استخراج عناصر موجود در یک صحنه یکی از مهمترین چالشهای پیش رو در زمینه پردازش تصاویر ابرطیفی ست. در این پایان نامه الگوریتم جدیدی، به نام الگوریتم دورانی کاهش بعد دهنده (RDR)، یا به طور خلاصه الگوریتم دورانی کاهشی برای این هدف معرفی شده است. RDR جز الگوریتمهای هندسی و مبتنی بر هندسه تحدب بوده و از این حقیقت که پیکسلهای خالص رئوس یک Simplex را تشکیل میدهند و نیز بردارهای حاوی مولفههای آکسترمم در راستای هر یک از محورهای مختصات قطعا یک راس از Simplex خواهند بود استفاده میکند. این الگوریتم برای یافتن رئوس این مخروط محدب ابتدا کل تصویر را جابجا میکند، به طوریکه یکی از رئوس در مبدا مختصات واقع شود. جهت یافتن دیگر رئوس به طور تکراری برداری که مولفه اول آن دارای مقدار قدرمطلق ماکزیمم در کل مجموعه است را پیدا کرده و آن را به عنوان یکی از رئوس ثبت مینماید. سپس کل تصویر را نسبت به مبدا دوران داده، به طوریکه بردار مذکور، با حفظ اندازه، بر روی محور اول مختصات واقع شود. در این حالت با تصویری مواجه هستیم که در راستای محور اول راس یافته نشده دیگری ندارد و بنابراین میتوانیم کل تصویر را بر روی زیر فضای عمود بر محور اول مختصات تصویر کنیم.
از آنجا که در [1] الگوریتم VCA با الگوریتمهای PPI و N-Finder به طور کامل مورد مقایسه قرار گرفته است، لذا در این مقاله پس از معرفی و به منظور ارزیابی عملکرد الگوریتم دورانی کاهشی، از مقایسه پاسخ آن با الگوریتم VCA به تنهایی بهره بردهایم. با آزمایشها و مقایسههای انجام گرفته از نظر دقت دو الگوریتم عملکرد تقریبا مشابهی داشته اما از نظر زمان اجرا الگوریتم دورانی کاهشی بهبود نسبی نشان میدهد