WO2016009587A1 - 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法 - Google Patents

画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法 Download PDF

Info

Publication number
WO2016009587A1
WO2016009587A1 PCT/JP2015/002970 JP2015002970W WO2016009587A1 WO 2016009587 A1 WO2016009587 A1 WO 2016009587A1 JP 2015002970 W JP2015002970 W JP 2015002970W WO 2016009587 A1 WO2016009587 A1 WO 2016009587A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
information
motion model
decoding
unit
Prior art date
Application number
PCT/JP2015/002970
Other languages
English (en)
French (fr)
Inventor
哲史 吉川
寿郎 笹井
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to EP15821693.7A priority Critical patent/EP3171597A4/en
Priority to CN201580028208.7A priority patent/CN106464900A/zh
Priority to KR1020167029071A priority patent/KR20170035832A/ko
Priority to JP2016534093A priority patent/JPWO2016009587A1/ja
Publication of WO2016009587A1 publication Critical patent/WO2016009587A1/ja
Priority to US15/403,388 priority patent/US20170127081A1/en

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
    • H04N19/103—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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • 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
    • 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
    • H04N19/20—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video object coding
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/56—Motion estimation with initialisation of the vector search, e.g. estimating a good candidate to initiate a search
    • 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

Definitions

  • the present invention relates to an image encoding method and an image decoding method.
  • HEVC High Efficiency Video Coding
  • ITU-T International Telecommunication Union Telecommunication Standardization Sector
  • ISO / IEC standard represented by MPEG-x
  • H.264 / AVC or MPEG-4 AVC was studied as the next video coding standard after the standard.
  • JCT-VC Join Collaborative Team on Video Coding
  • 2013zz JCTVC-L1003_v34 Title: High Efficiency Video Coding (HEVC) text specification draft 10 (for FDIS & Last Call) / http: int-evry. fr / jct / doc_end_user / documents / 12_Geneva / wg11 / JCTVC-L1003-v34. zip
  • An object of the present invention is to provide an image encoding method or an image decoding method that can improve encoding efficiency.
  • an image encoding method is an image encoding method for encoding a plurality of images, and illustrates three-dimensional movement of an object in the plurality of images.
  • An image decoding method is an image decoding method for decoding a plurality of images from a bitstream, and acquires motion model information indicating a three-dimensional movement of an object in the plurality of images.
  • the present invention can provide an image encoding method or an image decoding method capable of improving encoding efficiency.
  • FIG. 1 is a block diagram of an image coding apparatus according to Embodiment 1.
  • FIG. 2 is a flowchart of the image encoding process according to the first embodiment.
  • FIG. 3 is a flowchart of the motion model information acquisition process according to the first embodiment.
  • FIG. 4 is a diagram for explaining motion model information according to the first embodiment.
  • FIG. 5 is a diagram for explaining the motion model information according to the first embodiment.
  • FIG. 6 is a diagram for explaining a dynamic difference for deriving motion model information from meta information according to Embodiment 1.
  • FIG. 7 is a flowchart of the prediction block generation processing according to Embodiment 1.
  • FIG. 8 is a flowchart of inter prediction processing according to the first embodiment.
  • FIG. 9 is a flowchart of the reference image generation process using the motion model information according to the first embodiment.
  • FIG. 10 is a diagram for describing reference image generation processing using motion model information according to Embodiment 1.
  • FIG. 11 is a flowchart of inter prediction image generation processing according to Embodiment 1.
  • FIG. 12 is a flowchart of the motion estimation process according to the first embodiment.
  • FIG. 13 is a flowchart of the predicted motion vector search process according to the first embodiment.
  • FIG. 14 is a block diagram of an image decoding apparatus according to Embodiment 2.
  • FIG. 15 is a block diagram of an inter prediction unit according to Embodiment 2.
  • FIG. 16 is a flowchart of image decoding apparatus processing according to Embodiment 2.
  • FIG. 17 is a flowchart of motion model information decoding processing according to the second embodiment.
  • FIG. 18 is a flowchart of prediction block generation processing according to the second embodiment.
  • FIG. 19 is a flowchart of inter prediction processing according to the second embodiment.
  • FIG. 20 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 21 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 22 is a block diagram illustrating a configuration example of a television.
  • FIG. 23 is a block diagram illustrating a configuration example of an information reproducing / recording unit that reads and writes information from and on a recording medium that is an optical disk.
  • FIG. 24 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 25A is a diagram illustrating an example of a mobile phone.
  • FIG. 25B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 26 is a diagram showing a structure of multiplexed data.
  • FIG. 27 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 28 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 29 is a diagram showing the structure of TS packets and source packets in multiplexed data.
  • FIG. 30 is a diagram illustrating a data structure of the PMT.
  • FIG. 31 shows the internal structure of multiplexed data information.
  • FIG. 32 shows the internal structure of the stream attribute information.
  • FIG. 33 is a diagram showing steps for identifying video data.
  • FIG. 34 is a block diagram illustrating a configuration example of an integrated circuit that implements the moving picture coding method and the moving picture decoding method according to each embodiment.
  • FIG. 35 is a diagram showing a configuration for switching the driving frequency.
  • FIG. 36 is a diagram illustrating steps for identifying video data and switching between driving frequencies.
  • FIG. 37 is a diagram showing an example of a look-up table in which video data standards are associated with drive frequencies.
  • FIG. 38A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 38B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
  • the conventional image encoding device can use information on the situation or environment that can be read from these images. Absent.
  • image recognition technology using technologies related to computer vision such as object recognition represented by face recognition or machine learning has been developed.
  • object recognition technology using technologies related to computer vision such as object recognition represented by face recognition or machine learning.
  • the behavior pattern in the customer's store can be inferred by analyzing human traffic lines from the image of the monitor camera in the store.
  • a process for generating three-dimensional information such as depth information from an image using information of a plurality of images such as use of a plurality of cameras or temporal changes in a moving image has been proposed.
  • the present inventor has found that it is possible to reduce the information to be encoded in the inter-predicted image generation process in the moving image encoding process by using such information.
  • a decoding method will be described.
  • An image encoding method is an image encoding method for encoding a plurality of images, and obtains motion model information indicating three-dimensional movement of an object in the plurality of images.
  • the encoding efficiency can be improved.
  • the motion model information may be extracted from one or more images included in the plurality of images.
  • an object image is generated by applying a deformation process based on the motion model information to the representative image of the object, and the object image and a background image are combined to generate the reference image.
  • An image may be generated.
  • the motion model information is expressed as a plurality of coefficients of a high-order transformation matrix, and in the reference image generation step, the transformation process is performed by performing an operation using the high-order transformation matrix for the representative image. It may be broken.
  • the higher-order transformation matrix may include a coefficient that changes with time.
  • the image encoding method further includes a prediction step of calculating a motion vector prediction value of a block included in the target image using the motion model information, and using the prediction value as an initial value, A motion search step of performing block motion search processing.
  • the image encoding method further includes an estimation step of estimating a motion vector of a block included in the target image, and a prediction motion vector candidate for a block included in the target image using the motion model information. And a motion vector encoding step that encodes a difference between one of a plurality of motion vector predictor candidates including the calculated motion vector predictor candidate and the estimated motion vector.
  • encoding efficiency can be improved by calculating a motion vector predictor candidate using motion model information.
  • An image decoding method is an image decoding method for decoding a plurality of images from a bitstream, and acquires motion model information indicating a three-dimensional movement of an object in the plurality of images.
  • the encoding efficiency can be improved.
  • the motion model information may be obtained from the bit stream.
  • an object image is generated by applying a deformation process based on the motion model information to the representative image of the object, and the object image and a background image are combined to generate the reference image.
  • An image may be generated.
  • the motion model information is expressed as a plurality of coefficients of a high-order transformation matrix, and in the reference image generation step, the transformation process is performed by performing an operation using the high-order transformation matrix on the target image. It may be broken.
  • the higher-order transformation matrix may include a time-varying coefficient.
  • the image decoding method further includes a difference motion vector decoding step for decoding a difference value of a motion vector of a block included in the target image, and a block included in the target image using the motion model information.
  • encoding efficiency can be improved by calculating a motion vector predictor candidate using motion model information.
  • An image encoding device is an image encoding device that encodes a plurality of images, and includes a processing circuit and a memory connected to the processing circuit, and the processing circuit includes: The image encoding method is executed using a memory.
  • the encoding efficiency can be improved.
  • An image decoding device is an image decoding device that decodes a plurality of images from a bitstream, and includes a processing circuit and a memory connected to the processing circuit, and the processing circuit includes: The image decoding method is executed using the memory.
  • the encoding efficiency can be improved.
  • the content distribution method is a content distribution method, wherein a reception step of receiving a content distribution request, and transmitting the content subjected to the image encoding method based on the distribution request Transmitting step.
  • the encoding efficiency can be improved.
  • a frame may be described as a picture or an image.
  • a frame (picture or image) to be encoded or decoded may be referred to as a target picture (current picture) or a target frame (current frame).
  • various terms commonly used in the field of codec technology can also be used.
  • the image coding apparatus performs inter prediction processing using motion model information indicating a deformation of an object and a three-dimensional motion tendency. Thereby, the said image coding apparatus can improve coding efficiency.
  • FIG. 1 is a block diagram showing an example of an image encoding device 100 according to the present embodiment.
  • the image coding apparatus 100 includes a motion model acquisition unit 101, a block division unit 102, a subtraction unit 103, a frequency conversion unit 104, a quantization unit 105, an entropy coding unit 106, and an inverse quantization unit 107.
  • the image encoding device 100 generates a bit stream 126 by encoding an input image 121 that is a still image or a moving image including one or more images.
  • FIG. 2 is a flowchart of image coding processing by the image coding apparatus 100 according to the present embodiment.
  • the motion model acquisition unit 101 uses the input image 121 to extract (calculate) motion model information that is information such as a relative change of an object depending on a spatial position (S101). Details of this process will be described later.
  • the block dividing unit 102 divides the input image 121 into a plurality of code blocks 122 which are encoding processing units (S102).
  • the intra prediction unit 110 or the inter prediction unit 113 generates a prediction block 133 (131 or 132) by performing a prediction process using the decoded block 129 or the decoded image 130 on the code block 122 (S103). Details of this process will be described later.
  • prediction information 135, which is information related to the prediction process, is sent to the entropy encoding unit 106 and encoded.
  • the prediction information 135 includes information indicating the used prediction mode, reference image, motion vector, and the like.
  • the subtraction unit 103 generates a difference block 123 that is a difference between the code block 122 and the prediction block 133 (S104).
  • the frequency conversion unit 104 generates a coefficient block 124 by performing frequency conversion on the difference block 123.
  • the quantization unit 105 quantizes the coefficient block 124 to generate the coefficient block 125 (S105).
  • the entropy encoding unit 106 generates the bit stream 126 by entropy encoding the coefficient block 125 (S106). Further, the inverse quantization unit 107 generates a coefficient block 127 by performing inverse quantization on the coefficient block 125, and the inverse frequency transform unit 108 restores the difference block 128 by performing inverse frequency transform on the coefficient block 127 ( S107).
  • the adding unit 109 generates the decoded block 129 (reconstructed image) by adding the difference block 128 and the prediction block 133 (S108).
  • the decoding block 129 is used for intra prediction processing by the intra prediction unit 110.
  • the image encoding device 100 repeats the series of processes until the encoding process for the entire input image 121 is completed (S109).
  • the loop filter 111 causes the plurality of decoding blocks 129 included in the single image to deblock the image quality due to block distortion.
  • the decoded image 130 is generated by performing a filter process for improving the image quality.
  • the frame memory 112 stores the decoded image 130.
  • the decoded image 130 is used for inter prediction processing by the inter prediction unit 113.
  • step S105 may be performed sequentially as separate processing, or may be performed collectively.
  • step S107 may be performed sequentially as separate processing, or may be performed collectively.
  • Quantization is a process of digitizing a value sampled at a predetermined interval in association with a predetermined level. Inverse quantization is processing for returning the value obtained by quantization to the value of the original section.
  • quantization means processing for dividing values into coarser sections than the original, and inverse quantization means processing for re-dividing coarse sections into original fine sections.
  • quantization and inverse quantization are sometimes referred to as rounding, rounding, or scaling.
  • the motion model acquisition unit 101 extracts a motion model using one or more input images 121 (S111).
  • the motion model indicates a characteristic change of an object in the captured moving image.
  • the motion model is a tendency of the motion of the object in the moving image, is information indicating statistical motion, and indicates three-dimensional movement.
  • the three-dimensional movement includes a movement in the depth direction in addition to a movement in the plane direction, and specifically, a change in the size of an object on the image due to the depth position or a depth position. This is a change in the amount of movement of an object on the image to be played.
  • the motion model shows the tendency of the motion and deformation of the object. Further, this motion model may be set for each region in the image.
  • a large amount of information can be estimated from a small amount of information under conditions or circumstances that can specify a shooting target or a camera installation location to some extent. For example, in a moving image taken with a surveillance camera, the size of the person decreases as the person in the foreground moves toward the back. Further, it is possible to find a tendency in the traveling direction or speed of the vehicle according to the traveling path of the vehicle on the road.
  • the motion model indicates, for example, the direction of movement of the object A0, the degree of change in the size of the object accompanying the movement, the coordinates of the vanishing point P0 of the object, and the like.
  • the road extends from the front of the screen to the back. Further, the object A1 exists on the road, exists on the near side of the screen at time t, and exists on the back side of the screen at time t + N. Further, since each lane is one-way, the direction of the motion vector of the object on the road coincides with the traveling direction in the lane. In the example shown in FIG. 5, it can be seen that the object A1 moves in the left rear direction because it exists in the left lane of the road. That is, the motion model acquisition unit 101 is information indicating a certain rule in the image space such that the motion vector of an object is always similar in a specific region (for example, a road).
  • the motion model acquisition unit 101 can also extract a motion model from only one image. For example, when a road exists in the image, it can be estimated that an object (for example, a car) moves along the road. Further, the traveling direction of the object can be specified depending on whether the vehicle is in the right lane or the left lane.
  • the motion model acquisition unit 101 extracts information predictable from the environment as a motion model.
  • the motion model is expressed by an affine transformation matrix or a projective transformation matrix.
  • various matrices include time component variables. That is, the motion model is information indicating a change in the position, moving direction, speed, or size of the object with time. Specifically, the motion model indicates changes in the position, moving direction, speed, or size of the object in consideration of the speed information or acceleration information of the object on a certain road. For example, when many automobiles on a road are moving at a constant speed, the motion model information includes information on this speed. Thereby, since the speed can be adapted to a new object, the code amount can be reduced.
  • the motion model acquisition unit 101 determines whether a motion model has been extracted from the input image 121 (S112).
  • the motion model acquisition unit 101 adds motion model information 134 indicating the extracted motion model to the information to be encoded.
  • the motion model information may be information indicating the motion model itself (for example, a variable of the matrix) or information for specifying the motion model.
  • the entropy encoding unit 106 generates the bit stream 126 including the motion model information 134 by encoding the motion model information 134 (S113).
  • the motion model acquisition unit 101 extracts an object from the input image 121 and tracks changes in coordinates and size of the extracted object with time. For example, the motion model acquisition unit 101 extracts an object using a technique using a feature quantity such as SIFT (Scale-Invariant Feature Transform) or HoG (Histograms of Oriented Gradients).
  • SIFT Scale-Invariant Feature Transform
  • HoG HoG
  • the motion model acquisition unit 101 may not only track one object but also use relevance with a plurality of objects. For example, when the direction and magnitude of motion vectors of a plurality of objects appearing in a specific area (for example, the lower left portion of the image) have values within a certain range, the motion model acquisition unit 101 includes the specific area. Assume that all the appearing objects are objects with motion vectors within that certain range. In this case, the motion model acquisition unit 101 extracts (1) information specifying a specific region or an object in the specific region and (2) information specifying a motion vector as a motion model.
  • the image encoding device 100 may calculate a motion model using the meta information.
  • the meta information is information indicating the position and size of each object in the image.
  • FIG. 5 is a diagram for explaining an operation of calculating motion model information using meta information.
  • meta information is set for each frame.
  • the meta information of each frame includes, for each of a plurality of objects in the frame, an ID for uniquely identifying the object in the video, the coordinates (coordinate x and coordinate y) of the object, The size (width and height) is indicated.
  • the image encoding device 100 first calculates a difference in meta information of each object between frames. Specifically, the difference of each element (coordinate x, coordinate y, width, and height) of each object between frames is calculated. Next, the image encoding device 100 generates motion model information for each object based on the calculated difference.
  • the difference between the meta information of the frame at time T-1 and the meta information of the frame at time T is calculated.
  • the image encoding device 100 calculates the amount of change in two-dimensional coordinates per unit time (difference between time T-1 and time T) of the object based on the difference between the coordinates x and y of the object. To derive. Further, the image encoding device 100 derives the amount of change in the size of the object per unit time based on the difference between the width and the height of the object. Thereby, motion model information defining movement (change in two-dimensional coordinates) and deformation of each object with time is generated.
  • the motion model information may indicate the position (two-dimensional coordinates) of each object or the size or shape of the object with respect to the change in position or the change in the wave.
  • the image encoding device 100 derives this relationship from the difference between the coordinates x and y of the object and the difference between the width and the height.
  • the image encoding device 100 may derive one piece of motion model information using the difference between each element of a plurality of objects.
  • the meta information includes attribute information indicating an attribute of the object (for example, a car or a person).
  • the image coding apparatus 100 derives one motion model information for the object having the attribute by using the difference between the elements of the plurality of objects having the same attribute. May be.
  • meta information used is not limited to two frames, and each difference of meta information of three or more frames may be used.
  • the image encoding device 100 may encode the motion model information 134 in units of images, or may encode only one stream.
  • the motion model is unlikely to change significantly because the imaging range hardly moves. Therefore, the image encoding device 100 generates a bit stream 126 including one motion model information 134 in sequence units.
  • the image decoding apparatus uses the motion model information 134 for a plurality of images. Thereby, the code amount of the motion model information 134 can be reduced.
  • the image encoding device 100 does not extract a motion model from the input image 121, but acquires a parameter indicating the motion model from an external device or an external server that is at least temporarily connected via a wired or wireless connection. Also good.
  • a video processing device outside the image encoding device 100 may perform motion model extraction processing, and the image encoding device 100 may acquire information on the obtained motion model. According to this, since it is not necessary to perform the video analysis processing by the image encoding device 100, the processing amount of the image encoding device 100 can be reduced.
  • a plurality of motion models may be set in advance in the image encoding device 100 and the image decoding device, and the image encoding device 100 may encode only an index indicating which motion model is used. According to this, when a plurality of motion models are used due to a scene change or the like, only the index information needs to be encoded, so that the code amount can be reduced.
  • the intra prediction unit 110 generates a prediction block 131 by performing an intra prediction process using information in the screen (S121).
  • the inter prediction unit 113 generates a prediction block 132 by performing inter prediction processing using information between screens (S122).
  • the switching unit 114 selects a method with high coding efficiency from the prediction blocks 131 and 132 obtained in steps S121 and S122, and outputs a prediction block generated by the selected method as a prediction block 133. (S123).
  • the switching unit 114 calculates the cost of each of the prediction blocks 131 and 132 using the formula of the RD optimization model shown in (Equation 1) below, and selects a prediction block with a low cost. To do.
  • D encoding distortion
  • R represents a generated code amount, which is a code amount necessary for encoding prediction information (such as a motion vector) for generating a prediction block, for example.
  • ⁇ is a Lagrange multiplier.
  • the image encoding apparatus 100 may determine which prediction process to use and perform only the process corresponding to the determined method. Thereby, the processing amount of a predicted image generation process can be reduced.
  • the image encoding device 100 encodes the prediction information 135 including information indicating which one of intra prediction and inter prediction is used.
  • step S122 the inter prediction process in step S122 will be described with reference to the flowchart of FIG.
  • the inter prediction unit 113 generates a reference image using the motion model indicated by the motion model information 134 and the encoded decoded image 130 (S131). Subsequently, H.C. H.264 / AVC format or H.264 A prediction image (prediction block 132) is generated by performing inter prediction processing using motion information as employed in the H.265 / HEVC method (S132).
  • the inter prediction unit 113 determines whether there is motion model information 134 that can be used in the target frame (S141). When the motion model information 134 that can be used in the target frame does not exist (No in S141), the inter prediction unit 113 ends the process of Step S131.
  • the inter prediction unit 113 when there is motion model information 134 that can be used in the target frame (Yes in S141), the inter prediction unit 113 generates a background image 154 that is a background image of the reference image 155 (S142). Specifically, the inter prediction unit 113 generates the background image 154 by calculating the average value or the median value of the pixel values of the coordinates of two or more decoded images 130. At this time, all the decoded images 130 in the sequence may be used, or an arbitrary image may be used.
  • the former can generate a very high-quality background image 154 in an image where the background does not move, such as a fixed camera, and the latter can generate only a background image 154 with a small amount of processing because only an image including a large amount of background can be selected. it can.
  • the inter prediction unit 113 may generate the background image 154 using only an image after the image that can be independently decoded immediately before the target frame. According to this, it is possible to generate the background image 154 while maintaining random accessibility. Also, the inter prediction unit 113 may use one decoded image 130 as the background image 154 as it is.
  • information indicating one or a plurality of decoded images 130 used for generating the background image 154 may be included in the bitstream 126, or may be sent to the image decoding device by other means.
  • the background image 154 may be, for example, a predetermined image stored in the server.
  • the information specifying the background image 154 or the encoded data of the background image 154 may be included in the bit stream 126 or sent to the image decoding apparatus by other means.
  • the inter prediction unit 113 extracts one or more representative images 152 that are original images of various objects from the encoded decoded image 130 (S143). Further, the information indicating the representative image 152 may be included in the bit stream 126 or sent to the image decoding device by other means. Specifically, the information indicating the representative image 152 includes information specifying the decoded image 130 from which the object is extracted, and information specifying which object in the decoded image 130 is to be extracted. Information specifying the decoded image 130 is, for example, H.264. H.264 / AVC and H.264. It is indicated by POC (Picture Order Count) in H.265 / HEVC.
  • POC Physical Order Count
  • the information indicates the POC of the decoded image 130 from which the object is extracted.
  • the information which designates an extraction object is the coordinate information which shows the coordinate of the object, for example.
  • the coordinate information may indicate the coordinates themselves, or may be information indicating the coordinates of the units by treating a plurality of pixels as one unit (for example, 4 ⁇ 4 pixels as one block). In the former, it is possible to extract each object even in an image in which small objects are densely packed. In the latter case, since the information specifying the extraction object is reduced, the code amount of the generated bitstream 126 can be reduced.
  • the representative image 152 may be, for example, a predetermined image stored in the server.
  • information specifying the representative image 152 or encoded data of the representative image 152 may be included in the bit stream 126 or sent to the image decoding apparatus by other means.
  • the inter prediction unit 113 generates the object image 153 in the target frame by deforming and moving the representative image 152 using the motion model indicated by the motion model information 134 (S144). For example, the inter prediction unit 113 deforms and moves the representative image 152 using an affine transformation matrix or a projective transformation matrix that represents the motion model with each coefficient. Further, the inter prediction unit 113 uses information for configuring the 3D space (such as the position of the light source) as a motion model, and changes the appearance of the object in the 3D space (such as how the shadow is applied and how the color changes). May be reproduced. As a result, the inter prediction unit 113 can cope with deformation that cannot be expressed by projective transformation or the like, so that the quality of the generated reference image 155 can be further improved.
  • the 3D space such as the position of the light source
  • the inter prediction unit 113 acquires information or an image of the object stored in an external server or the like, or an object similar to the object, and the acquired information or image and a representative image after transformation
  • the object image 153 may be generated by combining the image data with the image data 152.
  • the image encoding device 100 may encode difference information between the motion information after the deformation process using the motion model and the actual motion information detected during the encoding process. According to this, even if the image coding apparatus 100 performs a motion that cannot be predicted from the deformation of the motion model information, for example, a motion such as a lane change in the traffic monitoring video, the reference image 155 closer to the original image. Can be generated.
  • the inter prediction unit 113 generates the reference image 155 by synthesizing the background image 154 and the object image 153 (S145). For example, the inter prediction unit 113 generates the reference image 155 by superimposing the object image 153 on the background image 154.
  • the image encoding device 100 may encode information indicating the order in which the plurality of object images 153 are superimposed.
  • the order in which a plurality of objects are superimposed may be predicted from the motion model information by the same method. According to the former, the image decoding apparatus can generate the optimum reference image 155 by clearly indicating the synthesis process in the bit stream 126. According to the latter, since the information included in the bit stream 126 can be reduced, the amount of codes can be reduced.
  • one reference image 155 or a plurality of reference images 155 may be generated for the target frame by the above processing. For example, different reference images 155 may be generated for each object included in the target frame. According to this, since the optimal reference image 155 is generated for each object, the encoding efficiency can be improved. Further, the inter prediction unit 113 may generate the reference image in units of processing blocks without performing the generation process of the reference image 155 in units of images. According to this, since the reference image is generated in a unit smaller than the image, the capacity of the memory for storing the reference image can be reduced.
  • the inter prediction unit 113 performs a motion estimation process for estimating a motion vector for generating a predicted image (prediction block 132) (S151). Next, the inter prediction unit 113 selects a motion vector close to the obtained motion vector as a predicted motion vector from the motion vectors used in the surrounding encoded code blocks (S152). Next, the inter prediction unit 113 generates a differential motion vector that is a difference between the motion vector obtained in step S151 and the predicted motion vector obtained in S152 (S153). Further, the information indicating the selected prediction motion vector and the difference motion vector are encoded and included in the bit stream 126.
  • step S151 the motion estimation process in step S151 will be described with reference to the flowchart of FIG.
  • the inter prediction unit 113 determines whether the motion model information 134 for the target frame exists (S161).
  • the inter prediction unit 113 sets a specified value as an initial value (initial information) of the motion search process (S162).
  • the prescribed value is, for example, the conventional H.264 standard. H.264 / AVC or H.264 It is a value used in motion estimation processing such as H.265 / HEVC.
  • the specified value is a motion vector in a surrounding encoded block in the temporal direction and the spatial direction.
  • the inter prediction unit 113 sets a value predicted from the motion model for each block as an initial value of the motion search process ( S163).
  • the inter prediction unit 113 determines which motion model is applied to the target block. For example, the inter prediction unit 113 performs object extraction on the target frame, and determines which object (background, car, person, or the like) the target block corresponds to. Next, the inter prediction unit 113 predicts motion information of the target block using the determination result and information such as the position of the target block in the image. Specifically, in an image of shooting a pedestrian crossing, an object recognized as a person can be expected to move along the pedestrian crossing. Therefore, the inter prediction unit 113 sets motion information along the pedestrian crossing as an initial value. Also, when it is determined that the background, the inter prediction unit 113 sets a value indicating that there is no motion as the initial motion information.
  • the inter prediction unit 113 performs a motion search process using the initial value set in step S162 or S163 as the initial value of the search point (S164).
  • the inter prediction unit 113 adds a motion vector used in one or more encoded blocks around the target block to a predicted motion vector candidate (S171). Next, the inter prediction unit 113 determines whether the motion model information 134 for the target frame exists (S172).
  • the inter prediction unit 113 adds the motion vector predicted by the motion model to the predicted motion vector candidate (S173).
  • the same method as the method described in step S163 can be used.
  • the inter prediction unit 113 selects a prediction motion vector used for the encoding process using the plurality of prediction motion vector candidates obtained by these processes and the motion vector obtained in S164 (S174). Specifically, the inter prediction unit 113 calculates each difference between the motion vector obtained in step S164 and a plurality of motion vector predictor candidates, and predicts a motion vector predictor candidate having the smallest code amount of the prediction motion. Select as a vector.
  • the image coding apparatus 100 can improve the accuracy of the predicted motion vector by using the motion model information 134 that can be acquired from the moving image, the motion information necessary for generating the predicted image can be reduced. Moreover, the image coding apparatus 100 can generate a high-quality predicted image with a small amount of motion information by using structure information or statistical information in a moving image.
  • the image encoding device 100 may acquire the motion model information 134 from other than a moving image, or may acquire it from the outside.
  • the image encoding device 100 may use information obtained from a device such as a millimeter wave radar as the motion model information 134. According to this, the processing amount in the motion model analysis process in the image encoding device 100 can be reduced.
  • the image encoding device 100 may use information acquired from another device as auxiliary information when acquiring the motion model information 134 from a moving image. According to this, the image coding apparatus 100 can acquire higher-quality motion model information 134 than the case where the motion model information 134 is acquired from a single image.
  • one or more motion model information 134 may exist for one sequence, and may be switched according to the frame being processed. According to this, the image coding apparatus 100 can use an appropriate motion model even when a large change such as a scene change occurs in a moving image, so that the coding efficiency can be improved.
  • the image encoding device 100 may update the motion model information in the middle of the encoding process, and may encode the difference between the motion model information before and after the update. According to this, when the motion model information that can be expected to provide the maximum encoding efficiency varies as in the case where the average speed of the vehicle changes depending on the time zone in the video of the road condition, the image encoding device 100 is changed. Can follow the fluctuation and change the motion model to be used. Thereby, since the quality of the generated reference image is improved, the quality of the predicted image is improved.
  • the image encoding device 100 encodes a plurality of images.
  • the image coding apparatus 100 acquires motion model information 134 indicating the three-dimensional movement of an object in a plurality of images (S101).
  • the image encoding device 100 extracts the motion model information 134 from one or more images included in a plurality of images.
  • the image encoding device 100 generates a reference image 155 using the acquired motion model information 134 (S131). For example, the image encoding apparatus 100 generates an object image 153 by performing a deformation process based on the motion model information 134 on the representative image 152 of the object, and synthesizes the object image 153 and the background image 154. A reference image 155 is generated.
  • the motion model information 134 is expressed as a plurality of coefficients of a high-order transformation matrix.
  • the image encoding device 100 performs the deformation process by performing an operation using the high-order transformation matrix on the representative image 152.
  • the high-order transformation matrix may include a coefficient that changes with time.
  • the image encoding apparatus 100 refers to the generated reference image 155 and encodes target images included in a plurality of images (S104 to S106). Specifically, the image encoding device 100 calculates a difference image that is a difference between the predicted image that is the generated reference image 155 and the target image, and encodes the difference image.
  • the image encoding apparatus 100 can generate a predicted image with a small amount of information by using the motion model information 134, and thus can improve the encoding efficiency.
  • the image coding apparatus 100 calculates a predicted value of a motion vector of a block included in the target image using the motion model information 134 (S163), and uses the predicted value as an initial value to search for a motion of the block. Processing is performed (S152).
  • the processing time of the motion search process can be shortened.
  • the image coding apparatus 100 estimates a motion vector of a block included in the target image (S151).
  • the image encoding device 100 calculates motion vector predictor candidates for blocks included in the target image using the motion model information 134 (S173), and a plurality of motion vector predictor candidates including the calculated motion vector predictor candidates. And the difference between the estimated motion vector and the estimated motion vector is encoded (S153).
  • encoding efficiency can be improved by calculating a motion vector predictor candidate using the motion model information 134.
  • FIG. 14 is a block diagram showing an example of the image decoding apparatus 200 according to the present embodiment.
  • the image decoding apparatus 200 generates a decoded image 226 by decoding the bit stream 221.
  • the bit stream 221 is, for example, the bit stream 126 generated by the image encoding device 100 described in the first embodiment.
  • the image decoding apparatus 200 includes an entropy decoding unit 201, an inverse quantization unit 202, an inverse frequency conversion unit 203, an addition unit 204, an intra prediction unit 205, a loop filter 206, a frame memory 207, and an inter prediction.
  • FIG. 15 is a block diagram illustrating a detailed configuration example of the inter prediction unit 208.
  • the inter prediction unit 208 generates a reference image 241 using the motion model information 230 and the decoded image 226, and inter prediction image generation that generates a prediction image (prediction block 228) by performing inter prediction.
  • Unit 211 The inter prediction unit 208 generates a reference image 241 using the motion model information 230 and the decoded image 226, and inter prediction image generation that generates a prediction image (prediction block 228) by performing inter prediction.
  • FIG. 16 is a flowchart of image decoding processing by the image decoding apparatus 200 according to the present embodiment.
  • the entropy decoding unit 201 decodes the motion model information 230 from the bitstream 221 generated by encoding a still image or moving image including one or more pictures (S201). Further, the entropy decoding unit 201 decodes the prediction information 231 from the bit stream 221 (S202). Further, the entropy decoding unit 201 decodes the coefficient block 222 from the bit stream 221 (S203).
  • the inverse quantization unit 202 generates the coefficient block 223 by inversely quantizing the coefficient block 222.
  • the inverse frequency transform unit 203 generates a difference block 224 by performing inverse transform on the coefficient block 223 (S204).
  • the intra prediction unit 205 or the inter prediction unit 208 generates a prediction block 229 using one or more of the prediction information 231, the decoded image 226, and the motion model information 230 (S205).
  • the adding unit 204 adds the difference block 224 and the prediction block 229 to generate a decoded block 225 (S206).
  • the image decoding apparatus 200 repeats the series of processes until the decoding process for all the blocks included in the bit stream 221 is completed (S207). For example, the image decoding apparatus 200 performs this determination depending on whether the input bit stream 221 is completed.
  • the loop filter 206 causes a plurality of decoding blocks 225 included in the single image to have a deblocking filter for reducing image quality degradation due to block distortion or the like.
  • the decoded image 226 is generated by performing filter processing for improving the image quality of the image.
  • the frame memory 207 stores the decoded image 226.
  • the decoded image 226 is used for inter prediction processing by the inter prediction unit 208.
  • the motion model information decoding process (S201) may be performed after the prediction information decoding process (S202), or the two processes may be performed in parallel.
  • step S204 may be performed sequentially as individual processes, or may be performed collectively.
  • the inverse quantization and the inverse frequency conversion process are performed collectively.
  • expressions such as scaling may be used for these processes.
  • step S201 the motion model information decoding process in step S201 will be described with reference to the flowchart of FIG.
  • the entropy decoding unit 201 determines whether the motion model information 230 that can be used in the target frame exists in the bitstream 221 (S211). When the motion model information 230 does not exist (No in S211), the entropy decoding unit 201 ends the process of step S201. On the other hand, when the motion model information 230 exists (Yes in S211), the entropy decoding unit 201 decodes the motion model information 230 (S212).
  • the motion model information 230 is information for reconstructing a 3D space that can be acquired from a moving image, or a change in an object in the space such as the size of an object existing in the moving image and the amount of change in coordinates. This is information indicating the quantity. For example, in a moving image capturing a deep space, the appearance of the object changes such that the object existing in the foreground becomes smaller as it moves in the back direction.
  • the motion model information 230 is information indicating such a change, and is an affine transformation matrix or a projective transformation matrix in which this change is expressed by each coefficient. By using this motion model information 230, it is possible to predict after the change from before the change.
  • the motion model information 230 may be a variable having a time parameter.
  • a projective transformation matrix having time as a variable is used as motion model information in the area on the road.
  • the movement of the object in the road area can be expressed by the single movement model information 230. According to this, the amount of information necessary for expressing the motion model information 230 can be reduced.
  • step S205 the prediction block generation processing in step S205 will be described using the flowchart in FIG.
  • the switching unit 209 determines whether the prediction method used for the target block is intra prediction or inter prediction (S221). Specifically, the switching unit 209 performs this determination based on information included in the bit stream 221.
  • the intra prediction unit 205 performs an intra prediction process (S222).
  • the inter prediction unit 208 performs an inter prediction process (S223).
  • step S221 need not be performed for each block.
  • the prediction block generation method for the entire sequence is designated by the information in the bitstream 221, only the designated method of steps S222 and S223 may be used. According to this, since the number of determination processes in the entire decoding process can be reduced, the processing amount can be reduced.
  • step S223 the inter prediction process in step S223 will be described using the flowchart of FIG.
  • the reference image generation unit 212 included in the inter prediction unit 208 generates a reference image 241 using the motion model information 230 and the decoded image 226 (S241).
  • the inter predicted image generation unit 211 generates the reference image 241 using the motion model information 230 by the same processing as that in step S131 of the first embodiment.
  • information for specifying a background image or a representative image may be included in the bitstream 221.
  • the reference image generation unit 212 generates the reference image 241 using the background image or the representative image specified by this information.
  • the reference image generation unit 212 may generate the reference image 241 in units of processing blocks without performing the generation process of the reference image 241 in units of images. According to this, since the reference image 241 is generated in a smaller unit than the image, the capacity of the memory for storing the reference image 241 can be reduced.
  • the inter prediction image generation unit 211 performs the H.264 operation.
  • H.264 / AVC format or H.264 A prediction image (prediction block 228) is generated by inter prediction processing using motion information, such as that employed in the H.265 / HEVC scheme (S242).
  • the motion model information 230 used in the image decoding device 200 may not be included in the bitstream 221.
  • the image decoding apparatus 200 may acquire parameters related to the motion model information 230 from the outside.
  • the image decoding device 200 may acquire motion model information 230 related to the video in advance. Thereby, the code amount of the bit stream 221 can be reduced.
  • the image decoding apparatus 200 can decode the bitstream 221 including the motion model information 230.
  • the image decoding apparatus 200 can generate a reference image 241 using the motion model information 230 and the decoded image 226, thereby realizing a higher quality image reconstruction.
  • the image decoding apparatus 200 may perform processing corresponding to the processing illustrated in FIG. 11 in the inter predicted image generation processing (S242). That is, the image decoding apparatus 200 derives a motion vector predictor candidate by the same processing as steps S171 to S173. Next, the image decoding apparatus 200 selects a motion vector predictor from a plurality of motion vector predictor candidates based on information included in the bitstream 221. Next, the image decoding apparatus 200 generates a motion vector by adding the difference motion vector included in the bit stream 221 and the selected predicted motion vector. Then, the image decoding device 200 generates a predicted image using the generated motion vector.
  • the image decoding apparatus 200 performs a decoding process corresponding to the encoding process described in the first embodiment. Specifically, the image decoding device 200 generates various types of information by performing the same processing as the image encoding device 100. Alternatively, when the bitstream 221 includes the information or information for specifying or generating the information, the image decoding device 200 uses the information.
  • the various information is information indicating a motion model, a representative image, a background image, or the like, or information for specifying or generating these.
  • the image decoding apparatus 200 decodes a plurality of images from the bitstream 221.
  • the image decoding apparatus 200 acquires motion model information 230 indicating the three-dimensional movement of an object in a plurality of images (S201).
  • the image decoding device 200 acquires the motion model information 230 from the bit stream 221.
  • the image decoding apparatus 200 generates the reference image 241 using the motion model information 230 (S241). For example, the image decoding apparatus 200 generates an object image 153 by performing a deformation process based on the motion model information 134 with respect to the representative image 152 of the object, and synthesizes the object image 153 and the background image 154 so that the reference is performed. An image 155 is generated.
  • the motion model information 230 is expressed as a plurality of coefficients of a high-order transformation matrix.
  • the image decoding apparatus 200 performs the deformation process by performing an operation using the high-order transformation matrix on the representative image 152.
  • the high-order transformation matrix may include a coefficient that changes with time.
  • the image decoding apparatus 200 refers to the generated reference image 241 and decodes target images included in a plurality of images (S202 to S206).
  • the prediction image can be generated with a small amount of information by using the motion model information 230, the encoding efficiency can be improved.
  • the image decoding apparatus 200 decodes the difference value of the motion vector of the block included in the target image (S203 and S204).
  • the image decoding apparatus 200 calculates motion vector predictor candidates for blocks included in the target image using the motion model information 230 (S173), and includes a plurality of motion vector predictor candidates including the calculated motion vector predictor candidates.
  • a motion vector is calculated by adding one of the above and the difference value.
  • encoding efficiency can be improved by calculating a motion vector predictor candidate using the motion model information 230.
  • the present invention may be realized as a content distribution method or a content distribution system for distributing content subjected to the image encoding method. That is, the content distribution system and the content distribution method receive a content distribution request and transmit the content subjected to the image encoding method based on the distribution request.
  • each processing unit included in the image encoding device and the image decoding device according to the above embodiment is typically realized as an LSI that is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them.
  • circuits are not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor.
  • An FPGA Field Programmable Gate Array
  • reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • the image encoding device and the image decoding device include a processing circuit and a storage device (storage) that is electrically connected to the processing circuit (accessible from the control circuit).
  • the processing circuit includes at least one of dedicated hardware and a program execution unit. Further, when the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit. The processing circuit executes the image encoding method or the image decoding method in the above embodiment using a storage device.
  • the present invention may be the software program or a non-transitory computer-readable recording medium on which the program is recorded.
  • the program can be distributed via a transmission medium such as the Internet.
  • division of functional blocks in the block diagram is an example, and a plurality of functional blocks can be realized as one functional block, a single functional block can be divided into a plurality of functions, or some functions can be transferred to other functional blocks. May be.
  • functions of a plurality of functional blocks having similar functions may be processed in parallel or time-division by a single hardware or software.
  • the order in which the steps included in the image encoding method or the image decoding method are executed is for illustrating the present invention specifically, and may be in an order other than the above. . Also, some of the above steps may be executed simultaneously (in parallel) with other steps.
  • the image encoding device, the image decoding device, the image encoding method, and the image decoding method according to one or more aspects of the present invention have been described above based on the embodiments. It is not limited to. Unless it deviates from the gist of the present invention, the embodiment in which various modifications conceived by those skilled in the art have been made in the present embodiment, and forms constructed by combining components in different embodiments are also applicable to one or more of the present invention. It may be included within the scope of the embodiments.
  • the storage medium may be any medium that can record a program, such as a magnetic disk, an optical disk, a magneto-optical disk, an IC card, and a semiconductor memory.
  • the system has an image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 20 is a diagram showing an overall configuration of a content supply system ex100 that realizes a content distribution service.
  • a communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • the content supply system ex100 includes a computer ex111, a PDA (Personal Digital Assistant) ex112, a camera ex113, a mobile phone ex114, a game machine ex115 via the Internet ex101, the Internet service provider ex102, the telephone network ex104, and the base stations ex106 to ex110. Etc. are connected.
  • PDA Personal Digital Assistant
  • each device may be directly connected to the telephone network ex104 without going from the base station ex106, which is a fixed wireless station, to ex110.
  • the devices may be directly connected to each other via short-range wireless or the like.
  • the camera ex113 is a device that can shoot moving images such as a digital video camera
  • the camera ex116 is a device that can shoot still images and movies such as a digital camera.
  • the mobile phone ex114 is a GSM (registered trademark) (Global System for Mobile Communications) system, a CDMA (Code Division Multiple Access) system, a W-CDMA (Wideband-Code Division Multiple Access) system, or an LTE (Long Terminal Term Evolution). It is possible to use any of the above-mentioned systems, HSPA (High Speed Packet Access) mobile phone, PHS (Personal Handyphone System), or the like.
  • the camera ex113 and the like are connected to the streaming server ex103 through the base station ex109 and the telephone network ex104, thereby enabling live distribution and the like.
  • live distribution content that is shot by a user using the camera ex113 (for example, music live video) is encoded as described in each of the above embodiments (that is, in one aspect of the present invention).
  • the streaming server ex103 stream-distributes the content data transmitted to the requested client. Examples of the client include a computer ex111, a PDA ex112, a camera ex113, a mobile phone ex114, and a game machine ex115 that can decode the encoded data.
  • Each device that receives the distributed data decodes the received data and reproduces it (that is, functions as an image decoding device according to one embodiment of the present invention).
  • the captured data may be encoded by the camera ex113, the streaming server ex103 that performs data transmission processing, or may be shared with each other.
  • the decryption processing of the distributed data may be performed by the client, the streaming server ex103, or may be performed in common with each other.
  • still images and / or moving image data captured by the camera ex116 may be transmitted to the streaming server ex103 via the computer ex111.
  • the encoding process in this case may be performed by any of the camera ex116, the computer ex111, and the streaming server ex103, or may be performed in a shared manner.
  • these encoding / decoding processes are generally performed in the computer ex111 and the LSI ex500 included in each device.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding / decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111, etc., and encoding / decoding processing is performed using the software. May be.
  • moving image data acquired by the camera may be transmitted.
  • the moving image data at this time is data encoded by the LSI ex500 included in the mobile phone ex114.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the encoded data can be received and reproduced by the client.
  • the information transmitted by the user can be received, decrypted and reproduced by the client in real time, and personal broadcasting can be realized even for a user who does not have special rights or facilities.
  • the digital broadcasting system ex200 also includes at least the moving image encoding device (image encoding device) or the moving image decoding of each of the above embodiments. Any of the devices (image decoding devices) can be incorporated.
  • the broadcast station ex201 multiplexed data obtained by multiplexing music data and the like on video data is transmitted to a communication or satellite ex202 via radio waves.
  • This video data is data encoded by the moving image encoding method described in each of the above embodiments (that is, data encoded by the image encoding apparatus according to one aspect of the present invention).
  • the broadcasting satellite ex202 transmits a radio wave for broadcasting, and this radio wave is received by a home antenna ex204 capable of receiving satellite broadcasting.
  • the received multiplexed data is decoded and reproduced by an apparatus such as the television (receiver) ex300 or the set top box (STB) ex217 (that is, functions as an image decoding apparatus according to one embodiment of the present invention).
  • a reader / recorder ex218 that reads and decodes multiplexed data recorded on a recording medium ex215 such as a DVD or a BD, or encodes a video signal on the recording medium ex215 and, in some cases, multiplexes and writes it with a music signal. It is possible to mount the moving picture decoding apparatus or moving picture encoding apparatus described in the above embodiments. In this case, the reproduced video signal is displayed on the monitor ex219, and the video signal can be reproduced in another device or system using the recording medium ex215 on which the multiplexed data is recorded.
  • a moving picture decoding apparatus may be mounted in a set-top box ex217 connected to a cable ex203 for cable television or an antenna ex204 for satellite / terrestrial broadcasting and displayed on the monitor ex219 of the television.
  • the moving picture decoding apparatus may be incorporated in the television instead of the set top box.
  • FIG. 22 is a diagram illustrating a television (receiver) ex300 that uses the video decoding method and the video encoding method described in each of the above embodiments.
  • the television ex300 obtains or outputs multiplexed data in which audio data is multiplexed with video data via the antenna ex204 or the cable ex203 that receives the broadcast, and demodulates the received multiplexed data.
  • the modulation / demodulation unit ex302 that modulates multiplexed data to be transmitted to the outside, and the demodulated multiplexed data is separated into video data and audio data, or the video data and audio data encoded by the signal processing unit ex306 Is provided with a multiplexing / demultiplexing unit ex303.
  • the television ex300 also decodes the audio data and the video data, or encodes the information, the audio signal processing unit ex304, the video signal processing unit ex305 (the image encoding device or the image according to one embodiment of the present invention) A signal processing unit ex306 that functions as a decoding device), a speaker ex307 that outputs the decoded audio signal, and an output unit ex309 that includes a display unit ex308 such as a display that displays the decoded video signal. Furthermore, the television ex300 includes an interface unit ex317 including an operation input unit ex312 that receives an input of a user operation. Furthermore, the television ex300 includes a control unit ex310 that performs overall control of each unit, and a power supply circuit unit ex311 that supplies power to each unit.
  • the interface unit ex317 includes a bridge unit ex313 connected to an external device such as a reader / recorder ex218, a recording unit ex216 such as an SD card, and an external recording unit such as a hard disk.
  • a driver ex315 for connecting to a medium, a modem ex316 for connecting to a telephone network, and the like may be included.
  • the recording medium ex216 is capable of electrically recording information by using a nonvolatile / volatile semiconductor memory element to be stored.
  • Each part of the television ex300 is connected to each other via a synchronous bus.
  • the television ex300 receives a user operation from the remote controller ex220 or the like, and demultiplexes the multiplexed data demodulated by the modulation / demodulation unit ex302 by the multiplexing / demultiplexing unit ex303 based on the control of the control unit ex310 having a CPU or the like. Furthermore, in the television ex300, the separated audio data is decoded by the audio signal processing unit ex304, and the separated video data is decoded by the video signal processing unit ex305 using the decoding method described in each of the above embodiments.
  • the decoded audio signal and video signal are output from the output unit ex309 to the outside. At the time of output, these signals may be temporarily stored in the buffers ex318, ex319, etc. so that the audio signal and the video signal are reproduced in synchronization. Also, the television ex300 may read multiplexed data from recording media ex215 and ex216 such as a magnetic / optical disk and an SD card, not from broadcasting. Next, a configuration in which the television ex300 encodes an audio signal or a video signal and transmits the signal to the outside or to a recording medium will be described.
  • the television ex300 receives a user operation from the remote controller ex220 and the like, encodes an audio signal with the audio signal processing unit ex304, and converts the video signal with the video signal processing unit ex305 based on the control of the control unit ex310. Encoding is performed using the encoding method described in (1).
  • the encoded audio signal and video signal are multiplexed by the multiplexing / demultiplexing unit ex303 and output to the outside. When multiplexing, these signals may be temporarily stored in the buffers ex320, ex321, etc. so that the audio signal and the video signal are synchronized.
  • a plurality of buffers ex318, ex319, ex320, and ex321 may be provided as illustrated, or one or more buffers may be shared. Further, in addition to the illustrated example, data may be stored in the buffer as a buffer material that prevents system overflow and underflow, for example, between the modulation / demodulation unit ex302 and the multiplexing / demultiplexing unit ex303.
  • the television ex300 has a configuration for receiving AV input of a microphone and a camera, and performs encoding processing on the data acquired from them. Also good.
  • the television ex300 has been described as a configuration capable of the above-described encoding processing, multiplexing, and external output, but these processing cannot be performed, and only the above-described reception, decoding processing, and external output are possible. It may be a configuration.
  • the decoding process or the encoding process may be performed by either the television ex300 or the reader / recorder ex218,
  • the reader / recorder ex218 may share with each other.
  • FIG. 23 shows a configuration of the information reproducing / recording unit ex400 when data is read from or written to an optical disk.
  • the information reproducing / recording unit ex400 includes elements ex401, ex402, ex403, ex404, ex405, ex406, and ex407 described below.
  • the optical head ex401 irradiates a laser spot on the recording surface of the recording medium ex215 that is an optical disk to write information, and detects information reflected from the recording surface of the recording medium ex215 to read the information.
  • the modulation recording unit ex402 electrically drives a semiconductor laser built in the optical head ex401 and modulates the laser beam according to the recording data.
  • the reproduction demodulator ex403 amplifies the reproduction signal obtained by electrically detecting the reflected light from the recording surface by the photodetector built in the optical head ex401, separates and demodulates the signal component recorded on the recording medium ex215, and is necessary To play back information.
  • the buffer ex404 temporarily holds information to be recorded on the recording medium ex215 and information reproduced from the recording medium ex215.
  • the disk motor ex405 rotates the recording medium ex215.
  • the servo control unit ex406 moves the optical head ex401 to a predetermined information track while controlling the rotational drive of the disk motor ex405, and performs a laser spot tracking process.
  • the system control unit ex407 controls the entire information reproduction / recording unit ex400.
  • the system control unit ex407 uses various types of information held in the buffer ex404, and generates and adds new information as necessary.
  • the modulation recording unit ex402, the reproduction demodulation unit This is realized by recording / reproducing information through the optical head ex401 while operating the ex403 and the servo control unit ex406 in a coordinated manner.
  • the system control unit ex407 includes, for example, a microprocessor, and executes these processes by executing a read / write program.
  • the optical head ex401 has been described as irradiating a laser spot.
  • a configuration in which higher-density recording is performed using near-field light may be used.
  • FIG. 24 shows a schematic diagram of a recording medium ex215 that is an optical disk.
  • Guide grooves grooves
  • address information indicating the absolute position on the disc is recorded in advance on the information track ex230 by changing the shape of the groove.
  • This address information includes information for specifying the position of the recording block ex231 that is a unit for recording data, and the recording block is specified by reproducing the information track ex230 and reading the address information in a recording or reproducing apparatus.
  • the recording medium ex215 includes a data recording area ex233, an inner peripheral area ex232, and an outer peripheral area ex234.
  • the area used for recording user data is the data recording area ex233, and the inner circumference area ex232 and the outer circumference area ex234 arranged on the inner or outer circumference of the data recording area ex233 are used for specific purposes other than user data recording. Used.
  • the information reproducing / recording unit ex400 reads / writes encoded audio data, video data, or multiplexed data obtained by multiplexing these data with respect to the data recording area ex233 of the recording medium ex215.
  • an optical disk such as a single-layer DVD or BD has been described as an example.
  • the present invention is not limited to these, and an optical disk having a multilayer structure and capable of recording other than the surface may be used.
  • an optical disc with a multi-dimensional recording / reproducing structure such as recording information using light of different wavelengths in the same place on the disc, or recording different layers of information from various angles. It may be.
  • the car ex210 having the antenna ex205 can receive data from the satellite ex202 and the like, and the moving image can be reproduced on a display device such as the car navigation ex211 that the car ex210 has.
  • the configuration of the car navigation ex211 may include a configuration including a GPS receiving unit in the configuration illustrated in FIG. 22, and the same may be applied to the computer ex111, the mobile phone ex114, and the like.
  • FIG. 25A is a diagram showing the mobile phone ex114 using the moving picture decoding method and the moving picture encoding method described in the above embodiment.
  • the mobile phone ex114 includes an antenna ex350 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex365 capable of capturing video and still images, a video captured by the camera unit ex365, a video received by the antenna ex350, and the like Is provided with a display unit ex358 such as a liquid crystal display for displaying the decrypted data.
  • the mobile phone ex114 further includes a main body unit having an operation key unit ex366, an audio output unit ex357 such as a speaker for outputting audio, an audio input unit ex356 such as a microphone for inputting audio, a captured video,
  • an audio input unit ex356 such as a microphone for inputting audio
  • a captured video In the memory unit ex367 for storing encoded data or decoded data such as still images, recorded audio, received video, still images, mails, or the like, or an interface unit with a recording medium for storing data
  • a slot ex364 is provided.
  • the mobile phone ex114 has a power supply circuit part ex361, an operation input control part ex362, and a video signal processing part ex355 with respect to a main control part ex360 that comprehensively controls each part of the main body including the display part ex358 and the operation key part ex366.
  • a camera interface unit ex363, an LCD (Liquid Crystal Display) control unit ex359, a modulation / demodulation unit ex352, a multiplexing / demultiplexing unit ex353, an audio signal processing unit ex354, a slot unit ex364, and a memory unit ex367 are connected to each other via a bus ex370. ing.
  • the power supply circuit unit ex361 starts up the mobile phone ex114 in an operable state by supplying power from the battery pack to each unit.
  • the cellular phone ex114 converts the audio signal collected by the audio input unit ex356 in the voice call mode into a digital audio signal by the audio signal processing unit ex354 based on the control of the main control unit ex360 having a CPU, a ROM, a RAM, and the like. Then, this is subjected to spectrum spread processing by the modulation / demodulation unit ex352, digital-analog conversion processing and frequency conversion processing are performed by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the mobile phone ex114 also amplifies the received data received via the antenna ex350 in the voice call mode, performs frequency conversion processing and analog-digital conversion processing, performs spectrum despreading processing by the modulation / demodulation unit ex352, and performs voice signal processing unit After being converted into an analog audio signal by ex354, this is output from the audio output unit ex357.
  • the text data of the e-mail input by operating the operation key unit ex366 of the main unit is sent to the main control unit ex360 via the operation input control unit ex362.
  • the main control unit ex360 performs spread spectrum processing on the text data in the modulation / demodulation unit ex352, performs digital analog conversion processing and frequency conversion processing in the transmission / reception unit ex351, and then transmits the text data to the base station ex110 via the antenna ex350.
  • almost the reverse process is performed on the received data and output to the display unit ex358.
  • the video signal processing unit ex355 compresses the video signal supplied from the camera unit ex365 by the moving image encoding method described in the above embodiments. Encode (that is, function as an image encoding device according to an aspect of the present invention), and send the encoded video data to the multiplexing / demultiplexing unit ex353.
  • the audio signal processing unit ex354 encodes the audio signal picked up by the audio input unit ex356 while the camera unit ex365 images a video, a still image, etc., and sends the encoded audio data to the multiplexing / separating unit ex353. To do.
  • the multiplexing / demultiplexing unit ex353 multiplexes the encoded video data supplied from the video signal processing unit ex355 and the encoded audio data supplied from the audio signal processing unit ex354 by a predetermined method, and is obtained as a result.
  • the multiplexed data is subjected to spread spectrum processing by the modulation / demodulation unit (modulation / demodulation circuit unit) ex352, digital-analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
  • the multiplexing / separating unit ex353 separates the multiplexed data into a video data bit stream and an audio data bit stream, and performs video signal processing on the video data encoded via the synchronization bus ex370.
  • the encoded audio data is supplied to the audio signal processing unit ex354 while being supplied to the unit ex355.
  • the video signal processing unit ex355 decodes the video signal by decoding using the video decoding method corresponding to the video encoding method described in each of the above embodiments (that is, an image according to an aspect of the present invention).
  • video and still images included in the moving image file linked to the home page are displayed from the display unit ex358 via the LCD control unit ex359.
  • the audio signal processing unit ex354 decodes the audio signal, and the audio is output from the audio output unit ex357.
  • the terminal such as the mobile phone ex114 is referred to as a transmission terminal having only an encoder and a receiving terminal having only a decoder.
  • a transmission terminal having only an encoder
  • a receiving terminal having only a decoder.
  • multiplexed data in which music data or the like is multiplexed with video data is received and transmitted, but data in which character data or the like related to video is multiplexed in addition to audio data It may be video data itself instead of multiplexed data.
  • the moving picture encoding method or the moving picture decoding method shown in each of the above embodiments can be used in any of the above-described devices / systems. The described effect can be obtained.
  • Embodiment 4 The moving picture coding method or apparatus shown in the above embodiments and the moving picture coding method or apparatus compliant with different standards such as MPEG-2, MPEG4-AVC, and VC-1 are appropriately switched as necessary. Thus, it is also possible to generate video data.
  • multiplexed data obtained by multiplexing audio data or the like with video data is configured to include identification information indicating which standard the video data conforms to.
  • identification information indicating which standard the video data conforms to.
  • FIG. 26 is a diagram showing a structure of multiplexed data.
  • multiplexed data is obtained by multiplexing one or more of a video stream, an audio stream, a presentation graphics stream (PG), and an interactive graphics stream.
  • the video stream indicates the main video and sub-video of the movie
  • the audio stream (IG) indicates the main audio portion of the movie and the sub-audio mixed with the main audio
  • the presentation graphics stream indicates the subtitles of the movie.
  • the main video indicates a normal video displayed on the screen
  • the sub-video is a video displayed on a small screen in the main video.
  • the interactive graphics stream indicates an interactive screen created by arranging GUI components on the screen.
  • the video stream is encoded by the moving image encoding method or apparatus shown in the above embodiments, or the moving image encoding method or apparatus conforming to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1. ing.
  • the audio stream is encoded by a method such as Dolby AC-3, Dolby Digital Plus, MLP, DTS, DTS-HD, or linear PCM.
  • Each stream included in the multiplexed data is identified by PID. For example, 0x1011 for video streams used for movie images, 0x1100 to 0x111F for audio streams, 0x1200 to 0x121F for presentation graphics, 0x1400 to 0x141F for interactive graphics streams, 0x1B00 to 0x1B1F are assigned to video streams used for sub-pictures, and 0x1A00 to 0x1A1F are assigned to audio streams used for sub-audio mixed with the main audio.
  • FIG. 27 is a diagram schematically showing how multiplexed data is multiplexed.
  • a video stream ex235 composed of a plurality of video frames and an audio stream ex238 composed of a plurality of audio frames are converted into PES packet sequences ex236 and ex239, respectively, and converted into TS packets ex237 and ex240.
  • the data of the presentation graphics stream ex241 and interactive graphics ex244 are converted into PES packet sequences ex242 and ex245, respectively, and further converted into TS packets ex243 and ex246.
  • the multiplexed data ex247 is configured by multiplexing these TS packets into one stream.
  • FIG. 28 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first row in FIG. 28 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in the video stream are divided into pictures, B pictures, and P pictures and are stored in the payload of the PES packet.
  • Each PES packet has a PES header, and a PTS (Presentation Time-Stamp) that is a display time of a picture and a DTS (Decoding Time-Stamp) that is a decoding time of a picture are stored in the PES header.
  • PTS Presentation Time-Stamp
  • DTS Decoding Time-Stamp
  • FIG. 29 shows the format of TS packets that are finally written in the multiplexed data.
  • the TS packet is a 188-byte fixed-length packet composed of a 4-byte TS header having information such as a PID for identifying a stream and a 184-byte TS payload for storing data.
  • the PES packet is divided and stored in the TS payload.
  • a 4-byte TP_Extra_Header is added to a TS packet, forms a 192-byte source packet, and is written in multiplexed data.
  • TP_Extra_Header information such as ATS (Arrival_Time_Stamp) is described.
  • ATS indicates the transfer start time of the TS packet to the PID filter of the decoder.
  • Source packets are arranged in the multiplexed data as shown in the lower part of FIG. 29, and the number incremented from the head of the multiplexed data is called SPN (source packet number).
  • TS packets included in the multiplexed data include PAT (Program Association Table), PMT (Program Map Table), PCR (Program Clock Reference), and the like in addition to each stream such as video / audio / caption.
  • PAT indicates what the PID of the PMT used in the multiplexed data is, and the PID of the PAT itself is registered as 0.
  • the PMT has the PID of each stream such as video / audio / subtitles included in the multiplexed data and the attribute information of the stream corresponding to each PID, and has various descriptors related to the multiplexed data.
  • the descriptor includes copy control information for instructing permission / non-permission of copying of multiplexed data.
  • the PCR corresponds to the ATS in which the PCR packet is transferred to the decoder. Contains STC time information.
  • FIG. 30 is a diagram for explaining the data structure of the PMT in detail.
  • a PMT header describing the length of data included in the PMT is arranged at the head of the PMT.
  • a plurality of descriptors related to multiplexed data are arranged.
  • the copy control information and the like are described as descriptors.
  • a plurality of pieces of stream information regarding each stream included in the multiplexed data are arranged.
  • the stream information includes a stream descriptor in which a stream type, a stream PID, and stream attribute information (frame rate, aspect ratio, etc.) are described to identify a compression codec of the stream.
  • the multiplexed data is recorded together with the multiplexed data information file.
  • the multiplexed data information file is management information of multiplexed data, has a one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
  • the multiplexed data information includes a system rate, a reproduction start time, and a reproduction end time.
  • the system rate indicates a maximum transfer rate of multiplexed data to a PID filter of a system target decoder described later.
  • the ATS interval included in the multiplexed data is set to be equal to or less than the system rate.
  • the playback start time is the PTS of the first video frame of the multiplexed data
  • the playback end time is set by adding the playback interval for one frame to the PTS of the video frame at the end of the multiplexed data.
  • attribute information about each stream included in the multiplexed data is registered for each PID.
  • the attribute information has different information for each video stream, audio stream, presentation graphics stream, and interactive graphics stream.
  • the video stream attribute information includes the compression codec used to compress the video stream, the resolution of the individual picture data constituting the video stream, the aspect ratio, and the frame rate. It has information such as how much it is.
  • the audio stream attribute information includes the compression codec used to compress the audio stream, the number of channels included in the audio stream, the language supported, and the sampling frequency. With information. These pieces of information are used for initialization of the decoder before the player reproduces it.
  • the stream type included in the PMT is used.
  • video stream attribute information included in the multiplexed data information is used.
  • the video encoding shown in each of the above embodiments for the stream type or video stream attribute information included in the PMT.
  • FIG. 33 shows steps of the moving picture decoding method according to the present embodiment.
  • step exS100 the stream type included in the PMT or the video stream attribute information included in the multiplexed data information is acquired from the multiplexed data.
  • step exS101 it is determined whether or not the stream type or the video stream attribute information indicates multiplexed data generated by the moving picture encoding method or apparatus described in the above embodiments. To do.
  • step exS102 the above embodiments are performed. Decoding is performed by the moving picture decoding method shown in the form.
  • the conventional information Decoding is performed by a moving image decoding method compliant with the standard.
  • FIG. 34 shows a configuration of the LSI ex500 that is made into one chip.
  • the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
  • the power supply circuit unit ex505 is activated to an operable state by supplying power to each unit when the power supply is on.
  • the LSI ex500 uses the AV I / O ex509 to perform the microphone ex117 and the camera ex113 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the driving frequency control unit ex512, and the like.
  • the AV signal is input from the above.
  • the input AV signal is temporarily stored in an external memory ex511 such as SDRAM.
  • the accumulated data is divided into a plurality of times as appropriate according to the processing amount and the processing speed and sent to the signal processing unit ex507, and the signal processing unit ex507 encodes an audio signal and / or video. Signal encoding is performed.
  • the encoding process of the video signal is the encoding process described in the above embodiments.
  • the signal processing unit ex507 further performs processing such as multiplexing the encoded audio data and the encoded video data according to circumstances, and outputs the result from the stream I / Oex 506 to the outside.
  • the output multiplexed data is transmitted to the base station ex107 or written to the recording medium ex215. It should be noted that data should be temporarily stored in the buffer ex508 so as to be synchronized when multiplexing.
  • the memory ex511 is described as an external configuration of the LSI ex500.
  • a configuration included in the LSI ex500 may be used.
  • the number of buffers ex508 is not limited to one, and a plurality of buffers may be provided.
  • the LSI ex500 may be made into one chip or a plurality of chips.
  • control unit ex501 includes the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like, but the configuration of the control unit ex501 is not limited to this configuration.
  • the signal processing unit ex507 may further include a CPU.
  • the CPU ex502 may be configured to include a signal processing unit ex507 or, for example, an audio signal processing unit that is a part of the signal processing unit ex507.
  • the control unit ex501 is configured to include a signal processing unit ex507 or a CPU ex502 having a part thereof.
  • LSI LSI
  • IC system LSI
  • super LSI ultra LSI depending on the degree of integration
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • Such a programmable logic device typically loads or reads a program constituting software or firmware from a memory or the like, so that the moving image encoding method or the moving image described in each of the above embodiments is used.
  • An image decoding method can be performed.
  • FIG. 35 shows a configuration ex800 in the present embodiment.
  • the drive frequency switching unit ex803 sets the drive frequency high when the video data is generated by the moving image encoding method or apparatus described in the above embodiments.
  • the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments is instructed to decode the video data.
  • the video data is video data compliant with the conventional standard, compared to the case where the video data is generated by the moving picture encoding method or apparatus shown in the above embodiments, Set the drive frequency low. Then, it instructs the decoding processing unit ex802 compliant with the conventional standard to decode the video data.
  • the drive frequency switching unit ex803 includes a CPU ex502 and a drive frequency control unit ex512 in FIG.
  • the decoding processing unit ex801 that executes the moving picture decoding method shown in each of the above embodiments and the decoding processing unit ex802 that complies with the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to. Then, based on the signal from the CPU ex502, the drive frequency control unit ex512 sets the drive frequency. Further, based on the signal from the CPU ex502, the signal processing unit ex507 decodes the video data.
  • the identification information described in the fourth embodiment may be used.
  • the identification information is not limited to that described in the fourth embodiment, and any information that can identify which standard the video data conforms to may be used. For example, it is possible to identify which standard the video data conforms to based on an external signal that identifies whether the video data is used for a television or a disk. In some cases, identification may be performed based on such an external signal.
  • the selection of the driving frequency in the CPU ex502 may be performed based on, for example, a lookup table in which video data standards and driving frequencies are associated with each other as shown in FIG. The look-up table is stored in the buffer ex508 or the internal memory of the LSI, and the CPU ex502 can select the drive frequency by referring to the look-up table.
  • FIG. 36 shows steps for executing the method of the present embodiment.
  • the signal processing unit ex507 acquires identification information from the multiplexed data.
  • the CPU ex502 identifies whether the video data is generated by the encoding method or apparatus described in each of the above embodiments based on the identification information.
  • the CPU ex502 sends a signal for setting the drive frequency high to the drive frequency control unit ex512. Then, the drive frequency control unit ex512 sets a high drive frequency.
  • step exS203 the CPU ex502 drives the signal for setting the drive frequency low. This is sent to the frequency control unit ex512. Then, in the drive frequency control unit ex512, the drive frequency is set to be lower than that in the case where the video data is generated by the encoding method or apparatus described in the above embodiments.
  • the power saving effect can be further enhanced by changing the voltage applied to the LSI ex500 or the device including the LSI ex500 in conjunction with the switching of the driving frequency. For example, when the drive frequency is set low, it is conceivable that the voltage applied to the LSI ex500 or the device including the LSI ex500 is set low as compared with the case where the drive frequency is set high.
  • the setting method of the driving frequency may be set to a high driving frequency when the processing amount at the time of decoding is large, and to a low driving frequency when the processing amount at the time of decoding is small. It is not limited to the method.
  • the amount of processing for decoding video data compliant with the MPEG4-AVC standard is larger than the amount of processing for decoding video data generated by the moving picture encoding method or apparatus described in the above embodiments. It is conceivable that the setting of the driving frequency is reversed to that in the case described above.
  • the method for setting the drive frequency is not limited to the configuration in which the drive frequency is lowered.
  • the voltage applied to the LSIex500 or the apparatus including the LSIex500 is set high.
  • the driving of the CPU ex502 is stopped.
  • the CPU ex502 is temporarily stopped because there is room in processing. Is also possible. Even when the identification information indicates that the video data is generated by the moving image encoding method or apparatus described in each of the above embodiments, if there is a margin for processing, the CPU ex502 is temporarily driven. It can also be stopped. In this case, it is conceivable to set the stop time shorter than in the case where the video data conforms to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1.
  • a plurality of video data that conforms to different standards may be input to the above-described devices and systems such as a television and a mobile phone.
  • the signal processing unit ex507 of the LSI ex500 needs to support a plurality of standards in order to be able to decode even when a plurality of video data complying with different standards is input.
  • the signal processing unit ex507 corresponding to each standard is used individually, there is a problem that the circuit scale of the LSI ex500 increases and the cost increases.
  • a decoding processing unit for executing the moving picture decoding method shown in each of the above embodiments and a decoding conforming to a standard such as MPEG-2, MPEG4-AVC, or VC-1
  • the processing unit is partly shared.
  • An example of this configuration is shown as ex900 in FIG. 38A.
  • the moving picture decoding method shown in each of the above embodiments and the moving picture decoding method compliant with the MPEG4-AVC standard are processed in processes such as entropy coding, inverse quantization, deblocking filter, and motion compensation. Some contents are common.
  • the decoding processing unit ex902 corresponding to the MPEG4-AVC standard is shared, and for other processing contents specific to one aspect of the present invention that do not correspond to the MPEG4-AVC standard, a dedicated decoding processing unit A configuration using ex901 is conceivable.
  • a dedicated decoding processing unit ex901 is used for motion compensation, and other entropy decoding, inverse quantization, and deblocking filters are used. For any or all of these processes, it is conceivable to share the decoding processing unit.
  • the decoding processing unit for executing the moving picture decoding method described in each of the above embodiments is shared, and the processing content specific to the MPEG4-AVC standard As for, a configuration using a dedicated decoding processing unit may be used.
  • ex1000 in FIG. 38B shows another example in which processing is partially shared.
  • a dedicated decoding processing unit ex1001 corresponding to the processing content specific to one aspect of the present invention
  • a dedicated decoding processing unit ex1002 corresponding to the processing content specific to another conventional standard
  • a common decoding processing unit ex1003 corresponding to the processing contents common to the moving image decoding method according to the above and other conventional moving image decoding methods.
  • the dedicated decoding processing units ex1001 and ex1002 are not necessarily specialized in one aspect of the present invention or processing content specific to other conventional standards, and can execute other general-purpose processing. Also good.
  • the configuration of the present embodiment can be implemented by LSI ex500.
  • the processing content common to the moving picture decoding method according to one aspect of the present invention and the moving picture decoding method of the conventional standard reduces the circuit scale of the LSI by sharing the decoding processing unit, In addition, the cost can be reduced.
  • the present invention is applicable to an image processing device, an image capturing device, and an image reproducing device. Specifically, the present invention is applicable to a digital still camera, a movie, a mobile phone with a camera function, a smartphone, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

　画像符号化方法は、複数の画像を符号化する画像符号化方法であって、複数の画像における物体の三次元的な移動を示す動きモデル情報（１３４）を取得する取得ステップ（Ｓ１０１）と、動きモデル情報（１３４）を用いて参照画像（１５５）を生成する参照画像生成ステップ（Ｓ１３１）と、生成された参照画像（１５５）を参照して、複数の画像に含まれる対象画像を符号化する符号化ステップ（Ｓ１０４～Ｓ１０６）とを含む。

Description

画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法
　本発明は、画像符号化方法及び画像復号方法に関する。
　最新の動画像符号化標準規格であるＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格では、符号化効率を向上させるために様々な検討がされている（例えば、非特許文献１参照）。この方式は、Ｈ．２６ｘで示されるＩＴＵ－Ｔ（国際電気通信連合電気通信標準化部門）規格、及び、ＭＰＥＧ－ｘで示されるＩＳＯ／ＩＥＣ規格であり、Ｈ．２６４／ＡＶＣ、又はＭＰＥＧ－４　ＡＶＣで示される規格の次の映像符号化規格として検討された。
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．　２０１３ｚｚ　ＪＣＴＶＣ－Ｌ１００３＿ｖ３４　Ｔｉｔｌｅ：　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
　このような、画像符号化方法及び画像復号方法では、符号化効率を向上することが望まれている。
　本発明は、符号化効率を向上できる画像符号化方法又は画像復号方法を提供することを目的とする。
　上記目的を達成するために、本発明の一態様に係る画像符号化方法は、複数の画像を符号化する画像符号化方法であって、前記複数の画像における物体の三次元的な移動を示す動きモデル情報を取得する取得ステップと、前記動きモデル情報を用いて参照画像を生成する参照画像生成ステップと、生成された前記参照画像を参照して、前記複数の画像に含まれる対象画像を符号化する符号化ステップとを含む。
　また、本発明の一態様に係る画像復号方法は、ビットストリームから複数の画像を復号する画像復号方法であって、前記複数の画像における物体の三次元的な移動を示す動きモデル情報を取得する取得ステップと、前記動きモデル情報を用いて参照画像を生成する参照画像生成ステップと、生成された前記参照画像を参照して、前記複数の画像に含まれる対象画像を復号する復号ステップとを含む。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本発明は、符号化効率を向上できる画像符号化方法又は画像復号方法を提供できる。
図１は、実施の形態１に係る画像符号化装置のブロック図である。 図２は、実施の形態１に係る画像符号化処理のフローチャートである。 図３は、実施の形態１に係る動きモデル情報取得処理のフローチャートである。 図４は、実施の形態１に係る動きモデル情報を説明するための図である。 図５は、実施の形態１に係る動きモデル情報を説明するための図である。 図６は、実施の形態１に係るメタ情報から動きモデル情報を導出する動差を説明するための図である。 図７は、実施の形態１に係る予測ブロック生成処理のフローチャートである。 図８は、実施の形態１に係るインター予測処理のフローチャートである。 図９は、実施の形態１に係る動きモデル情報を用いた参照画像生成処理のフローチャートである。 図１０は、実施の形態１に係る動きモデル情報を用いた参照画像生成処理を説明するための図である。 図１１は、実施の形態１に係るインター予測画像生成処理のフローチャートである。 図１２は、実施の形態１に係る動き推定処理のフローチャートである。 図１３は、実施の形態１に係る予測動きベクトル探索処理のフローチャートである。 図１４は、実施の形態２に係る画像復号装置のブロック図である。 図１５は、実施の形態２に係るインター予測部のブロック図である。 図１６は、実施の形態２に係る画像復号装置処理のフローチャートである。 図１７は、実施の形態２に係る動きモデル情報復号処理のフローチャートである。 図１８は、実施の形態２に係る予測ブロックの生成処理のフローチャートである。 図１９は、実施の形態２に係るインター予測処理のフローチャートである。 図２０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２１は、デジタル放送用システムの全体構成図である。 図２２は、テレビの構成例を示すブロック図である。 図２３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２４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２５Ａは、携帯電話の一例を示す図である。 図２５Ｂは、携帯電話の構成例を示すブロック図である。 図２６は、多重化データの構成を示す図である。 図２７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２８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２９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３０は、ＰＭＴのデータ構成を示す図である。 図３１は、多重化データ情報の内部構成を示す図である。 図３２は、ストリーム属性情報の内部構成を示す図である。 図３３は、映像データを識別するステップを示す図である。 図３４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３５は、駆動周波数を切り替える構成を示す図である。 図３６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３７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３８Ａ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３８Ｂ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。
　（発明の基礎となった知見）
　従来の画像符号化方式における予測画像の生成処理では、対象フレームの前後のフレームの情報が活用される。例えば、Ｈ．２６４／ＡＶＣ及びＨ．２６５／ＨＥＶＣでは、動きベクトルを生成する際に、時間的及び空間的に近いブロックの情報などを予測動きベクトルとして利用することで、動きベクトルを生成するために必要な符号量を削減している。
　しかしながら、道路上の車の動きなどの一枚の画像からでも動きを予測しすい物体に対しても、従来の画像符号化装置では、これらの画像から読み取れる状況又は環境の情報などを利用できていない。
　一方、顔認識などに代表される物体認識又は機械学習などのコンピュータビジョンに関連する技術を利用した画像認識技術が発展してきている。このような技術を応用することで、動画像において頻繁に発生している情報などを解析し、この情報を用いて物体の動きを推測できることを本発明者は見出した。
　例えば、店舗の監視カメラの画像から人間の動線などを解析し、お客様の店舗内での行動パターンを推測できる可能性がある。さらに、複数のカメラの利用又は動画像における時間変化などの複数の画像の情報を用いて、画像から奥行き情報などの三次元的な情報を生成する処理なども提案されている。
　本発明者は、これらの情報を利用し、動画像符号化処理におけるインター予測画像生成処理において、符号化する情報を削減することが可能であることを見出した。本実施の形態では、動画像から構造又は傾向などの認識情報を抽出し、これを用いることで、予測画像生成手法において、既存手法より少ない情報量で予測画像を生成する画像符号化方法及び画像復号方法について説明する。
　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画像符号化方法であって、前記複数の画像における物体の三次元的な移動を示す動きモデル情報を取得する取得ステップと、前記動きモデル情報を用いて参照画像を生成する参照画像生成ステップと、生成された前記参照画像を参照して、前記複数の画像に含まれる対象画像を符号化する符号化ステップとを含む。
　これによれば、動きモデル情報を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　例えば、前記取得ステップでは、前記複数の画像に含まれる１以上の画像から前記動きモデル情報を抽出してもよい。
　例えば、前記参照画像生成ステップでは、前記物体の代表画像に対して前記動きモデル情報に基づく変形処理を施すことでオブジェクト画像を生成し、前記オブジェクト画像と背景画像とを合成することで、前記参照画像を生成してもよい。
　例えば、前記動きモデル情報は、高次変換行列の複数の係数として表現され、前記参照画像生成ステップでは、前記代表画像に前記高次変換行列を用いた演算を行うことで、前記変形処理が行われてもよい。
　例えば、前記高次変換行列は、時間により変化する係数を含んでもよい。
　例えば、前記画像符号化方法は、さらに、前記動きモデル情報を用いて、前記対象画像に含まれるブロックの動きベクトルの予測値を算出する予測ステップと、前記予測値を初期値として用いて、前記ブロックの動き探索処理を行う動き探索ステップとを含んでもよい。
　これによれば、動きモデル情報を用いて動き探索処理の初期値を設定することで、動き探索処理の処理時間を短縮できる。
　例えば、前記画像符号化方法は、さらに、前記対象画像に含まれるブロックの動きベクトルを推定する推定ステップと、前記動きモデル情報を用いて、前記対象画像に含まれるブロックのための予測動きベクトル候補を算出する予測ステップと、算出された予測動きベクトル候補を含む複数の予測動きベクトル候補のいずれかと、推定された前記動きベクトルとの差分を符号化する動きベクトル符号化ステップとを含んでもよい。
　これによれば、動きモデル情報を用いて予測動きベクトル候補を算出することで符号化効率を向上できる。
　また、本発明の一態様に係る画像復号方法は、ビットストリームから複数の画像を復号する画像復号方法であって、前記複数の画像における物体の三次元的な移動を示す動きモデル情報を取得する取得ステップと、前記動きモデル情報を用いて参照画像を生成する参照画像生成ステップと、生成された前記参照画像を参照して、前記複数の画像に含まれる対象画像を復号する復号ステップとを含む。
　これによれば、動きモデル情報を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　例えば、前記取得ステップでは、前記ビットストリームから前記動きモデル情報を取得してもよい。
　例えば、前記参照画像生成ステップでは、前記物体の代表画像に対して前記動きモデル情報に基づく変形処理を施すことでオブジェクト画像を生成し、前記オブジェクト画像と背景画像とを合成することで、前記参照画像を生成してもよい。
　例えば、前記動きモデル情報は、高次変換行列の複数の係数として表現され、前記参照画像生成ステップでは、前記対象画像に前記高次変換行列を用いた演算を行うことで、前記変形処理が行われてもよい。
　例えば、前記高次変換行列は、時間変化する係数を含んでもよい。
　例えば、前記画像復号方法は、さらに、前記対象画像に含まれるブロックの動きベクトルの差分値を復号する差分動きベクトル復号ステップと、前記動きモデル情報を用いて、前記対象画像に含まれるブロックのための予測動きベクトル候補を算出する予測ステップと、算出された予測動きベクトル候補を含む複数の予測動きベクトル候補のいずれかと、前記差分値とを加算することで動きベクトルを算出する算出ステップとを含んでもよい。
　これによれば、動きモデル情報を用いて予測動きベクトル候補を算出することで符号化効率を向上できる。
　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画像符号化装置であって、処理回路と、前記処理回路に接続されたメモリとを備え、前記処理回路は、前記メモリを用いて、前記画像符号化方法を実行する。
　これによれば、動きモデル情報を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　また、本発明の一態様に係る画像復号装置は、ビットストリームから複数の画像を復号する画像復号装置であって、処理回路と、前記処理回路に接続されたメモリとを備え、前記処理回路は、前記メモリを用いて、前記画像復号方法を実行する。
　これによれば、動きモデル情報を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　また、本発明の一態様に係るコンテンツ配信方法は、コンテンツ配信方法であって、コンテンツの配信依頼を受信する受信ステップと、前記配信依頼に基づき、前記画像符号化方法を施した前記コンテンツを送信する送信ステップとを含む。
　これによれば、動きモデル情報を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　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、図面を参照しながら具体的に説明する。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ものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。
　なお、既によく知られた事項の詳細説明、及び実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。
　また、本実施の形態では、フレームを、ピクチャ又は画像と言い換えて記載する場合がある。さらに、符号化対象又は復号対象のフレーム（ピクチャ又は画像）を対象ピクチャ（カレントピクチャ）又は対象フレーム（カレントフレーム）などと言い換える場合がある。これら以外にもコーデック技術分野において一般的に用いられる種々の用語にも言い換えられる。
　（実施の形態１）
　本実施の形態に係る画像符号化装置は、物体の変形及び三次元的な動きの傾向を示す動きモデル情報を用いてインター予測処理を行う。これにより、当該画像符号化装置は、符号化効率を向上できる。
　まず、本実施の形態に係る画像符号化装置１００の構成を説明する。図１は、本実施の形態に係る画像符号化装置１００の一例を示すブロック図である。この画像符号化装置１００は、動きモデル取得部１０１と、ブロック分割部１０２と、減算部１０３と、周波数変換部１０４と、量子化部１０５と、エントロピー符号化部１０６と、逆量子化部１０７と、逆周波数変換部１０８と、加算部１０９と、イントラ予測部１１０と、ループフィルタ１１１と、フレームメモリ１１２、インター予測部１１３と、切替部１１４を含む。
　画像符号化装置１００は、１以上の画像を含む静止画像又は動画像である入力画像１２１を符号化することでビットストリーム１２６を生成する。
　以下、画像符号化装置１００の動作を説明する。図２は、本実施の形態に係る画像符号化装置１００による画像符号化処理のフローチャートである。
　まず、動きモデル取得部１０１は、入力画像１２１を用いて、空間的な位置によるオブジェクトの相対変化などの情報である動きモデル情報を抽出（算出）する（Ｓ１０１）。なお、この処理の詳細は後述する。
　また、ブロック分割部１０２は、入力画像１２１を符号化処理単位である複数の符号ブロック１２２に分割する（Ｓ１０２）。イントラ予測部１１０又はインター予測部１１３は、符号ブロック１２２に対して、復号ブロック１２９又は復号画像１３０を利用した予測処理を行うことにより、予測ブロック１３３（１３１又は１３２）を生成する（Ｓ１０３）。なお、この処理の詳細は後述する。また、この予測処理に関する情報である予測情報１３５が、エントロピー符号化部１０６に送られ符号化される。具体的には、予測情報１３５は、使用された、予測モード、参照画像及び動きベクトル等を示す情報を含む。
　次に、減算部１０３は、符号ブロック１２２と予測ブロック１３３との差分である差分ブロック１２３を生成する（Ｓ１０４）。周波数変換部１０４は、差分ブロック１２３を周波数変換することで係数ブロック１２４を生成する。量子化部１０５は係数ブロック１２４を量子化することで係数ブロック１２５を生成する（Ｓ１０５）。
　エントロピー符号化部１０６は、係数ブロック１２５をエントロピー符号化することでビットストリーム１２６を生成する（Ｓ１０６）。また、逆量子化部１０７は、係数ブロック１２５を逆量子化することで係数ブロック１２７を生成し、逆周波数変換部１０８は、係数ブロック１２７を逆周波数変換することで差分ブロック１２８を復元する（Ｓ１０７）。加算部１０９は、差分ブロック１２８と予測ブロック１３３とを加算することで復号ブロック１２９（再構成画像）を生成する（Ｓ１０８）。この復号ブロック１２９は、イントラ予測部１１０によるイントラ予測処理に利用される。
　また、画像符号化装置１００は、これら一連の処理を入力画像１２１全体に対する符号化処理が完了するまで繰り返し行う（Ｓ１０９）。
　なお、１枚の画像全体の符号化処理が完了した場合には、ループフィルタ１１１は、１枚の画像に含まれる複数の復号ブロック１２９に、ブロック歪みによる画質劣化を緩和させるためのデブロッキングフィルタなどの画質改善のためのフィルタ処理を施すことで復号画像１３０を生成する。フレームメモリ１１２は、復号画像１３０を格納する。この復号画像１３０は、インター予測部１１３によるインター予測処理に用いられる。
　なお、ステップＳ１０５の周波数変換及び量子化処理は、それぞれ別処理として逐次行われてもよいし、一括して行われてもよい。同様に、ステップＳ１０７の逆量子化及び逆周波数変換処理は、それぞれを別処理として逐次行われてもよいし、一括して行われてもよい。
　また量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化する処理である。逆量子化とは、量子化で得られた値を元の区間の値に戻す処理である。データ圧縮分野では、量子化は、値をオリジナルよりも粗い区間に分ける処理を意味し、逆量子化は粗い区間をオリジナルの細かい区間に分けなおす処理を意味する。コーデック技術分野では、量子化及び逆量子化を、丸め、ラウンディング、又はスケーリングと呼ぶ場合もある。
　次に、ステップＳ１０１の動きモデル情報取得処理の詳細を、図３のフローチャートを用いて説明する。
　まず、動きモデル取得部１０１は、１枚以上の入力画像１２１を用いて動きモデルを抽出する（Ｓ１１１）。ここで、動きモデルとは、撮像動画像内における物体の特徴的変化を示す。言い換えると、動きモデルは、動画像における物体の動きの傾向であり、統計的な動きを示す情報であり、三次元的な移動を示す。ここで三次元的な移動とは、平面方向の移動に加え、奥行き方向の移動を含み、具体的には、奥行き位置に起因する画像上の物体の大きさの変化、又は、奥行き位置に起因する画像上の物体の動き量の変化である。言い換えると、動きモデルは物体の動き及び変形の傾向を示す。また、この動きモデルは、画像中の領域ごとに設定されてもよい。
　この動きモデルを用いることで、撮影対象又はカメラの設置場所などがある程度特定できる条件又は状況下であれば、少ない情報量から多くの情報を推測できる。例えば、監視カメラで撮影された動画像では、手前に写っていた人が奥に移動していく毎に人物の大きさが小さくなる。また、道路上の車の走行路に応じて車の進行方向又は速度などに傾向を見出すことができる。
　例えば、図４に示すように、物体Ａ０が画面手前左下から画面奥右上の方向に動いているような動画像の場合、奥行き方向に進むほど動物体の大きさ（見え方）が規則的に変化する。具体的には、画像中において物体Ａ０が画面の奥に行くほど物体Ａ０の大きさが小さく映る。この場合、動きモデルは、例えば、物体Ａ０の動きの方向と、当該動きに伴う物体の大きさの変化度合いと、物体の消失点Ｐ０の座標等を示す。
　また、図５に示す例では、画面手前から奥に向かって道路が延びている。また、物体Ａ１は道路上に存在しており、時刻ｔにおいて画面手前側に存在し、時刻ｔ＋Ｎにおいて画面奥側に存在する。また、各車線は一方通行であるため、道路上のオブジェクトの動きベクトルの方向は車線での進行方向と一致する。図５に示す例では、物体Ａ１は、道路の左車線内に存在するので、左奥方向に移動することがわかる。つまり、動きモデル取得部１０１は、特定の領域（例えば道路）においては物体の動きベクトルが常に似ているなどの画像空間における一定の法則を示す情報である。
　なお、動きモデル取得部１０１は、１枚の画像のみから動きモデルを抽出することも可能である。例えば、画像内に道路が存在する場合には、当該道路に沿って物体（例えば車）が移動すると推定できる。また、右車線か左車線かに応じて、物体の進行方向を特定できる。
　このように、動きモデル取得部１０１は、環境から予測可能な情報を動きモデルとして抽出する。また、動きモデルは、アフィン変換行列又は射影変換行列などにより表現される。また、各種行列は時間成分の変数を含む。つまり、動きモデルは、時間変化に伴う物体の位置、移動方向、速度又は大きさの変化を示す情報である。具体的には、動きモデルは、ある道路上における物体の速度情報、又は加速度情報を考慮した、物体の位置、移動方向、速度又は大きさの変化を示す。例えば、道路上の自動車の多くが一定の速度で動いている場合に、動きモデル情報は、この速度の情報を含む。これにより、新たなオブジェクトに対してその速度を適応できるので、符号量を削減できる。
　次に、動きモデル取得部１０１は、入力画像１２１から動きモデルを抽出できたかを判定する（Ｓ１１２）。動きモデル取得部１０１は、動きモデルを抽出できた場合（Ｓ１１２でＹｅｓ）、符号化対象の情報に、抽出された動きモデルを示す動きモデル情報１３４を追加する。ここで、動きモデル情報とは、動きモデルそのものを示す情報（例えば、上記行列の変数）であってもよいし、動きモデルを特定するための情報であってもよい。これにより、エントロピー符号化部１０６は、動きモデル情報１３４を符号化することで、動きモデル情報１３４を含むビットストリーム１２６を生成する（Ｓ１１３）。
　以下、動きモデルの抽出手法の具体例を説明する。動きモデル取得部１０１は、入力画像１２１からオブジェクトを抽出し、抽出されたオブジェクトの時間による座標及び大きさなどの変化を追跡する。例えば、動きモデル取得部１０１は、ＳＩＦＴ（Ｓｃａｌｅ－Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏｒｍ）又はＨｏＧ（Ｈｉｓｔｏｇｒａｍｓ　ｏｆ　Ｏｒｉｅｎｔｅｄ　Ｇｒａｄｉｅｎｔｓ）といった特徴量を用いる手法を用いてオブジェクトを抽出する。
　また、動きモデル取得部１０１は、一つのオブジェクトを追跡するだけではなく、複数のオブジェクトとの関連性などを利用してもよい。例えば、特定領域（例えば、画像左下部）において出現する複数のオブジェクトが持つ動きベクトルの方向及び大きさなどが一定範囲内の値を持つ場合には、動きモデル取得部１０１は、当該特定領域に出現する全てのオブジェクトはその一定範囲内の動きベクトルをもつ物体であると仮定する。この場合、動きモデル取得部１０１は、動きモデルとして（１）特定領域又は特定領域内のオブジェクトを特定する情報と、（２）動きベクトルを特定する情報とを抽出する。
　また、画像符号化装置１００は、画像にメタ情報が付与されている場合に、当該メタ情報を用いて動きモデルを算出してもよい。ここで、メタ情報とは、画像内の各物体の位置及び大きさ等を示す情報である。
　図５は、メタ情報を用いて動きモデル情報を算出する動作を説明するための図である。図５に示すように、各フレームにメタ情報が設定されている。各フレームのメタ情報は、当該フレーム内の複数のオブジェクトの各々に対して、映像中のオブジェクトを一意に識別するためのＩＤと、当該オブジェクトの座標（座標ｘ及び座標ｙ）と、当該オブジェクトのサイズ（幅及び高さ）とを示す。
　画像符号化装置１００は、まず、フレーム間の各オブジェクトのメタ情報の差分を算出する。具体的には、フレーム間の各オブジェクトの各要素（座標ｘ、座標ｙ、幅及び高さの各々）の差分が算出される。次に、画像符号化装置１００は、算出された差分に基づき、オブジェクト毎に動きモデル情報を生成する。
　例えば、図６に示す例では、時刻Ｔ－１のフレームのメタ情報と時刻Ｔのフレームのメタ情報との差分が算出される。画像符号化装置１００は、オブジェクト毎に、当該オブジェクトの座標ｘ及び座標ｙの差分に基づき、当該オブジェクトの単位時間（時刻Ｔ－１と時刻Ｔとの差分）当たりの二次元座標の変化量を導出する。また、画像符号化装置１００は、当該オブジェクトの幅及び高さの差分に基づき、当該オブジェクトの単位時間当たりのサイズの変化量を導出する。これにより、各オブジェクトの時間変化に伴う移動（二次元座標の変化）及び変形を定義する動きモデル情報が生成される。
　なお、動きモデル情報は、各オブジェクトの位置（二次元座標）又は位置の変化に対するオブジェクトの大きさ或いは形状又波その変化を示してもよい。例えば、画像符号化装置１００は、この関係をオブジェクトの座標ｘ及び座標ｙの差分と、幅及び高さの差分から導出する。
　また、画像符号化装置１００は、複数のオブジェクトの各要素の差分を用いて一つの動きモデル情報を導出してもよい。例えば、メタ情報は、オブジェクトの属性（例えば車又は人等）を示す属性情報が含まれる。同一の属性を有するオブジェクトが複数存在する場合には、画像符号化装置１００は、同一の属性を有する複数のオブジェクトの各要素の差分を用いて、当該属性のオブジェクトに対する一つの動きモデル情報を導出してもよい。
　また、使用されるメタ情報は、２つのフレームに限らず、３以上のフレームのメタ情報の各々差分が用いられてもよい。
　また、画像符号化装置１００は、動きモデル情報１３４を画像単位で符号化してもよいし、ストリームに対して１つだけ符号化してもよい。監視カメラなどで撮影された定点映像の場合は、撮像範囲が動くことは少ないため動きモデルが大きく変わることは少ない。そのため、画像符号化装置１００は、シーケンス単位で１つの動きモデル情報１３４を含むビットストリーム１２６を生成する。画像復号装置は、複数の画像に対して当該動きモデル情報１３４を利用する。これにより、動きモデル情報１３４の符号量を削減できる。
　また、画像符号化装置１００は、動きモデルを入力画像１２１から抽出するのではなく、有線又は無線を介して少なくとも一時的に接続される外部装置又は外部サーバから動きモデルを示すパラメータを取得してもよい。例えば、画像符号化装置１００外の映像処理装置が動きモデルの抽出処理を行い、画像符号化装置１００は、得られた動きモデルの情報を取得してもよい。これによると、映像解析処理を画像符号化装置１００で行う必要がないので、画像符号化装置１００の処理量を削減できる。
　また、動きモデル情報１３４は、ビットストリーム１２６に含まれず、別の手法で画像復号装置に送信されてもよい。例えば、固定カメラで撮影された映像のように動きモデルが既知の場合には、前もって画像符号化装置１００及び画像復号装置に共通の動きモデルが設定されてもよい。これによると、ビットストリーム１２６に動きモデル情報１３４が含まれる必要がないので符号量を削減できる。
　また、画像符号化装置１００及び画像復号装置に予め複数の動きモデルが設定され、画像符号化装置１００は、どの動きモデルが用いられるかを示すインデックスのみを符号化してもよい。これによると、シーンチェンジなどにより複数の動きモデルを利用する場合に、インデックスの情報のみを符号化すればよいため、符号量を削減できる。
　次に、図２に示すステップＳ１０３の予測ブロック生成処理に関して、図７のフローチャートを用いて説明する。
　まず、イントラ予測部１１０は、画面内の情報を用いたイントラ予測処理を行うことで予測ブロック１３１を生成する（Ｓ１２１）。続いて、インター予測部１１３は、画面間の情報を用いたインター予測処理を行うことで予測ブロック１３２を生成する（Ｓ１２２）。次に、切替部１１４は、ステップＳ１２１及びＳ１２２で得られた予測ブロック１３１及び１３２のうち、符号化効率の高い手法を選択し、選択された手法で生成された予測ブロックを予測ブロック１３３として出力する（Ｓ１２３）。具体的には、切替部１１４は、下記（式１）で示すＲ－Ｄ最適化モデルの式などを用いて、予測ブロック１３１及び１３２の各々のコスト計算を行い、コストの小さい予測ブロックを選択する。
　　Ｃｏｓｔ＝Ｄ＋λ×Ｒ　・・・（式１）
　ここで、Ｄは符号化歪を表し、例えば、符号化対象ブロックの元の画素値と生成された予測ブロックとの差分絶対値和である。また、Ｒは発生符号量を表し、例えば、予測ブロックを生成するための予測情報（動きベクトル等）などを符号化するのに必要な符号量である。また、λはラグランジュの未定乗数である。これにより、イントラ予測及びインター予測から適切な予測モードを選ぶことができるので、符号化効率を向上できる。
　なお、ステップＳ１２１及びＳ１２２の処理を行う前に、画像符号化装置１００は、どちらの予測処理を使用するかを決定し、決定された手法に対応する処理のみを行ってもよい。これにより、予測画像生成処理の処理量を削減できる。
　また、画像符号化装置１００は、イントラ予測及びインター予測のうちいずれが使用されるかを示す情報を含む予測情報１３５を符号化する。
　続いて、ステップＳ１２２のインター予測処理に関して、図８のフローチャートを用いて説明する。
　まず、インター予測部１１３は、動きモデル情報１３４で示される動きモデル及び符号化済の復号画像１３０を用いて参照画像を生成する（Ｓ１３１）。続いて、Ｈ．２６４／ＡＶＣ方式又はＨ．２６５／ＨＥＶＣ方式で採用されているような、動き情報を利用したインター予測処理を行うことで予測画像（予測ブロック１３２）を生成する（Ｓ１３２）。
　続いて、ステップＳ１３１の動きモデルを用いた参照画像生成処理に関して図９のフローチャート及び図１０を用いて説明する。
　まず、インター予測部１１３は、対象フレームで利用可能な動きモデル情報１３４が存在するかを判定する（Ｓ１４１）。対象フレームで利用可能な動きモデル情報１３４が存在しなかった場合（Ｓ１４１でＮｏ）、インター予測部１１３は、ステップＳ１３１の処理を終了する。
　一方、対象フレームで利用可能な動きモデル情報１３４が存在した場合（Ｓ１４１でＹｅｓ）、インター予測部１１３は、参照画像１５５の背景の画像である背景画像１５４を生成する（Ｓ１４２）。具体的には、インター予測部１１３は、２枚以上の復号画像１３０の各座標の画素値の平均値又は中央値を算出することで背景画像１５４を生成する。この時、シーケンス中の全ての復号画像１３０が利用されてもよいし、任意の画像が利用されてもよい。前者では、固定カメラなどの背景が動かない画像において、非常に高品質な背景画像１５４を生成でき、後者では、背景を多く含む画像のみを選択可能になるため少ない処理量で背景画像１５４を生成できる。また、インター予測部１１３は、対象フレームの直前の独立に復号可能な画像以降の画像のみを用いて背景画像１５４を生成してもよい。これによると、ランダムアクセス性を保持したまま、背景画像１５４を生成することが可能となる。また、インター予測部１１３は、１つの復号画像１３０をそのまま背景画像１５４として用いてもよい。また、背景画像１５４の生成に使用される１又は複数の復号画像１３０を示す情報がビットストリーム１２６に含まれ、又は、その他の手段により画像復号装置に送られてもよい。
　なお、背景画像１５４は、例えば、サーバに保存されている予め定められた画像であってもよい。この場合、背景画像１５４を指定する情報、又は、背景画像１５４の符号化データがビットストリーム１２６に含まれ、又は、その他の手段により画像復号装置に送られてもよい。
　次に、インター予測部１１３は、各種オブジェクトの元画像となる代表画像１５２を１つ以上、符号化済の復号画像１３０から抽出する（Ｓ１４３）。また、代表画像１５２を示す情報は、ビットストリーム１２６に含まれ、又は、その他の手段により画像復号装置に送られてもよい。具体的には、代表画像１５２を示す情報は、オブジェクトを抽出する対象の復号画像１３０を指定する情報と、その復号画像１３０内のどのオブジェクトを抽出するかを指定する情報とを含む。復号画像１３０を指定する情報は、例えば、Ｈ．２６４／ＡＶＣ及びＨ．２６５／ＨＥＶＣにおけるＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）により示される。つまり、当該情報は、オブジェクトを抽出する対象の復号画像１３０のＰＯＣを示す。また、抽出オブジェクトを指定する情報は、例えば、そのオブジェクトの座標を示す座標情報である。この時、座標情報は、座標そのものを示しても良いし、複数画素を一つの単位（例えば、４×４画素を一つのブロック）として扱いその単位の座標を示す情報であってもよい。前者では、小さいオブジェクトが密集しているような画像においても、各オブジェクトを抽出することが可能である。また、後者では、抽出オブジェクトを指定する情報が少なくなるため、生成されるビットストリーム１２６の符号量を小さくすることが可能となる。
　なお、代表画像１５２は、例えば、サーバに保存されている予め定められた画像であってもよい。この場合、代表画像１５２を指定する情報、又は、代表画像１５２の符号化データがビットストリーム１２６に含まれ、又は、その他の手段により画像復号装置に送られてもよい。
　次に、インター予測部１１３は、動きモデル情報１３４で示される動きモデルを利用して、代表画像１５２を変形及び移動することで、対象フレームにおけるオブジェクト画像１５３を生成する（Ｓ１４４）。例えば、インター予測部１１３は、動きモデルを各係数で表現するアフィン変換行列又は射影変換行列を用いて、代表画像１５２を変形及び移動する。また、インター予測部１１３は、動きモデルとして３Ｄ空間を構成するための情報（光源の位置など）を利用して、３Ｄ空間におけるオブジェクトの見え方の変化（影のかかり方及び色合いの変化など）を再現してもよい。これにより、インター予測部１１３は、射影変換などでは表現できない変形にも対応できるので、生成される参照画像１５５の質をさらに向上できる。
　また、画像内に複数のオブジェクトが存在する場合には、各オブジェクトに対して上記の処理が行われる。
　なお、代表画像１５２を動きモデルを用いて変形させた場合に、代表画像１５２には含まれていない部分が視覚に入るというオクルージョンの問題が発生する場合がある。このような場合には、インター予測部１１３は、外部サーバ等に保存されたそのオブジェクト、又はそのオブジェクトに類似するオブジェクトの情報又は画像を取得して、取得した情報又は画像と変形後の代表画像１５２とを合成することでオブジェクト画像１５３を生成してもよい。
　また、画像符号化装置１００は、動きモデルを用いた変形処理後の動き情報と符号化処理時に検出した実際の動き情報との差分情報を符号化してよい。これによると、画像符号化装置１００は、動きモデル情報の変形からは予測できない動き、例えば、交通監視映像における車線変更のような動きをした場合であっても、より原画像に近い参照画像１５５を生成できる。
　最後に、インター予測部１１３は、背景画像１５４とオブジェクト画像１５３を合成することで参照画像１５５を生成する（Ｓ１４５）。例えば、インター予測部１１３は、背景画像１５４にオブジェクト画像１５３を重ね合わせることで参照画像１５５を生成する。なお、オブジェクトが複数存在する場合、画像符号化装置１００は、複数のオブジェクト画像１５３を重ね合わせる順番を示す情報を符号化してもよい。または、画像符号化装置１００及び画像復号装置において同様の手法により、動きモデル情報から複数のオブジェクトを重ね合わせる順番を予測してもよい。前者によると、合成の処理がビットストリーム１２６に明示されることで、画像復号装置は最適な参照画像１５５を生成することができる。後者によると、ビットストリーム１２６に含まれる情報を削減できるので、符号量を削減できる。
　なお、上記処理により、対象フレームに対して１枚の参照画像１５５が生成されてもよいし、複数の参照画像１５５が生成されてもよい。例えば、対象フレームに含まれるオブジェクト毎にそれぞれ異なる参照画像１５５が生成されてもよい。これによると、各オブジェクトに対して最適な参照画像１５５が生成されるので、符号化効率を改善できる。また、インター予測部１１３は、画像単位で参照画像１５５の生成処理を行わず、処理ブロック単位で参照画像を生成してもよい。これによると、画像と比較して小さい単位で参照画像が生成されるので、参照画像を保存するメモリの容量を削減できる。
　続いて、ステップＳ１３２インター予測画像生成処理の詳細に関して、図１１のフローチャートを用いて説明する。
　まず、インター予測部１１３は、予測画像（予測ブロック１３２）を生成するための動きベクトルを推定する動き推定処理を行う（Ｓ１５１）。次に、インター予測部１１３は、得られた動きベクトルと近い動きベクトルを、周辺の符号化済みの符号ブロックで使用された動きベクトルから予測動きベクトルとして選択する（Ｓ１５２）。次に、インター予測部１１３は、ステップＳ１５１で得られた動きベクトルとＳ１５２で得られた予測動きベクトルとの差分である差分動きベクトルを生成する（Ｓ１５３）。また、選択された予測動きベクトルを示す情報と、差分動きベクトルとは、符号化され、ビットストリーム１２６に含まれる。
　続いて、ステップＳ１５１の動き推定処理に関して、図１２のフローチャートを用いて説明する。
　まず、インター予測部１１３は、対象フレームに対する動きモデル情報１３４が存在するかを判定する（Ｓ１６１）。対象フレームに対する動きモデル情報１３４が存在しない場合（Ｓ１６１でＮｏ）、インター予測部１１３は、動き探索処理の初期値（初期情報）として規定の値を設定する（Ｓ１６２）。ここで規定の値とは、例えば従来のＨ．２６４／ＡＶＣ又はＨ．２６５／ＨＥＶＣなどの動き推定処理において利用されている値である。例えば、この規定の値は、時間方向及び空間方向における周辺の符号化済ブロックにおける動きベクトルなどである。
　一方、対象フレームに対する動きモデル情報１３４が存在する場合（Ｓ１６１でＹｅｓ）、インター予測部１１３は、動き探索処理の初期値として、各ブロックに対して、動きモデルから予測される値を設定する（Ｓ１６３）。
　具体的には、インター予測部１１３は、対象ブロックにどの動きモデルが適用されるかを判定する。例えば、インター予測部１１３は、対象フレームに対してオブジェクト抽出を行い、対象ブロックがどのオブジェクト（背景、車又は人など）に該当するかを判定する。次に、インター予測部１１３は、この判定結果及び対象ブロックの画像中の存在位置などの情報などを用いて、対象ブロックの動き情報を予測する。具体的には、横断歩道を撮影している映像においては、人と認識されたオブジェクトは横断歩道に沿って動くと予想できる。よって、インター予測部１１３は、横断歩道に沿った動き情報を初期値として設定する。また、背景と判定された場合は、インター予測部１１３は、初期の動き情報として動きがないことを示す値を設定する。
　次に、インター予測部１１３は、ステップＳ１６２又はＳ１６３で設定された初期値を探索点の初期値として動き探索処理を行う（Ｓ１６４）。
　続いて、ステップＳ１５２の予測動きベクトルの探索処理の詳細に関して図１３のフローチャートを用いて説明する。
　まず、インター予測部１１３は、対象ブロックの周辺にある１つ以上の符号化済ブロックで用いられた動きベクトルを予測動きベクトル候補に追加する（Ｓ１７１）。次に、インター予測部１１３は、対象フレームに対する動きモデル情報１３４が存在するかを判定する（Ｓ１７２）。
　対象フレームに対する動きモデル情報１３４が存在する場合（Ｓ１７２でＹｅｓ）、インター予測部１１３は、動きモデルにより予測される動きベクトルを予測動きベクトル候補に追加する（Ｓ１７３）。なお、この処理の具体的な手法としては、ステップＳ１６３で説明した手法と同様の手法を用いることができる。
　インター予測部１１３は、これらの処理により得られた複数の予測動きベクトル候補とＳ１６４で得られた動きベクトルとを用いて、符号化処理に用いる予測動きベクトルを選択する（Ｓ１７４）。具体的には、インター予測部１１３は、ステップＳ１６４で得られた動きベクトルと、複数の予測動きベクトル候補とのそれぞれの差分を算出し、差分の符号量が最も小さい予測動きベクトル候補を予測動きベクトルとして選択する。
　（効果）
　本実施の形態に係る画像符号化装置１００は、動画像から取得可能な動きモデル情報１３４を用いることで、予測動きベクトルの精度を向上できるので、予測画像の生成に必要な動き情報を削減できる。また、画像符号化装置１００は、動画像中の構造情報又は統計情報を利用することで、少ない動き情報で高品質な予測画像を生成できる。
　なお、画像符号化装置１００は、動きモデル情報１３４は動画像以外から取得してもよし、外部から取得してもよい。
　例えば、画像符号化装置１００は、動きモデル情報１３４としてミリ波レーダーなどの機器から得られる情報を用いてもよい。これによると、画像符号化装置１００内における動きモデル解析処理における処理量を削減できる。また、画像符号化装置１００は、他の機器から取得された情報を、動画像から動きモデル情報１３４を取得する際の、補助情報として用いてもよい。これによると、画像符号化装置１００は、画像単体から動きモデル情報１３４を取得する場合よりも、より高品質な動きモデル情報１３４を取得できる。
　なお、動きモデル情報１３４は、１つのシーケンスに対して１つ以上存在してもよく、処理しているフレームに応じて切り換えられてもよい。これによると、画像符号化装置１００は、動画像中においてシーンチェンジなどの大きな変動が生じた場合においても、適切な動きモデルを利用できるので、符号化効率を向上できる。
　また、画像符号化装置１００は、符号化処理の途中において、動きモデル情報を更新し、更新前後の動きモデル情報の差分を符号化してもよい。これによると、道路状態を撮影した映像において時間帯によって車の平均速度が変化していく場合のように、最大の符号化効率を期待できる動きモデル情報が変動する場合において、画像符号化装置１００は、この変動に追従して、使用する動きモデルを変更できる。これにより、生成される参照画像の品質が向上するので予測画像の品質が向上する。
　以上のように、本実施の形態に係る画像符号化装置１００は、複数の画像を符号化する。画像符号化装置１００は、複数の画像における物体の三次元的な移動を示す動きモデル情報１３４を取得する（Ｓ１０１）。例えば、画像符号化装置１００は、複数の画像に含まれる１以上の画像から動きモデル情報１３４を抽出する。
　次に、画像符号化装置１００は、取得された動きモデル情報１３４を用いて参照画像１５５を生成する（Ｓ１３１）。例えば、画像符号化装置１００は、物体の代表画像１５２に対して動きモデル情報１３４に基づく変形処理を施すことでオブジェクト画像１５３を生成し、オブジェクト画像１５３と背景画像１５４とを合成することで、参照画像１５５を生成する。
　例えば、動きモデル情報１３４は、高次変換行列の複数の係数として表現される。画像符号化装置１００は、代表画像１５２に上記高次変換行列を用いた演算を行うことで、上記変形処理を行う。また、高次変換行列は、時間により変化する係数を含んでもよい。
　次に、画像符号化装置１００は、生成された参照画像１５５を参照して、複数の画像に含まれる対象画像を符号化する（Ｓ１０４～Ｓ１０６）。具体的には、画像符号化装置１００は、生成された参照画像１５５である予測画像と対象画像との差分である差分画像を算出し、当該差分画像を符号化する。
　これにより、画像符号化装置１００は、動きモデル情報１３４を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　また、画像符号化装置１００は、動きモデル情報１３４を用いて、対象画像に含まれるブロックの動きベクトルの予測値を算出し（Ｓ１６３）、当該予測値を初期値として用いて、ブロックの動き探索処理を行う（Ｓ１５２）。
　これによれば、動きモデル情報１３４を用いて動き探索処理の初期値を設定することで、動き探索処理の処理時間を短縮できる。
　また、画像符号化装置１００は、対象画像に含まれるブロックの動きベクトルを推定する（Ｓ１５１）。画像符号化装置１００は、動きモデル情報１３４を用いて、対象画像に含まれるブロックのための予測動きベクトル候補を算出し（Ｓ１７３）、算出された予測動きベクトル候補を含む複数の予測動きベクトル候補のいずれかと、推定された動きベクトルとの差分を符号化する（Ｓ１５３）。
　これによれば、動きモデル情報１３４を用いて予測動きベクトル候補を算出することで符号化効率を向上できる。
　（実施の形態２）
　本実施の形態では、実施の形態１で説明した画像符号化装置１００により生成されたビットストリーム１２６を復号する画像復号装置２００及び画像復号方法について説明する。
　図１４は、本実施の形態に係る画像復号装置２００の一例を示すブロック図である。この画像復号装置２００は、ビットストリーム２２１を復号することで復号画像２２６を生成する。ビットストリーム２２１は、例えば、実施の形態１で説明した画像符号化装置１００により生成されたビットストリーム１２６である。
　この画像復号装置２００は、エントロピー復号部２０１と、逆量子化部２０２と、逆周波数変換部２０３と、加算部２０４と、イントラ予測部２０５と、ループフィルタ２０６と、フレームメモリ２０７と、インター予測部２０８と、切替部２０９とを備える。
　図１５は、インター予測部２０８の詳細な構成例を示すブロック図である。インター予測部２０８は、動きモデル情報２３０及び復号画像２２６を用いて参照画像２４１を生成する参照画像生成部２１２と、インター予測を行うことで予測画像（予測ブロック２２８）を生成するインター予測画像生成部２１１とを備える。
　以下、画像復号装置２００の動作を説明する。図１６は、本実施の形態に係る画像復号装置２００による画像復号処理のフローチャートである。
　まず、エントロピー復号部２０１は、１以上のピクチャを含む静止画又は動画が符号化されることで生成されたビットストリーム２２１から、動きモデル情報２３０を復号する（Ｓ２０１）。また、エントロピー復号部２０１は、ビットストリーム２２１から予測情報２３１を復号する（Ｓ２０２）。また、エントロピー復号部２０１は、ビットストリーム２２１から係数ブロック２２２を復号する（Ｓ２０３）。
　逆量子化部２０２は、係数ブロック２２２を逆量子化することで係数ブロック２２３を生成する。逆周波数変換部２０３は、係数ブロック２２３を逆変換することで差分ブロック２２４を生成する（Ｓ２０４）。
　イントラ予測部２０５又はインター予測部２０８は、予測情報２３１、復号画像２２６及び動きモデル情報２３０のうち１つ以上を用いて予測ブロック２２９を生成する（Ｓ２０５）。加算部２０４は、差分ブロック２２４と予測ブロック２２９とを加算することで復号ブロック２２５を生成する（Ｓ２０６）。
　また、画像復号装置２００は、これら一連の処理をビットストリーム２２１に含まれる全ブロックに対する復号処理が完了するまで繰り返し行う（Ｓ２０７）。例えば、画像復号装置２００は、入力されたビットストリーム２２１が終了したかに応じてこの判定を行う。
　なお、１枚の画像全体の復号処理が完了した場合には、ループフィルタ２０６は、１枚の画像に含まれる複数の復号ブロック２２５に、ブロック歪みによる画質劣化を緩和させるためのデブロッキングフィルタなどの画質改善のためのフィルタ処理を施すことで復号画像２２６を生成する。フレームメモリ２０７は、復号画像２２６を格納する。この復号画像２２６は、インター予測部２０８によるインター予測処理に用いられる。
　なお、図１６に示す各ステップの順序はこの限りではない。例えば予測情報復号処理（Ｓ２０２）の後に動きモデル情報の復号処理（Ｓ２０１）が行われてもよいし、この二つの処理が並列して実行されてもよい。
　また、ステップＳ２０４の逆量子化及び逆周波数変換処理は、それぞれ個別の処理として逐次行われてもよいし、一括して行われてもよい。なお、ＨＥＶＣなどの現在主流のコーディング規格では、逆量子化及び逆周波数変換処理は一括して行われる。また、復号側においても、実施の形態１と同様に、これらの処理にスケーリング等の表現が用いられる場合がある。
　次に、ステップＳ２０１の動きモデル情報復号処理に関して、図１７のフローチャートを用いて説明する。
　まず、エントロピー復号部２０１は、ビットストリーム２２１に、対象フレームで利用可能な動きモデル情報２３０が存在するかを判定する（Ｓ２１１）。動きモデル情報２３０が存在しない場合（Ｓ２１１でＮｏ）、エントロピー復号部２０１は、ステップＳ２０１の処理を終了する。一方、動きモデル情報２３０が存在する場合（Ｓ２１１でＹｅｓ）、エントロピー復号部２０１は動きモデル情報２３０を復号する（Ｓ２１２）。
　ここで、動きモデル情報２３０とは、動画像から取得できる３Ｄ空間を再構成するための情報、又は、動画像中に存在するオブジェクトの大きさ及び座標の変化量などの空間内におけるオブジェクトの変化量を示す情報である。例えば、奥行きのある空間を撮影している動画像では手前に存在するオブジェクトが奥の方向に移動すると小さくなっていくというようにオブジェクトの見え方に変化が生じる。動きモデル情報２３０は、このような変化を示す情報であり、この変化を各係数で表現したアフィン変換行列又は射影変換行列である。この動きモデル情報２３０を用いることで、変化前から変化後を予想することができる。また、この動きモデル情報２３０は時間のパラメータを持つ変数であってもよい。
　例えば、動画像中において特定領域（道路上など）における移動物体の速度がある程度同じ場合、道路上の領域における動きモデル情報として、時間を変数にもつ射影変換行列が用いられる。これにより、道路領域のオブジェクトの動きを一つの動きモデル情報２３０で表現できる。これによると、動きモデル情報２３０を表現するために必要な情報量を削減できる。
　次に、ステップＳ２０５の予測ブロック生成処理に関して、図１８のフローチャートを用いて説明する。
　まず、切替部２０９は、対象ブロックに用いる予測手法がイントラ予測かインター予測かを判定する（Ｓ２２１）。具体的には、切替部２０９はビットストリーム２２１に含まれる情報に基づき、この判定を行う。
　イントラ予測と判定された場合（Ｓ２２１でイントラ）、イントラ予測部２０５は、イントラ予測処理を行う（Ｓ２２２）。インター予測と判定された場合（Ｓ２２１でインター）、インター予測部２０８は、インター予測処理を行う（Ｓ２２３）。
　なお、ステップＳ２２１のイントラ／インター予測の判定処理は、各ブロックに対して行われる必要はない。例えば、ビットストリーム２２１内の情報によりシーケンス全体の予測ブロック生成手法が指定されている場合は、ステップＳ２２２及びＳ２２３のうち指定された手法のみが利用されてもよい。これによると、復号処理全体における判定処理の回数を削減することができるので、処理量を削減できる。
　次に、ステップＳ２２３のインター予測処理に関して、図１９のフローチャートを用いて説明する。
　まず、インター予測部２０８に含まれる参照画像生成部２１２は、動きモデル情報２３０及び復号画像２２６を用いて参照画像２４１を生成する（Ｓ２４１）。例えば、インター予測画像生成部２１１は、実施の形態１のステップＳ１３１と同様の処理により動きモデル情報２３０を利用して参照画像２４１を生成する。なお、上述したように、背景画像又は代表画像を特定するための情報がビットストリーム２２１に含まれてもよい。この場合には、参照画像生成部２１２は、この情報で特定された背景画像又は代表画像を用いて参照画像２４１を生成する。
　また、参照画像生成部２１２は、画像単位で参照画像２４１の生成処理を行わず、処理ブロック単位で参照画像２４１を生成してもよい。これによると、画像と比較して小さい単位で参照画像２４１が生成されるので、参照画像２４１を保存するメモリの容量を削減できる。
　続いて、インター予測画像生成部２１１は、Ｈ．２６４／ＡＶＣ方式又はＨ．２６５／ＨＥＶＣ方式で採用されているような、動き情報を利用したインター予測処理により予測画像（予測ブロック２２８）を生成する（Ｓ２４２）。
　なお、画像復号装置２００において利用する動きモデル情報２３０はビットストリーム２２１に含まれなくてもよい。例えば、画像復号装置２００は、外部から動きモデル情報２３０に関するパラメータ等を取得してもよい。例えば、画像復号装置２００に入力されるビットストリーム２２１を生成する画像符号化装置１００が扱う映像が既知の場合、画像復号装置２００は、その映像に関する動きモデル情報２３０を予め取得してもよい。これにより、ビットストリーム２２１の符号量を削減できる。
　（効果）
　本実施の形態に係る画像復号装置２００は、動きモデル情報２３０を含んだビットストリーム２２１を復号できる。また、画像復号装置２００は、動きモデル情報２３０及び復号画像２２６を利用して参照画像２４１を生成することで、より高画質な画像の再構成を実現できる。
　なお、画像復号装置２００に対しても、上述した実施の形態１で説明した各種変形例を適用してもよい。例えば、画像復号装置２００は、インター予測画像生成処理（Ｓ２４２）において、図１１に示す処理に対応する処理を行ってもよい。つまり、画像復号装置２００は、ステップＳ１７１～Ｓ１７３と同様の処理により、予測動きベクトル候補を導出する。次に、画像復号装置２００は、ビットストリーム２２１に含まれる情報に基づき、複数の予測動きベクトル候補から予測動きベクトルを選択する。次に、画像復号装置２００は、ビットストリーム２２１に含まれる差分動きベクトルと、選択された予測動きベクトルとを加算することで動きベクトルを生成する。そして、画像復号装置２００は、生成された動きベクトルを用いて予測画像を生成する。
　また、画像復号装置２００は、実施の形態１で説明した符号化処理に対応する復号処理を行う。具体的には、画像復号装置２００は、画像符号化装置１００と同様の処理を行うことで各種情報を生成する。または、画像復号装置２００は、その情報又はその情報を特定又は生成する情報がビットストリーム２２１に含まれる場合には、当該情報を用いる。ここで各種情報とは、動きモデル、代表画像又は背景画像等を、示す情報、又はこれらを特定或いは生成するための情報である。
　以上のように、本実施の形態に係る画像復号装置２００は、ビットストリーム２２１から複数の画像を復号する。画像復号装置２００は、複数の画像における物体の三次元的な移動を示す動きモデル情報２３０を取得する（Ｓ２０１）。例えば、画像復号装置２００は、ビットストリーム２２１から動きモデル情報２３０を取得する。
　画像復号装置２００は、動きモデル情報２３０を用いて参照画像２４１を生成する（Ｓ２４１）。例えば、画像復号装置２００は、物体の代表画像１５２に対して動きモデル情報１３４に基づく変形処理を施すことでオブジェクト画像１５３を生成し、オブジェクト画像１５３と背景画像１５４とを合成することで、参照画像１５５を生成する。
　例えば、動きモデル情報２３０は、高次変換行列の複数の係数として表現される。画像復号装置２００は、代表画像１５２に上記高次変換行列を用いた演算を行うことで、上記変形処理を行う。また、高次変換行列は、時間により変化する係数を含んでもよい。
　次に、画像復号装置２００は、生成された参照画像２４１を参照して、複数の画像に含まれる対象画像を復号する（Ｓ２０２～Ｓ２０６）。
　これによれば、動きモデル情報２３０を用いることで、少ない情報量で予測画像を生成できるので、符号化効率を向上できる。
　また、画像復号装置２００は、対象画像に含まれるブロックの動きベクトルの差分値を復号する（Ｓ２０３及びＳ２０４）。画像復号装置２００は、動きモデル情報２３０を用いて、対象画像に含まれるブロックのための予測動きベクトル候補を算出し（Ｓ１７３）、算出された予測動きベクトル候補を含む複数の予測動きベクトル候補のいずれかと、上記差分値とを加算することで動きベクトルを算出する。
　これによれば、動きモデル情報２３０を用いて予測動きベクトル候補を算出することで符号化効率を向上できる。
　以上、実施の形態に係る画像符号化方法に及び画像復号方法ついて説明したが、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、上記画像符号化方法が施されたコンテンツを配信するコンテンツ配信方法又はコンテンツ配信システムとして実現されてもよい。つまり、コンテンツ配信システム及びコンテンツ配信方法は、コンテンツの配信依頼を受信し、配信依頼に基づき、上記画像符号化方法を施したコンテンツを送信する。
　また、上記実施の形態に係る画像符号化装置及び画像復号装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。
　また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　言い換えると、画像符号化装置及び画像復号装置は、処理回路（ｐｒｏｃｅｓｓｉｎｇ　ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された（当該制御回路からアクセス可能な）記憶装置（ｓｔｏｒａｇｅ）とを備える。処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含む。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。処理回路は、記憶装置を用いて、上記実施の形態に画像符号化方法又は画像復号方法を実行する。
　さらに、本発明は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。
　また、上記で用いた数字は、全て本発明を具体的に説明するために例示するものであり、本発明は例示された数字に制限されない。
　また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。
　また、上記の画像符号化方法又は画像復号方法に含まれるステップが実行される順序は、本発明を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
　以上、本発明の一つ又は複数の態様に係る画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法について、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３）
　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２０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２０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２１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２２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２３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２４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２２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２５Ａ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２５Ｂ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４）
　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２６は、多重化データの構成を示す図である。図２６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２７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２８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２８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２８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２９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２９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３０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３１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３１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３２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３３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５）
　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３４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６）
　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３５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３４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３４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４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４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３７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３６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７）
　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３８Ａ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、動き補償に特徴を有していることから、例えば、動き補償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３８Ｂ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、画像処理装置、画像の撮像装置及び画像の再生装置に適用可能である。具体的には、デジタルスチルカメラ、ムービー、カメラ機能付き携帯電話機、及びスマートフォンなどに、本発明は適用可能である。
　１００　画像符号化装置
　１０１　動きモデル取得部
　１０２　ブロック分割部
　１０３　減算部
　１０４　周波数変換部
　１０５　量子化部
　１０６　エントロピー符号化部
　１０７，２０２　逆量子化部
　１０８，２０３　逆周波数変換部
　１０９，２０４　加算部
　１１０，２０５　イントラ予測部
　１１１，２０６　ループフィルタ
　１１２，２０７　フレームメモリ
　１１３，２０８　インター予測部
　１１４，２０９　切替部
　１２１　入力画像
　１２２　符号ブロック
　１２３，１２８，２２４　差分ブロック
　１２４，１２５，１２７，２２２，２２３　係数ブロック
　１２６，２２１　ビットストリーム
　１２９，２２５　復号ブロック
　１３０，２２６　復号画像
　１３１，１３２，１３３，２２７，２２８，２２９　予測ブロック
　１３４，２３０　動きモデル情報
　１３５，２３１　予測情報
　１５２　代表画像
　１５３　オブジェクト画像
　１５４　背景画像
　１５５，２４１　参照画像
　２００　画像復号装置
　２０１　エントロピー復号部
　２１１　インター予測画像生成部
　２１２　参照画像生成部

Claims (16)

  1. 　複数の画像を符号化する画像符号化方法であって、
    　前記複数の画像における物体の三次元的な移動を示す動きモデル情報を取得する取得ステップと、
    　前記動きモデル情報を用いて参照画像を生成する参照画像生成ステップと、
    　生成された前記参照画像を参照して、前記複数の画像に含まれる対象画像を符号化する符号化ステップとを含む
    　画像符号化方法。
  2. 　前記取得ステップでは、前記複数の画像に含まれる１以上の画像から前記動きモデル情報を抽出する
    　請求項１記載の画像符号化方法。
  3. 　前記参照画像生成ステップでは、
    　前記物体の代表画像に対して前記動きモデル情報に基づく変形処理を施すことでオブジェクト画像を生成し、
    　前記オブジェクト画像と背景画像とを合成することで、前記参照画像を生成する
    　請求項１又は２記載の画像符号化方法。
  4. 　前記動きモデル情報は、高次変換行列の複数の係数として表現され、
    　前記参照画像生成ステップでは、前記代表画像に前記高次変換行列を用いた演算を行うことで、前記変形処理が行われる
    　請求項３記載の画像符号化方法。
  5. 　前記高次変換行列は、時間により変化する係数を含む
    　請求項４記載の画像符号化方法。
  6. 　前記画像符号化方法は、さらに、
    　前記動きモデル情報を用いて、前記対象画像に含まれるブロックの動きベクトルの予測値を算出する予測ステップと、
    　前記予測値を初期値として用いて、前記ブロックの動き探索処理を行う動き探索ステップとを含む
    　請求項１～５のいずれか１項に記載の画像符号化方法。
  7. 　前記画像符号化方法は、さらに、
    　前記対象画像に含まれるブロックの動きベクトルを推定する推定ステップと、
    　前記動きモデル情報を用いて、前記対象画像に含まれるブロックのための予測動きベクトル候補を算出する予測ステップと、
    　算出された予測動きベクトル候補を含む複数の予測動きベクトル候補のいずれかと、推定された前記動きベクトルとの差分を符号化する動きベクトル符号化ステップとを含む
    　請求項１～５のいずれか１項に記載の画像符号化方法。
  8. 　ビットストリームから複数の画像を復号する画像復号方法であって、
    　前記複数の画像における物体の三次元的な移動を示す動きモデル情報を取得する取得ステップと、
    　前記動きモデル情報を用いて参照画像を生成する参照画像生成ステップと、
    　生成された前記参照画像を参照して、前記複数の画像に含まれる対象画像を復号する復号ステップとを含む
    　画像復号方法。
  9. 　前記取得ステップでは、前記ビットストリームから前記動きモデル情報を取得する
    　請求項８記載の画像復号方法。
  10. 　前記参照画像生成ステップでは、
    　前記物体の代表画像に対して前記動きモデル情報に基づく変形処理を施すことでオブジェクト画像を生成し、
    　前記オブジェクト画像と背景画像とを合成することで、前記参照画像を生成する
    　請求項８又は９記載の画像復号方法。
  11. 　前記動きモデル情報は、高次変換行列の複数の係数として表現され、
    　前記参照画像生成ステップでは、前記対象画像に前記高次変換行列を用いた演算を行うことで、前記変形処理が行われる
    　請求項８～１０のいずれか１項に記載の画像復号方法。
  12. 　前記高次変換行列は、時間変化する係数を含む
    　請求項１１記載の画像復号方法。
  13. 　前記画像復号方法は、さらに、
    　前記対象画像に含まれるブロックの動きベクトルの差分値を復号する差分動きベクトル復号ステップと、
    　前記動きモデル情報を用いて、前記対象画像に含まれるブロックのための予測動きベクトル候補を算出する予測ステップと、
    　算出された予測動きベクトル候補を含む複数の予測動きベクトル候補のいずれかと、前記差分値とを加算することで動きベクトルを算出する算出ステップとを含む
    　請求項８～１２のいずれか１項に記載の画像復号方法。
  14. 　複数の画像を符号化する画像符号化装置であって、
    　処理回路と、
    　前記処理回路に接続されたメモリとを備え、
    　前記処理回路は、前記メモリを用いて、請求項１記載の画像符号化方法を実行する
    　画像符号化装置。
  15. 　ビットストリームから複数の画像を復号する画像復号装置であって、
    　処理回路と、
    　前記処理回路に接続されたメモリとを備え、
    　前記処理回路は、前記メモリを用いて、請求項８記載の画像復号方法を実行する
    　画像復号装置。
  16. 　コンテンツ配信方法であって、
    　コンテンツの配信依頼を受信する受信ステップと、
    　前記配信依頼に基づき、請求項１記載の画像符号化方法を施した前記コンテンツを送信する送信ステップとを含む
    　コンテンツ配信方法。
PCT/JP2015/002970 2014-07-18 2015-06-15 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法 WO2016009587A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP15821693.7A EP3171597A4 (en) 2014-07-18 2015-06-15 Image encoding method, image decoding method, image encoding apparatus, image decoding apparatus, and content delivery method
CN201580028208.7A CN106464900A (zh) 2014-07-18 2015-06-15 图像编码方法、图像解码方法、图像编码装置、图像解码装置及内容发布方法
KR1020167029071A KR20170035832A (ko) 2014-07-18 2015-06-15 화상 부호화 방법, 화상 복호 방법, 화상 부호화 장치, 화상 복호 장치, 및 콘텐츠 전송 방법
JP2016534093A JPWO2016009587A1 (ja) 2014-07-18 2015-06-15 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法
US15/403,388 US20170127081A1 (en) 2014-07-18 2017-01-11 Coding method using motion model information

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201462026060P 2014-07-18 2014-07-18
US62/026,060 2014-07-18
US201462027268P 2014-07-22 2014-07-22
US62/027,268 2014-07-22
JP2015088812 2015-04-23
JP2015-088812 2015-04-23

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US15/403,388 Continuation US20170127081A1 (en) 2014-07-18 2017-01-11 Coding method using motion model information

Publications (1)

Publication Number Publication Date
WO2016009587A1 true WO2016009587A1 (ja) 2016-01-21

Family

ID=55078102

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/002970 WO2016009587A1 (ja) 2014-07-18 2015-06-15 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法

Country Status (6)

Country Link
US (1) US20170127081A1 (ja)
EP (1) EP3171597A4 (ja)
JP (1) JPWO2016009587A1 (ja)
KR (1) KR20170035832A (ja)
CN (1) CN106464900A (ja)
WO (1) WO2016009587A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019056839A1 (en) * 2017-09-21 2019-03-28 Huawei Technologies Co., Ltd. RESTRICTION ON SUB-BLOCK SIZE DERIVATION FOR AFFINE INTER-IMAGE PREDICTION
JP2022002418A (ja) * 2016-11-30 2022-01-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America 受信方法及び端末

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111066322B (zh) * 2017-06-14 2022-08-26 华为技术有限公司 通过透视信息进行视频编码的帧内预测
KR20200058546A (ko) * 2017-10-19 2020-05-27 엘지전자 주식회사 인터 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
JP7331831B2 (ja) * 2018-03-15 2023-08-23 ソニーグループ株式会社 画像処理装置および方法
US11039104B2 (en) * 2018-04-18 2021-06-15 N3N Co., Ltd. Apparatus and method to transmit data by extracting data in shop floor image, apparatus and method to receive data extracted in shop floor image, and system to transmit and receive data extracted in shop floor image
KR20210138760A (ko) * 2019-03-25 2021-11-19 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 요소 예측 방법, 인코더, 디코더 및 저장 매체
JP2021111066A (ja) * 2020-01-08 2021-08-02 株式会社科学計算総合研究所 情報処理システム、情報処理方法及びプログラム
US12075089B2 (en) * 2020-02-13 2024-08-27 Google Llc Intra prediction for image and video compression
CN112153384B (zh) * 2020-07-23 2024-05-17 西安万像电子科技有限公司 图像编解码方法及装置
CN113392780B (zh) * 2021-06-17 2022-04-19 南开大学 一种面向ai识别汉字的文字图像扭曲变形方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1118091A (ja) * 1997-06-25 1999-01-22 Toshiba Corp 多視点画像の符号化／復号化装置およびその符号化／復号化方法
JPH11150726A (ja) * 1997-11-18 1999-06-02 Toyota Motor Corp 車両用動画像処理方法および車両用動画像処理装置
JP2005323021A (ja) * 2004-05-07 2005-11-17 Fuji Photo Film Co Ltd 車載撮像システム、および撮像方法
JP2011061302A (ja) * 2009-09-07 2011-03-24 Hitachi Kokusai Electric Inc 動画像符号化装置
JP2012151711A (ja) * 2011-01-20 2012-08-09 Renesas Electronics Corp 記録装置に搭載可能な半導体集積回路およびその動作方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK1387585T3 (da) * 2001-09-12 2005-07-25 Matsushita Electric Ind Co Ltd Billedkodningsfremgangsmåde og billedkodningsfremgangsmåde
US8363721B2 (en) * 2009-03-26 2013-01-29 Cisco Technology, Inc. Reference picture prediction for video coding
EP2675163A1 (en) * 2010-07-21 2013-12-18 Dolby Laboratories Licensing Corporation Reference processing using advanced motion models for video coding
JP6004375B2 (ja) * 2011-06-03 2016-10-05 サン パテント トラスト 画像符号化方法および画像復号化方法
EP2727366B1 (en) * 2011-10-11 2018-10-03 MediaTek Inc. Method and apparatus of motion and disparity vector derivation for 3d video coding and hevc
WO2013107931A1 (en) * 2012-01-19 2013-07-25 Nokia Corporation An apparatus, a method and a computer program for video coding and decoding
KR20130108949A (ko) * 2012-03-26 2013-10-07 한국전자통신연구원 영상부호 및 복호화 단계에서의 이중 객체검출 및 이동경로 정보를 이용한 영상 압축 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1118091A (ja) * 1997-06-25 1999-01-22 Toshiba Corp 多視点画像の符号化／復号化装置およびその符号化／復号化方法
JPH11150726A (ja) * 1997-11-18 1999-06-02 Toyota Motor Corp 車両用動画像処理方法および車両用動画像処理装置
JP2005323021A (ja) * 2004-05-07 2005-11-17 Fuji Photo Film Co Ltd 車載撮像システム、および撮像方法
JP2011061302A (ja) * 2009-09-07 2011-03-24 Hitachi Kokusai Electric Inc 動画像符号化装置
JP2012151711A (ja) * 2011-01-20 2012-08-09 Renesas Electronics Corp 記録装置に搭載可能な半導体集積回路およびその動作方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3171597A4 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022002418A (ja) * 2016-11-30 2022-01-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America 受信方法及び端末
JP7472362B2 (ja) 2016-11-30 2024-04-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 受信方法、端末及びプログラム
WO2019056839A1 (en) * 2017-09-21 2019-03-28 Huawei Technologies Co., Ltd. RESTRICTION ON SUB-BLOCK SIZE DERIVATION FOR AFFINE INTER-IMAGE PREDICTION
US10609384B2 (en) 2017-09-21 2020-03-31 Futurewei Technologies, Inc. Restriction on sub-block size derivation for affine inter prediction

Also Published As

Publication number Publication date
JPWO2016009587A1 (ja) 2017-05-25
KR20170035832A (ko) 2017-03-31
EP3171597A4 (en) 2017-12-13
CN106464900A (zh) 2017-02-22
EP3171597A1 (en) 2017-05-24
US20170127081A1 (en) 2017-05-04

Similar Documents

Publication Publication Date Title
JP6340707B2 (ja) 画像符号化方法および画像符号化装置
JP6167409B2 (ja) 画像復号化方法および画像復号化装置
JP5869564B2 (ja) 画像符号化方法、画像符号化装置、画像復号方法、画像復号装置、および、画像符号化復号装置
JP6614472B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
JP6422011B2 (ja) 動画像符号化方法、動画像復号化方法、動画像符号化装置および動画像復号化装置
JP5850893B2 (ja) 動画像符号化復号装置
WO2016009587A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置、及びコンテンツ配信方法
WO2013018369A1 (ja) 動画像符号化方法、動画像符号化装置、動画像復号化方法、動画像復号化装置、および、動画像符号化復号化装置
WO2016013147A1 (ja) 符号化方法、復号方法、符号化装置および復号装置
JP6112418B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置および画像符号化復号装置
WO2012102045A1 (ja) 画像符号化方法および画像復号化方法
WO2013001749A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置および画像符号化復号装置
WO2012114712A1 (ja) 画像符号化方法および画像復号化方法
WO2013001813A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置
JP6399433B2 (ja) 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置
JP6187887B2 (ja) 符号化方法および符号化装置
WO2011135841A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置
WO2012096157A1 (ja) 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置
WO2012073481A1 (ja) 動画像符号化方法および動画像復号化方法
JP2024059908A (ja) 画像復号装置、画像符号化装置及びビットストリーム生成装置

Legal Events

Date Code Title Description
REEP Request for entry into the european phase

Ref document number: 2015821693

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015821693

Country of ref document: EP

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

Ref document number: 15821693

Country of ref document: EP

Kind code of ref document: A1

DPE2 Request for preliminary examination filed before expiration of 19th month from priority date (pct application filed from 20040101)
ENP Entry into the national phase

Ref document number: 20167029071

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2016534093

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE