逆量化方法、逆量化装置及程序

摘要

本发明提供一种逆量化方法，其特征在于，以多个量化值为组进行逆量化来求出多个逆量化值的组，至少利用所述量化值以外的信号求出对于每个量化值逆量化值的可取值的范围，在每个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

说明书

技术领域

本发明涉及逆量化方法、逆量化装置及程序。

背景技术

参照图1，对相关联的影像逆量化技术进行说明。其中，要注意：量 化器E1001是以表示与进行影像逆量化的要素计算器E1002的输入输出 关系为目的进行记载的，也就是影像逆量化技术能够仅由要素计算器 E1002构成。

另外，将垂直像素数为m、水平像素数为n的一个灰度色标的影像 帧设为影像信号向量x。其中，从以下说明可知，在彩色的影像信号中也 能适用相关技术和本发明。另外，即便所述影像信号向量x是影像帧的部 分区域，也能适用相关技术和本发明。此外，在本发明中，将“多个要素 的组”及“多个要素的集合”称为“向量”。

量化器E1001对影像信号向量x的各要素

x_i，j(0≤i≤m-1，0≤j≤n-1)

进行量化，计算量化值q_i，j。如果E1001的量化器是量化宽度为Qs 的线性量化器，则如下公式成立。

q_i，j＝floor(x_i，j/Qs+0.5)(1)

其中，函数floor( )为底函数，是在实数值的输入值中返回最大整 数的函数。以下，将所述量化值q_i，j的组(集合)作为量化值向量q。

要素计算器E1002利用所述量化值q_i，j、和在与影像信号向量x之间 有相关性的其他影像信号向量y(辅助信息y)的各要素y_i，j，计算逆量 化值

如果将与所述量化值q_i，j相对应的半开区间设为

(其中，$Q_{i,j}^{-}=\mathrm{Qs}·q_{i,j}-\mathrm{Qs}/2,$$Q_{\mathrm{ij}}^{+}=\mathrm{Qs}·q_{i,j}+\mathrm{Qs}/2$)，

将与所述相关相对应的附条件概率密度函数设为f_X|Y(x|y)，则要 素计算器E1002将影像信号向量逆量化的逆量化影像信号向量的均方 误差为最小的各要素(各逆量化值)通过以下的附条件期望值进行 计算(图2)。

${\hat{x}}_{i,j}=E_{X|y}\left[x\right|x\in [Q_{i,j}^{-},Q_{i,j}^{+}),y_{i,j}]={\int }_{Q_{i,j}^{-}}^{Q_{i,j}^{+}}x·f_{X|y}\left(x\right|y_{i,j})\mathrm{dx}---\left(2\right)$

此外，在现实中，基于“不知道附条件概率分布f_X|y的完整形状”以 及“式(2)的计算需要积分”这样的理由，利用代替式(2)的近似计算 (非专利文献1、2、3)。例如，在非专利文献1中提出，代替式(2)而 利用以下的式(2)’。

${\hat{x}}_{i,j}=\left(\begin{array}{c}{Q}_{i,j}^{-},y_{i,j}<Q_{i,j}^{-}\\ y_{i,j},Q_{i,j}^{-}\le y_{i,j}<Q_{i,j}^{+}\\ Q_{i,j}^{+},Q_{i,j}^{+}\le y_{i,j}\end{array}\right)---\left(2\right)\text{'}$

只要近似计算正确，与单纯逆量化来计算逆量化值的情况相比，通过 利用所述辅助信息y计算逆量化值，就能降低逆量化影像信号向量的均 方误差。

通过上述的要素计算器E1002的影像逆量化，能够计算军方误差更 小的逆量化影像信号向量

综上，结束相关技术的说明。

非专利文献1：Aaron，R.Zhang and B.Girod，“Wyner-Ziv Coding for  Motion Video，”Asilomar Conference，November 2002.

非专利文献2：Y.Vatis，S.Klomp and J.Ostermann，“Enhanced  reconstruction of the quantised transform coefficients for Wyner-Ziv coding，” ICME，July 2007.

非专利文献3：D.Kubasov，J.Nayak and C.Guillemot，“Optimal  Reconstruction in Wyner-Ziv Video Coding with Multiple Side Information，” MMSP，October，2007.

非专利文献4：S.Osher，L.I.Rudin，and E.Fatemi，“Nonlinear total  variation based noise removal algorithms，”Physic D，vol.60，pp.259-268， 1992.

非专利文献5：C.Tomasi and R.Manduchi，“Bilateral Filtering for Gray  and Color Images，”ICCV，1998.

非专利文献6：F.Alter，S.Durand and J.Froment，“Adapted Total  Variation for Artifact Free Decompression of JPEG Images，”Journal of  Mathematical Imaging and Vision 23，pp.199-211，September 2005.

非专利文献7：A.Chambolle，“An algorithm for total variation  minimization and applications，”J.Math.Imaging Vis.，Vol.20，No.1，pp.89- 97，2004.

作为相关技术的原理方面课题，存在的问题在于，即便近似计算正确， 代替逆量化影像信号向量的均方误差降低，平方误差局部变大，其作为 局部劣化较显著。

发明内容

因此，本发明是鉴于上述技术问题提出的，其目的在于提供一种高质 量的逆量化方法、逆量化装置及程序。

为了解决上述技术问题的本发明的一种逆量化方法，其特征在于，以 多个量化值为组进行逆量化来求出多个逆量化值的组，至少利用所述量化 值以外的信号求出对于每个量化值逆量化值的可取值的范围，在每个逆量 化值的可取值的范围内，以全变差范数最小的临时逆量化值的组作为所述 逆量化值的组而求出。

为了解决上述技术问题的本发明的一种逆量化方法，其特征在于，以 多个量化值为组进行逆量化来求出多个逆量化值的组，利用所述多个量化 值和所述量化值以外的信号，以要素单位计算所述多个量化值的各量化值 的临时逆量化值，利用所述多个量化值求出对于每个量化值逆量化值的可 取值的范围，将以所述要素单位计算出的临时逆量化值的组作为起点，在 每个逆量化值的可取值的范围内，求出全变差范数最小的临时逆量化值的 组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种编码方法，其特征在于，对多 个量化值进行编码，所述编码方法使用以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化方法，在所述逆量化方法中，至少利用所述 量化值以外的信号求出对于每个量化值逆量化值的可取值的范围，在每个 逆量化值的可取值的范围内，求出全变差范数最小的临时逆量化值的组作 为所述逆量化值的组。

为了解决上述技术问题的本发明的一种编码方法，其特征在于，对多 个量化值进行编码，所述编码方法使用以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化方法，在所述逆量化方法中，利用所述多个 量化值和所述量化值以外的信号，以要素单位计算所述多个量化值的各量 化值的临时逆量化值，利用所述多个量化值求出对于每个量化值逆量化值 的可取值的范围，将以所述要素单位计算出的临时逆量化值的组作为起 点，在每个逆量化值的可取值的范围内，求出全变差范数最小的临时逆量 化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种解码方法，其特征在于，对多 个量化值进行解码，所述解码方法使用以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化方法，在所述逆量化方法中，至少利用所述 量化值以外的信号求出对于每个量化值逆量化值的可取值的范围，在每个 逆量化值的可取值的范围内，求出全变差范数最小的临时逆量化值的组作 为所述逆量化值的组。

为了解决上述技术问题的本发明的一种解码方法，其特征在于，对多 个量化值进行解码，所述解码方法使用以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化方法，在所述逆量化方法中，利用所述多个 量化值和所述量化值以外的信号，以要素单位计算所述多个量化值的各量 化值的临时逆量化值，利用所述多个量化值求出对于每个量化值逆量化值 的可取值的范围，将以所述要素单位计算出的临时逆量化值的组作为起 点，在每个逆量化值的可取值的范围内，求出全变差范数最小的临时逆量 化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种影像逆量化方法，其特征在 于，根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量 化影像向量，所述影像逆量化方法包括：影像要素计算步骤，利用在与所 述处理对象的影像向量之间存在相关性的其他影像向量的要素和所述量 化值向量的要素，以要素单位计算初始逆量化影像向量；和影像向量计算 步骤，以在所述影像要素计算步骤中计算出的初始逆量化影像向量作为起 点，根据基于在与所述处理对象的影像向量之间存在相关性的其他影像向 量和所述量化值向量而确定的临时逆量化影像向量的集合，计算全变差范 数最小的临时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像逆量化方法，其特征在 于，根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量 化影像向量，所述影像逆量化方法包括：影像要素计算步骤，利用在与所 述处理对象的影像向量之间存在相关性的其他影像向量的要素和所述量 化值向量的要素，以要素单位计算初始逆量化影像向量；和影像向量计算 步骤，以在所述影像要素计算步骤中计算出的初始逆量化影像向量作为起 点，根据基于所述量化值向量而确定的临时逆量化影像向量的集合，计算 全变差范数最小的临时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像逆量化方法，其特征在 于，根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量 化影像向量，所述影像逆量化方法包括：影像要素计算步骤，利用所述量 化值向量的要素，以要素单位计算初始逆量化影像向量；和影像向量计算 步骤，以在所述影像要素计算步骤中计算出的初始逆量化影像向量作为起 点，根据基于在与所述处理对象的影像向量之间存在相关性的其他影像向 量和所述量化值向量而确定的临时逆量化影像向量的集合，计算全变差范 数最小的临时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像编码方法，其特征在于， 对量化值向量进行编码，所述影像编码方法使用根据与当前的处理对象的 影像向量对应的量化值向量来计算其逆量化影像向量的影像逆量化方法， 所述影像逆量化方法包括：影像要素计算步骤，利用在与所述处理对象的 影像向量之间存在相关性的其他影像向量的要素和所述量化值向量的要 素，以要素单位计算所述处理对象的初始逆量化影像向量；和影像向量计 算步骤，以在所述影像要素计算步骤中计算出的初始逆量化影像向量作为 起点，根据基于在与所述处理对象的影像向量之间存在相关性的其他影像 向量和所述量化值向量而确定的向量空间，计算全变差范数最小的临时逆 量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像解码方法，其特征在于， 对量化值向量进行解码，所述影像解码方法使用根据与当前的处理对象的 影像向量对应的量化值向量来计算其逆量化影像向量的影像逆量化方法， 所述影像逆量化方法包括：影像要素计算步骤，利用在与所述处理对象的 影像向量之间存在相关性的其他影像向量的要素和所述量化值向量的要 素，以要素单位计算所述处理对象的初始逆量化影像向量；和影像向量计 算步骤，以在所述影像要素计算步骤中计算出的初始逆量化影像向量作为 起点，根据基于在与所述处理对象的影像向量之间存在相关性的其他影像 向量和所述量化值向量而确定的向量空间，计算全变差范数最小的临时逆 量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种逆量化装置，其特征在于，以 多个量化值为组进行逆量化来求出多个逆量化值的组，所述逆量化装置包 括恢复单元，该恢复单元至少利用所述量化值以外的信号求出对于每个量 化值逆量化值的可取值的范围，在每个逆量化值的可取值的范围内，求出 全变差范数最小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种逆量化装置，其特征在于，以 多个量化值为组进行逆量化来求出多个逆量化值的组，所述逆量化装置包 括恢复单元，该恢复单元利用所述多个量化值和所述量化值以外的信号， 以要素单位计算所述多个量化值的各量化值的临时逆量化值，利用所述多 个量化值求出对于每个量化值逆量化值的可取值的范围，将以所述要素单 位计算出的临时逆量化值的组作为起点，在每个逆量化值的可取值的范围 内，求出全变差范数最小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种编码装置，其特征在于，对多 个量化值进行编码，所述编码装置包括以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化装置，所述逆量化装置包括如下单元：该单 元至少利用所述量化值以外的信号求出对于每个量化值逆量化值的可取 值的范围，在每个逆量化值的可取值的范围内，求出全变差范数最小的临 时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种编码装置，其特征在于，对多 个量化值进行编码，所述编码装置包括以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化装置，所述逆量化装置包括如下单元：该单 元利用所述多个量化值和所述量化值以外的信号，以要素单位计算所述多 个量化值的各量化值的临时逆量化值，利用所述多个量化值求出对于每个 量化值逆量化值的可取值的范围，将以所述要素单位计算出的临时逆量化 值的组作为起点，在每个逆量化值的可取值的范围内，求出全变差范数最 小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种解码装置，其特征在于，对多 个量化值进行解码，所述解码装置包括以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化装置，所述逆量化装置包括如下单元：该单 元至少利用所述量化值以外的信号求出对于每个量化值逆量化值的可取 值的范围，在每个逆量化值的可取值的范围内，求出全变差范数最小的临 时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种解码装置，其特征在于，对多 个量化值进行解码，所述解码装置包括以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化装置，所述逆量化装置包括如下单元：该单 元利用所述多个量化值和所述量化值以外的信号，以要素单位计算所述多 个量化值的各量化值的临时逆量化值，利用所述多个量化值求出对于每个 量化值逆量化值的可取值的范围，将以所述要素单位计算出的临时逆量化 值的组作为起点，在每个逆量化值的可取值的范围内，求出全变差范数最 小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种影像逆量化装置，其特征在 于，根据与当前的处理对象的影像向量对应的量化值向量来计算其逆量化 影像向量，所述影像逆量化装置包括：影像要素计算单元，利用在与所述 处理对象的影像向量之间存在相关性的其他影像向量的要素和所述量化 值向量的要素，以要素单位计算初始逆量化影像向量；和影像向量计算单 元，以在所述影像要素计算单元中计算出的初始逆量化影像向量作为起 点，根据基于在与所述处理对象的影像向量之间存在相关性的其他影像向 量和所述量化值向量而确定的临时逆量化影像向量的集合，计算全变差范 数最小的临时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像逆量化装置，其特征在 于，根据与当前的处理对象的影像向量对应的量化值向量来计算其逆量化 影像向量，所述影像逆量化装置包括：影像要素计算单元，利用在与所述 处理对象的影像向量之间存在相关性的其他影像向量的要素和所述量化 值向量的要素，以要素单位计算初始逆量化影像向量；和影像向量计算单 元，以在所述影像要素计算单元中计算出的初始逆量化影像向量作为起 点，根据基于所述量化值向量而确定的临时逆量化影像向量的集合，计算 全变差范数最小的临时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像逆量化装置，其特征在 于，根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量 化影像向量，所述影像逆量化装置包括：影像要素计算单元，利用所述量 化值向量的要素，以要素单位计算初始逆量化影像向量；和影像向量计算 单元，以在所述影像要素计算单元中计算出的初始逆量化影像向量作为起 点，根据基于在与所述处理对象的影像向量之间存在相关性的其他影像向 量和所述量化值向量而确定的临时逆量化影像向量的集合，计算全变差范 数最小的临时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像编码装置，其特征在于， 对量化值向量进行编码，所述影像编码装置包括根据与当前的处理对象的 影像向量所对应的量化值向量来计算其逆量化影像向量的影像逆量化装 置，所述影像逆量化装置包括：影像要素计算单元，利用在与所述处理对 象的影像向量之间存在相关性的其他影像向量的要素和所述量化值向量 的要素，以要素单位计算所述处理对象的初始逆量化影像向量；和影像向 量计算单元，以在所述影像要素计算单元中计算出的初始逆量化影像向量 作为起点，根据基于在与所述处理对象的影像向量之间存在相关性的其他 影像向量和所述量化值向量而确定的向量空间，计算全变差范数最小的临 时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种影像解码装置，其特征在于， 对量化值向量进行解码，所述影像解码装置包括根据与当前的处理对象的 影像向量所对应的量化值向量来计算其逆量化影像向量的影像逆量化装 置，所述影像逆量化装置包括：影像要素计算单元，利用在与所述处理对 象的影像向量之间存在相关性的其他影像向量的要素和所述量化值向量 的要素，以要素单位计算所述处理对象的初始逆量化影像向量；和影像向 量计算单元，以在所述影像要素计算单元中计算出的初始逆量化影像向量 作为起点，根据基于在与所述处理对象的影像向量之间存在相关性的其他 影像向量和所述量化值向量而确定的向量空间，计算全变差范数最小的临 时逆量化影像向量作为所述逆量化影像向量。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化程序，该 程序使信息处理装置执行如下处理：至少利用所述量化值以外的信号求出 对于每个量化值逆量化值的可取值的范围；和在每个逆量化值的可取值的 范围内，求出全变差范数最小的临时逆量化值的组作为所述逆量化值的 组。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化程序，该 程序使信息处理装置执行如下处理：利用所述多个量化值和所述量化值以 外的信号，以要素单位计算所述多个量化值的各量化值的临时逆量化值； 和利用所述多个量化值求出对于每个量化值逆量化值的可取值的范围，以 在所述要素单位计算出的临时逆量化值的组作为起点，在每个逆量化值的 可取值的范围内，以全变差范数最小的临时逆量化值的组作为所述逆量化 值的组而求出。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 对多个量化值进行编码的编码程序，该程序包括以多个量化值为组进行逆 量化来求出多个逆量化值的组的逆量化处理，所述逆量化处理使信息处理 装置执行如下处理：至少利用所述量化值以外的信号求出对于每个量化值 逆量化值的可取值的范围；和在每个逆量化值的可取值的范围内，求出全 变差范数最小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 对多个量化值进行编码的编码程序，该程序包括以多个量化值为组进行逆 量化来求出多个逆量化值的组的逆量化处理，所述逆量化处理使信息处理 装置执行如下处理：利用所述多个量化值和所述量化值以外的信号，以要 素单位计算所述多个量化值的各量化值的临时逆量化值；和利用所述多个 量化值求出对于每个量化值逆量化值的可取值的范围，以在所述要素单位 计算出的临时逆量化值的组作为起点，在每个逆量化值的可取值的范围 内，求出全变差范数最小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 对多个量化值进行解码的解码方法程序，该程序包括以多个量化值为组进 行逆量化来求出多个逆量化值的组的逆量化处理，所述逆量化处理使信息 处理装置执行如下处理：至少利用所述量化值以外的信号求出对于每个量 化值逆量化值的可取值的范围；和在每个逆量化值的可取值的范围内，求 出全变差范数最小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 对多个量化值进行解码的解码程序，该程序包括以多个量化值为组进行逆 量化来求出多个逆量化值的组的逆量化处理，所述逆量化处理使信息处理 装置执行如下处理：利用所述多个量化值和所述量化值以外的信号，以要 素单位计算所述多个量化值的各量化值的临时逆量化值；和利用所述多个 量化值求出对于每个量化值逆量化值的可取值的范围，以在所述要素单位 计算出的临时逆量化值的组作为起点，在每个逆量化值的可取值的范围 内，求出全变差范数最小的临时逆量化值的组作为所述逆量化值的组。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量化 影像向量的影像逆量化程序，该程序使信息处理装置执行如下处理：影像 要素计算处理，利用在与所述处理对象的影像向量之间存在相关性的其他 影像向量的要素和所述量化值向量的要素，以要素单位计算初始逆量化影 像向量；和影像向量计算处理，以在所述影像要素计算处理中计算出的初 始逆量化影像向量作为起点，根据通过在与所述处理对象的影像向量之间 存在相关性的其他影像向量和所述量化值向量而确定的临时逆量化影像 向量的集合，计算全变差范数最小的临时逆量化影像向量作为所述逆量化 影像向量。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量化 影像向量的影像逆量化程序，该程序使信息处理装置执行如下处理：影像 要素计算处理，利用在与所述处理对象的影像向量之间存在相关性的其他 影像向量的要素和所述量化值向量的要素，以要素单位计算初始逆量化影 像向量；和影像向量计算处理，以在所述影像要素计算处理中计算出的初 始逆量化影像向量作为起点，根据通过所述量化值向量而确定的临时逆量 化影像向量的集合，计算全变差范数最小的临时逆量化影像向量作为所述 逆量化影像向量。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 根据与当前的处理对象的影像向量所对应的量化值向量来计算其逆量化 影像向量的影像逆量化程序，该程序使信息处理装置执行如下处理：影像 要素计算处理，利用所述量化值向量的要素，以要素单位计算初始逆量化 影像向量；和影像向量计算处理，以在所述影像要素计算处理中计算出的 初始逆量化影像向量作为起点，根据通过在与所述处理对象的影像向量之 间存在相关性的其他影像向量和所述量化值向量而确定的临时逆量化影 像向量的集合，计算全变差范数最小的临时逆量化影像向量作为所述逆量 化影像向量。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 对量化值向量进行编码的影像编码程序，该程序包括根据与当前的处理对 象的影像向量所对应的量化值向量来计算其逆量化影像向量的影像逆量 化处理，所述影像逆量化处理使信息处理装置执行如下处理：影像要素计 算处理，利用在与所述处理对象的影像向量之间存在相关性的其他影像向 量的要素和所述量化值向量的要素，以要素单位计算所述处理对象的初始 逆量化影像向量；和影像向量计算处理，以在所述影像要素计算处理中计 算出的初始逆量化影像向量作为起点，根据通过在与所述处理对象的影像 向量之间存在相关性的其他影像向量和所述量化值向量而确定的向量空 间，计算全变差范数最小的临时逆量化影像向量作为所述逆量化影像向 量。

为了解决上述技术问题的本发明的一种程序，其特征在于，该程序是 对量化值向量进行解码的影像解码程序，该程序包括根据与当前的处理对 象的影像向量所对应的量化值向量来计算其逆量化影像向量的影像逆量 化处理，所述影像逆量化处理使信息处理装置执行如下处理：影像要素计 算处理，利用在与所述处理对象的影像向量之间存在相关性的其他影像向 量的要素和所述量化值向量的要素，以要素单位计算所述处理对象的初始 逆量化影像向量；和影像向量计算处理，以在所述影像要素计算处理中计 算出的初始逆量化影像向量作为起点，根据通过在与所述处理对象的影像 向量之间存在相关性的其他影像向量和所述量化值向量而确定的向量空 间，计算全变差范数最小的临时逆量化影像向量作为所述逆量化影像向 量。

根据本发明，能够提供高质量的逆量化方法、逆量化装置及程序。

附图说明

图1是关联技术的说明图。

图2是要素的逆量化概念图。

图3是初始逆量化影像信号向量计算结果的概念图。

图4是值域的概念图。

图5是最终逆量化影像信号向量计算结果的概念图。

图6是第1实施方式的结构图。

图7是第1实施方式的流程图。

图8是第2实施方式的结构图。

图9是第2实施方式的流程图。

图10是第3实施方式的结构图。

图11是第3实施方式的流程图。

图12是第4实施方式的结构图。

图13是第4实施方式的流程图。

图14是第1实施方式中的其他结构图。

图15是第2实施方式中的其他结构图。

图16是第3实施方式中的其他结构图。

图17是第4实施方式中的其他结构图。

图18是第1实施方式中的其他结构图。

图19是第2实施方式中的其他结构图。

图20是第3实施方式中的其他结构图。

图21是第4实施方式中的其他结构图。

图22是利用了影像逆量化器的影像编码器的结构图。

图23是利用了影像逆量化器的影像解码器的结构图。

图24是本实施方式中的信息处理装置的结构图。

图25是用于说明本实施方式中的效果的具体例的图。

符号说明：

E2000-影像逆量化器

E2001-量化器

E2002-要素计算器

E2003-向量计算器

具体实施方式

简单说明本发明的原理。

一般情况下存在“影像信号是由信号值平缓变化的平坦区域、信号 值急剧变化的边沿区域、以及信号值激烈振动的纹理(texture)区域构成 的，人类的视觉对平坦区域和边沿区域中的噪声比较敏感，对纹理区域中 的噪声不敏感”的特性。

因此，根据上述特性，认为上述局部劣化显著的位置是影像信号的平 坦区域或边沿区域的位置。本发明通过将基于上述关联技术按要素计算出 的逆量化影像信号向量(以后，称为初始逆量化影像信号向量)变更成其 影像信号向量的振动更小的逆量化影像信号向量(以后，称为最终逆量化 影像信号向量)，来避免上述局部劣化显著的问题。

其中，在本发明中，作为计算“人类的视觉敏感的”边沿区域中的模 糊少的上述最终逆量化影像信号向量的方法，利用使全变差范数(Total  variation norm)最小化的非专利文献4的全变差最小化法(Total variation  minimization methods)、非专利文献5的双边滤波器(Bilateral Filter)等。

在本发明中，利用量化值、所述辅助信息及所述附条件概率密度函数， 准确地限定存在逆量化影像信号向量(原始的影像信号向量)的向量的集 合(以后，将所述向量的集合所对应的向量空间简称为部分向量空间)， 并在所述部分向量空间中计算所述最终逆量化影像信号向量。由此，能够 更有效地抑制所述边沿区域中的模糊。准确地限定所述部分向量空间这点 与利用所述全变差最小化法抑制由JPEG压缩引起的噪声的非专利文献6 大不相同。原本，非专利文献6中未考虑利用所述辅助信息来降低逆量化 影像信号向量的均方误差的这种关联技术的方法。

接着，利用附图解说本发明的原理。

本发明，首先与关联技术同样地计算所述初始逆量化影像信号向量 (图3)。

接着，本发明根据所述量化值q_i，j、所述辅助信息的要素y_i，j、及所 述附条件概率密度函数f_X|Y来计算原始的影像向量x的各要素x_i，j的值域 (range)即(图4)。将由所述各要素x_i，j的值域所定义 的部分向量空间设为：

$U(x\in R^{m\times n},\forall i=0,...m-1,\forall j=0,...n-1,x_{i,j}\in [{Q_{i,j}^{-}}^{\prime },{Q_{i,j}^{+}}^{\prime }\left]\right)$

其中，R^m×n是具有实数要素的m行n列的矩阵，对应于影像向量。

在图4的例子中，所述要素x_i，j的值域即是f_X|Y在定义域 (domain)中其值比0大的区间和半开区间的的重叠。要注意：存 在原始的影像信号向量的所述部分向量空间U是比由所述量化值q_i，j定义 的部分向量空间

$V(x\in R^{m\times n},\forall i=0,...m-1,\forall j=0,...n-1,x_{i,j}\in [Q_{i,j}^{-},Q_{i,j}^{+}\left]\right)$

进一步限定的部分向量空间(即、U是V的部分空间(sub-space))。

最后，本发明在所述部分向量空间U中，以所述初始逆量化影像信 号向量为起点，计算最终逆量化影像信号向量，并将其结果作为逆量化影 像向量输出。例如，图5是计算出垂直相邻的各要素之间的绝对值误差的 总和(|x_i-1，j-x_i，j|+|x_i，j-x_i+1，j|)较小的最终逆量化影像信号向量的例子。所述 最终逆量化影像向量是没有模糊、且(人类的视觉敏感的)平坦区域或边 沿区域中的信号值的振动被抑制了的影像向量。故，能够避免所述局部劣 化显著的问题。

以上，结束了本发明原理的说明。

根据上述本发明原理的影像逆量化技术，能够解决上述关联技术的技 术问题。

另外，如果所述辅助信息是在时间方向与逆量化对象的影像信号向量 相邻的帧的影像信号向量，则应该计算逆量化影像信号向量以改善时间方 向的连续性。为此，在本发明的其他方式中，在所述辅助信息的各要素 y_i，j和所述初始逆量化影像信号向量的要素的绝对差分值比某一阈值 小的情况、或者所述辅助信息的要素y_i，j包括在所述部分向量空间所对应 的要素的值域中的情况下，以获取所述最终逆量化影像信号向量所对应的 要素x_i，j与所述辅助信息的要素y_i，j相接近的值的方式，对所述最终逆量 化影像信号向量的计算加以限制。根据本发明，能够改善时间方向的连续 性，且能抑制影像的闪烁。

另外，上述的本发明的这些方式，在对量化值进行编码的影像编码方 法中，也能够作为该影像信号的局部解码的解码方式进行利用。根据本发 明，能够提供更高质量的影像编码方法。

另外，上述的本发明的这些方式，在对量化值进行解码的影像解码方 法中，也能够作为该影像信号的解码方式进行利用。根据本发明，能够提 供更高质量的影像解码方法。

以下，说明具体实施方式。

<本发明的第1实施方式>

参照图6，说明本实施方式中的发明的影像逆量化技术的构成。其中， 应该注意：图6的量化器E2001是以表示与逆量化影像的影像逆量化器 E2000的输入输出关系为目的进行记载的，即发明的影像逆量化技术仅能 够由影像逆量化器E2000构成的。

量化器E2001(与图1的关联技术相同)对影像信号向量x的各要素

x_i，j(0≤i≤m-1，0≤j≤n-1)

进行量化来计算量化值q_i，j。当E2001的量化器是量化幅度为Qs的 线性量化器时，则有：

q_i，j＝floor(x_i，j/Qs+0.5)(3)。

以后，将所述量化值q_i，j的集合设为量化值向量q。

影像逆量化器E2000由要素计算器E2002和向量计算器E2003构成。 要素计算器E2002和向量计算器E2003以所述量化值向量q、和在与所述 影像信号向量x之间有相关性的其他影像信号向量y(以后，称为辅助信 息y)作为输入，计算逆量化影像信号向量以下分别进行说明。

要素计算器E2002利用所述量化值向量q和所输入的所述辅助信息 y，计算初始逆量化影像信号向量u的各要素值u_i，j。

具体而言，要素计算器E2002将与所述相关性对应的附条件概率密度 函数设为f_X|y(x|y)、将量化值q_i，j所对应的半开区间设为

(其中，$Q_{i,j}^{-}=\mathrm{Qs}·q_{i,j}-\mathrm{Qs}/2,$$Q_{\mathrm{ij}}^{+}=\mathrm{Qs}·q_{i,j}+\mathrm{Qs}/2$)

时，要素计算器E2002根据以下的附条件期望值来计算各要素值u_i，j。

$u_{i,j}=E_{X|y}\left[x\right|x\in [Q_{i,j}^{-},Q_{i,j}^{+}),y_{i,j}]={\int }_{Q_{i,j}^{-}}^{Q_{i,j}^{+}}x·f_{X|y}\left(x\right|y_{i,j})\mathrm{dx}---\left(4\right)$

其中，要素计算器E2002也可代替式(4)，而利用以下的式(4)’计算各 逆量化值u_i，j。

$u_{i,j}=\left(\begin{array}{c}{Q}_{i,j}^{-},y_{i,j}<Q_{i,j}^{-}\\ y_{i,j},Q_{i,j}^{-}\le y_{i,j}<Q_{i,j}^{+}\\ Q_{i,j}^{+},Q_{i,j}^{+}\le y_{i,j}\end{array}\right)---\left(4\right)\text{'}$

可是，在所述辅助信息y是在时间方向上与逆量化对象的影像信号向 量x相邻的帧的影像信号向量时，应该计算逆量化影像信号向量以改善时 间方向的连续性。为了进行该计算，要素计算器E2002在所述辅助信息 的各要素y_i，j和由式(4)得到的要素u_i，j的绝对差分值比规定的阈值小的情 况、或者所述辅助信息的要素y_i，j包括在与所对应的量化值q_i，j相应的半 开区间的情况下，也可利用以下的式(5)或式(5)’来更新由 式(4)或式(4)’计算出的u_i，j。

u_i，j＝0.5×u_i，j+0.5×y_i，j      (5)

u_i，j＝0.5×Qs×q_i，j+0.5×y_i，j  (5)′

此外，在由式(5)或式(5)’来更新u_i，j时，所述辅助信息y是通过 动态补偿预测使在所述时间方向上相邻的帧的影像信号向量的各要素与 影像信号向量x的各要素进行对位之后的影像信号向量即可(也就是说， 所述辅助信息y是通过动态补偿预测使在时间方向上相邻的帧的影像信 号向量的各要素与影像信号向量x的各要素进行对位之后的影像信号向 量即可)。

向量计算器E2003基于所输入的辅助信息y和量化值向量q，将所输 入的初始逆量化影像信号向量u更新成振动更少的逆量化影像信号向量， 并将该更新结果作为最终逆量化影像信号向量输出。

首先，向量计算器E2003根据所述量化值q_i，j、所述辅助信息的要素 y_i，j、及所述附条件概率密度函数f_X|Y，由以下的式(6)和式(7)计算各 要素x_i，j的值域(domain)

${Q_{i,j}^{-}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{-}& ···& \mathrm{if}\min \_x<Q_{i,j}^{-}\mathrm{or}\max \_x>Q_{i,j}^{+}\\ \max (Q_{i,j}^{-},\min \_x)& ···& \mathrm{othewise}\end{array}\right)---\left(6\right)$

${Q_{i,j}^{+}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{+}& ···& \mathrm{if}\max \_x<Q_{i,j}^{-}\mathrm{or}\min \_x>Q_{i,j}^{+}\\ \min (Q_{i,j}^{+},\max \_x)& ···& \mathrm{othewise}\end{array}\right)---\left(7\right)$

其中，min_x是所述附条件概率密度函数f_X|y在定义域中与0相交的 x的最小值，max_x是所述附条件概率密度函数f_X|y在定义域中与0相交 的x的最大值。此外，min_x和max_x也可根据所述附条件概率密度 函数f_X|y的标准偏差进行计算。

以后，将在由式(6)和式(7)得到的各要素x_i，j的值域中定义的部 分向量空间设为U，其中：

$u\in R^{m\times n},\forall i=0,...m-1,\forall j=0,...n-1,u_{i,j}\in [{Q_{i,j}^{-}}^{\prime },{Q_{i,j}^{+}}^{\prime }])$

接着，向量计算器E2003以初始逆量化影像信号向量u(以后，记为 u⁰)作为起点，交替地反复进行规定次数k的以下记述的第1投影和第2 投影，并根据所述部分向量空间U计算振动更少的逆量化影像信号向量。 此外，以下记述的u^k的上标(superscript)的k对应于某一时间点的所述逐 次反复的次数，u^k表示在所述逐次反复被应用了k次的时间点的逆量化影 像信号向量。另外，u⁰是初始逆量化影像信号向量。

所述第1投影是将所输入的逆量化影像信号向量u^k更新成振动更少 的逆量化影像信号向量u^k+1的处理。具体而言，计算使由下式(8)定义 的全变差范数即目标函数J(s)与由下式(11)定义的约束函数G(s， u^k，λ)之和也就是式(12)的泛函数F(s，u^k，λ)最小的影像信号向量 s，并将其解s作为u^k+1。

$J\left(s\right)=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\left|{(▿s)}_{i,j}\right|=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\sqrt{{\left({(▿s)}_{i,j}^v\right)}^2+{\left({(▿s)}_{i,j}^h\right)}^2}---\left(8\right)$

$G(s,u^k,\lambda )=\frac{\left|\right|s-u^k\left|\right|}{2\lambda }---\left(11\right)$

F(s，u^k，λ)＝J(s)+G(s，u^k，λ)  (12)

在该定义式中，第1投影的结果(u^k+1)通过求解下式(13)而得到的 (也就是说，在约束函数G(s，u^k，λ)下，使目标函数J(s)最小化， 从而得到了全变差范数小的s。也就是得到了振动少的s)。

$u^{k+1}=\arg \underset{s\in R^{m\times n}}{\min }\left\{F(s,u^k,\lambda )\right\}=\arg \underset{s\in R^{m\times n}}{\min }\{J\left(s\right)+G(s,u^k,\lambda )\}---\left(13\right)$

此外，作为求解式(13)的方法，利用非专利文献6等的次梯度法 (Sub-gradient methods)、非专利文献7等的投影法(Projection methods) 即可。另外，上述的λ设为依赖于量化宽度Qs的正实数即可。

所述第2投影是将所输入的逆量化影像信号向量u^k+1限制在所述部分 向量空间U中的处理。具体而言，将下式(14)应用于逆量化影像信号向 量u^k+1的所有要素u_i，j。

$u_{i,j}=\max ({Q_{i,j}^{-}}^{\prime },\min ({Q_{i,j}^{+}}^{\prime },u_{\mathrm{ij}}))---\left(14\right)$

最后，向量计算器E2003将通过交替地反复进行上述的第1投影和第 2投影K次而得到的u^k作为所述最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的影像逆量化技术的构成和动作的 说明。

接着，参照图7的流程图说明本发明的处理流程。其中，只说明与本 发明相关的影像逆量化器E2000的内部的流程。

在处理开始时，使计数器复位(k＝0)。

在步骤S2001中，通过上述的要素计算器E2000计算初始逆量化影 像信号向量u。接着，进入步骤S2002。

在步骤S2002中，通过上述的向量计算器E2003计算部分向量空间 U。接着，进入步骤S2003。

在步骤S2003中，通过上述的向量计算器E2003由上述的第1投影 将当前的逆量化影像信号向量u^k更新成振动更少的逆量化影像信号向量 u^k+1。接着，进入步骤S2004。

在步骤S2004中，通过上述的向量计算器E2003由上述的第2投影 将当前的逆量化影像信号向量u^k+1限制在部分向量空间U中。接着，进 入步骤S2005。

在步骤S2005中，判断计数器k是否与规定的值K相等。在相等的 情况下结束处理。否则，仅将计数器k增1，然后返回到步骤S2003中。 此外，在返回到步骤S2003时，优选将上述的第1投影的变量λ变更成 更小的正值。

在处理结束之后，将u^k作为最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的流程图的说明。

以上，结束了本实施方式的说明。

<第2实施方式>

在本实施方式中，说明作为影像逆量化器的输入的量化值是将影像信 号向量进行频率变换之后的变换系数的量化值时的本发明的影像逆量化 器。

参照图8，说明本实施方式中的发明的影像逆量化技术的构成。其中， 应注意：图8的变换器E3001和量化器E3002是以表示与逆量化影像的 影像逆量化器E3000之间的输入输出关系为目的进行记载的，即发明的 影像逆量化技术能够仅由影像逆量化器E3000构成。

变换器E3001对影像信号向量x进行频率变换，计算变换系数值

X_i，j(0≤i≤m-1，0≤j≤n-1)。

作为所述频率变换，能够利用以8×8块为单位的DCT(Discrete Cosine  Transform)等。以后，将所述变换系数值X_i，j的集合设为变换系数值向量 X。

量化器E3002(是与图1的关联技术相同的动作)对由变换器E3001 得到的各变换系数值X_i，j进行量化，计算量化值q_i，j。当量化器E3002是 量化宽度为Qs的线性量化器时，则下式(15)成立。

q_i，j＝sign(X_i，j)·floor(|X_i，j|/Qs+0.5)(15)

其中，函数sign( )是返回实数值的输入值的符号(±)的函数，另外函 数floor()是返回实数值的输入值中最大的整数的函数。以后，将所述 量化值q_i，j的集合设为量化值向量q。

影像逆量化器E3000由变换器E3003、要素计算器E3004、逆变换器 E3005、向量计算器E3006构成。影像逆量化器E3000的输入是所述量化 值向量q、和在频域中与影像信号向量x之间具有相关性的其他影像信号 向量y。

变换器E3000与变换器E3001同样地，对所输入的所述其他影像信 号向量y进行频率变换，来计算该变换系数值向量Y(以后，称为辅助信 息Y)。

接着，要素计算器E3004以所述辅助信息Y和所述量化值向量q为 输入，计算逆量化变换系数值向量

具体而言，将与所述量化值q_i，j对应的半开区间设为

(其中，$Q_{i,j}^{-}=\mathrm{Qs}·q_{i,j}-\mathrm{Qs}/2,$$Q_{\mathrm{ij}}^{+}=\mathrm{Qs}·q_{i,j}+\mathrm{Qs}/2$)，

将与所述相关性对应的附条件概率密度函数设为f_X|Y(X|Y)时，要 素计算器E3004根据下式(16)计算各要素

${\hat{X}}_{i,j}=E_{X|Y}\left[X\right|X\in [Q_{i,j}^{-},Q_{i,j}^{+}),Y_{i,j}]={\int }_{Q_{i,j}^{-}}^{Q_{i,j}^{+}}X·f_{X|y}\left(X\right|Y_{i,j})\mathrm{dX}---\left(16\right)$

其中，要素计算器E3004也可代替式(16)而利用下式(16)’计算 各要素

${\hat{X}}_{i,j}=\left(\begin{array}{c}{Q}_{i,j}^{-},Y_{i,j}<Q_{i,j}^{-}\\ Y_{i,j},Q_{i,j}^{-}\le Y_{i,j}<Q_{i,j}^{+}\\ Q_{i,j}^{+},Q_{i,j}^{+}\le Y_{i,j}\end{array}\right)---\left(16\right)\text{'}$

可是，在所述其他影像信号向量y是在时间方向上与逆量化对象的影 像信号向量x相邻的帧的影像信号向量时，应该计算逆量化影像信号向量 以改善时间方向的连续性。为了进行该计算，要素计算器E3004在所述 辅助信息的各要素Y_i，j和由式(4)得到的要素的绝对差分值比规定 阈值小的情况、或者所述辅助信息的要素Y_i，j包括在与所对应的量化值 q_i，j相应的半开区间的情况下，也可用下式(17)或下式(17)’ 来更新由式(16)或(16)’计算出的

${\hat{X}}_{i,j}=0.5\times {\hat{X}}_{i,j}+0.5\times Y_{i,j}---\left(17\right)$

${\hat{X}}_{i,j}=0.5\times \mathrm{Qs}\times q_{i,j}+0.5\times Y_{i,j}---\left(17\right)\text{'}$

此外，在根据式(17)或式(17)’更新时，所述影像信号向量y 是通过动态补偿预测使在所述时间方向上相邻的帧的影像信号向量的各 要素与影像信号向量x的各要素进行对位之后的影像信号向量即可(也就 是说，所述其他的影像信号向量y是通过动态补偿预测使在时间方向上相 邻的帧的影像信号向量的各要素与影像信号向量x的各要素进行对位之 后的影像信号向量即可)。

接着，逆变换器E3005对由所述要素计算器E3004得到的逆量化变 换系数值向量进行逆频率变换，来计算初始逆量化影像信号向量u。

此外，向量计算器E3006基于所述量化值向量q和所述辅助信息Y， 将由所述逆变换器E3005得到的初始逆量化影像信号向量u更新成振动 更少的逆量化影像信号向量，并作为最终逆量化影像信号向量输出。

首先，向量计算器E3006根据所述量化值q_i，j、所述辅助信息的要素 Y_i，j、及所述附条件概率密度函数f_X|Y，由下式(18)和(19)计算频域 中的影像信号向量的各要素X_i，j的值域

${Q_{i,j}^{-}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{-}& ···& \mathrm{if}\max \_x<Q_{i,j}^{-}\mathrm{or}\min \_x>Q_{i,j}^{+}\\ \max (Q_{i,j}^{-},\min \_x)& ···& \mathrm{othewise}\end{array}\right)---\left(18\right)$

${Q_{i,j}^{+}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{+}& ···& \mathrm{if}\max \_x<Q_{i,j}^{-}\mathrm{or}\min \_x>Q_{i,j}^{+}\\ \min (Q_{i,j}^{+},\max \_x)& ···& \mathrm{othewise}\end{array}\right)---\left(19\right)$

其中，min_x是所述附条件概率密度函数f_X|Y在定义域中与0相交的 X的最小值，max_x是所述附条件概率密度函数f_X|y在定义域中与0相 交的X的最大值。此外，min_x和max_x也可根据所述附条件概率密 度函数f_X|Y的标准偏差进行计算。

以后，将在由式(18)和式(19)得到的变换系数值X_i，j的值域中 所定义的部分向量空间设为：

U(其中，)。

根据所述定义式可知，部分向量空间U是原始的影像信号向量x的 频域中的值域。

接着，向量计算器E3006以初始逆量化影像信号向量u(以后，记为 u⁰)作为起点，交替地反复进行规定次数K的以下记述的第1至第4投影， 并根据所述部分向量空间U计算振动更少的逆量化影像信号向量。此外， 以下记述的u^k的上标(superscript)的k对应于某一时间点的所述逐次反复 的次数，u^k表示在所述逐次反复被应用了k次的时间点的逆量化影像信号 向量。另外，u⁰是初始逆量化影像信号向量。

所述第1投影是将所输入的逆量化影像信号向量u^k更新成振动更少 的逆量化影像信号向量u^k+1的处理。具体而言，计算使由下式(20)定 义的全变差范数即目标函数J(s)与由下式(23)定义的约束函数G(s， u^k，λ)之和的式(24)的泛函数F(s，u^k，λ)最小的影像信号向量s， 并将其解s作为u^k+1。

$J\left(s\right)=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\left|{(▿s)}_{i,j}\right|=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\sqrt{{\left({(▿s)}_{i,j}^v\right)}^2+{\left({(▿s)}_{i,j}^h\right)}^2}---\left(20\right)$

$G(s,u^k,\lambda )=\frac{\left|\right|s-u^k\left|\right|}{2\lambda }---\left(23\right)$

F(s，u^k，λ)＝J(s)+G(s，u^k，λ)(24)

在该定义式中，第1投影的结果(u^k+1)通过求解下式(25)而得到的。 也就是说，在约束函数G(s，u^k，λ)下，使目标函数J(s)最小化，从 而得到了全变差范数小的s。也就是得到了振动少的s。

$u^{k+1}=\arg \underset{s\in R^{m\times n}}{\min }\left\{F(s,u^k,\lambda )\right\}=\arg \underset{s\in R^{m\times n}}{\min }\{J\left(s\right)+G(s,u^k,\lambda )\}---\left(25\right)$

此外，作为求解式(25)的方法，利用非专利文献6等的次梯度法 (Sub-gradient methods)、非专利文献7等的投影法(Projection methods) 即可。另外，上述的λ设为依赖于量化宽度Qs的正实数即可。

所述第2投影将逆量化影像信号向量u^k+1在频域中投影。具体而言， 与变换器E3003相同，将u^k+1频率变换到频域，计算逆量化变换系数值 向量U^k+1。

所述第3投影是将所输入的逆量化变换系数值向量U^k+1限制在所述 部分向量空间U中的处理。具体而言，将下式应用于所有要素U_ij。

$U_{i,j}=\max ({Q_{i,j}^{-}}^{\prime },\min ({Q_{i,j}^{+}}^{\prime },U_{i,j}))---\left(26\right)$

所述第4投影在空域中投影逆量化变换系数值向量U^k+1。具体而言， 与逆变换器E3005相同，对U^k+1进行逆频率变换，计算逆量化影像信号 向量u^k+1。

最后，向量计算器E3006将通过依次地反复进行上述的第1至第4 投影K次而得到的u^k作为所述最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的影像逆量化技术的构成和动作的 说明。

接着，参照图9的流程图说明本发明的处理流程。其中，只说明与本 发明相关的影像逆量化器E3000的内部的流程。

首先，在处理开始时，使计数器复位(k＝0)。

在步骤S3001中，通过上述的要素计算器E3004和逆变换器E3005 计算初始逆量化影像信号向量u。接着，进入步骤S3002。

在步骤S3002中，通过上述的向量计算器E3006计算部分向量空间 U。接着，进入步骤S3003。

在步骤S3003中，通过上述的向量计算器E3006由上述的第1投影 将当前的逆量化影像信号向量u^k更新成振动更少的逆量化影像信号向量 u^k+1。接着，进入步骤S3004。

在步骤S3004中，通过上述的向量计算器E3006由上述的第2投影 将在步骤S3003中得到的逆量化影像信号向量u^k+1变换到频域。接着， 进入步骤S3005。

在步骤S3005中，通过上述的向量计算器E3006由上述的第3投影 将在步骤S3004中得到的逆量化变换系数值向量U^k+1限制在所述部分向 量空间U中。接着，进入步骤S3006。

在步骤S3006中，通过上述的向量计算器E3006由上述的第4投影 将在步骤S3005中得到的逆量化变换系数值向量U^k+1投影到空域中。接 着，进入步骤S3007。

在步骤S3007中，判断计数器k是否与规定的值K相等。在相等的 情况下结束处理。否则，将计数器k增1，然后返回到步骤S3003中。此 外，在返回到步骤S3003时，优选将上述的第1投影的变量λ变更成更 小的正值。

在处理结束之后，将u^k作为最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的流程图的说明。

以上，结束了本实施方式的说明。

<第3实施方式>

在本实施方式中，说明作为影像逆量化器的输入的量化值是影像信号 向量被预测之后的预测误差值的量化值时的本发明的影像逆量化器。

参照图10，说明本实施方式中的发明的影像逆量化技术的构成。其 中，应注意：图10的减法器E4001和量化器E4002是以表示与逆量化影 像的影像逆量化器E4000之间的输入输出关系为目的进行记载的，即发 明的影像逆量化技术能够仅由影像逆量化器E4000构成。

减法器E4001从影像信号向量x的各要素x_i，j中减去预测信号向量p 的各要素p_i，j，来计算预测误差值

d_i，j(0≤i≤m-1，0≤j≤n-1)。

d_i，j＝x_i，j-p_i，j  (27)

以后，将所述预测误差值d_i，j的集合设为预测误差值向量d。

此外，如果以比影像帧更细的单位(例如，1要素单位)使影像逆量 化器E3000动作，则作为所述预测信号向量p，能够利用基于与当前处理 对象要素相邻的已处理的要素(u或)所生成的预测信号等。

量化器E4002(是与图1的关联技术相同的动作)对影像信号向量d 的各要素d_i，j进行量化，计算量化值q_i，j。当E4002的量化器是量化宽度 为Qs的线性量化器时，则下式(28)成立。

q_i，j＝sign(d_i，j)·floor(|d_i，j|/Qs+0.5)(28)

其中，函数sign( )是返回实数值的输入值的符号(±)的函数，另外函 数floor( )是返回实数值的输入值中最大的整数的函数。以后，将所述 量化值q_i，j的集合设为量化值向量q。

影像逆量化器E4000的输入是所述量化值向量q、与影像信号向量x 之间具有相关性的其他影像信号向量y(以后，称为辅助信息y)、及所述 预测信号向量p。影像逆量化器E4000由要素计算器E4003和向量计算器 E4004构成，下面分别进行说明。

要素计算器E4003利用所述量化值向量q、所述辅助信息y、及所述 预测信号向量p，计算初始逆量化影像信号向量u的各要素值u_i，j。

具体而言，要素计算器E4003将与所述量化值q_i，j对应的半开区间设 为

(其中，$Q_{i,j}^{-}=\mathrm{Qs}·q_{i,j}-\mathrm{Qs}/2,$$Q_{\mathrm{ij}}^{+}=\mathrm{Qs}·q_{i,j}+\mathrm{Qs}/2$)，

将与所述相关性对应的附条件概率密度函数设为f_X|y(x|y)时，要 素计算器E4003由下式(29)计算各要素值u_i，j。

$u_{i,j}=p_{i,j}+E_{X|y}\left[x\right|x\in [Q_{i,j}^{-}-p_{i,j},Q_{i,j}^{+}-p_{i,j}),y_{i,j}-p_{i,j}]$

$=p_{i,j}+{\int }_{Q_{i,j}^{-}-p_{i,j}}^{Q_{i,j}^{+}-p_{i,j}}x·f_{X|y}\left(x\right|y_{i,j}-p_{i,j})\mathrm{dx}---\left(29\right)$

其中，要素计算器E4003也可代替式(29)而利用下式(29)’计算 各逆量化值u_i，j。

$u_{i,j}=\left(\begin{array}{c}{p}_{i,j}+Q_{i,j}^{-},y_{i,j}<p_{i,j}+Q_{i,j}^{-}\\ y_{i,j},p_{i,j}{+Q}_{i,j}^{-}\le y_{i,j}<{p_{i,j}+Q}_{i,j}^{+}\\ p_{i,j}+Q_{i,j}^{+},p_{i,j}+Q_{i,j}^{+}\le y_{i,j}\end{array}\right)---\left(29\right)\text{'}$

可是，在所述辅助信息y是在时间方向上与逆量化对象的影像信号向 量x相邻的帧的影像信号向量时，应该计算逆量化影像信号向量以改善时 间方向的连续性。为了进行该计算，要素计算器E4003在所述辅助信息 的各要素y_i，j和由式(29)得到的要素u_i，j的绝对差分值比规定阈值小的 情况、或者从所述辅助信息的要素y_i，j中减去了预测误差值向量的要素p_i，j之后的值包括在与所对应的量化值q_i，j相应的半开区间的情况 下，也可用下式(30)或下式(30)’来更新由式(29)或式(29)’计算 出的u_i，j。

u_i，j＝0.5×u_i，j+0.5×y_i，j                  (30)

u_i，j＝p_i，j+0.5×Qs×q_i，j+0.5×(y_i，j-p_i，j)(30)′

此外，在根据式(30)或(30)’更新u_i，j时，所述辅助信息y是通过 动态补偿预测使在所述时间方向上相邻的帧的影像信号向量的各要素与 影像信号向量x的各要素进行对位之后的影像信号向量即可。也就是说， 所述辅助信息y是通过动态补偿预测使在时间方向上相邻的帧的影像信 号向量的各要素与影像信号向量x的各要素进行对位之后的影像信号向 量即可。

向量计算器E4004基于所述量化值向量q、所述辅助信息y、及所述 预测信号向量p，将所输入的初始逆量化影像信号向量u更新成振动更少 的逆量化影像信号向量，并作为最终逆量化影像信号向量输出。

首先，向量计算器E4004根据所述量化值q_i，j、所述辅助信息的要素 y_i，j、所述信号向量的要素p_i，j、所述附条件概率密度函数f_X|Y，由下式(31) 和下式(32)计算各预测误差d_i，j的值域

${Q_{i,j}^{-}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{-}& ···& \mathrm{if}\max \_x<p_{i,j}+Q_{i,j}^{-}\mathrm{or}\min \_x>{p_{i,j}+Q}_{i,j}^{+}\\ \max (Q_{i,j}^{-},\min \_x-p_{i,j})& ···& \mathrm{othewise}\end{array}\right)---\left(31\right)$

${Q_{i,j}^{+}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{+}& ···& \mathrm{if}\max \_x<p_{i,j}+Q_{i,j}^{-}\mathrm{or}\min \_x>p_{i,j}+Q_{i,j}^{+}\\ \min (Q_{i,j}^{+},\max \_x-p_{i,j})& ···& \mathrm{othewise}\end{array}\right)---\left(32\right)$

其中，min_x是所述附条件概率密度函数f_X|Y在定义域中与0相交的 x的最小值，max_x是所述附条件概率密度函数f_X|Y在定义域中与0相交 的x的最大值。此外，min_x和max_x也可根据所述附条件概率密度 函数f_X|Y的标准偏差进行计算。

以后，将由式(31)和式(32)得到的预测误差d_i，j的值域和所对应的预测值p_i，j定义的部分向量空间设为

U(其中，)。

根据所述定义式可知，部分向量空间U是原始的影像信号向量x的 值域。

接着，向量计算器E4004以初始逆量化影像信号向量u(以后，记为 u⁰)作为起点，交替地反复进行规定次数K的以下记述的第1投影和第2 投影，并根据所述部分向量空间U计算振动更少的逆量化影像信号向量。 此外，以下记述的u^k的上标(superscript)的k对应于某一时间点的所述逐 次反复的次数，u^k表示在所述逐次反复被应用了k次的时间点的逆量化影 像信号向量。另外，u⁰是初始逆量化影像信号向量。

所述第1投影是将所输入的逆量化影像信号向量u^k更新成振动更少 的逆量化影像信号向量u^k+1的处理。具体而言，计算使由下式(33)定 义的全变差范数的目标函数J(s)与由下式(36)定义的约束函数G(s， u^k，λ)之和的式(37)的泛函数F(s，u^k，λ)最小的影像信号向量s， 并将其解s作为u^k+1。

$J\left(s\right)=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\left|{(▿s)}_{i,j}\right|=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\sqrt{{\left({(▿s)}_{i,j}^v\right)}^2+{\left({(▿s)}_{i,j}^h\right)}^2}---\left(33\right)$

$G(s,u^k,\lambda )=\frac{\left|\right|s-u^k\left|\right|}{2\lambda }---\left(36\right)$

F(s，u^k，λ)＝J(s)+G(s，u^k，λ)(37)

在该定义式中，第1投影的结果(u^k+1)通过求解下式(38)而得到。(也 就是说，在约束函数G(s，u^k，λ)下，使目标函数J(s)最小化，从而 得到了全变差范数小的s。即、得到了振动少的s)。

$u^{k+1}=\arg \underset{s\in R^{m\times n}}{\min }\left\{F(s,u^k,\lambda )\right\}=\arg \underset{s\in R^{m\times n}}{\min }\{J\left(s\right)+G(s,u^k,\lambda )\}---\left(38\right)$

此外，作为求解式(38)的方法，利用非专利文献6等的次梯度法 (Sub-gradient methods)、非专利文献7等的投影法(Projection methods) 即可。另外，上述的λ设为依赖于量化宽度Qs的正实数即可。

所述第2投影是将所输入的逆量化影像信号向量u^k+1限制在所述部分 向量空间U中的处理。

具体而言，将下式(39)应用于逆量化影像信号向量u^k+1的所有要素 u_i，j。

$u_{i,j}=\max (p_{i,j}+{Q_{i,j}^{-}}^{\prime },\min (p_{i,j}+{Q_{i,j}^{+}}^{\prime },u_{i,j}))---\left(39\right)$

最后，向量计算器E4004将通过交替地反复进行上述的第1投影和第 2投影K次而得到的u^k作为所述最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的影像逆量化技术的构成和动作的 说明。

接着，参照图11的流程图说明本发明的处理流程。其中，只说明与 本发明相关的影像逆量化器E4000的内部的流程。

首先，在处理开始时，使计数器复位(k＝0)。

在步骤S4001中，通过上述的要素计算器E4003计算初始逆量化影 像信号向量u。接着，进入步骤S4002。

在步骤S4002中，通过上述的向量计算器E4004计算部分向量空间 U。接着，进入步骤S4003。

在步骤S4003中，通过上述的向量计算器E4004由上述的第1投影 将当前的逆量化影像信号向量u^k更新成振动更少的逆量化影像信号向量 u^k+1。接着，进入步骤S4004。

在步骤S4004中，通过上述的向量计算器E4004由上述的第2投影 将在步骤S403中得到的u^k+1限制在部分向量空间U中。接着，进入步骤 S4005。

在步骤S4005中，判断计数器k是否与规定的值K相等。在相等的 情况下结束处理。否则，将计数器k增1，然后返回到步骤S4003中。此 外，在返回到步骤S4003时，优选将上述的第1投影的变量λ变更成更 小的正值。

在处理结束之后，将u^k作为最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的流程图的说明。

以上，结束了本实施方式的说明。

<第4实施方式>

在本实施方式中，说明作为影像逆量化器的输入的量化值是将影像信 号向量被预测后的预测误差进行频率变换之后的变换系数的量化值时的 本发明的影像逆量化器。

参照图12，说明本实施方式中的发明的影像逆量化技术的构成。其 中，应注意：图12的变换器E5002和量化器E5003是以表示与逆量化影 像的影像逆量化器E5000之间的输入输出关系为目的进行记载的，即发 明的影像逆量化技术能够仅由影像逆量化器E5000构成。

减法器E5001从影像信号向量x的各要素x_i，j中减去预测信号向量p 的各要素p_i，j，计算预测误差值d_i，j(0≤i≤m-1，0≤j≤n-1)。

d_i，j＝x_i，j-p_i，j  (40)

以后，将所述预测误差值d_i，j的集合设为预测误差值向量d。

此外，在以后述的频率变换为单位(例如，以8×8块为单位)使影 像逆量化器E5000进行动作的情况下，作为所述预测信号向量p，能够利 用根据与当前处理对象8×8块相邻的已处理的要素(u或)所生成的预 测信号等。

变换器E5002对所述预测误差值向量d进行频率变换，计算变换系数 值

D_i，j(0≤i≤m-1，0≤j≤n-1)。

作为所述频率变换，能够利用以8×8块为单位的DCT(Discrete Cosine  Transform)等。以后，将所述D_i，j的集合作为变换系数值向量D。

量化器E5003(是与图1的关联技术相同的动作)对由变换器E5002 得到的各变换系数值D_i，j进行量化，计算量化值q_i，j。当量化器E5002的 量化器是量化宽度为Qs的线性量化器时，则下式(41)成立。

q_i，j＝sign(D_i，j)·floor(|D_i，j|/Qs+0.5)(41)

其中，函数sign( )是返回实数值的输入值的符号(±)的函数，另外函 数floor( )是返回实数值的输入值中最大的整数的函数。以后，将所述 量化值q_i，j的集合设为量化值向量q。

影像逆量化器E5000由变换器E5004、要素计算器E5005、逆变换器 E5006、加算器E5007、向量计算器E5008构成。

影像逆量化器E5000的输入是所述量化值向量q、在频域中与影像信 号向量x之间具有相关性的其他影像信号向量y、及所述预测信号向量p。

变换器E5004与变换器E5002同样地，分别对所述其他影像信号向 量y和所述预测信号向量进行频率变换，计算变换系数值向量Y(以后， 称为辅助信息Y)和预测变换系数值向量P。

要素计算器E5005以所述量化值向量q、所述辅助信息Y、及所述预 测变换系数值向量P为输入，计算逆量化变换系数值向量

具体而言，将与所述量化值q_i，j对应的半开区间设为

(其中，$Q_{i,j}^{-}=\mathrm{Qs}·q_{i,j}-\mathrm{Qs}/2,$$Q_{\mathrm{ij}}^{+}=\mathrm{Qs}·q_{i,j}+\mathrm{Qs}/2$)，

将与所述相关性对应的附条件概率密度函数设为f_X|Y(X|Y)时，要 素计算器E5005根据下式(42)计算作为所述逆量化变换系数值向量的 要素的各逆量化变换系数

${\hat{D}}_{i,j}=E_{X|Y}\left[X\right|X\in [Q_{i,j}^{-}-P_{i,j}{,Q}_{i,j}^{+}-P_{i,j}),Y_{i,j}-P_{i,j}]={\int }_{Q_{i,j}^{-}-P_{i,j}}^{Q_{i,j}^{+}-P_{i,j}}X·f_{X|y}\left(X\right|Y_{i,j}-P_{i,j})\mathrm{dX}---\left(42\right)$

其中，要素计算器E5005也可代替式(42)而利用下式(42)’计算 各逆量化变换系数

${\hat{D}}_{i,j}=\left(\begin{array}{c}{Q}_{i,j}^{-},Y_{i,j}<{P_{i,j}+Q}_{i,j}^{-}\\ Y_{i,j}-P_{i,j},P_{i,j}+Q_{i,j}^{-}\le Y_{i,j}<P_{i,j}+Q_{i,j}^{+}\\ Q_{i,j}^{+},P_{i,j}+Q_{i,j}^{+}\le Y_{i,j}\end{array}\right)---\left(42\right)\text{'}$

可是，在所述其他影像信号向量y是在时间方向上与逆量化对象的影 像信号向量x相邻的帧的影像信号向量时，应该计算逆量化影像信号向量 以改善时间方向的连续性。为了进行该计算，要素计算器E5005在从所 述辅助信息Y中减去了所述预测变换系数值向量P之后的值和由式(42) 得到的逆量化变换系数的绝对差分值比规定阈值小的情况、或者从所 述辅助信息Y中减去了所述预测变换系数值向量P之后的值包括在与所 对应的所述半开区间的情况下，也可用下式(43)或下式(43)’ 来更新由式(42)或(42)’计算出的逆量化变换系数

${\hat{D}}_{i,j}=0.5\times {\hat{D}}_{i,j}+0.5\times (Y_{i,j}-P_{i,j})---\left(43\right)$

${\hat{D}}_{i,j}=0.5\times \mathrm{Qs}\times q_{i,j}+0.5\times (Y_{i,j}-P_{i,j})---\left(43\right)\text{'}$

此外，在根据式(43)或式(43)’更新时，所述影像信号向量y 是通过动态补偿预测使在所述时间方向上相邻的帧的影像信号向量的各 要素与影像信号向量x的各要素进行对位之后的影像信号向量即可。也就 是说，所述其他的影像信号向量y是通过动态补偿预测使在时间方向上相 邻的帧的影像信号向量的各要素与影像信号向量x的各要素进行对位之 后的影像信号向量即可。

接着，逆变换器E5006对由所述要素计算器E5005得到的逆量化变 换系数向量进行逆频率变换，计算逆量化预测误差值向量

此外，加法器E5007在所述逆量化预测误差值向量上相加所述预测 信号向量p，计算初始逆量化影像信号向量u。另外，在上述的要素计算 器E5005将在逆量化变换系数上相加所述预测变换系数值向量P之 后的向量提供给加法器E5007的实施方式的情况下，不需要加法器 E5007。

向量计算器E5008基于所述量化值向量q、所述辅助信息Y、及所述 预测变换系数值向量P，将由所述逆变换器E5006得到的初始逆量化影像 信号向量u更新成振动更少的逆量化影像信号向量，并作为最终逆量化影 像信号向量输出。

首先，向量计算器E5008根据所述量化值q_i，j、所述辅助信息的要素 Y_i，j、所述预测变换系数值向量的要素P_i，j、及所述附条件概率密度函数 f_X|Y，由下式(44)和下式(45)计算各变换系数值D_i，j的值域

${Q_{i,j}^{-}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{-}& ···& \mathrm{if}\max \_x<P_{i,j}+Q_{i,j}^{-}\mathrm{or}\min \_x>{P_{i,j}+Q}_{i,j}^{+}\\ \max (Q_{i,j}^{-},\min \_x-P_{i,j})& ···& \mathrm{othewise}\end{array}\right)---\left(44\right)$

${Q_{i,j}^{+}}^{\prime }=\left(\begin{array}{ccc}{Q}_{i,j}^{+}& ···& \mathrm{if}\max \_x<P_{i,j}+Q_{i,j}^{-}\mathrm{or}\min \_x>P_{i,j}+Q_{i,j}^{+}\\ \min (Q_{i,j}^{+},\max \_x-P_{i,j})& ···& \mathrm{othewise}\end{array}\right)---\left(45\right)$

其中，min_x是所述附条件概率密度函数f_X|Y在定义域中与0相交的 X的最小值，max_x是所述附条件概率密度函数f_X|y在定义域中与0相 交的X的最大值。此外，min_x和max_x也可根据所述附条件概率密 度函数f_X|Y的标准偏差进行计算。

以后，将由式(44)和式(45)得到的变换系数值X_i，j的值域和 所述预测变换系数值向量P所对应的要素P_i，j所定义的部分向量空间设为

U(其中，)。

根据所述定义式可知，部分向量空间U是原始的影像信号向量x的 频域中的值域。

接着，向量计算器E5008以初始逆量化影像信号向量u(以后，记为 u⁰)作为起点，交替地反复进行规定次数K的以下记述的第1至第4投影， 并根据所述部分向量空间U计算振动更少的逆量化影像信号向量。此外， 以下记述的u^k的上标(superscript)的k对应于某一时间点的所述逐次反复 的次数，u^k表示在所述逐次反复被应用了k次的时间点的逆量化影像信号 向量。另外，u⁰是初始逆量化影像信号向量。

所述第1投影是将所输入的逆量化影像信号向量u^k更新成振动更少 的逆量化影像信号向量u^k+1的处理。具体而言，计算使由下式(46)定 义的全变差范数的目标函数J(s)与由下式(49)定义的约束函数G(s， u^k，λ)之和的式(50)的泛函数F(s，u^k，λ)最小化的影像信号向量s， 并将其解s作为u^k+1。

$J\left(s\right)=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\left|{(▿s)}_{i,j}\right|=\underset{i=0}{\overset{m-1}{\Sigma }}\underset{j=0}{\overset{n-1}{\Sigma }}\sqrt{{\left({(▿s)}_{i,j}^v\right)}^2+{\left({(▿s)}_{i,j}^h\right)}^2}---\left(46\right)$

$G(s,u^k,\lambda )=\frac{\left|\right|s-u^k\left|\right|}{2\lambda }---\left(49\right)$

F(s，u^k，λ)＝J(s)+G(s，u^k，λ)(50)

在该定义式中，第1投影的结果(u^k+1)通过求解下式而得到。(也就是 说，在约束函数G(s，u^k，λ)下，使目标函数J(s)最小化，从而得到 了全变差范数小的s。即、得到了振动少的s)。

$u^{k+1}=\arg \underset{s\in R^{m\times n}}{\min }\left\{F(s,u^k,\lambda )\right\}=\arg \underset{s\in R^{m\times n}}{\min }\{J\left(s\right)+G(s,u^k,\lambda )\}---\left(51\right)$

此外，作为求解式(51)的方法，利用非专利文献6等的次梯度法 (Sub-gradient methods)、非专利文献7等的投影法(Projection methods) 即可。另外，上述的λ设为依赖于量化宽度Qs的正实数即可。

所述第2投影将逆量化影像信号向量u^k+1在频域中投影。具体而言， 与变换器E5004相同，将u^k+1频率变换到频域，计算逆量化变换系数值 向量U^k+1。

所述第3投影是将所输入的逆量化变换系数值向量U^k+1限制在所述 部分向量空间U中的处理。具体而言，将下式应用于所有要素U_ij。

$U_{i,j}=\max (P_{i,j}+{Q_{i,j}^{-}}^{\prime },\min (P_{i,j}+{Q_{i,j}^{+}}^{\prime },U_{i,j}))---\left(52\right)$

所述第4投影是在空域中投影逆量化变换系数值向量U^k+1。具体而 言，与逆变换器E5006相同，对U^k+1进行逆频率变换，计算逆量化影像 信号向量u^k+1。

最后，向量计算器E5008将通过依次地反复进行上述的第1至第4 投影K次而得到的u^k作为所述最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的影像逆量化技术的构成和动作的 说明。

接着，参照图13的流程图说明本发明的处理流程。其中，只说明与 本发明相关的影像逆量化器E5000的内部的流程。

首先，在处理开始时，使计数器复位(k＝0)。

在步骤S5001中，通过上述的变换器E5004、要素计算器E5005、逆 变换器E5006、及加法器E5007计算初始逆量化影像信号向量u。接着， 进入步骤S5002。

在步骤S5002中，通过上述的向量计算器E5008计算部分向量空间 U。接着，进入步骤S5003。

在步骤S5003中，通过上述的向量计算器E5008由上述的第1投影 将当前的逆量化影像信号向量u^k更新成振动更少的逆量化影像信号向量 u^k+1。接着，进入步骤S5004。

在步骤S5004中，通过上述的向量计算器E5008由上述的第2投影 将在步骤S5003中得到的逆量化影像信号向量u^k+1变换到频域。接着， 进入步骤S5005。

在步骤S5005中，通过上述的向量计算器E5008由上述的第3投影 将在步骤S5004中得到的逆量化变换系数值向量U^k+1限制在所述部分向 量空间U中。接着，进入步骤S5006。

在步骤S5006中，通过上述的向量计算器E5008由上述的第4投影 将在步骤S5005中得到的逆量化变换系数值向量U^k+1投影到空域中。接 着，进入步骤S5007。

在步骤S5007中，判断计数器k是否与规定的值K相等。在相等的 情况下结束处理。否则，将计数器k增1，然后返回到步骤S5003中。此 外，在返回到步骤S5003时，优选将上述的第1投影的变量λ变更成更 小的正值。

在处理结束之后，将u^k作为最终逆量化影像信号向量输出。

以上，结束了本实施方式中的发明的流程图的说明。

以上，结束了本实施方式的说明。

<第5实施方式>

在上述的第1至第4实施方式中，各个向量计算器中利用辅助信息更 正确地计算出部分向量空间U，但也可考虑不利用辅助信息进行计算的方 式。以下的图14、图15、图16、图17中示出各个实施方式所对应的附 图。在该方式中，由于部分向量空间U不正确，所以为使所述最终逆量 化影像向量由各自的要素计算器得到的初始逆量化影像向量构成，而优选 其不变动。因此，将各自的向量计算器中的、所述第1投影中的泛函数F (s，u^k，λ)的λ的初始值设定得比上述第1至第4实施方式中的还小。

另外，在上述的第1至第4实施方式中，在各自的要素计算器中，通 过利用辅助信息而计算出初始逆量化影像，但也可在要素计算器中不利用 辅助信息(而只是利用逆量化)计算初始逆量化影像。以下的图18、图 19、图20、图21中示出各个实施方式所对应的附图。在该方式中，由于 初始逆量化影像不正确，所以优选进一步使由各自的要素计算器得到的初 始逆量化影像向量变动。因此，将各自的向量计算器中的、所述第1投影 中的泛函数F(s，u^k，λ)的λ的初始值设定得比上述第1至第4实施方 式中的还大，或者增加所述逐次反复的次数K。

另外，在上述的实施方式中，说明了在所述第1投影中利用全变差最 小化法的方式，但也可代替全变差最小化法而利用双边滤波器。对于影像 信号的某一要素I_i，j的双边滤波器的结果由下式进行定义。

${\hat{I}}_{i,j}=\frac{1}{W}\underset{m=-w+i}{\overset{m=i+w}{\Sigma }}\underset{n=-w+j}{\overset{n=j+w}{\Sigma }}G({\sigma }_s,|I_{m,n}-I_{i,j}\left|\right)·G({\sigma }_r,\sqrt{{(m-i)}^2+{(n-j)}^2})·I_{m,n}---\left(52\right)$

$G(\sigma ,x)=\frac{1}{2\pi {\sigma }^2}\exp (-\frac{x^2}{{2\sigma }^2})---\left(53\right)$

$W=\underset{m=-w+i}{\overset{m=i+w}{\Sigma }}\underset{n=-w+j}{\overset{n=j+w}{\Sigma }}G({\sigma }_s,|I_{m,n}-I_{i,j}\left|\right)·G({\sigma }_r,\sqrt{{(m-i)}^2+{(n-j)}^2})---\left(54\right)$

其中，σ_s和σ_r是对式(52)的二维高斯核心的形状进行确定的双边 滤波器的参数，w是对双边滤波器的窗大小进行确定的参数。特别是，σ_r优选根据所推定的量化噪声进行设定即可，另外在所述逐次反复时优选逐 渐减小其值。

另外，上述的影像逆量化方法在对量化值编码的影像编码器中，能够 作为该影像信号的局部解码的解码方式进行利用。作为一个例子，在图 22中示出利用了第4实施方式的影像逆量化器的影像编码器的结构图。

另外，上述的影像逆量化方法在对量化值解码的影像解码方法中，能 够作为该影像信号的解码方式进行利用。作为一个例子，在图23中示出 利用了第4实施方式的影像逆量化器的影像解码器的结构图。

此外，在上述的发明的实施方式中，由上述说明可知，可由硬件构成， 但也可通过计算机程序来实现。

图24所示的信息处理系统由处理器A1001、程序存储器A1002、存 储介质A1003及A1004构成。存储介质A1003及A1004既可以是单独的 存储介质，也可以是由同一存储介质构成的存储区域。作为存储介质能够 使用硬盘等磁存储介质。

本发明将根据相关技术按要素被逆量化的逆量化影像信号向量(初始 逆量化影像信号向量)更新成其影像信号向量的振动变小的逆量化影像信 号向量(最终逆量化影像信号向量)。特别是，在本发明中，利用所输入 的量化值、辅助信息、及所述附条件概率密度函数，正确地限定存在原始 的影像信号向量的部分向量空间，并在该部分向量空间中计算所述最终逆 量化影像信号向量。

根据本发明，能够提供一种既能抑制所述最终逆量化影像信号向量的 模糊，又克服了“代替解码影像信号向量的均方误差被降低而局部平方误 差增大，且作为局部劣化显著”的关联技术原理上的技术问题的高质量的 影像逆量化方法。以下示出本发明的效果的具体例子仅供参考。

图25是根据单纯的逆量化(通常的JPEG解压缩)、非专利文献6的 技术、上述的关联技术、上述的第2实施方式的发明技术，将被JPEG压 缩后的影像进行逆量化而得到的结果。图25的横轴是通常的JPEG解压 缩的PSNR(Peak Signal-Noise Ratio)，纵轴是通常的JPEG解压缩和所述 各自技术中逆量化时的PSNR。由于本发明技术除了能抑制关联技术的局 部劣化之外，也能抑制由近似运算引起的影像劣化，所以与关联技术相比 可知PSNR变高。另外，由于本发明技术正确地限定存在原始的影像信号 向量的部分向量空间，所以与非专利文献6相比可知PSNR变高。

另外，本发明通过在辅助信息是在时间方向上与逆量化对象的影像信 号向量相邻的帧的影像信号向量的情况下，以获取所述最终量化影像信号 向量所对应的要素与所述辅助信息的要素相接近的值的方式，计算所述最 终逆量化影像信号向量，故能够提供一种更高质量的影像逆量化方法。

另外，本发明在对量化值编码的影像编码方法中，作为对已编码的影 像信号进行解码的局部解码方式进行利用，从而能够提供一种更高质量的 影像编码方法。

另外，本发明在对量化值解码的影像解码方法中，作为量化值的解码 方式进行利用，从而能够提供一种更高质量的影像解码方法。

举出以上优选的实施方式以及形式说明了本发明，但本发明并非现定 于上述的实施方式及形式，能够在其技术思想的范围内进行各种变形并实 施。

本申请主张以在2008年12月26日提出的日本申请特愿2008-332009 号为基础的优先权，并将其内容援引于此。

下面，记载了备注。

备注1

一种逆量化方法，其特征在于，以多个量化值为组进行逆量化来求出 多个逆量化值的组，至少利用所述量化值以外的信号求出对于每个量化值 逆量化值的可取值的范围，在每个逆量化值的可取值的范围内，以全变差 范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注2

根据备注1所述的逆量化方法，其特征在于，利用所述多个量化值和 所述量化值以外的信号，以要素单位计算所述多个量化值的各量化值的临 时逆量化值，利用所述多个量化值和所述量化值以外的信号求出对于每个 量化值逆量化值的可取值的范围，以在所述要素单位计算出的临时逆量化 值的组作为起点，在每个逆量化值的可取值的范围内，以全变差范数最小 的临时逆量化值的组作为所述逆量化值的组而求出。

备注3

根据备注1所述的逆量化方法，其特征在于，利用所述多个量化值， 以要素单位计算所述多个量化值的各量化值的临时逆量化值，利用所述多 个量化值和所述量化值以外的信号求出对于每个量化值逆量化值的可取 值的范围，以在所述要素单位计算出的临时逆量化值的组作为起点，在每 个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化值的组作 为所述逆量化值的组而求出。

备注4

一种逆量化方法，其特征在于，以多个量化值为组进行逆量化来求出 多个逆量化值的组，利用所述多个量化值和所述量化值以外的信号，以要 素单位计算所述多个量化值的各量化值的临时逆量化值，利用所述多个量 化值求出对于每个量化值逆量化值的可取值的范围，以在所述要素单位计 算出的临时逆量化值的组作为起点，在每个逆量化值的可取值的范围内， 以全变差范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注5

根据备注1至4任一项所述的逆量化方法，其特征在于，在某一所述 量化值以外的信号包括在所对应的量化值的能获取逆量化值的值的范围 内的情况下，将与该所述量化值以外的信号的差值较小的临时逆量化值包 括在所述多个逆量化值的组中。

备注6

一种编码方法，其特征在于，对多个量化值进行编码，所述编码方法 使用以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化方 法，所述逆量化方法至少利用所述量化值以外的信号求出对于每个量化值 逆量化值的可取值的范围，在每个逆量化值的可取值的范围内，以全变差 范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注7

一种编码方法，其特征在于，对多个量化值进行编码，所述编码方法 使用以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化方 法，所述逆量化方法利用所述多个量化值和所述量化值以外的信号，以要 素单位计算所述多个量化值的各量化值的临时逆量化值，利用所述多个量 化值求出对于每个量化值逆量化值的可取值的范围，以在所述要素单位计 算出的临时逆量化值的组作为起点，在每个逆量化值的可取值的范围内， 以全变差范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注8

一种解码方法，其特征在于，对多个量化值进行解码，所述解码方法 使用以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化方 法，所述逆量化方法：至少利用所述量化值以外的信号求出对于每个量化 值逆量化值的可取值的范围，在每个逆量化值的可取值的范围内，以全变 差范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注9

一种解码方法，其特征在于，对多个量化值进行解码，所述解码方法 使用以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化方 法，所述逆量化方法利用所述多个量化值和所述量化值以外的信号，以要 素单位计算所述多个量化值的各量化值的临时逆量化值，利用所述多个量 化值求出对于每个量化值逆量化值的可取值的范围，以在所述要素单位计 算出的临时逆量化值的组作为起点，在每个逆量化值的可取值的范围内， 以全变差范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注10

一种影像逆量化方法，其特征在于，根据与当前的处理对象的影像向 量所对应的量化值向量来计算其逆量化影像向量，所述影像逆量化方法包 括：影像要素计算步骤，利用在与所述处理对象的影像向量之间存在相关 性的其他影像向量的要素和所述量化值向量的要素，以要素单位计算初始 逆量化影像向量；和影像向量计算步骤，以在所述影像要素计算步骤中计 算出的初始逆量化影像向量作为起点，根据通过在与所述处理对象的影像 向量之间存在相关性的其他影像向量和所述量化值向量而确定的临时逆 量化影像向量的集合，以全变差范数最小的临时逆量化影像向量作为所述 逆量化影像向量进行计算。

备注11

一种影像逆量化方法，其特征在于，根据与当前的处理对象的影像向 量所对应的量化值向量来计算其逆量化影像向量，所述影像逆量化方法包 括：影像要素计算步骤，利用在与所述处理对象的影像向量之间存在相关 性的其他影像向量的要素和所述量化值向量的要素，以要素单位计算初始 逆量化影像向量；和影像向量计算步骤，以在所述影像要素计算步骤中计 算出的初始逆量化影像向量作为起点，根据通过所述量化值向量而确定的 临时逆量化影像向量的集合，以全变差范数最小的临时逆量化影像向量作 为所述逆量化影像向量进行计算。

备注12

一种影像逆量化方法，其特征在于，根据与当前的处理对象的影像向 量所对应的量化值向量来计算其逆量化影像向量，所述影像逆量化方法包 括：影像要素计算步骤，利用所述量化值向量的要素，以要素单位计算初 始逆量化影像向量；和影像向量计算步骤，以在所述影像要素计算步骤中 计算出的初始逆量化影像向量作为起点，根据通过在与所述处理对象的影 像向量之间存在相关性的其他影像向量和所述量化值向量而确定的临时 逆量化影像向量的集合，以全变差范数最小的临时逆量化影像向量作为所 述逆量化影像向量进行计算。

备注13

根据备注10至12任一项所述的影像逆量化方法，其特征在于，在所 述影像向量计算步骤中，在所述存在相关性的其他影像向量的要素包括在 所对应的所述临时逆量化影像向量的集合的要素的值域内的情况下，将关 于该要素与所述存在相关性的其他影像向量的要素的差值更小的、临时逆 量化影像向量作为所述逆量化影像向量进行计算。

备注14

一种影像编码方法，其特征在于，对量化值向量进行编码，所述影像 编码方法使用根据与当前的处理对象的影像向量所对应的量化值向量来 计算其逆量化影像向量的影像逆量化方法，所述影像逆量化方法包括：影 像要素计算步骤，利用在与所述处理对象的影像向量之间存在相关性的其 他影像向量的要素和所述量化值向量的要素，以要素单位计算所述处理对 象的初始逆量化影像向量；和影像向量计算步骤，以在所述影像要素计算 步骤中计算出的初始逆量化影像向量作为起点，根据通过在与所述处理对 象的影像向量之间存在相关性的其他影像向量和所述量化值向量而确定 的向量空间，以全变差范数最小的临时逆量化影像向量作为所述逆量化影 像向量进行计算。

备注15

一种影像解码方法，其特征在于，对量化值向量进行解码，所述影像 解码方法使用根据与当前的处理对象的影像向量所对应的量化值向量来 计算其逆量化影像向量的影像逆量化方法，所述影像逆量化方法包括：影 像要素计算步骤，利用在与所述处理对象的影像向量之间存在相关性的其 他影像向量的要素和所述量化值向量的要素，以要素单位计算所述处理对 象的初始逆量化影像向量；和影像向量计算步骤，以在所述影像要素计算 步骤中计算出的初始逆量化影像向量作为起点，根据通过在与所述处理对 象的影像向量之间存在相关性的其他影像向量和所述量化值向量而确定 的向量空间，以全变差范数最小的临时逆量化影像向量作为所述逆量化影 像向量进行计算。

备注16

一种逆量化装置，其特征在于，以多个量化值为组进行逆量化来求出 多个逆量化值的组，所述逆量化装置包括恢复单元，该恢复单元至少利用 所述量化值以外的信号求出对于每个量化值逆量化值的可取值的范围，在 每个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化值的组 作为所述逆量化值的组而求出。

备注17

根据备注16所述的逆量化装置，其特征在于，所述恢复单元包括如 下单元：利用所述多个量化值和所述量化值以外的信号，以要素单位计算 所述多个量化值的各量化值的临时逆量化值；和利用所述多个量化值和所 述量化值以外的信号求出对于每个量化值逆量化值的可取值的范围，以在 所述要素单位计算出的临时逆量化值的组作为起点，在每个逆量化值的可 取值的范围内，以全变差范数最小的临时逆量化值的组作为所述逆量化值 的组而求出。

备注18

根据备注16所述的逆量化装置，其特征在于，所述恢复单元包括如 下单元：利用所述多个量化值，以要素单位计算所述多个量化值的各量化 值的临时逆量化值；和利用所述多个量化值和所述量化值以外的信号求出 对于每个量化值逆量化值的可取值的范围，以在所述要素单位计算出的临 时逆量化值的组作为起点，在每个逆量化值的可取值的范围内，以全变差 范数最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注19

一种逆量化装置，其特征在于，以多个量化值为组进行逆量化来求出 多个逆量化值的组，所述逆量化装置包括恢复单元，该恢复单元利用所述 多个量化值和所述量化值以外的信号，以要素单位计算所述多个量化值的 各量化值的临时逆量化值，利用所述多个量化值求出对于每个量化值逆量 化值的可取值的范围，以在所述要素单位计算出的临时逆量化值的组作为 起点，在每个逆量化值的可取值的范围内，以全变差范数最小的临时逆量 化值的组作为所述逆量化值的组而求出。

备注20

根据备注16至19任一项所述的逆量化装置，其特征在于，所述恢复 单元在某一所述量化值以外的信号包括在所对应的量化值的能获取逆量 化值的值的范围内的情况下，将与该所述量化值以外的信号的差值较小的 临时逆量化值包括在所述多个逆量化值的组中。

备注21

一种编码装置，其特征在于，对多个量化值进行编码，所述编码装置 包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化装 置，所述逆量化装置包括如下单元：至少利用所述量化值以外的信号求出 对于每个量化值逆量化值的可取值的范围，在每个逆量化值的可取值的范 围内，以全变差范数最小的临时逆量化值的组作为所述逆量化值的组而求 出。

备注22

一种编码装置，其特征在于，对多个量化值进行编码，所述编码装置 包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化装 置，所述逆量化装置包括如下单元：该单元利用所述多个量化值和所述量 化值以外的信号，以要素单位计算所述多个量化值的各量化值的临时逆量 化值，利用所述多个量化值求出对于每个量化值逆量化值的可取值的范 围，以在所述要素单位计算出的临时逆量化值的组作为起点，在每个逆量 化值的可取值的范围内，以全变差范数最小的临时逆量化值的组作为所述 逆量化值的组而求出。

备注23

一种解码装置，其特征在于，对多个量化值进行解码，所述解码装置 包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化装 置，所述逆量化装置包括如下单元：该单元至少利用所述量化值以外的信 号求出对于每个量化值逆量化值的可取值的范围，在每个逆量化值的可取 值的范围内，以全变差范数最小的临时逆量化值的组作为所述逆量化值的 组而求出。

备注24

一种解码装置，其特征在于，对多个量化值进行解码，所述解码装置 包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆量化装 置，所述逆量化装置包括如下单元：该单元利用所述多个量化值和所述量 化值以外的信号，以要素单位计算所述多个量化值的各量化值的临时逆量 化值，利用所述多个量化值求出对于每个量化值逆量化值的可取值的范 围，以在所述要素单位计算出的临时逆量化值的组作为起点，在每个逆量 化值的可取值的范围内，以全变差范数最小的临时逆量化值的组作为所述 逆量化值的组而求出。

备注25

一种影像逆量化装置，其特征在于，根据与当前的处理对象的影像向 量所对应的量化值向量来计算其逆量化影像向量，所述影像逆量化装置包 括：影像要素计算单元，利用在与所述处理对象的影像向量之间存在相关 性的其他影像向量的要素和所述量化值向量的要素，以要素单位计算初始 逆量化影像向量；和影像向量计算单元，以在所述影像要素计算单元中计 算出的初始逆量化影像向量作为起点，根据通过在与所述处理对象的影像 向量之间存在相关性的其他影像向量和所述量化值向量而确定的临时逆 量化影像向量的集合，以全变差范数最小的临时逆量化影像向量作为所述 逆量化影像向量进行计算。

备注26

一种影像逆量化装置，其特征在于，根据与当前的处理对象的影像向 量所对应的量化值向量来计算其逆量化影像向量，所述影像逆量化装置包 括：影像要素计算单元，利用在与所述处理对象的影像向量之间存在相关 性的其他影像向量的要素和所述量化值向量的要素，以要素单位计算初始 逆量化影像向量；和影像向量计算单元，以在所述影像要素计算单元中计 算出的初始逆量化影像向量作为起点，根据通过所述量化值向量而确定的 临时逆量化影像向量的集合，以全变差范数最小的临时逆量化影像向量作 为所述逆量化影像向量进行计算。

备注27

一种影像逆量化装置，其特征在于，根据与当前的处理对象的影像向 量所对应的量化值向量来计算其逆量化影像向量，所述影像逆量化装置包 括：影像要素计算单元，利用所述量化值向量的要素，以要素单位计算初 始逆量化影像向量；和影像向量计算单元，以在所述影像要素计算单元中 计算出的初始逆量化影像向量作为起点，根据通过在与所述处理对象的影 像向量之间存在相关性的其他影像向量和所述量化值向量而确定的临时 逆量化影像向量的集合，以全变差范数最小的临时逆量化影像向量作为所 述逆量化影像向量进行计算。

备注28

根据备注25至27任一项所述的影像逆量化装置，其特征在于，所述 影像向量计算单元，在所述存在相关性的其他影像向量的要素包括在所对 应的所述临时逆量化影像向量的集合的要素的值域内的情况下，将关于该 要素与所述存在相关性的其他影像向量的要素的差值更小的、临时逆量化 影像向量作为所述逆量化影像向量进行计算。

备注29

一种影像编码装置，其特征在于，对量化值向量进行编码，所述影像 编码装置包括根据与当前的处理对象的影像向量所对应的量化值向量来 计算其逆量化影像向量的影像逆量化装置，所述影像逆量化装置包括：影 像要素计算单元，利用在与所述处理对象的影像向量之间存在相关性的其 他影像向量的要素和所述量化值向量的要素，以要素单位计算所述处理对 象的初始逆量化影像向量；和影像向量计算单元，以在所述影像要素计算 单元中计算出的初始逆量化影像向量作为起点，根据通过在与所述处理对 象的影像向量之间存在相关性的其他影像向量和所述量化值向量而确定 的向量空间，以全变差范数最小的临时逆量化影像向量作为所述逆量化影 像向量进行计算。

备注30

一种影像解码装置，其特征在于，对量化值向量进行解码，所述影像 解码装置包括根据与当前的处理对象的影像向量所对应的量化值向量来 计算其逆量化影像向量的影像逆量化装置，所述影像逆量化装置包括：影 像要素计算单元，利用在与所述处理对象的影像向量之间存在相关性的其 他影像向量的要素和所述量化值向量的要素，以要素单位计算所述处理对 象的初始逆量化影像向量；和影像向量计算单元，以在所述影像要素计算 单元中计算出的初始逆量化影像向量作为起点，根据通过在与所述处理对 象的影像向量之间存在相关性的其他影像向量和所述量化值向量而确定 的向量空间，以全变差范数最小的临时逆量化影像向量作为所述逆量化影 像向量进行计算。

备注31

一种程序，其特征在于，该程序是以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化程序，该程序使信息处理装置执行如下处 理：至少利用所述量化值以外的信号求出对于每个量化值逆量化值的可取 值的范围；和在每个逆量化值的可取值的范围内，以全变差范数最小的临 时逆量化值的组作为所述逆量化值的组而求出。

备注32

一种程序，其特征在于，该程序是以多个量化值为组进行逆量化来求 出多个逆量化值的组的逆量化程序，该程序使信息处理装置执行如下处 理：利用所述多个量化值和所述量化值以外的信号，以要素单位计算所述 多个量化值的各量化值的临时逆量化值；和利用所述多个量化值求出对于 每个量化值逆量化值的可取值的范围，以在所述要素单位计算出的临时逆 量化值的组作为起点，在每个逆量化值的可取值的范围内，以全变差范数 最小的临时逆量化值的组作为所述逆量化值的组而求出。

备注33

一种程序，其特征在于，该程序是对多个量化值进行编码的编码程序， 该程序包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆 量化处理，所述逆量化处理使信息处理装置执行如下处理：至少利用所述 量化值以外的信号求出对于每个量化值逆量化值的可取值的范围；和在每 个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化值的组作 为所述逆量化值的组而求出。

备注34

一种程序，其特征在于，该程序是对多个量化值进行编码的编码程序， 该程序包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆 量化处理，所述逆量化处理使信息处理装置执行如下处理：利用所述多个 量化值和所述量化值以外的信号，以要素单位计算所述多个量化值的各量 化值的临时逆量化值；和利用所述多个量化值求出对于每个量化值逆量化 值的可取值的范围，以在所述要素单位计算出的临时逆量化值的组作为起 点，在每个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化 值的组作为所述逆量化值的组而求出。

备注35

一种程序，其特征在于，该程序是对多个量化值进行解码的解码方法 程序，该程序包括以多个量化值为组进行逆量化来求出多个逆量化值的组 的逆量化处理，所述逆量化处理使信息处理装置执行如下处理：至少利用 所述量化值以外的信号求出对于每个量化值逆量化值的可取值的范围；和 在每个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化值的 组作为所述逆量化值的组而求出。

备注36

一种程序，其特征在于，该程序是对多个量化值进行解码的解码程序， 该程序包括以多个量化值为组进行逆量化来求出多个逆量化值的组的逆 量化处理，所述逆量化处理使信息处理装置执行如下处理：利用所述多个 量化值和所述量化值以外的信号，以要素单位计算所述多个量化值的各量 化值的临时逆量化值；和利用所述多个量化值求出对于每个量化值逆量化 值的可取值的范围，以在所述要素单位计算出的临时逆量化值的组作为起 点，在每个逆量化值的可取值的范围内，以全变差范数最小的临时逆量化 值的组作为所述逆量化值的组而求出。

备注37

一种程序，其特征在于，该程序是根据与当前的处理对象的影像向量 所对应的量化值向量来计算其逆量化影像向量的影像逆量化程序，该程序 使信息处理装置执行如下处理：影像要素计算处理，利用在与所述处理对 象的影像向量之间存在相关性的其他影像向量的要素和所述量化值向量 的要素，以要素单位计算初始逆量化影像向量；和影像向量计算处理，以 在所述影像要素计算处理中计算出的初始逆量化影像向量作为起点，根据 通过在与所述处理对象的影像向量之间存在相关性的其他影像向量和所 述量化值向量而确定的临时逆量化影像向量的集合，以全变差范数最小的 临时逆量化影像向量作为所述逆量化影像向量进行计算。

备注38

一种程序，其特征在于，该程序是根据与当前的处理对象的影像向量 所对应的量化值向量来计算其逆量化影像向量的影像逆量化程序，该程序 使信息处理装置执行如下处理：影像要素计算处理，利用在与所述处理对 象的影像向量之间存在相关性的其他影像向量的要素和所述量化值向量 的要素，以要素单位计算初始逆量化影像向量；和影像向量计算处理，以 在所述影像要素计算处理中计算出的初始逆量化影像向量作为起点，根据 通过所述量化值向量而确定的临时逆量化影像向量的集合，以全变差范数 最小的临时逆量化影像向量作为所述逆量化影像向量进行计算。

备注39

一种程序，其特征在于，该程序是根据与当前的处理对象的影像向量 所对应的量化值向量来计算其逆量化影像向量的影像逆量化程序，该程序 使信息处理装置执行如下处理：影像要素计算处理，利用所述量化值向量 的要素，以要素单位计算初始逆量化影像向量；和影像向量计算处理，以 在所述影像要素计算处理中计算出的初始逆量化影像向量作为起点，根据 通过在与所述处理对象的影像向量之间存在相关性的其他影像向量和所 述量化值向量而确定的临时逆量化影像向量的集合，以全变差范数最小的 临时逆量化影像向量作为所述逆量化影像向量进行计算。

备注40

一种程序，其特征在于，该程序是对量化值向量进行编码的影像编码 程序，该程序包括根据与当前的处理对象的影像向量所对应的量化值向量 来计算其逆量化影像向量的影像逆量化处理，所述影像逆量化处理使信息 处理装置执行如下处理：影像要素计算处理，利用在与所述处理对象的影 像向量之间存在相关性的其他影像向量的要素和所述量化值向量的要素， 以要素单位计算所述处理对象的初始逆量化影像向量；和影像向量计算处 理，以在所述影像要素计算处理中计算出的初始逆量化影像向量作为起 点，根据通过在与所述处理对象的影像向量之间存在相关性的其他影像向 量和所述量化值向量而确定的向量空间，以全变差范数最小的临时逆量化 影像向量作为所述逆量化影像向量进行计算。

备注41

一种程序，其特征在于，该程序是对量化值向量进行解码的影像解码 程序，该程序包括根据与当前的处理对象的影像向量所对应的量化值向量 来计算其逆量化影像向量的影像逆量化处理，所述影像逆量化处理使信息 处理装置执行如下处理：影像要素计算处理，利用在与所述处理对象的影 像向量之间存在相关性的其他影像向量的要素和所述量化值向量的要素， 以要素单位计算所述处理对象的初始逆量化影像向量；和影像向量计算处 理，以在所述影像要素计算处理中计算出的初始逆量化影像向量作为起 点，根据通过在与所述处理对象的影像向量之间存在相关性的其他影像向 量和所述量化值向量而确定的向量空间，以全变差范数最小的临时逆量化 影像向量作为所述逆量化影像向量进行计算。