遥感图像是地物电磁波谱特征的实时记录，遥感图像数据具有 以下一些特征：(1)多源性：获取的遥感图像数据具有多传感器、多平台的信息特征；(2)空间宏观性：遥感图像覆盖范围大、视野广，具有一定的概括性；(3)时间周期性：遥感图像数据具有多时相特点；(4)多光谱特性：光谱分辨率的提高是遥感发展以来的重要趋势，高光谱遥感已开始问世；(5)多空间分辨率特性：目前，遥感探测器的分辨率 由公里级、百米级发展到米级、分米级，一个多空间尺度的海量遥感数据已经形成；(6)海量数据：多波段、多分辨率的特性使得所获得的遥感数据往往是海量的其在分析处理过程中存在以下困难：(1)以目前的数据处理和分析能力远无法满足实用要求，海量数据不仅难以有效提取在串行处理速度也较慢；(2)由于光谱分辨率的提高波段的增多，各波段间的相关性往往很强，则数据的冗余现象更加明显，从而处理时的精度和可靠性往往会受到一定的影响；(3)由于遥感图像处理过程的非线性，使用线性方法进行逼近会带来许多麻烦。神经网络方法具有传统数值计算方法所没有的一些优点 ，其最大的优点在于其极强的非线性映射能力。它具有下列优势：(1)计算过程大量并行、高度分布这使其能高速处理大量数据和求解非常复杂的问题；(2)具有自学习、自适应和自组织能力，它能利用已知类别遥感图像样本集的先验知识，自动提取识别规则；(3)能实现各种非线性映射和求解各种十分复杂和高度非线性的分类和模式识别问题。

1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。

1957年，计算机专家Frank Rosenblatt开始从事感知器的研究，它是一种多层的神经网络。后续他将此制成硬件，通常被认为是最早的神经网络模型。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。当时世界上许多实验室仿效制作感知机，分别应用于文字识别、声音识别、声纳信号识别以及学习记忆问题的研究。

2010年以来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。人工神经网络的研究发展很快，已有产品进入市场

2. 研究的基本内容与方案

（1）研究的基本内容

①对遥感图像进行预处理，使其包含的地理信息可读性更强。

②研究人工神经网络算法。

③基于人工神经网络进行遥感图像的分类。

（2）研究目标

①建立人工神经网络模型。