本研究係應用監督性類神經網路(Supervised Neural Network)之理論,發展萃取(extract)衛星影像特徵值(feature)之程式介面,以進行遙測影像之分類。在運用之技術上,係將具有空間分布之影像資料,導入已發展成熟且適合樣本分類之倒傳遞網路(Back-Propagation Network)中,對影像樣本進行重複的訓練及學習,並由類神經網路提供之評估方法如網路收斂程度、誤差函數及總錯率等,來提昇影像分類之品質及精度。由於監督性類神經網路係透過非線性轉換函式來分析影像特徵,不僅可提高衛星影像分類之準確度(達89.46%),由分類的結果亦顯示,類神經網路更能有效地判釋糢糊地帶之影像,可彌補傳統之衛星影像分類方法之盲點。