WO2015098563A1 - 画像符号化装置および方法、並びに画像復号装置および方法 - Google Patents

画像符号化装置および方法、並びに画像復号装置および方法 Download PDF

Info

Publication number
WO2015098563A1
WO2015098563A1 PCT/JP2014/082924 JP2014082924W WO2015098563A1 WO 2015098563 A1 WO2015098563 A1 WO 2015098563A1 JP 2014082924 W JP2014082924 W JP 2014082924W WO 2015098563 A1 WO2015098563 A1 WO 2015098563A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
layer
unit
inter
information
Prior art date
Application number
PCT/JP2014/082924
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 JP2015554740A priority Critical patent/JPWO2015098563A1/ja
Priority to US15/034,007 priority patent/US20160286218A1/en
Publication of WO2015098563A1 publication Critical patent/WO2015098563A1/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
    • H04N19/10—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
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—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
    • 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
    • H04N19/17—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
    • H04N19/174—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 slice, e.g. a line of blocks or a group of blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction

Definitions

  • the present disclosure relates to an image encoding apparatus and method, and an image decoding apparatus and method, and in particular, an image encoding apparatus and method, and an image decoding apparatus and method that can smoothly perform processing related to layers. About.
  • H.264 / AVC High Efficiency Video Coding
  • JCTVC Joint Collaboration Team-Video Coding
  • the conventional image coding methods such as MPEG-2 and AVC have a scalability function of layering and coding an image into a plurality of layers.
  • a terminal with a low processing capacity such as a mobile phone
  • image compression information of only the base layer (base layer) is transmitted, and a moving image with low spatiotemporal resolution or poor image quality is reproduced.
  • the image compression information of the enhancement layer is transmitted, and the space-time resolution is high.
  • Non-Patent Document 2 defines a scalable extension related to HEVC.
  • layer_id is specified in NAL_unit_header
  • VPS Video Parameter Set
  • a layer set is defined by Layer_id_included_flag.
  • VPS_extension information regarding whether there is a direct dependency relationship between layers is transmitted by direct_dependency_flag.
  • Non-Patent Document 3 a skip picture is proposed. That is, when the scalable coding process is performed, if a skip picture is specified in the enhancement layer, the upsampled image of the base layer is output as it is, and the decoding process for the picture is not performed.
  • the enhancement layer when the CPU load is high, the amount of computation is reduced, enabling real-time operation, or when an overflow of the buffer is likely to occur, when information is not transmitted to the picture, an overflow occurs. Can be avoided.
  • JCTVC-L1003_v4 Joint Collaborative Team on Video Coding (JCT-VC) of ITU-T SG 16 WP 3 and ISO / IEC JTC 1 / SC 29 / WG 11 12th Meeting: Geneva, CH, 14-23 Jan. 2013 Jianle Chen, Jill Boyce, Yan Ye, Miska M.
  • an image that has been subjected to up-sampling twice or more may be output in the enhancement layer. That is, an image with extremely low resolution may be output as a decoded image as compared with the hierarchy. As described above, it may be difficult to smoothly perform processing related to the hierarchy.
  • the present disclosure has been made in view of such a situation, and can smoothly perform processing related to a hierarchy.
  • the image coding apparatus When the image coding apparatus according to the first aspect of the present disclosure performs coding processing on an image having three or more layers, the image of the reference layer referred to by the target image to be coded is in skip mode.
  • An acquisition unit that acquires inter-layer information indicating whether or not there is present, and the inter-layer information acquired by the acquisition unit is referred to, and when the image of the reference layer is in skip mode, the target image is set as skip mode.
  • an inter-layer information setting unit that prohibits encoding processing.
  • the image coding method provides a reference layer to which a target image that is a target of a coding process refers when an image coding apparatus performs a coding process on an image having three or more layers.
  • Inter-layer information indicating whether or not the image of the reference layer is in the skip mode, and referring to the acquired inter-layer information, if the image of the reference layer is in the skip mode, the target image is encoded as the skip mode. Is prohibited.
  • the image decoding device when decoding a bitstream in which an image having three or more layers is encoded, has a reference layer that is referenced by a target image to be decoded.
  • An acquisition unit that acquires inter-layer information indicating whether or not an image is in a skip mode, and the inter-layer information acquired by the acquisition unit, and the image of the reference layer is in skip mode, the target
  • An inter-layer information setting unit that prohibits the decoding processing of the image in the skip mode.
  • a target image to be subjected to the decoding process is determined.
  • Inter-layer information indicating whether or not the image of the reference layer to be referenced is in the skip mode, and referring to the acquired inter-layer information, when the image of the reference layer is in the skip mode, the target image is It is prohibited to perform the decoding process as the skip mode.
  • An image encoding device includes an acquisition unit that acquires inter-layer information indicating the number of hierarchies of the image when encoding an image having 64 or more layers, and the acquisition unit In the VPS_extension, the inter-layer information setting unit that sets information related to the expanded number of layers is provided.
  • the image coding method obtains inter-layer information indicating the number of hierarchies of the image when the image coding device performs an encoding process on an image having a plurality of hierarchies of 64 or more, With reference to the acquired inter-layer information, information regarding the expanded number of layers is set in VPS_extension.
  • the image decoding device includes a receiving unit that receives information on the number of expanded layers set in VPS_extension from a bitstream in which an image having multiple layers of 64 or more is encoded; A decoding unit that performs a decoding process with reference to the information about the expanded number of layers received by the receiving unit.
  • the image decoding apparatus obtains information on the number of extended layers set in VPS_extension from a bitstream in which an image having multiple layers of 64 or more is encoded.
  • the decoding process is performed with reference to the received information regarding the expanded number of layers.
  • the reference layer image referred to by the target image to be encoded is in the skip mode.
  • Inter-layer information indicating is acquired. Then, referring to the acquired inter-layer information, when the image of the reference layer is in the skip mode, it is prohibited to encode the target image as the skip mode.
  • an image of a reference layer referenced by a target image to be decoded is skipped
  • Inter-layer information indicating whether or not the mode is selected is acquired. Then, referring to the acquired inter-layer information, when the image of the reference layer is in the skip mode, it is prohibited to perform the decoding process using the target image as the skip mode.
  • inter-layer information indicating the number of layers of the image is acquired when an image having 64 or more layers is encoded. Then, referring to the acquired inter-layer information, information regarding the expanded number of layers is set in VPS_extension.
  • information on the extended number of layers set in VPS_extension is received from a bitstream in which an image having 64 or more layers is encoded. Then, the decoding process is performed with reference to the received information on the expanded number of layers.
  • the above-described image encoding device may be an independent device, or may be an internal block constituting one image processing device or an image encoding device.
  • the above-described image decoding device may be an independent device, or may be an internal block constituting one image processing device or image decoding device.
  • an image can be encoded.
  • processing related to the hierarchy can be performed smoothly.
  • an image can be decoded.
  • processing related to the hierarchy can be performed smoothly.
  • FIG. 20 is a block diagram illustrating a main configuration example of a computer. It is a block diagram which shows an example of a schematic structure of a television apparatus. It is a block diagram which shows an example of a schematic structure of a mobile telephone.
  • ⁇ Coding unit> In the AVC (Advanced Video Coding) method, a hierarchical structure is defined by macroblocks and sub-macroblocks. However, a macroblock of 16 pixels ⁇ 16 pixels is not optimal for a large image frame such as UHD (Ultra High Definition; 4000 pixels ⁇ 2000 pixels), which is a target of the next generation encoding method.
  • UHD Ultra High Definition
  • a coding unit (Coding Unit)) is defined.
  • CU is also called Coding Tree Block (CTB) and is a partial area of a picture unit image that plays the same role as a macroblock in the AVC method.
  • CTB Coding Tree Block
  • the latter is fixed to a size of 16 ⁇ 16 pixels, whereas the size of the former is not fixed, and is specified in the image compression information in each sequence.
  • the maximum size (LCU (Largest Coding Unit)) and the minimum size (SCU (Smallest Coding Unit)) are specified.
  • the LCU size is 128 and the maximum hierarchical depth is 5.
  • split_flag is “1”
  • the 2N ⁇ 2N size CU is divided into N ⁇ N size CUs that are one level below.
  • the CU is divided into prediction units (Prediction Units (PU)) that are regions (partial regions of images in units of pictures) that are processing units of intra or inter prediction, and are regions that are processing units of orthogonal transformation It is divided into transform units (Transform Unit (TU)), which is (a partial area of an image in units of pictures).
  • Prediction Units PU
  • transform Unit Transform Unit
  • a macro block in the AVC method corresponds to an LCU
  • a block (sub block) corresponds to a CU. Then you can think.
  • a motion compensation block in the AVC method can be considered to correspond to a PU.
  • the size of the LCU of the highest hierarchy is generally set larger than the macro block of the AVC method, for example, 128 ⁇ 128 pixels.
  • the LCU also includes a macro block in the AVC method
  • the CU also includes a block (sub-block) in the AVC method.
  • “block” used in the following description indicates an arbitrary partial area in the picture, and its size, shape, characteristics, and the like are not limited. That is, the “block” includes an arbitrary area (processing unit) such as a TU, PU, SCU, CU, LCU, sub-block, macroblock, or slice. Of course, other partial areas (processing units) are also included. When it is necessary to limit the size, processing unit, etc., it will be described as appropriate.
  • CTU Coding Tree Unit
  • CTB Coding Tree Block
  • CU Coding ⁇ Unit
  • CB Coding ⁇ ⁇ ⁇ ⁇ Block
  • JM Job Model
  • JM JM
  • High Complexity Mode Low Complexity Mode.
  • a cost function value for each prediction mode Mode is calculated, and a prediction mode that minimizes the cost function value is selected as the optimum mode for the block or macroblock.
  • ⁇ is the entire set of candidate modes for encoding the block or macroblock
  • D is the difference energy between the decoded image and the input image when encoded in the prediction mode.
  • ⁇ is a Lagrange undetermined multiplier given as a function of the quantization parameter.
  • R is the total code amount when encoding is performed in this mode, including orthogonal transform coefficients.
  • D is the difference energy between the predicted image and the input image, unlike the case of High Complexity Mode.
  • QP2Quant QP
  • HeaderBit is a code amount related to information belonging to Header, such as a motion vector and mode, which does not include an orthogonal transform coefficient.
  • Scalable encoding is a scheme in which an image is divided into a plurality of layers (hierarchical) and encoded for each layer.
  • one image is divided into a plurality of images (layers) based on a predetermined parameter.
  • each layer is composed of difference data so that redundancy is reduced.
  • a base layer and an enhancement layer an image with lower quality than the original image can be obtained with only the base layer data, and the base layer data and the enhancement layer data are combined.
  • the original image that is, a high quality image
  • image compression information of only the base layer (base layer) is transmitted, and a moving image with a low spatiotemporal resolution or poor image quality is reproduced.
  • image enhancement information of the enhancement layer is transmitted.
  • Image compression information corresponding to the capabilities of the terminal and the network can be transmitted from the server without performing transcoding processing, such as playing a moving image with high image quality.
  • spatial scalability As a parameter having such scalability, for example, there is a spatial resolution as shown in FIG. 2 (spatial scalability).
  • this spatial scalability spatial scalability
  • the resolution is different for each layer. That is, as shown in FIG. 2, enhancement in which each picture is synthesized with a base layer having a spatially lower resolution than the original image and the base layer image to obtain the original image (original spatial resolution). Layered into two layers.
  • this number of hierarchies is an example, and the number of hierarchies can be hierarchized.
  • temporal resolution As another parameter for providing such scalability, for example, there is temporal resolution as shown in FIG. 3 (temporal scalability).
  • the frame rate is different for each layer. That is, in this case, as shown in FIG. 3, layers are layered at different frame rates, and by adding a high frame rate layer to a low frame rate layer, a higher frame rate moving image is obtained. By adding all the layers, the original moving image (original frame rate) can be obtained.
  • This number of hierarchies is an example, and can be hierarchized to an arbitrary number of hierarchies.
  • each picture has two layers of enhancement layers in which the original image (original SNR) is obtained by combining the base layer with a lower SNR than the original image and the base layer image. Is layered.
  • original SNR original image
  • enhancement layer image compression information information related to the low PSNR image is transmitted, and by adding the enhancement layer image compression information to this, a high SNR image is reconstructed. It is possible.
  • this number of hierarchies is an example, and the number of hierarchies can be hierarchized.
  • the parameters for providing scalability may be other than the examples described above.
  • the base layer (base layer) consists of an 8-bit (bit) image, and by adding an enhancement layer (enhancement layer) to this, the bit-depth scalability (bit-depth scalability) can be obtained. is there.
  • base layer (base ⁇ ⁇ layer) consists of component images in 4: 2: 0 format, and by adding the enhancement layer (enhancement layer) to this, chroma scalability (chroma) scalability).
  • the layers are hierarchized into layers of different views (viewpoints).
  • the layers described in the present embodiment include the above-described scalability coding spatial, temporal, SNR, bit depth, color, view, and the like.
  • layer used in this specification includes the above-described scalable (hierarchical) coding layer and each view when considering a multi-view multi-view.
  • the term “layer” used in this specification includes a main (corresponding to sub) layer and a sublayer.
  • the main layer is a spatial scalability layer and the sublayer is composed of a temporal scalability layer.
  • the hierarchy is described as a layer as appropriate.
  • Non-Patent Document 2 defines the scalable extension in HEVC.
  • layer_id is specified in NAL_unit_header as shown in FIG. 5
  • VPS Video_Parameter_Set
  • FIG. 5 is a diagram illustrating an example of NAL_unit_header syntax. The numbers on the left are provided for convenience of explanation. In the example of FIG. 5, nuh_layer_id for specifying the layer id is described in the fourth line.
  • FIG. 6 is a diagram illustrating an example of VPS syntax. The numbers on the left are provided for convenience of explanation.
  • vps_max_layers_minus1 for specifying the maximum number of layers included in the bitstream is described in the fourth line.
  • vps_extension_offset is described in the seventh line.
  • the number of layer sets is described as vps_num_layer_sets_minus1.
  • layer_id_included_flag for defining a layer set is described.
  • information about vpe_extension is further described.
  • VPS_extension information regarding whether or not there is a direct dependency between layers is transmitted by direct_dependency_flag.
  • FIGS. 7 and 8 are diagrams showing examples of VPS_extension syntax. The numbers on the left are provided for convenience of explanation. In the example of FIGS. 7 and 8, the 23rd to 25th lines describe direct_dependency_flag that is information regarding whether or not there is a direct dependency between the above-described hierarchies.
  • Non-Patent Document 2 can set up to 63 layers at maximum. That is, it did not support an application including 63 or more layers such as a super multi-view image.
  • Non-Patent Document 3 the following skip pictures are proposed. That is, when the scalable coding process is performed, if a skip picture is specified in the enhancement layer, the upsampled image of the base layer is output as it is, and the decoding process for the picture is not performed.
  • the enhancement layer when the CPU load is high, the amount of computation is reduced, enabling real-time operation, or when there is a possibility of buffer overflow, when information is not transmitted to the picture, overflow occurs. Can be avoided.
  • FIG. 9 is a block diagram illustrating a main configuration example of a scalable encoding device.
  • the scalable encoding device 100 shown in FIG. 9 is an image information processing device that performs scalable encoding of image data, and encodes each layer of image data layered into a base layer and an enhancement layer.
  • the parameter used as a standard for this hierarchization is arbitrary.
  • the scalable encoding device 100 includes a common information generation unit 101, an encoding control unit 102, a base layer image encoding unit 103, an enhancement layer image encoding unit 104-1, and an enhancement layer image encoding unit 104-2.
  • enhancement layer image encoding units 104-1 and 104-2 are collectively referred to as enhancement layer image encoding unit 104 unless it is necessary to distinguish between them.
  • FIG. 9 an example in which the enhancement layer image encoding unit 104 is two is shown, but there may be a case where it is configured with a larger number of units.
  • the common information generation unit 101 acquires information relating to encoding of image data that is stored in, for example, a NAL unit. In addition, the common information generation unit 101 acquires necessary information from the base layer image encoding unit 103, the enhancement layer image encoding unit 104, and the like as necessary. The common information generation unit 101 generates common information that is information regarding all layers based on the information. The common information includes, for example, a video parameter set. The common information generation unit 101 outputs the generated common information to the outside of the scalable encoding device 100, for example, as a NAL unit. Note that the common information generation unit 101 also supplies the generated common information to the encoding control unit 102. Furthermore, the common information generation unit 101 supplies part or all of the generated common information to the base layer image encoding unit 103 and the enhancement layer image encoding unit 104 as necessary.
  • the encoding control unit 102 controls encoding of each layer by controlling the base layer image encoding unit 103 and the enhancement layer image encoding unit 104 based on the common information supplied from the common information generation unit 101. To do.
  • the base layer image encoding unit 103 acquires base layer image information (base layer image information).
  • the base layer image encoding unit 103 encodes the base layer image information without using information of other layers, and generates and outputs base layer encoded data (base layer encoded data).
  • the enhancement layer image encoding unit 104 acquires enhancement layer image information (enhancement layer image), and encodes the enhancement layer image information.
  • enhancement layer image information enhancement layer image
  • the enhancement layer is divided into a current layer being processed and a reference layer referenced in the current layer.
  • the enhancement layer image encoding unit 104 acquires image information (current layer image information) of the current layer (enhancement layer) and, if necessary, encodes another layer (base layer or enhancement layer first).
  • the current layer image information is encoded with reference to the layer.
  • the enhancement layer image encoding unit 104 indicates whether or not a picture is a skip picture when inter-layer information necessary for performing processing between layers, that is, when a decoded image of another layer is used as a reference picture. Inter-layer information or inter-layer information indicating a layer dependency in the case of having 64 or more layers is set.
  • the enhancement layer image encoding unit 104 performs motion prediction based on the set inter-layer information, using or prohibiting the skip picture mode, and encodes the inter-layer information. Alternatively, the enhancement layer image encoding unit 104 performs motion prediction based on the set inter-layer information and encodes the inter-layer information.
  • the enhancement layer image encoding unit 104 obtains another enhancement layer decoded image (or base layer decoded image), upsamples it, and then performs motion prediction. It is used as one of the reference pictures for this purpose.
  • the enhancement layer image encoding unit 104 generates and outputs enhancement layer encoded data by such encoding.
  • FIG. 10 is a block diagram illustrating a main configuration example of the base layer image encoding unit 103 in FIG. 9.
  • the base layer image encoding unit 103 includes an A / D conversion unit 111, a screen rearrangement buffer 112, a calculation unit 113, an orthogonal transformation unit 114, a quantization unit 115, a lossless encoding unit 116, The storage buffer 117, the inverse quantization unit 118, and the inverse orthogonal transform unit 119 are included.
  • the base layer image encoding unit 103 includes a calculation unit 120, a deblocking filter 121, a frame memory 122, a selection unit 123, an intra prediction unit 124, a motion prediction / compensation unit 125, a predicted image selection unit 126, and a rate control unit. 127. Further, the base layer image encoding unit 103 includes an adaptive offset filter 128 between the deblocking filter 121 and the frame memory 122.
  • the A / D conversion unit 111 performs A / D conversion on the input image data (base layer image information), and supplies the converted image data (digital data) to the screen rearrangement buffer 112 for storage.
  • the screen rearrangement buffer 112 rearranges the images of the frames in the stored display order in the order of frames for encoding according to the GOP (Group Of Picture), and rearranges the images in the order of the frames. It supplies to the calculating part 113.
  • the screen rearrangement buffer 112 also supplies the image in which the frame order is rearranged to the intra prediction unit 124 and the motion prediction / compensation unit 125.
  • the calculation unit 113 subtracts the predicted image supplied from the intra prediction unit 124 or the motion prediction / compensation unit 125 via the predicted image selection unit 126 from the image read from the screen rearrangement buffer 112, and the difference information Is output to the orthogonal transform unit 114. For example, in the case of an image on which intra coding is performed, the calculation unit 113 subtracts the prediction image supplied from the intra prediction unit 124 from the image read from the screen rearrangement buffer 112. For example, in the case of an image on which inter coding is performed, the calculation unit 113 subtracts the prediction image supplied from the motion prediction / compensation unit 125 from the image read from the screen rearrangement buffer 112.
  • the orthogonal transform unit 114 performs orthogonal transform such as discrete cosine transform and Karhunen-Loeve transform on the difference information supplied from the computation unit 113.
  • the orthogonal transform unit 114 supplies the transform coefficient to the quantization unit 115.
  • the quantization unit 115 quantizes the transform coefficient supplied from the orthogonal transform unit 114.
  • the quantization unit 115 sets a quantization parameter based on the information regarding the target value of the code amount supplied from the rate control unit 127, and performs the quantization.
  • the quantization unit 115 supplies the quantized transform coefficient to the lossless encoding unit 116.
  • the lossless encoding unit 116 encodes the transform coefficient quantized by the quantization unit 115 by an arbitrary encoding method. Since the coefficient data is quantized under the control of the rate control unit 127, the code amount becomes the target value set by the rate control unit 127 (or approximates the target value).
  • the lossless encoding unit 116 acquires information indicating the mode of intra prediction from the intra prediction unit 124, and acquires information indicating the mode of inter prediction, differential motion vector information, and the like from the motion prediction / compensation unit 125. Furthermore, the lossless encoding unit 116 appropriately generates a base layer NAL unit including a sequence parameter set (SPS), a picture parameter set (PPS), and the like. Although not shown, the lossless encoding unit 116 supplies information necessary for the enhancement layer image encoding unit 104-1 to set inter-layer information to the enhancement layer image encoding unit 104-1.
  • SPS sequence parameter set
  • PPS picture parameter set
  • the lossless encoding unit 116 encodes these various types of information using an arbitrary encoding method, and sets (multiplexes) the encoded information (also referred to as an encoded stream) as a part.
  • the lossless encoding unit 116 supplies the encoded data obtained by encoding to the accumulation buffer 117 for accumulation.
  • Examples of the encoding method of the lossless encoding unit 116 include variable length encoding or arithmetic encoding.
  • Examples of variable length coding include H.264.
  • CAVLC Context-Adaptive Variable Length Coding
  • Examples of arithmetic coding include CABAC (Context-Adaptive Binary Arithmetic Coding).
  • the accumulation buffer 117 temporarily holds the encoded data (base layer encoded data) supplied from the lossless encoding unit 116.
  • the accumulation buffer 117 outputs the stored base layer encoded data to, for example, a recording device (recording medium) (not shown) or a transmission path at a later stage at a predetermined timing. That is, the accumulation buffer 117 is also a transmission unit that transmits encoded data.
  • the transform coefficient quantized by the quantization unit 115 is also supplied to the inverse quantization unit 118.
  • the inverse quantization unit 118 inversely quantizes the quantized transform coefficient by a method corresponding to the quantization by the quantization unit 115.
  • the inverse quantization unit 118 supplies the obtained transform coefficient to the inverse orthogonal transform unit 119.
  • the inverse orthogonal transform unit 119 performs inverse orthogonal transform on the transform coefficient supplied from the inverse quantization unit 118 by a method corresponding to the orthogonal transform process by the orthogonal transform unit 114.
  • the inversely orthogonal transformed output (restored difference information) is supplied to the calculation unit 120.
  • the calculation unit 120 uses the prediction image selection unit 126 to perform prediction from the intra prediction unit 124 or the motion prediction / compensation unit 125 on the restored difference information, which is the inverse orthogonal transform result supplied from the inverse orthogonal transform unit 119.
  • the images are added to obtain a locally decoded image (decoded image).
  • the decoded image is supplied to the deblocking filter 121 or the frame memory 122.
  • the deblocking filter 121 removes block distortion of the reconstructed image by performing deblocking filter processing on the reconstructed image supplied from the calculation unit 120.
  • the deblocking filter 121 supplies the filtered image to the adaptive offset filter 128.
  • the adaptive offset filter 128 is an adaptive offset filter (SAO: Sample adaptive offset) that mainly removes ringing from the deblocking filter processing result (reconstructed image from which block distortion has been removed) from the deblocking filter 121. Process.
  • SAO Sample adaptive offset
  • the adaptive offset filter 128 determines the type of adaptive offset filter processing for each LCU (Largest Coding Unit) which is the maximum coding unit, and obtains an offset used in the adaptive offset filter processing.
  • the adaptive offset filter 128 performs the determined type of adaptive offset filter processing on the image after the adaptive deblocking filter processing, using the obtained offset. Then, the adaptive offset filter 128 supplies the image after the adaptive offset filter processing (hereinafter referred to as a decoded image) to the frame memory 122.
  • the deblocking filter 121 and the adaptive offset filter 128 can supply information such as filter coefficients used for the filter processing to the lossless encoding unit 116 and encode them as necessary. Further, an adaptive loop filter may be provided after the adaptive offset filter 128.
  • the frame memory 122 stores the reconstructed image supplied from the arithmetic unit 120 and the decoded image supplied from the adaptive offset filter 128, respectively.
  • the frame memory 122 supplies the stored reconstructed image to the intra prediction unit 124 via the selection unit 123 at a predetermined timing or based on a request from the outside such as the intra prediction unit 124.
  • the frame memory 122 also stores the decoded image stored at a predetermined timing or based on a request from the outside such as the motion prediction / compensation unit 125 via the selection unit 123. 125.
  • the frame memory 122 stores the supplied decoded image, and supplies the stored decoded image as a reference image to the selection unit 123 at a predetermined timing. Note that the base layer decoded image of the frame memory 122 is supplied as a reference picture to the enhancement layer image encoding unit 104-1 and the enhancement layer image encoding unit 104-2 as necessary.
  • the selection unit 123 selects a reference image supply destination supplied from the frame memory 122. For example, in the case of intra prediction, the selection unit 123 supplies the reference image (pixel value in the current picture) supplied from the frame memory 122 to the motion prediction / compensation unit 125. For example, in the case of inter prediction, the selection unit 123 supplies the reference image supplied from the frame memory 122 to the motion prediction / compensation unit 125.
  • the intra prediction unit 124 performs intra prediction (intra-screen prediction) that generates a predicted image using a pixel value in a current picture that is a reference image supplied from the frame memory 122 via the selection unit 123.
  • the intra prediction unit 124 performs this intra prediction in a plurality of intra prediction modes prepared in advance.
  • the intra prediction unit 124 generates prediction images in all candidate intra prediction modes, evaluates the cost function value of each prediction image using the input image supplied from the screen rearrangement buffer 112, and selects the optimum mode. select. When the optimal intra prediction mode is selected, the intra prediction unit 124 supplies the predicted image generated in the optimal mode to the predicted image selection unit 126.
  • the intra prediction unit 124 appropriately supplies the intra prediction mode information indicating the adopted intra prediction mode to the lossless encoding unit 116 and causes the encoding to be performed.
  • the motion prediction / compensation unit 125 performs motion prediction (inter prediction) using the input image supplied from the screen rearrangement buffer 112 and the reference image supplied from the frame memory 122 via the selection unit 123.
  • the motion prediction / compensation unit 125 performs a motion compensation process according to the detected motion vector, and generates a prediction image (inter prediction image information).
  • the motion prediction / compensation unit 125 performs such inter prediction in a plurality of inter prediction modes prepared in advance.
  • the motion prediction / compensation unit 125 generates a prediction image in all candidate inter prediction modes.
  • the motion prediction / compensation unit 125 evaluates the cost function value of each predicted image using the input image supplied from the screen rearrangement buffer 112 and information on the generated differential motion vector, and selects an optimal mode. .
  • the motion prediction / compensation unit 125 supplies the predicted image generated in the optimal mode to the predicted image selection unit 126.
  • the motion prediction / compensation unit 125 supplies information indicating the employed inter prediction mode, information necessary for performing processing in the inter prediction mode, and the like to the lossless encoding unit 116 when decoding the encoded data. And encoding.
  • the necessary information includes, for example, information on the generated differential motion vector and a flag indicating an index of the predicted motion vector as predicted motion vector information.
  • the predicted image selection unit 126 selects a supply source of a predicted image to be supplied to the calculation unit 113 or the calculation unit 120.
  • the prediction image selection unit 126 selects the intra prediction unit 124 as a supply source of the prediction image, and supplies the prediction image supplied from the intra prediction unit 124 to the calculation unit 113 and the calculation unit 120.
  • the predicted image selection unit 126 selects the motion prediction / compensation unit 125 as a supply source of the predicted image, and calculates the predicted image supplied from the motion prediction / compensation unit 125 as the calculation unit 113.
  • To the arithmetic unit 120 To the arithmetic unit 120.
  • the rate control unit 127 controls the quantization operation rate of the quantization unit 115 based on the code amount of the encoded data stored in the storage buffer 117 so that no overflow or underflow occurs.
  • FIG. 11 is a block diagram illustrating a main configuration example of the enhancement layer image encoding unit 104-2 in FIG.
  • the enhancement layer image encoding unit 104-1 has the same configuration as the enhancement layer image encoding unit 104-2 in FIG. 11, and thus description thereof is omitted.
  • enhancement layer image encoding section 104-2 has basically the same configuration as base layer image encoding section 103 of FIG.
  • each unit of the enhancement layer image encoding unit 104-2 performs processing for encoding the current layer image information in the enhancement layer, not the base layer. That is, the A / D conversion unit 111 of the enhancement layer image encoding unit 104-2 performs A / D conversion on the current layer image information, and the accumulation buffer 117 of the enhancement layer image encoding unit 104-2 performs the current layer encoding. For example, the data is output to a recording device (recording medium) (not shown) or a transmission path, which is not shown.
  • the lossless encoding unit 116 includes information necessary for the enhancement layer image encoding unit 104-3 to set inter-layer information. Is supplied to, for example, the enhancement layer image encoding unit 104-3. In this case, the decoded image in the frame memory 122 is supplied as a reference picture to the enhancement layer image encoding unit 104-3 as necessary.
  • the enhancement layer image encoding unit 104-2 has a motion prediction / compensation unit 135 instead of the motion prediction / compensation unit 125. Further, unlike the base layer image encoding unit 103, the enhancement layer image encoding unit 104-2 includes an inter-layer information setting unit 140 and an upsampling unit 141.
  • the motion prediction / compensation unit 135 performs motion prediction / compensation according to the inter-layer information set by the inter-layer information setting unit 140. That is, the motion prediction / compensation unit 135 performs basically the same processing as the motion prediction / compensation unit 125 except that the inter-layer information set by the inter-layer information setting unit 140 is referred to.
  • the inter-layer information setting unit 140 acquires information on the reference layer from the enhancement layer image encoding unit 104-1 (or the base layer image encoding unit 103), and based on the acquired information on the reference layer, Inter-layer information, which is information necessary for processing between layers with the current layer, is set.
  • the inter-layer information setting unit 140 supplies the set inter-layer information to the motion prediction / compensation unit 135 and the lossless encoding unit 116.
  • the lossless encoding unit 116 appropriately generates a VPS or VPS_extension based on the inter-layer information from the inter-layer information setting unit 140.
  • the upsampling unit 141 acquires the reference layer decoded image from the enhancement layer image encoding unit 104-1 as a reference picture, and upsamples the acquired reference picture.
  • the upsampling unit 141 stores the upsampled reference picture in the frame memory 122.
  • a skip picture as one of inter-layer information according to the present technology will be described.
  • a square represents a picture
  • a cross indicated by the square represents that the picture is a skip picture.
  • the upsampled image of Layer 1 is used as it is for the output of this picture.
  • the Layer 1 picture that is a reference picture of the Layer 2 picture is also a skip picture
  • an upsampled image of Layer 0 that is the reference hierarchy of Layer 1 is output as the Layer 2 picture.
  • an image obtained by further upsampling the upsampled image of Layer0 is output for the skipped picture of Layer2, and therefore, the output image is compared with the other pictures of Layer2.
  • the picture will be remarkably low in resolution. That is, in Layer 2, the difference in resolution between pictures may be observed as image quality degradation.
  • the above limitation is imposed when the layer (Layer 2) and the reference layer (Layer 1) are in SNR scalability. It may not apply. That is, in the case of SNR scalability, the reference source of the skip picture may be a skip picture.
  • the layer (Layer 2) and the reference layer (Layer 1) are spatial scalability, but between the reference layer (Layer 1) and a layer (Layer 0) that further refers to this. May be SNR scalability, the restriction according to the present technology may not be applied.
  • processing can be applied not only to skip pictures but also to skip modes in general, such as skip slices or skip tiles.
  • the inter-layer information setting unit that implements the above-described technology is configured as follows.
  • FIG. 15 is a block diagram illustrating a main configuration example of the inter-tier information setting unit 140 of FIG.
  • the inter-layer information setting unit 140 includes a reference layer picture type buffer 151 and a skip picture setting unit 152.
  • Information regarding whether or not a picture in the reference layer is a skip picture is supplied from the enhancement layer image encoding unit 104-1 to the reference layer picture type buffer 151. That is, the reference layer picture type buffer 151 acquires information regarding whether or not a picture in the reference layer is a skip picture. The information is further supplied to the skip picture setting unit 152.
  • the skip picture setting unit 152 sets whether the picture in the layer is a skip picture as inter-layer information. Then, the skip picture setting unit 152 supplies the set information to the motion prediction / compensation unit 135 and the lossless encoding unit 116.
  • the skip picture setting unit 152 does not perform setting regarding whether the picture in the layer is a skip picture as inter-layer information. That is, it is prohibited that a picture in the hierarchy becomes a skip picture.
  • the motion prediction / compensation unit 135 performs a motion prediction / compensation process based on the information from the skip picture setting unit 152 regarding whether the picture in the layer is a skip picture.
  • the lossless encoding unit 116 encodes information on whether a picture in the layer is a skip picture for transmission to the decoding side as information indicating an inter prediction mode.
  • step S101 the encoding control unit 102 of the scalable encoding device 100 sets the first layer as a processing target.
  • step S102 the encoding control unit 102 determines whether or not the current layer to be processed is a base layer. If it is determined that the current layer is the base layer, the process proceeds to step S103.
  • step S103 the base layer image encoding unit 103 performs base layer encoding processing.
  • step S103 the process proceeds to step S106.
  • step S104 the encoding control unit 102 determines a reference layer corresponding to the current layer (that is, a reference destination).
  • the reference layer may be a base layer.
  • step S105 the enhancement layer image encoding unit 104-1 or the enhancement layer image encoding unit 104-2 performs a current layer encoding process.
  • step S106 the process proceeds to step S106.
  • step S106 the encoding control unit 102 determines whether all layers have been processed. If it is determined that there is an unprocessed layer, the process proceeds to step S107.
  • step S107 the encoding control unit 102 sets the next unprocessed layer as a processing target (current layer).
  • the process of step S107 ends, the process returns to step S102.
  • the processing from step S102 to step S107 is repeatedly executed, and each layer is encoded.
  • step S106 If it is determined in step S106 that all layers have been processed, the encoding process ends.
  • step S121 the A / D conversion unit 111 of the base layer image encoding unit 103 A / D converts the input base layer image information (image data).
  • step S122 the screen rearrangement buffer 112 stores the A / D converted base layer image information (digital data), and rearranges the pictures from the display order to the encoding order.
  • step S123 the intra prediction unit 124 performs an intra prediction process in the intra prediction mode.
  • step S124 the motion prediction / compensation unit 125 performs a motion prediction / compensation process for performing motion prediction or motion compensation in the inter prediction mode.
  • step S ⁇ b> 125 the predicted image selection unit 126 determines an optimum mode based on the cost function values output from the intra prediction unit 124 and the motion prediction / compensation unit 125. That is, the predicted image selection unit 126 selects one of the predicted image generated by the intra prediction unit 124 and the predicted image generated by the motion prediction / compensation unit 125.
  • step S126 the calculation unit 113 calculates the difference between the image rearranged by the process of step S122 and the predicted image selected by the process of step S125. The data amount of the difference data is reduced compared to the original image data. Therefore, the data amount can be compressed as compared with the case where the image is encoded as it is.
  • step S127 the orthogonal transform unit 114 performs an orthogonal transform process on the difference information generated by the process in step S126.
  • step S1208 the quantization unit 115 quantizes the orthogonal transform coefficient obtained by the process of step S127, using the quantization parameter calculated by the rate control unit 127.
  • the difference information quantized by the process of step S128 is locally decoded as follows. That is, in step S129, the inverse quantization unit 118 inversely quantizes the quantized coefficient (also referred to as a quantization coefficient) generated by the process in step S128 with characteristics corresponding to the characteristics of the quantization unit 115. . In step S130, the inverse orthogonal transform unit 119 performs inverse orthogonal transform on the orthogonal transform coefficient obtained by the process of step S127. In step S131, the calculation unit 120 adds the predicted image to the locally decoded difference information, and generates a locally decoded image (an image corresponding to the input to the calculation unit 113).
  • step S132 the deblocking filter 121 performs deblocking filter processing on the image generated by the processing in step S131. Thereby, block distortion and the like are removed.
  • step S ⁇ b> 133 the adaptive offset filter 128 performs adaptive offset filter processing that mainly removes ringing on the deblocking filter processing result from the deblocking filter 121.
  • step S134 the frame memory 122 stores the image from which ringing has been removed by the process of step S133. Note that an image that has not been filtered by the deblocking filter 121 and the adaptive offset filter 128 is also supplied to the frame memory 122 from the computing unit 120 and stored therein. The image stored in the frame memory 122 is used for the processing in step S123 and the processing in step S124, and is also supplied to the enhancement layer image encoding unit 104-1.
  • step S135 the lossless encoding unit 116 of the base layer image encoding unit 103 encodes the coefficient quantized by the process of step S128. That is, lossless encoding such as variable length encoding or arithmetic encoding is performed on the data corresponding to the difference image.
  • the lossless encoding unit 116 encodes information regarding the prediction mode of the prediction image selected by the process of step S125, and adds the encoded information to the encoded data obtained by encoding the difference image. That is, the lossless encoding unit 116 encodes and encodes the optimal intra prediction mode information supplied from the intra prediction unit 124 or the information corresponding to the optimal inter prediction mode supplied from the motion prediction / compensation unit 125. Append to data.
  • the lossless encoding unit 116 includes information necessary for the enhancement layer image encoding unit 104-1 to set inter-layer information (information on whether a picture in the layer is a skip picture, , Information on dependency relations in the hierarchy, etc.) is supplied to the enhancement layer image encoding unit 104-1.
  • step S136 the accumulation buffer 117 accumulates the base layer encoded data obtained by the process in step S135.
  • the base layer encoded data stored in the storage buffer 117 is appropriately read and transmitted to the decoding side via a transmission path or a recording medium.
  • step S137 the rate control unit 127 determines the quantum of the quantization unit 115 so that no overflow or underflow occurs based on the code amount (generated code amount) of the encoded data accumulated in the accumulation buffer 117 in step S136. Control the rate of activation.
  • the base layer encoding process is completed, and the process returns to FIG.
  • the base layer encoding process is executed in units of pictures, for example. That is, the base layer encoding process is executed for each picture in the current layer. However, each process in the base layer encoding process is performed for each processing unit.
  • Steps S151 to S153 of the enhancement layer encoding process and steps S155 to S168 are performed in the same manner as the processes of steps S121 to S137 of the base layer encoding process of FIG. However, each process of the enhancement layer encoding process is performed on the enhancement layer image information by each processing unit of the enhancement layer image encoding unit 104.
  • the inter-layer information setting unit 140 of the enhancement layer image encoding unit 104 is a layer that is information necessary for processing between layers of the reference layer and the current layer based on the information about the reference layer. Set interval information. Details of the inter-layer information setting process will be described later with reference to FIG.
  • the enhancement layer encoding process is terminated, and the process returns to FIG.
  • the enhancement layer encoding process is executed in units of pictures, for example. That is, the enhancement layer encoding process is executed for each picture in the current layer. However, each process in the enhancement layer encoding process is performed for each processing unit.
  • Information regarding whether or not a picture in the reference layer is a skip picture is supplied from the enhancement layer image encoding unit 104-1 to the reference layer picture type buffer 151. The information is further supplied to the skip picture setting unit 152.
  • step S171 the skip picture setting unit 152 refers to the information from the reference layer picture type buffer 151 and determines whether or not the reference picture is a skip picture. If it is determined in step S171 that the reference picture is a skip picture, step S172 is skipped, the inter-layer information setting process is terminated, and the process returns to FIG.
  • step S172 the skip picture setting unit 152 performs setting regarding whether or not the picture in the layer is a skip picture. Then, the skip picture setting unit 152 supplies the information to the motion prediction / compensation unit 135 and the lossless encoding unit 116. Thereafter, the inter-layer information setting process is terminated, and the process returns to FIG.
  • step S155 of FIG. 18 the motion prediction / compensation unit 135 performs motion prediction / compensation processing based on the information regarding whether or not the picture in the hierarchy from the skip picture setting unit 152 is a skip picture.
  • step S166 of FIG. 18 the lossless encoding unit 116 encodes information regarding whether or not a picture in the layer is a skip picture for transmission to the decoding side as information indicating an inter prediction mode.
  • the current picture to be output is prohibited because the picture of the layer is prohibited from becoming a skip picture. Degradation of image quality can be suppressed.
  • VPS_extension syntax 20 and 21 are diagrams illustrating examples of VPS_extension syntax according to the present technology. The numbers on the left are provided for convenience of explanation.
  • the layer_extension_factor is a value obtained by subtracting 1 from the value, and is encoded as layer_extension_factor_minus1. Further, in the present technology, as illustrated in FIGS. 20 and 21, a layer set is newly defined by VPS_extension for the number of layers expanded by layer_extension_factor. That is, when the value of layer_extension_factor_minus1 is other than 0, information on the layer set is set in VPS_extension.
  • scalable coding processing including 64 or more layers can be performed.
  • layer_extension_flag may be set, and the syntax element layer_extension_factor_minus1 may be set in VPS_extension only when the value of layer_extension_flag is 1.
  • the inter-layer information setting unit that implements the above-described technology is configured as follows.
  • FIG. 22 is a block diagram illustrating a main configuration example of the inter-tier information setting unit 140 of FIG.
  • the inter-tier information setting unit 140 includes a hierarchy dependency buffer 181 and an extended hierarchy setting unit 182.
  • Information related to the dependency relationship in the reference layer is supplied from the enhancement layer image encoding unit 104-1 to the layer dependency buffer 181. That is, the hierarchy dependency relationship buffer 181 acquires information regarding the dependency relationship in the reference hierarchy. The information is further supplied to the extended hierarchy setting unit 182.
  • the extension hierarchy setting unit 182 performs the setting related to the extension hierarchy based on the method according to the present technology described above with reference to FIGS. That is, when there are 64 or more hierarchies, the extended hierarchy setting unit 182 sets layer_extension_flag to 1 in VPS and sets information related to the extended hierarchy in VPS_extension. On the other hand, when the extension layer setting unit 182 does not have 64 or more layers, layer_extension_flag is set to 0 in VPS, and setting in VPS_extension is not performed. Then, the enhancement layer setting unit 182 supplies information on the set enhancement layer to the motion prediction / compensation unit 135 and the lossless encoding unit 116.
  • the motion prediction / compensation unit 135 performs motion prediction / compensation processing based on the information related to the enhancement layer from the enhancement layer setting unit 182.
  • the lossless encoding unit 116 generates and encodes VPS and VPS_extension to transmit information on the enhancement layer to the decoding side as information indicating an inter prediction mode.
  • Information related to the dependency relationship in the reference layer is supplied from the enhancement layer image encoding unit 104-1 to the layer dependency buffer 181.
  • the information is further supplied to the extended hierarchy setting unit 182.
  • the extended gradation setting unit 182 determines whether or not it has 64 or more layers in step S191. If it is determined in step S191 that there are 64 or more layers, the process proceeds to step S192.
  • the extension gradation setting unit 182 sets layer_extension_flag to 1 in VPS as shown in FIG. 6 in step S192.
  • the extended gradation setting unit 182 sets information related to the extended hierarchy with VPS_extension. Then, the extended gradation setting unit 182 supplies the information to the motion prediction / compensation unit 135 and the lossless encoding unit 116. Thereafter, the inter-layer information setting process is terminated, and the process returns to FIG.
  • step S191 determines whether there are no more than 64 hierarchies. If it is determined in step S191 that there are no more than 64 hierarchies, the process proceeds to step S194.
  • the extension gradation setting unit 182 sets layer_extension_flag to 0 in VPS as shown in FIG. 6 in step S192. Then, the extended gradation setting unit 182 supplies the information to the motion prediction / compensation unit 135 and the lossless encoding unit 116. Thereafter, the inter-layer information setting process is terminated, and the process returns to FIG.
  • the motion prediction / compensation unit 135 performs a motion prediction / compensation process based on the information related to the enhancement layer from the enhancement gradation setting unit 182 in step S155 of FIG.
  • the lossless encoding unit 116 encodes the information related to the enhancement layer from the enhancement gradation setting unit 182 for transmission to the decoding side as information indicating the inter prediction mode.
  • scalable coding of the present technology it is possible to define more than 64 layers by setting VPS and VPS_extension, so scalable coding processing including more than 64 layers can be performed. It becomes possible to do.
  • FIG. 24 is a block diagram illustrating a main configuration example of a scalable decoding device corresponding to the scalable encoding device 100 of FIG.
  • the scalable decoding device 200 illustrated in FIG. 24 performs scalable decoding on encoded data obtained by scalable encoding of image data by the scalable encoding device 100, for example, by a method corresponding to the encoding method.
  • scalable decoding apparatus 200 includes common information acquisition section 201, decoding control section 202, base layer image decoding section 203, enhancement layer image decoding section 204-1 and enhancement layer image decoding section 204-2.
  • the enhancement layer image decoding units 204-1 and 204-2 are collectively referred to as an enhancement layer image decoding unit 204 unless it is necessary to distinguish between them.
  • an example of two enhancement layer image decoding units 204 is shown.
  • the common information acquisition unit 201 acquires common information (for example, a video parameter set (VPS)) transmitted from the encoding side.
  • the common information acquisition unit 201 extracts information related to decoding from the acquired common information and supplies it to the decoding control unit 202. Further, the common information acquisition unit 201 appropriately supplies part or all of the common information to the base layer image decoding unit 203 to the enhancement layer image decoding unit 204-2.
  • common information for example, a video parameter set (VPS)
  • the decoding control unit 202 acquires information related to decoding supplied from the common information acquisition unit 201, and controls the base layer image decoding unit 203 to the enhancement layer image decoding unit 204-2 based on the information, thereby Control layer decoding.
  • the base layer image decoding unit 203 is an image decoding unit corresponding to the base layer image encoding unit 103, and for example, base layer encoded data obtained by encoding base layer image information by the base layer image encoding unit 103. To get.
  • the base layer image decoding unit 203 decodes the base layer encoded data without using the information of other layers, reconstructs the base layer image information, and outputs it.
  • the enhancement layer image decoding unit 204 is an image decoding unit corresponding to the enhancement layer image encoding unit 104, for example, enhancement layer encoded data obtained by encoding enhancement layer image information by the enhancement layer image encoding unit 104. To get.
  • the enhancement layer image decoding unit 204 decodes the enhancement layer encoded data.
  • the enhancement layer image decoding unit 204 receives the inter-layer information transmitted from the encoding side and performs a decoding process.
  • the inter-layer information includes inter-layer information necessary for performing processing between layers, that is, inter-layer information indicating whether or not the picture is a skip picture, or 64 or more layers. In this case, it is information between layers indicating the hierarchy dependency in the case.
  • the enhancement layer image decoding unit 204 performs motion compensation using such received inter-layer information, generates a prediction image, reconstructs enhancement layer image information using the prediction image, and outputs the reconstruction layer image information.
  • the enhancement layer image decoding unit 204 When decoding enhancement layer image information, the enhancement layer image decoding unit 204 obtains another enhancement layer decoded image (or base layer decoded image), up-samples it, and then performs motion prediction. Used as one of the reference pictures.
  • FIG. 25 is a block diagram illustrating a main configuration example of the base layer image decoding unit 203 of FIG.
  • the base layer image decoding unit 203 includes a storage buffer 211, a lossless decoding unit 212, an inverse quantization unit 213, an inverse orthogonal transform unit 214, a calculation unit 215, a deblocking filter 216, and a screen rearrangement buffer 217. And a D / A converter 218.
  • the base layer image decoding unit 203 includes a frame memory 219, a selection unit 220, an intra prediction unit 221, a motion compensation unit 222, and a selection unit 223.
  • the base layer image decoding unit 203 includes an adaptive offset filter 224 between the deblocking filter 216 and the screen rearrangement buffer 217 and the frame memory 219.
  • Accumulation buffer 211 is also a receiving unit that receives transmitted base layer encoded data.
  • the accumulation buffer 211 receives and accumulates the transmitted base layer encoded data, and supplies the encoded data to the lossless decoding unit 212 at a predetermined timing.
  • Information necessary for decoding such as prediction mode information is added to the base layer encoded data.
  • the lossless decoding unit 212 decodes the information supplied from the accumulation buffer 211 and encoded by the lossless encoding unit 116 by a method corresponding to the encoding method of the lossless encoding unit 116.
  • the lossless decoding unit 212 supplies the quantized coefficient data of the difference image obtained by decoding to the inverse quantization unit 213.
  • the lossless decoding unit 212 appropriately extracts and acquires NAL units including a video parameter set (VPS), a sequence parameter set (SPS), a picture parameter set (PPS), and the like included in the base layer encoded data.
  • the lossless decoding unit 212 extracts information on the optimum prediction mode from the information, determines whether the intra prediction mode or the inter prediction mode is selected as the optimum prediction mode based on the information, and Information regarding the optimal prediction mode is supplied to the mode determined to be selected from the intra prediction unit 221 and the motion compensation unit 222. That is, for example, when the intra prediction mode is selected as the optimal prediction mode in the base layer image encoding unit 103, information regarding the optimal prediction mode is supplied to the intra prediction unit 221.
  • the lossless decoding unit 212 supplies information necessary for the enhancement layer image decoding unit 204-1 to set inter-layer information to the enhancement layer image decoding unit 204-1.
  • the lossless decoding unit 212 extracts information necessary for inverse quantization, such as a quantization matrix and a quantization parameter, from a NAL unit or the like, and supplies it to the inverse quantization unit 213.
  • the inverse quantization unit 213 inversely quantizes the quantized coefficient data obtained by decoding by the lossless decoding unit 212 using a method corresponding to the quantization method of the quantization unit 115.
  • the inverse quantization unit 213 is a processing unit similar to the inverse quantization unit 118. That is, the description of the inverse quantization unit 213 can be applied to the inverse quantization unit 118. However, the data input / output destinations and the like need to be changed appropriately according to the device.
  • the inverse quantization unit 213 supplies the obtained coefficient data to the inverse orthogonal transform unit 214.
  • the inverse orthogonal transform unit 214 performs inverse orthogonal transform on the coefficient data supplied from the inverse quantization unit 213 using a method corresponding to the orthogonal transform method of the orthogonal transform unit 114.
  • the inverse orthogonal transform unit 214 is a processing unit similar to the inverse orthogonal transform unit 119. That is, the description of the inverse orthogonal transform unit 214 can be applied to the inverse orthogonal transform unit 119. However, the data input / output destinations and the like need to be changed appropriately according to the device.
  • the inverse orthogonal transform unit 214 obtains decoded residual data corresponding to the residual data before being orthogonally transformed by the orthogonal transform unit 114 by the inverse orthogonal transform process.
  • the decoded residual data obtained by the inverse orthogonal transform is supplied to the calculation unit 215.
  • a prediction image is supplied to the calculation unit 215 from the intra prediction unit 221 or the motion compensation unit 222 via the selection unit 223.
  • the calculating unit 215 adds the decoded residual data and the predicted image, and obtains decoded image data corresponding to the image data before the predicted image is subtracted by the calculating unit 113.
  • the arithmetic unit 215 supplies the decoded image data to the deblocking filter 216.
  • the deblocking filter 216 removes block distortion of the decoded image by performing a deblocking filter process on the decoded image.
  • the deblocking filter 216 supplies the filtered image to the adaptive offset filter 224.
  • the adaptive offset filter 224 performs an adaptive offset filter (SAO: Sample adaptive offset) process that mainly removes ringing from the deblocking filter processing result (decoded image from which block distortion has been removed) from the deblocking filter 216. I do.
  • SAO Sample adaptive offset
  • the adaptive offset filter 224 receives the type and offset of adaptive offset filter processing for each LCU (Largest Coding Unit), which is the maximum coding unit, from the lossless decoding unit 212 (not shown).
  • the adaptive offset filter 224 performs the received type of adaptive offset filter processing on the image after the adaptive deblocking filter processing, using the received offset. Then, the adaptive offset filter 224 supplies the image after the adaptive offset filter processing (hereinafter referred to as a decoded image) to the screen rearrangement buffer 217 and the frame memory 219.
  • the decoded image output from the calculation unit 215 can be supplied to the screen rearrangement buffer 217 and the frame memory 219 without passing through the deblocking filter 216 and the adaptive offset filter 224. That is, part or all of the filtering process by the deblocking filter 216 can be omitted.
  • An adaptive loop filter may be provided after the adaptive offset filter 224.
  • the screen rearrangement buffer 217 rearranges the decoded images. That is, the order of frames rearranged for the encoding order by the screen rearrangement buffer 112 is rearranged in the original display order.
  • the D / A conversion unit 218 performs D / A conversion on the image supplied from the screen rearrangement buffer 217, and outputs and displays the image on a display (not shown).
  • the frame memory 219 stores the supplied decoded image, and uses the stored decoded image as a reference image at a predetermined timing or based on an external request such as the intra prediction unit 221 or the motion compensation unit 222. This is supplied to the selection unit 220. Note that the decoded image in the frame memory 219 is supplied as a reference picture to the enhancement layer image decoding unit 204-1 and the enhancement layer image decoding unit 204-2 as necessary.
  • the eyelid selection unit 220 selects a reference image supply destination supplied from the frame memory 219.
  • the selection unit 220 supplies the reference image supplied from the frame memory 219 to the intra prediction unit 221 when decoding an intra-coded image.
  • the selection unit 220 supplies the reference image supplied from the frame memory 219 to the motion compensation unit 222 when decoding an inter-encoded image.
  • the intra prediction unit 221 is appropriately supplied with information indicating the intra prediction mode obtained by decoding the header information from the lossless decoding unit 212.
  • the intra prediction unit 221 performs intra prediction using the reference image acquired from the frame memory 219 in the intra prediction mode used in the intra prediction unit 124, and generates a predicted image.
  • the intra prediction unit 221 supplies the generated predicted image to the selection unit 223.
  • the eyelid motion compensation unit 222 acquires information (optimum prediction mode information, reference image information, etc.) obtained by decoding the header information from the lossless decoding unit 212.
  • the heel motion compensation unit 222 performs motion compensation using the reference image acquired from the frame memory 219 in the inter prediction mode indicated by the optimal prediction mode information acquired from the lossless decoding unit 212, and generates a predicted image.
  • the eyelid motion compensation unit 222 supplies the generated predicted image to the selection unit 223.
  • the eyelid selection unit 223 supplies the prediction image from the intra prediction unit 221 or the prediction image from the motion compensation unit 222 to the calculation unit 215.
  • the arithmetic unit 215 adds the predicted image generated using the motion vector and the decoded residual data (difference image information) from the inverse orthogonal transform unit 214 to decode the original image.
  • FIG. 26 is a block diagram illustrating a main configuration example of the enhancement layer image decoding unit 204-2 in FIG.
  • the enhancement layer image decoding unit 204-1 has the same configuration as the enhancement layer image encoding unit 104-2 in FIG.
  • the enhancement layer image decoding unit 204-2 has basically the same configuration as the base layer image decoding unit 203 of FIG.
  • each unit of the enhancement layer image decoding unit 204-2 performs processing for decoding enhancement layer encoded data, not the base layer. That is, the accumulation buffer 211 of the enhancement layer image decoding unit 204-2 stores the enhancement layer encoded data, and the D / A conversion unit 218 of the enhancement layer image decoding unit 204-2 stores the enhancement layer image information, for example, The data is output to a recording device (recording medium) or a transmission path (not shown) in the subsequent stage.
  • the lossless decoding unit 212 sets information necessary for the enhancement layer image decoding unit 204-3 to set inter-layer information, for example, And supplied to the enhancement layer image decoding unit 204-3. In this case, the decoded image in the frame memory 219 is supplied as a reference picture to the enhancement layer image decoding unit 204-3 as necessary.
  • the enhancement layer image decoding unit 204-2 includes a motion compensation unit 232 instead of the motion compensation unit 222. Furthermore, unlike the base layer image decoding unit 203, an enhancement layer image encoding unit 204-2 is provided with an inter-layer information receiving unit 240 and an upsampling unit 241.
  • the heel motion compensation unit 232 performs motion compensation according to the inter-layer information set by the inter-layer information setting unit 240. That is, the motion compensation unit 232 performs basically the same processing as the motion compensation unit 222 except that the inter-layer information received by the inter-layer information reception unit 240 is referred to.
  • the inter-layer information receiving unit 240 receives the inter-layer information supplied from the lossless decoding unit 212 and supplies the received inter-layer information to the motion compensation unit 232.
  • the upsampling unit 241 acquires the reference layer decoded image from the enhancement layer image decoding unit 204-1 as a reference picture, and upsamples the acquired reference picture.
  • the upsampling unit 241 stores the upsampled reference picture in the frame memory 219.
  • FIG. 27 is a block diagram illustrating a main configuration example of the inter-tier information receiving unit 240 of FIG. 27 has a configuration corresponding to the inter-layer information setting unit 140 in FIG.
  • the inter-layer information receiving unit 240 includes a reference layer picture type buffer 251 and a skip picture receiving unit 252.
  • Information regarding whether or not a picture in the reference layer is a skip picture is supplied from the enhancement layer image decoding unit 204-1 to the reference layer picture type buffer 251.
  • the information is further supplied to the skip picture receiving unit 252. 27, it is configured in the example of FIG. 27, but on the decoding side, if the picture of the layer is a skip picture from the information obtained from the bitstream, the picture of the reference layer is not a skip picture on the encoding side. Therefore, the reference layer picture type buffer 251 is not necessary.
  • the skip picture receiving unit 252 receives information regarding whether the picture in the layer is a skip picture from the lossless decoding unit 212 as inter-layer information. Then, the skip picture reception unit 252 supplies the received information to the motion compensation unit 232.
  • the skip picture receiving unit 252 does not receive, from the lossless decoding unit 212, information regarding whether the picture in the layer is a skip picture as inter-layer information. That is, it is prohibited that a picture in the hierarchy becomes a skip picture.
  • the motion compensation unit 232 performs motion compensation processing based on the information from the skip picture reception unit 252 regarding whether the picture in the layer is a skip picture.
  • step S401 the decoding control unit 202 of the scalable decoding device 200 sets the first layer as a processing target.
  • step S402 the decoding control unit 202 determines whether or not the current layer to be processed is a base layer. If it is determined that the current layer is the base layer, the process proceeds to step S403.
  • step S403 the base layer image decoding unit 203 performs base layer decoding processing.
  • step S403 ends, the process proceeds to step S406.
  • step S402 If it is determined in step S402 that the current layer is an enhancement layer, the process proceeds to step S404.
  • step S404 the decoding control unit 202 determines a reference layer corresponding to the current layer (that is, a reference destination).
  • the reference layer may be a base layer.
  • step S405 the enhancement layer image decoding unit 204 performs enhancement layer decoding processing.
  • step S405 ends, the process proceeds to step S406.
  • step S406 the decoding control unit 202 determines whether all layers have been processed. If it is determined that there is an unprocessed layer, the process proceeds to step S407.
  • step S407 the decoding control unit 202 sets the next unprocessed layer as a processing target (current layer).
  • the process of step S407 ends, the process returns to step S402.
  • the processing from step S402 to step S407 is repeatedly executed, and each layer is decoded.
  • step S406 If it is determined in step S406 that all layers have been processed, the decoding process ends.
  • step S421 the accumulation buffer 211 of the base layer image decoding unit 203 accumulates the base layer bit stream transmitted from the encoding side.
  • step S422 the lossless decoding unit 212 decodes the base layer bitstream (encoded difference image information) supplied from the accumulation buffer 211. That is, the I picture, P picture, and B picture encoded by the lossless encoding unit 116 are decoded. At this time, various information other than the difference image information included in the bit stream such as header information is also decoded.
  • the lossless decoding unit 212 includes information necessary for the enhancement layer image decoding unit 204-1 to set inter-layer information (information on whether a picture in the layer is a skip picture, Information on the dependency relationship in the hierarchy) is supplied to the enhancement layer image decoding unit 204-1.
  • step S423 the inverse quantization unit 213 inversely quantizes the quantized coefficient obtained by the process in step S422.
  • step S424 the inverse orthogonal transform unit 214 performs inverse orthogonal transform on the current block (current TU).
  • step S425 the intra prediction unit 221 or the motion compensation unit 222 performs a prediction process to generate a predicted image. That is, the prediction process is performed in the prediction mode that is determined in the lossless decoding unit 212 and applied at the time of encoding. More specifically, for example, when intra prediction is applied at the time of encoding, the intra prediction unit 221 generates a prediction image in the intra prediction mode that is optimized at the time of encoding. For example, when inter prediction is applied at the time of encoding, the motion compensation unit 222 generates a prediction image in an inter prediction mode that is optimized at the time of encoding.
  • step S426 the calculation unit 215 adds the predicted image generated in step S425 to the difference image information generated by the inverse orthogonal transform process in step S424. As a result, the original image is decoded.
  • step S427 the deblocking filter 216 performs deblocking filter processing on the decoded image obtained in step S426. Thereby, block distortion and the like are removed.
  • step S428, the adaptive offset filter 224 performs adaptive offset filter processing that mainly removes ringing on the deblocking filter processing result from the deblocking filter 216.
  • step S429 the screen rearrangement buffer 217 rearranges the images from which ringing has been removed in step S428. That is, the order of frames rearranged for encoding by the screen rearrangement buffer 112 is rearranged in the original display order.
  • step S430 the D / A conversion unit 218 performs D / A conversion on the image in which the frame order is rearranged in step S429. This image is output to a display (not shown), and the image is displayed.
  • step S431 the frame memory 219 stores the image that has been subjected to the adaptive offset filter processing in step S428.
  • the image stored in the frame memory 219 is used for the processing in step S425, and is further supplied to the enhancement layer image decoding unit 204-1.
  • the base layer decoding process ends, and the process returns to FIG.
  • the base layer decoding process is executed in units of pictures, for example. That is, the base layer decoding process is executed for each picture in the current layer. However, each process in the base layer decoding process is performed for each processing unit.
  • steps S451 to S454 of the enhancement layer decoding process and steps S456 to S462 are performed in the same manner as the processes of steps S421 to S431 of the base layer decoding process.
  • each process of the enhancement layer decoding process is performed on the enhancement layer encoded data by each processing unit of the enhancement layer image decoding unit 204.
  • step S455 the inter-layer information receiving unit 240 of the enhancement layer image decoding unit 204 is an inter-layer information that is necessary for processing between the reference layer and the current layer based on the information about the reference layer. Receive information. Details of the inter-layer information reception process will be described later with reference to FIG.
  • the enhancement layer decoding process ends, and the process returns to FIG.
  • the enhancement layer decoding process is executed in units of pictures, for example. That is, the enhancement layer decoding process is executed for each picture in the current layer. However, each process in the enhancement layer decoding process is performed for each processing unit.
  • Information regarding whether or not a picture in the reference layer is a skip picture is supplied from the enhancement layer image decoding unit 204-1 to the reference layer picture type buffer 251. The information is further supplied to the skip picture receiving unit 252.
  • step S471 the skip picture receiving unit 252 refers to the information from the reference layer picture type buffer 251 and determines whether or not the reference picture is a skip picture. If it is determined in step S471 that the reference picture is a skip picture, step S472 is skipped, the inter-layer information reception process is terminated, and the process returns to FIG.
  • step S471 if it is not determined in step S471 that the reference picture is a skip picture, the process proceeds to step S472.
  • step S472 the skip picture receiving unit 252 receives information from the lossless decoding unit 212 regarding whether the picture in the layer is a skip picture. Then, the skip picture reception unit 252 supplies the information to the motion compensation unit 232. Thereafter, the inter-layer information setting process is ended, and the process returns to FIG.
  • step S456 of FIG. 30 the motion compensation unit 232 performs motion compensation processing based on the information from the skip picture reception unit 252 regarding whether the picture in the layer is a skip picture.
  • the scalable decoding device of the present technology when a picture of a reference layer is a skip picture, an image of the layer is prohibited from becoming a skip picture. A decrease in image quality can be suppressed.
  • FIG. 32 is a block diagram illustrating a main configuration example of the inter-layer information receiving unit 240 of FIG. 32 has a configuration corresponding to the inter-layer information setting unit 140 in FIG.
  • the inter-layer information receiving unit 240 includes a layer dependency buffer 281 and an extended layer receiving unit 282.
  • Information related to the dependency relationship in the reference layer is supplied from the enhancement layer image decoding unit 204-1 to the layer dependency relationship buffer 281.
  • the information is further supplied to the enhancement layer receiving unit 282.
  • information on the dependency relationship in the reference layer is obtained from the bit stream on the decoding side, and thus the layer dependency buffer 281 is not necessary.
  • the enhancement layer receiving unit 282 receives information on the enhancement layer from the lossless decoding unit 212 as inter-layer information. First, the enhancement layer reception unit 282 receives layer_extension_flag from the lossless decoding unit 212 in VPS.
  • the extension layer receiving unit 282 receives information on the extension layer from the lossless decoding unit 212 using VPS_extension. Then, the enhancement layer reception unit 282 supplies the received information regarding the enhancement layer to the motion compensation unit 232.
  • the extension layer receiving unit 282 does not receive information on the extension layer from the lossless decoding unit 212 using the VPS_extension. That is, reception of the information is prohibited.
  • the motion compensation unit 232 performs motion compensation processing based on the information related to the enhancement layer from the enhancement layer reception unit 282.
  • Information related to the dependency relationship in the reference layer is supplied from the enhancement layer image decoding unit 204-1 to the layer dependency relationship buffer 281. The information is further supplied to the enhancement layer receiving unit 282.
  • the extension layer reception unit 282 receives layer_extension_flag in the VPS from the lossless decoding unit 212 in step S491.
  • the extension layer receiving unit 282 determines whether or not layer_extension_flag is 1 in step S492. If it is determined in step S492 that layer_extension_flag is 1, the process proceeds to step S493. In step S493, the enhancement layer receiving unit 282 receives information on the enhancement layer from the lossless decoding unit 212 using VPS_extension. Then, the enhancement layer reception unit 282 supplies the received information regarding the enhancement layer to the motion compensation unit 232. Thereafter, the inter-tier information reception process is terminated, and the process returns to FIG.
  • step S492 determines whether layer_extension_flag is 0, the process skips step S493. Thereafter, the inter-tier information reception process is terminated, and the process returns to FIG.
  • the motion compensation unit 232 performs a motion compensation process based on the information related to the enhancement layer from the enhancement layer reception unit 282 in step S455 of FIG.
  • the scalable decoding device of the present technology it is possible to define 64 or more layers by setting VPS and VPS_extension, and therefore, scalable encoding processing including 64 or more layers can be performed. It becomes possible to do.
  • processing related to hierarchies can be performed smoothly. That is, it is possible to suppress a decrease in image quality of the current image that is output.
  • scalable encoding processing including 64 or more layers can be performed.
  • image data is hierarchized into a plurality of layers by scalable coding, but the number of layers is arbitrary. Further, for example, as shown in the example of FIG. 34, some pictures may be hierarchized.
  • the enhancement layer has been described as being processed using the information of the base layer. However, the enhancement layer is not limited to this, and other enhancement layers that have been processed may be processed. Processing may be performed using information.
  • the layers described above include views in multi-view image encoding / decoding. That is, the present technology can be applied to multi-view image encoding / multi-view image decoding.
  • FIG. 35 shows an example of a multi-view image encoding method.
  • a multi-viewpoint image includes images of a plurality of viewpoints (views), and an image of a predetermined one viewpoint among the plurality of viewpoints is designated as a base-view image.
  • Each viewpoint image other than the base view image is treated as a non-base view image.
  • each view image is encoded / decoded.
  • the above-described method may be applied to the encoding / decoding of each view. Good. That is, information between layers (views) may be set in a plurality of views in such multi-viewpoint encoding / decoding.
  • the application range of the present technology can be applied to any image encoding device and image decoding device based on a scalable encoding / decoding method.
  • the present technology is disclosed in, for example, MPEG, H.264, and the like.
  • image information compressed by orthogonal transformation such as discrete cosine transformation and motion compensation, such as 26x
  • network media such as satellite broadcasting, cable television, the Internet, or mobile phones.
  • the present invention can be applied to an image encoding device and an image decoding device used in the above.
  • the present technology can be applied to an image encoding device and an image decoding device that are used when processing on a storage medium such as an optical, magnetic disk, and flash memory.
  • Third Embodiment> ⁇ Computer>
  • the series of processes described above can be executed by hardware or can be executed by software.
  • a program constituting the software is installed in the computer.
  • the computer includes, for example, a general-purpose personal computer that can execute various functions by installing a computer incorporated in dedicated hardware and various programs.
  • FIG. 36 is a block diagram showing an example of the hardware configuration of a computer that executes the above-described series of processing by a program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • An input / output interface 810 is also connected to the bus 804.
  • An input unit 811, an output unit 812, a storage unit 813, a communication unit 814, and a drive 815 are connected to the input / output interface 810.
  • the bag input unit 811 includes, for example, a keyboard, a mouse, a microphone, a touch panel, an input terminal, and the like.
  • the output unit 812 includes, for example, a display, a speaker, an output terminal, and the like.
  • the storage unit 813 includes, for example, a hard disk, a RAM disk, a nonvolatile memory, and the like.
  • the communication unit 814 includes a network interface, for example.
  • the drive 815 drives a removable medium 821 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory.
  • the CPU 801 loads the program stored in the storage unit 813 into the RAM 803 via the input / output interface 810 and the bus 804 and executes the program, for example. Is performed.
  • the RAM 803 also appropriately stores data necessary for the CPU 801 to execute various processes.
  • the program executed by the computer (CPU 801) can be recorded and applied to, for example, a removable medium 821 as a package medium or the like.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the storage unit 813 via the input / output interface 810 by attaching the removable medium 821 to the drive 815.
  • the program can be received by the communication unit 814 via a wired or wireless transmission medium and installed in the storage unit 813.
  • the program can be installed in the ROM 802 or the storage unit 813 in advance.
  • the program executed by the computer may be a program that is processed in time series in the order described in this specification, or in parallel or at a necessary timing such as when a call is made. It may be a program for processing.
  • the step of describing the program recorded on the recording medium is not limited to the processing performed in chronological order according to the described order, but may be performed in parallel or It also includes processes that are executed individually.
  • the system means a set of a plurality of components (devices, modules (parts), etc.), and it does not matter whether all the components are in the same housing. Accordingly, a plurality of devices housed in separate housings and connected via a network and a single device housing a plurality of modules in one housing are all systems. .
  • the configuration described as one device (or processing unit) may be divided and configured as a plurality of devices (or processing units). Conversely, the configurations described above as a plurality of devices (or processing units) may be combined into a single device (or processing unit). Of course, a configuration other than that described above may be added to the configuration of each device (or each processing unit). Furthermore, if the configuration and operation of the entire system are substantially the same, a part of the configuration of a certain device (or processing unit) may be included in the configuration of another device (or other processing unit). .
  • the present technology can take a configuration of cloud computing in which one function is shared by a plurality of devices via a network and is jointly processed.
  • each step described in the above flowchart can be executed by one apparatus or can be shared by a plurality of apparatuses.
  • the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • An image encoding device and an image decoding device include a transmitter or a receiver in optical broadcasting, satellite broadcasting, cable broadcasting such as cable TV, distribution on the Internet, and distribution to terminals by cellular communication, etc.
  • the present invention can be applied to various electronic devices such as a recording device that records an image on a medium such as 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 a magnetic disk and a flash memory
  • a playback device that reproduces an image from these storage media.
  • FIG. 37 shows an example of a schematic configuration of a television apparatus to which the above-described embodiment is applied.
  • 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.
  • the tuner 902 extracts a signal of a desired channel from a broadcast signal received via the antenna 901, and demodulates the extracted signal. Then, the tuner 902 outputs the encoded bit stream obtained by the demodulation to the demultiplexer 903. That is, the tuner 902 has a role as a transmission unit in the television device 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. Further, 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 an image on a video screen of a display device (for example, a liquid crystal display, a plasma display, or an OELD (Organic ElectroLuminescence Display) (organic EL display)). Or an image is displayed.
  • a display device for example, a liquid crystal display, a plasma display, or an OELD (Organic ElectroLuminescence Display) (organic EL display)). Or an image is displayed.
  • 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 device 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 bag control unit 910 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, 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 apparatus 900 is activated.
  • the CPU executes the program to control the operation of the television device 900 according to an operation signal input from the user interface 911, for example.
  • 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.
  • a bus 912 connects a tuner 902, a demultiplexer 903, a decoder 904, a video signal processing unit 905, an audio signal processing unit 907, an external interface 909, and a control unit 910 to each other.
  • the decoder 904 has the function of the scalable decoding device 200 according to the above-described embodiment. Thereby, when decoding an image on the television device 900, processing related to the hierarchy can be smoothly performed. That is, it is possible to suppress a decrease in image quality of the current image that is output. Alternatively, scalable encoding processing including 64 or more layers can be performed.
  • FIG. 38 shows an example of a schematic configuration of a mobile phone to which the above-described embodiment is applied.
  • 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 cage 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 decompresses 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.
  • control unit 931 in the data communication mode, for example, the control unit 931 generates character data constituting an e-mail in response to an operation by the user via the operation unit 932. In addition, the control unit 931 causes the display unit 930 to display characters. In addition, 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. 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 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 a readable / writable arbitrary storage medium.
  • the storage medium may be a built-in storage medium such as a RAM or a flash memory, or an externally mounted type such as a hard disk, magnetic disk, magneto-optical disk, optical disk, USB (Universal Serial Bus) memory, or memory card. It may be a storage medium.
  • 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 storage / 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 scalable encoding device 100 and the scalable decoding device 200 according to the above-described embodiment. Thereby, when encoding and decoding an image with the mobile phone 920, processing related to layers can be smoothly performed. That is, it is possible to suppress a decrease in image quality of the current image that is output. Alternatively, scalable encoding processing including 64 or more layers can be performed.
  • FIG. 39 shows an example of a schematic configuration of a recording / reproducing apparatus to which the above-described embodiment is applied.
  • 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 serves as a transmission unit in the recording / reproducing apparatus 940.
  • the external interface 942 is an interface for connecting the recording / reproducing device 940 to an external device or a network.
  • the external interface 942 may be, for example, an IEEE1394 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.
  • Encoder 943 encodes video data and audio data when video data and audio data input from 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 are compressed, various programs, and other data on an internal hard disk. Further, the HDD 944 reads out these data from the hard disk when reproducing video and audio.
  • the disk drive 945 records and reads data to and from the mounted recording medium.
  • the recording medium mounted on the disk drive 945 is, 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. It may be.
  • 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 bag 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 apparatus 940 in accordance with 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 scalable encoding apparatus 100 according to the above-described embodiment.
  • the decoder 947 has the function of the scalable decoding device 200 according to the above-described embodiment.
  • FIG. 40 illustrates an example of a schematic configuration of an imaging apparatus to which the above-described embodiment is applied.
  • 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 (Charge-Coupled Device) or a CMOS (Complementary Metal-Oxide Semiconductor), 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.
  • CCD Charge-Coupled Device
  • CMOS Complementary Metal-Oxide Semiconductor
  • the eyelid 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 haze image processing unit 964 encodes the image data input from the signal processing unit 963 to generate 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 loaded in 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.
  • a recording medium may be fixedly mounted on 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.
  • the bag 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 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 scalable encoding device 100 and the scalable decoding device 200 according to the above-described embodiment. Thereby, when the image is encoded and decoded by the imaging device 960, processing related to the hierarchy can be smoothly performed. That is, it is possible to suppress a decrease in image quality of the current image that is output. Alternatively, scalable encoding processing including 64 or more layers can be performed.
  • the distribution server 1002 reads the scalable encoded data stored in the scalable encoded data storage unit 1001, and via the network 1003, the personal computer 1004, the AV device 1005, the tablet This is distributed to the terminal device such as the device 1006 and the mobile phone 1007.
  • the distribution server 1002 selects and transmits encoded data of appropriate quality according to the capability of the terminal device, the communication environment, and the like. Even if the distribution server 1002 transmits high-quality data unnecessarily, a high-quality image is not always obtained in the terminal device, which may cause a delay or an overflow. Moreover, there is a possibility that the communication band is unnecessarily occupied or the load on the terminal device is unnecessarily increased. On the other hand, even if the distribution server 1002 transmits unnecessarily low quality data, there is a possibility that an image with sufficient image quality cannot be obtained in the terminal device. Therefore, the distribution server 1002 appropriately reads and transmits the scalable encoded data stored in the scalable encoded data storage unit 1001 as encoded data having an appropriate quality with respect to the capability and communication environment of the terminal device. .
  • the scalable encoded data storage unit 1001 stores scalable encoded data (BL + EL) 1011 encoded in a scalable manner.
  • the scalable encoded data (BL + EL) 1011 is encoded data including both a base layer and an enhancement layer, and is a data that can be decoded to obtain both a base layer image and an enhancement layer image. It is.
  • Distribution server 1002 selects an appropriate layer according to the capability of the terminal device that transmits data, the communication environment, and the like, and reads the data of that layer. For example, the distribution server 1002 reads high-quality scalable encoded data (BL + EL) 1011 from the scalable encoded data storage unit 1001 and transmits it to the personal computer 1004 and the tablet device 1006 with high processing capability as they are. . On the other hand, for example, the distribution server 1002 extracts base layer data from the scalable encoded data (BL + EL) 1011 for the AV device 1005 and the cellular phone 1007 having a low processing capability, and performs scalable encoding. Although it is data of the same content as the data (BL + EL) 1011, it is transmitted as scalable encoded data (BL) 1012 having a lower quality than the scalable encoded data (BL + EL) 1011.
  • BL scalable encoded data
  • scalable encoded data By using scalable encoded data in this way, the amount of data can be easily adjusted, so that the occurrence of delays and overflows can be suppressed, and unnecessary increases in the load on terminal devices and communication media can be suppressed. be able to.
  • scalable encoded data (BL + EL) 1011 since scalable encoded data (BL + EL) 1011 has reduced redundancy between layers, the amount of data can be reduced as compared with the case where encoded data of each layer is used as individual data. . Therefore, the storage area of the scalable encoded data storage unit 1001 can be used more efficiently.
  • the hardware performance of the terminal device varies depending on the device.
  • the application which a terminal device performs is also various, the capability of the software is also various.
  • the network 1003 serving as a communication medium can be applied to any communication network including wired, wireless, or both, such as the Internet and a LAN (Local Area Network), and has various data transmission capabilities. Furthermore, there is a risk of change due to other communications.
  • the distribution server 1002 communicates with the terminal device that is the data transmission destination before starting data transmission, and the hardware performance of the terminal device, the performance of the application (software) executed by the terminal device, etc. Information regarding the capability of the terminal device and information regarding the communication environment such as the available bandwidth of the network 1003 may be obtained. The distribution server 1002 may select an appropriate layer based on the information obtained here.
  • the layer extraction may be performed by the terminal device.
  • the personal computer 1004 may decode the transmitted scalable encoded data (BL + EL) 1011 and display a base layer image or an enhancement layer image. Further, for example, the personal computer 1004 extracts the base layer scalable encoded data (BL) 1012 from the transmitted scalable encoded data (BL + EL) 1011 and stores it or transfers it to another device. The base layer image may be displayed after decoding.
  • the data transmission system 1000 may be any system as long as it transmits a scalable encoded data to a terminal device by selecting an appropriate layer according to the capability of the terminal device or a communication environment. Can be applied to the system.
  • the present technology is applied in the same manner as the application to the hierarchical encoding / decoding described above in the first embodiment and the second embodiment. Effects similar to those described above in the first embodiment and the second embodiment can be obtained.
  • scalable coding is used for transmission via a plurality of communication media, for example, as shown in FIG.
  • a broadcasting station 1101 transmits base layer scalable encoded data (BL) 1121 by terrestrial broadcasting 1111. Also, the broadcast station 1101 transmits enhancement layer scalable encoded data (EL) 1122 via an arbitrary network 1112 including a wired or wireless communication network or both (for example, packetized transmission).
  • BL base layer scalable encoded data
  • EL enhancement layer scalable encoded data
  • Terminal device 1102 has a reception function of terrestrial broadcast 1111 broadcasted by broadcast station 1101 and receives base layer scalable encoded data (BL) 1121 transmitted via terrestrial broadcast 1111.
  • the terminal apparatus 1102 further has a communication function for performing communication via the network 1112, and receives enhancement layer scalable encoded data (EL) 1122 transmitted via the network 1112.
  • BL base layer scalable encoded data
  • EL enhancement layer scalable encoded data
  • the terminal device 1102 decodes the base layer scalable encoded data (BL) 1121 acquired via the terrestrial broadcast 1111 according to, for example, a user instruction, and obtains or stores a base layer image. Or transmit to other devices.
  • BL base layer scalable encoded data
  • the terminal device 1102 for example, in response to a user instruction, the base layer scalable encoded data (BL) 1121 acquired via the terrestrial broadcast 1111 and the enhancement layer scalable encoded acquired via the network 1112 Data (EL) 1122 is combined to obtain scalable encoded data (BL + EL), or decoded to obtain an enhancement layer image, stored, or transmitted to another device.
  • BL base layer scalable encoded data
  • EL enhancement layer scalable encoded acquired via the network 1112 Data
  • the scalable encoded data can be transmitted via, for example, different communication media for each layer. Therefore, the load can be distributed, and the occurrence of delay and overflow can be suppressed.
  • a communication medium used for transmission may be selected for each layer.
  • scalable encoded data (BL) 1121 of a base layer having a relatively large amount of data is transmitted via a communication medium having a wide bandwidth
  • scalable encoded data (EL) 1122 having a relatively small amount of data is transmitted. You may make it transmit via a communication medium with a narrow bandwidth.
  • the communication medium for transmitting the enhancement layer scalable encoded data (EL) 1122 is switched between the network 1112 and the terrestrial broadcast 1111 according to the available bandwidth of the network 1112. May be.
  • the number of layers is arbitrary, and the number of communication media used for transmission is also arbitrary.
  • the number of terminal devices 1102 serving as data distribution destinations is also arbitrary.
  • broadcasting from the broadcasting station 1101 has been described as an example, but the usage example is not limited to this.
  • the data transmission system 1100 can be applied to any system as long as it is a system that divides scalable encoded data into a plurality of layers and transmits them through a plurality of lines.
  • the present technology is applied in the same manner as the application to the hierarchical encoding / decoding described above in the first and second embodiments. Effects similar to those described above in the first embodiment and the second embodiment can be obtained.
  • scalable encoding is used for storing encoded data as in the example shown in FIG. 43, for example.
  • the imaging device 1201 performs scalable coding on image data obtained by imaging the subject 1211, and as scalable coded data (BL + EL) 1221, a scalable coded data storage device 1202. To supply.
  • the scalable encoded data storage device 1202 stores the scalable encoded data (BL + EL) 1221 supplied from the imaging device 1201 with quality according to the situation. For example, in the normal case, the scalable encoded data storage device 1202 extracts base layer data from the scalable encoded data (BL + EL) 1221, and the base layer scalable encoded data ( BL) 1222. On the other hand, for example, in the case of attention, the scalable encoded data storage device 1202 stores scalable encoded data (BL + EL) 1221 with high quality and a large amount of data.
  • the scalable encoded data storage device 1202 can store an image with high image quality only when necessary, so that an increase in the amount of data can be achieved while suppressing a reduction in the value of the image due to image quality degradation. And the use efficiency of the storage area can be improved.
  • the imaging device 1201 is a surveillance camera.
  • the monitoring target for example, an intruder
  • the content of the captured image is likely to be unimportant, so reduction of the data amount is given priority, and the image data (scalable coding) Data) is stored in low quality.
  • the image quality is given priority and the image data (scalable) (Encoded data) is stored with high quality.
  • the imaging apparatus 1201 may make a determination, and the determination result may be transmitted to the scalable encoded data storage device 1202.
  • the criterion for determining whether the time is normal or noting is arbitrary, and the content of the image as the criterion is arbitrary. Of course, conditions other than the contents of the image can also be used as the criterion. For example, it may be switched according to the volume or waveform of the recorded sound, may be switched at every predetermined time, or may be switched by an external instruction such as a user instruction.
  • the number of states is arbitrary, for example, normal, slightly attention, attention, very attention, etc.
  • three or more states may be switched.
  • the upper limit number of states to be switched depends on the number of layers of scalable encoded data.
  • the imaging apparatus 1201 may determine the number of layers for scalable coding according to the state. For example, in a normal case, the imaging apparatus 1201 may generate base layer scalable encoded data (BL) 1222 with low quality and a small amount of data, and supply the scalable encoded data storage apparatus 1202 to the scalable encoded data storage apparatus 1202. For example, when attention is paid, the imaging device 1201 generates scalable encoded data (BL + EL) 1221 having a high quality and a large amount of data, and supplies the scalable encoded data storage device 1202 to the scalable encoded data storage device 1202. May be.
  • BL base layer scalable encoded data
  • BL + EL scalable encoded data
  • the surveillance camera has been described as an example.
  • the use of the imaging system 1200 is arbitrary and is not limited to the surveillance camera.
  • the first technique and the second embodiment are applied in the same manner as the application to the hierarchical encoding / decoding described above, whereby the first technique is applied. Effects similar to those described above in the second embodiment and the second embodiment can be obtained.
  • FIG. 44 illustrates an example of a schematic configuration of a video set to which the present technology is applied.
  • the video set 1300 shown in FIG. 44 has such a multi-functional configuration, and a device having a function relating to image encoding and decoding (either or both of them) can be used for the function. It is a combination of devices having other related functions.
  • the video set 1300 includes a module group such as a video module 1311, an external memory 1312, a power management module 1313, and a front-end module 1314, and an associated module 1321, a camera 1322, a sensor 1323, and the like. And a device having a function.
  • a cocoon module is a component that has several functions that are related to each other and that have a coherent function.
  • the specific physical configuration is arbitrary. For example, a plurality of processors each having a function, electronic circuit elements such as resistors and capacitors, and other devices arranged on a wiring board or the like can be considered. . It is also possible to combine the module with another module, a processor, or the like to form a new module.
  • the video module 1311 is a combination of configurations having functions related to image processing, and includes an application processor, a video processor, a broadband modem 1333, and an RF module 1334.
  • the processor is a configuration in which a configuration having a predetermined function is integrated on a semiconductor chip by an SoC (System On Chip), and for example, there is also a system LSI (Large Scale Integration) or the like.
  • the configuration having the predetermined function may be a logic circuit (hardware configuration), a CPU, a ROM, a RAM, and the like, and a program (software configuration) executed using them. , Or a combination of both.
  • a processor has a logic circuit and a CPU, ROM, RAM, etc., a part of the function is realized by a logic circuit (hardware configuration), and other functions are executed by the CPU (software configuration) It may be realized by.
  • the application processor 1331 in FIG. 44 is a processor that executes an application related to image processing.
  • the application executed in the application processor 1331 not only performs arithmetic processing to realize a predetermined function, but also can control the internal and external configurations of the video module 1311 such as the video processor 1332 as necessary. .
  • the video processor 1332 is a processor having a function related to image encoding / decoding (one or both of them).
  • the broadband modem 1333 is a processor (or module) that performs processing related to wired or wireless (or both) broadband communication performed via a broadband line such as the Internet or a public telephone line network.
  • the broadband modem 1333 digitally modulates data to be transmitted (digital signal) to convert it into an analog signal, or demodulates the received analog signal to convert it into data (digital signal).
  • the broadband modem 1333 can digitally modulate and demodulate arbitrary information such as image data processed by the video processor 1332, a stream obtained by encoding the image data, an application program, setting data, and the like.
  • the RF module 1334 is a module that performs frequency conversion, modulation / demodulation, amplification, filter processing, and the like on an RF (Radio RF Frequency) signal transmitted and received via an antenna. For example, the RF module 1334 generates an RF signal by performing frequency conversion or the like on the baseband signal generated by the broadband modem 1333. Further, for example, the RF module 1334 generates a baseband signal by performing frequency conversion or the like on the RF signal received via the front end module 1314.
  • RF Radio RF Frequency
  • the application processor 1331 and the video processor 1332 may be integrated into a single processor.
  • the external memory 1312 is a module having a storage device that is provided outside the video module 1311 and is used by the video module 1311.
  • the storage device of the external memory 1312 may be realized by any physical configuration, but is generally used for storing a large amount of data such as image data in units of frames. For example, it is desirable to realize it with a relatively inexpensive and large-capacity semiconductor memory such as DRAM (Dynamic Random Access Memory).
  • the power management module 1313 manages and controls power supply to the video module 1311 (each component in the video module 1311).
  • the front end module 1314 is a module that provides the RF module 1334 with a front end function (a circuit on a transmitting / receiving end on the antenna side). As illustrated in FIG. 44, the front end module 1314 includes, for example, an antenna unit 1351, a filter 1352, and an amplification unit 1353.
  • Antenna unit 1351 has an antenna for transmitting and receiving a radio signal and its peripheral configuration.
  • the antenna unit 1351 transmits the signal supplied from the amplification unit 1353 as a radio signal, and supplies the received radio signal to the filter 1352 as an electric signal (RF signal).
  • the filter 1352 performs a filtering process on the RF signal received via the antenna unit 1351 and supplies the processed RF signal to the RF module 1334.
  • the amplifying unit 1353 amplifies the RF signal supplied from the RF module 1334 and supplies the amplified RF signal to the antenna unit 1351.
  • Connectivity 1321 is a module having a function related to connection with the outside.
  • the physical configuration of the connectivity 1321 is arbitrary.
  • the connectivity 1321 has a configuration having a communication function other than the communication standard supported by the broadband modem 1333, an external input / output terminal, and the like.
  • the communication 1321 is compliant with wireless communication standards such as Bluetooth (registered trademark), IEEE 802.11 (for example, Wi-Fi (Wireless Fidelity, registered trademark)), NFC (Near Field Communication), IrDA (InfraRed Data Association), etc. You may make it have a module which has a function, an antenna etc. which transmit / receive the signal based on the standard.
  • the connectivity 1321 has a module having a communication function compliant with a wired communication standard such as USB (Universal Serial Bus), HDMI (registered trademark) (High-Definition Multimedia Interface), or a terminal compliant with the standard. You may do it.
  • the connectivity 1321 may have other data (signal) transmission functions such as analog input / output terminals.
  • the connectivity 1321 may include a data (signal) transmission destination device.
  • the drive 1321 reads and writes data to and from a recording medium such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory (not only a removable medium drive, but also a hard disk, SSD (Solid State Drive) NAS (including Network Attached Storage) and the like.
  • the connectivity 1321 may include an image or audio output device (a monitor, a speaker, or the like).
  • the eyelid camera 1322 is a module having a function of capturing an image of a subject and obtaining image data of the subject.
  • Image data obtained by imaging by the camera 1322 is supplied to, for example, a video processor 1332 and encoded.
  • the sensor 1323 includes, for example, a voice sensor, an ultrasonic sensor, an optical sensor, an illuminance sensor, an infrared sensor, an image sensor, a rotation sensor, an angle sensor, an angular velocity sensor, a velocity sensor, an acceleration sensor, an inclination sensor, a magnetic identification sensor, an impact sensor, It is a module having an arbitrary sensor function such as a temperature sensor.
  • the data detected by the sensor 1323 is supplied to the application processor 1331 and used by an application or the like.
  • the configuration described above as a module may be realized as a processor, or conversely, the configuration described as a processor may be realized as a module.
  • the present technology can be applied to the video processor 1332 as described later. Therefore, the video set 1300 can be implemented as a set to which the present technology is applied.
  • FIG. 45 illustrates an example of a schematic configuration of a video processor 1332 (FIG. 44) to which the present technology is applied.
  • the video processor 1332 receives the video signal and the audio signal, encodes them in a predetermined method, decodes the encoded video data and audio data, A function of reproducing and outputting an audio signal.
  • the video processor 1332 includes a video input processing unit 1401, a first image enlargement / reduction unit 1402, a second image enlargement / reduction unit 1403, a video output processing unit 1404, a frame memory 1405, and a memory control unit 1406.
  • the video processor 1332 includes an encoding / decoding engine 1407, video ES (ElementaryElementStream) buffers 1408A and 1408B, and audio ES buffers 1409A and 1409B.
  • the video processor 1332 includes an audio encoder 1410, an audio decoder 1411, a multiplexing unit (MUX (Multiplexer)) 1412, a demultiplexing unit (DMUX (Demultiplexer)) 1413, and a stream buffer 1414.
  • MUX Multiplexing unit
  • DMUX Demultiplexer
  • the video input processing unit 1401 acquires a video signal input from, for example, the connectivity 1321 (FIG. 44) and converts it into digital image data.
  • the first image enlargement / reduction unit 1402 performs format conversion, image enlargement / reduction processing, and the like on the image data.
  • the second image enlargement / reduction unit 1403 performs image enlargement / reduction processing on the image data in accordance with the format of the output destination via the video output processing unit 1404, or is the same as the first image enlargement / reduction unit 1402. Format conversion and image enlargement / reduction processing.
  • the video output processing unit 1404 performs format conversion, conversion to an analog signal, and the like on the image data, and outputs the reproduced video signal to, for example, the connectivity 1321 (FIG. 44).
  • the frame memory 1405 is a memory for image data shared by the video input processing unit 1401, the first image scaling unit 1402, the second image scaling unit 1403, the video output processing unit 1404, and the encoding / decoding engine 1407. .
  • the frame memory 1405 is realized as a semiconductor memory such as a DRAM, for example.
  • the memory control unit 1406 receives the synchronization signal from the encoding / decoding engine 1407, and controls the writing / reading access to the frame memory 1405 according to the access schedule to the frame memory 1405 written in the access management table 1406A.
  • the access management table 1406A is updated by the memory control unit 1406 in accordance with processing executed by the encoding / decoding engine 1407, the first image enlargement / reduction unit 1402, the second image enlargement / reduction unit 1403, and the like.
  • the encoding / decoding engine 1407 performs encoding processing of image data and decoding processing of a video stream that is data obtained by encoding the image data. For example, the encoding / decoding engine 1407 encodes the image data read from the frame memory 1405 and sequentially writes the data as a video stream in the video ES buffer 1408A. Further, for example, the video stream is sequentially read from the video ES buffer 1408B, decoded, and sequentially written in the frame memory 1405 as image data.
  • the encoding / decoding engine 1407 uses the frame memory 1405 as a work area in the encoding and decoding. Also, the encoding / decoding engine 1407 outputs a synchronization signal to the memory control unit 1406, for example, at a timing at which processing for each macroblock is started.
  • the video ES buffer 1408A buffers the video stream generated by the encoding / decoding engine 1407 and supplies the buffered video stream to the multiplexing unit (MUX) 1412.
  • the video ES buffer 1408B buffers the video stream supplied from the demultiplexer (DMUX) 1413 and supplies the buffered video stream to the encoding / decoding engine 1407.
  • the audio ES buffer 1409A buffers the audio stream generated by the audio encoder 1410 and supplies the buffered audio stream to the multiplexing unit (MUX) 1412.
  • the audio ES buffer 1409B buffers the audio stream supplied from the demultiplexer (DMUX) 1413 and supplies the buffered audio stream to the audio decoder 1411.
  • the audio encoder 1410 converts, for example, an audio signal input from the connectivity 1321 (FIG. 44), for example, and digitally encodes the audio signal using a predetermined method such as an MPEG audio method or an AC3 (Audio Code (number 3) method.
  • the audio encoder 1410 sequentially writes an audio stream, which is data obtained by encoding an audio signal, in the audio ES buffer 1409A.
  • the audio decoder 1411 decodes the audio stream supplied from the audio ES buffer 1409B, performs conversion to an analog signal, for example, and supplies the reproduced audio signal to, for example, the connectivity 1321 (FIG. 44).
  • Multiplexer (MUX) 1412 multiplexes the video stream and the audio stream.
  • the multiplexing method (that is, the format of the bit stream generated by multiplexing) is arbitrary.
  • the multiplexing unit (MUX) 1412 can also add predetermined header information or the like to the bit stream. That is, the multiplexing unit (MUX) 1412 can convert the stream format by multiplexing. For example, the multiplexing unit (MUX) 1412 multiplexes the video stream and the audio stream to convert it into a transport stream that is a bit stream in a transfer format. Further, for example, the multiplexing unit (MUX) 1412 multiplexes the video stream and the audio stream, thereby converting the data into file format data (file data) for recording.
  • the demultiplexing unit (DMUX) 1413 demultiplexes the bit stream in which the video stream and the audio stream are multiplexed by a method corresponding to the multiplexing by the multiplexing unit (MUX) 1412. That is, the demultiplexer (DMUX) 1413 extracts the video stream and the audio stream from the bit stream read from the stream buffer 1414 (separates the video stream and the audio stream). That is, the demultiplexer (DMUX) 1413 can convert the stream format by demultiplexing (inverse conversion of the conversion by the multiplexer (MUX) 1412). For example, the demultiplexer (DMUX) 1413 obtains the transport stream supplied from, for example, the connectivity 1321 and the broadband modem 1333 (both in FIG.
  • the demultiplexer (DMUX) 1413 obtains the file data read from various recording media by the connectivity 1321 (FIG. 44) via the stream buffer 1414 and demultiplexes the file data, for example. It can be converted into a video stream and an audio stream.
  • the stream buffer 1414 buffers the bit stream.
  • the stream buffer 1414 buffers the transport stream supplied from the multiplexing unit (MUX) 1412 and, for example, at the predetermined timing or based on a request from the outside, for example, the connectivity 1321 or the broadband modem 1333 (whichever Are also supplied to FIG.
  • MUX multiplexing unit
  • the stream buffer 1414 buffers the file data supplied from the multiplexing unit (MUX) 1412 and, for example, at the predetermined timing or based on an external request or the like, for example, the connectivity 1321 (FIG. 44) or the like. To be recorded on various recording media.
  • MUX multiplexing unit
  • the stream buffer 1414 buffers the transport stream acquired through, for example, the connectivity 1321 and the broadband modem 1333 (both in FIG. 44), and performs reverse processing at a predetermined timing or based on an external request or the like.
  • the data is supplied to a multiplexing unit (DMUX) 1413.
  • DMUX multiplexing unit
  • the stream buffer 1414 buffers file data read from various recording media in, for example, the connectivity 1321 (FIG. 44), and performs a demultiplexing unit at a predetermined timing or based on an external request or the like. (DMUX) 1413.
  • DMUX demultiplexing unit
  • a video signal input from the connectivity 1321 (FIG. 44) or the like to the video processor 1332 is converted into digital image data of a predetermined format such as 4: 2: 2Y / Cb / Cr format by the video input processing unit 1401.
  • the data is sequentially written into the frame memory 1405.
  • This digital image data is read by the first image enlargement / reduction unit 1402 or the second image enlargement / reduction unit 1403, and format conversion to a predetermined method such as 4: 2: 0Y / Cb / Cr method and enlargement / reduction processing are performed. Is written again in the frame memory 1405.
  • This image data is encoded by the encoding / decoding engine 1407 and written as a video stream in the video ES buffer 1408A.
  • an audio signal input from the connectivity 1321 (FIG. 44) or the like to the video processor 1332 is encoded by the audio encoder 1410 and written as an audio stream in the audio ES buffer 1409A.
  • the video stream of the video ES buffer 1408A and the audio stream of the audio ES buffer 1409A are read and multiplexed by the multiplexing unit (MUX) 1412 and converted into a transport stream or file data.
  • the transport stream generated by the multiplexing unit (MUX) 1412 is buffered in the stream buffer 1414, and then output to the external network via, for example, the connectivity 1321 and the broadband modem 1333 (both are FIG. 44).
  • the file data generated by the multiplexing unit (MUX) 1412 is buffered in the stream buffer 1414, and then output to, for example, the connectivity 1321 (FIG. 44) and recorded on various recording media.
  • a transport stream input from an external network to the video processor 1332 via the connectivity 1321 or the broadband modem 1333 (both in FIG. 44) is buffered in the stream buffer 1414 and then demultiplexed (DMUX) 1413 is demultiplexed.
  • DMUX demultiplexed
  • file data read from various recording media in the connectivity 1321 (FIG. 44) and input to the video processor 1332 is buffered in the stream buffer 1414 and then demultiplexed by the demultiplexer (DMUX) 1413. It becomes. That is, the transport stream or file data input to the video processor 1332 is separated into a video stream and an audio stream by the demultiplexer (DMUX) 1413.
  • the audio stream is supplied to the audio decoder 1411 via the audio ES buffer 1409B and decoded to reproduce the audio signal.
  • the video stream is written to the video ES buffer 1408B, and then sequentially read and decoded by the encoding / decoding engine 1407, and written to the frame memory 1405.
  • the decoded image data is enlarged / reduced by the second image enlargement / reduction unit 1403 and written to the frame memory 1405.
  • the decoded image data is read out to the video output processing unit 1404, format-converted to a predetermined system such as 4: 2: 2Y / Cb / Cr system, and further converted into an analog signal to be converted into a video signal. Is played out.
  • the present technology when the present technology is applied to the video processor 1332 configured as described above, the present technology according to each embodiment described above may be applied to the encoding / decoding engine 1407. That is, for example, the encoding / decoding engine 1407 has the functions of the scalable encoding device 100 (FIG. 9) according to the first embodiment and the scalable decoding device 200 (FIG. 24) according to the second embodiment. You can do it. In this way, the video processor 1332 can obtain the same effects as those described above with reference to FIGS.
  • the present technology (that is, the functions of the scalable encoding device and the scalable decoding device according to each embodiment described above) may be realized by hardware such as a logic circuit. It may be realized by software such as an embedded program, or may be realized by both of them.
  • FIG. 46 illustrates another example of a schematic configuration of the video processor 1332 (FIG. 44) to which the present technology is applied.
  • the video processor 1332 has a function of encoding / decoding video data by a predetermined method.
  • the video processor 1332 includes a control unit 1511, a display interface 1512, a display engine 1513, an image processing engine 1514, and an internal memory 1515.
  • the video processor 1332 includes a codec engine 1516, a memory interface 1517, a multiplexing / demultiplexing unit (MUX DMUX) 1518, a network interface 1519, and a video interface 1520.
  • MUX DMUX multiplexing / demultiplexing unit
  • the eyelid control unit 1511 controls the operation of each processing unit in the video processor 1332 such as the display interface 1512, the display engine 1513, the image processing engine 1514, and the codec engine 1516.
  • the control unit 1511 includes, for example, a main CPU 1531, a sub CPU 1532, and a system controller 1533.
  • the main CPU 1531 executes a program and the like for controlling the operation of each processing unit in the video processor 1332.
  • the main CPU 1531 generates a control signal according to the program and supplies it to each processing unit (that is, controls the operation of each processing unit).
  • the sub CPU 1532 plays an auxiliary role of the main CPU 1531.
  • the sub CPU 1532 executes a child process such as a program executed by the main CPU 1531, a subroutine, or the like.
  • the system controller 1533 controls operations of the main CPU 1531 and the sub CPU 1532 such as designating a program to be executed by the main CPU 1531 and the sub CPU 1532.
  • the display interface 1512 outputs the image data to, for example, the connectivity 1321 (FIG. 44) under the control of the control unit 1511.
  • the display interface 1512 converts the digital data image data into an analog signal, and outputs it to the monitor device of the connectivity 1321 (FIG. 44) as a reproduced video signal or as the digital data image data.
  • the display engine 1513 Under the control of the control unit 1511, the display engine 1513 performs various conversion processes such as format conversion, size conversion, color gamut conversion, and the like so as to match the image data with hardware specifications such as a monitor device that displays the image. I do.
  • the eyelid image processing engine 1514 performs predetermined image processing such as filter processing for improving image quality on the image data under the control of the control unit 1511.
  • the internal memory 1515 is a memory provided inside the video processor 1332 that is shared by the display engine 1513, the image processing engine 1514, and the codec engine 1516.
  • the internal memory 1515 is used, for example, for data exchange performed between the display engine 1513, the image processing engine 1514, and the codec engine 1516.
  • the internal memory 1515 stores data supplied from the display engine 1513, the image processing engine 1514, or the codec engine 1516, and stores the data as needed (eg, upon request). This is supplied to the image processing engine 1514 or the codec engine 1516.
  • the internal memory 1515 may be realized by any storage device, but is generally used for storing a small amount of data such as image data or parameters in units of blocks. It is desirable to realize a semiconductor memory having a relatively small capacity but a high response speed (for example, as compared with the external memory 1312) such as “Static Random Access Memory”.
  • the codec engine 1516 performs processing related to encoding and decoding of image data.
  • the encoding / decoding scheme supported by the codec engine 1516 is arbitrary, and the number thereof may be one or plural.
  • the codec engine 1516 may be provided with codec functions of a plurality of encoding / decoding schemes, and may be configured to perform encoding of image data or decoding of encoded data using one selected from them.
  • the codec engine 1516 includes, for example, MPEG-2 video 1541, AVC / H.2641542, HEVC / H.2651543, HEVC / H.265 (Scalable) 1544, as function blocks for processing related to the codec.
  • HEVC / H.265 (Multi-view) 1545 and MPEG-DASH 1551 are included.
  • “MPEG-2” Video 1541 is a functional block that encodes and decodes image data in the MPEG-2 format.
  • AVC / H.2641542 is a functional block that encodes and decodes image data using the AVC method.
  • HEVC / H.2651543 is a functional block that encodes and decodes image data using the HEVC method.
  • HEVC / H.265 (Scalable) 1544 is a functional block that performs scalable encoding and scalable decoding of image data using the HEVC method.
  • HEVC / H.265 (Multi-view) 1545 is a functional block that multi-view encodes or multi-view decodes image data using the HEVC method.
  • MPEG-DASH 1551 is a functional block that transmits and receives image data in the MPEG-DASH (MPEG-Dynamic Adaptive Streaming over HTTP) method.
  • MPEG-DASH is a technology for streaming video using HTTP (HyperText Transfer Protocol), and selects and transmits appropriate data from multiple encoded data with different resolutions prepared in advance in segments. This is one of the features.
  • MPEG-DASH 1551 generates a stream compliant with the standard, controls transmission of the stream, and the like.
  • MPEG-2 Video 1541 to HEVC / H.265 (Multi-view) 1545 described above are used. Is used.
  • the memory interface 1517 is an interface for the external memory 1312. Data supplied from the image processing engine 1514 or the codec engine 1516 is supplied to the external memory 1312 via the memory interface 1517. The data read from the external memory 1312 is supplied to the video processor 1332 (the image processing engine 1514 or the codec engine 1516) via the memory interface 1517.
  • a multiplexing / demultiplexing unit (MUX DMUX) 1518 multiplexes and demultiplexes various data related to images such as a bit stream of encoded data, image data, and a video signal.
  • This multiplexing / demultiplexing method is arbitrary.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 can not only combine a plurality of data into one but also add predetermined header information or the like to the data.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 not only divides one data into a plurality of data but also adds predetermined header information or the like to each divided data. it can.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 can convert the data format by multiplexing / demultiplexing.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 multiplexes the bitstream, thereby transporting the transport stream, which is a bit stream in a transfer format, or data in a file format for recording (file data).
  • the transport stream which is a bit stream in a transfer format, or data in a file format for recording (file data).
  • file data file format for recording
  • the network interface 1519 is an interface for a broadband modem 1333, connectivity 1321 (both in FIG. 44), and the like.
  • the video interface 1520 is an interface for, for example, the connectivity 1321 and the camera 1322 (both are FIG. 44).
  • the transport stream is transmitted to the multiplexing / demultiplexing unit (MUX DMUX via the network interface 1519).
  • MUX DMUX multiplexing / demultiplexing unit
  • the codec engine 1516 the image data obtained by decoding by the codec engine 1516 is subjected to predetermined image processing by the image processing engine 1514, subjected to predetermined conversion by the display engine 1513, and connected to, for example, the connectivity 1321 (see FIG. 44), and the image is displayed on the monitor.
  • image data obtained by decoding by the codec engine 1516 is re-encoded by the codec engine 1516, multiplexed by a multiplexing / demultiplexing unit (MUX DMUX) 1518, converted into file data, and video
  • MUX DMUX multiplexing / demultiplexing unit
  • the data is output to, for example, the connectivity 1321 (FIG. 44) through the interface 1520 and recorded on various recording media.
  • encoded data file data obtained by encoding image data read from a recording medium (not shown) by the connectivity 1321 (FIG. 44) is multiplexed / demultiplexed via the video interface 1520. Is supplied to a unit (MUX DMUX) 1518, demultiplexed, and decoded by the codec engine 1516. Image data obtained by decoding by the codec engine 1516 is subjected to predetermined image processing by the image processing engine 1514, subjected to predetermined conversion by the display engine 1513, and, for example, connectivity 1321 (FIG. 44) via the display interface 1512. And the image is displayed on the monitor.
  • MUX DMUX unit
  • image data obtained by decoding by the codec engine 1516 is re-encoded by the codec engine 1516, multiplexed by the multiplexing / demultiplexing unit (MUX DMUX) 1518, and converted into a transport stream,
  • MUX DMUX multiplexing / demultiplexing unit
  • the connectivity 1321 and the broadband modem 1333 are supplied via the network interface 1519 and transmitted to another device (not shown).
  • image data and other data are exchanged between the processing units in the video processor 1332 using, for example, the internal memory 1515 and the external memory 1312.
  • the power management module 1313 controls power supply to the control unit 1511, for example.
  • the present technology when the present technology is applied to the video processor 1332 configured as described above, the present technology according to each of the above-described embodiments may be applied to the codec engine 1516. That is, for example, the codec engine 1516 includes functional blocks that implement the scalable encoding device 100 (FIG. 9) according to the first embodiment and the scalable decoding device 200 (FIG. 24) according to the second embodiment. What should I do? In this way, the video processor 1332 can obtain the same effects as those described above with reference to FIGS.
  • the present technology (that is, the functions of the image encoding device and the image decoding device according to each of the above-described embodiments) may be realized by hardware such as a logic circuit or an embedded program. It may be realized by software such as the above, or may be realized by both of them.
  • the configuration of the video processor 1332 is arbitrary and may be other than the two examples described above.
  • the video processor 1332 may be configured as one semiconductor chip, but may be configured as a plurality of semiconductor chips. For example, a three-dimensional stacked LSI in which a plurality of semiconductors are stacked may be used. Further, it may be realized by a plurality of LSIs.
  • the video set 1300 can be incorporated into various devices that process image data.
  • the video set 1300 can be incorporated in the television device 900 (FIG. 37), the mobile phone 920 (FIG. 38), the recording / reproducing device 940 (FIG. 39), the imaging device 960 (FIG. 40), or the like.
  • the apparatus can obtain the same effects as those described above with reference to FIGS.
  • the video set 1300 includes, for example, terminal devices such as the personal computer 1004, the AV device 1005, the tablet device 1006, and the mobile phone 1007 in the data transmission system 1000 in FIG. 41, the broadcasting station 1101 in the data transmission system 1100 in FIG. It can also be incorporated into the terminal device 1102, the imaging device 1201 in the imaging system 1200 of FIG. 43, the scalable encoded data storage device 1202, and the like.
  • terminal devices such as the personal computer 1004, the AV device 1005, the tablet device 1006, and the mobile phone 1007 in the data transmission system 1000 in FIG. 41, the broadcasting station 1101 in the data transmission system 1100 in FIG. It can also be incorporated into the terminal device 1102, the imaging device 1201 in the imaging system 1200 of FIG. 43, the scalable encoded data storage device 1202, and the like.
  • the apparatus can obtain the same effects as those described above with reference to FIGS.
  • each configuration of the video set 1300 described above can be implemented as a configuration to which the present technology is applied as long as it includes the video processor 1332.
  • the video processor 1332 can be implemented as a video processor to which the present technology is applied.
  • the processor or the video module 1311 indicated by the dotted line 1341 can be implemented as a processor or a module to which the present technology is applied.
  • the video module 1311, the external memory 1312, the power management module 1313, and the front end module 1314 can be combined and implemented as a video unit 1361 to which the present technology is applied. In any case, the same effects as those described above with reference to FIGS. 1 to 33 can be obtained.
  • any configuration including the video processor 1332 can be incorporated into various devices that process image data, as in the case of the video set 1300.
  • a video processor 1332 a processor indicated by a dotted line 1341, a video module 1311, or a video unit 1361, a television device 900 (FIG. 37), a mobile phone 920 (FIG. 38), a recording / playback device 940 (FIG. 39), Imaging device 960 (FIG. 40), terminal devices such as personal computer 1004, AV device 1005, tablet device 1006, and mobile phone 1007 in data transmission system 1000 in FIG. 41, broadcast station 1101 and terminal in data transmission system 1100 in FIG.
  • the apparatus 1102 can be incorporated in the apparatus 1102, the imaging apparatus 1201 in the imaging system 1200 of FIG. 43, the scalable encoded data storage apparatus 1202, and the like. Then, by incorporating any configuration to which the present technology is applied, the apparatus can obtain the same effects as those described above with reference to FIGS. 1 to 33, as in the case of the video set 1300. .
  • this technology selects and uses an appropriate one of a plurality of pieces of encoded data having different resolutions prepared in advance for each segment, for example, HTTP streaming content such as MPEG DASH to be described later
  • HTTP streaming content such as MPEG DASH to be described later
  • the present invention can also be applied to a reproduction system and a Wi-Fi standard wireless communication system.
  • 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.
  • this technique can also take the following structures. (1) When an image having three or more layers is encoded, inter-layer information indicating whether or not a reference layer image referred to by a target image to be encoded is in a skip mode is acquired. An acquisition unit to An inter-layer information setting unit that refers to the inter-layer information acquired by the acquisition unit and prohibits the target image from being encoded as a skip mode when the image of the reference layer is in the skip mode. Image encoding device.
  • the acquisition unit acquires inter-layer information indicating whether or not a reference layer picture referred to by a target picture to be encoded is a skip picture;
  • the image encoding device (1), wherein the inter-layer information setting unit prohibits the target picture from being encoded as a skip picture when the picture in the reference layer is a skip picture.
  • the acquisition unit acquires inter-layer information indicating whether or not a slice of a reference layer referred to by a target slice to be encoded is a skip slice,
  • the inter-layer information setting unit when a slice of the reference layer is a skip slice, prohibits encoding processing of the target slice as a skip slice.
  • the image encoding device (1).
  • the acquisition unit acquires inter-layer information indicating whether or not a reference layer tile referred to by a target tile to be encoded is a skip tile
  • the inter-layer information setting unit when the tile of the reference layer is a skip tile, prohibits encoding processing of the target tile as a skip tile.
  • the image encoding device according to (1).
  • the inter-layer information setting unit skips the target image when the image of the reference layer is in the skip mode only when the reference layer and the target layer to be encoded are spatial scalability.
  • the image encoding device according to any one of (1) to (4), wherein encoding is prohibited as a mode.
  • the inter-layer information setting unit includes: The image encoding device according to any one of (1) to (5), wherein even when an image of the reference layer is in a skip mode, the target image is allowed to be encoded as a skip mode.
  • the image encoding device is When encoding an image having three or more layers, obtain inter-layer information indicating whether or not a reference layer image referred to by a target image to be encoded is in skip mode; An image encoding method that refers to acquired inter-layer information and prohibits encoding the target image as a skip mode when an image of the reference layer is in a skip mode.
  • An image encoding method that refers to acquired inter-layer information and prohibits encoding the target image as a skip mode when an image of the reference layer is in a skip mode.
  • decoding a bitstream in which an image having three or more layers is encoded whether or not the reference layer image referred to by the target image to be decoded is in the skip mode.
  • Decoding device (9) The acquisition unit acquires inter-layer information indicating whether or not a reference layer picture referenced by a target picture to be decoded is a skip picture, The image decoding device according to (8), wherein the inter-layer information setting unit prohibits decoding the target picture as a skip picture when the picture in the reference layer is a skip picture.
  • the acquisition unit acquires inter-layer information indicating whether or not a reference layer slice referenced by a target slice to be subjected to decoding processing is a skip slice, The inter-layer information setting unit, when a slice of the reference layer is a skip slice, prohibits decoding the target slice as a skip slice.
  • the image decoding device according to (8).
  • the acquisition unit acquires inter-layer information indicating whether or not a tile of a reference layer referred to by a target tile that is a target of decoding processing is a skip tile, The inter-layer information setting unit, when the tile of the reference layer is a skip tile, prohibits decoding the target tile as a skip tile.
  • the image decoding device according to (8).
  • the inter-layer information setting unit sets the target image to the skip mode when the image of the reference hierarchy is in the skip mode.
  • the inter-layer information setting unit When the reference layer and the target layer to be decrypted are spatial scalability, and the reference layer and the layer referenced by the reference layer are SNR scalability, the inter-layer information setting unit The image decoding device according to any one of (8) to (11), wherein even when an image of a reference layer is in a skip mode, the target image is permitted to be decoded as a skip mode.
  • the image decoding device When decoding a bitstream in which an image having three or more layers is encoded, an inter-layer indicating whether or not a reference layer image referred to by the target image to be decoded is in the skip mode Get information, An image decoding method that refers to acquired inter-layer information and prohibits the target image from being decoded as a skip mode when the image of the reference layer is in a skip mode.
  • An acquisition unit that acquires inter-layer information indicating the number of layers of the image when encoding an image having 64 or more layers
  • An image encoding apparatus comprising: an inter-layer information setting unit that sets information on the number of expanded layers in VPS_extension with reference to the inter-layer information acquired by the acquisition unit.
  • the inter-layer information setting unit sets a syntax element layer_extension_factor_minus1 in the VPS_extension, and (vps_max_layers_minus1 + 1) * (layer_extension_factor_minus1 + 1) is the number of layers in the image.
  • a receiving unit that receives information on the number of extended layers set in VPS_extension from a bitstream in which an image having multiple layers of 64 or more is encoded;
  • An image decoding apparatus comprising: a decoding unit that performs a decoding process with reference to information on the expanded number of layers received by the receiving unit.
  • the image decoding device according to (20) wherein the reception unit receives a syntax element layer_extension_factor_minus1 in the VPS_extension, and (vps_max_layers_minus1 + 1) * (layer_extension_factor_minus1 + 1) is the number of layers in the image.
  • 100 scalable encoding device 101 common information generation unit, 102 encoding control unit, 103 base layer image encoding unit, 104 motion information encoding unit, 104, 104-1, 104-2 enhancement layer image encoding unit, 116 Lossless encoding unit, 125 motion prediction / compensation unit, 135 motion prediction / compensation unit, 140 inter-layer information setting unit, 151 reference layer picture type buffer, 152 skip picture setting unit, 181 layer dependency buffer, 182 extension layer setting unit , 200 scalable decoding device, 201 ⁇ common information acquisition unit, 202 decoding control unit, 203 base layer image decoding unit, 204, 204-1 and 204-2 enhancement layer image decoding unit, 2 2 lossless decoding unit, 222 a motion compensator, 232 a motion compensator, between 240 hierarchical information receiving unit, 251 the reference layer picture type buffer, 252 skipped picture receiving unit, 281 hierarchical dependency buffer, 282 enhancement layer receiving unit

Landscapes

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

Abstract

　本開示は、階層間に関連する処理をスムーズに行うことができるようにする画像符号化装置および方法、並びに画像復号装置および方法に関する。 エンハンスメントレイヤ画像符号化部は、他のレイヤの復号画像を参照ピクチャとした場合、そのピクチャがスキップピクチャであるか否かを示す階層間情報、または６４以上の階層を持つ場合の階層依存関係を示す階層間情報を設定する。エンハンスメントレイヤ画像符号化部は、設定した階層間情報に基づいて、動き予測を行い、その階層間情報を符号化する。本開示は、例えば、画像データをスケーラブル符号化処理する画像符号化装置および画像データをスケーラブル復号処理する画像復号装置に適用することができる。

Description

画像符号化装置および方法、並びに画像復号装置および方法
　本開示は、画像符号化装置および方法、並びに画像復号装置および方法に関し、特に、階層間に関連する処理をスムーズに行うことができるようにした画像符号化装置および方法、並びに画像復号装置および方法に関する。
　近年、画像情報をデジタルとして取り扱い、その際、効率の高い情報の伝送、蓄積を目的とし、画像情報特有の冗長性を利用して、離散コサイン変換等の直交変換と動き補償により圧縮する符号化方式を採用して画像を圧縮符号する装置が普及しつつある。この符号化方式には、例えば、MPEG（Moving Picture Experts Group）やH．264及びMPEG-4 Part10 （Advanced Video Coding、以下 AVCと記す）などがある。
　そして、現在、H．264/AVCより更なる符号化効率の向上を目的として、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) と呼ばれる符号化方式の標準化が進められている（非特許文献１参照）。
　ところで、これまでの、MPEG-2やAVCといった画像符号化方式は、画像を複数のレイヤに階層化して符号化するスケーラビリティ（scalability）機能を有していた。
　すなわち、例えば携帯電話機のような、処理能力の低い端末に対しては、ベースレイヤ（base layer）のみの画像圧縮情報を伝送し、空間時間解像度の低い、或いは、画質の良くない動画像を再生し、テレビやパーソナルコンピュータのような、処理能力の高い端末に対しては、ベースレイヤ（base layer）に加えて、エンハンスメントレイヤ（enhancement layer）の画像圧縮情報を伝送し、空間時間解像度の高い、或いは、画質の高い動画像を再生するといったように、トランスコード処理を行うことなく、端末やネットワークの能力に応じた画像圧縮情報を、サーバから送信することが可能となる。
　HEVCに関するスケーラブル拡張は、非特許文献２において規定されている。非特許文献１および非特許文献２においては、NAL_unit_headerにおいてlayer_idが指定され、また、VPS(Video Parameter Set)において、階層数が指定される。階層に関するシンタクスは、u(6)で表わされている。すなわち、その最大値は26-1=63ということになる。また、VPSにおいては、Layer_id_included_flagによって、階層セットが規定される。さらに、VPS_extensionにおいて、direct_dependency_flagにより、階層間に直接の依存関係があるかどうかに関する情報が伝送される。
　ところで、非特許文献３においては、スキップピクチャが提案されている。すなわち、スケーラブル符号化処理が行われる際、エンハンスメントレイヤにおいて、スキップピクチャが指定されると、ベースレイヤのアップサンプル画像がそのまま出力され、ピクチャに対する復号処理が行われない。
　これにより、エンハンスメントレイヤにおいて、CPUの負荷が高いとき、演算量を削減し、リアルタイム動作することを可能にしたり、バッファのオーバフローを起こしそうなとき、当該ピクチャに対する情報の伝送をおこなわないとき、オーバフローを回避するといったことが可能となる。
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, Joint Collaborative Team on Video Coding (JCT-VC) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11 12th Meeting: Geneva, CH, 14-23 Jan. 2013 Jianle Chen, Jill Boyce,Yan Ye, Miska M. Hannuksela, "High efficiency video coding (HEVC) scalable extension draft 3",JCTVC-N1008_v3,Joint Collaborative Team on Video Coding (JCT-VC) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11 14th Meeting: Vienna, AT, 25 July-2 Aug. 2013 Jill Boyce,Xiaoyu Xiu, Yong He, Yan Ye,"SHVC SKIPPED PICTURE INDICATION",JCTVC-N0209,2013年7月
　ところで、特にスペーシャルスケーラビリティのとき、スキップピクチャの参照元がさらにスキップピクチャであるとき、アップサンプル処理を２度、もしくは、それ以上施した画像が、当該エンハンスメントレイヤにおいて出力されることがあった。すなわち、当該階層に比して、極めて解像度が低い画像が復号画像として出力されてしまうことがあった。このように階層間に関連する処理をスムーズに行うことが難しいことがあった。
　本開示は、このような状況に鑑みてなされたものであり、階層間に関連する処理をスムーズに行うことができるものである。
　本開示の第１の側面の画像符号化装置は、３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得する取得部と、前記取得部により取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化処理することを禁止する階層間情報設定部とを備える。
　本開示の第１の側面の画像符号化方法は、画像符号化装置が、３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得し、取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化することを禁止する。
　本開示の第２の側面の画像復号装置は、３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得する取得部と、前記取得部により取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することを禁止する階層間情報設定部とを備える。
　本開示の第２の側面の画像復号方法は、画像復号装置が、３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得し、取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することを禁止する。
　本開示の第３の側面の画像符号化装置は、６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報を取得する取得部と、前記取得部により取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報を設定する階層間情報設定部とを備える。
　本開示の第３の側面の画像符号化方法は、画像符号化装置が、６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報を取得し、取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報を設定する。
　本開示の第４の側面の画像復号装置は、６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報を受け取る受け取り部と、前記受け取り部により受け取られた拡張された階層数に関する情報を参照して、復号処理を行う復号部とを備える。
　本開示の第４の側面の画像復号方法は、画像復号装置が、６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報を受け取り、受け取られた拡張された階層数に関する情報を参照して、復号処理を行う。
　本開示の第１の側面においては、３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報が取得される。そして、取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化することが禁止される。
　本開示の第２の側面においては、３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報が取得される。そして、取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することが禁止される。
　本開示の第３の側面においては、６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報が取得される。そして、取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報が設定される。
　本開示の第４の側面においては、６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報が受け取られる。そして、受け取られた拡張された階層数に関する情報を参照して、復号処理が行われる。
　なお、上述の画像符号化装置は、独立した装置であっても良いし、１つの画像処理装置や画像符号化装置を構成している内部ブロックであってもよい。同様に、上述の画像復号装置は、独立した装置であっても良いし、１つの画像処理装置や画像復号装置を構成している内部ブロックであってもよい。
　本開示の第１および第３の側面によれば、画像を符号化することができる。特に、階層間に関連する処理をスムーズに行うことができる。
　本開示の第２および第４の側面によれば、画像を復号することができる。特に、階層間に関連する処理をスムーズに行うことができる。
コーディングユニットの構成例を説明する図である。 スペーシャルなスケーラブル符号化の例を説明する図である。 テンポラルなスケーラブル符号化の例を説明する図である。 信号雑音比のスケーラブル符号化の例を説明する図である。 NAL_unit_headerのシンタクスの例を示す図である。 VPSのシンタクスの例を示す図である。 VPS_extensionのシンタクスの例を示す図である。 VPS_extensionのシンタクスの例を示す図である。 スケーラブル符号化装置の主な構成例を示すブロック図である。 ベースレイヤ画像符号化部の主な構成例を示すブロック図である。 エンハンスメントレイヤ画像符号化部の主な構成例を示すブロック図である。 スキップピクチャについて説明する図である。 スキップピクチャについて説明する図である。 スキップピクチャについて説明する図である。 階層間情報設定部の主な構成例を示すブロック図である。 符号化処理の流れの例を説明するフローチャートである図である。 ベースレイヤ符号化処理の流れの例を説明するフローチャートである。 エンハンスメントレイヤ符号化処理の流れの例を説明するフローチャートである。 階層間情報設定処理の流れの例を説明するフローチャートである。 本技術によるVPS_extensionのシンタクスの例を示す図である。 本技術によるVPS_extensionのシンタクスの例を示す図である。 階層間情報設定部の主な構成例を示すブロック図である。 階層間情報設定処理の流れの例を説明するフローチャートである。 スケーラブル復号装置の主な構成例を示すブロック図である。 ベースレイヤ画像復号部の主な構成例を示すブロック図である。 エンハンスメントレイヤ画像復号部の主な構成例を示すブロック図である。 階層間情報受信部の主な構成例を示すブロック図である。 復号処理の流れの例を説明するフローチャートである。 ベースレイヤ復号処理の流れの例を説明するフローチャートである。 エンハンスメントレイヤ復号処理の流れの例を説明するフローチャートである。 階層間情報受信処理の流れの例を説明するフローチャートである。 階層間情報受信部の主な構成例を示すブロック図である。 階層間情報受信処理の流れの例を説明するフローチャートである。 階層画像符号化方式の例を示す図である。 多視点画像符号化方式の例を示す図である。 コンピュータの主な構成例を示すブロック図である。 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利用の一例を示すブロック図である。 スケーラブル符号化利用の他の例を示すブロック図である。 スケーラブル符号化利用のさらに他の例を示すブロック図である。 ビデオセットの概略的な構成の一例を示すブロック図である。 ビデオプロセッサの概略的な構成の一例を示すブロック図である。 ビデオプロセッサの概略的な構成の他の例を示すブロック図である。
　以下、本開示を実施するための形態（以下実施の形態とする）について説明する。なお、説明は以下の順序で行う。
　０．概要
　１．第１の実施の形態（スケーラブル符号化装置）
　２．第２の実施の形態（スケーラブル復号装置）
　３．その他
　４．第３の実施の形態（コンピュータ）
　５．応用例
　６．スケーラブル符号化の応用例
　７．第４の実施の形態（セット・ユニット・モジュール・プロセッサ）
　＜０．概要＞
＜符号化方式＞
　以下においては、HEVC（High Efficiency Video Coding）方式の画像符号化・復号に適用する場合を例に、本技術を説明する。
＜コーディングユニット＞
　AVC（Advanced Video Coding）方式においては、マクロブロックとサブマクロブロックによる階層構造が規定されている。しかしながら、１６画素×１６画素のマクロブロックでは、次世代符号化方式の対象となるような、UHD（Ultra High Definition；４０００画素×２０００画素）といった大きな画枠に対して最適ではない。
　これに対して、HEVC方式においては、図１に示されるように、コーディングユニット（CU（Coding Unit））が規定されている。
　CUは、Coding Tree Block（CTB）とも呼ばれ、AVC方式におけるマクロブロックと同様の役割を果たす、ピクチャ単位の画像の部分領域である。後者は、１６×１６画素の大きさに固定されているのに対し、前者の大きさは固定されておらず、それぞれのシーケンスにおいて、画像圧縮情報中において指定されることになる。
　例えば、出力となる符号化データに含まれるシーケンスパラメータセット（SPS（Sequence Parameter Set））において、CUの最大サイズ（LCU（Largest Coding Unit））と最小サイズ（SCU（Smallest Coding Unit））が規定される。
　それぞれのLCU内においては、SCUのサイズを下回らない範囲で、split-flag=1とすることにより、より小さなサイズのCUに分割することができる。図１の例では、LCUの大きさが１２８であり、最大階層深度が５となる。２Ｎ×２Ｎの大きさのCUは、split_flagの値が「１」である時、１つ下の階層となる、Ｎ×Ｎの大きさのCUに分割される。
　更に、CUは、イントラ若しくはインター予測の処理単位となる領域（ピクチャ単位の画像の部分領域）であるプレディクションユニット（Prediction Unit（PU））に分割され、また、直交変換の処理単位となる領域（ピクチャ単位の画像の部分領域）である、トランスフォームユニット（Transform Unit（TU））に分割される。現在、HEVC方式においては、４×４及び８×８に加え、１６×１６及び３２×３２直交変換を用いることが可能である。
　以上のHEVC方式のように、CUを定義し、そのCUを単位として各種処理を行うような符号化方式の場合、AVC方式におけるマクロブロックはLCUに相当し、ブロック（サブブロック）はCUに相当すると考えることができる。また、AVC方式における動き補償ブロックは、PUに相当すると考えることができる。ただし、CUは、階層構造を有するので、その最上位階層のLCUのサイズは、例えば128×128画素のように、AVC方式のマクロブロックより大きく設定されることが一般的である。
　よって、以下、LCUは、AVC方式におけるマクロブロックをも含むものとし、CUは、AVC方式におけるブロック（サブブロック）をも含むものとする。つまり、以下の説明に用いる「ブロック」は、ピクチャ内の任意の部分領域を示し、その大きさ、形状、および特性等は限定されない。つまり、「ブロック」には、例えば、TU、PU、SCU、CU、LCU、サブブロック、マクロブロック、またはスライス等任意の領域（処理単位）が含まれる。もちろん、これら以外の部分領域（処理単位）も含まれる。サイズや処理単位等を限定する必要がある場合は、適宜説明する。
　また、本明細書において、CTU（Coding Tree Unit）は、LCU(最大数のCU)のCTB（Coding Tree Block）と、そのLCUベース（レベル）で処理するときのパラメータを含む単位であるとする。また、CTUを構成するCU（Coding Unit）は、CB(Coding Block)と、そのCUベース（レベル）で処理するときのパラメータを含む単位であるとする。
＜モード選択＞
　ところで、AVCそしてHEVC符号化方式において、より高い符号化効率を達成するには、適切な予測モードの選択が重要である。
　かかる選択方式の例として、JM (Joint Model) と呼ばれるH.264/MPEG-4 AVCの参照ソフトウエア (http://iphome.hhi.de/suehring/tml/index.htm において公開されている)に実装されている方法を挙げることが出来る。
　JMにおいては、以下に述べる、High Complexity Modeと、Low Complexity Modeの2通りのモード判定方法を選択することが可能である。どちらも、それぞれの予測モードModeに関するコスト関数値を算出し、これを最小にする予測モードを当該ブロック乃至マクロブロックに対する最適モードとして選択する。
　High Complexity Modeにおけるコスト関数は、以下の式（１）のように示される。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ωは、当該ブロック乃至マクロブロックを符号化するための候補モードの全体集合、Dは、当該予測モードで符号化した場合の、復号画像と入力画像の差分エネルギーである。λは、量子化パラメータの関数として与えられるLagrange未定乗数である。Ｒは、直交変換係数を含んだ、当該モードで符号化した場合の総符号量である。
　つまり、High Complexity Modeでの符号化を行うには、上記パラメータＤ及びＲを算出するため、全ての候補モードにより、一度、仮エンコード処理を行う必要があり、より高い演算量を要する。
　Low Complexity Modeにおけるコスト関数は、以下の式（２）のように示される。
Figure JPOXMLDOC01-appb-M000002
　ここで、Dは、High Complexity Modeの場合と異なり、予測画像と入力画像の差分エネルギーとなる。QP2Quant(QP)は、量子化パラメータQPの関数として与えられ、HeaderBitは、直交変換係数を含まない、動きベクトルや、モードといった、Headerに属する情報に関する符号量である。
　すなわち、Low Complexity Modeにおいては、それぞれの候補モードに関して、予測処理を行う必要があるが、復号画像までは必要ないため、符号化処理まで行う必要はない。このため、High Complexity Modeより低い演算量での実現が可能である。
＜階層符号化＞
　ところで、これまでの、MPEG2、AVCといった画像符号化方式は、図２乃至図４に示されるような、スケーラビリティ（scalability）機能を有していた。スケーラブル符号化（階層符号化）とは、画像を複数レイヤ化（階層化）し、レイヤ毎に符号化する方式である。
　画像の階層化においては、所定のパラメータを基準として１の画像が複数の画像（レイヤ）に分割される。基本的に各レイヤは、冗長性が低減されるように、差分データにより構成される。例えば、１の画像をベースレイヤとエンハンスメントレイヤに２階層化した場合、ベースレイヤのデータのみで元の画像よりも低品質な画像が得られ、ベースレイヤのデータとエンハンスメントレイヤのデータを合成することで、元の画像（すなわち高品質な画像）が得られる。
　このように画像を階層化することにより、状況に応じて多様な品質の画像を容易に得ることができる。例えば携帯電話機のような、処理能力の低い端末に対しては、ベースレイヤ（base layer）のみの画像圧縮情報を伝送し、空間時間解像度の低い、或いは、画質の良くない動画像を再生し、テレビやパーソナルコンピュータのような、処理能力の高い端末に対しては、ベースレイヤ（base layer）に加えて、エンハンスメントレイヤ（enhancement layer）の画像圧縮情報を伝送し、空間時間解像度の高い、或いは、画質の高い動画像を再生するといったように、トランスコード処理を行うことなく、端末やネットワークの能力に応じた画像圧縮情報を、サーバから送信することが可能となる。
　このようなスケーラビリティ性を持たせるパラメータとして、例えば、図２に示されるような、空間解像度がある（spatial scalability）。このスペーシャルスケーラビリティ（spatial scalability）の場合、レイヤ毎に解像度が異なる。つまり、図２に示されるように、各ピクチャが、元の画像より空間的に低解像度のベースレイヤと、ベースレイヤの画像と合成することにより元の画像（元の空間解像度）が得られるエンハンスメントレイヤの２階層に階層化される。もちろん、この階層数は一例であり、任意の階層数に階層化することができる。
　また、このようなスケーラビリティ性を持たせるパラメータとして、他には、例えば、図３に示されるような、時間解像度がある（temporal scalability）。このテンポラルスケーラビリティ（temporal scalability）の場合、レイヤ毎にフレームレートが異なる。つまり、この場合、図３に示されるように、互いに異なるフレームレートのレイヤに階層化されており、低フレームレートのレイヤに、高フレームレートのレイヤを加えることで、より高フレームレートの動画像を得ることができ、全てのレイヤを加えることで、元の動画像（元のフレームレート）を得ることができる。この階層数は一例であり、任意の階層数に階層化することができる。
　また、このようなスケーラビリティ性を持たせるパラメータとして、他には、例えば、信号雑音比（SNR（Signal to Noise ratio））がある（SNR scalability）。このSNRスケーラビリティ（SNR scalability）の場合、レイヤ毎にSN比が異なる。つまり、図４に示されるように、各ピクチャが、元の画像よりSNRの低いベースレイヤと、ベースレイヤの画像と合成することにより元の画像（元のSNR）が得られるエンハンスメントレイヤの２階層に階層化される。すなわち、ベースレイヤ（base layer）画像圧縮情報においては、低PSNRの画像に関する情報が伝送されており、これに、エンハンスメントレイヤ（enhancement layer）画像圧縮情報を加えることで、高SNR画像を再構築することが可能である。もちろん、この階層数は一例であり、任意の階層数に階層化することができる。
　スケーラビリティ性を持たせるパラメータは、上述した例以外であっても、もちろんよい。例えば、ベースレイヤ（base layer）が8ビット（bit）画像よりなり、これにエンハンスメントレイヤ（enhancement layer）を加えることにより、10ビット（bit）画像が得られるビット深度スケーラビリティ（bit-depth scalability）がある。
　また、ベースレイヤ（base layer）が4:2:0フォーマットのコンポーネント画像よりなり、これにエンハンスメントレイヤ（enhancement layer）を加えることにより、4:2:2フォーマットのコンポーネント画像が得られるクロマスケーラビリティ（chroma scalability）がある。
　さらに、スケーラビリティ性を持たせるパラメータとして、マルチビューがある。この場合、互いに異なるビュー（視点）のレイヤに階層化されている。
　本実施の形態に記載のレイヤは、上述した、スケーラビリティ符号化のスペーシャル、テンポラル、SNR、ビット深度、カラー、ビューなどを含む。
　なお、本明細書において使われているレイヤの用語は、上述したスケーラブル（階層）符号化のレイヤと、さらに、多視点のマルチビューを考えたときの各ビューを含むものである。
　さらに、本明細書において使われているレイヤの用語は、主（サブに対応する）レイヤ、およびサブレイヤを含むものとする。具体例としては、主レイヤがスペーシャルスケーラビリティのレイヤであり、そのサブレイヤとしては、テンポラルスケーラビリティのレイヤで構成される場合があげられる。
　また、本実施の形態においては、階層とレイヤは同意であるため、適宜、階層をレイヤとして説明される。
＜スケーラブル拡張におけるシンタクス＞
　HEVCにおけるスケーラブル拡張は、非特許文献２において規定されている。非特許文献１および非特許文献２において、図５に示されるように、NAL_unit_headerにおいて、layer_idが指定され、また、図６に示されるように、VPS(Video_Parameter_Set)において階層数が指定される。
　図５は、NAL_unit_headerのシンタクスの例を示す図である。左側の数字は、説明の便宜上設けられたものである。図５の例において、第４行目に、レイヤidを指定するためのnuh_layer_idが記述されている。
　図６は、VPSのシンタクスの例を示す図である。左側の数字は、説明の便宜上設けられたものである。図６の例において、第４行目に、ビットストリームに含まれるレイヤの最大数を指定するためのvps_max_layers_minus1が記述されている。第７行目には、vps_extension_offsetが記述されている。
　また、第１６行目乃至第１８行目には、vps_num_layer_sets_minus1として、レイヤセットの数が記述されている。第１９行目には、階層セットを規定するためのlayer_id_included_flagが記述されている。また、第３７行目乃至第４１行目には、さらに、vpe_extensionに関する情報が記述されている。
　図５の第４行目および図６の第４行目に示されるように、階層に関するシンタクスは、u(6)で表わされる。すなわち、その最大値は、26-1=63ということになる。また、図６の第１９行目に示されるように、VPSにおいては、layer_id_included_flagによって、階層セットが規定される。
　さらに、次の図７に示されるように、VPS_extensionにおいて、direct_dependency_flagにより、階層間に直接の依存関係があるかどうかに関する情報が伝送される。
　図７および図８は、VPS_extensionのシンタクスの例を示す図である。左側の数字は、説明の便宜上設けられたものである。図７および図８の例において、第２３行目乃至第２５行目には、上述した階層間に直接の依存関係があるかどうかに関する情報であるdirect_dependency_flagが記述されている。
　以上のように、非特許文献２において規定されている階層符号化方式は、階層数が最大63までしか設定することができなかった。すなわち、超多眼画像といった63以上の階層を含むアプリケーションに対応していなかった。
＜スキップピクチャ＞
　また、非特許文献３においては、以下のようなスキップピクチャが提案されている。すなわち、スケーラブル符号化処理が行われる際、エンハンスメントレイヤにおいて、スキップピクチャが指定されると、ベースレイヤのアップサンプル画像がそのまま出力され、ピクチャに対する復号処理が行われない。
　これにより、エンハンスメントレイヤにおいて、CPUの負荷が高いとき、演算量を削減し、リアルタイム動作することを可能にしたり、バッファのオーバフローを起こしそうなとき、当該ピクチャに対する情報の伝送を行わないとき、オーバフローを回避するといったことが可能になる。
　しかしながら、スペーシャルスケーラビリティのとき、スキップピクチャの参照元がスキップピクチャであるとき、アップサンプル処理を２回、もしくは、それ以上施した画像が、当該エンハンスメントレイヤにおいて出力されることになってしまう。この場合、当該階層に比して、極めて解像度が低い画像が復号画像として出力してしまう。
　以上のように、階層数が多くなることで、今までの規格では対応することが困難であり、レイヤ間（階層間）情報を設定することが必要となってきた。そこで、本技術においては、必要な階層間情報が設定される。
　＜１．第１の実施の形態＞
＜スケーラブル符号化装置＞
　図９は、スケーラブル符号化装置の主な構成例を示すブロック図である。
　図９に示されるスケーラブル符号化装置１００は、画像データをスケーラブル符号化する画像情報処理装置であり、ベースレイヤとエンハンスメントレイヤに階層化された画像データの各レイヤを符号化する。
　この階層化の基準として用いるパラメータ（スケーラビリティを持たせるパラメータ）は任意である。スケーラブル符号化装置１００は、共通情報生成部１０１、符号化制御部１０２、ベースレイヤ画像符号化部１０３、エンハンスメントレイヤ画像符号化部１０４－１、およびエンハンスメントレイヤ画像符号化部１０４－２を有する。なお、特に区別する必要のない場合、エンハンスメントレイヤ画像符号化部１０４－１および１０４－２は、まとめてエンハンスメントレイヤ画像符号化部１０４と称する。図９の例においては、エンハンスメントレイヤ画像符号化部１０４が２台の例が示されているが、さらに多くの台数で構成される場合がある。
　共通情報生成部１０１は、例えばNALユニットに格納するような画像データの符号化に関する情報を取得する。また、共通情報生成部１０１は、必要に応じて、ベースレイヤ画像符号化部１０３、およびエンハンスメントレイヤ画像符号化部１０４などから必要な情報を取得する。共通情報生成部１０１は、それらの情報を基に全レイヤに関する情報である共通情報を生成する。共通情報には、例えば、ビデオパラメータセット等が含まれる。共通情報生成部１０１は、生成した共通情報を、例えばNALユニットとして、スケーラブル符号化装置１００の外部に出力する。なお、共通情報生成部１０１は、生成した共通情報を、符号化制御部１０２にも供給する。さらに、共通情報生成部１０１は、必要に応じて、生成した共通情報の一部若しくは全部をベースレイヤ画像符号化部１０３およびエンハンスメントレイヤ画像符号化部１０４にも供給する。
　符号化制御部１０２は、共通情報生成部１０１から供給される共通情報に基づいて、ベースレイヤ画像符号化部１０３およびエンハンスメントレイヤ画像符号化部１０４を制御することにより、各レイヤの符号化を制御する。
　ベースレイヤ画像符号化部１０３は、ベースレイヤの画像情報（ベースレイヤ画像情報）を取得する。ベースレイヤ画像符号化部１０３は、他のレイヤの情報を利用せずに、そのベースレイヤ画像情報を符号化し、ベースレイヤの符号化データ（ベースレイヤ符号化データ）を生成し、出力する。
　エンハンスメントレイヤ画像符号化部１０４は、エンハンスメントレイヤの画像情報（エンハンスメントレイヤ画像）を取得し、そのエンハンスメントレイヤ画像情報を符号化する。ただし、説明の便宜上、エンハンスメントレイヤは、処理中のカレントレイヤと、カレントレイヤにおいて参照される参照レイヤとに分けられる。
　エンハンスメントレイヤ画像符号化部１０４は、カレントレイヤ（エンハンスメントレイヤ）の画像情報（カレントレイヤ画像情報）を取得し、必要に応じて、他のレイヤ（ベースレイヤまたはエンハンスメントレイヤのうち先に符号化されたレイヤ）を参照し、そのカレントレイヤ画像情報を符号化する。
　エンハンスメントレイヤ画像符号化部１０４は、階層間で処理を行う上で必要な階層間情報、すなわち、他のレイヤの復号画像を参照ピクチャとした場合、そのピクチャがスキップピクチャであるか否かを示す階層間情報、または６４以上の階層を持つ場合の階層依存関係を示す階層間情報を設定する。
　エンハンスメントレイヤ画像符号化部１０４は、設定した階層間情報に基づいて、動き予測の際、スキップピクチャモードを用いて、または、禁止して、動き予測を行い、その階層間情報を符号化する。あるいは、エンハンスメントレイヤ画像符号化部１０４は、設定した階層間情報に基づいて、動き予測を行うとともに、その階層間情報を符号化する。
　なお、エンハンスメントレイヤの画像情報を符号化する際、エンハンスメントレイヤ画像符号化部１０４は、他のエンハンスメントレイヤ復号画像（またはベースレイヤ復号画像）を取得し、それをアップサンプルしてから、動き予測のための参照ピクチャの１つとして用いる。
　エンハンスメントレイヤ画像符号化部１０４は、このような符号化により、エンハンスメントレイヤの符号化データを生成し、出力する。
[ベースレイヤ画像符号化部]
　図１０は、図９のベースレイヤ画像符号化部１０３の主な構成例を示すブロック図である。図１０に示されるように、ベースレイヤ画像符号化部１０３は、A/D変換部１１１、画面並べ替えバッファ１１２、演算部１１３、直交変換部１１４、量子化部１１５、可逆符号化部１１６、蓄積バッファ１１７、逆量子化部１１８、および逆直交変換部１１９を有する。また、ベースレイヤ画像符号化部１０３は、演算部１２０、デブロッキングフィルタ１２１、フレームメモリ１２２、選択部１２３、イントラ予測部１２４、動き予測・補償部１２５、予測画像選択部１２６、およびレート制御部１２７を有する。さらに、ベースレイヤ画像符号化部１０３は、デブロッキングフィルタ１２１とフレームメモリ１２２との間に、適応オフセットフィルタ１２８を有する。
　A/D変換部１１１は、入力された画像データ（ベースレイヤ画像情報）をA/D変換し、変換後の画像データ（デジタルデータ）を、画面並べ替えバッファ１１２に供給し、記憶させる。画面並べ替えバッファ１１２は、記憶した表示の順番のフレームの画像を、GOP（Group Of Picture）に応じて、符号化のためのフレームの順番に並べ替え、フレームの順番を並び替えた画像を、演算部１１３に供給する。また、画面並べ替えバッファ１１２は、フレームの順番を並び替えた画像を、イントラ予測部１２４および動き予測・補償部１２５にも供給する。
　演算部１１３は、画面並べ替えバッファ１１２から読み出された画像から、予測画像選択部１２６を介してイントラ予測部１２４若しくは動き予測・補償部１２５から供給される予測画像を減算し、その差分情報を直交変換部１１４に出力する。例えば、イントラ符号化が行われる画像の場合、演算部１１３は、画面並べ替えバッファ１１２から読み出された画像から、イントラ予測部１２４から供給される予測画像を減算する。また、例えば、インター符号化が行われる画像の場合、演算部１１３は、画面並べ替えバッファ１１２から読み出された画像から、動き予測・補償部１２５から供給される予測画像を減算する。
　直交変換部１１４は、演算部１１３から供給される差分情報に対して、離散コサイン変換やカルーネン・レーベ変換等の直交変換を施す。直交変換部１１４は、その変換係数を量子化部１１５に供給する。
　量子化部１１５は、直交変換部１１４から供給される変換係数を量子化する。量子化部１１５は、レート制御部１２７から供給される符号量の目標値に関する情報に基づいて量子化パラメータを設定し、その量子化を行う。量子化部１１５は、量子化された変換係数を可逆符号化部１１６に供給する。
　可逆符号化部１１６は、量子化部１１５において量子化された変換係数を任意の符号化方式で符号化する。係数データは、レート制御部１２７の制御の下で量子化されているので、この符号量は、レート制御部１２７が設定した目標値となる（若しくは目標値に近似する）。
　また、可逆符号化部１１６は、イントラ予測のモードを示す情報などをイントラ予測部１２４から取得し、インター予測のモードを示す情報や差分動きベクトル情報などを動き予測・補償部１２５から取得する。さらに、可逆符号化部１１６は、シーケンスパラメータセット（SPS）、およびピクチャパラメータセット（PPS）等を含むベースレイヤのNALユニットを適宜生成する。なお、図示されないが、可逆符号化部１１６は、エンハンスメントレイヤ画像符号化部１０４－１が階層間情報を設定するのに必要な情報を、エンハンスメントレイヤ画像符号化部１０４－１に供給する。
　可逆符号化部１１６は、これらの各種情報を任意の符号化方式で符号化し、符号化データ（符号化ストリームとも称する）の一部とする（多重化する）。可逆符号化部１１６は、符号化して得られた符号化データを蓄積バッファ１１７に供給して蓄積させる。
　可逆符号化部１１６の符号化方式としては、例えば、可変長符号化または算術符号化等が挙げられる。可変長符号化としては、例えば、H．264/AVC方式で定められているCAVLC（Context-Adaptive Variable Length Coding）などが挙げられる。算術符号化としては、例えば、CABAC（Context-Adaptive Binary Arithmetic Coding）などが挙げられる。
　蓄積バッファ１１７は、可逆符号化部１１６から供給された符号化データ（ベースレイヤ符号化データ）を、一時的に保持する。蓄積バッファ１１７は、所定のタイミングにおいて、保持しているベースレイヤ符号化データを、例えば、後段の図示せぬ記録装置（記録媒体）や伝送路などに出力する。すなわち、蓄積バッファ１１７は、符号化データを伝送する伝送部でもある。
　また、量子化部１１５において量子化された変換係数は、逆量子化部１１８にも供給される。逆量子化部１１８は、その量子化された変換係数を、量子化部１１５による量子化に対応する方法で逆量子化する。逆量子化部１１８は、得られた変換係数を、逆直交変換部１１９に供給する。
　逆直交変換部１１９は、逆量子化部１１８から供給された変換係数を、直交変換部１１４による直交変換処理に対応する方法で逆直交変換する。逆直交変換された出力（復元された差分情報）は、演算部１２０に供給される。
　演算部１２０は、逆直交変換部１１９から供給された逆直交変換結果である、復元された差分情報に、予測画像選択部１２６を介してイントラ予測部１２４若しくは動き予測・補償部１２５からの予測画像を加算し、局部的に復号された画像（復号画像）を得る。その復号画像は、デブロッキングフィルタ１２１またはフレームメモリ１２２に供給される。
　デブロッキングフィルタ１２１は、演算部１２０から供給される再構成画像に対して、デブロックフィルタ処理を行うことにより再構成画像のブロック歪を除去する。デブロッキングフィルタ１２１は、フィルタ処理が施された画像を、適応オフセットフィルタ１２８に供給する。
　適応オフセットフィルタ１２８は、デブロッキングフィルタ１２１からのデブロックフィルタ処理結果（ブロック歪みの除去が行われた再構成画像）に対して、主にリンギングを除去する適応オフセットフィルタ(SAO: Sample adaptive offset)処理を行う。
　より詳細には、適応オフセットフィルタ１２８は、最大の符号化単位であるLCU（Largest Coding Unit）ごとに適応オフセットフィルタ処理の種類を決定し、その適応オフセットフィルタ処理で用いられるオフセットを求める。適応オフセットフィルタ１２８は、求められたオフセットを用いて、適応デブロックフィルタ処理後の画像に対して、決定された種類の適応オフセットフィルタ処理を行う。そして、適応オフセットフィルタ１２８は、適応オフセットフィルタ処理後の画像（以下、復号画像と称する）をフレームメモリ１２２に供給する。
　なお、デブロッキングフィルタ１２１および適応オフセットフィルタ１２８は、必要に応じて、フィルタ処理に用いたフィルタ係数等の情報を可逆符号化部１１６に供給し、それを符号化させるようにすることもできる。また、適応オフセットフィルタ１２８の後段に、適応ループフィルタを備えるようにしてもよい。
　フレームメモリ１２２は、演算部１２０から供給される再構成画像と、適応オフセットフィルタ１２８から供給される復号画像とをそれぞれ記憶する。フレームメモリ１２２は、所定のタイミングにおいて、若しくは、イントラ予測部１２４等の外部からの要求に基づいて、記憶している再構成画像を、選択部１２３を介してイントラ予測部１２４に供給する。また、フレームメモリ１２２は、所定のタイミングにおいて、若しくは、動き予測・補償部１２５等の外部からの要求に基づいて、記憶している復号画像を、選択部１２３を介して、動き予測・補償部１２５に供給する。
　フレームメモリ１２２は、供給される復号画像を記憶し、所定のタイミングにおいて、記憶している復号画像を参照画像として、選択部１２３に供給する。なお、フレームメモリ１２２のベースレイヤ復号画像は、必要に応じて、参照ピクチャとして、エンハンスメントレイヤ画像符号化部１０４－１やエンハンスメントレイヤ画像符号化部１０４－２に供給される。
　選択部１２３は、フレームメモリ１２２から供給される参照画像の供給先を選択する。例えば、イントラ予測の場合、選択部１２３は、フレームメモリ１２２から供給される参照画像（カレントピクチャ内の画素値）を動き予測・補償部１２５に供給する。また、例えば、インター予測の場合、選択部１２３は、フレームメモリ１２２から供給される参照画像を動き予測・補償部１２５に供給する。
　イントラ予測部１２４は、選択部１２３を介してフレームメモリ１２２から供給される参照画像であるカレントピクチャ内の画素値を用いて予測画像を生成するイントラ予測（画面内予測）を行う。イントラ予測部１２４は、予め用意された複数のイントラ予測モードでこのイントラ予測を行う。
　イントラ予測部１２４は、候補となる全てのイントラ予測モードで予測画像を生成し、画面並べ替えバッファ１１２から供給される入力画像を用いて各予測画像のコスト関数値を評価し、最適なモードを選択する。イントラ予測部１２４は、最適なイントラ予測モードを選択すると、その最適なモードで生成された予測画像を、予測画像選択部１２６に供給する。
　また、上述したように、イントラ予測部１２４は、採用されたイントラ予測モードを示すイントラ予測モード情報等を、適宜可逆符号化部１１６に供給し、符号化させる。
　動き予測・補償部１２５は、画面並べ替えバッファ１１２から供給される入力画像と、選択部１２３を介してフレームメモリ１２２から供給される参照画像とを用いて動き予測（インター予測）を行う。動き予測・補償部１２５は、検出された動きベクトルに応じて動き補償処理を行い、予測画像（インター予測画像情報）を生成する。動き予測・補償部１２５は、予め用意された複数のインター予測モードでこのようなインター予測を行う。
　動き予測・補償部１２５は、候補となる全てのインター予測モードで予測画像を生成する。動き予測・補償部１２５は、画面並べ替えバッファ１１２から供給される入力画像と、生成した差分動きベクトルの情報などを用いて、各予測画像のコスト関数値を評価し、最適なモードを選択する。動き予測・補償部１２５は、最適なインター予測モードを選択すると、その最適なモードで生成された予測画像を、予測画像選択部１２６に供給する。
　動き予測・補償部１２５は、採用されたインター予測モードを示す情報や、符号化データを復号する際に、そのインター予測モードで処理を行うために必要な情報等を可逆符号化部１１６に供給し、符号化させる。必要な情報としては、例えば、生成された差分動きベクトルの情報や、予測動きベクトル情報として、予測動きベクトルのインデックスを示すフラグなどがある。
　予測画像選択部１２６は、演算部１１３や演算部１２０に供給する予測画像の供給元を選択する。例えば、イントラ符号化の場合、予測画像選択部１２６は、予測画像の供給元としてイントラ予測部１２４を選択し、そのイントラ予測部１２４から供給される予測画像を演算部１１３や演算部１２０に供給する。また、例えば、インター符号化の場合、予測画像選択部１２６は、予測画像の供給元として動き予測・補償部１２５を選択し、その動き予測・補償部１２５から供給される予測画像を演算部１１３や演算部１２０に供給する。
　レート制御部１２７は、蓄積バッファ１１７に蓄積された符号化データの符号量に基づいて、オーバフローあるいはアンダーフローが発生しないように、量子化部１１５の量子化動作のレートを制御する。
[エンハンスメントレイヤ画像符号化部]
　図１１は、図９のエンハンスメントレイヤ画像符号化部１０４－２の主な構成例を示すブロック図である。なお、エンハンスメントレイヤ画像符号化部１０４－１は、図１１のエンハンスメントレイヤ画像符号化部１０４－２と同じ構成であるので、その説明は省略される。また、図１１に示されるように、エンハンスメントレイヤ画像符号化部１０４－２は、図１０のベースレイヤ画像符号化部１０３と基本的に同様の構成を有する。
　ただし、エンハンスメントレイヤ画像符号化部１０４－２の各部は、ベースレイヤではなく、エンハンスメントレイヤのうち、カレントレイヤ画像情報の符号化についての処理を行う。つまり、エンハンスメントレイヤ画像符号化部１０４－２のA/D変換部１１１は、カレントレイヤ画像情報をA/D変換し、エンハンスメントレイヤ画像符号化部１０４－２の蓄積バッファ１１７は、カレントレイヤ符号化データを、例えば、後段の図示せぬ記録装置（記録媒体）や伝送路などに出力する。また、図示されないが、エンハンスメントレイヤ画像符号化部１０４－２が参照レイヤとなる場合、可逆符号化部１１６は、エンハンスメントレイヤ画像符号化部１０４－３が階層間情報を設定するのに必要な情報を、例えば、エンハンスメントレイヤ画像符号化部１０４－３に供給する。また、その場合、フレームメモリ１２２の復号画像は、必要に応じて、参照ピクチャとして、エンハンスメントレイヤ画像符号化部１０４－３に供給される。
　また、エンハンスメントレイヤ画像符号化部１０４－２は、動き予測・補償部１２５の代わりに、動き予測・補償部１３５を有する。さらに、べースレイヤ画像符号化部１０３と異なり、エンハンスメントレイヤ画像符号化部１０４－２には、階層間情報設定部１４０およびアップサンプル部１４１が追加されている。
　動き予測・補償部１３５は、階層間情報設定部１４０により設定された階層間情報に応じて、動き予測・補償を行う。すなわち、動き予測・補償部１３５は、階層間情報設定部１４０により設定された階層間情報を参照すること以外は、動き予測・補償部１２５と基本的に同様の処理を行う。
　階層間情報設定部１４０は、エンハンスメントレイヤ画像符号化部１０４－１（またはベースレイヤ画像符号化部１０３）からの参照レイヤに関する情報を取得し、取得した参照レイヤに関する情報に基づいて、参照レイヤとカレントレイヤとの階層間において処理する際に必要な情報である階層間情報を設定する。階層間情報設定部１４０は、設定した階層間情報を、動き予測・補償部１３５および可逆符号化部１１６に供給する。可逆符号化部１１６は、階層間情報設定部１４０からの階層間情報に基づいて、VPSやVPS_extensionを適宜生成する。
　アップサンプル部１４１は、エンハンスメントレイヤ画像符号化部１０４－１からの参照レイヤ復号画像を、参照ピクチャとして取得し、取得した参照ピクチャをアップサンプルする。アップサンプル部１４１は、アップサンプルした参照ピクチャを、フレームメモリ１２２に記憶させる。
＜スキップピクチャに関する処理＞
　次に、図１２を参照して、本技術による階層間情報の１つとしてのスキップピクチャについて説明する。図１２の例においては、四角がピクチャを表し、四角に示されるバツが、そのピクチャがスキップピクチャであることを表している。
　図１２に示されるように、Layer2において、スキップピクチャが存在するとすると、このピクチャの出力は、Layer1のアップサンプル画像がそのまま使われることになる。ここで、Layer2のピクチャの参照ピクチャとなるLayer1のピクチャもスキップピクチャであるとすると、Layer2のピクチャとして、Layer1の参照階層であるLayer0のアップサンプル画像が出力されることになる。
　つまり、図１２の例においては、Layer2のスキップピクチャに関しては、Layer0のアップサンプル画像をさらにアップサンプルした画像が出力されることになるため、その出力画像は、Layer2の他のピクチャに比して、著しく解像度の低いピクチャとなってしまう。すなわち、Layer2においては、ピクチャ間の解像度の違いが、画質劣化として観測されてしまう恐れがある。
　そこで、本技術においては、階層間情報の１つとしてのスキップピクチャに関する設定を行うことで、スキップピクチャの参照元がスキップピクチャであることを禁止する。
　したがって、図１３に示すように、Layer1とLayer2におけるスキップピクチャの交互設定は可能である。
　なお、このような解像度の低下は、SNRスケーラビリティにおいては存在しないため、上記の制限は、図１４のＡに示されるように、当該階層（Layer2）と参照階層(Layer1)がSNRスケーラビリティのときに適用されないとしてもよい。すなわち、SNRスケーラビリティの場合、スキップピクチャの参照元がスキップピクチャであってもよい。
　また、図１４のＢに示されるように、当該階層（Layer2）と参照階層(Layer1)は、スペーシャルスケーラビリティであるが、参照階層(Layer1)と、さらにこれを参照する階層(Layer0)の間がSNRスケーラビリティのときは、本技術による制限が適用されないとしてもよい。
　なお、上述の処理は、スキップピクチャのみだけでなく、スキップスライス、あるいはスキップタイルなど、スキップモード全般に適用することができる。
　以上の方法により、スキップピクチャの２次以上の予測によって出力となる当該階層の画質の劣化を防ぐことができる。
　上述した本技術を実現する階層間情報設定部は、次のように構成される。
＜階層間情報設定部の構成例＞
　図１５は、図１１の階層間情報設定部１４０の主な構成例を示すブロック図である。
　図１５に示されるように、階層間情報設定部１４０は、参照階層ピクチャタイプバッファ１５１およびスキップピクチャ設定部１５２を有する。
　エンハンスメントレイヤ画像符号化部１０４－１から参照階層ピクチャタイプバッファ１５１に、参照階層におけるピクチャがスキップピクチャであるかどうかに関する情報が供給される。すなわち、参照階層ピクチャタイプバッファ１５１は、参照階層におけるピクチャがスキップピクチャであるかどうかに関する情報を取得する。その情報は、さらに、スキップピクチャ設定部１５２に供給される。
　参照階層におけるピクチャがスキップピクチャではない場合、スキップピクチャ設定部１５２は、階層間情報として、当該階層におけるピクチャがスキップピクチャであるかに関する設定を行う。そして、スキップピクチャ設定部１５２は、その設定された情報を、動き予測・補償部１３５および可逆符号化部１１６に供給する。
　参照階層におけるピクチャがスキップピクチャの場合、スキップピクチャ設定部１５２は、階層間情報として、当該階層におけるピクチャがスキップピクチャであるかに関する設定を行わない。すなわち、当該階層におけるピクチャがスキップピクチャとなることが禁止される。
　動き予測・補償部１３５は、スキップピクチャ設定部１５２からの当該階層におけるピクチャがスキップピクチャであるかに関する情報に基づいて、動き予測・補償処理を行う。可逆符号化部１１６は、当該階層におけるピクチャがスキップピクチャであるかに関する情報を、インター予測のモードを示す情報として復号側に送信するために符号化する。
＜符号化処理の流れ＞
　次に、以上のようなスケーラブル符号化装置１００により実行される各処理の流れについて説明する。最初に、図１６のフローチャートを参照して、符号化処理の流れの例を説明する。スケーラブル符号化装置１００は、ピクチャ毎にこの符号化処理を実行する。
　符号化処理が開始されると、ステップＳ１０１において、スケーラブル符号化装置１００の符号化制御部１０２は、最初のレイヤを処理対象とする。
　ステップＳ１０２において、符号化制御部１０２は、処理対象であるカレントレイヤがベースレイヤであるか否かを判定する。カレントレイヤがベースレイヤであると判定された場合、処理は、ステップＳ１０３に進む。
　ステップＳ１０３において、ベースレイヤ画像符号化部１０３は、ベースレイヤ符号化処理を行う。ステップＳ１０３の処理が終了すると、処理は、ステップＳ１０６に進む。
　また、ステップＳ１０２において、カレントレイヤがエンハンスメントレイヤであると判定された場合、処理は、ステップＳ１０４に進む。ステップＳ１０４において、符号化制御部１０２は、カレントレイヤに対応する（すなわち、参照先とする）参照レイヤを決定する。なお、図示はされていないが、参照レイヤがベースレイヤであることもある。
　ステップＳ１０５において、エンハンスメントレイヤ画像符号化部１０４－１またはエンハンスメントレイヤ画像符号化部１０４－２は、カレントレイヤ符号化処理を行う。ステップＳ１０５の処理が終了すると、処理は、ステップＳ１０６に進む。
　ステップＳ１０６において、符号化制御部１０２は、全てのレイヤを処理したか否かを判定する。未処理のレイヤが存在すると判定された場合、処理は、ステップＳ１０７に進む。
　ステップＳ１０７において、符号化制御部１０２は、次の未処理のレイヤを処理対象（カレントレイヤ）とする。ステップＳ１０７の処理が終了すると、処理は、ステップＳ１０２に戻る。ステップＳ１０２乃至ステップＳ１０７の処理が繰り返し実行され、各レイヤが符号化される。
　そして、ステップＳ１０６において、全てのレイヤが処理されたと判定された場合、符号化処理が終了する。
＜ベースレイヤ符号化処理の流れ＞
　次に、図１７のフローチャートを参照して、図１５のステップＳ１０３において実行されるベースレイヤ符号化処理の流れの例を説明する。
　ステップＳ１２１において、ベースレイヤ画像符号化部１０３のA/D変換部１１１は入力されたベースレイヤの画像情報（画像データ）をA/D変換する。ステップＳ１２２において、画面並べ替えバッファ１１２は、A/D変換されたベースレイヤの画像情報（デジタルデータ）を記憶し、各ピクチャを、表示する順番から符号化する順番へ並べ替える。
　ステップＳ１２３において、イントラ予測部１２４は、イントラ予測モードのイントラ予測処理を行う。ステップＳ１２４において、動き予測・補償部１２５は、インター予測モードでの動き予測や動き補償を行う動き予測・補償処理を行う。ステップＳ１２５において、予測画像選択部１２６は、イントラ予測部１２４および動き予測・補償部１２５から出力された各コスト関数値に基づいて、最適なモードを決定する。つまり、予測画像選択部１２６は、イントラ予測部１２４により生成された予測画像と、動き予測・補償部１２５により生成された予測画像のいずれか一方を選択する。ステップＳ１２６において、演算部１１３は、ステップＳ１２２の処理により並び替えられた画像と、ステップＳ１２５の処理により選択された予測画像との差分を演算する。差分データは元の画像データに較べてデータ量が低減される。したがって、画像をそのまま符号化する場合に較べて、データ量を圧縮することができる。
　ステップＳ１２７において、直交変換部１１４は、ステップＳ１２６の処理により生成された差分情報に対する直交変換処理を行う。ステップＳ１２８において、量子化部１１５は、レート制御部１２７により算出された量子化パラメータを用いて、ステップＳ１２７の処理により得られた直交変換係数を量子化する。
　ステップＳ１２８の処理により量子化された差分情報は、次のようにして局部的に復号される。すなわち、ステップＳ１２９において、逆量子化部１１８は、ステップＳ１２８の処理により生成された量子化された係数（量子化係数とも称する）を、量子化部１１５の特性に対応する特性で逆量子化する。ステップＳ１３０において、逆直交変換部１１９は、ステップＳ１２７の処理により得られた直交変換係数を逆直交変換する。ステップＳ１３１において、演算部１２０は、予測画像を局部的に復号された差分情報に加算し、局部的に復号された画像（演算部１１３への入力に対応する画像）を生成する。
　ステップＳ１３２においてデブロッキングフィルタ１２１は、ステップＳ１３１の処理により生成された画像に対してデブロッキングフィルタ処理を行う。これによりブロック歪み等が除去される。ステップＳ１３３において、適応オフセットフィルタ１２８は、デブロッキングフィルタ１２１からのデブロックフィルタ処理結果に対して、主にリンギングを除去する適応オフセットフィルタ処理を行う。
　ステップＳ１３４において、フレームメモリ１２２は、ステップＳ１３３の処理によりリンギングの除去等が行われた画像を記憶する。なお、フレームメモリ１２２にはデブロッキングフィルタ１２１および適応オフセットフィルタ１２８によりフィルタ処理されていない画像も演算部１２０から供給され、記憶される。このフレームメモリ１２２に記憶された画像は、ステップＳ１２３の処理やステップＳ１２４の処理に利用され、さらに、エンハンスメントレイヤ画像符号化部１０４－１にも供給される。
　ステップＳ１３５において、ベースレイヤ画像符号化部１０３の可逆符号化部１１６は、ステップＳ１２８の処理により量子化された係数を符号化する。すなわち、差分画像に対応するデータに対して、可変長符号化や算術符号化等の可逆符号化が行われる。
　また、このとき、可逆符号化部１１６は、ステップＳ１２５の処理により選択された予測画像の予測モードに関する情報を符号化し、差分画像を符号化して得られる符号化データに付加する。つまり、可逆符号化部１１６は、イントラ予測部１２４から供給される最適イントラ予測モード情報、または、動き予測・補償部１２５から供給される最適インター予測モードに応じた情報なども符号化し、符号化データに付加する。なお、可逆符号化部１１６は、必要に応じて、エンハンスメントレイヤ画像符号化部１０４－１が階層間情報を設定するのに必要な情報（当該階層のピクチャがスキップピクチャであるかどうかの情報や、当該階層における依存関係に関する情報など）を、エンハンスメントレイヤ画像符号化部１０４－１に供給する。
　ステップＳ１３６において蓄積バッファ１１７は、ステップＳ１３５の処理により得られたベースレイヤ符号化データを蓄積する。蓄積バッファ１１７に蓄積されたベースレイヤ符号化データは、適宜読み出され、伝送路や記録媒体を介して復号側に伝送される。
　ステップＳ１３７においてレート制御部１２７は、ステップＳ１３６において蓄積バッファ１１７に蓄積された符号化データの符号量（発生符号量）に基づいて、オーバフローあるいはアンダーフローが発生しないように、量子化部１１５の量子化動作のレートを制御する。
　ステップＳ１３７の処理が終了すると、ベースレイヤ符号化処理が終了し、処理は図１６に戻る。ベースレイヤ符号化処理は、例えば、ピクチャ単位で実行される。つまり、カレントレイヤの各ピクチャに対してベースレイヤ符号化処理が実行される。ただし、ベースレイヤ符号化処理内の各処理は、それぞれの処理単位毎に行われる。
＜エンハンスメントレイヤ符号化処理の流れ＞
　次に、図１８のフローチャートを参照して、図１５のステップＳ１０５において実行されるエンハンスメントレイヤ符号化処理の流れの例を説明する。
　エンハンスメントレイヤ符号化処理のステップＳ１５１乃至ステップＳ１５３、並びに、ステップＳ１５５乃至ステップＳ１６８の各処理は、図１７のベースレイヤ符号化処理のステップＳ１２１乃至ステップＳ１３７の各処理と同様に実行される。ただし、エンハンスメントレイヤ符号化処理の各処理は、エンハンスメントレイヤ画像符号化部１０４の各処理部により、エンハンスメントレイヤ画像情報に対して行われる。
　なお、ステップＳ１５４において、エンハンスメントレイヤ画像符号化部１０４の階層間情報設定部１４０は、参照レイヤに関する情報に基づいて、参照レイヤとカレントレイヤとの階層間において処理する際に必要な情報である階層間情報を設定する。この階層間情報設定処理の詳細については図１９を参照して後述する。
　ステップＳ１６８の処理が終了すると、エンハンスメントレイヤ符号化処理が終了され、処理は図１６に戻る。エンハンスメントレイヤ符号化処理は、例えば、ピクチャ単位で実行される。つまり、カレントレイヤの各ピクチャに対してエンハンスメントレイヤ符号化処理が実行される。ただし、エンハンスメントレイヤ符号化処理内の各処理は、それぞれの処理単位毎に行われる。
＜階層間情報設定処理の流れ]
　次に、図１９のフローチャートを参照して、図１８のステップＳ１５４において実行される階層間情報設定処理の流れの例を説明する。
　エンハンスメントレイヤ画像符号化部１０４－１から参照階層ピクチャタイプバッファ１５１に、参照階層におけるピクチャがスキップピクチャであるかどうかに関する情報が供給される。その情報は、さらに、スキップピクチャ設定部１５２に供給される。
　スキップピクチャ設定部１５２は、ステップＳ１７１において、参照階層ピクチャタイプバッファ１５１からの情報を参照して、参照ピクチャがスキップピクチャであるか否かを判定する。ステップＳ１７１において、参照ピクチャがスキップピクチャであると判定された場合、ステップＳ１７２はスキップされ、階層間情報設定処理は終了され、処理は、図１８に戻る。
　一方、ステップＳ１７１において、参照ピクチャがスキップピクチャであると判定されなかった場合、処理は、ステップＳ１７２に進む。ステップＳ１７２において、スキップピクチャ設定部１５２は、当該階層におけるピクチャがスキップピクチャであるかに関する設定を行う。そして、スキップピクチャ設定部１５２は、その情報を、動き予測・補償部１３５および可逆符号化部１１６に供給する。その後、階層間情報設定処理は終了され、処理は、図１８に戻る。
　動き予測・補償部１３５は、図１８のステップＳ１５５において、スキップピクチャ設定部１５２からの当該階層におけるピクチャがスキップピクチャであるかに関する情報に基づいて、動き予測・補償処理を行う。可逆符号化部１１６は、図１８のステップＳ１６６において、当該階層におけるピクチャがスキップピクチャであるかに関する情報を、インター予測のモードを示す情報として復号側に送信するために符号化する。
　以上のように、本技術のスケーラブル符号化装置においては、参照レイヤのピクチャがスキップピクチャだった場合に、当該レイヤの画像がスキップピクチャとなることを禁止するようにしたので、出力となるカレント画像の画質の低下を抑制することができる。
＜６４位以上の階層に関する処理＞
　次に、本技術による階層間情報の１つとして、スケーラブル符号化を行う際、64以上の階層を符号化する方法について説明する。
　図２０および図２１は、本技術によるVPS_extensionのシンタクスの例を示す図である。左側の数字は、説明の便宜上設けられたものである。
　例えば、上述した図６のVPSにおいて、第４行目のvps_max_layers_minus1によって、当該画像圧縮情報の階層数が60であると指定されるとする。また、VPS_extensionにおいて、図２０の第５行目のlayer_extension_factor_minus1によって、拡張因子が3であると指定されるとする。この場合、当該画像圧縮情報においては、(vps_max_layers_minus1+1)*(layer_extension_factor_minus1+1)＝60×3=180の階層を持つことが可能となる。
　同一の階層数を足し算により増大させるとすると、VPS_extensionにおいては、180-60=120という値を指定しなければならず、本技術によるように、layer_extension_factorによる拡張処理を行う方が、より少ないビット数により階層数の拡張を行うことが可能である。
　なお、本技術においては、図２０および図２１に示されるように、layer_extension_factorは、その値から1を引いた値が、layer_extension_factor_minus1として符号化される。また、本技術においては、図２０および図２１に示されるように、layer_extension_factorによって拡張された階層数に対して、VPS_extensionで改めて階層セットが定義される。すなわち、layer_extension_factor_minus1の値が０以外である場合、VPS_extensionにおいて、階層セットに関する情報を設定される。
　以上の方法により、64以上の階層を含むスケーラブル符号化処理を行うことができる。なお、例えば、VPSにおいて、layer_extension_flagを設定し、layer_extension_flagの値が１のときのみ、VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を設定するようにしてもよい。
　上述した本技術を実現する階層間情報設定部は、次のように構成される。
＜階層間情報設定部の他の構成例＞
　図２２は、図１１の階層間情報設定部１４０の主な構成例を示すブロック図である。
　図２２に示されるように、階層間情報設定部１４０は、階層依存関係バッファ１８１および拡張階層設定部１８２を有する。
　エンハンスメントレイヤ画像符号化部１０４－１から階層依存関係バッファ１８１に参照階層における依存関係に関する情報が供給される。すなわち、階層依存関係バッファ１８１は、参照階層における依存関係に関する情報を取得する。その情報は、さらに、拡張階層設定部１８２に供給される。
　拡張階層設定部１８２は、階層間情報として、図２０および図２１を参照して上述した本技術による方法に基づき、拡張階層に関する設定を行う。すなわち、拡張階層設定部１８２は、64以上の階層を持つ場合、VPSでlayer_extension_flagを１とし、VPS_extensionで拡張階層に関する情報を設定する。一方、拡張階層設定部１８２は、64以上の階層を持たない場合、VPSでlayer_extension_flagを0とし、VPS_extensionでの設定を行わない。そして、拡張階層設定部１８２は、その設定された拡張階層に関する情報を、動き予測・補償部１３５および可逆符号化部１１６に供給する。
　動き予測・補償部１３５は、拡張階層設定部１８２からの拡張階層に関する情報に基づいて、動き予測・補償処理を行う。可逆符号化部１１６は、拡張階層に関する情報を、インター予測のモードを示す情報として復号側に送信するためにVPSやVPS_extensionを生成し、符号化する。
＜階層間情報設定処理の流れ＞
　次に、図２３のフローチャートを参照して、図１８のステップＳ１５４において実行される階層間情報設定処理の流れの例を説明する。
　エンハンスメントレイヤ画像符号化部１０４－１から階層依存関係バッファ１８１に参照階層における依存関係に関する情報が供給される。その情報は、さらに、拡張階層設定部１８２に供給される。
　拡張階調設定部１８２は、ステップＳ１９１において、64以上の階層を持つか否かを判定する。ステップＳ１９１において、64以上の階層を持つと判定された場合、処理は、ステップＳ１９２に進む。
　拡張階調設定部１８２は、ステップＳ１９２において、図６に示されるようなVPSでlayer_extension_flagを１とする。ステップＳ１９３において、拡張階調設定部１８２は、VPS_extensionで拡張階層に関する情報を設定する。そして、拡張階調設定部１８２は、その情報を、動き予測・補償部１３５および可逆符号化部１１６に供給する。その後、階層間情報設定処理は終了され、処理は、図１８に戻る。
　一方、ステップＳ１９１において、64以上の階層を持たないと判定された場合、処理は、ステップＳ１９４に進む。
　拡張階調設定部１８２は、ステップＳ１９２において、図６に示されるようなVPSでlayer_extension_flagを０とする。そして、拡張階調設定部１８２は、その情報を、動き予測・補償部１３５および可逆符号化部１１６に供給する。その後、階層間情報設定処理は終了され、処理は、図１８に戻る。
　動き予測・補償部１３５は、図１８のステップＳ１５５において、拡張階調設定部１８２からの拡張階層に関する情報に基づいて、動き予測・補償処理を行う。可逆符号化部１１６は、図１８のステップＳ１６６において、拡張階調設定部１８２からの拡張階層に関する情報を、インター予測のモードを示す情報として復号側に送信するために符号化する。
  以上のように、本技術のスケーラブル符号化においては、VPSとVPS_extensionを設定することで、64以上の階層について定義することができるようになったので、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
  ＜２．第２の実施の形態＞
＜スケーラブル復号装置＞
  次に、以上のようにスケーラブル符号化（階層符号化）された符号化データ（ビットストリーム）の復号について説明する。図２４は、図９のスケーラブル符号化装置１００に対応するスケーラブル復号装置の主な構成例を示すブロック図である。図２４に示されるスケーラブル復号装置２００は、例えばスケーラブル符号化装置１００により画像データがスケーラブル符号化されて得られた符号化データを、その符号化方法に対応する方法でスケーラブル復号する。
  図２４に示されるように、スケーラブル復号装置２００は、共通情報取得部２０１、復号制御部２０２、ベースレイヤ画像復号部２０３、エンハンスメントレイヤ画像復号部２０４－１、およびエンハンスメントレイヤ画像復号部２０４－２を有する。なお、特に区別する必要のない場合、エンハンスメントレイヤ画像復号部２０４－１および２０４－２は、まとめてエンハンスメントレイヤ画像復号部２０４と称する。図２４の例においては、エンハンスメントレイヤ画像復号部２０４が２台の例が示されているが、さらに多くの台数で構成される場合がある。
  共通情報取得部２０１は、符号化側から伝送される共通情報（例えば、ビデオパラメータセット（VPS））を取得する。共通情報取得部２０１は、取得した共通情報より復号に関する情報を抽出し、それを復号制御部２０２に供給する。また、共通情報取得部２０１は、共通情報の一部若しくは全部を、ベースレイヤ画像復号部２０３乃至エンハンスメントレイヤ画像復号部２０４－２に適宜供給する。
  復号制御部２０２は、共通情報取得部２０１から供給された復号に関する情報を取得し、その情報に基づいて、ベースレイヤ画像復号部２０３乃至エンハンスメントレイヤ画像復号部２０４－２を制御することにより、各レイヤの復号を制御する。
  ベースレイヤ画像復号部２０３は、ベースレイヤ画像符号化部１０３に対応する画像復号部であり、例えばベースレイヤ画像符号化部１０３によりベースレイヤ画像情報が符号化されて得られたベースレイヤ符号化データを取得する。ベースレイヤ画像復号部２０３は、他のレイヤの情報を利用せずに、そのベースレイヤ符号化データを復号し、ベースレイヤ画像情報を再構築し、出力する。
  エンハンスメントレイヤ画像復号部２０４は、エンハンスメントレイヤ画像符号化部１０４に対応する画像復号部であり、例えばエンハンスメントレイヤ画像符号化部１０４によりエンハンスメントレイヤ画像情報が符号化されて得られたエンハンスメントレイヤ符号化データを取得する。エンハンスメントレイヤ画像復号部２０４は、そのエンハンスメントレイヤ符号化データを復号する。その際、エンハンスメントレイヤ画像復号部２０４は、符号化側から伝送された階層間情報を受け取り、復号処理を行う。階層間情報とは、上述したように、階層間で処理を行う上で必要な階層間情報、すなわち、そのピクチャがスキップピクチャであるか否かを示す階層間情報、または６４以上の階層を持つ場合の階層依存関係を示す階層間情報などである。
　エンハンスメントレイヤ画像復号部２０４は、このような受信された階層間情報を用いて動き補償を行い、予測画像を生成し、その予測画像を用いてエンハンスメントレイヤ画像情報を再構築し、出力する。
　なお、エンハンスメントレイヤの画像情報を復号する際、エンハンスメントレイヤ画像復号部２０４は、他のエンハンスメントレイヤ復号画像（またはベースレイヤ復号画像）を取得し、それをアップサンプルしてから、動き予測のための参照ピクチャの１つとして用いる。
[ベースレイヤ画像復号部]
  図２５は、図２４のベースレイヤ画像復号部２０３の主な構成例を示すブロック図である。図２５に示されるようにベースレイヤ画像復号部２０３は、蓄積バッファ２１１、可逆復号部２１２、逆量子化部２１３、逆直交変換部２１４、演算部２１５、デブロッキングフィルタ２１６、画面並べ替えバッファ２１７、およびD/A変換部２１８を有する。また、ベースレイヤ画像復号部２０３は、フレームメモリ２１９、選択部２２０、イントラ予測部２２１、動き補償部２２２、および選択部２２３を有する。さらに、ベースレイヤ画像復号部２０３は、デブロッキングフィルタ２１６と、画面並べ替えバッファ２１７およびフレームメモリ２１９との間に、適応オフセットフィルタ２２４を有する。
  蓄積バッファ２１１は、伝送されてきたベースレイヤ符号化データを受け取る受け取り部でもある。蓄積バッファ２１１は、伝送されてきたベースレイヤ符号化データを受け取って、蓄積し、所定のタイミングにおいてその符号化データを可逆復号部２１２に供給する。このベースレイヤ符号化データには、予測モード情報などの復号に必要な情報が付加されている。
  可逆復号部２１２は、蓄積バッファ２１１より供給された、可逆符号化部１１６により符号化された情報を、可逆符号化部１１６の符号化方式に対応する方式で復号する。可逆復号部２１２は、復号して得られた差分画像の量子化された係数データを、逆量子化部２１３に供給する。
  また、可逆復号部２１２は、ベースレイヤ符号化データに含まれるビデオパラメータセット（VPS）、シーケンスパラメータセット（SPS）、およびピクチャパラメータセット（PPS）等を含むNALユニットを適宜抽出し、取得する。可逆復号部２１２は、それらの情報から、最適な予測モードに関する情報を抽出し、その情報に基づいて最適な予測モードにイントラ予測モードが選択されたかインター予測モードが選択されたかを判定し、その最適な予測モードに関する情報を、イントラ予測部２２１および動き補償部２２２の内、選択されたと判定したモードの方に供給する。つまり、例えば、ベースレイヤ画像符号化部１０３において最適な予測モードとしてイントラ予測モードが選択された場合、その最適な予測モードに関する情報がイントラ予測部２２１に供給される。また、例えば、ベースレイヤ画像符号化部１０３において最適な予測モードとしてインター予測モードが選択された場合、その最適な予測モードに関する情報が動き補償部２２２に供給される。なお、図示されないが、可逆復号部２１２は、エンハンスメントレイヤ画像復号部２０４－１が階層間情報を設定するのに必要な情報を、エンハンスメントレイヤ画像復号部２０４－１に供給する。
　また、可逆復号部２１２は、例えば、量子化行列や量子化パラメータ等の、逆量子化に必要な情報をNALユニット等から抽出し、それを逆量子化部２１３に供給する。
  逆量子化部２１３は、可逆復号部２１２により復号されて得られた量子化された係数データを、量子化部１１５の量子化方式に対応する方式で逆量子化する。なお、この逆量子化部２１３は、逆量子化部１１８と同様の処理部である。つまり、逆量子化部２１３の説明は、逆量子化部１１８にも準用することができる。ただし、データの入出力先等は、装置に応じて適宜、変えて読む必要がある。逆量子化部２１３は、得られた係数データを逆直交変換部２１４に供給する。
  逆直交変換部２１４は、逆量子化部２１３から供給される係数データを、直交変換部１１４の直交変換方式に対応する方式で逆直交変換する。なお、この逆直交変換部２１４は、逆直交変換部１１９と同様の処理部である。つまり、逆直交変換部２１４の説明は、逆直交変換部１１９にも準用することができる。ただし、データの入出力先等は、装置に応じて適宜、変えて読む必要がある。
  逆直交変換部２１４は、この逆直交変換処理により、直交変換部１１４において直交変換される前の残差データに対応する復号残差データを得る。逆直交変換されて得られた復号残差データは、演算部２１５に供給される。また、演算部２１５には、選択部２２３を介して、イントラ予測部２２１若しくは動き補償部２２２から予測画像が供給される。
  演算部２１５は、その復号残差データと予測画像とを加算し、演算部１１３により予測画像が減算される前の画像データに対応する復号画像データを得る。演算部２１５は、その復号画像データをデブロッキングフィルタ２１６に供給する。
  デブロッキングフィルタ２１６は、復号画像に対してデブロックフィルタ処理を行うことにより復号画像のブロック歪を除去する。デブロッキングフィルタ２１６は、フィルタ処理が施された画像を、適応オフセットフィルタ２２４に供給する。
　適応オフセットフィルタ２２４は、デブロッキングフィルタ２１６からのデブロックフィルタ処理結果（ブロック歪みの除去が行われた復号画像）に対して、主にリンギングを除去する適応オフセットフィルタ(SAO: Sample adaptive offset)処理を行う。
　適応オフセットフィルタ２２４は、図示せぬ可逆復号部２１２からの最大の符号化単位であるLCU（Largest Coding Unit）ごとの適応オフセットフィルタ処理の種類とオフセットを受信する。適応オフセットフィルタ２２４は、受信したオフセットを用いて、適応デブロックフィルタ処理後の画像に対して、受信した種類の適応オフセットフィルタ処理を行う。そして、適応オフセットフィルタ２２４は、適応オフセットフィルタ処理後の画像（以下、復号画像と称する）を、画面並べ替えバッファ２１７およびフレームメモリ２１９に供給する。
  なお、演算部２１５から出力される復号画像は、デブロッキングフィルタ２１６や適応オフセットフィルタ２２４を介さずに画面並べ替えバッファ２１７やフレームメモリ２１９に供給することができる。つまり、デブロッキングフィルタ２１６によるフィルタ処理の一部若しくは全部は省略することができる。また、適応オフセットフィルタ２２４の後段に、適応ループフィルタを備えるようにしてもよい。
  画面並べ替えバッファ２１７は、復号画像の並べ替えを行う。すなわち、画面並べ替えバッファ１１２により符号化の順番のために並べ替えられたフレームの順番が、元の表示の順番に並べ替えられる。D/A変換部２１８は、画面並べ替えバッファ２１７から供給された画像をD/A変換し、図示せぬディスプレイに出力し、表示させる。
  フレームメモリ２１９は、供給される復号画像を記憶し、所定のタイミングにおいて、若しくは、イントラ予測部２２１や動き補償部２２２等の外部の要求に基づいて、記憶している復号画像を参照画像として、選択部２２０に供給する。なお、フレームメモリ２１９の復号画像は、必要に応じて、参照ピクチャとして、エンハンスメントレイヤ画像復号部２０４－１やエンハンスメントレイヤ画像復号部２０４－２に供給される。
  選択部２２０は、フレームメモリ２１９から供給される参照画像の供給先を選択する。選択部２２０は、イントラ符号化された画像を復号する場合、フレームメモリ２１９から供給される参照画像をイントラ予測部２２１に供給する。また、選択部２２０は、インター符号化された画像を復号する場合、フレームメモリ２１９から供給される参照画像を動き補償部２２２に供給する。
  イントラ予測部２２１には、ヘッダ情報を復号して得られたイントラ予測モードを示す情報等が可逆復号部２１２から適宜供給される。イントラ予測部２２１は、イントラ予測部１２４において用いられたイントラ予測モードで、フレームメモリ２１９から取得した参照画像を用いてイントラ予測を行い、予測画像を生成する。イントラ予測部２２１は、生成した予測画像を選択部２２３に供給する。
  動き補償部２２２は、ヘッダ情報を復号して得られた情報（最適予測モード情報、参照画像情報等）を可逆復号部２１２から取得する。
  動き補償部２２２は、可逆復号部２１２から取得された最適予測モード情報が示すインター予測モードで、フレームメモリ２１９から取得した参照画像を用いて動き補償を行い、予測画像を生成する。
  動き補償部２２２は、生成した予測画像を選択部２２３に供給する。
  選択部２２３は、イントラ予測部２２１からの予測画像または動き補償部２２２からの予測画像を、演算部２１５に供給する。そして、演算部２１５においては、動きベクトルが用いられて生成された予測画像と逆直交変換部２１４からの復号残差データ（差分画像情報）とが加算されて元の画像が復号される。
＜エンハンスメントレイヤ画像復号部＞
  図２６は、図２４のエンハンスメントレイヤ画像復号部２０４－２の主な構成例を示すブロック図である。なお、エンハンスメントレイヤ画像復号部２０４－１は、図２６のエンハンスメントレイヤ画像符号化部１０４－２と同じ構成であるので、その説明は省略される。また、図２６に示されるように、エンハンスメントレイヤ画像復号部２０４－２は、図２５のベースレイヤ画像復号部２０３と基本的に同様の構成を有する。
  ただし、エンハンスメントレイヤ画像復号部２０４－２の各部は、ベースレイヤではなく、エンハンスメントレイヤ符号化データの復号についての処理を行う。つまり、エンハンスメントレイヤ画像復号部２０４－２の蓄積バッファ２１１は、エンハンスメントレイヤ符号化データを記憶し、エンハンスメントレイヤ画像復号部２０４－２のD/A変換部２１８は、エンハンスメントレイヤ画像情報を、例えば、後段の図示せぬ記録装置（記録媒体）や伝送路などに出力する。また、図示されないが、エンハンスメントレイヤ画像復号部２０４－２が参照レイヤとなる場合、可逆復号部２１２は、エンハンスメントレイヤ画像復号部２０４－３が階層間情報を設定するのに必要な情報を、例えば、エンハンスメントレイヤ画像復号部２０４－３に供給する。また、その場合、フレームメモリ２１９の復号画像は、必要に応じて、参照ピクチャとして、エンハンスメントレイヤ画像復号部２０４－３に供給される。
  また、エンハンスメントレイヤ画像復号部２０４－２は、動き補償部２２２の代わりに、動き補償部２３２を有する。さらに、べースレイヤ画像復号部２０３と異なり、エンハンスメントレイヤ画像符号化部２０４－２には、階層間情報受信部２４０およびアップサンプル部２４１が追加されている。
  動き補償部２３２は、階層間情報設定部２４０により設定された階層間情報に応じて、動き補償を行う。すなわち、動き補償部２３２は、階層間情報受信部２４０により受信された階層間情報を参照すること以外は、動き補償部２２２と基本的に同様の処理を行う。
　階層間情報受信部２４０は、可逆復号部２１２から供給される階層間情報を受信し、受信した階層間情報を、動き補償部２３２に供給する。
　アップサンプル部２４１は、エンハンスメントレイヤ画像復号部２０４－１からの参照レイヤ復号画像を、参照ピクチャとして、取得し、取得した参照ピクチャをアップサンプルする。アップサンプル部２４１は、アップサンプルした参照ピクチャを、フレームメモリ２１９に記憶させる。
＜階層間情報受信部＞
  図２７は、図２６の階層間情報受信部２４０の主な構成例を示すブロック図である。なお、図２７の階層間情報受信部２４０は、図１５の階層間情報設定部１４０に対応する構成を有している。
　すなわち、図２７に示されるように、階層間情報受信部２４０は、参照階層ピクチャタイプバッファ２５１およびスキップピクチャ受信部２５２を有する。
　エンハンスメントレイヤ画像復号部２０４－１から参照階層ピクチャタイプバッファ２５１に、参照階層におけるピクチャがスキップピクチャであるかどうかに関する情報が供給される。その情報は、さらに、スキップピクチャ受信部２５２に供給される。なお、図２７の例においては構成されているが、復号側において、ビットストリームから得られる情報から当該階層のピクチャがスキップピクチャである場合、符号化側で参照階層のピクチャがスキップピクチャではないことがわかっているので、参照階層ピクチャタイプバッファ２５１はなくてもよい。
　参照階層におけるピクチャがスキップピクチャではない場合、スキップピクチャ受信部２５２は、階層間情報として、当該階層におけるピクチャがスキップピクチャであるかに関する情報を、可逆復号部２１２から受信する。そして、スキップピクチャ受信部２５２は、その受信された情報を、動き補償部２３２に供給する。
　参照階層におけるピクチャがスキップピクチャの場合、スキップピクチャ受信部２５２は、階層間情報として、当該階層におけるピクチャがスキップピクチャであるかに関する情報を、可逆復号部２１２からの受信を行わない。すなわち、当該階層におけるピクチャがスキップピクチャとなることが禁止される。
　動き補償部２３２は、スキップピクチャ受信部２５２からの当該階層におけるピクチャがスキップピクチャであるかに関する情報に基づいて、動き補償処理を行う。
＜復号処理の流れ＞
  次に、以上のようなスケーラブル復号装置２００により実行される各処理の流れについて説明する。最初に、図２８のフローチャートを参照して、復号処理の流れの例を説明する。スケーラブル復号装置２００は、ピクチャ毎にこの復号処理を実行する。
  復号処理が開始されると、ステップＳ４０１において、スケーラブル復号装置２００の復号制御部２０２は、最初のレイヤを処理対象とする。
  ステップＳ４０２において、復号制御部２０２は、処理対象であるカレントレイヤがベースレイヤであるか否かを判定する。カレントレイヤがベースレイヤであると判定された場合、処理は、ステップＳ４０３に進む。
  ステップＳ４０３において、ベースレイヤ画像復号部２０３は、ベースレイヤ復号処理を行う。ステップＳ４０３の処理が終了すると、処理は、ステップＳ４０６に進む。
  また、ステップＳ４０２において、カレントレイヤがエンハンスメントレイヤであると判定された場合、処理はステップＳ４０４に進む。ステップＳ４０４において、復号制御部２０２は、カレントレイヤに対応する（すなわち、参照先とする）参照レイヤを決定する。なお、図示はされていないが、参照レイヤがベースレイヤであることもある。
  ステップＳ４０５において、エンハンスメントレイヤ画像復号部２０４は、エンハンスメントレイヤ復号処理を行う。ステップＳ４０５の処理が終了すると、処理はステップＳ４０６に進む。
  ステップＳ４０６において、復号制御部２０２は、全てのレイヤを処理したか否かを判定する。未処理のレイヤが存在すると判定された場合、処理はステップＳ４０７に進む。
  ステップＳ４０７において、復号制御部２０２は、次の未処理のレイヤを処理対象（カレントレイヤ）とする。ステップＳ４０７の処理が終了すると、処理はステップＳ４０２に戻る。ステップＳ４０２乃至ステップＳ４０７の処理が繰り返し実行され、各レイヤが復号される。
  そして、ステップＳ４０６において、全てのレイヤが処理されたと判定された場合、復号処理が終了する。
＜ベースレイヤ復号処理の流れ＞
  次に、図２９のフローチャートを参照して、図２８のステップＳ４０３において実行されるベースレイヤ復号処理の流れの例を説明する。
  ベースレイヤ復号処理が開始されると、ステップＳ４２１において、ベースレイヤ画像復号部２０３の蓄積バッファ２１１は、符号化側から伝送されたベースレイヤのビットストリームを蓄積する。ステップＳ４２２において、可逆復号部２１２は、蓄積バッファ２１１から供給されるベースレイヤのビットストリーム（符号化された差分画像情報）を復号する。すなわち、可逆符号化部１１６により符号化されたＩピクチャ、Ｐピクチャ、並びにＢピクチャが復号される。このとき、ヘッダ情報などのビットストリームに含められた差分画像情報以外の各種情報も復号される。なお、可逆復号部２１２は、必要に応じて、エンハンスメントレイヤ画像復号部２０４－１が階層間情報を設定するのに必要な情報（当該階層のピクチャがスキップピクチャであるかどうかの情報や、当該階層における依存関係に関する情報など）を、エンハンスメントレイヤ画像復号部２０４－１に供給する。
  ステップＳ４２３において、逆量子化部２１３は、ステップＳ４２２の処理により得られた、量子化された係数を逆量子化する。
  ステップＳ４２４において、逆直交変換部２１４は、カレントブロック（カレントTU）を逆直交変換する。
  ステップＳ４２５において、イントラ予測部２２１若しくは動き補償部２２２は、予測処理を行い、予測画像を生成する。つまり、可逆復号部２１２において判定された、符号化の際に適用された予測モードで予測処理が行われる。より具体的には、例えば、符号化の際にイントラ予測が適用された場合、イントラ予測部２２１が、符号化の際に最適とされたイントラ予測モードで予測画像を生成する。また、例えば、符号化の際にインター予測が適用された場合、動き補償部２２２が、符号化の際に最適とされたインター予測モードで予測画像を生成する。
  ステップＳ４２６において、演算部２１５は、ステップＳ４２４の逆直交変換処理により生成された差分画像情報に、ステップＳ４２５において生成された予測画像を加算する。これにより元の画像が復号される。
  ステップＳ４２７において、デブロッキングフィルタ２１６は、ステップＳ４２６において得られた復号画像に対して、デブロッキングフィルタ処理を行う。これによりブロック歪み等が除去される。ステップＳ４２８において、適応オフセットフィルタ２２４は、デブロッキングフィルタ２１６からのデブロックフィルタ処理結果に対して、主にリンギングを除去する適応オフセットフィルタ処理を行う。
  ステップＳ４２９において、画面並べ替えバッファ２１７は、ステップＳ４２８においてリンギングの除去などが行われた画像の並べ替えを行う。すなわち画面並べ替えバッファ１１２により符号化のために並べ替えられたフレームの順序が、元の表示の順序に並べ替えられる。
  ステップＳ４３０において、D/A変換部２１８は、ステップＳ４２９においてフレームの順序が並べ替えられた画像をD/A変換する。この画像が図示せぬディスプレイに出力され、画像が表示される。
  ステップＳ４３１において、フレームメモリ２１９は、ステップＳ４２８において適応オフセットフィルタ処理された画像を記憶する。このフレームメモリ２１９に記憶された画像は、ステップＳ４２５の処理に利用され、さらに、エンハンスメントレイヤ画像復号部２０４－１にも供給される。
  ステップＳ４３１の処理が終了すると、ベースレイヤ復号処理が終了し、処理は図２８に戻る。ベースレイヤ復号処理は、例えば、ピクチャ単位で実行される。つまり、カレントレイヤの各ピクチャに対してベースレイヤ復号処理が実行される。ただし、ベースレイヤ復号処理内の各処理は、それぞれの処理単位毎に行われる。
＜エンハンスメントレイヤ復号処理の流れ＞
  次に、図３０のフローチャートを参照して、図２８のステップＳ４０５において実行されるエンハンスメントレイヤ復号処理の流れの例を説明する。
  エンハンスメントレイヤ復号処理のステップＳ４５１乃至ステップＳ４５４、並びに、ステップＳ４５６乃至ステップＳ４６２の各処理は、ベースレイヤ復号処理のステップＳ４２１乃至ステップＳ４３１の各処理と同様に実行される。ただし、エンハンスメントレイヤ復号処理の各処理は、エンハンスメントレイヤ画像復号部２０４の各処理部により、エンハンスメントレイヤ符号化データに対して行われる。
  なお、ステップＳ４５５において、エンハンスメントレイヤ画像復号部２０４の階層間情報受信部２４０は、参照レイヤに関する情報に基づいて、参照レイヤとカレントレイヤとの階層間において処理する際に必要な情報である階層間情報を受信する。この階層間情報受信処理の詳細については図３１を参照して後述する。
  ステップＳ４６２の処理が終了すると、エンハンスメントレイヤ復号処理が終了され、処理は図２８に戻る。エンハンスメントレイヤ復号処理は、例えば、ピクチャ単位で実行される。つまり、カレントレイヤの各ピクチャに対してエンハンスメントレイヤ復号処理が実行される。ただし、エンハンスメントレイヤ復号処理内の各処理は、それぞれの処理単位毎に行われる。
＜階層間情報受信処理の流れ＞
  次に、図３１のフローチャートを参照して、図３０のステップＳ４５５において実行される階層間情報受信処理の流れの例を説明する。
　エンハンスメントレイヤ画像復号部２０４－１から参照階層ピクチャタイプバッファ２５１に、参照階層におけるピクチャがスキップピクチャであるかどうかに関する情報が供給される。その情報は、さらに、スキップピクチャ受信部２５２に供給される。
　スキップピクチャ受信部２５２は、ステップＳ４７１において、参照階層ピクチャタイプバッファ２５１からの情報を参照して、参照ピクチャがスキップピクチャであるか否かを判定する。ステップＳ４７１において、参照ピクチャがスキップピクチャであると判定された場合、ステップＳ４７２はスキップされ、階層間情報受信処理は終了され、処理は、図３０に戻る。
　一方、ステップＳ４７１において、参照ピクチャがスキップピクチャであると判定されなかった場合、処理は、ステップＳ４７２に進む。ステップＳ４７２において、スキップピクチャ受信部２５２は、当該階層におけるピクチャがスキップピクチャであるかに関する情報を、可逆復号部２１２から受信する。そして、スキップピクチャ受信部２５２は、その情報を、動き補償部２３２に供給する。その後、階層間情報設定処理は終了され、処理は、図３０に戻る。
　動き補償部２３２は、図３０のステップＳ４５６において、スキップピクチャ受信部２５２からの当該階層におけるピクチャがスキップピクチャであるかに関する情報に基づいて、動き補償処理を行う。
  以上のように、本技術のスケーラブル復号装置においては、参照レイヤのピクチャがスキップピクチャだった場合に、当該レイヤの画像がスキップピクチャとなることを禁止するようにしたので、出力となるカレント画像の画質の低下を抑制することができる。
＜階層間情報設定部の他の構成例＞
  図３２は、図２６の階層間情報受信部２４０の主な構成例を示すブロック図である。なお、図３２の階層間情報受信部２４０は、図２２の階層間情報設定部１４０に対応する構成を有している。
  図３２に示されるように、階層間情報受信部２４０は、階層依存関係バッファ２８１および拡張階層受信部２８２を有する。
　エンハンスメントレイヤ画像復号部２０４－１から階層依存関係バッファ２８１に参照階層における依存関係に関する情報が供給される。その情報は、さらに、拡張階層受信部２８２に供給される。なお、図３２の例においては構成されているが、復号側において参照階層における依存関係に関する情報はビットストリームより得られるため、階層依存関係バッファ２８１はなくてもよい。
　拡張階層受信部２８２は、階層間情報として、拡張階層に関する情報を、可逆復号部２１２から受信する。まず、拡張階層受信部２８２は、可逆復号部２１２から、VPSにおいて、layer_extension_flagを受信する。
　拡張階層受信部２８２は、layer_extension_flag=1の場合、可逆復号部２１２から、VPS_extensionで拡張階層に関する情報を受信する。そして、拡張階層受信部２８２は、その受信された拡張階層に関する情報を、動き補償部２３２に供給する。
　拡張階層受信部２８２は、layer_extension_flag=0の場合、可逆復号部２１２から、VPS_extensionで拡張階層に関する情報の受信を行わない。すなわち、その情報の受信が禁止される。
　動き補償部２３２は、拡張階層受信部２８２からの拡張階層に関する情報に基づいて、動き補償処理を行う。
＜階層間情報受信処理の流れ＞
　次に、図３３のフローチャートを参照して、図３０のステップＳ４５５において実行される階層間情報受信処理の流れの例を説明する。
　エンハンスメントレイヤ画像復号部２０４－１から階層依存関係バッファ２８１に参照階層における依存関係に関する情報が供給される。その情報は、さらに、拡張階層受信部２８２に供給される。
　拡張階層受信部２８２は、ステップＳ４９１において、可逆復号部２１２から、VPSにおいて、layer_extension_flagを受信する。
　拡張階層受信部２８２は、ステップＳ４９２において、layer_extension_flagが１であるか否かを判定する。ステップＳ４９２において、layer_extension_flagが１であると判定された場合、処理は、ステップＳ４９３に進む。ステップＳ４９３において、拡張階層受信部２８２は、可逆復号部２１２から、VPS_extensionで拡張階層に関する情報を受信する。そして、拡張階層受信部２８２は、その受信された拡張階層に関する情報を、動き補償部２３２に供給する。その後、階層間情報受信処理は終了され、処理は、図３０に戻る。
　一方、ステップＳ４９２において、layer_extension_flagが０であると判定された場合、処理は、ステップＳ４９３をスキップする。その後、階層間情報受信処理は終了され、処理は、図３０に戻る。
　動き補償部２３２は、図３０のステップＳ４５５において、拡張階層受信部２８２からの拡張階層に関する情報に基づいて、動き補償処理を行う。
  以上のように、本技術のスケーラブル復号装置においては、VPSとVPS_extensionを設定することで、64以上の階層について定義することができるようになったので、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
　本技術によれば、階層間に関連する処理をスムーズに行うことができる。すなわち、出力となるカレント画像の画質の低下を抑制することができる。または、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
  ＜３．その他＞
  以上においては、スケーラブル符号化により画像データが階層化されて複数レイヤ化されるように説明したが、そのレイヤ数は任意である。また、例えば、図３４の例に示されるように、一部のピクチャが階層化されるようにしてもよい。また、以上においては、符号化・復号において、エンハンスメントレイヤは、ベースレイヤの情報を利用して処理されるように説明したが、これに限らず、エンハンスメントレイヤが、処理済の他のエンハンスメントレイヤの情報を利用して処理されるようにしてもよい。
  また、以上に説明したレイヤには、多視点画像符号化・復号におけるビューも含まれる。つまり、本技術は、多視点画像符号化・多視点画像復号に適用することができる。図３５は、多視点画像符号化方式の一例を示す。
  図３５に示されるように、多視点画像は、複数の視点（ビュー）の画像を含み、その複数の視点のうちの所定の１つの視点の画像が、ベースビューの画像に指定されている。ベースビューの画像以外の各視点の画像は、ノンベースビューの画像として扱われる。
  図３５のような多視点画像を符号化・復号する場合、各ビューの画像を符号化・復号するが、この各ビューの符号化・復号に対して、上述した方法を適用するようにしてもよい。つまり、階層（ビュー）間情報等を、このような多視点符号化・復号における複数のビューにおいて設定するようにしてもよい。
  このようにすることにより、上述した階層符号化・復号の場合と同様に、多視点符号化・復号においても、階層間に関連する処理をスムーズに行うことができる。すなわち、出力となるカレント画像の画質の低下を抑制することができる。または、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
  以上のように、本技術の適用範囲は、スケーラブルな符号化・復号方式に基づくあらゆる画像符号化装置及び画像復号装置に適用することができる。
  また、本技術は、例えば、MPEG、H．26x等の様に、離散コサイン変換等の直交変換と動き補償によって圧縮された画像情報（ビットストリーム）を、衛星放送、ケーブルテレビジョン、インターネット、または携帯電話機などのネットワークメディアを介して受信する際に用いられる画像符号化装置および画像復号装置に適用することができる。また、本技術は、光、磁気ディスク、およびフラッシュメモリのような記憶メディア上で処理する際に用いられる画像符号化装置および画像復号装置に適用することができる。
  ＜４．第３の実施の形態＞
＜コンピュータ＞
  上述した一連の処理は、ハードウエアにより実行させることもできるし、ソフトウエアにより実行させることもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここでコンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータ等が含まれる。
  図３６は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
  図３６に示されるコンピュータ８００において、CPU（Central Processing Unit）８０１、ROM（Read Only Memory）８０２、RAM（Random Access Memory）８０３は、バス８０４を介して相互に接続されている。
  バス８０４にはまた、入出力インタフェース８１０も接続されている。入出力インタフェース８１０には、入力部８１１、出力部８１２、記憶部８１３、通信部８１４、およびドライブ８１５が接続されている。
  入力部８１１は、例えば、キーボード、マウス、マイクロホン、タッチパネル、入力端子などよりなる。出力部８１２は、例えば、ディスプレイ、スピーカ、出力端子などよりなる。記憶部８１３は、例えば、ハードディスク、RAMディスク、不揮発性のメモリなどよりなる。通信部８１４は、例えば、ネットワークインタフェースよりなる。ドライブ８１５は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブルメディア８２１を駆動する。
  以上のように構成されるコンピュータでは、CPU８０１が、例えば、記憶部８１３に記憶されているプログラムを、入出力インタフェース８１０およびバス８０４を介して、RAM８０３にロードして実行することにより、上述した一連の処理が行われる。RAM８０３にはまた、CPU８０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
  コンピュータ（CPU８０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア８２１に記録して適用することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
  コンピュータでは、プログラムは、リムーバブルメディア８２１をドライブ８１５に装着することにより、入出力インタフェース８１０を介して、記憶部８１３にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部８１４で受信し、記憶部８１３にインストールすることができる。その他、プログラムは、ROM８０２や記憶部８１３に、あらかじめインストールしておくことができる。
  なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
  また、本明細書において、記録媒体に記録されるプログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
  また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、全ての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
  また、以上において、１つの装置（または処理部）として説明した構成を分割し、複数の装置（または処理部）として構成するようにしてもよい。逆に、以上において複数の装置（または処理部）として説明した構成をまとめて１つの装置（または処理部）として構成されるようにしてもよい。また、各装置（または各処理部）の構成に上述した以外の構成を付加するようにしてももちろんよい。さらに、システム全体としての構成や動作が実質的に同じであれば、ある装置（または処理部）の構成の一部を他の装置（または他の処理部）の構成に含めるようにしてもよい。
  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、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。
  例えば、本技術は、１つの機能を、ネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
  また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
  さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
  上述した実施形態に係る画像符号化装置及び画像復号装置は、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。
  ＜５．応用例＞
＜第１の応用例：テレビジョン受像機＞
  図３７は、上述した実施形態を適用した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における伝送部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OELD（Organic ElectroLuminescence Display）（有機ELディスプレイ）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における伝送部としての役割を有する。
  制御部９１０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、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、上述した実施形態に係るスケーラブル復号装置２００の機能を有する。それにより、テレビジョン装置９００での画像の復号に際し、階層間に関連する処理をスムーズに行うことができる。すなわち、出力となるカレント画像の画質の低下を抑制することができる。または、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
＜第２の応用例：携帯電話機＞
  図３８は、上述した実施形態を適用した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（Universal Serial Bus）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憶再生部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、上述した実施形態に係るスケーラブル符号化装置１００及びスケーラブル復号装置２００の機能を有する。それにより、携帯電話機９２０での画像の符号化及び復号に際し、階層間に関連する処理をスムーズに行うことができる。すなわち、出力となるカレント画像の画質の低下を抑制することができる。または、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
＜第３の応用例：記録再生装置＞
  図３９は、上述した実施形態を適用した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における伝送部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における伝送部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、各種プログラムおよ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、上述した実施形態に係るスケーラブル符号化装置１００の機能を有する。また、デコーダ９４７は、上述した実施形態に係るスケーラブル復号装置２００の機能を有する。それにより、記録再生装置９４０での画像の符号化及び復号に際し、階層間に関連する処理をスムーズに行うことができる。すなわち、出力となるカレント画像の画質の低下を抑制することができる。または、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
＜第４の応用例：撮像装置＞
  図４０は、上述した実施形態を適用した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（Charge Coupled Device）又はCMOS（Complementary Metal Oxide Semiconductor）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における伝送部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、上述した実施形態に係るスケーラブル符号化装置１００及びスケーラブル復号装置２００の機能を有する。それにより、撮像装置９６０での画像の符号化及び復号に際し、階層間に関連する処理をスムーズに行うことができる。すなわち、出力となるカレント画像の画質の低下を抑制することができる。または、64以上の階層を含むスケーラブル符号化処理を行うことが可能になる。
  ＜６．スケーラブル符号化の応用例＞
＜第１のシステム＞
  次に、スケーラブル符号化（階層符号化）されたスケーラブル符号化データの具体的な利用例について説明する。スケーラブル符号化は、例えば、図４１に示される例のように、伝送するデータの選択のために利用される。
  図４１に示されるデータ伝送システム１０００において、配信サーバ１００２は、スケーラブル符号化データ記憶部１００１に記憶されているスケーラブル符号化データを読み出し、ネットワーク１００３を介して、パーソナルコンピュータ１００４、AV機器１００５、タブレットデバイス１００６、および携帯電話機１００７等の端末装置に配信する。
  その際、配信サーバ１００２は、端末装置の能力や通信環境等に応じて、適切な品質の符号化データを選択して伝送する。配信サーバ１００２が不要に高品質なデータを伝送しても、端末装置において高画質な画像を得られるとは限らず、遅延やオーバフローの発生要因となる恐れがある。また、不要に通信帯域を占有したり、端末装置の負荷を不要に増大させたりしてしまう恐れもある。逆に、配信サーバ１００２が不要に低品質なデータを伝送しても、端末装置において十分な画質の画像を得ることができない恐れがある。そのため、配信サーバ１００２は、スケーラブル符号化データ記憶部１００１に記憶されているスケーラブル符号化データを、適宜、端末装置の能力や通信環境等に対して適切な品質の符号化データとして読み出し、伝送する。
  例えば、スケーラブル符号化データ記憶部１００１は、スケーラブルに符号化されたスケーラブル符号化データ（BL+EL）１０１１を記憶するとする。このスケーラブル符号化データ（BL+EL）１０１１は、ベースレイヤとエンハンスメントレイヤの両方を含む符号化データであり、復号することにより、ベースレイヤの画像およびエンハンスメントレイヤの画像の両方を得ることができるデータである。
  配信サーバ１００２は、データを伝送する端末装置の能力や通信環境等に応じて、適切なレイヤを選択し、そのレイヤのデータを読み出す。例えば、配信サーバ１００２は、処理能力の高いパーソナルコンピュータ１００４やタブレットデバイス１００６に対しては、高品質なスケーラブル符号化データ（BL+EL）１０１１をスケーラブル符号化データ記憶部１００１から読み出し、そのまま伝送する。これに対して、例えば、配信サーバ１００２は、処理能力の低いAV機器１００５や携帯電話機１００７に対しては、スケーラブル符号化データ（BL+EL）１０１１からベースレイヤのデータを抽出し、スケーラブル符号化データ（BL+EL）１０１１と同じコンテンツのデータであるが、スケーラブル符号化データ（BL+EL）１０１１よりも低品質なスケーラブル符号化データ（BL）１０１２として伝送する。
  このようにスケーラブル符号化データを用いることにより、データ量を容易に調整することができるので、遅延やオーバフローの発生を抑制したり、端末装置や通信媒体の負荷の不要な増大を抑制したりすることができる。また、スケーラブル符号化データ（BL+EL）１０１１は、レイヤ間の冗長性が低減されているので、各レイヤの符号化データを個別のデータとする場合よりもそのデータ量を低減させることができる。したがって、スケーラブル符号化データ記憶部１００１の記憶領域をより効率よく使用することができる。
  なお、パーソナルコンピュータ１００４乃至携帯電話機１００７のように、端末装置には様々な装置を適用することができるので、端末装置のハードウエアの性能は、装置によって異なる。また、端末装置が実行するアプリケーションも様々であるので、そのソフトウエアの能力も様々である。さらに、通信媒体となるネットワーク１００３も、例えばインターネットやLAN（Local Area Network）等、有線若しくは無線、またはその両方を含むあらゆる通信回線網を適用することができ、そのデータ伝送能力は様々である。さらに、他の通信等によっても変化する恐れがある。
  そこで、配信サーバ１００２は、データ伝送を開始する前に、データの伝送先となる端末装置と通信を行い、端末装置のハードウエア性能や、端末装置が実行するアプリケーション（ソフトウエア）の性能等といった端末装置の能力に関する情報、並びに、ネットワーク１００３の利用可能帯域幅等の通信環境に関する情報を得るようにしてもよい。そして、配信サーバ１００２が、ここで得た情報を基に、適切なレイヤを選択するようにしてもよい。
  なお、レイヤの抽出は、端末装置において行うようにしてもよい。例えば、パーソナルコンピュータ１００４が、伝送されたスケーラブル符号化データ（BL+EL）１０１１を復号し、ベースレイヤの画像を表示しても良いし、エンハンスメントレイヤの画像を表示しても良い。また、例えば、パーソナルコンピュータ１００４が、伝送されたスケーラブル符号化データ（BL+EL）１０１１から、ベースレイヤのスケーラブル符号化データ（BL）１０１２を抽出し、記憶したり、他の装置に転送したり、復号してベースレイヤの画像を表示したりするようにしてもよい。
  もちろん、スケーラブル符号化データ記憶部１００１、配信サーバ１００２、ネットワーク１００３、および端末装置の数はいずれも任意である。また、以上においては、配信サーバ１００２がデータを端末装置に伝送する例について説明したが、利用例はこれに限定されない。データ伝送システム１０００は、スケーラブル符号化された符号化データを端末装置に伝送する際、端末装置の能力や通信環境等に応じて、適切なレイヤを選択して伝送するシステムであれば、任意のシステムに適用することができる。
  そして、以上のようなデータ伝送システム１０００においても、第１の実施の形態および第２の実施の形態において上述した階層符号化・階層復号への適用と同様に本技術を適用することにより、第１の実施の形態および第２の実施の形態において上述した効果と同様の効果を得ることができる。
＜第２のシステム＞
  また、スケーラブル符号化は、例えば、図４２に示される例のように、複数の通信媒体を介する伝送のために利用される。
  図４２に示されるデータ伝送システム１１００において、放送局１１０１は、地上波放送１１１１により、ベースレイヤのスケーラブル符号化データ（BL）１１２１を伝送する。また、放送局１１０１は、有線若しくは無線またはその両方の通信網よりなる任意のネットワーク１１１２を介して、エンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を伝送する（例えばパケット化して伝送する）。
  端末装置１１０２は、放送局１１０１が放送する地上波放送１１１１の受信機能を有し、この地上波放送１１１１を介して伝送されるベースレイヤのスケーラブル符号化データ（BL）１１２１を受け取る。また、端末装置１１０２は、ネットワーク１１１２を介した通信を行う通信機能をさらに有し、このネットワーク１１１２を介して伝送されるエンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を受け取る。
  端末装置１１０２は、例えばユーザ指示等に応じて、地上波放送１１１１を介して取得したベースレイヤのスケーラブル符号化データ（BL）１１２１を、復号してベースレイヤの画像を得たり、記憶したり、他の装置に伝送したりする。
  また、端末装置１１０２は、例えばユーザ指示等に応じて、地上波放送１１１１を介して取得したベースレイヤのスケーラブル符号化データ（BL）１１２１と、ネットワーク１１１２を介して取得したエンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２とを合成して、スケーラブル符号化データ（BL+EL）を得たり、それを復号してエンハンスメントレイヤの画像を得たり、記憶したり、他の装置に伝送したりする。
  以上のように、スケーラブル符号化データは、例えばレイヤ毎に異なる通信媒体を介して伝送させることができる。したがって、負荷を分散させることができ、遅延やオーバフローの発生を抑制することができる。
  また、状況に応じて、伝送に使用する通信媒体を、レイヤ毎に選択することができるようにしてもよい。例えば、データ量が比較的多いベースレイヤのスケーラブル符号化データ（BL）１１２１を帯域幅の広い通信媒体を介して伝送させ、データ量が比較的少ないエンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を帯域幅の狭い通信媒体を介して伝送させるようにしてもよい。また、例えば、エンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を伝送する通信媒体を、ネットワーク１１１２とするか、地上波放送１１１１とするかを、ネットワーク１１１２の利用可能帯域幅に応じて切り替えるようにしてもよい。もちろん、任意のレイヤのデータについて同様である。
  このように制御することにより、データ伝送における負荷の増大を、より抑制することができる。
  もちろん、レイヤ数は任意であり、伝送に利用する通信媒体の数も任意である。また、データ配信先となる端末装置１１０２の数も任意である。さらに、以上においては、放送局１１０１からの放送を例に説明したが、利用例はこれに限定されない。データ伝送システム１１００は、スケーラブル符号化された符号化データを、レイヤを単位として複数に分割し、複数の回線を介して伝送するシステムであれば、任意のシステムに適用することができる。
  そして、以上のようなデータ伝送システム１１００においても、第１の実施の形態および第２の実施の形態において上述した階層符号化・階層復号への適用と同様に本技術を適用することにより、第１の実施の形態および第２の実施の形態において上述した効果と同様の効果を得ることができる。
＜第３のシステム＞
  また、スケーラブル符号化は、例えば、図４３に示される例のように、符号化データの記憶に利用される。
  図４３に示される撮像システム１２００において、撮像装置１２０１は、被写体１２１１を撮像して得られた画像データをスケーラブル符号化し、スケーラブル符号化データ（BL+EL）１２２１として、スケーラブル符号化データ記憶装置１２０２に供給する。
  スケーラブル符号化データ記憶装置１２０２は、撮像装置１２０１から供給されるスケーラブル符号化データ（BL+EL）１２２１を、状況に応じた品質で記憶する。例えば、通常時の場合、スケーラブル符号化データ記憶装置１２０２は、スケーラブル符号化データ（BL+EL）１２２１からベースレイヤのデータを抽出し、低品質でデータ量の少ないベースレイヤのスケーラブル符号化データ（BL）１２２２として記憶する。これに対して、例えば、注目時の場合、スケーラブル符号化データ記憶装置１２０２は、高品質でデータ量の多いスケーラブル符号化データ（BL+EL）１２２１のまま記憶する。
  このようにすることにより、スケーラブル符号化データ記憶装置１２０２は、必要な場合のみ、画像を高画質に保存することができるので、画質劣化による画像の価値の低減を抑制しながら、データ量の増大を抑制することができ、記憶領域の利用効率を向上させることができる。
  例えば、撮像装置１２０１が監視カメラであるとする。撮像画像に監視対象（例えば侵入者）が写っていない場合（通常時の場合）、撮像画像の内容は重要でない可能性が高いので、データ量の低減が優先され、その画像データ（スケーラブル符号化データ）は、低品質に記憶される。これに対して、撮像画像に監視対象が被写体１２１１として写っている場合（注目時の場合）、その撮像画像の内容は重要である可能性が高いので、画質が優先され、その画像データ（スケーラブル符号化データ）は、高品質に記憶される。
  なお、通常時であるか注目時であるかは、例えば、スケーラブル符号化データ記憶装置１２０２が、画像を解析することにより判定しても良い。また、撮像装置１２０１が判定し、その判定結果をスケーラブル符号化データ記憶装置１２０２に伝送するようにしてもよい。
  なお、通常時であるか注目時であるかの判定基準は任意であり、判定基準とする画像の内容は任意である。もちろん、画像の内容以外の条件を判定基準とすることもできる。例えば、収録した音声の大きさや波形等に応じて切り替えるようにしてもよいし、所定の時間毎に切り替えるようにしてもよいし、ユーザ指示等の外部からの指示によって切り替えるようにしてもよい。
  また、以上においては、通常時と注目時の２つの状態を切り替える例を説明したが、状態の数は任意であり、例えば、通常時、やや注目時、注目時、非常に注目時等のように、３つ以上の状態を切り替えるようにしてもよい。ただし、この切り替える状態の上限数は、スケーラブル符号化データのレイヤ数に依存する。
  また、撮像装置１２０１が、スケーラブル符号化のレイヤ数を、状態に応じて決定するようにしてもよい。例えば、通常時の場合、撮像装置１２０１が、低品質でデータ量の少ないベースレイヤのスケーラブル符号化データ（BL）１２２２を生成し、スケーラブル符号化データ記憶装置１２０２に供給するようにしてもよい。また、例えば、注目時の場合、撮像装置１２０１が、高品質でデータ量の多いベースレイヤのスケーラブル符号化データ（BL+EL）１２２１を生成し、スケーラブル符号化データ記憶装置１２０２に供給するようにしてもよい。
  以上においては、監視カメラを例に説明したが、この撮像システム１２００の用途は任意であり、監視カメラに限定されない。
  そして、以上のような撮像システム１２００においても、第１の実施の形態および第２の実施の形態において上述した階層符号化・階層復号への適用と同様に本技術を適用することにより、第１の実施の形態および第２の実施の形態において上述した効果と同様の効果を得ることができる。
  ＜７．第４の実施の形態＞
＜実施のその他の例＞
  以上において本技術を適用する装置やシステム等の例を説明したが、本技術は、これに限らず、このような装置またはシステムを構成する装置に搭載するあらゆる構成、例えば、システムLSI（Large Scale Integration）等としてのプロセッサ、複数のプロセッサ等を用いるモジュール、複数のモジュール等を用いるユニット、ユニットにさらにその他の機能を付加したセット等（すなわち、装置の一部の構成）として実施することもできる。
＜ビデオセット＞
  本技術をセットとして実施する場合の例について、図４４を参照して説明する。図４４は、本技術を適用したビデオセットの概略的な構成の一例を示している。
  近年、電子機器の多機能化が進んでおり、その開発や製造において、その一部の構成を販売や提供等として実施する場合、１機能を有する構成として実施を行う場合だけでなく、関連する機能を有する複数の構成を組み合わせ、複数の機能を有する１セットとして実施を行う場合も多く見られるようになってきた。
  図４４に示されるビデオセット１３００は、このような多機能化された構成であり、画像の符号化や復号（いずれか一方でもよいし、両方でも良い）に関する機能を有するデバイスに、その機能に関連するその他の機能を有するデバイスを組み合わせたものである。
  図４４に示されるように、ビデオセット１３００は、ビデオモジュール１３１１、外部メモリ１３１２、パワーマネージメントモジュール１３１３、およびフロントエンドモジュール１３１４等のモジュール群と、コネクティビティ１３２１、カメラ１３２２、およびセンサ１３２３等の関連する機能を有するデバイスとを有する。
  モジュールは、互いに関連するいくつかの部品的機能をまとめ、まとまりのある機能を持った部品としたものである。具体的な物理的構成は任意であるが、例えば、それぞれ機能を有する複数のプロセッサ、抵抗やコンデンサ等の電子回路素子、その他のデバイス等を配線基板等に配置して一体化したものが考えられる。また、モジュールに他のモジュールやプロセッサ等を組み合わせて新たなモジュールとすることも考えられる。
  図４４の例の場合、ビデオモジュール１３１１は、画像処理に関する機能を有する構成を組み合わせたものであり、アプリケーションプロセッサ、ビデオプロセッサ、ブロードバンドモデム１３３３、およびRFモジュール１３３４を有する。
  プロセッサは、所定の機能を有する構成をSoC（System On a Chip）により半導体チップに集積したものであり、例えばシステムLSI（Large Scale Integration）等と称されるものもある。この所定の機能を有する構成は、論理回路（ハードウエア構成）であってもよいし、CPU、ROM、RAM等と、それらを用いて実行されるプログラム（ソフトウエア構成）であってもよいし、その両方を組み合わせたものであってもよい。例えば、プロセッサが、論理回路とCPU、ROM、RAM等とを有し、機能の一部を論理回路（ハードウエア構成）により実現し、その他の機能をCPUにおいて実行されるプログラム（ソフトウエア構成）により実現するようにしてもよい。
  図４４のアプリケーションプロセッサ１３３１は、画像処理に関するアプリケーションを実行するプロセッサである。このアプリケーションプロセッサ１３３１において実行されるアプリケーションは、所定の機能を実現するために、演算処理を行うだけでなく、例えばビデオプロセッサ１３３２等、ビデオモジュール１３１１内外の構成を必要に応じて制御することもできる。
  ビデオプロセッサ１３３２は、画像の符号化・復号（その一方若しくは両方）に関する機能を有するプロセッサである。
  ブロードバンドモデム１３３３は、インターネットや公衆電話回線網等の広帯域の回線を介して行われる有線若しくは無線（またはその両方）の広帯域通信に関する処理を行うプロセッサ（若しくはモジュール）である。例えば、ブロードバンドモデム１３３３は、送信するデータ（デジタル信号）をデジタル変調する等してアナログ信号に変換したり、受信したアナログ信号を復調してデータ（デジタル信号）に変換したりする。例えば、ブロードバンドモデム１３３３は、ビデオプロセッサ１３３２が処理する画像データや画像データが符号化されたストリーム、アプリケーションプログラム、設定データ等、任意の情報をデジタル変調・復調することができる。
  RFモジュール１３３４は、アンテナを介して送受信されるRF（Radio Frequency）信号に対して、周波数変換、変復調、増幅、フィルタ処理等を行うモジュールである。例えば、RFモジュール１３３４は、ブロードバンドモデム１３３３により生成されたベースバンド信号に対して周波数変換等を行ってRF信号を生成する。また、例えば、RFモジュール１３３４は、フロントエンドモジュール１３１４を介して受信されたRF信号に対して周波数変換等を行ってベースバンド信号を生成する。
  なお、図４４において点線１３４１に示されるように、アプリケーションプロセッサ１３３１とビデオプロセッサ１３３２を、一体化し、１つのプロセッサとして構成されるようにしてもよい。
  外部メモリ１３１２は、ビデオモジュール１３１１の外部に設けられた、ビデオモジュール１３１１により利用される記憶デバイスを有するモジュールである。この外部メモリ１３１２の記憶デバイスは、どのような物理構成により実現するようにしてもよいが、一般的にフレーム単位の画像データのような大容量のデータの格納に利用されることが多いので、例えばDRAM（Dynamic Random Access Memory）のような比較的安価で大容量の半導体メモリにより実現するのが望ましい。
  パワーマネージメントモジュール１３１３は、ビデオモジュール１３１１（ビデオモジュール１３１１内の各構成）への電力供給を管理し、制御する。
  フロントエンドモジュール１３１４は、RFモジュール１３３４に対してフロントエンド機能（アンテナ側の送受信端の回路）を提供するモジュールである。図４４に示されるように、フロントエンドモジュール１３１４は、例えば、アンテナ部１３５１、フィルタ１３５２、および増幅部１３５３を有する。
  アンテナ部１３５１は、無線信号を送受信するアンテナおよびその周辺の構成を有する。アンテナ部１３５１は、増幅部１３５３から供給される信号を無線信号として送信し、受信した無線信号を電気信号（RF信号）としてフィルタ１３５２に供給する。フィルタ１３５２は、アンテナ部１３５１を介して受信されたRF信号に対してフィルタ処理等を行い、処理後のRF信号をRFモジュール１３３４に供給する。増幅部１３５３は、RFモジュール１３３４から供給されるRF信号を増幅し、アンテナ部１３５１に供給する。
  コネクティビティ１３２１は、外部との接続に関する機能を有するモジュールである。コネクティビティ１３２１の物理構成は、任意である。例えば、コネクティビティ１３２１は、ブロードバンドモデム１３３３が対応する通信規格以外の通信機能を有する構成や、外部入出力端子等を有する。
  例えば、コネクティビティ１３２１が、Bluetooth（登録商標）、IEEE 802.11（例えばWi-Fi（Wireless Fidelity、登録商標））、NFC（Near Field Communication）、IrDA（InfraRed Data Association）等の無線通信規格に準拠する通信機能を有するモジュールや、その規格に準拠した信号を送受信するアンテナ等を有するようにしてもよい。また、例えば、コネクティビティ１３２１が、USB（Universal Serial Bus）、HDMI（登録商標）（High-Definition Multimedia Interface）等の有線通信規格に準拠する通信機能を有するモジュールや、その規格に準拠した端子を有するようにしてもよい。さらに、例えば、コネクティビティ１３２１が、アナログ入出力端子等のその他のデータ（信号）伝送機能等を有するようにしてもよい。
  なお、コネクティビティ１３２１が、データ（信号）の伝送先のデバイスを含むようにしてもよい。例えば、コネクティビティ１３２１が、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等の記録媒体に対してデータの読み出しや書き込みを行うドライブ（リムーバブルメディアのドライブだけでなく、ハードディスク、SSD（Solid State Drive）、NAS（Network Attached Storage）等も含む）を有するようにしてもよい。また、コネクティビティ１３２１が、画像や音声の出力デバイス（モニタやスピーカ等）を有するようにしてもよい。
  カメラ１３２２は、被写体を撮像し、被写体の画像データを得る機能を有するモジュールである。カメラ１３２２の撮像により得られた画像データは、例えば、ビデオプロセッサ１３３２に供給されて符号化される。
  センサ１３２３は、例えば、音声センサ、超音波センサ、光センサ、照度センサ、赤外線センサ、イメージセンサ、回転センサ、角度センサ、角速度センサ、速度センサ、加速度センサ、傾斜センサ、磁気識別センサ、衝撃センサ、温度センサ等、任意のセンサ機能を有するモジュールである。センサ１３２３により検出されたデータは、例えば、アプリケーションプロセッサ１３３１に供給されてアプリケーション等により利用される。
  以上においてモジュールとして説明した構成をプロセッサとして実現するようにしてもよいし、逆にプロセッサとして説明した構成をモジュールとして実現するようにしてもよい。
  以上のような構成のビデオセット１３００において、後述するようにビデオプロセッサ１３３２に本技術を適用することができる。したがって、ビデオセット１３００は、本技術を適用したセットとして実施することができる。
＜ビデオプロセッサの構成例＞
  図４５は、本技術を適用したビデオプロセッサ１３３２（図４４）の概略的な構成の一例を示している。
  図４５の例の場合、ビデオプロセッサ１３３２は、ビデオ信号およびオーディオ信号の入力を受けてこれらを所定の方式で符号化する機能と、符号化されたビデオデータおよびオーディオデータを復号し、ビデオ信号およびオーディオ信号を再生出力する機能とを有する。
  図４５に示されるように、ビデオプロセッサ１３３２は、ビデオ入力処理部１４０１、第１画像拡大縮小部１４０２、第２画像拡大縮小部１４０３、ビデオ出力処理部１４０４、フレームメモリ１４０５、およびメモリ制御部１４０６を有する。また、ビデオプロセッサ１３３２は、エンコード・デコードエンジン１４０７、ビデオES（Elementary Stream）バッファ１４０８Ａおよび１４０８Ｂ、並びに、オーディオESバッファ１４０９Ａおよび１４０９Ｂを有する。さらに、ビデオプロセッサ１３３２は、オーディオエンコーダ１４１０、オーディオデコーダ１４１１、多重化部（MUX（Multiplexer））１４１２、逆多重化部（DMUX（Demultiplexer））１４１３、およびストリームバッファ１４１４を有する。
  ビデオ入力処理部１４０１は、例えばコネクティビティ１３２１（図４４）等から入力されたビデオ信号を取得し、デジタル画像データに変換する。第１画像拡大縮小部１４０２は、画像データに対してフォーマット変換や画像の拡大縮小処理等を行う。第２画像拡大縮小部１４０３は、画像データに対して、ビデオ出力処理部１４０４を介して出力する先でのフォーマットに応じて画像の拡大縮小処理を行ったり、第１画像拡大縮小部１４０２と同様のフォーマット変換や画像の拡大縮小処理等を行ったりする。ビデオ出力処理部１４０４は、画像データに対して、フォーマット変換やアナログ信号への変換等を行って、再生されたビデオ信号として例えばコネクティビティ１３２１（図４４）等に出力する。
  フレームメモリ１４０５は、ビデオ入力処理部１４０１、第１画像拡大縮小部１４０２、第２画像拡大縮小部１４０３、ビデオ出力処理部１４０４、およびエンコード・デコードエンジン１４０７によって共用される画像データ用のメモリである。フレームメモリ１４０５は、例えばDRAM等の半導体メモリとして実現される。
  メモリ制御部１４０６は、エンコード・デコードエンジン１４０７からの同期信号を受けて、アクセス管理テーブル１４０６Ａに書き込まれたフレームメモリ１４０５へのアクセススケジュールに従ってフレームメモリ１４０５に対する書き込み・読み出しのアクセスを制御する。アクセス管理テーブル１４０６Ａは、エンコード・デコードエンジン１４０７、第１画像拡大縮小部１４０２、第２画像拡大縮小部１４０３等で実行される処理に応じて、メモリ制御部１４０６により更新される。
  エンコード・デコードエンジン１４０７は、画像データのエンコード処理、並びに、画像データが符号化されたデータであるビデオストリームのデコード処理を行う。例えば、エンコード・デコードエンジン１４０７は、フレームメモリ１４０５から読み出した画像データを符号化し、ビデオストリームとしてビデオESバッファ１４０８Ａに順次書き込む。また、例えば、ビデオESバッファ１４０８Ｂからビデオストリームを順次読み出して復号し、画像データとしてフレームメモリ１４０５に順次書き込む。エンコード・デコードエンジン１４０７は、これらの符号化や復号において、フレームメモリ１４０５を作業領域として使用する。また、エンコード・デコードエンジン１４０７は、例えばマクロブロック毎の処理を開始するタイミングで、メモリ制御部１４０６に対して同期信号を出力する。
  ビデオESバッファ１４０８Ａは、エンコード・デコードエンジン１４０７によって生成されたビデオストリームをバッファリングして、多重化部（MUX）１４１２に供給する。ビデオESバッファ１４０８Ｂは、逆多重化部（DMUX）１４１３から供給されたビデオストリームをバッファリングして、エンコード・デコードエンジン１４０７に供給する。
  オーディオESバッファ１４０９Ａは、オーディオエンコーダ１４１０によって生成されたオーディオストリームをバッファリングして、多重化部（MUX）１４１２に供給する。オーディオESバッファ１４０９Ｂは、逆多重化部（DMUX）１４１３から供給されたオーディオストリームをバッファリングして、オーディオデコーダ１４１１に供給する。
  オーディオエンコーダ１４１０は、例えばコネクティビティ１３２１（図４４）等から入力されたオーディオ信号を例えばデジタル変換し、例えばMPEGオーディオ方式やAC3（AudioCode number 3）方式等の所定の方式で符号化する。オーディオエンコーダ１４１０は、オーディオ信号が符号化されたデータであるオーディオストリームをオーディオESバッファ１４０９Ａに順次書き込む。オーディオデコーダ１４１１は、オーディオESバッファ１４０９Ｂから供給されたオーディオストリームを復号し、例えばアナログ信号への変換等を行って、再生されたオーディオ信号として例えばコネクティビティ１３２１（図４４）等に供給する。
  多重化部（MUX）１４１２は、ビデオストリームとオーディオストリームとを多重化する。この多重化の方法（すなわち、多重化により生成されるビットストリームのフォーマット）は任意である。また、この多重化の際に、多重化部（MUX）１４１２は、所定のヘッダ情報等をビットストリームに付加することもできる。つまり、多重化部（MUX）１４１２は、多重化によりストリームのフォーマットを変換することができる。例えば、多重化部（MUX）１４１２は、ビデオストリームとオーディオストリームとを多重化することにより、転送用のフォーマットのビットストリームであるトランスポートストリームに変換する。また、例えば、多重化部（MUX）１４１２は、ビデオストリームとオーディオストリームとを多重化することにより、記録用のファイルフォーマットのデータ（ファイルデータ）に変換する。
  逆多重化部（DMUX）１４１３は、多重化部（MUX）１４１２による多重化に対応する方法で、ビデオストリームとオーディオストリームとが多重化されたビットストリームを逆多重化する。つまり、逆多重化部（DMUX）１４１３は、ストリームバッファ１４１４から読み出されたビットストリームからビデオストリームとオーディオストリームとを抽出する（ビデオストリームとオーディオストリームとを分離する）。つまり、逆多重化部（DMUX）１４１３は、逆多重化によりストリームのフォーマットを変換（多重化部（MUX）１４１２による変換の逆変換）することができる。例えば、逆多重化部（DMUX）１４１３は、例えばコネクティビティ１３２１やブロードバンドモデム１３３３等（いずれも図４４）から供給されたトランスポートストリームを、ストリームバッファ１４１４を介して取得し、逆多重化することにより、ビデオストリームとオーディオストリームとに変換することができる。また、例えば、逆多重化部（DMUX）１４１３は、例えばコネクティビティ１３２１により（図４４）各種記録媒体から読み出されたファイルデータを、ストリームバッファ１４１４を介して取得し、逆多重化することにより、ビデオストリームとオーディオストリームとに変換することができる。
  ストリームバッファ１４１４は、ビットストリームをバッファリングする。例えば、ストリームバッファ１４１４は、多重化部（MUX）１４１２から供給されたトランスポートストリームをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４４）等に供給する。
  また、例えば、ストリームバッファ１４１４は、多重化部（MUX）１４１２から供給されたファイルデータをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、例えばコネクティビティ１３２１（図４４）等に供給し、各種記録媒体に記録させる。
  さらに、ストリームバッファ１４１４は、例えばコネクティビティ１３２１やブロードバンドモデム１３３３等（いずれも図４４）を介して取得したトランスポートストリームをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、逆多重化部（DMUX）１４１３に供給する。
  また、ストリームバッファ１４１４は、例えばコネクティビティ１３２１（図４４）等において各種記録媒体から読み出されたファイルデータをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、逆多重化部（DMUX）１４１３に供給する。
  次に、このような構成のビデオプロセッサ１３３２の動作の例について説明する。例えば、コネクティビティ１３２１（図４４）等からビデオプロセッサ１３３２に入力されたビデオ信号は、ビデオ入力処理部１４０１において４：２：２Ｙ／Ｃｂ／Ｃｒ方式等の所定の方式のデジタル画像データに変換され、フレームメモリ１４０５に順次書き込まれる。このデジタル画像データは、第１画像拡大縮小部１４０２または第２画像拡大縮小部１４０３に読み出されて、４：２：０Ｙ／Ｃｂ／Ｃｒ方式等の所定の方式へのフォーマット変換および拡大縮小処理が行われ、再びフレームメモリ１４０５に書き込まれる。この画像データは、エンコード・デコードエンジン１４０７によって符号化され、ビデオストリームとしてビデオESバッファ１４０８Ａに書き込まれる。
  また、コネクティビティ１３２１（図４４）等からビデオプロセッサ１３３２に入力されたオーディオ信号は、オーディオエンコーダ１４１０によって符号化され、オーディオストリームとして、オーディオESバッファ１４０９Ａに書き込まれる。
  ビデオESバッファ１４０８Ａのビデオストリームと、オーディオESバッファ１４０９Ａのオーディオストリームは、多重化部（MUX）１４１２に読み出されて多重化され、トランスポートストリーム若しくはファイルデータ等に変換される。多重化部（MUX）１４１２により生成されたトランスポートストリームは、ストリームバッファ１４１４にバッファされた後、例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４４）等を介して外部ネットワークに出力される。また、多重化部（MUX）１４１２により生成されたファイルデータは、ストリームバッファ１４１４にバッファされた後、例えばコネクティビティ１３２１（図４４）等に出力され、各種記録媒体に記録される。
  また、例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４４）等を介して外部ネットワークからビデオプロセッサ１３３２に入力されたトランスポートストリームは、ストリームバッファ１４１４にバッファされた後、逆多重化部（DMUX）１４１３により逆多重化される。また、例えばコネクティビティ１３２１（図４４）等において各種記録媒体から読み出され、ビデオプロセッサ１３３２に入力されたファイルデータは、ストリームバッファ１４１４にバッファされた後、逆多重化部（DMUX）１４１３により逆多重化される。つまり、ビデオプロセッサ１３３２に入力されたトランスポートストリームまたはファイルデータは、逆多重化部（DMUX）１４１３によりビデオストリームとオーディオストリームとに分離される。
  オーディオストリームは、オーディオESバッファ１４０９Ｂを介してオーディオデコーダ１４１１に供給され、復号されてオーディオ信号が再生される。また、ビデオストリームは、ビデオESバッファ１４０８Ｂに書き込まれた後、エンコード・デコードエンジン１４０７により順次読み出されて復号されてフレームメモリ１４０５に書き込まれる。復号された画像データは、第２画像拡大縮小部１４０３によって拡大縮小処理されて、フレームメモリ１４０５に書き込まれる。そして、復号された画像データは、ビデオ出力処理部１４０４に読み出されて、４：２：２Ｙ／Ｃｂ／Ｃｒ方式等の所定の方式にフォーマット変換され、さらにアナログ信号に変換されて、ビデオ信号が再生出力される。
  このように構成されるビデオプロセッサ１３３２に本技術を適用する場合、エンコード・デコードエンジン１４０７に、上述した各実施形態に係る本技術を適用すればよい。つまり、例えば、エンコード・デコードエンジン１４０７が、第１の実施の形態に係るスケーラブル符号化装置１００（図９）や第２の実施の形態に係るスケーラブル復号装置２００（図２４）の機能を有するようにすればよい。このようにすることにより、ビデオプロセッサ１３３２は、図１乃至図３３を参照して上述した効果と同様の効果を得ることができる。
  なお、エンコード・デコードエンジン１４０７において、本技術（すなわち、上述した各実施形態に係るスケーラブル符号化装置やスケーラブル復号装置の機能）は、論理回路等のハードウエアにより実現するようにしてもよいし、組み込みプログラム等のソフトウエアにより実現するようにしてもよいし、それらの両方により実現するようにしてもよい。
＜ビデオプロセッサの他の構成例＞
  図４６は、本技術を適用したビデオプロセッサ１３３２（図４４）の概略的な構成の他の例を示している。図４６の例の場合、ビデオプロセッサ１３３２は、ビデオデータを所定の方式で符号化・復号する機能とを有する。
  より具体的には、図４６に示されるように、ビデオプロセッサ１３３２は、制御部１５１１、ディスプレイインタフェース１５１２、ディスプレイエンジン１５１３、画像処理エンジン１５１４、および内部メモリ１５１５を有する。また、ビデオプロセッサ１３３２は、コーデックエンジン１５１６、メモリインタフェース１５１７、多重化・逆多重化部（MUX DMUX）１５１８、ネットワークインタフェース１５１９、およびビデオインタフェース１５２０を有する。
  制御部１５１１は、ディスプレイインタフェース１５１２、ディスプレイエンジン１５１３、画像処理エンジン１５１４、およびコーデックエンジン１５１６等、ビデオプロセッサ１３３２内の各処理部の動作を制御する。
  図４６に示されるように、制御部１５１１は、例えば、メインCPU１５３１、サブCPU１５３２、およびシステムコントローラ１５３３を有する。メインCPU１５３１は、ビデオプロセッサ１３３２内の各処理部の動作を制御するためのプログラム等を実行する。メインCPU１５３１は、そのプログラム等に従って制御信号を生成し、各処理部に供給する（つまり、各処理部の動作を制御する）。サブCPU１５３２は、メインCPU１５３１の補助的な役割を果たす。例えば、サブCPU１５３２は、メインCPU１５３１が実行するプログラム等の子プロセスやサブルーチン等を実行する。システムコントローラ１５３３は、メインCPU１５３１およびサブCPU１５３２が実行するプログラムを指定する等、メインCPU１５３１およびサブCPU１５３２の動作を制御する。
  ディスプレイインタフェース１５１２は、制御部１５１１の制御の下、画像データを例えばコネクティビティ１３２１（図４４）等に出力する。例えば、ディスプレイインタフェース１５１２は、デジタルデータの画像データをアナログ信号に変換し、再生されたビデオ信号として、またはデジタルデータの画像データのまま、コネクティビティ１３２１（図４４）のモニタ装置等に出力する。
  ディスプレイエンジン１５１３は、制御部１５１１の制御の下、画像データに対して、その画像を表示させるモニタ装置等のハードウエアスペックに合わせるように、フォーマット変換、サイズ変換、色域変換等の各種変換処理を行う。
  画像処理エンジン１５１４は、制御部１５１１の制御の下、画像データに対して、例えば画質改善のためのフィルタ処理等、所定の画像処理を施す。
  内部メモリ１５１５は、ディスプレイエンジン１５１３、画像処理エンジン１５１４、およびコーデックエンジン１５１６により共用される、ビデオプロセッサ１３３２の内部に設けられたメモリである。内部メモリ１５１５は、例えば、ディスプレイエンジン１５１３、画像処理エンジン１５１４、およびコーデックエンジン１５１６の間で行われるデータの授受に利用される。例えば、内部メモリ１５１５は、ディスプレイエンジン１５１３、画像処理エンジン１５１４、またはコーデックエンジン１５１６から供給されるデータを格納し、必要に応じて（例えば、要求に応じて）、そのデータを、ディスプレイエンジン１５１３、画像処理エンジン１５１４、またはコーデックエンジン１５１６に供給する。この内部メモリ１５１５は、どのような記憶デバイスにより実現するようにしてもよいが、一般的にブロック単位の画像データやパラメータ等といった小容量のデータの格納に利用することが多いので、例えばSRAM（Static Random Access Memory）のような比較的（例えば外部メモリ１３１２と比較して）小容量だが応答速度が高速な半導体メモリにより実現するのが望ましい。
  コーデックエンジン１５１６は、画像データの符号化や復号に関する処理を行う。このコーデックエンジン１５１６が対応する符号化・復号の方式は任意であり、その数は１つであってもよいし、複数であってもよい。例えば、コーデックエンジン１５１６は、複数の符号化・復号方式のコーデック機能を備え、その中から選択されたもので画像データの符号化若しくは符号化データの復号を行うようにしてもよい。
  図４６に示される例において、コーデックエンジン１５１６は、コーデックに関する処理の機能ブロックとして、例えば、MPEG-2 Video１５４１、AVC/H.264１５４２、HEVC/H.265１５４３、HEVC/H.265(Scalable)１５４４、HEVC/H.265(Multi-view)１５４５、およびMPEG-DASH１５５１を有する。
  MPEG-2 Video１５４１は、画像データをMPEG-2方式で符号化したり復号したりする機能ブロックである。AVC/H.264１５４２は、画像データをAVC方式で符号化したり復号したりする機能ブロックである。HEVC/H.265１５４３は、画像データをHEVC方式で符号化したり復号したりする機能ブロックである。HEVC/H.265(Scalable)１５４４は、画像データをHEVC方式でスケーラブル符号化したりスケーラブル復号したりする機能ブロックである。HEVC/H.265(Multi-view)１５４５は、画像データをHEVC方式で多視点符号化したり多視点復号したりする機能ブロックである。
  MPEG-DASH１５５１は、画像データをMPEG-DASH（MPEG-Dynamic Adaptive Streaming over HTTP）方式で送受信する機能ブロックである。MPEG-DASHは、HTTP（HyperText Transfer Protocol）を使ってビデオのストリーミングを行う技術であり、予め用意された解像度等が互いに異なる複数の符号化データの中から適切なものをセグメント単位で選択し伝送することを特徴の１つとする。MPEG-DASH１５５１は、規格に準拠するストリームの生成やそのストリームの伝送制御等を行い、画像データの符号化・復号については、上述したMPEG-2 Video１５４１乃至HEVC/H.265(Multi-view)１５４５を利用する。
  メモリインタフェース１５１７は、外部メモリ１３１２用のインタフェースである。画像処理エンジン１５１４やコーデックエンジン１５１６から供給されるデータは、メモリインタフェース１５１７を介して外部メモリ１３１２に供給される。また、外部メモリ１３１２から読み出されたデータは、メモリインタフェース１５１７を介してビデオプロセッサ１３３２（画像処理エンジン１５１４若しくはコーデックエンジン１５１６）に供給される。
  多重化・逆多重化部（MUX DMUX）１５１８は、符号化データのビットストリーム、画像データ、ビデオ信号等、画像に関する各種データの多重化や逆多重化を行う。この多重化・逆多重化の方法は任意である。例えば、多重化の際に、多重化・逆多重化部（MUX DMUX）１５１８は、複数のデータを１つにまとめるだけでなく、所定のヘッダ情報等をそのデータに付加することもできる。また、逆多重化の際に、多重化・逆多重化部（MUX DMUX）１５１８は、１つのデータを複数に分割するだけでなく、分割した各データに所定のヘッダ情報等を付加することもできる。つまり、多重化・逆多重化部（MUX DMUX）１５１８は、多重化・逆多重化によりデータのフォーマットを変換することができる。例えば、多重化・逆多重化部（MUX DMUX）１５１８は、ビットストリームを多重化することにより、転送用のフォーマットのビットストリームであるトランスポートストリームや、記録用のファイルフォーマットのデータ（ファイルデータ）に変換することができる。もちろん、逆多重化によりその逆変換も可能である。
  ネットワークインタフェース１５１９は、例えばブロードバンドモデム１３３３やコネクティビティ１３２１（いずれも図４４）等向けのインタフェースである。ビデオインタフェース１５２０は、例えばコネクティビティ１３２１やカメラ１３２２（いずれも図４４）等向けのインタフェースである。
  次に、このようなビデオプロセッサ１３３２の動作の例について説明する。例えば、コネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４４）等を介して外部ネットワークからトランスポートストリームを受信すると、そのトランスポートストリームは、ネットワークインタフェース１５１９を介して多重化・逆多重化部（MUX DMUX）１５１８に供給されて逆多重化され、コーデックエンジン１５１６により復号される。コーデックエンジン１５１６の復号により得られた画像データは、例えば、画像処理エンジン１５１４により所定の画像処理が施され、ディスプレイエンジン１５１３により所定の変換が行われ、ディスプレイインタフェース１５１２を介して例えばコネクティビティ１３２１（図４４）等に供給され、その画像がモニタに表示される。また、例えば、コーデックエンジン１５１６の復号により得られた画像データは、コーデックエンジン１５１６により再符号化され、多重化・逆多重化部（MUX DMUX）１５１８により多重化されてファイルデータに変換され、ビデオインタフェース１５２０を介して例えばコネクティビティ１３２１（図４４）等に出力され、各種記録媒体に記録される。
  さらに、例えば、コネクティビティ１３２１（図４４）等により図示せぬ記録媒体から読み出された、画像データが符号化された符号化データのファイルデータは、ビデオインタフェース１５２０を介して多重化・逆多重化部（MUX DMUX）１５１８に供給されて逆多重化され、コーデックエンジン１５１６により復号される。コーデックエンジン１５１６の復号により得られた画像データは、画像処理エンジン１５１４により所定の画像処理が施され、ディスプレイエンジン１５１３により所定の変換が行われ、ディスプレイインタフェース１５１２を介して例えばコネクティビティ１３２１（図４４）等に供給され、その画像がモニタに表示される。また、例えば、コーデックエンジン１５１６の復号により得られた画像データは、コーデックエンジン１５１６により再符号化され、多重化・逆多重化部（MUX DMUX）１５１８により多重化されてトランスポートストリームに変換され、ネットワークインタフェース１５１９を介して例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４４）等に供給され図示せぬ他の装置に伝送される。
  なお、ビデオプロセッサ１３３２内の各処理部の間での画像データやその他のデータの授受は、例えば、内部メモリ１５１５や外部メモリ１３１２を利用して行われる。また、パワーマネージメントモジュール１３１３は、例えば制御部１５１１への電力供給を制御する。
  このように構成されるビデオプロセッサ１３３２に本技術を適用する場合、コーデックエンジン１５１６に、上述した各実施形態に係る本技術を適用すればよい。つまり、例えば、コーデックエンジン１５１６が、第１の実施の形態に係るスケーラブル符号化装置１００（図９）や第２の実施の形態に係るスケーラブル復号装置２００（図２４）を実現する機能ブロックを有するようにすればよい。このようにすることにより、ビデオプロセッサ１３３２は、図１乃至図３３を参照して上述した効果と同様の効果を得ることができる。
  なお、コーデックエンジン１５１６において、本技術（すなわち、上述した各実施形態に係る画像符号化装置や画像復号装置の機能）は、論理回路等のハードウエアにより実現するようにしてもよいし、組み込みプログラム等のソフトウエアにより実現するようにしてもよいし、それらの両方により実現するようにしてもよい。
  以上にビデオプロセッサ１３３２の構成を２例示したが、ビデオプロセッサ１３３２の構成は任意であり、上述した２例以外のものであってもよい。また、このビデオプロセッサ１３３２は、１つの半導体チップとして構成されるようにしてもよいが、複数の半導体チップとして構成されるようにしてもよい。例えば、複数の半導体を積層する３次元積層LSIとしてもよい。また、複数のLSIにより実現されるようにしてもよい。
＜装置への適用例＞
  ビデオセット１３００は、画像データを処理する各種装置に組み込むことができる。例えば、ビデオセット１３００は、テレビジョン装置９００（図３７）、携帯電話機９２０（図３８）、記録再生装置９４０（図３９）、撮像装置９６０（図４０）等に組み込むことができる。ビデオセット１３００を組み込むことにより、その装置は、図１乃至図３３を参照して上述した効果と同様の効果を得ることができる。
  また、ビデオセット１３００は、例えば、図４１のデータ伝送システム１０００におけるパーソナルコンピュータ１００４、AV機器１００５、タブレットデバイス１００６、および携帯電話機１００７等の端末装置、図４２のデータ伝送システム１１００における放送局１１０１および端末装置１１０２、並びに、図４３の撮像システム１２００における撮像装置１２０１およびスケーラブル符号化データ記憶装置１２０２等にも組み込むことができる。ビデオセット１３００を組み込むことにより、その装置は、図１乃至図３３を参照して上述した効果と同様の効果を得ることができる。
  なお、上述したビデオセット１３００の各構成の一部であっても、ビデオプロセッサ１３３２を含むものであれば、本技術を適用した構成として実施することができる。例えば、ビデオプロセッサ１３３２のみを本技術を適用したビデオプロセッサとして実施することができる。また、例えば、上述したように点線１３４１により示されるプロセッサやビデオモジュール１３１１等を、本技術を適用したプロセッサやモジュール等として実施することができる。さらに、例えば、ビデオモジュール１３１１、外部メモリ１３１２、パワーマネージメントモジュール１３１３、およびフロントエンドモジュール１３１４を組み合わせ、本技術を適用したビデオユニット１３６１として実施することもできる。いずれの構成の場合であっても、図１乃至図３３を参照して上述した効果と同様の効果を得ることができる。
  つまり、ビデオプロセッサ１３３２を含むものであればどのような構成であっても、ビデオセット１３００の場合と同様に、画像データを処理する各種装置に組み込むことができる。例えば、ビデオプロセッサ１３３２、点線１３４１により示されるプロセッサ、ビデオモジュール１３１１、または、ビデオユニット１３６１を、テレビジョン装置９００（図３７）、携帯電話機９２０（図３８）、記録再生装置９４０（図３９）、撮像装置９６０（図４０）、図４１のデータ伝送システム１０００におけるパーソナルコンピュータ１００４、AV機器１００５、タブレットデバイス１００６、および携帯電話機１００７等の端末装置、図４２のデータ伝送システム１１００における放送局１１０１および端末装置１１０２、並びに、図４３の撮像システム１２００における撮像装置１２０１およびスケーラブル符号化データ記憶装置１２０２等に組み込むことができる。そして、本技術を適用したいずれかの構成を組み込むことにより、その装置は、ビデオセット１３００の場合と同様に、図１乃至図３３を参照して上述した効果と同様の効果を得ることができる。
  なお、本技術は、予め用意された解像度等が互いに異なる複数の符号化データの中から適切なものをセグメント単位で選択して使用する、例えば、後述するMPEG DASH等のようなHTTPストリーミングのコンテンツ再生システムやWi-Fi規格の無線通信システムにも適用することができる。
  また、本明細書では、各種情報が、符号化ストリームに多重化されて、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、本開示はかかる例に限定されない。本開示の属する技術の分野における通常の知識を有する者であれば、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。
　なお、本技術は以下のような構成も取ることができる。
　（１）　３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得する取得部と、
　前記取得部により取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化処理することを禁止する階層間情報設定部と
　を備える画像符号化装置。
　（２）  前記取得部は、符号化処理の対象となる対象ピクチャが参照する参照階層のピクチャがスキップピクチャであるか否かを示す階層間情報を取得し、
　前記階層間情報設定部は、前記参照階層のピクチャがスキップピクチャである場合、前記対象ピクチャをスキップピクチャとして符号化処理することを禁止する
　前記（１）に記載の画像符号化装置。
　（３）　前記取得部は、符号化処理の対象となる対象スライスが参照する参照階層のスライスがスキップスライスであるか否かを示す階層間情報を取得し、
　前記階層間情報設定部は、前記参照階層のスライスがスキップスライスである場合、前記対象スライスをスキップスライスとして符号化処理することを禁止する
　前記（１）に記載の画像符号化装置。
　（４）　前記取得部は、符号化処理の対象となる対象タイルが参照する参照階層のタイルがスキップタイルであるか否かを示す階層間情報を取得し、
　前記階層間情報設定部は、前記参照階層のタイルがスキップタイルである場合、前記対象タイルをスキップタイルとして符号化処理することを禁止する
　前記（１）に記載の画像符号化装置。
　（５）　前記参照階層と符号化処理の対象となる対象階層がスペーシャルスケーラビリティである場合のみ、前記階層間情報設定部は、前記参照階層の画像がスキップモードであるとき、前記対象画像をスキップモードとして符号化処理することを禁止する
　前記（１）乃至（４）のいずれかに記載の画像符号化装置。
　（６）　前記参照階層と符号化処理の対象となる対象階層がスペーシャルスケーラビリティであるが、前記参照階層と、さらにそれが参照する階層がSNRスケーラビリティである場合、前記階層間情報設定部は、前記参照階層の画像がスキップモードであっても、前記対象画像をスキップモードとして符号化処理することを許可する
　前記（１）乃至（５）のいずれかに記載の画像符号化装置。
　（７）　画像符号化装置が、
　３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得し、
　取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化することを禁止する
　画像符号化方法。
　（８）　３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得する取得部と、
　前記取得部により取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することを禁止する階層間情報設定部と
　を備える画像復号装置。
　（９）　前記取得部は、復号処理の対象となる対象ピクチャが参照する参照階層のピクチャがスキップピクチャであるか否かを示す階層間情報を取得し、
　前記階層間情報設定部は、前記参照階層のピクチャがスキップピクチャである場合、前記対象ピクチャをスキップピクチャとして復号処理することを禁止する
　前記（８）に記載の画像復号装置。
　（１０）　前記取得部は、復号処理の対象となる対象スライスが参照する参照階層のスライスがスキップスライスであるか否かを示す階層間情報を取得し、
　前記階層間情報設定部は、前記参照階層のスライスがスキップスライスである場合、前記対象スライスをスキップスライスとして復号処理することを禁止する
　前記（８）に記載の画像復号装置。
　（１１）　前記取得部は、復号処理の対象となる対象タイルが参照する参照階層のタイルがスキップタイルであるか否かを示す階層間情報を取得し、
　前記階層間情報設定部は、前記参照階層のタイルがスキップタイルである場合、前記対象タイルをスキップタイルとして復号処理することを禁止する
　前記（８）に記載の画像復号装置。
　（１２）　前記参照階層と復号処理の対象となる対象階層がスペーシャルスケーラビリティである場合のみ、前記階層間情報設定部は、前記参照階層の画像がスキップモードであるとき、前記対象画像をスキップモードとして復号処理することを禁止する
　前記（８）乃至（１１）のいずれかに記載の画像復号装置。
　（１３）　前記参照階層と復号処理の対象となる対象階層がスペーシャルスケーラビリティであるが、前記参照階層と、さらにそれが参照する階層がSNRスケーラビリティである場合、前記階層間情報設定部は、前記参照階層の画像がスキップモードであっても、前記対象画像をスキップモードとして復号処理することを許可する
　前記（８）乃至（１１）のいずれかに記載の画像復号装置。
　（１４）　画像復号装置が、
　３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得し、
　取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することを禁止する
　画像復号方法。
　（１５）　６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報を取得する取得部と、
　前記取得部により取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報を設定する階層間情報設定部と
　を備える画像符号化装置。
　（１６）　前記階層間情報設定部は、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を設定し、(vps_max_layers_minus1+1)*(layer_extension_factor_minus1+1)が、前記画像における階層数である
　前記（１５）に記載の画像符号化装置。
　（１７）　前記階層間情報設定部は、前記layer_extension_factor_minus1の値が０以外である場合、VPS_extensionにおいて、階層セットに関する情報を設定する
　前記（１６）に記載の画像符号化装置。
　（１８）　前記階層間情報設定部は、VPSにおいて、layer_extension_flagを設定し、layer_extension_flagの値が１のときのみ、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を設定する
　前記（１６）に記載の画像符号化装置。
　（１９）　画像符号化装置が、
　６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報を取得し、
　取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報を設定する
　画像符号化方法。
　（２０）　６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報を受け取る受け取り部と、
　前記受け取り部により受け取られた拡張された階層数に関する情報を参照して、復号処理を行う復号部と
　を備える画像復号装置。
　（２１）　前記受け取り部は、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を受け取り、(vps_max_layers_minus1+1)*(layer_extension_factor_minus1+1)が、前記画像における階層数である
　前記（２０）に記載の画像復号装置。
　（２２）　前記受け取り部は、前記layer_extension_factor_minus1の値が０以外である場合、前記VPS_extensionにおいて、階層セットに関する情報を受け取る
　前記（２１）に記載の画像復号装置。
　（２３）　前記受け取り部は、VPSにおいて、layer_extension_flagを受け取り、layer_extension_flagの値が１のときのみ、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を受け取る
　前記（２１）に記載の画像復号装置。
　（２４）　画像復号装置が、
　６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報を受け取り、
　受け取られた拡張された階層数に関する情報を参照して、復号処理を行う
　画像復号方法。
  １００  スケーラブル符号化装置，  １０１  共通情報生成部，  １０２  符号化制御部，  １０３  ベースレイヤ画像符号化部，  １０４  動き情報符号化部，  １０４，１０４－１，１０４－２  エンハンスメントレイヤ画像符号化部，  １１６  可逆符号化部，  １２５  動き予測・補償部，  １３５  動き予測・補償部，  １４０　階層間情報設定部，　１５１　参照階層ピクチャタイプバッファ，　１５２　スキップピクチャ設定部，　１８１　階層依存関係バッファ，　１８２　拡張階層設定部，　２００  スケーラブル復号装置，  ２０１  共通情報取得部，  ２０２  復号制御部，  ２０３  ベースレイヤ画像復号部，  ２０４，２０４－１，２０４－２  エンハンスメントレイヤ画像復号部，  ２１２  可逆復号部，  ２２２  動き補償部，  ２３２  動き補償部，  ２４０　階層間情報受信部，　２５１　参照階層ピクチャタイプバッファ，　２５２　スキップピクチャ受信部，　２８１　階層依存関係バッファ，　２８２　拡張階層受信部

Claims (24)

  1. 　３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得する取得部と、
    　前記取得部により取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化処理することを禁止する階層間情報設定部と
    　を備える画像符号化装置。
  2. 　前記取得部は、符号化処理の対象となる対象ピクチャが参照する参照階層のピクチャがスキップピクチャであるか否かを示す階層間情報を取得し、
    　前記階層間情報設定部は、前記参照階層のピクチャがスキップピクチャである場合、前記対象ピクチャをスキップピクチャとして符号化処理することを禁止する
    　請求項１に記載の画像符号化装置。
  3. 　前記取得部は、符号化処理の対象となる対象スライスが参照する参照階層のスライスがスキップスライスであるか否かを示す階層間情報を取得し、
    　前記階層間情報設定部は、前記参照階層のスライスがスキップスライスである場合、前記対象スライスをスキップスライスとして符号化処理することを禁止する
    　請求項１に記載の画像符号化装置。
  4. 　前記取得部は、符号化処理の対象となる対象タイルが参照する参照階層のタイルがスキップタイルであるか否かを示す階層間情報を取得し、
    　前記階層間情報設定部は、前記参照階層のタイルがスキップタイルである場合、前記対象タイルをスキップタイルとして符号化処理することを禁止する
    　請求項１に記載の画像符号化装置。
  5. 　前記参照階層と符号化処理の対象となる対象階層がスペーシャルスケーラビリティである場合のみ、前記階層間情報設定部は、前記参照階層の画像がスキップモードであるとき、前記対象画像をスキップモードとして符号化処理することを禁止する
    　請求項１に記載の画像符号化装置。
  6. 　前記参照階層と符号化処理の対象となる対象階層がスペーシャルスケーラビリティであるが、前記参照階層と、さらにそれが参照する階層がSNRスケーラビリティである場合、前記階層間情報設定部は、前記参照階層の画像がスキップモードであっても、前記対象画像をスキップモードとして符号化処理することを許可する
    　請求項１に記載の画像符号化装置。
  7. 　画像符号化装置が、
    　３以上の複数階層を有する画像を符号化処理する際に、符号化処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得し、
    　取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして符号化することを禁止する
    　画像符号化方法。
  8. 　３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得する取得部と、
    　前記取得部により取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することを禁止する階層間情報設定部と
    　を備える画像復号装置。
  9. 　前記取得部は、復号処理の対象となる対象ピクチャが参照する参照階層のピクチャがスキップピクチャであるか否かを示す階層間情報を取得し、
    　前記階層間情報設定部は、前記参照階層のピクチャがスキップピクチャである場合、前記対象ピクチャをスキップピクチャとして復号処理することを禁止する
    　請求項８に記載の画像復号装置。
  10. 　前記取得部は、復号処理の対象となる対象スライスが参照する参照階層のスライスがスキップスライスであるか否かを示す階層間情報を取得し、
    　前記階層間情報設定部は、前記参照階層のスライスがスキップスライスである場合、前記対象スライスをスキップスライスとして復号処理することを禁止する
    　請求項８に記載の画像復号装置。
  11. 　前記取得部は、復号処理の対象となる対象タイルが参照する参照階層のタイルがスキップタイルであるか否かを示す階層間情報を取得し、
    　前記階層間情報設定部は、前記参照階層のタイルがスキップタイルである場合、前記対象タイルをスキップタイルとして復号処理することを禁止する
    　請求項８に記載の画像復号装置。
  12. 　前記参照階層と復号処理の対象となる対象階層がスペーシャルスケーラビリティである場合のみ、前記階層間情報設定部は、前記参照階層の画像がスキップモードであるとき、前記対象画像をスキップモードとして復号処理することを禁止する
    　請求項８に記載の画像復号装置。
  13. 　前記参照階層と復号処理の対象となる対象階層がスペーシャルスケーラビリティであるが、前記参照階層と、さらにそれが参照する階層がSNRスケーラビリティである場合、前記階層間情報設定部は、前記参照階層の画像がスキップモードであっても、前記対象画像をスキップモードとして復号処理することを許可する
    　請求項８に記載の画像復号装置。
  14. 　画像復号装置が、
    　３以上の複数階層を有する画像が符号化されているビットストリームを復号処理する際に、復号処理の対象となる対象画像が参照する参照階層の画像がスキップモードであるか否かを示す階層間情報を取得し、
    　取得された階層間情報を参照して、前記参照階層の画像がスキップモードである場合、前記対象画像をスキップモードとして復号処理することを禁止する
    　画像復号方法。
  15. 　６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報を取得する取得部と、
    　前記取得部により取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報を設定する階層間情報設定部と
    　を備える画像符号化装置。
  16. 　前記階層間情報設定部は、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を設定し、(vps_max_layers_minus1+1)*(layer_extension_factor_minus1+1)が、前記画像における階層数である
    　請求項１５に記載の画像符号化装置。
  17. 　前記階層間情報設定部は、前記layer_extension_factor_minus1の値が０以外である場合、VPS_extensionにおいて、階層セットに関する情報を設定する
    　請求項１６に記載の画像符号化装置。
  18. 　前記階層間情報設定部は、VPSにおいて、layer_extension_flagを設定し、layer_extension_flagの値が１のときのみ、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を設定する
    　請求項１６に記載の画像符号化装置。
  19. 　画像符号化装置が、
    　６４以上の複数階層を有する画像を符号化処理する際に、前記画像の階層数を示す階層間情報を取得し、
    　取得された階層間情報を参照して、VPS_extensionにおいて、拡張された階層数に関する情報を設定する
    　画像符号化方法。
  20. 　６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報を受け取る受け取り部と、
    　前記受け取り部により受け取られた拡張された階層数に関する情報を参照して、復号処理を行う復号部と
    　を備える画像復号装置。
  21. 　前記受け取り部は、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を受け取り、(vps_max_layers_minus1+1)*(layer_extension_factor_minus1+1)が、前記画像における階層数である
    　請求項２０に記載の画像復号装置。
  22. 　前記受け取り部は、前記layer_extension_factor_minus1の値が０以外である場合、前記VPS_extensionにおいて、階層セットに関する情報を受け取る
    　請求項２１に記載の画像復号装置。
  23. 　前記受け取り部は、VPSにおいて、layer_extension_flagを受け取り、layer_extension_flagの値が１のときのみ、前記VPS_extensionにおいて、シンタクス要素layer_extension_factor_minus1を受け取る
    　請求項２１に記載の画像復号装置。
  24. 　画像復号装置が、
    　６４以上の複数階層を有する画像が符号化されているビットストリームから、VPS_extensionにおいて設定されている拡張された階層数に関する情報を受け取り、
    　受け取られた拡張された階層数に関する情報を参照して、復号処理を行う
    　画像復号方法。
PCT/JP2014/082924 2013-12-27 2014-12-12 画像符号化装置および方法、並びに画像復号装置および方法 WO2015098563A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015554740A JPWO2015098563A1 (ja) 2013-12-27 2014-12-12 画像符号化装置および方法、並びに画像復号装置および方法
US15/034,007 US20160286218A1 (en) 2013-12-27 2014-12-12 Image encoding device and method, and image decoding device and method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-272942 2013-12-27
JP2013272942 2013-12-27

Publications (1)

Publication Number Publication Date
WO2015098563A1 true WO2015098563A1 (ja) 2015-07-02

Family

ID=53478427

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/082924 WO2015098563A1 (ja) 2013-12-27 2014-12-12 画像符号化装置および方法、並びに画像復号装置および方法

Country Status (3)

Country Link
US (1) US20160286218A1 (ja)
JP (1) JPWO2015098563A1 (ja)
WO (1) WO2015098563A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301063B (zh) * 2017-05-10 2020-07-31 北京奇艺世纪科技有限公司 一种镜像管理方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007324923A (ja) * 2006-05-31 2007-12-13 Sharp Corp Ｍｐｅｇ画質補正装置、及びｍｐｅｇ画質補正方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007324923A (ja) * 2006-05-31 2007-12-13 Sharp Corp Ｍｐｅｇ画質補正装置、及びｍｐｅｇ画質補正方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIANLE CHEN ET AL.: "MV-HEVC/SHVC HLS: On signaling of enhancement layer skip picture", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT- VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/ WG11 JCTVC-00265, ITU-T, pages 1 - 5 *
JONATAN SAMUELSSON ET AL.: "SHVC skip pictures", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11 JCTVC-00199, ITU-T, pages 1 - 5 *
KARSTEN SUEHRING ET AL.: "3D/MV-HEVC HLS: Study and proposal of methods for extending the supported number of layers", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11 JCTVC-00200, ITU-T, pages 1 - 13 *

Also Published As

Publication number Publication date
US20160286218A1 (en) 2016-09-29
JPWO2015098563A1 (ja) 2017-03-23

Similar Documents

Publication Publication Date Title
US10142634B2 (en) Image processing apparatus and method
JP6358475B2 (ja) 画像復号装置および方法、並びに、画像符号化装置および方法
JP6287035B2 (ja) 復号装置および復号方法
JP6607414B2 (ja) 画像符号化装置および方法
JP6579393B2 (ja) 画像処理装置および方法
WO2015137145A1 (ja) 画像符号化装置および方法、並びに画像復号装置および方法
WO2015098561A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2015053116A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2014050731A1 (ja) 画像処理装置および方法
JP2015005899A (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
US9930353B2 (en) Image decoding device and method
WO2015064402A1 (ja) 画像処理装置および方法
WO2015064403A1 (ja) 画像処理装置および方法
WO2014103764A1 (ja) 画像処理装置および方法
JP6233655B2 (ja) 画像処理装置および方法
JP6150134B2 (ja) 画像符号化装置および方法、画像復号装置および方法、プログラム、並びに記録媒体
JP6477930B2 (ja) 符号化装置および符号化方法
WO2014141899A1 (ja) 画像処理装置および方法
WO2015098563A1 (ja) 画像符号化装置および方法、並びに画像復号装置および方法
JPWO2014002900A1 (ja) 画像処理装置および画像処理方法
WO2014162916A1 (ja) 画像符号化装置および方法、並びに、画像復号装置および方法
WO2015064401A1 (ja) 画像処理装置および方法
JP2015050738A (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2014156707A1 (ja) 画像符号化装置および方法、並びに、画像復号装置および方法
WO2014141964A1 (ja) 画像処理装置および方法

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: 14873787

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15034007

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2015554740

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14873787

Country of ref document: EP

Kind code of ref document: A1