随着互联网图像数据的海量增长以及人机交互系统的快速发展，如何对图像进行有效的组织分类，便于人们在浩如烟海的图像资源中快速找到想要的图像，成为人们越来越关注的问题。近年来，图像情感语义分类成为计算机视觉领域一个活跃的研究课题。作为一种高层语义分类，它对计算机正确解释感知图像内容，实现对图像的有效组织、分类和管理都有重要的指导意义。图像情感分类的研究涉及到模式识别、情感计算、生理学、视觉心理学等多个学科，其目的是为了更好地描述和全释图像的内容，实现图像有效的管理，图像情感分类技术具有深远的研究意义和巨大的潜在商用价值。本文结合视觉认知理论、心理学、模式识别等领域的知识，对图像的情感分类问题进行了研究。文中引入GEP(Gene Expression Programming, GEP)算法，利用其高效的分类性能，设计与实现基于GEP的图像情感分类算法（Image EmotionClassification Algorithm based on GEP, IECA-GEP）。算法首先利用SIFT特征提取的改进算法CSIFT (Colored scale invariant feature transform, CSIFT)对图像进行特征提取。得到对情感具有较强语义区分度的颜色信息等相关特征；其次利用k-means算法对图像特征进行聚类，选取具有典型代表的若干特征向量和情感标签生成图像的数字矩阵。最后以图像数字矩阵为处理对象，设计了新的染色体和适应度函数，实现基于GEP算法的图像情感分类算法，对图像情感进行分类。本文采用来自Flicr和Deviantart两个网络的数据集，利用提出的算法对图像库进行8种情感分类。实验结果表明，算法能够有效实现图像分类，而且与传统的SVM算法比较，其准确度提高了16.7%。