遥感影像分类是森林资源调查和监测不可缺少的内容，分类的精度直接影响遥感数据的应用水平和实用价值。随着遥感技术的发展，卫星上搭载的传感器已能获得高分辨率的数字影像。在高分辨率卫星影像中，目标地物的细节比TM和MSS影像更为清晰，呈现出大量的纹理与结构信息。如何解决多类别图像识别并满足一定的精度，是高分辨率遥感图像研究中的一个关键问题，具有十分重要的意义。本文在国内外森林植被遥感分类研究的基础上，应用快鸟影像，用径向基神经网络和BP神经网络方法对广西地区选取的样地进行地类分析研究，提取研究区域的林地像元，并与传统的模式识别方法(最小距离法)的提取结果进行精度比较。主要研究工作和成果如下： (1) 本文以快鸟图像作为主要数据源，将径向基神经网络和BP神经网络用于森林植被像元的提取，提取精度分别达到了95.13％和96.26％，表明对林地像元的分类质量很好。 (2) 本文针对水田、农田等对林地像元提取影响较大的样地类型进行了研究，通过分析水田和农田样地像元灰度值的分布特征，找出其与林地像元灰度值分布的差别之处。研究发现，以相邻三个像元灰度值相同作为水田和农田样地像元的判别标准，可以很好的将其与林地像元区别开。通过对水田样地的验证，这种方法完全可行。 (3) 应用设计函数newrbe()设计RBF神经网络，对12个林地样地进行网络训练，确定径向基神经网络散布常数的最佳值为0.5。设计径向基神经网络，对分类样地进行林地像元提取，提取精度达到了95.13％，表明分类质量很好。 (4) 应用不同的训练函数对BP网络进行训练，比较训练误差和时间，最终选取训练函数(trainrp)为BP网络的训练函数；对12个林地样地进行网络训练，确定BP网络的神经元数为25；设计BP神经网络对分类样地进行林地像元提取，提取精度达到了96.26％。