Hauptkomponentenanalyse

Engl.: Principal Components Analysis, PCA, auch Hauptkomponententransformation; Verfahren der Bildverbesserung, vorrangig zur Datenreduktion ohne entscheidenden Informationsverlust. Mit der Hauptkomponententransformation wird die Abhängigkeit von Spektralbändern untereinander untersucht.

Die Bilddaten einer multispektralen Szene zeigen oft große Ähnlichkeit zwischen den Kanälen. Vor allem in benachbarten Spektralbereichen ist die Korrelation oft hoch. Das bedeutet, dass überschüssige, redundante Information in einer Szene vorhanden ist. Bei manchen Verarbeitungen ist es daher nützlich, die wesentlichen Informationen zu konzentrieren, damit die Spektralunterschiede zu verstärken und die Interpretierbarkeit zu verbessern.

Es wird davon ausgegangen, dass die Menge der Hauptinformationen eines Datensatzes von wenigen, aber dafür aussagekräftigeren Dimensionen, bzw. Variablen beschrieben werden kann. Der Rest der Daten wird dabei als Rauschen interpretiert.

Die PCA ermöglicht zum einen das Detektieren von wichtigen und dominanten Kanälen, auch Bänder genannt, in einem hyper- oder multispektralen Bild. Diese dominanten Kanäle tragen einen Großteil der gesamten Informationen einer Aufnahme in sich. Zum anderen dient die PCA der Datenreduzierung, was besonders bei hyperspektralen Bildern von großer Wichtigkeit ist. Im Umkehrschluss zur Auswahl der dominantesten Bänder werden die unwichtigsten Bänder eliminiert. Die Datenmenge reduziert sich erheblich, was sich besonders bei der weiteren Verarbeitung der Aufnahmen bemerkbar macht.