WO2015177966A1 - 画像符号化方法及び画像符号化装置 - Google Patents

Abstract

　画像符号化方法は、第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する複数の画像の符号化データを含むビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）ビットストリームの一部であり、複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップ（Ｓ４０４及びＳ４０６）を含む。

Description

画像符号化方法及び画像符号化装置

　本発明は、画像符号化方法及び画像符号化装置に関する。

　Ｈ．２６ｘと称されるＩＴＵ－Ｔ規格及びＭＰＥＧ－ｘと称されるＩＳＯ／ＩＥＣ規格に代表される従来の画像符号化方式においては、エンコーダとデコーダとを同期して動作させるために、エンコーダとデコーダとの互換性を確保する枠組みとして、コンフォーマンス（規格適合性）の規定が定義されている（非特許文献２のＰ．２１４からＰ．２２６参照）。

　また、デコーダのバッファ管理を仮想的にモデル化した仮想参照デコーダ（Ｈｙｐｏｔｈｅｔｉｃａｌ　Ｒｅｆｅｒｅｎｃｅ　Ｄｅｃｏｄｅｒ：ＨＲＤ）という概念が導入されている。ＨＲＤを用いることにより、デコードタイミングでバッファに画像データが入っていないアンダーフロー、及び、用意されたバッファサイズを超えて画像データが入ってくるオーバーフローといったデコーダの破綻を防止できる。

　具体的には、仮想ストリームスケジューラ（Ｈｙｐｏｔｈｅｔｉｃａｌ　Ｓｔｒｅａｍ　Ｓｃｈｅｄｕｌｅｒ：ＨＳＳ）が、ＨＲＤの符号化済みピクチャバッファ（Ｃｏｄｅｄ　Ｐｉｃｔｕｒｅ　Ｂｕｆｆｅｒ：ＣＰＢ）へのビットストリームの入力を管理する。入力方法には、固定ビットレートと可変ビットレートとの２つのビットレートタイプがある。

　固定ビットレートの場合、常に一定のビットレートでＨＲＤのＣＰＢへビットストリームが入力される。固定ビットレートで画像を符号化する場合は、アンダーフローとオーバーフローの両方をチェックする必要がある。

　可変ビットレートの場合、ＨＲＤのＣＰＢへビットストリームを入力するビットレートは可変である。これにより、ＨＲＤのＣＰＢ容量に空きがない場合はビットストリームの入力を一時停止できるため、オーバーフローは発生しない。したがって、可変ビットレートで符号化する場合は、アンダーフローのみをチェックすればよい。

Ｊｏｉｎｔ　Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｔｅａｍ　ｏｎ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ　（ＪＣＴ－ＶＣ）　ｏｆ　ＩＴＵ－Ｔ　ＳＧ１６　ＷＰ３　ａｎｄ　ＩＳＯ／ＩＥＣ　ＪＴＣ１／ＳＣ２９／ＷＧ１１，１２ｔｈ　Ｍｅｅｔｉｎｇ：　Ｇｅｎｅｖａ，　ＣＨ，　１４－２３　Ｊａｎ．　２０１３，　"Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ　（ＨＥＶＣ）　ｔｅｘｔ　ｓｐｅｃｉｆｉｃａｔｉｏｎ　ｄｒａｆｔ　１０　（ｆｏｒ　ＦＤＩＳ　＆　Ｌａｓｔ　Ｃａｌｌ）"，　ｈｔｔｐ：／／ｐｈｅｎｉｘ．ｉｎｔ－ｅｖｒｙ．ｆｒ／ｊｃｔ／ｄｏｃ＿ｅｎｄ＿ｕｓｅｒ／ｄｏｃｕｍｅｎｔｓ／１２＿Ｇｅｎｅｖａ／ｗｇ１１／ＪＣＴＶＣ－Ｌ１００３－ｖ３４．ｚｉｐ 大久保栄ら著，「Ｈ．２６５／ＨＥＶＣ教科書」，インプレスジャパン，２０１３年

　このような画像符号化方法では、コンフォーマンスを満たすビットストリームを生成するための処理量を低減できることが望まれている。

　そこで、本発明は、コンフォーマンスを満たすビットストリームを生成するための処理量を低減できる画像符号化方法又は画像符号化装置を提供することを目的とする。

　本発明の一態様に係る画像符号化方法は、複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化方法であって、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択ステップと、前記複数の画像それぞれの時間レイヤを決定する決定ステップと、前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップと、前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化ステップと、前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成ステップとを含む。

　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。

　本発明は、コンフォーマンスを満たすビットストリームを生成するための処理量を低減できる画像符号化方法又は画像符号化装置を提供できる。

図１は、実施の形態１に係る時間スケーラビリティを有するビットストリームの一例を示す図である。 図２は、実施の形態１に係る画像符号化装置の構造を示すブロック図である。 図３は、実施の形態１に係る符号化プロセスのフローチャートである。 図４は、実施の形態１に係るビットストリームのデータ構造の一例を示す図である。 図５は、実施の形態１に係るビットレートタイプの決定処理を説明するための図である。 図６は、実施の形態１に係るビットレート制御情報と時間スケーラビリティ情報を算出する算出プロセスのフローチャートである。 図７は、実施の形態１に係るコンフォーマンスを満たすように固定ビットレートで符号化した時のＨＲＤのＣＰＢを示す図である。 図８は、実施の形態１に係る固定ビットレートのまま時間解像度を１／４にした時のＨＲＤのＣＰＢを示す図である。 図９は、実施の形態１に係る可変ビットレートにして時間解像度を１／４にした時のＨＲＤのＣＰＢを示す図である。 図１０は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１１は、デジタル放送用システムの全体構成図である。 図１２は、テレビの構成例を示すブロック図である。 図１３は、光ディスクである記録メディアに情報の読み書きを行う情報再生／記録部の構成例を示すブロック図である。 図１４は、光ディスクである記録メディアの構造例を示す図である。 図１５Ａは、携帯電話の一例を示す図である。 図１５Ｂは、携帯電話の構成例を示すブロック図である。 図１６は、多重化データの構成を示す図である。 図１７は、各ストリームが多重化データにおいてどのように多重化されているかを模式的に示す図である。 図１８は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかを更に詳しく示した図である。 図１９は、多重化データにおけるＴＳパケットとソースパケットの構造を示す図である。 図２０は、ＰＭＴのデータ構成を示す図である。 図２１は、多重化データ情報の内部構成を示す図である。 図２２は、ストリーム属性情報の内部構成を示す図である。 図２３は、映像データを識別するステップを示す図である。 図２４は、各実施の形態の動画像符号化方法および動画像復号化方法を実現する集積回路の構成例を示すブロック図である。 図２５は、駆動周波数を切り替える構成を示す図である。 図２６は、映像データを識別し、駆動周波数を切り替えるステップを示す図である。 図２７は、映像データの規格と駆動周波数を対応づけたルックアップテーブルの一例を示す図である。 図２８Ａは、信号処理部のモジュールを共有化する構成の一例を示す図である。 図２８Ｂは、信号処理部のモジュールを共有化する構成の他の一例を示す図である。

　（本発明の基礎となった知見）
　画像符号化規格Ｈ．２６５／ＨＥＶＣ（非特許文献１参照）などの画像符号化方式には、時間スケーラビリティという機能がある。時間スケーラビリティ（非特許文献２のＰ．２１１～Ｐ．２１２参照）を有するビットストリームには、ＴｅｍｐｏｒａｌＩｄという時間識別子が挿入される。これにより、画像復号装置は、複数の時間解像度で復号画像を出力することが可能となる。例えば、６０ｆｐｓ（ｆｒａｍｅｓ　ｐｅｒ　ｓｅｃｏｎｄ）の動画像を符号化したビットストリームでは伝送レートが不足する場合に、画像符号化装置（送信装置）は、当該ビットストリームから、３０ｆｐｓ又は１５ｆｐｓにフレームレートを落としたサブビットストリームを切り出し、得られたサブビットストリームを伝送することで、画像復号装置（受信装置）でのコマ落ち及び画質の低下を防止できる。

　図１は、ＴｅｍｐｏｒａｌＩｄを付与した６０ｆｐｓのビットストリームの一例を示す図である。縦軸がＴｅｍｐｏｒａｌＩｄを示し、横軸がピクチャの出力順（ＰＯＣ：Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）を示している。また、矢印元のピクチャを矢印先のピクチャの予測画像の生成に用いることが可能である。例えば、ＰＯＣ＝２のピクチャに対して、ＰＯＣ＝０とＰＯＣ＝４のピクチャを参照画像として使用できる。

　この例のビットストリームは、ＴｅｍｐｏｒａｌＩｄの異なる３つの階層で符号化されている。この階層をサブレイヤ又は時間レイヤという。符号化又は復号の対象であるカレントピクチャの時間方向予測が行われる際、カレントピクチャのＴｅｍｐｏｒａｌＩＤよりもＴｅｍｐｏｒａｌＩｄの値が大きなピクチャを参照できないという制限がある。例えば、ＰＯＣ＝２のピクチャがカレントピクチャの場合には、カレントピクチャにＴｅｍｐｏｒａｌＩｄ＝１が付与されているため、ＴｅｍｐｏｒａｌＩｄ＝３が付与されたＰＯＣ＝１とＰＯＣ＝３のピクチャは参照できない。

　この制限によって、時間解像度を落とすときには、画像符号化装置は、ＴｅｍｐｏｒａｌＩｄが大きなピクチャをビットストリームから容易に取り除くことができる。例えば、画像符号化装置は、３０ｆｐｓのサブビットストリームを生成するときには、ビットストリームからＴｅｍｐｏｒａｌＩｄ＝２のサブレイヤを取り除き、１５ｆｐｓのサブビットストリームを生成するときには、ビットストリームからＴｅｍｐｏｒａｌＩｄ≧１のサブレイヤを取り除く。このように、再エンコードを行わずにフレームレートを変換できるので、画像符号化装置（送信装置）の負荷を軽減できる。

　しかし、この方法により、全ての時間解像度においてコンフォーマンスを満たすビットストリームを符号化する場合には、処理量が増加し画像符号化装置の負荷が大きくなるという問題がある。

　具体的には、通常の（時間スケーラビリティを有さない）ビットストリームを生成する場合には、画像符号化装置は、当該ビットストリームがコンフォーマンスを満たすように符号化を行えばよい。一方で、時間スケーラビリティを有するビットストリームでは、上述した切り出しによりサブビットストリームが生成され、当該サブビットストリームが画像復号装置に送信される。よって、このようなビットストリームでは、全てのサブレイヤの符号化情報を含む元のビットストリームだけなく、当該ビットストリームから生成される各サブビットストリームも、コンフォーマンスを満たす必要がある。このように、元のビットストリーム及び複数のサブビットストリームの全てがコンフォーマンスを満たすように、単一のビットストリームを符号化することは困難であり、また、このようなビットストリームを生成するためには画像符号化装置における処理が複雑化するとともに処理量が大きく増加する。

　そこで、本発明の一態様に係る画像符号化方法は、複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化方法であって、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択ステップと、前記複数の画像それぞれの時間レイヤを決定する決定ステップと、前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップと、前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化ステップと、前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成ステップとを含む。

　これにより、全ての時間レイヤの画像を含むビットストリームのビットレートタイプが固定ビットレートに設定される場合でも、サブビットストリームのビットレートタイプは可変ビットレートに設定される。これにより、ビットストリームの生成時に、サブビットストリームのオーバーフローを考慮する必要なく、全ての時間レイヤの画像を含むビットストリームに対してオーバーフローが発生しないような制御のみを行えばよい。これにより、当該画像符号化方法は、複数の時間解像度を有し、かつ各時間解像度においてコンフォーマンスを満たすビットストリームを符号化する際の画像符号化装置の処理量を低減できる。

　例えば、前記符号化ステップでは、画像復号装置のバッファ管理を仮想的にモデル化した仮想参照デコーダを用いて、前記第２ビットレートタイプで、前記画像復号装置が前記ビットストリームを破綻なく処理できるように前記複数の画像を符号化してもよい。

　例えば、前記時間スケーラビリティ情報は、前記複数の画像それぞれが属する前記時間レイヤを示す時間識別子、又は復号対象の１以上の時間レイヤを特定する時間解像度の取りうるパターン数を含んでもよい。

　また、本発明の一態様に係る画像符号化装置は、複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化装置であって、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択部と、前記複数の画像それぞれの時間レイヤを決定する決定部と、前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定部と、前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化部と、前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成部とを備える。

　なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

　以下、実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示す。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

　（実施の形態１）
　本実施の形態に係る画像符号化装置は、全てのサブレイヤの符号化情報を含む元のビットストリームのビットレートタイプによらず、サブビットストリームのビットレートタイプを可変ビットレートに設定する。これにより、画像符号化装置は、サブビットストリームのオーバーフローを考慮することなく、ビットレート制御を行える。よって、画像符号化装置の処理量を低減できる。

　ます、本実施の形態に係る画像符号化装置２００の構成を説明する。図２は、本実施の形態に係る画像符号化装置２００の構造を示すブロック図である。

　この画像符号化装置２００は、入力された動画像又は画像ビットストリームである入力画像２５１をブロック毎に符号化することで符号化ビットストリームであるビットストリーム２６１を作成する。この画像符号化装置２００は、図２に示すように、ビットレート制御部２０１と、時間スケーラビリティ情報付与部２０２と、減算器２０３と、変換部２０４と、量子化部２０５と、逆量子化部２０６と、逆変換部２０７と、加算器２０８と、ブロックメモリ２０９と、フレームメモリ２１０と、イントラ予測部２１１と、インター予測部２１２と、エントロピー符号化部２１３とを備える。

　ビットレート制御部２０１は、コンフォーマンスを満たすビットストリーム２６１を生成するために、ＨＲＤを用いて、量子化部２０５を制御する。また、ビットレート制御情報２６３をエントロピー符号化部２１３へ出力する。

　ビットレート制御情報２６３は、選択可能な時間解像度（図１に示す例では６０ｆｐｓ、３０ｆｐｓ及び１５ｆｐｓ）のビットストリームの各々のビットレートタイプを示す情報である。ここでビットレートタイプとは、固定ビットレート又は可変ビットレートである。例えば、ビットレート制御情報２６３は、フラグ情報ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］である。

　ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］は選択可能な時間解像度の数と同じ数のフラグを含む。ここで、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］におけるＴｅｍｐｏｒａｌＩｄは、再生されるピクチャの持つＴｅｍｐｏｒａｌＩｄの中で最も大きな値を示す。例えば、図１に示す例では、６０ｆｐｓの全てのピクチャが再生される場合は、再生されるピクチャの持つＴｅｍｐｏｒａｌＩｄの中で最も大きなＴｅｍｐｏｒａｌＩｄは「２」であるためｃｂｒ＿ｆｌａｇ［２］に格納されているビットレートタイプが使用される。また、１５ｆｐｓで再生する場合は再生されるピクチャの持つＴｅｍｐｏｒａｌＩｄの中で最も大きなＴｅｍｐｏｒａｌＩｄは「０」であるためｃｂｒ＿ｆｌａｇ［０］に格納されているビットレートタイプが使用される。

　例えば、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］＝１は固定ビットレートを示し、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］＝０は可変ビットレートを示す。

　なお、以下では、最大の時間解像度を有するビットストリーム（ビットストリーム２６１）を最上層のビットストリームと呼び、ビットストリーム２６１から生成される時間解像度の低いビットストリームを下層のビットストリーム又はサブビットストリームと呼ぶ。また、最上層のビットストリームのビットレートタイプを最上層のビットレートタイプと呼び、下層のビットストリームのビットレートタイプを下層のビットレートタイプと呼ぶ。

　時間スケーラビリティ情報付与部２０２は、時間スケーラビリティ情報２６４をエントロピー符号化部２１３へ出力する。時間スケーラビリティ情報２６４は、具体的には、各画像のＴｅｍｐｏｒａｌＩｄを示す。

　入力画像２５１は、複数のピクチャ、１つのピクチャ又は１つのスライスなどの単位で減算器２０３に入力される。減算器２０３は、入力画像２５１と予測画像２６０との差分である残差信号２５２を算出し、残差信号２５２を変換部２０４へ出力する。

　変換部２０４は、残差信号２５２を周波数係数２５３に変換し、得られた周波数係数２５３を量子化部２０５へ出力する。量子化部２０５は、入力された周波数係数２５３を量子化し、得られた量子化係数２５４を逆量子化部２０６及びエントロピー符号化部２１３へ出力する。

　なお、変換部２０４と量子化部２０５の処理は、各処理部において変換ユニット（ＴＵ：Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）単位で順に実行される場合もあれば、ＴＵサイズに対応した係数を有する１以上のマトリックスの乗算を用いて一括して実行される場合もある。

　逆量子化部２０６は、量子化部２０５から出力された量子化係数２５４を逆量子化し、得られた周波数係数２５５を逆変換部２０７へ出力する。逆変換部２０７は、周波数係数２５５に対して逆周波数変換を行うことで周波数係数２５５を残差信号２５６に変換し、得られた残差信号２５６を加算器２０８へ出力する。

　加算器は、逆変換部２０７から出力された残差信号２５６を、イントラ予測部２１１又はインター予測部２１２から出力された予測画像２６０に加算し、得られた再構成画像２５７を更なる予測のためにブロックメモリ２０９又はフレームメモリ２１０に出力する。

　なお、逆量子化部２０６及び逆変換部２０７の処理は、ＴＵ単位で順に実行される場合もあれば、ＴＵサイズに対応する係数を有する１以上のマトリックスの乗算を用いて一括して行われる場合もある。ここでは説明を明確にするために逆量子化及び逆変換という言葉を用いたが、逆量子化及び逆変換は、量子化及び変換と、単に係数の値が異なるだけであり、マトリックスの乗算を用いた処理であるため量子化及び変換と呼ばれる場合がある。

　イントラ予測部２１１は、予測ユニット（ＰＵ：Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）毎に、ブロックメモリ２０９に保存される再構成画像２５７内を検索し、検索により得られた画像の一部をコピーしたり、重み付けの乗算を施したりすることで、入力画像２５１と類似するように予測された予測画像２５８を作成する。

　インター予測部２１２は、ＰＵ毎に、フレームメモリ２１０に保存される再構成画像２５７内を検索し、入力画像２５１と最も類似する又は類似する可能性が高い画像を１つ以上検出することで予測画像２５９を生成する。また、予測画像２５８及び予測画像２５９の一方が予測画像２６０として選択される。

　エントロピー符号化部２１３は、ビットレート制御部２０１からのビットレート制御情報２６３と、時間スケーラビリティ情報付与部２０２からの時間スケーラビリティ情報２６４と、量子化部２０５からの量子化係数２５４と、イントラ予測部２１１からの予測情報と、インター予測部２１２からの予測情報とを符号化することでビットストリーム２６１を出力する。

　次に、本実施の形態に係るが画像符号化処理について説明する。図３は、本実施の形態に係る画像符号化プロセスのフローチャートである。

　ステップＳ３０１では、画像符号化装置２００は、ビットレート制御情報２６３及び時間スケーラビリティ情報２６４を生成する。画像符号化装置２００は、生成されたビットレート制御情報２６３及び時間スケーラビリティ情報２６４をエントロピー符号化し、符号化されたビットレート制御情報２６３及び時間スケーラビリティ情報２６４をビットストリーム２６１のヘッダに挿入する。

　ステップＳ３０２では、画像符号化装置２００は、イントラ予測又はインター予測を行うことで予測画像２６０を作成する。

　ステップＳ３０３では、画像符号化装置２００は、予測画像２６０と入力画像２５１との差分である残差信号２５２を算出する。

　ステップＳ３０４では、画像符号化装置２００は、残差信号２５２を周波数変換することで周波数係数２５３を算出する。

　ステップＳ３０５では、画像符号化装置２００は、ビットレート制御により量子化幅を算出し、得られた量子化幅を用いて周波数係数２５３を量子化することで量子化係数２５４を算出する。具体的には、画像符号化装置２００は、最上層のビットレートタイプで、ＨＲＤを用いたビットレート制御を行うことにより量子化幅を算出する。

　ステップＳ３０６では、画像符号化装置２００は、予測情報及び量子化係数２５４をエントロピー符号化し、符号化された予測情報及び量子化係数２５４をビットストリーム２６１に挿入する。

　ステップＳ３０１の処理について以下、図４～図９を用いて詳細に説明する。

　図４は、画像符号化装置２００により生成されるビットストリーム２６１のデータ構造の一例を示す図である。ビットストリーム２６１は、ＶＰＳ（Ｖｉｄｅｏ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）、ＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）及びＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）などのヘッダ部分と、符号化された画像データであるピクチャデータとを含んでいる。ピクチャデータは、スライスヘッダ（ＳＨ）と、スライスデータとを含んでいる。スライスデータは、スライスに含まれる符号化された画像データを含んでいる。スライスデータは、ブロックヘッダ（ＢＨ）と、ブロックデータとを含んでいる。ブロックデータは、ブロックに含まれる符号化された画像データを含んでいる。

　ビットレート制御情報２６３及び時間スケーラビリティ情報２６４は、エントロピー符号化部２１３において符号化され、ＶＰＳ、ＡＰＳ、ＳＰＳ、ＰＰＳ、及びＳＨのいずれかに挿入される。

　図５は、ビットレート制御部２０１によるビットレート制御情報２６３の算出プロセスを説明するための図である。ビットレート制御部２０１は、外部パラメータ２６２で指定されるビットレートタイプに応じて、各層のビットレートタイプを決定する。

　具体的には、外部パラメータ２６２により固定ビットレートが指定されている場合には、ビットレート制御部２０１は、最上層（この例ではＴｅｍｐｏｒａｌＩｄ＝２）のビットレートタイプを固定ビットレートに設定し、最上層以外（この例ではＴｅｍｐｏｒａｌＩｄ＝０及び１）のビットレートタイプを可変ビットレートに設定する。また、外部パラメータ２６２により可変ビットレートが指定されている場合には、ビットレート制御部２０１は、全ての層（この例ではＴｅｍｐｏｒａｌＩｄ＝０～２）のビットレートタイプを可変ビットレートに設定する。

　つまり、ビットレート制御部２０１は、最上層のビットレートタイプを外部パラメータ２６２で指定されるビットレートタイプと同じに設定する。また、ビットレート制御部２０１は、最上層以外の全てのビットレートタイプを、外部パラメータ２６２で指定されるビットレートタイプに依存せず、常に可変ビットレートに設定する。

　図６は、ビットレート制御情報２６３の算出プロセスのフローチャートである。

　ステップＳ４０１では、ビットレート制御部２０１は、外部パラメータ２６２で示される、全てのピクチャを符号化する時間解像度でのビットレートタイプを取得する。

　ステップＳ４０２では、時間スケーラビリティ情報付与部２０２は、外部パラメータ２６２で示される時間スケーラビリティ情報を取得する。ここで、時間スケーラビリティ情報は、サブレイヤの数つまりＴｅｍｐｒａｌＩｄの数、又は各ピクチャに設定するＴｅｍｐｏｒａｌＩｄを示す。なお、これらのＴｅｍｐｒａｌＩｄの情報は、ＧＯＰ単位の各ピクチャに設定されるＴｅｍｐｏｒａｌＩｄの情報であってもよいし、スライスタイプ毎のＴｅｍｐｏｒａｌＩＤの情報であってもよい。また、時間スケーラビリティ情報付与部２０２は、外部パラメータ２６２で示される時間スケーラビリティ情報に基づき時間スケーラビリティ情報２６４を生成し、生成された時間スケーラビリティ情報２６４をビットレート制御部２０１へ出力する。ここで、時間スケーラビリティ情報２６４は、例えば、サブレイヤの数、つまりＴｅｍｐｏｒａｌＩｄの数を示す。

　ステップＳ４０３では、ビットレート制御部２０１は、ステップＳ４０１で取得されたビットレートタイプが固定ビットレートかを判定する。

　ビットレートタイプが固定ビットレートである場合（Ｓ４０３でＹｅｓ）、ステップＳ４０４では、ビットレート制御部２０１は、最上層のビットレートタイプを固定ビットレートに設定する。具体的には、ビットレート制御部２０１は、ＴｅｍｐｏｒａｌＩｄ＝２のｃｂｒ＿ｆｌａｇ［２］に「１」（固定ビットレート）を設定する。

　一方、ビットレートタイプが固定ビットレートではない、つまり可変ビットレートである場合（Ｓ４０３でＮｏ）ステップＳ４０５では、ビットレート制御部２０１は、最上層のビットレートタイプを可変ビットレートに設定する。具体的には、ビットレート制御部２０１は、ＴｅｍｐｏｒａｌＩｄ＝２のｃｂｒ＿ｆｌａｇ［２］に「０」（可変ビットレート）を設定する。

　ステップＳ４０４又はＳ４０５の後、ステップＳ４０６では、ビットレート制御部２０１は、最上層以外の全ての層のビットレートタイプを可変ビットレートに設定する。具体的には、ビットレート制御部２０１は、ＴｅｍｐｏｒａｌＩｄ≦１のｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］に「０」（可変ビットレート）を設定する。

　ステップＳ４０７では、ビットレート制御部２０１は、各層のビットレートタイプを示すビットレート制御情報２６３であるｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］をエントロピー符号化部２１３へ出力する。

　なお、ステップＳ４０１及びＳ４０２では、ビットレートタイプ及び時間スケーラビリティ情報が外部パラメータ２６２として外部から入力されているが、ビットレートタイプ及び時間スケーラビリティ情報の少なくとも一方として、画像符号化装置２００に予め保持されている固定値が用いられてもよい。

　以下、本実施の形態により、全ての時間解像度においてコンフォーマンスを満たすビットストリーム２６１を作成できることを説明する。

　図７は、６０ｆｐｓの動画像を、固定ビットレートでコンフォーマンスを満たしつつ符号化した時の、ビットストリームに対するＨＲＤのＣＰＢ占有量の例を示す図である。図７の縦軸はＣＰＢ占有量を示し、横軸は時刻を示す。また、ＨＲＤのＣＰＢ容量を水平線で示す。図７に示すように、６０ｆｐｓの符号化では、オーバーフローを起こすことなく、符号化が行われる。

　なお、説明のために、ビットストリームの階層構造は図１に示した例を使用する。ここで、全てのピクチャからＴｅｍｐｏｒａｌＩｄ≧１のピクチャを除くことにより、６０ｆｐｓのビットストリームから１５ｆｐｓのビットストリームを作成できる。その時の、ＨＲＤのＣＰＢ占有量を図８に示す。また、図８は、比較のための図であり、ｃｂｒ＿ｆｌａｇ［０］＝１、つまり、１５ｆｐｓにおけるビットレートタイプが固定ビットレートである場合を示す。この場合、図８に示すように、オーバーフローが生じる。

　一方、本実施の形態では、上述したように、６０ｆｐｓ以外の下層のビットストリームに対して、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］＝０（ＴｅｍｐｏｒａｌＩｄ≦１）に設定される。つまり、６０ｆｐｓ以外のビットレートタイプは可変ビットレートに設定される。可変ビットレートにおいて、ＣＰＢ容量に空きが無い場合、ビットストリームの入力を一時停止することができる。これにより、オーバーフローを回避できる。図９は、１５ｆｐｓのビットレートタイプが可変ビットレートである場合のＨＲＤのＣＰＢ占有量を示す図である。図９に示すように、ビットレートタイプを可変ビットレートに設定することで、オーバーフローの発生を防止できる。

　また、異なる時間解像度（上記の６０ｆｐｓ、３０ｆｐｓ及び１５ｆｐｓ）のビットストリームに対して同一の目標ビットレートが設定されてもよい。この場合、時間解像度が異なる複数のビットストリームにおける、時間当たりのＣＰＢへの入力量は一定である。また、時間解像度が６０ｆｐｓから１５ｆｐｓに変更された場合、ＣＰＢから引き抜かれるバッファ量は減る。よって、最も高い時間解像度においてアンダーフローが起きないように符号化されていれば、全ての時間解像度でアンダーフローは発生しない。

　ここで、ＣＰＢからの引き抜き時刻を示す情報は、例えば、シーケンスに設定されるＳｕｐｐｌｉｍｅｎｔａｌ　Ｅｎｈａｎｃｅ　Ｉｎｆｏｒｍａｔｉｏｎ（ＳＥＩ）に符号化される。

　本実施の形態により、全てのピクチャを符号化する最も高い時間解像度においてのみ、アンダーフローとオーバーフローが発生しないようにビットレートを制御することで、ＴｅｍｐｏｒａｌＩｄで設定された全ての時間解像度においてコンフォーマンスを満たすビットストリームを符号化できる。

　このように、本実施の形態の構成によると、処理量の増大を抑制しつつ、伝送レートによらずコンフォーマンスを満たすように、適切に画像を符号化できる。

　以上のように、本実施の形態に係る画像符号化装置２００は、複数の画像を符号化することで時間スケーラビリティを有するビットストリーム２６１を生成する。

　画像符号化装置２００は、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択し（Ｓ４０１）、複数の画像それぞれの時間レイヤを決定する（Ｓ４０２）。例えば、画像符号化装置２００は、外部パラメータ２６２で示されるビットレートタイプ又は予め定められたビットレートタイプを選択する。また、画像符号化装置２００は、外部パラメータ２６２で示される時間スケーラビリティ情報に基づき、複数の画像それぞれの時間レイヤを決定する。

　画像符号化装置２００は、第１ビットレートタイプとして固定ビットレートが選択された場合（Ｓ４０３でＹｅｓ）に、（１）全ての時間レイヤに属する複数の画像の符号化データを含むビットストリーム２６１の第２ビットレートタイプを固定ビットレートに設定し（Ｓ４０４）、（２）ビットストリーム２６１の一部であり、上記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する（Ｓ４０６）。

　次に画像符号化装置２００は、複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する（Ｓ３０２～Ｓ３０５）。

　例えば、画像符号化装置２００は、画像復号装置のバッファ管理を仮想的にモデル化した仮想参照デコーダ（ＨＲＤ）を用いて、第２ビットレートタイプで、画像復号装置がビットストリーム２６１を破綻なく処理できるように複数の画像を符号化する。具体的には、画像符号化装置２００は、ＨＲＤを用いたビットレート制御により、画像復号装置においてアンダーフロー及びオーバーフローが発生しないように、量子化幅を制御する。

　また、画像符号化装置２００は、全ての時間レイヤに属する複数の画像の符号化において、第２ビットレートタイプで、ビットレート制御を行うことで、量子化幅を決定し、時間解像度が低いサブビットストリームの各々に対しては、第３ビットレートタイプでのビットレート制御は行わない。

　次に、画像符号化装置２００は、複数の画像の時間レイヤを示す時間スケーラビリティ情報２６４と、第２ビットレートタイプ及び第３ビットレートタイプを示すビットレート制御情報２６３と、符号化された複数の画像とを含むビットストリーム２６１を生成する（Ｓ３０１及びＳ３０６）。ここで、時間スケーラビリティ情報２６４は、複数の画像それぞれが属する時間レイヤを示す時間識別子（ＴｅｍｐｏｒａｌＩｄ）、又は復号対象の１以上の時間レイヤを特定する時間解像度の取りうるパターン数を含む。

　このように、本実施の形態に係る画像符号化装置２００は、全てのサブレイヤの符号化情報を含む最上層のビットストリームのビットレートタイプによらず、サブビットストリームのビットレートタイプを可変ビットレートに設定する。これにより、画像符号化装置２００は、サブビットストリームのオーバーフローを考慮することなく、ビットレート制御を行える。よって、画像符号化装置２００の処理量を低減できる。

　また、上述したように、最上層のビットストリーム及びサブビットストリームの目標ビットレートを同一に設定してもよい。これにより、サブビットストリームのアンダーフローを考慮する必要がなくなる。

　これらにより、画像符号化装置２００は、サブビットストリームのオーバーフロー及びアンダーフローを考慮する必要がないので、最上層のビットストリームに対してのみビットレート制御を行えばよい。よって、画像符号化装置２００は、通常の（時間スケーラビリティを有さない）ビットストリームと同様の処理により、コンフォーマンスを満たす、時間スケーラビリティを有するビットストリームを生成できる。

　以上、実施の形態に係る画像符号化方法及び画像符号化装置について説明したが、本発明は、この実施の形態に限定されるものではない。

　例えば、本発明は、上記実施の形態に係る画像符号化方法又は画像符号化装置により生成されたビットストリームを復号する画像復号方法又は画像復号装置として実現されてもよい。

　また、上記実施の形態に係る画像符号化装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。

　また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。

　上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

　言い換えると、画像符号化装置は、処理回路（ｐｒｏｃｅｓｓｉｎｇ　ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された（当該処理回路からアクセス可能な）記憶装置（ｓｔｏｒａｇｅ）とを備える。処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含む。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。処理回路は、記憶装置を用いて、上記実施の形態に係る画像符号化方法を実行する。

　さらに、本発明は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。

　また、上記で用いた数字は、全て本発明を具体的に説明するために例示するものであり、本発明は例示された数字に制限されない。

　また、上記の画像符号化方法に含まれるステップが実行される順序は、本発明を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。

　以上、本発明の一つ又は複数の態様に係る画像符号化方法及び画像符号化装置について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の一つ又は複数の態様の範囲内に含まれてもよい。

　（実施の形態２）
　上記各実施の形態で示した動画像符号化方法（画像符号化方法）または動画像復号化方法（画像復号方法）の構成を実現するためのプログラムを記憶メディアに記録することにより、上記各実施の形態で示した処理を独立したコンピュータシステムにおいて簡単に実施することが可能となる。記憶メディアは、磁気ディスク、光ディスク、光磁気ディスク、ＩＣカード、半導体メモリ等、プログラムを記録できるものであればよい。

　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）や動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、及び画像復号方法を用いた画像復号装置からなる画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。

　図１０は、コンテンツ配信サービスを実現するコンテンツ供給システムex１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex１０６、ex１０７、ex１０８、ex１０９、ex１１０が設置されている。

　このコンテンツ供給システムex１００は、インターネットex１０１にインターネットサービスプロバイダex１０２および電話網ex１０４、および基地局ex１０６からex１１０を介して、コンピュータex１１１、ＰＤＡ（Personal Digital Assistant）ex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５などの各機器が接続される。

　しかし、コンテンツ供給システムex１００は図１０のような構成に限定されず、いずれかの要素を組合せて接続するようにしてもよい。また、固定無線局である基地局ex１０６からex１１０を介さずに、各機器が電話網ex１０４に直接接続されてもよい。また、各機器が近距離無線等を介して直接相互に接続されていてもよい。

　カメラex１１３はデジタルビデオカメラ等の動画撮影が可能な機器であり、カメラex１１６はデジタルカメラ等の静止画撮影、動画撮影が可能な機器である。また、携帯電話ex１１４は、ＧＳＭ（登録商標）（Global System for Mobile Communications）方式、ＣＤＭＡ（Code Division Multiple Access）方式、Ｗ－ＣＤＭＡ（Wideband-Code Division Multiple Access）方式、若しくはＬＴＥ（Long Term Evolution）方式、ＨＳＰＡ(High Speed Packet Access)の携帯電話機、またはＰＨＳ（Personal Handyphone System）等であり、いずれでも構わない。

　コンテンツ供給システムex１００では、カメラex１１３等が基地局ex１０９、電話網ex１０４を通じてストリーミングサーバex１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、ユーザがカメラex１１３を用いて撮影するコンテンツ（例えば、音楽ライブの映像等）に対して上記各実施の形態で説明したように符号化処理を行い（即ち、本発明の一態様に係る画像符号化装置として機能する）、ストリーミングサーバex１０３に送信する。一方、ストリーミングサーバex１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントとしては、上記符号化処理されたデータを復号化することが可能な、コンピュータex１１１、ＰＤＡex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５等がある。配信されたデータを受信した各機器では、受信したデータを復号化処理して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。

　なお、撮影したデータの符号化処理はカメラex１１３で行っても、データの送信処理をするストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。同様に配信されたデータの復号化処理はクライアントで行っても、ストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。また、カメラex１１３に限らず、カメラex１１６で撮影した静止画像および／または動画像データを、コンピュータex１１１を介してストリーミングサーバex１０３に送信してもよい。この場合の符号化処理はカメラex１１６、コンピュータex１１１、ストリーミングサーバex１０３のいずれで行ってもよいし、互いに分担して行ってもよい。

　また、これら符号化・復号化処理は、一般的にコンピュータex１１１や各機器が有するＬＳＩex５００において処理する。ＬＳＩex５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化・復号化用のソフトウェアをコンピュータex１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、ハードディスクなど）に組み込み、そのソフトウェアを用いて符号化・復号化処理を行ってもよい。さらに、携帯電話ex１１４がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データは携帯電話ex１１４が有するＬＳＩex５００で符号化処理されたデータである。

　また、ストリーミングサーバex１０３は複数のサーバや複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。

　以上のようにして、コンテンツ供給システムex１００では、符号化されたデータをクライアントが受信して再生することができる。このようにコンテンツ供給システムex１００では、ユーザが送信した情報をリアルタイムでクライアントが受信して復号化し、再生することができ、特別な権利や設備を有さないユーザでも個人放送を実現できる。

　なお、コンテンツ供給システムex１００の例に限らず、図１１に示すように、デジタル放送用システムex２００にも、上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）または動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。具体的には、放送局ex２０１では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex２０２に伝送される。この映像データは上記各実施の形態で説明した動画像符号化方法により符号化されたデータである（即ち、本発明の一態様に係る画像符号化装置によって符号化されたデータである）。これを受けた放送衛星ex２０２は、放送用の電波を発信し、この電波を衛星放送の受信が可能な家庭のアンテナex２０４が受信する。受信した多重化データを、テレビ（受信機）ex３００またはセットトップボックス（ＳＴＢ）ex２１７等の装置が復号化して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。

　また、ＤＶＤ、ＢＤ等の記録メディアex２１５に記録した多重化データを読み取り復号化する、または記録メディアex２１５に映像信号を符号化し、さらに場合によっては音楽信号と多重化して書き込むリーダ／レコーダex２１８にも上記各実施の形態で示した動画像復号化装置または動画像符号化装置を実装することが可能である。この場合、再生された映像信号はモニタex２１９に表示され、多重化データが記録された記録メディアex２１５により他の装置やシステムにおいて映像信号を再生することができる。また、ケーブルテレビ用のケーブルex２０３または衛星／地上波放送のアンテナex２０４に接続されたセットトップボックスex２１７内に動画像復号化装置を実装し、これをテレビのモニタex２１９で表示してもよい。このときセットトップボックスではなく、テレビ内に動画像復号化装置を組み込んでもよい。

　図１２は、上記各実施の形態で説明した動画像復号化方法および動画像符号化方法を用いたテレビ（受信機）ex３００を示す図である。テレビex３００は、上記放送を受信するアンテナex２０４またはケーブルex２０３等を介して映像データに音声データが多重化された多重化データを取得、または出力するチューナex３０１と、受信した多重化データを復調する、または外部に送信する多重化データに変調する変調／復調部ex３０２と、復調した多重化データを映像データと、音声データとに分離する、または信号処理部ex３０６で符号化された映像データ、音声データを多重化する多重／分離部ex３０３を備える。

　また、テレビex３００は、音声データ、映像データそれぞれを復号化する、またはそれぞれの情報を符号化する音声信号処理部ex３０４、映像信号処理部ex３０５（本発明の一態様に係る画像符号化装置または画像復号装置として機能する）を有する信号処理部ex３０６と、復号化した音声信号を出力するスピーカex３０７、復号化した映像信号を表示するディスプレイ等の表示部ex３０８を有する出力部ex３０９とを有する。さらに、テレビex３００は、ユーザ操作の入力を受け付ける操作入力部ex３１２等を有するインタフェース部ex３１７を有する。さらに、テレビex３００は、各部を統括的に制御する制御部ex３１０、各部に電力を供給する電源回路部ex３１１を有する。インタフェース部ex３１７は、操作入力部ex３１２以外に、リーダ／レコーダex２１８等の外部機器と接続されるブリッジex３１３、ＳＤカード等の記録メディアex２１６を装着可能とするためのスロット部ex３１４、ハードディスク等の外部記録メディアと接続するためのドライバex３１５、電話網と接続するモデムex３１６等を有していてもよい。なお記録メディアex２１６は、格納する不揮発性／揮発性の半導体メモリ素子により電気的に情報の記録を可能としたものである。テレビex３００の各部は同期バスを介して互いに接続されている。

　まず、テレビex３００がアンテナex２０４等により外部から取得した多重化データを復号化し、再生する構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、ＣＰＵ等を有する制御部ex３１０の制御に基づいて、変調／復調部ex３０２で復調した多重化データを多重／分離部ex３０３で分離する。さらにテレビex３００は、分離した音声データを音声信号処理部ex３０４で復号化し、分離した映像データを映像信号処理部ex３０５で上記各実施の形態で説明した復号化方法を用いて復号化する。復号化した音声信号、映像信号は、それぞれ出力部ex３０９から外部に向けて出力される。出力する際には、音声信号と映像信号が同期して再生するよう、バッファex３１８、ex３１９等に一旦これらの信号を蓄積するとよい。また、テレビex３００は、放送等からではなく、磁気／光ディスク、ＳＤカード等の記録メディアex２１５、ex２１６から多重化データを読み出してもよい。次に、テレビex３００が音声信号や映像信号を符号化し、外部に送信または記録メディア等に書き込む構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、制御部ex３１０の制御に基づいて、音声信号処理部ex３０４で音声信号を符号化し、映像信号処理部ex３０５で映像信号を上記各実施の形態で説明した符号化方法を用いて符号化する。符号化した音声信号、映像信号は多重／分離部ex３０３で多重化され外部に出力される。多重化する際には、音声信号と映像信号が同期するように、バッファex３２０、ex３２１等に一旦これらの信号を蓄積するとよい。なお、バッファex３１８、ex３１９、ex３２０、ex３２１は図示しているように複数備えていてもよいし、１つ以上のバッファを共有する構成であってもよい。さらに、図示している以外に、例えば変調／復調部ex３０２や多重／分離部ex３０３の間等でもシステムのオーバフロー、アンダーフローを避ける緩衝材としてバッファにデータを蓄積することとしてもよい。

　また、テレビex３００は、放送等や記録メディア等から音声データ、映像データを取得する以外に、マイクやカメラのＡＶ入力を受け付ける構成を備え、それらから取得したデータに対して符号化処理を行ってもよい。なお、ここではテレビex３００は上記の符号化処理、多重化、および外部出力ができる構成として説明したが、これらの処理を行うことはできず、上記受信、復号化処理、外部出力のみが可能な構成であってもよい。

　また、リーダ／レコーダex２１８で記録メディアから多重化データを読み出す、または書き込む場合には、上記復号化処理または符号化処理はテレビex３００、リーダ／レコーダex２１８のいずれで行ってもよいし、テレビex３００とリーダ／レコーダex２１８が互いに分担して行ってもよい。

　一例として、光ディスクからデータの読み込みまたは書き込みをする場合の情報再生／記録部ex４００の構成を図１３に示す。情報再生／記録部ex４００は、以下に説明する要素ex４０１、ex４０２、ex４０３、ex４０４、ex４０５、ex４０６、ex４０７を備える。光ヘッドex４０１は、光ディスクである記録メディアex２１５の記録面にレーザスポットを照射して情報を書き込み、記録メディアex２１５の記録面からの反射光を検出して情報を読み込む。変調記録部ex４０２は、光ヘッドex４０１に内蔵された半導体レーザを電気的に駆動し記録データに応じてレーザ光の変調を行う。再生復調部ex４０３は、光ヘッドex４０１に内蔵されたフォトディテクタにより記録面からの反射光を電気的に検出した再生信号を増幅し、記録メディアex２１５に記録された信号成分を分離して復調し、必要な情報を再生する。バッファex４０４は、記録メディアex２１５に記録するための情報および記録メディアex２１５から再生した情報を一時的に保持する。ディスクモータex４０５は記録メディアex２１５を回転させる。サーボ制御部ex４０６は、ディスクモータex４０５の回転駆動を制御しながら光ヘッドex４０１を所定の情報トラックに移動させ、レーザスポットの追従処理を行う。システム制御部ex４０７は、情報再生／記録部ex４００全体の制御を行う。上記の読み出しや書き込みの処理はシステム制御部ex４０７が、バッファex４０４に保持された各種情報を利用し、また必要に応じて新たな情報の生成・追加を行うと共に、変調記録部ex４０２、再生復調部ex４０３、サーボ制御部ex４０６を協調動作させながら、光ヘッドex４０１を通して、情報の記録再生を行うことにより実現される。システム制御部ex４０７は例えばマイクロプロセッサで構成され、読み出し書き込みのプログラムを実行することでそれらの処理を実行する。

　以上では、光ヘッドex４０１はレーザスポットを照射するとして説明したが、近接場光を用いてより高密度な記録を行う構成であってもよい。

　図１４に光ディスクである記録メディアex２１５の模式図を示す。記録メディアex２１５の記録面には案内溝（グルーブ）がスパイラル状に形成され、情報トラックex２３０には、予めグルーブの形状の変化によってディスク上の絶対位置を示す番地情報が記録されている。この番地情報はデータを記録する単位である記録ブロックex２３１の位置を特定するための情報を含み、記録や再生を行う装置において情報トラックex２３０を再生し番地情報を読み取ることで記録ブロックを特定することができる。また、記録メディアex２１５は、データ記録領域ex２３３、内周領域ex２３２、外周領域ex２３４を含んでいる。ユーザデータを記録するために用いる領域がデータ記録領域ex２３３であり、データ記録領域ex２３３より内周または外周に配置されている内周領域ex２３２と外周領域ex２３４は、ユーザデータの記録以外の特定用途に用いられる。情報再生／記録部ex４００は、このような記録メディアex２１５のデータ記録領域ex２３３に対して、符号化された音声データ、映像データまたはそれらのデータを多重化した多重化データの読み書きを行う。

　以上では、１層のＤＶＤ、ＢＤ等の光ディスクを例に挙げ説明したが、これらに限ったものではなく、多層構造であって表面以外にも記録可能な光ディスクであってもよい。また、ディスクの同じ場所にさまざまな異なる波長の色の光を用いて情報を記録したり、さまざまな角度から異なる情報の層を記録したりなど、多次元的な記録／再生を行う構造の光ディスクであってもよい。

　また、デジタル放送用システムex２００において、アンテナex２０５を有する車ex２１０で衛星ex２０２等からデータを受信し、車ex２１０が有するカーナビゲーションex２１１等の表示装置に動画を再生することも可能である。なお、カーナビゲーションex２１１の構成は例えば図１２に示す構成のうち、ＧＰＳ受信部を加えた構成が考えられ、同様なことがコンピュータex１１１や携帯電話ex１１４等でも考えられる。

　図１５Ａは、上記実施の形態で説明した動画像復号化方法および動画像符号化方法を用いた携帯電話ex１１４を示す図である。携帯電話ex１１４は、基地局ex１１０との間で電波を送受信するためのアンテナex３５０、映像、静止画を撮ることが可能なカメラ部ex３６５、カメラ部ex３６５で撮像した映像、アンテナex３５０で受信した映像等が復号化されたデータを表示する液晶ディスプレイ等の表示部ex３５８を備える。携帯電話ex１１４は、さらに、操作キー部ex３６６を有する本体部、音声を出力するためのスピーカ等である音声出力部ex３５７、音声を入力するためのマイク等である音声入力部ex３５６、撮影した映像、静止画、録音した音声、または受信した映像、静止画、メール等の符号化されたデータもしくは復号化されたデータを保存するメモリ部ex３６７、又は同様にデータを保存する記録メディアとのインタフェース部であるスロット部ex３６４を備える。

　さらに、携帯電話ex１１４の構成例について、図１５Ｂを用いて説明する。携帯電話ex１１４は、表示部ex３５８及び操作キー部ex３６６を備えた本体部の各部を統括的に制御する主制御部ex３６０に対して、電源回路部ex３６１、操作入力制御部ex３６２、映像信号処理部ex３５５、カメラインタフェース部ex３６３、ＬＣＤ（Liquid Crystal Display）制御部ex３５９、変調／復調部ex３５２、多重／分離部ex３５３、音声信号処理部ex３５４、スロット部ex３６４、メモリ部ex３６７がバスex３７０を介して互いに接続されている。

　電源回路部ex３６１は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex１１４を動作可能な状態に起動する。

　携帯電話ex１１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有する主制御部ex３６０の制御に基づいて、音声通話モード時に音声入力部ex３５６で収音した音声信号を音声信号処理部ex３５４でデジタル音声信号に変換し、これを変調／復調部ex３５２でスペクトラム拡散処理し、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して送信する。また携帯電話ex１１４は、音声通話モード時にアンテナex３５０を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調／復調部ex３５２でスペクトラム逆拡散処理し、音声信号処理部ex３５４でアナログ音声信号に変換した後、これを音声出力部ex３５７から出力する。

　さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex３６６等の操作によって入力された電子メールのテキストデータは操作入力制御部ex３６２を介して主制御部ex３６０に送出される。主制御部ex３６０は、テキストデータを変調／復調部ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して基地局ex１１０へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex３５８に出力される。

　データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex３５５は、カメラ部ex３６５から供給された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し（即ち、本発明の一態様に係る画像符号化装置として機能する）、符号化された映像データを多重／分離部ex３５３に送出する。また、音声信号処理部ex３５４は、映像、静止画等をカメラ部ex３６５で撮像中に音声入力部ex３５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ex３５３に送出する。

　多重／分離部ex３５３は、映像信号処理部ex３５５から供給された符号化された映像データと音声信号処理部ex３５４から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調／復調部（変調／復調回路部）ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex３５０を介して送信する。

　データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex３５０を介して受信された多重化データを復号化するために、多重／分離部ex３５３は、多重化データを分離することにより映像データのビットストリームと音声データのビットストリームとに分け、同期バスex３７０を介して符号化された映像データを映像信号処理部ex３５５に供給するとともに、符号化された音声データを音声信号処理部ex３５４に供給する。映像信号処理部ex３５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって復号化することにより映像信号を復号し（即ち、本発明の一態様に係る画像復号装置として機能する）、ＬＣＤ制御部ex３５９を介して表示部ex３５８から、例えばホームページにリンクされた動画像ファイルに含まれる映像、静止画が表示される。また音声信号処理部ex３５４は、音声信号を復号し、音声出力部ex３５７から音声が出力される。

　また、上記携帯電話ex１１４等の端末は、テレビex３００と同様に、符号化器・復号化器を両方持つ送受信型端末の他に、符号化器のみの送信端末、復号化器のみの受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムex２００において、映像データに音楽データなどが多重化された多重化データを受信、送信するとして説明したが、音声データ以外に映像に関連する文字データなどが多重化されたデータであってもよいし、多重化データではなく映像データ自体であってもよい。

　このように、上記各実施の形態で示した動画像符号化方法あるいは動画像復号化方法を上述したいずれの機器・システムに用いることは可能であり、そうすることで、上記各実施の形態で説明した効果を得ることができる。

　また、本発明はかかる上記実施の形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形または修正が可能である。

　（実施の形態３）
　上記各実施の形態で示した動画像符号化方法または装置と、ＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。

　ここで、それぞれ異なる規格に準拠する複数の映像データを生成した場合、復号する際に、それぞれの規格に対応した復号方法を選択する必要がある。しかしながら、復号する映像データが、どの規格に準拠するものであるか識別できないため、適切な復号方法を選択することができないという課題を生じる。

　この課題を解決するために、映像データに音声データなどを多重化した多重化データは、映像データがどの規格に準拠するものであるかを示す識別情報を含む構成とする。上記各実施の形態で示す動画像符号化方法または装置によって生成された映像データを含む多重化データの具体的な構成を以下説明する。多重化データは、ＭＰＥＧ－２トランスポートストリーム形式のデジタルストリームである。

　図１６は、多重化データの構成を示す図である。図１６に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム（ＰＧ）、インタラクティブグラフィックスストリームのうち、１つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム（ＩＧ）は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にＧＵＩ部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーＡＣ－３、Ｄｏｌｂｙ　Ｄｉｇｉｔａｌ　Ｐｌｕｓ、ＭＬＰ、ＤＴＳ、ＤＴＳ－ＨＤ、または、リニアＰＣＭのなどの方式で符号化されている。

　多重化データに含まれる各ストリームはＰＩＤによって識別される。例えば、映画の映像に利用するビデオストリームには０ｘ１０１１が、オーディオストリームには０ｘ１１００から０ｘ１１１Ｆまでが、プレゼンテーショングラフィックスには０ｘ１２００から０ｘ１２１Ｆまでが、インタラクティブグラフィックスストリームには０ｘ１４００から０ｘ１４１Ｆまでが、映画の副映像に利用するビデオストリームには０ｘ１Ｂ００から０ｘ１Ｂ１Ｆまで、主音声とミキシングする副音声に利用するオーディオストリームには０ｘ１Ａ００から０ｘ１Ａ１Ｆが、それぞれ割り当てられている。

　図１７は、多重化データがどのように多重化されるかを模式的に示す図である。まず、複数のビデオフレームからなるビデオストリームex２３５、複数のオーディオフレームからなるオーディオストリームex２３８を、それぞれＰＥＳパケット列ex２３６およびex２３９に変換し、ＴＳパケットex２３７およびex２４０に変換する。同じくプレゼンテーショングラフィックスストリームex２４１およびインタラクティブグラフィックスex２４４のデータをそれぞれＰＥＳパケット列ex２４２およびex２４５に変換し、さらにＴＳパケットex２４３およびex２４６に変換する。多重化データex２４７はこれらのＴＳパケットを１本のストリームに多重化することで構成される。

　図１８は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかをさらに詳しく示している。図１８における第１段目はビデオストリームのビデオフレーム列を示す。第２段目は、ＰＥＳパケット列を示す。図１８の矢印ｙｙ１，ｙｙ２，ｙｙ３，ｙｙ４に示すように、ビデオストリームにおける複数のＶｉｄｅｏ　Ｐｒｅｓｅｎｔａｔｉｏｎ　ＵｎｉｔであるＩピクチャ、Ｂピクチャ、Ｐピクチャは、ピクチャ毎に分割され、ＰＥＳパケットのペイロードに格納される。各ＰＥＳパケットはＰＥＳヘッダを持ち、ＰＥＳヘッダには、ピクチャの表示時刻であるＰＴＳ（Ｐｒｅｓｅｎｔａｔｉｏｎ　Ｔｉｍｅ－Ｓｔａｍｐ）やピクチャの復号時刻であるＤＴＳ（Ｄｅｃｏｄｉｎｇ　Ｔｉｍｅ－Ｓｔａｍｐ）が格納される。

　図１９は、多重化データに最終的に書き込まれるＴＳパケットの形式を示している。ＴＳパケットは、ストリームを識別するＰＩＤなどの情報を持つ４ＢｙｔｅのＴＳヘッダとデータを格納する１８４ＢｙｔｅのＴＳペイロードから構成される１８８Ｂｙｔｅ固定長のパケットであり、上記ＰＥＳパケットは分割されＴＳペイロードに格納される。ＢＤ－ＲＯＭの場合、ＴＳパケットには、４ＢｙｔｅのＴＰ＿Ｅｘｔｒａ＿Ｈｅａｄｅｒが付与され、１９２Ｂｙｔｅのソースパケットを構成し、多重化データに書き込まれる。ＴＰ＿Ｅｘｔｒａ＿ＨｅａｄｅｒにはＡＴＳ（Ａｒｒｉｖａｌ＿Ｔｉｍｅ＿Ｓｔａｍｐ）などの情報が記載される。ＡＴＳは当該ＴＳパケットのデコーダのＰＩＤフィルタへの転送開始時刻を示す。多重化データには図１９下段に示すようにソースパケットが並ぶこととなり、多重化データの先頭からインクリメントする番号はＳＰＮ（ソースパケットナンバー）と呼ばれる。

　また、多重化データに含まれるＴＳパケットには、映像・音声・字幕などの各ストリーム以外にもＰＡＴ（Ｐｒｏｇｒａｍ　Ａｓｓｏｃｉａｔｉｏｎ　Ｔａｂｌｅ）、ＰＭＴ（Ｐｒｏｇｒａｍ　Ｍａｐ　Ｔａｂｌｅ）、ＰＣＲ（Ｐｒｏｇｒａｍ　Ｃｌｏｃｋ　Ｒｅｆｅｒｅｎｃｅ）などがある。ＰＡＴは多重化データ中に利用されるＰＭＴのＰＩＤが何であるかを示し、ＰＡＴ自身のＰＩＤは０で登録される。ＰＭＴは、多重化データ中に含まれる映像・音声・字幕などの各ストリームのＰＩＤと各ＰＩＤに対応するストリームの属性情報を持ち、また多重化データに関する各種ディスクリプタを持つ。ディスクリプタには多重化データのコピーを許可・不許可を指示するコピーコントロール情報などがある。ＰＣＲは、ＡＴＳの時間軸であるＡＴＣ（Ａｒｒｉｖａｌ　Ｔｉｍｅ　Ｃｌｏｃｋ）とＰＴＳ・ＤＴＳの時間軸であるＳＴＣ（Ｓｙｓｔｅｍ　Ｔｉｍｅ　Ｃｌｏｃｋ）の同期を取るために、そのＰＣＲパケットがデコーダに転送されるＡＴＳに対応するＳＴＣ時間の情報を持つ。

　図２０はＰＭＴのデータ構造を詳しく説明する図である。ＰＭＴの先頭には、そのＰＭＴに含まれるデータの長さなどを記したＰＭＴヘッダが配置される。その後ろには、多重化データに関するディスクリプタが複数配置される。上記コピーコントロール情報などが、ディスクリプタとして記載される。ディスクリプタの後には、多重化データに含まれる各ストリームに関するストリーム情報が複数配置される。ストリーム情報は、ストリームの圧縮コーデックなどを識別するためストリームタイプ、ストリームのＰＩＤ、ストリームの属性情報（フレームレート、アスペクト比など）が記載されたストリームディスクリプタから構成される。ストリームディスクリプタは多重化データに存在するストリームの数だけ存在する。

　記録媒体などに記録する場合には、上記多重化データは、多重化データ情報ファイルと共に記録される。

　多重化データ情報ファイルは、図２１に示すように多重化データの管理情報であり、多重化データと１対１に対応し、多重化データ情報、ストリーム属性情報とエントリマップから構成される。

　多重化データ情報は図２１に示すようにシステムレート、再生開始時刻、再生終了時刻から構成されている。システムレートは多重化データの、後述するシステムターゲットデコーダのＰＩＤフィルタへの最大転送レートを示す。多重化データ中に含まれるＡＴＳの間隔はシステムレート以下になるように設定されている。再生開始時刻は多重化データの先頭のビデオフレームのＰＴＳであり、再生終了時刻は多重化データの終端のビデオフレームのＰＴＳに１フレーム分の再生間隔を足したものが設定される。

　ストリーム属性情報は図２２に示すように、多重化データに含まれる各ストリームについての属性情報が、ＰＩＤ毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。

　本実施の形態においては、上記多重化データのうち、ＰＭＴに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、ＰＭＴに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。

　また、本実施の形態における動画像復号化方法のステップを図２３に示す。ステップexＳ１００において、多重化データからＰＭＴに含まれるストリームタイプ、または、多重化データ情報に含まれるビデオストリーム属性情報を取得する。次に、ステップexＳ１０１において、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成された多重化データであることを示しているか否かを判断する。そして、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成されたものであると判断された場合には、ステップexＳ１０２において、上記各実施の形態で示した動画像復号方法により復号を行う。また、ストリームタイプ、または、ビデオストリーム属性情報が、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠するものであることを示している場合には、ステップexＳ１０３において、従来の規格に準拠した動画像復号方法により復号を行う。

　このように、ストリームタイプ、または、ビデオストリーム属性情報に新たな固有値を設定することにより、復号する際に、上記各実施の形態で示した動画像復号化方法または装置で復号可能であるかを判断することができる。従って、異なる規格に準拠する多重化データが入力された場合であっても、適切な復号化方法または装置を選択することができるため、エラーを生じることなく復号することが可能となる。また、本実施の形態で示した動画像符号化方法または装置、または、動画像復号方法または装置を、上述したいずれの機器・システムに用いることも可能である。

　（実施の形態４）
　上記各実施の形態で示した動画像符号化方法および装置、動画像復号化方法および装置は、典型的には集積回路であるＬＳＩで実現される。一例として、図２４に１チップ化されたＬＳＩex５００の構成を示す。ＬＳＩex５００は、以下に説明する要素ex５０１、ex５０２、ex５０３、ex５０４、ex５０５、ex５０６、ex５０７、ex５０８、ex５０９を備え、各要素はバスex５１０を介して接続している。電源回路部ex５０５は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。

　例えば符号化処理を行う場合には、ＬＳＩex５００は、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有する制御部ex５０１の制御に基づいて、ＡＶ　Ｉ／Ｏex５０９によりマイクex１１７やカメラex１１３等からＡＶ信号を入力する。入力されたＡＶ信号は、一旦ＳＤＲＡＭ等の外部のメモリex５１１に蓄積される。制御部ex５０１の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex５０７に送られ、信号処理部ex５０７において音声信号の符号化および／または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex５０７ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームＩ／Ｏex５０６から外部に出力する。この出力された多重化データは、基地局ex１０７に向けて送信されたり、または記録メディアex２１５に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex５０８にデータを蓄積するとよい。

　なお、上記では、メモリex５１１がＬＳＩex５００の外部の構成として説明したが、ＬＳＩex５００の内部に含まれる構成であってもよい。バッファex５０８も１つに限ったものではなく、複数のバッファを備えていてもよい。また、ＬＳＩex５００は１チップ化されてもよいし、複数チップ化されてもよい。

　また、上記では、制御部ex５０１が、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有するとしているが、制御部ex５０１の構成は、この構成に限らない。例えば、信号処理部ex５０７がさらにＣＰＵを備える構成であってもよい。信号処理部ex５０７の内部にもＣＰＵを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、ＣＰＵex５０２が信号処理部ex５０７、または信号処理部ex５０７の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex５０１は、信号処理部ex５０７、またはその一部を有するＣＰＵex５０２を備える構成となる。

　なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。このようなプログラマブル・ロジック・デバイスは、典型的には、ソフトウェア又はファームウェアを構成するプログラムを、ロードする又はメモリ等から読み込むことで、上記各実施の形態で示した動画像符号化方法、又は動画像復号化方法を実行することができる。

　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。

　（実施の形態５）
　上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、ＬＳＩex５００において、従来の規格に準拠する映像データを復号する際のＣＰＵex５０２の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。

　この課題を解決するために、テレビex３００、ＬＳＩex５００などの動画像復号化装置は、映像データがどの規格に準拠するものであるかを識別し、規格に応じて駆動周波数を切替える構成とする。図２５は、本実施の形態における構成ex８００を示している。駆動周波数切替え部ex８０３は、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合には、駆動周波数を高く設定する。そして、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１に対し、映像データを復号するよう指示する。一方、映像データが、従来の規格に準拠する映像データである場合には、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合に比べ、駆動周波数を低く設定する。そして、従来の規格に準拠する復号処理部ex８０２に対し、映像データを復号するよう指示する。

　より具体的には、駆動周波数切替え部ex８０３は、図２４のＣＰＵex５０２と駆動周波数制御部ex５１２から構成される。また、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１、および、従来の規格に準拠する復号処理部ex８０２は、図２４の信号処理部ex５０７に該当する。ＣＰＵex５０２は、映像データがどの規格に準拠するものであるかを識別する。そして、ＣＰＵex５０２からの信号に基づいて、駆動周波数制御部ex５１２は、駆動周波数を設定する。また、ＣＰＵex５０２からの信号に基づいて、信号処理部ex５０７は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態３で記載した識別情報を利用することが考えられる。識別情報に関しては、実施の形態３で記載したものに限られず、映像データがどの規格に準拠するか識別できる情報であればよい。例えば、映像データがテレビに利用されるものであるか、ディスクに利用されるものであるかなどを識別する外部信号に基づいて、映像データがどの規格に準拠するものであるか識別可能である場合には、このような外部信号に基づいて識別してもよい。また、ＣＰＵex５０２における駆動周波数の選択は、例えば、図２７のような映像データの規格と、駆動周波数とを対応付けたルックアップテーブルに基づいて行うことが考えられる。ルックアップテーブルを、バッファex５０８や、ＬＳＩの内部メモリに格納しておき、ＣＰＵex５０２がこのルックアップテーブルを参照することにより、駆動周波数を選択することが可能である。

　図２６は、本実施の形態の方法を実施するステップを示している。まず、ステップexＳ２００では、信号処理部ex５０７において、多重化データから識別情報を取得する。次に、ステップexＳ２０１では、ＣＰＵex５０２において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexＳ２０２において、駆動周波数を高く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、高い駆動周波数に設定される。一方、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ステップexＳ２０３において、駆動周波数を低く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。

　さらに、駆動周波数の切替えに連動して、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することが考えられる。

　また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、ＭＰＥＧ４－ＡＶＣ規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。

　さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を高く設定し、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＣＰＵex５０２の駆動を停止させることなく、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、ＣＰＵex５０２の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、ＣＰＵex５０２の駆動を一時停止させることも考えられる。この場合は、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。

　このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてＬＳＩex５００またはＬＳＩex５００を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。

　（実施の形態６）
　テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、ＬＳＩex５００の信号処理部ex５０７が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex５０７を個別に用いると、ＬＳＩex５００の回路規模が大きくなり、また、コストが増加するという課題が生じる。

　この課題を解決するために、上記各実施の形態で示した動画像復号方法を実行するための復号処理部と、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する復号処理部とを一部共有化する構成とする。この構成例を図２８Ａのex９００に示す。例えば、上記各実施の形態で示した動画像復号方法と、ＭＰＥＧ４－ＡＶＣ規格に準拠する動画像復号方法とは、エントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償などの処理において処理内容が一部共通する。共通する処理内容については、ＭＰＥＧ４－ＡＶＣ規格に対応する復号処理部ex９０２を共有し、ＭＰＥＧ４－ＡＶＣ規格に対応しない、本発明の一態様に特有の他の処理内容については、専用の復号処理部ex９０１を用いるという構成が考えられる。特に、本発明の一態様は、階層符号化に特徴を有していることから、例えば、階層符号化については専用の復号処理部ex９０１を用い、それ以外のエントロピー復号、逆量子化、デブロッキング・フィルタ、動き補償のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号化方法を実行するための復号処理部を共有し、ＭＰＥＧ４－ＡＶＣ規格に特有の処理内容については、専用の復号処理部を用いる構成であってもよい。

　また、処理を一部共有化する他の例を図２８Ｂのex１０００に示す。この例では、本発明の一態様に特有の処理内容に対応した専用の復号処理部ex１００１と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex１００２と、本発明の一態様に係る動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex１００３とを用いる構成としている。ここで、専用の復号処理部ex１００１、ex１００２は、必ずしも本発明の一態様、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、ＬＳＩex５００で実装することも可能である。

　このように、本発明の一態様に係る動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、ＬＳＩの回路規模を小さくし、かつ、コストを低減することが可能である。

　本発明は、画像符号化装置又は画像符号化方法に利用できる。

　２００　画像符号化装置
　２０１　ビットレート制御部
　２０２　時間スケーラビリティ情報付与部
　２０３　減算器
　２０４　変換部
　２０５　量子化部
　２０６　逆量子化部
　２０７　逆変換部
　２０８　加算器
　２０９　ブロックメモリ
　２１０　フレームメモリ
　２１１　イントラ予測部
　２１２　インター予測部
　２１３　エントロピー符号化部
　２５１　入力画像
　２５２，２５６　残差信号
　２５３，２５５　周波数係数
　２５４　量子化係数
　２５７　再構成画像
　２５８，２５９，２６０　予測画像
　２６１　ビットストリーム
　２６２　外部パラメータ
　２６３　ビットレート制御情報
　２６４　時間スケーラビリティ情報

Claims (5)

1. 　複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化方法であって、
   　固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択ステップと、
   　前記複数の画像それぞれの時間レイヤを決定する決定ステップと、
   　前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップと、
   　前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化ステップと、
   　前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成ステップとを含む
   　画像符号化方法。
2. 　前記符号化ステップでは、画像復号装置のバッファ管理を仮想的にモデル化した仮想参照デコーダを用いて、前記第２ビットレートタイプで、前記画像復号装置が前記ビットストリームを破綻なく処理できるように前記複数の画像を符号化する
   　請求項１記載の画像符号化方法。
3. 　前記時間スケーラビリティ情報は、前記複数の画像それぞれが属する前記時間レイヤを示す時間識別子、又は復号対象の１以上の時間レイヤを特定する時間解像度の取りうるパターン数を含む
   　請求項１又は２に記載の画像符号化方法。
4. 　複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化装置であって、
   　固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択部と、
   　前記複数の画像それぞれの時間レイヤを決定する決定部と、
   　前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定部と、
   　前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化部と、
   　前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成部とを備える
   　画像符号化装置。
5. 　請求項１記載の画像符号化方法をコンピュータに実行させるための
   　プログラム。

Images