Kort introduktion till principalkomponenttransformation och kanonisk diskriminantanalys av multispektrala data

Denna rapport ger en översikt över två algoritmer för multispektral dataanalys: principalkomponent-transformen (PC-transform) och den kanoniska diskriminantanalysen (KD-analys). Algoritmerna används flitigt inom multispektral och hyperspektral fjärranalys för klassificering och identifiering av olika objekt, oftast olika typer av grödor, vegetationer och mineraler. Båda algoritmerna tar fram en uppsättning egenvektorer eller filterfunktioner som inkluderar de delar av den spektrala karaktäristiken som behövs för optimal klassificering men exkluderar redundanta data. Medan PC-transformen behandlar de olika spektralklasserna globalt utan hänsyn till enskilda spektralklassers karaktäristik, maximerar KD-analysen kvoten mellan variansen mellan klasser och variansen inom klasser, vilket optimerar klasseparationen.