混合像元普通存在于遥感图像之中，给遥感数据的解译带来了较大挑战。近些年发展起来的混合像元分解技术能估计混合像元内各类地物的混合比例，却不能估计各类地物的具体分布。亚像元定位(sub-pixel mapping, SPM)正是在此问题基础上发展起来的一种新型技术。SPM将原始混合像元分割成多个亚像元并估计各亚像元的地物类别，其本质上是一种更高空间分辨率下的硬分类技术。本文从现有的SPM算法中提出软硬属性转换亚像元定位(soft-then-hard SPM, STHSPM)的概念。STHSPM算法包括高空间分辨率下亚像元属于各类地物的软属性值(介于0到1之间)和硬属性值(0或者1)估计这两个部分。STHSPM能快速实现SPM，并为挖掘更多新的SPM算法提供了一种思路。

本文针对STHSPM算法展开了研究，主要工作如下：

(1) 提出了一种基于逐类分配(UOC)的快速硬属性值估计方法。在已获得亚像元属于各类软属性值的基础上，先确定各类的访问顺序。该顺序可根据比较各类的混合比例图的Moran指数确定：对应指数大的类别优先被访问。在某类别被访问时，属于该类的亚像元根据比较该类的软属性值所确定，属性值越大，属于该类可能性越大。相比现有硬属性值估计方法，UOC方法在不影响SPM精度的前提下，能明显提高计算效率。更进一步，在UOC基础上，提出了一种自适应的UOC(AUOC)方法。在AUOC中，各类的访问顺序不是根据全幅混合比例图确定，而是根据局部窗口下的Moran指数确定。AUOC能一定程度提高UOC精度，特别是针对放大比例较小的情况。

(2) 提出了利用辅助信息即多亚像元级偏移图像提高STHSPM算法精度。亚像元级偏移图像可通过同一卫星对同一场景重复访问获得。根据选定的STHSPM算法(如指示协同克里格或双二/三次插值)，先估计各幅偏移图像下各类的软属性值分布图。然后，针对每一类，融合所有偏移图像的软属性图。最后根据融合后的软属性图确定各亚像元硬属性值即类别。多偏移图像的使用能有效降低SPM过程固有的不确定性，提高分类精度。

(3) 提出了两种STHSPM算法：基于径向基(radial basis function, RBF)插值和实用指示协同克里格(naive indicator cokriging, NICK)的SPM。RBF为实现SPM提供了一种简单方便的选择，且相比现有STHSPM方法(包括双二/三次插值，空间引力模型和克里格插值)能获得更高的精度。NICK方法使用去卷积获得高空间分辨率下各类地物的半方差函数，将经典的指示协同克里格方法扩展到了无需先验空间信息的情况。

(4) 提出了利用STHSPM实现快速亚像元级变化检测。在已知某一时期高空间分辨率(如30m Landsat)地物分布的前提下，利用STHSPM从另一时期的低分辨率数据(如500m MODIS)中获得高空间分辨率地物分布。STHSPM在确定硬属性值时，参考已知的高空间分辨率地物分布，从而有效降低了SPM过程的不确定性。STHSPM过程无需迭代，能快速实现元级变化检测。