当具有不同波谱属性的物质出现在同一个像素内时，就会出现混合像元。混合像元不完全属于某一种地物，为了能让分类更加精确，同时使遥感定量化更加深入，需要将混合像元分解成一种地物占像元的百分含量（丰度），即混合像元分解，也叫亚像元分解。混合像元分解是遥感技术向定量化深入发展的重要技术。
地球自然表面几乎不是由均一物质所组成的。当具有不同波谱属性的物质出现在同一个像素内时，就会出现波谱混合现象，既混合像元（Mixed Pixel）。Singer和McCord（1979）发现如果混合像元的尺度很大（宏观），那么混合像元将存在线性关系。对于微观的混合，混合像元通常表现为非线性关系（Nash and Conel，1974；Singer，1981）。
从理论上讲，混合像元的形成主要有以下原因：
1)单一成分物质的光谱、几何结构、及在像元中的分布；
2)大气传输过程中的混合效应；
3)传感器本身的混合效应；
其中：2)和3)为非线性效应，2)可以通过大气校正进行修正；3)可以通过仪器的校准、定标加以部分克服；1)部分是线性效应，也是本文讨论的内容。
混合像元分解技术假设：在一个给定的地理场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和这个像元面积比例（丰度）的函数。这个函数就是混合像元分解模型。
近年来，研究人员提出了许多有效的分解模型，主要有：线性混合光谱模型、模糊监督分类模型、神经网络模型等。其中比较常用的是线性模型，即线性混合光谱模型。
线性模型假设在不同物质间不存在相互作用，位于同一像元区域的波谱是纯净物质波谱的线性组合，是根据它们的组成比例进行加权，获取线性组合的组成比例就是混合像元分解。
在影像已经完成预处理的前提下（如几何校正、大气校正、去噪等），混合像元分解的一般的过程：首先获取端元波谱（从图像上、波谱库中或者其他来源），然后选择一种分解模型在每个像素中获取每个端元波谱的相对丰度图，最后从丰度图上提取不同组成比例的像元。
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100qq2s.html
