从网上找了几篇相关专业的论文看了一下，第一篇就是这个，下面主要从论文解决的问题，所提出的方法来简单介绍，可能会有理解不对的地方。
之前的亚像元定位方法是基于像元或者亚像元来做的，那本文的作者就提出了一种新的超分辨率制图方法——基于目标的
问题：主要解决的问题就是混合目标中亚像元地物类别确定
为什么会有混合目标?什么是混合目标？
所谓的混合目标就是对高光谱图进行图像分割，将具有相同特征的划分在一起，大概类似于我们的种子区域法，分割的时候难免就会遇到不同地物交界的地方，那这个时候我们就把具有多种地物存在的目标区域叫做混合目标。简单来说就是目标中含有若干不同地物类型。
两种类型的混合目标：1）混合像元；2）存在混合像元以及纯像元
解决方法：
1）使用反卷积技术根据不规则目标的类别比例来估计该目标下各亚像元尺度下的半变异函数
2）由半变异函数和目标内各地物类别的丰度（比例）使用Area-to -point 的克里格方法（使用这种方法是因为该方法可以很好地处理不规则的区域，我选择不同的图像分割算法的时候，对不同目标分割出来的结果可能就不一样，另外很有可能有很多稀奇古怪的区域）来预测目标内各亚像元的软类别值
3）在目标这一个scale上，建立一个线性优化的模型来确定每个目标内亚像元的最优类别标签。
这种方法存在一个问题：就是细节信息不够，特别是遇到大块地物的时候。
所以作者后面又在此基础上提出另外一种方法：Subpixel Land Cover Mapping Using Multiscale Spatial Dependence
在上述论文中，作者结合了三种尺度下的定位方法：基于像元+基于亚像元+基于目标 所以这篇论文叫做多尺度！基于像元+基于亚像元的这种方法不能够有效的保留结构特征，但是基于目标的可以；另外前者可以很好地保证定位细节这正是后者所缺乏的，所以两个结合，一个新方法又出来了！