[go: up one dir, main page]

WO2015053112A1 - 復号装置および復号方法、並びに、符号化装置および符号化方法 - Google Patents

復号装置および復号方法、並びに、符号化装置および符号化方法 Download PDF

Info

Publication number
WO2015053112A1
WO2015053112A1 PCT/JP2014/075800 JP2014075800W WO2015053112A1 WO 2015053112 A1 WO2015053112 A1 WO 2015053112A1 JP 2014075800 W JP2014075800 W JP 2014075800W WO 2015053112 A1 WO2015053112 A1 WO 2015053112A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
color difference
difference signal
image
upsampling
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.)
Ceased
Application number
PCT/JP2014/075800
Other languages
English (en)
French (fr)
Inventor
佐藤　数史
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of WO2015053112A1 publication Critical patent/WO2015053112A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • 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
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • 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
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • 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
    • H04N19/186—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 colour or a chrominance component
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
    • 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
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Definitions

  • the present disclosure relates to a decoding device and a decoding method, and an encoding device and an encoding method, and in particular, a decoding device and a decoding method capable of improving the encoding efficiency of chromoscable encoding, and the encoding
  • the present invention relates to an apparatus and an encoding method.
  • MPEG Motion Picture Experts Group phase
  • MPEG Motion Experts Group phase
  • orthogonal transformation such as discrete cosine transformation and motion compensation using redundancy unique to image information
  • the MPEG2 (ISO / IEC 13818-2) system is defined as a general-purpose image encoding system, and is a standard that covers both interlaced and progressively scanned images, standard resolution images, and high-definition images. Widely used in a wide range of applications for consumer and consumer applications.
  • a standard resolution interlaced scanning image having 720 ⁇ 480 pixels is 4 to 8 Mbps
  • a high resolution interlaced scanning image having 1920 ⁇ 1088 pixels is 18 to 22 MBps.
  • MPEG2 was mainly intended for high-quality encoding suitable for broadcasting, but it did not support encoding methods with a lower code amount (bit rate) than MPEG1, that is, a higher compression rate. With the widespread use of mobile terminals, the need for such an encoding system is expected to increase in the future, and the MPEG4 encoding system has been standardized accordingly. Regarding the MPEG4 image coding system, the standard was approved as an international standard in December 1998 as ISO / IEC 449 14496-2.
  • H. Standardization to achieve higher coding efficiency by incorporating functions that are not supported by 26L was done as Joint Model of Enhanced-Compression Video Coding. This standardization was implemented in March 2003 by H.C. It was internationally standardized under the names of H.264 and MPEG-4® Part 10 (AVC (Advanced Video Coding)).
  • ITUHEVC High Efficiency Video Coding
  • JCTVC Joint Collaboration Team-Video Coding
  • image encoding methods such as MPEG-2 and AVC have a scalable function for encoding images by layering them.
  • the scalable function scalable encoding
  • a coded stream of a base layer (base ⁇ ⁇ ⁇ layer) image (hereinafter referred to as a base image) is transmitted to a terminal having a low processing capability such as a mobile phone. be able to.
  • a terminal having a low processing capability such as a mobile phone.
  • codes of the base layer and enhancement layer (enhancement layer) layers other than the base layer (hereinafter referred to as enhancement images) Stream can be transmitted.
  • chroma scalable coding has been proposed in which images are hierarchized and coded in a color difference signal format.
  • the color difference signal of the base image is up-sampled by filter processing and used for encoding of the color difference signal of the enhancement image and prediction at the time of decoding.
  • the color difference signal may not be upsampled with high accuracy by filtering using the same filter coefficient for all regions. As a result, the prediction accuracy of the color difference signal of the enhancement image is lowered, and the coding efficiency is lowered.
  • the present disclosure has been made in view of such circumstances, and is intended to improve the coding efficiency of chroma scalable coding.
  • a decoding device includes an upsampling unit that upsamples the first layer color difference signal based on an intra prediction mode of a first layer color difference signal that is a color difference signal of a first layer image. And a decoding unit that decodes encoded data of the second layer image using the first layer image obtained by upsampling the first layer color difference signal by the upsampling unit. .
  • the decoding method according to the first aspect of the present disclosure corresponds to the decoding device according to the first aspect of the present disclosure.
  • the first layer color difference signal is upsampled based on an intra prediction mode of a first layer color difference signal that is a color difference signal of an image of the first layer, and the first layer color difference is calculated.
  • the encoded data of the second layer image is decoded.
  • An encoding apparatus includes an upsampling unit that upsamples the first layer color difference signal based on an intra prediction mode of a first layer color difference signal that is a color difference signal of a first layer image. And an encoding unit that encodes a second layer image using the first layer image obtained by upsampling the first layer color difference signal by the upsampling unit. .
  • the encoding method according to the second aspect of the present disclosure corresponds to the encoding device according to the second aspect of the present disclosure.
  • the first layer color difference signal is upsampled based on an intra prediction mode of a first layer color difference signal that is a color difference signal of a first layer image, and the first layer color difference is calculated.
  • a second layer image is encoded using the first layer image from which the signal has been upsampled.
  • the decoding device according to the first aspect and the encoding device according to the second aspect can be realized by causing a computer to execute a program.
  • a program to be executed by a computer is transmitted through a transmission medium or recorded on a recording medium, Can be provided.
  • the decoding device of the first aspect and the encoding device of the second aspect may be independent devices or may be internal blocks constituting one device.
  • a chroma scalable encoded image can be decoded. Also, according to the first aspect of the present disclosure, it is possible to decode an image that has been chroma scalable encoded so as to improve the encoding efficiency.
  • an image can be coded in a chromable manner. Also, according to the second aspect of the present disclosure, it is possible to improve the coding efficiency of chroma scalable coding.
  • FIG. 6 is a block diagram illustrating a configuration example of an encoding unit in FIG. 5. It is a figure explaining CU. It is a figure explaining the intra prediction mode of the luminance signal in a HEVC system. It is a figure explaining Planer prediction. It is a figure explaining the intra prediction mode of a color difference signal.
  • Scalable coding includes spatial scalability, temporal scalability, SNR scalability, and the like in addition to chroma scalable coding.
  • FIG. 1 is a diagram for explaining spatial scalability.
  • images are layered and encoded with spatial resolution.
  • a low resolution image is encoded as a base image
  • a high resolution image is encoded as an enhancement image.
  • the encoding apparatus transmits only the encoded data of the base image to the decoding apparatus having a low processing capability, so that the decoding apparatus can generate a low-resolution image.
  • the encoding device transmits the encoded data of the base layer and the enhancement image to the decoding device having high processing capability, so that the decoding device decodes the base layer and the enhancement image and generates a high-resolution image. can do.
  • FIG. 2 is a diagram for explaining temporal scalability.
  • images are layered and encoded at a frame rate.
  • a frame rate for example, an image with a low frame rate (7.5 fps in the example of FIG. 2) is encoded as a base image.
  • an image at a medium frame rate (15 fps in the example of FIG. 2) is encoded as an enhancement image.
  • an image with a high frame rate (30 fps in the example of FIG. 2) is encoded as an enhancement image.
  • the encoding apparatus transmits only the encoded data of the base image to the decoding apparatus having a low processing capability, so that the decoding apparatus can generate a low frame rate image.
  • the encoding device transmits the encoded data of the base layer and the enhancement image to the decoding device having a high processing capability, so that the decoding device decodes the base layer and the enhancement image to obtain a high frame rate or medium frame. Rate images can be generated.
  • FIG. 3 is a diagram for explaining SNR scalability.
  • SNR signal-noise ratio
  • the encoding apparatus transmits only the encoded data of the base image to the decoding apparatus having a low processing capability, so that the decoding apparatus can generate a low SNR image.
  • the encoding device transmits the encoded data of the base layer and the enhancement image to the decoding device having high processing capability, so that the decoding device decodes the base layer and the enhancement image to generate a high SNR image. can do.
  • scalable coding there are other than scalable coding, spatial ⁇ scalability, abilitytemporal scalability, and SNR scalability.
  • bit-depth scalability in which an image is hierarchized by the number of bits.
  • an 8-bit video image is used as a base image
  • a 10-bit video image is used as an enhancement image and encoded.
  • FIG. 4 is a block diagram illustrating a configuration example of the first embodiment of the encoding device to which the present disclosure is applied.
  • the 4 includes a base encoding unit 31, an enhancement encoding unit 32, a synthesis unit 33, and a transmission unit 34.
  • the encoding device 30 performs chroma scalable encoding using a 420 image and a 444 image according to a method according to the HEVC method.
  • the 420 image is an image whose color difference signal format is YCbCr420
  • the 444 image is an image whose color difference signal format is YCbCr444.
  • the 420 base images are input to the base encoding unit 31 of the encoding device 30 from the outside.
  • the base encoding unit 31 is configured in the same manner as, for example, an HEVC encoding device, and encodes a base image using the HEVC method.
  • the base encoding unit 31 combines a coded stream including encoded data obtained as a result of encoding, VPS (Video Parameter Set), SPS (Sequence Parameter Parameter Set), PPS (Picture Parameter Parameter Set), etc. as a base stream. 33.
  • the base encoding unit 31 supplies the base image decoded for use as a reference image when encoding the base image and the intra prediction mode of the color difference signal of the base image to the enhancement encoding unit 32.
  • the enhancement encoding unit 32 receives 444 images as enhancement images from the outside.
  • the enhancement encoding unit 32 encodes the enhancement image by a method according to the HEVC method.
  • the enhancement encoding unit 32 refers to the base image from the base encoding unit 31 and the intra prediction mode.
  • the enhancement encoding unit 32 supplies an encoded stream including encoded data obtained as a result of encoding, VPS, SPS, PPS, and the like to the synthesizing unit 33 as an enhancement stream.
  • the synthesizing unit 33 synthesizes the base stream supplied from the base encoding unit 31 and the enhancement stream supplied from the enhancement encoding unit 32 to generate an encoded stream of all layers.
  • the synthesis unit 33 supplies the encoded stream of all layers to the transmission unit 34.
  • the transmission unit 34 transmits the encoded stream of all layers supplied from the synthesis unit 33 to a decoding device to be described later.
  • the encoding apparatus 30 shall transmit the encoding stream of all the layers here, it can also transmit only a base stream as needed.
  • FIG. 5 is a block diagram illustrating a configuration example of the enhancement encoding unit 32 of FIG.
  • the enhancement encoding unit 32 in FIG. 5 includes a setting unit 51 and an encoding unit 52.
  • the setting unit 51 of the enhancement coding unit 32 sets parameter sets such as VPS, SPS, and PPS as necessary.
  • the setting unit 51 supplies the set parameter set to the encoding unit 52.
  • the encoding unit 52 refers to the base image from the base encoding unit 31 and the intra prediction mode, and encodes an enhancement image input from the outside by a method according to the HEVC method.
  • the encoding unit 52 generates an enhancement stream from the encoded data obtained as a result and the parameter set supplied from the setting unit 51, and supplies the enhancement stream to the synthesis unit 33 in FIG.
  • FIG. 6 is a block diagram illustrating a configuration example of the encoding unit 52 of FIG.
  • a / D conversion unit 71 includes an A / D conversion unit 71, a screen rearrangement buffer 72, a calculation unit 73, an orthogonal transformation unit 74, a quantization unit 75, a lossless encoding unit 76, an accumulation buffer 77, a generation unit 78, Inverse quantization unit 79, inverse orthogonal transform unit 80, addition unit 81, deblock filter 82, adaptive offset filter 83, adaptive loop filter 84, frame memory 85, switch 86, intra prediction unit 87, motion prediction / compensation unit 88, The prediction image selection unit 89, the rate control unit 90, the upsampling unit 91, and the calculation unit 92 are configured.
  • the A / D conversion unit 71 of the encoding unit 52 performs A / D conversion on the input enhancement image in frame units, and outputs to the screen rearrangement buffer 72 for storage.
  • the screen rearrangement buffer 72 rearranges the stored frame-by-frame enhancement images in the order for encoding in accordance with the GOP (Group of Picture) structure, a calculation unit 73, an intra prediction unit 87, This is output to the motion prediction / compensation unit 88 and the calculation unit 92.
  • the calculation unit 73 functions as an encoding unit, and performs encoding by calculating the difference between the prediction image supplied from the prediction image selection unit 89 and the enhancement image to be encoded output from the screen rearrangement buffer 72. Do. Specifically, the calculation unit 73 performs encoding by subtracting the predicted image supplied from the predicted image selection unit 89 from the enhancement image to be encoded output from the screen rearrangement buffer 72.
  • the computing unit 73 outputs the resulting image to the orthogonal transform unit 74 as residual information.
  • the calculation unit 73 outputs the enhancement image read from the screen rearrangement buffer 72 as it is to the orthogonal transform unit 74 as residual information.
  • the orthogonal transform unit 74 performs orthogonal transform on the residual information from the calculation unit 73 by a predetermined method, and supplies the generated orthogonal transform coefficient to the quantization unit 75.
  • the quantization unit 75 performs quantization on the orthogonal transform coefficient supplied from the orthogonal transform unit 74 and supplies the resulting coefficient to the lossless encoding unit 76.
  • the lossless encoding unit 76 acquires the intra prediction mode information indicating the optimal intra prediction mode from the intra prediction unit 87. Further, the lossless encoding unit 76 acquires inter prediction mode information indicating an optimal inter prediction mode, a motion vector, reference image specifying information for specifying a reference image, and the like from the motion prediction / compensation unit 88. Further, the lossless encoding unit 76 acquires offset information from the adaptive offset filter 83 and acquires filter coefficients from the adaptive loop filter 84. Further, the lossless encoding unit 76 acquires upsampling information related to upsampling from the calculation unit 92.
  • the lossless encoding unit 76 performs variable length coding (for example, CAVLC (Context-Adaptive Variable Length Coding)), arithmetic coding (for example, CABAC) on the quantized coefficients supplied from the quantization unit 75. (Context-Adaptive Binary Arithmetic Coding) etc.) is performed.
  • variable length coding for example, CAVLC (Context-Adaptive Variable Length Coding)
  • CABAC arithmetic coding
  • CABAC Context-Adaptive Binary Arithmetic Coding
  • the lossless encoding unit 76 reversibly uses intra prediction mode information or inter prediction mode information, motion vectors, reference image specifying information, offset information, filter coefficients, and upsampling information as encoding information related to encoding. Encode.
  • the lossless encoding unit 76 supplies the encoded information and the lossless encoded coefficient to the storage buffer 77 as encoded data and stores them. Note that the losslessly encoded encoding information may be added to the encoded data as a header portion such as a slice header.
  • the accumulation buffer 77 temporarily stores the encoded data supplied from the lossless encoding unit 76. Further, the accumulation buffer 77 supplies the stored encoded data to the generation unit 78.
  • the generation unit 78 generates an enhancement stream from the parameter set supplied from the setting unit 51 in FIG. 5 and the encoded data supplied from the accumulation buffer 77, and supplies the enhancement stream to the synthesis unit 33 in FIG.
  • the quantized coefficient output from the quantization unit 75 is also input to the inverse quantization unit 79.
  • the inverse quantization unit 79 performs inverse quantization on the coefficient quantized by the quantization unit 75 and supplies the orthogonal transform coefficient obtained as a result to the inverse orthogonal transform unit 80.
  • the inverse orthogonal transform unit 80 performs the fourth-order inverse orthogonal transform on the orthogonal transform coefficient supplied from the inverse quantization unit 79 by a method corresponding to the orthogonal transform method in the orthogonal transform unit 74, and is obtained as a result. Residual information is supplied to the adder 81.
  • the adding unit 81 functions as a decoding unit, adds the residual information supplied from the inverse orthogonal transform unit 80 and the prediction image supplied from the prediction image selection unit 89, and adds the locally decoded enhancement image. obtain.
  • the adding unit 81 sets the residual information supplied from the inverse orthogonal transform unit 80 as a locally decoded enhancement image.
  • the adding unit 81 supplies the locally decoded enhancement image to the deblocking filter 82 and also supplies the enhancement image to the frame memory 85 for accumulation.
  • the deblocking filter 82 performs deblocking filter processing for removing block distortion on the locally decoded enhancement image supplied from the adding unit 81, and supplies the resulting enhancement image to the adaptive offset filter 83. To do.
  • the adaptive offset filter 83 mainly removes ringing from the enhancement image after the deblocking filter processing supplied from the deblocking filter 82, for example, for each LCU (Largest Coding Unit) that is the maximum coding unit. Performs adaptive offset (SAO (Sample-adaptive-offset)) processing.
  • the adaptive offset filter 83 supplies information relating to the adaptive offset processing to the lossless encoding unit 76 as offset information.
  • the adaptive offset filter 83 supplies the image after the adaptive offset process to the adaptive loop filter 84.
  • the adaptive loop filter 84 is constituted by, for example, a two-dimensional Wiener filter.
  • the adaptive loop filter 84 performs an adaptive loop filter (ALF (Adaptive Loop Filter)) process on the enhancement image after the adaptive offset process supplied from the adaptive offset filter 83, for example, for each LCU.
  • ALF Adaptive Loop Filter
  • the adaptive loop filter 84 supplies the enhancement image after the adaptive loop filter processing to the frame memory 85.
  • the adaptive loop filter 84 supplies the filter coefficient used for the adaptive loop filter processing to the lossless encoding unit 76.
  • the adaptive loop filter processing is performed for each LCU, but the processing unit of the adaptive loop filter processing is not limited to the LCU. However, the processing can be efficiently performed by combining the processing units of the adaptive offset filter 83 and the adaptive loop filter 84.
  • the frame memory 85 stores the enhancement image supplied from the adder 81 and the adaptive loop filter 84 and the base image after upsampling supplied from the upsampler 91.
  • the base image or enhancement image stored in the frame memory 85 is output to the intra prediction unit 87 or the motion prediction / compensation unit 88 via the switch 86.
  • the intra prediction unit 87 performs intra prediction in all candidate intra prediction modes in units of PU (Prediction Unit). Specifically, the intra prediction unit 87 reads out pixels around the PU as reference pixels from the frame memory 85 via the switch 86 for all candidate intra prediction modes. The intra prediction unit 87 performs intra prediction using the reference pixel, and generates a predicted image.
  • PU Prediction Unit
  • the intra prediction unit 87 sets all the candidate intra prediction modes based on the enhancement image read from the screen rearrangement buffer 72, the prediction image generated as a result of the intra prediction, information indicating the intra prediction mode, and the like. On the other hand, a cost function value (details will be described later) is calculated. Then, the intra prediction unit 87 determines the intra prediction mode that minimizes the cost function value as the optimal intra prediction mode.
  • the intra prediction unit 87 supplies the predicted image generated in the optimal intra prediction mode and the corresponding cost function value to the predicted image selection unit 89.
  • the intra prediction unit 87 supplies the intra prediction mode information to the lossless encoding unit 76 when the prediction image selection unit 89 is notified of the selection of the prediction image generated in the optimal intra prediction mode.
  • the cost function value is also called RD (Rate Distortion) cost. It is calculated based on a method of either High Complexity mode or Low Complexity mode as defined by JM (Joint Model) which is reference software in the H.264 / AVC format. H. Reference software in the H.264 / AVC format is published at http://iphome.hhi.de/suehring/tml/index.htm.
  • D is the difference (distortion) between the original image and the decoded image
  • R is the generated code amount including even the coefficient of orthogonal transformation
  • ⁇ is the Lagrange undetermined multiplier given as a function of the quantization parameter QP.
  • D is the difference (distortion) between the original image and the predicted image
  • Header_Bit is the code amount of the encoding information
  • QPtoQuant is a function given as a function of the quantization parameter QP.
  • the motion prediction / compensation unit 88 performs motion prediction / compensation processing for all candidate inter prediction modes in units of PUs. Specifically, the motion prediction / compensation unit 88 includes a two-dimensional linear interpolation adaptive filter. The motion prediction / compensation unit 88 reads the enhancement image or the base image as a reference image from the frame memory 85 via the switch 86. The motion prediction / compensation unit 88 performs an interpolation filter process on the enhancement image and the reference image supplied from the screen rearrangement buffer 72 using a two-dimensional linear interpolation adaptive filter, thereby performing the enhancement image and the reference. Increase the resolution of the image.
  • the motion prediction / compensation unit 88 detects the motion vectors of all candidate inter prediction modes with fractional pixel accuracy based on the enhanced resolution image and the reference image. Then, the motion prediction / compensation unit 88 performs compensation processing on the reference image based on the motion vector to generate a predicted image.
  • the inter prediction mode is a mode that represents the size of the PU and the like.
  • the motion prediction / compensation unit 88 calculates cost function values for all candidate inter prediction modes based on the enhancement image and the prediction image supplied from the screen rearrangement buffer 72, and the cost function value. Is determined to be the optimal inter prediction mode. Then, the motion prediction / compensation unit 88 supplies the cost function value of the optimal inter prediction mode and the corresponding predicted image to the predicted image selection unit 89.
  • the motion prediction / compensation unit 88 receives inter prediction mode information, a corresponding motion vector, reference image specifying information, and the like. It outputs to the lossless encoding part 76.
  • the predicted image selection unit 89 Based on the cost function values supplied from the intra prediction unit 87 and the motion prediction / compensation unit 88, the predicted image selection unit 89 has a smaller corresponding cost function value among the optimal intra prediction mode and the optimal inter prediction mode. Are determined as the optimum prediction mode. Then, the predicted image selection unit 89 supplies the predicted image in the optimal prediction mode to the calculation unit 73 and the addition unit 81. Further, the predicted image selection unit 89 notifies the intra prediction unit 87 or the motion prediction / compensation unit 88 of selection of the predicted image in the optimal prediction mode.
  • the rate control unit 90 controls the rate of the quantization operation of the quantization unit 75 based on the encoded data stored in the storage buffer 77 so that overflow or underflow does not occur.
  • the upsampling unit 91 acquires the base image supplied from the base encoding unit 31 in FIG. 4 and the intra prediction mode of each PU of the color difference signal of the base image.
  • the upsampling unit 91 supplies the color difference signal of the base image and the intra prediction mode of each PU to the calculation unit 92.
  • the Cr signal and the Cb signal are collectively referred to as a color difference signal, but the processing for the color difference signal is performed independently for each of the Cr signal and the Cb signal.
  • the upsampling unit 91 has a two-dimensional linear interpolation adaptive filter similar to the motion prediction / compensation unit 88.
  • the up-sampling unit 91 performs interpolation filter processing on the color difference signal of the base image using the up-sampling information from the calculation unit 92 in units of PUs by using a two-dimensional linear interpolation adaptive filter. Upsample the image.
  • the upsampling unit 91 supplies the 444 images generated by the upsampling to the frame memory 85 as the base image after the upsampling.
  • the calculation unit 92 classifies the color difference signals of the base image into classes based on the intra prediction mode supplied from the upsampling unit 91 for each PU.
  • the calculation unit 92 acquires the color difference signal of the enhancement image from the screen rearrangement buffer 72, and acquires the color difference signal of the base image from the upsampling unit 91.
  • the calculation unit 92 performs the filter coefficient of the interpolation filter processing in the upsampling unit 91 so that the difference between the color difference signal of the enhancement image and the upsampling result of the color difference signal of the base image is minimized for each classified class. And calculate the offset. For each PU, the calculation unit 92 supplies up-sampling information including the filter coefficient and offset of the class of the PU to the up-sampling unit 91. Also, the calculation unit 92 supplies upsampling information of each class to the lossless encoding unit 76.
  • the two-dimensional linear interpolation adaptive filter of the motion prediction / compensation unit 88 and the two-dimensional linear interpolation adaptive filter of the upsampling unit 91 may be shared.
  • FIG. 7 is a diagram for explaining Coding UNIT (CU), which is a coding unit in the HEVC scheme.
  • CU is defined as a coding unit. Details of this CU are described in Non-Patent Document 1.
  • the CU plays the same role as a macroblock in the AVC method. Specifically, the CU is divided into prediction blocks (PU) that are units of intra prediction or inter prediction, or is divided into transform blocks (TU) that are units of orthogonal transformation.
  • PU prediction blocks
  • TU transform blocks
  • the size of the CU is a square represented by a power-of-two pixel that is variable for each sequence.
  • the CU divides the LCU, which is the largest CU, into two in the horizontal direction and the vertical direction an arbitrary number of times so as not to be smaller than the SCU (Smallest Coding Unit) which is the smallest CU.
  • SCU Smallest Coding Unit
  • the LCU size is 128 and the SCU size is 8. Accordingly, the hierarchical depth (Depth) of the LCU is 0 to 4, and the hierarchical depth number is 5. That is, the number of divisions corresponding to the CU is one of 0 to 4.
  • Non-Patent Document 1 Information specifying the LCU and SCU sizes is included in the SPS. Also, the number of divisions corresponding to the CU is specified by split_flag indicating whether or not to further divide each layer. Details of the CU are described in Non-Patent Document 1.
  • CTU Coding Tree Unit
  • CTB Coding Tree Block
  • LCU base level
  • a CU constituting a CTU is a unit including CB (Coding Block) and a parameter for processing on the CU base (level).
  • FIG. 8 is a diagram for explaining the luminance signal intra prediction mode in the HEVC scheme.
  • the arrow in FIG. 8 represents the direction of the reference pixel (hereinafter referred to as the reference direction) with respect to the lower right pixel 100 of the TU including the prediction target PU, and the number at the tip of the arrow is the intra of the luminance signal corresponding to the reference direction. Represents the prediction mode number.
  • the intra prediction mode numbers are 0 to 34.
  • the number 0 intra prediction mode is a Planar prediction mode, and the number 1 intra prediction mode is a DC prediction mode.
  • the intra prediction modes of numbers 2 to 34 are intra prediction modes in which the pixels around the TU existing in the reference direction indicated by the arrow whose number is described earlier are the reference pixels. Intra prediction in this intra prediction mode is called Angular prediction.
  • the intra prediction mode of number 26 is an intra prediction mode in which intra prediction in the vertical direction is performed, and is an intra prediction mode in which pixels in the same column as the pixel 100 existing on the TU are used as reference pixels.
  • the intra prediction mode of number 10 is an intra prediction mode in which intra prediction in the horizontal direction is performed, and is an intra prediction mode in which pixels in the same row as the pixels 100 existing on the left of the TU are used as reference pixels.
  • the intra prediction mode of number 34 is an intra prediction mode for performing intra prediction in an oblique direction, and is an intra prediction mode in which the upper right pixel among the peripheral pixels of the TU is a reference pixel.
  • the position of the reference pixel may be a position between encoded pixels.
  • a reference pixel is generated by linear interpolation according to the distance between the pixel and the reference pixel, using an encoded pixel close to the position of the reference pixel.
  • FIG. 9 is a diagram for explaining Planer prediction.
  • squares without hatching represent pixels in the PU
  • hatched squares represent encoded pixels around the PU.
  • the predicted value of a pixel of a PU is determined by the pixel values of the encoded pixels around the PU in the same row and column as the pixel, and the encoded values of the upper right and lower left of the PU. Generated by linear interpolation of pixel values.
  • the prediction value of the upper left pixel 101A of the PU 101 is the encoded pixel 102 around the PU 101 in the same row as the pixel 101A, and the periphery of the PU 101 in the same column as the pixel 101A.
  • the pixel values of the encoded pixel 104 and the encoded pixel 104 at the upper right of the PU 101 and the encoded pixel 105 at the lower left are generated by linear interpolation.
  • the predicted value of the pixel 101B adjacent to the right of the pixel 101A is the pixel 102, the encoded pixel 106, the pixel 104, and the surrounding pixels of the PU 101 in the same column as the pixel 101B. It is generated by linear interpolation using the pixel value of the pixel 105.
  • Planer prediction can improve the prediction accuracy of images that contain gradations such as sky.
  • FIG. 10 is a diagram illustrating an intra prediction mode for color difference signals.
  • the intra prediction mode number intra_choroma_pred_mode of the color difference signal is described.
  • the number of the intra prediction mode of the luminance signal corresponding to the intra prediction mode of the color difference signal of the number intra_choroma_pred_mode when the intra prediction mode number of the luminance signal is IntraPredModeY is described Has been.
  • intra_choroma_pred_mode there are five types of intra prediction modes for color difference signals, and the numbers intra_choroma_pred_mode are 0 to 4.
  • the intra prediction mode number of the luminance signal corresponding to the intra prediction mode of the color difference signal is zero. That is, the intra prediction mode of the color difference signal is the Planar prediction mode.
  • the number IntraPredModeY is 0, the number of the intra prediction mode of the luminance signal corresponding to the intra prediction mode of the color difference signal is 34.
  • the number intra_choroma_pred_mode is 1, and the intra prediction mode number IntraPredModeY of the luminance signal is other than 26, the number of the luminance signal intra prediction mode corresponding to the intra prediction mode of the color difference signal is 26.
  • the number IntraPredModeY is 26, the number of the intra prediction mode of the luminance signal corresponding to the intra prediction mode of the color difference signal is 34.
  • the number intra_choroma_pred_mode is 2
  • the intra prediction mode number IntraPredModeY of the luminance signal is other than 10
  • the intra prediction mode number of the luminance signal corresponding to the intra prediction mode of the color difference signal is 10.
  • the number IntraPredModeY is 10
  • the number of the luminance signal intra prediction mode corresponding to the color difference signal intra prediction mode is 34.
  • the intra prediction mode number IntraPredModeY of the luminance signal is other than 1
  • the intra prediction mode number of the luminance signal corresponding to the intra prediction mode of the color difference signal is 1. That is, the intra prediction mode of the color difference signal is a DC prediction mode.
  • the number IntraPredModeY is 1, the number of the luminance signal intra prediction mode corresponding to the color difference signal intra prediction mode is 34.
  • the number intra_choroma_pred_mode is 4, the number of the luminance signal intra prediction mode corresponding to the color difference signal intra prediction mode is the number of the luminance signal intra prediction mode corresponding to the color difference signal. That is, the intra prediction mode for color difference signals is the same as the intra prediction mode for luminance signals.
  • FIG. 11 is a diagram for explaining interpolation filter processing by the motion prediction / compensation unit 88.
  • a hatched square represents a pixel before the interpolation filter process (hereinafter referred to as a previous pixel), and a square without a hatched line represents a pixel after the interpolation filter process (hereinafter referred to as a previous pixel). Represents a rear pixel).
  • the motion prediction / compensation unit 88 performs luminance signal motion prediction / compensation processing with 1/4 pixel accuracy. Therefore, the motion prediction / compensation unit 88 uses the 8-tap two-dimensional linear interpolation adaptive filter to perform the interpolation filter processing in the horizontal direction and the vertical direction on the luminance signal of the enhancement image and the reference image. Then, the pixel after the interval of 1/4 of the interval between the previous pixels is generated.
  • the filter coefficients of the 8-tap two-dimensional linear interpolation adaptive filter are as shown in FIG.
  • the index of the pixel closest to the subsequent pixel to be generated is set to 0
  • the index of the pixel on the left side of the pixel is increased in the order from the rear pixel to be generated, and the index of the right pixel is generated.
  • the pixel size is decreased in the order from the pixel.
  • the filter coefficient (hfilter [i]) for the pixel of each index i (i -3, -2, -1,0, 1, 2, 3, 4) of -1,4 in order from the smallest i , -11,40,40, -11,4, -1.
  • a rear pixel for example, rear pixels a 0,0 , c 0,0 , d 0,0 , n
  • the filter coefficient (qfilter [i]) for each pixel at index i is -1,4, -10,58,17, -5,1, 0.
  • the motion prediction / compensation unit 88 performs motion prediction / compensation processing of the color difference signal with 1/8 pixel accuracy. Therefore, the motion prediction / compensation unit 88 performs interpolation filter processing in the horizontal direction and the vertical direction on the color difference signals of the enhancement image and the reference image using a 4-tap two-dimensional linear interpolation adaptive filter. Then, the pixel after the 1/8 interval of the interval between the previous pixels is generated.
  • the filter coefficients of a 4-tap two-dimensional linear interpolation adaptive filter are as shown in FIG. That is, the index of the pixel closest to the subsequent pixel to be generated is set to 0, the index of the pixel on the left side of the pixel is increased in the order from the rear pixel to be generated, and the index of the right pixel is closer to the rear pixel to be generated. It is made smaller in order.
  • each index i (i -1,0,1,2) when generating a subsequent pixel whose distance to the previous pixel closest to the direction of the interpolation filter processing is 1/8 of the interval of the previous pixel
  • the filter coefficients (filter1 [i]) for the pixel of ⁇ 2 are ⁇ 2, 58, 10, and ⁇ 2 in order from the smallest i.
  • the filter coefficient (filter2 [i]) for the pixel of each index i when generating a subsequent pixel whose distance from the previous pixel closest to the direction of the interpolation filter processing is 2/8 of the interval of the previous pixel is In order from the smallest i, -4, 54, 16, and -2.
  • the filter coefficient (filter3 [i]) for each index i pixel when generating a subsequent pixel whose distance to the previous pixel closest to the direction of the interpolation filter processing is 3/8 of the previous pixel interval is In order from the smallest, -6, 46, 28, -4.
  • the filter coefficient (filter4 [i]) for each index i pixel when generating a subsequent pixel whose distance to the previous pixel closest to the direction of the interpolation filter processing is 4/8 of the interval of the previous pixel is In order from the smallest i, -4, 36, 36, -4.
  • FIG. 14 is a diagram for explaining inter prediction PU (motion compensation partition).
  • CU is assumed to be 2N ⁇ 2N pixels.
  • the inter prediction PU is formed by symmetrically dividing a CU as shown in the upper part of FIG. 14 or asymmetrically dividing the CU as shown in the lower part of FIG.
  • the PU of inter prediction may be a 2N ⁇ 2N pixel that is a CU itself, an N ⁇ 2N pixel that bisects a CU bilaterally, or a 2N ⁇ N pixel that bisects a CU vertically. it can.
  • the inter prediction PU cannot be an N ⁇ N pixel obtained by dividing the CU into two vertically and horizontally symmetrically. Therefore, for example, when 8 ⁇ 8 pixels are used as the PU for inter prediction, the CU needs to be 8 ⁇ 8 pixels instead of 16 ⁇ 16 pixels.
  • the inter prediction PU is 1 / 2N ⁇ 2N pixels (Left) obtained by dividing the CU into two parts so that the left side is asymmetrically left or right, or 1 / 2N obtained by dividing the CU into two parts so that the right side is asymmetrically reduced.
  • ⁇ 2N pixels (Right) can also be used.
  • the inter prediction PU is a 2N ⁇ 1 / 2N pixel (Upper) obtained by dividing the CU into two parts so that the upper side is asymmetrical in the vertical direction, or 2N ⁇ 1 / 2N pixels (upper part) obtained by dividing the CU into two parts so that the lower side is asymmetrical in the vertical direction.
  • a 1 / 2N pixel (Lower) can also be used.
  • the motion vector, reference image specifying information, etc. are set independently for each PU of inter prediction.
  • the minimum size of the CU is 8 ⁇ 8 pixels
  • the minimum size of the PU for inter prediction is 4 ⁇ 8 pixels or 8 ⁇ 4 pixels.
  • FIG. 15 is a block diagram illustrating a configuration example of the upsampling unit 91 and the calculation unit 92 of FIG.
  • the calculation unit 92 includes a color difference buffer 111, a class classification unit 112, and an information calculation unit 113.
  • the color difference buffer 111 holds the color difference signal of the enhancement image supplied from the screen rearrangement buffer 72 of FIG.
  • the class classification unit 112 reads the intra prediction mode of each PU of the color difference signal of the base image from the upsampling unit 91, and classifies the PU into a class.
  • the class classification unit 112 classifies the PU into a vertical prediction class. Further, when the reference direction corresponding to the intra prediction mode of the PU of the color difference signal of the base image is near the horizontal direction, the class classification unit 112 classifies the PU into a horizontal prediction class. Furthermore, the angle between the reference direction corresponding to the PU intra prediction mode of the color difference signal of the base image and the horizontal direction or the vertical direction is around 45 degrees, or the intra prediction mode of the PU of the color difference signal of the base image is When the mode is DC prediction or Planar prediction, the PU is classified into a horizontal / vertical prediction class. The class classification unit 112 supplies the class of each PU to the information calculation unit 113.
  • the information calculation unit 113 includes a winner filter.
  • the information calculation unit 113 reads the color difference signal of the enhancement image from the color difference buffer 111 and reads the color difference signal of the base image from the upsampling unit 91. For each class, the information calculation unit 113 updates the upsampling unit 91 so that the difference between the PU upsampling result of the color difference signal of the base image classified into the class and the color difference signal of the corresponding enhancement image is minimized.
  • a filter coefficient and an offset of the interpolation filter processing in are calculated.
  • the filter coefficient and the offset are calculated so that the difference (prediction error) between the upsampling result of the color difference signal of the base image and the color difference signal of the enhancement image is minimized. Accordingly, it is possible to calculate filter coefficients and offsets suitable for deterioration due to encoding and decoding of the texture component of the enhancement image and the base image.
  • the information calculation unit 113 supplies the upsampling information of the PU class to the upsampling unit 91 in units of PUs. Further, the information calculation unit 113 supplies the upsampling information of each class to the lossless encoding unit 76 in FIG.
  • the upsampling unit 91 includes a color difference buffer 121, a syntax buffer 122, and a linear interpolation adaptive filter 123.
  • the color difference buffer 121 of the upsampling unit 91 holds the color difference signal of the base image supplied from the base encoding unit 31 in FIG.
  • the syntax buffer 122 holds the intra prediction mode of each PU of the color difference signal of the base image supplied from the base encoding unit 31.
  • the linear interpolation adaptive filter 123 is a two-dimensional linear interpolation adaptive filter.
  • the linear interpolation adaptive filter 123 reads the color difference signal of the base image from the color difference buffer 121 in units of PUs.
  • the linear interpolation adaptive filter 123 performs upsampling by performing interpolation filter processing on the color difference signal of the base image using the upsampling information supplied from the information calculation unit 113 in units of PUs.
  • the linear interpolation adaptive filter 123 supplies the color difference signals of all the PUs after the upsampling to the frame memory 85. Further, the luminance signal of the base image supplied from the base encoding unit 31 is supplied to the frame memory 85 as it is. As described above, 444 images are supplied to the frame memory 85 as a base image after upsampling.
  • FIG. 16 is a flowchart illustrating the hierarchical encoding process of the encoding device 30 in FIG.
  • step S11 in FIG. 16 the base encoding unit 31 of the encoding device 30 encodes a base image input from the outside using the HEVC method, and generates a base stream by adding a parameter set. Then, the base encoding unit 31 supplies the base stream to the synthesis unit 33.
  • step S12 the base encoding unit 31 outputs the base image decoded for use as a reference image and the intra prediction mode of the color difference signal of the base image to the enhancement encoding unit 32.
  • step S13 the setting unit 51 (FIG. 5) of the enhancement coding unit 32 sets a parameter set for the enhancement image and supplies the parameter set to the coding unit 52.
  • step S14 the encoding unit 52 performs enhancement encoding processing for encoding an enhancement image input from the outside, using the base image supplied from the base encoding unit 31. Details of the enhancement encoding process will be described with reference to FIGS. 17 and 18 to be described later.
  • step S ⁇ b> 15 the generation unit 78 (FIG. 6) of the encoding unit 52 generates an enhancement stream from the encoded data generated in step S ⁇ b> 14 and the parameter set supplied from the setting unit 51 and supplies the enhancement stream to the synthesis unit 33. To do.
  • step S16 the synthesizing unit 33 synthesizes the base stream supplied from the base encoding unit 31 and the enhancement stream supplied from the enhancement encoding unit 32 to generate an encoded stream of all layers.
  • the synthesis unit 33 supplies the encoded stream of all layers to the transmission unit 34.
  • step S17 the transmission unit 34 transmits the encoded stream of all layers supplied from the synthesis unit 33 to a decoding device to be described later.
  • 17 and 18 are flowcharts illustrating details of the enhancement encoding process in step S14 of FIG.
  • step S30 of FIG. 17 the A / D conversion unit 71 of the encoding unit 52 performs A / D conversion on the input enhancement image for each frame, and outputs to the screen rearrangement buffer 72 for storage.
  • step S31 the screen rearrangement buffer 72 rearranges the enhancement images of the frames in the stored display order in the order for encoding according to the GOP structure.
  • the screen rearrangement buffer 72 supplies the frame-based enhancement image after the rearrangement to the calculation unit 73, the intra prediction unit 87, the motion prediction / compensation unit 88, and the calculation unit 92.
  • step S32 the encoding unit 52 performs base conversion processing for converting the base image from 420 images to 444 images. Details of this base conversion processing will be described with reference to FIG.
  • the intra prediction unit 87 performs intra prediction processing in all intra prediction modes that are candidates in PU units. Further, the intra prediction unit 87 performs cost functions for all candidate intra prediction modes based on the enhancement image read from the screen rearrangement buffer 72 and the prediction image generated as a result of the intra prediction process. Calculate the value. Then, the intra prediction unit 87 determines the intra prediction mode that minimizes the cost function value as the optimal intra prediction mode. The intra prediction unit 87 supplies the predicted image generated in the optimal intra prediction mode and the corresponding cost function value to the predicted image selection unit 89.
  • the motion prediction / compensation unit 88 performs motion prediction / compensation processing for all candidate inter prediction modes in PU units.
  • the motion prediction / compensation unit 88 calculates cost function values for all candidate inter prediction modes based on the enhancement image and the prediction image supplied from the screen rearrangement buffer 72, and the cost function value is minimized. Is determined as the optimal inter prediction mode. Then, the motion prediction / compensation unit 88 supplies the cost function value of the optimal inter prediction mode and the corresponding predicted image to the predicted image selection unit 89.
  • step S ⁇ b> 34 the predicted image selection unit 89 has the minimum cost function value of the optimal intra prediction mode and the optimal inter prediction mode based on the cost function values supplied from the intra prediction unit 87 and the motion prediction / compensation unit 88. Is determined as the optimum prediction mode. Then, the predicted image selection unit 89 supplies the predicted image in the optimal prediction mode to the calculation unit 73 and the addition unit 81.
  • step S35 the predicted image selection unit 89 determines whether or not the optimal prediction mode is the optimal inter prediction mode. When it is determined in step S35 that the optimal prediction mode is the optimal inter prediction mode, the predicted image selection unit 89 notifies the motion prediction / compensation unit 88 of selection of the predicted image generated in the optimal inter prediction mode.
  • step S36 the motion prediction / compensation unit 88 supplies the inter prediction mode information, the corresponding motion vector, and the reference image specifying information to the lossless encoding unit 76, and the process proceeds to step S38.
  • step S35 when it is determined in step S35 that the optimal prediction mode is not the optimal inter prediction mode, that is, when the optimal prediction mode is the optimal intra prediction mode, the prediction image selection unit 89 performs prediction generated in the optimal intra prediction mode.
  • the intra prediction unit 87 is notified of image selection.
  • step S37 the intra estimation part 87 supplies intra prediction mode information to the lossless encoding part 76, and advances a process to step S38.
  • step S38 the calculation unit 73 performs encoding by subtracting the prediction image supplied from the prediction image selection unit 89 from the enhancement image supplied from the screen rearrangement buffer 72.
  • the computing unit 73 outputs the resulting image to the orthogonal transform unit 74 as residual information.
  • step S39 the orthogonal transform unit 74 performs orthogonal transform on the residual information from the calculation unit 73 in units of TUs, and supplies the resulting orthogonal transform coefficient to the quantization unit 75.
  • step S40 the quantization unit 75 quantizes the coefficient supplied from the orthogonal transform unit 74, and supplies the coefficient obtained as a result to the lossless encoding unit 76 and the inverse quantization unit 79.
  • the inverse quantization unit 79 inversely quantizes the quantized coefficient supplied from the quantization unit 75 and supplies the orthogonal transform coefficient obtained as a result to the inverse orthogonal transform unit 80.
  • step S42 the inverse orthogonal transform unit 80 performs inverse orthogonal transform on the orthogonal transform coefficient supplied from the inverse quantization unit 79 in units of TUs, and supplies the residual information obtained as a result to the adder 81. .
  • step S43 the addition unit 81 adds the residual information supplied from the inverse orthogonal transform unit 80 and the prediction image supplied from the prediction image selection unit 89 to obtain a locally decoded enhancement image.
  • the adder 81 supplies the obtained enhancement image to the deblock filter 82 and also supplies it to the frame memory 85.
  • step S44 the deblocking filter 82 performs a deblocking filtering process on the locally decoded enhancement image supplied from the adding unit 81.
  • the deblocking filter 82 supplies the enhancement image obtained as a result to the adaptive offset filter 83.
  • step S45 the adaptive offset filter 83 performs adaptive offset processing on the enhancement image supplied from the deblocking filter 82 for each LCU.
  • the adaptive offset filter 83 supplies the offset information to the lossless encoding unit 76.
  • the adaptive offset filter 83 supplies the image after the adaptive offset process to the adaptive loop filter 84.
  • step S46 the adaptive loop filter 84 performs adaptive loop filter processing for each LCU on the enhancement image supplied from the adaptive offset filter 83.
  • the adaptive loop filter 84 supplies the resulting enhancement image to the frame memory 85.
  • the adaptive loop filter 84 also supplies the filter coefficient used in the adaptive loop filter process to the lossless encoding unit 76.
  • step S47 the frame memory 85 stores the enhancement image supplied from the adaptive loop filter 84 and the enhancement image supplied from the adder 81.
  • the enhancement image stored in the frame memory 85 is output to the intra prediction unit 87 or the motion prediction / compensation unit 88 via the switch 86.
  • step S48 the lossless encoding unit 76 encodes intra prediction mode information or inter prediction mode information, motion vectors, reference image specifying information, offset information, filter coefficients, and upsampling information of each class into encoding information. Lossless encoding.
  • step S49 the lossless encoding unit 76 losslessly encodes the quantized coefficient supplied from the quantization unit 75. Then, the lossless encoding unit 76 generates encoded data from the encoding information that has been losslessly encoded in the process of step S 48 and the losslessly encoded coefficient, and supplies the encoded data to the accumulation buffer 77.
  • step S50 the accumulation buffer 77 temporarily accumulates the encoded data supplied from the lossless encoding unit 76.
  • step S51 the rate control unit 90 controls the quantization operation rate of the quantization unit 75 based on the encoded data stored in the storage buffer 77 so that overflow or underflow does not occur.
  • step S52 the accumulation buffer 77 outputs the stored encoded data to the generation unit 78. And a process returns to step S14 of FIG. 16, and progresses to step S15.
  • the intra prediction processing and the motion prediction / compensation processing are always performed, but in actuality, either one depends on the picture type or the like. Sometimes only.
  • FIG. 19 is a flowchart for explaining the details of the base conversion process in step S32 of FIG.
  • the color difference buffer 111 (FIG. 15) of the calculation unit 92 holds the color difference signal of the enhancement image supplied from the screen rearrangement buffer 72 of FIG. 6.
  • step S72 the color difference buffer 121 of the up-sampling unit 91 holds the color difference signal of the base image supplied from the base encoding unit 31 in FIG.
  • step S73 the syntax buffer 122 holds the intra prediction mode of each PU of the color difference signal of the base image supplied from the base encoding unit 31.
  • step S74 the class classification unit 112 reads the intra prediction mode of each PU of the color difference signal of the base image from the upsampling unit 91, and classifies the PU into a class.
  • the class classification unit 112 supplies the class of each PU to the information calculation unit 113.
  • step S75 the information calculation unit 113 calculates the upsampling information for each class so that the difference between the upsampling result of the PU classified into the class and the color difference signal of the corresponding enhancement image is minimized. .
  • step S76 the information calculation unit 113 outputs the upsampling information of each class to the lossless encoding unit 76 in FIG. Also, the information calculation unit 113 outputs upsampling information of each PU class to the upsampling unit 91.
  • step S77 the linear interpolation adaptive filter 123 reads out the color difference signal of the base image in units of PUs, and performs upsampling by performing interpolation filter processing on the read PU using the upsampling information.
  • This up-sampling information is the up-sampling information supplied from the information calculation unit 113 when the color difference signal of the base image is intra-encoded, and when it is not intra-encoded, it is predetermined up-sampling information. is there.
  • step S78 the linear interpolation adaptive filter 123 outputs the color difference signal of the base image after the upsampling to the frame memory 85.
  • step S ⁇ b> 79 the upsampling unit 91 outputs the luminance signal of the base image supplied from the base encoding unit 31 to the frame memory 85 as it is.
  • step S79 the process returns to step S32 of FIG. 17 and proceeds to step S33.
  • the encoding device 30 upsamples the color difference signal of the base image based on the intra prediction mode of the color difference signal of the base image, the accuracy of the upsampling can be improved.
  • the frequency characteristics of the base image in the horizontal direction and the vertical direction differ depending on the intra prediction mode of the color difference signal of the base image.
  • the base image when the intra prediction mode of the color difference signal of the base image is the intra prediction mode of vertical prediction, the base image includes a high frequency component in the horizontal direction but does not include a high frequency component in the vertical direction.
  • the intra prediction mode of the color difference signal of the base image when the intra prediction mode of horizontal prediction, the base image includes a high frequency component in the vertical direction but does not include a high frequency component in the horizontal direction.
  • the intra prediction mode of the color difference signal of the base image when the intra prediction mode of the color difference signal of the base image is the DC prediction mode, the Planer prediction mode, or the prediction intra prediction mode in which the angle between the reference direction and the horizontal or vertical direction is around 45 degrees.
  • the base image does not include high-frequency components in the horizontal direction and the vertical direction.
  • FIG. 20 is a block diagram illustrating a configuration example of the first embodiment of the decoding device to which the present disclosure is applied, which decodes the encoded stream of all layers transmitted from the coding device 30 in FIG. 4.
  • the 20 includes a reception unit 161, a separation unit 162, a base decoding unit 163, and an enhancement decoding unit 164.
  • the receiving unit 161 receives the encoded stream of all layers transmitted from the encoding device 30 in FIG. 4 and supplies it to the separating unit 162.
  • the separating unit 162 separates the base stream from the encoded streams of all layers supplied from the receiving unit 161 and supplies the base stream to the base decoding unit 163, and separates the enhancement stream and supplies the enhancement stream to the enhancement decoding unit 164.
  • the base decoding unit 163 is configured in the same manner as the HEVC decoding device, decodes the base stream supplied from the separation unit 162 using the HEVC method, and generates a base image.
  • the base decoding unit 163 supplies the intra prediction mode of the color difference signal between the base image and the base image to the enhancement decoding unit 164.
  • the base decoding unit 163 outputs a base image.
  • the enhancement decoding unit 164 decodes the enhancement stream supplied from the demultiplexing unit 162 by a method according to the HEVC method, and generates an enhancement image. At this time, the enhancement decoding unit 164 refers to the intra prediction mode of the color difference signal between the base image and the base image supplied from the base decoding unit 163. The enhancement decoding unit 164 outputs the generated enhancement image.
  • FIG. 21 is a block diagram illustrating a configuration example of the enhancement decoding unit 164 of FIG.
  • the enhancement decoding unit 164 in FIG. 21 includes an extraction unit 181 and a decoding unit 182.
  • the extraction unit 181 of the enhancement decoding unit 164 extracts a parameter set and encoded data from the enhancement stream supplied from the separation unit 162 in FIG. 20 and supplies the extracted parameter set and encoded data to the decoding unit 182.
  • the decoding unit 182 refers to the base image supplied from the base decoding unit 163 in FIG. 20 and the intra prediction mode of the color difference signal of the base image, and the encoded data supplied from the extraction unit 181 is based on the HEVC method. Decrypt. At this time, the decoding unit 182 refers to the parameter set supplied from the extraction unit 181 as necessary. The decoding unit 182 outputs an enhancement image obtained as a result of decoding.
  • FIG. 22 is a block diagram illustrating a configuration example of the decoding unit 182 of FIG.
  • the 22 includes an accumulation buffer 201, a lossless decoding unit 202, an inverse quantization unit 203, an inverse orthogonal transform unit 204, an addition unit 205, a deblock filter 206, an adaptive offset filter 207, an adaptive loop filter 208, a screen arrangement, and the like. It includes a replacement buffer 209, a D / A conversion unit 210, a frame memory 211, a switch 212, an intra prediction unit 213, a motion compensation unit 214, a switch 215, an upsampling unit 216, and a setting unit 217.
  • the accumulation buffer 201 of the decoding unit 182 receives and accumulates encoded data from the extraction unit 181 of FIG.
  • the accumulation buffer 201 supplies the accumulated encoded data to the lossless decoding unit 202.
  • the lossless decoding unit 202 performs lossless decoding such as variable length decoding and arithmetic decoding corresponding to the lossless encoding of the lossless encoding unit 76 of FIG. 6 on the encoded data from the accumulation buffer 201, Obtain quantized coefficients and encoding information.
  • the lossless decoding unit 202 supplies the quantized coefficient to the inverse quantization unit 203. Further, the lossless decoding unit 202 supplies intra prediction mode information as encoded information to the intra prediction unit 213, and supplies inter prediction mode information, motion vectors, reference image specifying information, and the like to the motion compensation unit 214.
  • the lossless decoding unit 202 instructs the switch 215 to select the intra prediction unit 213 when the encoded information does not include inter prediction mode information, and if the inter prediction mode information is included, the lossless decoding unit 202 instructs the switch 215 to select a motion compensation unit. The selection of 214 is instructed.
  • the lossless decoding unit 202 supplies offset information as encoded information to the adaptive offset filter 207 and supplies filter coefficients to the adaptive loop filter 208. Further, the lossless decoding unit 202 supplies upsampling information of each class as encoded information to the setting unit 217.
  • Inverse quantization unit 203, inverse orthogonal transform unit 204, addition unit 205, deblock filter 206, adaptive offset filter 207, adaptive loop filter 208, frame memory 211, switch 212, intra prediction unit 213, motion compensation unit 214, upsample Unit 216 and setting unit 217 include an inverse quantization unit 79, an inverse orthogonal transform unit 80, an addition unit 81, a deblock filter 82, an adaptive offset filter 83, an adaptive loop filter 84, a frame memory 85, a switch 86, The same processing as that performed by the intra prediction unit 87, the motion prediction / compensation unit 88, the upsampling unit 91, and the calculation unit 92 is performed, whereby the image is decoded.
  • the inverse quantization unit 203 inversely quantizes the quantized coefficient from the lossless decoding unit 202 and supplies the orthogonal transform coefficient obtained as a result to the inverse orthogonal transform unit 204.
  • the inverse orthogonal transform unit 204 performs inverse orthogonal transform on the orthogonal transform coefficient from the inverse quantization unit 203 in units of TUs.
  • the inverse orthogonal transform unit 204 supplies residual information obtained as a result of the inverse orthogonal transform to the addition unit 205.
  • the adding unit 205 functions as a decoding unit, and performs decoding by adding the residual information as the decoding target image supplied from the inverse orthogonal transform unit 204 and the predicted image supplied from the switch 215.
  • the adding unit 205 supplies the enhancement image obtained as a result of decoding to the deblocking filter 206 and also supplies it to the frame memory 211.
  • the adding unit 205 supplies the image that is the residual information supplied from the inverse orthogonal transform unit 204 to the deblocking filter 206 as an enhancement image obtained as a result of decoding.
  • the frame memory 211 is supplied and accumulated.
  • the deblocking filter 206 performs a deblocking filter process on the enhancement image supplied from the adding unit 205 and supplies the enhancement image obtained as a result to the adaptive offset filter 207.
  • the adaptive offset filter 207 performs an adaptive offset process on the enhancement image from the deblocking filter 206 for each LCU using the offset information supplied from the lossless decoding unit 202.
  • the adaptive offset filter 207 supplies the enhancement image after the adaptive offset process to the adaptive loop filter 208.
  • the adaptive loop filter 208 performs adaptive loop filter processing for each LCU on the enhancement image supplied from the adaptive offset filter 207 using the filter coefficient supplied from the lossless decoding unit 202.
  • the adaptive loop filter 208 supplies the enhancement image obtained as a result to the frame memory 211 and the screen rearrangement buffer 209.
  • the screen rearrangement buffer 209 stores the enhancement image supplied from the adaptive loop filter 208 in units of frames.
  • the screen rearrangement buffer 209 rearranges the stored enhancement images in frame units for encoding in the original display order and supplies them to the D / A conversion unit 210.
  • the D / A conversion unit 210 performs D / A conversion on the enhancement image for each frame supplied from the screen rearrangement buffer 209 and outputs the enhancement image.
  • the frame memory 211 stores the enhancement image supplied from the adaptive loop filter 208 and the addition unit 205 and the base image supplied from the upsampling unit 216.
  • the base image and enhancement image stored in the frame memory 211 are read out and supplied to the intra prediction unit 213 or the motion compensation unit 214 via the switch 212.
  • the intra prediction unit 213 uses the reference pixels read from the frame memory 211 via the switch 212 in units of PUs, and performs intra prediction in the optimal intra prediction mode indicated by the intra prediction mode information supplied from the lossless decoding unit 202. I do.
  • the intra prediction unit 213 supplies the prediction image generated as a result to the switch 215.
  • the motion compensation unit 214 reads the reference image specified by the reference image specifying information supplied from the lossless decoding unit 202 from the frame memory 211 via the switch 212.
  • the motion compensation unit 214 includes a two-dimensional linear interpolation adaptive filter.
  • the motion compensation unit 214 increases the resolution of the reference image by performing an interpolation filter process on the reference image using a two-dimensional linear interpolation adaptive filter.
  • the motion compensation unit 214 uses the high-resolution reference image and the motion vector supplied from the lossless decoding unit 202 to perform optimal inter prediction indicated by the inter prediction mode information supplied from the lossless decoding unit 202 in units of PUs. Perform mode motion compensation.
  • the motion compensation unit 214 supplies the predicted image generated as a result to the switch 215.
  • the switch 215 supplies the prediction image supplied from the intra prediction unit 213 to the addition unit 205 when the selection of the intra prediction unit 213 is instructed from the lossless decoding unit 202.
  • the switch 215 supplies the predicted image supplied from the motion compensation unit 214 to the addition unit 205.
  • the upsampling unit 216 acquires the intra prediction mode of each PU of the base image and the color difference signal of the base image supplied from the base decoding unit 163 in FIG.
  • the upsampling unit 216 supplies the intra prediction mode of each PU of the color difference signal of the base image to the setting unit 217.
  • the upsampling unit 216 has a two-dimensional linear interpolation adaptive filter similar to the motion compensation unit 214.
  • the up-sampling unit 216 up-samples the color difference signal of the base image using the up-sampling information supplied from the setting unit 217 in units of PUs using a two-dimensional linear interpolation adaptive filter.
  • the upsampling unit 216 supplies the 444 images generated by the upsampling to the frame memory 211 as the base image after the upsampling.
  • the setting unit 217 classifies the color difference signals of the base image into classes based on the intra prediction mode supplied from the upsampling unit 216 for each PU.
  • the setting unit 217 supplies the upsampling information of each PU class among the upsampling information of each class supplied from the lossless decoding unit 202 to the upsampling unit 216.
  • the two-dimensional linear interpolation adaptive filter of the motion compensation unit 214 and the two-dimensional linear interpolation adaptive filter of the upsampling unit 216 may be shared.
  • FIG. 23 is a block diagram illustrating a configuration example of the upsampling unit 216 and the setting unit 217 in FIG.
  • the setting unit 217 includes a buffer 231 and a class classification unit 232.
  • the buffer 231 of the setting unit 217 holds the upsampling information of each class supplied from the lossless decoding unit 202 of FIG. Also, the buffer 231 reads out the class upsampling information supplied from the class classification unit 232 out of the held upsampling information of each class, and supplies it to the upsampling unit 216.
  • the class classification unit 232 reads the intra prediction mode of each PU of the color difference signal of the base image from the upsampling unit 216.
  • the class classification unit 232 classifies the PUs into classes based on the intra prediction mode of each PU, similarly to the class classification unit 112 in FIG.
  • the class classification unit 232 supplies the class of each PU to the buffer 231.
  • the upsampling unit 216 includes a color difference buffer 241, a syntax buffer 242, and a linear interpolation adaptive filter 243.
  • the color difference buffer 241, syntax buffer 242, and linear interpolation adaptive filter 243 are the same as the color difference buffer 121, syntax buffer 122, and linear interpolation adaptive filter 123 of FIG.
  • FIG. 24 is a flowchart for explaining the hierarchical decoding process of the decoding device 160 of FIG.
  • the reception unit 161 of the decoding device 160 receives the encoded stream of all layers transmitted from the encoding device 30 of FIG. 4 and supplies the encoded stream to the separation unit 162.
  • step S112 the separation unit 162 separates the base stream and the enhancement stream from the encoded stream of all layers.
  • the separation unit 162 supplies the base stream to the base decoding unit 163 and supplies the enhancement stream to the enhancement decoding unit 164.
  • step S113 the base decoding unit 163 decodes the base stream supplied from the separation unit 162 by the HEVC method, and generates a base image.
  • the base decoding unit 163 outputs the generated base image. Further, the base decoding unit 163 supplies the intra decoding mode of the base image and the color difference signal between the base images to the enhancement decoding unit 164.
  • step S114 the extraction unit 181 (FIG. 21) of the enhancement decoding unit 164 extracts a parameter set and encoded data from the enhancement stream supplied from the separation unit 162.
  • step S115 the decoding unit 182 refers to the base image from the base decoding unit 163 and the intra prediction mode of the color difference signal of the base image, and decodes the encoded data from the extraction unit 181 by a method according to the HEVC method. Perform decryption. Details of the enhancement decoding process will be described with reference to FIG. Then, the process ends.
  • FIG. 25 is a flowchart for explaining the details of the enhancement decoding process in step S115 of FIG.
  • the accumulation buffer 201 (FIG. 22) of the enhancement decoding unit 182 receives and accumulates the encoded data in units of frames from the extraction unit 181 of FIG.
  • the accumulation buffer 201 supplies the accumulated encoded data to the lossless decoding unit 202.
  • step S131 the lossless decoding unit 202 losslessly decodes the encoded data from the accumulation buffer 201 to obtain quantized coefficients and encoded information.
  • the lossless decoding unit 202 supplies the quantized coefficient to the inverse quantization unit 203. Further, the lossless decoding unit 202 supplies intra prediction mode information as encoded information to the intra prediction unit 213, and supplies inter prediction mode information, motion vectors, reference image specifying information, and the like to the motion compensation unit 214.
  • the lossless decoding unit 202 instructs the switch 215 to select the intra prediction unit 213 when the encoded information does not include inter prediction mode information, and if the inter prediction mode information is included, the lossless decoding unit 202 instructs the switch 215 to select a motion compensation unit. The selection of 214 is instructed.
  • the lossless decoding unit 202 supplies offset information as encoded information to the adaptive offset filter 207 and supplies filter coefficients to the adaptive loop filter 208. Furthermore, the lossless decoding unit 202 supplies upsample information as encoded information to the setting unit 217.
  • step S132 the decoding unit 182 performs base conversion processing. Details of this base conversion processing will be described with reference to FIG.
  • step S133 the inverse quantization unit 203 inversely quantizes the quantized coefficient from the lossless decoding unit 202 and supplies the resulting orthogonal transform coefficient to the inverse orthogonal transform unit 204.
  • step S ⁇ b> 134 the inverse orthogonal transform unit 204 performs inverse orthogonal transform on the orthogonal transform coefficient from the inverse quantization unit 203, and supplies residual information obtained as a result to the addition unit 205.
  • step S135 the motion compensation unit 214 determines whether or not the inter prediction mode information is supplied from the lossless decoding unit 202. If it is determined in step S135 that the inter prediction mode information has been supplied, the process proceeds to step S136.
  • step S136 the motion compensation unit 214 reads out the reference image based on the reference image specifying information supplied from the lossless decoding unit 202 in units of PUs, and uses the motion vector and the reference image to indicate the optimum indicated by the inter prediction mode information. Perform motion compensation processing in inter prediction mode.
  • the motion compensation unit 214 supplies the predicted image generated as a result to the addition unit 205 via the switch 215, and the process proceeds to step S138.
  • step S135 when it is determined in step S135 that the inter prediction mode information is not supplied, that is, when the intra prediction mode information is supplied to the intra prediction unit 213, the process proceeds to step S137.
  • step S137 the intra prediction unit 213 uses the pixels around the PU read from the frame memory 211 via the switch 212 in units of PUs, and performs intra prediction processing in the optimal intra prediction mode indicated by the intra prediction mode information. I do.
  • the intra prediction unit 213 supplies the prediction image generated as a result to the addition unit 205 via the switch 215, and the process proceeds to step S138.
  • step S138 the adding unit 205 adds the residual information supplied from the inverse orthogonal transform unit 204 and the prediction image supplied from the switch 215.
  • the adding unit 205 supplies the enhancement image obtained as a result to the deblocking filter 206 and also supplies it to the frame memory 211.
  • step S139 the deblocking filter 206 performs deblocking filter processing on the enhancement image supplied from the adding unit 205 to remove block distortion.
  • the deblocking filter 206 supplies the enhancement image obtained as a result to the adaptive offset filter 207.
  • step S140 the adaptive offset filter 207 performs an adaptive offset process on the enhancement image from the deblocking filter 206 for each LCU, using the offset information supplied from the lossless decoding unit 202.
  • the adaptive offset filter 207 supplies the enhancement image after the adaptive offset process to the adaptive loop filter 208.
  • step S141 the adaptive loop filter 208 performs adaptive loop filter processing for each LCU on the enhancement image supplied from the adaptive offset filter 207 using the filter coefficient supplied from the lossless decoding unit 202.
  • the adaptive loop filter 208 supplies the enhancement image obtained as a result to the frame memory 211 and the screen rearrangement buffer 209.
  • step S142 the frame memory 211 stores the enhancement image supplied from the adding unit 205 and the enhancement image supplied from the adaptive loop filter 208.
  • the enhancement image stored in the frame memory 211 is supplied to the intra prediction unit 213 or the motion compensation unit 214 via the switch 212.
  • step S143 the screen rearranging buffer 209 stores the enhancement image supplied from the adaptive loop filter 208 in units of frames, and the stored frame-based enhancement images for encoding in the original display order.
  • the data is rearranged and supplied to the D / A converter 210.
  • step S144 the D / A conversion unit 210 D / A converts the enhancement image in units of frames supplied from the screen rearrangement buffer 209 and outputs the enhancement image. Then, the process returns to step S115 in FIG. 24 and ends.
  • FIG. 26 is a flowchart illustrating details of the base conversion process in step S132 of FIG.
  • step S161 of FIG. 26 the buffer 231 (FIG. 23) of the setting unit 217 holds the upsampling information of each class supplied from the lossless decoding unit 202 of FIG.
  • step S162 the color difference buffer 241 of the upsampling unit 216 holds the color difference signal of the base image supplied from the base decoding unit 163 in FIG.
  • the syntax buffer 242 holds the intra prediction mode of the color difference signal of the base image supplied from the base decoding unit 163.
  • step S164 the class classification unit 232 reads the intra prediction mode of each PU of the color difference signal of the base image from the upsampling unit 216, and classifies each PU into a class based on the intra prediction mode.
  • the class classification unit 232 supplies the class of each PU to the buffer 231.
  • step S165 the buffer 231 reads out the class upsampling information supplied from the class classification unit 232 from the held upsampling information of each class, and outputs it to the upsampling unit 216.
  • step S166 the linear interpolation adaptive filter 243 reads the color difference signal of the base image in units of PUs, and performs upsampling by performing interpolation filter processing on the read PU using the upsampling information. I do.
  • This up-sampling information is up-sampling information output from the buffer 231 when the color difference signal of the base image is intra-encoded, and is up-sampling information determined in advance when it is not intra-encoded.
  • step S167 the linear interpolation adaptive filter 243 outputs the color difference signal of the base image after the upsampling to the frame memory 211.
  • step S168 the upsampling unit 91 outputs the luminance signal of the base image supplied from the base decoding unit 163 to the frame memory 211 as it is.
  • step S168 the process returns to step S132 of FIG. 25 and proceeds to step S133.
  • the decoding device 160 upsamples the color difference signal of the base image based on the intra prediction mode of the color difference signal of the base image, similarly to the encoding device 30. Therefore, it is possible to decode the encoded stream that has been chromablely encoded by the encoding device 30 so that the encoding efficiency is improved.
  • the color difference signals of the base image are classified into classes based on the intra prediction mode.
  • the color difference signals of the base image may be classified into classes based on the size of the CU. .
  • the size of a CU in a flat region that does not include a high-frequency component is increased, and the size of a CU in a texture region that includes a high-frequency component is decreased. Therefore, by performing upsampling of the color difference signal of the base image based on the size of the CU, it is possible to perform upsampling suitable for the frequency characteristics of the color difference signal. As a result, it is possible to improve the encoding efficiency of enhancement images in chroma scalable encoding.
  • the color difference signals of the base image may be classified into classes based on both the intra prediction mode and the size of the CU (coding unit).
  • the upsampling information may be set not in the encoded data but in a parameter set such as PPS.
  • FIG. 27 is a block diagram illustrating a configuration example of the encoding unit 52 of the second embodiment of the encoding device to which the present disclosure is applied.
  • the configuration of the encoding unit 52 in FIG. 27 is that an upsampling unit 261, a selection unit 262, and a lossless encoding unit 263 are provided instead of the upsampling unit 91, the calculation unit 92, and the lossless encoding unit 76.
  • the configuration is different.
  • the encoding unit 52 upsamples the color difference signal of the base image using a two-dimensional linear interpolation fixed filter, and determines the number of taps of the linear interpolation fixed filter according to the intra prediction mode of the color difference signal of the base image. select.
  • the upsampling unit 261 of the encoding unit 52 acquires the base image supplied from the base encoding unit 31 in FIG. 4 and the intra prediction mode of each PU of the color difference signal of the base image.
  • the upsampling unit 261 supplies the color difference signal of the base image and the intra prediction mode of each PU to the selection unit 262.
  • the upsampling unit 261 has a two-dimensional linear interpolation fixed filter.
  • the up-sampling unit 261 uses a two-dimensional linear interpolation fixed filter to interpolate the number of taps from the selection unit 262 using a predetermined filter coefficient for the color difference signal of the base image in units of PUs. Upsampling is performed.
  • the upsampler 261 supplies the 444 images generated by the upsampling to the frame memory 85 as the base image after the upsampling.
  • the selection unit 262 classifies the color difference signals of the base image into classes in the same manner as the calculation unit 92 in FIG. 6 based on the intra prediction mode supplied from the upsampling unit 261 for each PU. Based on the classified class, the selection unit 262 selects the number of taps for interpolation filter processing in the upsampling unit 261 from predetermined candidates (2 and 4 in the second embodiment). The selection unit 262 supplies the number of taps of the class of the PU to the upsampling unit 261 for each PU.
  • the lossless encoding unit 263 acquires the intra prediction mode information from the intra prediction unit 87. In addition, the lossless encoding unit 263 acquires inter prediction mode information, motion vectors, reference image specifying information, and the like from the motion prediction / compensation unit 88. Further, the lossless encoding unit 263 acquires offset information from the adaptive offset filter 83 and acquires filter coefficients from the adaptive loop filter 84.
  • the lossless encoding unit 263 performs lossless encoding on the quantized coefficient supplied from the quantization unit 75. Further, the lossless encoding unit 263 performs lossless encoding on intra prediction mode information or inter prediction mode information, motion vectors, reference image specifying information, offset information, and filter coefficients as encoded information. The lossless encoding unit 263 supplies the encoded information and the lossless encoded coefficient to the accumulation buffer 77 as encoded data and stores them.
  • FIG. 28 is a block diagram illustrating a configuration example of the upsampling unit 261 and the selection unit 262 in FIG.
  • the configuration of the selection unit 262 in FIG. 28 is different from the configuration of the calculation unit 92 in FIG. 15 in that the color difference buffer 111 is not provided and that a tap number selection unit 281 is provided instead of the information calculation unit 113.
  • the tap number selection unit 281 selects the number of taps for interpolation filter processing for the PU from predetermined candidates.
  • the tap number selection unit 281 supplies the selected tap number to the upsampling unit 261.
  • the linear interpolation fixed filter 291 is a two-dimensional linear interpolation fixed filter.
  • a filter coefficient is set in advance in the linear interpolation fixed filter 291.
  • the linear interpolation fixed filter 291 reads the color difference signal of the base image from the color difference buffer 121 in units of PUs.
  • the linear interpolation fixed filter 291 performs upsampling by performing an interpolation filter process of the tap number from the tap number selection unit 281 using a preset filter coefficient for each PU.
  • the linear interpolation fixed filter 291 supplies the color difference signals of all the PUs after the upsampling to the frame memory 85. Further, the luminance signal of the base image supplied from the base encoding unit 31 is supplied to the frame memory 85 as it is. As described above, 444 images are supplied to the frame memory 85 as a base image after upsampling.
  • FIG. 29 is a diagram for explaining selection of the tap number by the tap number selection unit 281 of FIG.
  • a rectangle without hatching represents a PU of the color difference signal of the base image
  • a rectangle with hatching represents an encoded pixel group around the PU.
  • the PU when the reference direction corresponding to the intra prediction mode of the PU of the color difference signal of the base image is near the vertical direction, and the PU is classified into the vertical prediction class, the PU includes the vertical direction
  • the high frequency component of is not included. Therefore, 2 which is the smaller one of the predetermined candidates is selected as the number of taps in the vertical direction of the vertical prediction class. In this case, the high frequency component in the horizontal direction is included in the PU. Therefore, as the number of taps in the horizontal direction of the horizontal prediction class, 4 which is the larger one of the predetermined candidates is selected.
  • the PU when a PU is classified into a horizontal / vertical prediction class, the PU does not include high-frequency components in the horizontal and vertical directions. Therefore, 2 is selected as the number of taps in the horizontal direction and the vertical direction of the horizontal / vertical prediction class.
  • the hierarchical encoding process of the second embodiment of the encoding apparatus to which the present disclosure is applied is the same as the hierarchical encoding process described with reference to FIGS. 16 to 19 except for the base conversion process. Accordingly, only the base conversion process will be described below.
  • FIG. 30 is a flowchart for describing the base conversion processing of the second embodiment of the encoding device to which the present disclosure is applied.
  • step S184 based on the class of each PU supplied from the class classification unit 112, the tap number selection unit 281 (FIG. 28) selects the number of taps for interpolation filter processing for the PU from predetermined candidates.
  • the tap number selection unit 281 supplies the selected tap number to the upsampling unit 261.
  • step S185 the linear interpolation fixed filter 291 reads out the chrominance signal of the base image from the chrominance buffer 121 in units of PUs, and performs the interpolation filter processing of the tap number selected by the tap number selection unit 281 to increase the number. Sampling is performed.
  • the second embodiment of the encoding device to which the present disclosure is applied selects the number of taps for the interpolation filter processing based on the intra prediction mode of the color difference signal of the base image, and generates the color difference signal of the base image. Upsampling is performed by performing interpolation filter processing for the number of taps selected for the selected number of taps. Therefore, the accuracy of upsampling can be increased.
  • the frequency characteristics of the base image in the horizontal direction and the vertical direction differ depending on the intra prediction mode of the color difference signal of the base image. Therefore, by selecting the number of taps for upsampling the color difference signal of the base image based on the intra prediction mode, it is possible to perform upsampling suitable for the frequency characteristics of the color difference signal. Therefore, the accuracy of upsampling is improved. As a result, the prediction accuracy of the color difference signal of the enhancement image is improved, and the enhancement image encoding efficiency is improved.
  • the second embodiment of the decoding apparatus to which the present disclosure is applied which decodes the encoded stream of all layers transmitted from the second embodiment of the encoding apparatus to which the present disclosure is applied, is a diagram excluding the decoding unit 182. Since it is the same as the 20 decoding devices 160, only the decoding unit 182 will be described.
  • FIG. 31 is a block diagram illustrating a configuration example of the decoding unit 182 of the second embodiment of the decoding device to which the present disclosure is applied.
  • the configuration of the decoding unit 182 in FIG. 31 is that the lossless decoding unit 311, the upsampling unit 312, and the selection unit 313 are provided instead of the lossless decoding unit 202, the upsampling unit 216, and the setting unit 217. And different.
  • the decoding unit 182 performs upsampling of the color difference signal of the base image using a two-dimensional linear interpolation fixed filter, and selects the number of taps of the linear interpolation fixed filter according to the intra prediction mode of the color difference signal of the base image To do.
  • the lossless decoding unit 311 of the decoding unit 182 performs lossless decoding corresponding to the lossless encoding of the lossless encoding unit 263 of FIG. Obtained coefficients and coding information.
  • the lossless decoding unit 311 supplies the quantized coefficient to the inverse quantization unit 203.
  • the lossless decoding unit 311 also supplies intra prediction mode information as encoded information to the intra prediction unit 213, and supplies inter prediction mode information, motion vectors, reference image specifying information, and the like to the motion compensation unit 214.
  • the lossless decoding unit 311 instructs the switch 215 to select the intra prediction unit 213.
  • the lossless decoding unit 311 The selection of 214 is instructed.
  • the lossless decoding unit 311 supplies offset information as encoded information to the adaptive offset filter 207 and supplies filter coefficients to the adaptive loop filter 208.
  • the upsampling unit 312 is configured in the same manner as the upsampling unit 261 in FIG.
  • the up-sampling unit 312 acquires the intra prediction mode of each PU of the base image and the color difference signal of the base image supplied from the base decoding unit 163 in FIG.
  • the upsampling unit 312 supplies the intra prediction mode of each PU of the color difference signal of the base image to the selection unit 313.
  • the upsampling unit 312 has a two-dimensional linear interpolation fixed filter.
  • the up-sampling unit 312 improves the base image by performing the interpolation filter processing of the number of taps from the selection unit 313 using a predetermined filter coefficient for each PU by a two-dimensional linear interpolation fixed filter. Sampling.
  • the upsampling unit 312 supplies the 444 images generated by the upsampling to the frame memory 211 as the base image after the upsampling.
  • the selection unit 313 is configured in the same manner as the selection unit 262 in FIG.
  • the selection unit 313 classifies the color difference signals of the base image into classes based on the intra prediction mode supplied from the upsampling unit 312 for each PU.
  • the selection unit 313 selects the number of taps for the interpolation filter processing in the upsampling unit 312 from predetermined candidates (2 and 4 in the second embodiment) based on the classified class. For each PU, the selection unit 313 supplies the number of taps of the class of the PU to the upsampling unit 312.
  • the hierarchical decoding process of the second embodiment of the decoding device to which the present disclosure is applied is the same as the hierarchical decoding process described with reference to FIGS. 24 to 26 except for the base conversion process.
  • the base conversion process is the same as the base conversion process described with reference to FIG.
  • the second embodiment of the decoding device to which the present disclosure is applied is similar to the intra prediction mode for the color difference signal of the base image, similarly to the second embodiment of the encoding device to which the present disclosure is applied. Upsampling is performed by performing an interpolation filter process of the number of taps based on. Therefore, it is possible to decode an encoded stream that has been chromoscable encoded so that the encoding efficiency is improved by the second embodiment of the encoding apparatus to which the present disclosure is applied.
  • the color difference signals of the base image are classified into classes based on the intra prediction mode.
  • the color difference signals of the base image are classified into classes based on the size of the CU. You may make it classify
  • the color difference signals of the base image may be classified into classes based on both the intra prediction mode and the CU size.
  • the PU when the color difference signal of the base image is inter-coded, the PU may be classified into classes based on the shape of the PU of inter prediction.
  • the PU for inter prediction when the shape of the PU for inter prediction is a horizontally long rectangle, the PU is classified into a class for horizontal prediction.
  • the PU for inter prediction when the shape of the PU for inter prediction is a vertically long rectangle, the PU is classified into a vertical prediction class.
  • the PU for inter prediction is a square, the PU is classified into a horizontal / vertical prediction class.
  • Information representing the class of each PU of inter prediction may be transmitted in units of CUs or PUs.
  • the classes of horizontal prediction, vertical prediction, and horizontal / vertical prediction when the color difference signal of the base image is intra-coded and the classes of horizontal prediction, vertical prediction, and horizontal / vertical prediction when inter-coded are: It may be provided independently.
  • the color difference signal of the base image when the color difference signal of the base image is inter-coded, the color difference signal of the base image is classified into classes based on the size of the CU and the shape of the PU for inter prediction. You may do it.
  • the number of layers is two, but the number of layers may be two or more.
  • the base image is encoded by the HEVC method, but may be encoded by the AVC method.
  • the color difference signals of the base image are classified into three classes.
  • the number of classes is not limited to three.
  • the base image is 420 images and the enhancement image is 444 images.
  • the base image is 420 images and the enhancement image is 422 images. Also good.
  • a one-dimensional linear interpolation adaptive filter or linear interpolation fixed filter is used for upsampling, and interpolation filter processing is performed only in the vertical direction.
  • the base image may be 422 images and the enhancement image may be 444 images.
  • a one-dimensional linear interpolation adaptive filter or linear interpolation fixed filter is used for upsampling, and interpolation filter processing is performed only in the horizontal direction.
  • FIG. 32 shows another example of scalable coding that is scalable coding.
  • the above (1) to (4) can be used in combination.
  • the method of taking the difference of the quantization parameter at the LCU level (combining 3-2 and 2-1) can be considered. In this manner, by applying the difference repeatedly, the encoding efficiency can be improved even when hierarchical encoding is performed.
  • a flag for identifying whether or not there is a dQP whose value is not 0 can be set for each of the above dQPs.
  • ⁇ Third Embodiment> (Description of computer to which the present disclosure is applied)
  • the series of processes described above can be executed by hardware or can be executed by software.
  • a program constituting the software is installed in the computer.
  • the computer includes, for example, a general-purpose personal computer capable of executing various functions by installing various programs by installing a computer incorporated in dedicated hardware.
  • FIG. 33 is a block diagram illustrating a configuration example of hardware of a computer that executes the above-described series of processes by a program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • An input / output interface 605 is further connected to the bus 604.
  • An input unit 606, an output unit 607, a storage unit 608, a communication unit 609, and a drive 610 are connected to the input / output interface 605.
  • the input unit 606 includes a keyboard, a mouse, a microphone, and the like.
  • the output unit 607 includes a display, a speaker, and the like.
  • the storage unit 608 includes a hard disk, a nonvolatile memory, and the like.
  • the communication unit 609 includes a network interface or the like.
  • the drive 610 drives a removable medium 611 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory.
  • the CPU 601 loads the program stored in the storage unit 608 to the RAM 603 via the input / output interface 605 and the bus 604 and executes the program, for example. Is performed.
  • the program executed by the computer (CPU 601) can be provided by being recorded on a removable medium 611 as a package medium, for example.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the storage unit 608 via the input / output interface 605 by attaching the removable medium 611 to the drive 610. Further, the program can be received by the communication unit 609 via a wired or wireless transmission medium and installed in the storage unit 608. In addition, the program can be installed in the ROM 602 or the storage unit 608 in advance.
  • the program executed by the computer may be a program that is processed in time series in the order described in this specification, or in parallel or at a necessary timing such as when a call is made. It may be a program for processing.
  • FIG. 34 illustrates a schematic configuration of a television apparatus to which the present technology is applied.
  • the television apparatus 900 includes an antenna 901, a tuner 902, a demultiplexer 903, a decoder 904, a video signal processing unit 905, a display unit 906, an audio signal processing unit 907, a speaker 908, and an external interface unit 909. Furthermore, the television apparatus 900 includes a control unit 910, a user interface unit 911, and the like.
  • the tuner 902 selects a desired channel from the broadcast wave signal received by the antenna 901, demodulates it, and outputs the obtained encoded bit stream to the demultiplexer 903.
  • the demultiplexer 903 extracts video and audio packets of the program to be viewed from the encoded bit stream, and outputs the extracted packet data to the decoder 904. Further, the demultiplexer 903 supplies a packet of data such as EPG (Electronic Program Guide) to the control unit 910. If scrambling is being performed, descrambling is performed by a demultiplexer or the like.
  • EPG Electronic Program Guide
  • the decoder 904 performs packet decoding processing, and outputs video data generated by the decoding processing to the video signal processing unit 905 and audio data to the audio signal processing unit 907.
  • the video signal processing unit 905 performs noise removal, video processing according to user settings, and the like on the video data.
  • the video signal processing unit 905 generates video data of a program to be displayed on the display unit 906, image data by processing based on an application supplied via a network, and the like.
  • the video signal processing unit 905 generates video data for displaying a menu screen for selecting an item and the like, and superimposes the video data on the video data of the program.
  • the video signal processing unit 905 generates a drive signal based on the video data generated in this way, and drives the display unit 906.
  • the display unit 906 drives a display device (for example, a liquid crystal display element or the like) based on a drive signal from the video signal processing unit 905 to display a program video or the like.
  • a display device for example, a liquid crystal display element or the like
  • the audio signal processing unit 907 performs predetermined processing such as noise removal on the audio data, performs D / A conversion processing and amplification processing on the processed audio data, and outputs the audio data to the speaker 908.
  • the external interface unit 909 is an interface for connecting to an external device or a network, and transmits and receives data such as video data and audio data.
  • a user interface unit 911 is connected to the control unit 910.
  • the user interface unit 911 includes an operation switch, a remote control signal receiving unit, and the like, and supplies an operation signal corresponding to a user operation to the control unit 910.
  • the control unit 910 is configured using a CPU (Central Processing Unit), a memory, and the like.
  • the memory stores a program executed by the CPU, various data necessary for the CPU to perform processing, EPG data, data acquired via a network, and the like.
  • the program stored in the memory is read and executed by the CPU at a predetermined timing such as when the television device 900 is activated.
  • the CPU executes each program to control each unit so that the television device 900 operates in accordance with the user operation.
  • the television device 900 includes a bus 912 for connecting the tuner 902, the demultiplexer 903, the video signal processing unit 905, the audio signal processing unit 907, the external interface unit 909, and the control unit 910.
  • the decoder 904 is provided with the function of the decoding apparatus (decoding method) of the present application. For this reason, it is possible to decode an image that has been subjected to chroma scalable coding so as to improve the coding efficiency.
  • FIG. 35 illustrates a schematic configuration of a mobile phone to which the present technology is applied.
  • the cellular phone 920 includes a communication unit 922, an audio codec 923, a camera unit 926, an image processing unit 927, a demultiplexing unit 928, a recording / reproducing unit 929, a display unit 930, and a control unit 931. These are connected to each other via a bus 933.
  • an antenna 921 is connected to the communication unit 922, and a speaker 924 and a microphone 925 are connected to the audio codec 923. Further, an operation unit 932 is connected to the control unit 931.
  • the mobile phone 920 performs various operations such as transmission / reception of voice signals, transmission / reception of e-mail and image data, image shooting, and data recording in various modes such as a voice call mode and a data communication mode.
  • the voice signal generated by the microphone 925 is converted into voice data and compressed by the voice codec 923 and supplied to the communication unit 922.
  • the communication unit 922 performs audio data modulation processing, frequency conversion processing, and the like to generate a transmission signal.
  • the communication unit 922 supplies a transmission signal to the antenna 921 and transmits it to a base station (not shown).
  • the communication unit 922 performs amplification, frequency conversion processing, demodulation processing, and the like of the reception signal received by the antenna 921, and supplies the obtained audio data to the audio codec 923.
  • the audio codec 923 performs data expansion of the audio data and conversion into an analog audio signal and outputs the result to the speaker 924.
  • the control unit 931 receives character data input by operating the operation unit 932 and displays the input characters on the display unit 930.
  • the control unit 931 generates mail data based on a user instruction or the like in the operation unit 932 and supplies the mail data to the communication unit 922.
  • the communication unit 922 performs mail data modulation processing, frequency conversion processing, and the like, and transmits the obtained transmission signal from the antenna 921.
  • the communication unit 922 performs amplification, frequency conversion processing, demodulation processing, and the like of the reception signal received by the antenna 921, and restores mail data. This mail data is supplied to the display unit 930 to display the mail contents.
  • the mobile phone 920 can also store the received mail data in a storage medium by the recording / playback unit 929.
  • the storage medium is any rewritable storage medium.
  • the storage medium is a removable memory such as a RAM, a semiconductor memory such as a built-in flash memory, a hard disk, a magnetic disk, a magneto-optical disk, an optical disk, a USB (Universal Serial Bus) memory, or a memory card.
  • the image data generated by the camera unit 926 is supplied to the image processing unit 927.
  • the image processing unit 927 performs encoding processing of image data and generates encoded data.
  • the demultiplexing unit 928 multiplexes the encoded data generated by the image processing unit 927 and the audio data supplied from the audio codec 923 by a predetermined method, and supplies the multiplexed data to the communication unit 922.
  • the communication unit 922 performs modulation processing and frequency conversion processing of multiplexed data, and transmits the obtained transmission signal from the antenna 921.
  • the communication unit 922 performs amplification, frequency conversion processing, demodulation processing, and the like of the reception signal received by the antenna 921, and restores multiplexed data. This multiplexed data is supplied to the demultiplexing unit 928.
  • the demultiplexing unit 928 performs demultiplexing of the multiplexed data, and supplies the encoded data to the image processing unit 927 and the audio data to the audio codec 923.
  • the image processing unit 927 performs a decoding process on the encoded data to generate image data.
  • the image data is supplied to the display unit 930 and the received image is displayed.
  • the audio codec 923 converts the audio data into an analog audio signal, supplies the analog audio signal to the speaker 924, and outputs the received audio.
  • the image processing unit 927 is provided with the functions of the encoding device and the decoding device (encoding method and decoding method) of the present application. For this reason, the encoding efficiency of chroma scalable encoding can be improved. In addition, it is possible to decode an image that has been chroma-coded so that the coding efficiency is improved.
  • FIG. 36 illustrates a schematic configuration of a recording / reproducing apparatus to which the present technology is applied.
  • the recording / reproducing apparatus 940 records, for example, audio data and video data of a received broadcast program on a recording medium, and provides the recorded data to the user at a timing according to a user instruction.
  • the recording / reproducing device 940 can also acquire audio data and video data from another device, for example, and record them on a recording medium. Further, the recording / reproducing apparatus 940 decodes and outputs the audio data and video data recorded on the recording medium, thereby enabling image display and audio output on the monitor apparatus or the like.
  • the recording / reproducing apparatus 940 includes a tuner 941, an external interface unit 942, an encoder 943, an HDD (Hard Disk Drive) unit 944, a disk drive 945, a selector 946, a decoder 947, an OSD (On-Screen Display) unit 948, a control unit 949, A user interface unit 950 is included.
  • Tuner 941 selects a desired channel from a broadcast signal received by an antenna (not shown).
  • the tuner 941 outputs an encoded bit stream obtained by demodulating the received signal of a desired channel to the selector 946.
  • the external interface unit 942 includes at least one of an IEEE 1394 interface, a network interface unit, a USB interface, a flash memory interface, and the like.
  • the external interface unit 942 is an interface for connecting to an external device, a network, a memory card, and the like, and receives data such as video data and audio data to be recorded.
  • the encoder 943 performs encoding by a predetermined method when the video data and audio data supplied from the external interface unit 942 are not encoded, and outputs an encoded bit stream to the selector 946.
  • the HDD unit 944 records content data such as video and audio, various programs, and other data on a built-in hard disk, and reads them from the hard disk during playback.
  • the disk drive 945 records and reproduces signals with respect to the mounted optical disk.
  • An optical disk such as a DVD disk (DVD-Video, DVD-RAM, DVD-R, DVD-RW, DVD + R, DVD + RW, etc.), a Blu-ray (registered trademark) disk, or the like.
  • the selector 946 selects one of the encoded bit streams from the tuner 941 or the encoder 943 and supplies it to either the HDD unit 944 or the disk drive 945 when recording video or audio. Further, the selector 946 supplies the encoded bit stream output from the HDD unit 944 or the disk drive 945 to the decoder 947 at the time of reproduction of video and audio.
  • the decoder 947 performs a decoding process on the encoded bit stream.
  • the decoder 947 supplies the video data generated by performing the decoding process to the OSD unit 948.
  • the decoder 947 outputs audio data generated by performing the decoding process.
  • the OSD unit 948 generates video data for displaying a menu screen for selecting an item and the like, and superimposes it on the video data output from the decoder 947 and outputs the video data.
  • a user interface unit 950 is connected to the control unit 949.
  • the user interface unit 950 includes an operation switch, a remote control signal receiving unit, and the like, and supplies an operation signal corresponding to a user operation to the control unit 949.
  • the control unit 949 is configured using a CPU, a memory, and the like.
  • the memory stores programs executed by the CPU and various data necessary for the CPU to perform processing.
  • the program stored in the memory is read and executed by the CPU at a predetermined timing such as when the recording / reproducing apparatus 940 is activated.
  • the CPU executes the program to control each unit so that the recording / reproducing device 940 operates according to the user operation.
  • the decoder 947 is provided with the function of the decoding apparatus (decoding method) of the present application. For this reason, it is possible to decode an image that has been subjected to chroma scalable coding so as to improve the coding efficiency.
  • FIG. 37 illustrates a schematic configuration of an imaging apparatus to which the present technology is applied.
  • the imaging device 960 images a subject, displays an image of the subject on a display unit, and records it on a recording medium as image data.
  • the imaging device 960 includes an optical block 961, an imaging unit 962, a camera signal processing unit 963, an image data processing unit 964, a display unit 965, an external interface unit 966, a memory unit 967, a media drive 968, an OSD unit 969, and a control unit 970. Have. In addition, a user interface unit 971 is connected to the control unit 970. Furthermore, the image data processing unit 964, the external interface unit 966, the memory unit 967, the media drive 968, the OSD unit 969, the control unit 970, and the like are connected via a bus 972.
  • the optical block 961 is configured using a focus lens, a diaphragm mechanism, and the like.
  • the optical block 961 forms an optical image of the subject on the imaging surface of the imaging unit 962.
  • the imaging unit 962 is configured using a CCD or CMOS image sensor, generates an electrical signal corresponding to the optical image by photoelectric conversion, and supplies the electrical signal to the camera signal processing unit 963.
  • the camera signal processing unit 963 performs various camera signal processing such as knee correction, gamma correction, and color correction on the electrical signal supplied from the imaging unit 962.
  • the camera signal processing unit 963 supplies the image data after the camera signal processing to the image data processing unit 964.
  • the image data processing unit 964 performs an encoding process on the image data supplied from the camera signal processing unit 963.
  • the image data processing unit 964 supplies the encoded data generated by performing the encoding process to the external interface unit 966 and the media drive 968. Further, the image data processing unit 964 performs a decoding process on the encoded data supplied from the external interface unit 966 and the media drive 968.
  • the image data processing unit 964 supplies the image data generated by performing the decoding process to the display unit 965. Further, the image data processing unit 964 superimposes the processing for supplying the image data supplied from the camera signal processing unit 963 to the display unit 965 and the display data acquired from the OSD unit 969 on the image data. To supply.
  • the OSD unit 969 generates display data such as a menu screen and icons made up of symbols, characters, or figures and outputs them to the image data processing unit 964.
  • the external interface unit 966 includes, for example, a USB input / output terminal, and is connected to a printer when printing an image.
  • a drive is connected to the external interface unit 966 as necessary, a removable medium such as a magnetic disk or an optical disk is appropriately mounted, and a computer program read from them is installed as necessary.
  • the external interface unit 966 has a network interface connected to a predetermined network such as a LAN or the Internet.
  • the control unit 970 reads encoded data from the media drive 968 in accordance with an instruction from the user interface unit 971, and supplies the encoded data to the other device connected via the network from the external interface unit 966. it can.
  • the control unit 970 may acquire encoded data and image data supplied from another device via the network via the external interface unit 966 and supply the acquired data to the image data processing unit 964. it can.
  • any readable / writable removable medium such as a magnetic disk, a magneto-optical disk, an optical disk, or a semiconductor memory is used.
  • the recording medium may be any type of removable medium, and may be a tape device, a disk, or a memory card. Of course, a non-contact IC (Integrated Circuit) card may be used.
  • media drive 968 and the recording medium may be integrated and configured by a non-portable storage medium such as a built-in hard disk drive or an SSD (Solid State Drive).
  • a non-portable storage medium such as a built-in hard disk drive or an SSD (Solid State Drive).
  • the control unit 970 is configured using a CPU.
  • the memory unit 967 stores a program executed by the control unit 970, various data necessary for the control unit 970 to perform processing, and the like.
  • the program stored in the memory unit 967 is read and executed by the control unit 970 at a predetermined timing such as when the imaging device 960 is activated.
  • the control unit 970 controls each unit so that the imaging device 960 performs an operation according to a user operation by executing a program.
  • the image data processing unit 964 is provided with the functions of the encoding apparatus and decoding apparatus (encoding method and decoding method) of the present application. For this reason, the encoding efficiency of chroma scalable encoding can be improved. In addition, it is possible to decode an image that has been chroma-coded so that the coding efficiency is improved.
  • scalable coding is used for selection of data to be transmitted, for example, as in the example shown in FIG.
  • the distribution server 1002 reads the scalable encoded data stored in the scalable encoded data storage unit 1001, and via the network 1003, the personal computer 1004, the AV device 1005, the tablet This is distributed to the terminal device such as the device 1006 and the mobile phone 1007.
  • the distribution server 1002 selects and transmits encoded data of appropriate quality according to the capability of the terminal device, the communication environment, and the like. Even if the distribution server 1002 transmits unnecessarily high-quality data, the terminal device does not always obtain a high-quality image, and may cause a delay or an overflow. Moreover, there is a possibility that the communication band is unnecessarily occupied or the load on the terminal device is unnecessarily increased. On the other hand, even if the distribution server 1002 transmits unnecessarily low quality data, there is a possibility that an image with sufficient image quality cannot be obtained in the terminal device. Therefore, the distribution server 1002 appropriately reads and transmits the scalable encoded data stored in the scalable encoded data storage unit 1001 as encoded data having an appropriate quality with respect to the capability and communication environment of the terminal device. .
  • the scalable encoded data storage unit 1001 stores scalable encoded data (BL + EL) 1011 encoded in a scalable manner.
  • the scalable encoded data (BL + EL) 1011 is encoded data including both a base layer and an enhancement layer, and is data that can obtain both a base image and an enhancement image by decoding.
  • the distribution server 1002 selects an appropriate layer according to the capability of the terminal device that transmits data, the communication environment, and the like, and reads the data of the layer. For example, the distribution server 1002 reads high-quality scalable encoded data (BL + EL) 1011 from the scalable encoded data storage unit 1001 and transmits it to the personal computer 1004 and the tablet device 1006 with high processing capability as they are. . On the other hand, for example, the distribution server 1002 extracts base layer data from the scalable encoded data (BL + EL) 1011 for the AV device 1005 and the cellular phone 1007 having a low processing capability, and performs scalable encoding. Although it is data of the same content as the data (BL + EL) 1011, it is transmitted as scalable encoded data (BL) 1012 having a lower quality than the scalable encoded data (BL + EL) 1011.
  • BL scalable encoded data
  • scalable encoded data By using scalable encoded data in this way, the amount of data can be easily adjusted, so that the occurrence of delay and overflow can be suppressed, and the unnecessary increase in the load on the terminal device and communication medium can be suppressed. be able to.
  • scalable encoded data (BL + EL) 1011 since scalable encoded data (BL + EL) 1011 has reduced redundancy between layers, the amount of data can be reduced as compared with the case where encoded data of each layer is used as individual data. . Therefore, the storage area of the scalable encoded data storage unit 1001 can be used more efficiently.
  • the hardware performance of the terminal device varies depending on the device.
  • the application which a terminal device performs is also various, the capability of the software is also various.
  • the network 1003 serving as a communication medium can be applied to any communication network including wired, wireless, or both, such as the Internet and a LAN (Local Area Network), and has various data transmission capabilities. Furthermore, there is a risk of change due to other communications.
  • the distribution server 1002 communicates with the terminal device that is the data transmission destination before starting data transmission, and the hardware performance of the terminal device, the performance of the application (software) executed by the terminal device, etc. Information regarding the capability of the terminal device and information regarding the communication environment such as the available bandwidth of the network 1003 may be obtained. The distribution server 1002 may select an appropriate layer based on the information obtained here.
  • the layer extraction may be performed by the terminal device.
  • the personal computer 1004 may decode the transmitted scalable encoded data (BL + EL) 1011 and display a base image or an enhancement image. Further, for example, the personal computer 1004 extracts the base layer scalable encoded data (BL) 1012 from the transmitted scalable encoded data (BL + EL) 1011 and stores it or transfers it to another device. Alternatively, the base image may be displayed after decoding.
  • the numbers of the scalable encoded data storage unit 1001, the distribution server 1002, the network 1003, and the terminal devices are arbitrary.
  • the example in which the distribution server 1002 transmits data to the terminal device has been described, but the usage example is not limited to this.
  • the data transmission system 1000 may be any system as long as it transmits a scalable encoded data to a terminal device by selecting an appropriate layer according to the capability of the terminal device or a communication environment. Can be applied to the system.
  • scalable coding is used for transmission via a plurality of communication media as in the example shown in FIG. 39, for example.
  • a broadcasting station 1101 transmits base layer scalable encoded data (BL) 1121 by terrestrial broadcasting 1111. Also, the broadcast station 1101 transmits enhancement layer scalable encoded data (EL) 1122 via an arbitrary network 1112 including a wired or wireless communication network or both (for example, packetized transmission).
  • BL base layer scalable encoded data
  • EL enhancement layer scalable encoded data
  • the terminal apparatus 1102 has a reception function of the terrestrial broadcast 1111 broadcast by the broadcast station 1101 and receives base layer scalable encoded data (BL) 1121 transmitted via the terrestrial broadcast 1111.
  • the terminal apparatus 1102 further has a communication function for performing communication via the network 1112, and receives enhancement layer scalable encoded data (EL) 1122 transmitted via the network 1112.
  • BL base layer scalable encoded data
  • EL enhancement layer scalable encoded data
  • the terminal device 1102 decodes base layer scalable encoded data (BL) 1121 acquired via the terrestrial broadcast 1111 according to a user instruction or the like to obtain a base image, store it, Or transmit to the device.
  • BL base layer scalable encoded data
  • the terminal device 1102 for example, in response to a user instruction, the base layer scalable encoded data (BL) 1121 acquired via the terrestrial broadcast 1111 and the enhancement layer scalable encoded acquired via the network 1112
  • the data (EL) 1122 is combined to obtain scalable encoded data (BL + EL), or the decoded data is decoded to obtain an enhancement image, stored, or transmitted to another device.
  • the scalable encoded data can be transmitted via a communication medium that is different for each layer, for example. Therefore, the load can be distributed, and the occurrence of delay and overflow can be suppressed.
  • the communication medium used for transmission may be selected for each layer. For example, scalable encoded data (BL) 1121 of a base layer having a relatively large amount of data is transmitted via a communication medium having a wide bandwidth, and scalable encoded data (EL) 1122 having a relatively small amount of data is transmitted. You may make it transmit via a communication medium with a narrow bandwidth. Further, for example, the communication medium for transmitting the enhancement layer scalable encoded data (EL) 1122 is switched between the network 1112 and the terrestrial broadcast 1111 according to the available bandwidth of the network 1112. May be. Of course, the same applies to data of an arbitrary layer.
  • the number of layers is arbitrary, and the number of communication media used for transmission is also arbitrary.
  • the number of terminal devices 1102 serving as data distribution destinations is also arbitrary.
  • broadcasting from the broadcasting station 1101 has been described as an example, but the usage example is not limited to this.
  • the data transmission system 1100 can be applied to any system as long as it is a system that divides scalable encoded data into a plurality of layers and transmits them through a plurality of lines.
  • scalable encoding is used for storing encoded data as in the example shown in FIG. 40, for example.
  • the imaging device 1201 performs scalable coding on image data obtained by imaging the subject 1211, and as scalable coded data (BL + EL) 1221, a scalable coded data storage device 1202. To supply.
  • the scalable encoded data storage device 1202 stores the scalable encoded data (BL + EL) 1221 supplied from the imaging device 1201 with quality according to the situation. For example, in the normal case, the scalable encoded data storage device 1202 extracts base layer data from the scalable encoded data (BL + EL) 1221, and the base layer scalable encoded data ( BL) 1222. On the other hand, for example, in the case of attention, the scalable encoded data storage device 1202 stores scalable encoded data (BL + EL) 1221 with high quality and a large amount of data.
  • the scalable encoded data storage device 1202 can store an image with high image quality only when necessary, so that an increase in the amount of data can be achieved while suppressing a reduction in the value of the image due to image quality degradation. And the use efficiency of the storage area can be improved.
  • the imaging device 1201 is a surveillance camera.
  • the monitoring target for example, an intruder
  • the content of the captured image is likely to be unimportant, so reduction of the data amount is given priority, and the image data (scalable coding) Data) is stored in low quality.
  • the image quality is given priority and the image data (scalable) (Encoded data) is stored with high quality.
  • whether it is normal time or attention time may be determined by the scalable encoded data storage device 1202 analyzing an image, for example.
  • the imaging apparatus 1201 may make a determination, and the determination result may be transmitted to the scalable encoded data storage device 1202.
  • the criterion for determining whether the time is normal or noting is arbitrary, and the content of the image as the criterion is arbitrary. Of course, conditions other than the contents of the image can also be used as the criterion. For example, it may be switched according to the volume or waveform of the recorded sound, may be switched at every predetermined time, or may be switched by an external instruction such as a user instruction.
  • the number of states is arbitrary, for example, normal, slightly attention, attention, very attention, etc.
  • three or more states may be switched.
  • the upper limit number of states to be switched depends on the number of layers of scalable encoded data.
  • the imaging apparatus 1201 may determine the number of layers for scalable coding according to the state. For example, in a normal case, the imaging apparatus 1201 may generate base layer scalable encoded data (BL) 1222 with low quality and a small amount of data, and supply the scalable encoded data storage apparatus 1202 to the scalable encoded data storage apparatus 1202. For example, when attention is paid, the imaging device 1201 generates scalable encoded data (BL + EL) 1221 having a high quality and a large amount of data, and supplies the scalable encoded data storage device 1202 to the scalable encoded data storage device 1202. May be.
  • BL base layer scalable encoded data
  • BL + EL scalable encoded data
  • the monitoring camera has been described as an example.
  • the use of the imaging system 1200 is arbitrary and is not limited to the monitoring camera.
  • FIG. 41 illustrates an example of a schematic configuration of a video set to which the present technology is applied.
  • the video set 1300 shown in FIG. 41 has such a multi-functional configuration, and a device having a function related to image encoding and decoding (either one or both) can be used for the function. It is a combination of devices having other related functions.
  • the video set 1300 includes a module group such as a video module 1311, an external memory 1312, a power management module 1313, and a front-end module 1314, and an associated module 1321, a camera 1322, a sensor 1323, and the like. And a device having a function.
  • a cocoon module is a component that has several functions that are related to each other and that have a coherent function.
  • the specific physical configuration is arbitrary. For example, a plurality of processors each having a function, electronic circuit elements such as resistors and capacitors, and other devices arranged on a wiring board or the like can be considered. . It is also possible to combine the module with another module, a processor, or the like to form a new module.
  • the video module 1311 is a combination of configurations having functions related to image processing, and includes an application processor, a video processor, a broadband modem 1333, and an RF module 1334.
  • the processor is a configuration in which a configuration having a predetermined function is integrated on a semiconductor chip by an SoC (System On Chip), and for example, there is also a system LSI (Large Scale Integration) or the like.
  • the configuration having the predetermined function may be a logic circuit (hardware configuration), a CPU, a ROM, a RAM, and the like, and a program (software configuration) executed using them. , Or a combination of both.
  • a processor has a logic circuit and a CPU, ROM, RAM, etc., a part of the function is realized by a logic circuit (hardware configuration), and other functions are executed by the CPU (software configuration) It may be realized by.
  • the 41 is a processor that executes an application related to image processing.
  • the application executed in the application processor 1331 not only performs arithmetic processing to realize a predetermined function, but also can control the internal and external configurations of the video module 1311 such as the video processor 1332 as necessary. .
  • the video processor 1332 is a processor having a function related to image encoding / decoding (one or both of them).
  • the broadband modem 1333 is a processor (or module) that performs processing related to wired or wireless (or both) broadband communication performed via a broadband line such as the Internet or a public telephone line network.
  • the broadband modem 1333 digitally modulates data to be transmitted (digital signal) to convert it into an analog signal, or demodulates the received analog signal to convert it into data (digital signal).
  • the broadband modem 1333 can digitally modulate and demodulate arbitrary information such as image data processed by the video processor 1332, a stream obtained by encoding the image data, an application program, setting data, and the like.
  • the RF module 1334 is a module that performs frequency conversion, modulation / demodulation, amplification, filter processing, and the like on an RF (Radio RF Frequency) signal transmitted and received via an antenna. For example, the RF module 1334 generates an RF signal by performing frequency conversion or the like on the baseband signal generated by the broadband modem 1333. Further, for example, the RF module 1334 generates a baseband signal by performing frequency conversion or the like on the RF signal received via the front end module 1314.
  • RF Radio RF Frequency
  • the application processor 1331 and the video processor 1332 may be integrated into a single processor.
  • the external memory 1312 is a module having a storage device that is provided outside the video module 1311 and is used by the video module 1311.
  • the storage device of the external memory 1312 may be realized by any physical configuration, but is generally used for storing a large amount of data such as image data in units of frames. For example, it is desirable to realize it with a relatively inexpensive and large-capacity semiconductor memory such as DRAM (Dynamic Random Access Memory).
  • the power management module 1313 manages and controls power supply to the video module 1311 (each component in the video module 1311).
  • the front end module 1314 is a module that provides the RF module 1334 with a front end function (a circuit on a transmitting / receiving end on the antenna side). As shown in FIG. 41, the front end module 1314 includes, for example, an antenna unit 1351, a filter 1352, and an amplification unit 1353.
  • Antenna unit 1351 has an antenna for transmitting and receiving a radio signal and its peripheral configuration.
  • the antenna unit 1351 transmits the signal supplied from the amplification unit 1353 as a radio signal, and supplies the received radio signal to the filter 1352 as an electric signal (RF signal).
  • the filter 1352 performs a filtering process on the RF signal received via the antenna unit 1351 and supplies the processed RF signal to the RF module 1334.
  • the amplifying unit 1353 amplifies the RF signal supplied from the RF module 1334 and supplies the amplified RF signal to the antenna unit 1351.
  • Connectivity 1321 is a module having a function related to connection with the outside.
  • the physical configuration of the connectivity 1321 is arbitrary.
  • the connectivity 1321 has a configuration having a communication function other than the communication standard supported by the broadband modem 1333, an external input / output terminal, and the like.
  • the communication 1321 is compliant with wireless communication standards such as Bluetooth (registered trademark), IEEE 802.11 (for example, Wi-Fi (Wireless Fidelity, registered trademark)), NFC (Near Field Communication), IrDA (InfraRed Data Association), etc. You may make it have a module which has a function, an antenna etc. which transmit / receive the signal based on the standard.
  • the connectivity 1321 has a module having a communication function compliant with a wired communication standard such as USB (Universal Serial Bus), HDMI (registered trademark) (High-Definition Multimedia Interface), or a terminal compliant with the standard. You may do it.
  • the connectivity 1321 may have other data (signal) transmission functions such as analog input / output terminals.
  • the connectivity 1321 may include a data (signal) transmission destination device.
  • the drive 1321 reads and writes data to and from a recording medium such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory (not only a removable medium drive, but also a hard disk, SSD (Solid State Drive) NAS (including Network Attached Storage) and the like.
  • the connectivity 1321 may include an image or audio output device (a monitor, a speaker, or the like).
  • the eyelid camera 1322 is a module having a function of capturing an image of a subject and obtaining image data of the subject.
  • Image data obtained by imaging by the camera 1322 is supplied to, for example, a video processor 1332 and encoded.
  • the sensor 1323 includes, for example, a voice sensor, an ultrasonic sensor, an optical sensor, an illuminance sensor, an infrared sensor, an image sensor, a rotation sensor, an angle sensor, an angular velocity sensor, a velocity sensor, an acceleration sensor, an inclination sensor, a magnetic identification sensor, an impact sensor, It is a module having an arbitrary sensor function such as a temperature sensor.
  • the data detected by the sensor 1323 is supplied to the application processor 1331 and used by an application or the like.
  • the configuration described above as a module may be realized as a processor, or conversely, the configuration described as a processor may be realized as a module.
  • the present technology can be applied to the video processor 1332 as described later. Therefore, the video set 1300 can be implemented as a set to which the present technology is applied.
  • FIG. 42 illustrates an example of a schematic configuration of a video processor 1332 (FIG. 41) to which the present technology is applied.
  • the video processor 1332 receives the video signal and the audio signal, encodes them in a predetermined method, decodes the encoded video data and audio data, A function of reproducing and outputting an audio signal.
  • the video processor 1332 includes a video input processing unit 1401, a first image scaling unit 1402, a second image scaling unit 1403, a video output processing unit 1404, a frame memory 1405, and a memory control unit 1406.
  • the video processor 1332 includes an encoding / decoding engine 1407, video ES (ElementaryElementStream) buffers 1408A and 1408B, and audio ES buffers 1409A and 1409B.
  • the video processor 1332 includes an audio encoder 1410, an audio decoder 1411, a multiplexing unit (MUX (Multiplexer)) 1412, a demultiplexing unit (DMUX (Demultiplexer)) 1413, and a stream buffer 1414.
  • MUX Multiplexing unit
  • DMUX demultiplexing unit
  • the video input processing unit 1401 acquires a video signal input from, for example, the connectivity 1321 (FIG. 41) and converts it into digital image data.
  • the first image enlargement / reduction unit 1402 performs format conversion, image enlargement / reduction processing, and the like on the image data.
  • the second image enlargement / reduction unit 1403 performs image enlargement / reduction processing on the image data in accordance with the format of the output destination via the video output processing unit 1404, or is the same as the first image enlargement / reduction unit 1402. Format conversion and image enlargement / reduction processing.
  • the video output processing unit 1404 performs format conversion, conversion to an analog signal, and the like on the image data and outputs the reproduced video signal to, for example, the connectivity 1321 (FIG. 41).
  • the frame memory 1405 is a memory for image data shared by the video input processing unit 1401, the first image scaling unit 1402, the second image scaling unit 1403, the video output processing unit 1404, and the encoding / decoding engine 1407. .
  • the frame memory 1405 is realized as a semiconductor memory such as a DRAM, for example.
  • the memory control unit 1406 receives the synchronization signal from the encoding / decoding engine 1407, and controls the writing / reading access to the frame memory 1405 according to the access schedule to the frame memory 1405 written in the access management table 1406A.
  • the access management table 1406A is updated by the memory control unit 1406 in accordance with processing executed by the encoding / decoding engine 1407, the first image enlargement / reduction unit 1402, the second image enlargement / reduction unit 1403, and the like.
  • the encoding / decoding engine 1407 performs encoding processing of image data and decoding processing of a video stream that is data obtained by encoding the image data. For example, the encoding / decoding engine 1407 encodes the image data read from the frame memory 1405 and sequentially writes the data as a video stream in the video ES buffer 1408A. Further, for example, the video stream is sequentially read from the video ES buffer 1408B, decoded, and sequentially written in the frame memory 1405 as image data.
  • the encoding / decoding engine 1407 uses the frame memory 1405 as a work area in the encoding and decoding. Also, the encoding / decoding engine 1407 outputs a synchronization signal to the memory control unit 1406, for example, at a timing at which processing for each macroblock is started.
  • the video ES buffer 1408A buffers the video stream generated by the encoding / decoding engine 1407 and supplies the buffered video stream to the multiplexing unit (MUX) 1412.
  • the video ES buffer 1408B buffers the video stream supplied from the demultiplexer (DMUX) 1413 and supplies the buffered video stream to the encoding / decoding engine 1407.
  • the audio ES buffer 1409A buffers the audio stream generated by the audio encoder 1410 and supplies the buffered audio stream to the multiplexing unit (MUX) 1412.
  • the audio ES buffer 1409B buffers the audio stream supplied from the demultiplexer (DMUX) 1413 and supplies the buffered audio stream to the audio decoder 1411.
  • the audio encoder 1410 converts, for example, an audio signal input from the connectivity 1321 (FIG. 41), for example, into a digital format, and encodes the audio signal using a predetermined method such as an MPEG audio method or an AC3 (Audio Code number 3) method.
  • the audio encoder 1410 sequentially writes an audio stream, which is data obtained by encoding an audio signal, in the audio ES buffer 1409A.
  • the audio decoder 1411 decodes the audio stream supplied from the audio ES buffer 1409B, performs conversion to an analog signal, for example, and supplies the reproduced audio signal to, for example, the connectivity 1321 (FIG. 41).
  • Multiplexer (MUX) 1412 multiplexes the video stream and the audio stream.
  • the multiplexing method (that is, the format of the bit stream generated by multiplexing) is arbitrary.
  • the multiplexing unit (MUX) 1412 can also add predetermined header information or the like to the bit stream. That is, the multiplexing unit (MUX) 1412 can convert the stream format by multiplexing. For example, the multiplexing unit (MUX) 1412 multiplexes the video stream and the audio stream to convert it into a transport stream that is a bit stream in a transfer format. Further, for example, the multiplexing unit (MUX) 1412 multiplexes the video stream and the audio stream, thereby converting the data into file format data (file data) for recording.
  • the demultiplexing unit (DMUX) 1413 demultiplexes the bit stream in which the video stream and the audio stream are multiplexed by a method corresponding to the multiplexing by the multiplexing unit (MUX) 1412. That is, the demultiplexer (DMUX) 1413 extracts the video stream and the audio stream from the bit stream read from the stream buffer 1414 (separates the video stream and the audio stream). That is, the demultiplexer (DMUX) 1413 can convert the stream format by demultiplexing (inverse conversion of the conversion by the multiplexer (MUX) 1412).
  • the demultiplexing unit (DMUX) 1413 obtains a transport stream supplied from, for example, the connectivity 1321 and the broadband modem 1333 (both in FIG. 41) via the stream buffer 1414 and demultiplexes the transport stream. Can be converted into a video stream and an audio stream. Further, for example, the demultiplexer (DMUX) 1413 obtains the file data read from various recording media by the connectivity 1321 (FIG. 41) via the stream buffer 1414 and demultiplexes the file data, for example. It can be converted into a video stream and an audio stream.
  • the stream buffer 1414 buffers the bit stream.
  • the stream buffer 1414 buffers the transport stream supplied from the multiplexing unit (MUX) 1412 and, for example, at the predetermined timing or based on a request from the outside, for example, the connectivity 1321 or the broadband modem 1333 (whichever Are also supplied to FIG.
  • MUX multiplexing unit
  • the stream buffer 1414 buffers the file data supplied from the multiplexing unit (MUX) 1412, and, for example, at the predetermined timing or based on an external request or the like, for example, the connectivity 1321 (FIG. 41) or the like. To be recorded on various recording media.
  • MUX multiplexing unit
  • the stream buffer 1414 buffers the transport stream acquired through, for example, the connectivity 1321 and the broadband modem 1333 (both of which are shown in FIG. 41), and performs reverse processing at a predetermined timing or based on an external request or the like.
  • the data is supplied to a multiplexing unit (DMUX) 1413.
  • DMUX multiplexing unit
  • the stream buffer 1414 buffers file data read from various recording media in the connectivity 1321 (FIG. 41), for example, and at a predetermined timing or based on an external request or the like, a demultiplexing unit (DMUX) 1413.
  • DMUX demultiplexing unit
  • a video signal input to the video processor 1332 from the connectivity 1321 (FIG. 41) or the like is converted into digital image data of a predetermined format such as 4: 2: 2Y / Cb / Cr format by the video input processing unit 1401.
  • the data is sequentially written into the frame memory 1405.
  • This digital image data is read by the first image enlargement / reduction unit 1402 or the second image enlargement / reduction unit 1403, and format conversion to a predetermined method such as 4: 2: 0Y / Cb / Cr method and enlargement / reduction processing are performed. Is written again in the frame memory 1405.
  • This image data is encoded by the encoding / decoding engine 1407 and written as a video stream in the video ES buffer 1408A.
  • an audio signal input from the connectivity 1321 (FIG. 41) or the like to the video processor 1332 is encoded by the audio encoder 1410 and written as an audio stream in the audio ES buffer 1409A.
  • the video stream of the video ES buffer 1408A and the audio stream of the audio ES buffer 1409A are read and multiplexed by the multiplexing unit (MUX) 1412 and converted into a transport stream or file data.
  • the transport stream generated by the multiplexing unit (MUX) 1412 is buffered in the stream buffer 1414 and then output to the external network via, for example, the connectivity 1321 and the broadband modem 1333 (both of which are shown in FIG. 41).
  • the file data generated by the multiplexing unit (MUX) 1412 is buffered in the stream buffer 1414, and then output to, for example, the connectivity 1321 (FIG. 41) and recorded on various recording media.
  • a transport stream input from an external network to the video processor 1332 via the connectivity 1321 or the broadband modem 1333 (both in FIG. 41) is buffered in the stream buffer 1414 and then demultiplexed (DMUX) 1413 is demultiplexed.
  • DMUX demultiplexed
  • file data read from various recording media in the connectivity 1321 (FIG. 41) and input to the video processor 1332 is buffered in the stream buffer 1414 and then demultiplexed by the demultiplexer (DMUX) 1413. It becomes. That is, the transport stream or file data input to the video processor 1332 is separated into a video stream and an audio stream by the demultiplexer (DMUX) 1413.
  • the audio stream is supplied to the audio decoder 1411 via the audio ES buffer 1409B and decoded to reproduce the audio signal.
  • the video stream is written to the video ES buffer 1408B, and then sequentially read and decoded by the encoding / decoding engine 1407, and written to the frame memory 1405.
  • the decoded image data is enlarged / reduced by the second image enlargement / reduction unit 1403 and written to the frame memory 1405.
  • the decoded image data is read out to the video output processing unit 1404, format-converted to a predetermined system such as 4: 2: 2Y / Cb / Cr system, and further converted into an analog signal to be converted into a video signal. Is played out.
  • the present technology when the present technology is applied to the video processor 1332 configured as described above, the present technology according to each embodiment described above may be applied to the encoding / decoding engine 1407. That is, for example, the encoding / decoding engine 1407 may have the functions of the encoding device and the decoding device according to the first embodiment. For example, the encoding / decoding engine 1407 may have the functions of the encoding device and the decoding device according to the second embodiment. In this way, the video processor 1332 can obtain the same effects as those described above with reference to FIGS.
  • the present technology (that is, the functions of the image encoding device and the image decoding device according to each embodiment described above) may be realized by hardware such as a logic circuit. It may be realized by software such as an embedded program, or may be realized by both of them.
  • FIG. 43 illustrates another example of a schematic configuration of the video processor 1332 (FIG. 41) to which the present technology is applied.
  • the video processor 1332 has a function of encoding and decoding video data by a predetermined method.
  • the video processor 1332 includes a control unit 1511, a display interface 1512, a display engine 1513, an image processing engine 1514, and an internal memory 1515.
  • the video processor 1332 includes a codec engine 1516, a memory interface 1517, a multiplexing / demultiplexing unit (MUX DMUX) 1518, a network interface 1519, and a video interface 1520.
  • MUX DMUX multiplexing / demultiplexing unit
  • the eyelid control unit 1511 controls the operation of each processing unit in the video processor 1332 such as the display interface 1512, the display engine 1513, the image processing engine 1514, and the codec engine 1516.
  • the control unit 1511 includes, for example, a main CPU 1531, a sub CPU 1532, and a system controller 1533.
  • the main CPU 1531 executes a program and the like for controlling the operation of each processing unit in the video processor 1332.
  • the main CPU 1531 generates a control signal according to the program and supplies it to each processing unit (that is, controls the operation of each processing unit).
  • the sub CPU 1532 plays an auxiliary role of the main CPU 1531.
  • the sub CPU 1532 executes a child process such as a program executed by the main CPU 1531, a subroutine, or the like.
  • the system controller 1533 controls operations of the main CPU 1531 and the sub CPU 1532 such as designating a program to be executed by the main CPU 1531 and the sub CPU 1532.
  • the display interface 1512 outputs image data to, for example, the connectivity 1321 (FIG. 41) under the control of the control unit 1511.
  • the display interface 1512 converts image data of digital data into an analog signal, and outputs it to a monitor device of the connectivity 1321 (FIG. 41) as a reproduced video signal or as image data of the digital data.
  • the display engine 1513 Under the control of the control unit 1511, the display engine 1513 performs various conversion processes such as format conversion, size conversion, color gamut conversion, and the like so as to match the image data with hardware specifications such as a monitor device that displays the image. I do.
  • the eyelid image processing engine 1514 performs predetermined image processing such as filter processing for improving image quality on the image data under the control of the control unit 1511.
  • the internal memory 1515 is a memory provided inside the video processor 1332 that is shared by the display engine 1513, the image processing engine 1514, and the codec engine 1516.
  • the internal memory 1515 is used, for example, for data exchange performed between the display engine 1513, the image processing engine 1514, and the codec engine 1516.
  • the internal memory 1515 stores data supplied from the display engine 1513, the image processing engine 1514, or the codec engine 1516, and stores the data as needed (eg, upon request). This is supplied to the image processing engine 1514 or the codec engine 1516.
  • the internal memory 1515 may be realized by any storage device, but is generally used for storing a small amount of data such as image data or parameters in units of blocks. It is desirable to realize a semiconductor memory having a relatively small capacity but a high response speed (for example, as compared with the external memory 1312) such as “Static Random Access Memory”.
  • the codec engine 1516 performs processing related to encoding and decoding of image data.
  • the encoding / decoding scheme supported by the codec engine 1516 is arbitrary, and the number thereof may be one or plural.
  • the codec engine 1516 may be provided with codec functions of a plurality of encoding / decoding schemes, and may be configured to perform encoding of image data or decoding of encoded data using one selected from them.
  • the codec engine 1516 includes, for example, MPEG-2 video 1541, AVC / H.2641542, HEVC / H.2651543, HEVC / H.265 (Scalable) 1544, as function blocks for processing related to the codec.
  • HEVC / H.265 (Multi-view) 1545 and MPEG-DASH 1551 are included.
  • “MPEG-2” Video 1541 is a functional block that encodes and decodes image data in the MPEG-2 format.
  • AVC / H.2641542 is a functional block that encodes and decodes image data using the AVC method.
  • HEVC / H.2651543 is a functional block that encodes and decodes image data using the HEVC method.
  • HEVC / H.265 (Scalable) 1544 is a functional block that performs scalable encoding and scalable decoding of image data using the HEVC method.
  • HEVC / H.265 (Multi-view) 1545 is a functional block that multi-view encodes or multi-view decodes image data using the HEVC method.
  • MPEG-DASH 1551 is a functional block that transmits and receives image data in the MPEG-DASH (MPEG-Dynamic Adaptive Streaming over HTTP) method.
  • MPEG-DASH is a technology for streaming video using HTTP (HyperText Transfer Protocol), and selects and transmits appropriate data from multiple encoded data with different resolutions prepared in advance in segments. This is one of the features.
  • MPEG-DASH 1551 generates a stream compliant with the standard, controls transmission of the stream, and the like.
  • MPEG-2 Video 1541 to HEVC / H.265 (Multi-view) 1545 described above are used. Is used.
  • the memory interface 1517 is an interface for the external memory 1312. Data supplied from the image processing engine 1514 or the codec engine 1516 is supplied to the external memory 1312 via the memory interface 1517. The data read from the external memory 1312 is supplied to the video processor 1332 (the image processing engine 1514 or the codec engine 1516) via the memory interface 1517.
  • a multiplexing / demultiplexing unit (MUX DMUX) 1518 multiplexes and demultiplexes various data related to images such as a bit stream of encoded data, image data, and a video signal.
  • This multiplexing / demultiplexing method is arbitrary.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 can not only combine a plurality of data into one but also add predetermined header information or the like to the data.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 not only divides one data into a plurality of data but also adds predetermined header information or the like to each divided data. it can.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 can convert the data format by multiplexing / demultiplexing.
  • the multiplexing / demultiplexing unit (MUX DMUX) 1518 multiplexes the bitstream, thereby transporting the transport stream, which is a bit stream in a transfer format, or data in a file format for recording (file data).
  • the transport stream which is a bit stream in a transfer format, or data in a file format for recording (file data).
  • file data file format for recording
  • the network interface 1519 is an interface for a broadband modem 1333, connectivity 1321 (both of which are shown in FIG. 41), and the like.
  • the video interface 1520 is an interface for, for example, the connectivity 1321 and the camera 1322 (both are FIG. 41).
  • the transport stream is transmitted to the multiplexing / demultiplexing unit (MUX DMUX via the network interface 1519).
  • MUX DMUX multiplexing / demultiplexing unit
  • the codec engine 1516 the image data obtained by decoding by the codec engine 1516 is subjected to predetermined image processing by the image processing engine 1514, subjected to predetermined conversion by the display engine 1513, and connected to, for example, the connectivity 1321 (see FIG. 41) etc., and the image is displayed on the monitor.
  • image data obtained by decoding by the codec engine 1516 is re-encoded by the codec engine 1516, multiplexed by a multiplexing / demultiplexing unit (MUX DMUX) 1518, converted into file data, and video
  • MUX DMUX multiplexing / demultiplexing unit
  • the data is output to, for example, the connectivity 1321 (FIG. 41) via the interface 1520 and recorded on various recording media.
  • encoded data file data obtained by encoding image data read from a recording medium (not shown) by the connectivity 1321 (FIG. 41) is multiplexed / demultiplexed via the video interface 1520. Is supplied to a unit (MUX DMUX) 1518, demultiplexed, and decoded by the codec engine 1516. Image data obtained by decoding by the codec engine 1516 is subjected to predetermined image processing by the image processing engine 1514, subjected to predetermined conversion by the display engine 1513, and, for example, connectivity 1321 (FIG. 41) via the display interface 1512. And the image is displayed on the monitor.
  • MUX DMUX unit
  • image data obtained by decoding by the codec engine 1516 is re-encoded by the codec engine 1516, multiplexed by the multiplexing / demultiplexing unit (MUX DMUX) 1518, and converted into a transport stream,
  • MUX DMUX multiplexing / demultiplexing unit
  • the connectivity 1321 and the broadband modem 1333 are supplied via the network interface 1519 and transmitted to another device (not shown).
  • image data and other data are exchanged between the processing units in the video processor 1332 using, for example, the internal memory 1515 and the external memory 1312.
  • the power management module 1313 controls power supply to the control unit 1511, for example.
  • the present technology when the present technology is applied to the video processor 1332 configured as described above, the present technology according to each of the above-described embodiments may be applied to the codec engine 1516. That is, for example, the codec engine 1516 may have a functional block that realizes the encoding device and the decoding device according to the first embodiment. Further, for example, the codec engine 1516 may include a functional block that realizes the encoding device and the decoding device according to the second embodiment. Further, for example, by the codec engine 1516 doing this, the video processor 1332 can obtain the same effects as those described above with reference to FIGS. 1 to 31.
  • the present technology (that is, the functions of the image encoding device and the image decoding device according to each of the above-described embodiments) may be realized by hardware such as a logic circuit or an embedded program. It may be realized by software such as the above, or may be realized by both of them.
  • the configuration of the video processor 1332 is arbitrary and may be other than the two examples described above.
  • the video processor 1332 may be configured as one semiconductor chip, but may be configured as a plurality of semiconductor chips. For example, a three-dimensional stacked LSI in which a plurality of semiconductors are stacked may be used. Further, it may be realized by a plurality of LSIs.
  • Video set 1300 can be incorporated into various devices that process image data.
  • the video set 1300 can be incorporated in the television device 900 (FIG. 34), the mobile phone 920 (FIG. 35), the recording / reproducing device 940 (FIG. 36), the imaging device 960 (FIG. 37), or the like.
  • the apparatus can obtain the same effects as those described above with reference to FIGS.
  • the video set 1300 includes, for example, terminal devices such as the personal computer 1004, the AV device 1005, the tablet device 1006, and the mobile phone 1007 in the data transmission system 1000 in FIG. 38, the broadcasting station 1101 in the data transmission system 1100 in FIG. It can also be incorporated into the terminal device 1102, the imaging device 1201 in the imaging system 1200 of FIG. 40, the scalable encoded data storage device 1202, and the like. By incorporating the video set 1300, the apparatus can obtain the same effects as those described above with reference to FIGS.
  • each configuration of the video set 1300 described above can be implemented as a configuration to which the present technology is applied as long as it includes the video processor 1332.
  • the video processor 1332 can be implemented as a video processor to which the present technology is applied.
  • the processor, the video module 1311 and the like indicated by the dotted line 1341 can be implemented as a processor or a module to which the present technology is applied.
  • the video module 1311, the external memory 1312, the power management module 1313, and the front end module 1314 can be combined and implemented as a video unit 1361 to which the present technology is applied. In any case, the same effects as those described above with reference to FIGS. 1 to 31 can be obtained.
  • any configuration including the video processor 1332 can be incorporated into various devices that process image data, as in the case of the video set 1300.
  • a video processor 1332 a processor indicated by a dotted line 1341, a video module 1311, or a video unit 1361, a television device 900 (FIG. 34), a mobile phone 920 (FIG. 35), a recording / playback device 940 (FIG. 36), Imaging device 960 (FIG. 37), terminal devices such as personal computer 1004, AV device 1005, tablet device 1006, and mobile phone 1007 in data transmission system 1000 in FIG. 38, broadcast station 1101 and terminal in data transmission system 1100 in FIG.
  • the apparatus 1102 can be incorporated in the apparatus 1102, the imaging apparatus 1201 in the imaging system 1200 of FIG. 40, the scalable encoded data storage apparatus 1202, and the like. Then, by incorporating any configuration to which the present technology is applied, the apparatus can obtain the same effects as those described above with reference to FIGS. 1 to 31 as in the case of the video set 1300. .
  • the method for transmitting such information is not limited to such an example.
  • these pieces of information may be transmitted or recorded as separate data associated with the encoded bitstream without being multiplexed into the encoded bitstream.
  • the term “associate” means that an image (which may be a part of an image such as a slice or a block) included in the bitstream and information corresponding to the image can be linked at the time of decoding. Means. That is, information may be transmitted on a transmission path different from that of the image (or bit stream).
  • Information may be recorded on a recording medium (or another recording area of the same recording medium) different from the image (or bit stream). Furthermore, the information and the image (or bit stream) may be associated with each other in an arbitrary unit such as a plurality of frames, one frame, or a part of the frame.
  • This disclosure receives bitstreams compressed by orthogonal transform such as discrete cosine transform and motion compensation, such as MPEG, H.26x, etc., via network media such as satellite broadcasting, cable TV, the Internet, and mobile phones.
  • orthogonal transform such as discrete cosine transform and motion compensation
  • the present invention can be applied to an encoding device or a decoding device that is used when processing on a storage medium such as an optical, magnetic disk, or flash memory.
  • the present disclosure can take a cloud computing configuration in which one function is shared by a plurality of devices via a network and is processed jointly.
  • each step described in the above flowchart can be executed by one device or can be shared by a plurality of devices.
  • the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • this indication can also take the following structures.
  • An upsampling unit that upsamples the first layer color difference signal based on an intra prediction mode of the first layer color difference signal that is a color difference signal of the first layer image;
  • a decoding apparatus comprising: a decoding unit that decodes encoded data of a second layer image using the first layer image obtained by up-sampling the first layer color difference signal by the upsampling unit.
  • the upsampling unit is calculated for each intra prediction mode of the first layer color difference signal using the first layer color difference signal and the second layer color difference signal which is a color difference signal of the second layer image.
  • the decoding apparatus configured to upsample the first layer color difference signal based on information on the upsampling and an intra prediction mode of the first layer color difference signal.
  • the upsampling unit is configured to upsample the first layer color difference signal based on the information related to the upsampling calculated for each class and the class of the first layer color difference signal. ).
  • the information on the upsampling is a filter processing offset and a filter coefficient,
  • the upsampling unit performs the filtering process on the first layer color difference signal based on the information related to the upsampling and the intra prediction mode of the first layer color difference signal, thereby performing the first layer color difference signal.
  • the decoding device according to (2) or (3), wherein the decoding device is configured to upsample.
  • a selection unit that selects the number of taps for filtering based on the intra prediction mode of the first layer color difference signal;
  • the up-sampling unit is configured to up-sample the first layer color difference signal by performing filtering on the first layer color difference signal with the number of taps selected by the selection unit.
  • the decoding device according to 1).
  • the upsampling unit is configured to upsample the first layer color difference signal based on an intra prediction mode of the first layer color difference signal and a size of a coding unit.
  • the decoding apparatus in any one of.
  • the upsampling unit is configured to upsample the first layer color difference signal based on an intra prediction mode of the first layer color difference signal and a shape of an inter prediction block.
  • the decoding apparatus in any one of.
  • the decryption device An upsampling step of upsampling the first layer color difference signal based on an intra prediction mode of the first layer color difference signal, which is a color difference signal of a first layer image; And a decoding step of decoding encoded data of the second layer image using the first layer image obtained by up-sampling the first layer color difference signal by the processing of the upsampling step.
  • An upsampling unit that upsamples the first layer color difference signal based on an intra prediction mode of the first layer color difference signal that is a color difference signal of the first layer image;
  • An encoding device comprising: an encoding unit that encodes a second layer image using the first layer image obtained by up-sampling the first layer color difference signal by the upsampling unit.
  • the encoding device according to (9). (11) A class classification unit for classifying the first layer color difference signal into a class based on an intra prediction mode of the first layer color difference signal; The information calculation unit calculates information on the upsampling for each class, The upsampling unit is configured to upsample the first layer color difference signal based on the information related to the upsampling calculated by the information calculation unit and the class of the first layer color difference signal.
  • the encoding device 10).
  • the information on the upsampling is a filter processing offset and a filter coefficient
  • the upsampling unit performs the filtering process on the first layer color difference signal based on the information related to the upsampling and the intra prediction mode of the first layer color difference signal, thereby performing the first layer color difference signal.
  • a selection unit that selects the number of taps for filtering based on the intra prediction mode of the first layer color difference signal;
  • the up-sampling unit is configured to up-sample the first layer color difference signal by performing filtering on the first layer color difference signal with the number of taps selected by the selection unit.
  • the encoding device according to 9).
  • the upsampling unit is configured to upsample the first layer color difference signal based on an intra prediction mode of the first layer color difference signal and a size of a coding unit. (9) to (13) The encoding apparatus in any one of. (15) The upsampling unit is configured to upsample the first layer color difference signal based on an intra prediction mode of the first layer color difference signal and a shape of an inter prediction block. (9) to (14) The encoding apparatus in any one of.
  • the encoding device An upsampling step of upsampling the first layer color difference signal based on an intra prediction mode of the first layer color difference signal, which is a color difference signal of a first layer image; And a coding step of coding a second layer image using the first layer image obtained by up-sampling the first layer color difference signal by the processing of the upsampling step.

Landscapes

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

Abstract

　本開示は、クロマスケーラブル符号化の符号化効率を向上させることができるようにする復号装置および復号方法、並びに、符号化装置および符号化方法に関する。 アップサンプル部は、ベース画像の色差信号のイントラ予測モードに基づいて、ベース画像の色差信号をアップサンプリングする。加算部は、アップサンプル部により色差信号がアップサンプリングされたベース画像を用いて、エンハンスメント画像の符号化データを復号する。本開示は、例えば、クロマスケーラブル符号化された画像を復号する復号装置に適用することができる。

Description

復号装置および復号方法、並びに、符号化装置および符号化方法
　本開示は、復号装置および復号方法、並びに、符号化装置および符号化方法に関し、特に、クロマスケーラブル符号化の符号化効率を向上させることができるようにした復号装置および復号方法、並びに、符号化装置および符号化方法に関する。
　近年、画像情報特有の冗長性を利用して、離散コサイン変換等の直交変換と動き補償により圧縮するMPEG（Moving Picture Experts Group phase）などの方式に準拠した装置が、放送局などの情報配信、および一般家庭における情報受信の双方において普及しつつある。
　特に、MPEG2（ISO/IEC 13818-2）方式は、汎用画像符号化方式として定義されており、飛び越し走査画像及び順次走査画像の双方、並びに標準解像度画像及び高精細画像を網羅する標準で、プロフェッショナル用途及びコンシューマー用途の広範なアプリケーションに現在広く用いられている。MPEG2方式を用いることにより、例えば720×480画素を持つ標準解像度の飛び越し走査画像であれば4乃至8Mbps、1920×1088画素を持つ高解像度の飛び越し走査画像であれば18乃至22MBpsの符号量（ビットレート）を割り当てることで、高い圧縮率と良好な画質の実現が可能である。
　MPEG2は主として放送用に適合する高画質符号化を対象としていたが、MPEG1より低い符号量（ビットレート）、つまりより高い圧縮率の符号化方式には対応していなかった。携帯端末の普及により、今後そのような符号化方式のニーズは高まると思われ、これに対応してMPEG4符号化方式の標準化が行われた。MPEG4の画像符号化方式に関しては、1998年12月にISO/IEC 14496-2として規格が国際標準に承認された。
　更に、近年、当初テレビ会議用の画像符号化を目的として、H．26L（ITU-T Q6/16 VCEG）という標準の規格化が進んでいる。H．26LはMPEG2やMPEG4といった従来の符号化方式に比べ、その符号化、復号化により多くの演算量が要求されるものの、より高い符号化効率が実現されることが知られている。
　また、近年、MPEG4の活動の一環として、このH．26Lをベースに、H．26Lではサポートされない機能をも取り入れ、より高い符号化効率を実現する標準化がJoint Model of Enhanced-Compression Video Codingとして行われた。この標準化は、2003年3月にH．264及びMPEG-4 Part10（AVC（Advanced Video Coding））という名の元に国際標準化された。
　更に、その拡張として、RGBやYUV422、YUV444といった、業務用に必要な符号化ツールや、MPEG-2で規定されていた8×8DCTや量子化マトリクスをも含んだFRExt (Fidelity Range Extension)の標準化が2005年2月に完了した。これにより、AVC方式が、映画に含まれるフィルムノイズをも良好に表現することが可能な符号化方式となり、ＢＤ（Blu-ray（登録商標） Disc ）等の幅広いアプリケーションに用いられる運びとなった。
　しかしながら、昨今、ハイビジョン画像の4倍の4000×2000画素程度の画像を圧縮したい、または、インターネットのような限られた伝送容量の環境においてハイビジョン画像を配信したいといった、更なる高圧縮率符号化に対するニーズが高まっている。このため、ITU-T傘下のVCEG(Video Coding Expert Group)において、符号化効率の改善に関する検討が継続されている。
　また、現在、AVCより更なる符号化効率の向上を目的として、ITU-Tと、ISO/IECの共同の標準化団体であるJCTVC(Joint Collaboration Team - Video Coding)により、 HEVC(High Efficiency Video Coding)と呼ばれる符号化方式の標準化が進められている。2013年9月現在、Draftとして非特許文献１が発行されている。
　ところで、MPEG-2、AVCといった画像符号化方式は、画像を階層化して符号化するscalable機能を有していた。scalable機能による符号化（スケーラブル符号化）によれば、トランスコード処理を行うことなく、復号側の処理能力に応じた符号化データを伝送することができる。
　具体的には、例えば携帯電話のような処理能力の低い端末に対しては、ベースとなる階層であるベースレイヤ（base layer）の画像（以下、ベース画像という）の符号化ストリームのみを伝送することができる。一方、テレビジョン受像機やパーソナルコンピュータのような処理能力の高い端末に対しては、ベースレイヤと、ベースレイヤ以外の階層であるエンハンスメントレイヤ（enhancement layer）の画像（以下、エンハンスメント画像という）の符号化ストリームを伝送することができる。
　HEVC方式では、スケーラブル符号化として、例えば、画像を色差信号のフォーマットで階層化して符号化するクロマスケーラブル符号化が提案されている。
　クロマスケーラブル符号化においては、ベース画像の色差信号がフィルタ処理によりアップサンプリングされて、エンハンスメント画像の色差信号の符号化や復号時の予測に用いられる。
Benjamin Bross, Gary J. Sullivan,Ye-Kui Wang,"Editors' proposed corrections to HEVC version 1",JCTVC-M0432_v3,2013.4.18-4.26
　しかしながら、ベース画像の周波数成分は領域ごとに異なるため、全領域について同一のフィルタ係数を用いたフィルタ処理では、精度良く色差信号のアップサンプリングを行うことができない場合がある。その結果、エンハンスメント画像の色差信号の予測精度が低下し、符号化効率が低下する。
　本開示は、このような状況に鑑みてなされたものであり、クロマスケーラブル符号化の符号化効率を向上させることができるようにするものである。
　本開示の第１の側面の復号装置は、第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプル部と、前記アップサンプル部により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像の符号化データを復号する復号部とを備える復号装置である。
　本開示の第１の側面の復号方法は、本開示の第１の側面の復号装置に対応する。
　本開示の第１の側面においては、第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号がアップサンプリングされ、前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像の符号化データが復号される。
　本開示の第２の側面の符号化装置は、第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプル部と、前記アップサンプル部により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像を符号化する符号化部とを備える符号化装置である。
　本開示の第２の側面の符号化方法は、本開示の第２の側面の符号化装置に対応する。
　本開示の第２の側面においては、第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号がアップサンプリングされ、前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像が符号化される。
　なお、第１の側面の復号装置及び第２の側面の符号化装置は、コンピュータにプログラムを実行させることにより実現することができる。
　また、第１の側面の復号装置および第２の側面の符号化装置を実現するために、コンピュータに実行させるプログラムは、伝送媒体を介して伝送することにより、又は、記録媒体に記録して、提供することができる。
　第１の側面の復号装置及び第２の側面の符号化装置は、独立した装置であっても良いし、１つの装置を構成している内部ブロックであっても良い。
　本開示の第１の側面によれば、クロマスケーラブル符号化された画像を復号することができる。また、本開示の第１の側面によれば、符号化効率が向上するようにクロマスケーラブル符号化された画像を復号することができる。
　本開示の第２の側面によれば、画像をクロマスケーラブル符号化することができる。また、本開示の第２の側面によれば、クロマスケーラブル符号化の符号化効率を向上させることができる。
　なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。
spatial scalabilityを説明する図である。 temporal scalabilityを説明する図である。 SNR scalabilityを説明する図である。 本開示を適用した符号化装置の第１実施の形態の構成例を示すブロック図である。 図４のエンハンスメント符号化部の構成例を示すブロック図である。 図５の符号化部の構成例を示すブロック図である。 CUを説明する図である。 HEVC方式における輝度信号のイントラ予測モードを説明する図である。 Planer予測を説明する図である。 色差信号のイントラ予測モードを説明する図である。 動き予測・補償部による内挿フィルタ処理を説明する図である。 輝度信号に対する内挿フィルタ処理のフィルタ係数を説明する図である。 色差信号に対する内挿フィルタ処理のフィルタ係数を説明する図である。 インター予測のＰＵを説明する図である。 図６のアップサンプル部と算出部の構成例を示すブロック図である。 図４の符号化装置の階層符号化処理を説明するフローチャートである。 図１６のエンハンスメント符号化処理の詳細を説明するフローチャートである。 図１６のエンハンスメント符号化処理の詳細を説明するフローチャートである。 図１７のベース変換処理の詳細を説明するフローチャートである。 本開示を適用した復号装置の第１実施の形態の構成例を示すブロック図である。 図２０のエンハンスメント復号部の構成例を示すブロック図である。 図２１の復号部の構成例を示すブロック図である。 図２２のアップサンプル部と設定部の構成例を示すブロック図である。 図２０の復号装置の階層復号処理を説明するフローチャートである。 図２４のエンハンスメント復号処理の詳細を説明するフローチャートである。 図２５のベース変換処理の詳細を説明するフローチャートである。 本開示を適用した符号化装置の第２実施の形態の符号化部の構成例を示すブロック図である。 図２７のアップサンプル部と選択部の構成例を示すブロック図である。 図２８のタップ数選択部によるタップ数の選択を説明する図である。 本開示を適用した符号化装置の第２実施の形態のベース変換処理を説明するフローチャートである。 本開示を適用した復号装置の第２実施の形態の復号部の構成例を示すブロック図である。 スケーラブル符号化の他の例を示す図である。 コンピュータのハードウエアの構成例を示すブロック図である。 本開示を適用したテレビジョン装置の概略構成例を示す図である。 本開示を適用した携帯電話機の概略構成例を示す図である。 本開示を適用した記録再生装置の概略構成例を示す図である。 本開示を適用した撮像装置の概略構成例を示す図である。 スケーラブル符号化利用の一例を示すブロック図である。 スケーラブル符号化利用の他の例を示すブロック図である。 スケーラブル符号化利用のさらに他の例を示すブロック図である。 本技術を適用したビデオセットの概略的な構成の一例を示すブロック図である。 本技術を適用したビデオプロセッサの概略的な構成の一例を示すブロック図である。 本技術を適用したビデオプロセッサの概略的な構成の他の例を示すブロック図である。
　＜スケーラブル符号化の説明＞
　（spatial scalabilityの説明）
　スケーラブル符号化には、クロマスケーラブル符号化以外にも、spatial scalability, temporal scalability, SNR scalability等がある。
　図１は、spatial scalabilityを説明する図である。
　図１に示すように、spatial scalabilityでは、画像が空間解像度で階層化されて符号化される。具体的には、spatial scalabilityでは、低解像度の画像がベース画像として符号化され、高解像度の画像がエンハンスメント画像として符号化される。
　従って、符号化装置は、処理能力の低い復号装置に対してベース画像の符号化データのみを伝送することにより、復号装置は、低解像度の画像を生成することができる。また、符号化装置は、処理能力の高い復号装置に対してベースレイヤとエンハンスメント画像の符号化データを伝送することにより、復号装置は、ベースレイヤとエンハンスメント画像を復号し、高解像度の画像を生成することができる。
　（temporal scalabilityの説明）
　図２は、temporal scalabilityを説明する図である。
　図２に示すように、temporal scalabilityでは、画像がフレームレートで階層化されて符号化される。具体的には、temporal scalabilityでは、例えば、低フレームレート（図２の例では7.5fps）の画像がベース画像として符号化される。また、中フレームレート（図２の例では15fps）の画像がエンハンスメント画像として符号化される。さらに、高フレームレート（図２の例では30fps）の画像がエンハンスメント画像として符号化される。
　従って、符号化装置は、処理能力の低い復号装置に対してベース画像の符号化データのみを伝送することにより、復号装置は、低フレームレートの画像を生成することができる。また、符号化装置は、処理能力の高い復号装置に対してベースレイヤとエンハンスメント画像の符号化データを伝送することにより、復号装置は、ベースレイヤとエンハンスメント画像を復号し、高フレームレートまたは中フレームレートの画像を生成することができる。
　（SNR scalabilityの説明）
　図３は、SNR scalabilityを説明する図である。
　図３に示すように、SNR scalabilityでは、画像がSNR(signal-noise ratio)で階層化されて符号化される。具体的には、SNR scalabilityでは、低SNRの画像がベース画像として符号化され、高SNRの画像がエンハンスメント画像として符号化される。
　従って、符号化装置は、処理能力の低い復号装置に対してベース画像の符号化データのみを伝送することにより、復号装置は、低SNRの画像を生成することができる。また、符号化装置は、処理能力の高い復号装置に対してベースレイヤとエンハンスメント画像の符号化データを伝送することにより、復号装置は、ベースレイヤとエンハンスメント画像を復号し、高SNRの画像を生成することができる。
　また、図示は省略するが、スケーラブル符号化としては、クロマスケーラブル符号化、spatial scalability, temporal scalability、SNR scalabilityの他にも存在する。
　例えば、スケーラブル符号化としては、画像をビット数で階層化して符号化するbit-depth scalabilityもある。この場合、例えば、8bitビデオの画像がベース画像とされ、10bitビデオの画像がエンハンスメント画像とされ、符号化される。
　なお、以下では、説明の便宜上、エンハンスメントレイヤが１つである場合について説明する。
　＜第１実施の形態＞
　（符号化装置の第１実施の形態の構成例）
　図４は、本開示を適用した符号化装置の第１実施の形態の構成例を示すブロック図である。
　図４の符号化装置３０は、ベース符号化部３１、エンハンスメント符号化部３２、合成部３３、および伝送部３４により構成される。符号化装置３０は、420画像と444画像を用いてHEVC方式に準ずる方式でクロマスケーラブル符号化を行う。なお、420画像とは、色差信号のフォーマットがYCbCr420である画像であり、444画像とは、色差信号のフォーマットがYCbCr444である画像である。
　符号化装置３０のベース符号化部３１には、外部からベース画像として420画像が入力される。ベース符号化部３１は、例えばHEVC方式の符号化装置と同様に構成され、ベース画像をHEVC方式で符号化する。ベース符号化部３１は、符号化の結果得られる符号化データ、VPS(Video Parameter Set),SPS（Sequence Parameter Set）,PPS（Picture Parameter Set）等を含む符号化ストリームを、ベースストリームとして合成部３３に供給する。また、ベース符号化部３１は、ベース画像の符号化時に参照画像として用いるために復号されたベース画像と、そのベース画像の色差信号のイントラ予測モードとを、エンハンスメント符号化部３２に供給する。
　エンハンスメント符号化部３２には、外部からエンハンスメント画像として444画像が入力される。エンハンスメント符号化部３２は、エンハンスメント画像をHEVC方式に準ずる方式で符号化する。このとき、エンハンスメント符号化部３２は、ベース符号化部３１からのベース画像とイントラ予測モードを参照する。エンハンスメント符号化部３２は、符号化の結果得られる符号化データ、VPS,SPS,PPS等を含む符号化ストリームをエンハンスメントストリームとして合成部３３に供給する。
　合成部３３は、ベース符号化部３１から供給されるベースストリームとエンハンスメント符号化部３２から供給されるエンハンスメントストリームを合成し、全階層の符号化ストリームを生成する。合成部３３は、全階層の符号化ストリームを伝送部３４に供給する。
　伝送部３４は、合成部３３から供給される全階層の符号化ストリームを後述する復号装置に伝送する。
　なお、ここでは、符号化装置３０は、全階層の符号化ストリームを伝送するものとするが、必要に応じて、ベースストリームのみを伝送することもできる。
　（エンハンスメント符号化部の構成例）
　図５は、図４のエンハンスメント符号化部３２の構成例を示すブロック図である。
　図５のエンハンスメント符号化部３２は、設定部５１と符号化部５２により構成される。
　エンハンスメント符号化部３２の設定部５１は、必要に応じて、VPS,SPS,PPSなどのパラメータセットを設定する。設定部５１は、設定されたパラメータセットを符号化部５２に供給する。
　符号化部５２は、ベース符号化部３１からのベース画像とイントラ予測モードを参照して、外部から入力されるエンハンスメント画像を、HEVC方式に準ずる方式で符号化する。符号化部５２は、その結果得られる符号化データと、設定部５１から供給されるパラメータセットからエンハンスメントストリームを生成し、図４の合成部３３に供給する。
　（符号化部の構成例）
　図６は、図５の符号化部５２の構成例を示すブロック図である。
　図６の符号化部５２は、A/D変換部７１、画面並べ替えバッファ７２、演算部７３、直交変換部７４、量子化部７５、可逆符号化部７６、蓄積バッファ７７、生成部７８、逆量子化部７９、逆直交変換部８０、加算部８１、デブロックフィルタ８２、適応オフセットフィルタ８３、適応ループフィルタ８４、フレームメモリ８５、スイッチ８６、イントラ予測部８７、動き予測・補償部８８、予測画像選択部８９、レート制御部９０、アップサンプル部９１、および算出部９２により構成される。
　符号化部５２のA/D変換部７１は、入力されたフレーム単位のエンハンスメント画像をA/D変換し、画面並べ替えバッファ７２に出力して記憶させる。画面並べ替えバッファ７２は、記憶した表示の順番のフレーム単位のエンハンスメント画像を、GOP(Group of Picture)構造に応じて、符号化のための順番に並べ替え、演算部７３、イントラ予測部８７、動き予測・補償部８８、および算出部９２に出力する。
　演算部７３は、符号化部として機能し、予測画像選択部８９から供給される予測画像と、画面並べ替えバッファ７２から出力された符号化対象のエンハンスメント画像の差分を演算することにより符号化を行う。具体的には、演算部７３は、画面並べ替えバッファ７２から出力された符号化対象のエンハンスメント画像から、予測画像選択部８９から供給される予測画像を減算することにより符号化を行う。
　演算部７３は、その結果得られる画像を、残差情報として直交変換部７４に出力する。なお、予測画像選択部８９から予測画像が供給されない場合、演算部７３は、画面並べ替えバッファ７２から読み出されたエンハンスメント画像をそのまま残差情報として直交変換部７４に出力する。
　直交変換部７４は、演算部７３からの残差情報を所定の方式で直交変換し、生成された直交変換係数を量子化部７５に供給する。
　量子化部７５は、直交変換部７４から供給される直交変換係数に対して量子化を行い、その結果得られる係数を、可逆符号化部７６に供給する。
　可逆符号化部７６は、最適イントラ予測モードを示すイントラ予測モード情報をイントラ予測部８７から取得する。また、可逆符号化部７６は、動き予測・補償部８８から最適インター予測モードを示すインター予測モード情報、動きベクトル、参照画像を特定する参照画像特定情報などを取得する。さらに、可逆符号化部７６は、適応オフセットフィルタ８３からオフセット情報を取得し、適応ループフィルタ８４からフィルタ係数を取得する。また、可逆符号化部７６は、算出部９２からアップサンプリングに関するアップサンプリング情報を取得する。
　可逆符号化部７６は、量子化部７５から供給される量子化された係数に対して、可変長符号化（例えば、CAVLC（Context-Adaptive Variable Length Coding）など）、算術符号化（例えば、CABAC（Context-Adaptive Binary Arithmetic Coding）など）などの可逆符号化を行う。
　また、可逆符号化部７６は、イントラ予測モード情報、または、インター予測モード情報、動きベクトル、および参照画像特定情報、オフセット情報、フィルタ係数、並びにアップサンプリング情報を、符号化に関する符号化情報として可逆符号化する。可逆符号化部７６は、可逆符号化された符号化情報と可逆符号化された係数を符号化データとして蓄積バッファ７７に供給し、蓄積させる。なお、可逆符号化された符号化情報は、スライスヘッダ等のヘッダ部として符号化データに付加されるようにしてもよい。
　蓄積バッファ７７は、可逆符号化部７６から供給される符号化データを、一時的に記憶する。また、蓄積バッファ７７は、記憶している符号化データを生成部７８に供給する。
　生成部７８は、図５の設定部５１から供給されるパラメータセットと蓄積バッファ７７から供給される符号化データからエンハンスメントストリームを生成し、図４の合成部３３に供給する。
　また、量子化部７５から出力された量子化された係数は、逆量子化部７９にも入力される。逆量子化部７９は、量子化部７５により量子化された係数に対して逆量子化を行い、その結果得られる直交変換係数を逆直交変換部８０に供給する。
　逆直交変換部８０は、逆量子化部７９から供給される直交変換係数に対して、直交変換部７４における直交変換の方式に対応する方式で4次の逆直交変換を行い、その結果得られる残差情報を加算部８１に供給する。
　加算部８１は、復号部として機能し、逆直交変換部８０から供給される残差情報と、予測画像選択部８９から供給される予測画像を加算して、局部的に復号されたエンハンスメント画像を得る。なお、予測画像選択部８９から予測画像が供給されない場合、加算部８１は、逆直交変換部８０から供給される残差情報を局部的に復号されたエンハンスメント画像とする。加算部８１は、局部的に復号されたエンハンスメント画像をデブロックフィルタ８２に供給するとともに、フレームメモリ８５に供給して蓄積させる。
　デブロックフィルタ８２は、加算部８１から供給される局部的に復号されたエンハンスメント画像に対して、ブロック歪を除去するデブロッキングフィルタ処理を行い、その結果得られるエンハンスメント画像を適応オフセットフィルタ８３に供給する。
　適応オフセットフィルタ８３は、デブロックフィルタ８２から供給されるデブロッキングフィルタ処理後のエンハンスメント画像に対して、例えば、最大の符号化単位であるLCU（Largest Coding Unit）ごとに、主にリンギングを除去する適応オフセット(SAO（Sample adaptive offset)）処理を行う。適応オフセットフィルタ８３は、適応オフセット処理に関する情報をオフセット情報として可逆符号化部７６に供給する。また、適応オフセットフィルタ８３は、適応オフセット処理後の画像を適応ループフィルタ８４に供給する。
　適応ループフィルタ８４は、例えば、２次元のウィナーフィルタ（Wiener Filter）により構成される。適応ループフィルタ８４は、適応オフセットフィルタ８３から供給される適応オフセット処理後のエンハンスメント画像に対して、例えば、LCUごとに、適応ループフィルタ（ALF(Adaptive Loop Filter)）処理を行う。適応ループフィルタ８４は、適応ループフィルタ処理後のエンハンスメント画像をフレームメモリ８５に供給する。また、適応ループフィルタ８４は、適応ループフィルタ処理に用いられたフィルタ係数を可逆符号化部７６に供給する。
　なお、ここでは、適応ループフィルタ処理は、LCUごとに行われるものとするが、適応ループフィルタ処理の処理単位は、LCUに限定されない。但し、適応オフセットフィルタ８３と適応ループフィルタ８４の処理単位を合わせることにより、処理を効率的に行うことができる。
　フレームメモリ８５は、加算部８１および適応ループフィルタ８４から供給されるエンハンスメント画像、並びに、アップサンプル部９１から供給されるアップサンプリング後のベース画像を蓄積する。フレームメモリ８５に蓄積されたベース画像またはエンハンスメント画像は、スイッチ８６を介してイントラ予測部８７または動き予測・補償部８８に出力される。
　イントラ予測部８７は、ＰＵ（Prediction Unit）単位で、候補となる全てのイントラ予測モードのイントラ予測を行う。具体的には、イントラ予測部８７は、候補となる全てのイントラ予測モードについて、ＰＵの周辺の画素をフレームメモリ８５からスイッチ８６を介して参照画素として読み出す。イントラ予測部８７は、参照画素を用いてイントラ予測を行い、予測画像を生成する。
　イントラ予測部８７は、画面並べ替えバッファ７２から読み出されたエンハンスメント画像、イントラ予測の結果生成される予測画像、およびイントラ予測モードを示す情報等に基づいて、候補となる全てのイントラ予測モードに対してコスト関数値（詳細は後述する）を算出する。そして、イントラ予測部８７は、コスト関数値が最小となるイントラ予測モードを、最適イントラ予測モードに決定する。
　イントラ予測部８７は、最適イントラ予測モードで生成された予測画像、および、対応するコスト関数値を、予測画像選択部８９に供給する。イントラ予測部８７は、予測画像選択部８９から最適イントラ予測モードで生成された予測画像の選択が通知された場合、イントラ予測モード情報を可逆符号化部７６に供給する。
　なお、コスト関数値は、RD(Rate Distortion)コストともいい、例えば、H．264/AVC方式における参照ソフトウエアであるJM(Joint Model)で定められているような、High Complexity モードか、Low Complexity モードのいずれかの手法に基づいて算出される。なお、H．264/AVC方式における参照ソフトウエアは、http://iphome.hhi.de/suehring/tml/index.htmにおいて公開されている。
　具体的には、コスト関数値の算出手法としてHigh Complexity モードが採用される場合、候補となる全ての予測モードに対して、仮に復号までが行われ、次の式（１）で表わされるコスト関数値Cost(Mode)が各予測モードに対して算出される。
Figure JPOXMLDOC01-appb-M000001
　Dは、原画像と復号画像の差分（歪）、Rは、直交変換の係数まで含んだ発生符号量、λは、量子化パラメータQPの関数として与えられるラグランジュ未定乗数である。
　一方、コスト関数値の算出手法としてLow Complexity モードが採用される場合、候補となる全ての予測モードに対して、予測画像の生成、および、符号化情報の符号量の算出が行われ、次の式（２）で表わされるコスト関数Cost(Mode)が各予測モードに対して算出される。
Figure JPOXMLDOC01-appb-M000002
　Dは、原画像と予測画像の差分（歪）、Header_Bitは、符号化情報の符号量、QPtoQuantは、量子化パラメータQPの関数として与えられる関数である。
　Low Complexity モードにおいては、全ての予測モードに対して、予測画像を生成するだけでよく、復号画像を生成する必要がないため、演算量が少なくて済む。
　動き予測・補償部８８は、ＰＵ単位で、候補となる全てのインター予測モードの動き予測・補償処理を行う。具体的には、動き予測・補償部８８は、２次元の線形内挿適応フィルタを有する。また、動き予測・補償部８８は、フレームメモリ８５からスイッチ８６を介してエンハンスメント画像またはベース画像を参照画像として読み出す。動き予測・補償部８８は、２次元の線形内挿適応フィルタを用いて、画面並べ替えバッファ７２から供給されるエンハンスメント画像と参照画像に対して内挿フィルタ処理を行うことにより、エンハンスメント画像と参照画像を高解像度化する。
　動き予測・補償部８８は、高解像度化されたエンハンスメント画像と参照画像とに基づいて、候補となる全てのインター予測モードの動きベクトルを分数画素精度で検出する。そして、動き予測・補償部８８は、その動きベクトルに基づいて参照画像に補償処理を施し、予測画像を生成する。なお、インター予測モードとは、ＰＵのサイズ等を表すモードである。
　また、動き予測・補償部８８は、画面並べ替えバッファ７２から供給されるエンハンスメント画像と予測画像とに基づいて、候補となる全てのインター予測モードに対してコスト関数値を算出し、コスト関数値が最小となるインター予測モードを最適インター予測モードに決定する。そして、動き予測・補償部８８は、最適インター予測モードのコスト関数値と、対応する予測画像を予測画像選択部８９に供給する。
　また、動き予測・補償部８８は、予測画像選択部８９から最適インター予測モードで生成された予測画像の選択が通知された場合、インター予測モード情報、対応する動きベクトル、参照画像特定情報などを可逆符号化部７６に出力する。
　予測画像選択部８９は、イントラ予測部８７および動き予測・補償部８８から供給されるコスト関数値に基づいて、最適イントラ予測モードと最適インター予測モードのうちの、対応するコスト関数値が小さい方を、最適予測モードに決定する。そして、予測画像選択部８９は、最適予測モードの予測画像を、演算部７３および加算部８１に供給する。また、予測画像選択部８９は、最適予測モードの予測画像の選択をイントラ予測部８７または動き予測・補償部８８に通知する。
　レート制御部９０は、蓄積バッファ７７に蓄積された符号化データに基づいて、オーバーフローあるいはアンダーフローが発生しないように、量子化部７５の量子化動作のレートを制御する。
　アップサンプル部９１は、図４のベース符号化部３１から供給されるベース画像と、そのベース画像の色差信号の各ＰＵのイントラ予測モードとを取得する。アップサンプル部９１は、ベース画像の色差信号と各ＰＵのイントラ予測モードを算出部９２に供給する。なお、本明細書では、Cr信号とCb信号を総称して色差信号というが、色差信号に対する処理は、Cr信号とCｂ信号それぞれについて独立に行われる。
　アップサンプル部９１は、動き予測・補償部８８と同様の２次元の線形内挿適応フィルタを有する。アップサンプル部９１は、２次元の線形内挿適応フィルタにより、ＰＵ単位で、算出部９２からのアップサンプリング情報を用いて、ベース画像の色差信号に対して内挿フィルタ処理を行うことにより、ベース画像をアップサンプリングする。アップサンプル部９１は、アップサンプリングにより生成された444画像を、アップサンプリング後のベース画像としてフレームメモリ８５に供給する。
　算出部９２は、ＰＵごとに、アップサンプル部９１から供給されるイントラ予測モードに基づいて、ベース画像の色差信号をクラスに分類する。算出部９２は、画面並べ替えバッファ７２からエンハンスメント画像の色差信号を取得し、アップサンプル部９１からベース画像の色差信号を取得する。
　算出部９２は、分類されたクラスごとに、エンハンスメント画像の色差信号と、ベース画像の色差信号のアップサンプリング結果との差分が最小になるように、アップサンプル部９１における内挿フィルタ処理のフィルタ係数とオフセットを算出する。算出部９２は、ＰＵごとに、そのＰＵのクラスのフィルタ係数とオフセットからなるアップサンプリング情報をアップサンプル部９１に供給する。また、算出部９２は、各クラスのアップサンプリング情報を可逆符号化部７６に供給する。
　なお、動き予測・補償部８８の２次元の線形内挿適応フィルタとアップサンプル部９１の２次元の線形内挿適応フィルタは共通化されてもよい。
　（符号化単位の説明）
　図７は、HEVC方式における符号化単位であるCoding UNIT(CU)を説明する図である。
　HEVC方式では、4000画素×2000画素のUHD（Ultra High Definition）などのような大きな画枠の画像も対象としているため、符号化単位のサイズを16画素×16画素に固定することは最適ではない。従って、HEVC方式では、符号化単位としてCUが定義されている。このCUの詳細については、非特許文献１に記載されている。
　CUは、AVC方式におけるマクロブロックと同様の役割を果たす。具体的には、CUは、イントラ予測またはインター予測の単位である予測ブロック(PU)に分割されたり、直交変換の単位である変換ブロック(TU)に分割されたりする。
　但し、CUのサイズは、シーケンスごとに可変の２のべき乗画素で表される正方形である。具体的には、CUは、最大のサイズのCUであるLCUを、最小のサイズのCUであるSCU(Smallest Coding Unit)より小さくならないように、任意の回数だけ水平方向および垂直方向に２分割することにより設定される。即ち、LCUを、SCUになるまで、上の階層のサイズが下の階層のサイズの1/4となるように階層化したときの任意の階層のサイズがCUのサイズである。
　例えば、図７では、LCUのサイズが128であり、SCUのサイズが8である。従って、LCUの階層深度（Depth）は0乃至4となり、階層深度数は5となる。即ち、CUに対応する分割数は0乃至4のいずれかである。
　なお、LCUとSCUのサイズを指定する情報は、SPSに含められる。また、CUに対応する分割数は、各階層においてさらに分割するかどうかを表すsplit_flagにより指定される。CUの詳細については、非特許文献１に記載されている。
　また、本明細書において、CTU（Coding Tree Unit）は、LCUのCTB（Coding Tree Block）と、そのLCUベース（レベル）で処理するときのパラメータを含む単位であるとする。また、CTUを構成するCUは、CB(Coding Block)と、そのCUベース（レベル）で処理するときのパラメータを含む単位であるとする。
　（輝度信号のイントラ予測モードの説明）
　図８は、HEVC方式における輝度信号のイントラ予測モードを説明する図である。
　図８の矢印は、予測対象のＰＵを含むＴＵの右下の画素１００に対する参照画素の方向（以下、参照方向という）を表し、矢印の先の数字は、参照方向に対応する輝度信号のイントラ予測モードの番号を表す。
　図８に示すように、ＰＵのサイズごとに、輝度信号のイントラ予測モードは35種類あり、イントラ予測モードの番号は0乃至34である。番号0のイントラ予測モードは、Planar予測のモードであり、番号1のイントラ予測モードは、DC予測のモードである。
　また、番号2乃至34のイントラ予測モードは、画素１００に対して、その番号が先に記載された矢印が表す参照方向に存在するＴＵの周辺の画素を参照画素とするイントラ予測モードである。このイントラ予測モードのイントラ予測は、Angular予測と呼ばれる。
　例えば、番号26のイントラ予測モードは、垂直方向のイントラ予測を行うイントラ予測モードであり、ＴＵの上に存在する、画素１００と同一の列の画素を参照画素とするイントラ予測モードである。
　また、番号10のイントラ予測モードは、水平方向のイントラ予測を行うイントラ予測モードであり、ＴＵの左に存在する、画素１００と同一の行の画素を参照画素とするイントラ予測モードである。番号34のイントラ予測モードは、斜め方向のイントラ予測を行うイントラ予測モードであり、ＴＵの周辺の画素のうちの最も右上の画素を参照画素とするイントラ予測モードである。
　なお、イントラ予測モードとＰＵのサイズによっては、参照画素の位置が符号化済みの画素の間の位置になることがある。その場合には、参照画素の位置に近い符号化済みの画素を用いて、その画素と参照画素との距離に応じた線形補間により、参照画素が生成される。
　（Planer予測の説明）
　図９は、Planer予測を説明する図である。
　なお、図９において、斜線が付されていない正方形はＰＵ内の画素を表し、斜線が付された正方形は、ＰＵの周辺の符号化済みの画素を表している。
　Planer予測を行う場合、ＰＵの画素の予測値は、その画素と同一の行および列のＰＵの周辺の符号化済みの画素の画素値、並びに、ＰＵの右上および左下の符号化済みの画素の画素値の線形補間により生成される。
　例えば、図９のＡに示すように、ＰＵ１０１の左上の画素１０１Ａの予測値は、画素１０１Ａと同一の行のＰＵ１０１の周辺の符号化済みの画素１０２、画素１０１Ａと同一の列のＰＵ１０１の周辺の符号化済みの画素１０３、並びに、ＰＵ１０１の右上の符号化済みの画素１０４および左下の符号化済みの画素１０５の画素値を用いた線形補間により生成される。
　また、図９のＢに示すように、画素１０１Ａの右に隣接する画素１０１Ｂの予測値は、画素１０２、画素１０１Ｂと同一の列のＰＵ１０１の周辺の符号化済みの画素１０６、画素１０４、および画素１０５の画素値を用いた線形補間により生成される。
　Planer予測により、空のようなグラデーションを含む画像の予測精度を向上させることができる。
　（色差信号のイントラ予測モードの説明）
　図１０は、色差信号のイントラ予測モードを説明する図である。
　図１０の表の左側の上から２乃至５行目の欄には、色差信号のイントラ予測モードの番号intra_choroma_pred_modeが記述されている。また、各番号intra_choroma_pred_modeの行の右側には、輝度信号のイントラ予測モードの番号がIntraPredModeYである場合の、その番号intra_choroma_pred_modeの色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号が記述されている。
　図１０に示すように、色差信号のイントラ予測モードは5種類あり、番号intra_choroma_pred_modeは、0乃至4である。番号intra_choroma_pred_modeが0である場合、輝度信号のイントラ予測モードの番号IntraPredModeYが0以外であれば、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は0である。即ち、色差信号のイントラ予測モードは、Planar予測のモードとなる。一方、番号IntraPredModeYが0である場合、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は34である。
　また、番号intra_choroma_pred_modeが1である場合、輝度信号のイントラ予測モードの番号IntraPredModeYが26以外であれば、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は26である。一方、番号IntraPredModeYが26である場合、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は34である。
　さらに、番号intra_choroma_pred_modeが2である場合、輝度信号のイントラ予測モードの番号IntraPredModeYが10以外であれば、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は10である。一方、番号IntraPredModeYが10である場合、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は34である。
　また、番号intra_choroma_pred_modeが3である場合、輝度信号のイントラ予測モードの番号IntraPredModeYが1以外であれば、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は1である。即ち、色差信号のイントラ予測モードは、DC予測のモードとなる。一方、番号IntraPredModeYが1である場合、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は34である。
　さらに、番号intra_choroma_pred_modeが4である場合、色差信号のイントラ予測モードに対応する輝度信号のイントラ予測モードの番号は、その色差信号に対応する輝度信号のイントラ予測モードの番号である。即ち、色差信号のイントラ予測モードは、輝度信号のイントラ予測モードと同一になる。
　（動き予測・補償部による内挿フィルタ処理の説明）
　図１１は、動き予測・補償部８８による内挿フィルタ処理を説明する図である。
　なお、図１１において、斜線が付された正方形は、内挿フィルタ処理前の画素（以下、前画素という）を表し、斜線が付されていな正方形は、内挿フィルタ処理後の画素（以下、後画素という）を表す。
　動き予測・補償部８８は、1/4画素精度で輝度信号の動き予測・補償処理を行う。従って、動き予測・補償部８８は、８タップの２次元の線形内挿適応フィルタを用いて、エンハンスメント画像および参照画像の輝度信号に対して水平方向および垂直方向に内挿フィルタ処理を行うことにより、前画素の間隔の1/4の間隔の後画素を生成する。例えば、ある前画素Ａ０，０に対して、前画素Ａ０，０と、前画素Ａ０，０に隣接する前画素Ａ１，０および前画素Ａ０，１との間に、前画素Ａ０，０の位置を左上の位置とした4×4の位置の前画素Ａ０，０並びに後画素ａ０，０乃至ｋ０，０，ｎ０，０、およびｐ０，０乃至ｒ０，０が生成される。
　なお、８タップの２次元の線形内挿適応フィルタのフィルタ係数は、図１２に示すようになる。即ち、生成する後画素に最も近い画素のインデックス（index）が０とされ、その画素より左側の画素のインデックスが、生成する後画素から近い順に大きくされ、右側の画素のインデックスが、生成する後画素から近い順に小さくされる。このとき、内挿フィルタ処理の方向に最も近い前画素との距離が前画素の間隔の1/2である後画素（例えば、後画素ｂ０，０，ｈ０，０など）を生成する際の各インデックスi(i=-3,-2,-1,0,1,2,3,4)の画素に対するフィルタ係数（hfilter[i]）は、iが小さい方から順に、-1,4,-11,40,40,-11,4,-1となる。
　また、内挿フィルタ処理の方向に最も近い前画素との距離が前画素の間隔の1/4である後画素（例えば、後画素ａ０，０，ｃ０，０，ｄ０，０，ｎ０，０など）を生成する際の各インデックスiの画素に対するフィルタ係数（qfilter[i]）は、iが小さい方から順に、-1,4,-10,58,17,-5,1,0となる。
　一方、動き予測・補償部８８は、1/8画素精度で色差信号の動き予測・補償処理を行う。従って、動き予測・補償部８８は、４タップの２次元の線形内挿適応フィルタを用いて、エンハンスメント画像および参照画像の色差信号に対して水平方向および垂直方向に内挿フィルタ処理を行うことにより、前画素の間隔の1/8の間隔の後画素を生成する。
　４タップの２次元の線形内挿適応フィルタのフィルタ係数は、図１３に示すようになる。即ち、生成する後画素に最も近い画素のインデックスが０とされ、その画素より左側の画素のインデックスが、生成する後画素から近い順に大きくされ、右側の画素のインデックスが、生成する後画素から近い順に小さくされる。このとき、内挿フィルタ処理の方向に最も近い前画素との距離が前画素の間隔の1/8である後画素を生成する際の各インデックスi(i=-1,0,1,2)の画素に対するフィルタ係数（filter1[i]）は、iが小さい方から順に、-2,58,10,-2となる。
　また、内挿フィルタ処理の方向に最も近い前画素との距離が前画素の間隔の2/8である後画素を生成する際の各インデックスiの画素に対するフィルタ係数（filter2[i]）は、iが小さい方から順に、-4,54,16,-2となる。内挿フィルタ処理の方向に最も近い前画素との距離が前画素の間隔の3/8である後画素を生成する際の各インデックスiの画素に対するフィルタ係数（filter3[i]）は、iが小さい方から順に、-6,46,28,-4となる。
　さらに、内挿フィルタ処理の方向に最も近い前画素との距離が前画素の間隔の4/8である後画素を生成する際の各インデックスiの画素に対するフィルタ係数（filter4[i]）は、iが小さい方から順に、-4,36,36,-4となる。
　輝度信号および色差信号の内挿フィルタ処理は、16ビット精度に収まるようにされる。
　（インター予測のＰＵの説明）
　図１４は、インター予測のＰＵ（動き補償パーテーション）を説明する図である。
　図１４では、ＣＵが２Ｎ×２Ｎ画素であるものとする。
　インター予測のＰＵは、図１４の上段に示すようにＣＵを対称分割したり、図１４の下段に示すようにＣＵを非対称分割したりすることにより形成される。
　具体的には、インター予測のＰＵは、ＣＵそのものである２Ｎ×２Ｎ画素、ＣＵを左右対称に２分割したＮ×２Ｎ画素、またはＣＵを上下対称に２分割した２Ｎ×Ｎ画素とすることができる。但し、インター予測のＰＵは、ＣＵを上下左右対称に２分割したＮ×Ｎ画素とすることはできない。従って、例えば、８×８画素をインター予測のＰＵとする場合には、ＣＵを１６×１６画素ではなく、８×８画素にする必要がある。
　また、インター予測のＰＵは、ＣＵを左右非対称に左側が小さくなるように２分割した1/2Ｎ×２Ｎ画素（Left）、またはＣＵを左右非対称に右側が小さくなるように２分割した1/2Ｎ×２Ｎ画素（Right）とすることもできる。さらに、インター予測のＰＵは、ＣＵを上下非対称に上側が小さくなるように２分割した２Ｎ×1/2Ｎ画素（Upper）、または、ＣＵを上下非対称に下側が小さくなるように２分割した２Ｎ×1/2Ｎ画素（Lower）とすることもできる。
　インター予測の各ＰＵに対しては、独立して、動きベクトル、参照画像特定情報などが設定される。HEVC方式では、ＣＵの最小サイズが８×８画素であり、インター予測のＰＵの最小サイズは、４×８画素または８×４画素である。
　（アップサンプル部と算出部の構成例）
　図１５は、図６のアップサンプル部９１と算出部９２の構成例を示すブロック図である。
　図１５に示すように、算出部９２は、色差バッファ１１１、クラス分類部１１２、および情報算出部１１３により構成される。
　色差バッファ１１１は、図６の画面並べ替えバッファ７２から供給されるエンハンスメント画像の色差信号を保持する。
　クラス分類部１１２は、アップサンプル部９１からベース画像の色差信号の各ＰＵのイントラ予測モードを読み出し、そのＰＵをクラスに分類する。
　具体的には、ベース画像の色差信号のＰＵのイントラ予測モードに対応する参照方向が垂直方向付近である場合には、クラス分類部１１２は、そのＰＵを垂直予測のクラスに分類する。また、ベース画像の色差信号のＰＵのイントラ予測モードに対応する参照方向が水平方向付近である場合には、クラス分類部１１２は、そのＰＵを水平予測のクラスに分類する。さらに、ベース画像の色差信号のＰＵのイントラ予測モードに対応する参照方向と水平方向または垂直方向との角度が45度付近であるか、または、ベース画像の色差信号のＰＵのイントラ予測モードが、DC予測またはPlanar予測のモードである場合、そのＰＵを水平垂直予測のクラスに分類する。クラス分類部１１２は、各ＰＵのクラスを情報算出部１１３に供給する。
　情報算出部１１３は、ウィナーフィルタにより構成される。情報算出部１１３は、色差バッファ１１１からエンハンスメント画像の色差信号を読み出し、アップサンプル部９１からベース画像の色差信号を読み出す。情報算出部１１３は、クラスごとに、そのクラスに分類されたベース画像の色差信号のＰＵのアップサンプリング結果と、対応するエンハンスメント画像の色差信号との差分が最小になるように、アップサンプル部９１における内挿フィルタ処理のフィルタ係数およびオフセットを算出する。
　このように、フィルタ係数およびオフセットは、ベース画像の色差信号のアップサンプリング結果とエンハンスメント画像の色差信号との差分（予測誤差）が最小になるように算出される。従って、エンハンスメント画像のテクスチャ成分やベース画像の符号化および復号による劣化に適したフィルタ係数およびオフセットを算出することができる。
　情報算出部１１３は、ＰＵ単位で、そのＰＵのクラスのアップサンプリング情報をアップサンプル部９１に供給する。また、情報算出部１１３は、各クラスのアップサンプリング情報を図６の可逆符号化部７６に供給する。
　アップサンプル部９１は、色差バッファ１２１、シンタクスバッファ１２２、および線形内挿適応フィルタ１２３により構成される。
　アップサンプル部９１の色差バッファ１２１は、図４のベース符号化部３１から供給されるベース画像の色差信号を保持する。
　シンタクスバッファ１２２は、ベース符号化部３１から供給されるベース画像の色差信号の各ＰＵのイントラ予測モードを保持する。
　線形内挿適応フィルタ１２３は、２次元の線形内挿適応フィルタである。線形内挿適応フィルタ１２３は、ＰＵ単位で、色差バッファ１２１からベース画像の色差信号を読み出す。線形内挿適応フィルタ１２３は、ＰＵ単位で、情報算出部１１３から供給されるアップサンプリング情報を用いて、ベース画像の色差信号に対して内挿フィルタ処理を行うことにより、アップサンプリングを行う。
　なお、ベース画像の色差信号がイントラ符号化されていない場合、即ちアップサンプリング情報が情報算出部１１３から供給されない場合には、予め決められたアップサンプリング情報を用いてアップサンプリングが行われる。
　線形内挿適応フィルタ１２３は、アップサンプリング後の全ＰＵの色差信号をフレームメモリ８５に供給する。また、ベース符号化部３１から供給されるベース画像の輝度信号はそのままフレームメモリ８５に供給される。以上により、444画像がアップサンプリング後のベース画像としてフレームメモリ８５に供給される。
　（符号化装置の処理の説明）
　図１６は、図４の符号化装置３０の階層符号化処理を説明するフローチャートである。
　図１６のステップＳ１１において、符号化装置３０のベース符号化部３１は、外部から入力されたベース画像をHEVC方式で符号化し、パラメータセットを付加することによりベースストリームを生成する。そして、ベース符号化部３１は、ベースストリームを合成部３３に供給する。
　ステップＳ１２において、ベース符号化部３１は、参照画像として用いるために復号したベース画像と、そのベース画像の色差信号のイントラ予測モードとを、エンハンスメント符号化部３２に出力する。
　ステップＳ１３において、エンハンスメント符号化部３２の設定部５１（図５）は、エンハンスメント画像のパラメータセットを設定し、符号化部５２に供給する。
　ステップＳ１４において、符号化部５２は、ベース符号化部３１から供給されるベース画像を用いて、外部から入力されたエンハンスメント画像を符号化するエンハンスメント符号化処理を行う。このエンハンスメント符号化処理の詳細は、後述する図１７および図１８を参照して説明する。
　ステップＳ１５において、符号化部５２の生成部７８（図６）は、ステップＳ１４で生成された符号化データと、設定部５１から供給されるパラメータセットからエンハンスメントストリームを生成し、合成部３３に供給する。
　ステップＳ１６において、合成部３３は、ベース符号化部３１から供給されるベースストリームとエンハンスメント符号化部３２から供給されるエンハンスメントストリームを合成し、全階層の符号化ストリームを生成する。合成部３３は、全階層の符号化ストリームを伝送部３４に供給する。
　ステップＳ１７において、伝送部３４は、合成部３３から供給される全階層の符号化ストリームを後述する復号装置に伝送する。
　図１７および図１８は、図１６のステップＳ１４のエンハンスメント符号化処理の詳細を説明するフローチャートである。
　図１７のステップＳ３０において、符号化部５２のA/D変換部７１は、入力されたフレーム単位のエンハンスメント画像をA/D変換し、画面並べ替えバッファ７２に出力して記憶させる。
　ステップＳ３１において、画面並べ替えバッファ７２は、記憶した表示の順番のフレームのエンハンスメント画像を、GOP構造に応じて、符号化のための順番に並べ替える。画面並べ替えバッファ７２は、並べ替え後のフレーム単位のエンハンスメント画像を、演算部７３、イントラ予測部８７、動き予測・補償部８８、および算出部９２に供給する。
　ステップＳ３２において、符号化部５２は、ベース画像を420画像から444画像に変換するベース変換処理を行う。このベース変換処理の詳細は、後述する図１９を参照して説明する。
　ステップＳ３３において、イントラ予測部８７は、ＰＵ単位で候補となる全てのイントラ予測モードのイントラ予測処理を行う。また、イントラ予測部８７は、画面並べ替えバッファ７２から読み出されたエンハンスメント画像と、イントラ予測処理の結果生成される予測画像とに基づいて、候補となる全てのイントラ予測モードに対してコスト関数値を算出する。そして、イントラ予測部８７は、コスト関数値が最小となるイントラ予測モードを、最適イントラ予測モードに決定する。イントラ予測部８７は、最適イントラ予測モードで生成された予測画像、および、対応するコスト関数値を、予測画像選択部８９に供給する。
　また、動き予測・補償部８８は、ＰＵ単位で候補となる全てのインター予測モードの動き予測・補償処理を行う。動き予測・補償部８８は、画面並べ替えバッファ７２から供給されるエンハンスメント画像と予測画像とに基づいて、候補となる全てのインター予測モードに対してコスト関数値を算出し、コスト関数値が最小となるインター予測モードを最適インター予測モードに決定する。そして、動き予測・補償部８８は、最適インター予測モードのコスト関数値と、対応する予測画像を予測画像選択部８９に供給する。
　ステップＳ３４において、予測画像選択部８９は、イントラ予測部８７および動き予測・補償部８８から供給されるコスト関数値に基づいて、最適イントラ予測モードと最適インター予測モードのうちのコスト関数値が最小となる方を、最適予測モードに決定する。そして、予測画像選択部８９は、最適予測モードの予測画像を、演算部７３および加算部８１に供給する。
　ステップＳ３５において、予測画像選択部８９は、最適予測モードが最適インター予測モードであるかどうかを判定する。ステップＳ３５で最適予測モードが最適インター予測モードであると判定された場合、予測画像選択部８９は、最適インター予測モードで生成された予測画像の選択を動き予測・補償部８８に通知する。
　そして、ステップＳ３６において、動き予測・補償部８８は、インター予測モード情報、対応する動きベクトル、および参照画像特定情報を可逆符号化部７６に供給し、処理をステップＳ３８に進める。
　一方、ステップＳ３５で最適予測モードが最適インター予測モードではないと判定された場合、即ち最適予測モードが最適イントラ予測モードである場合、予測画像選択部８９は、最適イントラ予測モードで生成された予測画像の選択をイントラ予測部８７に通知する。
　そして、ステップＳ３７において、イントラ予測部８７は、イントラ予測モード情報を可逆符号化部７６に供給し、処理をステップＳ３８に進める。
　ステップＳ３８において、演算部７３は、画面並べ替えバッファ７２から供給されるエンハンスメント画像から、予測画像選択部８９から供給される予測画像を減算することにより符号化を行う。演算部７３は、その結果得られる画像を、残差情報として直交変換部７４に出力する。
　ステップＳ３９において、直交変換部７４は、ＴＵ単位で、演算部７３からの残差情報に対して直交変換を施し、その結果得られる直交変換係数を量子化部７５に供給する。
　ステップＳ４０において、量子化部７５は、直交変換部７４から供給される係数を量子化し、その結果得られる係数を可逆符号化部７６と逆量子化部７９に供給する。
　図１８のステップＳ４１において、逆量子化部７９は、量子化部７５から供給される量子化された係数を逆量子化し、その結果得られる直交変換係数を逆直交変換部８０に供給する。
　ステップＳ４２において、逆直交変換部８０は、ＴＵ単位で、逆量子化部７９から供給される直交変換係数に対して逆直交変換を施し、その結果得られる残差情報を加算部８１に供給する。
　ステップＳ４３において、加算部８１は、逆直交変換部８０から供給される残差情報と、予測画像選択部８９から供給される予測画像を加算し、局部的に復号されたエンハンスメント画像を得る。加算部８１は、得られたエンハンスメント画像をデブロックフィルタ８２に供給するとともに、フレームメモリ８５に供給する。
　ステップＳ４４において、デブロックフィルタ８２は、加算部８１から供給される局部的に復号されたエンハンスメント画像に対して、デブロッキングフィルタ処理を行う。デブロックフィルタ８２は、その結果得られるエンハンスメント画像を適応オフセットフィルタ８３に供給する。
　ステップＳ４５において、適応オフセットフィルタ８３は、デブロックフィルタ８２から供給されるエンハンスメント画像に対して、LCUごとに適応オフセット処理を行う。適応オフセットフィルタ８３は、オフセット情報を可逆符号化部７６に供給する。また、適応オフセットフィルタ８３は、適応オフセット処理後の画像を適応ループフィルタ８４に供給する。
　ステップＳ４６において、適応ループフィルタ８４は、適応オフセットフィルタ８３から供給されるエンハンスメント画像に対して、LCUごとに適応ループフィルタ処理を行う。適応ループフィルタ８４は、その結果得られるエンハンスメント画像をフレームメモリ８５に供給する。また、適応ループフィルタ８４は、適応ループフィルタ処理で用いられたフィルタ係数を可逆符号化部７６に供給する。
　ステップＳ４７において、フレームメモリ８５は、適応ループフィルタ８４から供給されるエンハンスメント画像と加算部８１から供給されるエンハンスメント画像を蓄積する。フレームメモリ８５に蓄積されたエンハンスメント画像は、スイッチ８６を介してイントラ予測部８７または動き予測・補償部８８に出力される。
　ステップＳ４８において、可逆符号化部７６は、イントラ予測モード情報、または、インター予測モード情報、動きベクトル、および参照画像特定情報、オフセット情報、フィルタ係数、並びに各クラスのアップサンプリング情報を、符号化情報として可逆符号化する。
　ステップＳ４９において、可逆符号化部７６は、量子化部７５から供給される量子化された係数を可逆符号化する。そして、可逆符号化部７６は、ステップＳ４８の処理で可逆符号化された符号化情報と可逆符号化された係数から、符号化データを生成し、蓄積バッファ７７に供給する。
　ステップＳ５０において、蓄積バッファ７７は、可逆符号化部７６から供給される符号化データを、一時的に蓄積する。
　ステップＳ５１において、レート制御部９０は、蓄積バッファ７７に蓄積された符号化データに基づいて、オーバーフローあるいはアンダーフローが発生しないように、量子化部７５の量子化動作のレートを制御する。
　ステップＳ５２において、蓄積バッファ７７は、記憶している符号化データを、生成部７８に出力する。そして、処理は、図１６のステップＳ１４に戻り、ステップＳ１５に進む。
　なお、図１７および図１８の符号化処理では、説明を簡単化するため、常に、イントラ予測処理と動き予測・補償処理が行われるようにしたが、実際には、ピクチャタイプ等によっていずれか一方のみが行われる場合もある。
　図１９は、図１７のステップＳ３２のベース変換処理の詳細を説明するフローチャートである。
　図１９のステップＳ７１において、算出部９２の色差バッファ１１１（図１５）は、図６の画面並べ替えバッファ７２から供給されるエンハンスメント画像の色差信号を保持する。
　ステップＳ７２において、アップサンプル部９１の色差バッファ１２１は、図４のベース符号化部３１から供給されるベース画像の色差信号を保持する。
　ステップＳ７３において、シンタクスバッファ１２２は、ベース符号化部３１から供給されるベース画像の色差信号の各ＰＵのイントラ予測モードを保持する。
　ステップＳ７４において、クラス分類部１１２は、アップサンプル部９１からベース画像の色差信号の各ＰＵのイントラ予測モードを読み出し、そのＰＵをクラスに分類する。クラス分類部１１２は、各ＰＵのクラスを情報算出部１１３に供給する。
　ステップＳ７５において、情報算出部１１３は、クラスごとに、そのクラスに分類されたＰＵのアップサンプリング結果と、対応するエンハンスメント画像の色差信号との差分が最小になるように、アップサンプリング情報を算出する。
　ステップＳ７６において、情報算出部１１３は、各クラスのアップサンプリング情報を図６の可逆符号化部７６に出力する。また、情報算出部１１３は、各ＰＵのクラスのアップサンプリング情報をアップサンプル部９１に出力する。
　ステップＳ７７において、線形内挿適応フィルタ１２３は、ＰＵ単位で、ベース画像の色差信号を読み出し、アップサンプリング情報を用いて、読み出されたＰＵに対して内挿フィルタ処理を行うことにより、アップサンプリングを行う。このアップサンプリング情報は、ベース画像の色差信号がイントラ符号化されている場合、情報算出部１１３から供給されたアップサンプリン情報であり、イントラ符号化されていない場合、予め決められたアップサンプリング情報である。
　ステップＳ７８において、線形内挿適応フィルタ１２３は、アップサンプリング後のベース画像の色差信号をフレームメモリ８５に出力する。ステップＳ７９において、アップサンプル部９１は、ベース符号化部３１から供給されるベース画像の輝度信号をそのままフレームメモリ８５に出力する。
　これにより、フレームメモリ８５には、444画像であるアップサンプリング後のベース画像が蓄積される。フレームメモリ８５に蓄積されたベース画像は、スイッチ８６を介して動き予測・補償部８８に出力される。ステップＳ７９の処理後、処理は図１７のステップＳ３２に戻り、ステップＳ３３に進む。
　以上のように、符号化装置３０は、ベース画像の色差信号のイントラ予測モードに基づいてベース画像の色差信号をアップサンプリングするので、アップサンプリングの精度を高めることができる。
　即ち、ベース画像の色差信号のイントラ予測モードによって、そのベース画像の水平方向および垂直方向の周波数特性が異なる。
　例えば、ベース画像の色差信号のイントラ予測モードが垂直予測のイントラ予測モードである場合、そのベース画像には、水平方向の高域成分が含まれるが、垂直方向の高域成分は含まれない。一方、ベース画像の色差信号のイントラ予測モードが水平予測のイントラ予測モードである場合、そのベース画像には、垂直方向の高域成分が含まれるが、水平方向の高域成分は含まれない。また、ベース画像の色差信号のイントラ予測モードが、DC予測のモード、Planer予測のモード、または、参照方向と水平方向または垂直方向との角度が45度付近である予測のイントラ予測モードである場合、そのベース画像には、水平方向および垂直方向の高域成分は含まれない。
　従って、イントラ予測モードに基づいてベース画像の色差信号のアップサンプリングを行うことにより、その色差信号の周波数特性に適したアップサンプリングを行うことができる。よって、アップサンプリングの精度が向上する。その結果、エンハンスメント画像の色差信号の予測精度が向上し、エンハンスメント画像の符号化効率が向上する。
　（復号装置の第１実施の形態の構成例）
　図２０は、図４の符号化装置３０から伝送される全階層の符号化ストリームを復号する、本開示を適用した復号装置の第１実施の形態の構成例を示すブロック図である。
　図２０の復号装置１６０は、受け取り部１６１、分離部１６２、ベース復号部１６３、およびエンハンスメント復号部１６４により構成される。
　受け取り部１６１は、図４の符号化装置３０から伝送されてくる全階層の符号化ストリームを受け取り、分離部１６２に供給する。
　分離部１６２は、受け取り部１６１から供給される全階層の符号化ストリームからベースストリームを分離してベース復号部１６３に供給し、エンハンスメントストリームを分離してエンハンスメント復号部１６４に供給する。
　ベース復号部１６３は、HEVC方式の復号装置と同様に構成され、分離部１６２から供給されるベースストリームをHEVC方式で復号し、ベース画像を生成する。ベース復号部１６３は、ベース画像とベース画像の色差信号のイントラ予測モードをエンハンスメント復号部１６４に供給する。また、ベース復号部１６３は、ベース画像を出力する。
　エンハンスメント復号部１６４は、分離部１６２から供給されるエンハンスメントストリームをHEVC方式に準ずる方式で復号し、エンハンスメント画像を生成する。このとき、エンハンスメント復号部１６４は、ベース復号部１６３から供給されるベース画像とベース画像の色差信号のイントラ予測モードを参照する。エンハンスメント復号部１６４は、生成されたエンハンスメント画像を出力する。
　（エンハンスメント復号部の構成例）
　図２１は、図２０のエンハンスメント復号部１６４の構成例を示すブロック図である。
　図２１のエンハンスメント復号部１６４は、抽出部１８１と復号部１８２により構成される。
　エンハンスメント復号部１６４の抽出部１８１は、図２０の分離部１６２から供給されるエンハンスメントストリームから、パラメータセットと符号化データを抽出し、復号部１８２に供給する。
　復号部１８２は、図２０のベース復号部１６３から供給されるベース画像とベース画像の色差信号のイントラ予測モードを参照して、抽出部１８１から供給される符号化データをHEVC方式に準ずる方式で復号する。このとき、復号部１８２は、必要に応じて、抽出部１８１から供給されるパラメータセットも参照する。復号部１８２は、復号の結果得られるエンハンスメント画像を出力する。
　（復号部の構成例）
　図２２は、図２１の復号部１８２の構成例を示すブロック図である。
　図２２の復号部１８２は、蓄積バッファ２０１、可逆復号部２０２、逆量子化部２０３、逆直交変換部２０４、加算部２０５、デブロックフィルタ２０６、適応オフセットフィルタ２０７、適応ループフィルタ２０８、画面並べ替えバッファ２０９、D/A変換部２１０、フレームメモリ２１１、スイッチ２１２、イントラ予測部２１３、動き補償部２１４、スイッチ２１５、アップサンプル部２１６、および設定部２１７により構成される。
　復号部１８２の蓄積バッファ２０１は、図２１の抽出部１８１から符号化データを受け取り、蓄積する。蓄積バッファ２０１は、蓄積されている符号化データを可逆復号部２０２に供給する。
　可逆復号部２０２は、蓄積バッファ２０１からの符号化データに対して、図６の可逆符号化部７６の可逆符号化に対応する、可変長復号や、算術復号等の可逆復号を施すことで、量子化された係数と符号化情報を得る。可逆復号部２０２は、量子化された係数を逆量子化部２０３に供給する。また、可逆復号部２０２は、符号化情報としてのイントラ予測モード情報をイントラ予測部２１３に供給し、インター予測モード情報、動きベクトル、参照画像特定情報などを動き補償部２１４に供給する。
　また、可逆復号部２０２は、符号化情報にインター予測モード情報が含まれない場合、スイッチ２１５にイントラ予測部２１３の選択を指示し、インター予測モード情報が含まれる場合、スイッチ２１５に動き補償部２１４の選択を指示する。可逆復号部２０２は、符号化情報としてのオフセット情報を適応オフセットフィルタ２０７に供給し、フィルタ係数を適応ループフィルタ２０８に供給する。さらに、可逆復号部２０２は、符号化情報としての各クラスのアップサンプリング情報を設定部２１７に供給する。
　逆量子化部２０３、逆直交変換部２０４、加算部２０５、デブロックフィルタ２０６、適応オフセットフィルタ２０７、適応ループフィルタ２０８、フレームメモリ２１１、スイッチ２１２、イントラ予測部２１３、動き補償部２１４、アップサンプル部２１６、および設定部２１７は、図６の逆量子化部７９、逆直交変換部８０、加算部８１、デブロックフィルタ８２、適応オフセットフィルタ８３、適応ループフィルタ８４、フレームメモリ８５、スイッチ８６、イントラ予測部８７、動き予測・補償部８８、アップサンプル部９１、および算出部９２とそれぞれ同様の処理を行い、これにより、画像が復号される。
　具体的には、逆量子化部２０３は、可逆復号部２０２からの量子化された係数を逆量子化し、その結果得られる直交変換係数を逆直交変換部２０４に供給する。
　逆直交変換部２０４は、ＴＵ単位で、逆量子化部２０３からの直交変換係数に対して逆直交変換を行う。逆直交変換部２０４は、逆直交変換の結果得られる残差情報を加算部２０５に供給する。
　加算部２０５は、復号部として機能し、逆直交変換部２０４から供給される復号対象の画像としての残差情報と、スイッチ２１５から供給される予測画像を加算することにより、復号を行う。加算部２０５は、復号の結果得られるエンハンスメント画像をデブロックフィルタ２０６に供給するとともに、フレームメモリ２１１に供給する。なお、スイッチ２１５から予測画像が供給されない場合、加算部２０５は、逆直交変換部２０４から供給される残差情報である画像を復号の結果得られるエンハンスメント画像として、デブロックフィルタ２０６に供給するとともに、フレームメモリ２１１に供給して蓄積させる。
　デブロックフィルタ２０６は、加算部２０５から供給されるエンハンスメント画像に対してデブロッキングフィルタ処理を行い、その結果得られるエンハンスメント画像を適応オフセットフィルタ２０７に供給する。
　適応オフセットフィルタ２０７は、可逆復号部２０２から供給されるオフセット情報を用いて、LCUごとに、デブロックフィルタ２０６からのエンハンスメント画像に対して適応オフセット処理を行う。適応オフセットフィルタ２０７は、適応オフセット処理後のエンハンスメント画像を適応ループフィルタ２０８に供給する。
　適応ループフィルタ２０８は、適応オフセットフィルタ２０７から供給されるエンハンスメント画像に対して、可逆復号部２０２から供給されるフィルタ係数を用いて、LCUごとに適応ループフィルタ処理を行う。適応ループフィルタ２０８は、その結果得られるエンハンスメント画像をフレームメモリ２１１および画面並べ替えバッファ２０９に供給する。
　画面並べ替えバッファ２０９は、適応ループフィルタ２０８から供給されるエンハンスメント画像をフレーム単位で記憶する。画面並べ替えバッファ２０９は、記憶した符号化のための順番のフレーム単位のエンハンスメント画像を、元の表示の順番に並び替え、D/A変換部２１０に供給する。
　D/A変換部２１０は、画面並べ替えバッファ２０９から供給されるフレーム単位のエンハンスメント画像をD/A変換し、出力する。
　フレームメモリ２１１は、適応ループフィルタ２０８および加算部２０５から供給されるエンハンスメント画像と、アップサンプル部２１６から供給されるベース画像とを蓄積する。フレームメモリ２１１に蓄積されたベース画像やエンハンスメント画像は読み出され、スイッチ２１２を介してイントラ予測部２１３または動き補償部２１４に供給される。
　イントラ予測部２１３は、ＰＵ単位で、フレームメモリ２１１からスイッチ２１２を介して読み出された参照画素を用いて、可逆復号部２０２から供給されるイントラ予測モード情報が示す最適イントラ予測モードのイントラ予測を行う。イントラ予測部２１３は、その結果生成される予測画像をスイッチ２１５に供給する。
　動き補償部２１４は、フレームメモリ２１１からスイッチ２１２を介して、可逆復号部２０２から供給される参照画像特定情報により特定される参照画像を読み出す。動き補償部２１４は、２次元の線形内挿適応フィルタを有する。動き補償部２１４は、２次元の線形内挿適応フィルタを用いて、参照画像に対して内挿フィルタ処理を行うことにより、参照画像を高解像度化する。動き補償部２１４は、高解像度化された参照画像と可逆復号部２０２から供給される動きベクトルとを用いて、ＰＵ単位で、可逆復号部２０２から供給されるインター予測モード情報が示す最適インター予測モードの動き補償処理を行う。動き補償部２１４は、その結果生成される予測画像をスイッチ２１５に供給する。
　スイッチ２１５は、可逆復号部２０２からイントラ予測部２１３の選択が指示された場合、イントラ予測部２１３から供給される予測画像を加算部２０５に供給する。一方、可逆復号部２０２から動き補償部２１４の選択が指示された場合、スイッチ２１５は、動き補償部２１４から供給される予測画像を加算部２０５に供給する。
　アップサンプル部２１６は、図２０のベース復号部１６３から供給されるベース画像とベース画像の色差信号の各ＰＵのイントラ予測モードを取得する。アップサンプル部２１６は、ベース画像の色差信号の各ＰＵのイントラ予測モードを設定部２１７に供給する。
　また、アップサンプル部２１６は、動き補償部２１４と同様の２次元の線形内挿適応フィルタを有する。アップサンプル部２１６は、２次元の線形内挿適応フィルタにより、ＰＵ単位で、設定部２１７から供給されるアップサンプリング情報を用いて、ベース画像の色差信号をアップサンプリングする。アップサンプル部２１６は、アップサンプリングにより生成された444画像を、アップサンプリング後のベース画像としてフレームメモリ２１１に供給する。
　設定部２１７は、ＰＵごとに、アップサンプル部２１６から供給されるイントラ予測モードに基づいて、ベース画像の色差信号をクラスに分類する。設定部２１７は、可逆復号部２０２から供給される各クラスのアップサンプリング情報のうちの、各ＰＵのクラスのアップサンプリング情報をアップサンプル部２１６に供給する。
　なお、動き補償部２１４の２次元の線形内挿適応フィルタとアップサンプル部２１６の２次元の線形内挿適応フィルタは共通化されてもよい。
　（アップサンプル部と設定部の構成例）
　図２３は、図２２のアップサンプル部２１６と設定部２１７の構成例を示すブロック図である。
　図２３に示すように、設定部２１７は、バッファ２３１とクラス分類部２３２により構成される。
　設定部２１７のバッファ２３１は、図２２の可逆復号部２０２から供給される各クラスのアップサンプリング情報を保持する。また、バッファ２３１は、保持している各クラスのアップサンプリング情報のうちの、クラス分類部２３２から供給されるクラスのアップサンプリング情報を読み出し、アップサンプル部２１６に供給する。
　クラス分類部２３２は、アップサンプル部２１６からベース画像の色差信号の各ＰＵのイントラ予測モードを読み出す。クラス分類部２３２は、図１５のクラス分類部１１２と同様に、各ＰＵのイントラ予測モードに基づいて、そのＰＵをクラスに分類する。クラス分類部２３２は、各ＰＵのクラスをバッファ２３１に供給する。
　アップサンプル部２１６は、色差バッファ２４１、シンタクスバッファ２４２、および線形内挿適応フィルタ２４３により構成される。色差バッファ２４１、シンタクスバッファ２４２、および線形内挿適応フィルタ２４３は、図１５の色差バッファ１２１、シンタクスバッファ１２２、および線形内挿適応フィルタ１２３と同様であるので、説明は省略する。
　（復号装置の処理の説明）
　図２４は、図２０の復号装置１６０の階層復号処理を説明するフローチャートである。
　図２４のステップＳ１１１において、復号装置１６０の受け取り部１６１は、図４の符号化装置３０から伝送されてくる全階層の符号化ストリームを受け取り、分離部１６２に供給する。
　ステップＳ１１２において、分離部１６２は、全階層の符号化ストリームからベースストリームとエンハンスメントストリームを分離する。分離部１６２は、ベースストリームをベース復号部１６３に供給し、エンハンスメントストリームをエンハンスメント復号部１６４に供給する。
　ステップＳ１１３において、ベース復号部１６３は、分離部１６２から供給されるベースストリームをHEVC方式で復号し、ベース画像を生成する。ベース復号部１６３は、生成されたベース画像を出力する。また、ベース復号部１６３は、ベース画像とベース画像の色差信号のイントラ予測モードをエンハンスメント復号部１６４に供給する。
　ステップＳ１１４において、エンハンスメント復号部１６４の抽出部１８１（図２１）は、分離部１６２から供給されるエンハンスメントストリームからパラメータセットと符号化データを抽出する。
　ステップＳ１１５において、復号部１８２は、ベース復号部１６３からのベース画像とベース画像の色差信号のイントラ予測モードを参照して、抽出部１８１からの符号化データをHEVC方式に準ずる方式で復号するエンハンスメント復号処理を行う。このエンハンスメント復号処理の詳細は、後述する図２５を参照して説明する。そして、処理は終了する。
　図２５は、図２４のステップＳ１１５のエンハンスメント復号処理の詳細を説明するフローチャートである。
　図２５のステップＳ１３０において、エンハンスメント復号部１８２の蓄積バッファ２０１（図２２）は、図２１の抽出部１８１からフレーム単位の符号化データを受け取り、蓄積する。蓄積バッファ２０１は、蓄積されている符号化データを可逆復号部２０２に供給する。
　ステップＳ１３１において、可逆復号部２０２は、蓄積バッファ２０１からの符号化データを可逆復号し、量子化された係数と符号化情報を得る。可逆復号部２０２は、量子化された係数を逆量子化部２０３に供給する。また、可逆復号部２０２は、符号化情報としてのイントラ予測モード情報をイントラ予測部２１３に供給し、インター予測モード情報、動きベクトル、参照画像特定情報などを動き補償部２１４に供給する。
　また、可逆復号部２０２は、符号化情報にインター予測モード情報が含まれない場合、スイッチ２１５にイントラ予測部２１３の選択を指示し、インター予測モード情報が含まれる場合、スイッチ２１５に動き補償部２１４の選択を指示する。可逆復号部２０２は、符号化情報としてのオフセット情報を適応オフセットフィルタ２０７に供給し、フィルタ係数を適応ループフィルタ２０８に供給する。さらに、可逆復号部２０２は、符号化情報としてのアップサンプル情報を設定部２１７に供給する。
　ステップＳ１３２において、復号部１８２は、ベース変換処理を行う。このベース変換処理の詳細は、後述する図２６を参照して説明する。
　ステップＳ１３３において、逆量子化部２０３は、可逆復号部２０２からの量子化された係数を逆量子化し、その結果得られる直交変換係数を逆直交変換部２０４に供給する。ステップＳ１３４において、逆直交変換部２０４は、逆量子化部２０３からの直交変換係数に対して逆直交変換を施し、その結果得られる残差情報を加算部２０５に供給する。
　ステップＳ１３５において、動き補償部２１４は、可逆復号部２０２からインター予測モード情報が供給されたかどうかを判定する。ステップＳ１３５でインター予測モード情報が供給されたと判定された場合、処理はステップＳ１３６に進む。
　ステップＳ１３６において、動き補償部２１４は、ＰＵ単位で、可逆復号部２０２から供給される参照画像特定情報に基づいて参照画像を読み出し、動きベクトルと参照画像を用いて、インター予測モード情報が示す最適インター予測モードの動き補償処理を行う。動き補償部２１４は、その結果生成される予測画像を、スイッチ２１５を介して加算部２０５に供給し、処理をステップＳ１３８に進める。
　一方、ステップＳ１３５でインター予測モード情報が供給されていないと判定された場合、即ちイントラ予測モード情報がイントラ予測部２１３に供給された場合、処理はステップＳ１３７に進む。
　ステップＳ１３７において、イントラ予測部２１３は、ＰＵ単位で、フレームメモリ２１１からスイッチ２１２を介して読み出されたＰＵの周辺の画素を用いて、イントラ予測モード情報が示す最適イントラ予測モードのイントラ予測処理を行う。イントラ予測部２１３は、その結果生成される予測画像を、スイッチ２１５を介して加算部２０５に供給し、処理をステップＳ１３８に進める。
　ステップＳ１３８において、加算部２０５は、逆直交変換部２０４から供給される残差情報と、スイッチ２１５から供給される予測画像を加算する。加算部２０５は、その結果得られるエンハンスメント画像をデブロックフィルタ２０６に供給するとともに、フレームメモリ２１１に供給する。
　ステップＳ１３９において、デブロックフィルタ２０６は、加算部２０５から供給されるエンハンスメント画像に対してデブロッキングフィルタ処理を行い、ブロック歪を除去する。デブロックフィルタ２０６は、その結果得られるエンハンスメント画像を適応オフセットフィルタ２０７に供給する。
　ステップＳ１４０において、適応オフセットフィルタ２０７は、可逆復号部２０２から供給されるオフセット情報を用いて、LCUごとに、デブロックフィルタ２０６からのエンハンスメント画像に対して適応オフセット処理を行う。適応オフセットフィルタ２０７は、適応オフセット処理後のエンハンスメント画像を適応ループフィルタ２０８に供給する。
　ステップＳ１４１において、適応ループフィルタ２０８は、適応オフセットフィルタ２０７から供給されるエンハンスメント画像に対して、可逆復号部２０２から供給されるフィルタ係数を用いて、LCUごとに適応ループフィルタ処理を行う。適応ループフィルタ２０８は、その結果得られるエンハンスメント画像をフレームメモリ２１１および画面並べ替えバッファ２０９に供給する。
　ステップＳ１４２において、フレームメモリ２１１は、加算部２０５から供給されるエンハンスメント画像と適応ループフィルタ２０８から供給されるエンハンスメント画像を蓄積する。フレームメモリ２１１に蓄積されたエンハンスメント画像は、スイッチ２１２を介してイントラ予測部２１３または動き補償部２１４に供給される。
　ステップＳ１４３において、画面並べ替えバッファ２０９は、適応ループフィルタ２０８から供給されるエンハンスメント画像をフレーム単位で記憶し、記憶した符号化のための順番のフレーム単位のエンハンスメント画像を、元の表示の順番に並び替え、D/A変換部２１０に供給する。
　ステップＳ１４４において、D/A変換部２１０は、画面並べ替えバッファ２０９から供給されるフレーム単位のエンハンスメント画像をD/A変換し、出力する。そして、処理は、図２４のステップＳ１１５に戻り、終了する。
　図２６は、図２５のステップＳ１３２のベース変換処理の詳細を説明するフローチャートである。
　図２６のステップＳ１６１において、設定部２１７のバッファ２３１（図２３）は、図２２の可逆復号部２０２から供給される各クラスのアップサンプリング情報を保持する。
　ステップＳ１６２において、アップサンプル部２１６の色差バッファ２４１は、図２０のベース復号部１６３から供給されるベース画像の色差信号を保持する。ステップＳ１６３において、シンタクスバッファ２４２は、ベース復号部１６３から供給されるベース画像の色差信号のイントラ予測モードを保持する。
　ステップＳ１６４において、クラス分類部２３２は、アップサンプル部２１６からベース画像の色差信号の各ＰＵのイントラ予測モードを読み出し、そのイントラ予測モードに基づいて、各ＰＵをクラスに分類する。クラス分類部２３２は、各ＰＵのクラスをバッファ２３１に供給する。
　ステップＳ１６５において、バッファ２３１は、保持している各クラスのアップサンプリング情報のうちの、クラス分類部２３２から供給されるクラスのアップサンプリング情報を読み出し、アップサンプル部２１６に出力する。
　ステップＳ１６６において、線形内挿適応フィルタ２４３は、ＰＵ単位で、ベース画像の色差信号を読み出し、アップサンプリング情報を用いて、読み出されたＰＵに対して内挿フィルタ処理を行うことにより、アップサンプリングを行う。このアップサンプリング情報は、ベース画像の色差信号がイントラ符号化されている場合、バッファ２３１から出力されたアップサンプリン情報であり、イントラ符号化されていない場合、予め決められたアップサンプリング情報である。
　ステップＳ１６７において、線形内挿適応フィルタ２４３は、アップサンプリング後のベース画像の色差信号をフレームメモリ２１１に出力する。ステップＳ１６８において、アップサンプル部９１は、ベース復号部１６３から供給されるベース画像の輝度信号をそのままフレームメモリ２１１に出力する。
　これにより、フレームメモリ２１１には、444画像であるアップサンプリング後のベース画像が蓄積される。フレームメモリ２１１に蓄積されたベース画像は、スイッチ２１２を介して動き補償部２１４に供給される。ステップＳ１６８の処理後、処理は図２５のステップＳ１３２に戻り、ステップＳ１３３に進む。
　以上のように、復号装置１６０は、符号化装置３０と同様に、ベース画像の色差信号のイントラ予測モードに基づいてベース画像の色差信号をアップサンプリングする。従って、符号化装置３０により符号化効率が向上するようにクロマスケーラブル符号化された符号化ストリームを復号することができる。
　なお、第１実施の形態では、イントラ予測モードに基づいてベース画像の色差信号がクラスに分類されたが、ＣＵのサイズに基づいてベース画像の色差信号がクラスに分類されるようにしてもよい。
　即ち、一般的に、高周波成分を含まないフラットな領域のＣＵのサイズは大きくされ、高周波成分を含むテクスチャ領域のＣＵのサイズは小さくされる。従って、ＣＵのサイズに基づいてベース画像の色差信号のアップサンプリングを行うことにより、その色差信号の周波数特性に適したアップサンプリングを行うことができる。その結果、クロマスケーラブル符号化におけるエンハンスメント画像の符号化効率を向上させることができる。
　また、第１実施の形態において、イントラ予測モードとＣＵ(符号化単位)のサイズの両方に基づいてベース画像の色差信号がクラスに分類されるようにしてもよい。
　さらに、第１実施の形態において、アップサンプリング情報は、符号化データに設定されるのではなく、PPS等のパラメータセットに設定されるようにしてもよい。
　＜第２実施の形態＞
　（符号化部の構成例）
　本開示を適用した符号化装置の第２実施の形態は、符号化部５２を除いて図４の符号化装置３０と同様であるので、符号化部５２についてのみ説明する。
　図２７は、本開示を適用した符号化装置の第２実施の形態の符号化部５２の構成例を示すブロック図である。
　図２７に示す構成のうち、図６の構成と同じ構成には同じ符号を付してある。重複する説明については適宜省略する。
　図２７の符号化部５２の構成は、アップサンプル部９１、算出部９２、可逆符号化部７６の代わりに、アップサンプル部２６１、選択部２６２、可逆符号化部２６３が設けられる点が図６の構成と異なる。符号化部５２は、２次元の線形内挿固定フィルタを用いてベース画像の色差信号のアップサンプリングを行い、その線形内挿固定フィルタのタップ数をベース画像の色差信号のイントラ予測モードに応じて選択する。
　具体的には、符号化部５２のアップサンプル部２６１は、図４のベース符号化部３１から供給されるベース画像と、そのベース画像の色差信号の各ＰＵのイントラ予測モードとを取得する。アップサンプル部２６１は、ベース画像の色差信号と各ＰＵのイントラ予測モードを選択部２６２に供給する。
　また、アップサンプル部２６１は、２次元の線形内挿固定フィルタを有する。アップサンプル部２６１は、２次元の線形内挿固定フィルタにより、ＰＵ単位で、ベース画像の色差信号に対して、予め決められたフィルタ係数を用いて選択部２６２からのタップ数の内挿フィルタ処理を行うことにより、アップサンプリングを行う。アップサンプル部２６１は、アップサンプリングにより生成された444画像を、アップサンプリング後のベース画像としてフレームメモリ８５に供給する。
　選択部２６２は、ＰＵごとに、アップサンプル部２６１から供給されるイントラ予測モードに基づいて、図６の算出部９２と同様にベース画像の色差信号をクラスに分類する。選択部２６２は、分類されたクラスに基づいて、アップサンプル部２６１における内挿フィルタ処理のタップ数を、所定の候補（第２実施の形態では、２および４）から選択する。選択部２６２は、ＰＵごとに、そのＰＵのクラスのタップ数をアップサンプル部２６１に供給する。
　可逆符号化部２６３は、イントラ予測モード情報をイントラ予測部８７から取得する。また、可逆符号化部２６３は、動き予測・補償部８８からインター予測モード情報、動きベクトル、参照画像特定情報などを取得する。さらに、可逆符号化部２６３は、適応オフセットフィルタ８３からオフセット情報を取得し、適応ループフィルタ８４からフィルタ係数を取得する。
　可逆符号化部２６３は、量子化部７５から供給される量子化された係数に対して可逆符号化を行う。また、可逆符号化部２６３は、イントラ予測モード情報、または、インター予測モード情報、動きベクトル、および参照画像特定情報、オフセット情報、並びにフィルタ係数を、符号化情報として可逆符号化する。可逆符号化部２６３は、可逆符号化された符号化情報と可逆符号化された係数を符号化データとして蓄積バッファ７７に供給し、蓄積させる。
　（アップサンプル部と選択部の構成例）
　図２８は、図２７のアップサンプル部２６１と選択部２６２の構成例を示すブロック図である。
　図２８に示す構成のうち、図１５の構成と同じ構成には同じ符号を付してある。重複する説明については適宜省略する。
　図２８の選択部２６２の構成は、色差バッファ１１１が設けられない点、および情報算出部１１３の代わりにタップ数選択部２８１が設けられる点が、図１５の算出部９２の構成と異なる。
　タップ数選択部２８１は、クラス分類部１１２から供給される各ＰＵのクラスに基づいて、そのＰＵに対する内挿フィルタ処理のタップ数を所定の候補から選択する。タップ数選択部２８１は、選択されたタップ数をアップサンプル部２６１に供給する。
　図２８のアップサンプル部２６１の構成は、線形内挿適応フィルタ１２３の代わりに線形内挿固定フィルタ２９１が設けられる点が、図１５のアップサンプル部９１の構成と異なる。
　線形内挿固定フィルタ２９１は、２次元の線形内挿固定フィルタである。線形内挿固定フィルタ２９１には、予めフィルタ係数が設定されている。線形内挿固定フィルタ２９１は、ＰＵ単位で、色差バッファ１２１からベース画像の色差信号を読み出す。線形内挿固定フィルタ２９１は、ＰＵ単位で、予め設定されたフィルタ係数を用いて、タップ数選択部２８１からのタップ数の内挿フィルタ処理を行うことにより、アップサンプリングを行う。
　なお、ベース画像の色差信号がイントラ符号化されていない場合には、即ちタップ数がタップ数選択部２８１から供給されない場合には、予め決められたタップ数に基づいてアップサンプリングが行われる。
　線形内挿固定フィルタ２９１は、アップサンプリング後の全ＰＵの色差信号をフレームメモリ８５に供給する。また、ベース符号化部３１から供給されるベース画像の輝度信号はそのままフレームメモリ８５に供給される。以上により、444画像がアップサンプリング後のベース画像としてフレームメモリ８５に供給される。
　（タップ数の選択の説明）
　図２９は、図２８のタップ数選択部２８１によるタップ数の選択を説明する図である。
　図２９において、斜線が付されていない矩形は、ベース画像の色差信号のＰＵを表し、斜線が付された矩形は、そのＰＵの周辺の符号化済みの画素群を表している。
　図２９に示すように、ベース画像の色差信号のＰＵのイントラ予測モードに対応する参照方向が垂直方向付近であり、そのＰＵが垂直予測のクラスに分類される場合、そのＰＵには、垂直方向の高域成分が含まれない。従って、垂直予測のクラスの垂直方向のタップ数としては、所定の候補のうちの小さい方である２が選択される。また、この場合、ＰＵには、水平方向の高域成分は含まれる。従って、水平予測のクラスの水平方向のタップ数としては、所定の候補のうちの大きい方である４が選択される。
　一方、図示は省略するが、ベース画像の色差信号のＰＵのイントラ予測モードに対応する参照方向が水平方向付近であり、そのＰＵが水平予測のクラスに分類される場合、そのＰＵには、水平方向の高域成分が含まれない。従って、水平予測のクラスの水平方向のタップ数としては、所定の候補のうちの小さい方である２が選択される。また、この場合、ＰＵには、垂直方向の高域成分は含まれる。従って、水平予測のクラスの垂直方向のタップ数としては、所定の候補のうちの大きい方である４が選択される。
　また、ＰＵが水平垂直予測のクラスに分類される場合、そのＰＵには、水平方向および垂直方向の高域成分が含まれない。従って、水平垂直予測のクラスの水平方向および垂直方向のタップ数としては、両方とも２が選択される。
　（符号化装置の処理の説明）
　本開示を適用した符号化装置の第２実施の形態の階層符号化処理は、ベース変換処理を除いて図１６乃至図１９を参照して説明した階層符号化処理と同様である。従って、以下では、ベース変換処理についてのみ説明する。
　図３０は、本開示を適用した符号化装置の第２実施の形態のベース変換処理を説明するフローチャートである。
　図３０のステップＳ１８１乃至Ｓ１８３の処理は、図１９のステップＳ７２乃至Ｓ７４の処理と同様であるので、説明は省略する。
　ステップＳ１８４において、タップ数選択部２８１（図２８）は、クラス分類部１１２から供給される各ＰＵのクラスに基づいて、そのＰＵに対する内挿フィルタ処理のタップ数を、所定の候補から選択する。タップ数選択部２８１は、選択されたタップ数をアップサンプル部２６１に供給する。
　ステップＳ１８５において、線形内挿固定フィルタ２９１は、ＰＵ単位で、色差バッファ１２１からベース画像の色差信号を読み出し、タップ数選択部２８１により選択されたタップ数の内挿フィルタ処理を行うことにより、アップサンプリングを行う。
　ステップＳ１８６およびＳ１８７の処理は、図１９のステップＳ７８およびＳ７９の処理と同様であるので、説明は省略する。
　以上のように、本開示を適用した符号化装置の第２実施の形態は、ベース画像の色差信号のイントラ予測モードに基づいて内挿フィルタ処理のタップ数を選択し、ベース画像の色差信号に対して選択されたタップ数の内挿フィルタ処理を行うことにより、アップサンプリングを行う。従って、アップサンプリングの精度を高めることができる。
　即ち、上述したように、ベース画像の色差信号のイントラ予測モードによって、そのベース画像の水平方向および垂直方向の周波数特性が異なる。従って、イントラ予測モードに基づいてベース画像の色差信号のアップサンプリングのタップ数を選択することにより、その色差信号の周波数特性に適したアップサンプリングを行うことができる。よって、アップサンプリングの精度が向上する。その結果、エンハンスメント画像の色差信号の予測精度が向上し、エンハンスメント画像の符号化効率が向上する。
　（復号部の構成例）
　本開示を適用した符号化装置の第２実施の形態から伝送される全階層の符号化ストリームを復号する、本開示を適用した復号装置の第２実施の形態は、復号部１８２を除いて図２０の復号装置１６０と同様であるので、復号部１８２についてのみ説明する。
　図３１は、本開示を適用した復号装置の第２実施の形態の復号部１８２の構成例を示すブロック図である。
　図３１に示す構成のうち、図２２の構成と同じ構成には同じ符号を付してある。重複する説明については適宜省略する。
　図３１の復号部１８２の構成は、可逆復号部２０２、アップサンプル部２１６、設定部２１７の代わりに、可逆復号部３１１、アップサンプル部３１２、選択部３１３が設けられる点が、図２２の構成と異なる。復号部１８２は、２次元の線形内挿固定フィルタを用いてベース画像の色差信号のアップサンプリングを行い、その線形内挿固定フィルタのタップ数をベース画像の色差信号のイントラ予測モードに応じて選択する。
　具体的には、復号部１８２の可逆復号部３１１は、蓄積バッファ２０１からの符号化データに対して、図２７の可逆符号化部２６３の可逆符号化に対応する可逆復号を施すことで、量子化された係数と符号化情報を得る。可逆復号部３１１は、量子化された係数を逆量子化部２０３に供給する。また、可逆復号部３１１は、符号化情報としてのイントラ予測モード情報をイントラ予測部２１３に供給し、インター予測モード情報、動きベクトル、参照画像特定情報などを動き補償部２１４に供給する。
　また、可逆復号部３１１は、符号化情報にインター予測モード情報が含まれない場合、スイッチ２１５にイントラ予測部２１３の選択を指示し、インター予測モード情報が含まれる場合、スイッチ２１５に動き補償部２１４の選択を指示する。可逆復号部３１１は、符号化情報としてのオフセット情報を適応オフセットフィルタ２０７に供給し、フィルタ係数を適応ループフィルタ２０８に供給する。
　アップサンプル部３１２は、図２８のアップサンプル部２６１と同様に構成される。アップサンプル部３１２は、図２０のベース復号部１６３から供給されるベース画像とベース画像の色差信号の各ＰＵのイントラ予測モードを取得する。アップサンプル部３１２は、ベース画像の色差信号の各ＰＵのイントラ予測モードを選択部３１３に供給する。
　また、アップサンプル部３１２は、２次元の線形内挿固定フィルタを有する。アップサンプル部３１２は、２次元の線形内挿固定フィルタにより、ＰＵ単位で、予め決められたフィルタ係数を用いて選択部３１３からのタップ数の内挿フィルタ処理を行うことにより、ベース画像をアップサンプリングする。アップサンプル部３１２は、アップサンプリングにより生成された444画像を、アップサンプリング後のベース画像としてフレームメモリ２１１に供給する。
　選択部３１３は、図２８の選択部２６２と同様に構成される。選択部３１３は、ＰＵごとに、アップサンプル部３１２から供給されるイントラ予測モードに基づいて、ベース画像の色差信号をクラスに分類する。選択部３１３は、分類されたクラスに基づいて、アップサンプル部３１２における内挿フィルタ処理のタップ数を、所定の候補（第２実施の形態では、２および４）から選択する。選択部３１３は、ＰＵごとに、そのＰＵのクラスのタップ数をアップサンプル部３１２に供給する。
　（復号装置の処理の説明）
　本開示を適用した復号装置の第２実施の形態の階層復号処理は、ベース変換処理を除いて図２４乃至図２６を参照して説明した階層復号処理と同様である。このベース変換処理は、図３０で説明したベース変換処理と同様であるので、説明は省略する。
　以上のように、本開示を適用した復号装置の第２実施の形態は、本開示を適用した符号化装置の第２実施の形態と同様に、ベース画像の色差信号に対して、イントラ予測モードに基づくタップ数の内挿フィルタ処理を行うことにより、アップサンプリングを行う。従って、本開示を適用した符号化装置の第２実施の形態により符号化効率が向上するようにクロマスケーラブル符号化された符号化ストリームを復号することができる。
　なお、第２実施の形態では、第１実施の形態と同様に、イントラ予測モードに基づいてベース画像の色差信号がクラスに分類されたが、ＣＵのサイズに基づいてベース画像の色差信号がクラスに分類されるようにしてもよい。
　この場合、ＣＵのサイズが大きい場合には小さいタップ数が選択され、ＣＵのサイズが小さい場合には大きいタップ数が選択される。上述したように、一般的に、ＣＵのサイズが大きい場合高周波数成分が含まれておらず、ＣＵのサイズが小さい場合高周波数成分が含まれているので、このような選択により、色差信号の周波数特性に適したアップサンプリングを行うことができる。その結果、クロマスケーラブル符号化におけるエンハンスメント画像の符号化効率を向上させることができる。
　また、第２実施の形態において、イントラ予測モードとＣＵのサイズの両方に基づいてベース画像の色差信号がクラスに分類されるようにしてもよい。
　さらに、第１および第２実施の形態において、ベース画像の色差信号がインター符号化される場合、インター予測のＰＵの形状に基づいて、そのＰＵがクラスに分類されるようにしてもよい。
　この場合、例えば、インター予測のＰＵの形状が横長の矩形であるとき、そのＰＵが水平予測のクラスに分類される。一方、インター予測のＰＵの形状が縦長の矩形である場合、そのＰＵが垂直予測のクラスに分類される。また、インター予測のＰＵの形状が正方形である場合、そのＰＵが水平垂直予測のクラスに分類される。インター予測の各ＰＵのクラスを表す情報は、ＣＵまたはＰＵ単位で伝送されるようにしてもよい。
　なお、ベース画像の色差信号がイントラ符号化される場合の水平予測、垂直予測、および水平垂直予測のクラスと、インター符号化される場合の水平予測、垂直予測、および水平垂直予測のクラスは、独立に設けられるようにしてもよい。
　また、第１および第２実施の形態において、ベース画像の色差信号がインター符号化される場合、ＣＵのサイズとインター予測のＰＵの形状に基づいて、ベース画像の色差信号がクラスに分類されるようにしてもよい。
　第１および第２実施の形態では、レイヤ数は2であるものとしたが、レイヤ数は2以上であってもよい。
　さらに、第１および第２実施の形態では、ベース画像がHEVC方式で符号化されたが、AVC方式で符号化されるようにしてもよい。
　また、第１および第２実施の形態では、ベース画像の色差信号が３つのクラスに分類されたが、勿論、クラス数は３に限定されない。
　さらに、第１および第２実施の形態では、ベース画像が420画像であり、エンハンスメント画像が444画像であるものとしたが、ベース画像が420画像であり、エンハンスメント画像が422画像であるようにしてもよい。この場合には、アップサンプリングに１次元の線形内挿適応フィルタまたは線形内挿固定フィルタが用いられ、垂直方向にのみ内挿フィルタ処理が行われる。
　また、ベース画像が422画像であり、エンハンスメント画像が444画像であるようにしてもよい。この場合には、アップサンプリングに１次元の線形内挿適応フィルタまたは線形内挿固定フィルタが用いられ、水平方向にのみ内挿フィルタ処理が行われる。
　＜スケーラブル符号化の他の例＞
　図３２は、スケーラブル符号化であるスケーラブル符号化の他の例を示す。
　図３２に示されるように、スケーラブル符号化では、各レイヤ(同一レイヤ)において、量子化パラメータの差分をとることもできる：
　(1)base-layer：
　　(1-1)dQP(base layer)＝Current_CU_QP(base layer)－LCU_QP(base layer)
　　(1-2)dQP(base layer)＝Current_CU_QP(base layer)－Previsous_CU_QP(base layer)
　　(1-3)dQP(base layer)＝Current_CU_QP(base layer)－Slice_QP(base layer)
　(2)non-base-layer：
　　(2-1)dQP(non-base layer)＝Current_CU_QP(non-base layer)－LCU_QP(non-base layer)
　　(2-2)dQP(non-base layer)＝CurrentQP(non-base layer)－PrevisousQP(non-base layer)
　　(2-3)dQP(non-base layer)＝Current_CU_QP(non-base layer)－Slice_QP(non-base layer)
　また、各レイヤ(異なるレイヤ)において、量子化パラメータの差分をとることもできる：
　(3)base-layer/ non-base layer：
　　(3-1)dQP(inter-layer)＝Slice_QP(base layer)－Slice_QP(non-base layer)
　　(3-2)dQP(inter-layer)＝LCU_QP(base layer)－LCU_QP(non-base layer)
　(4)non-base layer / non-base layer ：
　　(4-1)dQP(inter-layer)＝Slice_QP(non-base layer i)－Slice_QP(non-base layer j)
　　(4-2)dQP(inter-layer)＝LCU_QP(non-base layer i)－LCU_QP(non-base layer j)
　この場合、上記(1)乃至(4)を組み合わせて用いることもできる。たとえば、ノンベースレイヤでは、ベースレイヤとノンベースレイヤとの間においてスライスレベルで量子化パラメータの差分をとる手法(3-1と2-3とを組み合わせる)、ベースレイヤとノンベースレイヤとの間においてLCUレベルで量子化パラメータの差分をとる手法(3-2と2-1とを組み合わせる)、が考えられる。このように、差分を繰り返して適用することにより、階層符号化を行った場合においても、符号化効率を向上させることができる。
　上述した手法と同様に、上記の各dQPに対して、値が0でないdQPが存在するか否かを識別するフラグをセットすることもできる。
　＜第３実施の形態＞
　（本開示を適用したコンピュータの説明）
　上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
　図３３は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
　コンピュータにおいて、CPU（Central Processing Unit）６０１，ROM（Read Only Memory）６０２，RAM（Random Access Memory）６０３は、バス６０４により相互に接続されている。
　バス６０４には、さらに、入出力インタフェース６０５が接続されている。入出力インタフェース６０５には、入力部６０６、出力部６０７、記憶部６０８、通信部６０９、及びドライブ６１０が接続されている。
　入力部６０６は、キーボード、マウス、マイクロホンなどよりなる。出力部６０７は、ディスプレイ、スピーカなどよりなる。記憶部６０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部６０９は、ネットワークインタフェースなどよりなる。ドライブ６１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア６１１を駆動する。
　以上のように構成されるコンピュータでは、CPU６０１が、例えば、記憶部６０８に記憶されているプログラムを、入出力インタフェース６０５及びバス６０４を介して、RAM６０３にロードして実行することにより、上述した一連の処理が行われる。
　コンピュータ（CPU６０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア６１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
　コンピュータでは、プログラムは、リムーバブルメディア６１１をドライブ６１０に装着することにより、入出力インタフェース６０５を介して、記憶部６０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部６０９で受信し、記憶部６０８にインストールすることができる。その他、プログラムは、ROM６０２や記憶部６０８に、あらかじめインストールしておくことができる。
　なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
　＜第４実施の形態＞
　（テレビジョン装置の構成例）
　図３４は、本技術を適用したテレビジョン装置の概略構成を例示している。テレビジョン装置９００は、アンテナ９０１、チューナ９０２、デマルチプレクサ９０３、デコーダ９０４、映像信号処理部９０５、表示部９０６、音声信号処理部９０７、スピーカ９０８、外部インタフェース部９０９を有している。さらに、テレビジョン装置９００は、制御部９１０、ユーザインタフェース部９１１等を有している。
　チューナ９０２は、アンテナ９０１で受信された放送波信号から所望のチャンネルを選局して復調を行い、得られた符号化ビットストリームをデマルチプレクサ９０３に出力する。
　デマルチプレクサ９０３は、符号化ビットストリームから視聴対象である番組の映像や音声のパケットを抽出して、抽出したパケットのデータをデコーダ９０４に出力する。また、デマルチプレクサ９０３は、ＥＰＧ（Electronic Program Guide）等のデータのパケットを制御部９１０に供給する。なお、スクランブルが行われている場合、デマルチプレクサ等でスクランブルの解除を行う。
　デコーダ９０４は、パケットの復号化処理を行い、復号処理化によって生成された映像データを映像信号処理部９０５、音声データを音声信号処理部９０７に出力する。
　映像信号処理部９０５は、映像データに対して、ノイズ除去やユーザ設定に応じた映像処理等を行う。映像信号処理部９０５は、表示部９０６に表示させる番組の映像データや、ネットワークを介して供給されるアプリケーションに基づく処理による画像データなどを生成する。また、映像信号処理部９０５は、項目の選択などのメニュー画面等を表示するための映像データを生成し、それを番組の映像データに重畳する。映像信号処理部９０５は、このようにして生成した映像データに基づいて駆動信号を生成して表示部９０６を駆動する。
　表示部９０６は、映像信号処理部９０５からの駆動信号に基づき表示デバイス（例えば液晶表示素子等）を駆動して、番組の映像などを表示させる。
　音声信号処理部９０７は、音声データに対してノイズ除去などの所定の処理を施し、処理後の音声データのＤ／Ａ変換処理や増幅処理を行いスピーカ９０８に供給することで音声出力を行う。
　外部インタフェース部９０９は、外部機器やネットワークと接続するためのインタフェースであり、映像データや音声データ等のデータ送受信を行う。
　制御部９１０にはユーザインタフェース部９１１が接続されている。ユーザインタフェース部９１１は、操作スイッチやリモートコントロール信号受信部等で構成されており、ユーザ操作に応じた操作信号を制御部９１０に供給する。
　制御部９１０は、ＣＰＵ(Central Processing Unit)やメモリ等を用いて構成されている。メモリは、ＣＰＵにより実行されるプログラムやＣＰＵが処理を行う上で必要な各種のデータ、ＥＰＧデータ、ネットワークを介して取得されたデータ等を記憶する。メモリに記憶されているプログラムは、テレビジョン装置９００の起動時などの所定タイミングでＣＰＵにより読み出されて実行される。ＣＰＵは、プログラムを実行することで、テレビジョン装置９００がユーザ操作に応じた動作となるように各部を制御する。
　なお、テレビジョン装置９００では、チューナ９０２、デマルチプレクサ９０３、映像信号処理部９０５、音声信号処理部９０７、外部インタフェース部９０９等と制御部９１０を接続するためバス９１２が設けられている。
　このように構成されたテレビジョン装置では、デコーダ９０４に本願の復号装置（復号方法）の機能が設けられる。このため、符号化効率が向上するようにクロマスケーラブル符号化された画像を復号することができる。
　＜第５実施の形態＞
　（携帯電話機の構成例）
　図３５は、本技術を適用した携帯電話機の概略構成を例示している。携帯電話機９２０は、通信部９２２、音声コーデック９２３、カメラ部９２６、画像処理部９２７、多重分離部９２８、記録再生部９２９、表示部９３０、制御部９３１を有している。これらは、バス９３３を介して互いに接続されている。
　また、通信部９２２にはアンテナ９２１が接続されており、音声コーデック９２３には、スピーカ９２４とマイクロホン９２５が接続されている。さらに制御部９３１には、操作部９３２が接続されている。
　携帯電話機９２０は、音声通話モードやデータ通信モード等の各種モードで、音声信号の送受信、電子メールや画像データの送受信、画像撮影、またはデータ記録等の各種動作を行う。
　音声通話モードにおいて、マイクロホン９２５で生成された音声信号は、音声コーデック９２３で音声データへの変換やデータ圧縮が行われて通信部９２２に供給される。通信部９２２は、音声データの変調処理や周波数変換処理等を行い、送信信号を生成する。また、通信部９２２は、送信信号をアンテナ９２１に供給して図示しない基地局へ送信する。また、通信部９２２は、アンテナ９２１で受信した受信信号の増幅や周波数変換処理および復調処理等を行い、得られた音声データを音声コーデック９２３に供給する。音声コーデック９２３は、音声データのデータ伸張やアナログ音声信号への変換を行いスピーカ９２４に出力する。
　また、データ通信モードにおいて、メール送信を行う場合、制御部９３１は、操作部９３２の操作によって入力された文字データを受け付けて、入力された文字を表示部９３０に表示する。また、制御部９３１は、操作部９３２におけるユーザ指示等に基づいてメールデータを生成して通信部９２２に供給する。通信部９２２は、メールデータの変調処理や周波数変換処理等を行い、得られた送信信号をアンテナ９２１から送信する。また、通信部９２２は、アンテナ９２１で受信した受信信号の増幅や周波数変換処理および復調処理等を行い、メールデータを復元する。このメールデータを、表示部９３０に供給して、メール内容の表示を行う。
　なお、携帯電話機９２０は、受信したメールデータを、記録再生部９２９で記憶媒体に記憶させることも可能である。記憶媒体は、書き換え可能な任意の記憶媒体である。例えば、記憶媒体は、ＲＡＭや内蔵型フラッシュメモリ等の半導体メモリ、ハードディスク、磁気ディスク、光磁気ディスク、光ディスク、USB（Universal Serial Bus）メモリ、またはメモリカード等のリムーバブルメディアである。
　データ通信モードにおいて画像データを送信する場合、カメラ部９２６で生成された画像データを、画像処理部９２７に供給する。画像処理部９２７は、画像データの符号化処理を行い、符号化データを生成する。
　多重分離部９２８は、画像処理部９２７で生成された符号化データと、音声コーデック９２３から供給された音声データを所定の方式で多重化して通信部９２２に供給する。通信部９２２は、多重化データの変調処理や周波数変換処理等を行い、得られた送信信号をアンテナ９２１から送信する。また、通信部９２２は、アンテナ９２１で受信した受信信号の増幅や周波数変換処理および復調処理等を行い、多重化データを復元する。この多重化データを多重分離部９２８に供給する。多重分離部９２８は、多重化データの分離を行い、符号化データを画像処理部９２７、音声データを音声コーデック９２３に供給する。画像処理部９２７は、符号化データの復号化処理を行い、画像データを生成する。この画像データを表示部９３０に供給して、受信した画像の表示を行う。音声コーデック９２３は、音声データをアナログ音声信号に変換してスピーカ９２４に供給して、受信した音声を出力する。
　このように構成された携帯電話装置では、画像処理部９２７に本願の符号化装置および復号装置（符号化方法および復号方法）の機能が設けられる。このため、クロマスケーラブル符号化の符号化効率を向上させることができる。また、符号化効率が向上するようにクロマスケーラブル符号化された画像を復号することができる。
　＜第６実施の形態＞
　（記録再生装置の構成例）
　図３６は、本技術を適用した記録再生装置の概略構成を例示している。記録再生装置９４０は、例えば受信した放送番組のオーディオデータとビデオデータを、記録媒体に記録して、その記録されたデータをユーザの指示に応じたタイミングでユーザに提供する。また、記録再生装置９４０は、例えば他の装置からオーディオデータやビデオデータを取得し、それらを記録媒体に記録させることもできる。さらに、記録再生装置９４０は、記録媒体に記録されているオーディオデータやビデオデータを復号して出力することで、モニタ装置等において画像表示や音声出力を行うことができるようにする。
　記録再生装置９４０は、チューナ９４１、外部インタフェース部９４２、エンコーダ９４３、ＨＤＤ（Hard Disk Drive）部９４４、ディスクドライブ９４５、セレクタ９４６、デコーダ９４７、ＯＳＤ（On-Screen Display）部９４８、制御部９４９、ユーザインタフェース部９５０を有している。
　チューナ９４１は、図示しないアンテナで受信された放送信号から所望のチャンネルを選局する。チューナ９４１は、所望のチャンネルの受信信号を復調して得られた符号化ビットストリームをセレクタ９４６に出力する。
　外部インタフェース部９４２は、ＩＥＥＥ１３９４インタフェース、ネットワークインタフェース部、ＵＳＢインタフェース、フラッシュメモリインタフェース等の少なくともいずれかで構成されている。外部インタフェース部９４２は、外部機器やネットワーク、メモリカード等と接続するためのインタフェースであり、記録する映像データや音声データ等のデータ受信を行う。
　エンコーダ９４３は、外部インタフェース部９４２から供給された映像データや音声データが符号化されていないとき所定の方式で符号化を行い、符号化ビットストリームをセレクタ９４６に出力する。
　ＨＤＤ部９４４は、映像や音声等のコンテンツデータ、各種プログラムやその他のデータ等を内蔵のハードディスクに記録し、また再生時等にそれらを当該ハードディスクから読み出す。
　ディスクドライブ９４５は、装着されている光ディスクに対する信号の記録および再生を行う。光ディスク、例えばＤＶＤディスク（ＤＶＤ－Ｖｉｄｅｏ、ＤＶＤ－ＲＡＭ、ＤＶＤ－Ｒ、ＤＶＤ－ＲＷ、ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等）やＢｌｕ－ｒａｙ（登録商標）ディスク等である。
　セレクタ９４６は、映像や音声の記録時には、チューナ９４１またはエンコーダ９４３からのいずれかの符号化ビットストリームを選択して、ＨＤＤ部９４４やディスクドライブ９４５のいずれかに供給する。また、セレクタ９４６は、映像や音声の再生時に、ＨＤＤ部９４４またはディスクドライブ９４５から出力された符号化ビットストリームをデコーダ９４７に供給する。
　デコーダ９４７は、符号化ビットストリームの復号化処理を行う。デコーダ９４７は、復号処理化を行うことにより生成された映像データをＯＳＤ部９４８に供給する。また、デコーダ９４７は、復号処理化を行うことにより生成された音声データを出力する。
　ＯＳＤ部９４８は、項目の選択などのメニュー画面等を表示するための映像データを生成し、それをデコーダ９４７から出力された映像データに重畳して出力する。
　制御部９４９には、ユーザインタフェース部９５０が接続されている。ユーザインタフェース部９５０は、操作スイッチやリモートコントロール信号受信部等で構成されており、ユーザ操作に応じた操作信号を制御部９４９に供給する。
　制御部９４９は、ＣＰＵやメモリ等を用いて構成されている。メモリは、ＣＰＵにより実行されるプログラムやＣＰＵが処理を行う上で必要な各種のデータを記憶する。メモリに記憶されているプログラムは、記録再生装置９４０の起動時などの所定タイミングでＣＰＵにより読み出されて実行される。ＣＰＵは、プログラムを実行することで、記録再生装置９４０がユーザ操作に応じた動作となるように各部を制御する。
　このように構成された記録再生装置では、デコーダ９４７に本願の復号装置（復号方法）の機能が設けられる。このため、符号化効率が向上するようにクロマスケーラブル符号化された画像を復号することができる。
　＜第７実施の形態＞
　（撮像装置の構成例）
　図３７は、本技術を適用した撮像装置の概略構成を例示している。撮像装置９６０は、被写体を撮像し、被写体の画像を表示部に表示させたり、それを画像データとして、記録媒体に記録する。
　撮像装置９６０は、光学ブロック９６１、撮像部９６２、カメラ信号処理部９６３、画像データ処理部９６４、表示部９６５、外部インタフェース部９６６、メモリ部９６７、メディアドライブ９６８、ＯＳＤ部９６９、制御部９７０を有している。また、制御部９７０には、ユーザインタフェース部９７１が接続されている。さらに、画像データ処理部９６４や外部インタフェース部９６６、メモリ部９６７、メディアドライブ９６８、ＯＳＤ部９６９、制御部９７０等は、バス９７２を介して接続されている。
　光学ブロック９６１は、フォーカスレンズや絞り機構等を用いて構成されている。光学ブロック９６１は、被写体の光学像を撮像部９６２の撮像面に結像させる。撮像部９６２は、ＣＣＤまたはＣＭＯＳイメージセンサを用いて構成されており、光電変換によって光学像に応じた電気信号を生成してカメラ信号処理部９６３に供給する。
　カメラ信号処理部９６３は、撮像部９６２から供給された電気信号に対してニー補正やガンマ補正、色補正等の種々のカメラ信号処理を行う。カメラ信号処理部９６３は、カメラ信号処理後の画像データを画像データ処理部９６４に供給する。
　画像データ処理部９６４は、カメラ信号処理部９６３から供給された画像データの符号化処理を行う。画像データ処理部９６４は、符号化処理を行うことにより生成された符号化データを外部インタフェース部９６６やメディアドライブ９６８に供給する。また、画像データ処理部９６４は、外部インタフェース部９６６やメディアドライブ９６８から供給された符号化データの復号化処理を行う。画像データ処理部９６４は、復号化処理を行うことにより生成された画像データを表示部９６５に供給する。また、画像データ処理部９６４は、カメラ信号処理部９６３から供給された画像データを表示部９６５に供給する処理や、ＯＳＤ部９６９から取得した表示用データを、画像データに重畳させて表示部９６５に供給する。
　ＯＳＤ部９６９は、記号、文字、または図形からなるメニュー画面やアイコンなどの表示用データを生成して画像データ処理部９６４に出力する。
　外部インタフェース部９６６は、例えば、ＵＳＢ入出力端子などで構成され、画像の印刷を行う場合に、プリンタと接続される。また、外部インタフェース部９６６には、必要に応じてドライブが接続され、磁気ディスク、光ディスク等のリムーバブルメディアが適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて、インストールされる。さらに、外部インタフェース部９６６は、ＬＡＮやインターネット等の所定のネットワークに接続されるネットワークインタフェースを有する。制御部９７０は、例えば、ユーザインタフェース部９７１からの指示にしたがって、メディアドライブ９６８から符号化データを読み出し、それを外部インタフェース部９６６から、ネットワークを介して接続される他の装置に供給させることができる。また、制御部９７０は、ネットワークを介して他の装置から供給される符号化データや画像データを、外部インタフェース部９６６を介して取得し、それを画像データ処理部９６４に供給したりすることができる。
　メディアドライブ９６８で駆動される記録メディアとしては、例えば、磁気ディスク、光磁気ディスク、光ディスク、または半導体メモリ等の、読み書き可能な任意のリムーバブルメディアが用いられる。また、記録メディアは、リムーバブルメディアとしての種類も任意であり、テープデバイスであってもよいし、ディスクであってもよいし、メモリカードであってもよい。もちろん、非接触IC（Integrated Circuit）カード等であってもよい。
　また、メディアドライブ９６８と記録メディアを一体化し、例えば、内蔵型ハードディスクドライブやＳＳＤ（Solid State Drive）等のように、非可搬性の記憶媒体により構成されるようにしてもよい。
　制御部９７０は、ＣＰＵを用いて構成されている。メモリ部９６７は、制御部９７０により実行されるプログラムや制御部９７０が処理を行う上で必要な各種のデータ等を記憶する。メモリ部９６７に記憶されているプログラムは、撮像装置９６０の起動時などの所定タイミングで制御部９７０により読み出されて実行される。制御部９７０は、プログラムを実行することで、撮像装置９６０がユーザ操作に応じた動作となるように各部を制御する。
　このように構成された撮像装置では、画像データ処理部９６４に本願の符号化装置および復号装置（符号化方法および復号方法）の機能が設けられる。このため、クロマスケーラブル符号化の符号化効率を向上させることができる。また、符号化効率が向上するようにクロマスケーラブル符号化された画像を復号することができる。
　＜スケーラブル符号化の応用例＞
　（第１のシステム）
　次に、スケーラブル符号化（階層符号化）されたスケーラブル符号化データの具体的な利用例について説明する。スケーラブル符号化は、例えば、図３８に示される例のように、伝送するデータの選択のために利用される。
　図３８に示されるデータ伝送システム１０００において、配信サーバ１００２は、スケーラブル符号化データ記憶部１００１に記憶されているスケーラブル符号化データを読み出し、ネットワーク１００３を介して、パーソナルコンピュータ１００４、AV機器１００５、タブレットデバイス１００６、および携帯電話機１００７等の端末装置に配信する。
　その際、配信サーバ１００２は、端末装置の能力や通信環境等に応じて、適切な品質の符号化データを選択して伝送する。配信サーバ１００２が不要に高品質なデータを伝送しても、端末装置において高画質な画像を得られるとは限らず、遅延やオーバーフローの発生要因となる恐れがある。また、不要に通信帯域を占有したり、端末装置の負荷を不要に増大させたりしてしまう恐れもある。逆に、配信サーバ１００２が不要に低品質なデータを伝送しても、端末装置において十分な画質の画像を得ることができない恐れがある。そのため、配信サーバ１００２は、スケーラブル符号化データ記憶部１００１に記憶されているスケーラブル符号化データを、適宜、端末装置の能力や通信環境等に対して適切な品質の符号化データとして読み出し、伝送する。
　例えば、スケーラブル符号化データ記憶部１００１は、スケーラブルに符号化されたスケーラブル符号化データ（BL+EL）１０１１を記憶するとする。このスケーラブル符号化データ（BL+EL）１０１１は、ベースレイヤとエンハンスメントレイヤの両方を含む符号化データであり、復号することにより、ベース画像およびエンハンスメント画像の両方を得ることができるデータである。
　配信サーバ１００２は、データを伝送する端末装置の能力や通信環境等に応じて、適切なレイヤを選択し、そのレイヤのデータを読み出す。例えば、配信サーバ１００２は、処理能力の高いパーソナルコンピュータ１００４やタブレットデバイス１００６に対しては、高品質なスケーラブル符号化データ（BL+EL）１０１１をスケーラブル符号化データ記憶部１００１から読み出し、そのまま伝送する。これに対して、例えば、配信サーバ１００２は、処理能力の低いAV機器１００５や携帯電話機１００７に対しては、スケーラブル符号化データ（BL+EL）１０１１からベースレイヤのデータを抽出し、スケーラブル符号化データ（BL+EL）１０１１と同じコンテンツのデータであるが、スケーラブル符号化データ（BL+EL）１０１１よりも低品質なスケーラブル符号化データ（BL）１０１２として伝送する。
　このようにスケーラブル符号化データを用いることにより、データ量を容易に調整することができるので、遅延やオーバーフローの発生を抑制したり、端末装置や通信媒体の負荷の不要な増大を抑制したりすることができる。また、スケーラブル符号化データ（BL+EL）１０１１は、レイヤ間の冗長性が低減されているので、各レイヤの符号化データを個別のデータとする場合よりもそのデータ量を低減させることができる。したがって、スケーラブル符号化データ記憶部１００１の記憶領域をより効率よく使用することができる。
　なお、パーソナルコンピュータ１００４乃至携帯電話機１００７のように、端末装置には様々な装置を適用することができるので、端末装置のハードウエアの性能は、装置によって異なる。また、端末装置が実行するアプリケーションも様々であるので、そのソフトウエアの能力も様々である。さらに、通信媒体となるネットワーク１００３も、例えばインターネットやLAN（Local Area Network）等、有線若しくは無線、またはその両方を含むあらゆる通信回線網を適用することができ、そのデータ伝送能力は様々である。さらに、他の通信等によっても変化する恐れがある。
　そこで、配信サーバ１００２は、データ伝送を開始する前に、データの伝送先となる端末装置と通信を行い、端末装置のハードウエア性能や、端末装置が実行するアプリケーション（ソフトウエア）の性能等といった端末装置の能力に関する情報、並びに、ネットワーク１００３の利用可能帯域幅等の通信環境に関する情報を得るようにしてもよい。そして、配信サーバ１００２が、ここで得た情報を基に、適切なレイヤを選択するようにしてもよい。
　なお、レイヤの抽出は、端末装置において行うようにしてもよい。例えば、パーソナルコンピュータ１００４が、伝送されたスケーラブル符号化データ（BL+EL）１０１１を復号し、ベース画像を表示しても良いし、エンハンスメント画像を表示しても良い。また、例えば、パーソナルコンピュータ１００４が、伝送されたスケーラブル符号化データ（BL+EL）１０１１から、ベースレイヤのスケーラブル符号化データ（BL）１０１２を抽出し、記憶したり、他の装置に転送したり、復号してベース画像を表示したりするようにしてもよい。
　もちろん、スケーラブル符号化データ記憶部１００１、配信サーバ１００２、ネットワーク１００３、および端末装置の数はいずれも任意である。また、以上においては、配信サーバ１００２がデータを端末装置に伝送する例について説明したが、利用例はこれに限定されない。データ伝送システム１０００は、スケーラブル符号化された符号化データを端末装置に伝送する際、端末装置の能力や通信環境等に応じて、適切なレイヤを選択して伝送するシステムであれば、任意のシステムに適用することができる。
　（第２のシステム）
　また、スケーラブル符号化は、例えば、図３９に示される例のように、複数の通信媒体を介する伝送のために利用される。
　図３９に示されるデータ伝送システム１１００において、放送局１１０１は、地上波放送１１１１により、ベースレイヤのスケーラブル符号化データ（BL）１１２１を伝送する。また、放送局１１０１は、有線若しくは無線またはその両方の通信網よりなる任意のネットワーク１１１２を介して、エンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を伝送する（例えばパケット化して伝送する）。
　端末装置１１０２は、放送局１１０１が放送する地上波放送１１１１の受信機能を有し、この地上波放送１１１１を介して伝送されるベースレイヤのスケーラブル符号化データ（BL）１１２１を受け取る。また、端末装置１１０２は、ネットワーク１１１２を介した通信を行う通信機能をさらに有し、このネットワーク１１１２を介して伝送されるエンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を受け取る。
　端末装置１１０２は、例えばユーザ指示等に応じて、地上波放送１１１１を介して取得したベースレイヤのスケーラブル符号化データ（BL）１１２１を、復号してベース画像を得たり、記憶したり、他の装置に伝送したりする。
　また、端末装置１１０２は、例えばユーザ指示等に応じて、地上波放送１１１１を介して取得したベースレイヤのスケーラブル符号化データ（BL）１１２１と、ネットワーク１１１２を介して取得したエンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２とを合成して、スケーラブル符号化データ（BL+EL）を得たり、それを復号してエンハンスメント画像を得たり、記憶したり、他の装置に伝送したりする。
　以上のように、スケーラブル符号化データは、例えばレイヤ毎に異なる通信媒体を介して伝送させることができる。したがって、負荷を分散させることができ、遅延やオーバーフローの発生を抑制することができる。
　また、状況に応じて、伝送に使用する通信媒体を、レイヤ毎に選択することができるようにしてもよい。例えば、データ量が比較的多いベースレイヤのスケーラブル符号化データ（BL）１１２１を帯域幅の広い通信媒体を介して伝送させ、データ量が比較的少ないエンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を帯域幅の狭い通信媒体を介して伝送させるようにしてもよい。また、例えば、エンハンスメントレイヤのスケーラブル符号化データ（EL）１１２２を伝送する通信媒体を、ネットワーク１１１２とするか、地上波放送１１１１とするかを、ネットワーク１１１２の利用可能帯域幅に応じて切り替えるようにしてもよい。もちろん、任意のレイヤのデータについて同様である。
　このように制御することにより、データ伝送における負荷の増大を、より抑制することができる。
　もちろん、レイヤ数は任意であり、伝送に利用する通信媒体の数も任意である。また、データ配信先となる端末装置１１０２の数も任意である。さらに、以上においては、放送局１１０１からの放送を例に説明したが、利用例はこれに限定されない。データ伝送システム１１００は、スケーラブル符号化された符号化データを、レイヤを単位として複数に分割し、複数の回線を介して伝送するシステムであれば、任意のシステムに適用することができる。
　（第３のシステム）
　また、スケーラブル符号化は、例えば、図４０に示される例のように、符号化データの記憶に利用される。
　図４０に示される撮像システム１２００において、撮像装置１２０１は、被写体１２１１を撮像して得られた画像データをスケーラブル符号化し、スケーラブル符号化データ（BL+EL）１２２１として、スケーラブル符号化データ記憶装置１２０２に供給する。
　スケーラブル符号化データ記憶装置１２０２は、撮像装置１２０１から供給されるスケーラブル符号化データ（BL+EL）１２２１を、状況に応じた品質で記憶する。例えば、通常時の場合、スケーラブル符号化データ記憶装置１２０２は、スケーラブル符号化データ（BL+EL）１２２１からベースレイヤのデータを抽出し、低品質でデータ量の少ないベースレイヤのスケーラブル符号化データ（BL）１２２２として記憶する。これに対して、例えば、注目時の場合、スケーラブル符号化データ記憶装置１２０２は、高品質でデータ量の多いスケーラブル符号化データ（BL+EL）１２２１のまま記憶する。
　このようにすることにより、スケーラブル符号化データ記憶装置１２０２は、必要な場合のみ、画像を高画質に保存することができるので、画質劣化による画像の価値の低減を抑制しながら、データ量の増大を抑制することができ、記憶領域の利用効率を向上させることができる。
　例えば、撮像装置１２０１が監視カメラであるとする。撮像画像に監視対象（例えば侵入者）が写っていない場合（通常時の場合）、撮像画像の内容は重要でない可能性が高いので、データ量の低減が優先され、その画像データ（スケーラブル符号化データ）は、低品質に記憶される。これに対して、撮像画像に監視対象が被写体１２１１として写っている場合（注目時の場合）、その撮像画像の内容は重要である可能性が高いので、画質が優先され、その画像データ（スケーラブル符号化データ）は、高品質に記憶される。
　なお、通常時であるか注目時であるかは、例えば、スケーラブル符号化データ記憶装置１２０２が、画像を解析することにより判定しても良い。また、撮像装置１２０１が判定し、その判定結果をスケーラブル符号化データ記憶装置１２０２に伝送するようにしてもよい。
　なお、通常時であるか注目時であるかの判定基準は任意であり、判定基準とする画像の内容は任意である。もちろん、画像の内容以外の条件を判定基準とすることもできる。例えば、収録した音声の大きさや波形等に応じて切り替えるようにしてもよいし、所定の時間毎に切り替えるようにしてもよいし、ユーザ指示等の外部からの指示によって切り替えるようにしてもよい。
　また、以上においては、通常時と注目時の２つの状態を切り替える例を説明したが、状態の数は任意であり、例えば、通常時、やや注目時、注目時、非常に注目時等のように、３つ以上の状態を切り替えるようにしてもよい。ただし、この切り替える状態の上限数は、スケーラブル符号化データのレイヤ数に依存する。
　また、撮像装置１２０１が、スケーラブル符号化のレイヤ数を、状態に応じて決定するようにしてもよい。例えば、通常時の場合、撮像装置１２０１が、低品質でデータ量の少ないベースレイヤのスケーラブル符号化データ（BL）１２２２を生成し、スケーラブル符号化データ記憶装置１２０２に供給するようにしてもよい。また、例えば、注目時の場合、撮像装置１２０１が、高品質でデータ量の多いベースレイヤのスケーラブル符号化データ（BL+EL）１２２１を生成し、スケーラブル符号化データ記憶装置１２０２に供給するようにしてもよい。
　以上においては、監視カメラを例に説明したが、この撮像システム１２００の用途は任意であり、監視カメラに限定されない。
　＜第８実施の形態＞
　（実施のその他の例）
  以上において本技術を適用する装置やシステム等の例を説明したが、本技術は、これに限らず、このような装置またはシステムを構成する装置に搭載するあらゆる構成、例えば、システムLSI（Large Scale Integration）等としてのプロセッサ、複数のプロセッサ等を用いるモジュール、複数のモジュール等を用いるユニット、ユニットにさらにその他の機能を付加したセット等（すなわち、装置の一部の構成）として実施することもできる。
　（ビデオセットの構成例）
  本技術をセットとして実施する場合の例について、図４１を参照して説明する。図４１は、本技術を適用したビデオセットの概略的な構成の一例を示している。
  近年、電子機器の多機能化が進んでおり、その開発や製造において、その一部の構成を販売や提供等として実施する場合、１機能を有する構成として実施を行う場合だけでなく、関連する機能を有する複数の構成を組み合わせ、複数の機能を有する１セットとして実施を行う場合も多く見られるようになってきた。
  図４１に示されるビデオセット１３００は、このような多機能化された構成であり、画像の符号化や復号（いずれか一方でもよいし、両方でも良い）に関する機能を有するデバイスに、その機能に関連するその他の機能を有するデバイスを組み合わせたものである。
  図４１に示されるように、ビデオセット１３００は、ビデオモジュール１３１１、外部メモリ１３１２、パワーマネージメントモジュール１３１３、およびフロントエンドモジュール１３１４等のモジュール群と、コネクティビティ１３２１、カメラ１３２２、およびセンサ１３２３等の関連する機能を有するデバイスとを有する。
  モジュールは、互いに関連するいくつかの部品的機能をまとめ、まとまりのある機能を持った部品としたものである。具体的な物理的構成は任意であるが、例えば、それぞれ機能を有する複数のプロセッサ、抵抗やコンデンサ等の電子回路素子、その他のデバイス等を配線基板等に配置して一体化したものが考えられる。また、モジュールに他のモジュールやプロセッサ等を組み合わせて新たなモジュールとすることも考えられる。
  図４１の例の場合、ビデオモジュール１３１１は、画像処理に関する機能を有する構成を組み合わせたものであり、アプリケーションプロセッサ、ビデオプロセッサ、ブロードバンドモデム１３３３、およびRFモジュール１３３４を有する。
  プロセッサは、所定の機能を有する構成をSoC（System On a Chip）により半導体チップに集積したものであり、例えばシステムLSI（Large Scale Integration）等と称されるものもある。この所定の機能を有する構成は、論理回路（ハードウエア構成）であってもよいし、CPU、ROM、RAM等と、それらを用いて実行されるプログラム（ソフトウエア構成）であってもよいし、その両方を組み合わせたものであってもよい。例えば、プロセッサが、論理回路とCPU、ROM、RAM等とを有し、機能の一部を論理回路（ハードウエア構成）により実現し、その他の機能をCPUにおいて実行されるプログラム（ソフトウエア構成）により実現するようにしてもよい。
  図４１のアプリケーションプロセッサ１３３１は、画像処理に関するアプリケーションを実行するプロセッサである。このアプリケーションプロセッサ１３３１において実行されるアプリケーションは、所定の機能を実現するために、演算処理を行うだけでなく、例えばビデオプロセッサ１３３２等、ビデオモジュール１３１１内外の構成を必要に応じて制御することもできる。
  ビデオプロセッサ１３３２は、画像の符号化・復号（その一方若しくは両方）に関する機能を有するプロセッサである。
  ブロードバンドモデム１３３３は、インターネットや公衆電話回線網等の広帯域の回線を介して行われる有線若しくは無線（またはその両方）の広帯域通信に関する処理を行うプロセッサ（若しくはモジュール）である。例えば、ブロードバンドモデム１３３３は、送信するデータ（デジタル信号）をデジタル変調する等してアナログ信号に変換したり、受信したアナログ信号を復調してデータ（デジタル信号）に変換したりする。例えば、ブロードバンドモデム１３３３は、ビデオプロセッサ１３３２が処理する画像データや画像データが符号化されたストリーム、アプリケーションプログラム、設定データ等、任意の情報をデジタル変調・復調することができる。
  RFモジュール１３３４は、アンテナを介して送受信されるRF（Radio Frequency）信号に対して、周波数変換、変復調、増幅、フィルタ処理等を行うモジュールである。例えば、RFモジュール１３３４は、ブロードバンドモデム１３３３により生成されたベースバンド信号に対して周波数変換等を行ってRF信号を生成する。また、例えば、RFモジュール１３３４は、フロントエンドモジュール１３１４を介して受信されたRF信号に対して周波数変換等を行ってベースバンド信号を生成する。
  なお、図４１において点線１３４１に示されるように、アプリケーションプロセッサ１３３１とビデオプロセッサ１３３２を、一体化し、１つのプロセッサとして構成されるようにしてもよい。
  外部メモリ１３１２は、ビデオモジュール１３１１の外部に設けられた、ビデオモジュール１３１１により利用される記憶デバイスを有するモジュールである。この外部メモリ１３１２の記憶デバイスは、どのような物理構成により実現するようにしてもよいが、一般的にフレーム単位の画像データのような大容量のデータの格納に利用されることが多いので、例えばDRAM（Dynamic Random Access Memory）のような比較的安価で大容量の半導体メモリにより実現するのが望ましい。
  パワーマネージメントモジュール１３１３は、ビデオモジュール１３１１（ビデオモジュール１３１１内の各構成）への電力供給を管理し、制御する。
  フロントエンドモジュール１３１４は、RFモジュール１３３４に対してフロントエンド機能（アンテナ側の送受信端の回路）を提供するモジュールである。図４１に示されるように、フロントエンドモジュール１３１４は、例えば、アンテナ部１３５１、フィルタ１３５２、および増幅部１３５３を有する。
  アンテナ部１３５１は、無線信号を送受信するアンテナおよびその周辺の構成を有する。アンテナ部１３５１は、増幅部１３５３から供給される信号を無線信号として送信し、受信した無線信号を電気信号（RF信号）としてフィルタ１３５２に供給する。フィルタ１３５２は、アンテナ部１３５１を介して受信されたRF信号に対してフィルタ処理等を行い、処理後のRF信号をRFモジュール１３３４に供給する。増幅部１３５３は、RFモジュール１３３４から供給されるRF信号を増幅し、アンテナ部１３５１に供給する。
  コネクティビティ１３２１は、外部との接続に関する機能を有するモジュールである。コネクティビティ１３２１の物理構成は、任意である。例えば、コネクティビティ１３２１は、ブロードバンドモデム１３３３が対応する通信規格以外の通信機能を有する構成や、外部入出力端子等を有する。
  例えば、コネクティビティ１３２１が、Bluetooth（登録商標）、IEEE 802.11（例えばWi-Fi（Wireless Fidelity、登録商標））、NFC（Near Field Communication）、IrDA（InfraRed Data Association）等の無線通信規格に準拠する通信機能を有するモジュールや、その規格に準拠した信号を送受信するアンテナ等を有するようにしてもよい。また、例えば、コネクティビティ１３２１が、USB（Universal Serial Bus）、HDMI（登録商標）（High-Definition Multimedia Interface）等の有線通信規格に準拠する通信機能を有するモジュールや、その規格に準拠した端子を有するようにしてもよい。さらに、例えば、コネクティビティ１３２１が、アナログ入出力端子等のその他のデータ（信号）伝送機能等を有するようにしてもよい。
  なお、コネクティビティ１３２１が、データ（信号）の伝送先のデバイスを含むようにしてもよい。例えば、コネクティビティ１３２１が、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等の記録媒体に対してデータの読み出しや書き込みを行うドライブ（リムーバブルメディアのドライブだけでなく、ハードディスク、SSD（Solid State Drive）、NAS（Network Attached Storage）等も含む）を有するようにしてもよい。また、コネクティビティ１３２１が、画像や音声の出力デバイス（モニタやスピーカ等）を有するようにしてもよい。
  カメラ１３２２は、被写体を撮像し、被写体の画像データを得る機能を有するモジュールである。カメラ１３２２の撮像により得られた画像データは、例えば、ビデオプロセッサ１３３２に供給されて符号化される。
  センサ１３２３は、例えば、音声センサ、超音波センサ、光センサ、照度センサ、赤外線センサ、イメージセンサ、回転センサ、角度センサ、角速度センサ、速度センサ、加速度センサ、傾斜センサ、磁気識別センサ、衝撃センサ、温度センサ等、任意のセンサ機能を有するモジュールである。センサ１３２３により検出されたデータは、例えば、アプリケーションプロセッサ１３３１に供給されてアプリケーション等により利用される。
  以上においてモジュールとして説明した構成をプロセッサとして実現するようにしてもよいし、逆にプロセッサとして説明した構成をモジュールとして実現するようにしてもよい。
  以上のような構成のビデオセット１３００において、後述するようにビデオプロセッサ１３３２に本技術を適用することができる。したがって、ビデオセット１３００は、本技術を適用したセットとして実施することができる。
　（ビデオプロセッサの構成例）
  図４２は、本技術を適用したビデオプロセッサ１３３２（図４１）の概略的な構成の一例を示している。
  図４２の例の場合、ビデオプロセッサ１３３２は、ビデオ信号およびオーディオ信号の入力を受けてこれらを所定の方式で符号化する機能と、符号化されたビデオデータおよびオーディオデータを復号し、ビデオ信号およびオーディオ信号を再生出力する機能とを有する。
  図４２に示されるように、ビデオプロセッサ１３３２は、ビデオ入力処理部１４０１、第１画像拡大縮小部１４０２、第２画像拡大縮小部１４０３、ビデオ出力処理部１４０４、フレームメモリ１４０５、およびメモリ制御部１４０６を有する。また、ビデオプロセッサ１３３２は、エンコード・デコードエンジン１４０７、ビデオES（Elementary Stream）バッファ１４０８Ａおよび１４０８Ｂ、並びに、オーディオESバッファ１４０９Ａおよび１４０９Ｂを有する。さらに、ビデオプロセッサ１３３２は、オーディオエンコーダ１４１０、オーディオデコーダ１４１１、多重化部（MUX（Multiplexer））１４１２、逆多重化部（DMUX（Demultiplexer））１４１３、およびストリームバッファ１４１４を有する。
  ビデオ入力処理部１４０１は、例えばコネクティビティ１３２１（図４１）等から入力されたビデオ信号を取得し、デジタル画像データに変換する。第１画像拡大縮小部１４０２は、画像データに対してフォーマット変換や画像の拡大縮小処理等を行う。第２画像拡大縮小部１４０３は、画像データに対して、ビデオ出力処理部１４０４を介して出力する先でのフォーマットに応じて画像の拡大縮小処理を行ったり、第１画像拡大縮小部１４０２と同様のフォーマット変換や画像の拡大縮小処理等を行ったりする。ビデオ出力処理部１４０４は、画像データに対して、フォーマット変換やアナログ信号への変換等を行って、再生されたビデオ信号として例えばコネクティビティ１３２１（図４１）等に出力する。
  フレームメモリ１４０５は、ビデオ入力処理部１４０１、第１画像拡大縮小部１４０２、第２画像拡大縮小部１４０３、ビデオ出力処理部１４０４、およびエンコード・デコードエンジン１４０７によって共用される画像データ用のメモリである。フレームメモリ１４０５は、例えばDRAM等の半導体メモリとして実現される。
  メモリ制御部１４０６は、エンコード・デコードエンジン１４０７からの同期信号を受けて、アクセス管理テーブル１４０６Ａに書き込まれたフレームメモリ１４０５へのアクセススケジュールに従ってフレームメモリ１４０５に対する書き込み・読み出しのアクセスを制御する。アクセス管理テーブル１４０６Ａは、エンコード・デコードエンジン１４０７、第１画像拡大縮小部１４０２、第２画像拡大縮小部１４０３等で実行される処理に応じて、メモリ制御部１４０６により更新される。
  エンコード・デコードエンジン１４０７は、画像データのエンコード処理、並びに、画像データが符号化されたデータであるビデオストリームのデコード処理を行う。例えば、エンコード・デコードエンジン１４０７は、フレームメモリ１４０５から読み出した画像データを符号化し、ビデオストリームとしてビデオESバッファ１４０８Ａに順次書き込む。また、例えば、ビデオESバッファ１４０８Ｂからビデオストリームを順次読み出して復号し、画像データとしてフレームメモリ１４０５に順次書き込む。エンコード・デコードエンジン１４０７は、これらの符号化や復号において、フレームメモリ１４０５を作業領域として使用する。また、エンコード・デコードエンジン１４０７は、例えばマクロブロック毎の処理を開始するタイミングで、メモリ制御部１４０６に対して同期信号を出力する。
  ビデオESバッファ１４０８Ａは、エンコード・デコードエンジン１４０７によって生成されたビデオストリームをバッファリングして、多重化部（MUX）１４１２に供給する。ビデオESバッファ１４０８Ｂは、逆多重化部（DMUX）１４１３から供給されたビデオストリームをバッファリングして、エンコード・デコードエンジン１４０７に供給する。
  オーディオESバッファ１４０９Ａは、オーディオエンコーダ１４１０によって生成されたオーディオストリームをバッファリングして、多重化部（MUX）１４１２に供給する。オーディオESバッファ１４０９Ｂは、逆多重化部（DMUX）１４１３から供給されたオーディオストリームをバッファリングして、オーディオデコーダ１４１１に供給する。
  オーディオエンコーダ１４１０は、例えばコネクティビティ１３２１（図４１）等から入力されたオーディオ信号を例えばデジタル変換し、例えばMPEGオーディオ方式やAC3（AudioCode number 3）方式等の所定の方式で符号化する。オーディオエンコーダ１４１０は、オーディオ信号が符号化されたデータであるオーディオストリームをオーディオESバッファ１４０９Ａに順次書き込む。オーディオデコーダ１４１１は、オーディオESバッファ１４０９Ｂから供給されたオーディオストリームを復号し、例えばアナログ信号への変換等を行って、再生されたオーディオ信号として例えばコネクティビティ１３２１（図４１）等に供給する。
  多重化部（MUX）１４１２は、ビデオストリームとオーディオストリームとを多重化する。この多重化の方法（すなわち、多重化により生成されるビットストリームのフォーマット）は任意である。また、この多重化の際に、多重化部（MUX）１４１２は、所定のヘッダ情報等をビットストリームに付加することもできる。つまり、多重化部（MUX）１４１２は、多重化によりストリームのフォーマットを変換することができる。例えば、多重化部（MUX）１４１２は、ビデオストリームとオーディオストリームとを多重化することにより、転送用のフォーマットのビットストリームであるトランスポートストリームに変換する。また、例えば、多重化部（MUX）１４１２は、ビデオストリームとオーディオストリームとを多重化することにより、記録用のファイルフォーマットのデータ（ファイルデータ）に変換する。
  逆多重化部（DMUX）１４１３は、多重化部（MUX）１４１２による多重化に対応する方法で、ビデオストリームとオーディオストリームとが多重化されたビットストリームを逆多重化する。つまり、逆多重化部（DMUX）１４１３は、ストリームバッファ１４１４から読み出されたビットストリームからビデオストリームとオーディオストリームとを抽出する（ビデオストリームとオーディオストリームとを分離する）。つまり、逆多重化部（DMUX）１４１３は、逆多重化によりストリームのフォーマットを変換（多重化部（MUX）１４１２による変換の逆変換）することができる。例えば、逆多重化部（DMUX）１４１３は、例えばコネクティビティ１３２１やブロードバンドモデム１３３３等（いずれも図４１）から供給されたトランスポートストリームを、ストリームバッファ１４１４を介して取得し、逆多重化することにより、ビデオストリームとオーディオストリームとに変換することができる。また、例えば、逆多重化部（DMUX）１４１３は、例えばコネクティビティ１３２１により（図４１）各種記録媒体から読み出されたファイルデータを、ストリームバッファ１４１４を介して取得し、逆多重化することにより、ビデオストリームとオーディオストリームとに変換することができる。
  ストリームバッファ１４１４は、ビットストリームをバッファリングする。例えば、ストリームバッファ１４１４は、多重化部（MUX）１４１２から供給されたトランスポートストリームをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４１）等に供給する。
  また、例えば、ストリームバッファ１４１４は、多重化部（MUX）１４１２から供給されたファイルデータをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、例えばコネクティビティ１３２１（図４１）等に供給し、各種記録媒体に記録させる。
  さらに、ストリームバッファ１４１４は、例えばコネクティビティ１３２１やブロードバンドモデム１３３３等（いずれも図４１）を介して取得したトランスポートストリームをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、逆多重化部（DMUX）１４１３に供給する。
  また、ストリームバッファ１４１４は、例えばコネクティビティ１３２１（図４１）等において各種記録媒体から読み出されたファイルデータをバッファリングし、所定のタイミングにおいて、若しくは外部からの要求等に基づいて、逆多重化部（DMUX）１４１３に供給する。
  次に、このような構成のビデオプロセッサ１３３２の動作の例について説明する。例えば、コネクティビティ１３２１（図４１）等からビデオプロセッサ１３３２に入力されたビデオ信号は、ビデオ入力処理部１４０１において４：２：２Ｙ／Ｃｂ／Ｃｒ方式等の所定の方式のデジタル画像データに変換され、フレームメモリ１４０５に順次書き込まれる。このデジタル画像データは、第１画像拡大縮小部１４０２または第２画像拡大縮小部１４０３に読み出されて、４：２：０Ｙ／Ｃｂ／Ｃｒ方式等の所定の方式へのフォーマット変換および拡大縮小処理が行われ、再びフレームメモリ１４０５に書き込まれる。この画像データは、エンコード・デコードエンジン１４０７によって符号化され、ビデオストリームとしてビデオESバッファ１４０８Ａに書き込まれる。
  また、コネクティビティ１３２１（図４１）等からビデオプロセッサ１３３２に入力されたオーディオ信号は、オーディオエンコーダ１４１０によって符号化され、オーディオストリームとして、オーディオESバッファ１４０９Ａに書き込まれる。
  ビデオESバッファ１４０８Ａのビデオストリームと、オーディオESバッファ１４０９Ａのオーディオストリームは、多重化部（MUX）１４１２に読み出されて多重化され、トランスポートストリーム若しくはファイルデータ等に変換される。多重化部（MUX）１４１２により生成されたトランスポートストリームは、ストリームバッファ１４１４にバッファされた後、例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４１）等を介して外部ネットワークに出力される。また、多重化部（MUX）１４１２により生成されたファイルデータは、ストリームバッファ１４１４にバッファされた後、例えばコネクティビティ１３２１（図４１）等に出力され、各種記録媒体に記録される。
  また、例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４１）等を介して外部ネットワークからビデオプロセッサ１３３２に入力されたトランスポートストリームは、ストリームバッファ１４１４にバッファされた後、逆多重化部（DMUX）１４１３により逆多重化される。また、例えばコネクティビティ１３２１（図４１）等において各種記録媒体から読み出され、ビデオプロセッサ１３３２に入力されたファイルデータは、ストリームバッファ１４１４にバッファされた後、逆多重化部（DMUX）１４１３により逆多重化される。つまり、ビデオプロセッサ１３３２に入力されたトランスポートストリームまたはファイルデータは、逆多重化部（DMUX）１４１３によりビデオストリームとオーディオストリームとに分離される。
  オーディオストリームは、オーディオESバッファ１４０９Ｂを介してオーディオデコーダ１４１１に供給され、復号されてオーディオ信号が再生される。また、ビデオストリームは、ビデオESバッファ１４０８Ｂに書き込まれた後、エンコード・デコードエンジン１４０７により順次読み出されて復号されてフレームメモリ１４０５に書き込まれる。復号された画像データは、第２画像拡大縮小部１４０３によって拡大縮小処理されて、フレームメモリ１４０５に書き込まれる。そして、復号された画像データは、ビデオ出力処理部１４０４に読み出されて、４：２：２Ｙ／Ｃｂ／Ｃｒ方式等の所定の方式にフォーマット変換され、さらにアナログ信号に変換されて、ビデオ信号が再生出力される。
  このように構成されるビデオプロセッサ１３３２に本技術を適用する場合、エンコード・デコードエンジン１４０７に、上述した各実施形態に係る本技術を適用すればよい。つまり、例えば、エンコード・デコードエンジン１４０７が、第１実施の形態に係る符号化装置や復号装置の機能を有するようにすればよい。また、例えば、エンコード・デコードエンジン１４０７が、第２実施の形態に係る符号化装置や復号装置の機能を有するようにしてもよい。このようにすることにより、ビデオプロセッサ１３３２は、図１乃至図３１を参照して上述した効果と同様の効果を得ることができる。
  なお、エンコード・デコードエンジン１４０７において、本技術（すなわち、上述した各実施形態に係る画像符号化装置や画像復号装置の機能）は、論理回路等のハードウエアにより実現するようにしてもよいし、組み込みプログラム等のソフトウエアにより実現するようにしてもよいし、それらの両方により実現するようにしてもよい。
　（ビデオプロセッサの他の構成例）
  図４３は、本技術を適用したビデオプロセッサ１３３２（図４１）の概略的な構成の他の例を示している。図４３の例の場合、ビデオプロセッサ１３３２は、ビデオデータを所定の方式で符号化・復号する機能を有する。
  より具体的には、図４３に示されるように、ビデオプロセッサ１３３２は、制御部１５１１、ディスプレイインタフェース１５１２、ディスプレイエンジン１５１３、画像処理エンジン１５１４、および内部メモリ１５１５を有する。また、ビデオプロセッサ１３３２は、コーデックエンジン１５１６、メモリインタフェース１５１７、多重化・逆多重化部（MUX DMUX）１５１８、ネットワークインタフェース１５１９、およびビデオインタフェース１５２０を有する。
  制御部１５１１は、ディスプレイインタフェース１５１２、ディスプレイエンジン１５１３、画像処理エンジン１５１４、およびコーデックエンジン１５１６等、ビデオプロセッサ１３３２内の各処理部の動作を制御する。
  図４３に示されるように、制御部１５１１は、例えば、メインCPU１５３１、サブCPU１５３２、およびシステムコントローラ１５３３を有する。メインCPU１５３１は、ビデオプロセッサ１３３２内の各処理部の動作を制御するためのプログラム等を実行する。メインCPU１５３１は、そのプログラム等に従って制御信号を生成し、各処理部に供給する（つまり、各処理部の動作を制御する）。サブCPU１５３２は、メインCPU１５３１の補助的な役割を果たす。例えば、サブCPU１５３２は、メインCPU１５３１が実行するプログラム等の子プロセスやサブルーチン等を実行する。システムコントローラ１５３３は、メインCPU１５３１およびサブCPU１５３２が実行するプログラムを指定する等、メインCPU１５３１およびサブCPU１５３２の動作を制御する。
  ディスプレイインタフェース１５１２は、制御部１５１１の制御の下、画像データを例えばコネクティビティ１３２１（図４１）等に出力する。例えば、ディスプレイインタフェース１５１２は、デジタルデータの画像データをアナログ信号に変換し、再生されたビデオ信号として、またはデジタルデータの画像データのまま、コネクティビティ１３２１（図４１）のモニタ装置等に出力する。
  ディスプレイエンジン１５１３は、制御部１５１１の制御の下、画像データに対して、その画像を表示させるモニタ装置等のハードウエアスペックに合わせるように、フォーマット変換、サイズ変換、色域変換等の各種変換処理を行う。
  画像処理エンジン１５１４は、制御部１５１１の制御の下、画像データに対して、例えば画質改善のためのフィルタ処理等、所定の画像処理を施す。
  内部メモリ１５１５は、ディスプレイエンジン１５１３、画像処理エンジン１５１４、およびコーデックエンジン１５１６により共用される、ビデオプロセッサ１３３２の内部に設けられたメモリである。内部メモリ１５１５は、例えば、ディスプレイエンジン１５１３、画像処理エンジン１５１４、およびコーデックエンジン１５１６の間で行われるデータの授受に利用される。例えば、内部メモリ１５１５は、ディスプレイエンジン１５１３、画像処理エンジン１５１４、またはコーデックエンジン１５１６から供給されるデータを格納し、必要に応じて（例えば、要求に応じて）、そのデータを、ディスプレイエンジン１５１３、画像処理エンジン１５１４、またはコーデックエンジン１５１６に供給する。この内部メモリ１５１５は、どのような記憶デバイスにより実現するようにしてもよいが、一般的にブロック単位の画像データやパラメータ等といった小容量のデータの格納に利用することが多いので、例えばSRAM（Static Random Access Memory）のような比較的（例えば外部メモリ１３１２と比較して）小容量だが応答速度が高速な半導体メモリにより実現するのが望ましい。
  コーデックエンジン１５１６は、画像データの符号化や復号に関する処理を行う。このコーデックエンジン１５１６が対応する符号化・復号の方式は任意であり、その数は１つであってもよいし、複数であってもよい。例えば、コーデックエンジン１５１６は、複数の符号化・復号方式のコーデック機能を備え、その中から選択されたもので画像データの符号化若しくは符号化データの復号を行うようにしてもよい。
  図４３に示される例において、コーデックエンジン１５１６は、コーデックに関する処理の機能ブロックとして、例えば、MPEG-2 Video１５４１、AVC/H.264１５４２、HEVC/H.265１５４３、HEVC/H.265(Scalable)１５４４、HEVC/H.265(Multi-view)１５４５、およびMPEG-DASH１５５１を有する。
  MPEG-2 Video１５４１は、画像データをMPEG-2方式で符号化したり復号したりする機能ブロックである。AVC/H.264１５４２は、画像データをAVC方式で符号化したり復号したりする機能ブロックである。HEVC/H.265１５４３は、画像データをHEVC方式で符号化したり復号したりする機能ブロックである。HEVC/H.265(Scalable)１５４４は、画像データをHEVC方式でスケーラブル符号化したりスケーラブル復号したりする機能ブロックである。HEVC/H.265(Multi-view)１５４５は、画像データをHEVC方式で多視点符号化したり多視点復号したりする機能ブロックである。
  MPEG-DASH１５５１は、画像データをMPEG-DASH（MPEG-Dynamic Adaptive Streaming over HTTP）方式で送受信する機能ブロックである。MPEG-DASHは、HTTP（HyperText Transfer Protocol）を使ってビデオのストリーミングを行う技術であり、予め用意された解像度等が互いに異なる複数の符号化データの中から適切なものをセグメント単位で選択し伝送することを特徴の１つとする。MPEG-DASH１５５１は、規格に準拠するストリームの生成やそのストリームの伝送制御等を行い、画像データの符号化・復号については、上述したMPEG-2 Video１５４１乃至HEVC/H.265(Multi-view)１５４５を利用する。
  メモリインタフェース１５１７は、外部メモリ１３１２用のインタフェースである。画像処理エンジン１５１４やコーデックエンジン１５１６から供給されるデータは、メモリインタフェース１５１７を介して外部メモリ１３１２に供給される。また、外部メモリ１３１２から読み出されたデータは、メモリインタフェース１５１７を介してビデオプロセッサ１３３２（画像処理エンジン１５１４若しくはコーデックエンジン１５１６）に供給される。
  多重化・逆多重化部（MUX DMUX）１５１８は、符号化データのビットストリーム、画像データ、ビデオ信号等、画像に関する各種データの多重化や逆多重化を行う。この多重化・逆多重化の方法は任意である。例えば、多重化の際に、多重化・逆多重化部（MUX DMUX）１５１８は、複数のデータを１つにまとめるだけでなく、所定のヘッダ情報等をそのデータに付加することもできる。また、逆多重化の際に、多重化・逆多重化部（MUX DMUX）１５１８は、１つのデータを複数に分割するだけでなく、分割した各データに所定のヘッダ情報等を付加することもできる。つまり、多重化・逆多重化部（MUX DMUX）１５１８は、多重化・逆多重化によりデータのフォーマットを変換することができる。例えば、多重化・逆多重化部（MUX DMUX）１５１８は、ビットストリームを多重化することにより、転送用のフォーマットのビットストリームであるトランスポートストリームや、記録用のファイルフォーマットのデータ（ファイルデータ）に変換することができる。もちろん、逆多重化によりその逆変換も可能である。
  ネットワークインタフェース１５１９は、例えばブロードバンドモデム１３３３やコネクティビティ１３２１（いずれも図４１）等向けのインタフェースである。ビデオインタフェース１５２０は、例えばコネクティビティ１３２１やカメラ１３２２（いずれも図４１）等向けのインタフェースである。
  次に、このようなビデオプロセッサ１３３２の動作の例について説明する。例えば、コネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４１）等を介して外部ネットワークからトランスポートストリームを受信すると、そのトランスポートストリームは、ネットワークインタフェース１５１９を介して多重化・逆多重化部（MUX DMUX）１５１８に供給されて逆多重化され、コーデックエンジン１５１６により復号される。コーデックエンジン１５１６の復号により得られた画像データは、例えば、画像処理エンジン１５１４により所定の画像処理が施され、ディスプレイエンジン１５１３により所定の変換が行われ、ディスプレイインタフェース１５１２を介して例えばコネクティビティ１３２１（図４１）等に供給され、その画像がモニタに表示される。また、例えば、コーデックエンジン１５１６の復号により得られた画像データは、コーデックエンジン１５１６により再符号化され、多重化・逆多重化部（MUX DMUX）１５１８により多重化されてファイルデータに変換され、ビデオインタフェース１５２０を介して例えばコネクティビティ１３２１（図４１）等に出力され、各種記録媒体に記録される。
  さらに、例えば、コネクティビティ１３２１（図４１）等により図示せぬ記録媒体から読み出された、画像データが符号化された符号化データのファイルデータは、ビデオインタフェース１５２０を介して多重化・逆多重化部（MUX DMUX）１５１８に供給されて逆多重化され、コーデックエンジン１５１６により復号される。コーデックエンジン１５１６の復号により得られた画像データは、画像処理エンジン１５１４により所定の画像処理が施され、ディスプレイエンジン１５１３により所定の変換が行われ、ディスプレイインタフェース１５１２を介して例えばコネクティビティ１３２１（図４１）等に供給され、その画像がモニタに表示される。また、例えば、コーデックエンジン１５１６の復号により得られた画像データは、コーデックエンジン１５１６により再符号化され、多重化・逆多重化部（MUX DMUX）１５１８により多重化されてトランスポートストリームに変換され、ネットワークインタフェース１５１９を介して例えばコネクティビティ１３２１やブロードバンドモデム１３３３（いずれも図４１）等に供給され図示せぬ他の装置に伝送される。
  なお、ビデオプロセッサ１３３２内の各処理部の間での画像データやその他のデータの授受は、例えば、内部メモリ１５１５や外部メモリ１３１２を利用して行われる。また、パワーマネージメントモジュール１３１３は、例えば制御部１５１１への電力供給を制御する。
  このように構成されるビデオプロセッサ１３３２に本技術を適用する場合、コーデックエンジン１５１６に、上述した各実施形態に係る本技術を適用すればよい。つまり、例えば、コーデックエンジン１５１６が、第１実施の形態に係る符号化装置や復号装置を実現する機能ブロックを有するようにすればよい。また、例えば、コーデックエンジン１５１６が、第２実施の形態に係る符号化装置や復号装置を実現する機能ブロックを有するようにしてもよい。さらに、例えば、コーデックエンジン１５１６が、このようにすることにより、ビデオプロセッサ１３３２は、図１乃至図３１を参照して上述した効果と同様の効果を得ることができる。
  なお、コーデックエンジン１５１６において、本技術（すなわち、上述した各実施形態に係る画像符号化装置や画像復号装置の機能）は、論理回路等のハードウエアにより実現するようにしてもよいし、組み込みプログラム等のソフトウエアにより実現するようにしてもよいし、それらの両方により実現するようにしてもよい。
  以上にビデオプロセッサ１３３２の構成を２例示したが、ビデオプロセッサ１３３２の構成は任意であり、上述した２例以外のものであってもよい。また、このビデオプロセッサ１３３２は、１つの半導体チップとして構成されるようにしてもよいが、複数の半導体チップとして構成されるようにしてもよい。例えば、複数の半導体を積層する３次元積層LSIとしてもよい。また、複数のLSIにより実現されるようにしてもよい。
　（装置への適用例）
  ビデオセット１３００は、画像データを処理する各種装置に組み込むことができる。例えば、ビデオセット１３００は、テレビジョン装置９００（図３４）、携帯電話機９２０（図３５）、記録再生装置９４０（図３６）、撮像装置９６０（図３７）等に組み込むことができる。ビデオセット１３００を組み込むことにより、その装置は、図１乃至図３１を参照して上述した効果と同様の効果を得ることができる。
  また、ビデオセット１３００は、例えば、図３８のデータ伝送システム１０００におけるパーソナルコンピュータ１００４、AV機器１００５、タブレットデバイス１００６、および携帯電話機１００７等の端末装置、図３９のデータ伝送システム１１００における放送局１１０１および端末装置１１０２、並びに、図４０の撮像システム１２００における撮像装置１２０１およびスケーラブル符号化データ記憶装置１２０２等にも組み込むことができる。ビデオセット１３００を組み込むことにより、その装置は、図１乃至図３１を参照して上述した効果と同様の効果を得ることができる。
  なお、上述したビデオセット１３００の各構成の一部であっても、ビデオプロセッサ１３３２を含むものであれば、本技術を適用した構成として実施することができる。例えば、ビデオプロセッサ１３３２のみを本技術を適用したビデオプロセッサとして実施することができる。また、例えば、上述したように点線１３４１により示されるプロセッサやビデオモジュール１３１１等を本技術を適用したプロセッサやモジュール等として実施することができる。さらに、例えば、ビデオモジュール１３１１、外部メモリ１３１２、パワーマネージメントモジュール１３１３、およびフロントエンドモジュール１３１４を組み合わせ、本技術を適用したビデオユニット１３６１として実施することもできる。いずれの構成の場合であっても、図１乃至図３１を参照して上述した効果と同様の効果を得ることができる。
  つまり、ビデオプロセッサ１３３２を含むものであればどのような構成であっても、ビデオセット１３００の場合と同様に、画像データを処理する各種装置に組み込むことができる。例えば、ビデオプロセッサ１３３２、点線１３４１により示されるプロセッサ、ビデオモジュール１３１１、または、ビデオユニット１３６１を、テレビジョン装置９００（図３４）、携帯電話機９２０（図３５）、記録再生装置９４０（図３６）、撮像装置９６０（図３７）、図３８のデータ伝送システム１０００におけるパーソナルコンピュータ１００４、AV機器１００５、タブレットデバイス１００６、および携帯電話機１００７等の端末装置、図３９のデータ伝送システム１１００における放送局１１０１および端末装置１１０２、並びに、図４０の撮像システム１２００における撮像装置１２０１およびスケーラブル符号化データ記憶装置１２０２等に組み込むことができる。そして、本技術を適用したいずれかの構成を組み込むことにより、その装置は、ビデオセット１３００の場合と同様に、図１乃至図３１を参照して上述した効果と同様の効果を得ることができる。
　なお、本明細書では、アップサンプル情報などの各種情報が、符号化ストリームに多重化されて、符号化側から復号側へ伝送される例について説明した。しかしながら、これら情報を伝送する手法はかかる例に限定されない。例えば、これら情報は、符号化ビットストリームに多重化されることなく、符号化ビットストリームと関連付けられた別個のデータとして伝送され又は記録されてもよい。ここで、「関連付ける」という用語は、ビットストリームに含まれる画像（スライス若しくはブロックなど、画像の一部であってもよい）と当該画像に対応する情報とを復号時にリンクさせ得るようにすることを意味する。即ち、情報は、画像（又はビットストリーム）とは別の伝送路上で伝送されてもよい。また、情報は、画像（又はビットストリーム）とは別の記録媒体（又は同一の記録媒体の別の記録エリア）に記録されてもよい。さらに、情報と画像（又はビットストリーム）とは、例えば、複数フレーム、１フレーム、又はフレーム内の一部分などの任意の単位で互いに関連付けられてよい。
　本開示は、MPEG,H.26ｘ等のように、離散コサイン変換等の直交変換と動き補償によって圧縮されたビットストリームを、衛星放送、ケーブルＴＶ、インターネット、携帯電話などのネットワークメディアを介して受信する際、または光、磁気ディスク、フラッシュメモリのような記憶メディア上で処理する際に用いられる符号化装置や復号装置に適用することができる。
　また、本明細書では、HEVC方式に準ずる方式で符号化および復号する場合を例にして説明したが、本開示の適用範囲はこれに限らない。クロマスケーラブル符号化を行う符号化装置、および、対応する復号装置であれば、他の方式の符号化装置および復号装置に適用することもできる。
　なお、本開示の実施の形態は、上述した実施の形態に限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。
　例えば、本開示は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
　また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
　さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
　なお、本開示は、以下のような構成もとることができる。
　（１）
　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプル部と、
　前記アップサンプル部により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像の符号化データを復号する復号部と
　を備える復号装置。
　（２）
　前記アップサンプル部は、前記第１階層色差信号と前記第２の階層の画像の色差信号である第２階層色差信号とを用いて、前記第１階層色差信号のイントラ予測モードごとに算出された前記アップサンプリングに関する情報と、前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（１）に記載の復号装置。
　（３）
　前記第１階層色差信号のイントラ予測モードに基づいて前記第１階層色差信号をクラスに分類するクラス分類部
　をさらに備え、
　前記アップサンプル部は、前記クラスごとに算出された前記アップサンプリングに関する情報と前記第１階層色差信号のクラスとに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（２）に記載の復号装置。
　（４）
　前記アップサンプリングに関する情報は、フィルタ処理のオフセットとフィルタ係数であり、
　前記アップサンプル部は、前記アップサンプリングに関する情報と前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号に対して前記フィルタ処理を行うことにより、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（２）または（３）に記載の復号装置。
　（５）
　前記第１階層色差信号のイントラ予測モードに基づいてフィルタ処理のタップ数を選択する選択部
　をさらに備え、
　前記アップサンプル部は、前記選択部により選択された前記タップ数のフィルタ処理を前記第１階層色差信号に対して行うことにより、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（１）に記載の復号装置。
　（６）
　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードと符号化単位のサイズとに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（１）乃至（５）のいずれかに記載の復号装置。
　（７）
　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードとインター予測ブロックの形状とに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（１）乃至（６）のいずれかに記載の復号装置。
　（８）
　復号装置が、
　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプルステップと、
　前記アップサンプルステップの処理により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像の符号化データを復号する復号ステップと
　を含む復号方法。
　（９）
　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプル部と、
　前記アップサンプル部により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像を符号化する符号化部と
　を備える符号化装置。
　（１０）
　前記第１階層色差信号と前記第２の階層の画像の色差信号である第２階層色差信号とを用いて、前記第１階層色差信号のイントラ予測モードごとに前記アップサンプリングに関する情報を算出する情報算出部と、
　前記情報算出部により算出された前記アップサンプリングに関する情報を伝送する伝送部と
　をさらに備え、
　前記アップサンプル部は、前記情報算出部により算出された前記アップサンプリングに関する情報と前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（９）に記載の符号化装置。
　（１１）
　前記第１階層色差信号のイントラ予測モードに基づいて前記第１階層色差信号をクラスに分類するクラス分類部
　をさらに備え、
　前記情報算出部は、前記クラスごとに前記アップサンプリングに関する情報を算出し、
　前記アップサンプル部は、前記情報算出部により算出された前記アップサンプリングに関する情報と前記第１階層色差信号のクラスとに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（１０）に記載の符号化装置。
　（１２）
　前記アップサンプリングに関する情報は、フィルタ処理のオフセットとフィルタ係数であり、
　前記アップサンプル部は、前記アップサンプリングに関する情報と前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号に対して前記フィルタ処理を行うことにより、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（１０）に記載の符号化装置。
　（１３）
　前記第１階層色差信号のイントラ予測モードに基づいてフィルタ処理のタップ数を選択する選択部
　をさらに備え、
　前記アップサンプル部は、前記選択部により選択された前記タップ数のフィルタ処理を前記第１階層色差信号に対して行うことにより、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（９）に記載の符号化装置。
　（１４）
　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードと符号化単位のサイズとに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（９）乃至（１３）のいずれかに記載の符号化装置。
　（１５）
　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードとインター予測ブロックの形状とに基づいて、前記第１階層色差信号をアップサンプリングする
　ように構成された
　前記（９）乃至（１４）のいずれかに記載の符号化装置。
　（１６）
　符号化装置が、
　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプルステップと、
　前記アップサンプルステップの処理により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像を符号化する符号化ステップと
　を含む符号化方法。
　３０　符号化装置，　３４　伝送部，　７３　演算部,　９１　アップサンプル部,　１１２　クラス分類部，　１１３　情報算出部,　１６０　復号装置，　２０５　加算部，　２１６　アップサンプル部, 　２３２　クラス分類部,　２６１　アップサンプル部,　２６２　選択部,　３１２　アップサンプル部,　３１３　選択部

Claims (16)

  1. 　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプル部と、
    　前記アップサンプル部により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像の符号化データを復号する復号部と
    　を備える復号装置。
  2. 　前記アップサンプル部は、前記第１階層色差信号と前記第２の階層の画像の色差信号である第２階層色差信号とを用いて、前記第１階層色差信号のイントラ予測モードごとに算出された前記アップサンプリングに関する情報と、前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項１に記載の復号装置。
  3. 　前記第１階層色差信号のイントラ予測モードに基づいて前記第１階層色差信号をクラスに分類するクラス分類部
    　をさらに備え、
    　前記アップサンプル部は、前記クラスごとに算出された前記アップサンプリングに関する情報と前記第１階層色差信号のクラスとに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項２に記載の復号装置。
  4. 　前記アップサンプリングに関する情報は、フィルタ処理のオフセットとフィルタ係数であり、
    　前記アップサンプル部は、前記アップサンプリングに関する情報と前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号に対して前記フィルタ処理を行うことにより、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項２に記載の復号装置。
  5. 　前記第１階層色差信号のイントラ予測モードに基づいてフィルタ処理のタップ数を選択する選択部
    　をさらに備え、
    　前記アップサンプル部は、前記選択部により選択された前記タップ数のフィルタ処理を前記第１階層色差信号に対して行うことにより、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項１に記載の復号装置。
  6. 　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードと符号化単位のサイズとに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項１に記載の復号装置。
  7. 　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードとインター予測ブロックの形状とに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項１に記載の復号装置。
  8. 　復号装置が、
    　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプルステップと、
    　前記アップサンプルステップの処理により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像の符号化データを復号する復号ステップと
    　を含む復号方法。
  9. 　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプル部と、
    　前記アップサンプル部により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像を符号化する符号化部と
    　を備える符号化装置。
  10. 　前記第１階層色差信号と前記第２の階層の画像の色差信号である第２階層色差信号とを用いて、前記第１階層色差信号のイントラ予測モードごとに前記アップサンプリングに関する情報を算出する情報算出部と、
    　前記情報算出部により算出された前記アップサンプリングに関する情報を伝送する伝送部と
    　をさらに備え、
    　前記アップサンプル部は、前記情報算出部により算出された前記アップサンプリングに関する情報と前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項９に記載の符号化装置。
  11. 　前記第１階層色差信号のイントラ予測モードに基づいて前記第１階層色差信号をクラスに分類するクラス分類部
    　をさらに備え、
    　前記情報算出部は、前記クラスごとに前記アップサンプリングに関する情報を算出し、
    　前記アップサンプル部は、前記情報算出部により算出された前記アップサンプリングに関する情報と前記第１階層色差信号のクラスとに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項１０に記載の符号化装置。
  12. 　前記アップサンプリングに関する情報は、フィルタ処理のオフセットとフィルタ係数であり、
    　前記アップサンプル部は、前記アップサンプリングに関する情報と前記第１階層色差信号のイントラ予測モードとに基づいて、前記第１階層色差信号に対して前記フィルタ処理を行うことにより、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項１０に記載の符号化装置。
  13. 　前記第１階層色差信号のイントラ予測モードに基づいてフィルタ処理のタップ数を選択する選択部
    　をさらに備え、
    　前記アップサンプル部は、前記選択部により選択された前記タップ数のフィルタ処理を前記第１階層色差信号に対して行うことにより、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項９に記載の符号化装置。
  14. 　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードと符号化単位のサイズとに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項９に記載の符号化装置。
  15. 　前記アップサンプル部は、前記第１階層色差信号のイントラ予測モードとインター予測ブロックの形状とに基づいて、前記第１階層色差信号をアップサンプリングする
    　ように構成された
    　請求項９に記載の符号化装置。
  16. 　符号化装置が、
    　第１の階層の画像の色差信号である第１階層色差信号のイントラ予測モードに基づいて、前記第１階層色差信号をアップサンプリングするアップサンプルステップと、
    　前記アップサンプルステップの処理により前記第１階層色差信号がアップサンプリングされた前記第１の階層の画像を用いて、第２の階層の画像を符号化する符号化ステップと
    　を含む符号化方法。
PCT/JP2014/075800 2013-10-11 2014-09-29 復号装置および復号方法、並びに、符号化装置および符号化方法 Ceased WO2015053112A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013213780 2013-10-11
JP2013-213780 2013-10-11

Publications (1)

Publication Number Publication Date
WO2015053112A1 true WO2015053112A1 (ja) 2015-04-16

Family

ID=52812931

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/075800 Ceased WO2015053112A1 (ja) 2013-10-11 2014-09-29 復号装置および復号方法、並びに、符号化装置および符号化方法

Country Status (1)

Country Link
WO (1) WO2015053112A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170349566A1 (en) * 2014-12-23 2017-12-07 Anthea Aromatics Private Limited An efficient process for the synthesis of alkoxy substituted benzaldehydes
US10448034B2 (en) 2016-10-17 2019-10-15 Fujitsu Limited Video image encoding device, video image coding method, video image decoding device, video image decoding method, and non-transitory computer-readable storage medium
CN113840144A (zh) * 2019-03-25 2021-12-24 Oppo广东移动通信有限公司 图像分量的预测方法、编码器、解码器及计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011223337A (ja) * 2010-04-09 2011-11-04 Sony Corp 画像処理装置および方法
WO2011145601A1 (ja) * 2010-05-18 2011-11-24 ソニー株式会社 画像処理装置と画像処理方法
WO2013105622A1 (ja) * 2012-01-13 2013-07-18 シャープ株式会社 画像復号装置、画像符号化装置、および符号化データのデータ構造

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011223337A (ja) * 2010-04-09 2011-11-04 Sony Corp 画像処理装置および方法
WO2011145601A1 (ja) * 2010-05-18 2011-11-24 ソニー株式会社 画像処理装置と画像処理方法
WO2013105622A1 (ja) * 2012-01-13 2013-07-18 シャープ株式会社 画像復号装置、画像符号化装置、および符号化データのデータ構造

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHUL KEUN KIM ET AL.: "Directional filtering for upsampling according to direction information of the spatially lower layer", JOINT VIDEO TEAM (JVT) OF ISO/IEC MPEG & ITU-T VCEG (ISO/IEC JTC1/SC29/WG11 AND ITU-T SG 16 Q.6) JVT-R040, ITU-T, 20 January 2006 (2006-01-20), pages 1 - 11 *
JIE DONG ET AL.: "Description of scalable video coding technology proposal by InterDigital Communications", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11 JCTVC-K0034_R1, ITU-T, 19 October 2012 (2012-10-19), pages 1 - 28 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170349566A1 (en) * 2014-12-23 2017-12-07 Anthea Aromatics Private Limited An efficient process for the synthesis of alkoxy substituted benzaldehydes
US10448034B2 (en) 2016-10-17 2019-10-15 Fujitsu Limited Video image encoding device, video image coding method, video image decoding device, video image decoding method, and non-transitory computer-readable storage medium
CN113840144A (zh) * 2019-03-25 2021-12-24 Oppo广东移动通信有限公司 图像分量的预测方法、编码器、解码器及计算机存储介质
US12101495B2 (en) 2019-03-25 2024-09-24 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Colour component prediction method, encoder, decoder, and computer storage medium

Similar Documents

Publication Publication Date Title
JP6780761B2 (ja) 画像符号化装置および方法
JP6287035B2 (ja) 復号装置および復号方法
JP6555541B2 (ja) 画像符号化装置および方法
JPWO2015053115A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2014002899A1 (ja) 符号化装置および符号化方法
JP2015005899A (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2015137145A1 (ja) 画像符号化装置および方法、並びに画像復号装置および方法
WO2015098561A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2015053116A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2014208326A1 (ja) 画像符号化装置および方法、並びに、画像復号装置および方法
WO2015053112A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2015098559A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2015098563A1 (ja) 画像符号化装置および方法、並びに画像復号装置および方法
JP6150134B2 (ja) 画像符号化装置および方法、画像復号装置および方法、プログラム、並びに記録媒体
JP6477930B2 (ja) 符号化装置および符号化方法
WO2015053111A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
JPWO2014002900A1 (ja) 画像処理装置および画像処理方法
JP6402802B2 (ja) 画像処理装置および方法、プログラム、並びに記録媒体
JP2015050738A (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2014162916A1 (ja) 画像符号化装置および方法、並びに、画像復号装置および方法
WO2014203762A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法
WO2014156705A1 (ja) 復号装置および復号方法、並びに、符号化装置および符号化方法

Legal Events

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

Ref document number: 14852861

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: 14852861

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP