JPH10290166A - 符号化方法及び符号化装置、復号化方法及び復号化装置 - Google Patents

Abstract

(57)【要約】 【課題】 多値画像をレベルプレーン展開したデータ列
や、画像データとその属性データとが混在するデータ列
を効率よく符号化／復号化する符号化／復号化方法及び
装置を提供する。 【解決手段】 シフトレジスタ４３には、３ライン分の
入力データ３１が保持される。入力データ３１は、例え
ば画像データと属性データの混在したデータとする。テ
ンプレート抽出部４４は画像データのみを参照するテン
プレート、テンプレート抽出部４５は属性データのみを
参照するテンプレートに従って、シフトレジスタ４３中
のデータを参照し、コンテキストを生成する。制御部４
８は入力データ３１が画像データか属性データかに応じ
て制御信号４９を出力し、コンテキスト選択部４７は制
御信号４９に応じてテンプレート抽出部４４又は４５を
選択し、コンテキスト３を予測部４に出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像データとその
属性データとが混在するデータ列や、多値画像をレベル
プレーン展開したデータ列などを符号化する符号化方法
及びその装置、および、そのような符号化方法、装置に
よって符号化された符号データを復号する復号化方法お
よびその装置に関するものである。

【０００２】

【従来の技術】２値画像の符号化技術の１つとして、周
辺の画素から注目画素の状態を予測し、予測した結果を
符号化する予測符号化方式がある。予測符号化において
は、注目画素と相関関係があると思われる周囲画素をマ
ルコフ情報源として予測に用いる。

【０００３】予測方式には、予測値を直接決定する方法
と、間接的に決定する方法が知られている。予測値を直
接決定する方法としては、例えば特開平５−３１６３７
０号公報で示されるように、複数の予測器の中から的中
率の高い予測器を適応的に切り替え、最終的に１つの予
測器を選択し、原画像の予測に使用する方法がある。ま
た、予測値を間接的に決定する方法としては、例えば、
予測値等の情報をメモリに格納し、周辺の画素値からメ
モリの情報を読み出して予測に使用する方法がある。

【０００４】特公平６−９５６４５号公報に開示されて
いる予測方式は、後者のメモリを用いた間接的に予測値
を決定する予測方式であり、周辺の複数画素の値をアド
レスとして、テーブルルクアップ方式で出力される予測
値を用い、予測誤差データを生成している。しかし、予
測画素の位置を全て固定とはせず、１画素のみ位置を可
変にし、予測的中率によって予測位置を変更させている
方式をとっている。ＩＴＵ−Ｔ Ｔ．８２、Ｔ−８５で
定められたＪＢＩＧ（Ｊｏｉｎｔ Ｂｉ−ｌｅｖｅｌ
Ｉｍａｇｅ ｃｏｄｉｎｇ ｅｘｐｅｒｔ Ｇｒｏｕ
ｐ）で用いられる予測方式は、上述の特公平６−９５６
４５号公報に示されている予測方式であり、符号化状態
によって予測メモリの情報を更新していく学習型の方式
が採用されている。符号化には、注目画素を上述の予測
方式で予測した結果である予測誤差データが使用され
る。

【０００５】ＪＢＩＧにおいては、予測誤差データを符
号化する符号化部に、算術符号化が採用された。算術符
号化は、例えば特公平１−１７２９５号公報に示されて
いるように、数直線上の領域を入力されたシンボルの
１，０の発生確率に合わせて分割し、入力シンボルの値
によって領域を選択する。このとき、予測と一致したシ
ンボル（優勢シンボル）をＭＰＳ（Ｍｏｒｅ Ｐｒｏｂ
ａｂｌｅ Ｓｙｍｂｏｌ）、一致しないシンボル（劣性
シンボル）をＬＰＳ（Ｌｅｓｓ Ｐｒｏｂａｂｌｅ Ｓ
ｙｍｂｏｌ）と呼ぶ。このＭＰＳ、ＬＰＳの発生確率推
定値は、予測的中率などによって変化させる。ＪＢＩＧ
では、シンボルの出現確率の推定部にＬＰＳ発生時の確
率値（＝領域幅ＬＳＺ）を持たせるとともに、その確率
推定値をシンボルの出現過程に応じて更新する学習機能
を持たせている。確率推定の学習機能は上述の予測値の
学習機能と連動する。この分割選択処理を情報源の出力
系列の分だけ行ない、最終段の分割で得られた領域内の
１点の２進小数表示で出力系列を表わす。

【０００６】図１３は、算術符号化の概念図である。斜
線で示した領域が、それぞれシンボルの符号化終了後の
有効領域である。初期状態では、有効領域は［０，１）
区間であり、ＬＰＳ発生時の領域幅ＬＳＺ（０）が設定
されている。１−ＬＳＺ（０）がＭＰＳ発生時の領域幅
である。ここではシンボルが「０」のときをＭＰＳ、
「１」のときをＬＰＳとする。図１３において確率値は
２進数で示している。

【０００７】図１３では、最初に入力されたシンボルが
「０」であるので、ＭＰＳの発生により有効領域は図１
３（Ａ）においてハッチングを施した領域となる。そし
てこの有効領域内をＬＰＳ発生時とＭＰＳ発生時の領域
に分割する新たな領域幅ＬＳＺ（１）を設定する。次の
シンボルが「１」のときは、ＬＰＳの発生により図１３
（Ｂ）においてハッチングを施した領域が有効領域とな
る。同様にして、３番目のシンボルが「０」のとき、図
１３（Ｃ）においてハッチングを施した領域が有効領域
となり、さらに４番目のシンボルが「１」のとき、図１
３（Ｄ）においてハッチングを施した領域が有効領域と
なる。

【０００８】出力される符号はＣで表わされる。入力さ
れたシンボル列「０１０１」に対する符号は、図１３
（Ｄ）における有効領域内の１点とすればよい。ここで
は、有効領域の基底、すなわち有効領域の最も小さい値
Ｃ（３）を符号として表わし、出力することになる。

【０００９】算術符号化においては、符号化の過程で、
有効領域の１点を符号とするため、領域を大きくとれ
ば、有効桁が減り符号量が減る。つまり、ＭＰＳ発生時
にはなるべくＬＳＺの値を小さくし、ＬＰＳ発生時には
なるべくＬＳＺの値を大きくすることによって、有効領
域を多く確保でき、符号量を減らすことができる。

【００１０】図１４は、ＪＢＩＧで採用されている予測
符号化方式の概略図である。図中、１は画像データ、２
はコンテキスト生成部、３はコンテキスト、４は予測
部、５はステート、６は確率推定テーブル、７はＬＳＺ
およびＳＷ、８は予測値、９は算術符号化部、１０は符
号データ、１１は書き換えデータ、１２は書き換え信号
である。

【００１１】画像データ１は、符号化のために算術符号
化部９に入力されるとともに、コンテキスト生成部２に
入力される。コンテキスト生成部２においては、注目画
素の予測を行なうために、周辺画素を使用して予測のモ
デルテンプレートを作成する。図１５は、ＪＢＩＧで使
用されるテンプレートの一例の説明図である。Ｐを注目
画素とすると、図１５に示す参照画素Ｘ₉ 〜Ｘ₀ を使用
するテンプレートが生成される。この参照画素Ｘ₉ 〜Ｘ
₀ の値が２¹⁰状態（コンテキスト）の１０重マルコフ情
報源となり、そのまま予測部４にコンテキスト３として
入力され、予測に使用される。

【００１２】予測部４には、参照画素Ｘ₉ 〜Ｘ₀ の値に
対応した予測値８と、確率推定テーブル６を参照するた
めのステート５とを対にした予測テーブルが記憶されて
いる。参照画素Ｘ₉ 〜Ｘ₀ の値であるコンテキスト３が
そのまま予測テーブルにアドレスとして入力され、予測
テーブルの１０２４個のエントリのいずれかが選択され
る。コンテキスト３により選択された予測テーブルのエ
ントリから予測値８およびステート５を取り出し、予測
値８を算術符号化部９へ入力し、また、ステート５を確
率推定テーブル６に入力する。図１６は、予測部４に記
憶されている予測テーブルの一例の説明図である。図１
６に示した予測テーブルは、アドレスに対応して、予測
値とステートが対になって格納されている。なお、アド
レスは２進数で示しているが、これはコンテキストコン
テキスト３として入力される参照画素Ｘ₉ 〜Ｘ₀ のそれ
ぞれの画素値に対応するものである。例えば、参照画素
Ｘ₀ の値のみが「１」で他の参照画素は「０」であれ
ば、アドレス「０００００００００１」が参照され、予
測値「１」とステート「２」が得られる。

【００１３】確率推定テーブル６は、ステート５に対応
して、ＬＰＳ発生時の領域幅ＬＳＺと、ＬＰＳ発生時の
次のステート値であるＮＬＰＳおよびＭＰＳ発生時の次
のステート値であるＮＭＰＳ、さらに正規化発生時に予
測値を書き換えるか否かを示すフラグであるＳＷが格納
されている。入力されたステート５に対応するＬＳＺお
よびＳＷ７を算術符号化部９に出力するとともに、ＮＭ
ＰＳ，ＮＬＰＳを書き換えデータ１１の一部として予測
部４へ送る。図１７は、確率推定テーブル６の一例の説
明図である。図１７では、ステート５の番号に対応し
て、ＬＳＺ、ＮＭＰＳ、ＮＬＰＳ、ＳＷを対にして格納
している。例えばステートが「２」のとき、ＬＳＺとし
て「０ｘ１１１４」、ＮＬＰＳとして「１６」、ＮＭＰ
Ｓとして「３」、ＳＷとして「０」が得られる。ここ
で、「０ｘ」で始まる数値は１６進数である。

【００１４】算術符号化部９では、予測部４から入力さ
れる予測値８と画像データ１とを比較し、一致していれ
ば符号化するシンボルを「０」、すなわちＭＰＳが発生
したものとし、不一致であれば符号化するシンボルを
「１」、すなわちＬＰＳが発生したものとする。そして
確率推定テーブル６から入力されるＬＳＺを用い、図１
３で概略説明したように算術符号化を行なって符号デー
タ１０を出力する。ＬＰＳが発生した場合には、確率推
定テーブル６から入力されるＳＷが予測値の書き換えを
可能としている場合（例えばＳＷが「１」の場合）に限
り、予測値を反転した新予測値を書き換えデータ１１の
一部として予測部４に送るとともに書き換え信号１２を
送り、予測部４に記憶されている予測テーブルの予測値
を書き換える。

【００１５】ＪＢＩＧにおいては、算術符号化部９にお
いて、有効領域の有効桁を増やさないよう、有効領域は
つねに０．５以上１未満となるように調整されている。
この処理を正規化と呼ぶ。またＬＳＺの値は必ず０．５
未満の値となるように確率推定テーブルを構成してお
く。これにより、ＬＰＳ発生時には有効領域は０．５未
満となり、必ず正規化が発生する。さらに、ＭＰＳ発生
時においても、新有効領域は、現有効領域から、ＬＳＺ
を減算して求めるため０．５未満となる可能性があり、
正規化が発生するケースがある。この正規化が発生した
場合に、予測部４に対して書き換え信号１２を送る。予
測部４では、ＭＰＳ発生時には確率推定テーブル６から
与えられるＮＭＰＳを、コンテキスト生成部２から与え
られているコンテキスト３のステートとして予測テーブ
ルに書き込む。また、ＬＰＳ発生時には、確率推定テー
ブル６から与えられるＮＬＰＳをコンテキスト３のステ
ートとして予測テーブルに書き込む。このようにして予
測テーブルが更新された後、次の画像データ１について
の処理を開始する。

【００１６】上述の予測部４と確率推定テーブル６を順
次書き換えてゆく学習型の予測／確率推定方式につい
て、具体例を用いながらさらに説明する。図１８は、入
力される画像データの一具体例の説明図である。図１８
では、図１５に示すテンプレートの部分の画像データ１
のみを示している。図１８に示すように、コンテキスト
Ｘ₉ 〜Ｘ₀ が「００００００００１１」のとき、注目画
素Ｐが１であった場合を考える。予測部４の予測テーブ
ルおよび確率推定テーブル６は、それぞれ図１６、図１
７に示す内容が設定されているものとする。

【００１７】まず、コンテキスト「００００００００１
１」がコンテキスト３として予測部４に入力される。こ
の時、予測部４の予測テーブルのアドレス「０００００
０００１１」には、図１６に示すように、予測値「０」
とステート値「８０」が格納されている。予測テーブル
から読み出されたステート値「８０」は、確率推定テー
ブル６に入力される。次に確率推定テーブル６のステー
ト番号「８０」が参照される。確率推定テーブル６には
図１７に示す内容が設定されているので、そのステート
番号「８０」に対応するＬＳＺ値「０ｘ５８３２」が読
み出され、算術符号化部９に出力される。

【００１８】このとき、注目画素Ｐの値は「１」である
が、予測部４の予測テーブルから読み出された予測値は
「０」であるため、ＬＰＳが発生した、ということにな
る。ＬＰＳが発生した場合、確率推定テーブル６から読
み出されたＬＳＺ値に対応する領域が基本的に次の有効
領域となる。ＬＳＺは、０．５未満であるから、０．５
以上１未満になるように正規化が行なわれ、ステート番
号「８０」のＮＬＰＳの値「８０」が予測部４の予測テ
ーブルのアドレス「００００００００１１」のステート
値として上書きされる。また、確率推定テーブル６のス
テート番号「８０」のＳＷが「１」であるから、予測値
は反転されて「１」となり、予測部４の予測テーブルの
アドレス「００００００００１１」の予測値として上書
きされる。図１９は、書き換え後の予測部テーブルの一
具体例の説明図である。このようにして図１９に示すよ
うに、予測部のアドレス「００００００００１１」の予
測値およびステート値が書き換えられる。この書き換え
られた後の予測部を用いて次の画像データ１についての
予測を行なうことになる。次に同じコンテキストが入力
された場合は、予測値が１となっている。

【００１９】この例ではＬＰＳが発生したが、ＭＰＳが
発生した場合には、正規化を行なったときには予測部４
の予測テーブルのステート値をＮＭＰＳ「８１」に書き
換える。書き換え後、次に同じコンテキスト３が入力さ
れた場合、ステート値が「８１」であり、このときのＬ
ＳＺは図１７から「０ｘ４ｄ１ｃ」となる。この値は、
ステート値「８０」のときのＬＳＺ「０ｘ５８３２」よ
りも小さく、つまりＬＰＳが発生する確率が小さいこと
を意味する。これは、前回の同じコンテキストの時の予
測が当たったため、次に同じコンテキストが入力された
場合、ＭＰＳが発生時の領域幅を広げておき、再度予測
が当たった場合に有効領域を広くとれるようにしたもの
であり、最終的な有効領域を増大させ、符号量を減少さ
せることができる。

【００２０】以上のようにして、確率推定テーブルにし
たがって予測部を順次書き換え、予測的中率を向上さ
せ、ＭＰＳ発生数を増やすとともに、ＭＰＳ／ＬＰＳ発
生時の領域幅を制御して、符号化効率を向上させてい
る。

【００２１】また、復号時の処理も符号化時と同様、領
域分割を行ないながら実施される。符号化時と異なるの
は、符号化時は予測値と注目画素の比較を行ない、ＬＰ
Ｓ／ＭＰＳの領域を演算しながら求めるのに対し、復号
化時には、符号が、ＬＰＳ／ＭＰＳのどちらの領域に入
っているかを演算で求め、次に周辺の復号済みの参照画
素から注目画素を逆予測しながら求める。

【００２２】図２０は、ＪＢＩＧで採用されている予測
復号化方式の概略図である。図中、図１４と同様の部分
には同じ符号を付して説明を省略する。２１は算術復号
化部、２２は逆予測部、２３は逆予測値、２４は書き換
えデータである。コンテキスト生成部２および逆予測部
２２は、符号化時のコンテキスト生成部２および予測部
４とまったく同一に動作する。逆予測部２２は符号化時
の予測部４と同一である。当然、確率推定テーブル６も
符号化時と同一のものが使用されなければならない。

【００２３】まず符号化時と同様に、復号化された画像
データ１の注目画素の周辺の参照画素の値によりコンテ
キストが生成され、逆予測部２２、確率推定テーブル６
から、ＬＳＺと逆予測値２３が算術復号化部２１に出力
される。

【００２４】次に、符号データ１０は算術復号化部２１
において、有効領域の比較が行なわれた後、逆予測値２
３を用いて画像データ１を出力する。図２１は、算術復
号化部の基本動作の説明図である。まず、現有効領域か
ら確率推定テーブルより入力されたＬＳＺ幅を減算し、 （有効領域−ＬＳＺ）を得る。この値を境にＭＰＳ領域
とＬＰＳ領域が分割される。次に入力された符号Ｃが、
先に求めた（有効領域−ＬＳＺ）の値より大きいか否か
を比較する。すなわち、 Ｃ＞有効領域−ＬＳＺ の判定を行なう。この比較判定によって、注目画素がＬ
ＰＳであるかＭＰＳであるかが判定できるので、入力さ
れた逆予測値から、注目画素のレベルを求める。すなわ
ち、ＭＰＳであれば注目画素の値は逆予測値であり、Ｌ
ＰＳであれば逆予測値を反転して注目画素の値とすれば
よい。以上の処理により、基本的に注目画素を復号でき
る。

【００２５】ただし、次の画素の復号のために、ここか
らさらに、新有効領域の決定、符号−有効領域の減算等
の処理が必要となる。例えば図２１に示した例では、符
号データＣがＬＰＳ領域に存在するので、新たな有効領
域としてＬＰＳ領域を設定し、新たなＬＳＺを設定して
上述の処理を繰り返し行なう。また、符号化時と同様に
して、予測部４に記憶されている予測テーブルの予測値
およびステート値の書き換えも行なわれる。

【００２６】以上の処理により、ＪＢＩＧにおいては高
能率な２値画像の符号化および符号データの復号が達成
される。ＪＢＩＧは２値の画像を対象とした規格である
が、他の画像データに対する応用も検討されている。例
えば安田浩編，「マルチメディア符号化の国際標準」，
平成３年，丸善，ｐ．８０〜８１には、算術符号化の手
法を多値情報源に対して適用することが示唆されてい
る。また、２値データの符号化手法である算術符号化を
多値情報源に適用するため、多値情報源を例えばレベル
プレーン化、ビットプレーン化等の手法によって２値表
現化して符号化を行なえばよいことが記載されている。

【００２７】図２２は、ビットプレーン展開の説明図で
ある。多値画像では、１画素あたり複数ビットによって
濃度を示している。ここで、各画素の濃度を表わすビッ
ト列の最上位ビットをＭＳＢ、最下位ビットをＬＳＢと
して示している。ビットプレーン展開する際には、各画
素の同一位置の１ビットを取り出してそれぞれのプレー
ンを作成するとする。例えば各画素のＭＳＢのみを取り
出すことによって、ＭＳＢのプレーンが作成される。作
成された各プレーンは各画素が１ビットのデータで構成
されており、２値画像と同様に扱うことができるので、
各プレーンごとに上述のＪＢＩＧを用いて符号化するこ
とができる。

【００２８】通常、画像の隣接する各画素間の濃度には
それほど変化はないとみなすことができるので、この方
式によってＭＳＢに近い高位のプレーンについては予測
が当たりやすくなり、符号量は少なくなる。しかし、低
位のプレーンでは小さな濃度変化によって値が変化する
ため、予測が当たりにくく、逆に符号量は多くなること
が知られている。これを解消するために、特開平６−２
６１２１４号公報などで示されるように各プレーンごと
に異なる予測モデルを与えたり、ビットプレーン展開の
際にグレーコード変換を用いる方式なども知られてい
る。しかし、いずれにせよ、それぞれのプレーンで符号
が別々に生成されるため、これらのプレーンごとの符号
をそれぞれ管理する必要がある。また、復号時には、す
べてのプレーンを復号しないと各画素値が決定できない
ため、各プレーンごとに復号回路を必要としたり、ある
いは順次復号される画像をすべて蓄積しておくメモリが
必要となるという問題がある。

【００２９】図２３は、レベルプレーン展開の説明図で
ある。レベルプレーン展開の場合には、各画素の濃度を
表わす複数のビット、すなわちＭＳＢからＬＳＢまでの
ビットをそのまま連結する。図２３（Ｂ）には矩形によ
って多値画像の各画素を示しており、数字を記した画素
をそれぞれ画素０、画素１、画素２、．．．としてい
る。レベルプレーン展開したデータは図２３（Ａ）に示
すように、画素０のＭＳＢからＬＳＢまでのビットが並
び、続けて画素１のＭＳＢからＬＳＢまでのビットが、
さらに画素２のビットというように連続したデータとな
る。

【００３０】上述のＪＢＩＧに代表される学習型の予測
方式を使用する場合、予測値やステートを書き換えて最
適な状態に近づけるため、予測的中率が向上する利点が
ある。しかし、相関の弱い、異質のデータが連続して入
カされる場合、ＪＢＩＧの規格書通りの予測方式によっ
て予測を行なうと相関性の低いデータが予測に使用され
てしまうため、予測外れが多くなり、符号量が増加する
ことがある。

【００３１】上述のようにレベルプレーン展開したデー
タを符号化する方式では、符号化処理／復号化処理は１
つの画像について１回で済み、また符号の管理も容易で
ある。しかし、レベルプレーン展開したデータでは、隣
接するビット間の相関は弱い。例えばビット間の相関を
重視する例えば図１５に示すようなテンプレートを用い
て符号化処理を行なうことを考えると、同一画素中の濃
度を示す各ビットあるいは隣接する画素の高位のビット
と低位のビットという、相関の弱いビットを予測に使用
することになる。そのため、予測の的中率が低下し、予
測効率はビットプレーン展開の場合に比べて平均的に下
がるという問題があった。

【００３２】図２４は、レベルプレーン展開されたデー
タ列の一例の説明図である。図２４では、各画素とも濃
度を３ビットで示している。例えば図１５に示したテン
プレートを用いる場合を考え、画素１の１ビット目（Ｍ
ＳＢ）を注目画素とする。この注目画素に対して図１５
の参照画素Ｘ₀ ，Ｘ₁ に対応する画素は、画素０の３ビ
ット目（ＬＳＢ）の「０」、２ビット目の「１」であ
る。画素０の微妙な濃度の違いが画素１の大きな濃度変
化に影響を及ぼすことはなく、画素０の２ビット目、３
ビット目は、画素１の１ビット目とは相関が弱いと考え
られる。逆に、画素１の１ビット目を注目画素とした場
合に、相関が強いと考えられる画素０の１ビット目は予
測には使用されていない。このように相関が強いビット
を用いずに相関が弱いビットを予測に用いることになる
ため、予測的中率が低下し、符号量が増大する可能性が
ある。

【００３３】この例のように１画素あたり３ビット（＝
８階調）程度の画像であれば、各レベルのビット間にあ
る程度の相関があるという見方もできるが、複写機等の
画像処理で通常使用される解像度である１画素あたり８
ビット（＝２５６階調）程度になると、低位レベルのビ
ット間の相関は弱くなり、予測効率は悪くなることが容
易に推測される。さらに、このように相関の弱いモデル
を使用することにより、参照画素が全て０などといった
符号化効率を上げられるはずのコンテキストに対しても
予測外れを引き起こし、確率推定状態が定常より悪い状
態に遷移させてしまうという問題もある。

【００３４】一方、属性データを含んだ画像データにつ
いても、ＪＢＩＧによる符号化を行なうことが考えられ
る。図２５は、従来の画像入出力装置において属性デー
タを伴って中間情報蓄積を行なう場合の一例を示すブロ
ック構成図である。図中、１０１は入力部、１０２は画
像処理部、１０３は画像符号化部、１０４は画像符号デ
ータ保持部、１０５は画像復号化部、１０６はＴＩ分離
部、１０７はＴＩフラグ符号化部、１０８はＴＩフラグ
符号データ保持部、１０９はＴＩフラグ復号化部、１１
０は出力部である。例えば複写機などにおいて、スキャ
ナ部で入力した画像等を出力部へ出力する場合、一般に
入力画像に対して濃度調整やフィルタ処理等の画像処理
を施している。これらの画像処理の処理精度を向上させ
るために、入力画像に対しテキストイメージ分離（以下
ＴＩ分離と呼ぶ）や、周波数帯域分離処理を施し、それ
ぞれの属性に合わせて異なる画像処理を施すことが行な
われている。例えばＴＩ分離を行なう際には、もとの画
像データとともに、画像中の各画素がテキストイメージ
の部分なのかその他の例えば写真イメージ部分なのかを
示す属性データを付加する。属性データには上記以外
に、例えば文字原稿であれば、文字の輪郭部と輪郭以外
の箇所を示すものや、２値画像であれば、ディザ処理や
網点処理、誤差拡散処理等を分離するものなどがある。

【００３５】図２５に示した構成では、入力部１０１で
入力された画像データは、画像処理部１０２で入力部１
０１に特有の処理や他の共通の画像処理などを行ない、
画像符号化部１０３において例えばＪＢＩＧ等の手法を
用いて符号化し、符号データを画像符号データ保持部１
０４に格納する。一方、入力部１０１で入力された同じ
画像データはＴＩ分離部１０６においてＴＩ分離処理が
行なわれ、それぞれの画素や複数の画素群ごとにＴＩ分
離フラグが生成される。このＴＩ分離フラグをＴＩフラ
グ符号化部１０７で符号化し、ＴＩフラグ符号データ保
持部１０８に格納する。

【００３６】出力する場合には、画像符号データ保持部
１０４から画像符号データを取り出し、画像復号化部１
０５で復号して画像データを出力部１１０へ渡す。一
方、ＴＩフラグ符号データ保持部１０８から、対応する
ＴＩフラグ符号データを取り出し、ＴＩフラグ復号化部
１０９において復号してＴＩ分離フラグを出力部１１０
へ渡す。出力部１１０では、ＴＩ分離フラグを参照しな
がら画像データに対して出力のための画像処理を施し、
画像を出力する。

【００３７】このような装置においては、画像符号デー
タとＴＩフラグ符号データが別々に保存されるため、画
像符号データとＴＩフラグ符号データとの対応を管理し
ておく必要があった。このような管理を簡易化するた
め、画像データと属性データを１つのデータ列としてお
くことが考えられる。画像データと属性データを混在さ
せた場合、そのまま符号化すれば１回で符号化できると
ともに、符号データの管理は容易になる。

【００３８】画像データとＴＩ分離フラグなどの属性デ
ータを１つのデータ列にまとめる一つの方法として、す
べての画像データの後に属性データを続ける方法が考え
られる。しかしこの方法では、出力部１１０において出
力処理を行なう際には、画像データをすべて読み取った
後でなければ対応する属性データが得られないので、逐
次処理に不向きであるとともに、画像データを格納する
メモリ領域が必要となるため、得策ではない。

【００３９】画像データと属性データを１つのデータ列
にまとめる他の方法として、それぞれの画素単位もしく
は一定のブロック単位でもとの画像データに属性データ
を付加する方法がある。図２６は、属性データが混在し
た画像データの一例の説明図である。図２６（Ａ）に
は、１ビットの画素データの前に、その画素の属性デー
タを付加した例を示している。ここで、属性データは３
ビットである。また、図２６（Ｂ）には、８画素分のデ
ータの前に１ビットの属性データを付加した例を示して
いる。このようなデータ構造では、１画素あるいは８画
素ごとに属性データと対応づけることができるので、１
画素あるいは８画素等の単位ごとに処理を開始すること
ができ、また、これらのデータを格納するメモリ領域も
少なくて済む。

【００４０】しかし、このようなデータ構造のデータに
対して上述のようなＪＢＩＧ等の方法で符号化すると、
符号量が多くなるという問題がある。例えば図２６
（Ａ）に示すデータ構造の場合に、図１５に示したよう
なテンプレートを用いると、画素０を注目画素とした場
合の参照画素Ｘ₀ ，Ｘ₁ は属性データの２ビット目と３
ビット目となる。しかし、属性データは画素の値とはほ
とんど関係なく、その値が設定されるので、画素０の予
測に、画素０とは相関の弱い属性データが参照されてし
まうことになる。そのため、予測外れが多くなり、符号
量が増加してしまう。さらに、参照画素が全て０などの
効率を上げられるはずのコンテキストに対しても、予測
外れが多発することが予想され、確率推定状態が定常よ
り悪い状態に遷移させてしまう問題がある。

【００４１】図２６に示すように１つの画像中に異なる
属性を持つ画像を効率よく圧縮するために、例えば特開
平６−３８０４８号公報には、属性信号によりテンプレ
ートや予測方式を切り替える方式が提案されている。し
かしこの文献では、属性データは圧縮せず、単に符号デ
ータ間に挿入されるため、属性信号を含めた全体の符号
量は大きくなるという問題があった。

【００４２】

【発明が解決しようとする課題】本発明は、上述した事
情に鑑みてなされたもので、多値画像をレベルプレーン
展開したデータ列や、画像データとその属性データとが
混在するデータ列など、複数種類のデータが混在するデ
ータ列を効率よく符号化することのできる符号化方法及
び符号化装置を提供するとともに、そのような符号化方
法及び符号化装置で符号化された符号データを復号する
復号化方法及び復号化装置を提供することを目的とする
ものである。

【００４３】

【課題を解決するための手段】本発明の符号化方法は、
例えば画像の属性データと画像データの２種類のデータ
が混在するデータ列や、各画素が複数のレベルのデータ
からなる多値画像をレベルプレーン展開し各レベルを異
なる種類としたデータ列など、複数種類のデータが混在
するデータ列を符号化する際に、符号化の対象となる注
目データの種類に応じて出現済みの同種類の複数の参照
データを選択する。例えばデータ列が画像データとその
属性データとが混在するデータ列の場合には、少なくと
も注目データが画像データの場合には出現済みの画像デ
ータの中から複数の参照データを選択する。画像データ
同士の間では、互いに相関が強いと考えられているの
で、選択された参照データは、それぞれ注目データと強
い相関を有すると考えられる。

【００４４】同様に、例えばデータ列が多値画像をレベ
ルプレーン展開し各レベルを異なる種類としたデータ列
の場合にも、注目データと同種類（すなわち同じレベ
ル）のデータを参照データとして選択する。多値画像で
は、ある注目画素とその周囲の画素との間の濃度変化は
小さいことが統計的に期待できる。そのため、各画素値
は多くの場合には近接した値を取ると考えてよく、各レ
ベルごとに見ると隣接した画素ではほとんど同じ値を取
ると考えられる。すなわち、ある画素のあるレベルを注
目データとしたとき、周囲の画素の注目データと同じレ
ベル（種類）のデータと注目データとは強い相関を有す
ると考えられる。

【００４５】このように、複数種類のデータが混在する
データ列においては同種類のデータ間で強い相関を有す
ることに着目し、符号化の対象となる注目データの種類
に応じて出現済みの同種類の複数の参照データを選択す
ることによって、注目データと強い相関を有するデータ
を参照データとして選択することができる。一般に、強
い相関を有する参照データから注目データの値を予測し
た場合、その的中率が高いことが知られている。上述の
ように注目データと強い相関を有するデータを参照デー
タとして選択することによって、的中率の高い予測を行
なうことができる。予測符号化では、予測が的中した場
合に符号量が少なくなるように符号を構成しているの
で、予測的中率を向上させることによって、符号量を減
らすことができ、効率よく符号化することができる。

【００４６】さらに、それぞれの種類に応じた予測デー
タを用意し、注目データの種類に応じて切り換えて用い
ることができる。ある種類の注目データの予測の際に、
予測はずれによって予測データが書き換えられ、別の種
類の注目データの予測もはずれてしまうことがある。こ
のような場合には予測はずれによって符号量が増大する
要因となる。しかし、注目データの種類に応じて予測デ
ータを切り換えることにより、他の種類のデータに左右
されずに予測を行なうことができるので、その種類のデ
ータについては予測的中率を向上させることができ、全
体として符号量を減少させることができる。

【００４７】なお、データ列が画像データとその属性デ
ータとが混在するデータ列の場合の属性データの間で
は、属性データが単なるコードであることを考えると、
相関が弱いことが考えられる。また、データ列が多値画
像をレベルプレーン展開し各レベルを異なる種類とした
データ列の場合の少なくとも最下位ビットに対応するレ
ベルを含む所定の種類のデータの間では、画像の微小な
濃度変化によって値が変化するため、相関は弱いことが
考えられる。このような相関が弱い種類のデータでは、
予測を行なっても的中率は低く、逆に予測データを乱し
て的中率の高いデータについても予測的中率を低下させ
てしまう恐れがある。そのため、相関が弱い種類のデー
タについては、ある決まった所定の状態を参照データと
して選択したり、予測データを別にして、他の予測デー
タを乱さないようにする。これによって、的中率の高い
データについては予測的中率を低下させずに予測し、符
号化できるので、全体とすれば符号化効率を向上させる
ことができる。

【００４８】本発明の符号化装置では、上述のように複
数種類のデータが混在するデータ列を符号化する際に、
符号化の対象となる注目データの種類に応じて出現済み
の同種類の複数の参照データを選択することによって予
測的中率を向上させ、効率のよい符号化を行なうことが
できることに鑑み、コンテキスト生成部で符号化の対象
となる注目データの種類に応じて出現済みの同種類の複
数の参照データを選択する。コンテキスト生成部で選択
された参照データの状態から注目データの値を予測部で
予測することによって、予測的中率の高い予測値を出力
することができる。このように予測的中率の高い予測値
を用い、符号化部で予測符号化する。上述のように、予
測符号化では、予測が的中した場合に符号量が少なくな
るように符号を構成しているので、予測的中率を向上さ
せることによって、符号量を減らすことができ、符号量
の少ない符号データを生成する符号化装置を得ることが
できる。

【００４９】また、上述の符号化方法及び符号化装置と
同様にして逆予測を行なうことによって、効率よく符号
化された符号データを復号することができる復号化方法
および復号化装置を得ることができる。

【００５０】

【発明の実施の形態】図１は、本発明の第１の実施の形
態を示すブロック構成図である。図中、図１４と同様の
部分には同じ符号を付して説明を省略する。３１は入力
データ、３２はコンテキスト生成部、３３は符号化部、
４１，４２はラインメモリ、４３はシフトレジスタ、４
４，４５はテンプレート抽出部、４６は固定コンテキス
ト部、４７はコンテキスト選択部、４８は制御部、４９
は制御信号である。この例では、確率推定テーブル６と
算術符号化部９をまとめて符号化部３１と示している。
コンテキスト生成部３２は、符号化するデータに応じて
テンプレートを変更し、使用するテンプレートに従って
コンテキスト３を生成して予測部４に渡す。

【００５１】コンテキスト生成部３２の構成の一例を図
１（Ｂ）に示している。ラインメモリ４１，４２は、複
数ラインからなるテンプレートを生成するために前ライ
ンおよび前々ラインのデータを保持する。ラインメモリ
４１には入力データ３１が入力され、１ライン前のデー
タを出力する。ラインメモリ４２は、ラインメモリ４１
から出力される１ライン前のデータが入力され、さらに
もう１ライン分遅延させて２ライン前のデータを出力す
る。シフトレジスタ４３には、入力データ３１と、ライ
ンメモリ４１から出力される１ライン前のデータと、ラ
インメモリ４２から出力される２ライン前のデータが入
力され、符号化する注目データの周辺の参照データとな
りうるデータを保持する。もちろん、ラインメモリを増
減し、参照するライン数を増加あるいは減少させてもよ
い。

【００５２】テンプレート抽出部４４，４５は、シフト
レジスタ４３に蓄えられたデータの任意の部分を抽出
し、予測用のコンテキストを生成する。テンプレート抽
出部４４とテンプレート抽出部４５では、それぞれ異な
るテンプレートが設定されており、設定されているテン
プレートに従ってコンテキストを生成する。固定コンテ
キスト部４６では、入力データ３１にかかわらず、常に
固定された所定のコンテキストを出力する。固定コンテ
キスト部４６が出力するコンテキストとしては、なるべ
く、テンプレート抽出部４４，４５で生成される確率の
低いコンテキストとするとよい。これにより、固定コン
テキスト部４６の出力が選択された際に予測部４内の予
測テーブルが書き変わっても、テンプレート抽出部４
４，４５から出力されるコンテキストを用いた予測にな
るべく影響しないようにすることができる。

【００５３】コンテキスト選択部４７は、制御部４８か
らの制御信号４９に従って、テンプレート抽出部４４，
４５、固定コンテキスト部４６の出力のうちのいずれか
を選択してコンテキスト３として出力する。なお、セレ
クタはテンプレート抽出部４４，４５や固定コンテキス
ト部４６の前段に設けてもよい。制御部４８は、入力デ
ータ３１のデータフォーマットに従って、コンテキスト
選択部４７に対して制御信号４９を出力する。

【００５４】この例では、テンプレート抽出部を２つ設
けた例を示したが、３つ以上であってもよい。また、固
定コンテキスト部４６を２つ以上設けたり、あるいは設
けなくてもよい。あるいは、テンプレート抽出部を１つ
と固定コンテキスト部の組み合わせであってもよい。

【００５５】本発明の第１の実施の形態における動作の
一例を説明する。符号化の対象となる入力データ３１
は、コンテキスト生成部３２のラインメモリ４１及びシ
フトレジスタ４３、及び、算術符号化部９に入力され
る。コンテキスト生成部３２のラインメモリ４１では入
力データ３１を１ライン遅延させ、さらにラインメモリ
４２ではもう１ライン遅延させる。シフトレジスタ４３
には、入力データ３１と１ライン前の入力データと２ラ
イン前の入力データが入力される。シフトレジスタ４３
は、入力データ３１が送られてくるタイミングに同期し
てデータをシフトし、参照データとなりうる３ラインの
データを保持している。

【００５６】テンプレート抽出部４４，４５では、シフ
トレジスタ４３に保持されているデータの中から、テン
プレートに従ってデータを取り出し、予測用のコンテキ
ストをそれぞれ生成する。また、固定コンテキスト部４
６からは、所定のコンテキストが出力されている。制御
部４８は、入力データ３１のデータフォーマットに従
い、符号化の対象である注目データの種類に応じて、な
るべく注目データと相関の強い参照データから構成され
るコンテキストを選択するように、制御信号４９をコン
テキスト選択部４７へ送る。コンテキスト選択部４７
は、制御部４８からの制御信号４９に従って、テンプレ
ート抽出部４４，４５でそれぞれ生成されたコンテキス
ト、あるいは固定コンテキスト部４６から出力される所
定のコンテキストのいずれかを選択し、コンテキスト３
として予測部４に出力される。

【００５７】予測部４以降の動作は、従来と同様である
のでここでは説明を省略するが、上述のようにコンテキ
スト生成部３２から出力されるコンテキスト３は、符号
化の対象である注目データと相関の強い参照データから
構成されているので、予測部４から出力される予測値は
入力データ３１と一致する（予測が当たる）可能性が高
く、符号データ１０の符号量を低減することができる。

【００５８】次に、いくつかの入力データ３１の具体例
をもとに、コンテキスト生成部３２におけるコンテキス
トの生成についてさらに説明する。まず入力データ３１
として画像データと属性データが混在するデータが入力
される場合について説明する。図２は、本発明の第１の
実施の形態において、各画素データに属性データが付加
された入力データのデータフォーマットの一例および使
用するテンプレートの一例の説明図、図３は、同じくコ
ンテキストの生成に用いられるデータの説明図である。
図２（Ａ）に示す入力データ３１のデータフォーマット
は、上述の図２６（Ａ）に示したものと同じである。こ
の例では、入力データ３１は図２（Ａ）に示したよう
に、１ビットの画素データｄ_mnの前に、その画素の属性
を示す３ビットの属性データ（ａ_mn，ｂ_mn，ｃ_mn）が付
加されている。属性データは、例えばＴＩ分離フラグ等
である。

【００５９】図２（Ａ）に示したようなデータフォーマ
ットの画像データと属性データが混在した入力データ３
１を効率よく予測するためには、図２（Ｂ）に示すよう
に、３ｂｉｔおきのデータを参照するようなテンプレー
トを使用することが最も効率がよいと考えられる。図２
（Ｂ）において、Ｐが注目データであり、○印が参照デ
ータの位置を示している。図２（Ｂ）に○印で示す位置
のデータを参照し、コンテキストを生成することによっ
て、図１５に示したコンテキストと同様に、１０ビット
のコンテキストとなる。

【００６０】図３には入力データの３行分の一部を示し
ており、各データには識別のために図２（Ａ）と同様の
記号を付してある。いま、図３（Ａ）において、符号化
対象の注目データである入力データ３１として、画素デ
ータであるデータｄ₃₃が入力されたとする。このとき、
図２（Ｂ）に示すテンプレートを適用すると、図３
（Ａ）において○印を付したｄ₁₂，ｄ₁₃，ｄ₁₄，ｄ₂₁，
ｄ₂₂，ｄ₂₃，ｄ₂₄，ｄ₂₅，ｄ₃₁，ｄ₃₂の各データが参照
される。これらのデータはすべて画素データであり、相
関が強いと考えられる。また、これらのデータは属性デ
ータが挿入される前の画像データにおいて、図１５に示
したテンプレートにおけるＸ₀ 〜Ｘ₉ の位置の画素デー
タそのものである。このように、入力データが画素デー
タの場合には、図２（Ｂ）に示したテンプレートを用い
ることによって、属性データが挿入される前と同様のコ
ンテキストを作成することができる。

【００６１】次に、図３（Ｂ）において、入力データ３
１として次のデータａ₃₄が入力されたとする。このデー
タａ₃₄は３ビットの属性データのうちの最初のビットで
ある。この場合に図２（Ｂ）に示すテンプレートを適用
すると、図３（Ｂ）において○印を付したａ₁₃，ａ₁₄，
ａ₁₅，ａ₂₂，ａ₂₃，ａ₂₄，ａ₂₅，ａ₂₆，ａ₃₂，ａ₃₃の各
データが参照される。これらのデータはすべて３ビット
の属性データのうちの最初のビットである。同様にし
て、入力データ３１として属性データの２番目のビッ
ト、３番目のビットが入力された場合も、図２（Ｂ）に
示すテンプレートを適用することによって、すべて属性
データの２番目のビット、３番目のビットが参照され
る。属性データが例えばＴＩ分離フラグの場合、ある領
域内ではＴＩ分離フラグのビット列は同一であることが
多いので、同じビット位置のデータは同じである可能性
が高い。そのため、参照されたデータは相関が強いと考
えられる。このように、入力データが属性データの場合
にも、図２（Ｂ）に示したテンプレートを用いることに
よって、予測が的中しやすいコンテキストを作成するこ
とができる。

【００６２】このようにして、画像データと属性データ
が混在した図２（Ａ）に示すようなデータフォーマット
のデータ列が入力される場合には、図２（Ｂ）に示すよ
うなテンプレートを用いることによって、符号化する注
目データが画素データの場合も属性データの場合も、注
目データと相関が強いデータを参照してコンテキストを
作成することができる。そのため、予測部４における予
測の的中率が向上し、符号データ１０の符号量を低減す
ることができる。

【００６３】この例では、属性データも画素データも図
２（Ｂ）に示した同じテンプレートを用いることができ
る。このような場合には、コンテキスト選択部４７は、
図２（Ｂ）に示したテンプレートを用いてコンテキスト
を作成するテンプレート抽出部のみを選択する。図２
（Ａ）に示したデータフォーマットの入力データのみを
扱う場合には、図２（Ｂ）に示したテンプレートを用い
るテンプレート抽出部を１つ備え、他のテンプレート抽
出部、固定コンテキスト部４６、コンテキスト選択部４
７、制御部４８を設けずに構成してもよい。

【００６４】図４は、本発明の第１の実施の形態におい
て、各画素データに属性データが付加された入力データ
のデータフォーマットの別の例および使用するテンプレ
ートの一例の説明図、図５は、同じくコンテキストの生
成に用いられるデータの説明図である。図４（Ａ）に示
す入力データ３１のデータフォーマットは、上述の図２
６（Ｂ）に示したものと同じである。この例では、入力
データ３１は図４（Ａ）に示したように、８画素ごとに
その先頭に１ビットの属性データａ_miが付加されてい
る。なお、画素データはｄ_mnで示している。

【００６５】図４（Ａ）に示したようなデータフォーマ
ットの画像データと属性データが混在した入力データ３
１を効率よく予測するためのテンプレートは、画素デー
タの位置ごとに異なってくる。基本的には図１５に示し
たテンプレート、すなわち図５（Ｄ）に示したテンプレ
ートを用いることによって効率よく予測可能なコンテキ
ストが得られる。しかし、属性データの両側２ビットず
つの画素データについて、このテンプレートを用いる
と、参照データとして属性データが含まれてしまう。属
性データは画素データと相関が弱いので、属性データを
含めて参照し、コンテキストを生成すると予測的中率が
低下する恐れがある。そのため、画素データの位置に応
じて、図４（Ｂ）〜（Ｆ）に示すようなテンプレートを
切り換えて用いることによって、属性データを参照せず
にコンテキストを生成することができる。なお、図４
（Ｂ）〜（Ｆ）において、Ｐが注目データであり、○印
が参照データの位置を示している。

【００６６】図５には入力データの３行分の一部を示し
ており、各データには識別のために図４（Ａ）と同様の
記号を付してある。いま、図５（Ａ）において、符号化
対象の注目データである入力データ３１として、画素デ
ータであるデータｄ₃₆が入力されたとする。このとき、
基本的なテンプレートである図４（Ｄ）に示すテンプレ
ートを適用しても、その中に属性データは含まれないの
で、図４（Ｄ）に示す基本的なテンプレートを用いて各
画素データを参照し、コンテキストを生成すればよい。

【００６７】次に入力データ３１として画素データｄ₃₇
が入力される。今度は基本的なテンプレートである図４
（Ｄ）に示すテンプレートを適用すると、属性データａ
₂₂が含まれてしまう。そのため、この属性データａ₂₂を
除くような、図４（Ｅ）に示すテンプレートを用いる。
これによって、参照データ中に属性データを含まず、画
素データのみを参照してコンテキストを生成することが
できる。

【００６８】次に入力データ３１として画素データｄ₃₈
が入力された場合も同様であり、図４（Ｄ）に示す基本
的なテンプレートを適用すると属性データａ₁₂，ａ₂₂が
含まれてしまうので、図４（Ｆ）に示すテンプレートを
適用する。同様にして、画素データｄ₃₉が入力された場
合には図４（Ｂ）に示すテンプレートを適用し、画素デ
ータｄ₃₁₀ が入力された場合には図４（Ｃ）に示すテン
プレートを適用する。

【００６９】このように、画素位置に応じて適用するテ
ンプレートを変更することによって、注目データが画素
データの場合に属性データを参照せずに、相関の強い画
素データのみを参照してコンテキストを生成することが
できる。生成されたコンテキストを用いて予測を行なう
ことによって、属性データが混在していない場合と同様
の予測的中率で予測でき、全体の符号量を低減すること
ができる。

【００７０】入力データ３１が属性データの場合には、
図２（Ｂ）に示したテンプレートと同様に、８データお
きに参照するテンプレートを用いることによって、属性
データのみを参照してコンテキストを生成することがで
きる。あるいは、固定コンテキスト部４６の出力を選択
するように構成してもよい。例えばこの例よりもさらに
多数の画素、例えば１ないし数ラインに１ビットの属性
データが付加されたデータの場合には、属性データだけ
のテンプレートを生成することは不可能であるため、固
定コンテキスト部４６が出力する固定のコンテキストを
選択するように構成するとよい。

【００７１】この例では、画素データについて図４
（Ｂ）〜（Ｆ）に示した５つのテンプレートを用いてい
る。また、属性データについてもテンプレートを用いる
場合には、さらにもう１つのテンプレートを用いる。そ
のため、各テンプレートに対応して、５ないし６個のテ
ンプレート抽出部を設け、入力データ３１に応じてコン
テキスト選択部４７によって切り換えればよい。なお、
属性データについてテンプレートを用いる場合には、固
定コンテキスト部４６を設けなくてもよい。

【００７２】次に、入力データ３１として多値画像をレ
ベルプレーン展開したデータが入力される場合について
説明する。図６は、本発明の第１の実施の形態におい
て、レベルプレーン展開された入力データのデータフォ
ーマットの一例および使用するテンプレートの一例の説
明図、図７は、同じくコンテキストの生成に用いられる
データの説明図である。図６（Ａ）に示す入力データ３
１のデータフォーマットは、基本的には上述の図２４に
示したものと同じであり、この例では１画素あたり８ビ
ットで構成される例を示している。８ビットのうち、Ｍ
ＳＢをレベル７とし、ＬＳＢをレベル０として、各ビッ
ト位置をレベルで呼ぶことにする。なお、多値画像デー
タは、グレーコード変換等がなされていない純粋な階調
データであるものとする。

【００７３】一般に写真画像などの低周波成分の多い多
値画像では、ある注目画素とその周囲の画素との間の濃
度の変化は小さいことが統計的に期待できる。そのた
め、各画素値は多くの場合には近接した値を取ると考え
てよい。画素値の変化が小さく、近接した値をとる場
合、多くの場合にはレベル０に近い下位の１ないし数ビ
ットの値が変化するのみで、レベル７を含む上位のビッ
トはほとんど変化しない。そのため、レベル７を含む上
位のビットでは、周囲の画素との間で相関が強いと考え
られる。すなわち、レベル７を含む上位のビットでは、
各画素の同一レベルを参照することによって、効率よく
予測を行なうことのできるコンテキストを作成すること
ができる。

【００７４】そこで、図６（Ｂ）に示すように、７ビッ
トおきに参照データを設定したテンプレートを適用す
る。これによって、例えば図７（Ａ）に示すように、注
目データがレベル７のデータである場合には、参照デー
タはすべてレベル７のデータとなる。同様に、注目デー
タがレベル６のデータである場合には、図７（Ｂ）に示
すように、参照データはすべてレベル６のデータとな
る。他のレベルについても同様に、同レベルのデータの
みを参照することができる。これによって、上位のデー
タについては、相関の強いデータを参照してコンテキス
トを作成できるので、予測的中率を高め、符号量を低減
することができる。

【００７５】しかし、画像全体として濃度変化は少ない
ものの、下位のビットでは微小な濃度変化でも値が変化
している。この例のように１画素あたり２５６階調（＝
８ビット）の中間調画像では、実際に１０階調未満の階
調変化がランダムに起こる。このように、下位のビット
における値の変化は、例えばレベル０のデータではほと
んどノイズと同様にランダムな値を取ると言っても過言
ではない。すなわち、下位のビットでは、周辺画素の同
じレベルのデータとの間の相関はあまり強くないと考え
られる。

【００７６】このような相関の弱い下位のビットのデー
タに対して、例えば図６（Ｂ）に示したようなテンプレ
ートを適用し、下位の同じレベルのデータを参照して
も、効率のよい予測を行なうことはできない。また、他
の効率のよい予測テンプレートを作成することは困難で
ある。つまり、どのようなテンプレートを作成しても、
それほど予測効率に影響しないと考えられる。しかし、
レベル７を含む上位のビットのデータと同じように、図
６（Ｂ）に示したテンプレートを適用すると、ある場合
には下位のビットに対するコンテキストとして、上位の
ビットのデータにおいて頻繁に出現するコンテキストと
同じコンテキストが生成される場合があり、その場合に
予測外れを引き起こして上位のビットのデータの予測的
中率が低下する可能性がある。

【００７７】例えば、濃度が薄いグレーレベルの中間調
データで、階調が連続して６０〜９０程度であるとする
と、レベル７はほとんど全て０となり、使用されるコン
テキストもすべて０である。この場合、レベル７の予測
においては予測が当たりつづけるため、ＪＢＩＧの算術
符号化方式では、符号がほとんど発生しない。ところ
が、レベル０で同じテンプレートを使用した場合、偶
然、すべて０のコンテキストが発生し、しかも予測外れ
を引き起こすことは十分に考えられる。この場合、この
コンテキストに対する確率推定テーブル６のＳＴＡＴＥ
は、ＬＳＺ領域を増やす方向に変更されるので、その後
すべて０のコンテキストで予測が当たったとしても、符
号量は予測が当たり続けた場合に比べ、格段に落ちてし
まう。

【００７８】そこで、下位のビットにおいてはコンテキ
ストを固定し、例えばＪＢＩＧのＴＰ処理で使用される
ような、発生しにくいと考えられるテンプレートを固定
コンテキスト部４６で発生し、これを用いるように構成
する。これにより、下位のビットのデータ自体の予測効
率はあまり上がらないが、他のレべルの予測に悪影響を
及ぼさないため、画像全体の符号量を低減させることが
できる。なお、固定コンテキスト部４６で発生する固定
のコンテキストとしては、例えば図６（Ｃ）に示す各画
素位置の値を用いたものとすることができる。

【００７９】各レベルにおいて図６（Ｂ）に示したテン
プレートを用いるか、あるいは例えば図６（Ｃ）に示す
ような固定のコンテキストを選択するかは任意である。
例えば、レベル７〜１までについては図６（Ｂ）に示し
たテンプレートを用い、レベル０については固定のコン
テキストを用いるようにすることができる。この場合、
図６（Ｂ）に示したテンプレートを用いたコンテキスト
の作成をテンプレート抽出部４４で行ない、図６（Ｃ）
に示した固定のコンテキストを固定コンテキスト部４６
から出力させ、入力データ３１のレベルによって、レベ
ル７〜１の時にはテンプレート抽出部４４の出力を選択
し、レベル０の時には固定コンテキスト部４６の出力を
選択するように、コンテキスト選択部４７を制御すれば
よい。この場合、テンプレート抽出部４５は不要である
ので設けなくてもよい。もちろん、テンプレート抽出部
４５で中位のビットに対する他のテンプレートを適用
し、例えばレベル０、７以外のレベルについては、テン
プレート抽出部４５の出力をコンテキスト選択部４７が
選択するように構成してもよい。

【００８０】図８は、本発明の第２の実施の形態を示す
ブロック構成図である。図中、図１と同様の部分には同
じ符号を付して説明を省略する。３４は予測部、５１，
５２は予測メモリ、５３，５４はセレクタ、５５は制御
部である。この第２の実施の形態では、予測部３４に複
数の予測メモリ５１，５２を設け、データの種類によっ
て使用する予測メモリを選択するようにした例を示して
いる。なお、コンテキスト生成部３２は、ラインメモリ
４１，４２と、シフトレジスタ４３と、テンプレート抽
出部４４によって構成し、従来のコンテキスト生成部２
と同様の構成としているが、テンプレート抽出部４４に
おいてコンテキストを生成する際に、入力データ３１に
応じたテンプレートを用いている。

【００８１】予測メモリ５１，５２には、それぞれ、例
えば図１６に示したような予測テーブルが格納されてい
る。なお、予測テーブルに書き込まれている各コンテキ
ストに対応した予測値及びステートは、予測メモリ５１
と予測メモリ５２で異なっていてよい。また、予測メモ
リは３つ以上であってももちろんよい。

【００８２】セレクタ５３は、予測メモリ５１または予
測メモリ５２の出力のいずれかを選択し、予測値及びス
テートを出力する。セレクタ５４は、予測テーブルに書
き戻す新予測値及びステートを、予測メモリ５１あるい
は予測メモリ５２のいずれかを選択して出力する。制御
部５５は、符号化の対象である注目データの種類に応じ
てセレクタ５３を制御し、予測メモリ５１又は予測メモ
リ５２の出力のいずれかを選択させる。また、符号化に
よって予測テーブルの変更を行なう際には、符号化を行
なった注目データの種類に応じてセレクタ５４を制御
し、予測テーブルの変更を行なう予測メモリを選択させ
る。

【００８３】本発明の第２の実施の形態における動作の
一例を説明する。まず、図２（Ａ）に示したように、画
素データと属性データとが混在した入力データの場合に
ついて説明する。図２（Ａ）に示したデータフォーマッ
トの入力データの場合には、上述のように、画素データ
及び属性データとも、図２（Ｂ）に示したテンプレート
を用いてコンテキストを生成することが可能であった。
この場合、同じテンプレートを用いるものの、画素デー
タから生成されるコンテキストと、属性データから生成
されるコンテキストでは、データの性質の違いから異な
るコンテキストとなることが予想される。しかし、例え
ばすべて同じ属性データが付されている場合でも、画素
データから生成されるコンテキストが属性データから生
成されるコンテキストと同じコンテキストとなり、しか
も予測がはずれると、次の属性データの予測もはずれる
可能性があり、このような予測はずれによって符号量は
格段に多くなってしまう。

【００８４】このような場合を回避するため、例えば注
目データが画素データの場合には予測メモリ５１を用
い、注目データが属性データの場合には予測メモリ５２
を用いて予測を行なうように、セレクタ５３で予測結果
を切り換える。これによって、画素データから生成した
コンテキストと属性データから生成したコンテキストが
同じであっても、互いの予測値に影響せず、予測的中率
を向上させることができる。これによって符号量を低減
することができる。

【００８５】別の例として、図６（Ａ）に示したよう
に、多値画像をレベルプレーン展開したデータが入力さ
れる場合について説明する。この場合には、上述のよう
に図６（Ｂ）に示す７ビットおきのテンプレートを用い
ることによって、すべてのレベルについて各レベルごと
のデータを参照してコンテキストを生成することができ
る。また、この例のようにレベルプレーン展開された多
値画像データでは、上位のレベルでは予測が当たりやす
く、下位のレベルでは予測がはずれやすいことは先に述
べたとおりである。上述の第１の実施の形態では予測が
はずれやすい下位のレベルでは固定のコンテキストを用
いる例を示したが、この第２の実施の形態では、同じテ
ンプレートを用い、各レベルの予測の的中率に応じて予
測メモリを分けて使用する。すなわち、予測が当たりや
すい上位のレベル、例えばレベル７〜５については、例
えば予測メモリ５１を使用し、予測が当たりにくい下位
のレベル、例えばレベル４〜０については、例えば予測
メモリ５２を使用する。そして、制御部５５において注
目データのレベルを管理し、セレクタ５３，５４で予測
メモリを選択する。これによって、予測が当たりにくい
下位のレベルの予測によって予測メモリ５１内の予測テ
ーブルが書き変わることはないので、上位のレベルにつ
いては下位のレベルの影響を受けずに予測が当たりやす
い状態が保たれる。そのため、全体として符号量を低減
させることができる。

【００８６】図９は、本発明の第２の実施の形態におけ
る第１の変形例を示すブロック構成図である。図中、図
１及び図８と同様の部分には同じ符号を付して説明を省
略する。５６は予測メモリである。この変形例では、コ
ンテキスト生成部３２に、上述の第１の実施の形態と同
様に複数のテンプレート抽出部４４，４５を設け、さら
に固定コンテキスト部４６を設けた例を示している。も
ちろん、複数のテンプレート抽出部のみとしてもよい
し、テンプレート抽出部を３以上設けてもよい。さら
に、この例ではコンテキスト選択部４７を設けずに、各
テンプレート抽出部４４，４５及び固定コンテキスト部
４６に対応した予測メモリ５１，５２，５６を設けてい
る。

【００８７】このような構成によれば、各テンプレート
抽出部４４，４５および固定コンテキスト部４６からそ
れぞれ出力されるコンテキストは、それぞれ対応する予
測メモリ５１，５２，５６に入力され、予測値及びステ
ートが出力される。セレクタ５３は、入力データ３１の
種類に応じた予測メモリの出力を制御部５５の制御に従
って選択する。これにより、入力データ３１の種類に応
じた複数のテンプレートを用いてコンテキストを生成で
きるとともに、対応する予測メモリを用いることができ
る。そのため、各予測メモリの予測テーブルは、予測時
には他の種類のデータから生成したコンテキストに影響
されることなく、対応する種類のデータから生成したコ
ンテキストに対してのみ予測に用いられるので、予測的
中率が高くなり、全体の符号量を低減することができ
る。

【００８８】このような構成を用いることにより、例え
ば図４（Ａ）に示すように画像データと属性データが混
在したデータフォーマットの入力データや、多値画像を
レベルプレーン展開したデータに属性データが混在した
入力データなど、種々の異なる種類のデータが混在した
データ列に対応した効率のよい符号化を行なうことがで
きる。

【００８９】図１０は、本発明の第２の実施の形態にお
ける第２の変形例を示すブロック構成図である。図中の
符号は図８と同様である。この第２の変形例では、固定
予測値及び固定ステートをセレクタ５３で選択可能に構
成した例を示している。例えば上述の第１の実施の形態
において、コンテキスト生成部３２の固定コンテキスト
部４６を選択する場合とは、予測的中率が低い場合であ
る。このような場合には予測値がいずれの値であっても
それほど予測的中率は向上せず、例えば予測テーブルを
更新してもほとんど効果は上がらない。逆に、予測テー
ブルの更新を行なわなくてもよく、すなわち所定の予測
値を常に出力しても、予測的中率はほとんど変わらな
い。そのため、この第２の変形例では、コンテキスト生
成部３２で固定コンテキスト部４６を設ける代わりに、
固定予測値及び固定ステートをセレクタ５３で選択する
ように構成している。

【００９０】固定予測値及び固定ステートを選択した場
合、符号化部３３から新予測値などの書き換えデータが
返される場合があるが、その場合にも固定予測値や固定
ステートを変更する必要はない。この場合、書き換えデ
ータが予測メモリ５１に書き込まれないようにセレクタ
５４を制御すればよい。

【００９１】図１０に示した例では予測メモリが１つの
場合のみ示しているが、もちろん、複数であってよい。
また、第１の変形例と同様に、コンテキスト生成部３２
内に複数のテンプレート抽出部を設けることもできる。
この場合、固定コンテキスト部４６は不要である。

【００９２】以上、本発明の符号化方法及び符号化装置
の実施の形態を示したが、このようにして符号化された
符号データを復号する場合においても、同じ操作により
原データに復元することができる。

【００９３】図１１は、本発明の第３の実施の形態を示
すブロック構成図である。図中、図２０と同様の部分に
は同じ符号を付して説明を省略する。６１は出力デー
タ、６２はコンテキスト生成部、６３は復号部である。
この例では、確率推定テーブル６と算術復号化部２１を
まとめて復号部６３として示している。図１１（Ｂ）に
コンテキスト生成部６２の構成例を示しているが、この
構成は図１（Ｂ）に示したコンテキスト生成部３２の構
成と同一である。ラインメモリ４１及びシフトレジスタ
４３に入力されるデータが出力データ６１である点が異
なるのみである。

【００９４】算術復号化部２１で復号された出力データ
６１は、ラインメモリ４１およびシフトレジスタ４３に
入力される。シフトレジスタ４３には、ラインメモリ４
１で１ライン分遅延した出力データとラインメモリ４１
および４２で２ライン分遅延した出力データも入力され
る。テンプレート抽出部４４，４５は、それぞれ異なる
テンプレートを有しており、それぞれのテンプレートに
従ってシフトレジスタ４３内のデータを参照し、それぞ
れコンテキストを生成して出力する。また、固定コンテ
キスト部４６は所定のコンテキストを出力する。コンテ
キスト選択部４７は、復号される対象である注目データ
の種類に応じた制御部４８からの制御信号４９に従っ
て、テンプレート抽出部４４，４５および固定コンテキ
スト部４６の出力のいずれかを選択し、逆予測部２２へ
出力する。

【００９５】なお、各テンプレート抽出部４４，４５が
使用するテンプレートは、符号化時に用いたものと同じ
テンプレートである。また、制御部４８は、注目データ
の種類に応じ、符号化時と同じテンプレートが適用され
るテンプレート抽出部４４，４５あるいは固定コンテキ
スト部４６が選択されるように制御する。

【００９６】例えば、図２（Ａ）に示したように画像デ
ータと属性データが混在したデータフォーマットのデー
タを符号化した符号データに対しては、例えばテンプレ
ート抽出部４４において図２（Ｂ）に示すテンプレート
を用いて復号済みの出力データからコンテキストを作成
して予測を行なう。また、図４（Ａ）に示したようなデ
ータフォーマットのデータを符号化した符号データであ
れば、テンプレート抽出部を５ないし６個設け、それぞ
れが図４（Ｂ）〜（Ｆ）に示すテンプレート及び必要に
応じて属性データ用のテンプレートのいずれかを用いて
コンテキストを生成するように構成すればよい。さら
に、図６に示したような多値画像をレベルプレーン展開
したデータを符号化した符号データであれば、例えばテ
ンプレート抽出部４４において図６（Ｂ）に示すテンプ
レートを用いてコンテキストを作成し、固定コンテキス
ト部４６から図６（Ｃ）に示すコンテキストが出力され
るように構成すればよい。他のデータフォーマットの場
合にも、同様にして符号化時と対応したテンプレートの
使用あるいは固定コンテキストの選択が行なわれるよう
に構成すればよい。

【００９７】コンテキスト生成部３２から出力されるコ
ンテキストは逆予測部２２に入力され、逆予測値が算術
復号化部２１へ、また、ステートが確率推定テーブル６
へ出力される。確率推定テーブル６は、ステートをもと
にＬＳＺ，ＳＷ等の情報を読み出して算術復号化部２１
へ送り、算術復号化部２１はこれらの情報と逆予測値か
ら符号データ１０を復号し、出力データ６１として出力
する。また、必要に応じて新逆予測値などの書き換えデ
ータ２４および書き換え信号１２を逆予測部２２へ送
り、逆予測テーブルの書き換えを行なう。

【００９８】このようにして符号化時と同様に予測を行
なって復号することにより、画像データと属性データが
混在したデータや、多値画像をレベルプレーン展開した
データ及びそのデータと属性データが混在したデータな
どが符号化された符号データについて、復号してもとの
データを復元することができる。

【００９９】なお、復号の際にも、上述の第２の実施の
形態およびその第１、第２の変形例と同様の構成とする
ことができる。すなわち、図１１（Ａ）の逆予測部２２
を図８や図１０に示す予測部３４と同様に構成したり、
コンテキスト生成部３２及び逆予測部２２を図９に示す
コンテキスト生成部３２及び予測部３４と同様に構成す
ることができる。

【０１００】図１２は、本発明の応用例を示すブロック
構成図である。図中、図２５と同様の部分には同じ符号
を付して説明を省略する。１１１は混合部、１１２は符
号化部、１１３は符号データ格納部、１１４は復号化
部、１１５は分離部である。入力部１０１から入力され
た画像データは、画像処理部１０２で処理されて混合部
１１１に入力されるとともに、ＴＩ分離部１０６でＴＩ
分離処理が施されてＴＩ分離フラグが混合部１１１に入
力される。混合部１１１では、例えば図２（Ａ）や図４
（Ａ）に示すような画像データとＴＩ分離フラグが混在
したデータを作成して符号化部１１２に渡す。符号化部
１１２は、上述の本発明の第１又は第２の実施の形態で
示した構成及び方法によって、画像データとＴＩ分離フ
ラグが混在したデータを符号化し、符号データ格納部１
１３に格納する。このとき、符号化部１１２では、上述
のように画像データとＴＩ分離フラグとで異なるテンプ
レートを用いたり、あるいはＴＩ分離フラグについては
固定のコンテキストを選択したり、さらにはそれぞれ別
の予測テーブルを用いて予測処理を行なうことによっ
て、符号量を低減している。

【０１０１】出力時には、符号データ格納部１１３から
符号データを取り出し、復号化部１１４で復号して画像
データとＴＩ分離フラグが混在したデータに戻し、分離
部１５で画像データとＴＩ分離フラグを分離して出力部
１１０に渡す。出力部１１０では、ＴＩ分離フラグを参
照しながら画像データに対して出力のための画像処理を
施して画像を形成する。

【０１０２】図１２に示した構成では、画像データとＴ
Ｉ分離フラグを混合して符号化しているので、符号デー
タ格納部１１３に格納された符号データの管理が容易で
ある。また、１ないし数画素のデータごとにＴＩ分離フ
ラグを挿入したデータを符号化しているので、復号化し
ながら出力部１１０で処理を行なうことができ、出力部
１１０のバッファの容量を削減できるとともに、高速な
出力処理が可能である。このような画像データとＴＩ分
離フラグとを混在させたデータを符号化した場合、従来
では符号量が非常に多くなったが、本発明を用いること
によって効率よく符号化され、符号量を低減することが
できる。そのため、１つの画像あたりの符号データ格納
部１１３に占める容量を削減でき、符号データ格納部１
１３の容量削減あるいは多量の画像の保持が可能とな
る。

【０１０３】

【発明の効果】以上の説明から明らかなように、本発明
によれば、属性データと画像データが混在したデータ、
または、多値画像をレベルプレーン展開したデータ等、
複数種類のデータが混在するデータ列を符号化する符号
化する場合に、注目データの種類に応じて出現済みの同
種類の複数の参照データを選択し、選択された複数の参
照データの状態から注目データの値を予測し、該予測し
た値と注目データの値をもとに予測符号化する。同じ種
類の周辺のデータは相関が強いと考えられ、相関が強い
データを用いて予測を行なうと的中率がよいことを利用
し、参照データとして同種類の複数のデータを選択して
的中率を向上させることができる。通常、予測符号化で
は予測が的中する場合の符号データが少なくなるように
構成されているので、上述のように予測的中率を向上さ
せることによって符号量を減少させ、効率のよい符号化
を行なうことができる。

【０１０４】また、予測効率が悪いデータの種類につい
ては所定の状態を参照データとして選択したり、別の予
測テーブルを使用するように構成することによって、予
測効率の悪いデータの予測によって予測効率のよいデー
タが影響を受けないようにし、予測効率のよいデータの
種類については符号量が増加しないように符号化するこ
とにより、全体の符号量を低減することができる。

【０１０５】このように、複数種類のデータが混在する
データ列を効率よく符号化できるので、それぞれの種類
ごとに別々に符号化する必要はなくなり、１つの符号デ
ータとして効率よく符号化することができるという効果
がある。

【０１０６】また、上述のような符号化方法を実現する
符号化装置として、コンテキスト生成部を注目データの
種類に応じて出現済みの同種類の複数の参照データを選
択するように構成したので、注目データと相関の強い同
種類のデータからなる参照データを出力することがで
き、予測部でこの参照データを用いることによって予測
的中率の高い予測値を出力できる。符号化部では予測値
と注目データをもとに予測符号化するが、予測値の予測
的中率が高いことから少ない符号量の符号データを生成
することができる。また、予測メモリを複数設けたり、
固定コンテキスト部を設け、予測的中率が悪いデータの
種類については、固定コンテキスト部で所定の状態を参
照データとして選択したり、他の種類のデータとは別の
予測メモリを使用するように構成することができる。こ
れによって、予測的中率の悪い種類のデータの予測によ
って予測的中率のよい種類のデータが影響を受けないよ
うにし、予測的中率のよい種類のデータについては符号
量が増加しないように符号化することにより、全体の符
号量を低減することができる。

【０１０７】また、上述の符号化方法及び符号化装置と
同様にして逆予測を行なうことによって、効率よく符号
化された符号データを復号することができる復号化方法
および復号化装置を得ることができる。

【図面の簡単な説明】

【図１】 本発明の第１の実施の形態を示すブロック構
成図である。

【図２】 本発明の第１の実施の形態において、各画素
データに属性データが付加された入力データのデータフ
ォーマットの一例および使用するテンプレートの一例の
説明図である。

【図３】 本発明の第１の実施の形態において、各画素
データに属性データが付加された入力データの一例にお
けるコンテキストの生成に用いられるデータの説明図で
ある。

【図４】 本発明の第１の実施の形態において、各画素
データに属性データが付加された入力データのデータフ
ォーマットの別の例および使用するテンプレートの一例
の説明図である。

【図５】 本発明の第１の実施の形態において、各画素
データに属性データが付加された入力データの別の例に
おけるコンテキストの生成に用いられるデータの別の例
の説明図である。

【図６】 本発明の第１の実施の形態において、レベル
プレーン展開された入力データのデータフォーマットの
一例および使用するテンプレートの一例の説明図であ
る。

【図７】 本発明の第１の実施の形態において、レベル
プレーン展開された入力データの一例におけるコンテキ
ストの生成に用いられるデータの説明図である。

【図８】 本発明の第２の実施の形態を示すブロック構
成図である。

【図９】 本発明の第２の実施の形態における第１の変
形例を示すブロック構成図である。

【図１０】 本発明の第２の実施の形態における第２の
変形例を示すブロック構成図である。

【図１１】 本発明の第３の実施の形態を示すブロック
構成図である。

【図１２】 本発明の応用例を示すブロック構成図であ
る。

【図１３】 算術符号化の概念図である。

【図１４】 ＪＢＩＧで採用されている予測符号化方式
の概略図である。

【図１５】 ＪＢＩＧで使用されるテンプレートの一例
の説明図である。

【図１６】 予測部４に記憶されている予測テーブルの
一例の説明図である。

【図１７】 確率推定テーブル６の一例の説明図であ
る。

【図１８】 入力される画像データの一具体例の説明図
である。

【図１９】 書き換え後の予測部テーブルの一具体例の
説明図である。

【図２０】 ＪＢＩＧで採用されている予測復号化方式
の概略図である。

【図２１】 算術復号化部の基本動作の説明図である。

【図２２】 ビットプレーン展開の説明図である。

【図２３】 レベルプレーン展開の説明図である。

【図２４】 レベルプレーン展開されたデータ列の一例
の説明図である。

【図２５】 従来の画像入出力装置において属性データ
を伴って中間情報蓄積を行なう場合の一例を示すブロッ
ク構成図である。

【図２６】 属性データが混在した画像データの一例の
説明図である。

【符号の説明】

１…画像データ、２…コンテキスト生成部、３…コンテ
キスト、４…予測部、５…ステート、６…確率推定テー
ブル、７…ＬＳＺおよびＳＷ、８…予測値、９…算術符
号化部、１０…符号データ、１１…書き換えデータ、１
２…書き換え信号、２１…算術復号化部、２２…逆予測
部、２３…逆予測値、２４…書き換えデータ、３１…入
力データ、３２…コンテキスト生成部、３３…符号化
部、４１，４２…ラインメモリ、４３…シフトレジス
タ、４４，４５…テンプレート抽出部、４６…固定コン
テキスト部、４７…コンテキスト選択部、４８…制御
部、４９…制御信号、３４…予測部、５１，５２…予測
メモリ、５３，５４…セレクタ、５５…制御部、５６…
予測メモリ、６１…出力データ、６２…コンテキスト生
成部、６３…復号部、１０１…入力部、１０２…画像処
理部、１０３…画像符号化部、１０４…画像符号データ
保持部、１０５…画像復号化部、１０６…ＴＩ分離部、
１０７…ＴＩフラグ符号化部、１０８…ＴＩフラグ符号
データ保持部、１０９…ＴＩフラグ復号化部、１１０…
出力部、１１１…混合部、１１２…符号化部、１１３…
符号データ格納部、１１４…復号化部、１１５…分離
部。

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成９年５月１２日

【手続補正１】

【補正対象書類名】図面

【補正対象項目名】図２０

【補正方法】変更

【補正内容】

【図２０】

Claims (11)

【特許請求の範囲】
1. 【請求項１】 複数種類のデータが混在するデータ列を
   符号化する符号化方法において、前記データ列から符号
   化の対象となる注目データを順次選択し、選択された注
   目データの種類に応じて出現済みの同種類の複数の参照
   データを選択し、選択された複数の参照データの状態か
   ら注目データの値を予測し、該予測した値と注目データ
   の値をもとに予測符号化することを特徴とする符号化方
   法。
2. 【請求項２】 前記注目データの値を予測する際に、前
   記注目データの種類に応じた予測用のデータを用いて予
   測を行なうことを特徴とする請求項１に記載の符号化方
   法。
3. 【請求項３】 前記データ列は画像の属性データと画像
   データの２種類のデータが混在するデータ列であること
   を特徴とする請求項１または２に記載の符号化方法。
4. 【請求項４】 前記注目データが属性データの場合には
   所定の状態を参照データとして選択し、前記注目データ
   が画像データの場合には出現済みの画像データの中から
   複数の参照データを選択することを特徴とする請求項３
   に記載の符号化方法。
5. 【請求項５】 前記データ列は、各画素が複数のレベル
   のデータからなる多値画像をレベルプレーン展開し各レ
   ベルを異なる種類としたデータ列であることを特徴とす
   る請求項１または２に記載の符号化方法。
6. 【請求項６】 前記注目データの種類が少なくとも最下
   位ビットに対応するレベルを含む所定の種類である場合
   には所定の状態を参照データとして選択し、前記注目デ
   ータの種類が前記所定の種類以外である場合には前記注
   目データを含む注目画素の周辺に位置する複数の画素に
   おける注目データと同種類のデータを参照データとして
   選択することを特徴とする請求項５に記載の符号化方
   法。
7. 【請求項７】 複数種類のデータが混在するデータ列を
   符号化する符号化装置において、符号化の対象となる注
   目データの種類に応じて出現済みの同種類の複数の参照
   データを選択するコンテキスト生成部と、該コンテキス
   ト生成部で選択された参照データの状態から注目データ
   の値を予測して予測値を出力する予測部と、該予測部か
   ら出力される予測値と注目データの値をもとに予測符号
   化する符号化部を有することを特徴とする符号化装置。
8. 【請求項８】 前記予測部は、それぞれ別の予測用のデ
   ータが格納された複数の予測メモリと、前記注目データ
   の種類に応じて前記予測メモリを切り換える切換手段を
   有することを特徴とする請求項７に記載の符号化装置。
9. 【請求項９】 前記コンテキスト生成部は、前記注目デ
   ータが特定の種類の場合に所定の状態を参照データとし
   て出力する固定コンテキスト部を含むことを特徴とする
   請求項７または８に記載の符号化装置。
10. 【請求項１０】 複数種類のデータが混在するデータ列
    を符号化した符号データを復号する復号化方法におい
    て、次に予測復号されるデータを注目データとし、該注
    目データの種類に応じて復号済みの同種類の複数の参照
    データを選択し、選択された複数の参照データの状態か
    ら注目データの値を逆予測し、該逆予測した値と注目デ
    ータの値をもとに予測復号することを特徴とする復号化
    方法。
11. 【請求項１１】 複数種類のデータが混在するデータ列
    を符号化した符号データを復号する復号化装置におい
    て、符号データとその予測値から符号データを予測復号
    する復号部と、該復号部で次に予測復号される注目デー
    タの種類に応じて復号済みの同種類の複数の参照データ
    を選択するコンテキスト生成部と、該コンテキスト生成
    部で選択された複数の参照データの状態から注目データ
    の値を予測して予測値を前記復号部へ出力する予測部を
    有することを特徴とする復号化装置。