遥感技术的快速发展，为各种遥感应用提供了数据上的保证。由于遥感数据在具体应用领域缺乏有效的质量评价方法，遥感数据的获取、处理和应用都存在极大的盲目性。这种对数据可用性认识的缺乏，无疑会对图像处理和分析算法的研究带来极大的偏颇性，使处理和分析结果的评价缺乏有效性。所有这些都严重阻碍了遥感应用幅度的扩展和水平的深化。本文以图像分类应用为牵引，在分析图像分类质量含义的基础上，提出了两种面向图像分类的图像质量评价方法。方法一是基于图像质量要素的图像质量评价方法。针对第一种方法，本文首先要分析影响图像解译的质量要素，然后构建质量要素与图像分类精度的关系模型。方法二是基于图像特征分布的图像质量评价方法。针对第二种方法，本文首先建立了基于图像特征分布的图像质量评价模型。考虑到利用EM算法进行分布估计极易得到偏离真实值的局部最优解，基于约束均值有利于参数估计的认识，本文提出了一种均值约束的EM算法——MCEM（Mean-Constrained Expectation Maximization Method）算法。理论和实验均表明，相比EM算法，MCEM算法能够显著地提高参数估计精度。利用仿真数据与真实数据的实验，验证了方法一提出的建立图像质量要素与图像分类精度的关系模型的图像质量评价方法的可行性。采用真实遥感数据验证了本文提出的基于灰度特征分布的图像质量评价方法的有效性。结果表明，本文提出的基于特征分布的质量评价方法能够有效地估计出图像的分类精度。