由于传感器空间分辨率以及地物分布复杂性的影响,其所获取的遥感影像往往存在着大量的混合像元,混合像元问题极大地阻碍了遥感对地观测技术向定量化方向发展。混合像元分解技术通过建立光谱混合模型并求解,能够获得组成混合像元各端元组分的丰度,从而有效解决混合像元问题,但其无法准确获取地物端元在混合像元中的亚像元空间位置,势必造成遥感影像空间细节信息的丢失。因此,如何确定地物在亚像元中的空间分布情况,将遥感影像处理从像元级真正深入到亚像元级,已成为遥感领域的前沿科学问题。亚像元定位技术通过将混合像元切割成更小单元,并将具体地物类别相应的分配到这些较小像元中,可以获取地物的亚像元空间分布信息。然而,当前的亚像元定位方法大多基于单幅影像分解所获得的丰度影像,通过最大化空间相关性准则得到最终的亚像元定位结果,定位的模型和方法仍然存在以下问题及需解决：(1)未考虑地物亚像元级空间结构特征,如线性特征等,易造成定位结果中地物空间特性丢失；(2)单幅影像信息不足,缺乏亚像元级辅助空间信息,亚像元定位精度有限；(3)分解与定位过程独立,未同时考虑空间信息对分解和定位的影响,缺乏统一的求解模型。针对这些问题,本文开展顾及地物空间特性的遥感影像亚像元定位理论与方法研究,主要研究内容与创新之处包括：(1)系统地总结了当前亚像元定位技术的主要模型与方法。从亚像元定位技术的原理和意义等方面对其进行了系统的阐述,并对当前典型的亚像元定位算法和应用情况进行了详细的讨论和总结。(2)提出一种顾及地物线性空间特征的自适应多智能体亚像元定位方法。传统亚像元定位方法忽略了影像中存在着不同的结构特征,对整个影像区域通常采用相同的处理方式,其定位结果未顾及典型的地物空间特性,如线性特征。本文基于多智能体系统所具有的自主性等特点,构建多智能体四元组定位模型,设计特征探测、定位和决策智能体,在定位过程中利用特征探测智能体获取影像中存在的不同特征,然后使用定位智能体针对不同的地物特征进行重建,最后使用决策智能体对结果进行优化处理。实验表明基于多智能体系统的定位方法能够更好的重建混合像元中的线性特征,较之传统方法能够获得更高的精度。(3)融合多偏移影像的亚像元级辅助空间信息,提出时空吸引力亚像元定位的模型方法。传统的基于单幅影像的亚像元定位方法所利用的信息不足以获得准确的亚像元定位结果,而同一地区的不同遥感影像之间所存在的亚像元的位移能够提供辅助空间信息以提高亚像元定位的精度。本文将传统的空间吸引力模型扩展为融合空间辅助信息的时空吸引力模型方法,分别针对基准影像和辅助影像计算空间吸引力和时间吸引力,并将其以一定权重进行结合,然后使用类别决策策略获得最终的亚像元定位结果。实验结果表明时空吸引力模型能够有效融合多偏移影像的信息并尽可能的降低分解误差的影响,从而提高亚像元定位的精度。(4)提出一种基于最大后验估计模型(MAP)的多偏移影像亚像元定位方法,利用亚像元辅助空间信息降低分解误差的影响。该方法通过构建多偏移影像观测模型将所有低分辨率影像进行同等考虑,然后使用MAP方法构建观测模型对应的目标函数,通过估计高分辨率影像上的空间分布模式用于约束目标函数求解,最终将各地物高分辨率分布影像进行整合以得到最终的亚像元定位结果。实验表明基于MAP模型的多偏移影像定位方法能够得到更好的亚像元定位结果。(5)提出联合光谱分解的亚像元定位方法,建立光谱分解与亚像元定位统一求解模型,并加入空间约束,在亚像元定位中同时考虑光谱信息和空间信息。传统亚像元定位方法都是混合像元分解的丰度结果所进行,定位精度极其依赖混合像元分解的精度,实际求解时两个过程通常是独立进行的。然而,两者的结果实际上是相互关联的。本文将混合像元分解和亚像元定位纳入同一框架构建联合亚像元定位模型,使用拉格朗日乘子法将空间分布约束加入其中并利用梯度下降法对目标函数进行求解,以尽可能的降低混合像元分解误差的影响并提高亚像元定位结果的精度。通过与传统基于丰度影像的亚像元定位方法的比较证明联合混合像元分解的亚像元定位方法能够获得更好的亚像元定位结果。