缨帽变换旋转光谱的坐标空间，旋转后的坐标轴等同于K-L第一主成分的方向。

什么是多光谱空间？什么是主成分变换？主成分变换的应用意义是什么？

A. 主组分分析是在统计特征基础上的多维正交线性变换。多波段图像经过这种变换后产生出一组新的组分图像，组分图像的数目只能等于原来的波段数，但组分图像之间消除了相关性。（组分图像的数目可以等于或少于原来的波段数。）

B. 主组分分析的目的是将原来各波段图像中的有用信息集中到数目尽可能少的新的组分图像中，并使各组分图像互不相关，即各自包含不同的地物信息，大大减少总的数据量，便

C. 于遥感信息的提取。

D. 从几何意义上，相当于空间坐标的旋转。主组分变换，相当于把原来的数据变换到一个新的坐标系统。

E. 主组分变换多用于多变量数据压缩，即把原来的多变量数据在信息损失最小的前提下，变换为尽可能少的新的变量，以减少数据的维数。

A、主成分变换

B、缨帽变换

C、哈达马变换

D、比值变换

A、高于

B、低于

C、等同于

D、类似于

A、主成分变换

B、空间滤波

C、缨帽变换

D、哈德玛变换

A、平移

B、旋转

C、线性

D、非线性