中等分辨率遥感影像是目前遥感应用中使用最为广泛的且成本相对低廉的数据源，但在地球与环境科学应用时常常存在混合像元问题。利用计算机图像处理技术进行像元分解是解决这一问题的主要途径。
中科院广州地球化学研究所博士生李慧及导师王云鹏研究员新近提出一种支持向量机(Support Vector Machines, SVMs)与两两配对(Pairwise coupling, PWC)结合的方法，应用于分解中等分辨率遥感影像的混合像元。SVMs最初主要是应用于遥感图像分类，本研究将支持向量机进行扩展，使其输出值转化为两两配对的后验概率，得到地物的组分信息。实验中以相对高分辨率SPOT分类图作为实际组分进行验证，将本文方法应用于Landsat ETM+数据的像元分解，并将分解结果与全约束最小二乘法(fully constrained least squares method, FCLS)、分解非线性支持向量机(unmixing nonlinear SVM, u_NLSVM)方法进行比较。结果表明：SVM与PWC结合进行混合像元分解具有更高的分解精度，分解效果可更好地满足地学与环境科学的需要。
该成果近期发表在遥感领域的著名杂志IEEE Transactions on Geoscience and Remote Sensing上。在该期卷首发表的主编展望认为，该文提出了一种新的NASA中分辨率图像像元分解方法。
