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

画像符号化方法及び画像符号化装置 Download PDF

Info

Publication number
WO2015177966A1
WO2015177966A1 PCT/JP2015/002112 JP2015002112W WO2015177966A1 WO 2015177966 A1 WO2015177966 A1 WO 2015177966A1 JP 2015002112 W JP2015002112 W JP 2015002112W WO 2015177966 A1 WO2015177966 A1 WO 2015177966A1
Authority
WO
WIPO (PCT)
Prior art keywords
bit rate
image
images
unit
data
Prior art date
Application number
PCT/JP2015/002112
Other languages
English (en)
French (fr)
Inventor
敏康 杉尾
西　孝啓
徹 松延
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 CN201580000409.6A priority Critical patent/CN105308972B/zh
Priority to JP2015556310A priority patent/JP6483028B2/ja
Priority to US14/941,580 priority patent/US10728561B2/en
Publication of WO2015177966A1 publication Critical patent/WO2015177966A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/187—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a scalable video layer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • 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
    • H04N19/146—Data rate or code amount at the encoder output
    • 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
    • H04N19/184—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 bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H04N19/31—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the temporal domain
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the present invention relates to an image encoding method and an image encoding apparatus.
  • HRD hypothetical reference decoder
  • a virtual stream scheduler (Hypothetical Stream Scheduler: HSS) manages input of a bit stream to an HRD encoded picture buffer (Coded Picture Buffer: CPB).
  • HSS Human Stream Scheduler
  • CPB Coded Picture Buffer
  • bit rate for inputting a bit stream to the CPB of the HRD is variable.
  • the input of the bit stream can be temporarily stopped, so that no overflow occurs. Therefore, when encoding at a variable bit rate, only underflow needs to be checked.
  • JCT-VC Join Collaborative Team on Video Coding
  • ISO / IEC JTC1 / SC29 / WG11 12th Meeting: Geneva, CH, 14-23. 2013, “High Efficiency Video Coding (HEVC) text specification draft 10 (for FDIS & Last Call)”, http: // phenix. int-evry. fr / jct / doc_end_user / documents / 12_Geneva / wg11 / JCTVC-L1003-v34. zip Ei Okubo et al., “H.265 / HEVC Textbook”, Impress Japan, 2013
  • an object of the present invention is to provide an image encoding method or an image encoding apparatus that can reduce the processing amount for generating a bit stream that satisfies conformance.
  • An image encoding method is an image encoding method for generating a bit stream having temporal scalability by encoding a plurality of images, and includes a first bit rate from a fixed bit rate and a variable bit rate.
  • a second bit rate type of the bit stream including the encoded data of the image is set to a fixed bit rate, and (2) is a part of the bit stream and is a part of the plurality of images other than the uppermost time layer.
  • Third bit rate data of sub bitstream including encoded data of image belonging to temporal layer A setting step that sets a variable bit rate; an encoding step that encodes each of the plurality of images while prohibiting reference to an image having a higher temporal layer than the image to be processed; and the plurality of images Generating the bitstream including temporal scalability information indicating the temporal layer, bit rate control information indicating the second bit rate type and the third bit rate type, and the plurality of encoded images; including.
  • the present invention can provide an image encoding method or an image encoding apparatus that can reduce the amount of processing for generating a bitstream that satisfies conformance.
  • FIG. 1 is a diagram illustrating an example of a bitstream having temporal scalability according to the first embodiment.
  • FIG. 2 is a block diagram showing the structure of the image coding apparatus according to Embodiment 1.
  • FIG. 3 is a flowchart of the encoding process according to the first embodiment.
  • FIG. 4 is a diagram illustrating an example of the data structure of the bitstream according to the first embodiment.
  • FIG. 5 is a diagram for explaining the bit rate type determination process according to the first embodiment.
  • FIG. 6 is a flowchart of a calculation process for calculating bit rate control information and time scalability information according to the first embodiment.
  • FIG. 7 is a diagram showing an HRD CPB when encoding is performed at a constant bit rate so as to satisfy the conformance according to the first embodiment.
  • FIG. 8 is a diagram showing an HRD CPB when the time resolution is set to 1 ⁇ 4 with the constant bit rate according to the first embodiment.
  • FIG. 9 is a diagram showing an HRD CPB when the time resolution is set to 1 ⁇ 4 with the variable bit rate according to the first embodiment.
  • FIG. 10 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 11 is an overall configuration diagram of a digital broadcasting system.
  • FIG. 12 is a block diagram illustrating a configuration example of a television.
  • FIG. 13 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. 14 is a diagram illustrating a structure example of a recording medium that is an optical disk.
  • FIG. 15A is a diagram illustrating an example of a mobile phone.
  • FIG. 15B is a block diagram illustrating a configuration example of a mobile phone.
  • FIG. 16 is a diagram showing a structure of multiplexed data.
  • FIG. 17 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
  • FIG. 18 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
  • FIG. 19 is a diagram illustrating the structure of TS packets and source packets in multiplexed data.
  • FIG. 20 is a diagram illustrating a data structure of the PMT.
  • FIG. 21 is a diagram showing an internal configuration of multiplexed data information.
  • FIG. 22 shows the internal structure of stream attribute information.
  • FIG. 23 is a diagram illustrating steps for identifying video data.
  • FIG. 24 is a block diagram illustrating a configuration example of an integrated circuit that realizes the moving picture encoding method and the moving picture decoding method according to each embodiment.
  • FIG. 25 is a diagram illustrating a configuration for switching the driving frequency.
  • FIG. 26 is a diagram illustrating steps for identifying video data and switching between driving frequencies.
  • FIG. 27 is a diagram illustrating an example of a lookup table in which video data standards are associated with drive frequencies.
  • FIG. 28A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
  • FIG. 28B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
  • Image coding standard H.264 An image encoding method such as H.265 / HEVC (see Non-Patent Document 1) has a function of temporal scalability. A time identifier of TemporalId is inserted into a bitstream having time scalability (see P.211 to P.212 of Non-Patent Document 2). As a result, the image decoding apparatus can output a decoded image at a plurality of time resolutions.
  • the image encoding device when a bit stream obtained by encoding a moving image of 60 fps (frames per second) lacks the transmission rate, the image encoding device (transmitting device) drops the frame rate from the bit stream to 30 fps or 15 fps. By cutting out the sub bit stream and transmitting the obtained sub bit stream, it is possible to prevent frame dropping and image quality deterioration in the image decoding apparatus (receiving apparatus).
  • FIG. 1 is a diagram illustrating an example of a 60 fps bit stream to which TemporalId is assigned.
  • the vertical axis indicates TemporalId, and the horizontal axis indicates the output order of pictures (POC: Picture Order Count).
  • POC Picture Order Count
  • the bit stream in this example is encoded in three layers having different TemporalIds. This hierarchy is called a sublayer or a time layer.
  • This hierarchy is called a sublayer or a time layer.
  • the frame rate can be converted without re-encoding, the load on the image encoding device (transmission device) can be reduced.
  • the image encoding device may perform encoding so that the bit stream satisfies conformance.
  • a sub bit stream is generated by the above-described clipping, and the sub bit stream is transmitted to the image decoding apparatus. Therefore, in such a bitstream, not only the original bitstream including the encoding information of all sublayers but also each subbitstream generated from the bitstream needs to satisfy the conformance. Thus, it is difficult to encode a single bitstream so that all of the original bitstream and multiple sub-bitstreams meet conformance, and to generate such a bitstream.
  • the processing in the image coding apparatus becomes complicated and the processing amount greatly increases.
  • an image encoding method is an image encoding method for generating a bit stream having temporal scalability by encoding a plurality of images, and is based on a fixed bit rate and a variable bit rate.
  • a selection step for selecting one bit rate type a determination step for determining a temporal layer for each of the plurality of images, and a fixed bit rate as the first bit rate type are selected, (1) belonging to all temporal layers
  • a second bit rate type of the bit stream including the encoded data of the plurality of images is set to a fixed bit rate; 3rd bit of sub-bitstream including encoded data of image belonging to time layer other than
  • a setting step for setting a data type to a variable bit rate, an encoding step for encoding each of the plurality of images while prohibiting reference to an image having a higher time layer than an image to be processed, and the plurality of images Generating the bitstream including temporal scalability information indicating the temporal layer, bit rate control information indicating the second bit rate type and the third bit rate type, and the plurality of encoded images; including.
  • the bit rate type of the bit stream including all temporal layer images is set to the fixed bit rate
  • the bit rate type of the sub bit stream is set to the variable bit rate.
  • the image decoding apparatus can process the bitstream without failure at the second bit rate type using a virtual reference decoder that virtually models buffer management of the image decoding apparatus.
  • the plurality of images may be encoded.
  • the time scalability information may include a time identifier indicating the time layer to which each of the plurality of images belongs, or a number of patterns that can be taken by a time resolution specifying one or more time layers to be decoded.
  • An image encoding apparatus is an image encoding apparatus that generates a bit stream having temporal scalability by encoding a plurality of images.
  • the image encoding apparatus includes a fixed bit rate and a variable bit rate.
  • a selection unit that selects one bit rate type a determination unit that determines a time layer of each of the plurality of images, and a fixed bit rate is selected as the first bit rate type, (1) belongs to all time layers
  • a second bit rate type of the bit stream including the encoded data of the plurality of images is set to a fixed bit rate, and (2) a part of the bit stream, and the uppermost temporal layer of the plurality of images
  • a third bit rate type of a sub-bitstream including encoded data of an image belonging to a temporal layer other than A setting unit that sets a variable bit rate; an encoding unit that encodes each of the plurality of images while prohibiting reference to an image having a higher temporal layer than the image to be processed; and the plurality of images
  • a generation unit configured to generate the bitstream including temporal scalability information indicating a temporal layer; bit rate control information indicating the second bit rate type and the third bit rate type; and the plurality of encoded images.
  • the image coding apparatus sets the bit rate type of the sub bit stream to a variable bit rate regardless of the bit rate type of the original bit stream including the coding information of all the sub layers. Thereby, the image coding apparatus can perform bit rate control without considering the overflow of the sub bitstream. Therefore, the processing amount of the image encoding device can be reduced.
  • FIG. 2 is a block diagram showing the structure of image coding apparatus 200 according to the present embodiment.
  • the image encoding apparatus 200 generates a bit stream 261 that is an encoded bit stream by encoding the input image 251 that is an input moving image or image bit stream for each block.
  • the image coding apparatus 200 includes a bit rate control unit 201, a temporal scalability information adding unit 202, a subtractor 203, a conversion unit 204, a quantization unit 205, and an inverse quantization unit. 206, an inverse transform unit 207, an adder 208, a block memory 209, a frame memory 210, an intra prediction unit 211, an inter prediction unit 212, and an entropy coding unit 213.
  • the bit rate control unit 201 controls the quantization unit 205 using HRD in order to generate a bit stream 261 satisfying conformance. Also, the bit rate control information 263 is output to the entropy encoding unit 213.
  • the bit rate control information 263 is information indicating the bit rate type of each bit stream having a selectable time resolution (60 fps, 30 fps, and 15 fps in the example shown in FIG. 1).
  • the bit rate type is a fixed bit rate or a variable bit rate.
  • the bit rate control information 263 is flag information cbr_flag [TemporalId].
  • Cbr_flag [TemporalId] includes the same number of flags as the number of selectable time resolutions.
  • TemporalId in cbr_flag [TemporalId] indicates the largest value of TemporalId of the picture to be reproduced. For example, in the example shown in FIG. 1, when all the pictures of 60 fps are reproduced, the largest TemporalId of the reproduced pictures is “2”, and is stored in cbr_flag [2]. Bit rate type is used. Also, when playing back at 15 fps, the largest TemporalId of the played picture's TemporalId is “0”, so the bit rate type stored in cbr_flag [0] is used.
  • cbr_flag [TemporalId] 1 indicates a fixed bit rate
  • cbr_flag [TemporalId] 0 indicates a variable bit rate
  • bit stream 261 the bit stream having the maximum temporal resolution (bit stream 261) is referred to as the uppermost bit stream, and the bit stream having a low temporal resolution generated from the bit stream 261 is referred to as the lower bit stream or sub bit stream.
  • bit rate type of the uppermost bit stream is called the uppermost bit rate type
  • bit rate type of the lower bit stream is called the lower bit rate type.
  • the temporal scalability information adding unit 202 outputs the temporal scalability information 264 to the entropy encoding unit 213. More specifically, the temporal scalability information 264 indicates the TemporalId of each image.
  • the input image 251 is input to the subtractor 203 in units such as a plurality of pictures, one picture, or one slice.
  • the subtractor 203 calculates a residual signal 252 that is a difference between the input image 251 and the predicted image 260 and outputs the residual signal 252 to the conversion unit 204.
  • the conversion unit 204 converts the residual signal 252 into the frequency coefficient 253 and outputs the obtained frequency coefficient 253 to the quantization unit 205.
  • the quantization unit 205 quantizes the input frequency coefficient 253 and outputs the obtained quantization coefficient 254 to the inverse quantization unit 206 and the entropy coding unit 213.
  • the processing of the transform unit 204 and the quantization unit 205 may be executed in units of transform units (TU: Transform Unit) in each processing unit, or one or more matrices having coefficients corresponding to the TU size. There are also cases where batch execution is performed using multiplication.
  • TU Transform Unit
  • the inverse quantization unit 206 inversely quantizes the quantization coefficient 254 output from the quantization unit 205, and outputs the obtained frequency coefficient 255 to the inverse conversion unit 207.
  • the inverse conversion unit 207 converts the frequency coefficient 255 into a residual signal 256 by performing inverse frequency conversion on the frequency coefficient 255, and outputs the obtained residual signal 256 to the adder 208.
  • the adder adds the residual signal 256 output from the inverse transform unit 207 to the prediction image 260 output from the intra prediction unit 211 or the inter prediction unit 212, and the obtained reconstructed image 257 is further predicted. Therefore, the data is output to the block memory 209 or the frame memory 210.
  • the processes of the inverse quantization unit 206 and the inverse transform unit 207 may be executed sequentially in units of TUs, or may be collectively performed using multiplication of one or more matrices having coefficients corresponding to the TU size. In some cases.
  • the terms inverse quantization and inverse transformation are used. However, inverse quantization and inverse transformation differ from quantization and transformation only in the value of the coefficient, and matrix multiplication is performed. Since this process is used, it may be called quantization and transformation.
  • the intra prediction unit 211 searches the reconstructed image 257 stored in the block memory 209 for each prediction unit (PU: Prediction Unit), copies a part of the image obtained by the search, or performs weighting multiplication. , The predicted image 258 predicted to be similar to the input image 251 is created.
  • PU Prediction Unit
  • the inter prediction unit 212 searches the reconstructed image 257 stored in the frame memory 210 for each PU, and detects one or more images that are most similar or likely to be similar to the input image 251 for prediction. An image 259 is generated. One of the predicted image 258 and the predicted image 259 is selected as the predicted image 260.
  • the entropy encoding unit 213 includes the bit rate control information 263 from the bit rate control unit 201, the temporal scalability information 264 from the temporal scalability information adding unit 202, the quantization coefficient 254 from the quantization unit 205, and an intra prediction unit.
  • the bit stream 261 is output by encoding the prediction information from 211 and the prediction information from the inter prediction unit 212.
  • FIG. 3 is a flowchart of the image encoding process according to the present embodiment.
  • step S301 the image encoding device 200 generates the bit rate control information 263 and the temporal scalability information 264.
  • the image encoding device 200 entropy-encodes the generated bit rate control information 263 and temporal scalability information 264, and inserts the encoded bit rate control information 263 and temporal scalability information 264 into the header of the bit stream 261.
  • step S302 the image coding apparatus 200 creates a predicted image 260 by performing intra prediction or inter prediction.
  • step S303 the image coding apparatus 200 calculates a residual signal 252 that is a difference between the predicted image 260 and the input image 251.
  • step S304 the image encoding device 200 calculates the frequency coefficient 253 by frequency-converting the residual signal 252.
  • step S305 the image coding apparatus 200 calculates a quantization width by bit rate control, and calculates the quantization coefficient 254 by quantizing the frequency coefficient 253 using the obtained quantization width. Specifically, the image coding apparatus 200 calculates the quantization width by performing bit rate control using HRD with the highest bit rate type.
  • step S306 the image encoding device 200 entropy-encodes the prediction information and the quantization coefficient 254, and inserts the encoded prediction information and the quantization coefficient 254 into the bit stream 261.
  • step S301 will be described in detail below with reference to FIGS.
  • FIG. 4 is a diagram illustrating an example of a data structure of the bit stream 261 generated by the image encoding device 200.
  • the bit stream 261 includes header parts such as VPS (Video Parameter Set), APS (Adaptation Parameter Set), SPS (Sequence Parameter Set), and PPS (Picture Parameter Set), and picture data that is encoded image data.
  • VPS Video Parameter Set
  • APS Adaptation Parameter Set
  • SPS Sequence Parameter Set
  • PPS Picture Parameter Set
  • picture data includes a slice header (SH) and slice data.
  • the slice data includes encoded image data included in the slice.
  • the slice data includes a block header (BH) and block data.
  • the block data includes encoded image data included in the block.
  • the bit rate control information 263 and the temporal scalability information 264 are encoded by the entropy encoding unit 213 and inserted into one of VPS, APS, SPS, PPS, and SH.
  • FIG. 5 is a diagram for explaining a calculation process of the bit rate control information 263 by the bit rate control unit 201.
  • the bit rate control unit 201 determines the bit rate type of each layer according to the bit rate type specified by the external parameter 262.
  • bit rate control unit 201 sets the uppermost bit rate type to be the same as the bit rate type specified by the external parameter 262.
  • the bit rate control unit 201 always sets all bit rate types other than the top layer to variable bit rates without depending on the bit rate type specified by the external parameter 262.
  • FIG. 6 is a flowchart of a calculation process of the bit rate control information 263.
  • step S401 the bit rate control unit 201 acquires the bit rate type at the time resolution for encoding all the pictures indicated by the external parameter 262.
  • the time scalability information adding unit 202 acquires the time scalability information indicated by the external parameter 262.
  • the temporal scalability information indicates the number of sublayers, that is, the number of TemporalIds, or the TemporalId set for each picture. It should be noted that these TemporalId information may be TemporalId information set for each picture in GOP units, or TemporalID information for each slice type.
  • the time scalability information adding unit 202 generates time scalability information 264 based on the time scalability information indicated by the external parameter 262, and outputs the generated time scalability information 264 to the bit rate control unit 201.
  • the temporal scalability information 264 indicates, for example, the number of sublayers, that is, the number of TemporalIds.
  • step S403 the bit rate control unit 201 determines whether the bit rate type acquired in step S401 is a fixed bit rate.
  • bit rate control unit 201 sets the bit rate type of all layers other than the top layer to a variable bit rate. Specifically, the bit rate control unit 201 sets “0” (variable bit rate) to cbr_flag [TemporalId] of TemporalId ⁇ 1.
  • step S407 the bit rate control unit 201 outputs cbr_flag [TemporalId], which is bit rate control information 263 indicating the bit rate type of each layer, to the entropy encoding unit 213.
  • bit rate type and temporal scalability information are input from the outside as the external parameters 262, but are fixedly held in advance in the image coding apparatus 200 as at least one of the bit rate type and the temporal scalability information.
  • a value may be used.
  • bitstream 261 satisfying the conformance can be created in all temporal resolutions according to the present embodiment.
  • FIG. 7 is a diagram illustrating an example of the CPB occupation amount of the HRD with respect to the bit stream when a 60 fps moving image is encoded while satisfying the conformance at a fixed bit rate.
  • the vertical axis in FIG. 7 indicates the CPB occupation amount, and the horizontal axis indicates time. Further, the CPB capacity of the HRD is indicated by a horizontal line. As shown in FIG. 7, in the encoding at 60 fps, the encoding is performed without causing an overflow.
  • FIG. 8 shows the CPB occupation amount of the HRD at that time.
  • cbr_flag [TemporalId] 0 (TemporalId ⁇ 1) is set for the lower-level bit stream other than 60 fps. That is, a bit rate type other than 60 fps is set to a variable bit rate.
  • the CPB capacity is not available at the variable bit rate, the input of the bit stream can be paused. Thereby, overflow can be avoided.
  • FIG. 9 is a diagram illustrating the CPB occupation amount of the HRD when the 15 fps bit rate type is a variable bit rate. As shown in FIG. 9, the occurrence of overflow can be prevented by setting the bit rate type to a variable bit rate.
  • the same target bit rate may be set for bit streams of different temporal resolutions (60 fps, 30 fps, and 15 fps described above).
  • the input amount to the CPB per time in a plurality of bit streams having different time resolutions is constant.
  • the buffer amount extracted from the CPB decreases. Therefore, if encoding is performed so that underflow does not occur at the highest temporal resolution, underflow does not occur at all temporal resolutions.
  • the information indicating the extraction time from the CPB is encoded in Supplemental Enhancement Information (SEI) set in the sequence, for example.
  • SEI Supplemental Enhancement Information
  • the bit rate by controlling the bit rate so that underflow and overflow do not occur only at the highest temporal resolution for encoding all pictures, conformance can be achieved at all temporal resolutions set in TemporalId.
  • the bit stream that fills can be encoded.
  • the image encoding device 200 generates a bit stream 261 having temporal scalability by encoding a plurality of images.
  • the image coding apparatus 200 selects a first bit rate type from a fixed bit rate and a variable bit rate (S401), and determines a time layer for each of a plurality of images (S402). For example, the image coding apparatus 200 selects a bit rate type indicated by the external parameter 262 or a predetermined bit rate type. Further, the image coding apparatus 200 determines a time layer for each of the plurality of images based on the time scalability information indicated by the external parameter 262.
  • the image encoding apparatus 200 (1) the first bit stream 261 including encoded data of a plurality of images belonging to all temporal layers.
  • the 2-bit rate type is set to a fixed bit rate (S404), and (2) encoded data of an image belonging to a time layer other than the uppermost time layer among the plurality of images is a part of the bit stream 261.
  • the third bit rate type of the included sub bitstream is set to a variable bit rate (S406).
  • the image encoding apparatus 200 encodes each of the plurality of images while prohibiting reference to an image having a higher time layer than the processing target image (S302 to S305).
  • the image coding apparatus 200 can process the bitstream 261 without failure using the second bit rate type by using a virtual reference decoder (HRD) that virtually models the buffer management of the image decoding apparatus. In this way, a plurality of images are encoded. Specifically, the image coding apparatus 200 controls the quantization width so that underflow and overflow do not occur in the image decoding apparatus by bit rate control using HRD.
  • HRD virtual reference decoder
  • the image coding apparatus 200 determines a quantization width by performing bit rate control with the second bit rate type in coding of a plurality of images belonging to all time layers, and is a sub-bit with low time resolution. For each of the streams, the bit rate control in the third bit rate type is not performed.
  • the image encoding device 200 includes temporal scalability information 264 indicating temporal layers of a plurality of images, bit rate control information 263 indicating the second bit rate type and the third bit rate type, a plurality of encoded images, Is generated (S301 and S306).
  • the time scalability information 264 includes a time identifier (TemporalId) indicating a time layer to which each of a plurality of images belongs, or the number of patterns that can be taken by a time resolution specifying one or more time layers to be decoded.
  • TemporalId time identifier
  • the image coding apparatus 200 sets the bit rate type of the sub bit stream to the variable bit rate regardless of the bit rate type of the uppermost bit stream including the coding information of all the sub layers. To do. Thereby, the image coding apparatus 200 can perform bit rate control without considering the overflow of the sub bitstream. Therefore, the processing amount of the image coding apparatus 200 can be reduced.
  • the target bit rate of the uppermost bit stream and the sub bit stream may be set to be the same. This eliminates the need to consider the underflow of the sub bitstream.
  • the image encoding apparatus 200 does not need to consider the overflow and underflow of the sub-bitstream, and therefore only needs to perform bit rate control for the uppermost bitstream. Therefore, the image coding apparatus 200 can generate a bit stream having temporal scalability that satisfies the conformance by the same processing as that of a normal bit stream (without temporal scalability).
  • the present invention may be realized as an image decoding method or an image decoding device that decodes a bitstream generated by the image encoding method or the image encoding device according to the above embodiment.
  • each processing unit included in the image coding apparatus 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 apparatus includes a processing circuit and a storage device (storage) electrically connected to the processing circuit (accessible from the processing 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 coding method according to 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.
  • the order in which the steps included in the above-described image encoding method are executed is for illustration in order to specifically describe the present invention, 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 method and the image encoding apparatus have been described based on the embodiments.
  • the present invention is not limited to these embodiments. 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. 10 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 according to 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. 12 is a diagram showing a television (receiver) ex300 that uses the moving picture decoding method and the moving picture encoding method described in 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. 13 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. 14 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 be, for example, a configuration in which a GPS receiver is added in the configuration illustrated in FIG.
  • FIG. 15A is a diagram showing the mobile phone ex114 using the video decoding method and the video 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.
  • 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. 16 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. 17 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. 18 shows in more detail how the video stream is stored in the PES packet sequence.
  • the first row in FIG. 18 shows a video frame sequence of the video stream.
  • the second level shows a PES packet sequence.
  • a plurality of Video Presentation Units in a video stream are divided into pictures, 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. 19 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. 19, 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. 20 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 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 as shown in FIG.
  • 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 for 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. 23 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. 24 shows a configuration of an 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 when performing the encoding process, performs the microphone ex117 and the camera ex113 by the AV I / O ex509 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the drive 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. 25 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 the CPU ex502 and the drive frequency control unit ex512 in FIG.
  • the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments and the decoding processing unit ex802 that conforms to the conventional standard correspond to the signal processing unit ex507 in FIG.
  • the CPU ex502 identifies which standard the video data conforms to.
  • the drive frequency control unit ex512 sets the drive frequency.
  • the signal processing unit ex507 decodes the video data.
  • the identification of the video data for example, it is conceivable to use the identification information described in the third embodiment.
  • the identification information is not limited to that described in Embodiment 3, 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 look-up 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. 26 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. 28A.
  • 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.
  • dedicated decoding processing unit ex901 is used for hierarchical encoding, and other entropy decoding, inverse quantization, and deblocking are used.
  • -It is conceivable to share the decoding processing unit for any of the filtering, motion compensation, or all processing.
  • 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. 28B 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 can be used for an image encoding device or an image encoding method.

Landscapes

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

Abstract

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

Description

画像符号化方法及び画像符号化装置
　本発明は、画像符号化方法及び画像符号化装置に関する。
　Ｈ．２６ｘと称されるＩＴＵ－Ｔ規格及びＭＰＥＧ－ｘと称されるＩＳＯ／ＩＥＣ規格に代表される従来の画像符号化方式においては、エンコーダとデコーダとを同期して動作させるために、エンコーダとデコーダとの互換性を確保する枠組みとして、コンフォーマンス（規格適合性）の規定が定義されている（非特許文献２のＰ．２１４からＰ．２２６参照）。
　また、デコーダのバッファ管理を仮想的にモデル化した仮想参照デコーダ（Ｈｙｐｏｔｈｅｔｉｃａｌ　Ｒｅｆｅｒｅｎｃｅ　Ｄｅｃｏｄｅｒ：ＨＲＤ）という概念が導入されている。ＨＲＤを用いることにより、デコードタイミングでバッファに画像データが入っていないアンダーフロー、及び、用意されたバッファサイズを超えて画像データが入ってくるオーバーフローといったデコーダの破綻を防止できる。
　具体的には、仮想ストリームスケジューラ（Ｈｙｐｏｔｈｅｔｉｃａｌ　Ｓｔｒｅａｍ　Ｓｃｈｅｄｕｌｅｒ：ＨＳＳ）が、ＨＲＤの符号化済みピクチャバッファ（Ｃｏｄｅｄ　Ｐｉｃｔｕｒｅ　Ｂｕｆｆｅｒ：ＣＰＢ）へのビットストリームの入力を管理する。入力方法には、固定ビットレートと可変ビットレートとの２つのビットレートタイプがある。
　固定ビットレートの場合、常に一定のビットレートでＨＲＤのＣＰＢへビットストリームが入力される。固定ビットレートで画像を符号化する場合は、アンダーフローとオーバーフローの両方をチェックする必要がある。
　可変ビットレートの場合、ＨＲＤのＣＰＢへビットストリームを入力するビットレートは可変である。これにより、ＨＲＤのＣＰＢ容量に空きがない場合はビットストリームの入力を一時停止できるため、オーバーフローは発生しない。したがって、可変ビットレートで符号化する場合は、アンダーフローのみをチェックすればよい。
Ｊｏｉｎｔ　Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｔｅａｍ　ｏｎ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ　（ＪＣＴ－ＶＣ）　ｏｆ　ＩＴＵ－Ｔ　ＳＧ１６　ＷＰ３　ａｎｄ　ＩＳＯ／ＩＥＣ　ＪＴＣ１／ＳＣ２９／ＷＧ１１，１２ｔｈ　Ｍｅｅｔｉｎｇ：　Ｇｅｎｅｖａ，　ＣＨ，　１４－２３　Ｊａｎ．　２０１３，　"Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ　（ＨＥＶＣ）　ｔｅｘｔ　ｓｐｅｃｉｆｉｃａｔｉｏｎ　ｄｒａｆｔ　１０　（ｆｏｒ　ＦＤＩＳ　＆　Ｌａｓｔ　Ｃａｌｌ）"，　ｈｔｔｐ：／／ｐｈｅｎｉｘ．ｉｎｔ－ｅｖｒｙ．ｆｒ／ｊｃｔ／ｄｏｃ＿ｅｎｄ＿ｕｓｅｒ／ｄｏｃｕｍｅｎｔｓ／１２＿Ｇｅｎｅｖａ／ｗｇ１１／ＪＣＴＶＣ－Ｌ１００３－ｖ３４．ｚｉｐ 大久保栄ら著，「Ｈ．２６５／ＨＥＶＣ教科書」，インプレスジャパン，２０１３年
　このような画像符号化方法では、コンフォーマンスを満たすビットストリームを生成するための処理量を低減できることが望まれている。
　そこで、本発明は、コンフォーマンスを満たすビットストリームを生成するための処理量を低減できる画像符号化方法又は画像符号化装置を提供することを目的とする。
　本発明の一態様に係る画像符号化方法は、複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化方法であって、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択ステップと、前記複数の画像それぞれの時間レイヤを決定する決定ステップと、前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップと、前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化ステップと、前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成ステップとを含む。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　本発明は、コンフォーマンスを満たすビットストリームを生成するための処理量を低減できる画像符号化方法又は画像符号化装置を提供できる。
図１は、実施の形態１に係る時間スケーラビリティを有するビットストリームの一例を示す図である。 図２は、実施の形態１に係る画像符号化装置の構造を示すブロック図である。 図３は、実施の形態１に係る符号化プロセスのフローチャートである。 図４は、実施の形態１に係るビットストリームのデータ構造の一例を示す図である。 図５は、実施の形態１に係るビットレートタイプの決定処理を説明するための図である。 図６は、実施の形態１に係るビットレート制御情報と時間スケーラビリティ情報を算出する算出プロセスのフローチャートである。 図７は、実施の形態１に係るコンフォーマンスを満たすように固定ビットレートで符号化した時のＨＲＤのＣＰＢを示す図である。 図８は、実施の形態１に係る固定ビットレートのまま時間解像度を１／４にした時のＨＲＤのＣＰＢを示す図である。 図９は、実施の形態１に係る可変ビットレートにして時間解像度を１／４にした時のＨＲＤのＣＰＢを示す図である。 図１０は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１１は、デジタル放送用システムの全体構成図である。 図１２は、テレビの構成例を示すブロック図である。 図１３は、光ディスクである記録メディアに情報の読み書きを行う情報再生／記録部の構成例を示すブロック図である。 図１４は、光ディスクである記録メディアの構造例を示す図である。 図１５Ａは、携帯電話の一例を示す図である。 図１５Ｂは、携帯電話の構成例を示すブロック図である。 図１６は、多重化データの構成を示す図である。 図１７は、各ストリームが多重化データにおいてどのように多重化されているかを模式的に示す図である。 図１８は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかを更に詳しく示した図である。 図１９は、多重化データにおけるＴＳパケットとソースパケットの構造を示す図である。 図２０は、ＰＭＴのデータ構成を示す図である。 図２１は、多重化データ情報の内部構成を示す図である。 図２２は、ストリーム属性情報の内部構成を示す図である。 図２３は、映像データを識別するステップを示す図である。 図２４は、各実施の形態の動画像符号化方法および動画像復号化方法を実現する集積回路の構成例を示すブロック図である。 図２５は、駆動周波数を切り替える構成を示す図である。 図２６は、映像データを識別し、駆動周波数を切り替えるステップを示す図である。 図２７は、映像データの規格と駆動周波数を対応づけたルックアップテーブルの一例を示す図である。 図２８Ａは、信号処理部のモジュールを共有化する構成の一例を示す図である。 図２８Ｂは、信号処理部のモジュールを共有化する構成の他の一例を示す図である。
　（本発明の基礎となった知見）
　画像符号化規格Ｈ．２６５／ＨＥＶＣ（非特許文献１参照）などの画像符号化方式には、時間スケーラビリティという機能がある。時間スケーラビリティ（非特許文献２のＰ．２１１～Ｐ．２１２参照）を有するビットストリームには、ＴｅｍｐｏｒａｌＩｄという時間識別子が挿入される。これにより、画像復号装置は、複数の時間解像度で復号画像を出力することが可能となる。例えば、６０ｆｐｓ（ｆｒａｍｅｓ　ｐｅｒ　ｓｅｃｏｎｄ）の動画像を符号化したビットストリームでは伝送レートが不足する場合に、画像符号化装置（送信装置）は、当該ビットストリームから、３０ｆｐｓ又は１５ｆｐｓにフレームレートを落としたサブビットストリームを切り出し、得られたサブビットストリームを伝送することで、画像復号装置（受信装置）でのコマ落ち及び画質の低下を防止できる。
　図１は、ＴｅｍｐｏｒａｌＩｄを付与した６０ｆｐｓのビットストリームの一例を示す図である。縦軸がＴｅｍｐｏｒａｌＩｄを示し、横軸がピクチャの出力順（ＰＯＣ：Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）を示している。また、矢印元のピクチャを矢印先のピクチャの予測画像の生成に用いることが可能である。例えば、ＰＯＣ＝２のピクチャに対して、ＰＯＣ＝０とＰＯＣ＝４のピクチャを参照画像として使用できる。
　この例のビットストリームは、ＴｅｍｐｏｒａｌＩｄの異なる３つの階層で符号化されている。この階層をサブレイヤ又は時間レイヤという。符号化又は復号の対象であるカレントピクチャの時間方向予測が行われる際、カレントピクチャのＴｅｍｐｏｒａｌＩＤよりもＴｅｍｐｏｒａｌＩｄの値が大きなピクチャを参照できないという制限がある。例えば、ＰＯＣ＝２のピクチャがカレントピクチャの場合には、カレントピクチャにＴｅｍｐｏｒａｌＩｄ＝１が付与されているため、ＴｅｍｐｏｒａｌＩｄ＝３が付与されたＰＯＣ＝１とＰＯＣ＝３のピクチャは参照できない。
　この制限によって、時間解像度を落とすときには、画像符号化装置は、ＴｅｍｐｏｒａｌＩｄが大きなピクチャをビットストリームから容易に取り除くことができる。例えば、画像符号化装置は、３０ｆｐｓのサブビットストリームを生成するときには、ビットストリームからＴｅｍｐｏｒａｌＩｄ＝２のサブレイヤを取り除き、１５ｆｐｓのサブビットストリームを生成するときには、ビットストリームからＴｅｍｐｏｒａｌＩｄ≧１のサブレイヤを取り除く。このように、再エンコードを行わずにフレームレートを変換できるので、画像符号化装置（送信装置）の負荷を軽減できる。
　しかし、この方法により、全ての時間解像度においてコンフォーマンスを満たすビットストリームを符号化する場合には、処理量が増加し画像符号化装置の負荷が大きくなるという問題がある。
　具体的には、通常の（時間スケーラビリティを有さない）ビットストリームを生成する場合には、画像符号化装置は、当該ビットストリームがコンフォーマンスを満たすように符号化を行えばよい。一方で、時間スケーラビリティを有するビットストリームでは、上述した切り出しによりサブビットストリームが生成され、当該サブビットストリームが画像復号装置に送信される。よって、このようなビットストリームでは、全てのサブレイヤの符号化情報を含む元のビットストリームだけなく、当該ビットストリームから生成される各サブビットストリームも、コンフォーマンスを満たす必要がある。このように、元のビットストリーム及び複数のサブビットストリームの全てがコンフォーマンスを満たすように、単一のビットストリームを符号化することは困難であり、また、このようなビットストリームを生成するためには画像符号化装置における処理が複雑化するとともに処理量が大きく増加する。
　そこで、本発明の一態様に係る画像符号化方法は、複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化方法であって、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択ステップと、前記複数の画像それぞれの時間レイヤを決定する決定ステップと、前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップと、前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化ステップと、前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成ステップとを含む。
　これにより、全ての時間レイヤの画像を含むビットストリームのビットレートタイプが固定ビットレートに設定される場合でも、サブビットストリームのビットレートタイプは可変ビットレートに設定される。これにより、ビットストリームの生成時に、サブビットストリームのオーバーフローを考慮する必要なく、全ての時間レイヤの画像を含むビットストリームに対してオーバーフローが発生しないような制御のみを行えばよい。これにより、当該画像符号化方法は、複数の時間解像度を有し、かつ各時間解像度においてコンフォーマンスを満たすビットストリームを符号化する際の画像符号化装置の処理量を低減できる。
　例えば、前記符号化ステップでは、画像復号装置のバッファ管理を仮想的にモデル化した仮想参照デコーダを用いて、前記第２ビットレートタイプで、前記画像復号装置が前記ビットストリームを破綻なく処理できるように前記複数の画像を符号化してもよい。
　例えば、前記時間スケーラビリティ情報は、前記複数の画像それぞれが属する前記時間レイヤを示す時間識別子、又は復号対象の１以上の時間レイヤを特定する時間解像度の取りうるパターン数を含んでもよい。
　また、本発明の一態様に係る画像符号化装置は、複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化装置であって、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択部と、前記複数の画像それぞれの時間レイヤを決定する決定部と、前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定部と、前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化部と、前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成部とを備える。
　なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示す。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　本実施の形態に係る画像符号化装置は、全てのサブレイヤの符号化情報を含む元のビットストリームのビットレートタイプによらず、サブビットストリームのビットレートタイプを可変ビットレートに設定する。これにより、画像符号化装置は、サブビットストリームのオーバーフローを考慮することなく、ビットレート制御を行える。よって、画像符号化装置の処理量を低減できる。
　ます、本実施の形態に係る画像符号化装置２００の構成を説明する。図２は、本実施の形態に係る画像符号化装置２００の構造を示すブロック図である。
　この画像符号化装置２００は、入力された動画像又は画像ビットストリームである入力画像２５１をブロック毎に符号化することで符号化ビットストリームであるビットストリーム２６１を作成する。この画像符号化装置２００は、図２に示すように、ビットレート制御部２０１と、時間スケーラビリティ情報付与部２０２と、減算器２０３と、変換部２０４と、量子化部２０５と、逆量子化部２０６と、逆変換部２０７と、加算器２０８と、ブロックメモリ２０９と、フレームメモリ２１０と、イントラ予測部２１１と、インター予測部２１２と、エントロピー符号化部２１３とを備える。
　ビットレート制御部２０１は、コンフォーマンスを満たすビットストリーム２６１を生成するために、ＨＲＤを用いて、量子化部２０５を制御する。また、ビットレート制御情報２６３をエントロピー符号化部２１３へ出力する。
　ビットレート制御情報２６３は、選択可能な時間解像度（図１に示す例では６０ｆｐｓ、３０ｆｐｓ及び１５ｆｐｓ）のビットストリームの各々のビットレートタイプを示す情報である。ここでビットレートタイプとは、固定ビットレート又は可変ビットレートである。例えば、ビットレート制御情報２６３は、フラグ情報ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］である。
　ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］は選択可能な時間解像度の数と同じ数のフラグを含む。ここで、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］におけるＴｅｍｐｏｒａｌＩｄは、再生されるピクチャの持つＴｅｍｐｏｒａｌＩｄの中で最も大きな値を示す。例えば、図１に示す例では、６０ｆｐｓの全てのピクチャが再生される場合は、再生されるピクチャの持つＴｅｍｐｏｒａｌＩｄの中で最も大きなＴｅｍｐｏｒａｌＩｄは「２」であるためｃｂｒ＿ｆｌａｇ［２］に格納されているビットレートタイプが使用される。また、１５ｆｐｓで再生する場合は再生されるピクチャの持つＴｅｍｐｏｒａｌＩｄの中で最も大きなＴｅｍｐｏｒａｌＩｄは「０」であるためｃｂｒ＿ｆｌａｇ［０］に格納されているビットレートタイプが使用される。
　例えば、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］＝１は固定ビットレートを示し、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］＝０は可変ビットレートを示す。
　なお、以下では、最大の時間解像度を有するビットストリーム（ビットストリーム２６１）を最上層のビットストリームと呼び、ビットストリーム２６１から生成される時間解像度の低いビットストリームを下層のビットストリーム又はサブビットストリームと呼ぶ。また、最上層のビットストリームのビットレートタイプを最上層のビットレートタイプと呼び、下層のビットストリームのビットレートタイプを下層のビットレートタイプと呼ぶ。
　時間スケーラビリティ情報付与部２０２は、時間スケーラビリティ情報２６４をエントロピー符号化部２１３へ出力する。時間スケーラビリティ情報２６４は、具体的には、各画像のＴｅｍｐｏｒａｌＩｄを示す。
　入力画像２５１は、複数のピクチャ、１つのピクチャ又は１つのスライスなどの単位で減算器２０３に入力される。減算器２０３は、入力画像２５１と予測画像２６０との差分である残差信号２５２を算出し、残差信号２５２を変換部２０４へ出力する。
　変換部２０４は、残差信号２５２を周波数係数２５３に変換し、得られた周波数係数２５３を量子化部２０５へ出力する。量子化部２０５は、入力された周波数係数２５３を量子化し、得られた量子化係数２５４を逆量子化部２０６及びエントロピー符号化部２１３へ出力する。
　なお、変換部２０４と量子化部２０５の処理は、各処理部において変換ユニット（ＴＵ：Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）単位で順に実行される場合もあれば、ＴＵサイズに対応した係数を有する１以上のマトリックスの乗算を用いて一括して実行される場合もある。
　逆量子化部２０６は、量子化部２０５から出力された量子化係数２５４を逆量子化し、得られた周波数係数２５５を逆変換部２０７へ出力する。逆変換部２０７は、周波数係数２５５に対して逆周波数変換を行うことで周波数係数２５５を残差信号２５６に変換し、得られた残差信号２５６を加算器２０８へ出力する。
　加算器は、逆変換部２０７から出力された残差信号２５６を、イントラ予測部２１１又はインター予測部２１２から出力された予測画像２６０に加算し、得られた再構成画像２５７を更なる予測のためにブロックメモリ２０９又はフレームメモリ２１０に出力する。
　なお、逆量子化部２０６及び逆変換部２０７の処理は、ＴＵ単位で順に実行される場合もあれば、ＴＵサイズに対応する係数を有する１以上のマトリックスの乗算を用いて一括して行われる場合もある。ここでは説明を明確にするために逆量子化及び逆変換という言葉を用いたが、逆量子化及び逆変換は、量子化及び変換と、単に係数の値が異なるだけであり、マトリックスの乗算を用いた処理であるため量子化及び変換と呼ばれる場合がある。
　イントラ予測部２１１は、予測ユニット（ＰＵ：Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）毎に、ブロックメモリ２０９に保存される再構成画像２５７内を検索し、検索により得られた画像の一部をコピーしたり、重み付けの乗算を施したりすることで、入力画像２５１と類似するように予測された予測画像２５８を作成する。
　インター予測部２１２は、ＰＵ毎に、フレームメモリ２１０に保存される再構成画像２５７内を検索し、入力画像２５１と最も類似する又は類似する可能性が高い画像を１つ以上検出することで予測画像２５９を生成する。また、予測画像２５８及び予測画像２５９の一方が予測画像２６０として選択される。
　エントロピー符号化部２１３は、ビットレート制御部２０１からのビットレート制御情報２６３と、時間スケーラビリティ情報付与部２０２からの時間スケーラビリティ情報２６４と、量子化部２０５からの量子化係数２５４と、イントラ予測部２１１からの予測情報と、インター予測部２１２からの予測情報とを符号化することでビットストリーム２６１を出力する。
　次に、本実施の形態に係るが画像符号化処理について説明する。図３は、本実施の形態に係る画像符号化プロセスのフローチャートである。
　ステップＳ３０１では、画像符号化装置２００は、ビットレート制御情報２６３及び時間スケーラビリティ情報２６４を生成する。画像符号化装置２００は、生成されたビットレート制御情報２６３及び時間スケーラビリティ情報２６４をエントロピー符号化し、符号化されたビットレート制御情報２６３及び時間スケーラビリティ情報２６４をビットストリーム２６１のヘッダに挿入する。
　ステップＳ３０２では、画像符号化装置２００は、イントラ予測又はインター予測を行うことで予測画像２６０を作成する。
　ステップＳ３０３では、画像符号化装置２００は、予測画像２６０と入力画像２５１との差分である残差信号２５２を算出する。
　ステップＳ３０４では、画像符号化装置２００は、残差信号２５２を周波数変換することで周波数係数２５３を算出する。
　ステップＳ３０５では、画像符号化装置２００は、ビットレート制御により量子化幅を算出し、得られた量子化幅を用いて周波数係数２５３を量子化することで量子化係数２５４を算出する。具体的には、画像符号化装置２００は、最上層のビットレートタイプで、ＨＲＤを用いたビットレート制御を行うことにより量子化幅を算出する。
　ステップＳ３０６では、画像符号化装置２００は、予測情報及び量子化係数２５４をエントロピー符号化し、符号化された予測情報及び量子化係数２５４をビットストリーム２６１に挿入する。
　ステップＳ３０１の処理について以下、図４～図９を用いて詳細に説明する。
　図４は、画像符号化装置２００により生成されるビットストリーム２６１のデータ構造の一例を示す図である。ビットストリーム２６１は、ＶＰＳ（Ｖｉｄｅｏ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）、ＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）及びＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）などのヘッダ部分と、符号化された画像データであるピクチャデータとを含んでいる。ピクチャデータは、スライスヘッダ（ＳＨ）と、スライスデータとを含んでいる。スライスデータは、スライスに含まれる符号化された画像データを含んでいる。スライスデータは、ブロックヘッダ（ＢＨ）と、ブロックデータとを含んでいる。ブロックデータは、ブロックに含まれる符号化された画像データを含んでいる。
　ビットレート制御情報２６３及び時間スケーラビリティ情報２６４は、エントロピー符号化部２１３において符号化され、ＶＰＳ、ＡＰＳ、ＳＰＳ、ＰＰＳ、及びＳＨのいずれかに挿入される。
　図５は、ビットレート制御部２０１によるビットレート制御情報２６３の算出プロセスを説明するための図である。ビットレート制御部２０１は、外部パラメータ２６２で指定されるビットレートタイプに応じて、各層のビットレートタイプを決定する。
　具体的には、外部パラメータ２６２により固定ビットレートが指定されている場合には、ビットレート制御部２０１は、最上層（この例ではＴｅｍｐｏｒａｌＩｄ＝２）のビットレートタイプを固定ビットレートに設定し、最上層以外（この例ではＴｅｍｐｏｒａｌＩｄ＝０及び１）のビットレートタイプを可変ビットレートに設定する。また、外部パラメータ２６２により可変ビットレートが指定されている場合には、ビットレート制御部２０１は、全ての層（この例ではＴｅｍｐｏｒａｌＩｄ＝０～２）のビットレートタイプを可変ビットレートに設定する。
　つまり、ビットレート制御部２０１は、最上層のビットレートタイプを外部パラメータ２６２で指定されるビットレートタイプと同じに設定する。また、ビットレート制御部２０１は、最上層以外の全てのビットレートタイプを、外部パラメータ２６２で指定されるビットレートタイプに依存せず、常に可変ビットレートに設定する。
　図６は、ビットレート制御情報２６３の算出プロセスのフローチャートである。
　ステップＳ４０１では、ビットレート制御部２０１は、外部パラメータ２６２で示される、全てのピクチャを符号化する時間解像度でのビットレートタイプを取得する。
　ステップＳ４０２では、時間スケーラビリティ情報付与部２０２は、外部パラメータ２６２で示される時間スケーラビリティ情報を取得する。ここで、時間スケーラビリティ情報は、サブレイヤの数つまりＴｅｍｐｒａｌＩｄの数、又は各ピクチャに設定するＴｅｍｐｏｒａｌＩｄを示す。なお、これらのＴｅｍｐｒａｌＩｄの情報は、ＧＯＰ単位の各ピクチャに設定されるＴｅｍｐｏｒａｌＩｄの情報であってもよいし、スライスタイプ毎のＴｅｍｐｏｒａｌＩＤの情報であってもよい。また、時間スケーラビリティ情報付与部２０２は、外部パラメータ２６２で示される時間スケーラビリティ情報に基づき時間スケーラビリティ情報２６４を生成し、生成された時間スケーラビリティ情報２６４をビットレート制御部２０１へ出力する。ここで、時間スケーラビリティ情報２６４は、例えば、サブレイヤの数、つまりＴｅｍｐｏｒａｌＩｄの数を示す。
　ステップＳ４０３では、ビットレート制御部２０１は、ステップＳ４０１で取得されたビットレートタイプが固定ビットレートかを判定する。
　ビットレートタイプが固定ビットレートである場合（Ｓ４０３でＹｅｓ）、ステップＳ４０４では、ビットレート制御部２０１は、最上層のビットレートタイプを固定ビットレートに設定する。具体的には、ビットレート制御部２０１は、ＴｅｍｐｏｒａｌＩｄ＝２のｃｂｒ＿ｆｌａｇ［２］に「１」（固定ビットレート）を設定する。
　一方、ビットレートタイプが固定ビットレートではない、つまり可変ビットレートである場合（Ｓ４０３でＮｏ）ステップＳ４０５では、ビットレート制御部２０１は、最上層のビットレートタイプを可変ビットレートに設定する。具体的には、ビットレート制御部２０１は、ＴｅｍｐｏｒａｌＩｄ＝２のｃｂｒ＿ｆｌａｇ［２］に「０」（可変ビットレート）を設定する。
　ステップＳ４０４又はＳ４０５の後、ステップＳ４０６では、ビットレート制御部２０１は、最上層以外の全ての層のビットレートタイプを可変ビットレートに設定する。具体的には、ビットレート制御部２０１は、ＴｅｍｐｏｒａｌＩｄ≦１のｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］に「０」（可変ビットレート）を設定する。
　ステップＳ４０７では、ビットレート制御部２０１は、各層のビットレートタイプを示すビットレート制御情報２６３であるｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］をエントロピー符号化部２１３へ出力する。
　なお、ステップＳ４０１及びＳ４０２では、ビットレートタイプ及び時間スケーラビリティ情報が外部パラメータ２６２として外部から入力されているが、ビットレートタイプ及び時間スケーラビリティ情報の少なくとも一方として、画像符号化装置２００に予め保持されている固定値が用いられてもよい。
　以下、本実施の形態により、全ての時間解像度においてコンフォーマンスを満たすビットストリーム２６１を作成できることを説明する。
　図７は、６０ｆｐｓの動画像を、固定ビットレートでコンフォーマンスを満たしつつ符号化した時の、ビットストリームに対するＨＲＤのＣＰＢ占有量の例を示す図である。図７の縦軸はＣＰＢ占有量を示し、横軸は時刻を示す。また、ＨＲＤのＣＰＢ容量を水平線で示す。図７に示すように、６０ｆｐｓの符号化では、オーバーフローを起こすことなく、符号化が行われる。
　なお、説明のために、ビットストリームの階層構造は図１に示した例を使用する。ここで、全てのピクチャからＴｅｍｐｏｒａｌＩｄ≧１のピクチャを除くことにより、６０ｆｐｓのビットストリームから１５ｆｐｓのビットストリームを作成できる。その時の、ＨＲＤのＣＰＢ占有量を図８に示す。また、図８は、比較のための図であり、ｃｂｒ＿ｆｌａｇ［０］＝１、つまり、１５ｆｐｓにおけるビットレートタイプが固定ビットレートである場合を示す。この場合、図８に示すように、オーバーフローが生じる。
　一方、本実施の形態では、上述したように、６０ｆｐｓ以外の下層のビットストリームに対して、ｃｂｒ＿ｆｌａｇ［ＴｅｍｐｏｒａｌＩｄ］＝０（ＴｅｍｐｏｒａｌＩｄ≦１）に設定される。つまり、６０ｆｐｓ以外のビットレートタイプは可変ビットレートに設定される。可変ビットレートにおいて、ＣＰＢ容量に空きが無い場合、ビットストリームの入力を一時停止することができる。これにより、オーバーフローを回避できる。図９は、１５ｆｐｓのビットレートタイプが可変ビットレートである場合のＨＲＤのＣＰＢ占有量を示す図である。図９に示すように、ビットレートタイプを可変ビットレートに設定することで、オーバーフローの発生を防止できる。
　また、異なる時間解像度（上記の６０ｆｐｓ、３０ｆｐｓ及び１５ｆｐｓ）のビットストリームに対して同一の目標ビットレートが設定されてもよい。この場合、時間解像度が異なる複数のビットストリームにおける、時間当たりのＣＰＢへの入力量は一定である。また、時間解像度が６０ｆｐｓから１５ｆｐｓに変更された場合、ＣＰＢから引き抜かれるバッファ量は減る。よって、最も高い時間解像度においてアンダーフローが起きないように符号化されていれば、全ての時間解像度でアンダーフローは発生しない。
　ここで、ＣＰＢからの引き抜き時刻を示す情報は、例えば、シーケンスに設定されるＳｕｐｐｌｉｍｅｎｔａｌ　Ｅｎｈａｎｃｅ　Ｉｎｆｏｒｍａｔｉｏｎ（ＳＥＩ）に符号化される。
　本実施の形態により、全てのピクチャを符号化する最も高い時間解像度においてのみ、アンダーフローとオーバーフローが発生しないようにビットレートを制御することで、ＴｅｍｐｏｒａｌＩｄで設定された全ての時間解像度においてコンフォーマンスを満たすビットストリームを符号化できる。
　このように、本実施の形態の構成によると、処理量の増大を抑制しつつ、伝送レートによらずコンフォーマンスを満たすように、適切に画像を符号化できる。
　以上のように、本実施の形態に係る画像符号化装置２００は、複数の画像を符号化することで時間スケーラビリティを有するビットストリーム２６１を生成する。
　画像符号化装置２００は、固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択し（Ｓ４０１）、複数の画像それぞれの時間レイヤを決定する（Ｓ４０２）。例えば、画像符号化装置２００は、外部パラメータ２６２で示されるビットレートタイプ又は予め定められたビットレートタイプを選択する。また、画像符号化装置２００は、外部パラメータ２６２で示される時間スケーラビリティ情報に基づき、複数の画像それぞれの時間レイヤを決定する。
　画像符号化装置２００は、第１ビットレートタイプとして固定ビットレートが選択された場合（Ｓ４０３でＹｅｓ）に、（１）全ての時間レイヤに属する複数の画像の符号化データを含むビットストリーム２６１の第２ビットレートタイプを固定ビットレートに設定し（Ｓ４０４）、（２）ビットストリーム２６１の一部であり、上記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する（Ｓ４０６）。
　次に画像符号化装置２００は、複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する（Ｓ３０２～Ｓ３０５）。
　例えば、画像符号化装置２００は、画像復号装置のバッファ管理を仮想的にモデル化した仮想参照デコーダ（ＨＲＤ）を用いて、第２ビットレートタイプで、画像復号装置がビットストリーム２６１を破綻なく処理できるように複数の画像を符号化する。具体的には、画像符号化装置２００は、ＨＲＤを用いたビットレート制御により、画像復号装置においてアンダーフロー及びオーバーフローが発生しないように、量子化幅を制御する。
　また、画像符号化装置２００は、全ての時間レイヤに属する複数の画像の符号化において、第２ビットレートタイプで、ビットレート制御を行うことで、量子化幅を決定し、時間解像度が低いサブビットストリームの各々に対しては、第３ビットレートタイプでのビットレート制御は行わない。
　次に、画像符号化装置２００は、複数の画像の時間レイヤを示す時間スケーラビリティ情報２６４と、第２ビットレートタイプ及び第３ビットレートタイプを示すビットレート制御情報２６３と、符号化された複数の画像とを含むビットストリーム２６１を生成する（Ｓ３０１及びＳ３０６）。ここで、時間スケーラビリティ情報２６４は、複数の画像それぞれが属する時間レイヤを示す時間識別子（ＴｅｍｐｏｒａｌＩｄ）、又は復号対象の１以上の時間レイヤを特定する時間解像度の取りうるパターン数を含む。
　このように、本実施の形態に係る画像符号化装置２００は、全てのサブレイヤの符号化情報を含む最上層のビットストリームのビットレートタイプによらず、サブビットストリームのビットレートタイプを可変ビットレートに設定する。これにより、画像符号化装置２００は、サブビットストリームのオーバーフローを考慮することなく、ビットレート制御を行える。よって、画像符号化装置２００の処理量を低減できる。
　また、上述したように、最上層のビットストリーム及びサブビットストリームの目標ビットレートを同一に設定してもよい。これにより、サブビットストリームのアンダーフローを考慮する必要がなくなる。
　これらにより、画像符号化装置２００は、サブビットストリームのオーバーフロー及びアンダーフローを考慮する必要がないので、最上層のビットストリームに対してのみビットレート制御を行えばよい。よって、画像符号化装置２００は、通常の（時間スケーラビリティを有さない）ビットストリームと同様の処理により、コンフォーマンスを満たす、時間スケーラビリティを有するビットストリームを生成できる。
　以上、実施の形態に係る画像符号化方法及び画像符号化装置について説明したが、本発明は、この実施の形態に限定されるものではない。
　例えば、本発明は、上記実施の形態に係る画像符号化方法又は画像符号化装置により生成されたビットストリームを復号する画像復号方法又は画像復号装置として実現されてもよい。
　また、上記実施の形態に係る画像符号化装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。
　また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　言い換えると、画像符号化装置は、処理回路（ｐｒｏｃｅｓｓｉｎｇ　ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された（当該処理回路からアクセス可能な）記憶装置（ｓｔｏｒａｇｅ）とを備える。処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含む。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。処理回路は、記憶装置を用いて、上記実施の形態に係る画像符号化方法を実行する。
　さらに、本発明は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。
　また、上記で用いた数字は、全て本発明を具体的に説明するために例示するものであり、本発明は例示された数字に制限されない。
　また、上記の画像符号化方法に含まれるステップが実行される順序は、本発明を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
　以上、本発明の一つ又は複数の態様に係る画像符号化方法及び画像符号化装置について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の一つ又は複数の態様の範囲内に含まれてもよい。
　（実施の形態２）
　上記各実施の形態で示した動画像符号化方法（画像符号化方法）または動画像復号化方法（画像復号方法）の構成を実現するためのプログラムを記憶メディアに記録することにより、上記各実施の形態で示した処理を独立したコンピュータシステムにおいて簡単に実施することが可能となる。記憶メディアは、磁気ディスク、光ディスク、光磁気ディスク、ＩＣカード、半導体メモリ等、プログラムを記録できるものであればよい。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）や動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、及び画像復号方法を用いた画像復号装置からなる画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　図１０は、コンテンツ配信サービスを実現するコンテンツ供給システムex１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex１０６、ex１０７、ex１０８、ex１０９、ex１１０が設置されている。
　このコンテンツ供給システムex１００は、インターネットex１０１にインターネットサービスプロバイダex１０２および電話網ex１０４、および基地局ex１０６からex１１０を介して、コンピュータex１１１、ＰＤＡ（Personal Digital Assistant）ex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５などの各機器が接続される。
　しかし、コンテンツ供給システムex１００は図１０のような構成に限定されず、いずれかの要素を組合せて接続するようにしてもよい。また、固定無線局である基地局ex１０６からex１１０を介さずに、各機器が電話網ex１０４に直接接続されてもよい。また、各機器が近距離無線等を介して直接相互に接続されていてもよい。
　カメラex１１３はデジタルビデオカメラ等の動画撮影が可能な機器であり、カメラex１１６はデジタルカメラ等の静止画撮影、動画撮影が可能な機器である。また、携帯電話ex１１４は、ＧＳＭ（登録商標）（Global System for Mobile Communications）方式、ＣＤＭＡ（Code Division Multiple Access）方式、Ｗ－ＣＤＭＡ（Wideband-Code Division Multiple Access）方式、若しくはＬＴＥ（Long Term Evolution）方式、ＨＳＰＡ(High Speed Packet Access)の携帯電話機、またはＰＨＳ（Personal Handyphone System）等であり、いずれでも構わない。
　コンテンツ供給システムex１００では、カメラex１１３等が基地局ex１０９、電話網ex１０４を通じてストリーミングサーバex１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、ユーザがカメラex１１３を用いて撮影するコンテンツ（例えば、音楽ライブの映像等）に対して上記各実施の形態で説明したように符号化処理を行い（即ち、本発明の一態様に係る画像符号化装置として機能する）、ストリーミングサーバex１０３に送信する。一方、ストリーミングサーバex１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントとしては、上記符号化処理されたデータを復号化することが可能な、コンピュータex１１１、ＰＤＡex１１２、カメラex１１３、携帯電話ex１１４、ゲーム機ex１１５等がある。配信されたデータを受信した各機器では、受信したデータを復号化処理して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。
　なお、撮影したデータの符号化処理はカメラex１１３で行っても、データの送信処理をするストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。同様に配信されたデータの復号化処理はクライアントで行っても、ストリーミングサーバex１０３で行ってもよいし、互いに分担して行ってもよい。また、カメラex１１３に限らず、カメラex１１６で撮影した静止画像および／または動画像データを、コンピュータex１１１を介してストリーミングサーバex１０３に送信してもよい。この場合の符号化処理はカメラex１１６、コンピュータex１１１、ストリーミングサーバex１０３のいずれで行ってもよいし、互いに分担して行ってもよい。
　また、これら符号化・復号化処理は、一般的にコンピュータex１１１や各機器が有するＬＳＩex５００において処理する。ＬＳＩex５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化・復号化用のソフトウェアをコンピュータex１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、ハードディスクなど）に組み込み、そのソフトウェアを用いて符号化・復号化処理を行ってもよい。さらに、携帯電話ex１１４がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データは携帯電話ex１１４が有するＬＳＩex５００で符号化処理されたデータである。
　また、ストリーミングサーバex１０３は複数のサーバや複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。
　以上のようにして、コンテンツ供給システムex１００では、符号化されたデータをクライアントが受信して再生することができる。このようにコンテンツ供給システムex１００では、ユーザが送信した情報をリアルタイムでクライアントが受信して復号化し、再生することができ、特別な権利や設備を有さないユーザでも個人放送を実現できる。
　なお、コンテンツ供給システムex１００の例に限らず、図１１に示すように、デジタル放送用システムex２００にも、上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）または動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。具体的には、放送局ex２０１では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex２０２に伝送される。この映像データは上記各実施の形態で説明した動画像符号化方法により符号化されたデータである（即ち、本発明の一態様に係る画像符号化装置によって符号化されたデータである）。これを受けた放送衛星ex２０２は、放送用の電波を発信し、この電波を衛星放送の受信が可能な家庭のアンテナex２０４が受信する。受信した多重化データを、テレビ（受信機）ex３００またはセットトップボックス（ＳＴＢ）ex２１７等の装置が復号化して再生する（即ち、本発明の一態様に係る画像復号装置として機能する）。
　また、ＤＶＤ、ＢＤ等の記録メディアex２１５に記録した多重化データを読み取り復号化する、または記録メディアex２１５に映像信号を符号化し、さらに場合によっては音楽信号と多重化して書き込むリーダ／レコーダex２１８にも上記各実施の形態で示した動画像復号化装置または動画像符号化装置を実装することが可能である。この場合、再生された映像信号はモニタex２１９に表示され、多重化データが記録された記録メディアex２１５により他の装置やシステムにおいて映像信号を再生することができる。また、ケーブルテレビ用のケーブルex２０３または衛星／地上波放送のアンテナex２０４に接続されたセットトップボックスex２１７内に動画像復号化装置を実装し、これをテレビのモニタex２１９で表示してもよい。このときセットトップボックスではなく、テレビ内に動画像復号化装置を組み込んでもよい。
　図１２は、上記各実施の形態で説明した動画像復号化方法および動画像符号化方法を用いたテレビ（受信機）ex３００を示す図である。テレビex３００は、上記放送を受信するアンテナex２０４またはケーブルex２０３等を介して映像データに音声データが多重化された多重化データを取得、または出力するチューナex３０１と、受信した多重化データを復調する、または外部に送信する多重化データに変調する変調／復調部ex３０２と、復調した多重化データを映像データと、音声データとに分離する、または信号処理部ex３０６で符号化された映像データ、音声データを多重化する多重／分離部ex３０３を備える。
　また、テレビex３００は、音声データ、映像データそれぞれを復号化する、またはそれぞれの情報を符号化する音声信号処理部ex３０４、映像信号処理部ex３０５（本発明の一態様に係る画像符号化装置または画像復号装置として機能する）を有する信号処理部ex３０６と、復号化した音声信号を出力するスピーカex３０７、復号化した映像信号を表示するディスプレイ等の表示部ex３０８を有する出力部ex３０９とを有する。さらに、テレビex３００は、ユーザ操作の入力を受け付ける操作入力部ex３１２等を有するインタフェース部ex３１７を有する。さらに、テレビex３００は、各部を統括的に制御する制御部ex３１０、各部に電力を供給する電源回路部ex３１１を有する。インタフェース部ex３１７は、操作入力部ex３１２以外に、リーダ／レコーダex２１８等の外部機器と接続されるブリッジex３１３、ＳＤカード等の記録メディアex２１６を装着可能とするためのスロット部ex３１４、ハードディスク等の外部記録メディアと接続するためのドライバex３１５、電話網と接続するモデムex３１６等を有していてもよい。なお記録メディアex２１６は、格納する不揮発性／揮発性の半導体メモリ素子により電気的に情報の記録を可能としたものである。テレビex３００の各部は同期バスを介して互いに接続されている。
　まず、テレビex３００がアンテナex２０４等により外部から取得した多重化データを復号化し、再生する構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、ＣＰＵ等を有する制御部ex３１０の制御に基づいて、変調／復調部ex３０２で復調した多重化データを多重／分離部ex３０３で分離する。さらにテレビex３００は、分離した音声データを音声信号処理部ex３０４で復号化し、分離した映像データを映像信号処理部ex３０５で上記各実施の形態で説明した復号化方法を用いて復号化する。復号化した音声信号、映像信号は、それぞれ出力部ex３０９から外部に向けて出力される。出力する際には、音声信号と映像信号が同期して再生するよう、バッファex３１８、ex３１９等に一旦これらの信号を蓄積するとよい。また、テレビex３００は、放送等からではなく、磁気／光ディスク、ＳＤカード等の記録メディアex２１５、ex２１６から多重化データを読み出してもよい。次に、テレビex３００が音声信号や映像信号を符号化し、外部に送信または記録メディア等に書き込む構成について説明する。テレビex３００は、リモートコントローラex２２０等からのユーザ操作を受け、制御部ex３１０の制御に基づいて、音声信号処理部ex３０４で音声信号を符号化し、映像信号処理部ex３０５で映像信号を上記各実施の形態で説明した符号化方法を用いて符号化する。符号化した音声信号、映像信号は多重／分離部ex３０３で多重化され外部に出力される。多重化する際には、音声信号と映像信号が同期するように、バッファex３２０、ex３２１等に一旦これらの信号を蓄積するとよい。なお、バッファex３１８、ex３１９、ex３２０、ex３２１は図示しているように複数備えていてもよいし、１つ以上のバッファを共有する構成であってもよい。さらに、図示している以外に、例えば変調／復調部ex３０２や多重／分離部ex３０３の間等でもシステムのオーバフロー、アンダーフローを避ける緩衝材としてバッファにデータを蓄積することとしてもよい。
　また、テレビex３００は、放送等や記録メディア等から音声データ、映像データを取得する以外に、マイクやカメラのＡＶ入力を受け付ける構成を備え、それらから取得したデータに対して符号化処理を行ってもよい。なお、ここではテレビex３００は上記の符号化処理、多重化、および外部出力ができる構成として説明したが、これらの処理を行うことはできず、上記受信、復号化処理、外部出力のみが可能な構成であってもよい。
　また、リーダ／レコーダex２１８で記録メディアから多重化データを読み出す、または書き込む場合には、上記復号化処理または符号化処理はテレビex３００、リーダ／レコーダex２１８のいずれで行ってもよいし、テレビex３００とリーダ／レコーダex２１８が互いに分担して行ってもよい。
　一例として、光ディスクからデータの読み込みまたは書き込みをする場合の情報再生／記録部ex４００の構成を図１３に示す。情報再生／記録部ex４００は、以下に説明する要素ex４０１、ex４０２、ex４０３、ex４０４、ex４０５、ex４０６、ex４０７を備える。光ヘッドex４０１は、光ディスクである記録メディアex２１５の記録面にレーザスポットを照射して情報を書き込み、記録メディアex２１５の記録面からの反射光を検出して情報を読み込む。変調記録部ex４０２は、光ヘッドex４０１に内蔵された半導体レーザを電気的に駆動し記録データに応じてレーザ光の変調を行う。再生復調部ex４０３は、光ヘッドex４０１に内蔵されたフォトディテクタにより記録面からの反射光を電気的に検出した再生信号を増幅し、記録メディアex２１５に記録された信号成分を分離して復調し、必要な情報を再生する。バッファex４０４は、記録メディアex２１５に記録するための情報および記録メディアex２１５から再生した情報を一時的に保持する。ディスクモータex４０５は記録メディアex２１５を回転させる。サーボ制御部ex４０６は、ディスクモータex４０５の回転駆動を制御しながら光ヘッドex４０１を所定の情報トラックに移動させ、レーザスポットの追従処理を行う。システム制御部ex４０７は、情報再生／記録部ex４００全体の制御を行う。上記の読み出しや書き込みの処理はシステム制御部ex４０７が、バッファex４０４に保持された各種情報を利用し、また必要に応じて新たな情報の生成・追加を行うと共に、変調記録部ex４０２、再生復調部ex４０３、サーボ制御部ex４０６を協調動作させながら、光ヘッドex４０１を通して、情報の記録再生を行うことにより実現される。システム制御部ex４０７は例えばマイクロプロセッサで構成され、読み出し書き込みのプログラムを実行することでそれらの処理を実行する。
　以上では、光ヘッドex４０１はレーザスポットを照射するとして説明したが、近接場光を用いてより高密度な記録を行う構成であってもよい。
　図１４に光ディスクである記録メディアex２１５の模式図を示す。記録メディアex２１５の記録面には案内溝（グルーブ）がスパイラル状に形成され、情報トラックex２３０には、予めグルーブの形状の変化によってディスク上の絶対位置を示す番地情報が記録されている。この番地情報はデータを記録する単位である記録ブロックex２３１の位置を特定するための情報を含み、記録や再生を行う装置において情報トラックex２３０を再生し番地情報を読み取ることで記録ブロックを特定することができる。また、記録メディアex２１５は、データ記録領域ex２３３、内周領域ex２３２、外周領域ex２３４を含んでいる。ユーザデータを記録するために用いる領域がデータ記録領域ex２３３であり、データ記録領域ex２３３より内周または外周に配置されている内周領域ex２３２と外周領域ex２３４は、ユーザデータの記録以外の特定用途に用いられる。情報再生／記録部ex４００は、このような記録メディアex２１５のデータ記録領域ex２３３に対して、符号化された音声データ、映像データまたはそれらのデータを多重化した多重化データの読み書きを行う。
　以上では、１層のＤＶＤ、ＢＤ等の光ディスクを例に挙げ説明したが、これらに限ったものではなく、多層構造であって表面以外にも記録可能な光ディスクであってもよい。また、ディスクの同じ場所にさまざまな異なる波長の色の光を用いて情報を記録したり、さまざまな角度から異なる情報の層を記録したりなど、多次元的な記録／再生を行う構造の光ディスクであってもよい。
　また、デジタル放送用システムex２００において、アンテナex２０５を有する車ex２１０で衛星ex２０２等からデータを受信し、車ex２１０が有するカーナビゲーションex２１１等の表示装置に動画を再生することも可能である。なお、カーナビゲーションex２１１の構成は例えば図１２に示す構成のうち、ＧＰＳ受信部を加えた構成が考えられ、同様なことがコンピュータex１１１や携帯電話ex１１４等でも考えられる。
　図１５Ａは、上記実施の形態で説明した動画像復号化方法および動画像符号化方法を用いた携帯電話ex１１４を示す図である。携帯電話ex１１４は、基地局ex１１０との間で電波を送受信するためのアンテナex３５０、映像、静止画を撮ることが可能なカメラ部ex３６５、カメラ部ex３６５で撮像した映像、アンテナex３５０で受信した映像等が復号化されたデータを表示する液晶ディスプレイ等の表示部ex３５８を備える。携帯電話ex１１４は、さらに、操作キー部ex３６６を有する本体部、音声を出力するためのスピーカ等である音声出力部ex３５７、音声を入力するためのマイク等である音声入力部ex３５６、撮影した映像、静止画、録音した音声、または受信した映像、静止画、メール等の符号化されたデータもしくは復号化されたデータを保存するメモリ部ex３６７、又は同様にデータを保存する記録メディアとのインタフェース部であるスロット部ex３６４を備える。
　さらに、携帯電話ex１１４の構成例について、図１５Ｂを用いて説明する。携帯電話ex１１４は、表示部ex３５８及び操作キー部ex３６６を備えた本体部の各部を統括的に制御する主制御部ex３６０に対して、電源回路部ex３６１、操作入力制御部ex３６２、映像信号処理部ex３５５、カメラインタフェース部ex３６３、ＬＣＤ（Liquid Crystal Display）制御部ex３５９、変調／復調部ex３５２、多重／分離部ex３５３、音声信号処理部ex３５４、スロット部ex３６４、メモリ部ex３６７がバスex３７０を介して互いに接続されている。
　電源回路部ex３６１は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex１１４を動作可能な状態に起動する。
　携帯電話ex１１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有する主制御部ex３６０の制御に基づいて、音声通話モード時に音声入力部ex３５６で収音した音声信号を音声信号処理部ex３５４でデジタル音声信号に変換し、これを変調／復調部ex３５２でスペクトラム拡散処理し、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して送信する。また携帯電話ex１１４は、音声通話モード時にアンテナex３５０を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調／復調部ex３５２でスペクトラム逆拡散処理し、音声信号処理部ex３５４でアナログ音声信号に変換した後、これを音声出力部ex３５７から出力する。
　さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex３６６等の操作によって入力された電子メールのテキストデータは操作入力制御部ex３６２を介して主制御部ex３６０に送出される。主制御部ex３６０は、テキストデータを変調／復調部ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex３５０を介して基地局ex１１０へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex３５８に出力される。
　データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex３５５は、カメラ部ex３６５から供給された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し（即ち、本発明の一態様に係る画像符号化装置として機能する）、符号化された映像データを多重／分離部ex３５３に送出する。また、音声信号処理部ex３５４は、映像、静止画等をカメラ部ex３６５で撮像中に音声入力部ex３５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ex３５３に送出する。
　多重／分離部ex３５３は、映像信号処理部ex３５５から供給された符号化された映像データと音声信号処理部ex３５４から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調／復調部（変調／復調回路部）ex３５２でスペクトラム拡散処理をし、送信／受信部ex３５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex３５０を介して送信する。
　データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex３５０を介して受信された多重化データを復号化するために、多重／分離部ex３５３は、多重化データを分離することにより映像データのビットストリームと音声データのビットストリームとに分け、同期バスex３７０を介して符号化された映像データを映像信号処理部ex３５５に供給するとともに、符号化された音声データを音声信号処理部ex３５４に供給する。映像信号処理部ex３５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって復号化することにより映像信号を復号し（即ち、本発明の一態様に係る画像復号装置として機能する）、ＬＣＤ制御部ex３５９を介して表示部ex３５８から、例えばホームページにリンクされた動画像ファイルに含まれる映像、静止画が表示される。また音声信号処理部ex３５４は、音声信号を復号し、音声出力部ex３５７から音声が出力される。
　また、上記携帯電話ex１１４等の端末は、テレビex３００と同様に、符号化器・復号化器を両方持つ送受信型端末の他に、符号化器のみの送信端末、復号化器のみの受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムex２００において、映像データに音楽データなどが多重化された多重化データを受信、送信するとして説明したが、音声データ以外に映像に関連する文字データなどが多重化されたデータであってもよいし、多重化データではなく映像データ自体であってもよい。
　このように、上記各実施の形態で示した動画像符号化方法あるいは動画像復号化方法を上述したいずれの機器・システムに用いることは可能であり、そうすることで、上記各実施の形態で説明した効果を得ることができる。
　また、本発明はかかる上記実施の形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形または修正が可能である。
　（実施の形態３）
　上記各実施の形態で示した動画像符号化方法または装置と、ＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。
　ここで、それぞれ異なる規格に準拠する複数の映像データを生成した場合、復号する際に、それぞれの規格に対応した復号方法を選択する必要がある。しかしながら、復号する映像データが、どの規格に準拠するものであるか識別できないため、適切な復号方法を選択することができないという課題を生じる。
　この課題を解決するために、映像データに音声データなどを多重化した多重化データは、映像データがどの規格に準拠するものであるかを示す識別情報を含む構成とする。上記各実施の形態で示す動画像符号化方法または装置によって生成された映像データを含む多重化データの具体的な構成を以下説明する。多重化データは、ＭＰＥＧ－２トランスポートストリーム形式のデジタルストリームである。
　図１６は、多重化データの構成を示す図である。図１６に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム（ＰＧ）、インタラクティブグラフィックスストリームのうち、１つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム（ＩＧ）は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にＧＵＩ部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーＡＣ－３、Ｄｏｌｂｙ　Ｄｉｇｉｔａｌ　Ｐｌｕｓ、ＭＬＰ、ＤＴＳ、ＤＴＳ－ＨＤ、または、リニアＰＣＭのなどの方式で符号化されている。
　多重化データに含まれる各ストリームはＰＩＤによって識別される。例えば、映画の映像に利用するビデオストリームには０ｘ１０１１が、オーディオストリームには０ｘ１１００から０ｘ１１１Ｆまでが、プレゼンテーショングラフィックスには０ｘ１２００から０ｘ１２１Ｆまでが、インタラクティブグラフィックスストリームには０ｘ１４００から０ｘ１４１Ｆまでが、映画の副映像に利用するビデオストリームには０ｘ１Ｂ００から０ｘ１Ｂ１Ｆまで、主音声とミキシングする副音声に利用するオーディオストリームには０ｘ１Ａ００から０ｘ１Ａ１Ｆが、それぞれ割り当てられている。
　図１７は、多重化データがどのように多重化されるかを模式的に示す図である。まず、複数のビデオフレームからなるビデオストリームex２３５、複数のオーディオフレームからなるオーディオストリームex２３８を、それぞれＰＥＳパケット列ex２３６およびex２３９に変換し、ＴＳパケットex２３７およびex２４０に変換する。同じくプレゼンテーショングラフィックスストリームex２４１およびインタラクティブグラフィックスex２４４のデータをそれぞれＰＥＳパケット列ex２４２およびex２４５に変換し、さらにＴＳパケットex２４３およびex２４６に変換する。多重化データex２４７はこれらのＴＳパケットを１本のストリームに多重化することで構成される。
　図１８は、ＰＥＳパケット列に、ビデオストリームがどのように格納されるかをさらに詳しく示している。図１８における第１段目はビデオストリームのビデオフレーム列を示す。第２段目は、ＰＥＳパケット列を示す。図１８の矢印ｙｙ１，ｙｙ２，ｙｙ３，ｙｙ４に示すように、ビデオストリームにおける複数のＶｉｄｅｏ　Ｐｒｅｓｅｎｔａｔｉｏｎ　ＵｎｉｔであるＩピクチャ、Ｂピクチャ、Ｐピクチャは、ピクチャ毎に分割され、ＰＥＳパケットのペイロードに格納される。各ＰＥＳパケットはＰＥＳヘッダを持ち、ＰＥＳヘッダには、ピクチャの表示時刻であるＰＴＳ（Ｐｒｅｓｅｎｔａｔｉｏｎ　Ｔｉｍｅ－Ｓｔａｍｐ）やピクチャの復号時刻であるＤＴＳ（Ｄｅｃｏｄｉｎｇ　Ｔｉｍｅ－Ｓｔａｍｐ）が格納される。
　図１９は、多重化データに最終的に書き込まれるＴＳパケットの形式を示している。ＴＳパケットは、ストリームを識別するＰＩＤなどの情報を持つ４ＢｙｔｅのＴＳヘッダとデータを格納する１８４ＢｙｔｅのＴＳペイロードから構成される１８８Ｂｙｔｅ固定長のパケットであり、上記ＰＥＳパケットは分割されＴＳペイロードに格納される。ＢＤ－ＲＯＭの場合、ＴＳパケットには、４ＢｙｔｅのＴＰ＿Ｅｘｔｒａ＿Ｈｅａｄｅｒが付与され、１９２Ｂｙｔｅのソースパケットを構成し、多重化データに書き込まれる。ＴＰ＿Ｅｘｔｒａ＿ＨｅａｄｅｒにはＡＴＳ（Ａｒｒｉｖａｌ＿Ｔｉｍｅ＿Ｓｔａｍｐ）などの情報が記載される。ＡＴＳは当該ＴＳパケットのデコーダのＰＩＤフィルタへの転送開始時刻を示す。多重化データには図１９下段に示すようにソースパケットが並ぶこととなり、多重化データの先頭からインクリメントする番号はＳＰＮ（ソースパケットナンバー）と呼ばれる。
　また、多重化データに含まれるＴＳパケットには、映像・音声・字幕などの各ストリーム以外にもＰＡＴ（Ｐｒｏｇｒａｍ　Ａｓｓｏｃｉａｔｉｏｎ　Ｔａｂｌｅ）、ＰＭＴ（Ｐｒｏｇｒａｍ　Ｍａｐ　Ｔａｂｌｅ）、ＰＣＲ（Ｐｒｏｇｒａｍ　Ｃｌｏｃｋ　Ｒｅｆｅｒｅｎｃｅ）などがある。ＰＡＴは多重化データ中に利用されるＰＭＴのＰＩＤが何であるかを示し、ＰＡＴ自身のＰＩＤは０で登録される。ＰＭＴは、多重化データ中に含まれる映像・音声・字幕などの各ストリームのＰＩＤと各ＰＩＤに対応するストリームの属性情報を持ち、また多重化データに関する各種ディスクリプタを持つ。ディスクリプタには多重化データのコピーを許可・不許可を指示するコピーコントロール情報などがある。ＰＣＲは、ＡＴＳの時間軸であるＡＴＣ（Ａｒｒｉｖａｌ　Ｔｉｍｅ　Ｃｌｏｃｋ）とＰＴＳ・ＤＴＳの時間軸であるＳＴＣ（Ｓｙｓｔｅｍ　Ｔｉｍｅ　Ｃｌｏｃｋ）の同期を取るために、そのＰＣＲパケットがデコーダに転送されるＡＴＳに対応するＳＴＣ時間の情報を持つ。
　図２０はＰＭＴのデータ構造を詳しく説明する図である。ＰＭＴの先頭には、そのＰＭＴに含まれるデータの長さなどを記したＰＭＴヘッダが配置される。その後ろには、多重化データに関するディスクリプタが複数配置される。上記コピーコントロール情報などが、ディスクリプタとして記載される。ディスクリプタの後には、多重化データに含まれる各ストリームに関するストリーム情報が複数配置される。ストリーム情報は、ストリームの圧縮コーデックなどを識別するためストリームタイプ、ストリームのＰＩＤ、ストリームの属性情報（フレームレート、アスペクト比など）が記載されたストリームディスクリプタから構成される。ストリームディスクリプタは多重化データに存在するストリームの数だけ存在する。
　記録媒体などに記録する場合には、上記多重化データは、多重化データ情報ファイルと共に記録される。
　多重化データ情報ファイルは、図２１に示すように多重化データの管理情報であり、多重化データと１対１に対応し、多重化データ情報、ストリーム属性情報とエントリマップから構成される。
　多重化データ情報は図２１に示すようにシステムレート、再生開始時刻、再生終了時刻から構成されている。システムレートは多重化データの、後述するシステムターゲットデコーダのＰＩＤフィルタへの最大転送レートを示す。多重化データ中に含まれるＡＴＳの間隔はシステムレート以下になるように設定されている。再生開始時刻は多重化データの先頭のビデオフレームのＰＴＳであり、再生終了時刻は多重化データの終端のビデオフレームのＰＴＳに１フレーム分の再生間隔を足したものが設定される。
　ストリーム属性情報は図２２に示すように、多重化データに含まれる各ストリームについての属性情報が、ＰＩＤ毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。
　本実施の形態においては、上記多重化データのうち、ＰＭＴに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、ＰＭＴに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。
　また、本実施の形態における動画像復号化方法のステップを図２３に示す。ステップexＳ１００において、多重化データからＰＭＴに含まれるストリームタイプ、または、多重化データ情報に含まれるビデオストリーム属性情報を取得する。次に、ステップexＳ１０１において、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成された多重化データであることを示しているか否かを判断する。そして、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成されたものであると判断された場合には、ステップexＳ１０２において、上記各実施の形態で示した動画像復号方法により復号を行う。また、ストリームタイプ、または、ビデオストリーム属性情報が、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠するものであることを示している場合には、ステップexＳ１０３において、従来の規格に準拠した動画像復号方法により復号を行う。
　このように、ストリームタイプ、または、ビデオストリーム属性情報に新たな固有値を設定することにより、復号する際に、上記各実施の形態で示した動画像復号化方法または装置で復号可能であるかを判断することができる。従って、異なる規格に準拠する多重化データが入力された場合であっても、適切な復号化方法または装置を選択することができるため、エラーを生じることなく復号することが可能となる。また、本実施の形態で示した動画像符号化方法または装置、または、動画像復号方法または装置を、上述したいずれの機器・システムに用いることも可能である。
　（実施の形態４）
　上記各実施の形態で示した動画像符号化方法および装置、動画像復号化方法および装置は、典型的には集積回路であるＬＳＩで実現される。一例として、図２４に１チップ化されたＬＳＩex５００の構成を示す。ＬＳＩex５００は、以下に説明する要素ex５０１、ex５０２、ex５０３、ex５０４、ex５０５、ex５０６、ex５０７、ex５０８、ex５０９を備え、各要素はバスex５１０を介して接続している。電源回路部ex５０５は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。
　例えば符号化処理を行う場合には、ＬＳＩex５００は、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有する制御部ex５０１の制御に基づいて、ＡＶ　Ｉ／Ｏex５０９によりマイクex１１７やカメラex１１３等からＡＶ信号を入力する。入力されたＡＶ信号は、一旦ＳＤＲＡＭ等の外部のメモリex５１１に蓄積される。制御部ex５０１の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex５０７に送られ、信号処理部ex５０７において音声信号の符号化および／または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex５０７ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームＩ／Ｏex５０６から外部に出力する。この出力された多重化データは、基地局ex１０７に向けて送信されたり、または記録メディアex２１５に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex５０８にデータを蓄積するとよい。
　なお、上記では、メモリex５１１がＬＳＩex５００の外部の構成として説明したが、ＬＳＩex５００の内部に含まれる構成であってもよい。バッファex５０８も１つに限ったものではなく、複数のバッファを備えていてもよい。また、ＬＳＩex５００は１チップ化されてもよいし、複数チップ化されてもよい。
　また、上記では、制御部ex５０１が、ＣＰＵex５０２、メモリコントローラex５０３、ストリームコントローラex５０４、駆動周波数制御部ex５１２等を有するとしているが、制御部ex５０１の構成は、この構成に限らない。例えば、信号処理部ex５０７がさらにＣＰＵを備える構成であってもよい。信号処理部ex５０７の内部にもＣＰＵを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、ＣＰＵex５０２が信号処理部ex５０７、または信号処理部ex５０７の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex５０１は、信号処理部ex５０７、またはその一部を有するＣＰＵex５０２を備える構成となる。
　なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。このようなプログラマブル・ロジック・デバイスは、典型的には、ソフトウェア又はファームウェアを構成するプログラムを、ロードする又はメモリ等から読み込むことで、上記各実施の形態で示した動画像符号化方法、又は動画像復号化方法を実行することができる。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。
　（実施の形態５）
　上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、ＬＳＩex５００において、従来の規格に準拠する映像データを復号する際のＣＰＵex５０２の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。
　この課題を解決するために、テレビex３００、ＬＳＩex５００などの動画像復号化装置は、映像データがどの規格に準拠するものであるかを識別し、規格に応じて駆動周波数を切替える構成とする。図２５は、本実施の形態における構成ex８００を示している。駆動周波数切替え部ex８０３は、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合には、駆動周波数を高く設定する。そして、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１に対し、映像データを復号するよう指示する。一方、映像データが、従来の規格に準拠する映像データである場合には、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合に比べ、駆動周波数を低く設定する。そして、従来の規格に準拠する復号処理部ex８０２に対し、映像データを復号するよう指示する。
　より具体的には、駆動周波数切替え部ex８０３は、図２４のＣＰＵex５０２と駆動周波数制御部ex５１２から構成される。また、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex８０１、および、従来の規格に準拠する復号処理部ex８０２は、図２４の信号処理部ex５０７に該当する。ＣＰＵex５０２は、映像データがどの規格に準拠するものであるかを識別する。そして、ＣＰＵex５０２からの信号に基づいて、駆動周波数制御部ex５１２は、駆動周波数を設定する。また、ＣＰＵex５０２からの信号に基づいて、信号処理部ex５０７は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態３で記載した識別情報を利用することが考えられる。識別情報に関しては、実施の形態３で記載したものに限られず、映像データがどの規格に準拠するか識別できる情報であればよい。例えば、映像データがテレビに利用されるものであるか、ディスクに利用されるものであるかなどを識別する外部信号に基づいて、映像データがどの規格に準拠するものであるか識別可能である場合には、このような外部信号に基づいて識別してもよい。また、ＣＰＵex５０２における駆動周波数の選択は、例えば、図２７のような映像データの規格と、駆動周波数とを対応付けたルックアップテーブルに基づいて行うことが考えられる。ルックアップテーブルを、バッファex５０８や、ＬＳＩの内部メモリに格納しておき、ＣＰＵex５０２がこのルックアップテーブルを参照することにより、駆動周波数を選択することが可能である。
　図２６は、本実施の形態の方法を実施するステップを示している。まず、ステップexＳ２００では、信号処理部ex５０７において、多重化データから識別情報を取得する。次に、ステップexＳ２０１では、ＣＰＵex５０２において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexＳ２０２において、駆動周波数を高く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、高い駆動周波数に設定される。一方、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ステップexＳ２０３において、駆動周波数を低く設定する信号を、ＣＰＵex５０２が駆動周波数制御部ex５１２に送る。そして、駆動周波数制御部ex５１２において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。
　さらに、駆動周波数の切替えに連動して、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することが考えられる。
　また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、ＭＰＥＧ４－ＡＶＣ規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。
　さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を高く設定し、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、ＬＳＩex５００またはＬＳＩex５００を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、ＣＰＵex５０２の駆動を停止させることなく、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、ＣＰＵex５０２の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、ＣＰＵex５０２の駆動を一時停止させることも考えられる。この場合は、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。
　このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてＬＳＩex５００またはＬＳＩex５００を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。
　（実施の形態６）
　テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、ＬＳＩex５００の信号処理部ex５０７が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex５０７を個別に用いると、ＬＳＩex５００の回路規模が大きくなり、また、コストが増加するという課題が生じる。
　この課題を解決するために、上記各実施の形態で示した動画像復号方法を実行するための復号処理部と、従来のＭＰＥＧ－２、ＭＰＥＧ４－ＡＶＣ、ＶＣ－１などの規格に準拠する復号処理部とを一部共有化する構成とする。この構成例を図２８Ａのex９００に示す。例えば、上記各実施の形態で示した動画像復号方法と、ＭＰＥＧ４－ＡＶＣ規格に準拠する動画像復号方法とは、エントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償などの処理において処理内容が一部共通する。共通する処理内容については、ＭＰＥＧ４－ＡＶＣ規格に対応する復号処理部ex９０２を共有し、ＭＰＥＧ４－ＡＶＣ規格に対応しない、本発明の一態様に特有の他の処理内容については、専用の復号処理部ex９０１を用いるという構成が考えられる。特に、本発明の一態様は、階層符号化に特徴を有していることから、例えば、階層符号化については専用の復号処理部ex９０１を用い、それ以外のエントロピー復号、逆量子化、デブロッキング・フィルタ、動き補償のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号化方法を実行するための復号処理部を共有し、ＭＰＥＧ４－ＡＶＣ規格に特有の処理内容については、専用の復号処理部を用いる構成であってもよい。
　また、処理を一部共有化する他の例を図２８Ｂのex１０００に示す。この例では、本発明の一態様に特有の処理内容に対応した専用の復号処理部ex１００１と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex１００２と、本発明の一態様に係る動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex１００３とを用いる構成としている。ここで、専用の復号処理部ex１００１、ex１００２は、必ずしも本発明の一態様、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、ＬＳＩex５００で実装することも可能である。
　このように、本発明の一態様に係る動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、ＬＳＩの回路規模を小さくし、かつ、コストを低減することが可能である。
　本発明は、画像符号化装置又は画像符号化方法に利用できる。
　２００　画像符号化装置
　２０１　ビットレート制御部
　２０２　時間スケーラビリティ情報付与部
　２０３　減算器
　２０４　変換部
　２０５　量子化部
　２０６　逆量子化部
　２０７　逆変換部
　２０８　加算器
　２０９　ブロックメモリ
　２１０　フレームメモリ
　２１１　イントラ予測部
　２１２　インター予測部
　２１３　エントロピー符号化部
　２５１　入力画像
　２５２，２５６　残差信号
　２５３，２５５　周波数係数
　２５４　量子化係数
　２５７　再構成画像
　２５８，２５９，２６０　予測画像
　２６１　ビットストリーム
　２６２　外部パラメータ
　２６３　ビットレート制御情報
　２６４　時間スケーラビリティ情報

Claims (5)

  1. 　複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化方法であって、
    　固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択ステップと、
    　前記複数の画像それぞれの時間レイヤを決定する決定ステップと、
    　前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定ステップと、
    　前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化ステップと、
    　前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成ステップとを含む
    　画像符号化方法。
  2. 　前記符号化ステップでは、画像復号装置のバッファ管理を仮想的にモデル化した仮想参照デコーダを用いて、前記第２ビットレートタイプで、前記画像復号装置が前記ビットストリームを破綻なく処理できるように前記複数の画像を符号化する
    　請求項１記載の画像符号化方法。
  3. 　前記時間スケーラビリティ情報は、前記複数の画像それぞれが属する前記時間レイヤを示す時間識別子、又は復号対象の１以上の時間レイヤを特定する時間解像度の取りうるパターン数を含む
    　請求項１又は２に記載の画像符号化方法。
  4. 　複数の画像を符号化することで時間スケーラビリティを有するビットストリームを生成する画像符号化装置であって、
    　固定ビットレート及び可変ビットレートから第１ビットレートタイプを選択する選択部と、
    　前記複数の画像それぞれの時間レイヤを決定する決定部と、
    　前記第１ビットレートタイプとして固定ビットレートが選択された場合に、（１）全ての時間レイヤに属する前記複数の画像の符号化データを含む前記ビットストリームの第２ビットレートタイプを固定ビットレートに設定し、（２）前記ビットストリームの一部であり、前記複数の画像のうち、最上層の時間レイヤ以外の時間レイヤに属する画像の符号化データを含むサブビットストリームの第３ビットレートタイプを可変ビットレートに設定する設定部と、
    　前記複数の画像の各々を、処理対象の画像より時間レイヤが高い画像を参照することを禁止して符号化する符号化部と、
    　前記複数の画像の前記時間レイヤを示す時間スケーラビリティ情報と、前記第２ビットレートタイプ及び前記第３ビットレートタイプを示すビットレート制御情報と、符号化された前記複数の画像とを含む前記ビットストリームを生成する生成部とを備える
    　画像符号化装置。
  5. 　請求項１記載の画像符号化方法をコンピュータに実行させるための
    　プログラム。
PCT/JP2015/002112 2014-05-23 2015-04-17 画像符号化方法及び画像符号化装置 WO2015177966A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201580000409.6A CN105308972B (zh) 2014-05-23 2015-04-17 图像编码方法及装置、记录介质、图像解码方法及装置
JP2015556310A JP6483028B2 (ja) 2014-05-23 2015-04-17 画像符号化方法及び画像符号化装置
US14/941,580 US10728561B2 (en) 2014-05-23 2015-11-14 Image encoding method and image encoding apparatus

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201462002332P 2014-05-23 2014-05-23
US62/002,332 2014-05-23
JP2015-011805 2015-01-23
JP2015011805 2015-01-23

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/941,580 Continuation US10728561B2 (en) 2014-05-23 2015-11-14 Image encoding method and image encoding apparatus

Publications (1)

Publication Number Publication Date
WO2015177966A1 true WO2015177966A1 (ja) 2015-11-26

Family

ID=54553654

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/002112 WO2015177966A1 (ja) 2014-05-23 2015-04-17 画像符号化方法及び画像符号化装置

Country Status (4)

Country Link
US (1) US10728561B2 (ja)
JP (1) JP6483028B2 (ja)
CN (1) CN105308972B (ja)
WO (1) WO2015177966A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021261536A1 (ja) * 2020-06-25 2021-12-30 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 符号化装置、復号装置、符号化方法、および復号方法
WO2021261537A1 (ja) * 2020-06-25 2021-12-30 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 符号化装置、復号装置、符号化方法、および復号方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10944975B2 (en) * 2017-01-19 2021-03-09 Sony Corporation Image processing device and image processing method
WO2020050283A1 (en) * 2018-09-07 2020-03-12 Panasonic Intellectual Property Corporation Of America System and method for video coding
US10796660B2 (en) 2018-10-12 2020-10-06 Samsung Display Co., Ltd. Content adaptive display interface

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009510952A (ja) * 2005-09-29 2009-03-12 トムソン リサーチ ファンディング コーポレイション 拘束された可変ビットレート（ｖｂｒ）ビデオ・エンコードの方法および装置
JP2009182442A (ja) * 2008-01-29 2009-08-13 Univ Of Fukui 動画像符号化・復号システム、並びにそれに用いる動画像符号化装置および動画像復号装置
JP2010516085A (ja) * 2007-01-05 2010-05-13 トムソン ライセンシング スケーラブル映像符号化用の仮想リファレンスデコーダ
WO2014002914A1 (ja) * 2012-06-28 2014-01-03 ソニー株式会社 送信／受信装置、方法、符号化／復号化装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030174771A1 (en) * 2002-03-12 2003-09-18 Victor Company Of Japan, Ltd Method, apparatus, and program for variable bit rate encoding
US20130170561A1 (en) * 2011-07-05 2013-07-04 Nokia Corporation Method and apparatus for video coding and decoding
US9237352B2 (en) * 2011-10-05 2016-01-12 Texas Instruments Incorporated Methods and systems for encoding pictures associated with video data
US20140003534A1 (en) * 2012-07-02 2014-01-02 Sony Corporation Video coding system with temporal scalability and method of operation thereof
US10110890B2 (en) * 2012-07-02 2018-10-23 Sony Corporation Video coding system with low delay and method of operation thereof
CN103533365B (zh) * 2012-07-04 2016-12-21 珠海扬智电子科技有限公司 比特率控制方法与比特率控制***
US20140341302A1 (en) * 2013-05-15 2014-11-20 Ce Wang Slice level bit rate control for video coding

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009510952A (ja) * 2005-09-29 2009-03-12 トムソン リサーチ ファンディング コーポレイション 拘束された可変ビットレート（ｖｂｒ）ビデオ・エンコードの方法および装置
JP2010516085A (ja) * 2007-01-05 2010-05-13 トムソン ライセンシング スケーラブル映像符号化用の仮想リファレンスデコーダ
JP2009182442A (ja) * 2008-01-29 2009-08-13 Univ Of Fukui 動画像符号化・復号システム、並びにそれに用いる動画像符号化装置および動画像復号装置
WO2014002914A1 (ja) * 2012-06-28 2014-01-03 ソニー株式会社 送信／受信装置、方法、符号化／復号化装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021261536A1 (ja) * 2020-06-25 2021-12-30 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 符号化装置、復号装置、符号化方法、および復号方法
WO2021261537A1 (ja) * 2020-06-25 2021-12-30 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 符号化装置、復号装置、符号化方法、および復号方法

Also Published As

Publication number Publication date
JP6483028B2 (ja) 2019-03-13
CN105308972A (zh) 2016-02-03
CN105308972B (zh) 2020-03-27
US10728561B2 (en) 2020-07-28
US20160073116A1 (en) 2016-03-10
JPWO2015177966A1 (ja) 2017-04-20

Similar Documents

Publication Publication Date Title
JP6172485B2 (ja) 画像符号化方法及び画像符号化装置
JP6504478B2 (ja) 符号化復号方法
CA2845548C (en) Methods and apparatuses for encoding and decoding video using periodic buffer description
JP2016167868A (ja) 動画像復号方法及び動画像復号装置
WO2012117744A1 (en) Method of encoding an image into a coded image, method of decoding a coded image, and apparatuses thereof
KR102130046B1 (ko) 화상 복호 방법, 화상 부호화 방법, 화상 복호 장치, 화상 부호화 장치 및 화상 부호화 복호 장치
JP7073553B2 (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
JP2017085628A (ja) 多数の参照ピクチャを用いる動画像符号化方法、動画像復号方法、動画像符号化装置、および動画像復号方法
JP6483028B2 (ja) 画像符号化方法及び画像符号化装置
JP6078927B2 (ja) 動画像符号化方法、動画像符号化装置、動画像復号方法、及び、動画像復号装置
JP6365924B2 (ja) 画像復号方法及び画像復号装置
JP2014039252A (ja) 画像復号方法および画像復号装置
JP6768096B2 (ja) 画像符号化方法及び画像復号装置
WO2013073154A1 (ja) 符号化方法および復号方法
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
WO2012095930A1 (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
WO2013046616A1 (ja) 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

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201580000409.6

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2015556310

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 15795635

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15795635

Country of ref document: EP

Kind code of ref document: A1