提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量; 根据图像的复杂度级别, 选择CNN对图像进行分类, 完成了遥感影像的场景分类。使用所提出的算法对NWPU-RESISC45公开数据集进行了实验验证, 取得了89.33%(第一类实验)和92.53%(第二类实验)的分类准确率, 平均运行时间为0.41 s。相比于精调训练的VGG-16模型, 所提算法的分类准确率分别提升了2.19%和2.17%, 预测速率提升了33%, 证明了其有效性和