JPH09307907A - 動きベクトル検出装置および検出方法 - Google Patents
動きベクトル検出装置および検出方法Info
- Publication number
- JPH09307907A JPH09307907A JP14656296A JP14656296A JPH09307907A JP H09307907 A JPH09307907 A JP H09307907A JP 14656296 A JP14656296 A JP 14656296A JP 14656296 A JP14656296 A JP 14656296A JP H09307907 A JPH09307907 A JP H09307907A
- Authority
- JP
- Japan
- Prior art keywords
- motion vector
- image signal
- class
- prediction
- detecting
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
(57)【要約】
【課題】 入力画像信号の画素位置より小の精度の動き
ベクトルを検出し、また、検出誤りを防止する。 【解決手段】 前段検出部４は、入力画像信号の画素位
置精度の第１の動きベクトルＶ１を検出する。動きベク
トルＶ１により動き補償された画像信号がメモリ２から
得られる。クラス分類適応処理部３は、入力画像信号か
らその画素位置より詳細な画素位置の画像信号を予測す
る。予測画像信号とメモリ２からの動き補償された過去
の画像信号とが後段検出部９に供給される。後段検出部
９は、勾配法によって入力画像信号の画素位置より小の
画素位置と対応する精度の第２の動きベクトルＶ２を検
出する。加算器５は、第１および第２の動きベクトルを
加算して最終的な動きベクトルを出力する。
ベクトルを検出し、また、検出誤りを防止する。 【解決手段】 前段検出部４は、入力画像信号の画素位
置精度の第１の動きベクトルＶ１を検出する。動きベク
トルＶ１により動き補償された画像信号がメモリ２から
得られる。クラス分類適応処理部３は、入力画像信号か
らその画素位置より詳細な画素位置の画像信号を予測す
る。予測画像信号とメモリ２からの動き補償された過去
の画像信号とが後段検出部９に供給される。後段検出部
９は、勾配法によって入力画像信号の画素位置より小の
画素位置と対応する精度の第２の動きベクトルＶ２を検
出する。加算器５は、第１および第２の動きベクトルを
加算して最終的な動きベクトルを出力する。
Description
【０００１】
【発明の属する技術分野】この発明は、入力された画像
信号から画素位置より詳細な位置における画素値の予測
をクラス分類適応処理を用いて行い、より高い精度の動
きベクトルを検出できる動きベクトル検出装置および検
出方法に関する。
信号から画素位置より詳細な位置における画素値の予測
をクラス分類適応処理を用いて行い、より高い精度の動
きベクトルを検出できる動きベクトル検出装置および検
出方法に関する。
【０００２】
【従来の技術】ディジタル画像を対象とした動きベクト
ル検出の重要度は、近年ますます高まっている。それは
実用面への貢献が大きいからである。例えば、画像圧縮
における動き補償に用いられる動きベクトルの精度の向
上は、圧縮効率の向上をもたらしており、そのため動き
ベクトル検出方法に関しては、種々の提案がなされてい
る。一般に、動画像を対象とした動きベクトルの検出方
法は、次の３種類に大別される。
ル検出の重要度は、近年ますます高まっている。それは
実用面への貢献が大きいからである。例えば、画像圧縮
における動き補償に用いられる動きベクトルの精度の向
上は、圧縮効率の向上をもたらしており、そのため動き
ベクトル検出方法に関しては、種々の提案がなされてい
る。一般に、動画像を対象とした動きベクトルの検出方
法は、次の３種類に大別される。
【０００３】第１の動きベクトルの検出方法は、ブロッ
クマッチング法である。ブロックマッチング法は、パタ
ーンマッチングと同じ発想で、現画像のブロック化され
た領域が、過去の画像中の何処に存在したか、現画像と
過去画像の比較を行なうことによって動きベクトルを検
出する。具体的には、ブロック内対応画素毎の差分絶対
値を加算し、ブロック毎の差分絶対値和が最小となる位
置を動きベクトルとするものである。この方法は、検出
精度が良いが、演算量が多い欠点がある。
クマッチング法である。ブロックマッチング法は、パタ
ーンマッチングと同じ発想で、現画像のブロック化され
た領域が、過去の画像中の何処に存在したか、現画像と
過去画像の比較を行なうことによって動きベクトルを検
出する。具体的には、ブロック内対応画素毎の差分絶対
値を加算し、ブロック毎の差分絶対値和が最小となる位
置を動きベクトルとするものである。この方法は、検出
精度が良いが、演算量が多い欠点がある。
【０００４】そして、第２の動きベクトルの検出方法
は、勾配法である。勾配法は、一定の空間傾斜を持つ画
素が、ある位置まで動くと、動き量に応じた時間差分が
発生するというモデルに基づき、動きベクトルを検出す
る。よって、時間差分を空間傾斜で割算すれば動きベク
トルが得られる。演算量は少ないが、動き量が大きくな
ると、精度が落ちるという欠点がある。それは、一定の
空間傾斜を持つというモデルが成り立たなくなるからで
ある。
は、勾配法である。勾配法は、一定の空間傾斜を持つ画
素が、ある位置まで動くと、動き量に応じた時間差分が
発生するというモデルに基づき、動きベクトルを検出す
る。よって、時間差分を空間傾斜で割算すれば動きベク
トルが得られる。演算量は少ないが、動き量が大きくな
ると、精度が落ちるという欠点がある。それは、一定の
空間傾斜を持つというモデルが成り立たなくなるからで
ある。
【０００５】また、第３の動きベクトルの検出方法は、
位相相関法である。位相相関法は、現画像と過去画像の
同一位置のブロックデータに対し、各々フーリエ変換を
施し、周波数領域で位相のずれ量を検出し、その位相項
より逆フーリエ変換を経て動きベクトル値を検出する手
法である。この手法の特徴として、精度を確保するため
には、ある程度以上の大きいブロックサイズが要求され
る。そのためフーリエ変換により演算量が膨大となる。
また、一般的に大きいブロックの中には複数の動き物体
が存在する可能性が高く、その識別が難しくなるという
欠点がある。また、動きベクトルの精度は、フーリエ変
換の対象画素精度になるので、入力画素ピッチの動きベ
クトルしか得られない。
位相相関法である。位相相関法は、現画像と過去画像の
同一位置のブロックデータに対し、各々フーリエ変換を
施し、周波数領域で位相のずれ量を検出し、その位相項
より逆フーリエ変換を経て動きベクトル値を検出する手
法である。この手法の特徴として、精度を確保するため
には、ある程度以上の大きいブロックサイズが要求され
る。そのためフーリエ変換により演算量が膨大となる。
また、一般的に大きいブロックの中には複数の動き物体
が存在する可能性が高く、その識別が難しくなるという
欠点がある。また、動きベクトルの精度は、フーリエ変
換の対象画素精度になるので、入力画素ピッチの動きベ
クトルしか得られない。
【０００６】
【発明が解決しようとする課題】上述した従来の方法に
よって検出される動きベクトルの精度は、入力画像信号
の画素位置精度（すなわち、１画素単位）である。例え
ば、動き補償の場合では、精度の高い補償を行うために
は、より高い精度の動きベクトルを検出することが必要
とされる。
よって検出される動きベクトルの精度は、入力画像信号
の画素位置精度（すなわち、１画素単位）である。例え
ば、動き補償の場合では、精度の高い補償を行うために
は、より高い精度の動きベクトルを検出することが必要
とされる。
【０００７】したがって、この発明の目的は、入力画像
信号の画素位置精度より高い精度の動きベクトルを検出
することができる動きベクトル検出装置および検出方法
を提供することにある。
信号の画素位置精度より高い精度の動きベクトルを検出
することができる動きベクトル検出装置および検出方法
を提供することにある。
【０００８】
【課題を解決するための手段】請求項１に記載の発明
は、画像の動きベクトルを検出する検出装置において、
入力画像信号の画素位置精度の動きベクトルを検出する
第１の動きベクトル検出部と、入力画像信号に対してク
ラス分類適応処理を用いて画素位置より詳細な位置にお
ける画素値を予測する予測部と、第１の動きベクトル検
出部により検出された動きベクトルを参照して、勾配法
によって詳細な位置と対応する精度の動きベクトルを検
出する第２の動きベクトル検出部とからなることを特徴
とする動きベクトル検出装置である。
は、画像の動きベクトルを検出する検出装置において、
入力画像信号の画素位置精度の動きベクトルを検出する
第１の動きベクトル検出部と、入力画像信号に対してク
ラス分類適応処理を用いて画素位置より詳細な位置にお
ける画素値を予測する予測部と、第１の動きベクトル検
出部により検出された動きベクトルを参照して、勾配法
によって詳細な位置と対応する精度の動きベクトルを検
出する第２の動きベクトル検出部とからなることを特徴
とする動きベクトル検出装置である。
【０００９】また、請求項８に記載の発明は、画像の動
きベクトルを検出する検出方法において、入力画像信号
の画素位置精度の第１の動きベクトルを検出するステッ
プと、入力画像信号に対してクラス分類適応処理を用い
て画素位置より詳細な位置における画素値を予測するス
テップと、第１の動きベクトルを参照して、勾配法によ
って詳細な位置と対応する精度の第２の動きベクトルを
検出するステップとからなることを特徴とする動きベク
トル検出方法である。
きベクトルを検出する検出方法において、入力画像信号
の画素位置精度の第１の動きベクトルを検出するステッ
プと、入力画像信号に対してクラス分類適応処理を用い
て画素位置より詳細な位置における画素値を予測するス
テップと、第１の動きベクトルを参照して、勾配法によ
って詳細な位置と対応する精度の第２の動きベクトルを
検出するステップとからなることを特徴とする動きベク
トル検出方法である。
【００１０】入力画像が第１の動きベクトル検出部によ
って、入力画像信号の画素位置精度の第１の動きベクト
ルが検出される。この第１の動きベクトルによって動き
補償がなされた画像信号が形成される。また、クラス分
類適応処理を用いて画素位置より詳細な位置における画
素値が予測される。詳細な予測画像と動き補償がなされ
た画像信号とを使用し、勾配法によって画素位置精度よ
り高い精度の第２の動きベクトルが検出する。第１の動
きベクトルと第２の動きベクトルとが加算され、最終的
な動きベクトルが生成される。
って、入力画像信号の画素位置精度の第１の動きベクト
ルが検出される。この第１の動きベクトルによって動き
補償がなされた画像信号が形成される。また、クラス分
類適応処理を用いて画素位置より詳細な位置における画
素値が予測される。詳細な予測画像と動き補償がなされ
た画像信号とを使用し、勾配法によって画素位置精度よ
り高い精度の第２の動きベクトルが検出する。第１の動
きベクトルと第２の動きベクトルとが加算され、最終的
な動きベクトルが生成される。
【００１１】
【発明の実施の形態】以下、この発明の一実施例につい
て図面を参照して説明する。図１は、この発明の一実施
例の構成を示し、図１において１で示す入力端子からデ
ジタル画像信号が供給される。入力画像信号は、メモリ
２およびクラス分類適応処理部３に供給される。メモリ
２に蓄えられた画像信号を使用して、第１の動きベクト
ルＶ１を検出する前段の検出部４が設けられる。
て図面を参照して説明する。図１は、この発明の一実施
例の構成を示し、図１において１で示す入力端子からデ
ジタル画像信号が供給される。入力画像信号は、メモリ
２およびクラス分類適応処理部３に供給される。メモリ
２に蓄えられた画像信号を使用して、第１の動きベクト
ルＶ１を検出する前段の検出部４が設けられる。
【００１２】前段検出部４における動きベクトル検出の
方法としては、前述した既存の方法の何れを採用しても
良い。例えば、前段検出部４では、ブロックマッチング
法を用いて画素位置精度の動きベクトルが検出される。
ブロックマッチング法の説明のために、ブロックデータ
の構造例を図２に示す。時間的に隣接するフレームにお
いて、あるブロックの動きベクトルを検出する場合を考
える。＃Ｎフレームと＃（Ｎ−１）フレームにおいて、
空間的に対応する位置に、Ｍ画素×Ｎラインの大きさの
ブロックが設定される。サーチ領域において、＃Ｎフレ
ームのブロックと、＃（Ｎ−１）フレームでの各座標で
のブロックの間でパターンマッチングを行ない、マッチ
ングが最良な座標を検出する。各位置毎に対応するＭ画
素×Ｎラインの大きさのブロック内の対応画素のフレー
ム差分絶対値和、フレーム差の二乗和などが評価値とし
て用いられる。
方法としては、前述した既存の方法の何れを採用しても
良い。例えば、前段検出部４では、ブロックマッチング
法を用いて画素位置精度の動きベクトルが検出される。
ブロックマッチング法の説明のために、ブロックデータ
の構造例を図２に示す。時間的に隣接するフレームにお
いて、あるブロックの動きベクトルを検出する場合を考
える。＃Ｎフレームと＃（Ｎ−１）フレームにおいて、
空間的に対応する位置に、Ｍ画素×Ｎラインの大きさの
ブロックが設定される。サーチ領域において、＃Ｎフレ
ームのブロックと、＃（Ｎ−１）フレームでの各座標で
のブロックの間でパターンマッチングを行ない、マッチ
ングが最良な座標を検出する。各位置毎に対応するＭ画
素×Ｎラインの大きさのブロック内の対応画素のフレー
ム差分絶対値和、フレーム差の二乗和などが評価値とし
て用いられる。
【００１３】＃Ｎフレームの各画素レベルをＬn （ｉ，
ｊ）、＃（Ｎ−１）フレームの各画素レベルをＬn-1
（ｉ，ｊ）とすると、座標（ｘ、ｙ）における評価式の
例として次の式（１）が使用される。
ｊ）、＃（Ｎ−１）フレームの各画素レベルをＬn-1
（ｉ，ｊ）とすると、座標（ｘ、ｙ）における評価式の
例として次の式（１）が使用される。
【００１４】
【数１】
【００１５】図２の例においては、Ｘ・Ｙ点の各座標に
おいて、式（１）によって動き評価値Ｅの値を算出す
る。Ｘ・Ｙ点の座標のうち、評価値が最小値を示す座標
が第１の動きベクトルＶ１となる。ここで算出される評
価値が各画素毎に求められるので、検出される動きベク
トルＶ１は、入力画像信号の画素位置精度である。
おいて、式（１）によって動き評価値Ｅの値を算出す
る。Ｘ・Ｙ点の座標のうち、評価値が最小値を示す座標
が第１の動きベクトルＶ１となる。ここで算出される評
価値が各画素毎に求められるので、検出される動きベク
トルＶ１は、入力画像信号の画素位置精度である。
【００１６】前段検出部４で検出された第１の動きベク
トルＶ１が加算器５に出力されると共に、メモリ２に供
給される。メモリ２は、例えばフレームメモリと、その
アドレス制御部とを含み、動きベクトルＶ１によってフ
レームメモリのアドレスを制御することによって、動き
補償がなされる。すなわち、検出された第１の動きベク
トルＶ１に対応して１フレームの画像全体が移動され
る。若し、フレーム間の動きが１画素の丁度整数倍であ
れば、動き補償された画像は、前フレームの画像と一致
したものとなる。
トルＶ１が加算器５に出力されると共に、メモリ２に供
給される。メモリ２は、例えばフレームメモリと、その
アドレス制御部とを含み、動きベクトルＶ１によってフ
レームメモリのアドレスを制御することによって、動き
補償がなされる。すなわち、検出された第１の動きベク
トルＶ１に対応して１フレームの画像全体が移動され
る。若し、フレーム間の動きが１画素の丁度整数倍であ
れば、動き補償された画像は、前フレームの画像と一致
したものとなる。
【００１７】クラス分類適応処理部３は、入力画像信号
の波形に基づいてクラス分類を行うクラス分類部６と、
クラス分類部６で発生したクラスを表すクラスコードが
アドレスとして供給される係数メモリ７と、メモリ７か
ら読出された係数値と入力画像信号の複数の画素値との
線形１次結合により予測値を生成する予測演算部８とに
より構成される。この複数の画素値としては、予測対象
の画素の周辺のものが使用される。その詳細は、後述す
るが、クラス分類適応処理部３は、入力画像信号の画素
位置精度より詳細な位置における画素値を予測する。例
えば水平方向および垂直方向において、入力画像信号の
画素ピッチの１／２の位置に新たな画素値を予測する。
予測された詳細な画像信号が後段検出部９に供給され
る。
の波形に基づいてクラス分類を行うクラス分類部６と、
クラス分類部６で発生したクラスを表すクラスコードが
アドレスとして供給される係数メモリ７と、メモリ７か
ら読出された係数値と入力画像信号の複数の画素値との
線形１次結合により予測値を生成する予測演算部８とに
より構成される。この複数の画素値としては、予測対象
の画素の周辺のものが使用される。その詳細は、後述す
るが、クラス分類適応処理部３は、入力画像信号の画素
位置精度より詳細な位置における画素値を予測する。例
えば水平方向および垂直方向において、入力画像信号の
画素ピッチの１／２の位置に新たな画素値を予測する。
予測された詳細な画像信号が後段検出部９に供給され
る。
【００１８】後段検出部９には、メモリ２からの動き補
償された画像信号と、処理部３からの予測画像信号とが
入力される。動き補償された画像信号は、後段検出部９
において、過去（例えば前フレーム）の参照画像として
使用される。後段検出部９は、勾配法によって第２の動
きベクトルＶ２を検出する。この動きベクトルＶ２は、
より詳細な位置と対応する精度の動きベクトルである。
第２の動きベクトルＶ２が加算器５に供給され、前段検
出部４からの第１の動きベクトルＶ１と加算される。加
算器５から出力端子１０に最終的な動きベクトルの出力
が得られる。第１の動きベクトルＶ１は、入力画像信号
の画像位置精度であり、水平および垂直方向に関して整
数の値である。一方、第２の動きベクトルＶ２は、詳細
画像の画像位置精度であり、水平および垂直方向に関し
て、小数の値または０である。
償された画像信号と、処理部３からの予測画像信号とが
入力される。動き補償された画像信号は、後段検出部９
において、過去（例えば前フレーム）の参照画像として
使用される。後段検出部９は、勾配法によって第２の動
きベクトルＶ２を検出する。この動きベクトルＶ２は、
より詳細な位置と対応する精度の動きベクトルである。
第２の動きベクトルＶ２が加算器５に供給され、前段検
出部４からの第１の動きベクトルＶ１と加算される。加
算器５から出力端子１０に最終的な動きベクトルの出力
が得られる。第１の動きベクトルＶ１は、入力画像信号
の画像位置精度であり、水平および垂直方向に関して整
数の値である。一方、第２の動きベクトルＶ２は、詳細
画像の画像位置精度であり、水平および垂直方向に関し
て、小数の値または０である。
【００１９】後段検出部９において使用される勾配法に
ついて述べるが、基本的な考え方は次の式で示される。 （時間方向の画素差分値）＝（空間内の画素値勾配）×（動き量）・・（２） この式（２）により動きベクトルＶ２は、次の式（３）
により計算される。 Ｖ２＝δＴ／δＳ・・・・（３） Ｖ；動きベクトル δＳ；空間内の画素値勾配 δＴ；時間方向の画素差分値
ついて述べるが、基本的な考え方は次の式で示される。 （時間方向の画素差分値）＝（空間内の画素値勾配）×（動き量）・・（２） この式（２）により動きベクトルＶ２は、次の式（３）
により計算される。 Ｖ２＝δＴ／δＳ・・・・（３） Ｖ；動きベクトル δＳ；空間内の画素値勾配 δＴ；時間方向の画素差分値
【００２０】式（３）を２次元（水平および垂直方向）
に拡張すれば、画像を対象とした勾配法による動きベク
トル検出が実行される。式（３）においては空間内の画
素値勾配が動き量に対し一定値であることを仮定してい
るが、一般の動きベクトル検出時には空間内の画素値勾
配が変化するため検出誤りが発生することがある。この
発明の一実施例では、２段構成の動きベクトル検出を行
うので、検出精度を向上することができる。すなわち、
第１の動きベクトルＶ１により動きの多くの部分を補償
し、その後で、勾配法を適用することによって、検出誤
りを少なくすることができる。さらに、クラス分類適応
処理を用い画素位置以下精度の詳細画像を生成し勾配法
を用いることにより、画素位置以下精度の動きベクトル
を検出できる。
に拡張すれば、画像を対象とした勾配法による動きベク
トル検出が実行される。式（３）においては空間内の画
素値勾配が動き量に対し一定値であることを仮定してい
るが、一般の動きベクトル検出時には空間内の画素値勾
配が変化するため検出誤りが発生することがある。この
発明の一実施例では、２段構成の動きベクトル検出を行
うので、検出精度を向上することができる。すなわち、
第１の動きベクトルＶ１により動きの多くの部分を補償
し、その後で、勾配法を適用することによって、検出誤
りを少なくすることができる。さらに、クラス分類適応
処理を用い画素位置以下精度の詳細画像を生成し勾配法
を用いることにより、画素位置以下精度の動きベクトル
を検出できる。
【００２１】図３は、勾配法によって後段検出部９が動
きベクトルを検出する時の処理の概略を示す。横軸は、
水平方向の位置を示し、縦軸が画素値を示す。実線で示
す波形は、クラス分類適応処理部３によって予測された
詳細画像（例えばピッチが元の１／２）を表し、破線で
示す波形は、メモリ２から供給される動き補償後の過去
の画像、例えば１フレーム前の画像（参照画像）を示
す。空間勾配δＳは、詳細画像中の隣接する画素の値ｘ
i およびｘi-1 間の差分として計算される。簡単のた
め、図３に示す波形は、勾配が１のものであり、δＳ＝
１である。
きベクトルを検出する時の処理の概略を示す。横軸は、
水平方向の位置を示し、縦軸が画素値を示す。実線で示
す波形は、クラス分類適応処理部３によって予測された
詳細画像（例えばピッチが元の１／２）を表し、破線で
示す波形は、メモリ２から供給される動き補償後の過去
の画像、例えば１フレーム前の画像（参照画像）を示
す。空間勾配δＳは、詳細画像中の隣接する画素の値ｘ
i およびｘi-1 間の差分として計算される。簡単のた
め、図３に示す波形は、勾配が１のものであり、δＳ＝
１である。
【００２２】時間方向の画素差分値δＴは、現フレーム
の画素値ｘi と、この画素と同一位置の前フレームの画
素の値ｘi-f の差分である。図３の例では、δＴ＝０．
７５である。従って、第２の動きベクトルは、Ｖ２＝δ
Ｔ／δＳ＝０．７５と検出される。詳細画像において、
空間勾配δＳを求めているので、空間勾配が一定という
条件を満たす上で有利である。また、１画素ピッチより
細かいピッチと対応する精度の動きベクトルＶ２を検出
できる。図３は、水平方向についての動き検出のみを示
すが、実際には、垂直方向についても同様に動き検出が
なされる。そして、水平および垂直方向の両方向の成分
からなる動きベクトルＶ２が形成される。さらに、動き
の方向は、動きベクトルの極性により表される。
の画素値ｘi と、この画素と同一位置の前フレームの画
素の値ｘi-f の差分である。図３の例では、δＴ＝０．
７５である。従って、第２の動きベクトルは、Ｖ２＝δ
Ｔ／δＳ＝０．７５と検出される。詳細画像において、
空間勾配δＳを求めているので、空間勾配が一定という
条件を満たす上で有利である。また、１画素ピッチより
細かいピッチと対応する精度の動きベクトルＶ２を検出
できる。図３は、水平方向についての動き検出のみを示
すが、実際には、垂直方向についても同様に動き検出が
なされる。そして、水平および垂直方向の両方向の成分
からなる動きベクトルＶ２が形成される。さらに、動き
の方向は、動きベクトルの極性により表される。
【００２３】ここで、クラス分類適応処理回路３に適用
されたクラス分類適応処理とは、入力信号のレベル分布
のパターンに基づきこの入力信号を幾つかのクラスに分
類し、予め用意されたクラス毎に適切な適応処理を実行
する手法である。クラス分類法の例としては、入力信号
（８ビットＰＣＭデータ）に対して、クラス生成タップ
を設定し、入力信号のレベル分布のパターンによりクラ
スを生成する手法があげられる。信号波形のクラス生成
法としては次のものが提案されている。
されたクラス分類適応処理とは、入力信号のレベル分布
のパターンに基づきこの入力信号を幾つかのクラスに分
類し、予め用意されたクラス毎に適切な適応処理を実行
する手法である。クラス分類法の例としては、入力信号
（８ビットＰＣＭデータ）に対して、クラス生成タップ
を設定し、入力信号のレベル分布のパターンによりクラ
スを生成する手法があげられる。信号波形のクラス生成
法としては次のものが提案されている。
【００２４】１）ＰＣＭデータを直接使用する。 ２）ＡＤＲＣ（適応的ダイナミックレンジ符号化）を適
用し、クラス数を削減する。 ３）ＤＰＣＭ（予測符号化）を適用し、クラス数を削減
する。 ４）ＶＱ（ベクトル量子化）を適用し、クラス数を削減
する。 ５）ＤＣＴ（離散的コサイン変換）などの周波数領域に
おいてクラス分類を行う。
用し、クラス数を削減する。 ３）ＤＰＣＭ（予測符号化）を適用し、クラス数を削減
する。 ４）ＶＱ（ベクトル量子化）を適用し、クラス数を削減
する。 ５）ＤＣＴ（離散的コサイン変換）などの周波数領域に
おいてクラス分類を行う。
【００２５】ＰＣＭデータを直接使用するとクラス数
は、膨大な数になり、実用上において問題である。そこ
で、実際は、ＡＤＲＣ（ダイナミックレンジに適応した
符号化）などを適用しクラス数の削減を図る。ＡＤＲＣ
は、ＶＴＲ用の信号圧縮方式として開発されたものであ
るが、少ないクラス数で、入力信号の波形特性を表現す
るのに適している。ＡＤＲＣの処理を次の式（４）に示
す。
は、膨大な数になり、実用上において問題である。そこ
で、実際は、ＡＤＲＣ（ダイナミックレンジに適応した
符号化）などを適用しクラス数の削減を図る。ＡＤＲＣ
は、ＶＴＲ用の信号圧縮方式として開発されたものであ
るが、少ないクラス数で、入力信号の波形特性を表現す
るのに適している。ＡＤＲＣの処理を次の式（４）に示
す。
【００２６】 ｃｉ＝（Ｅｉ−ＭＩＮ）／（ＤＲ／２k ） （４） ｃｉ：ＡＤＲＣコード ＭＩＮ：近傍領域内の画素の最小値 ＤＲ：近傍領域内のダイナミックレンジ ｋ：量子化ビット数
【００２７】注目データ近傍の数タップに対し式（４）
で定義されるＡＤＲＣを用いて生成されるＡＤＲＣコー
ドによりクラス分類を行う。例えば、７画素データに対
し１ビットの再量子化を実行する１ビットＡＤＲＣを適
用すると、７画素から定義されるダイナミックレンジに
基づき、それらの最小値を除去した上で、７タップのデ
ータを適応的に１ビット量子化する。その結果、７画素
データを７ビットで表現することになり、１２８クラス
に削減することが可能となる。
で定義されるＡＤＲＣを用いて生成されるＡＤＲＣコー
ドによりクラス分類を行う。例えば、７画素データに対
し１ビットの再量子化を実行する１ビットＡＤＲＣを適
用すると、７画素から定義されるダイナミックレンジに
基づき、それらの最小値を除去した上で、７タップのデ
ータを適応的に１ビット量子化する。その結果、７画素
データを７ビットで表現することになり、１２８クラス
に削減することが可能となる。
【００２８】また、クラス分類の性能を更に向上させる
ため、入力信号のアクティビティーも考慮した上でクラ
ス分類が行われることがある。アクティビティーの判定
法の例としては、クラス分類法にＡＤＲＣを使用した場
合、ダイナミックレンジを用いることが多い。また、Ｄ
ＰＣＭをクラス分類法に用いる場合、差分絶対値和、Ｂ
ＴＣをクラス分類法に用いる場合、標準偏差の絶対値な
どがアクティビティーの判定法として用いられる。
ため、入力信号のアクティビティーも考慮した上でクラ
ス分類が行われることがある。アクティビティーの判定
法の例としては、クラス分類法にＡＤＲＣを使用した場
合、ダイナミックレンジを用いることが多い。また、Ｄ
ＰＣＭをクラス分類法に用いる場合、差分絶対値和、Ｂ
ＴＣをクラス分類法に用いる場合、標準偏差の絶対値な
どがアクティビティーの判定法として用いられる。
【００２９】そして、このときには、アクティビティー
による分類結果毎に、上述のＡＤＲＣを用いたクラス分
類などを行うことになる。また、学習過程において、ア
クティビティーの小さいデータを学習対象から外す。こ
の理由は、アクティビティーの小さい部分は、ノイズの
影響が大きく、本来のクラスの予測値から外れることが
多い。そのため、これを学習に入れると予測精度が低下
する。これを避けるため、学習においては、アクティビ
ティーの小さいデータを除外する。
による分類結果毎に、上述のＡＤＲＣを用いたクラス分
類などを行うことになる。また、学習過程において、ア
クティビティーの小さいデータを学習対象から外す。こ
の理由は、アクティビティーの小さい部分は、ノイズの
影響が大きく、本来のクラスの予測値から外れることが
多い。そのため、これを学習に入れると予測精度が低下
する。これを避けるため、学習においては、アクティビ
ティーの小さいデータを除外する。
【００３０】クラス分類部６によって上述のようにクラ
ス分類がなされ、クラス毎に適応処理を実行する。クラ
ス分類適応処理部３は、生成されたクラス毎に係数メモ
リ７から読出された予測係数を用いた予測処理を行う。
予測用のタップが例えば１３の場合に、予測演算部８に
より演算される予測式の例を式（５）に示す。
ス分類がなされ、クラス毎に適応処理を実行する。クラ
ス分類適応処理部３は、生成されたクラス毎に係数メモ
リ７から読出された予測係数を用いた予測処理を行う。
予測用のタップが例えば１３の場合に、予測演算部８に
より演算される予測式の例を式（５）に示す。
【００３１】
【数２】
【００３２】ｙ´：推定画素値 ｘi ：予測用のタップの入力信号画素値 ｗi ：予測係数
【００３３】上述の予測係数は、予め学習により生成し
ておく。以下、その学習方法について述べる。式（５）
の線形１次結合モデルに基づく予測係数を最小自乗法に
より生成する例を示す。その最小自乗法は、次のように
適用される。一般化した例として、Ｘを入力データ、Ｗ
を予測係数、Ｙを推定値としてつぎの式を考える。
ておく。以下、その学習方法について述べる。式（５）
の線形１次結合モデルに基づく予測係数を最小自乗法に
より生成する例を示す。その最小自乗法は、次のように
適用される。一般化した例として、Ｘを入力データ、Ｗ
を予測係数、Ｙを推定値としてつぎの式を考える。
【００３４】観測方程式；ＸＷ＝Ｙ・・・（６）
【００３５】
【数３】
【００３６】上述の観測方程式により収集されたデータ
に最小自乗法を適用する。式（６）および式（７）の観
測方程式をもとに、式（８）の残差方程式を考える。
に最小自乗法を適用する。式（６）および式（７）の観
測方程式をもとに、式（８）の残差方程式を考える。
【００３７】
【数４】
【００３８】式（８）の残差方程式から、各ｗi の最確
値は、誤差の二乗和を最小にする条件が成り立つ場合と
考えられる。誤差の二乗和は、次の数式で示される。
値は、誤差の二乗和を最小にする条件が成り立つ場合と
考えられる。誤差の二乗和は、次の数式で示される。
【００３９】
【数５】
【００４０】すなわち、次の式（９）の条件を考慮すれ
ば良いわけである。
ば良いわけである。
【００４１】
【数６】
【００４２】式（９）のｉに基づくｎ個の条件を考え、
これを満たすｗ1 ，ｗ2 ，・・・，ｗn を算出すれば良
い。そこで、残差方程式（８）から次の式（１０）が得
られる。
これを満たすｗ1 ，ｗ2 ，・・・，ｗn を算出すれば良
い。そこで、残差方程式（８）から次の式（１０）が得
られる。
【００４３】
【数７】
【００４４】式（９）および式（１０）により式（１
１）が得られる。
１）が得られる。
【００４５】
【数８】
【００４６】そして、式（８）および式（１１）から、
正規方程式（１２）が得られる。
正規方程式（１２）が得られる。
【００４７】
【数９】
【００４８】式（１２）の正規方程式は、未知数の数ｎ
と同じ数の方程式を立てることが可能であるので、各ｗ
i の最確値を求めることができる。そして、掃き出し法
（Gauss-Jordanの消去法）を用いて連立方程式を解く。
と同じ数の方程式を立てることが可能であるので、各ｗ
i の最確値を求めることができる。そして、掃き出し法
（Gauss-Jordanの消去法）を用いて連立方程式を解く。
【００４９】ここで、上述の最小自乗法を用いて予測係
数の学習をソフトウェアで行う一例を図４のフローチャ
ートに示す。まず、ステップＳ１の学習データ形成から
このフローチャートは始まり、このステップＳ１におい
て、既知の画像に対応した学習データが形成される。そ
して、ステップＳ３のクラス決定において、入力データ
に対してクラス分類が行われる。
数の学習をソフトウェアで行う一例を図４のフローチャ
ートに示す。まず、ステップＳ１の学習データ形成から
このフローチャートは始まり、このステップＳ１におい
て、既知の画像に対応した学習データが形成される。そ
して、ステップＳ３のクラス決定において、入力データ
に対してクラス分類が行われる。
【００５０】ステップＳ４において、各クラス毎に、式
（１２）の正規方程式が生成される。この学習プロセス
において、多くの学習データが登録された正規方程式が
生成される。ステップＳ２において学習対象データが終
了したものと決定されるまで、正規方程式生成プロセス
が繰り返される。
（１２）の正規方程式が生成される。この学習プロセス
において、多くの学習データが登録された正規方程式が
生成される。ステップＳ２において学習対象データが終
了したものと決定されるまで、正規方程式生成プロセス
が繰り返される。
【００５１】対象となる学習データが全て終了すると、
ステップＳ５の予測係数決定に制御が移る。ここでは、
多くの学習データより生成された、クラス毎の式（１
２）の正規方程式が解かれる。その連立方程式の解法と
しては、上述の掃き出し法が用いられる。こうして得ら
れた予測係数は、ステップＳ６の予測係数登録の過程に
おいて、クラス別にアドレス分割されたＲＯＭなどの記
憶部に登録される。以上の学習過程により、クラス分類
適応処理の予測係数が生成される。
ステップＳ５の予測係数決定に制御が移る。ここでは、
多くの学習データより生成された、クラス毎の式（１
２）の正規方程式が解かれる。その連立方程式の解法と
しては、上述の掃き出し法が用いられる。こうして得ら
れた予測係数は、ステップＳ６の予測係数登録の過程に
おいて、クラス別にアドレス分割されたＲＯＭなどの記
憶部に登録される。以上の学習過程により、クラス分類
適応処理の予測係数が生成される。
【００５２】図５は、この発明の他の実施例を示す。前
段検出部４において画素位置精度の第１の動きベクトル
Ｖ１を検出し、画素位置より細かい位置の第２の動きベ
クトルＶ２を後段検出部９により検出し、動きベクトル
Ｖ１およびＶ２を加算器５にて加算して最終的な動きベ
クトルを生成することは、上述した一実施例と同様であ
る。他の実施例では、図２において３’で示すように、
クラス分類適応処理部として、最適な予測値が格納され
ている予測値メモリ１１が使用される。すなわち、予測
値メモリ１１では、後述するように、重心法によって予
め獲得された予測値がクラス毎に格納されている。クラ
ス分類部６により生成されたクラスに対応して予測値が
メモリ１１から読出され、メモリ１１から詳細な画像信
号が後段検出部９に対して出力される。
段検出部４において画素位置精度の第１の動きベクトル
Ｖ１を検出し、画素位置より細かい位置の第２の動きベ
クトルＶ２を後段検出部９により検出し、動きベクトル
Ｖ１およびＶ２を加算器５にて加算して最終的な動きベ
クトルを生成することは、上述した一実施例と同様であ
る。他の実施例では、図２において３’で示すように、
クラス分類適応処理部として、最適な予測値が格納され
ている予測値メモリ１１が使用される。すなわち、予測
値メモリ１１では、後述するように、重心法によって予
め獲得された予測値がクラス毎に格納されている。クラ
ス分類部６により生成されたクラスに対応して予測値が
メモリ１１から読出され、メモリ１１から詳細な画像信
号が後段検出部９に対して出力される。
【００５３】クラス分類適応処理部３’は、重心法を用
いて画素位置より細かい位置の画素値を予測する。重心
法は、各クラス毎に予め学習に用いられる教師信号の分
布重心を算出し、この値を最適予測値としてＲＯＭなど
に蓄え、各クラス毎の最適予測値として出力する手法で
ある。従って、メモリ１１には、予め獲得された予測値
が格納されている。クラス分類部６で発生したクラスに
対応した最適予測値がから読み出され、読み出された最
適予測値が後段検出部９に供給される。後段検出部９で
は、一実施例と同様に、メモリ２からの動き補償がされ
た画像信号と適応処理部３’からの詳細な予測画像信号
を使用して画素位置より細かい位置の精度と対応する動
きベクトルＶ２を生成する。そして、加算器５において
動きベクトルＶ１とＶ２とが加算され、最終的な動きベ
クトルが出力端子１０に取り出される。
いて画素位置より細かい位置の画素値を予測する。重心
法は、各クラス毎に予め学習に用いられる教師信号の分
布重心を算出し、この値を最適予測値としてＲＯＭなど
に蓄え、各クラス毎の最適予測値として出力する手法で
ある。従って、メモリ１１には、予め獲得された予測値
が格納されている。クラス分類部６で発生したクラスに
対応した最適予測値がから読み出され、読み出された最
適予測値が後段検出部９に供給される。後段検出部９で
は、一実施例と同様に、メモリ２からの動き補償がされ
た画像信号と適応処理部３’からの詳細な予測画像信号
を使用して画素位置より細かい位置の精度と対応する動
きベクトルＶ２を生成する。そして、加算器５において
動きベクトルＶ１とＶ２とが加算され、最終的な動きベ
クトルが出力端子１０に取り出される。
【００５４】ここで、メモリ１１に最適な予測値を蓄え
るためになされる、予測値の学習方法の一例のフローチ
ャートを図６に示す。ステップＳ１１からこのフローチ
ャートが始まり、そのステップＳ１１において、全ての
クラスの度数カウンタＮ（＊）と、全てのクラスのデー
タテーブルＥ（＊）の初期化が行われる。ここで、ある
クラスをＣ０とすると、対応する度数のカウンタはＮ
（Ｃ０）、対応するデータテーブルはＥ（Ｃ０）と定義
する。また、＊はクラスの全てを示す。
るためになされる、予測値の学習方法の一例のフローチ
ャートを図６に示す。ステップＳ１１からこのフローチ
ャートが始まり、そのステップＳ１１において、全ての
クラスの度数カウンタＮ（＊）と、全てのクラスのデー
タテーブルＥ（＊）の初期化が行われる。ここで、ある
クラスをＣ０とすると、対応する度数のカウンタはＮ
（Ｃ０）、対応するデータテーブルはＥ（Ｃ０）と定義
する。また、＊はクラスの全てを示す。
【００５５】ステップＳ１２のクラス検出では、学習対
象画素の近傍データからクラスＣが決定される。このク
ラス分類の手法としては、上述のように、ＡＤＲＣ、Ｐ
ＣＭ表現、ＤＰＣＭ、ＢＴＣ（ブロックトランケーショ
ン符号化）、ＶＱ、直交変換などを使用することができ
る。また、クラス分類対象データより構成されるブロッ
クのアクティビティーを考慮する場合、クラス数をアク
ティビティーによる分類の種類だけ増やしておく。
象画素の近傍データからクラスＣが決定される。このク
ラス分類の手法としては、上述のように、ＡＤＲＣ、Ｐ
ＣＭ表現、ＤＰＣＭ、ＢＴＣ（ブロックトランケーショ
ン符号化）、ＶＱ、直交変換などを使用することができ
る。また、クラス分類対象データより構成されるブロッ
クのアクティビティーを考慮する場合、クラス数をアク
ティビティーによる分類の種類だけ増やしておく。
【００５６】そして、ステップＳ１３では、この学習対
象となる画素値ｙを検出し、検出された画素値ｙは、ス
テップＳ１４において、クラスＣ毎に画素値ｙをそれぞ
れ加算する。すなわち、クラスＣのデータテーブルＥ
（Ｃ）の内容にｙを加算した後、ステップＳ１５では、
クラスＣの学習画素の度数カウンタＮ（Ｃ）が＋１イン
クリメントされる。ステップＳ１６では、以上の処理を
全学習対象画素について繰り返し実行し、最終的な全て
のクラスの度数カウンタＮ（＊）と、対応する全てのク
ラスのデータテーブルＥ（＊）が生成されると、ステッ
プＳ１７へ制御が移る。
象となる画素値ｙを検出し、検出された画素値ｙは、ス
テップＳ１４において、クラスＣ毎に画素値ｙをそれぞ
れ加算する。すなわち、クラスＣのデータテーブルＥ
（Ｃ）の内容にｙを加算した後、ステップＳ１５では、
クラスＣの学習画素の度数カウンタＮ（Ｃ）が＋１イン
クリメントされる。ステップＳ１６では、以上の処理を
全学習対象画素について繰り返し実行し、最終的な全て
のクラスの度数カウンタＮ（＊）と、対応する全てのク
ラスのデータテーブルＥ（＊）が生成されると、ステッ
プＳ１７へ制御が移る。
【００５７】ステップＳ１７では、各クラスのデータテ
ーブルＥ（＊）の内容であるデータ積算値を、対応クラ
スの度数カウンタＮ（＊）の度数で、除算を実行するこ
とで各クラスの平均値を算出する。この値が重心法によ
る各クラスの最適予測値となる。最終的に、ステップＳ
１８において、ＲＯＭなどの記憶手段に、クラスと上述
の最適予測値を登録することで重心法による学習は終了
する。また、学習過程においてノイズの影響を排除する
ため、アクティビティーの小さい画素は学習対象から除
外される。このように、学習により得られた予測値がク
ラス別にメモリに格納され、クラス分類部で生成された
クラスがアドレスとしてメモリに供給される。
ーブルＥ（＊）の内容であるデータ積算値を、対応クラ
スの度数カウンタＮ（＊）の度数で、除算を実行するこ
とで各クラスの平均値を算出する。この値が重心法によ
る各クラスの最適予測値となる。最終的に、ステップＳ
１８において、ＲＯＭなどの記憶手段に、クラスと上述
の最適予測値を登録することで重心法による学習は終了
する。また、学習過程においてノイズの影響を排除する
ため、アクティビティーの小さい画素は学習対象から除
外される。このように、学習により得られた予測値がク
ラス別にメモリに格納され、クラス分類部で生成された
クラスがアドレスとしてメモリに供給される。
【００５８】
【発明の効果】この発明に依れば、入力画像信号の画素
位置より小の精度の動きベクトルを検出することができ
る。また、この発明に依れば、前段検出部と後段検出部
の二段構成としているので、後段検出部が勾配法によっ
て動きベクトルを検出する時に、大きな動きを補償し、
また、局所的な空間勾配を用いるので、検出誤りを防止
することができる。さらに、勾配法を使用するので、ブ
ロックマッチング法のように、演算量が多くなったり、
ハードウエアの規模が大きくなることを防止することが
できる。これらの利点を有するこの発明を画像データの
圧縮のための高能率符号化に適用すると圧縮効率を向上
することができる。
位置より小の精度の動きベクトルを検出することができ
る。また、この発明に依れば、前段検出部と後段検出部
の二段構成としているので、後段検出部が勾配法によっ
て動きベクトルを検出する時に、大きな動きを補償し、
また、局所的な空間勾配を用いるので、検出誤りを防止
することができる。さらに、勾配法を使用するので、ブ
ロックマッチング法のように、演算量が多くなったり、
ハードウエアの規模が大きくなることを防止することが
できる。これらの利点を有するこの発明を画像データの
圧縮のための高能率符号化に適用すると圧縮効率を向上
することができる。
【図１】この発明による動きベクトル検出装置の一実施
例である。
例である。
【図２】この発明の一実施例における前段検出部の動き
ベクトル検出処理を示す略線図である。
ベクトル検出処理を示す略線図である。
【図３】後段検出部における勾配法による動きベクトル
検出処理を概略的に示す略線図である。
検出処理を概略的に示す略線図である。
【図４】この発明の動きベクトル検出装置の予測係数の
学習方法の一例を示すフローチャートである。
学習方法の一例を示すフローチャートである。
【図５】この発明による動きベクトル検出装置の他の実
施例のブロック図である。
施例のブロック図である。
【図６】この発明の他の実施例において、最適予測値を
学習する方法の一例を示すフローチャートである。
学習する方法の一例を示すフローチャートである。
２・・・メモリ、３，３’・・・クラス分類適応処理回
路、４・・・前段検出部、５・・・加算器、９・・・後
段検出部
路、４・・・前段検出部、５・・・加算器、９・・・後
段検出部
Claims (8)
- 【請求項１】 画像の動きベクトルを検出する検出装置
において、 入力画像信号の画素位置精度の動きベクトルを検出する
第１の動きベクトル検出部と、 上記入力画像信号に対してクラス分類適応処理を用いて
上記画素位置より詳細な位置における画素値を予測する
予測部と、 上記第１の動きベクトル検出部により検出された動きベ
クトルを参照して、勾配法によって上記詳細な位置と対
応する精度の動きベクトルを検出する第２の動きベクト
ル検出部とからなることを特徴とする動きベクトル検出
装置。 - 【請求項２】 請求項１に記載の動きベクトル検出装置
において、 上記予測部は、 対象となる画像信号に対してクラス分類を行いクラスを
生成するクラス生成部と、 予め学習により獲得された予測係数をクラス毎に格納す
る記憶部と、 上記記憶部から上記クラスに対応した上記予測係数を読
み出し、予測式による演算から最適な予測値を生成する
予測値生成部とからなることを特徴とする動きベクトル
検出装置。 - 【請求項３】 請求項２に記載の動きベクトル検出装置
において、 上記予測値生成部で用いられる上記予測式は、線形１次
結合式であることを特徴とする動きベクトル検出装置。 - 【請求項４】 請求項２に記載の動きベクトル検出装置
において、 対象となる上記画像信号のアクティビティーが小さい場
合、上記画像信号を学習対象から除外して学習を行う、
クラス毎に上記予測係数を獲得することを特徴とする動
きベクトル検出装置。 - 【請求項５】 請求項１に記載の動きベクトル検出装置
において、 上記予測部は、 対象となる画像信号に対してクラス分類を行いクラスを
生成するクラス生成部と、 予め学習により獲得された最適予測値をクラス毎に格納
する記憶部とからなることを特徴とする動きベクトル検
出装置。 - 【請求項６】 請求項５に記載の動きベクトル検出装置
において、 上記記憶部に格納される上記最適予測値は、対象となる
上記画像信号に基づいて分類されるクラス毎に、重心法
を用いて予め獲得されることを特徴とする動きベクトル
検出装置。 - 【請求項７】 請求項５に記載の動きベクトル検出装置
において、 対象となる上記画像信号のアクティビティーが小さい場
合、上記画像信号を学習対象から除外して学習を行い、
クラス毎に上記最適予測値を獲得することを特徴とする
動きベクトル検出装置。 - 【請求項８】 画像の動きベクトルを検出する検出方法
において、 入力画像信号の画素位置精度の第１の動きベクトルを検
出するステップと、 上記入力画像信号に対してクラス分類適応処理を用いて
画素位置より詳細な位置における画素値を予測するステ
ップと、 上記第１の動きベクトルを参照して、勾配法によって上
記詳細な位置と対応する精度の第２の動きベクトルを検
出するステップとからなることを特徴とする動きベクト
ル検出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14656296A JP3861325B2 (ja) | 1996-05-16 | 1996-05-16 | 動きベクトル検出装置および検出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14656296A JP3861325B2 (ja) | 1996-05-16 | 1996-05-16 | 動きベクトル検出装置および検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09307907A true JPH09307907A (ja) | 1997-11-28 |
| JP3861325B2 JP3861325B2 (ja) | 2006-12-20 |
Family
ID=15410491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP14656296A Expired - Fee Related JP3861325B2 (ja) | 1996-05-16 | 1996-05-16 | 動きベクトル検出装置および検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3861325B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002536935A (ja) * | 1999-02-12 | 2002-10-29 | ソニー エレクトロニクス インク | 複合分類に基づく適応分類タップ選択方法及び装置 |
| JP2009065283A (ja) * | 2007-09-04 | 2009-03-26 | For-A Co Ltd | 画像ぶれ補正装置 |
| KR101031740B1 (ko) * | 2002-11-20 | 2011-04-29 | 소니 주식회사 | 화상 신호의 처리 장치 및 처리 방법, 그에 사용되는 계수 데이터의 생성 장치 및 생성 방법, 및 각 방법을 실행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 매체 |
-
1996
- 1996-05-16 JP JP14656296A patent/JP3861325B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002536935A (ja) * | 1999-02-12 | 2002-10-29 | ソニー エレクトロニクス インク | 複合分類に基づく適応分類タップ選択方法及び装置 |
| KR101031740B1 (ko) * | 2002-11-20 | 2011-04-29 | 소니 주식회사 | 화상 신호의 처리 장치 및 처리 방법, 그에 사용되는 계수 데이터의 생성 장치 및 생성 방법, 및 각 방법을 실행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 매체 |
| JP2009065283A (ja) * | 2007-09-04 | 2009-03-26 | For-A Co Ltd | 画像ぶれ補正装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3861325B2 (ja) | 2006-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8064522B2 (en) | Motion-vector detecting device, motion-vector detecting method, and computer program | |
| JPH09212650A (ja) | 動きベクトル検出装置および検出方法 | |
| KR100303107B1 (ko) | 동작벡터검출장치및방법 | |
| JP4222753B2 (ja) | 分類適応誤り回復方法及び装置 | |
| US20060098886A1 (en) | Efficient predictive image parameter estimation | |
| JPH0787481A (ja) | 異常検出装置 | |
| JP4407015B2 (ja) | ノイズ除去装置およびノイズ除去方法 | |
| EP1757103A1 (en) | Method of searching for a global motion vector. | |
| JP3861325B2 (ja) | 動きベクトル検出装置および検出方法 | |
| JPH04248789A (ja) | 撮像された画像の中の動きの推定方法 | |
| JP2642160B2 (ja) | 画像処理装置の動き検出方式 | |
| JP3651093B2 (ja) | 動きベクトル検出装置および方法 | |
| JP3627872B2 (ja) | 動きベクトル検出方法及び装置 | |
| JPH08275176A (ja) | 量子化装置および量子化方法 | |
| JPH0730859A (ja) | フレーム補間装置 | |
| JP3704740B2 (ja) | 量子化装置および量子化方法 | |
| JP3941900B2 (ja) | 動きベクトル検出装置 | |
| JPH08242454A (ja) | グローバル動きパラメタ検出方法 | |
| JP3627871B2 (ja) | 動き量検出方法及び動き量検出装置 | |
| JP3697727B2 (ja) | 量子化装置および量子化方法 | |
| JP3214660B2 (ja) | 動きベクトル検出装置 | |
| JPH09214900A (ja) | 信号変換装置および信号変換方法 | |
| JP4310847B2 (ja) | 画像情報変換装置および変換方法 | |
| JP3707125B2 (ja) | 動きベクトル検出装置および検出方法 | |
| JP2000324495A (ja) | フィールド周波数変換装置および変換方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050805 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050823 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051024 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060905 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060918 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091006 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101006 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111006 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121006 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131006 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |