D选项应为彼此不相关。B项：因为图像通常容量大，特征维度也大，采用PCA算法可以压缩图像数据集的特征空间，并极大程度第保留有效特征

正确答案是D: 主成分分析设法将原来变量重新组合成一组新的、彼此相关的的几个综合变量。

专业分析：

主成分分析（PCA, Principal Component Analysis）是一种常用的数据降维技术，它通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，这些新变量称为主成分。

A: 主成分分析是一种降维的方法。
这是正确的。主成分分析的主要目的是通过减少变量的数量来简化数据，同时尽量保持数据的主要信息。

B: 主成分分析是一种特征工程的方法。
这是正确的。特征工程是数据预处理的一部分，主成分分析通过生成新的特征（主成分）来表示原始数据的主要特征。

C: 是通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量。
这是正确的。主成分分析的核心步骤就是通过正交变换，将原始变量转换为一组线性不相关的主成分，从而消除多重共线性问题。

D: 主成分分析设法将原来变量重新组合成一组新的、彼此相关的的几个综合变量。
这是错误的。主成分分析的目标是将原来的变量重新组合成一组新的、彼此线性不相关的变量，即主成分。因此，D项的描述不符合主成分分析的原理。