该论文主要研究利用模糊神经网络算子对遥感图像进行分类.作为模糊逻辑与神经网络的结合,模糊神经网络综合了它们各自的优点.近几年来,它在各个领域获得了迅速的发展,在遥感图像分类方面也得到了应用.该文首先介绍了遥感图像的基本特征以及几种对遥感图像进行分类的传统方法.在阐述模糊逻辑和BP神经网络基本原理的基础上,分别利用模糊逻辑和神经网络的模型对遥感图像进行了分类.该文重点是利用模糊逻辑与神经网络的结合Max-min模糊神经网络算子构造模糊神经网络对图像进行了分类.这其中涉及了Max-min模糊神经网络算子的构成、模糊函数偏微分的推导、△-规则用于模糊神经网络及其结构参数对代价函数收敛趋向的影响.并在网络分类阶段提出相对最大值算法提高了分类精度.考虑到遥感图像在摄制、传输以及处理的过程中可能会受到各种噪声的污染.该文还利用子波变换对于混有高斯噪声的图像进行了去噪处理,并获得了较好的效果.通过对实验结果的分析可以得出结论:模糊神经网络的分类精度比模糊逻辑与神经网络都高,相对最大值的提出也提高了分类精度.