遥感图像分类是遥感研究领域的一个重要内容,怎样解决多类别图像的分类问题,并且满足一定的精度,是遥感应用研究中一个关键问题,具有十分重要的现实意义。近年来,随着人工神经网络理论的发展,神经网络技术日益成为遥感图像分类处理的一个重要手段。本文首先分析了国内外遥感图像分类研究的最新进展,特别是人工神经网络理论。在此基础上采用BP人工神经网络分类方法,利用SPOT遥感影像,对北京颐和园地区进行土地利用分类研究。在分类前,对遥感影像进行了反差扩展、主成份变换和图像融合的预处理工作,综合考查地物的光谱特征,在对植被和水体信息提取的基础上进行了训练区的高精度选取;并且依据研究目的和影像特征,准确设计BP网络结构和设置网络训练参数。最后,通过误差矩阵以及采样方法进行精度分析,我们发现采用BP神经网络分类法的总体分类精度是91.90%,与最大似然分类法比较,总体精度提高了7%,Kappa系数也从80.32%提高到了89.84%。以上研究数据说明:①BP神经网络分类法是一种有效的分类方法,能够提高分类精度。②与传统方法比较,BP神经网络分类法有更好的自学习和自适应能力,有利于多源数据的综合研究,达到提高分类精度的目的。