为提高合成孔径雷达(Synthetic Aperture Radar,SAR)图像时间序列建筑区域提取的准确率和稳定性,该文结合时间序列图像的特点,提出了一种基于多层神经网络的建筑提取方法。该方法使用单幅SAR图像进行样本的粗略标记,并从经过直方图规定化处理后的时间序列图像中获得大量样本。通过单幅SAR图像生成的少量样本确定网络的深度,并从时间序列生成的样本中筛选出具有更高质量的样本作为最终模型的训练样本。利用数量大且质量高的训练样本学习得到模型参数。使用包含38幅25 m分辨率ENVISAT ASAR图像的数据集进行两组对比实验,实验结果中该文方法的最低准确率和最低Kappa系数分别90.2%和0.725,均高于其它3种传统方法,算法的稳定性以及准确率都有显著提高。此外,该方法还具有人工操作少、推广性强、训练高效等优点。