| まえがき ⅲ |
| 1章 マルチメディアの仕組み 1 |
| 1.1 マルチメディアの特徴 2 |
| 1.2 マルチメディアシステム 2 |
| 1.3 マルチメディアとネットワーク 3 |
| COLUMN 必要は発明の母 4 |
| 2章 音声情報処理の基礎 5 |
| 2.1 音声生成の原理 6 |
| 2.1.1 音声の基本的性質 6 |
| 2.1.2 発声器官の構造 6 |
| 2.1.3 音声生成モデル 10 |
| 2.2 音声の物理的特徴 11 |
| 2.3 音声の分析法 14 |
| 2.3.1 音声分析の原理 14 |
| 2.3.2 相関関数とスペクトル 19 |
| 2.3.3 音源情報の抽出法 19 |
| 2.3.4 ケプストラム 20 |
| 2.3.5 線形予測分析法 21 |
| 2.3.6 最尤スペクトル推定法 23 |
| 2.3.7 変形相関関数 24 |
| 2.3.8 PARCOR分析 25 |
| 2.3.9 LSP分析 28 |
| 2.3.10 LPCケプストラム 30 |
| 2.3.11 線形予測パラメータの相互関係 31 |
| 2.3.12 合成による分析 31 |
| 2.4 音声情報処理の概要 33 |
| 参考文献 34 |
| COLUMN マガーク効果 36 |
| 3章 音声・音響符号化 37 |
| 3.1 音声・音響符号化の原理 38 |
| 3.2 分析合成系 42 |
| 3.2.1 分析合成系とは 42 |
| 3.2.2 線形予測分析法による分析合成系 43 |
| 3.2.3 PARCOR分析合成系 44 |
| 3.2.4 LSP分析合成系 45 |
| 3.3 H寺間領域での符号化 45 |
| 3.3.1 非線形量子化 47 |
| 3.3.2 適応量子化 48 |
| 3.3.3 予測符号化 48 |
| 3.3.4 時間分割符号化 50 |
| 3.3.5 位相等化処理 50 |
| 3.3.6 可変長符号 50 |
| 3.4 周波数領域での符号化 51 |
| 3.4.1 帯域分割符号化 51 |
| 3.4.2 直交変換符号化 51 |
| 3.4.3 適応ビット割当てAPC（APC-AB） 52 |
| 3.4.4 ノイズシェーピング 53 |
| 3.5 ベクトル量子化 53 |
| 3.5.1 ベクトル量子化の原理 53 |
| 3.5.2 一般化ロイドアルゴリズム 54 |
| 3.5.3 木符号 54 |
| 3.6 分析合成系と波形符号化の組み合わせ（ハイブリッド符号化） 55 |
| 3.6.1 残差または音声駆動による線形予測符号化 55 |
| 3.6.2 重み付きベクトル量子化変換符号化（TC－WVQ）とTwin VQ 56 |
| 3.6.3 マルチパルス（MPC）と符号駆動線形予測符号化（CELP） 57 |
| 3.7 広帯域音声の符号化 60 |
| 3.8 MPEGの音響・音声符号化 61 |
| 3.9 符号化音声品質の評価 62 |
| 3.10 マルチメディアサービスヘの音声符号化技術の応用 53 |
| 参考文献 64 |
| COLUMN 音声情報処理の研究動向を知るには 66 |
| 4章 音声合成 |
| 4.1 音声合成の原理 68 |
| 4.2 テキスト解析 69 |
| 4.3 音声波形の生成 70 |
| 4.4 録音編集方式とパラメータ編集方式 71 |
| 4.5 規則合成方式 72 |
| 4.5.1 規則による音声合成の原理 72 |
| 4.5.2 合成単位音声の生成 72 |
| （1）ターミナルアナログ方式 73 |
| （2）波形接続（波形編集）方式 74 |
| （3）HMM合成法 74 |
| 4.5.3 韻律情報の制御 75 |
| 4.6 マルチメディアサービスヘの音声合成技術の応用 77 |
| 参考文献 79 |
| COLUMN 世界で最初の音声合成器 80 |
| 5章 音声認識 81 |
| 5.1 音声認識の原理 82 |
| 5.1.1 音声認識の基本的構成 82 |
| 5.1.2 音声認識の分類と課題 83 |
| （1）認識対象音声による分類 83 |
| （2）対象話者による分類 84 |
| 5.2 音響処理 84 |
| 5.2.1 音声区間の検出 84 |
| 5.2.2 音響モデル（標準パターン）の基本単位 85 |
| 5.2.3 特徴抽出 86 |
| 5.2.4 帯域フィルタ群による方法 87 |
| 5.2.5 ケプストラムによる方法 87 |
| 5.2.6 動的ケプストラム 88 |
| 5.2.7 スペクトル距離尺度 89 |
| 5.2.8 LPC分析に基づく距離尺度 89 |
| 5.3 DPマッチング（DTW） 91 |
| 5.4 HMM法 94 |
| 5.4.1 HMM法の基本 94 |
| 5.4.2 認識アルゴリズム 95 |
| 5.4.3 パラメータ推定アルゴリズム 99 |
| 5.4.4 連結学習による音素HMMの作成 100 |
| 5.4.5 HMM法の種々のバリエーション 101 |
| 5.5 ニューラルネットワークによる方法 102 |
| 5.6 連続音声認 103 |
| 5.6.1 連続音声認識の基本的構成 103 |
| 5.6.2 2段DP法とその改良 104 |
| （1）2段DP法 104 |
| （2）レベル・ビルディング（LB）法 105 |
| （3）ワンパスDP法またはワンステージDP法 105 |
| 5.6.3 仮説探索の方向とアルゴリズム 106 |
| 5.6.4 統計的言語モデル 107 |
| 5.6.5 連続音声認識系の評価法 109 |
| 5.7 連続音声認識の応用 111 |
| 5.7.1 音声文字変換と音声対話システム 111 |
| 5.7.2 音声文字変換の研究例 112 |
| 5.7.3 音声対話システムの研究例 114 |
| 5.7.4 話し言葉認識の難しさと言語モデルの構築 115 |
| 5.7.5 話題語抽出と音声要約 115 |
| 5.7.6 VoiceXML 117 |
| 5.8 ロバスト（頑健）な音声認識のために 120 |
| 5.8.1 音声の変動 120 |
| 5.8.2 変動への自動適応機能 122 |
| 5.8.3 主な適応化技術 123 |
| 5.8.4 HMM合成法 124 |
| 5.8.5 尤度最大化基準に基づく適応化 126 |
| 5.9 マルチメディアサービスへの音声認識技術の応用 127 |
| 参考文献 128 |
| 6章 話者認識 133 |
| 6.1 話者認識の原理 134 |
| 6.1.1 話者認識の基本的方法と分類 134 |
| 6,1.2 話者認識の性能評価 136 |
| 6.1.3 話者認識に用いる音声の物理特徴 138 |
| 6.1.4 特徴量と類似度の正規化 138 |
| （1）特徴量の正規化 138 |
| （2）距離あるいは尤度の正規化 139 |
| （3）標準パターンあるいはモデルの更新 139 |
| （4）話者照合の判定しきい値の事前設定法 140 |
| 6.2 テキスト依存型話者認識 140 |
| 6.3 テキスト独方型話者認識 141 |
| 6.3.1 長時間統計量による方法 141 |
| 6.3.2 ベクトル量子化歪みによる方法 142 |
| 6.3.3 HMMおよびGMMによる方法 143 |
| 6.4 テキスト指示型話者認識 144 |
| 6.5 マルチメディアサービスヘの話者認識技術の応用 145 |
| 参考文献 145 |
| COLUMN 日本語と英語のどちらの音声が難しいか 148 |
| 7章 静止画像の符号化とJPEG 149 |
| 7.1 静止画像の性質 150 |
| 7.1.1 静止画像の画素構成 150 |
| 7.1.2 色の表現と三原色 150 |
| 7.1.3 色空間 151 |
| 7.2 静止画像圧縮の原理 152 |
| 7.2.1 情報圧縮の原理 152 |
| 7.2.2 離散コサイン変換 152 |
| （1）変換符号化の有効性 153 |
| （2）離散コサイン変換 155 |
| 7.2.3 ウェーブレット変換 156 |
| 7.2.4 エントロピー符号化 157 |
| （1）ハフマン符号化 157 |
| （2）算術符号化 158 |
| 7.2.5 予測符号化 161 |
| 7.3 JPEGの概要 162 |
| 7.4 基本方式 162 |
| 7.4.1 構成 102 |
| 7.4.2 DCT係数と量子化テーブル 163 |
| 7.4.3 DC係数（直流成分）の符号化 164 |
| 7.4.4 AC係数の符号化 165 |
| 7.4.5 色情報の符号化 167 |
| （1）カラー画像の色情報 167 |
| （2）色成分の解像度 167 |
| 7.4.6 基本方式のデータ形式 168 |
| 7.5 DPCM方式 168 |
| 7.6 ブログレッシブ符号化方式 169 |
| （1）近似精度向上方式 169 |
| （2）周波数選択方式 169 |
| 7.7 ハイアラーキカル符号化 170 |
| 7.8 JPEG2000 171 |
| 7.8.1 JPEG2000の概要 171 |
| 7.8.2 Motion JPEG2000 172 |
| 参考文献 174 |
| 8章 2値画像の圧縮方式 175 |
| 8.1 2値画像 176 |
| 8.2 ファクシミリの発展 176 |
| 8.3 ファクシミリの符号化 177 |
| 8.3.1 修正ハフマン符号化 : （MH符号化） 177 |
| 8.3.2 MR符号化 178 |
| 8.4 2値画像符号化の国際標準JBIG 180 |
| 8.5 線画像の符号化 181 |
| 参考文献 182 |
| 9章 マルチメディア情報符号化の国際標準MPEG 183 |
| 9.1 MPEGの概要 184 |
| 9.2 動画像符号化特有の技術 184 |
| 9.2.1 動画像の構成 184 |
| 9.2.2 MPEGの基本技術 185 |
| （1）動き補償予測符号化 185 |
| （2）ピクチャ構成 188 |
| （3）MPEG符号器の基本構成 188 |
| 9.3 MPEG－1 189 |
| 9.3.1 入力画像形式 189 |
| 9.3.2 動き補償予測符号化方式 191 |
| （1）動き予測の範囲 191 |
| （2）動きベクトルの符号化 191 |
| （3）動き補償の課題 192 |
| 9.3.3 DCT 192 |
| （1）DCTの単位 192 |
| （2）IフレームDC係数の量子化 193 |
| （3）その他の係数の量子化 193 |
| （4）DCTミスマッチ 193 |
| 9.3.4 DCT係数の符号化 194 |
| （1）IフレームDC係数の符号化 194 |
| （2）DC係数以外の係数の符号化 195 |
| 9.3.5 MPEG情報の伝送 196 |
| （1）一定速度伝送 196 |
| （2）可変速度伝送 197 |
| （3）統計多重 197 |
| （4）MPEG over IP 198 |
| 9.4 MPEG－2 198 |
| 9.4.1 MPEG－2の要求機能 198 |
| 9.4.2 入力画像形式 198 |
| 9.4.3 動き補償予測符号化方式 199 |
| （1）フレーム構造に対するフレーム予測 199 |
| （2）フィールド構造に対するフィールド予測 200 |
| （3）フレーム構造に対するフィールド予測 200 |
| 9.4.4 DCT 201 |
| 9.4.5 DCT係数の符号化 202 |
| 9.4.6 スケーラビリテイ 202 |
| 9.4.7.MPEG信号のデータ構造 203 |
| 9.5 MPEG－4 203 |
| 9.5.1 MPEG－4の概要 203 |
| 9.5.2 MPEG－4のアプリケーション 205 |
| 9.5.3 システム要件 205 |
| 9.5.4 機能と構造 206 |
| （1）メディアオブジェクトの定義 206 |
| （2）メディアオブジェクトの合成 206 |
| 9.5.5 MPEG－4システム 207 |
| 9.5.6 MPEG－4のビジュアル符号化 208 |
| （1）用意されているビジュアルオブジェクト符号化 208 |
| （2）アニメーションの符号化 208 |
| （3）誤り耐性 212 |
| 9.6 含後の動画像符号化 213 |
| 参考文献 214 |
| 10章 コンピュータグラフィックス技術 |
| 10.1 コンピュータグラフィックスとマルチメディア 216 |
| 10.2 画像モデルの作成 217 |
| 10.2.1 曲線の発生 217 |
| 10.2.2 ソリッドモデル 217 |
| （1）ソリッドモデルの編集 217 |
| （2）ソリッドモデルの表現 218 |
| 10.2.3 表面モデル 218 |
| 10.2.4 ワイヤーフレームモデル 219 |
| 10.3 画像の編集 220 |
| 10.3.1 幾何学的変換 220 |
| 10.3.2 透視変換 221 |
| 10.4 画像の表示 222 |
| 10.4.1 陰線・陰面消去 222 |
| （1）Zバッファ法 222 |
| （2）スキャンライン法 222 |
| 10.4.2 陰影処理 223 |
| （1）陰影モデル 223 |
| （2）スムーズシェーディング 224 |
| （3）影の付与 224 |
| 10.4.3 レイトレーシング 225 |
| 10.5 テクスチャマッピング 225 |
| 10.6 コンピュータグラフィックスの動向 227 |
| 参考文献 228 |
| 11章 画像情報の認識 229 |
| 11.1 画像認識の概要 230 |
| 11.1.1 前処理 230 |
| 11.1.2 特徴抽出 221 |
| （1）2値化 231 |
| （2）エッジ抽出 232 |
| （3）細線化 232 |
| （4）領域分割 233 |
| 11.2 統計的パターン認識 233 |
| 11.3 構造的パターン認識 235 |
| 11.3.1 トリーによる識別 235 |
| 11.3.2 文法解析による識別 235 |
| 11.3.3 ネットワーク構造を利用した識別 236 |
| 11.4 不変量によるマッチング 237 |
| 11.5 文字認識の例 239 |
| 11.5.1 文字入力制限 239 |
| 11.5.2 輪郭構造解析による文字認識 240 |
| 11.5.3 線構造による文字認識 240 |
| 11.5.4 背景構造解析による文字認識 241 |
| 参考文献 242 |
| 12章 画像情報の検索技術と伝送技術 243 |
| 12.1 画像情報の検索システム 244 |
| 12.1.1 画像データベースと検索 244 |
| 12.1.2 点画像データベースと検索 245 |
| （1）点画像情報の特徴 245 |
| （2）ブロック法 245 |
| （3）k－d木 246 |
| 12.1.3 静止画像データベースと検索 248 |
| （1）静止画像情報の検索とデータ構造 248 |
| （2）静止画像の内容検索 249 |
| （3）色ヒストグラムによる検索 250 |
| （4）テクスチャによる検索 251 |
| （5）形状による検索 252 |
| （6）静止画像検索の具体例 253 |
| 12.1.4 動画像データベースと検索 255 |
| （1）動画像の特徴とデータ構造 255 |
| （2）動画像の検索 255 |
| 12.1.5 画像検索とMPEG－7 257 |
| 12.2 マルチメディア期258 |
| 12.2.1 メディア同期の概要 258 |
| 12.2.2 メディアオブジェクト単位の同期 250 |
| 12.2.3 ネットワーク内におけるストリームメディア同期 262 |
| 12.2.1 ビットストリーム・スケーリング 264 |
| 12.2.5 ストリームメディア同期システム例 265 |
| （1）システム構成 265 |
| （2）符号化タイプの変更によるスケーリング 267 |
| （3）符号化タイプ変更の優先度 267 |
| （4）スケーリングアルゴリズム 268 |
| 参考文献 269 |
| ■ 英字略語一覧 270 |
| ■ 重要基礎用語 273 |
| ■ 索引 280 |
| エピローグ 287 |
図書
