小惑星探査において、小惑星探査機がサンプルを回収のために小惑星にタッチダウンしなければならないが、その際に小惑星の形状情報が必要となる。形状情報を取得する方法としては搭載のレーザーセンサによって取得する方法があるが、画像からも取得可能である。画像から形状を復元する際に画像上の特徴点の対応付けを行うが、既存の特徴量であるSIFTなどは人間が判断のしにくい特徴点も多く検出してしまう。小惑星探査は高い精度が要求される場面もあるため人間の手による修正が必要になったとき、分かりにくい特徴点だと作業が困難になってしまう。そこで本研究では学習ベースの手法として主成分分析を用いることで小惑星に適した特徴を検出する手法を提案する。
主成分分析(Principal Component Analysis)とは多変量解析の1つで、多数のデータからそのデータにおける特性を要約し簡潔に表現する方法である。例えば、データとして説明変数$x_1,x_2,...,x_p$があったとき、これを$a_1x_1+a_2x_2+,...+a_px_p$と表現したとする。このように複数の変数の1次式として表現したものを主成分という。主成分は複数存在し、データの特性を一番表現するものを第1主成分とし、第2主成分、第3主成分といったように続いていく。こういったデータの特性を表す主成分を用いることで小惑星画像における特徴的な部分の抽出が可能であると考えられる。