طبقه‌بندی پیکسلهای مخلوط یکی از مشکلات مهم در تجزیه و تحلیل اطلاعات سنجش از دور است، که بدلیل کوچکتر بودن ابعاد پیکسلهای خالص از دقت مکانی سنجنده‌ها با توجه به محدودیتهای فن‌آوری یا هزینه‌ها ایجاد می‌شود. الگوریتمهای مختلفی برای تفکیک پیکسلهای خالص در یک پیکسل مخلوط با معیارحداکثر صحت پیشنهاد شده است. در این بررسیها مسائل زیرپیکسلها در تصاویر بدو دسته تقسیم شده است: 1) تعیین درصد کلاس های خالص تشکیل‌دهنده یک پیکسل 2) تعیین محل آنها. در این مقاله پس از بررسی الگوریتمهای متداول در این زمینه و مشکلات پیشرو، الگوریتم جدیدی برای افزایش دقت مکانی تصاویرپیشنهاد خواهد شد، که سعی در برطرف کردن نقاط ضعف الگوریتمهای موجود دارد. در این الگوریتم یک جدول جستجوی مناسب با ادغام پیکسلهای اطلاعات ورودی ایجاد می‌شود. با تعریف یک معیار مناسب برای شباهت پیکسلها، برای هر پیکسل ورودی یک پیکسل مشابه در جدول جستجو پیدا می‌کنیم و نشان خواهیم داد این پیکسلهای مشابه از ساختار زیرپیکسلی یکسانی تشکیل شده‌اند. در این جستجو، از اطلاعات دامنه پیکسلها برای محاسبه نسبت زیرپیکسلها و از اطلاعات بافت پیکسلهای مجاور برای مکانیابی زیرپیکسلهای درون یک پیکسل مخلوط استفاده می‌شود. در انتها الگوریتم پیشنهادی بر روی داده‌های واقعی جهت افزایش دقت مکانی و طبقه‌بندی اطلاعات پیاده‌سازی شده و نتایج با طبقه‌بندی سخت مقایسه و ارائه شده است. نتایج شبیه‌سازیها حداقل 15% بهبود ضرایب طبقه‌بندی در بازسازی پیکسلهای مخلوط نسبت به طبقه‌بندی سخت را نشان می‌دهند.
