遥感数据的信息提取一直被认为是遥感技术中一项需要不断提升和进步的核心基础工作,对于地物信息的提取最关键的步骤则是遥感影像分类。随着科学技术的迅速发展,高分辨率影像在很多领域被广泛使用,但是中尺度影像富含更丰富的地物信息,并且中尺度影像多为开源数据,使用更频繁且涉及面广泛,在实际应用中能满足大多数信息提取的要求,因此对中尺度遥感影像的需求不能完全被高分辨率遥感影像所替代。中尺度遥感影像在分类时选择不同的分类方法有不同的分类结果,在分类方法的选择应用时是中尺度遥感影像分类的关键。本文选择监督分类中的BP神经网络作为中尺度遥感影像分类的原始方法,对其进行合理有效的改进提高遥感影像的分类精度。反向传播算法(BP)是训练多层前馈人工神经网络(FFANNS)众所周知的一种方法,BP算法应用于遥感影像分类是被得到广大认可的,但在长期的使用中显露出了一些缺点。由于BP神经网络核心采用的是梯度法,计算过程中无法避免收敛速度慢,易于收敛到局部最小值的问题,因此,BP神经网络的有效应用受到限制。通过替代BP算法中原始的梯度法,可以避免局部最小值的问题,本文利用蝙蝠算法对BP神经网络进行改进,替换原始BP神经网络中权阈值算法部分,解决网络对初始权阈值敏感的问题,在此基础上发现蝙蝠算法存在着早熟收敛和对高维问题求解不精的问题,再次针对性的使用自适应步长优化蝙蝠算法,协同更新蝙蝠个体的位置,并在群体迭代时加入高斯扰动,完成以上优化工作后使用Dixon-price函数检验改进算法的优化能力。本文根据地貌和土地覆被类型在全国甄选了三个不同的地区作为实验区,分别是位于西部高山地貌的康定市、南部丘陵地貌的广州市、东部平原地貌的蚌埠市,三个实验区的土地覆被存在差异,作为蝙蝠算法对于BP神经网络算法的优化效果具有极好的检验价值。分别使用原始的BP神经网络、蝙蝠算法改进后的BP神经网络(BABP模型)以及优化后的蝙蝠算法改进BP神经网络(SBABP模型)三种算法,逐一对康定市、广州市、蚌埠市辖区的LANDSAT 8遥感影像进行分类实验,并对三个实验区各自的三组分类结果进行分析,在此基础上综合分析三个实验区的分类结果并作对比研究。发现三个实验区使用SBABP算法在遥感影像分类效果中表现最佳,三个实验区蚌埠市、广州市、康定市分类的总体分类精度分别是93.89%、88.56%、84.2%,Kappa系数分别是0.9183、0.857、0.8153,与原始BP神经网络相比,总体分类精度分别提高了3.54%、3.28%、4.23%;SBABP模型在单个土地类型中分类精度提升效果表现最突出的是裸地,相较于原始BP神经网络基础上提升了26.2%,其次是建设用地提升了12.8%。