装置１０により生成される多重化ストリームを含むストリームデータ１０１１を記憶する。多重化ストリームは、ベースレイヤ（ＢＬ）の符号化ストリーム及びエンハンスメントレイヤ（ＥＬ）の符号化ストリームを含む。配信サーバ１００２は、ストリーム記憶装置１００１に記憶されているストリームデータ１０１１を読み出し、読み出したストリームデータ１０１１の少なくとも一部分を、ネットワーク１００３を介して、ＰＣ１００４、ＡＶ機器１００５、タブレット装置１００６、及び携帯電話機１００７へ配信する。
　端末装置へのストリームの配信の際、配信サーバ１００２は、端末装置の能力又は通信環境などの何らかの条件に基づいて、配信すべきストリームを選択する。例えば、配信サーバ１００２は、端末装置が扱うことのできる画質を上回るほど高い画質を有する符号化ストリームを配信しないことにより、端末装置における遅延、オーバフロー又はプロセッサの過負荷の発生を回避してもよい。また、配信サーバ１００２は、高い画質を有する符号化ストリームを配信しないことにより、ネットワーク１００３の通信帯域が占有されることを回避してもよい。一方、配信サーバ１００２は、これら回避すべきリスクが存在しない場合、又はユーザとの契約若しくは何らかの条件に基づいて適切だと判断される場合に、多重化ストリームの全てを端末装置へ配信してもよい。
　図２８の例では、配信サーバ１００２は、ストリーム記憶装置１００１からストリームデータ１０１１を読み出す。そして、配信サーバ１００２は、高い処理能力を有するＰＣ１００４へ、ストリームデータ１０１１をそのまま配信する。また、ＡＶ機器１００５は低い処理能力を有するため、配信サーバ１００２は、ストリームデータ１０１１から抽出されるベースレイヤの符号化ストリームのみを含むストリームデータ１０１２を生成し、ストリームデータ１０１２をＡＶ機器１００５へ配信する。また、配信サーバ１００２は、高い通信レートで通信可能であるタブレット装置１００６へストリームデータ１０１１をそのまま配信する。また、携帯電話機１００７は低い通信レートでしか通信できないため、配信サーバ１００２は、ベースレイヤの符号化ストリームのみを含むストリームデータ１０１２を携帯電話機１００７へ配信する。
　このように多重化ストリームを用いることにより、伝送されるトラフィックの量を適応的に調整することができる。また、個々のレイヤがそれぞれ単独に符号化されるケースと比較して、ストリームデータ１０１１の符号量は削減されるため、ストリームデータ１０１１の全体が配信されるとしても、ネットワーク１００３に掛かる負荷は抑制される。さらに、ストリーム記憶装置１００１のメモリリソースも節約される。
　端末装置のハードウエア性能は、装置ごとに異なる。また、端末装置において実行されるアプリケーションのケイパビリティも様々である。さらに、ネットワーク１００３の通信容量もまた様々である。データ伝送のために利用可能な容量は、他のトラフィックの存在に起因して、時々刻々と変化し得る。そこで、配信サーバ１００２は、ストリームデータの配信を開始する前に、配信先の端末装置との間のシグナリングを通じて、端末装置のハードウエア性能及びアプリケーションケイパビリティなどに関する端末情報と、ネットワーク１００３の通信容量などに関するネットワーク情報とを取得してもよい。そして、配信サーバ１００２は、取得した情報に基づいて、配信すべきストリームを選択し得る。
　なお、復号すべきレイヤの抽出は、端末装置において行われてもよい。例えば、ＰＣ１００４は、受信した多重化ストリームから抽出され復号されるベースレイヤ画像をその画面に表示してもよい。また、ＰＣ１００４は、受信した多重化ストリームからベースレイヤの符号化ストリームを抽出してストリームデータ１０１２を生成し、生成したストリームデータ１０１２を記憶媒体に記憶させ、又は他の装置へ転送してもよい。
　図２８に示したデータ伝送システム１０００の構成は一例に過ぎない。データ伝送システム１０００は、いかなる数のストリーム記憶装置１００１、配信サーバ１００２、ネットワーク１００３、及び端末装置を含んでもよい。
　　　（２）第２の例
　第２の例において、スケーラブル符号化は、複数の通信チャネルを介するデータの伝送のために利用される。図２９を参照すると、データ伝送システム１１００は、放送局１１０１及び端末装置１１０２を含む。放送局１１０１は、地上波チャネル１１１１上で、ベースレイヤの符号化ストリーム１１２１を放送する。また、放送局１１０１は、ネットワーク１１１２を介して、エンハンスメントレイヤの符号化ストリーム１１２２を端末装置１１０２へ送信する。
　端末装置１１０２は、放送局１１０１により放送される地上波放送を受信するための受信機能を有し、地上波チャネル１１１１を介してベースレイヤの符号化ストリーム１１２１を受信する。また、端末装置１１０２は、放送局１１０１と通信するための通信機能を有し、ネットワーク１１１２を介してエンハンスメントレイヤの符号化ストリーム１１２２を受信する。
　端末装置１１０２は、例えば、ユーザからの指示に応じて、ベースレイヤの符号化ストリーム１１２１を受信し、受信した符号化ストリーム１１２１からベースレイヤ画像を復号してベースレイヤ画像を画面に表示してもよい。また、端末装置１１０２は、復号したベースレイヤ画像を記憶媒体に記憶させ、又は他の装置へ転送してもよい。
　また、端末装置１１０２は、例えば、ユーザからの指示に応じて、ネットワーク１１１２を介してエンハンスメントレイヤの符号化ストリーム１１２２を受信し、ベースレイヤの符号化ストリーム１１２１とエンハンスメントレイヤの符号化ストリーム１１２２とを多重化することにより多重化ストリームを生成してもよい。また、端末装置１１０２は、エンハンスメントレイヤの符号化ストリーム１１２２からエンハンスメントレイヤ画像を復号してエンハンスメントレイヤ画像を画面に表示してもよい。また、端末装置１１０２は、復号したエンハンスメントレイヤ画像を記憶媒体に記憶させ、又は他の装置へ転送してもよい。
　上述したように、多重化ストリームに含まれる各レイヤの符号化ストリームは、レイヤごとに異なる通信チャネルを介して伝送され得る。それにより、個々のチャネルに掛かる負荷を分散させて、通信の遅延若しくはオーバフローの発生を抑制することができる。
　また、何らかの条件に応じて、伝送のために使用される通信チャネルが動的に選択されてもよい。例えば、データ量が比較的多いベースレイヤの符号化ストリーム１１２１は帯域幅の広い通信チャネルを介して伝送され、データ量が比較的少ないエンハンスメントレイヤの符号化ストリーム１１２２は帯域幅の狭い通信チャネルを介して伝送され得る。また、特定のレイヤの符号化ストリーム１１２２が伝送される通信チャネルが、通信チャネルの帯域幅に応じて切り替えられてもよい。それにより、個々のチャネルに掛かる負荷をより効果的に抑制することができる。
　なお、図２９に示したデータ伝送システム１１００の構成は一例に過ぎない。データ伝送システム１１００は、いかなる数の通信チャネル及び端末装置を含んでもよい。また、放送以外の用途において、ここで説明したシステムの構成が利用されてもよい。
　　　（３）第３の例
　第３の例において、スケーラブル符号化は、映像の記憶のために利用される。図３０を参照すると、データ伝送システム１２００は、撮像装置１２０１及びストリーム記憶装置１２０２を含む。撮像装置１２０１は、被写体１２１１を撮像することにより生成される画像データをスケーラブル符号化し、多重化ストリーム１２２１を生成する。多重化ストリーム１２２１は、ベースレイヤの符号化ストリーム及びエンハンスメントレイヤの符号化ストリームを含む。そして、撮像装置１２０１は、多重化ストリーム１２２１をストリーム記憶装置１２０２へ供給する。
　ストリーム記憶装置１２０２は、撮像装置１２０１から供給される多重化ストリーム１２２１を、モードごとに異なる画質で記憶する。例えば、ストリーム記憶装置１２０２は、通常モードにおいて、多重化ストリーム１２２１からベースレイヤの符号化ストリーム１２２２を抽出し、抽出したベースレイヤの符号化ストリーム１２２２を記憶する。これに対し、ストリーム記憶装置１２０２は、高画質モードにおいて、多重化ストリーム１２２１をそのまま記憶する。それにより、ストリーム記憶装置１２０２は、高画質での映像の記録が望まれる場合にのみ、データ量の多い高画質のストリームを記録することができる。そのため、画質の劣化のユーザへの影響を抑制しながら、メモリリソースを節約することができる。
　例えば、撮像装置１２０１は、監視カメラであるものとする。撮像画像に監視対象（例えば侵入者）が映っていない場合には、通常モードが選択される。この場合、撮像画像は重要でない可能性が高いため、データ量の削減が優先され、映像は低画質で記録される（即ち、ベースレイヤの符号化ストリーム１２２２のみが記憶される）。これに対し、撮像画像に監視対象（例えば、侵入者である被写体１２１１）が映っている場合には、高画質モードが選択される。この場合、撮像画像は重要である可能性が高いため、画質の高さが優先され、映像は高画質で記録される（即ち、多重化ストリーム１２２１が記憶される）。
　図３０の例では、モードは、例えば画像解析結果に基づいて、ストリーム記憶装置１２０２により選択される。しかしながら、かかる例に限定されず、撮像装置１２０１がモードを選択してもよい。後者の場合、撮像装置１２０１は、通常モードにおいて、ベースレイヤの符号化ストリーム１２２２をストリーム記憶装置１２０２へ供給し、高画質モードにおいて、多重化ストリーム１２２１をストリーム記憶装置１２０２へ供給してもよい。
　なお、モードを選択するための選択基準は、いかなる基準であってもよい。例えば、マイクロフォンを通じて取得される音声の大きさ又は音声の波形などに応じて、モードが切り替えられてもよい。また、周期的にモードが切り替えられてもよい。また、ユーザがらの指示に応じてモードが切り替えられてもよい。さらに、選択可能なモードの数は、階層化されるレイヤの数を超えない限り、いかなる数であってもよい。
　図３０に示したデータ伝送システム１２００の構成は一例に過ぎない。データ伝送システム１２００は、いかなる数の撮像装置１２０１を含んでもよい。また、監視カメラ以外の用途において、ここで説明したシステムの構成が利用されてもよい。
　　［６－３．その他］
　　　（１）マルチビューコーデックへの応用
　マルチビューコーデックは、マルチレイヤコーデックの一種であり、いわゆる多視点映像を符号化し及び復号するための画像符号化方式である。図３１は、マルチビューコーデックについて説明するための説明図である。図３１を参照すると、３つの視点においてそれぞれ撮影される３つのビューのフレームのシーケンスが示されている。各ビューには、ビューＩＤ（view_id）が付与される。これら複数のビューのうちいずれか１つのビューが、ベースビュー（base　view）に指定される。ベースビュー以外のビューは、ノンベースビューと呼ばれる。図３１の例では、ビューＩＤが“０”であるビューがベースビューであり、ビューＩＤが“１”又は“２”である２つのビューがノンベースビューである。これらビューが階層的に符号化される場合、各ビューがレイヤに相当し得る。図中に矢印で示したように、ノンベースビューの画像は、ベースビューの画像を参照して符号化され及び復号される（他のノンベースビューの画像も参照されてよい）。
　図３２は、マルチビューコーデックをサポートする画像符号化装置１０ｖの概略的な構成を示すブロック図である。図３２を参照すると、画像符号化装置１０ｖは、第１レイヤ符号化部１ｃ、第２レイヤ符号化部１ｄ、共通メモリ２及び多重化部３を備える。
　第１レイヤ符号化部１ｃの機能は、入力としてベースレイヤ画像の代わりにベースビュー画像を受け取ることを除き、図５を用いて説明したＢＬ符号化部１ａの機能と同等である。第１レイヤ符号化部１ｃは、ベースビュー画像を符号化し、第１レイヤの符号化ストリームを生成する。第２レイヤ符号化部１ｄの機能は、入力としてエンハンスメントレイヤ画像の代わりにノンベースビュー画像を受け取ることを除き、図５を用いて説明したＥＬ符号化部１ｂの機能と同等である。第２レイヤ符号化部１ｄは、ノンベースビュー画像を符号化し、第２レイヤの符号化ストリームを生成する。共通メモリ２は、レイヤ間で共通的に利用される情報を記憶する。多重化部３は、第１レイヤ符号化部１ｃにより生成される第１レイヤの符号化ストリームと、第２レイヤ符号化部１ｄにより生成される第２レイヤの符号化ストリームとを多重化し、マルチレイヤの多重化ストリームを生成する。
　図３３は、マルチビューコーデックをサポートする画像復号装置６０ｖの概略的な構成を示すブロック図である。図３３を参照すると、画像復号装置６０ｖは、逆多重化部５、第１レイヤ復号部６ｃ、第２レイヤ復号部６ｄ及び共通メモリ７を備える。
　逆多重化部５は、マルチレイヤの多重化ストリームを第１レイヤの符号化ストリーム及び第２レイヤの符号化ストリームに逆多重化する。第１レイヤ復号部６ｃの機能は、入力としてベースレイヤ画像の代わりにベースビュー画像が符号化された符号化ストリームを受け取ることを除き、図６を用いて説明したＢＬ復号部６ａの機能と同等である。第１レイヤ復号部６ｃは、第１レイヤの符号化ストリームからベースビュー画像を復号する。第２レイヤ復号部６ｄの機能は、入力としてエンハンスメントレイヤ画像の代わりにノンベースビュー画像が符号化された符号化ストリームを受け取ることを除き、図６を用いて説明したＥＬ復号部６ｂの機能と同等である。第２レイヤ復号部６ｄは、第２レイヤの符号化ストリームからノンベースビュー画像を復号する。共通メモリ７は、レイヤ間で共通的に利用される情報を記憶する。
　マルチビューの画像データを符号化し又は復号する際、ビュー間で空間解像度が異なる場合には、本開示に係る技術に従って、レイヤ間で参照される画像の精細化が制御されてもよい。それにより、スケーラブル符号化のケースと同様に、マルチビューコーデックにおいても、演算量又は符号量を抑制しつつ効率的に参照画像の画質を改善することができる。
　　　（２）ストリーミング技術への応用
　本開示に係る技術は、ストリーミングプロトコルに適用されてもよい。例えば、ＭＰＥＧ－ＤＡＳＨ（Dynamic　Adaptive　Streaming　over　HTTP）では、解像度などのパラメータが互いに異なる複数の符号化ストリームがストリーミングサーバにおいて予め用意される。そして、ストリーミングサーバは、複数の符号化ストリームからストリーミングすべき適切なデータをセグメント単位で動的に選択し、選択したデータを配信する。このようなストリーミングプロトコルにおいて、本開示に係る技術に従って、符号化ストリーム間で参照される参照画像の精細化が制御されてもよい。
　＜７．まとめ＞
　ここまで、図１～図３３を用いて、本開示に係る技術の様々な実施形態について詳細に説明した。上述した実施形態によれば、第２レイヤの画像を符号化し又は復号する際に使用される参照画像であって、第１レイヤの復号画像に基づく当該参照画像への精細化フィルタの適用が、第１レイヤにおいて設定されたブロックのブロックサイズに応じて制御される。それにより、ブロックサイズ（例えば、ＣＵサイズ、ＰＵサイズ又はＴＵサイズ）と高域成分の強さとの相関を利用して、精細化フィルタを通じて参照画像の画質を効率的に改善することが可能となる。
　例えば、第１の実施形態によれば、閾値よりも大きいブロックサイズを有するブロックへの精細化フィルタの適用が無効化される。それにより、フィルタリングの演算量が削減される。また、エンコーダ及びデコーダの消費電力を低減することもできる。ブロックサイズの大きいブロックの画像はフラットに近い傾向があるため、ブロックサイズの大きいブロックへの精細化フィルタの適用が無効化されても、画質のロスは小さい。
　また、第２の実施形態によれば、各ブロックに適用される精細化フィルタのフィルタ構成が、当該ブロックのブロックサイズに依存して決定される。この場合、ブロックサイズの候補ごとにフィルタ係数の１つのセットのみをエンコーダからデコーダへ伝送すればよくなるため、ブロックごとにフィルタ係数が決定されるような実装と比較すると、フィルタ係数を特定するフィルタ構成情報の符号量を少なくすることができる。また、画一的なフィルタ係数を使用するような実装と比較すると、画像領域ごとの高域成分の強さに合わせて画質を適応的に改善することが可能となる。
　なお、上述した第１の実施形態及び第２の実施形態は、互いに組合わされてもよい。その場合には、例えば、判定閾値よりも大きいブロックサイズを有するブロックへの精細化フィルタの適用は無効化され、それ以外のブロックサイズを有するブロックへ適用される精細化フィルタのフィルタ構成は、ブロックサイズに依存して決定される。また、本開示に係る技術は、空間スケーラビリティ方式及びＳＮＲスケーラビリティ方式又はそれらの組合せへの適用に限定されない。例えば、ビット深度スケーラビリティ方式に本開示に係る技術が適用される場合には、参照画像の取得の際にビットシフト演算が実行されてもよい。
　また、本明細書に記述したＣＵ、ＰＵ及びＴＵとの用語は、ＨＥＶＣにおいて、個々のブロックに関連付られるシンタックスをも含む論理的な単位を意味する。画像の一部分としての個々のブロックのみに着目する場合、これらは、ＣＢ（Coding　Block）、ＰＢ（Prediction　Block）及びＴＢ（Transform　Block）との用語にそれぞれ置き換えられてもよい。ＣＢは、ＣＴＢ（Coding　Tree　Block）を四分木（Quad-Tree）状に階層的に分割することにより形成される。１つの四分木の全体がＣＴＢに相当し、ＣＴＢに対応する論理的な単位はＣＴＵ（Coding　Tree　Unit）と呼ばれる。ＨＥＶＣにおけるＣＴＢ及びＣＢは、符号化処理の処理単位である点でＨ．２６４／ＡＶＣにおけるマクロブロックに類似する役割を有する。但し、ＣＴＢ及びＣＢは、そのサイズが固定的でない点でマクロブロックと異なる（マクロブロックのサイズは常に１６×１６画素である）。ＣＴＢのサイズは１６×１６画素、３２×３２画素及び６４×６４画素から選択され、符号化ストリーム内でパラメータにより指定される。ＣＢのサイズは、ＣＴＢの分割の深さによって変化し得る。
　また、本明細書では、精細化の制御に関する情報が、符号化ストリームのヘッダに多重化されて、符号化側から復号側へ伝送される例について主に説明した。しかしながら、これら情報を伝送する手法はかかる例に限定されない。例えば、これら情報は、符号化ビットストリームに多重化されることなく、符号化ビットストリームと関連付けられた別個のデータとして伝送され又は記録されてもよい。ここで、「関連付ける」という用語は、ビットストリームに含まれる画像（スライス若しくはブロックなど、画像の一部であってもよい）と当該画像に対応する情報とを復号時にリンクさせ得るようにすることを意味する。即ち、情報は、画像（又はビットストリーム）とは別の伝送路上で伝送されてもよい。また、情報は、画像（又はビットストリーム）とは別の記録媒体（又は同一の記録媒体の別の記録エリア）に記録されてもよい。さらに、情報と画像（又はビットストリーム）とは、例えば、複数フレーム、１フレーム、又はフレーム内の一部分などの任意の単位で互いに関連付けられてよい。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　また、本明細書に記載された効果は、あくまで説明的又は例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果と共に、又は上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏し得る。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）
　異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得する取得部と、
　前記取得部により取得される前記参照画像に精細化フィルタを適用して、精細化参照画像を生成するフィルタリング部と、
　前記複数のブロックの各々への前記フィルタリング部による前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する制御部と、
　を備える画像処理装置。
（２）
　前記ブロックは、前記第１レイヤの符号化処理の処理単位として設定される、前記（１）に記載の画像処理装置。
（３）
　前記ブロックは、前記第１レイヤの予測処理の処理単位として設定される、前記（１）に記載の画像処理装置。
（４）
　前記ブロックは、前記第１レイヤの直交変換処理の処理単位として設定される、前記（１）に記載の画像処理装置。
（５）
　前記制御部は、閾値よりも大きいブロックサイズを有するブロックへの前記精細化フィルタの適用を無効化する、前記（１）～（４）のいずれか１項に記載の画像処理装置。
（６）
　前記制御部は、前記第１レイヤと前記第２レイヤとの間の空間解像度の比に依存して、前記閾値を決定する、前記（５）に記載の画像処理装置。
（７）
　前記画像処理装置は、前記閾値を示す閾値情報を符号化ストリームから復号する復号部、をさらに備える、前記（５）に記載の画像処理装置。
（８）
　前記画像処理装置は、前記閾値を示す閾値情報を符号化ストリームへ符号化する符号化部、をさらに備える、前記（５）に記載の画像処理装置。
（９）
　前記制御部は、各ブロックに適用される前記精細化フィルタのフィルタ構成を、当該ブロックのブロックサイズに依存して決定する、前記（１）～（４）のいずれか１項に記載の画像処理装置。
（１０）
　前記画像処理装置は、使用すべき前記フィルタ構成をブロックサイズごとに示すフィルタ構成情報を符号化ストリームから復号する復号部、をさらに備える、前記（９）に記載の画像処理装置。
（１１）
　前記画像処理装置は、使用すべき前記フィルタ構成をブロックサイズごとに示すフィルタ構成情報を符号化ストリームへ符号化する符号化部、をさらに備える、前記（９）に記載の画像処理装置。
（１２）
　前記フィルタ構成情報は、とり得るブロックサイズの範囲内でブロックサイズごとに前記フィルタ構成を示す、前記（１０）又は（１１）に記載の画像処理装置。
（１３）
　前記フィルタ構成情報は、ピクチャ間、異なるブロックサイズの間又は異なる色成分の間で予測符号化される情報を含む、前記（１０）～（１２）のいずれか１項に記載の画像処理装置。
（１４）
　前記フィルタ構成情報は、ブロックサイズごとに、当該ブロックサイズを有する１つ以上のブロックの画素値を用いて符号化の際に計算される最適なフィルタ構成を示す、前記（１０）～（１３）のいずれか１項に記載の画像処理装置。
（１５）
　前記精細化フィルタは、近傍の輝度成分に基づいて色差成分を精細化するクロスカラーフィルタである、前記（１）～（１４）のいずれか１項に記載の画像処理装置。
（１６）
　前記精細化フィルタは、エッジ強調フィルタである、前記（１）～（８）のいずれか１項に記載の画像処理装置。
（１７）
　前記取得部は、前記第２レイヤよりも低い空間解像度を有する前記第１レイヤの復号画像をアップサンプリングすることにより前記参照画像を取得する、前記（１）～（１６）のいずれか１項に記載の画像処理装置。
（１８）
　前記取得部は、前記第２レイヤよりも大きい量子化誤差を有する前記第１レイヤの復号画像を前記参照画像として取得する、前記（１）～（１７）のいずれか１項に記載の画像処理装置。
（１９）
　異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得することと、
　取得された前記参照画像に精細化フィルタを適用して、精細化参照画像を生成することと、
　前記複数のブロックの各々への前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御することと、
　を含む画像処理方法。
　１０，１０ｖ　　　　画像符号化装置（画像処理装置）
　１６　　　　　　　　可逆符号化部
　４３　　　　　　　　参照画像取得部
　４７，１４７　　　　フィルタ制御部
　４９，１４９　　　　精細化フィルタ（フィルタリング部）
　６０，６０ｖ　　　　画像復号装置（画像処理装置）
　６２　　　　　　　　可逆復号部
　９３　　　　　　　　参照画像取得部
　９７，１９７　　　　フィルタ制御部
　９９，１９９　　　　精細化フィルタ（フィルタリング部）

Claims (19)

  1. 　異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得する取得部と、
    　前記取得部により取得される前記参照画像に精細化フィルタを適用して、精細化参照画像を生成するフィルタリング部と、
    　前記複数のブロックの各々への前記フィルタリング部による前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御する制御部と、
    　を備える画像処理装置。
  2. 　前記ブロックは、前記第１レイヤの符号化処理の処理単位として設定される、請求項１に記載の画像処理装置。
  3. 　前記ブロックは、前記第１レイヤの予測処理の処理単位として設定される、請求項１に記載の画像処理装置。
  4. 　前記ブロックは、前記第１レイヤの直交変換処理の処理単位として設定される、請求項１に記載の画像処理装置。
  5. 　前記制御部は、閾値よりも大きいブロックサイズを有するブロックへの前記精細化フィルタの適用を無効化する、請求項１に記載の画像処理装置。
  6. 　前記制御部は、前記第１レイヤと前記第２レイヤとの間の空間解像度の比に依存して、前記閾値を決定する、請求項５に記載の画像処理装置。
  7. 　前記画像処理装置は、前記閾値を示す閾値情報を符号化ストリームから復号する復号部、をさらに備える、請求項５に記載の画像処理装置。
  8. 　前記画像処理装置は、前記閾値を示す閾値情報を符号化ストリームへ符号化する符号化部、をさらに備える、請求項５に記載の画像処理装置。
  9. 　前記制御部は、各ブロックに適用される前記精細化フィルタのフィルタ構成を、当該ブロックのブロックサイズに依存して決定する、請求項１に記載の画像処理装置。
  10. 　前記画像処理装置は、使用すべき前記フィルタ構成をブロックサイズごとに示すフィルタ構成情報を符号化ストリームから復号する復号部、をさらに備える、請求項９に記載の画像処理装置。
  11. 　前記画像処理装置は、使用すべき前記フィルタ構成をブロックサイズごとに示すフィルタ構成情報を符号化ストリームへ符号化する符号化部、をさらに備える、請求項９に記載の画像処理装置。
  12. 　前記フィルタ構成情報は、とり得るブロックサイズの範囲内でブロックサイズごとに前記フィルタ構成を示す、請求項１０に記載の画像処理装置。
  13. 　前記フィルタ構成情報は、ピクチャ間、異なるブロックサイズの間又は異なる色成分の間で予測符号化される情報を含む、請求項１０に記載の画像処理装置。
  14. 　前記フィルタ構成情報は、ブロックサイズごとに、当該ブロックサイズを有する１つ以上のブロックの画素値を用いて符号化の際に計算される最適なフィルタ構成を示す、請求項１０に記載の画像処理装置。
  15. 　前記精細化フィルタは、近傍の輝度成分に基づいて色差成分を精細化するクロスカラーフィルタである、請求項１に記載の画像処理装置。
  16. 　前記精細化フィルタは、エッジ強調フィルタである、請求項１に記載の画像処理装置。
  17. 　前記取得部は、前記第２レイヤよりも低い空間解像度を有する前記第１レイヤの復号画像をアップサンプリングすることにより前記参照画像を取得する、請求項１に記載の画像処理装置。
  18. 　前記取得部は、前記第２レイヤよりも大きい量子化誤差を有する前記第１レイヤの復号画像を前記参照画像として取得する、請求項１に記載の画像処理装置。
  19. 　異なるブロックサイズを有する複数のブロックが設定された第１レイヤの復号画像に基づく、前記第１レイヤとは異なる属性を有する第２レイヤの画像の符号化又は復号のための参照画像を取得することと、
    　取得された前記参照画像に精細化フィルタを適用して、精細化参照画像を生成することと、
    　前記複数のブロックの各々への前記精細化フィルタの適用を、各ブロックのブロックサイズに応じて制御することと、
    　を含む画像処理方法。
     
PCT/JP2014/072194 2013-10-11 2014-08-25 画像処理装置及び画像処理方法 WO2015053001A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US15/023,132 US20160241882A1 (en) 2013-10-11 2014-08-25 Image processing apparatus and image processing method
JP2015541473A JPWO2015053001A1 (ja) 2013-10-11 2014-08-25 画像処理装置及び画像処理方法
CN201480054471.9A CN105659601A (zh) 2013-10-11 2014-08-25 图像处理装置和图像处理方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013213726 2013-10-11
JP2013-213726 2013-10-11

Publications (1)

Publication Number Publication Date
WO2015053001A1 true WO2015053001A1 (ja) 2015-04-16

Family

ID=52812821

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/072194 WO2015053001A1 (ja) 2013-10-11 2014-08-25 画像処理装置及び画像処理方法

Country Status (4)

Country Link
US (1) US20160241882A1 (ja)
JP (1) JPWO2015053001A1 (ja)
CN (1) CN105659601A (ja)
WO (1) WO2015053001A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108028920A (zh) * 2015-09-14 2018-05-11 联发科技（新加坡）私人有限公司 视频编解码中高级去块滤波的方法以及装置
WO2018143268A1 (ja) * 2017-02-03 2018-08-09 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JP2019525679A (ja) * 2016-08-31 2019-09-05 クアルコム，インコーポレイテッド クロス成分フィルタ

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9769472B2 (en) * 2011-08-17 2017-09-19 Mediatek Singapore Pte. Ltd. Method and apparatus for Intra prediction using non-square blocks
KR102209067B1 (ko) * 2013-04-05 2021-01-28 삼성전자주식회사 필터링과 관련하여 비디오의 부호화 및 복호화를 수행하는 방법과 그 장치
CN110650349B (zh) * 2018-06-26 2024-02-13 中兴通讯股份有限公司 一种图像编码方法、解码方法、编码器、解码器及存储介质
CN110650337B (zh) * 2018-06-26 2022-04-01 中兴通讯股份有限公司 一种图像编码方法、解码方法、编码器、解码器及存储介质
US20210084291A1 (en) * 2019-03-11 2021-03-18 Alibaba Group Holding Limited Inter coding for adaptive resolution video coding
CN112514401A (zh) * 2020-04-09 2021-03-16 北京大学 环路滤波的方法与装置
CN112637635B (zh) * 2020-12-15 2023-07-04 西安万像电子科技有限公司 文件保密方法及系统、计算机可读存储介质及处理器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006197186A (ja) * 2005-01-13 2006-07-27 Sharp Corp 画像符号化装置及び電池駆動復号器
JP2006229411A (ja) * 2005-02-16 2006-08-31 Matsushita Electric Ind Co Ltd 画像復号化装置及び画像復号化方法
JP2008536417A (ja) * 2005-04-12 2008-09-04 シーメンス アクチエンゲゼルシヤフト ビデオ画像符号化における適応型補間を用いたデータ送信処理方法、データ受信処理方法、送信機および受信機
JP2011050001A (ja) * 2009-08-28 2011-03-10 Sony Corp 画像処理装置および方法
JP2011223337A (ja) * 2010-04-09 2011-11-04 Sony Corp 画像処理装置および方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2692224C (en) * 2007-07-02 2016-01-12 Nippon Telegraph And Telephone Corporation Scalable video encoding method and decoding method, apparatuses therefor, programs therefor, and storage media which store the programs
US9420280B2 (en) * 2012-06-08 2016-08-16 Qualcomm Incorporated Adaptive upsampling filters
US9596465B2 (en) * 2013-01-04 2017-03-14 Intel Corporation Refining filter for inter layer prediction of scalable video coding
US9686561B2 (en) * 2013-06-17 2017-06-20 Qualcomm Incorporated Inter-component filtering

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006197186A (ja) * 2005-01-13 2006-07-27 Sharp Corp 画像符号化装置及び電池駆動復号器
JP2006229411A (ja) * 2005-02-16 2006-08-31 Matsushita Electric Ind Co Ltd 画像復号化装置及び画像復号化方法
JP2008536417A (ja) * 2005-04-12 2008-09-04 シーメンス アクチエンゲゼルシヤフト ビデオ画像符号化における適応型補間を用いたデータ送信処理方法、データ受信処理方法、送信機および受信機
JP2011050001A (ja) * 2009-08-28 2011-03-10 Sony Corp 画像処理装置および方法
JP2011223337A (ja) * 2010-04-09 2011-11-04 Sony Corp 画像処理装置および方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIANLE CHEN ET AL.: "Description of HEVC Scalable Extension Core Experiment SCE3: Inter- layer filtering", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11 JCTVC-N1103, ITU-T, pages 1 - 4 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108028920A (zh) * 2015-09-14 2018-05-11 联发科技（新加坡）私人有限公司 视频编解码中高级去块滤波的方法以及装置
JP2018532318A (ja) * 2015-09-14 2018-11-01 メディアテック シンガポール ピーティーイー エルティーディー ビデオ符号化における進化型デブロッキングフィルターの方法およびその装置
US11153562B2 (en) 2015-09-14 2021-10-19 Mediatek Singapore Pte. Ltd. Method and apparatus of advanced deblocking filter in video coding
JP2019525679A (ja) * 2016-08-31 2019-09-05 クアルコム，インコーポレイテッド クロス成分フィルタ
WO2018143268A1 (ja) * 2017-02-03 2018-08-09 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JPWO2018143268A1 (ja) * 2017-02-03 2019-11-21 ソニー株式会社 送信装置、送信方法、受信装置および受信方法
JP7178907B2 (ja) 2017-02-03 2022-11-28 ソニーグループ株式会社 送信装置、送信方法、受信装置および受信方法

Also Published As

Publication number Publication date
CN105659601A (zh) 2016-06-08
JPWO2015053001A1 (ja) 2017-03-09
US20160241882A1 (en) 2016-08-18

Similar Documents

Publication Publication Date Title
JP6455434B2 (ja) 画像処理装置及び画像処理方法
JP6094688B2 (ja) 画像処理装置及び画像処理方法
JP6345650B2 (ja) 画像処理装置及び画像処理方法
WO2015053001A1 (ja) 画像処理装置及び画像処理方法
JP6471911B2 (ja) 画像処理装置および方法、プログラム、並びに記録媒体
WO2013164922A1 (ja) 画像処理装置及び画像処理方法
WO2013150838A1 (ja) 画像処理装置及び画像処理方法
CN105409217B (zh) 图像处理装置、图像处理方法和计算机可读介质
WO2015146278A1 (ja) 画像処理装置及び画像処理方法
WO2013088833A1 (ja) 画像処理装置及び画像処理方法
JP5900612B2 (ja) 画像処理装置及び画像処理方法
WO2014148070A1 (ja) 画像処理装置及び画像処理方法
WO2015005024A1 (ja) 画像処理装置及び画像処理方法
WO2015052979A1 (ja) 画像処理装置及び画像処理方法
WO2014097703A1 (ja) 画像処理装置及び画像処理方法
WO2014050311A1 (ja) 画像処理装置及び画像処理方法
WO2015098231A1 (ja) 画像処理装置及び画像処理方法

Legal Events

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

Ref document number: 14851822

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015541473

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15023132

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14851822

Country of ref document: EP

Kind code of ref document: A1