随着遥感技术的发展，人们能更方便的获取更多的遥感影像数据。但是目前遥感影像数据利用率仍较低，其本质原因是遥感数据缺乏有效的数据质量评价方法指导用户选择合适的数据来满足相关应用需求。　　本文的主要目的是从遥感影像分类应用的角度对遥感影像进行质量评估，根据估计的遥感图像分类精度来评价图像的分类质量。以遥感影像分类精度最常用的度量指标Kappa入手，结合最小距离分类准则研究纹理特征的分布与遥感影像分类精度之间的关系，构建了基于特征分布参数的分类精度估计模型。因此本文的三个主要的研究内容包括：1）遥感影像纹理特征的研究。本文以基于灰度共生矩阵提取的纹理特征为重点研究对象。2）遥感影像分类精度估计模型构建。在特征的分布符合高斯模型的假设下，结合最小距离准则构建了Kappa估计模型，将遥感影像分类精度估计问题转换为特征的分布估计问题。3）特征分布估计技术研究。本文重点介绍了混合高斯模型下的特征分布估计算法—GMM算法，针对GMM算法的局限提出了一种均值约束的GMM算法作为遥感影像中各类地物的特征分布参数的估计方法。最后，本文以纹理特征作为分类特征进行了分类精度的估计实验，实验结果验证了基于特征分布参数的Kappa估计模型的正确性以及均值约束GMM算法的有效性。