遥感图像地物分类与变化检测一直是目前遥感领域的研究热点。当下随着神经网络理论的发展,神经网络算法在城市遥感图像处理领域应用广泛。本课题是以“海绵城市”构建为应用背景的遥感图像处理技术研究,以陕西省汉中市为研究区域,利用遥感处理软件ENVI为平台,通过机器学习的分类算法进行系统地分类提取与检测评价,相比较传统的地面调查能够快速、准确、精细地获得城市“海绵体”以及绿地和城市湖泊结构和面积的变化。为了实现在遥感图像处理过程中准确地提取到有效地物信息,缩短分类用时。本文将经典卷积神经网络进行改进,在卷积神经网络中引入模糊聚类算子,通过基于图片模糊几何聚类算子的多属性决策方法得到较高的城市水体与绿地的分类结果,进而通过监督分类、边缘检测和样本分析等步骤检测提取遥感影像上的特定目标,再进行目标级的形状比较,获取变化检测结果。检测结果表明该方法能有效缩短检测用时,具有良好的抗噪性能。