El reconocimiento e clasificación de imágenes ha sido ampliamente utilizado para la investigación en sistemas de visión por computadora. Este documento tiene como objetivo implementar una nueva estrategia llamada teoría de causalidad de Wiener-Granger para clasificar imágenes de paisajes naturales. Esta estrategia se basa en imágenes autocontenidas extraídas utilizando una metodología de Recuperación de Imágenes Basada en Contenido (CBIR) (para obtener diferentes características de textura); luego, se implementa un Algoritmo Genético (GA) para seleccionar los elementos naturales más relevantes de las imágenes que comparten patrones de causalidad similares. El método propuesto se compone de una etapa de extracción de características secuenciales, una tarea de conformación de series temporales, una fase de estimación de causalidad, selección de características de causalidad a lo largo de la implementación de GA (utilizando el proceso de clasificación en la función de aptitud). Se implementó una etapa de clasificación y se utilizaron 700 imágenes de paisajes naturales para validar los resultados. Probado en la implementación del sistema de distribución, la eficiencia técnica del sistema desarrollado es del 100% y del 96% para las metodologías de resubstitución y validación cruzada, respectivamente. Esta propuesta podría ayudar con el reconocimiento de escenarios naturales en la navegación de un automóvil autónomo o posiblemente un dron, siendo un elemento importante en la seguridad de la navegación de vehículos autónomos.