Субпиксельные объекты. Погрешности классификации

[bolotoved]

Суть проблемы такова: допустим, для простоты, что на поверхности земли у нас есть всего 2 класса объектов, причем контрастных (в реальности этому почти соответствуют, например, озера в зоне лишайниковых плоскобугристых болот). На снимке основная часть пикселов распадется также на 2 четко отграниченных класса, но по границам между объектами, принадлежащим к разным классам, всегда будут пограничные пиксели с некими средними спектральными характеристиками (в реальности это, например, пиксели, на площадь которых приходится участок берега и участок воды или пикселы, вцелом находящиеся на суше, но в пределах которых находитятся небольшие озерки по размеру сопоставимые с разрешением снимка -- "субпиксельные" объекты).
Понятно, что погрешность расчета площадей после классификации снимка на 2 тематических класса будет зависеть от количества промежуточных пикселей. А это количество, в свою очередь будет зависеть от:
-- размера объектов относительно разрешения снимка. В случае, когда объекты существенно крупнее разрешения снимка, погрешность меньше, и наоборот, чем ближе размер классифицируемых объектов приближается к размеру пикселя снимка, тем больше неопределенность к какому классу его относить.
-- формы объектов. Чем меньше будет граничных поверхностей, тем меньше промежуточных пикселей. Таким образом, округлые объекты будут давать меньшую погрешность, чем изрезанные или линейные.
Так вот, в случае, когда площади образуемые граничными пикселами несоизмеримо малы по сравнению с площадями однозначно идентифицируемых объектов, погрешностями, вероятно можно не заморачиваться. Хотя это не научно. А вот в случае, когда результаты исследования напрямую зависят от отнесения граничных пикселей к тому или иному классу (т.е. площади образуемые граничными пикселами существенны) необходимо как-то расчитывать погрешность.

Есть ли тут какие-нибудь теоретические наработки? Думаю, проблема-то древняя, не хочется изобретать велосипед. В частности эту проблему можно перефразировать иначе:
можно ли, зная размер пикселя снимка, расчитать площади минимальных объектов для дешифрирования?

Мне пока видится 3 пути решения.
1) отсев всех граничных пикселей в отдельный класс (или несколько классов) и отбраковка -- не учитывать их вообще в площадных расчетах.
2) проверка погрешности отнесения пикселя к тому или иному классу по снимку более высокого разрешения.
3) разработка теории погрешностей (ну или использование уже существующей). Т.е. у нас есть некие формулы, связывающие форму объекта, его площадь, разрешение снимка и погрешность. Нам остается только подставить в формулу свои параметры и погрешность посчитана.