摘要
遥感影像分类是遥感领域的核心问题之一，其在城市规划、环境监测、灾害评估等方面具有重要意义。
南京市作为长三角重要的中心城市，其快速发展对遥感影像分类提出了更高的要求。
传统遥感影像分类方法难以满足大数据量、高精度分类的需求。
近年来，深度学习技术的快速发展为遥感影像分类提供了新的思路和方法。
神经网络作为深度学习的代表性算法，具有强大的特征学习和非线性表达能力，在遥感影像分类中取得了显著成果。
本文综述了基于神经网络方法的遥感影像分类研究进展，首先介绍了遥感影像分类和神经网络的基本概念，然后从不同神经网络模型、特征提取方法、分类精度评价指标等方面进行归纳和分析，最后总结了该领域存在的问题和未来发展趋势。
关键词：遥感影像分类；神经网络；深度学习；南京市；文献综述
1.1遥感影像分类遥感影像分类是指根据遥感影像的光谱、纹理、形状等特征信息，将影像中的每个像素或区域划分为不同的地物类别，例如水体、植被、建筑物等。
它是从遥感影像中获取地物信息的重要手段，广泛应用于土地利用/覆盖变化监测、城市规划、环境监测、灾害评估等领域。
1.2神经网络神经网络是一种模拟人脑神经元结构和功能的计算模型，由大量的人工神经元相互连接组成。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
