场景分类是近些年来一个新的有前景的研究方向。在计算机视觉领域中，一些人认为场景感知是局部特征的重构；相反地，一些研究表明，场景特征是通过全局结构的编码而得到，并不需要感知具体的细节和图像中的对象。根据前面提到的不同思想，目前出现的相对流行的场景分类方法主要有以下三类：（1）基于对象的场景分类：这种分类方法以对象为识别单位，根据场景中出现的特定对象来区分不同的场景；（2）基于区域的场景分类：这一类场景分类方法，会依据场景的不同底层特征，将场景图像分割成不同的区域，但是这类方法要求各区域在空间位置上具有不变性，因此面对分割时并不那么灵活；（3）基于上下文的场景分类：这类方法不同于前面两种算法，而将场景图像看作全局对象而非图像中的某一对象或细节，这样可以降低局部噪声对场景分类的影响。考虑到不同方法的鲁棒性和实用性，本文对基于场景Gist的快速场景分类进行了深入研究。首先，本文详细描述了空域包络模型的来历，内容以及全部的推导过程；并根据该模型的理论基础，实现了空域包络模型中的自然性的判别模板；与此同时，还利用其判别模板求得场景图像的自然性，并根据自然性对真实世界场景进行自然-人工场景分类。然后，本文介绍了目前非常流行的基于视觉特征通道的Gist模型，并针对该模型的不足，提出了基于视觉特征通道和自然性的Gist模型，而且在MATLAB中仿真实现了该模型。最后，本文给出了各场景分类模型的对比实验，并验证了本文提出的新模型具有更好的鲁棒性。