Beeldverwerking
Hoofdcomponentenanalyse
Wanneer men de aarde bekijkt vanuit de hoogte, kan men vaststellen dat het kleurengamma van de natuurlijke landschappen verassend weinig gevarieerd is, en dat er weinig felle kleuren zijn. Vanuit de ruimte zien de gematigde continentale gebieden er groen uit, en de uitgestrekte woestijnen zijn overwegend grijs, beige en bruin.
Dit verklaart waarom histogrammen van digitale beelden van de aardoppervlakte nauwelijks contrast vertonen, en dat de spectrale componenten niet onafhankelijk variëren.
Als men de rode en groene component van een digitaal beeld weergeeft in een histogram met 2 dimensies (scatterogram), merkt men meteen op dat de teledetectiebeelden (onderaan) slechts een beperkt aantal kleuren bevatten vergeleken met een sterk gekleurd beeld.
Het scatterogram van het teledetectiebeeld (alle spectrale vectoren zijn langs de diagonaal gegroepeerd) wijst op een sterke correlatie tussen de kanalen: wanneer een pixel een hoge roodwaarde heeft, is er veel kans dat deze ook een hoge groenwaarde vertoont. Dat betekent ook dat de verschillende spectrale componenten niet veel informatie toevoegen aan het beeld, dat bijna geïnterpreteerd zou kunnen worden als een zwart-wit beeld.
Het doel van de analyse in hoofdcomponenten is gegevens zodanig te herschikken dat ze niet meer gecorreleerd zijn (dat ze onafhankelijk worden van elkaar). Een interessante bijzonderheid van deze transformatie is, dat als deze toegepast wordt op gegevens met verschillende spectrale banden, bijna alle informatie in de twee of drie eerste componenten geconcentreerd wordt, terwijl de andere componenten dan meestal slechts ruis bevatten. Als men alleen de meest beduidende componenten voor de analyse behoudt, kan men het volume aan te verwerken gegevens aanzienlijk verminderen.
De interpretatie van het beeld wordt ingewikkelder, maar in vele gevallen is deze techniek zeer doeltreffend.
