如何准确、高效地进行遥感图像分类,一直是遥感领域的重要研究内容。近年来随着人工智能科技的发展,神经网络日渐成为一种有效的遥感图像分类处理方法。与传统的统计分类方法相比,神经网络具有学习能力和容错性以及无需就概率模型做出假定等特点,适用于空间模式识别的各种问题的处理。而卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点,其核心思想是将局部感受野、权值共享以及时间或空间亚采样这三种结构思想结合起来以获得某种程度的位移、尺度和形变不变性。本文整理和梳理了国内外人工神经网络和卷积神经网络的研究成果,在对人工神经网络特别是卷积神经网络理论进行较深入研究的基础上,以经典的卷积神经网络模型为分类器,初次进行了遥感图像分类试验。论文取得了如下成果:(1)建立了卷积神经网络的算法框架,并基于MATLAB程序设计语言进行了编程实现;(2)通过实验,验证了卷积神经网络在进行遥感图像分类的可行性,与现有的最大似然、支持向量机、BP神经网络等分类识别方法进行了比较,并分析了卷积神经网络模型的优缺点。研究结果表明:卷积神经网络在分类方面,较适用于形状明显的地物,如水体、建筑等,这种特点与卷积神经网络自身的位移不变性有关,也受限于本身的网络性质,相较于传统分类方法,其具有分类线条不够细腻,进而影响影像分类表达效果的缺点。