小惑星画像からの形状復元手法に適した特徴点検出手法 の履歴(No.4)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 小惑星画像からの形状復元手法に適した特徴点検出手法 へ行く。
  • 1 (2019-02-19 (火) 23:25:19)
  • 2 (2019-02-19 (火) 23:39:46)
  • 3 (2019-02-20 (水) 03:10:38)
  • 4 (2019-02-22 (金) 02:23:43)
  • 5 (2019-02-22 (金) 21:40:44)
  • 6 (2019-02-23 (土) 02:08:22)

---

太田研 公開用Wiki

小惑星画像からの形状復元手法に適した特徴点検出手法†

はじめに†

　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。

主成分分析を用いた特徴検出手法†

主成分分析†

　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。

提案手法†

　主成分分析を用いることによってクレーター画像の特性を求め、それを利用することで適切な特徴を検出することができると考えられる、本節では主成分分析を用いた特徴検出手法の詳細を述べる。

主成分分析に用いるデータセット†

　ここでは主成分分析を行うデータセットについて述べる。

　まず今回の実験では、JAXAからいただいた小惑星模型の画像群を使用する。これは小惑星模型を周囲から5°区切りで撮影した合計72枚の画像である。

主成分分析を行いたいデータというのは、その特性を抽出したいデータ、つまり小惑星画像において人間が特徴的だと判断できる部分を集めたものでなければならない。本研究では以下に示すような小惑星画像内のクレーターや岩、その他凹凸を特徴的な部分としている。

主成分分析を用いた特徴検出方法†

評価実験†

評価方法†

実験に使用する画像†

正解データの作成†

正解データを用いた評価†

主成分分析を用いた特徴検出結果†

主成分数と固有値による重みづけ†

特徴検出の正解率の結果†

SIFTを用いたキーポイント検出結果との比較†

SIFTのパラメータ†

SIFTキーポイントの評価方法†

提案手法とSIFTを用いたキーポイント検出の結果†

考察†

提案手法による実験の結果について†

SIFTとの比較結果について†

まとめ†

参考文献†