Singular-value expansion encoding system
专利汇可以提供Singular-value expansion encoding system专利检索，专利查询，专利分析的服务。并且PURPOSE: To provide the singular-value expansion encoding system which improves the compression efficiency by performing the encoding processing after reducing the redundancy of eigenvectors.
CONSTITUTION: Picture data in block units is given from a picture input part 1 in a form of (g) and is sent to a singular vector operation part 2. This part 2 calculates an N×N-order discrete self-correlation matrix R
n and an average R of every N components to obtain eigenvectors and corresponding elgenvalues. Eigenvalues are arranged in the order of absolute value to obtain an eigenvector matrix A, and corresponding eigenvectors are rearranged in accordance with this order to obtain an eigenvector matrix Φ. A subtraction result E between the eigenvector matrix Φ and an average eigenvector preliminarily stored in a storage part 4 and the eigenvalue matrix Λ are sent to a quantization part 5. Since the average eigenvector ψ is subtracted from the eigenvector matrix Φ, the difference E becomes a very small value (or 0), and the compression ratio is considerably improved.
COPYRIGHT: (C)1994,JPO&Japio，下面是Singular-value expansion encoding system专利的具体信息内容。
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は音声，静止画像，動画像等の情報を伝送する際に用いる特異値展開符号化方式に関する。
【０００２】
【従来の技術】電話，カラーファックス，電子スチルカメラ，監視用静止画像伝送装置，テレビ会議等において音声，静止画像，動画像の情報源を伝送する際、様々な符号化方式が考えられている。 その１つとして特異値展開符号化方式がある。
【０００３】これは、伝送すべきブロック単位の信号（例えば画像を分割した各領域）に対し先ず固有ベクトル（及び対応する固有値）を求める。 次にこれらの固有ベクトルを、その対応する固有値の絶大値の大きい順に並べ換える。 そして並べ換えた固有ベクトルの全て、又は重要な一部のもの（並べ換え順位の若いもの）符号化して伝送する。
【０００４】この特異値展開符号化方式について画像信号を例として詳細に説明する。 図４に示す様に画像データを例えば８画素分のブロックに分割する。 このブロック内より２画素分を総当たり的に選択し、この２画素値を図５に示す様に２次元座標上でプロットする。 （２画素値を（ｘ 1 ，ｘ 2 ）としてｘ 1軸，ｘ 2軸上にプロットする）するとこれらの画素値は、ｘ 1 ｘ 2座標上で特定の傾きを持つ直線上に集中してプロットされる。 従って図５に示す様にこの特定の直線の、ｘ 1軸からの回転角度を固有ベクトルとして求める。 更に特定の直線上での、各（ｘ 1 ，ｘ 2 ）の基準点からの距離も合わせて求め、固有値とする。 これらは図６の変換式で示される様に、固有ベクトルφ 1 …φ 8 ，夫々の固有値λ 1 …λ 8
として変換角度行列として記述できる。
【０００５】しかしながら、この従来の特異値展開符号化方式では、固有ベクトルを特別な処理をせずにそのまま符号化としていたため圧縮効率が悪かった。 例えば図７に示す様に８個の固有ベクトルは様々な値をとるものであり、特定値に集中していない。 従ってこれらの大小様々な値を直接符号化すると、画像圧縮の観点からは極めて効率が悪いという欠点が有った。
【０００６】
【発明が解決しようとする課題】以上述べた様に従来の特異値展開符号化方式においては、求めた固有ベクトルをそのまま符号化処理していたため、圧縮効率が極めて悪いという欠点が有った。
【０００７】そこで本発明の目的は、固有ベクトルの冗長度を削減した上で符号化処理することにより、圧縮効率を向上させた特異値展開符号化方式を提供することにある。
【０００８】
【課題を解決するための手段】本発明は、伝送すべきブロック単位の信号に対し相関関数の固有ベクトル及び対応する固有値を求める手段と、固有値の絶対値の大きい順に該固有ベクトルを並べる手段と、並べられた固有ベクトルに対し予め求めた平均的固有ベクトルを基準として変位を符号化する手段とを備えたことを特徴とするものである。
【０００９】
【作用】本発明では、特異値展開符号化における固有ベクトルの統計的性質を平均的形状として計算しておき、
これを固有ベクトルから差し引くことにより、冗長度が除かれ真に伝送すべきエッセンスのみを抽出することができる。
【００１０】同じ原理のもとに、各種の構成が可能である。 すなわち１次元方式、２次元方式、３次元方式などで、音声、画像等の信号をブロック化する際のブロックのとり方で複数の実現の構成が存在する。
【００１１】
〈１次元の場合〉 音声、画像等の信号を要素がＮ個のベクトル ｇ＝（ｇ 1 ，…，ｇ N ） T （但しＴは転置行列）で表す。 ＮｘＮ次の離散自己相関行列を、Ｒ n ＝ｇ・ｇ T とし、そのＮ個の成分ごとの平均を
とする。 その固有ベクトルφnを並べた固有ベクトルの行列をΦ、対応する固有値λ
nを対角成分上に並べた固有値行列をΛとすると、 ＲΦ＝ΦΛ なる関係となっていることは古くから知られている。
【００１２】ここで、Φを変換行列としてｆ＝Φｇなる変換を行いｆを符号化伝送するのが変換符号化方式である。 一方ΦとΛまたはその積ΦΛの全部または一部を符号化伝送するのが特異値展開符号化方式である。 ここで両者を比較すれば、変換符号化方式は源信号を分布に偏りのある変換面に移し、その偏りを利用して高能率に符号化することができるのに対し、特異値展開符号化方式では固有ベクトルに展開できたが、圧縮という観点からはきわめて状態の悪い信号に移してしまったため、高能率の符号化ができなかった。 固有ベクトルは互いに直交しているが、相関があり、分布に偏りがなく、広く分散しておりこのままでは極めて取扱いが難しい。 また、源信号がＮｘＮ個であったのに比べ、特異値展開後はΦがＮｘＮ個、ΛがＮ個で合計ＮｘＮ＋Ｎ個に増加している。 もちろんその自由度は最大ＮｘＮで情報量的には増加していないが、見掛上分散して扱いにくい形になったことを表している。
【００１３】本発明では、得られた固有ベクトル行列Φ
から平均的固有ベクトル行列Ψを成分ごとに差し引くことにより、冗長度が削減できる。 ここでΨの例として離散コサイン変換ＤＣＴ、アダマール変換行列Ｈ、スラント変換行列Ｓ、画像の自己相関から求まるＫＬ変換ＫＬ
などが有る。 又、各固有値λ 1 ，…，λ nは別に符号化して送る。
【００１４】図１は本発明の一実施例の概略構成図である。 画像入力部１によりブロック単位の画像データがｇ
＝（ｇ 1 ，…，ｇ N ）の形で与えられる。 この画像データはブロック毎に特異ベクトル演算部２へ送られる。 ここでは上述した様に、
1 ，…，φ
n ，
対応する固有値λ
1 ，…，λ
nを求める。 ここで固有値λ
1 ，…，λ
nをその絶対値の大きい順に並べた行列をΛ，この順序に従って対応する固有ベクトルφ
1 ，…，
φ
nを並べ換えた行列をΦとする。 この固有ベクトル行列Φは差分演算部３へ与えられ、ここでは記憶部４に予め記憶された平均的固有ベクトルΨを減算する。 （この平均的固有ベクトルについては後述する。）この減算結果をＥ（＝Φ−Ψ）とすると、このＥと特異ベクトル演算部からの固有値行列Λとが量子化部５へ送られる。 この量子化部５では特定のステップ幅で量子化を行ない、
その結果は可変長符号化部６で符号化処理される。
【００１５】つまり本発明では図２に示す様に固有ベクトル行列Φから平均的固有ベクトルΨが減算されるため、その差分Ｅは非常に小さい値（或いは０）となり、
圧縮率が大幅に向上できる。
【００１６】図３に量子化と可変長符号化の主な詳細例を示す。 線形量子化とは信号を等間隔にきざみ有限個の符号に置き換えることである。 スカラー量子化とは一サンプルずつ量子化することで、ベクトル量子化とは複数サンプル一括して量子化することである。 ０、非０判定は量子化後の量子化代表値が０かそうでないかを判定するもので、低ビットレート符号化では０が継続することが多く０の継続は別にその継続長としてまとめて符号化するためのものである。 また符号化中に途中からそのブロックの最後まで全て０になった時は、そのブロックの符号化を終了し、終了を示す符号ＥＯＢ（ＥＮＤ ｏｆ
ｂｌｏｃｋ）を送出するようにしても良い。
【００１７】図３（ａ）の線形スカラー量子化部，図３
（ｂ）の非線形スカラー量子化部，図３（ｃ）のベクトル量子化部は、図１の量子化部５に対応する。 図３
（ａ）（ｂ）の０・非０判定部，非０符号化部，図３
（ｃ）の可変長符号化部は図１の可変長符号化部６に対応する。 〈２次元の場合〉画像では効率の点で２次元ブロック化し、２次元相関を用いた高能率化がなされる。 信号を要素がＮｘＮ個の行列Ｇ＝（ｇ ij ）に分割する。 （１）〈１次元化する場合（非可分）〉 ＮｘＮ個の２次元配列をＮ 2 ｘ１の１次元配列に並べ直し以下１次元の場合と同様の処理を行う。 同様なので省略する。 （２）〈１次元化しない場合（可分）〉
【００１８】Ｇに対し自己相関Ｒ 1 ＝ＧＧ T とＲ 2 ＝Ｇ
T Ｇを作りその固有ベクトルをΦ 1 、Φ 2とする時、Ｇ
はＧ＝Φ 1・Λ 1/2 ・Φ 2と展開表現できる。 これは
【００１９】
【数１】
と記述される。 或いは以下の様にも記述される。【００２０】
【数２】
【００２１】但し、Ｎ R ≦Ｎで非０の固有値λ iの数、
ｕ i ，ｖ iはΦ 1 、Φ 2の列ベクトルである。 また、Λ
1/2 の自由度は最大Ｎ、Φ 1 、Φ 2の自由度はそれぞれ最大Ｎ（Ｎ−１）／２で合計Ｎ 2 である。
【００２２】この固有ベクトルから平均的固有ベクトルを差し引きその残差を符号化し量子化すれば良い。 平均的固有ベクトルは上記自己相関を多数の信号に関し平均した形で求め、そこから導出した固有ベクトルを用いれば良い。
【００２３】上記実施例においては、平均的ベクトルとしてあらかじめ定まった固定パターンのベクトルを用意し差引いたが、複数用意しておき入力信号の状況に応じきりかえて用いても良い。 また上記実施例では固有ベクトルと平均的固有ベクトルの差の符号化について述べたが、差に限らず平均的固有ベクトルからの変位を符号化（変位分のパターン・マッチング符号化、変位を考慮したパターン符号化、変位分を符号化するベクトル量子化）する方法は容易に類推できる。
【００２４】
【発明の効果】本発明によれば特異値展開符号化方式において固有ベクトルの冗長度を効率的に取り除くことができる。 従って音声，画像等の信号を伝送する際の圧縮率を大幅に向上させることが可能となり、その実用的利点は絶大である。
【図１】 本発明の一実施例の概略構成図。
【図２】 本発明の一実施例に係る固有ベクトルから平均的固有ベクトルを減算する様子を示す図。
【図３】 本発明の一実施例に係る量子化部と可変長符号化部の詳細を示す図。
【図４】 画像データのブロック分割の様子を示す図。
【図５】 特異値展開符号化方式を説明するための図。
【図６】 特異値展開符号化方式を用いた変換式を示す図。
【図７】 特異値展開符号化方式による固有ベクトル値を示す図。
１…画像入力部 ２…特異ベクトル演算部 ３…差分演算部 ４…記憶部 ５…量子化部 ６…可変長符号化部
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于低阶Hadamard基矢计算鬼成像的编码方法 | 2020-05-08 | 960 |
| 一种用于无人机的视频信号传输方法 | 2020-05-11 | 559 |
| 一种用于判断待处理多肽与阳性数据集肽段相似度的方法 | 2020-05-12 | 425 |
| 一种基于稀疏感知的自适应空时均衡方法 | 2020-05-12 | 905 |
| 一种基于融合神经网络的视频中人体行为识别方法 | 2020-05-08 | 710 |
| 一种侵彻过载信号的特征提取方法 | 2020-05-11 | 100 |
| 蕾丝花边自动检索系统的使用方法 | 2020-05-08 | 151 |
| 面向应急指挥的跨区域电网一体化电力自动调度系统 | 2020-05-11 | 940 |
| 一种基于互质阵列的混合信号波达方向估计方法 | 2020-05-13 | 405 |
| 一种适用于球麦克风阵列的超分辨声源定位方法 | 2020-05-13 | 796 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
