Bei der PCA und der PLS geht leider sehr häufig die Anschaulichkeit für die Faktoren verloren. Vor allem wenn es sich um Spektren handelt, hat die Zerlegung in mathematisch orthogonale Faktoren große Nachteile, weil dann die Loading Plots nur schwer interpretierbar sind. Besser wäre eine Zerlegung in Basisspektren, die die Grundkomponenten der vorhandenen Mischungsspektren wiedergeben. Dies ermöglicht die Technik der so genannten Multivariate Curve Resolution (MCR), die grundsätzlich andere Information zeigt wie die Deconvolution.

Ausgehend von der orthogonalen Zerlegung der Daten D in die Scorematrix S und die Hauptkomponentenmatrix F wird eine Rotationsmatrix T gesucht. Als nicht erklärbaren Anteil wird die Matrix E (Error) übriggelassen. Damit man aber eindeutige Lösungen erhält, müssen bestimmte Nebenbedingungen eingehalten werden. Für Spektren werden in der Regel positive Absorptionswerte und positive Konzentrationswerte als Nebenbedingungen verlangt. Mit den rotierten Hauptkomponenten, die nun interpretierbare Spektren sind, werden die Scorewerte für jedes Objekt neu berechnet, wobei auch hier in der Regel die Nebenbedingung für positive Konzentrationen verlangt wird.

D = STT-1FT + E = CST + E
C = ST eindeutig lösbar
S = T-1FT unter bestimmten Nebenbedingungen

Das Resultat der Curve Resolution ist wie bei der PCA eine Zerlegung der Datenmatrix in eine Score- und eine Faktorenmatrix, wobei in der Faktorenmatrix nun aber reine Spektren stehen und die Scorewerte z. B. die Zu- oder Abnahme einer bestimmten Komponente aus der Datenmatrix D darstellen.

Mit Hilfe dieser Technik können Reaktionen verfolgt werden und die Änderung einzelner Komponenten über die Zeit wiedergegeben werden. Unter Umständen lassen sich nach geeigneter Vorverarbeitung so auch die wellenlängenabhängigen Streu- und Absorptionskoeffizienten separat bestimmen.

Auch beim spektralen Imaging kann man dieses so genannte „spektrale Unmixing“ auf die lokale Entfaltung der ortsaugelösten Spektren ausgedehnt werden. Durch diesen so genannten „super resolution postprocessing algorithm“ erhält man Verteilungsmuster der Reinkomponenten (aus den Reinspektren) mit einer Orts-Auflösung potenziell jenseits des Beugungslimits, ähnlich wie bei der spektralen Lokalisationsspektroskopie. Zudem sind die Algorithmen viel leichter anwendbar und die spektralen Ergebnisse werden auch noch vom Signalrauschen durch eine Hauptkomponentenanalyse bereinigt. Der Vorteil der Methodik liegt in ihrer universellen Anwendbarkeit in allen Spektralbereichen, ist weitestgehend dosislimitiert und es sind keine Marker notwendig, wie sie für die Lokalisationsspektroskopie notwendig ist.

Der große Vorteil der Methode liegt darin, dass a priori keine Information über die Spektren der reinen Komponenten vorliegen muss. Die Spektren der reinen Komponenten werden aus den Mischungen berechnet.