处理和分类模块(例如，相当于图2中的阈 值处理和分类单元53)，以及动态阈值确定模块(例如，相当于图2中的动态阈值确定单元 52)，并且该视频编码装置允许在编码循环中进行自适应滤波以及允许以像素为单位或以 多个像素构成的小区域为单位的滤波器设计，该程序使得电脑运行:第一步骤，像素值特征 量计算模块以像素为单位或以小区域为单位求出解码图像(例如，相当于图1中的滤波前本 地解码图像h)的像素值的特征量(例如，相当于下述的像素值梯度）；第二步骤，阈值处理和 分类模块将由像素值特征量计算模块求出的特征量与阈值进行比较，并且基于比较的结果 对各个像素或各个小区域进行分类；以及第三步骤，动态阈值确定模炔基于由像素值特征 量计算模块求出的特征量来确定阈值。
[0062] 根据发明，在对像素或小区域进行分类时使用的阈值是基于以像素为单位或以小 区域为单位求出的特征量来确定的。因此，可以在考虑到图像图案的情况下动态地确定阈 值，这能够在滤波器设计中最佳地实施像素或小区域的分类。相应地，通过滤波所得到的图 像品质改善可以提尚编码性能。
[0063] (21)本发明提出一种促使电脑运行视频解码装置(例如，相当于图3中的视频解码 装置BB)的视频解码方法的程序，该视频解码装置包括像素值特征量计算模块、阈值处理和 分类模块，以及动态阈值确定模块，并且该视频解码装置允许在解码循环中进行自适应滤 波以及允许以像素为单位或以多个像素构成的小区域为单位的滤波器设计，该程序使得电 脑运行:第一步骤，像素值特征量计算模块以像素为单位或以小区域为单位求出解码图像 (例如，相当于图3中的滤波前解码图像F)的像素值的特征量(例如，相当于下述的像素值梯 度）；第二步骤，阈值处理和分类模块将由像素值特征量计算模块求出的特征量与阈值进行 比较，并且基于比较的结果对各个像素或各个小区域进行分类；以及第三步骤，动态阈值确 定模炔基于由像素值特征量计算模块求出的特征量来确定阈值。
[0064]根据发明，在对像素或小区域进行分类时使用的阈值是基于以像素为单位或以小 区域为单位求出的特征量来确定的。因此，可以在考虑到图像图案的情况下动态地确定阈 值，这能够在滤波器设计中最佳地实施像素或小区域的分类。相应地，通过滤波所得到的图 像品质改善可以提尚编码性能。
[0065]发明效果
[0066] 根据本发明，通过滤波所得到的图像品质改善可以提高编码性能。
【附图说明】
[0067] 图1是根据本发明的一个实施例的视频编码装置的框图。
[0068] 图2是根据该实施例的视频编码装置所包括的初步分析单元的框图。
[0069] 图3是根据本发明的一个实施例的视频解码装置的框图。 具体实施例
[0070] 以下，将参照附图，对本发明的实施例进行说明。应当注意，下述实施例中的组成 要素可以适宜地被置换为现有的组成要素等，并且可以是包括与其他现有的组成要素的结 合的各种变体。因此，本发明在权利要求中描述的内容不限于以下的实施例的描述。
[0071 ]视频编码装置AA的构造以及操作
[0072]图1是根据本发明的一个实施例的视频编码装置AA的框图。视频编码装置AA允许 在编码循环中进行自适应滤波，并且允许以像素为单位或者以多个像素构成的小区域为单 位的滤波器设计。该视频编码装置AA设有预测值生成单元1、DCT/量化单元2、熵编码单元3、 逆DCT/逆量化单元4、初步分析单元5、滤波系数计算单元6、自适应滤波单元7以及本地存储 器8 〇
[0073] 预测值生成单元1接收作为输入图像的原始图像a的输入，以及从本地存储器8输 出的下述的已滤波本地解码图像d的输入。该预测值生成单元1使用例如帧内预测或帧间预 测等预测方法来生成预测值。随后将使用被期望具有最高编码性能的预测方法而生成的预 测值输出作为预测值e。
[0074] DCT/量化单元2接收预测残差信号的输入，该预测残差信号为原始图像a和预测值 e之间的差异。该DCT/量化单元2对预测残差信号进行正交转换，对作为结果而得到的转换 系数进行量化，并且将量化结果输出作为量化转换系数f。
[0075] 熵编码单元3接收量化转换系数f的输入。该熵编码单元3对量化转换系数f进行熵 编码，根据用于描述编码数据的描述规则(编码语法）以编码数据来描述熵编码的结果，并 且将该结果输出为编码数据b。
[0076] 逆DCT/逆量化单元4接收量化转换系数f的输入。该逆DCT/逆量化单元4对量化转 换系数f进行逆量化，对作为其结果而得到的转换系数进行逆转换，并且将该结果输出作为 逆正交转换后的像素信号g。
[0077] 初步分析单元5接收滤波前本地解码图像h的输入。滤波前本地解码图像h是预测 值e和逆正交转换后的像素信号g之和。该初步分析单元5对构成滤波前本地解码图像h的像 素或小区域进行分类，并且将其结果输出作为分类结果i。在下文中将使用图2对该初步分 析单元5进行详细说明。
[0078] 滤波系数计算单元6接收原始图像a、滤波前本地解码图像h以及分类结果i的输 入。该滤波系数计算单元6针对根据分类结果i来分类的每个像素或小区域，计算使原始图 像a和滤波前本地解码图像h之间的误差最小的滤波系数，将其作为最佳滤波系数。随后，将 算得的滤波系数输出为编码数据(滤波系数)c。
[0079] 自适应滤波单元7接收编码数据(滤波系数)c、滤波前本地解码图像h以及分类结 果i的输入。该自适应滤波单元7针对根据分类结果i来分类的每个像素或小区域，使用由滤 波系数计算单元6计算的滤波系数对滤波前本地解码图像h的像素实施滤波。而且，自适应 滤波单元7针对每个滤波器控制单元块，求出能显示所应用的滤波系数的信息，将其作为专 有信息。随后，将滤波结果和专有信息输出作为已滤波本地解码图像d。
[0080] 本地存储器8接收从自适应滤波单元7输出的已滤波本地解码图像d的输入。该本 地存储器8存储输入的已滤波本地解码图像d，并且适宜地将存储的图像输出到预测值生成 单元1。
[0081 ]初步分析单元5的构造以及操作
[0082]图2是初步分析单元5的框图。初步分析单元5设有像素值梯度特征量计算单元51、 动态阈值确定单元52,以及阈值处理和分类单元53。
[0083] 像素值梯度特征量计算单元51接收滤波前本地解码图像h的输入。该像素值梯度 特征量计算单元51针对构成滤波前本地解码图像h的每个像素或小区域来计算像素值梯 度，并且将其结果输出作为每个像素或小区域的特征量j。
[0084] 应当注意的是，假设已预先确定了是针对每个像素来计算像素值梯度，还是针对 每个小区域来计算像素值梯度。而且，在针对每个小区域来计算像素值梯度的情况下，假设 已预先确定了是哪些像素构成了这些小区域的每一个小区域。而且，假设该预先确定的信 息不仅由初步分析单元5管控，还由初步分析单元140来管控，这将在下文中使用图3进行说 明。
[0085] 而且，为了给出针对每个小区域来计算像素值梯度的例子，在针对N像素XN像素 的每个小区域来计算像素值梯度的情况下，首先，求出该小区域中包含的NXN个像素的每 一个的像素值梯度。接着，计算这些像素的像素值梯度的平均值，并且将该平均值作为该小 区域的像素值梯度。
[0086] 而且，例如，可以应用使用了索贝尔滤波器或拉普拉斯滤波器的技术来计算像素 值梯度。
[0087] 动态阈值确定单元52接收每个像素或每个小区域的特征量j的输入。该动态阈值 确定单元52基于每个像素或每个小区域的特征量j来确定阈值，并且将其结果输出作为动 态阈值m。具体地，首先，以步长Q来量化每个像素或每个小区域的特征量j，并且求出与量化 后的特征量的值相关的直方图。接下来，从求出的直方图的方柱中检测出那些频率所集中 的方柱。接着，求出检测出的方柱中的两个彼此相邻的方柱的频率，并且将这两个求得的频 率之间的值确定为针对这两个方柱的阈值。由此，动态地确定阈值，以便能够分类出那些频 率所集中的方柱。
[0088] 例如，现在将描述这种情况:作为使用步长Q对每个像素或每个小区域的特征量j 进行量化的结果，获得k种类型的方柱。在这种情况下，当用h(k)来表示直方图的第k个(k是 满足0 <k<K-I的任意整数)频率时，动态阈值确定单元52评估直方图的接连几个方柱的频 率变化。
[0089] 具体地，求出频率变化的一阶微分评估值DKk)，其示出在以下公式（1)中，其中为 了方便起见，定义h(k)=h(k-l)。
[0090] 公式(1)
[0091] Di(k) =h(k+l)-h(k)(0 <k<K-I) · · · (I)
[0092] 接下来，求出在频率变化的二阶微分评估值02(1〇,其示出在以下公式(2)中，其中 为了方便起见，定义 11(-1)=11(0)并且11(1〇=11(1^-1)。
[0093] 公式（2)
[0094] D2(k)=-h(k-l)+2Xh(k)-h(k+l)(0<k<K-l) · · · (2)
[0095] 接下来，求出满足以下公式(3)的k，并且将求得的k的频率h(k)检测作为上述频率 所集中的方柱的频率(特征频率）。注意，在公式(3)中，Tl和T2分别是预定值。
[0096] 公式（3)
[0097] Di(k)>Tl，且D2(k)>T2 · · · (3)
[0098] 接着，假设检测出s个上述特征频率，当以升序将这些s个特征频率表示为f(s)(s 是满足〇 <s<s-1的任意整数)时，从f(s)和f(s+1)之间的值中确定出针对f(s)和f(s+1)的 阈值。由此，将确定出（s-Ι)个阈值。
[0099]例如，以下两种方法可作为从f(s)和f(s+1)之间的值中确定上述阈值的方法。此 处，将对应于频率f(s)的直方图方柱表示为kl，并且将对应于频率f(s+l)的直方图方柱