数字图像处理是一门多学科综合的学科，它被广泛应用在天文学、超声成像、遥感、医学、空间探测、监视、工业自动化等诸多领域。不同类型的图像可以使用一些图像分类算法、光谱特征以及在图像中每个像素所包含的亮度和颜色信息来进行辨别。而分类过程包括监督和非监督两种，非监督分类方法是指事先对分类过程不施加任何的先验知识，而仅凭数据，即自然聚类的特性，进行“盲目”的分类。　　 监督分类需要对已知图像表面特征进行人工识别，然后使用统计软件包来确定已知的光谱特征。根据已知光谱特征的光谱指纹接着用来做余下图像的分类。它要求对要进行分类的图像区域有先验的解译知识。因此，有必要了解该区域内的目标光谱特征以便能够获取每个类别的标准样本。有了监督分类，我们就可以辨别感兴趣图像中信息类的样本。它们被称为训练样本集。然后就用图像处理软件系统来形成对每个信息类反射率的统计特性。遗传算法具有多种编码和解码的方法，对复杂的知识处理灵活。遗传算法的优点在于它适合处理全局最优解，特别是对不连续或者含有很多局部最优解的不适合用常规方法处理的目标函数。MATLAB遗传算法工具箱很容易上手，不需要编写很长的代码，同时运行时间很短，结果可以可视化。　　 本论文的目的是用Matlab软件实现图像分类。我们使用种群大小为20，进化世代数分别为30，50，100的参数把图像被分成三类或者五类。结果显示，进化世代数对分类精度的影响较之类别个数更大。我们得到最好的分类图像，是第一幅图像，它的得分最高，为5.9931分。虽然它得分最高，但也不能把所有的像素点关联起来。即使它更高一些，图像中仍然会存在一些未分类的点。