JP4768728B2 - 値のブロックをエンコードする方法および装置 - Google Patents

Description

本発明はビットストリームを得るために値のブロックを含む信号をエンコードする方法であって、各ブロックを、前記値の最重要ビット（most significant bits）が最重要ビット平面（most significant bit plane）をなして前記値のより低位の各ビットがより低位の各ビット平面をなすようなビット平面のシーケンスとして表現し、前記ビット平面から情報を抽出することを含む方法に関する。本発明は、さらに対応するエンコード装置、対応するデコード装置および対応するビットストリームに関する。

そのような方法はたとえばWO01/17268A1に記載されている。この方法では、各ビット平面について、重要ビット（significant bits）、すなわちより重要なビット平面にセットされたビットを有していた値についてのビットが先に送られる。次いで新たに重要なビット、すなわち重要ビットのグループの外のセットされたビットのためにスキャンゾーンが調べられ、これらのビットがビットストリームに含められる。これは、画像データの圧縮に使われる際に、情報ブロックの信頼できる高効率のエンコードを提供する。この方法の欠点は、その実現が実に複雑なことである。

それほど複雑でない符号化方式を提供することが本発明の目的である。

この目的は、請求項１記載の信号をエンコードする方法、請求項９記載の対応するエンコード装置、請求項１７記載の対応するデコード装置および請求項１８記載の対応するビットストリームによって実現される。

より特定的には、本発明は、ビットストリームを得るために値のブロックを含む信号をエンコードする方法であって、ブロックを、前記値の最重要ビットが最重要ビット平面をなして前記値のより低位の各ビットがより低位の各ビット平面をなすようなビット平面のシーケンスとして表現し、前記ビット平面から情報を抽出することを含んでおり、一つのビット平面について所定のパラメータ定義に従って少なくとも一つのパラメータが決定され、該少なくとも一つのパラメータが当該ビット平面のビットのうちセットされたビットはすべて含むある区画を定義するようにされ、前記パラメータがビットストリームに伝送され、前記ビットの区画内のビットはすべてスキャンされて前記ビットストリームに伝送されることを特徴とする方法に関する。

これによりそれほど複雑でないエンコード方法が提供される。読む必要のあるビット数がビット平面中でセットされているビット数にのみ依存し、区画中の個々のビットが重要か否かには依存しないからである。これはより高速で、それほど複雑でないパラレル実装を許容する。

ある好ましい実施形態では、あるビット平面について、ある値が初めて区画内のビットに対応した場合、この値に対応する符号ビットが前記ビットストリームに伝送される。これにより、ビットストリーム中に符号ビットを含めるための効率的な方式が提供される。

ある好ましい実施形態では、ビット平面は行と列を有し、前記少なくとも一つのパラメータには、セットされたビットを含み当該ビット平面の所定の角から最も隔たった行の番号である第一のパラメータと、セットされたビットを含み前記角から最も隔たった列の番号である第二のパラメータとが含まれる。ある代替的な実施形態では、前記少なくとも一つのパラメータは、前記ビット平面中の複数のビットを含むビット順序シーケンス中で最も大きなビット順位番号である。これらの実施形態はいずれも効率的な区画定義を提供する。

好ましくは、前記区画は前記ビット平面中の連続的なゾーンを形成する。

本発明のある実施形態では、少なくとも一つの値に対応する諸ビットがシーケンス中で別個に送られる。これは、たとえばDCTブロック中で、最も重要であるDC値について使われうる。

好ましくは、あるブロックの諸ビット平面は、重要性（significance）が高いものから順に処理される。これは著しく改善された圧縮効率を提供する。

信号は好ましくは変換係数を含みうる。

本発明の第二の側面によれば、本発明は、上記の方法に対応し、対応する利点を提供するエンコード装置に関係する。一般に、前記エンコード装置は上記の方法のステップを実行するための手段を有する。

第三の側面によれば、本発明は、上記の方法に従って実現されたビットストリームをデコードし、対応する利点を提供する装置に関する。前記デコード装置はビットストリームから前記少なくとも一つのパラメータを受け取る手段と、前記ビットの区画内の全ビットを受け取る手段と、前記少なくとも一つのパラメータおよび前記受け取ったビットに基づいて値を再構築する手段とを有する。

第四の側面によれば、本発明は、上記の方法に従って実現されるビットストリームに関する。その際、ビットストリームは前記少なくとも一つのパラメータおよび前記ビットの区画内の全ビットを含む。

これらのことを含む本発明のさまざまな側面は、以下に記載される実施形態を参照することから明らかとなり、明快にされるであろう。

本発明についてこれから付属の図面を参照しながらより詳細に例として説明する。

本発明は、概略としてはスケーラブルなビットストリームを得るために値のブロックを含む信号を符号化する方法に関する。

そのような方法の典型的な応用はスチール画像またはビデオの圧縮符号化である。たいていのスチール画像符号化方式では、画像が複数のブロック、たとえば８×８ピクセルの長方形ブロックに分割される。そのようなブロックに対して離散コサイン変換（DCT）を実行することができる。

図１は、DCT実行の前および後の構造を示している。画像ブロック１は８×８ピクセルの行列であり、各ピクセルは強度値f(i,j)を有している。よく知られたDCTの適用によって、周波数領域のブロック２が得られる。これもたとえば−1023から1023までの係数F(u,v)の８×８の行列である。DCTの定義は通例、左上の係数F(0,0)が画像ブロック１のDC成分を含むようにされる。行番号が増加するにつれ、係数は、画像ブロック１の縦方向のより高い周波数を用いた関数に対応する。列番号が増加するにつれ、係数は、画像ブロック１の横方向のより高い周波数を用いた関数に対応する。

周波数領域のブロック２は、逆DCT（IDCT）を使ってできる画像ブロック１の再構築に必要なすべての情報を含んでいる。しかし、典型的な画像の画像エネルギーのほとんどはDC係数のまわりの領域に集中している。したがって、周波数領域ブロックからのビットストリームを生成するエンコード方式であって、最重要な情報が最初に送られ、重要度が減少する情報がそれに続くような方式が適用できる。

このビットストリームは、任意の位置において打ち切ってもよいという意味でスケーラブルである。ビットストリームを打ち切るのが後のほうであるほど、画像が再構築されるときの残留誤差が小さくなる。ビットストリームに伝送されたビットは、打ち切りの前または後に、メモリに保存されたり、および／または回線を通じて送られたりしてもよい。

本発明は、情報ブロックからビットストリームを生成する方法に関する。情報ブロックから情報を抽出するため、ビット層構造が採用される。図２は、ビット層構造３を示している。ビット層構造３は符号平面（sign plane）BP_SIGNおよび最上位〔最重要〕ビット平面（most significant bit plane）BP_MSBから最下位ビット平面（least significant bit plane）BP_LSBまで11のビット平面を含んでいる。図１の周波数領域ブロック２の係数F(u,v)が−2047から2047の範囲の値をとれるとすると、そのような各係数は、符号平面BP_SIGNでの対応する位置(u,v)のビットおよびBP_MSBからBP_LSBまでのビット平面のそれぞれにおける対応する位置(u,v)にあるビットによって表現されうる。たとえば、４行目の４列目の係数F(3,3)＝−36であれば、対応する符号およびビット平面値は次のようになる。

ある所与の層は、それより下位の層すべてを合わせたものよりも多くのエネルギーを含むことができることを注意しておくべきであろう。したがって、最重要情報を最初に抽出するためには、各情報ブロックは、最重要ビット平面BP_MSBから始めて１ビット平面ずつ処理されるべきである。この規則からの例外は、通常最も重要であるDC係数はその全体において最初に送られることができるというものである。この例外は原理的には他の値にも適用できる。

図３は、本発明のある実施形態に基づく方法のフローチャートを示している。その実施形態では、本方法は以下のステップを含む。各ビット平面について、該ビット平面内でセットされたビットすべてを囲い込む区画に対応するパラメータが定義される（７）。これについてはのちにさらに説明する。次いで、前記パラメータおよび前記区画内のすべての係数についてのビット値が送られる（８）。この区画内に何らかの「新たな」係数、すなわち先行するビット平面との関連で先に扱われていない係数／位置があるかどうかが調べられる（９）（各BP_MSBについては明らかにすべての係数が新たである）。もしあれば、新たな係数についての符号ビットが送られる（１０）。その後、本方法は次のビット平面に進み（１１）、全ビット平面が処理されるまで続けられる。符号ビットは別個に処理することもできることを理解しておくべきである。その場合、本方法はステップ８から直接ステップ１１に進む。

セットされたビットすべてを囲い込む区画を定義することは、好ましくは、長方形ゾーンを形成することによって、あるいは一次元区画を形成することによって実行できる。セットされたビットというのは、通常は１を意味する。もちろん、１および０の意味は原理的には通常使われる定義とは反対に、すなわち１が偽を意味し、０が真を意味するようにしてもよい。その場合、セットされたビットはもちろん０を意味することになる。

図４は、WO01/17268A1に記載されているようなビット平面内の長方形ゾーンを図示している。このゾーンはビット平面内のある区画を定義する。この場合、ゾーンは以下のパラメータによって定義される。セットされたビット（１）を一つでも含む最大の行（row）番号R_MAXと、セットされたビットを一つでも含む最大の列（column）番号C_MAXである。よって、この区画は長方形であり、(R_MAX＝3;C_MAX＝4)として定義される。このゾーンは20のビットを含み、そのうち6つがセットされている。

図５は、ビット平面内の一次元区画を示している。面内の位置は最も重要（0）（左上）から最も重要でない（63）（右下）まで特定の順序が与えられている。よって、一次元区画定義は、ビット平面にわたる、すべての位置を含む所定のジグザグ形状の経路に従う。この場合、この区画は、セットされたビットをもつ最も大きな順位番号である一つのパラメータによって定義される。図５に示すような順序では、図４に示されたビット平面は（セットされているビットは丸囲みになっている）、順序番号S_MAX＝18によって定義されるゾーンを有する。よって、このゾーンは19個の位置を有し（DC位置を含む）、そのうち6つがセットされている。図示した位置の順序は好ましいものではあるが、あくまでも例であることを注意しておくべきであろう。他の位置順序も実現可能である。この場合の区画は連続的なゾーンとして定義されてはいるが、不連続な区画を使うことも可能である。

従来技術の符号化方式では、あるブロック中で先行する（よりランクの高い）ビット平面が１を含んでいた位置は「重要な（significant）」位置と表される。重要な位置は総体として「マスク（mask）」を形成する。従来技術では、これらの位置が別個に扱われている。まずビット平面内の重要な位置それぞれについてビット値が送られ、次いで前記マスクの外側に１（いうところの「新たに重要な」位置）があるかどうかビット平面が探索される。これらの位置について符号ビットが送られ、それらの位置がマスク内に含められる。

対照的に、本発明のある実施形態によれば、ビット平面内で「重要な」ビットと「重要でない」ビットの区別がされない。その代わりに、１はすべて含む区画が定義され、連続的なゾーンでありうるこの区画内のすべての大きさビットが、重要か否かに関わりなくビットストリームに送られる。符号ビットデータは、初めて区画に含められたときにすぐ係数のために送られる。

この方式は、それほどの複雑さを伴わずに実装でき、より高速なパラレル実装も達成できる。これは、ビット平面内で読む必要のあるビット数が今や区画／ゾーンの大きさのみに依存し、ゾーン内の個々の係数の属性には依存しないからである。諸ビットは、ゾーンにわたって単一のパスでエンコード（またのちにデコード）されうる。

この方式は、場合によってはすべての平面において０である係数についてもデータが送られるので、いくらかの圧縮効率の低下を引き起こすことが期待される。ところが、驚くことに、多くの場合において、効率はむしろ上がることが示されている。これについてはのちに示す。

図６は、本発明のある実施形態に基づく方法のより詳細なフローチャートを示している。この方式は、最上位のビット平面に着目する（１４）ことで開始される。このビット平面において、DCビットがビットストリームに送られる（１５）。次いで、そのビット平面内に何らかのさらなる１、すなわちACデータがあるかどうかが調べられる（１６）。もしなければ、０のビットがビットストリームに送られ（１７）、本方式は重要性の高いものからの順で次のビット平面に着目する（１８）。

さらなるデータがある場合には、代わりに１のビットが送られ（１９）、そのビット平面内のすべての１がみつけられ、すべての１を含む区画の定義（パラメータ）が送られる（２３）。線形区画（S_MAX）を使う場合、区画の最後のビット（これがS_MAX）は常に１であり、再び送られる必要はない。

その後、当該区画内にあり、その符号ビットがまだ送られていないすべての位置についての符号ビットが送られる（２４）（最上位ビット平面では、ゾーン内のすべての位置についての符号ビットが送られる）。次いで、本方法は次のビット平面に向かう（１８）。このサイクルはブロック内のすべてのビット平面が処理されるまで繰り返される。

図７のａ〜ｃは、シーケンスをなす３つのビット平面および本発明のある実施形態に従って生成される対応する情報の例を図示している。長方形スキャンゾーンの形の区画が使用される。最上位ビット平面を示す図７のａでは、位置(行,列)(0,1)および(1,0)がセットされている。よってR_MAXおよびC_MAXはいずれも1である。ゾーン内の４つの位置すべての大きさが、対応する符号とともに送られる。DC値の符号は常に正であり、送る必要はない。最上位ビット平面に続くビット平面を示す図７のｂでは、位置(行,列)(0,0),(0,2),(1,0),
(1,1)がセットされている。R_MAXは1でC_MAXは2である。ゾーン内の６つの位置すべての大きさが送られる。ゾーン内にあって以前に送られていない(0,2)および(1,2)についての符号が今送られる。図７のｂのビット平面に続くビット平面を示す図７のｃでは、位置(行,列)(0,1),(1,0),(2,0),(2,1)がセットされている。R_MAXは2でC_MAXは1である。ゾーン内の６つの位置すべての大きさが送られる。ゾーン内にあって以前に送られていない(2,0)および(2,1)についての符号が今送られる。区画内に含まれる値についての符号が送られるので、当該ビットストリームをデコードするデコーダは、たとえこの値が、早期の段階で打ち切りがされているかもしれないエンコードされたビットストリーム中にセットされたビットを有さなかったとしても、この値の量を推定しうる。これは、そのような値はのちのビット平面において１をもつはずであると推定することによってなされる。これについてはのちにさらに説明する。このことは、圧縮効率を改善することが証明されている。

図８のａは、データのブロックからなる信号Ｓからスケーラブルなビットストリームを生成するための符号化装置２６を示している。当該装置は典型的にはエンコーダ内でDCTユニット２７に続いて含まれることができ、ブロック信号Ｓを生成する。信号Ｓは「生の」DCTブロックまたは何らかの仕方で、たとえばいわゆる知覚的重み付け（perceptual weighting）の適用によって後処理されたDCTブロックを含みうる。その場合、ブロック内の値は変更されうる。符号化装置２６には打ち切り装置２８が続き、種々の所望のビットレートを得るために種々の位置においてスケーラブルなビットストリームを打ち切る。

符号化装置２６は、はいってくるブロックを、ビット平面ごとの読み取りのために好適な仕方で一時的に保存する、ビット平面バッファ３０を有する。符号化装置２６はさらに区画メモリ３２に接続されたスキャナ３１を有する。スキャナ３１はビット平面バッファ３０に保存されたブロックをスキャンし、各ビット平面についてマルチプレクサ３３への以下の出力を生成する。マルチプレクサ３３ははいってくる情報を多重化して、次の所定のパターンに従ったスケーラブルなビットストリームにする：
ビット平面内のＤＣ成分についての大きさを有するＤＣ信号。

ビット平面内のＡＣ位置のいずれかがセットされている場合に１となるＡＣデータ信号。

ビット平面内のセットされているビットすべてを含む区画またはゾーンを、長方形ゾーンまたは一次元区画のいずれかとして定義するパラメータ信号。

区画内のすべての位置についてのビット平面内の大きさを含む大きさ信号。

区画内で符号ビットがまだ送られていないすべての位置についての符号を含む符号信号。これは探索表としての区画メモリ３２を参照することによってスキャナ３１によって調べられる。区画メモリ３２はこのブロックにおいて符号ビットがまだ送られていないすべての位置を含んでいる。

図８のｂは、本質的には図８のａのエンコード装置２６の鏡像であるデコード装置３５を示している。デマルチプレクサ３６はビットストリームを受け取り、それを図８のａのものに対応するいくつかの信号に分割する。復元ユニット３７がこれらの信号を受け取り、ビット平面バッファ３８に情報を書き出す。その際、ブロック中のどの値について符号ビットが受け取り済みであるかに関する情報を含む区画メモリ３９を使う。受け取ったビットストリームが打ち切りがされていたら、対応するブロックのビット平面は、ビットストリームが終了したときに１と０で埋まらない。そこで、復元ユニット３７が空の位置についての大きさを推定する。

符号ビットを受け取り済みの値（すなわち、区画内に含まれていたことのある値に関するビット）については、残りのビットは好ましくは、それぞれの不確定区間の一番下から約１／４としてその値が推定されるような大きさを有するものと推定される。たとえば、値＋1010xxx（xは欠けているビットを表す）は＋1010010であると推定される。符号ビットを受け取っていない値については（すなわち、どの区画にも含まれていなかった値に関するビット）、残りのビットは０であると推定される。このようにして情報ブロックは完成され、逆変換ユニット４０に送られることができる。逆変換ユニット４０において画像情報が復元されうる。

前記エンコーダおよびデコーダ装置の機能ブロックはもちろん、ソフトウェアおよび／または特定用途向けIC（ASIC: application specific integrated circuit）のようなハードウェアを使ったいくつかの方法で実現しうる。

図９は、Wo01/17268A1に記載されている方法に対応する従来技術の符号化方法（破線）と本発明のある実施形態に基づく方法（実線）との間の比較を示す図である。よく知られた「レナ（Lena）」の画像のエンコードおよび圧縮が前記２つの方法を使って行われた。復元された画像と原画像との間の誤差が測定された。本発明のある実施形態に基づく方法は多くの場合において各平面についてのより多くのビットを生成するのでより複雑な従来技術の方法に比較してより低い圧縮効率が期待されうる。図９から見て取れるように、このことは高ビットレートについては正しい（低圧縮）。ところが、全く驚いたことに、低ビットレートについては、両方法は同じくらいの効率であり、場合によっては本発明の方法のほうが従来技術の方法より効率的だったほどである。これは上述した、セットされたビットなしで値を推定する可能性のためである。「レナ」の画像についての誤差は40dBのPSNRで不可視になる。したがって、本発明に基づく方法はほとんどの用途のために従来技術の方法よりも好ましい。

まとめると、本発明は値のブロック、たとえば画像圧縮方式に従って生成されたDCTブロックをエンコードする方法に関する。前記値はビット平面の集合として表され、各ビット平面は前記値について、特定の重要性（significance）をもつすべてのビットを含む。各ビット平面において、セットされたビットすべてを囲い込むビット平面内のビットの区画を定義する少なくとも一つのパラメータが所定の定義に従って決定される。区画内のすべてのビットはビットストリームに転送される。ビットストリームは打ち切りされてもよい。これにより、あまり複雑でない方法が提供される。本発明はさらに、対応するエンコード装置、対応するデコード装置および対応するビットストリームに関する。

本発明は記載されている実施形態に制限されるものではない。付属の請求項の範囲内でさまざまな方法で変更されることができる。

請求項において参照符号があったとしてもそれを請求項を限定するものと解釈すべきではない。「有する」という動詞およびその活用形の使用は請求項において述べられている以外の要素やステップの存在を排除するものではない。要素またはステップの単数形の使用はそのような要素やステップの複数の存在を排除するものではない。

離散コサイン変換（DCT: Discrete Cosine Transform）実行の前および後のデータ構造を概略的に示す図である。 ビット層構造を示す図である。 本発明のある実施形態に基づく方法のフローチャートである。 ビット平面中の長方形ゾーンを示す図である。 ビット平面中の一次元区画を示す図である。 本発明のある実施形態に基づく方法のより詳細なフローチャートである。 ａ、ｂ、ｃは、シーケンスをなす３つのビット平面および対応する生成された情報の例を示す図である。 ａはデータのブロックを有する信号Ｓからスケーラブルなビットストリームを生成するための装置を示す図であり、ｂは対応するデコード装置を示す図である。 従来技術の符号化方法と本発明のある実施形態に基づく方法との間の比較を示す図である。

Claims (10)

1. ビットストリームを得るために値のブロックを含む信号をエンコードする方法であって：
   ブロックを、前記値の最重要ビットが一つの最重要ビット平面をなして前記値のより低位の各ビットがより低位の各ビット平面をなすようなビット平面のシーケンスとして表現し、
   前記ビット平面から情報を抽出する、
   ステップを含んでおり、
   当該方法がさらに、前記シーケンスの各ビット平面について：
   当該ビット平面のビットのうちセットされたビットをすべて含む区画を定義する少なくとも一つのパラメータを決定し、
   前記少なくとも一つのパラメータを前記ビットストリームに伝送し、
   前記区画内のビットだけをスキャンして前記ビットストリームに伝送する、
   ステップを含むことを特徴とする方法。
2. 一つのビット平面について、ある値が初めて区画内のビットに対応する場合には、この値に対応する符号ビットが前記ビットストリームに伝送されることを特徴とする、請求項１記載の方法。
3. ビット平面が行と列を有し、前記少なくとも一つのパラメータには、セットされたビットを含み当該ビット平面の所定の角から最も隔たった行の番号である第一のパラメータと、セットされたビットを含み前記角から最も隔たった列の番号である第二のパラメータとが含まれることを特徴とする、請求項１記載の方法。
4. 前記少なくとも一つのパラメータは、前記ビット平面中の複数のビットを含むビット順序シーケンス中で最も大きなビット順位番号であるパラメータを含むことを特徴とする、請求項１記載の方法。
5. 前記区画が当該ビット平面内の連続的なゾーンをなすことを特徴とする、請求項１記載の方法。
6. 少なくとも一つの値に対応するビットがシーケンス中で別個に送られることを特徴とする、請求項１記載の方法。
7. あるブロックの諸ビット平面は、ビット平面の重要性が高いものから順に処理されることを特徴とする、請求項１記載の方法。
8. 前記信号が変換係数を含むことを特徴とする、請求項１記載の方法。
9. ビットストリームを得るために値のブロックを含む信号をエンコードする装置であって、ブロックを、前記値の最重要ビットが一つの最重要ビット平面をなして前記値のより低位の各ビットがより低位の各ビット平面をなすようなビット平面のシーケンスとして表現する手段と、前記ビット平面から情報を抽出する手段とを有しており、当該装置が、
   前記シーケンスの各ビット平面について、当該ビット平面のビットのうちセットされたビットをすべて含む区画を定義する少なくとも一つのパラメータを決定する手段と、
   前記少なくとも一つのパラメータを前記ビットストリームに伝送する手段と、
   前記区画内のビットだけをスキャンして前記ビットストリームに伝送する手段とを有することを特徴とする装置。
10. 値のブロックに対応するビットストリームをデコードする装置であって、各ブロックは、前記値の最重要ビットが一つの最重要ビット平面をなして前記値のより低位の各ビットがより低位の各ビット平面をなすようなビット平面のシーケンスとして表現されており、前記ビットストリームは前記ビット平面から抽出された情報を含んでおり、当該装置が、ビット平面のビットのうちセットされたビットをすべて含む区画を定義する決定された少なくとも一つのパラメータを前記ビットストリームから受け取る手段であって、前記パラメータは前記シーケンスの各ビット平面について決定される、手段と、前記ビットの区画内の全ビットを受け取る手段と、前記少なくとも一つのパラメータおよび前記受け取ったビットに基づいて前記値のブロックを再構築する手段とを有することを特徴とする、
    装置。

Images