专利名称：信息信号处理设备和处理方法、系数生成设备和生成方法、查找表生成设备和生成方法 ...的制作方法
技术领域：
本发明涉及例如用于处理信息信号的装置和方法、用于产生系数的装置和方法、用于产生查找表的装置和方法、用于执行每个方法的程序以及记录每个程序的介质，所述装置、方法、程序和介质可被应用于例如与标准分辨率或低分辨率相对应的标准TV信号(SD信号)向与高分辨率相对应的信号(HD信号)的转换。
更具体地，它涉及用于处理信息信号的装置等，其用于在将由多个信息数据项(items of information data)组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头(class tap)，并且，如果从此类别抽头中的信息数据得到的动态范围属于一个范围，则通过使用系数数据而得到构成第二信息信号的信息数据，其中所述系数数据与通过基于在学生信号(第一学习信号)和教师信号(第二学习信号)之间的、使用属于所述一个范围的动态范围的这样一部分的学习结果来对此类别抽头进行类别分类而得到的第一类别码相对应，并且，如果该动态范围属于不同于所述一个范围的另一范围，则通过对使用与第一类别码相对应的系数数据而计算的信息数据、以及使用与通过转换此第一类别码而得到的第二类别码相对应的系数数据而计算的信息数据执行加法平均，来得到构成第二信息信号的信息数据，从而无论动态范围是大还是小，都使得能够良好地得到构成第二信息信号的信息数据。
本发明还涉及用于处理信息信号的装置等，其用于在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头，并且，如果从此类别抽头中的信息数据得到的动态范围属于一个范围，则通过使用系数数据而得到构成第二信息信号的信息数据，其中所述系数数据与通过基于在学生信号(第一学习信号)和教师信号(第二学习信号)之间的、使用属于所述一个范围的动态范围的这样一部分的学习的结果来对该类别抽头进行类别分类而得到的第一类别码相对应，并且，如果该动态范围属于不同于所述一个范围的另一范围，则通过使用基于在学生信号和教师信号之间的学习结果的系数数据而不对其执行任何类别分类，来得到构成第二信息信号的信息数据，从而使得能够良好地得到构成第二信息信号的信息数据。
背景技术：
近来，已对用来改善图像信号或音频信号的分辨率、采样频率等的技术提出了各种建议。例如，在将与标准分辨率或低分辨率相对应的标准TV信号上转换为具有高分辨率的所谓的HDTV信号的情况、或执行子采样插值的情况下，已知可通过执行包括类别分类的转换处理、而不执行通过线性插值的传统方法，来得到在性能方面更好的结果(参见日本专利申请公开第Hei7-95591号和日本专利申请公开第2000-59740号)。
包括类别分类的这一转换处理涉及一种技术，使得例如在将与标准分辨率或低分辨率相对应的标准TV信号(SD信号)转换为与高分辨率相对应的信号(HD信号)时，检测SD信号中的目标位置处的像素数据所属的类别，并且，通过使用与此类别相对应的系数数据，基于估算方程，从SD信号的多个像素数据项产生与SD信号中的该目标位置相对应的HD信号的像素数据。通过预先对每个类别进行例如最小二乘法的学习，来确定在包括类别分类的这一转换处理中使用的系数数据。
应当注意，在包括类别分类的该转换处理中使用的系数数据已基于在不执行根据动态范围是大还是小的任何分类的情况下的学习结果，所述动态范围是在构成类别抽头的多个像素数据项的最大值和最小值之间的差。
在此情况下，考虑到最小二乘法的结构，创建这样的系数数据，以便减小在具有较高频率的部分、即具有较小动态范围的部分处的误差。因此，在具有较大频率的部分、即具有较大动态范围的部分处，通过估算方程计算的相对于HD信号的像素数据的真实值的误差倾向于变大。
发明内容
本发明的目的是无论动态范围是大还是小，都良好地得到构成第二信息信号的信息数据。
根据本发明的用于处理信息信号的装置是这样的用于处理信息信号的装置，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该装置包括类别抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别中的任一个，而得到第一类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域(area)划分为多个区域而得到的多个细分区域中的哪一个的区域信息；类别码转换部件，用于将由类别分类部件得到的第一类别码转换为各自与第一类别码相对应的一个或多个第二类别码；预测抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成部件，用于生成第一系数数据，所述第一系数数据在与由类别分类部件得到的第一类别码相对应的估算方程中使用；第二系数数据生成部件，用于生成第二系数数据，所述第二系数数据在分别与通过类别码转换部件进行的转换而得到的一个或多个第二类别码相对应的估算方程中使用；第一计算部件，用于基于估算方程，通过使用由第一系数数据生成部件生成的第一系数数据和由预测抽头提取部件提取的预测抽头来计算信息数据；第二计算部件，用于基于估算方程，通过使用由第二系数数据生成部件生成的第二系数数据和由预测抽头提取部件提取的预测抽头来计算信息数据；以及加法部件，如果根据由动态范围处理部件得到的区域信息、动态范围属于一个细分区域，则输出由第一计算部件计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则输出通过对由第一计算部件计算的信息数据和由第二计算部件计算的信息数据执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成部件生成的第一系数数据和由第二系数数据生成部件生成的第二系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果，并且其中，类别码转换部件以这样的方式将第一类别码转换为第二类别码，该方式即与第一类别码相对应的第一计算部件所计算的信息数据和与第二类别码相对应的第二计算部件所计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
根据本发明的用于处理信息信号的方法是这样的用于处理信息信号的方法，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到第一类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；类别码转换步骤，将由类别分类步骤得到的第一类别码转换为各自与第一类别码相对应的一个或多个第二类别码；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成第一系数数据，所述第一系数数据在与通过类别分类步骤得到的第一类别码相对应的估算方程中使用；第二系数数据生成步骤，生成第二系数数据，所述第二系数数据在分别与通过类别码转换步骤进行的转换而得到的一个或多个第二类别码相对应的估算方程中使用；第一计算步骤，基于估算方程，通过使用由第一系数数据生成步骤生成的第一系数数据和由预测抽头提取步骤提取的预测抽头来计算信息数据；第二计算步骤，基于估算方程，通过使用由第二系数数据生成步骤生成的第二系数数据和由预测抽头提取步骤提取的预测抽头来计算信息数据；以及加法步骤，如果根据由动态范围处理步骤得到的区域信息、动态范围属于一个细分区域，则输出由第一计算步骤计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则输出通过对由第一计算步骤计算的信息数据和由第二计算步骤计算的信息数据执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据。
由第一系数数据生成步骤生成的第一系数数据和由第二系数数据生成步骤生成的第二系数数据基于与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、通过使用属于所述一个细分区域的动态范围的这样一部分的学习的结果，并且，在类别码转换步骤中，以这样的方式将第一类别码转换为第二类别码，该方式即与第一类别码相对应的由第一计算步骤计算的信息数据、和与第二类别码相对应的由第二计算步骤计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
此外，与本发明相关的程序使计算机执行用于处理信息信号的上述方法。与本发明相关的计算机可读介质记录此程序。
在本发明中，将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号。应当注意，例如，信息信号表示由多个像素数据(采样数据)项组成的图像信号、由多个采样数据项组成的音频信号等。
在此情况下，基于第一信息信号，提取位于此第一信息信号中的目标位置的周围的多个信息数据项，作为类别抽头。然后，将此类别抽头分类为多个类别中的任一个，以得到第一类别码。
此外，检测作为在此类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示此动态范围属于通过将该动态范围的可能范围划分为多个范围而得到的多个细分范围中的哪一个的区域信息。例如，得到指示动态范围小于还是不小于阈值的区域信息。
将通过对上述类别抽头进行分类得到的第一类别码转换为与此第一类别码相对应的一个或多个第二类别码。例如，通过参照其中存储了第一类别码和第二类别码之间的对应关系的查找表来执行该转换。
在此情况下，将第一类别码转换为第二类别码，使得通过使用与第一类别码相对应的第一系数数据而计算的信息数据和通过使用与第二类别码相对应的第二系数数据而计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
此外，生成第一系数数据，所述第一系数数据在与通过对上述类别抽头进行分类而得到的第一类别码相对应的估算方程中使用，同时生成第二系数数据，所述第二系数数据在分别与通过如上所述转换第一类别码而得到的一个或多个第二类别码相对应的估算方程中使用。
应当注意，第一系数数据和第二系数数据基于与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于一个细分区域的动态范围的这样一部分的学习的结果。
例如，将在估算方程中使用的预先得到的系数数据存储在存储部件中，从所述存储部件读取与由类别码指示的类别相对应的系数数据。
此外，例如，将预先得到的每个类别的系数种子数据存储在存储部件中，其中所述系数种子数据是用于产生在估算方程中使用的系数数据的、包括预定参数的产生方程中的系数数据，使得可基于产生方程、通过使用存储在此存储部件中的、与由类别码指示的类别相对应的系数种子数据，来产生在估算方程中使用的系数数据。
此外，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头。随后，使用如上所述产生的第一系数数据和此预测抽头来基于估算方程而计算信息数据。此外，使用如上所述产生的第二系数数据和此预测抽头来基于估算方程而计算信息数据。
如果动态范围属于一个细分区域，则输出通过如上所述使用第一系数数据计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据。如果动态范围属于不同于所述一个细分范围的另一细分范围，则输出通过对如上所述分别使用第一系数数据和第二系数数据计算的多个信息数据项执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据。
例如，如果动态范围不小于阈值，则输出通过使用第一系数数据计算的信息数据，而如果动态范围小于阈值，则输出通过对分别使用第一和第二系数数据计算的多个信息数据项执行加法平均而得到的数据。
以这样的方式，在本发明中，如果动态范围属于一个细分区域，则输出通过使用所得到的第一系数数据以便与基于类别抽头得到的第一类别码相对应而计算的信息数据，作为构成第二信息信号的信息数据。在此情况下，第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分范围的动态范围的这样一部分的学习的结果，以允许准确地得到构成第二信息信号的信息数据。
此外，在本发明中，如果动态范围属于不同于所述一个细分范围的另一细分范围，则输出通过对分别使用所得到的第一系数数据以便与第一类别码相对应、以及所得到的第二系数数据以便与第二类别码相对应而计算的信息数据项执行加法平均而获得的数据，作为构成第二信息信号的信息数据，其中通过转换此第一类别码而获得所述第二类别码。在此情况下，将第一类别码转换为第二类别码，使得通过使用所得到的第一系数数据以便与第一类别码相对应而计算的信息数据、和通过使用所得到的第二系数数据以便与第二类别码相对应而计算的信息数据的加法平均值可最接近于构成上述第二信息信号的信息数据的真实值，从而允许准确地得到构成第二信息信号的信息数据。
因此，在本发明中，无论动态范围是大还是小，都可以良好地得到构成第二信息信号的信息数据。
根据本发明的用于处理信息信号的装置是这样的用于处理信息信号的装置，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该装置包括类别抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别中的任一个来得到类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；系数数据生成部件，根据由动态范围处理部件得到的区域信息和由类别分类部件得到的类别码，如果动态范围属于一个细分区域，则生成在与类别码相对应的估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则生成在该估算方程中使用的第二系数数据；以及计算部件，用于基于估算方程，使用由系数数据生成部件生成的第一系数数据或第二系数数据、以及由预测抽头提取部件提取的预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成部件生成的第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习结果，并且其中，由第二系数数据生成部件生成的第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习结果。
根据本发明的用于处理信息信号的方法是这样的用于处理信息信号的方法，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；系数数据生成步骤，根据由动态范围处理步骤得到的区域信息和由类别分类步骤得到的类别码，如果动态范围属于一个细分区域，则生成在与类别码相对应的估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则生成在该估算方程中使用的第二系数数据；以及计算步骤，基于估算方程，使用由系数数据生成步骤生成的第一系数数据或第二系数数据、以及由预测抽头提取步骤提取的预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据。
由第一系数数据生成步骤生成的第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果，并且，由第二系数数据生成步骤生成的第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。
此外，与本发明相关的程序使计算机执行用于处理信息信号的上述方法。与本发明相关的计算机可读介质记录此程序。
在本发明中，将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号。应当注意，例如，信息信号是指由多个像素数据(采样数据)项组成的图像信号、由多个采样数据项组成的音频信号等。
在此情况下，基于第一信息信号，提取位于此第一信息信号中的目标位置的周围的多个信息数据项，作为类别抽头。随后，将此类别抽头分类为多个类别中的任一个，以得到类别码。
此外，检测作为在此类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示此动态范围属于通过将该动态范围的可能范围划分为多个范围而得到的多个细分范围中的哪一个的区域信息。例如，得到指示动态范围小于还是不小于阈值的区域信息。
如果动态范围属于一个细分范围，则生成第一系数数据，所述第一系数数据在与通过对上述类别抽头进行分类而得到的类别码相对应的估算方程中使用。另一方面，如果该动态范围属于不同于所述一个细分范围的另一细分范围，则生成在该估算方程中使用的第二系数数据。
应当注意，系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分范围的动态范围的这样一部分的学习的结果。另一方面，第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。
例如，将预先得到的、在估算方程中使用的每个类别的第一系数数据和在估算方程中使用的第二系数数据存储在存储部件中，如果动态范围属于一个细分范围，则从所述存储部件读取与由类别码指示的类别相对应的第一系数数据，而如果该动态范围属于不同于所述一个细分范围的另一细分范围，则从所述存储部件读取第二系数数据。
此外，例如，将作为在用于产生要在估算方程中使用的第一系数数据的包括预定参数的产生方程中的系数数据的每个类别的第一系数种子数据、以及作为在用于产生要在估算方程中使用的第二系数数据的产生方程中的系数数据的第二系数种子数据存储在存储部件中，其中所述第一系数种子数据和第二系数种子数据是预先获得的，使得如果动态范围属于一个细分范围，则基于产生方程，使用存储在存储部件中的、与由类别码指示的类别相对应的第一系数种子数据来产生在估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分范围的另一细分范围，则基于产生方程，使用存储在存储部件中的第二系数种子数据来产生在估算方程中使用的第二系数数据。
此外，基于第一信息信号，提取位于此第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头。随后，基于估算方程，使用如上所述产生的第一系数数据或第二系数数据以及此预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据。
以这样的方式，在本发明中，如果动态范围属于一个细分区域，则输出通过使用所得到的第一系数数据以便与基于类别抽头获得的类别码相对应而计算的信息数据，作为构成第二信息信号的信息数据。在此情况下，第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分范围的动态范围的这样一部分的学习的结果，以允许准确地得到构成第二信息信号的信息数据。
此外，在本发明中，如果动态范围属于不同于所述一个细分区域的另一个细分范围，则输出通过使用第二系数数据计算的信息数据，作为构成第二信息信号的信息数据。在此情况下，第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。因此，此第二系数数据是所述类别的系数数据项的平均值，使得通过使用此第二系数数据计算的、构成第二信息信号的信息数据相对于此信息数据的真实值的误差分布在误差0的附近。
因此，在本发明中，无论动态范围是大还是小，都可以良好地得到构成第二信息信号的信息数据。
根据本发明的用于产生系数的装置是这样的用于产生系数的装置，其产生在估算方程中使用的系数数据、或者作为在用于产生前面的系数数据的产生方程中的系数数据的系数种子数据，其中将在把由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用所述估算方程，该装置包括类别抽头提取部件，用于基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取部件，根据由动态范围处理部件得到的区域信息，如果动态范围属于一个细分区域，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；教师数据提取部件，根据由动态范围处理部件得到的区域信息，如果动态范围属于一个细分区域，则基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；以及计算部件，用于通过使用由类别分类部件得到的类别码、由预测抽头提取部件提取的预测抽头、以及由教师数据提取部件提取的教师数据，而得到每个类别的系数数据、或每个类别的系数种子数据。
根据本发明的用于产生系数的方法是这样的用于产生系数的方法，其产生在估算方程中使用的系数数据、或者作为在用于产生前面的系数数据的产生方程中的系数数据的系数种子数据，其中将在把由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用所述估算方程，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别码分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；教师数据提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；以及计算步骤，通过使用类别分类步骤得到的类别码、由预测抽头提取步骤提取的预测抽头、以及由教师数据提取步骤提取的教师数据，来得到每个类别的系数数据、或每个类别的系数种子数据。
此外，与本发明相关的程序使计算机执行用于处理信息信号的上述方法。与本发明相关的计算机可读介质记录此程序。
在本发明中，产生系数数据，所述系数数据在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的估算方程中使用，或者产生系数种子数据，所述系数种子数据是在用于产生此系数数据的产生方程中的系数数据。应当注意，例如，信息信号是图像信号或音频信号。
基于与第一信息信号相对应的第一学习信号，提取位于此第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头。随后，将此类别抽头分类为多个类别中的任一个，以得到类别码。
此外，检测作为在此类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示此动态范围属于通过将该动态范围的可能范围划分为多个范围而得到的多个细分范围中的哪一个的区域信息。例如，得到指示动态范围小于还是不小于阈值的区域信息。
如果动态范围属于一个细分范围，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头，同时基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据。
随后，使用由此得到的类别码、以及由此提取的预测抽头和教师数据，来得到每个类别的系数数据、或每个类别的系数种子数据。例如，对于每个类别，产生正规化(normalization)方程，使得可通过求解该正规化方程，来计算每个类别的系数数据、或每个类别的系数种子数据。
以这样的方式，在本发明中，通过在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间、使用属于所述一个细分范围的动态范围的这样一部分来进行学习，得到每个类别的系数数据、或每个类别的系数种子数据，从而允许良好地得到在上述用于处理信息信号的装置等中使用的系数数据。
根据本发明的用于产生查找表的装置是这样的用于产生查找表的装置，其产生在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的第一类别码和第二类别码之间的对应关系，该装置包括类别抽头提取部件，用于基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别抽头中的任一类别，来得到类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取部件，用于基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成部件，用于生成系数数据，所述系数数据在与由类别分类部件得到的类别码相对应的类别处的估算方程中使用；预测计算部件，用于基于估算方程，使用由第一系数数据生成部件生成的系数数据、以及由预测抽头提取部件提取的预测抽头，来计算与第一学习信号中的目标位置相对应的信息数据；第二系数数据生成部件，用于生成在多个类别处的估算方程中使用的系数数据；全部类别(all-the-class)预测计算部件，用于基于估算方程，使用由第二系数数据生成部件生成的每个类别的系数数据、以及由预测抽头提取部件提取的预测抽头，来为每个类别计算与第一学习信号中的目标位置相对应的信息数据；教师数据提取部件，用于基于与第二信息信号相对应的第二学习数据，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；误差计算部件，用于计算由预测计算部件得到的信息数据相对于由教师数据提取部件提取的教师数据的误差；全部类别误差计算部件，用于计算由全部类别预测计算部件得到的每个类别的信息数据相对于由教师数据提取部件提取的教师数据的误差；误差相加部件，用于将由误差计算部件得到的误差加到由全部类别误差计算部件得到的每个类别的误差上，以得到所述类别的误差总和；误差总和累加部件，根据由动态范围处理部件得到的区域信息，如果动态范围属于不同于所述一个细分区域的另一细分区域，则将与由误差相加部件得到的每个类别的误差总和的幅度(magnitude)相对应的值加到与由类别分类部件得到的类别码相对应的输入类别上的每个输出类别的累加值上；以及表产生部件，用于基于每个输入类别上的累加值，分配对于每个输入类别的每个输出类别的累加值、即由误差总和累加部件得到的累加值被最小化的输出类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系。由第一系数数据生成部件生成的和由第二系数数据生成部件生成的系数数据项基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分区域的动态范围的这样一部分的学习的结果。
根据本发明的用于产生查找表的方法是这样的用于产生查找表的方法，其产生在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的第一类别码和第二类别码之间的对应关系，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别抽头中的任一类别，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成在与由类别分类步骤得到的类别码相对应的类别上的估算方程中使用的系数数据；预测计算步骤，基于估算方程，使用由第一系数数据生成步骤生成的系数数据、以及由预测抽头提取步骤提取的预测抽头，计算与第一学习信号中的目标位置相对应的信息数据；第二系数数据生成步骤，生成在多个类别上的估算方程中使用的系数数据；全部类别预测计算步骤，基于估算方程，使用由第二系数数据生成步骤生成的每个类别的系数数据、以及由预测抽头提取步骤提取的预测抽头，为每个类别计算与第一学习信号中的目标位置相对应的信息数据；教师数据提取步骤，基于与第二信息信号相对应的第二学习数据，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；误差计算步骤，计算由预测计算步骤得到的信息数据相对于由教师数据提取步骤提取的教师数据的误差；全部类别误差计算步骤，计算由全部类别预测计算步骤得到的每个类别的信息数据相对于由教师数据提取步骤提取的教师数据的误差；误差相加步骤，将由误差计算步骤得到的误差加到由全部类别误差计算步骤得到的每个类别的误差上，以得到所述类别的误差总和；误差总和累加步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于不同于所述一个细分区域的另一细分区域，则将与由误差相加步骤得到的每个类别的误差总和的幅度相对应的值加到与由类别分类步骤得到的类别码相对应的输入类别上的每个输出类别的累加值上；以及表产生步骤，基于每个输入类别上的累加值，分配对于每个输入类别的每个输出类别的累加值、即由误差总和累加步骤得到的累加值被最小化的输出类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系。由第一系数数据生成步骤生成的和由第二系数数据生成步骤生成的系数数据项基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分区域的动态范围的这样一部分的学习的结果。
此外，与本发明相关的程序使计算机执行用于处理信息信号的上述方法。与本发明相关的计算机可读介质记录此程序。
在本发明中，在第一类别码和第二类别码之间产生对应关系，其在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用。应当注意，例如，信息信号是图像信号或音频信号。
基于与第一信息信号相对应的第一学习信号，提取位于此第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头。随后，将此类别抽头分类为多个类别中的任一个，以得到类别码。
此外，检测作为在此类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示此动态范围属于通过将该动态范围的可能范围划分为多个范围而得到的多个细分范围中的哪一个的区域信息。例如，得到指示动态范围小于还是不小于阈值的区域信息。
此外，基于学生信号，提取位于此第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头。此外，产生系数数据，所述系数数据在与通过如上所述对类别抽头进行分类而得到的类别码相对应的类别上的估算方程中使用。随后，基于该估算方程，使用这些系数数据和预测抽头来计算与第一学习信号中的目标位置相对应的信息数据。
此外，产生在多个类别上的估算方程中使用的系数数据。随后基于该估算方程，使用每个类别的系数数据和预测抽头来为每个类别计算与第一学习信号中的目标位置相对应的信息数据。
应当注意，如上所述生成的系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分范围的动态范围的这样一部分的学习的结果。
此外，基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据。随后，相对于此教师数据，计算与如上所述计算的类别码相对应的信息数据的误差。此外，相对于此教师数据，计算如上所述计算的每个类别的信息数据的误差。
此外，将类别码的误差和每个类别的误差相加，以得到每个类别的误差总和。随后，如果动态范围属于不同于所述一个细分范围的另一细分范围，则将与每个类别的误差总和的值相对应的值加到与类别码相对应的输入类别上的每个输出类别的累加值上。
随后，基于每个输入类别上的每个输出类别的累加值，将使累加值最小化的这样的输出类别分配给每个输入类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系。
以这样的方式，在本发明中，如果动态范围属于不同于所述一个范围的另一范围，则有可能良好地产生查找表，使得可以以这样的方式将第一类别码转换为第二类别码，该方式即通过使用与第一类别码相对应的系数数据计算的信息数据、和通过使用与第二类别码相对应的系数数据计算的像素数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
图1是示出根据实施例的用于处理图像信号的装置的配置的框图；图2是示出SD信号和HD信号之间的像素的位置关系的框图；图3A是示出类别抽头的一个例子的框图；图3B是示出预测抽头的一个例子的框图；图4是示出查找表的配置的框图；图5是示出预测抽头的位置的框图；图6是示出用于产生系数数据的装置的配置的框图；图7是示出用于产生查找表的装置的配置的框图；图8是图解累加处理的图；图9是图解输出类别分配处理的图；图10是示出用于通过软件实现来处理图像信号的装置的配置的框图；图11是示出图像信号处理的流程图；图12是示出系数数据产生处理的流程图；图13是示出查找表产生处理的流程图；图14是示出根据另一实施例的用于处理图像信号的装置的配置的框图；图15是示出图像信号处理的流程图；
图16是示出根据另一实施例的用于处理图像信号的装置的配置的框图；图17是图解用于产生系数种子数据的方法的图；图18是示出用于产生系数种子数据的装置的配置的框图；以及图19是示出用于产生查找表的装置的配置的框图。
具体实施例方式
下面将参照附图来描述本发明的实施例。图1示出了根据实施例的用于处理图像信号的装置100的配置。用于处理图像信号的此装置100将具有低分辨率或标准分辨率的图像信号(下文中称为“标准清晰度(SD)信号”)转换为具有高分辨率的图像信号(下文中称为“高清晰度(HD)信号”)。应当注意，SD信号构成第一信息信号，而HD信号构成第二信息信号。
图2示出了SD信号和HD信号之间的像素位置关系。“○”指示SD信号的像素位置，而“×”指示HD信号的像素位置。在此情况下，HD信号的四个像素对应于SD信号的一个像素。也就是说，在本实施例中，将SD信号转换为分别具有两倍数目的垂直和水平像素的HD信号。在本实施例中，SD和HD信号中的每个由多个8比特像素数据项组成。
回来参照图1，用于处理图像信号的装置100包括输入端101，向其输入SD信号；以及类别抽头提取电路102，用于基于输入到此输入端101的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据片段(piece)作为类别抽头。在本实施例中，例如，如图3A所示，提取位于SD信号中的目标位置的周围的7个SD像素数据片段作为类别抽头。
用于处理图像信号的装置100还包括类别分类电路103，用于基于由类别抽头提取电路102提取的类别抽头，将此类别抽头分类为多个类别中的任一个，以得到指示此类别抽头的类别的类别码Ca。通过利用诸如自适应动态范围编码(ADRC)、差分脉冲码调制(DPCM)(在预测编码中)、或矢量量化(VQ)的任意压缩处理来执行此类别分类。
下面将描述执行K比特ADRC的情况。在K比特ADRC中，检测作为在类别抽头中包括的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN，并且，基于此动态范围DR，将在类别抽头中包括的每个像素数据项重新量化为K比特。
也就是说，将在类别抽头中包括的每个像素数据项减去最小值MIN，并将所得到的余数除以(量化)DR/2K。以这种方式，将构成类别抽头的每个像素数据项重新量化为K比特，所述K比特被以预定次序排列为随后作为类别码Ca输出的比特串。
因此，在1比特ADRC中，将在此类别抽头中包括的每个像素数据项减去最小值MIN，并将所得到的余数除以DR/2。因而，将在该类别抽头中包括的每个像素数据项重新量化为1比特，所述1比特被以预定次序排列为随后作为类别码Ca而输出的比特串。
用于处理图像信号的装置100还包括动态范围处理电路(DR处理电路)104。此DR处理电路104检测作为在由类别抽头提取电路102提取的类别抽头中包括的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN，以获得指示它属于通过将此动态范围DR的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息AR。
在本实施例中，通过使用预定阈值Th，来将动态范围DR的可能覆盖区域划分为两个。如果DR≥Th，即如果动态范围DR不小于预定阈值Th，则DR处理电路104输出“0”作为区域信息AR，而如果DR＜Th，即如果动态范围DR小于预定阈值Th，则它输出“1”作为区域信息AR。
用于处理图像信号的装置100还包括作为类别码转换部件的查找表(LUT)105，用于将由类别分类电路103得到的类别码Ca转换为与此类别码Ca相对应的类别码Cb。基于由DR处理电路104得到的区域信息AR，在此查找表105的操作方面对其进行控制。也就是说，此查找表105仅在区域信息AR是“1”时变为有效，以输出与类别码Ca相对应的类别码Cb。图4示出了查找表105的配置，所述查找表105存储类别码Ca和类别码Cb之间的对应关系。
此查找表105以这样的方式将类别码Ca转换为类别码Cb，该方式即通过使用与类别码Ca相对应的系数数据Wi计算的像素数据和通过使用与类别码Cb相对应的系数数据Wi计算的像素数据项的加法平均值可最接近于构成HD信号的像素数据的真实值。后面将描述如何产生此查找表105。
用于处理图像信号的装置100还包括系数存储器106。此系数存储器106存储每个类别的系数数据Wi，所述系数数据Wi在由后面描述的预测计算电路108a和108b使用的估算方程中使用。此系数数据Wi是用来将SD信号转换为HD信号的信息。
如上所述，为了将SD信号转换为HD信号，有必要得到对于SD信号的一个像素(x0)的HD信号的四个像素(y1至y4)。在此情况下，HD信号的四个像素具有相对于对应的SD信号的一个像素的不同的相移。因此，系数存储器106存储输出像素的类别和位置(yl至y4的位置)的每个组合的系数数据Wi。
通过在作为与SD信号相对应的第一学习信号的学生信号和作为与HD信号相对应的第二学习信号的教师信号之间、利用满足DR≥Th的关系的动态范围的这样一部分来进行学习，而得到了存储在此系数存储器106中的系数数据Wi。后面将描述如何产生此系数数据Wi。
作为读取地址信息而向系数存储器106提供从上述类别分类电路103输出的类别码Ca、以及从上述查找表105输出的类别码Cb。系数存储器106输出由类别码Ca指示的类别的系数数据Wi-a、以及由类别码Cb指示的类别的系数数据Wi-b。此系数存储器106构成第一系数数据生成部件和第二系数数据生成部件。
用于处理图像信号的装置100还包括预测抽头提取电路107，用于基于输入到输入端101的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头。在本实施例中，例如，如图3B所示，提取位于SD信号中的目标位置的周围的13个SD像素数据项作为预测抽头。图5指示此预测抽头的抽头位置。
用于处理图像信号的装置100还包括分别作为第一和第二计算部件的预测计算电路108a和108b。这些预测计算电路108a和108b基于估算方程(1)，从由预测抽头提取电路107提取作为预测抽头的像素数据xi以及从系数存储器106输出的系数数据项Wi-a和Wi-b，分别得到像素数据项y1-a至y4-a以及y1-b至y4-b。在此估算方程(1)中，n表示构成预测抽头的像素数据的项数，并且在本实施例中n＝13。应当注意，可以将一个计算电路适配为充当预测计算电路108a和108b两者。
Y=Σi=1nWi·xi]]>方程(1)如上所述，为了将SD信号转换为HD信号，有必要得到对于SD信号的一个像素的HD信号的四个像素。因此，这些预测计算电路108a和108b各自为SD信号中的每个目标位置产生四个像素数据项y1至y4。
也就是说，分别向这些预测计算电路108a和108b提供来自预测抽头提取电路107的作为与SD信号中的目标位置相对应的预测抽头的像素数据xi、以及来自系数存储器106的上述四个输出像素的系数数据项Wi-a和Wi-b。随后，通过上述方程(1)，这些预测计算电路108a和108b分别且单独地得到4个像素数据项y1-a至y4-a以及y1-b至y4-b。
用于处理图像信号的装置100还包括加法器109。基于由DR处理电路104得到的区域信息AR来在此加法器109的操作方面对其进行控制。也就是说，如果区域信息AR为“0”、并且动态范围DR不小于阈值Th，则加法器109输出由预测计算电路108a得到的4个像素数据项y1-a至y4-a作为构成HD信号的4个像素数据项y1至y4。
另一方面，如果区域信息AR为“1”、并且动态范围DR小于阈值Th，则加法器109输出由预测计算电路108a得到的4个像素数据项y1-a至y4-a和由预测计算电路108b得到的4个像素数据项y1-b至y4-b的加法平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2，作为构成HD信号的4个像素数据项y1至y4。
用于处理图像信号的装置100还包括后处理电路110，用于通过对由加法器109顺次输出的构成HD信号的4个像素数据项y1至y4进行线性序列化(linear-serializing)而得到HD信号，其中，所述4个像素数据项y1至y4对应于SD信号的每个目标位置；以及输出端111，用于输出此HD信号。
下面将描述如图1所示的用于处理图像信号的装置100的操作。
将输入到输出端101的SD信号提供给类别抽头提取电路102。此类别抽头提取电路102基于此SD信号，提取位于该SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。将此类别抽头提供给类别分类电路103和DR处理电路104。
类别分类电路103对包含在类别抽头中的每个像素数据项执行例如ADRC处理的数据压缩处理，以得到类别码Ca，作为指示此类别抽头的类别的第一类别码。将此类别码Ca作为读取地址信息提供给查找表105和系数存储器106。
此外，DR处理电路104检测作为在类别抽头中包括的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN，并且，如果此动态范围DR不小于阈值Th，则输出“0”作为区域信息AR，否则输出“1”作为区域信息AR。将此区域信息AR作为操作控制信号提供给查找表105和加法器109。
如果区域信息AR为“1”，即动态范围DR小于阈值Th，则查找表105变为有效，以输出类别码Cb，作为与由类别分类电路103得到的类别码Ca相对应的第二类别码。将此类别码Cb作为读取地址信息提供给系数存储器106。
当将类别码Ca作为读取地址信息提供给系数存储器106时，从系数存储器106读取与由类别码Ca指示的类别相对应的4个输出像素的系数数据Wi-a，并将其提供给预测计算电路108a。类似地，当将类别码Cb作为读取地址信息提供给系数存储器106时，从系数存储器106读取与由类别码Cb指示的类别相对应的4个输出像素的系数数据Wi-b，并将其提供给预测计算电路108b。
此外，将输入到输入端101的SD信号提供给预测抽头提取电路107。此预测抽头提取电路107基于此SD信号，提取位于该SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。将作为此预测抽头的像素数据xi提供给预测计算电路108a和108b。
预测计算电路108a基于上述方程(1)，使用像素数据xi和系数数据Wi-a来计算与SD信号中的目标位置相对应的4个像素数据项y1-a至y4-a。类似地，预测计算电路108b基于上述方程(1)，使用像素数据xi和系数数据Wi-b来计算与SD信号中的目标位置相对应的4个像素数据项y1-b至y4-b。将分别由这些预测计算电路108a和108b计算的像素数据项y1-a至y4-a和y1-b至y4-b提供给加法器109。
如果区域信息AR为“0”、并且动态范围DR不小于阈值Th，则加法器109输出由预测计算电路108a得到的4个像素数据项y1-a至y4-a作为构成HD信号的4个像素数据项y1至y4。如果区域信息AR为“1”、并且动态范围DR小于阈值Th，则加法器109输出由预测计算电路108a得到的4个像素数据项y1-a至y4-a和由预测计算电路108b得到的4个像素数据项y1-b至y4-b的加法平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2，作为构成HD信号的4个像素数据项y1至y4。
将构成HD信号并从此加法器109顺次输出的4个像素数据项y1至y4提供给后处理电路110。此后处理电路110通过对构成HD信号并从加法器109顺次提供的4个像素数据项y1至y4进行线性序列化而得到HD信号，其中所述4个像素数据项y1至y4对应于SD信号的每个目标位置。将此HD信号输出到输出端111。
如果区域信息AR为“0”，即如果动态范围DR不小于阈值Th，则上述用于处理图像信号的装置100输出通过使用所得到的系数数据Wi-a以便对应类别码Ca而计算的像素数据项y1-a至y4-a作为构成HD信号的像素数据项y1至y4。
在此情况下，如上所述，已经通过在与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间、使用不小于阈值Th的动态范围的这样一部分进行学习，得到了系数数据Wi-a，从而使得能够准确地得到构成HD信号的像素数据项y1至y4。
此外，在上述用于处理图像信号的装置100中，如果区域信息AR为“1”，即动态范围DR小于阈值Th，则输出通过使用所得到的系数数据Wi-a以便对应类别码Ca而获得的像素数据项y1-a至y4-b和通过使用所得到的系数数据Wi-b以便对应类别码Cb而计算的像素数据项y1-b至y4-b的加法平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2，作为构成HD信号的像素数据项y1至y4，其中通过转换此类别码Ca来得到所述类别码Cb。
在此情况下，以这样的方式将类别码Ca转换为类别码Cb，该方式即上面的加法平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2可最接近于构成HD信号的像素数据项y1至y4的真实值，从而使得能够准确地得到构成HD信号的像素数据项y1至y4。
因此，通过上述用于处理图像信号的装置100，无论动态范围DR是大还是小，都可以良好地得到构成HD信号的像素数据项y1至y4。此用于处理图像信号的装置100可应用于用于输出图像信号的装置等，例如TV接收机和图像信号再现装置。
下面将描述产生存储在系数存储器106中的每个类别的系数数据Wi(i＝1至n)的方法。通过学习来产生此系数数据Wi。
下面将描述学习方法。在上述方程(1)中，在学习之前，各项系数数据W1、W2、Wn为待定系数。对于每个类别，对多个信号数据项进行学习。如果学习数据的项数为m，则根据方程(1)来建立下面的方程(2)。n表示预测抽头的数目。
yk＝W1×xk1+W2×xk2+...+Wn×xkn方程(2)(k＝1，2，...，m)
如果m＞n，则不会唯一地确定系数数据项W1、W2、...、Wn，使得在下面的方程(3)中定义误差矢量e的元素ek，以得到使方程(4)中的e2最小化的系数数据。通过所谓的最小二乘法来唯一地得到系数数据。
ek＝yk-{W1×xk1+W2×xk2+...+Wn×xkn} 方程(3)(k＝1，2，...，m)e2=Σk=1mek2]]>方程(4)如方程(5)所示，利用得到使方程(4)中的e2最小化的系数数据的实际计算方法，可通过使用系数数据Wi(i＝1至n)来对e2求偏导，以得到使该偏导值减小为0这样的系数数据Wi。
∂e2∂Wi=Σk=1m2(∂ek∂Wi)ek=Σk=1m2xki·ek]]>方程(5)通过如方程(6)和(7)中给出的那样定义Xji和Yi，可将方程(5)写为方程(8)的行列式的形式。此方程(8)是用于计算系数数据的正规(normal)方程。通过利用诸如扫出(sweeping-out)(高斯-乔丹消去)法的一般解法来求解该正规方程，可以得到系数数据项Wi(i＝1至n)。
Xji=Σp=1mxpi·xpj]]>方程(6)Yi=Σk=1mxki·yk]]>方程(7)X11X12···X1nX21X22···X2n············Xn1Xn2···XnnW1W2···Wn=Y1Y2···Yn]]>方程(8)图6示出了用于产生系数数据的装置200的配置，所述装置200产生要存储在图1示出的系数存储器106中的系数数据Wi。
用于产生系数数据的此装置200包括输入端201，向其输入HD信号，作为教师信号，即第二学习信号；以及SD信号产生电路202，用于对此HD信号进行水平和垂直细化处理(thinning processing)，以由此得到作为学生信号的SD信号，即第一学习信号。
用于产生系数数据的装置200还包括类别抽头提取电路203，用于基于从SD信号产生电路202输出的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头。此类别抽头提取电路203被与图1示出的上述用于处理图像信号的装置100中的类别抽头提取电路102相似地配置。
用于产生系数数据的装置200还包括类别分类电路204，用于基于由类别抽头提取电路203提取的类别抽头，将此类别抽头分类为多个类别中的任一个，以得到指示此类别抽头的类别的类别码Ca。此类别分类电路204被与图1示出的上述用于处理图像信号的装置100中的类别分类电路103相似地配置。
用于产生系数数据的装置200还包括动态范围处理电路(DR处理电路)205。此DR处理电路205被与图1中示出的上述用于处理图像信号的装置100中的DR处理电路104相似地配置，并且，如果DR≥Th，则输出“0”作为区域信息AR，否则输出“1”作为区域信息AR。
用于产生系数数据的装置200还包括延迟电路206，用于对从SD信号产生电路202输出的SD信号进行时间调整；以及预测抽头提取电路207，用于基于从延迟电路206输出的此SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头。此预测抽头提取电路207被与图1示出的上述用于处理图像信号的装置100中的预测抽头提取电路107相似地配置。
基于由DR处理电路205得到的区域信息，在此预测抽头提取电路207的操作方面对其进行控制。也就是说，如果区域信息AR为“0”，即如果动态范围DR不小于阈值Th，则预测抽头提取电路207提取预测抽头，而如果区域信息AR为“1”，即如果动态范围DR小于阈值Th，则不提取预测抽头。
用于产生系数数据的装置200还包括延迟电路208，用于对输入到输入端201的HD信号进行时间调整；以及教师数据提取电路209，用于基于从此延迟电路208输出的HD信号，提取与该SD信号中的目标位置相对应的、构成HD信号的4个像素数据项作为教师数据。
也基于由DR处理电路205得到的区域信息，在此教师数据提取电路209的操作方面对其进行控制。也就是说，如果区域信息AR为“0”，即如果动态范围DR不小于阈值Th，则教师数据提取电路209提取教师数据，而如果区域信息AR为“1”，即如果动态范围DR小于阈值Th，则它不提取教师数据。
在此情况下，与SD信号中的目标位置相对应，在由预测抽头提取电路207提取的预测抽头和由教师数据提取电路209提取的教师数据之间配置一个学习对(pair)数据。如上所述，仅在动态范围DR不小于阈值Th时，才如上所述提取预测抽头和教师数据，以由此通过仅使用不小于阈值Th的动态范围DR的这样一部分来进行学习。
用于产生系数数据的装置200还包括学习对存储部分210。此学习对存储部分210基于由类别分类电路204得到的类别码Ca，为每个类别存储与SD信号中的每个目标位置相对应的、分别由预测抽头提取电路207和教师数据提取电路209提取的预测抽头和教师数据，作为学习对数据。
用于产生系数数据的装置200还包括计算电路211，用于得到每个类别的系数数据Wi。此计算电路211使用存储在学习对存储部分210中的多个学习对数据项，以由此产生用于计算每个类别的系数数据Wi的正规方程(见方程(8))。应当注意，在此情况下，计算电路211为每个输出像素位置(y1至y4的位置)产生正规方程。也就是说，计算电路211为类别和输出像素位置的每个组合产生正规方程。此外，此计算电路211通过求解每个正规方程来为类别和输出像素位置的每个组合计算系数数据Wi。
用于产生系数数据的装置200还包括系数存储器212，用于存储由计算电路211得到的系数数据Wi。
下面将描述图6中示出的用于产生系数数据的装置200的操作。
将作为教师信号的HD信号输入到输入端201。SD信号产生电路202对此HD信号进行水平和垂直细化处理，以产生作为学生信号的SD信号。
将由SD信号产生电路202得到的SD信号提供给类别抽头提取电路203。此类别抽头提取电路203基于该SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。将此类别抽头提供给类别分类电路204和DR处理电路205。
类别分类电路204对在该类别抽头中包含的每个像素数据项执行例如ADRC处理的数据压缩处理，以得到指示此类别抽头的类别的类别码Ca。将此类别码Ca提供给学习对存储部分210。
此外，DR处理电路205检测作为在该类别抽头中包含的多个像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN，并且，如果此动态范围DR不小于阈值Th，则输出“0”作为区域信息AR，而如果此动态范围DR小于阈值Th，则输出“1”作为区域信息AR。将此区域信息AR作为操作控制信号提供给预测抽头提取电路207和教师数据提取电路209。
此外，由延迟电路206对由SD信号产生电路202得到的SD信号进行时间调整，并随后将其提供给预测抽头提取电路207。仅在动态范围DR不小于阈值Th时，此预测抽头提取电路207才基于该SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。将此预测抽头提供给学习对存储部分210。
此外，由延迟电路208对输入到输入端201的HD信号进行时间调整，并随后将其提供给教师数据提取电路209。仅在动态范围DR不小于阈值Th时，此教师数据提取电路209才基于该HD信号，提取与该SD信号中的目标位置相对应的、构成HD信号的4个像素数据项，作为教师数据。将此教师数据提供给学习对存储部分210。
基于由类别分类电路204得到的类别码Ca，学习对存储部分210为每个类别存储与SD信号中的每个目标位置相对应的、分别由预测抽头提取电路207和教师数据提取电路209提取的预测抽头和教师数据，作为学习对数据。
随后，计算电路211使用存储在学习对存储部分210中的多个学习对数据项，以由此产生用于为类别和输出像素位置的每个组合计算系数数据Wi的正规方程(见方程(8))。此外，此计算电路211求解每个正规方程，以便为类别和输出像素位置的每个组合计算系数数据Wi。将这样由计算电路211得到的系数数据Wi存储在系数存储器212中。
以这样的方式，在图6中示出的用于产生系数数据的装置200中，有可能为类别和输出像素位置(y1至y4的位置)的每个组合产生在估算方程中使用、并且要存储在图1示出的用于处理图像信号的装置100中的系数存储器106中的系数数据Wi。在此情况下，仅在动态范围DR不小于阈值Th时，才如上所述提取预测抽头和教师数据，以得到学习对数据，使得要产生的系数数据Wi基于在学生信号(SD信号)和教师信号(HD信号)之间的、利用不小于阈值Th的动态范围的这样一部分的学习的结果。
下面将描述产生存储在查找表105中的类别码Ca和类别码Cb之间的对应关系的方法。图7示出了用于产生查找表的装置(LUT产生装置300)的配置，该装置产生所述对应关系。
此LUT产生装置300包括输入端301，向其输入作为教师信号的HD信号，即第二学习信号；以及SD信号产生电路302，用于对此HD信号执行水平和垂直细化处理，以由此得到作为学生信号的SD信号，即第一学习信号。
LUT产生装置300还包括类别抽头提取电路303，用于基于从SD信号产生电路302输出的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头。此类别抽头提取电路303被与图1示出的上述用于处理图像信号的装置100中的类别抽头提取电路102相似地配置。
LUT产生装置300还包括类别分类电路304，用于基于由类别抽头提取电路303提取的类别抽头，将此类别抽头分类为多个类别中的任一个，以得到指示此类别抽头的类别的类别码Ca。此类别分类电路304被与图1中示出的上述用于处理图像信号的装置100中的类别分类电路103相似地配置。
LUT产生装置300还包括动态范围处理电路(DR处理电路)305。此DR处理电路305被与图1中示出的上述用于处理图像信号的装置100中的DR处理电路104相似地配置，并且如果DR≥Th，则输出“0”作为区域信息AR，而如果DR＜Th，则输出“1”作为区域信息AR。
LUT产生装置300还包括系数存储器306，用于存储每个类别的系数数据Wi，所述系数数据Wi是在由后面描述的预测计算电路309和全部类别预测计算电路310内使用的估算方程中使用的。此系数数据Wi是用来将SD信号转换为HD信号的信息。存储在此系数存储器306中的系数数据Wi应该与要存储在图1示出的用于处理图像信号的装置100中的系数存储器106中的系数数据Wi相同。
也就是说，通过在与SD信号相对应的学生信号和与HD信号相对应的教师信号之间的、利用满足DR≥Th的动态范围DR的这样一部分的学习，来得到要存储在此系数存储器306中的系数数据Wi。例如，可通过使用图6示出的用于产生系数数据的装置200来产生此系数数据Wi。
向系数存储器306提供从上述类别分类电路304输出的、作为读取地址信息的类别码Ca。系数存储器306输出由类别码Ca指示的类别的系数数据Wi-a。此外，由后面描述的全部类别预测计算电路310从此系数存储器306顺次读取每个类别的系数数据Wi-q。应当注意，如果总共存在N个数目的类别，则q＝1至N。此系数存储器306构成第一系数数据生成部件和第二系数数据生成部件。
LUT产生装置300还包括延迟电路307，用于对从SD信号产生电路302输出的SD信号进行时间调整；以及预测抽头提取电路308，用于基于从延迟电路307输出的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头。此预测抽头提取电路308被与图1示出的上述用于处理图像信号的装置100中的预测抽头提取电路107相似地配置。
LUT产生装置300还包括预测计算电路309。此预测计算电路309基于上述估算方程(1)，从由预测抽头提取电路308提取的作为预测抽头的像素数据xi和从系数存储器306输出的系数数据Wi-a得到像素数据y。
LUT产生装置300还包括全部类别预测计算电路310。此全部类别预测计算电路310从系数存储器306顺次读取每个类别的系数数据Wi-q，以基于上述估算方程(1)，从由预测抽头提取电路308提取的作为预测抽头的像素数据xi和此系数数据Wi-q得到像素数据yq(q＝1至N)。
LUT产生装置300还包括延迟电路311，用于对输入到输入端301的HD信号进行时间调整；以及教师数据提取电路312，用于基于由此延迟电路311输出的HD信号，提取构成该HD信号并与SD信号中的目标位置相对应的像素数据，作为教师数据。
LUT产生装置300还包括预测误差计算电路313。此预测误差计算电路313计算由预测计算电路309计算的像素数据y相对于由教师数据提取电路312提取的教师数据(真实值)的误差E(p)。在此情况下，假设教师数据为y0，则可通过E(p)＝y0-y而得到它。应当注意，p表示由类别分类电路304得到的类别码Ca指示的类别的类别号。
LUT产生装置300还包括全部类别预测误差计算电路314。此全部类别预测误差计算电路314计算由全部类别预测计算电路310计算的像素数据yq相对于由教师数据提取电路312提取的教师数据(真实值)的误差E(q)(q＝1至N)。在此情况下，假设教师数据为y0，则可通过E(q)＝y0-yq而得到它。
LUT产生装置300还包括分别作为误差相加部件与误差总和累加部件的误差相加电路315和误差存储器316。此像素相加电路315将由预测误差计算电路313得到的误差E(p)与由全部类别预测误差计算电路314得到的误差E(q)(q＝1至N)相加，以得到每个类别的误差总和(E(p)+E(q))(q＝1至N)。此外，误差相加电路315将与每个类别的每个误差总和的幅度相对应的值加到与由类别分类电路304得到的类别码Ca相对应的输入类别上的每个输出类别的累加值上。
在此情况下，例如，将与误差总和(E(p)+E(q))的幅度相对应的值设置为其平方值(E(p)+E(q))2。应当注意，与误差总和(E(p)+E(q))的幅度相对应的值可以是其绝对值|(E(p)+E(q))|。
误差存储器316存储每个输入类别上的每个输出类别的累加值。误差相加电路315从误差存储器316读取与类别码Ca相对应的输入类别p上的每个输出类别的累加值，将与每个类别的新得到的误差总和的幅度相对应的值加到每个输出类别的累加值上，以提供新的累加值，并随后将此新累加值写回到误差存储器316。
也就是说，如图8所示，误差存储器316存储每个输入类别上的每个输出类别的累加值。将与新得到的类别的各个误差总和的幅度相对应的值E1至EN加到与类别码Ca相对应的输入类别p上的每个输出类别的累加值上。
应当注意，诸如类别分类电路304、系数存储器306、预测抽头提取电路308、预测计算电路309、全部类别预测计算电路310、教师数据提取电路312、预测误差计算电路313、全部类别预测误差计算电路314、误差相加电路315、以及误差存储器316的组件仅在由DR处理电路305输出的区域信息AR为“1”、即动态范围DR小于阈值Th是才执行处理。因此，仅在动态范围DR小于阈值Th时，才将与新得到的类别的各个误差总和的幅度相对应的值E1至EN加到与上述类别码Ca相对应的输入类别p上的输出类别的累加值上。
LUT产生装置300还包括作为表产生部件的误差最小类别检测电路317、以及存储器318。此检测电路317基于存储在误差存储器316中的每个输入类别上的每个输出类别的累加值，向每个输入类别分配累加值被最小化的输出类别。以这样的方式，获得输入类别和输出类别之间的对应关系。
例如，假定将输入类别p上的每个输出类别的累加值存储在误差存储器316中，如图9所示。在此情况下，对于输入类别p，输出类别q的累加值“25”是最小的。因此，向输入类别p分配输出类别q。
此外，检测电路317基于所获得的输入类别和输出类别之间的对应关系，获得与输入类别相对应的类别码Ca和与输出类别相对应的类别码Cb之间的对应关系(见图4)，并将其存储在存储器318中。
下面将描述图7中示出的LUT产生装置300的操作。
将HD信号输入到输入端301，作为教师信号。由SD信号产生电路302对此HD信号执行水平和垂直细化处理，以产生作为学生信号的SD信号。
将由SD信号产生电路302得到的SD信号提供给类别抽头提取电路303。此类别抽头提取电路303基于该SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。将此类别抽头提供给类别分类电路304和DR处理电路305。
DR处理电路305检测作为在该类别抽头中包含的多个像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN，并且，如果此动态范围DR不小于阈值Th，则输出“0”作为区域信息AR，而如果该动态范围DR小于阈值Th，则输出“1”作为区域信息AR。
将此区域信息AR提供给诸如类别分类电路304、系数存储器306、预测抽头提取电路308、预测计算电路309、全部类别预测计算电路310、教师数据提取电路312、预测误差计算电路313、全部类别预测误差计算电路314、误差相加电路315、以及误差存储器316的这种组件，作为它们的操作控制信号。仅在区域信息AR为“1”、即动态范围DR小于阈值Th时才执行由这些组件进行的处理。
此外，类别分类电路304对在该类别抽头中包含的像素数据项执行例如ADRC处理的数据压缩处理，以得到指示此类别抽头的类别的类别码Ca。将此类别码Ca提供给系数存储器306，作为读取地址信息，并且还将其提供给误差相加电路315。
当将类别码Ca作为读取地址信息而提供给系数存储器306时，从此系数存储器306读取与由类别码Ca指示的类别相对应的系数数据Wi-a，并将其提供给预测计算电路309。
延迟电路307对由SD信号产生电路302得到的SD信号进行时间调整，并随后将其提供给预测抽头提取电路308。此预测抽头提取电路308基于该SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。将作为此预测抽头的像素数据xi提供给预测计算电路309和全部类别预测计算电路310。
预测计算电路309基于上述方程(1)，根据像素数据xi和系数数据Wi-a计算与该SD信号中的目标位置相对应的像素数据y。将此像素数据y提供给预测误差计算电路313。全部类别预测计算电路310从系数存储器306顺次读取每个类别的系数数据Wi-q，并且基于上述估算方程(1)、根据此系数数据Wi-q和像素数据xi来计算像素数据项yq(q＝1至N)。将此像素数据yq提供给全部类别预测误差计算电路314。
此外，延迟电路311对输入到输入端301的HD信号进行时间调整，并随后将其提供给教师数据提取电路312。此教师数据提取电路312提取构成HD信号并与SD信号中的目标位置相对应的像素数据，作为教师数据y0。将此教师数据y0提供给预测误差计算电路313和全部类别预测误差计算电路314。
预测误差计算电路313计算像素数据y相对于教师数据(真实值)y0的误差E(p)＝y0-y。将此误差E(p)提供给误差相加电路315。应当注意，p表示由如上所述通过类别分类电路304得到的类别码Ca所指示的类别的类别号。此外，全部类别预测误差计算电路314计算像素数据yq相对于教师数据(良实值)y0的误差E(q)＝y0-yq(q＝1至N)。将这些误差E(q)(q＝1至N)提供给误差相加电路315。
误差相加电路315将误差E(p)与误差E(q)(q＝1至N)相加，以得到每个类别的误差总和(E(p)+E(q))(q＝1至N)。此外，此误差相加电路315将与所得到的每个类别的误差总和的幅度相对应的值、例如其平方值(E(p)+E(q))2)加到与由类别分类电路304得到的类别码Ca相对应的输入类别上的每个输出类别的累加值上。
在此情况下，将每个输入类别上的每个输出类别的累加值存储在误差存储器316中，其中从所述误差存储器316读取与类别码Ca相对应的输入类别p上的每个输出类别的累加值，并且，将与新得到的每个类别的误差总和的幅度相对应的值加到每个输出类别的累加值上，从而提供新的累加值，并随后将此新累加值写回到误差存储器316(见图8)。
以这样的方式，与SD信号中的每个目标位置相对应地，顺次执行这样的处理，所述处理用来将与新得到的每个值的误差总和的幅度相对应的值加到与类别码Ca相对应的输入类别p上的每个输出类别的累加值上。应当注意，如上所述，仅在区域信息AR为“1”、即动态范围DR小于阈值Th时，才执行由诸如类别分类电路304、系数存储器306、预测抽头提取电路308、预测计算电路309、全部类别预测计算电路310、教师数据提取电路312、预测误差计算电路313、全部类别预测误差计算电路314、误差相加电路315以及误差存储器316的组件进行的处理，使得仅在动态范围DR小于阈值Th时才执行由上述误差相加电路315进行的累加处理。
误差最小类别检测电路317基于存储在误差存储器316中的每个输入类别上的每个输出类别的累加值，向每个输入类别分配累加值被最小化的输出类别(见图9)，从而得到输入类别和输出类别之间的对应关系。此检测电路317还基于所获得的输入类别对输出类别的对应关系，获得与输入类别相对应的类别码Ca和与输出类别相对应的类别码Cb之间的对应关系(见图4)。将此对应关系存储在存储器318中。
以这样的方式，在图7示出的LUT产生装置300中，有可能产生存储在图1的用于处理图像信号的装置100中的LUT 105中的类别码Ca和类别码Cb之间的对应关系。在此情况下，如上所述，向每个输入类别分配与误差总和的幅度相对应的累加值被最小化的输出类别，使得有可能以这样的方式将类别码Ca转换为类别码Cb，该方式即通过使用与类别码Ca相对应的系数数据Wi计算的像素数据和通过使用与类别码Cb相对应的系数数据Wi计算的像素数据的加法平均值可最接近于构成HD信号的像素数据的真实值。
应当注意，例如，可通过使用像如图10所示的装置那样的图像信号处理装置(计算机)500、通过软件来执行图1的上述用于处理图像信号的装置中的处理。
首先，将描述图10中示出的图像信号处理装置500。此图像信号处理装置500包括CPU 501，用于在总体上控制装置的操作；只读存储器(ROM)502，用于存储此CPU 501的控制程序、系数数据Wi、类别码Ca和类别码Cb之间的对应关系(查找表)等；以及随机存取存储器(RAM)503，其构成CPU 501的工作空间。这些CPU 501、ROM 502和RAM 503每个都连接到总线504。
图像信号处理装置500还包括作为外部存储设备的硬盘驱动器(HDD)505；以及驱动器506，用于处理诸如软盘、致密盘只读存储器(CD-ROM)、磁光(MO)盘、数字多用盘(DVD)、磁盘和半导体存储器的可移动记录介质。这些驱动器505和506每个都连接到总线504。
图像信号处理装置500还包括通信部分508，用于以有线或无线方式连接到通信网络507，例如因特网。此通信部分508经由接口509连接到总线504。
图像信号处理装置500还包括用户接口部分。此用户接口部分包括远程控制信号接收电路511，用于从远程控制传送器510接收远程控制信号RM；以及显示器513，其包括阴极射线管(CRT)、液晶显示器(LCD)等。该接收电路511经由接口512连接到总线504，并且，类似地，显示器513经由接口514连接到总线504。
图像信号处理装置500还包括用于输入SD信号的输入端515、以及用于输出HD信号的输出端517。输入端515经由接口516连接到总线504，并且，类似地，输出端517经由接口518连接到总线504。
应当注意，取代如上所述将控制程序等预先存储在ROM 502的是，例如，可经由通信部分508从诸如因特网的通信网络507来下载它，使得可将它存储在硬盘驱动器505或RAM 303中并进行使用。此外，可以在可移动记录介质中提供该控制程序等。
此外，取代经由输入端515输入要处理的SD信号的是，可以在可移动记录介质中提供它，或者可以经由通信部分508从诸如因特网的通信网络507来下载它。此外，取代将后处理HD信号输出到输出端517、或者与将后处理HD信号输出到输出端517同时，可以将其提供给显示器513以显示图像，或将其存储在硬盘驱动器505中，以经由通信部分508将其发送到诸如因特网的通信网络507。
下面将参照图11的流程图，描述在图10中示出的图像信号处理装置500中用于从SD信号得到HD信号的处理过程。
首先，该过程在步骤ST11开始，并且在步骤ST12，将来自例如输入端515的一个帧或一个场的SD信号输入到该装置中。将这样输入的SD信号暂时存储在RAM 503中。
在步骤ST13，该过程判定是否已处理了SD信号中的所有帧或场。如果它们已被处理，则在步骤ST14，该过程结束处理。否则，如果它们未被处理，则该过程进行到步骤ST15。
在步骤ST15，该过程基于在步骤ST12输入的SD信号，提取位于该SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。随后，在步骤ST16，该过程基于在步骤ST12输入的SD信号，提取位于该SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。
接下来，在步骤ST17，基于在步骤ST15提取的类别抽头，该过程将此类别抽头分类为多个类别中的任一个，以由此得到类别码Ca。在步骤ST18，该过程从ROM 502获得与在步骤ST17获得的类别码Ca相对应地、在估算方程中使用的系数数据Wi-a。
在步骤ST19，该过程使用在步骤ST16作为预测抽头提取的像素数据xi以及在步骤ST18获得的系数数据Wi-a，以基于估算方程(见方程(1))、产生与SD信号中的目标位置相对应的4个像素数据项y1-n至y4-n。
接下来，在步骤ST20，基于在步骤ST15提取的类别抽头，该过程计算作为在该类别抽头中包含的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN。在步骤ST21，该过程判定是否DR＜Th、即动态范围DR是否小于阈值Th。
如果不是DR＜Th，即如果动态范围DR不小于阈值Th，则该过程判定在步骤ST19计算的像素数据项y1-n至y4-n是构成HD信号的像素数据项y1-a至y4-a，并进行到步骤ST26。另一方面，如果DR＜Th，则该过程进行到步骤ST22。
在此步骤ST22，该过程根据存储在ROM 502中的类别码Ca和Cb之间的对应关系，将在步骤ST17获得的类别码Ca转换为类别码Cb。在步骤ST23，该过程从ROM 502获得与通过在步骤ST22的转换而获得的类别码Cb相对应的、在估算方程中使用的系数数据Wi-b。
在步骤ST24，该过程使用在步骤ST16作为预测抽头提取的像素数据xi以及在步骤ST23获得的系数数据Wi-b，以基于估算方程(见方程(1))产生与SD信号中的目标位置相对应的4个像素数据项y1-n至y4-n。
接下来，在步骤ST25，该过程得到在步骤ST19计算的4个像素数据项y1-a至y4-a和在步骤ST24计算的4个像素数据项y1-b至y4-b的加去平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2，并将其判定为构成HD信号的像素数据项y1至y4，并随后进行到步骤ST26。
在步骤ST26，该过程判定用来得到HD信号的像素数据的处理是否已经在步骤ST12输入的SD信号的一帧或一场的像素数据的所有区域上结束。如果其已经结束，则该过程返回步骤ST12，在步骤ST12，变换(shift)用来输入下一帧或下一场的SD信号的处理。如果其未结束，则该过程返回步骤ST15，在步骤ST15，变换对SD信号中的下一目标位置的处理。
以这样的方式，通过遵循图11中示出的流程图来执行处理，有可能通过与图1示出的用于处理图像信号的装置100中的方法相同的方法，来从SD信号得到HD信号。将如此得到的HD信号输出到输出端517、或提供给显示器513，使得可显示源自它的图像，或将所述图像提供给硬盘驱动器505，从而可以记录它。
尽管未示出用于它的处理装置，但是还可通过软件来执行图6示出的用于产生系数数据的装置200中的处理。
下面将参照图12的流程图来描述用于产生系数数据Wi的处理过程。
首先，该过程在步骤ST31开始，并且在步骤ST32，输入一帧或一场的HD信号作为教师信号。在步骤ST33，该过程判定是否已处理了HD信号中的所有帧或场。如果它们未被处理，则在步骤ST34，该过程从在步骤ST32输入的HD信号产生作为学生信号的SD信号。
接下来，在步骤ST35，基于在步骤ST34产生的SD信号，该过程提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。在步骤ST36，基于在步骤ST35提取的类别抽头，该过程计算作为在该类别抽头中包含的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN。在步骤ST37，该过程判定是否DR＜Th、即动态范围DR是否小于阈值Th。
如果DR＜Th，即，如果动态范围DR小于阈值Th，则该过程直接进行到步骤ST41。另一方面，如果不是DR＜Th，即，如果动态范围DR不小于阈值Th，则该过程进行到步骤ST38。在此步骤ST38，基于在步骤ST35提取的类别抽头，该过程将此类别抽头分类为多个类别中的任一个，以由此获得类别码Ca。
接下来，在步骤ST39，基于在步骤ST34产生的SD信号，该过程提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。在步骤ST40，该过程使用在步骤ST38获得的类别码Ca、在步骤ST39提取的预测抽头的像素数据xi、以及与SD信号中的目标位置相对应的在步骤ST32输入的HD信号的像素数据(教师数据)项y1至y4，以由此执行对于每个类别得到在方程(8)中给出的正规方程(见方程(6)和(7))所需的补充(supplementation)。
接下来，在步骤ST41，该过程判定学习处理是否已经在步骤ST32输入的HD信号中的一帧或一场的像素数据的所有区域上结束。如果学习处理已结束，则该过程返回步骤ST32，在步骤ST32，输入下一帧或下一场的HD信号，并随后重复和上面相同的处理。另一方面，如果学习处理尚未结束，则该过程返回步骤ST35，在步骤ST35，变换对SD信号中的下一目标位置的处理。
如果该处理已经在上述步骤ST33结束，则在步骤ST42，该过程求解在步骤ST40产生的正规方程，以得到每个类别的系数数据Wi，并在步骤ST43将其保存在系数存储器中，以便在步骤ST44结束该处理。
以这样的方式，通过遵循图12中示出的流程图来执行处理，有可能通过与图6中示出的用于产生系数数据的装置200中的方法相同的方法来产生系数数据Wi。
尽管未示出用于它的处理装置，但是还可通过软件来执行图7示出的LUT产生装置300中的处理。下面将参照图13的流程图来描述用于产生类别码Ca和类别码Cb之间的对应关系的处理过程。
首先，该过程在步骤ST51开始，并且在步骤ST52，输入一帧或一场的HD信号，作为教师信号。在步骤ST53，该过程判定是否已处理了HD信号中的所有帧或场。如果它们未被处理，则在步骤ST54，该过程从在步骤ST52输入的HD信号产生作为学生信号的SD信号。
接下来，在步骤ST55，基于在步骤ST54产生的SD信号，该过程提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。在步骤ST56，基于在步骤ST55提取的类别抽头，该过程计算作为在该类别抽头中包含的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN。在步骤ST57，该过程判定是否DR＜Th、即动态范围DR是否小于阈值Th。
如果不是DR＜Th，即，如果动态范围DR不小于阈值Th，则该过程直接进行到步骤ST66。另一方面，如果DR＜Th，则该过程进行到步骤ST58。在此步骤ST58，基于在步骤ST55提取的类别抽头，该过程将此类别抽头分类为多个类别中的任一个，以由此获得类别码Ca。将此类别码Ca指示的类别号假定为p。
接下来，在步骤ST59，基于在步骤ST54产生的SD信号，该过程提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。在步骤ST60，该过程使用在步骤ST59提取的预测抽头的像素数据xi、以及与在步骤ST58获得的类别码Ca相对应的系数数据Wi-a，以便基于上述方程(1)得到与该SD信号中的目标位置相对应的像素数据y。
此外，在此步骤ST60，该过程基于在步骤ST52输入的HD信号，提取与SD信号中的目标位置相对应的像素数据作为教师数据y0，以计算像素数据y相对于其教师数据(真实值)y0的误差E(p)＝y0-y。
接下来，在步骤ST61，该过程设置q＝1。在步骤ST62，该过程使用在步骤ST59提取的预测抽头的像素数据xi、以及与类别号q相对应的系数数据Wi-q，以基于上述方程(1)得到与SD信号中的目标位置相对应的像素数据yq。此外，在此步骤ST62，该过程基于在步骤ST52输入的HD信号，提取与SD信号中的目标位置相对应的像素数据作为教师数据y0，以计算像素数据yq相对于其教师数据(真实值)y0的误差E(p)＝y0-yq。
接下来，在步骤ST63，该过程将在步骤ST60计算的E(p)和在步骤ST62计算的E(q)相加，以得到误差总和(E(p)+E(q))。此外，在步骤ST63，该过程将与此误差总和的幅度相对应的值例如平方和(E(p)+E(q))2加到输入类别p上的输出类别q的累加值上。
接下来，在步骤ST64，该过程判定是否q＜N。如果不是q＜N，即，如果该处理已在所有输出类别上结束，则该过程进行到步骤ST66。另一方面，如果q＜N并且该过程尚未在所有输出类别上结束，则该过程在步骤ST65将q增加1，并返回步骤ST62，在步骤ST62，获得下一个输出类别的误差总和，并且，变换用来将其加到具有对应值的相关累加值上的处理。
在步骤ST66，该过程判定所述处理是否已经在步骤ST52输入的HD信号中的一帧或一场的像素数据的所有区域上结束。如果该处理已结束，则该过程返回步骤ST52，在步骤ST52，输入下一帧或下一场的HD信号，并随后重复和上面相同的处理。另一方面，如果该处理尚未结束，则该过程返回步骤ST55，在步骤ST55，变换对SD信号中的下一个目标位置的处理。
如果该处理已经在上述步骤ST53结束，则在步骤ST67，该过程基于每个输入类别上的每个输出类别的累加值，对每个输入类别分配累加值被最小化的输出类别，以获得输入类别和输出类别之间的对应关系。此外，在步骤ST67，该过程基于所获得的输入类别和输出类别之间的对应关系，获得与输入类别相对应的类别码Ca和与输出类别相对应的类别码Cb之间的对应关系(见图4)，并将其保存在存储器中。
在步骤ST67的处理之后，该过程在步骤ST68结束。
通过这样遵循图13示出的流程图来执行处理，有可能通过与图7示出的LUT产生装置300中的方法相同的方法来产生类别码Ca和类别码Cb之间的对应关系。
下面将描述本发明的另一实施例。图14示出了根据另一实施例的用于处理图像信号的装置100A的配置。用于处理图像信号的此装置100A将作为第一信息信号的SD信号转换为作为第二信息信号的HD信号。在此图14中，通过相同的符号来指示与图1中的组件相同的组件，并且将省略它们的详细说明。
用于处理图像信号的此装置100A包括系数存储器106A。此系数存储器106A存储在用于后面描述的预测计算电路108A的估算方程中使用的每个类别的系数数据Wis、以及所述类别共有的系数数据Wic。系数数据项Wis和Wic的每一个是用来将SD信号转换为HD信号的信息。
如上所述，当将SD信号转换为HD信号时，有必要得到与SD信号的一个像素(x0)相对应的HD信号的四个像素(y1至y4)(见图2)。在此情况下，相对于对应的SD信号的一个像素，HD信号的四个像素具有不同的相移。因此，对于类别和输出像素位置(y1至y4的位置)的每个组合，将系数数据项Wis和Wic存储在系数存储器106A中。
特定于类别(class-specific)的系数数据Wis与在图1示出的用于处理图像信号的装置100中的系数存储器106中存储的特定于类别的系数数据Wi相同。也就是说，通过利用满足DR≥Th的关系的动态范围DR的这样一部分的、在与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间的学习，得到此系数数据Wi。
另一方面，类别所共有的系数数据Wic基于在不进行类别分类的情况下的、在与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间的学习的结果。
例如，可在图6示出的上述用于产生系数数据的装置200中产生特定于类别的系数数据Wis。可以通过除去类别抽头提取电路203、类别分类电路204、DR处理电路205的组件的用于产生系数数据的此装置200的配置来产生所述类别共有的系数数据Wic。在此情况下，在学习对存储部分210中，与类别分类无关地存储多个学习对数据项。此计算电路211产生正规方程，所述正规方程使用多个学习对数据项来得到类别共有的系数数据Wic，使得可以通过求解此方程来得到此类别共有的系数数据Wic。
再次参照图14，向系数存储器106A提供由上述类别分类电路103得到的类别码Ca和由DR处理电路104得到的区域信息AR。如果区域信息AR为“0”、且动态范围DR不小于阈值Th，则系数存储器106A输出在多个特定于类别的系数数据项Wis之中由类别码Ca指示的类别的系数数据Wis作为系数数据Wi，而如果区域信息AR为“1”、且动态范围DR小于阈值Th，则它输出类别共有的系数数据Wic作为系数数据Wi。
用于处理图像信号的装置100A还包括预测计算电路108A。此预测计算电路108A基于上述方程(1)的估算方程，从由预测抽头提取电路107提取的作为预测抽头的像素数据xi以及从系数存储器106A输出的系数数据Wi，得到构成HD信号并对应于SD信号中的目标位置的像素数据项y1至y4。
按照与图1示出的用于处理图像信号的装置100的组件相同的方式来配置用于处理图像信号的装置100A的其它组件。
下面将描述图14示出的用于处理图像信号的装置100A的操作。
将输入到输出端101的SD信号提供给类别抽头提取电路102。基于该SD信号，此类别抽头提取电路102提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。将此类别抽头提供给类别分类电路103和DR处理电路104。
类别分类电路103对包含在该类别抽头中的像素数据项执行例如ADRC处理的数据压缩处理，以得到指示此类别抽头的类别的类别码Ca。将此类别码Ca作为读取地址信息提供给系数存储器106A。
此外，DR处理电路104检测作为在类别抽头中包含的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN，并且如果此动态范围DR不小于阈值Th，则其输出“0”作为区域信息AR，而另一方面，如果此动态范围DR小于阈值Th，则其输出“1”作为区域信息AR。将此区域信息AR作为读取地址信息提供给系数存储器106A。
如果区域信息AR为“0”、且动态范围DR不小于阈值Th，则从系数存储器106A输出特定于类别的系数数据项Wis之中、由类别码Ca指示的类别的系数数据Wis作为系数数据Wi。如果区域信息AR为“1”、且动态范围DR小于阈值Th，则从系数存储器106A输出类别共有的系数数据Wic作为系数数据Wi。将如此从系数存储器106A输出的系数数据Wi提供给预测计算电路108A。
此外，将输入到输入端101的SD信号提供给预测抽头提取电路107。基于该SD信号，此预测抽头提取电路107提取位于此SD信号中的目际位置的周围的多个像素数据项作为预测抽头(见图3B)。将作为此预测抽头的像素数据xi提供给预测计算电路108A。
预测计算电路108A基于方程(1)，使用像素数据xi和系数数据Wi，计算构成HD信号并与SD信号中的目标位置相对应的4个像素数据项y1至y4。这样，将构成HD信号、与SD信号中的每个目标位置相对应、并由预测计算电路108A顺次计算的4个像素数据项y1至y4提供给后处理电路110。
该后处理电路110对构成HD信号、与SD信号中的每个目标位置相对应、并从预测计算电路108A顺次提供的4个像素数据项y1至y4进行线性序列化，由此得到HD信号。将此HD信号输出到输出端111。
在上述用于处理图像信号的装置100A中，如果区域信息AR为“0”、即动态范围DR不小于阈值Th，则通过使用由类别码Ca指示的类别的系数数据Wis来获得构成HD信号的像素数据项y1至y4。在此情况下，如上所述，通过在与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间的、利用不小于阈值Th的动态范围DR的这样一部分的学习，得到系数数据Wis，使得可准确地得到构成HD信号的像素数据项y1至y4。
此外，在上述用于处理图像信号的装置100A中，如果区域信息AR为“1”、即动态范围DR小于阈值Th，则通过使用类别共有的系数数据Wic来获得构成HD信号的像素数据项y1至y4。在此情况下，系数数据Wic基于在不进行类别分类的情况下的、与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间的学习的结果。因此，系数数据Wic是所述类别的系数数据项的平均值，使得通过使用此系数数据Wic计算的、构成HD信号的像素数据项y1至y4相对于其真实值的误差分布在误差0周围。
因此，通过上述用于处理图像信号的装置100A，如在图1中示出的用于处理图像信号的装置100中的情况那样，无论动态范围DR是大还是小，都可以良好地得到构成HD信息信号的像素数据项y1至y4。此外，利用此用于处理图像信号的装置100A，可省略在图1中示出的用于处理图像信号的装置100中需要的查找表105，由此在总体上节省了系统的存储器容量。
应当注意，例如，可通过图10中示出的图像信号处理装置(计算机)500中的软件，来执行图14示出的用于处理图像信号的装置100A中的上述处理。
下面将参照图15的流程图来描述从图9示出的图像信号处理装置500中的SD信号得到HD信号的处理过程。
首先，该过程在步骤ST71开始，并且在步骤ST72，它将来自例如输入端515的一帧或一场的SD信号输入到该装置中。将如此输入的SD信号暂时存储在RAM 503中。
在步骤ST73，该过程判定是否已处理了SD信号的所有帧或场。如果它们已被处理，则在步骤ST74，该过程结束处理。另一方面，如果它们未被处理，则该过程进行到步骤ST75。
在步骤ST75，该过程基于在步骤ST72输入的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为类别抽头(见图3A)。随后，在步骤ST76，该过程基于在步骤ST72输入的SD信号，提取位于此SD信号中的目标位置的周围的多个像素数据项作为预测抽头(见图3B)。
接下来，在步骤ST77，基于在步骤ST75提取的类别抽头，该过程将此类别抽头分类为多个类别中的任一个，以得到类别码Ca。在步骤ST78，基于在步骤ST75提取的类别抽头，该过程计算作为在该类别抽头中包含的像素数据项的最大值MAX和最小值MIN之间的差的动态范围DR＝MAX-MIN。
接下来，在步骤ST79，该过程基于在步骤ST77得到的类别码Ca以及在步骤ST78计算的动态范围DR，来获得系数数据Wi。在此情况下，如果动态范围DR不小于阈值Th，则该过程从ROM 502获取在特定于类别的系数数据项Wis之中、由类别码Ca指示的类别的系数数据Wis，作为系数数据Wi。另一方面，如果动态范围DR小于阈值Th，则该过程从ROM 502获取类别共有的系数数据Wic作为系数数据Wi。
接下来，在步骤ST80，该过程基于估算方程(见方程(1))，通过使用在步骤ST76作为预测抽头而提取的像素数据xi以及在步骤ST79获得的系数数据Wi，产生与SD信号中的目标位置相对应的4个像素数据项y1至y4。
接下来，在步骤ST81，该过程判定用来得到HD信号的像素数据的处理是否已经在步骤ST72输入的SD信号中的一帧或一场的像素数据的所有区域上结束。如果其已经结束，则该过程返回到步骤ST72，在步骤ST72，变换用来输入SD信号的下一帧或下一场的处理。另一方面，如果其尚未结束，则该过程返回步骤ST75，在步骤ST75，变换对SD信号中的下一目标位置的处理。
以这样的方式，通过遵循图15示出的流程图来执行处理，有可能利用与图14中示出的用于处理图像信号的装置100A中的方法相同的方法来从SD信号得到HD信号。
下面将描述本发明的另一实施例。图16示出了根据此另一实施例的用于处理图像信号的装置100B的配置。与预先将每个类别的系数数据Wi存储在系数存储器106中的、图1中示出的用于处理图像信号的装置100相反，在图16示出的用于处理图像信号的装置100B中，ROM存储作为用于产生每个类别的系数数据Wi的产生方程中的系数数据的系数种子数据，由此，通过使用此系数种子数据来产生系数数据Wi。在此图16中，通过相同的符号来表示与图1中的组件相同的组件，并且将省略它们的详细说明。
用于处理图像信号的此装置100B包括ROM 112。在此ROM 112中，预先存储每个类别的系数种子数据。此系数种子数据是产生要存储在系数存储器106中的系数数据Wi的产生方程的系数数据。
如上所述，预测计算电路108a和108b通过方程(1)的估算方程，根据作为预测抽头的像素数据xi和从系数存储器106读取的系数数据项Wi-a和Wi-b，计算像素数据的像素项y1-a至y4-a以及y1-b至y4-b。
如方程(9)所示，通过包括参数r和z的产生方程，产生在估算方程中使用并且要存储在系数存储器106中的系数数据项Wi(i＝1至N)。在此方程中，r是确定分辨率的参数，而z是确定噪声抑制度的参数。在ROM 112中，对于类别和输出像素位置(y1至y4的位置，见图2)的每个组合，存储作为此产生方程的系数数据项的系数种子数据项Wi0至Wi9(i＝1至N)。后面将描述如何产生此系数种子数据。
Wi＝Wi0+Wi1r+Wi2z+Wi3r2+Wi4rz+Wi5z2+Wi6r3+Wi7r2z+Wi8rz2+Wi9z3方程(9)用于处理图像信号的装置100B还包括系数产生电路113，用于基于方程(9)，使用每个类别的系数种子数据以及参数r和z的值，来产生在估算方程中使用、并与类别和输出像素位置的每个组合的参数r和z的值相对应的系数数据Wi。从ROM112将系数种子数据项Wi0至Wi9加载到此系数产生电路113中。此外，还将参数r和z提供给此系数产生电路113。
将由此系数产生电路109产生的每个类别的系数数据Wi存储在上述系数存储器106中。例如，在每个垂直消隐周期内执行此系数产生电路113中的系数数据Wi的产生。因而，即使通过用户操作改变了参数r和z的值，也有可能容易地将存储在系数存储器106中的每个类别的系数数据Wi改变为与这些参数r和z的值相对应的值，从而允许用户平稳地调整其分辨率和噪声抑制度。
应当注意，如在图1示出的上述用于处理图像信号的装置100中的系数存储器106中预先存储的系数数据Wi的情况中那样，已经通过在与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间、利用满足DR≥Th的关系的动态范围DR的这样一部分的学习，而得到了存储在ROM 112中的系数种子数据项Wi0至Wi9。
因此，类似于预先存储在图1示出的上述用于处理图像信号的装置100中的系数存储器106中的系数数据Wi，要存储在图16中示出的用于处理图像信号的此装置100B中的系数存储器106中的系数数据Wi也基于在与SD信号相对应的学生信号(第一学习信号)和与HD信号相对应的教师信号(第二学习信号)之间的、利用满足DR≥Th的关系的动态范围DR的这样一部分的学习的结果。
按照与图1示出的用于处理图像信号的装置100的其它组件相同的方式来配置和操作用于处理图像信号的装置100B的其它组件。
还可利用软件来实现由图16示出的用于处理图像信号的装置100B进行的处理。此情况中的处理过程与图11中示出的图像信号处理的过程大致相同。然而，在步骤ST18和ST23，使用与其各自类别码Ca相对应的系数种子数据项Wi0至Wi9来产生与用户设置的参数r和z相对应的系数数据项Wi-a至Wi-b。
下面将描述如何产生存储在ROM 112中的每个类别的系数种子数据项Wi0至Wi9(i＝1至N)。通过学习来产生系数种子数据项Wi0至Wi9。下面将描述如何学习。
为了便于说明，如在方程(10)中给出的那样来定义tj(j＝0至9)。
t0＝1，t1＝r，t2＝z，t3＝r2，t4＝rz，t5＝z2，t6＝r3，t7＝r2z，t8＝rz2，t9＝z3方程(10)通过使用此方程(10)，将方程(9)重写为方程(11)。
Wi=Σj=09Wijtj]]>方程(11)
最后，通过学习来得到待定系数wij。也就是说，通过使用类别和输出像素位置的每个组合的多项SD像素数据和HD像素数据，来确定使平方误差最小的系数数据。此解法采用了所谓的最小二乘法。假设学习的次数为m，第k学习数据(1≤k≤m)的余数为ek，并且平方误差的总和为E，则可通过基于方程(1)和(9)的方程(12)给出E。其中，xik表示SD图像的第i预测抽头位置上的第k像素数据项，而yk表示与其相对应的、对应的第k HD图像的像素数据。
E=Σk=1mek2]]>=Σk=1m[yk-(W1x1k+W2x2k+···+Wnxnk)]2]]>=Σk=1m{yk-[(t0w10+t1w11+···+t9w19)w1k+···]]>···+(t0wn0+t1wn1+···+t9wn9)]}2]]>=Σk=1m{yk-[(w10+w11r+···+w19z3)x1k+···]]>···+(wn0+wn1r+···+wn9z3)xnk]}2]]>方程(12)利用基于最小二乘法的解法，得到这样的wij，使得通过利用方程(12)中的wij进行的偏导可以是0。这通过方程(13)来表示。
∂E∂wij=Σk=1m2(∂ek∂wij)ek=-Σk=1m2tjxikek=0]]>方程(13)类似地，通过如方程(14)和(15)中那样定义Xipjq和Yip，可通过使用矩阵来将方程(13)重写为方程(16)。
Xipjq=Σk=1mxiktpxjktq]]>方程(14)Yip=Σk=1mxiktpxyk]]>方程(15) 方程(16)
此方程(16)是用于计算系数种子数据的正规方程。通过诸如扫出(高斯-乔丹消去)法的一般解法来求解此正规方程，可以得到系数种子数据项Wi0至Wi9(i＝1至n)。
图17示出了上述系数种子数据产生方法的概念。从作为教师信号(第二学习信号)的HD信号，产生作为学生信号(第一学习信号)的SD信号。应当注意，通过改变在从HD信号产生SD信号时使用的细化滤波器的频率特性来产生具有不同分辨率的SD信号。
通过使用具有不同分辨率的SD信号，可以产生每个具有不同的分辨率改善效果的系数种子数据项。例如，假设存在从中得到较为模糊的图像的SD信号和从中得到较不模糊的图像的SD信号，则通过使用较为模糊的图像的SD信号的学习，产生具有较大分辨率改善效果的系数种子数据，而通过使用较不模糊的图像的SD信号的学习，产生具有较小分辨率改善效果的系数种子数据。
此外，通过将噪声加到具有不同分辨率的每个SD信号上，产生增加了噪声的SD信号。通过改变要增加的噪声量，产生具有加到其上的不同噪声量的SD信号，从而产生具有不同噪声抑制效果的系数种子数据项。例如，假设存在增加了较多噪声的SD信号和增加了较少噪声的SD信号，则通过使用增加了较多噪声的SD信号的学习，产生具有较大噪声抑制效果的系数种子数据，而通过使用增加了较少噪声的SD信号的学习，产生具有较小噪声抑制效果的系数种子数据。
例如，如方程(17)所示，如果将噪声n加到SD信号的像素值x上，则通过改变G的值来调整要增加的噪声量，以由此产生增加了噪声的SD信号的像素值x′。
x′＝x+G·n 方程(17)例如，改变频率特性的参数r以0至8的9级变化，而改变要增加的噪声量的参数z也以0至8的9级变化，以由此产生总共81种SD信号。通过在如此产生的多个SD和HD信号之间的学习，产生系数种子数据。这些参数r和z对应于图16的用于处理图像信号的装置100B中的参数r和z。
图18示出了用于产生系数种子数据的装置200B的配置，所述装置产生要存储在图16的ROM 112中的系数种子数据项Wi0至Wi9。在此图18中，通过相同的符号来表示与图6中的组件相对应的组件，并且将省略它们的详细说明。
用于产生系数种子数据的装置200B包括SD信号产生电路202B，用于通过对输入到输入端201的作为教师信号(第二学习信号)的HD信号执行水平和垂直细化处理，来得到作为学生信号(第一学习信号)的SD信号。向此SD信号产生电路202B提供作为控制信号的参数r和z。根据参数r，改变用来从HD信号产生SD信号的细化滤波器的频率特性。此外，根据参数z，改变要增加到SD信号上的噪声量。
用于产生系数种子数据的装置200B还包括学习对存储部分210B。基于由类别分类电路204得到的类别码Ca、以及提供给SD信号产生电路202B的参数r和z，此学习对存储部分210B为每个类别存储与SD信号中的每个目标位置相对应的、分别由预测抽头提取电路207和教师数据提取电路209提取的预测抽头和教师数据，作为学习对数据，其中所述学习对数据与参数r和z的值相关。
用于产生系数种子数据的装置200B还包括计算电路211B。此计算电路211B使用存储在学习对存储部分210B中的多个学习对数据项，产生用于为每个类别计算系数种子数据项Wi0至Wi9的正规方程(见方程(16))。应当注意，在此情况下，计算电路211B为每个输出像素位置(y1至y4的位置中的每一个)产生正规方程。也就是说，计算电路211B为类别和输出像素位置的每个组合产生正规方程。此外，此计算电路211B通过求解每个正规方程来为类别和输出像素位置的每个组合计算系数种子数据项Wi0至Wi9。
按照与图6中示出的用于产生系数数据的装置200的组件相同的方式来配置用于产生系数种子数据的装置200B的其它组件。
下面将描述图18示出的用于产生系数种子数据的装置200B的操作。
由SD信号产生电路202B对输入到输入端201的HD信号执行水平和垂直细化处理，以产生作为学生信号的SD信号。在此情况下，向SD信号产生电路202B提供作为控制信号的参数r和z，以顺次产生具有逐级(step-wise)改变的频率特性和增加的噪声量的多个SD信号。将由此SD信号产生电路202B产生的SD信号提供给类别抽头提取电路203，并且还经由时间调整延迟电路206将其提供给预测抽头提取电路207。
类别抽头提取电路203、类别分类电路204、DR处理电路205、教师数据提取电路209以及预测抽头提取电路207的操作与图6示出的用于产生系数数据的装置200中的组件的操作相同，因此将省略它们的详细说明。
向学习对存储部分210B提供由类别分类电路204得到的类别码Ca、由预测抽头提取电路207提取的预测抽头、由教师数据提取电路209提取的教师数据、以及与提供给SD信号产生电路202B的参数r和z相同的参数r和z。
随后，在此学习对存储部分210B中，存储预测抽头和教师数据，作为学习对数据。在此情况下，基于类别码Ca以及参数r和z，存储每个学习对数据项，其中所述学习对数据项与参数r和z的值相关。
计算电路211B使用存储在学习对存储部分210B中的多个学习对数据项，产生用于为类别和输出像素位置的每个组合计算系数种子数据项Wi0至Wi9的正规方程(见方程(16))。此外，此计算电路211B求解每个正规方程，以便为类别和输出像素位置的每个组合计算系数种子数据项Wi0至Wi9。将如此由计算电路211B得到的系数种子数据项Wi0至Wi9存储在系数存储器212中。
尽管未示出用于它的处理装置，但是还可通过软件来执行图18示出的用于产生系数种子数据的装置200B中的处理。此情况中的处理过程与图12示出的系数数据产生处理的过程大致相同。
然而，与在步骤ST32输入的作为教师信号的HD信号相对应，在步骤ST34，产生具有与参数r和z的值的所有组合相对应的频率特性和增加的噪声量的作为学生信号的SD信号，并使用其每一个执行学习处理。
在步骤ST40，该过程执行补充，以通过使用在步骤ST38获得的类别码Ca、在步骤ST39提取的预测抽头的像素数据xi、与SD信号中的目标位置相对应的在步骤ST32输入的HD信号的像素数据项(教师数据项)y1至y4、以及参数r和z，来得到对于每个类别在方程(16)中给出的正规方程(见方程(14)和(15))。
此外，在步骤ST42，取代计算系数数据Wi的是，该过程通过求解利用在步骤ST40的上述补充处理产生的正规方程，来得到每个类别的系数种子数据项Wi0至Wi9，并且在步骤ST43，将这些系数种子数据项Wi0至Wi9保存在系数存储器中，并在步骤ST44结束。
图19示出了用于产生图16示出的查找表105中的类别码Ca和类别码Cb之间的对应关系的LUT产生装置300B的配置。在此图19中，通过相同的符号来表示与图7中的组件相对应的组件，并且将省略它们的详细说明。
LUT产生装置300B包括SD信号产生电路302B，用于通过对输入到输入端301的作为教师信号(第二学习信号)的HD信号执行水平和垂直细化处理，来得到作为学生信号(第一学习信号)的SD信号。向此SD信号产生电路302B提供作为控制信号的参数r和z。根据参数r，改变用来从HD信号产生SD信号的细化滤波器的频率特性。此外，根据参数z，改变要加到SD信号上的噪声量。
LUT产生装置300B还包括ROM 319，用于存储每个类别的系数种子数据项Wi0至Wi9。此系数种子数据是用于产生要存储在系数存储器306中的系数数据项Wi(i＝1至n)的产生方程的系数数据。此ROM 319与图16的用于处理图像信号的装置100B中的ROM 112相对应，并存储与存储在此ROM 112中的系数种子数据相同的系数种子数据。
LUT产生装置300B还包括系数产生电路320，用于通过使用每个类别的系数种子数据以及参数r和z的值，基于上述方程(9)来产生系数数据Wi，所述系数数据Wi在估算方程中使用，并且与类别和输出像素位置的每个组合的参数r和z的值相对应。从ROM 319将系数种子数据项Wi0至Wi9加载到此系数产生电路320中。此外，将提供给SD信号产生电路302B的参数r和z提供给此系数产生电路113。
每次改变参数r和z的值，都执行此系数产生电路320中的系数数据Wi的产生。将此系数产生电路320中的每个类别的系数数据Wi存储在上述系数存储器306中。
按照与图7中示出的LUT产生装置300的组件相同的方式来配置LUT产生装置300B的组件。
下面将描述图19示出的LUT产生装置300B的操作。
由SD信号产生电路302B对输入到输入端301的HD信号执行水平和垂直细化处理，以产生作为学生信号的SD信号。在此情况下，向SD信号产生电路302B提供作为控制信号的参数r和z，以顺次产生具有逐级改变的频率特性和增加的噪声量的多个SD信号。将由此SD信号产生电路302B产生的SD信号提供给类别抽头提取电路303，并且还经由时间调整延迟电路307将其提供给预测抽头提取电路308。
还将与提供给SD信号产生电路302B的参数r和z相同的参数r和z提供给此系数产生电路320。在此系数产生电路320中，每次改变参数r和z的值，都产生与这些参数r和z的值相对应的每个类别的系数数据Wi。随后，将此系数数据Wi存储在系数存储器306中。
其它电路按照与图7示出的LUT产生装置300中的电路相同的方式操作。因此，在误差存储器316中，存储在输入到输入端301的HD信号以及由SD信号产生电路302B产生的每个SD信号的基础上得到的每个输入类别上的每个输出类别的累加值。
随后，在误差最小类别检测电路317中，基于存储在误差存储器316中的每个输入类别上的每个输出类别的累加值，将累加值被最小化的输出类别分配给每个输入类别，以获得类别码Ca和Cb之间的对应关系(见图4)，并将此对应关系存储在存储器318中。
此外，尽管未示出用于它的处理装置，但是还可通过软件来实现图19的LUT产生装置300B中的处理。此情况中的处理过程与图13示出的LUT产生处理的过程大致相同。
然而，与在步骤ST52输入的作为教师信号的HD信号相对应，在步骤ST54，产生具有与参数r和z的值的所有组合相对应的频率特性和增加的噪声量的作为学生信号的SD信号，并使用其每一个来执行处理，以得到每个输入类别上的每个输出类别的累加值。
此外，在该处理中，在步骤ST60，基于上述方程(9)的产生方程，使用与在步骤ST58获得的类别码Ca相对应的系数种子数据项Wi0至Wi9、以及与步骤ST54的SD信号相对应的参数r和z的值，来产生系数数据Wi-a，并且，随后使用此系数数据Wi-a来计算误差E(p)＝y0-y。
类似地，在步骤ST62，基于上述方程(9)的产生方程，使用对应于类别号q的系数种子数据项Wi0至Wi9、以及与在步骤ST54产生的SD信号相对应的参数r和z的值，来产生系数数据Wi-q，并且，随后使用此系数数据Wi-q来计算误差E(q)＝y0-yq。
在步骤ST67，基于通过使用每个SD信号得到的每个输入类别上的每个输出类别的累加值，将累加值被最小化的输出类别分配给每个输入类别，以获得类别码Ca和Cb之间的对应关系(见图4)。
尽管将省略详细描述，但是可以想到这样的配置，即像要存储在图16示出的用于处理图像信号的装置100B中的系数存储器106中的系数数据Wi那样，在图14中示出的上述用于处理图像信号的装置100A中，基于方程(9)的产生方程，从系数种子数据项Wi0至Wi9以及参数r和z的值，产生要存储在其系数存储器106A中的系数数据项Wis和Wic。
此外，尽管在上述实施例中，在方程(9)的产生方程中包括了确定分辨率的参数r和确定噪声抑制度的参数z，但是参数的种类和数目并不限于它们。
此外，在图1示出的上述用于处理图像信号的装置100、以及图16示出的上述用于处理图像信号的装置100B中，如果区域信息AR为“1”、即动态范围DR小于阈值Th，则输出通过使用所得到的系数数据Wi-a计算的像素数据项y1-a至y4-a和通过使用所得到的系数数据Wi-b计算的像素数据项y1-b至y4-b的加法平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2，作为构成HD信号的像素数据项y1至y4，其中所述系数数据Wi-a与基于类别抽头得到的类别码Ca相对应，所述系数数据Wi-b与通过转换此类别码Ca得到的类别码Cb相对应。
然而，要进行加法平均的类别数目不限于2；可以考虑对3个或更多类别执行这样的加法平均，并输出一个结果。例如，在对3个类别执行加法平均时，可通过在预测计算电路309得到两个类别的加法平均值(ya+yb)/2、并在预测误差计算电路313通过从教师数据y0减去该加法平均值(ya+yb)/2而得到误差E(p)，来得到指示第三类别的类别码。因此，有可能在误差最小类别检测电路317分配与每个输入类别(两个类别)相对应的输出类别，从而得到与此输出类别相对应的第三类别码。
此外，在图1示出的上述用于处理图像信号的装置100、以及图16示出的上述用于处理图像信号的装置100B中，如果DR≥Th，则输出了通过使用对应于类别码Ca的系数数据Wi-a而计算的像素数据项y1-a至y4-a作为构成HD信号的像素数据项y1至y4，而如果DR＜Th，则输出了通过使用分别对应于类别码Ca和Cb的系数数据项Wi-a和Wi-b而计算的像素数据项y1-a至y4-a和y1-b至y4-b的加法平均值(y1-a+y1-b)/2到(y4-a+y4-b)/2，作为构成HD信号的像素数据项y1至y4。
然而，可以考虑使在DR≥Th的情况中的操作与在DR＜Th的情况中的操作相反。在此情况下，要存储在系数存储器106中的系数数据Wi应当基于在与SD信号相对应的学生信号和与HD信号相对应的教师信号之间的、利用小于阈值Th的动态范围DR的这样一部分的学习的结果。应当注意，在图14示出的用于处理图像信号的装置100A中，也可以类似地使DR≥Th的情况和DR＜Th的情况中的操作相反。
此外，在上述实施例中，已通过使用阈值Th而预先将动态范围的可能区域划分为两个；并且，如果DR≥Th，则可输出“0”作为区域信息，而如果DR＜Th，则可输出“1”作为区域信息AR。
然而，可以考虑通过将动态范围DR的可能区域划分为3个或更多，以获得指示动态范围DR属于这些细分区域中的哪一个的区域信息AR，使得可根据此区域信息AR来执行处理。在此情况下，例如，如果动态范围DR属于一个细分区域，则将执行与在DR≥Th的情况中的上述处理相同的处理，而如果动态范围DR属于不同于所述一个细分区域的另一细分区域，则将执行与在DR＜Th的情况中的上述处理相同的处理。
此外，尽管已经参照将SD信号转换为在水平和垂直方向上具有两倍像素数目的HD信号的例子而描述了以上实施例，但是像素数目增加的方向不限于水平和垂直方向，并且可考虑为时间方向(帧方向)。并且，相反，可以将本发明类似地应用于从HD信号得到具有减少的像素数目的SD信号的情况。也就是说，可以将本发明一般地应用于将第一图像信号转换为具有与此第一图像信号相同数目的像素或不同数目的像素的第二图像信号的情况。
此外，尽管已经参照由多个信息数据项组成的信息信号是由多个像素数据项组成的图像信号的例子而描述了以上实施例，但是可以将本发明类似地应用于信息信号是任意其它信号例如音频信号的情况。在音频信号的情况下，其由多个采样数据项组成。
通过本发明，在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头，并且，如果从此类别抽头中的信息数据得到的动态范围属于一个区域，则通过使用系数数据来得到构成第二信息信号的信息数据，其中，所述系数数据与对该类别抽头进行类别分类得到的第一类别码相对应，并基于在学生信号(第一学习信号)和教师信号(第二学习信号)之间、利用属于所述一个区域的动态范围的这样一部分的学习的结果，而如果该动态范围属于不同于所述一个区域的另一区域，则通过对使用与第一类别码相对应的系数数据计算的信息数据、和使用与第二类别码相对应的系数数据计算的信息数据执行加法平均，来得到构成第二信息信号的信息数据，其中通过转换此第一类别码得到所述第二类别码，使得无论动态范围是大还是小，都可以良好地得到构成第二信息信号的信息数据。
此外，通过本发明，在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头，而如果从此类别抽头中的信息数据得到的动态范围属于一个区域，则通过使用系数数据得到构成第二信息信号的信息数据，其中所述系数数据与通过对类别抽头进行类别分类而得到的第一类别码相对应，并基于在学生信号(第一学习信号)和教师信号(第二学习信号)之间的、使用属于所述一个区域的动态范围的这样一部分的学习的结果，而如果该动态范围属于除了所述一个区域之外的另一区域，则通过使用系数数据得到构成第二信息信号的信息数据，其中所述系数数据基于在不进行类别分类的情况下的、在学生信号和教师信号之间的学习的结果，使得无论动态范围是大还是小，都可以良好地得到构成第二信息信号的信息数据。
工业应用性在将第一信息信号转换为第二信息信号时，无论在动态范围是大还是小，与本发明相关的用于处理信息信号的装置等都能够良好地得到构成第二信息信号的信息数据，因此可将其应用于例如将与标准或低分辨率相对应的标准TV信号(SD信号)转换为高分辨率信号(HD信号)的情况。
权利要求
1.一种用于处理信息信号的装置，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该装置包括类别抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头而将该类别抽头分类为多个类别中的任一个，来得到第一类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；类别码转换部件，用于将由类别分类部件得到的第一类别码转换为每个都与第一类别码相对应的一个或多个第二类别码；预测抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成部件，用于生成第一系数数据，所述第一系数数据在与由类别分类部件得到的第一类别码相对应的估算方程中使用；第二系数数据生成部件，用于生成第二系数数据，所述第二系数数据在分别与通过由类别码转换部件进行的转换而得到的一个或多个第二类别码相对应的估算方程中使用；第一计算部件，用于基于估算方程，通过使用由第一系数数据生成部件生成的第一系数数据和由预测抽头提取部件提取的预测抽头，来计算信息数据；第二计算部件，用于基于估算方程，通过使用由第二系数数据生成部件生成的第二系数数据和由预测抽头提取部件提取的预测抽头，来计算信息数据；以及加法部件，用于根据由动态范围处理部件得到的区域信息，如果动态范围属于一个细分区域，则输出由第一计算部件计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则输出通过对由第一计算部件计算的信息数据和由第二计算部件计算的信息数据执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成部件生成的第一系数数据和由第二系数数据生成部件生成的第二系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，类别码转换部件以这样的方式将第一类别码转换为第二类别码，该方式即与第一类别码相对应的第一计算部件所计算的信息数据和与第二类别码相对应的第二计算部件所计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
2.如权利要求1所述的用于处理信息信号的装置，其中，动态范围处理部件得到指示动态范围小于阈值还是不小于该阈值的区域信息。
3.如权利要求2所述的用于处理信息信号的装置，其中，如果动态范围不小于阈值，则加法部件输出由第一计算部件得到的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围小于阈值，则输出通过对由第一计算部件得到的信息数据和由第二计算部件得到的信息数据执行加法平均而获得的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据。
4.如权利要求1所述的用于处理信息信号的装置，其中，第一系数数据生成部件和第二系数数据生成部件每个都包括存储部件，用于存储预先得到的、并且在每个类别的估算方程中使用的系数数据；以及系数数据读取部件，用于从存储部件读取与由类别码指示的类别相对应的系数数据。
5.如权利要求1所述的用于处理信息信号的装置，其中，第一系数数据生成部件和第二系数数据生成部件每个都包括存储部件，用于存储预先为每个类别得到的、并且作为包括预定参数的产生方程中的系数数据的系数种子数据，所述产生方程用于产生要在估算方程中使用的系数数据；以及系数数据产生部件，用于基于产生方程，通过使用存储在存储部件中的与由类别码指示的类别相对应的系数种子数据，来产生要在估算方程中使用的系数数据。
6.如权利要求1所述的用于处理信息信号的装置，其中，通过其中存储了第一类别码和第二类别码之间的对应关系的查找表，来配置类别码转换部件。
7.如权利要求1所述的用于处理信息信号的装置，其中，信息信号是图像信号或音频信号。
8.一种用于处理信息信号的方法，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到第一类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；类别码转换步骤，将由类别分类步骤得到的第一类别码转换为每个都与第一类别码相对应的一个或多个第二类别码；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成第一系数数据，所述第一系数数据在与由类别分类步骤得到的第一类别码相对应的估算方程中使用；第二系数数据生成步骤，生成第二系数数据，所述第二系数数据在分别与通过由类别码转换步骤进行的转换得到的一个或多个第二类别码相对应的估算方程中使用；第一计算步骤，基于估算方程，通过使用由第一系数数据生成步骤生成的第一系数数据和由预测抽头提取步骤提取的预测抽头，来计算信息数据；第二计算步骤，基于估算方程，通过使用由第二系数数据生成步骤生成的第二系数数据和由预测抽头提取步骤提取的预测抽头，来计算信息数据；以及加法步骤，用于根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则输出由第一计算步骤计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则输出通过对由第一计算步骤计算的信息数据和由第二计算步骤计算的信息数据执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成步骤生成的第一系数数据和由第二系数数据生成步骤生成的第二系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，在类别码转换步骤中，以这样的方式将第一类别码转换为第二类别码，该方式即与第一类别码相对应的第一计算步骤所计算的信息数据和与第二类别码相对应的第二计算步骤所计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
9.一种计算机可读介质，其记录用于使计算机执行用来处理信息信号的方法、以便将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号的程序，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到第一类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；类别码转换步骤，将由类别分类步骤得到的第一类别码转换为每个都与第一类别码相对应的一个或多个第二类别码；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成第一系数数据，所述第一系数数据在与由类别分类步骤得到的第一类别码相对应的估算方程中使用；第二系数数据生成步骤，生成第二系数数据，所述第二系数数据在分别与通过由类别码转换步骤进行的转换而得到的一个或多个第二类别码相对应的估算方程中使用；第一计算步骤，基于估算方程，通过使用由第一系数数据生成步骤生成的第一系数数据和由预测抽头提取步骤提取的预测抽头，来计算信息数据；第二计算步骤，基于估算方程，通过使用由第二系数数据生成步骤生成的第二系数数据和由预测抽头提取步骤提取的预测抽头，来计算信息数据；以及加法步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则输出由第一计算步骤计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则输出通过对由第一计算步骤计算的信息数据和由第二计算步骤计算的信息数据执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成步骤生成的第一系数数据和由第二系数数据生成步骤生成的第二系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，在类别码转换步骤中，以这样的方式将第一类别码转换为第二类别码，该方式即与第一类别码相对应的第一计算步骤所计算的信息数据和与第二类别码相对应的第二计算步骤所计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
10.一种程序，用于使计算机执行用来处理信息信号的方法、以便将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到第一类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；类别码转换步骤，将由类别分类步骤得到的第一类别码转换为每个都与第一类别码相对应的一个或多个第二类别码；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成第一系数数据，所述第一系数数据在与由类别分类步骤得到的第一类别码相对应的估算方程中使用；第二系数数据生成步骤，生成第二系数数据，所述第二系数数据在分别与通过由类别码转换步骤进行的转换而得到的一个或多个第二类别码相对应的估算方程中使用；第一计算步骤，基于估算方程，通过使用由第一系数数据生成步骤生成的第一系数数据和由预测抽头提取步骤提取的预测抽头，来计算信息数据；第二计算步骤，基于估算方程，通过使用由第二系数数据生成步骤生成的第二系数数据和由预测抽头提取步骤提取的预测抽头，来计算信息数据；以及加法步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则输出由第一计算步骤计算的信息数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则输出通过对由第一计算步骤计算的信息数据和由第二计算步骤计算的信息数据执行加法平均而得到的数据，作为与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成步骤生成的第一系数数据和由第二系数数据生成步骤生成的第二系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，在类别码转换步骤中，以这样的方式将第一类别码转换为第二类别码，该方式即与第一类别码相对应的第一计算步骤所计算的信息数据和与第二类别码相对应的第二计算步骤所计算的信息数据的加法平均值可最接近于构成第二信息信号的信息数据的真实值。
11.一种用于处理信息信号的装置，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该装置包括类别抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取部件，用于基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；系数数据生成部件，用于根据由动态范围处理部件得到的区域信息和由类别分类部件得到的类别码，如果动态范围属于一个细分区域，则生成在与类别码相对应的估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则生成在该估算方程中使用的第二系数数据；以及计算部件，用于基于估算方程、使用由系数数据生成部件生成的第一系数数据或第二系数数据以及由预测抽头提取部件提取的预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成部件生成的第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，由第二系数数据生成部件生成的第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。
12.如权利要求11所述的用于处理信息信号的装置，其中，动态范围处理部件得到指示动态范围是小于阈值还是不小于阈值的区域信息。
13.如权利要求11所述的用于处理信息信号的装置，其中，系数数据生成部件包括存储部件，用于存储在估算方程中使用的每个类别的第一系数数据、以及在估算方程中使用的每个类别的第二系数数据，所述第一和第二系数数据是预先获得的；以及系数数据读取部件，用于如果动态范围属于一个细分区域，则从存储部件读取与由类别码指示的类别相对应的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则从存储部件读取第二系数数据。
14.如权利要求11所述的用于处理信息信号的装置，其中，系数数据生成部件包括存储部件，用于存储每个类别的第一系数种子数据以及第二系数种子数据，所述第一系数种子数据是在用于产生要在估算方程中使用的第一系数数据的、包括预定参数的产生方程中的系数数据，所述第二系数种子数据是在用于产生要在估算方程中使用的第二系数数据的产生方程中的系数数据，所述第一系数种子数据和第二系数种子数据是预先获得的；以及系数数据产生部件，用于如果动态范围属于一个细分区域，则基于产生方程，使用存储在存储部件中的、与由类别码指示的类别相对应的第一系数种子数据，来产生要在估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则基于产生方程，使用存储在存储部件中的第二系数种子数据，来产生要在估算方程中使用的第二系数数据。
15.如权利要求11所述的用于处理信息信号的装置，其中，信息信号是图像信号或音频信号。
16.一种用于处理信息信号的方法，其将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；系数数据生成步骤，根据由动态范围处理步骤得到的区域信息和由类别分类步骤得到的类别码，如果动态范围属于一个细分区域，则生成在与类别码相对应的估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则生成在该估算方程中使用的第二系数数据；以及计算步骤，基于估算方程，使用由系数数据生成步骤生成的第一系数数据或第二系数数据以及由预测抽头提取步骤提取的预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成步骤生成的第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，由第二系数数据生成步骤生成的第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。
17.一种计算机可读介质，其记录用于使计算机执行用来处理信息信号的方法、以便将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号的程序，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；系数数据生成步骤，根据由动态范围处理步骤得到的区域信息和由类别分类步骤得到的类别码，如果动态范围属于一个细分区域，则生成在与类别码相对应的估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则生成在该估算方程中使用的第二系数数据；以及计算步骤，基于估算方程，使用由系数数据生成步骤生成的第一系数数据或第二系数数据以及由预测抽头提取步骤提取的预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成步骤生成的第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，由第二系数数据生成步骤生成的第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。
18.一种程序，用于使计算机执行用来处理信息信号的方法、以便将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号，该方法包括类别抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一信息信号，提取位于第一信息信号中的目标位置的周围的多个信息数据项作为预测抽头；系数数据生成步骤，根据由动态范围处理步骤得到的区域信息和由类别分类步骤得到的类别码，如果动态范围属于一个细分区域，则生成在与类别码相对应的估算方程中使用的第一系数数据，而如果动态范围属于不同于所述一个细分区域的另一细分区域，则生成在该估算方程中使用的第二系数数据；以及计算步骤，基于估算方程，使用由系数数据生成步骤生成的第一系数数据或第二系数数据以及由预测抽头提取步骤提取的预测抽头，来计算与第一信息信号中的目标位置相对应的、构成第二信息信号的信息数据，其中，由第一系数数据生成步骤生成的第一系数数据基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、使用属于所述一个细分区域的动态范围的这样一部分的学习的结果；并且其中，由第二系数数据生成步骤生成的第二系数数据基于在不进行类别分类的情况下的、在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的学习的结果。
19.一种用于产生系数的装置，其产生在估算方程中使用的系数数据、或作为在用于产生前面的系数数据的产生方程中的系数数据的系数种子数据，其中将在把由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用所述估算方程，该装置包括类别抽头提取部件，用于基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取部件，用于根据由动态范围处理部件得到的区域信息，如果动态范围属于一个细分区域，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；教师数据提取部件，用于根据由动态范围处理部件得到的区域信息，如果动态范围属于一个细分区域，则基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；以及计算部件，用于通过使用由类别分类部件得到的类别码、由预测抽头提取部件提取的预测抽头、以及由教师数据提取部件提取的教师数据，得到每个类别的系数数据或每个类别的系数种子数据。
20.一种用于产生系数的方法，其产生在估算方程中使用的系数数据、或作为在用于产生前面的系数数据的产生方程中的系数数据的系数种子数据，其中将在把由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用所述估算方程，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别码分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；教师数据提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；以及计算步骤，通过使用由类别分类步骤得到的类别码、由预测抽头提取步骤提取的预测抽头、以及由教师数据提取步骤提取的教师数据，得到每个类别的系数数据或每个类别的系数种子数据。
21.一种计算机可读介质，其记录用于使计算机执行用来产生系数的方法、以便产生在估算方程中使用的系数数据或者作为在用于产生前面的系数数据的产生方程中的系数数据的系数种子数据的程序，其中将在把由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用所述估算方程，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别码分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；教师数据提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；以及计算步骤，通过使用由类别分类步骤得到的类别码、由预测抽头提取步骤提取的预测抽头、以及由教师数据提取步骤提取的教师数据，得到每个类别的系数数据或每个类别的系数种子数据。
22.一种程序，用于使计算机执行用来产生系数的方法，以便产生在估算方程中使用的系数数据、或者作为在用于产生前面的系数数据的产生方程中的系数数据的系数种子数据，其中将在把由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用所述估算方程，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别码分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别中的任一个，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；教师数据提取步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于一个细分区域，则基于与第二信息信号相对应的第二学习信号，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；以及计算步骤，通过使用由类别分类步骤得到的类别码、由预测抽头提取步骤提取的预测抽头、以及由教师数据提取步骤提取的教师数据，得到每个类别的系数数据或每个类别的系数种子数据。
23.一种用于产生查找表的装置，其产生在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的第一类别码和第二类别码之间的对应关系，该装置包括类别抽头提取部件，用于基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类部件，用于通过基于由类别抽头提取部件提取的类别抽头来将该类别抽头分类为多个类别抽头中的任一类别，来得到类别码；动态范围处理部件，用于基于由类别抽头提取部件提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取部件，用于基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成部件，用于生成在与由类别分类部件得到的类别码相对应的类别上的估算方程中使用的系数数据；预测计算部件，用于基于估算方程，使用由第一系数数据生成部件生成的系数数据以及由预测抽头提取部件提取的预测抽头，计算与第一学习信号中的目标位置相对应的信息数据；第二系数数据生成部件，用于生成在多个类别上的估算方程中使用的系数数据；全部类别预测计算部件，用于基于估算方程，使用由第二系数数据生成部件生成的每个类别的系数数据以及由预测抽头提取部件提取的预测抽头，为每个类别计算与第一学习信号中的目标位置相对应的信息数据；教师数据提取部件，用于基于与第二信息信号相对应的第二学习数据，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；误差计算部件，用于计算由预测计算部件得到的信息数据相对于由教师数据提取部件提取的教师数据的误差；全部类别误差计算部件，用于计算由全部类别预测计算部件得到的每个类别的信息数据相对于由教师数据提取部件提取的教师数据的误差；误差相加部件，用于将由误差计算部件得到的误差加到由全部类别计算部件得到的每个类别的误差上，以得到所述类别的误差总和；误差总和累加部件，根据由动态范围处理部件得到的区域信息，如果动态范围属于不同于所述一个细分区域的另一细分区域，则将与由误差相加部件得到的每个类别的误差总和的幅度相对应的值加到与由类别分类部件得到的类别码相对应的输入类别上的每个输出类别的累加值上；以及表产生部件，用于基于每个输入类别上的累加值，分配对于每个输入类别的每个输出类别的累加值、即由误差总和累加部件得到的累加值被最小化的输出类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系，其中，由第一系数数据生成部件生成的和由第二系数数据生成部件生成的系数数据项基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分区域的动态范围的这样一部分的学习的结果。
24.一种用于产生查找表的方法，其产生在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的第一类别码和第二类别码之间的对应关系，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别抽头中的任一类别，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成在与由类别分类步骤得到的类别码相对应的类别上的估算方程中使用的系数数据；预测计算步骤，基于估算方程，使用由第一系数数据生成步骤生成的系数数据以及由预测抽头提取步骤提取的预测抽头，计算与第一学习信号中的目标位置相对应的信息数据；第二系数数据生成步骤，生成在多个类别上的估算方程中使用的系数数据；全部类别预测计算步骤，基于估算方程，使用由第二系数数据生成步骤生成的每个类别的系数数据以及由预测抽头提取步骤提取的预测抽头，为每个类别计算与第一学习信号中的目标位置相对应的信息数据；教师数据提取步骤，基于与第二信息信号相对应的第二学习数据，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；误差计算步骤，计算由预测计算步骤得到的信息数据相对于由教师数据提取步骤提取的教师数据的误差；全部类别误差计算步骤，计算由全部类别预测计算步骤得到的每个类别的信息数据相对于由教师数据提取步骤提取的教师数据的误差；误差相加步骤，将由误差计算步骤得到的误差加到由全部类别计算步骤得到的每个类别的误差上，以得到所述类别的误差总和；误差总和累加步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于不同于所述一个细分区域的另一细分区域，则将与由误差相加步骤得到的每个类别的误差总和的幅度相对应的值加到与由类别分类步骤得到的类别码相对应的输入类别上的每个输出类别的累加值上；以及表产生步骤，基于每个输入类别上的累加值，分配对于每个输入类别的每个输出类别的累加值、即由误差总和累加步骤得到的累加值被最小化的输出类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系，其中，由第一系数数据生成步骤生成的和由第二系数数据生成步骤生成的系数数据项基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分区域的动态范围的这样一部分的学习的结果。
25.一种计算机可读介质，其记录一程序，该程序用于使计算机执行用来产生查找表的方法，以便产生在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的第一类别码和第二类别码之间的对应关系，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别抽头中的任一类别，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成在与由类别分类步骤得到的类别码相对应的类别上的估算方程中使用的系数数据；预测计算步骤，基于估算方程，使用由第一系数数据生成步骤生成的系数数据以及由预测抽头提取步骤提取的预测抽头，计算与第一学习信号中的目标位置相对应的信息数据；第二系数数据生成步骤，生成在多个类别上的估算方程中使用的系数数据；全部类别预测计算步骤，基于估算方程，使用由第二系数数据生成步骤生成的每个类别的系数数据以及由预测抽头提取步骤提取的预测抽头，为每个类别计算与第一学习信号中的目标位置相对应的信息数据；教师数据提取步骤，基于与第二信息信号相对应的第二学习数据，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；误差计算步骤，计算由预测计算步骤得到的信息数据相对于由教师数据提取步骤提取的教师数据的误差；全部类别误差计算步骤，计算由全部类别预测计算步骤得到的每个类别的信息数据相对于由教师数据提取步骤提取的教师数据的误差；误差相加步骤，将由误差计算步骤得到的误差加到由全部类别计算步骤得到的每个类别的误差上，以得到所述类别的误差总和；误差总和累加步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于不同于所述一个细分区域的另一细分区域，则将与由误差相加步骤得到的每个类别的误差总和的幅度相对应的值加到与由类别分类步骤得到的类别码相对应的输入类别上的每个输出类别的累加值上；以及表产生步骤，基于每个输入类别上的累加值，分配对于每个输入类别的每个输出类别的累加值、即由误差总和累加步骤得到的累加值被最小化的输出类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系，其中，由第一系数数据生成步骤生成的和由第二系数数据生成步骤生成的系数数据项基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分区域的动态范围的这样一部分的学习的结果。
26.一种程序，用于使计算机执行用来产生查找表的方法，以便产生在将由多个信息数据项组成的第一信息信号转换为由多个信息数据项组成的第二信息信号时使用的第一类别码和第二类别码之间的对应关系，该方法包括类别抽头提取步骤，基于与第一信息信号相对应的第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为类别抽头；类别分类步骤，通过基于由类别抽头提取步骤提取的类别抽头来将该类别抽头分类为多个类别抽头中的任一类别，来得到类别码；动态范围处理步骤，基于由类别抽头提取步骤提取的类别抽头，检测作为在该类别抽头中包含的多个信息数据项的最大值和最小值之间的差的动态范围，以得到指示该动态范围属于通过将该动态范围的可能区域划分为多个区域而得到的多个细分区域中的哪一个的区域信息；预测抽头提取步骤，基于第一学习信号，提取位于第一学习信号中的目标位置的周围的多个信息数据项作为预测抽头；第一系数数据生成步骤，生成在与由类别分类步骤得到的类别码相对应的类别上的估算方程中使用的系数数据；预测计算步骤，基于估算方程，使用由第一系数数据生成步骤生成的系数数据以及由预测抽头提取步骤提取的预测抽头，计算与第一学习信号中的目标位置相对应的信息数据；第二系数数据生成步骤，生成在多个类别上的估算方程中使用的系数数据；全部类别预测计算步骤，基于估算方程，使用由第二系数数据生成步骤生成的每个类别的系数数据以及由预测抽头提取步骤提取的预测抽头，为每个类别计算与第一学习信号中的目标位置相对应的信息数据；教师数据提取步骤，基于与第二信息信号相对应的第二学习数据，提取与第一学习信号中的目标位置相对应的信息数据作为教师数据；误差计算步骤，计算由预测计算步骤得到的信息数据相对于由教师数据提取步骤提取的教师数据的误差；全部类别误差计算步骤，计算由全部类别预测计算步骤得到的每个类别的信息数据相对于由教师数据提取步骤提取的教师数据的误差；误差相加步骤，将由误差计算步骤得到的误差加到由全部类别计算步骤得到的每个类别的误差上，以得到所述类别的误差总和；误差总和累加步骤，根据由动态范围处理步骤得到的区域信息，如果动态范围属于不同于所述一个细分区域的另一细分区域，则将与由误差相加步骤得到的每个类别的误差总和的幅度相对应的值加到与由类别分类步骤得到的类别码相对应的输入类别上的每个输出类别的累加值上；以及表产生步骤，基于每个输入类别上的累加值，分配对于每个输入类别的每个输出类别的累加值、即由误差总和累加步骤得到的累加值被最小化的输出类别，以产生在与输入类别相对应的第一类别码和与输出类别相对应的第二类别码之间的对应关系，其中，由第一系数数据生成步骤生成的和由第二系数数据生成步骤生成的系数数据项基于在与第一信息信号相对应的第一学习信号和与第二信息信号相对应的第二学习信号之间的、仅使用属于所述一个细分区域的动态范围的这样一部分的学习的结果。
全文摘要
例如，在将SD信号转换为HD信号时，信息信号处理设备可不依赖于动态范围DR的大小而优选地得到HD信号上的图像数据。检测类别抽头中的DR。当DR≥Th时，使通过对应于类别码Ca的系数数据Wi－a计算的像素数据y
文档编号H04N7/01GK1802852SQ20048001581
公开日2006年7月12日 申请日期2004年6月4日 优先权日2003年6月6日
发明者近藤哲二郎, 中西崇, 菊地大介, 近冈志津男, 宫井岳志, 中村芳晃, 芳贺继彦 申请人:索尼株式会社