Usunięcie zbędnych pasm lub redukcja wymiarów pasm widmowych jest najważniejszą wadą teledetekcji hiperspektralnej, gdy wykorzystywane są konwencjonalne techniki przetwarzania obrazu. Minimalny udział szumów (MNF) i analiza składowych niezależnych (ICA) należą do tej samej rodziny analizy składowych (PCA). Zarówno MNF, jak i ICA są dominującymi technikami redukcji wymiarów stosowanymi w hiperspektralnych zastosowaniach RS. Stwierdzono, że MNF jest bardzo skuteczny w redukcji hiperspektralnego pasma widmowego. Wymaga wcześniejszych ocen macierzy kowariancji sygnału i szumu oraz wymaga większych zasobów obliczeniowych niż PCA. Ma jednak przewagę nad PCA, ponieważ uwzględnia informacje o szumie w domenie przestrzennej. Z drugiej strony ICA jest kosztowna obliczeniowo, co ogranicza jej zastosowanie. W obecnym badaniu MNF został wykorzystany do redukcji wymiarowości zbioru danych ROSIS-3. Transformacja MNF została wykonana poprzez dwie kolejne transformacje PCA. Pierwszy PCA wykorzystuje komputery PC macierzy kowariancji szumu do dekorelacji i przeskalowania pikseli (zaszumionych) w obrazie. Wewnętrzna wymiarowość obrazu jest wybierana na podstawie końcowych wartości własnych i powiązanych obrazów uzyskanych przy użyciu komputerów PC. Wybierane są pasma o wyższych wartościach własnych, ponieważ obrazy o wartościach własnych bliższych 1 to głównie szum. Widmowy wymiar oryginalnego obrazu z 103 pasmami pozostaje tylko z 27 pasmami po procesie redukcji wymiarów.