JPH01146485A - 画像情報処理装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は画像情報処理装置に関し、特にデジタル画像デ
ータをブロック毎に直交変換処理し、生成したベクトル
データをベクトル量子化して符号化する画像情報処理装
置に関する。

［従来の技術］ 近年、超ＬＳＩＣ等を代表とするデバイス技術の発展に
よりデータ伝送又はデータ蓄積の対象になる画像データ
は従来の２値画像主流から多値画像主流に穆りつつある
。また画像読取センサの集積度も上がり、解像度も高く
なり、その結果画像データ量が膨大となり、高速、高能
率な符号器の実現が望まれる。従来、多値画像の符号化
については幾つか報告されている。例えば予測符号化、
ブロック符号化、直交変換符号化、ベクトル量子化によ
る圧縮符号化等がある。最近では高圧縮率が得られるベ
クトル量子化法が注目を浴びている。しかしながら、ベ
クトル量子化を行うためには所定数の再生ベクトルを決
定するためのトレーニングデータが必要であり、相関の
強いデータはど高圧縮率が可能である。そこでベクトル
量子化を有効に行うために、画像をブロック毎に直交変
換を行い、変換後の画像の相関性を利用し、ベクトル量
子化を行う方法が考案されている。

通常、変換後のブロック内の各成分をベクトルの要素と
し、ベクトル量子化を行う。しかし、ベクトル量子化に
は次のような問題点を含んでいる。

即ち、ベクトル次元数が増すと最適再生ベクトルを得る
計算量が膨大になる。また画像の最適再生ベクトルを選
択する計算量も膨大でありこれらをハードウェア化する
には膨大なＬ　Ｕ　Ｔ　　（Ｌｏｏｋ　ｕｐＴａｂｌｅ
）が必要である。

こめ点について従来はブロック内ベクトル要素を複数の
周波数バンドによって分割し、ベクトル次元数を小さく
し、バンド別にベクトル量子化することが提案されてい
る。しかし、このバンド分割は固定的であり例えば第１
０図のようなＳｃｈａｍｉｎｇのバンドによってバンド
分割していた。図において、直交変換係数をＦ　（ｕ、
ｖ）とすると、ｕ＋　ｖ　＝　ｃｏｎｓｔとなるように
分割している。図は４×４画素ブロックに対し直交変換
を行った場合であり、バンド分割によりｖ１〜ｖ７のベ
クトルに分割される。しかし、このような固定的分割で
は画像ブロックの性質によっては不都合な分割となる場
合がある。例えば周波数の低い画像ブロックではベクト
ルｖ７又はＶ６のパワーが極端に小さい。また方向性の
ある画像（例えば線画）ではベクトル内の各要素パワー
が極端にかたより、ベクトル量子化に不都合であった。

［発明が解決しようとする問題点］ 本発明は上述した従来技術の欠点を除去するものであり
、その目的とする所は、画像ブロックの特徴的性質を良
く保存しつつ効率良いベクトル符号化を行う画像情報処
理装置を提供することにある。

［問題点を解決するための手段］ 本発明の画像情報処理装置は上記の目的を達成するため
に、デジタル画像データをＭ×Ｎ画素単位に分割するブ
ロック化手段と、前記分割したブロック画像データに対
して直交変換を施すことにより周波数解析した所定次元
数のベクトルデータを生成する変換手段と、前記生成し
たベクトルデータのうちの所定のベクトル要素に基づい
て当該ブロック画像を複数カテゴリのうちの何れかに分
類する分類手段と、前記分類したカテゴリに応じてブロ
ック内高域の所定のベクトルデータなマスキングするマ
スク手段と、前記マスキングした残りのベクトルデータ
についてベクトル量子化を行う量子化手段を備えること
をその概要とする。

また好ましくは、マスク手段は分類手段が低周波のカテ
ゴリに分類した画像ブロックに対しては高周波のより多
くのベクトルデータをマスキングし、また高周波のカテ
ゴリに分類した画像ブロックに対しては高周波のより少
ないベクトルデータをマスキングすることをその一態様
とする。

また好ましくは、量子化手段はマスキングした残りのベ
クトルデータに対して更に複数のグループに周波数別に
バンド分割し、低域バンドのベクトルデータについては
次元数を少なくし、高域バンドのベクトルデータについ
ては次元数を多くするように分割することをその一態様
とする。

また好ましくは、量子化手段は分類手段のカテゴリに応
じて異なる・バンドパターンのバンド分割を行うことを
その一態様とする。

［作用］ かかる構成において、ブロック化手段は入力のデジタル
画像データをＭ×Ｎ画素単位に分割する。変換手段は前
記分割したブロック画像データに対してアダマール変換
等の直交変換を施すことにより周波数解析した所定次元
数のベクトルデータを生成する０分類手段は前記生成し
たベクトルデータのうちの所定のベクトル要素に基づい
て当該ブロック画像の性質を複数カテゴリのうちの何れ
かに分類する。マスク手段は前記分類したカテゴリに応
じてブロック内高域の所定のベクトルデータをマスキン
グする。好ましくは、マスク手段はマスク手段は分類手
段が低周波のカテゴリに分類した画像ブロックに対して
は高周波のより多くのベクトルデータをマスキングし、
また高周波のカテゴリに分類した画像ブロックに対して
は高周波のより少ないベクトルデータをマスキングする
。そして量子化手段は前記マスキングした残りのベクト
ルデータについてベクトル量子化を行う。好ましくは、
量子化手段はマスキングした残りのベクトルデータに対
して更に複数のグループに周波数別にバンド分割し、低
域バンドのベクトルデータについては次元数を少なくし
、高域バンドのベクトルデータについては次元数を多く
するように分割する。また好ましくは、量子化手段は分
類手段のカテゴリに応じて異なるバンドバターンのバン
ド分割を行う。

［実施例の説明］ 以下、添付図面に従って本発明による実施例を詳細に説
明する。

まず、本発明の詳細な説明する。第１に本発明は以下の
考えに基づいている。画像などのような相関性の高い情
報源は周波数解析を行うと低周波に電力が集中する性質
がある。この性質を利用し、画像をブロック毎に周波数
領域に変換し、低周波成分を特に符号化することにより
効率の良い符号化を行う。

しかしながら、周波数解析し、十分な相関を得るために
は変換ブロックサイズがある程度大きくなくてはならな
い。したがって、変換されたブロックをそのままベクト
ル量子化を行うとベクトル量子化用のＬＵＴ　（ルック
アップテーブル）が膨大となってしまう。

そこで、本発明は次に述べる第２の考えに基づき、この
問題を解決している。即ち、画像の相関性を利用し、直
交変換後、周波数の大小によりブロック毎にカテゴリ分
類を行う。更にカテゴリ内の画像を適応的にバンド分割
し、それぞれをベクトル量子化することによりベクトル
の次元数を減らす。すなわち、カテゴリ分類およびバン
ド分割によりハードウェア化におけるＬＵＴを少なくし
、また画像の性質に応じてバンド分割を行うことにより
画像のタイプ別に必要な直交変換成分をベクトル量子化
する。

そして、本発明においては直交変換後のブロックを周波
数の大小によりカテゴリ分類を行う。

そして周波数の低いカテゴリには少ないベクトル数を与
え、周波数の高いカテゴリには多いベクトル数を与える
ことにより、周波数の高い画像はど解像度が得られるよ
うにし、また周波数が低い画像はど階調が得られるよう
にする。更にバンド分割を行うことによりベクトルの次
元を小さくし、ベクトル量子化の効率を上げる。バンド
分割においては低周波バンドのベクトル次数を高周波バ
ンドのベクトル次数より小さくすることにより低周波成
分に重みをかけたベクトル量子化を行い従来方式では得
られなかった符号化効率を得る。

第１図は実施例の画像情報処理装置のブロック構成図で
ある。図において、１は画像入力装置であり、本実施例
ではラスタースキャン方式によって濃度８ビツト、解像
度１６　　ｐｅｌ／ｍｍのデジタル画像データを人力す
る。２はラインバッファであり、読取走査ラインに沿う
て人力するデジタル画像データを各４ライン分づつ蓄え
、４×４画素分のブロック画像データを順次パラレル出
力する。

３は直交変換部であり、本実施例では４×４マトリクス
のアダマール変換を行う。第２図（Ａ）は直交変換部３
に人力するブロック画像データＸＩ　、　Ｘ２　、・・
・、Ｘ＋ａ（各８ビツト）を示しており、第２図（Ｂ）
は直交変換部３によるアダマール変換後のベクトルデー
タ（シーケンシ成分）Ｙ　、、、　Ｙ　１２＋　・・・
、ＹａａＣ各１０ビット）を示しており、第３図は本実
施例のアダマール変換に採用した２次元ウオルシュ型変
換パターンを示している。第１図に戻り、４はカテゴリ
分類部であり、ブロック内所定のシーケンシ成分のパワ
ー等を調べることにより当該画像ブロックを８つのカテ
ゴリ（画像ブロックの８つの特徴的性質）のうちの何れ
かに分類する。またカテゴリ分類部４はブロツク内シー
ケンシ成分Ｙ目〜Ｙ４４のうちＤＣ成分Ｙ１１を抽出し
てそのまま出力する。

５はスカラ量子化部であり、ブロック内シーケンシ成分
Ｙｌｌ〜Ｙ４４のうちＤＣ成分Ｙ、１を除いたシーケン
シ成分Ｙ１２〜Ｙ４４が人力する。従来方法によれば、
１５個のシーケンシ成分Ｙ１２〜Ｙ４４を適当なビット
数でスカラ量子化して１５次元ベクトル要素と成してこ
れらを一括ベクトル量子化することになる。しかしこれ
では膨大なルックアップテーブル（ＬＵＴ）が必要にな
り現実的ではない。一般画像のように相関性の高い情報
源は周波数解析を行うと低周波成分に電力が集中する性
質がある。この性質を利用して、画像をブロック毎に周
波数領域に変換し、低周波成分に重きをおいて符号化す
れば効率良い符号化が行える。しかし周波数解析して十
分な相関を得るためには直交変換のブロックサイズをあ
る程度大キ＜シなくてはならない。従って変換により生
成されるベクトルデータの次元数も大きくなり、そのま
ま−括してベクトル量子化を行うとＬＵＴが極めて膨大
になる。そこで本実施例のスカラ量子化部５は、入力し
たカテゴリ分類データに応じて入力シーケンシ成分Ｙ１
２〜Ｙ４４を周波数の低い所定シーケンシ成分（低シー
ケンシ成分）と周波数の高い所定シーケンシ成分（高シ
ーケンシ成分）とにバンド分割し、各バンドについて夫
々特定ビット数によるスカラ量子化を行い、該量子化し
た低シーケンシベクトル要素と高シーケンシベクトル要
素を別個に設けたベクトル量子化部（ＬＵＴ）に供給し
ている。

６はベクトル量子化部（Ｌ）であり、カテゴリ分類デー
タに応じて形成された低シーケンシベクトル要素をベク
トル量子化する。７はベクトル量子化部（Ｈ）であり、
同じくカテゴリ分類データに応じて形成された高シーケ
ンシベクトル要素をベクトル量子化する。本実施例のベ
クトル量子化を行うには、予め複数種の代表的画像につ
いて行ったトレーニングシーケンスに基づき各カテゴリ
毎に再生低シーケンシベクトル要素と再生高シーケンシ
ベクトル要素を各２５６　ｆｉづつ求めておく。従って
、これら各２５６種の再生ベクトルは予め各８ビツトベ
クトル量子化コードデータと関係付けられる。そこでベ
クトル量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７
には、各入力した低シーケンシベクトル要素又は高シー
ケンシベクトル要素と予めトレーニングシーケンスによ
り求めた各２５６種の再生低シーケンシベクトル要素又
は再生高ノーケンシベクトル要素を比較することにより
、歪み量小となる関係の８ビツトベクトル量子化コード
データを選択するようなルックアップテーブル（ＬＵＴ
）が記憶されている。また本実施例の高シーケンシベク
トル要素又は低シーケンシベクトル要素は後述する如く
カテゴリ毎にその構成シーケンシ成分が異なるから、ベ
クトル量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７
にはカテゴリ分類部４より信号線４−２を介してカテゴ
リ分類コードデータが人力されており、これによりカテ
ゴリ別に用意された異なるＬＵＴが１択使用される。こ
うしてブロック内所定のシーケンシベクトルはベクトル
量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７により
各８ビツトのベクトル量子化コードデータに変換され、
信号線６−１及び７−１に出力される。

８は統合ベクトル量子化部であり、低シーケンシベクト
ル要素及び高シーケンシベクトル要素を夫々ベクトル量
子化した各８ビツトのベクトル量子化コードデータを統
合して合計１０ビツトの統合コードデータに変換する。

９は符号データ記憶部であり、信号線４−１のシーケン
シ成分Ｙ＋＋（ＤＣ成分）の上位８ビツトと、信号線４
−２のカテゴリ分類コードの３ビツトと、信号線８−１
の統合量子化した１０ビツトの統合コードデータを記干
意する。

第４図は実施例のブロック符号化コードの情報構造を示
す図である。図において、ブロック符号化コードは合計
２１ビツトから成り、ＭＳＢからの８ビツトはシーケン
シ成分Ｙ＋＋（平均値）にデータ、次の３ビツトはカテ
ゴリ分類コードデータ、次の１０ビツトはＹ目以外の所
定シーケンシ成分をベクトル符号化した統合コードデー
タである。かようにして１ブロック当り（４Ｘ４）画素
×８ビット＝１２８ビット分のデジタル画像データが固
定長２１ビツトのブロック符号化コードデータに圧縮さ
れており、データ圧縮率は略１／６である。

第５図（Ａ）は実施例のカテゴリ分類方法の基本概念を
説明する図である。実施例のカテゴリ分類は周波数の低
い所定シーケンシ成分に基づき、そのパワーの大小によ
り行う、一般画像の各種ブロック画像データをアダマー
ル変換してその周波数成分を調べると画像のエツジ部は
どパワーが低シーケンシ成分に集中し、その絶対値が大
きい。

本実施例ではかかる性質を利用してエツジ量ＥＤを、 ＥＤ；ｌ　ＹＩ２１　＋　ｌ　ＹＩ３１　＋　Ｉ　Ｙ２
１１＋　　Ｉ　　Ｙ２２１　　＋　　Ｉ　　Ｙ３１１の
如く定義する。

第６図（Ａ）は実施例のカテゴリ分類方法を具体的に示
す図である。統計的手法により３つの閾値Ｔｌ＜Ｔ２＜
Ｔ３を設定し、ＥＤの小さい順に、ＥＤ≦Ｔ１の場合は
平坦部、Ｔｌ＜ＥＤ≦Ｔ２の場合は網点平坦部、Ｔ２＜
ＥＤ≦Ｔ３の場合は弱エツジ部、Ｔ３＜ＥＤの場合は強
エツジ部というように４分類する。また弱エツジ部、強
エツジ部には縦、横、斜めのエツジパターンがあるので
第６図（Ａ）に示す如く合計８分類としている。

第５図（Ｂ）、（Ｃ）に弱エツジ及び強エツジ部の分類
方法を示す。たて方向にエツジの強い画像においては、
第５図（Ｂ）の斜線部分のパワーが大きくなり、よこ方
向にエツジの強い画像では第５図（Ｃ）の斜線部分のパ
ワーが大きくなる性質がある。本実施例ではこのような
性質を利用して、次の様なたてエツジ量ＶＥ、よこエツ
ジ量ＨＥを定義する。

Ｖ　Ｅ　＝　ｌｙ＋ｚｌ＋ｌｙ＋ｓｌ＋ｌｙ＋４１ＨＥ
　＝　１Ｙ２１１＋１Ｙ３１１＋１Ｙ４１１これらを利
用して弱エツジ及び強エツジ部を更に３つのカテゴリに
分類する。即ち、ＩＶＥＩ−１）ＩＥＩ＞Ｅｌ　　かツ
ＩＶＥＩ　≧ＩＨＥＩならたチェッレ、ＩＶＥｌ−ＩＨ
ＥＩ　＞Ｅｌ　　かツＩＶＥＩ　＜ＩＨＥＩならよこエ
ツジ、それ以外ならななめエツジと分類する。ただしＥ
ｌは定数である。弱エツジにおける定数をＥｌ、強エツ
ジにおける定数をＥ２とするとＥｌ＜Ｅ２となるように
パラメータＥ１、Ｅ２を決定する。

第６図（Ａ）の斜線部分は各カテゴリに応じてマスキン
グされずに残ったシーケンシ成分である。これらは第５
図の各シーケンシ成分と位置対応させて示しである。第
６図（Ａ）において、斜線部のシーケンシ成分は更に周
波数の低い低シーケンシ成分（／斜線部分）と高シーケ
ンシ成分（＼斜線部分）にバンド分割されている。括弧
内の数字はこれらを低シーケンシベクトル要素及び高シ
ーケンシベクトル要素と考えた場合の各次元数である。

平坦部のカテゴリでは低シーケンシベクトル要素Ｙ１□
、　Ｙ２１．　Ｙ２□の３次元のみでありこれを１０２
４種（１０ビツト）の何れかのベクトル量子化コードデ
ータに符号化する。平坦部以外のカテゴリでは低シーケ
ンシベクトル要素及び高シーケンシベクトル要素が存在
し、夫々を別個の２５６種（８ビツト）の何れかのベク
トル量子化コードデータに符号化する。図示の如く本実
施例ではエツジ成分が強くなる程シーケンシベクトルの
次元数を多くしている。解像度を保存するためである。

逆い平坦部では階調数を多くして保存している。

第６図（Ｂ）は実施例の各カテゴリ別に規定した低シー
ケンシ成分及び高シーケンシ成分に対するスカラ量子化
のビット配分を示す図である。

スカシ量子化後の低シーケンシベクトル及び高シーケン
シベクトルは夫々合計１８ビツト固定になっている。ベ
クトルの次元数は低シーケンシベクトルの方が高シーケ
ンシベクトルより少なくなっており、また周波数の低い
シーケンシ成分になる程割当ビット数を多くすることに
より画像の低周波成分の階調性を優先した符号化を行っ
ている。

第７図は実施例のベクトル量子化手段を抽出して示すブ
ロック構成図である。図において、スカラ量子化部５に
より各カテゴリ毎にバンド分割された低シーケンシベク
トル及び高シーケンシベクトルが各１８ビツトづつベク
トル量子化部（Ｌ）６及びベクトル量子化部（Ｈ）７に
人力し、ここで各２５６　ｆｌのうちの何れかの８ビツ
トベクトル量子化コードデータに符号化される。また同
時に３ビツトのカテゴリ分類コードデータが入力されて
おり、結局各ベクトル量子化部６．７は各２１ビツト入
力で各８ビツト量子化コードデータを出力するＬＵＴで
構成できる。

第８図は実施例の統合ベクトル量子化部８の動作概念を
示す図である。図において、Ｌｌ。

Ｌ２．・・・、Ｌ２５６は低シーケンシベクトルのベク
トル量子化コードデータであり、Ｈｌ、Ｈ２゜・・・、
Ｈ２Ｓｅは高シーケンシベクトルのベクトル量子化コー
ドデータである。従って、これら低シーケンシベクトル
と高シーケンシベクトルの各ベクトル量子化コードデー
タの組合せ数は一般に２５６ｆｆｆｉ類以上ある。しか
し、一般画像の相関性を考えると、低シーケンシベクト
ルと高シーケンシベクトル間には相関が有るので全ての
組合せ数、即ち、２５６ｘ２５６＝６５５３６通りは無
いのが通常である。そこで、予めサンプル画像について
のトレーニングを行い、例えば第８図の上段と中段の間
にあるような可能性のある組合せを求め、この組合せ数
が１０２４種（１０ビツト）におさまるような条件で、
歪みの近いもの同士をまとめて更にベクトル量子化し、
新たに０１〜Ｃ１０２４までの統合（コンビネーション
）ベクトル量子化コード（１０ビツト）を作成しておく
。これを実現する構成は各８ビツトの低シーケンシベク
トル量子化コードデータと高シーケンシベクトル量子化
コードデータ及び３ビツトのカテゴリ分類コードデータ
とからベクトル量子化法により１０ビツトの統合ベクト
ル量子化コードデータを発生させるようなＬＵＴから成
っている。

次に実施例の再生ベクトルの求め方について説明する。

本実施例では予め周波数の異なる複数のサンプル画像を
走査読取りし、第５図及び第６図で説明したカテゴリ分
類毎及びバンド分割毎に公知のＬＢＧ法により最適再生
ベクトルを求める。

即ち、第１図〜第８図について説明した方法と同様にし
てトレーニングシーケンスを行い所定コード長（本実施
例では２１ビツト）にしている。大きない違いはトレー
ニングシーケンスにおいてはハードウェアによる制限が
ないことである。実際は計算機シミュレーションにより
再生ベクトルの最適解を求める。従ってサンプル画像デ
ータを直交変換した後は、第６図（Ｂ）で説明したよう
なスカラ量子化は行わず、第６図（Ａ）で説明したよう
な各カテゴリ毎のシーケンシベクトル要素を抽出し、こ
れを低シーケンシベクトル及び高シーケンシベクトルに
バンド分割し、ＬＢＧ法により最適再生ベクトルを求め
る。こうして第６図（Ｂ）のスカラ量子化誤差が最適再
生ベクトル設計に影舌しないようにしている。

また最適再生ベクトルの設計時は、第６図（Ａ）で説明
したエツジ量ＥＤによるカテゴリ分類のパラメータＴＩ
、Ｔ２．Ｔ３を次の様に決定している。第６図（Ａ）の
Ｔ１．Ｔ２．Ｔ３による４つの分類を決定する際に複数
のサンプル画像を用いるが、それぞれに属する４×４画
素単位のブロックの数を カテゴリ平坦 ＥＤ≦Ｔ１のとき　　　　　Ｂ１ カテゴリ網点平坦 ＴＩ＜ＥＤ≦Ｔ２のとき　　Ｂ２ カテゴリ弱エツジ Ｔ２＜ＥＤ≦Ｔ３のとき　　Ｂ３ カテゴリ強エツジ ＥＤ＞Ｔ３のとき　　　　　Ｂ４ とすると、Ｂ　１＞Ｂ２＞Ｂ３＞Ｂ４になるようにパラ
メータＴＩ、Ｔ２．Ｔ３を決定する。この方法は各カテ
ゴリ毎にベクトル量子化する際、エツジが強くなるに従
ってベクトルのユークリッド空間が異常に大きくなるの
を防ぐためである。つまり、各カテゴリ毎の再生ベクト
ルの数は決まっているため、エツジの強いカテゴリにな
るに従って人力画像に対する再生ベクトルとの誤差が異
常に大きくなり過ぎるのを防ぎ、また画像は通常平坦部
はど出現顔度が多いため、極端に平坦部に偏った再生ベ
クトルを最適解として求めるのを防ぐ目的からである。

第９図は実施例の再生ベクトルの求め方を示すフローチ
ャートである。図において、ステップＳ１ではサンプル
画像を４×４画素車位のブロック毎に切り出す。ステッ
プＳ２ではそのブロックを直交変換（本実施例ではアダ
マール変換）する。

ステップＳ３では直交変換後のシーケンシデータＹＩｌ
〜Ｙ４４によりエツジ量ＥＤを基準にしてブロック毎に
カテゴリ分類をする。ステップＳ４ではカテゴリ毎に第
６図（Ａ）に示すようにバンド分割し、低シーケンシベ
クトルと高シーケンシベクトルを抽出する。ステップＳ
５ではステップ５１〜ステツプＳ４までの工程をすべて
のサンプル画像（本実施例では周波数の異なる代表的な
数枚の画像）の走査が終了するまで行わせ、各カテゴリ
毎、低シーケンシベクトル及び高シーケンシベクトルの
サンプルベクトルすべてをテーブル化する。ステップＳ
６ではステップ３１〜ステツプＳ５で求めたすべてのサ
ンプル低シーケンシベクトル及びサンプル高シーケンシ
ベクトルについて、各カテゴリ毎に、ＬＢＧ法により低
シーケンシベクトル、高シーケンシベクトル共に２５６
　＠の最適ベクトルを求める。ステップＳ７では各カテ
ゴリ毎に、第８図で説明した統合ベクトル量子化により
低シーケンシベクトル量子化コードデータ、高シーケン
シベクトル量子化コードデータを統合して１０２４　種
の統合ベクトル量子化コードデータにする。以上のステ
ップＳ１〜Ｓ７により本実施例の再生ベクトルが求まる
。

［他の実施例］ 尚、上述実施例では周波数解析手段としてアダマール変
換を用いたがこれに限らない。他の直交変換、例えばコ
サイン変換、Ｋ−Ｌ変換等を用いても良い。

［発明の効果］ 以上述べた如く本発明によれば、画像の相関性を利用し
、カテゴリ分類し、バンド分割を適応的に行うので周波
数の高い画像には高解像なベクトル符号化を行い、周波
数の低い画像には階調数の多い符号化を行うことができ
る。

【図面の簡単な説明】

第１図は実施例の画像情報処理装置のブロック構成図、 第２図（Ａ）は直交変換部３に人力するブロック画像デ
ータＸ１．Ｘ２．・・・、ｘ１６を示す図、第２図（Ｂ
）は直交変換部３によるアダマール変換後のベクトルデ
ータ（シーケンシ成分）Ｙ＋＋＋Ｙ１２＋　・・・、Ｙ
４４を示す図、第３図は本実施例のアダマール変換に採
用した２次元ウオルシュ型変換パターンを示す図、第４
図は実施例のブロック符号化コードの情報構造を示す図
、 第５図（Ａ）は実施例のカテゴリ分類方法の基本概念を
説明する図、 第５図（Ｂ）、（Ｃ）は弱エツジ及び強エツジ部の分類
方法を示す図、 第６図（Ａ）は実施例のカテゴリ分類方法を具体的に示
す図、 第６図（Ｂ）は実施例の各カテゴリ別に規定した低シー
ケンシ成分及び高シーケンシ成分に対するスカラ量子化
のビット配分を示す図、第７図は実施例のベクトル全子
化手段を抽出して示すブロック構成図、 第８図は実施例の統合ベクトル量子化部８の動作概念を
示す図、 第９図は実施例の再生ベクトルの求め方を示すフローチ
ャート、 第１０図は従来のＳｃｈａＩＱｉｎｇのバンドによるバ
ンド分割の一例を示す図である。 図中、１・・・画像入力装置、２・・・ラインバッファ
、３・・・直交変換部、４・・・カテゴリ分類部、５・
・・スカラ量子化部、６・・・ベクトル量子化部（Ｌ）
、？・・・ベクトル量子化部（Ｈ）、８・・・統合ベク
トル量子化部、９・・・符号データ記憶部である。 （Ａ）　　　　　　　　　　　　（Ｂ）第２図 第３図 （Ａ） （Ｂ）　　　　　　　　　　　　　（Ｃ）第５図 ＋を品−４，闇、中子Ｔ旦 （３，０１（３，５） 嘱二・弁１　　　　　　　　　弱ニー・′；針め　　　
　　　　　弱二・ゾ横（３，５１（３，６）　　　　　
　　　　　　　（３，５）らデエ・シシ乙工ε　　　　
　　　　　　　　　　　　　　　弓五工・・シＡ＋め　
　　　　　　　　　　　　　　　　化工・１５；項第６
図　（Ｂ）

Claims (4)

【特許請求の範囲】
1. （１）デジタル画像データをＭ×Ｎ画素単位に分割する
   ブロック化手段と、 前記分割したブロック画像データに対して直交変換を施
   すことにより周波数解析した所定次元数のベクトルデー
   タを生成する変換手段と、 前記生成したベクトルデータのうちの所定のベクトル要
   素に基づいて当該ブロック画像を複数カテゴリのうちの
   何れかに分類する分類手段と、前記分類したカテゴリに
   応じてブロック内高域の所定のベクトルデータをマスキ
   ングするマスク手段と、 前記マスキングした残りのベクトルデータについてベク
   トル量子化を行う量子化手段を備えることを特徴とする
   画像情報処理装置。
2. （２）マスク手段は分類手段が低周波のカテゴリに分類
   した画像ブロックに対しては高周波のより多くのベクト
   ルデータをマスキングし、また高周波のカテゴリに分類
   した画像ブロックに対しては高周波のより少ないベクト
   ルデータをマスキングすることを特徴とする特許請求の
   範囲第１項記載の画像情報処理装置。
3. （３）量子化手段はマスキングした残りのベクトルデー
   タに対して更に複数のグループに周波数別にバンド分割
   し、低域バンドのベクトルデータについては次元数を少
   なくし、高域バンドのベクトルデータについては次元数
   を多くするように分割することを特徴とする特許請求の
   範囲第２項記載の画像情報処理装置。
4. （４）量子化手段は分類手段のカテゴリに応じて異なる
   バンドパターンのバンド分割を行うことを特徴とする特
   許請求の範囲第３項記載の画像情報処理装置。